TikTok compte plus d'un milliard d'utilisateurs actifs par mois. Pour la majorité d'entre eux, le fil "Pour toi" est la page d'accueil, un flux personnalisé censé refléter leurs centres d'intérêt. Une étude publiée en 2026 par des chercheurs de Northeastern University conclut que les utilisateurs ont nettement moins de contrôle sur ce fil qu'ils ne le croient.
Comment les chercheurs ont mesuré le pouvoir réel des utilisateurs
L'étude s'appuie sur une méthode inédite pour auditer l'application mobile TikTok, là où les analyses précédentes se concentraient sur l'interface web. Or, environ deux tiers du trafic de la plateforme proviennent des appareils mobiles. Pour isoler les effets des actions des utilisateurs, les chercheurs ont créé des comptes "clones" dont l'historique de navigation est identique. Ils ont ensuite comparé des scénarios contrefactuels sur trois thématiques : cuisine, fitness et paris sportifs. Cette technique permet d'envoyer des signaux explicites et implicites lors d'expériences contrôlées dans l'application elle-même.
Les signaux qui pèsent réellement sur le fil
Les résultats établissent une hiérarchie entre les actions des utilisateurs. Les signaux négatifs explicites, comme le bouton "Pas intéressé", sont généralement plus efficaces que les signaux implicites, comme le simple fait de passer une vidéo, pour réduire les contenus non souhaités. Selon la couverture d'Ars Technica, le bouton "Pas intéressé" réduirait les contenus indésirables d'environ 84 %, contre 48 % pour le simple fait de swiper. Le bouton est toutefois peu visible dans l'interface, un choix de design que les auteurs de l'étude considèrent comme significatif.
L'effet de ces signaux peut être temporaire. Si l'utilisateur arrête de signaler son désintérêt et se réengage avec un sujet, le fil peut redevenir dominé par ce contenu. Cette "rechute" serait plus fréquente pour la cuisine et le fitness que pour les paris sportifs. Ars Technica résume le résultat en pratique : les signaux d'engagement ont un effet, mais seulement temporaire, et l'algorithme revient progressivement à une programmation antérieure si l'utilisateur ne répète pas régulièrement le même signal.
La réponse officielle de TikTok
TikTok présente le fil "Pour toi" comme central dans l'expérience de la plateforme, un flux de vidéos personnalisé en fonction des centres d'intérêt de chaque utilisateur. La plateforme explique que ce fil est propulsé par un système de recommandation qui cherche à fournir à chaque utilisateur des vidéos susceptibles de l'intéresser, tout en reconnaissant qu'il existe des questions sur la manière dont ces recommandations sont délivrées.
TikTok affirme que les utilisateurs peuvent personnaliser leur expérience de découverte et publie des conseils pour agir sur le fil "Pour toi". La documentation officielle indique que les signaux implicites et explicites sont pris en compte, le fait de regarder une vidéo jusqu'au bout étant plus pondéré que la localisation géographique. La plateforme affirme aussi travailler à limiter les "filter bubbles" en diversifiant le fil, en refusant de montrer deux vidéos consécutives du même créateur ou du même son, et en introduisant des vidéos dites d'"exploration".
Le décalage entre la promesse et la réalité du contrôle
L'étude ne présente pas un procès de TikTok, mais une mesure de ce qui se passe quand des comptes identiques agissent de manière différente. Le résultat principal est un décalage : la curation du fil "Pour toi" n'est pas un réglage ponctuel, mais un processus continu. Le fait de ne pas répéter régulièrement les signaux de désintérêt suffit pour que l'algorithme revienne à une programmation antérieure.
Ce constat rejoint des observations déjà faites par les utilisateurs, qui rapportent depuis longtemps l'inefficacité perçue du bouton "Pas intéressé". L'étude confirme partiellement cette perception, tout en montrant que le signal a bien un effet, à condition d'être répété. Le contrôle du fil n'est donc pas une action unique, mais une discipline répétée. TikTok conseille d'ailleurs aux utilisateurs de "simplement utiliser et apprécier l'application" pour personnaliser leur fil, ce qui revient à dire que l'algorithme s'appuie sur l'engagement continu plutôt que sur des réglages manuels.
La question qui reste ouverte est l'ampleur exacte de ces effets et les différences par thématique. Les résultats sont partiels et ne permettent pas de généraliser à tous les contenus. D'autres plateformes, comme l'alternative open-source Loops, proposent des modèles différents, tout comme des applications comme HyperTexting qui visent à s'affranchir des algorithmes de recommandation.
