Disarranged Harmonization of Transparency Reporting by Social Media Platforms Under the Digital Services Act
Cet article présente la première évaluation systématique de la qualité des données de rapports de transparence pour les huit plus grandes plateformes de médias sociaux de l'Union européenne au titre du Règlement sur les services numériques, révélant que, malgré de nouvelles réglementations d'harmonisation, des problèmes importants persistent concernant le formatage des données, leur actualité, leur cohérence, leur exhaustivité et leur interopérabilité entre les plateformes.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que l'Union européenne (UE) ait décidé de construire une immense « maison de verre » publique pour observer comment les géants des réseaux sociaux (comme Facebook, TikTok et YouTube) modèrent leur propre contenu. L'objectif était de s'assurer que ces entreprises soient honnêtes quant à ce qu'elles suppriment, pourquoi elles le suppriment et comment elles procèdent. Pour garantir l'équité, l'UE a introduit un nouveau code de règles appelé le Règlement sur les services numériques (DSA). Ce code exigeait que toutes les plus grandes plateformes soumettent leurs rapports dans exactement le même format, comme des élèves qui rendraient tous leurs devoirs sur le même type de papier ligné avec la même police de caractères.
Ce document est comparable à un enseignant notant le premier lot de devoirs de huit des plus grandes entreprises de réseaux sociaux au monde après le début de ce nouveau code de règles. Les chercheurs se sont demandé : « Les élèves ont-ils réellement suivi les instructions et leurs réponses sont-elles cohérentes ? »
Voici ce qu'ils ont découvert, expliqué simplement :
1. Les « devoirs » étaient désordonnés
Même si l'UE a fourni le même modèle à tous, les « élèves » (les plateformes) n'ont pas tous suivi les règles parfaitement.
- La mise en forme : Certaines entreprises ont utilisé la mauvaise police, d'autres ont rempli les mauvaises cases, et certaines ont tenté de rendre leurs devoirs dans une langue complètement différente de celle demandée.
- Le timing : La règle stipulait : « Dites-nous immédiatement lorsque vous supprimez quelque chose. » Au lieu de cela, certaines plateformes ont attendu des semaines, voire des mois, pour soumettre leurs rapports. C'est comme un élève qui attendrait la fin du semestre pour rendre un journal intime quotidien.
- Les chiffres : Certaines entreprises ont rapporté des chiffres qui n'avaient pas de sens. Par exemple, une plateforme a affirmé avoir plus d'« utilisateurs actifs » dans un petit pays que la population totale de ce pays, plus tous les touristes et les entreprises qui s'y trouvent. C'était comme un restaurant affirmant servir 1 000 repas par jour dans une ville qui ne compte que 500 habitants.
2. Le problème de la « maison à deux étages » (Incohérence)
L'UE a demandé deux types de rapports :
- Le journal détaillé (TDB) : Une liste de chaque pièce de contenu supprimée, comme un reçu pour chaque article acheté.
- Le rapport récapitulatif (TR) : Un résumé mensuel, comme un relevé bancaire mensuel.
Les chercheurs ont constaté que, pour de nombreuses entreprises, les reçus et les relevés bancaires ne correspondaient pas.
- Les actions « fantômes » : Certaines entreprises ont indiqué dans leur résumé : « Nous avons supprimé 1 million de choses par nos propres moyens », mais lorsque l'on regardait les journaux détaillés, ces 1 million d'actions étaient absents.
- La confusion « robot » : Certaines entreprises ont affirmé dans leur résumé qu'elles utilisaient des robots (IA) pour supprimer la plupart des contenus, mais les journaux détaillés montraient que presque tout avait été fait par des humains. C'est comme un chef qui vous dirait qu'il a utilisé une machine pour hacher les légumes, alors que les registres de la cuisine montrent qu'un humain avec un couteau a tout fait.
3. Les erreurs de « traduction »
L'UE a demandé aux entreprises de décomposer leurs données par langue (par exemple, combien de publications ont été supprimées en français par rapport à l'allemand).
- Certaines entreprises ont ignoré cela et ont fourni les données par pays à la place.
- D'autres ont utilisé les mauvais codes (en écrivant « Irlande » au lieu de « irlandais »).
- Une entreprise (X, anciennement Twitter) présentait un problème étrange où elle affirmait avoir supprimé presque aucun contenu par ses propres moyens, mais ses journaux montraient qu'elle supprimait des milliers de choses chaque jour.
4. La théorie des « équipes secrètes »
Les chercheurs ont remarqué quelque chose d'étrange : pour certaines plateformes, le « rapport récapitulatif » semblait très professionnel et précis, tandis que le « journal détaillé » était un désordre complet.
- La métaphore : C'est comme si l'entreprise avait deux équipes différentes. Une équipe est l'« équipe des relations publiques » qui rédige le beau et propre résumé pour le public. L'autre équipe est l'« équipe des opérations » qui effectue réellement les suppressions et tient un carnet désordonné et mal organisé. Ces deux équipes ne se parlent pas, de sorte que les chiffres ne correspondent pas.
La conclusion
Le document conclut que, bien que l'UE ait tenté de mettre en place un système standardisé pour rendre les réseaux sociaux transparents, le système est actuellement cassé dans la pratique.
- Les données sont souvent en retard, mal formatées ou contradictoires.
- Vous ne pouvez pas facilement comparer une plateforme à une autre car elles jouent toutes selon des règles légèrement différentes, même si on leur a dit de jouer selon les mêmes règles.
- La « maison de verre » est censée nous permettre de voir clairement, mais pour l'instant, les fenêtres sont embuées et certaines vitres sont fissurées.
Les auteurs suggèrent que pour corriger cela, l'UE doit cesser de se contenter de distribuer des modèles et commencer à vérifier automatiquement les devoirs avant leur acceptation, et elle doit donner des instructions plus claires sur la signification réelle des mots (comme définir exactement ce qui compte comme « automatisé » par opposition à « humain »). Jusque-là, nous ne pouvons pas faire entièrement confiance aux chiffres que ces entreprises nous fournissent.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.