Le biais d’informations

Dans le livre The Filter Bubble de 2011 Eli Pariser décrit l'effet de recherches personnalisées sur l’internet. Au sujet de la marée noire du Deepwater Horizon dans le golfe du Mexique en 2010, il a demandé deux amis de googler sur « BP ». Un a trouvé beaucoup d'informations sur la catastrophe écologique. L’autre a trouvé plein de sites sur les opportunités d'investissement dans le BP.

C’est hallucinante biais d’information et le résultat des algorithmes de recherche individualisés. Avec des très bonnes intentions Google a voulu rendre nos vies plus simples. Le client est le roi et de présenter des informations qui lui intéressent peu n’a pas de sens.

Malgré ces absurdités les journaux en ligne pensent maintenant faire la même chose. Si par exemple une personne ne lit jamais le sport, ces articles seront placés plus bas sur la page, et le contraire.

Le phénomène a un nom : Bulle de filtres. Des pessimistes prédissent que dans l’avenir les citoyens vont sélectionner l’agréable et désélectionner le désagréables, et cela sans le savoir. D’autres ne pensent pas que l’effet ne soit pas si pire mais qu’il faut rester vigilant sur des informations qui nous parviennent.       

Un autre problème est que le nombre de cliques et liens actuellement est un paramètre de popularité qui rend certains informations plus intéressent que d’autres et que elles pour cette cause méritent un haut placement dans les listes de recherche. Le résultat est que des informations spectaculaires, ou même fausse, sont mélangées avec des informations plus correctes.

Googlez sur « vacciner mes enfants » et les premières sites qui apparaissent sont sur des mouvements anti-vaccination ! Cherchez sur « OVINI » et divers fantasmes apparaissent.

Google a maintenant pris conscience du problème. Le remède est de développer un logiciel de recherche qui ne seulement compte les cliques et les liens mais aussi vérifie le nombre d'erreurs factuelles sur les sites. Le moins d'erreurs de fait, le plus haut sur la liste.

Au font il aura le Knowledge Vault qui mieux est décrit comme une base de connaissances qu'une base de données conventionnelle. Elle recueille des informations d’une manière autonome à partir du Web. En comparant des faits nouveaux avec ce qui déjà est connu, il évalue une information comme soit « un faits sûr », soit « un fait faut ». Le taux de réussite serait de 90%.

Knowledge Vault contient actuellement 1,6 milliards informations, dont 17% sont considéré comme sûr.