Media biases and two-sided news markets : audience, advertising, reputation and platform governance

Cette thèse analyse comment les incitations de marché, les préférences du public, les décisions de gouvernance des plateformes et la réputation façonnent conjointement le niveau de biais et son évolution dans des marchés bifaces de l'information. Le premier chapitre développe un modèle théorique d'un média en ligne qui fournit un contenu gratuit aux lecteurs tout en vendant l'attention aux annonceurs. Deux types de lecteurs sont distingués : ceux qui valorisent une distorsion de l'information alignée sur leurs croyances préexistantes, et ceux qui privilégient des informations aussi proches que possible des faits. Le média choisit son niveau de biais afin de maximiser ses recettes publicitaires. Un mécanisme réputationnel en deux périodes relie la distorsion présente à la demande future, agissant ainsi sur le niveau de biais optimal. L'extension du modèle en duopole montre que la concurrence peut soit regrouper les médias autour de degrés de biais similaires, soit les pousser à se différencier, selon la composition des annonceurs et la tolérance des lecteurs, de sorte que la compétition ne réduit pas nécessairement la distorsion. Le chapitre 2 approfondit le caractère biface du modèle en complexifiant les interactions entre annonceurs et médias. Le biais préféré par les lecteurs est désormais distribué de façon continue, et les annonceurs se segmentent selon leurs préférences en termes d'audience. Le rôle des annonceurs sur la nature des informations diffusées et le niveau de biais devient dès lors plus important en monopole comme en duopole. Dans une courte extension, l'attrait des individus pour le sensationnalisme est modélisé explicitement et ses interactions avec le rôle des annonceurs étudiées. Selon les paramètres, le niveau optimal de biais varie de la modération au maximum possible. Le chapitre 3 propose une simulation multi-agents d'une plateforme numérique hébergeant de nombreux médias qui évoluent sous l'effet de la demande du public, des mécanismes réputationnels et des règles d'allocation des revenus décidées par la plateforme. Même de modestes préférences idéologiques du public peuvent réduire la diversité et favoriser la concentration de médias très partisans. Les incitations de la plateforme peuvent amplifier ou contenir ces derniers selon l'importance allouée à la réputation des médias. Le modèle identifie les conditions qui favorisent la prolifération de contenus fortement partisans et met en avant des leviers de préservation du pluralisme, notamment des signaux de qualité plus visibles, une responsabilité accrue de la plateforme et des pressions ciblées du côté des annonceurs. Le chapitre 4 apporte des éléments empiriques en mobilisant des classificateurs fondés sur des transformeurs, appliqués à 2 272 articles issus de 61 médias, dans 10 pays et 5 langues, sur la période 2020 à 2025. La polarisation thématique explique le mieux la variation observée. Les sujets polémiques présentent un biais plus élevé et une tonalité plus négative. À l'inverse, les sujets plus graves, souvent associés à des situations de crise ou jugées indésirables, tendent à réduire le biais tout en rendant le ton plus négatif. Une fois différents facteurs pris en compte, les caractéristiques nationales jouent un rôle limité. Pris dans leur globalité, les chapitres théoriques, la simulation multi-agents et l'analyse empirique proposent une explication concernant la production d'informations biaisées dans le marché informationnel et présentent des orientations de politique publique susceptibles d'enrayer la montée d'écosystèmes d'information fortement biaisés. Les résultats invitent à accorder une attention accrue à la réputation, une gouvernance plus transparente des plateformes et des incitations pour les annonceurs qui dissuadent le financement d'information très biaisées.