Comparaison des profils des utilisateurs en ligne sur plusieurs réseaux sociaux

Le fait que les utilisateurs d’Internet partagent volontairement, et parfois involontairement, leurs informations personnelles et privées sur les réseaux sociaux en ligne sans se soucier de l’usage qui pourrait en être fait est sans doute très préoccupant. Il existe un risque permanent de vol d’identité et les utilisateurs sont victimes d’autres cybercrimes tels que les escroqueries et les attaques de phishing. Le revers de la médaille est que, pour les chercheurs qui espèrent comprendre les tendances au sein de la société, ces informations offrent un vaste filon de données, d’opinions et de comportements qui pourraient être exploités pour en extraire des pépites d’informations sur l’humanité. Elles pourraient même être utilisées pour prédire l’évolution des comportements en ligne et hors ligne.

Pour les chercheurs qui espèrent fouiller dans cette mine de données, il existe toutefois un obstacle de taille. De nombreux utilisateurs ont des comptes sur de nombreux réseaux sociaux différents et ne maintiennent pas nécessairement une cohérence en termes de biographie, de données démographiques et d’identité en soi, entre les différentes plateformes. Plus précisément, les données obtenues à partir d’un profil Facebook ou LinkedIn peuvent révéler des informations démographiques, telles que l’âge, le sexe, la sexualité, le statut relationnel et la parenté, la race, l’éducation et la profession. Les mises à jour de Facebook et celles de Twitter peuvent révéler des informations psychographiques, telles que l’attitude envers un produit, le comportement en ligne et la politique.

Une nouvelle recherche publiée dans le Journal international de la gestion des réseaux d’entreprisedémontre une manière précise de faire correspondre les profils des utilisateurs de différents réseaux sociaux en ligne. Une fois la correspondance établie, il est alors possible de coupler toutes les informations démographiques obtenues d’une plateforme avec les informations comportementales d’une autre. On pourrait espérer que ces informations puissent ensuite être rendues anonymes à des fins de recherche légitime. Cependant, il y a toujours le spectre d’utilisations néfastes plausibles une fois que de tels outils d’exploration de données sont disponibles.

Néanmoins, Deepesh Kumar Srivastava de l’Institut de technologie de gestion de Dubaï aux EAU et Basav Roychoudhury de l’Institut indien de gestion de Shillong à Meghalaya, en Inde, ont démontré un moyen de faire correspondre des profils sur différentes plateformes. Leur approche repose sur l’extraction du contenu généré par l’utilisateur et des mises à jour partagées par l’utilisateur sur les différentes plateformes, puis sur leur analyse pour trouver les chevauchements lorsqu’un utilisateur est actif sur plusieurs plateformes. Leurs techniques d’exploration de texte extraient les mots à haute fréquence et les mots couramment utilisés dans les mises à jour des utilisateurs sur les plateformes de médias sociaux. Ils ont testé l’itération actuelle de leur approche sur des ensembles de données accessibles au public et ont démontré une précision de 72,5 % dans la mise en correspondance des profils d’un utilisateur sur différentes plateformes.

Un tel niveau de précision serait utile lorsqu’il est associé à d’autres techniques, telles que la correspondance de base des noms et des lieux et d’autres approches d’exploration de données relativement banales. Même en tant que base de référence pour améliorer l’approche, elle constitue un excellent point de départ. Les travaux futurs porteront sur les caractéristiques de chevauchement dans la chronologie des utilisateurs au niveau de la ligne de temps afin d’améliorer la correspondance lorsqu’un utilisateur peut reproduire le sentiment ou le contenu d’un message sur plus d’une plateforme et ainsi révéler une correspondance.