Les médias sociaux, nous le savons, ont tendance à renforcer nos convictionspour nous rendre plus hostiles aux opinions différentes et nous enfermer dans des bulles d’information, rendant de plus en plus difficile la confrontation civile avec ceux qui pensent différemment. Cette dynamique n’est cependant peut-être pas inévitable. Une étude publiée dans Science en 2025 par l’université de Stanford montre que c’est possible réduire la polarisation intervenir de l’extérieur, sans modifier l’algorithme de la plateforme.
Les chercheurs ont développé unextension de navigateur basé sur l’intelligence artificielle qui réorganiser les messages présent dans le flux X. En montrant d’abord le contenu le moins polarisant et en laissant le contenu le plus polarisant à la fin, les utilisateurs deviennent plus ouverts envers ceux qui appartiennent au spectre politique opposé. Cependant, inverser l’ordre des messages augmente l’hostilité.
Pour l’instant l’outil fonctionne seulement sur X et uniquement dans la version navigateur. Le code de l’extension a cependant été publié dans son intégralité, afin de permettre à d’autres groupes de recherche de développer des outils similaires pour d’autres plateformes. Le groupe de recherche a également déclaré travailler sur une version utilisable directement dans les applications, même si la mise en œuvre est techniquement plus complexe.
Voyons comment fonctionne cet outil, comment l’expérience a été conçue et quels effets elle a produits.
Comment ça marche : l’IA note les publications et les réorganise
Le groupe de recherche a construit unextension de navigateurc’est-à-dire un petit programme que vous ajoutez à votre navigateur – comme Chrome ou Firefox – pour ajouter de nouvelles fonctionnalités. Dans ce cas, l’extension changer l’ordre des messages dans le flux X.
Chaque fois qu’un utilisateur ouvre le réseau social depuis le navigateur, l’extension analyse un groupe d’environ 35 messages. Un premier modèle de langage, c’est-à-dire une IA comme ChatGPT, Claude ou Gemini, identifie ceux qui contiennent des déclarations de caractères politique. Ceux-ci sont ensuite envoyés à un deuxième modèle, qui évalue les niveau de polarisation. Pour ce faire, il prend en considération divers facteurs, notamment le soutien à violence la politique, le langage agressif vers le camp adverse et le représentation déformée des événements politiques. Il attribue ensuite à chaque post une note allant de 0, pas du tout polarisant, à 8, extrêmement polarisant.
À ce stade, l’extension ne modifie ni ne supprime aucun contenu, mais réorganise simplement les publications. Si l’objectif est de réduire la polarisation, montrez en premier ceux qui ont les scores les plus bas. Si vous souhaitez obtenir l’effet inverse, placez ceux qui ont les notes les plus élevées en haut du flux.
Testé sur 1 200 participants américains avant l’élection présidentielle
Pour tester et vérifier les effets de cette extension, l’Université de Stanford a recruté d’autres 1200 participantstous Américains et utilisateurs de X. Environ les deux tiers se sont identifiés comme démocrates, tandis que le tiers restant s’est identifié comme républicain. L’expérience a eu lieu dans les semaines précédant immédiatement élections présidentielles Américains de 2024l’un des moments de plus grande tension dans le débat politique.
Les participants ont été répartis au hasard dans deux expériences parallèles distinctes. Dans le premier, le flux a été réorganisé par réduire exposition au contenu polarisantdans la seconde pour augmentez-le. Chaque expérience comprenait également un groupe témoin, dont l’alimentation restait inchangée, afin que les effets produits par l’extension puissent être comparés.
Les effets de l’expérience, qui a duré une semaine, ont été mesurés au moyen d’une série de questionnaires. Les chercheurs ont évalué à la fois émotions essayez en faisant défiler le flux X, à la fois le attitudes vers le partie adverseune mesure connue sous le nom de « polarisation affective« .
Ceux qui voient des contenus moins polarisants sont plus ouverts au parti adverse
De cette expérience, il est devenu clair que les contenus auxquels nous sommes exposés influencent la façon dont nous percevons ceux qui ont des idées politiques différentes des nôtres. L’exposition à un plus grand nombre de contenu polarisant a rendu les participants plus hostile vers la partie adverse, tandis qu’un flux composé de contenu plus modéré a augmenté leouverture envers ceux qui appartenaient au parti politique adverse.
Ces effets ont été mesurés à travers le « thermomètre émotionnel »une échelle de 0 à 100 utilisée pour évaluer le degré d’appréciation ou d’hostilité envers l’autre partie. Les deux effets ont dépassé le 2 degrés. Cet effet peut paraître très faible, mais il s’agit d’un changement comparable à environ trois ans de l’évolution moyenne de la polarisation affective aux États-Unis. Ce changement a été constaté tant parmi les électeurs démocrates que républicains.
Les participants exposés à un contenu plus polarisant ont également déclaré se sentir davantage se mettre en colère et plus triste au cours de l’expérience, précisément à cause des contenus auxquels ils ont été exposés. Ces émotions furent cependant temporaires et ne semblent pas expliquer les effets observés sur la polarisation affective.
Cette étude montre qu’il est possible de rendre les médias sociaux moins polarisants en intervenant sur la manière dont les contenus sont présentés aux utilisateurs, sans nécessairement les supprimer ni limiter leur diffusion. L’outil développé par les chercheurs ne fonctionne actuellement que sur les navigateurs, via Chrome et Edge, et uniquement sur X. Cependant, le code de l’extension a été rendu public avec un guide technique détaillé, afin de permettre à d’autres groupes de recherche et développeurs de reproduire l’expérience et de créer des outils similaires pour d’autres plateformes.