Les Wrapped de Spotify ne racontent pas vraiment la bande-son de notre vie, mais comment fonctionnent les algorithmes qui nous accompagnent chaque jour.
Comme chaque année, au début du mois de décembre, nos pages sur les réseaux sociaux ont été littéralement inondées par les fameux « Wrapped », bilans annuels que des plateformes comme Spotify et Amazon Music proposent aux utilisateurs pour raconter « en chiffres » l’année qui vient de s’écouler. Les chansons les plus écoutées, les artistes préférés, les genres dominants, le temps total d’écoute et, cette année, d’autres nouveautés comme l’âge moyen déduit de nos goûts, ou encore la création d’un festival musical fictif parfait avec les artistes les plus aimés.
Tout est transformé en graphiques colorés et faciles à partager, mais derrière ce récit des goûts musicaux de chaque utilisateur se cache une question moins évidente : ces données reflètent-elles vraiment ce que nous écoutons, ou ne constituent-elles qu’une version simplifiée de nos habitudes ?
Données sélectionnées. Pour tenter d’y répondre, une analyse approfondie menée par le site Slashgear, sur plus d’un an, a été réalisée par l’analyste technologique Anthoni Oisin. Le premier point critique porte sur la méthode par laquelle Spotify collecte et filtre les données utilisées pour construire son Wrapped : en substance, tout ce qui est écouté ne contribue pas de la même façon aux statistiques finales.
Par exemple, un morceau doit franchir un seuil minimum d’exploitation pour être comptabilisé, tandis que certaines catégories audio sont exclues dès le départ, comme les sons relaxants ou les morceaux ambient. Par ailleurs, la collecte des données s’interrompt en avance, généralement à la mi-novembre, pour éviter que les playlists de Noël n’altèrent les résultats et pour laisser le temps au traitement. Cela signifie que plusieurs semaines d’écoutes réelles n’entrent jamais dans le récapitulatif final, réduisant la représentativité de l’échantillon.
Métriques ambiguës. Les écarts deviennent encore plus évidents lorsqu’on compare les données recueillies par Spotify avec celles obtenues grâce à des plateformes de traçage indépendantes comme Last.fm, qui enregistrent chaque lecture sans filtres éditoriaux. Dans de nombreux cas, apparaissent des différences significatives non seulement dans l’ordre des chansons les plus écoutées, mais aussi dans les albums et les genres dominants.
Un nœud central est la façon dont Spotify définit des notions comme « album écouté » : il est souvent comptabilisé uniquement selon l’exploitation quasi complète et continue d’un disque, tandis que d’autres systèmes considèrent l’ensemble des morceaux reproduits dans le temps. Le résultat est que les albums expérimentaux, les bandes originales ou les compilations avec des morceaux courts tendent à être pénalisés ou exclus, même s’ils ont été écoutés fréquemment.
Algorithmes actifs. Un autre élément clé est le rôle des algorithmes de recommandation. Spotify ne se contente pas d’enregistrer ce qui est choisi manuellement, mais intervient activement sur notre musique en lançant des playlists automatiques, des radios personnalisées et une lecture infinie qui se déclenche à la fin de celle programmée.
Ces fonctions, conçues pour maintenir l’utilisateur sur la plateforme le plus longtemps possible, finissent par orienter une part importante des écoutes annuelles. Par conséquent, le Wrapped ne mesure pas seulement les goûts spontanés, mais aussi les choix suggérés par l’algorithme lui-même. D’un point de vue scientifique, il s’agit d’un système qui observe un comportement tout en le modélisant simultanément.
Portrait partiel. Le résultat final est un récit divertissant, mais souvent incomplet et pas tout à fait fidèle. Les Wrapped finissent en effet par diverger de la représentation neutre de nos goûts musicaux, se transformant en une synthèse construite selon des critères propriétaires, des filtres techniques et des logiques de produit.
Du point de vue des données, ce que nous « décomposons » en fin d’année est davantage une narration qu’une mesure rigoureuse de nos écoutes, utile pour divertir et stimuler le partage, mais pas pour restituer un tableau fidèle de nos véritables habitudes.
