Aller au contenu principal

©2025 Olivia Lopez - HEC Paris. Visuel généré avec Midjourney.

Les contenus déplaisants favorisent la viralité

Les recherches d’Haris Krijestorac révèlent que les vidéos au ton conflictuel ont plus de chances de devenir virales, offrant ainsi de nouvelles perspectives aux spécialistes du marketing numérique.

L’essentiel
  • Diffuser des vidéos sur plusieurs plateformes accroît leur visibilité grâce au bouche-à-oreille multicanal.
  • Des traits de personnalité comme l'aversion et le névrosisme augmentent considérablement la viralité.
  • Un nouveau cadre, appelé « ingénierie de contenu », utilise l'apprentissage automatique pour prédire et optimiser la viralité.
  • Les plateformes devraient surveiller les contenus à forte charge émotionnelle afin d'en évaluer l'impact et l'intégrité.

Bien que l'opinion générale considère la viralité comme un processus aléatoire et donc incontrôlable, les recherches de Haris Krijestorac (HEC Paris), Rajiv Garg (Goizueta Business School, Emory University) et Vijay Mahajan (University of Texas) ont mis en évidence plusieurs façons pour les spécialistes du marketing et les créateurs de contenu de concevoir et de promouvoir leurs médias numériques de manière à augmenter considérablement la probabilité que ces médias deviennent viraux et le restent.

What helps videos go viral?

Haris Krijestorac : Dans mes recherches publiées dans Information Systems Research en 2020, nous avons constaté que la diffusion de vidéos sur plusieurs plateformes en ligne favorise leur viralité.

Par exemple, si une vidéo publiée sur YouTube devient virale, la partager ultérieurement sur une autre plateforme, comme Vimeo, par exemple 10 jours plus tard, contribuera à accroître sa visibilité sur YouTube. Ainsi, au lieu que l'attention se disperse entre ces différentes plateformes, la diffusion sur une nouvelle plateforme stimulera un bouche-à-oreille positif qui pourra ensuite se propager vers la plateforme principale. Par exemple, les utilisateurs de Vimeo pourront interagir avec les utilisateurs de YouTube et les inciter à visionner ou à partager la vidéo.

Loin d'être un phénomène nécessairement éphémère et ingérable, la viralité peut en réalité être stimulée par les spécialistes du marketing et les créateurs de contenu grâce à la mise en place d'une stratégie omnicanale.

Au vu des résultats mentionnés précédemment, on peut conclure que, loin d'être un phénomène nécessairement éphémère et incontrôlable, la viralité peut être stimulée par les spécialistes du marketing et les créateurs de contenu grâce à une stratégie omnicanale. Ceci s'applique également à des plateformes comme Facebook, Instagram ou Snapchat : publier le même contenu sur plusieurs canaux favorisera l'engagement sur chacun d'eux, plutôt que d'atteindre un point de saturation qu'il faudrait répartir entre les différentes plateformes.

HK : Si l’augmentation de la popularité des médias se concentre souvent sur leur promotion après leur création – une démarche pour laquelle les conclusions de l’étude précédente peuvent être utiles –, le processus de promotion des médias commence véritablement dès leur création. Actuellement, la création de contenu est perçue comme un processus purement intuitif et créatif, imperméable aux données empiriques. Mes recherches proposent une approche visant à enrichir cette créativité grâce à un processus que nous appelons « ingénierie de contenu », qui intègre des données empiriques au développement du contenu.

Mes recherches aident les créateurs à produire plus de contenus viraux grâce à des données qui complètent créativité, art et intuition.

L'ingénierie de contenu repose sur une approche inductive non linéaire, basée sur le machine learning (apprentissage automatique) et les données, afin d'identifier si certaines caractéristiques de contenu augmentent la consommation de médias numériques et, le cas échéant, lesquelles. Outre l'identification de ces caractéristiques, nous en extrayons des recommandations pratiques permettant d'améliorer la conception du contenu. Ceci complète les résultats de notre étude précédente sur les meilleures stratégies de promotion des médias une fois créés.

Nous utilisons le traitement automatique du langage naturel (TALN) pour identifier les personnalités des vidéos à discours basé sur ce que l'on appelle les cinq grands traits de personnalité.

Quels facteurs boostent la performance des vidéos ?

HK : Nous nous intéressons à la personnalité des personnes exprimant leur voix dans des vidéos telles que les conférences TED, Big Think et les chaînes d'entreprises du Fortune 500 comme IBM, Wells Fargo et Apple. Nous utilisons d'abord le traitement automatique du langage naturel (TALN) pour identifier ces personnalités selon les cinq grands traits de personnalité : l'ouverture, la conscience professionnelle, l'extraversion, l'agréabilité et le névrosisme, largement étudiés en psychologie. Chaque individu, ou entité créée par l'intervention humaine, présente chacun de ces traits à des degrés divers, ce qui constitue sa personnalité globale.

On constate qu'en se basant uniquement sur la personnalité des vidéos à dominante vocale, on peut prédire avec une précision de 72 % si elles seront plus performantes que les médias comparables.

Nous utilisons ensuite notre cadre d'ingénierie de contenu pour identifier les personnalités qui augmentent la consommation de vidéos. Notre analyse révèle de nouvelles perspectives prédictives, économiques et prescriptives. Nous constatons qu'en connaissant simplement le degré auquel les vidéos présentent les cinq traits de personnalité susmentionnés, nous pouvons prédire avec une précision de 72 % si elles seront plus performantes que des contenus comparables. De plus, les vidéos associées à des personnalités performantes peuvent espérer une augmentation de 15 % de leur consommation cumulée par rapport à celles associées à des personnalités moins performantes.

Globalement, nos résultats suggèrent que l'analyse empirique peut non seulement compléter les contenus les plus populaires, mais aussi les prédire et les développer. Ainsi, le processus de création de contenu, souvent perçu comme purement intuitif et artistique, peut être optimisé par l'« ingénierie de contenu », c'est-à-dire l'analyse empirique assistée par des méthodes de machine learning (apprentissage automatique).

Le processus de création de contenu, souvent considéré comme purement intuitif et artistique, peut être facilité par « l’ingénierie de contenu », ou analyse empirique assistée par le machine learning.

Quel est le profil idéal pour devenir viral ?

HK : La meilleure combinaison semble être un mélange de faible amabilité et de névrosisme élevé. Cela est surprenant, car l’inverse, à savoir une amabilité élevée et un névrosisme faible, pris individuellement, paraîtrait positif. Cependant, nous constatons que le caractère direct des vidéos qui suscitent la controverse, en remettant en question les points de vue des spectateurs, et le névrosisme, associé à la passion pour un sujet, s’avèrent plus efficaces. En revanche, être désagréable sans passion, ou être passionné sans être provocateur et trop aimable, semble moins efficace que la combinaison mentionnée précédemment.

Pour illustrer ce phénomène, prenons l'exemple de deux conférences TED. La première s'intitule « 3 myths about the future of work (and why they're not true) », et la seconde « How to inspire every child to be a lifelong reader ». Bien que ces vidéos bénéficient toutes deux de l'audience TED et enregistrent un nombre de vues similaire les premiers jours, la première vidéo s'avère bien plus performante sur le long terme. Si les deux intervenants sont assez névrosés et passionnés, la première vidéo est plus dérangeante, comme le suggère son titre plus provocateur. Ainsi, une approche plus directe, associée à l'émotion liée à la névrose, peut s'avérer plus efficace.

Les deux vidéos partagent le même public TED, des points de vue similaires et des intervenants passionnés, mais la première fonctionne mieux en raison de son ton plus désagréable et conflictuel.

Quels sont les risques liés à ces découvertes ?

HK : Bien que mes résultats suggèrent des moyens de promouvoir plus efficacement le contenu numérique, il est vrai que cette promotion ne correspond pas toujours à un contenu exact ou socialement juste. À l’avenir, ces connaissances sur la création et la promotion de contenu devraient être combinées avec celles sur les fausses nouvelles, afin de produire des contenus à la fois très consommés et d’une grande intégrité. Plutôt que de laisser cette responsabilité uniquement à la bonne volonté des créateurs, des plateformes comme YouTube ou Facebook pourraient envisager d’examiner stratégiquement les contenus présentant des caractéristiques de forte performance (par exemple, faible agréabilité combinée à une forte névrosisme, présence sur des plateformes alternatives) et de veiller particulièrement à en authentifier la véracité.

Une traduction assistée par LLM.

Sources

Entretien avec Haris Krijestorac, fondé sur ses articles académiques (en anglais) : « Cross-Platform Spillover Effects in Consumption of Viral Content », publié dans Information Systems Research (mai 2020), et « Personality-Based Content Engineering » (en anglais - recherche en cours). Pour en savoir plus sur les travaux de recherche de Haris Krijestorac, consultez sa SSRN page.

Haris Krijestorac - HEC Paris
L’auteur
Prof. Haris Krijestorac
Professeur assistant - Systèmes d’Information

Les recherches de Haris Krijestorac portent sur divers enjeux liés aux médias numériques riches, au marketing numérique et aux plateformes numériques. Il s'intéresse particulièrement à la manière dont les contenus numériques se diffusent en ligne, ainsi qu’aux leviers que les créateurs de contenu et...

Dare, la newsletter

Chaque mois, les sujets qui comptent et les personnes qui osent.