Internet et les médias socionumériques sont des terreaux extrêmement fertiles en termes de créativité et d’innovations où il est possible d’observer l’émergence ainsi que l’évolution de nombreux phénomènes communicationnels. L’un de ces phénomènes nous intéresse tout particulièrement : la viralité.
Malgré un intérêt indéniable en termes d’audiences et d’enjeux, définir la notion de viralité demeure difficile tant le phénomène est complexe. En l’absence d’une définition satisfaisante, nous proposons la définition suivante : « La viralité est une communication à grande échelle qui se traduit par un enchaînement d’expositions volontaires d’individus à des contenus qui conduisent à des partages de ces mêmes contenus vers d’autres individus » (Roux, 2016 : 260). Sa complexité se traduit notamment par la multiplicité des facteurs potentiellement à son origine ou qui lui sont favorables (Beuscart et al., 2009 ; Beuscart, Couronné, 2009). Finalement, la viralité ne se laisse pas maîtriser, elle reste incertaine, erratique, imprévisible. Au vu de cette complexité, il est encore aujourd’hui difficile, voire impossible, de dresser une ’théorie de la viralité’ (Beauvisage et al., 2011).
Les recherches menées jusqu’à présent sur la viralité ont démontré l’influence d’un certain nombre de facteurs susceptibles de la provoquer ou de la favoriser. Parmi ceux-ci nous pouvons citer, entre autres, les dispositifs éditoriaux (Cha et al., 2008), la structure du réseau (Centola, 2010), les éléments créatifs du contenu (Porter et Golan, 2006), les émotions et l’activation physiologique (Berger, 2011). Cependant, aucun de ces travaux ne s’est penché sur les facteurs ’techniques’ de la viralité. Pourtant, ces éléments ne sont pas à négliger. En effet, Wilson (2000) affirmait l’importance de l’ensemble des facteurs agissant concomitamment pour assurer une propagation virale. Watts, dans la lignée de Wilson (2000), comparait dans une interview (Thompson, 2008) la viralité à un feu de forêt. Pour lui, en cas de conditions favorables (p. ex. végétation, temps secs) une simple allumette suffirait à engendrer un incendie ravageur ; dans le cas contraire (p. ex. humidité, pluie), même une bombe incendiaire ne provoquerait pas un effet comparable.
Le travail présenté ici, originellement amorcé dans le cadre d’une thèse (Roux, 2016), s’inscrit dans une recherche de plus grande envergure dont l’enjeu est l’étude de la viralité appliquée au domaine des vidéos publicitaires dans les espaces numériques. Cette étude (toujours en cours) s’intéresse tout particulièrement à l’un de ces facteurs ’techniques’ : la qualité de la définition. Les variations de la qualité de la définition d’une vidéo sont un phénomène ’habituel’ dans le visionnage des vidéos hébergées sur la plateforme YouTube. La définition est automatiquement adaptée en fonction du débit de la connexion à Internet de l’usager. Cette variation peut aussi dépendre des paramètres de l’internaute et/ou de la qualité de la définition du fichier vidéo mis en ligne.
Le présent travail s’applique, en présentant nos premiers résultats, à tester la validité de notre protocole expérimental, d’une part, et à apporter un début de réponse à la question suivante d’autre part : dans quelle mesure serait affectée l’appréciation du contenu d’une vidéo publicitaire selon qu’elle serait regardée en haute définition ou en définition standard ? Mais c’est surtout le corollaire de cette question qui nous intéresse, à savoir dans quelle mesure les intentions de partage vis-à-vis d’un contenu vidéo peuvent changer en fonction des variations de la qualité de la définition (haute ou standard) entre différents visionnages dudit contenu. Répondre à cette question permettrait d’améliorer la compréhension du phénomène viral en contribuant à la découverte de certains facteurs qui lui sont favorables.
Nos premiers résultats nous permettent déjà de dégager une première tendance quant aux résultats envisagés par nos hypothèses. Effectivement, la qualité de la définition d’une vidéo semble affecter l’appréciation que l’on peut en avoir et par conséquent les intentions de partage que l’on peut exprimer à son intention. Nos travaux suggèrent même que plus une vidéo sera visionnée dans une bonne qualité de la définition plus il sera probable qu’elle soit partagée. Nous avons privilégié, pour les besoins de notre étude, la méthode expérimentale. Celle-ci (ainsi que le traitement quantitatif des données) nous semble plus appropriée quant aux nombres de sujets interrogés dans l’intégralité de l’étude (les premiers résultats présentés ici ne considèrent que 53 sujets) et semble plus pertinente pour asseoir la robustesse de nos résultats (comparativement à une méthode herméneutique).
H1 : Notre première hypothèse envisage que les variations de qualité de la définition (de haute à basse) d’une vidéo influencent l’appréciation du contenu de cette vidéo. Plus précisément, nous pensons que le contenu d’une vidéo sera plus apprécié visionné en haute définition (HD) plutôt qu’en définition standard (SD) [1]. Inversement, nous pensons que le contenu d’une vidéo sera moins apprécié visionné en définition standard plutôt qu’en haute définition.
H2 : Par corollaire, nous pensons que le partage de cette vidéo est affecté par la qualité de la définition. Plus précisément, nous pensons qu’une vidéo visionnée en haute définition sera plus volontiers partagée que la même vidéo visionnée en définition standard. Inversement, nous pensons qu’une vidéo visionnée en définition standard sera moins volontiers partagée que la même vidéo visionnée en haute définition.
Notre expérience (expérience 1) était constituée d’un pré-test (3 sujets) permettant de vérifier la faisabilité de l’expérience 1, et de 4 phases (manipulations/expériences 1.0, 1.1, 1.2, 1.3). Les résultats du pré-test ont été rajoutés à ceux de la phase 1.0. L’expérience 1 se déroulait comme suit :
Notre expérience reposant sur deux variables principales, la qualité de la définition qui se décline en deux modalités (haute définition [HD] et définition standard [SD]) et la viralité qui se décline aussi en deux modalités (virale [V] et non-virale [NV]), nous avons retenu un corpus de vidéos publicitaires en ligne (récoltées sur YouTube) en fonction de celles-ci. Nous avions donc des publicités virales et des publicités non-virales (corpus témoin) [2], chacune d’entre elles étant présentée en deux versions (HD [720p] et SD [144p]). Ces corpus étaient composés du même nombre de vidéos réparties également selon trois thématiques : sport, alimentaire, automobile (Tableaux 1 et 2).
Les 53 sujets de cette première partie de notre étude étaient majoritairement étudiants (71,43 %) de l’Université de Toulon. 49,2 % d’entre eux étaient des hommes et 50,8 % étaient des femmes. La tranche d’âges la plus représentée était celle des 18-25 ans (84,1%), le reste appartenant aux tranches d’âges supérieures. Chaque sujet était unique et ne participait qu’une seule fois à l’expérience.
Nous avons utilisé deux questionnaires comme outils de mesure et de récolte des données. Le premier était une fiche de renseignements sur le sujet. Le second existait en deux versions, une pour le corpus de 36 vidéos (expériences 1.0 et 1.1) et une pour le corpus à 24 vidéos (expériences 1.2 et 1.3). Pour chacune de ces versions, trois mêmes questions étaient reposées pour chaque vidéo : « À quel point appréciez-vous la qualité de la définition de cette vidéo ? » (Q1), « À quel point appréciez-vous le contenu de cette vidéo ? » (Q2), « Partageriez-vous cette vidéo ? » (Q3). Des échelles en 10 points (type ’Likert’) permettaient aux sujets de répondre aux deux premières questions (1 correspondant au degré le plus bas d’appréciation et 10 correspondant au plus élevé). La troisième question avait pour modalités de réponse : « oui », « non », « peut-être ».
Pour vérifier la reproductibilité [3] de chacune de nos manipulations nous avons comparé en inter-groupes les moyennes des résultats obtenus aux mêmes questions d’une même catégorie de vidéos (les réponses à la Q1 ont été comparées entre elles en fonction des discriminants HD ou SD tandis que les réponses à la Q2 ont été comparées entre elles en fonction des discriminants V ou NV). En d’autres termes, nous comparions par exemple les moyennes des résultats HD obtenus à la Q1 de la manipulation 1.0 aux moyennes des résultats HD obtenus à la Q1 de la manipulation 1.1 et ainsi de suite. Pour cela nous avons réalisé des tests F de Fisher (comparaison de variances) puis des tests t de Student non-appariés avec seuil à .05 avec correction de Bonferroni (comparaison de moyennes). Enfin, nous avons calculé les moyennes des moyennes de ces résultats – ainsi que leurs écarts-types – pour faciliter la comparaison des résultats (Tableau 3 et Figure 1).
La comparaison des résultats obtenus aux expériences 1.0 et 1.1 (Tableau 3 et Figure 1) ne révèle aucune différence significative entre les réponses HD obtenues aux Q1 comme il n’y a pas de différence significative entre les réponses SD obtenues aux Q1. De même, il n’y a pas de différence significative entre les réponses V obtenues aux Q2 comme il n’y a pas de différence significative entre les réponses NV obtenues aux Q2. De plus, selon les variables étudiées, les tests de comparaison de variances ont révélé une dispersion des échantillons significativement similaire tandis que les tests de comparaison de moyennes n’ont révélé aucune différence significative entre les échantillons comparés. En d’autres termes, selon les questions, les sujets répondent significativement de la même façon d’une expérience à l’autre. Puisqu’elles sont reproductibles, nous pouvons fondre les expériences 1.0 et 1.1 en une seule (expérience 1CC).
Nous avons ensuite comparé les résultats des expériences 1CC et 1.2. L’expérience 1.2 fut l’occasion de vérifier la possibilité de réduire le corpus de vidéos de 36 à 24 vidéos sans altérer les résultats obtenus. Nous craignions que l’attention des sujets ne chute s’ils étaient mobilisés pendant près d’une heure et qu’en conséquence ils ne répondent pas convenablement. Les résultats (Tableau 3 et Figure 1) obtenus nous permettent de tirer les mêmes conclusions que pour les précédentes comparaisons des expériences 1.0 et 1.1. L’expérience est reproductible avec un corpus réduit à 24 vidéos. Nous avons donc réuni les expériences 1CC et 1.2 en une seule (expérience 1CC1).
Enfin, nous avons comparé les résultats des expériences 1CC1 et 1.3. Lors des précédentes expériences nous avions, pour éviter d’éventuels biais, fourni aux sujets des listes de lecture contenant pour chacun d’eux un tirage aléatoire unique de l’ordre de lecture des vidéos. Or, pour vérifier l’ampleur de l’effet d’ordre nous avons fourni aux sujets de l’expérience 1.3 la même fiche de lecture (obtenue par tirage aléatoire) afin d’observer s’ils répondaient similairement par rapport aux manipulations précédentes malgré cette modification de protocole. Les résultats (Tableau 3 et Figure 1) obtenus nous permettent de tirer les mêmes conclusions que pour les précédentes comparaisons des expériences 1CC et 1.2. L’expérience est reproductible avec un corpus réduit avec des listes de lecture similaires distribuées aux sujets puisque les résultats ne révèlent pas d’effet d’ordre manifeste. Les résultats robustes des différentes comparaisons confirment la reproductibilité des expériences 1CC1 et 1.3 et nous permettent de les rassembler en une seule (expérience 1).
En comparant en intra-groupe les réponses faites aux Q1 et aux Q2 de l’expérience 1 (Tableau 4 et Figure 2), nous constatons qu’il existe un écart très significatif d’appréciation de la qualité de la définition entre les vidéos HD (les mieux notées) et les vidéos SD (les moins bien notées). Nous constatons également qu’il existe un écart significatif d’appréciation du contenu entre les vidéos virales et les vidéos non-virales.
L’étude de la cohérence des réponses faites aux Q1 et Q2 de l’expérience 1 (Figure 3) nous permet d’affiner ces constatations en mettant en évidence des tendances dans la façon de répondre des sujets. Effectivement, les réponses faites aux Q1 sont significativement cohérentes (à cause de l’objectivité impliquée par la variable qualité de la définition) contrairement aux réponses faites aux Q2 qui sont significativement dispersées (à cause de la subjectivité impliquée par la variable viralité), et ce, quelle que soit la variable étudiée.
Nos résultats révèlent une corrélation positive entre la qualité de la définition et l’appréciation du contenu (Figure 4). De manière générale, les corrélations mettent en évidence un lien entre deux variables sans pour autant déterminer laquelle des deux influence l’autre. Dans notre cas on peut toutefois affirmer que c’est la variable « qualité de la définition » qui influence la variable « viralité » puisque l’inverse ne peut être vrai.
En nous référant aux seuils de signification en sciences humaines (Fiske, 2008), nous remarquons qu’une des corrélations calculées peut être considérée comme forte (Q1NV // Q2NV) tandis que l’autre peut être considérée comme moyenne (Q1V // Q2V). La corrélation la plus significative (Q1NV // Q2NV) confirme le fait que l’appréciation du contenu est influencée par la qualité de la définition. Une haute définition peut compenser dans une certaine mesure le contenu d’une vidéo peu appréciée pour le rendre plus attractif. La seconde corrélation (Q1V // Q2V) révèle que l’appréciation des vidéos à succès dépend aussi, dans une moindre mesure, de la qualité de leur définition. La qualité du contenu est toutefois suffisamment importante pour compenser les différences de qualité de la définition.
Nous avons comparé – avec des tests du Chi2 (Khi2 ou χ²) – la répartition des intentions de partage d’un ’type’ de vidéos à l’autre (Figure 5, Tableau 5 et 6). Les vidéos VHD sont celles qui récoltent le plus d’intentions positives de partage. L’écart d’intentions de partage de ces vidéos est significatif par rapport à celles des autres vidéos, plus particulièrement par rapport aux intentions de partage des vidéos NVSD. Les vidéos VSD et les vidéos NVHD ont des intentions de partage qui s’équilibrent. Les vidéos NVSD sont celles qui obtiennent le plus d’intentions négatives de partage avec un écart très significatif par rapport aux autres vidéos.
Si le contenu est effectivement une des conditions essentielles – si ce n’est la condition essentielle – qui conduisent à la viralité, ce contenu ne sera partagé de façon optimale que s’il est présenté en HD. Si le contenu suffisait à lui seul, les vidéos VSD obtiendraient les mêmes intentions de partage que les vidéos VHD. De plus, si la qualité suffisait à elle seule à provoquer une diffusion virale, les vidéos NVHD obtiendraient les mêmes intentions de partage que les vidéos VHD. Le nombre important d’intentions négatives de partage obtenues par les vidéos NVSD est la conséquence de l’absence de ces deux facteurs. Ces résultats vont donc dans le sens de la H1 et de la H2.
Ce travail se distingue des autres recherches menées jusqu’à présent sur la viralité. En effet, aucune d’entre elles ne s’était penchée sur l’étude des facteurs ’techniques’ pouvant favoriser ou conduire à une communication virale. Nous avons privilégié l’observation de l’influence de la qualité de la définition sur les intentions de partage d’un contenu vidéo. Les raisons qui ont motivé le choix de ce facteur sont son caractère observable sur le terrain et son caractère reproductible en laboratoire dans le cas d’une expérimentation (méthode que nous avons retenue pour notre recherche).
Pour rappel, nos hypothèses suggéraient que le contenu d’une vidéo serait plus apprécié visionné en haute définition (HD) plutôt qu’en définition standard (SD). Conséquemment, nous pensions que le partage de cette vidéo serait affecté par la qualité de la définition. Plus précisément, nous pensions qu’une vidéo visionnée en haute définition serait plus volontiers partagée que la même vidéo visionnée en définition standard. L’expérience 1 nous donne des résultats qui sont intéressants pris individuellement. Mais c’est lorsqu’ils sont analysés conjointement qu’ils sont les plus pertinents et qu’ils nous permettent de dégager une tendance qui semble aller dans le sens de nos hypothèses H1 et H2.
Les résultats d’une telle étude pourraient sembler évidents, il n’en est rien puisque, tout comme Matalon, nous partageons « la conviction que les connaissances scientifiques se construisent par des démarches systématiques et publiques où les efforts d’administration de la preuve jouent un rôle central, et où l’intime conviction, si elle tient une place essentielle dans le processus réel de la recherche, ne peut pas espérer convaincre » (Matalon, 1988 : 19). L’étude d’un tel facteur pourrait alors sembler négligeable, elle ne l’est pourtant pas. En effet, si la qualité de la définition ne semble pas pouvoir provoquer directement une diffusion virale, nos premiers résultats dégagent une tendance qui montre que cette variable est, semble-t-il, propice à son développement. Nos travaux semblent également démontrer qu’un même contenu publicitaire vidéo – à succès en l’occurrence – voit son potentiel viral multiplié par 4 s’il est visionné en HD plutôt qu’en SD. La qualité de la définition se révèle donc être un facteur majeur dans la construction de la viralité des contenus publicitaires vidéo en ligne. Rappelons-nous l’image du feu de forêt de Watts ou même l’explication de Wilson (2000) qui soulignent l’importance des conditions initiales. La viralité est la résultante d’un ensemble de phénomènes qui agissent de concert, un paramètre manque et rien ne se produit. L’observation de l’ensemble des facteurs du phénomène viral est donc primordiale.
Notre principale pierre apportée au champ de recherche de la viralité est de mettre en évidence des facteurs qui semblent significativement favorables et propices à la création d’un phénomène viral. Cette tendance doit être toutefois confirmée au cours de l’étude dans laquelle s’inscrit le présent travail. Dans cette étude de plus grande envergure nous tendons à étendre le caractère généralisable des résultats présentés ici à une population plus large ainsi qu’à d’autres discriminants démographiques (p. ex. autres tranches d’âges, autres CSP).
Cependant, de nombreuses facettes et facteurs restent encore à cerner pour aboutir à la possible ’théorie de la viralité’ à laquelle font référence Beauvisage et al. (2011), que ces facteurs soient psychologiques, techniques ou encore créatifs, entre autres. Notre approche ainsi que le développement d’un dispositif expérimental fiable sont autant d’atouts qui permettront de mener de futures recherches sur d’autres discriminants d’une part (p. ex. colorimétrie, ambiance sonore), et d’envisager des extensions aux présents résultats d’autre part. Sur ce dernier point, nous pouvons notamment envisager une généralisation de nos résultats à des vidéos qui ne seraient pas publicitaires ou une vérification de la reproductibilité de notre expérience en mesurant la part de partages effectifs. Il serait également intéressant de mener une observation sur le terrain plutôt qu’en laboratoire.
Beauvisage Thomas, Beuscart Jean-Samuel, Couronné Thomas, Mellet Kévin (2011), « Le succès sur Internet repose-t-il sur la contagion ? Une analyse des recherches sur la viralité », Tracés. Revue de Sciences humaines, 21 (2), pp. 151-166.
Berger Jonah (2011), « Arousal increases social transmission of information », Psychological Science, 22 (7), pp. 891-893.
Beuscart Jean-Samuel, Cardon Dominique, Pissard Nicolas, Prieur Christophe (2009), « Pourquoi partager mes photos de vacances avec des inconnus ? Les usages de Flickr », Réseaux, 27 (154), pp. 91-129.
Beuscart Jean-Samuel, Couronné Thomas (2009), « La distribution de la notoriété en ligne. Une analyse quantitative de MySpace », Terrains et travaux, 15, pp. 147-170.
Centola Damon (2010), « The spread of behavior in an online social network experiment », Science, 329 (5996), pp. 1194-1197.
Cha Meeyoung, Mislove Alan, Adams Ben, Gummadi Krishna P. (2008), « Characterizing Social Cascades in Flickr », dans Proceedings of the first workshop on Online social networks, Faloutsos Christos, Thomas Karagiannis, Pablo Rodriguez (dir.), p. 13-18.
Fiske Susan (2008), Psychologie sociale, Paris, De Boeck.
Matalon Benjamin (1988), Décrire, expliquer, prévoir : Démarches expérimentales et terrain, Paris, Armand Colin.
Porter Lance, Golan Guy J. (2006), « From Subservient Chickens to Brawny Men : A Comparison of Viral Advertising to Television Advertising », Journal of Interactive Advertising, 6 (2), pp. 30-38.
Roux Ugo (2016), Communication virale dans la publicité au sein des espaces numériques : Approche critique et expérimentale du phénomène, Thèse de doctorat (sous la direction d’Éric Boutin et Jacques Crémieux), Université de Toulon.
Thompson Clive (2008), Is the Tipping Point Toast ?, Fast Company [en ligne]. https://www.fastcompany.com/641124/… (consulté le 29 août 2017).
Wilson, Ralph F (2000), « The six simple principles of viral marketing », Practical Ecommerce [en ligne]. http://www.practicalecommerce.com/v… (consulté le 24 avril 2017).
[1] Les différences de qualité entre haute et basse définition sont généralement perceptibles à l’œil nu quel que soit le support de visionnage.
[2] Pour statuer sur le caractère viral d’une vidéo nous nous sommes reposés sur l’expertise de l’agence Advertising Age qui établit un classement hebdomadaire des vidéos publicitaires les plus virales. Pour constituer le corpus témoin nous avons sélectionné des vidéos avec un nombre de vues inférieur à 20 000 un mois après leur mise en ligne.
[3] Au-delà de vérifier la validité de notre protocole expérimental, l’intérêt de tester la reproductibilité de nos manipulations est de révéler une loi générale dans le comportement des individus interrogés
Roux Ugo, « Communication virale dans les espaces numériques : effet de la définition de l’image sur la diffusion d’une vidéo publicitaire en ligne », dans revue ¿ Interrogations ?, N° 26. Le médiévalisme. Images et représentations du Moyen Âge, juin 2018 [en ligne], https://revue-interrogations.org/Communication-virale-dans-les (Consulté le 21 décembre 2024).
ISSN électronique : 1778-3747
|
