Les réseaux sociaux ne se contentent pas de refléter nos émotions : ils sélectionnent celles qui méritent d'être vues. Et leur critère de sélection n'est ni la vérité, ni la pertinence, ni la profondeur — c'est l'engagement. Or toutes les émotions ne se valent pas face à ce critère : la colère, l'indignation et la surprise circulent bien mieux que la nuance ou le doute. Comment ce tri s'opère-t-il ? Et quelles preuves avons-nous de ses effets sur la cohésion sociale ?

Un préambule honnête s'impose, car il conditionne toute la suite : la recherche scientifique sur la polarisation numérique est plus nuancée que le récit médiatique dominant. Une revue systématique de la littérature sur les réseaux sociaux et la polarisation conclut que les effets sont réels mais contingents — ils dépendent des plateformes, des pays, des individus et des contextes (Kochenov et al., Technological Forecasting and Social Change, 2022). C'est précisément cette nuance qui rend l'analyse intéressante : la viralité des émotions extrêmes n'est pas une fatalité universelle, c'est un mécanisme identifiable, donc corrigeable.

La preuve de laboratoire : la colère est le carburant de la viralité

Le fondement empirique de tout ce débat tient en une série d'études devenues classiques. William Brady et ses collègues (NYU) ont analysé plus de 560 000 tweets et montré que chaque mot à charge morale ou émotionnelle ajouté à un message augmentait ses chances d'être repartagé — un effet dit de « contagion morale » (Brady et al., PNAS, 2017). La colère domine nettement : elle mobilise, elle fait cliquer, elle fait partager.

Ce résultat n'est pas resté une curiosité académique. Une méta-analyse pré-enregistrée publiée en 2025 dans PNAS Nexus a répliqué l'effet sur l'ensemble des données disponibles : la contagion morale en ligne est réelle, mesurable et d'ampleur confirmée (PNAS Nexus, 2025). À ceci près — et c'est essentiel pour notre angle critique — l'effet est de taille modeste : l'émotion pousse à la marge, mais pousse durablement. Sur des milliards de messages, une marge statistique devient un phénomène civilisationnel.

La preuve par les documents internes : quand la plateforme le sait

La deuxième génération de preuves est plus troublante, car elle émane des plateformes elles-mêmes. Les documents internes révélés en 2021 par l'ancienne employée Frances Haugen (les « Facebook Files ») montrent qu'à partir de 2017, Facebook a modifié son algorithme pour privilégier les contenus suscitant des réactions émotionnelles fortes — au premier rang desquelles la colère. Les ingénieurs de l'entreprise avaient eux-mêmes alerté, dans des notes internes, sur le risque d'amplifier les contenus haineux et polarisants (Nieman Lab, 2021).

C'est le point de bascule du débat : on n'est plus dans l'effet involontaire d'une technologie neutre, mais dans un choix d'architecture documenté en interne, fait en connaissance de cause, parce que la colère génère du temps de présence — et le temps de présence génère des recettes publicitaires.

On mesure d'ailleurs l'échelle du problème grâce à l'étude du MIT citée dans le premier article de cette série : les fausses nouvelles, chargées en surprise et en dégoût, atteignent 1 500 personnes environ six fois plus vite que les vérités (Vosoughi, Roy & Aral, Science, 2018). L'algorithme ne « croit » à rien : il ne fait qu'accélérer ce que les émotions humaines propulsent déjà.

Chambres d'écho : la thèse... et ses démentis

C'est ici que la rigueur comparative de cette série impose de résister à la facilité. Le récit des « chambres d'écho » — chacun enfermé dans sa bulle algorithmique — est populaire mais scientifiquement contesté. La Royal Society britannique, dans sa revue de la littérature sur la question, conclut que les preuves sont minces et contradictoires : la plupart des études trouvent une exposition croissante à des sources d'opinions diverses en ligne, et non un enfermement (Royal Society, The Online Information Environment). Une revue systématique de 2025 confirme ce constat de désaccord persistant entre chercheurs (Springer, Journal of Computational Social Science, 2025).

Même l'algorithme de YouTube, souvent accusé d'entraîner les utilisateurs vers des contenus radicaux, résiste à l'accusation : des travaux menés à l'Université de Pennsylvanie (Annenberg) et une étude indépendante sur les recommandations de la plateforme trouvent que l'algorithme ne pousse pas massivement vers l'extrémisme — les trajectoires de radicalisation existent, mais elles ne sont pas majoritairement le fait de la machine (Annenberg) (arXiv, 2019).

Qu'est-ce que cela change à notre diagnostic ? Beaucoup, en réalité. Si les bulles étaient totales, le problème serait technologique et sa solution mécanique. Mais si, comme le montrent les données, nous sommes exposés à des opinions opposées sans être convaincus par elles, alors le problème est plus profond : il n'est pas dans ce que l'algorithme nous cache, mais dans ce que la viralité émotionnelle fait de nos désaccords. On ne sort pas de l'ère polarisée en « diversifiant les sources » ; on en sort en changeant la manière dont l'opposition elle-même est mise en scène et monétisée.

Comparaison historique : ce que les médias de masse faisaient de nos colères

La comparaison avec les médias traditionnels est éclairante, à condition d'éviter la nostalgie. La télévision et la presse du XX^e siècle n'ont pas supprimé la colère politique — elles l'ont encadrée : éditorialisation, droit de réponse, professionnels de la médiation, temps différé entre l'émotion et sa publication. Les réseaux sociaux ont supprimé ces trois tampons : plus d'intermédiaire, plus de délai, plus d'éditorialisation. L'émotion partait hier de la place publique vers une institutional de médiation ; elle part aujourd'hui directement de l'individu vers une audience potentiellement mondiale, accélérée par une machine qui a financièrement intérêt à son intensité. La différence n'est pas dans la nature humaine — elle est dans l'architecture de circulation.

Ouverture critique : peut-on concevoir des algorithmes « éthiques » ?

Problèmes identifiés :

1. Un effet de contagion morale mesuré et confirmé : la colère et l'indignation circulent préférentiellement (Brady et al. ; PNAS Nexus, 2025) ;
2. Des choix d'architecture faisis en connaissance de cause par les plateformes (Facebook Files, 2021) ;
3. Une accélération de la viralité des émotions extrêmes, mensongères comprises (Vosoughi et al., 2018) ;
4. Mais des chambres d'écho moins étanches que le récit dominant ne le suggère — le problème est moins la bulle que la monétisation du conflit.

Pistes documentées :

• Régulation : le Digital Services Act européen impose depuis 2024 la transparence des paramètres de recommandation et un fil non personnalisé à disposition de l'utilisateur (article 27) (DSA, art. 27) — il ne dit pas aux plateformes quoi amplifier, mais il les oblige à le montrer.
• Modération par les pairs : le système Community Notes de X (ex-Twitter) a fait l'objet d'évaluations encourageantes — une étude de l'Université de l'Illinois montre que les auteurs sont plus enclins à retirer leurs tweets trompeurs lorsqu'une note de correction est ajoutée (Gies College of Business, 2024), et une étude publiée dans JAMA confirme la fiabilité des réponses apportées aux désinformations vaccinales (UC San Diego, JAMA).
• Éducation : l'exemple finlandais d'éducation aux médias dès l'école primaire (thisisFINLAND) rappelle que la résistance à la manipulation émotionnelle s'apprend.
• Hygiène émotionnelle individuelle : la règle simple issue de la littérature : ne jamais repartager sous le coup de la colère. La contagion morale opère dans les secondes qui suivent l'émotion ; suspendre l'acte de repartage, c'est casser la chaîne.

Conclusion

La viralité des émotions n'est ni un mythe ni une fatalité. C'est un mécanisme documenté — la colère circule mieux, les plateformes le savent depuis 2017 au moins, et la régulation européenne commence tout juste à ouvrir la boîte noire. Mais le débat public reste prisonnier d'une image dépassée : la bulle. Or si la recherche montre une chose clairement, c'est que nous ne sommes pas enfermés — nous sommes exposés et chauffés.

La question n'est donc pas de « sortir de notre bulle », mais de demander collectivement aux plateformes de cesser de faire de notre colère leur modèle économique. C'est un choix d'architecture, pas une loi de nature. Et les architectures, par définition, se modifient.

Sources et références

• Brady W. J., Wills J. A., Jost J. T., Tucker J. A., Van Bavel J. J. (2017), « Emotion Shapes the Diffusion of Moralized Content in Social Networks », PNAS — NYU CSMAP
• « Estimating the effect size of moral contagion in online networks » (2025), méta-analyse pré-enregistrée, PNAS Nexus — Oxford Academic
• Nieman Journalism Lab (2021), « More internal documents show how Facebook's algorithm prioritized anger » — Nieman Lab
• Vosoughi S., Roy D., Aral S. (2018), « The spread of true and false news online », Science — MIT News
• Royal Society, « Echo Chambers, Filter Bubbles, and Polarisation: a Literature Review » — PDF officiel
• « A systematic review of echo chamber research » (2025), Journal of Computational Social Science — Springer
• Annenberg School (UPenn), « The YouTube Algorithm Isn't Radicalizing People » — Annenberg ; voir aussi arXiv (2019)
• « Polarization and social media: A systematic review » (2022), Technological Forecasting and Social Change — ScienceDirect
• Gies College of Business (2024), « Community Notes on X could be key to curbing misinformation » — Univ. of Illinois
• UC San Diego / JAMA, « X's Community Notes provide accurate answers to vaccine misinformation » — UC San Diego
• Digital Services Act (UE), article 27 — DSA art. 27
• thisisFINLAND, « Finnish media literacy deters disinformation » — finland.fi