Faire de la sociologie avec des données d’une plateforme d’écoute musicale et accorder des données mixtes (Samuel Coavoux, Philippe Coulangeon, Robin Cura, Thomas Louail et Yann Renisio, 21 octobre 2022)

Pour cette double présentation exceptionnelle, le séminaire Régulations de Pacte et les Vendredis Quanti se sont associés pour proposer à Samuel Coavoux, Philippe Coulangeon, Robin Cura, Thomas Louail et Yann Renisio de présenter les enjeux, les méthodes et les résultats de la recherche qu’ils mènent dans le cadre du programme ANR RECORDS coordonné par Thomas Louail.

Première partie : Faire de la sociologie avec des données d’une plateforme d’écoute musicale (séminaire Régulations, 55 minutes)

Seconde partie : Accorder des données mixtes (Vendredis Quanti, 1h02)

Résumé

La première présentation, proposée par Samuel Coavoux, Philippe Coulangeon, Thomas Louail et Yann Renisio dans le cadre du séminaire Régulations du laboratoire Pacte, explore ce qu’il est possible de faire avec des données longitudinales pluriannuelles d’écoute musicale très riches et portant sur un très grand nombre de personnes, extraites de la plateforme musicale Deezer (troisième service mondial de streaming musical, avec 16 millions d’utilisateurs actifs dans 180 pays, et 90 millions de titres dans le catalogue). La présentation montre comment il est possible de mettre à l’épreuve de ces données les avancées de la sociologie de la culture des dernières décennies, depuis la thèse de la distinction de Pierre Bourdieu jusqu’à la thèse de l’omnivorisme de Richard Peterson. A ces questions “classiques” s’ajoutent des interrogations sur les effets spécifiques des plateformes sur la diversité culturelle, aux prises avec les théories des “bulles de filtres” par exemple.

Dans une première partie de cette première présentation, Philippe Coulangeon s’appuie sur un échantillon de 900 personnes pour lesquelles on a à la fois les historiques d’écoute pour l’année 2020, et les réponses à un questionnaire d’enquête. En utilisant une analyse factorielle multiple (AFM), qui permet de pondérer différents groupes de variables, et surtout de réaliser simultanément des analyses partielles sur chaque groupe de variables et une analyse de l’ensemble, il montre que les données d’historique et les données déclaratives sont fortement corrélées, au moins dans les deux premières dimensions de l’AFM. On note une opposition principale entre les omnivores et les univores (dont les auditeurs de metal), mais aussi une opposition ensuite entre omnivores légitimes (highbrow) et omnivores populaires (lowbrow). Du coup la théorie de l’omnivorisme se résout en partie de façon assez triviale : c’est le volume d’écoute qui détermine l’omnivorisme.

Samuel Coavoux revient ensuite sur les enjeux de la recommandation en termes de reconfiguration de l’intermédiation culturelle. Est-ce qu’il y a encore de l’agentivité, ou sommes-nous dépossédés de notre capacité à choisir les biens culturels que nous consommons ? Et cela se fait-il au détriment de la diversité culturelle, en nous enfermant dans des bulles de filtres qui sont défavorables à la découverte et donc l’appropriation de nouveaux genres musicaux ou de nouveaux artistes ? L’analyse montre en réalité que la recommandation n’est qu’une petite part de l’écoute, environ 25% seulement. Et elle se fait dans certaines situations, qualifiées de “soundtracking”, où l’écoute musicale est une activité secondaire dans le contexte d’une autre activité qui est principale (être entre amis, travailler, etc.). Les recommandations, en outre, poussent vers des artistes moins populaires que les choix directs et volontaires d’écoute. La recommandation a donc plutôt un effet positif (modéré) sur la diversité des musiques écoutées. Les recommandations n’ont pas un effet de bulles de filtres.

Enfin, Yann Renisio et Thomas Louail discutent un cas d’articulation de données mixtes, en proposant un questionnement sur les écarts entre les pratiques et les déclarations sur les pratiques, et donc sur les biais de désirabilité sociale. Leurs analyses mettent bien en évidence des incohérences : la majorité des enquêtés qui déclarent écouter du classique en écoutent moins qu’un autre genre que pourtant ils ont déclaré ne pas écouter. Autrement dit, le classique est le genre le plus « sur-déclaré », et le rap le genre le plus « sous-déclaré ». On peut voir aussi des artistes sur-déclarés : Miles Davis, Louis Armstrong d’un côté, Maître Gims de l’autre, Jul et Booba, qui sont plus écoutés qu’on ne déclare les aimer. Mais plutôt que penser ces écarts comme des biais, ils invitent à les regarder comme des indicateurs de faits sociaux, qu’il convient d’analyser sociologiquement.

La seconde présentation, proposée par Robin Cura, Thomas Louail et Yann Renisio dans le cadre des Vendredis Quanti, montre comment la combinaison de différentes sources de données, collectées pour les mêmes individus – historiques d’écoute sur une plateforme de streaming, enquête par questionnaire et entretiens – permet d’éviter plusieurs écueils méthodologiques fréquemment rencontrés dans l’étude des goûts et des consommations culturelles. Les analyses s’appuient ici non seulement sur les donnéers massives extraites de la plateforme Deezer, mais aussi sur une enquête par questionnaire auto-administré auprès de 1 200 usagers de la plateforme (soit 4% des personnes sollicitées pour cette enquête).

Un premier usage de l’articulation entre les deux sources de données a consisté l’utiliser pour ajuster le dispositif d’enquête, par exemple pour choisir les artistes soumis aux enquêté·es pendant les entretiens et les questionnaires, en charchant des paires d’artistes très peu « co-écoutés », ou les moins co-écoutés dans différentes catégories de sexe et d’âge de la population. Le couplage des deux sources de données a aussi permis de caractériser la socio-démographie très particulière des répondant·es de l’enquête par questionnaire, beaucoup plus diplômé·es et plus âgé·es que l’ensemble des utilisateurs de Deezer. Parmi les 15-25 ans, on note aussi forte sur-représentation de ceux qui ont les usages les plus intenses de la plateforme. Les données ont également été utilisées pour adapter le design de l’enquête : sachant les taux de réponse des différentes catégories, on applique des taux de correction et on sur-sollicite les catégories qui ont les plus faibles taux de réponse.

Les données massives peuvent également se révéler précieuses pour soutenir des approches qualitatives : dans la dernière partie de cette seconde présentation, les intervenants présentent AMPLI, un outil d’exploration visuelle des données individuelles d’écoute musicale extraites de Deezer, conçu pour accompagner la préparation, la réalisation et l’analyse des entretiens. L’application peut être utilisée avant l’entretien pour préparer et adapter la grille d’entretien ; pendant l’entretien pour faire réagir et commenter, pour vérifier, relancer, confronter, provoquer des situations d’étonnement, créer une relation d’intimité ; et après l’entretien pour confronter les réponses aux pratiques.

---

---