Les créateurs devraient-ils orienter leur développement basé sur les données?
Une des anecdotes les plus convaincantes soutenant la nouvelle tendance d’une « approche orientée données » pour développer du contenu en ligne est le récit de l’acquisition de la série House of Cards par Ted Sarandos de Netflix. Le Los Angeles Times a publié un éloquent résumé de cette transaction :
[traduction] « Sarandos a examiné des données de Netflix dans l’optique d’établir combien d’abonnés regardaient des drames à saveur politique comme The West Wing d’Aaron Sorkin ou la série House of Cards originale de la BBC (1990). Il a ainsi pu identifier les fans inconditionnels des productions des réalisateurs et de Kevin Spacey – la star proposée pour le premier rôle dans la série.
Fort de cet auditoire projeté, du scénario de Beau Willimon et des antécédents professionnels de Fincher, Sarandos s’est présenté aux bureaux du réalisateur à West Hollywood pour y plaider une proposition révolutionnaire : Netflix serait prêt à s’engager à hauteur de 100 millions de dollars pour non pas une, mais deux saisons complètes.» (Source)
Il y a quelque chose de presque alchimique quant à la façon dont Sarandos aurait combiné des points de données pour valider le potentiel gagnant de la série. La formule employée par Sarandos a à la fois suscité émerveillement, inspiré le potentiel du développement de contenu orienté données et soulevé des craintes que cette approche transforme les téléspectateurs en vulgaires marionnettes. Il est irréfutable que la méthode orientée données a une incidence capitale sur la diffusion de contenus en ligne et leurs auditoires; cependant, le narratif soulève aussi la question à savoir si et comment ce mouvement en plein essor en matière de développement de contenu a une incidence sur la création de contenu à sa base même.
Bien que l’exemple de Sarandos concerne carrément des services de vidéo sur demande (VSD) comme Netflix, la promesse du développement de contenu orienté données s’étend également à des éléments comme des séries Web et d’autres formes de contenu en ligne. De manière plus générale, les créateurs de contenu en ligne se classent dans l’un de trois camps pour ce qui est de leur réaction à la création de contenu orienté données.
Les membres du premier camp rejettent carrément la méthode. Ils craignent que les approches orientées données finissent par diluer l’art de créer du contenu, car ceux qui commandent le travail n’acquerront que du contenu fondé sur leurs données et les créateurs travailleront davantage à s’assurer que les données soutiennent une décision donnée en regard du montage ou de la répartition des rôles qu’à raconter la meilleure histoire possible. Dans ce camp, les données sur l’expérience des auditoires et des utilisateurs ne contribueront qu’à miner les ingrédients qui comptent vraiment au moment de créer du contenu.
Le deuxième camp partage un scepticisme similaire à l’égard des données et de leur contribution à l’art d’une bonne narration. Cependant, ce camp se plaît à confier la collecte et l’analyse de données à ceux qui commandent et livrent le contenu. Des créateurs de l’acabit de Jenji Kohan (Orange is the New Black) et Beau Willimon (House of Cards), tous deux à l’origine de productions exclusives diffusées par Netflix, ont été cités pour leur ambivalence face à l’approche orientée données. De citer Willimon :
[traduction] « Netflix garde jalousement ses données [sur les téléspectateurs] pour toutes sortes de raisons, et je suis heureux que c’est le cas. Je ne voudrais pas avoir accès à ces données. […] De telles données mènent à se plier pour tenter de plaire, soit à l’antithèse de la créativité. » (Source)
Ces deux camps suscitent un débat intéressant qui fait rage depuis la nuit des temps : dans quelle mesure le processus créatif est-il aidé ou miné par les données d’auditoire et d’autres informations similaires?
Cela nous mène au troisième camp. Aux yeux d’un certain nombre de créateurs de contenu en ligne, certains types de données d’auditoire sont déjà facilement accessibles. Par exemple, les personnes qui utilisent YouTube comme une plateforme de diffusion peuvent utiliser Google Analytics et d’autres outils similaires pour suivre comment les auditeurs consomment les vidéos qu’ils mettent en ligne (réf. : l’article Amateurs vs professionnels). Dans la même veine, les créateurs d’applications Web et de contenu autonome en ligne peuvent intégrer dans leurs concepts des moyens de suivre les données sur l’auditoire. Depuis Google jusqu’à Adobe, moult entreprises continuent à parfaire des outils de mise en marché de nouveau contenu et d’analyse de données (voir cette liste récente de tels outils). Cela a mené des créateurs œuvrant dans des secteurs qui ne bénéficient pas d’un accès aussi facile à des données de commencer à solliciter des données concernant leur contenu. Le désir qu’ont ces créateurs de mettre la main sur des données n’a rien de nouveau. Certains – incluant des cinéastes indépendants – sont depuis toujours irrités par le grand secret dont s’entourent des distributeurs qui gardent jalousement la mainmise sur « leurs chiffres ». Ce qui change, c’est comment ces chiffres cadrent dans les modèles commerciaux de distribution de contenu et – surtout – comment les créateurs de contenu ne sont plus redevables envers une seule et unique plateforme de distribution.
Par conséquent, ce camp considère aujourd’hui que les données sont trop importantes à des fins de création pour confier à autrui la tâche de les réunir. On revendique donc une plus grande transparence en regard des données générées par des plateformes comme Netflix et d’autres services de VSD. Dans un discours prononcé dans le cadre du TIFF Doc, Liesl Copland a saisi cet appel prônant une plus grande transparence :
« Hollywood traîne loin, loin derrière. Cependant, il suffirait d’un peu d’ingéniosité et de passion de la part de vous tous pour nous permettre de rattraper le retard et d’éventuellement dépasser la réalité actuelle. Je suis très optimiste et demeure convaincue de la possibilité d’un modèle de présentation de l’information clair et transparent nous donnant une vue d’ensemble. Un modèle qui nous rend tous plus futés et plus efficaces dans la production de meilleurs films, qui libère l’artiste en chacun de nous et qui crée des cinéphiles plus engagés et plus enclins à donner leur appui à de nouvelles voix. »
Cependant, il est peu probable qu’une telle transparence devienne une réalité en raison du grand secret qui sépare les créateurs et leur capacité d’accéder à des « données sur tout ». C’est ce grand secret qui confère de la valeur à ces données. La transparence aurait pour effet de révéler l’alchimie essentielle à des formules de données comme celle de Sarandos. Il choisit minutieusement les variables dont il a besoin pour créer un modèle valide et fiable capable de prédire la viabilité du développement de nouvelles programmations. Toutefois, comme Tim Wu l’a récemment observé, l’intuition de Sarrandos pourrait avoir plus à voir avec comment bien interpréter les algorithmes de Netflix qu’on veuille bien nous laisser entendre. Ces recettes de données ne reposent pas nécessairement sur des variables pertinentes à d’autres projets. En ce sens, pour « voir tout », il faut d’abord définir quelle partie de ce « tout » est pertinente, ce qui variera considérablement entre Netflix et un documentariste indépendant. Le pouvoir de définir les variables qui valent la peine d’être suivis serait difficile à abandonner. Après tout, il est à l’avantage de l’alchimiste de garder ses ingrédients secrets. La seule façon dont les créateurs seront capables de s’accaparer le pouvoir de concocter des méthodes transparentes de développement orienté données au bénéfice de leur travail consiste à générer leurs propres données et à les partager avec d’autres.
