La distribution de la notoriété artistique en ligne

LA DISTRIBUTION DE LA NOTORIÉTÉ ARTISTIQUE EN LIGNE
Une analyse quantitative de MySpace (enquête)
Jean-Samuel Beuscart et Thomas Couronné
ENS Cachan | Terrains & travaux
2009/1 - n° 15
pages 147 à 170
ISSN 1627-9506
Article disponible en ligne à l'adresse:
--------------------------------------------------------------------------------------------------------------------
http://www.cairn.info/revue-terrains-et-travaux-2009-1-page-147.htm
--------------------------------------------------------------------------------------------------------------------
Pour citer cet article :
--------------------------------------------------------------------------------------------------------------------
Beuscart Jean-Samuel et Couronné Thomas, « La distribution de la notoriété artistique en ligne » Une analyse
quantitative de MySpace (enquête),
Terrains & travaux, 2009/1 n° 15, p. 147-170.
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour ENS Cachan.
© ENS Cachan. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des
conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la licence souscrite par votre
établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque forme et de quelque manière que
ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en
France. Il est précisé que son stockage dans une base de données est également interdit.
Documenttéléchargédepuiswww.cairn.info-univ_bordeaux3--147.210.116.177-13/08/201214h54.©ENSCachan

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%,-
Jean-Samuel Beuscart et Thomas Couronné
La distribution de la
notoriété artistique en ligne
Une analyse quantitative de MySpace
(enquête)
Au cours de ces dernières années se sont développés de nom-
breux outils d’autopublication en ligne,qui permettent aux ama-
teurs comme aux professionnels de mettre à la disposition de
tous leurs productions écrites, photographiques, musicales, au-
diovisuelles, de plus en plus facilement. Le succès de ces usages
est incontestable, et les grandes plateformes d’autoproduction
(MySpace, Youtube, Flickr, Wordpress, Skyblog, etc.) figurent
désormais dans les premières audiences mondiales des sites In-
ternet. Ce succès suscite des interrogations sur la signification
de ces larges audiences quant aux transformations de la consom-
mation et des industries culturelles : certains analystes estiment
que la consommation culturelle se porte progressivement sur
une myriade de petits producteurs, amateurs pour l’essentiel,
tandis que de nombreux experts annoncent la fin du pouvoir de
prescription des industries culturelles (Anderson,2004 ; Martin,
2006 ; Leonhard, 2007).
Une démarche possible, pour apporter des éléments de réponse
à ces questions, consiste à se pencher sur la nature et la répar-
tition de l’audience réunie sur les sites : comment la masse de
l’audience se répartit-elle sur la masse des contributions propo-
sées ? Notamment, dans la mesure où les plateformes agrègent
des contenus produits par les utilisateurs avec d’autres produits
par les industries culturelles, observe-t-on un appétit particulier
pour les premiers au détriment des seconds ? Cette question est
cruciale pour la compréhension plus large de la façon dont les
nouveaux médias transforment la structure de l’industrie mu-
sicale. Nous nous concentrerons ici sur le cas de la musique, à
travers l’analyse du site de référence MySpace. Fin 2007, on y
dénombrait en effet 4,7 millions d’artistes musicaux inscrits aux

%,.!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
Etats-Unis, et 130 000 en France1
.

Nous étudions dans cet article la notoriété en ligne des musi-
ciens publiés sur MySpace, amateurs comme professionnels. Le
terme de notoriété désigne de façon très générale « le fait d’être
connu d’une manière certaine et générale » (Robert, 2009).
Dans le domaine du marketing, il est souvent appréhendé dans
les enquêtes par un pourcentage de la population ayant connais-
sance d’une marque ou d’un produit. Dans le domaine des in-
dustries culturelles,la notoriété peut être considérée en première
approche comme un capital immatériel qui peut être rentabilisé
sur différents marchés : pour un groupe de musique, être connu
accroît les chances de vendre des disques, de faire des concerts,
d’être contacté pour écrire la bande-son d’une publicité, etc. (Le
Diberdier, 2006 ; Beuscart, 2008). Nous nous efforçons ici, sur
la base des résultats de notre échantillon, de décomposer la no-
tion très générale de notoriété en deux composantes distinctes :
l’audience, qui est une somme d’actes de consommations et té-
moigne du fait d’être écouté ; et l’influence, qui témoigne du fait
d’être recommandé activement par son public,et traduit un atta-
chement du public à l’artiste allant au-delà de la simple écoute.
Dans une enquête qualitative précédente, nous avons montré
que la notoriété est une dimension qui structure effectivement
les pratiques de la plupart des musiciens présents sur MySpace
(Beuscart, 2008). Le dispositif du site rend publics des indi-
cateurs – nombre d’affichages de la page, nombre d’écoutes,
nombre d’amis,nombre de commentaires reçus – qui sont inter-
prétés par les usagers comme des indices du succès de leur mu-
sique et de leurs actions d’autopromotion sur le site. Le disposi-
tif met les musiciens en position d’entrepreneurs de leur propre
notoriété, position qu’ils apprennent à occuper de bonne ou
mauvaise grâce en développant des techniques de marketing de
leurs œuvres plus ou moins systématiques. Ces résultats sur les
usagers de MySpace rejoignent ceux d’études sur les blogs et sur
les plateformes photos et vidéo (Herring et al., 2005 ; Cardon,
Delaunay-Teterel, 2006 ; Huberman et al., 2008 ; Cardon et al.,
2009), qui montrent que la recherche de signes de réussite (au-
1. Source : The Metrics Factory, 2007.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%,*
dience, commentaires) est un moteur essentiel de la poursuite
de l’activité de publication. Ces travaux montrent aussi que la
continuité et l’intensité de l’activité sont des conditions néces-
saires – mais non-suffisantes – de l’accession à une certaine no-
toriété. Les interrogations des acteurs sur les recettes du succès
rejoignent en grande partie celle des sociologues et économistes
sur la démocratisation des industries culturelles à l’heure d’In-
ternet (Allard, 2005 ; Anderson, 2006 ; Bourreau et Gensollen,
2006 ; Bourreau et al., 2007 ; Granjon et Combes, 2007).
À partir de l’étude d’un échantillon quantitatif interconnecté
de musiciens présents sur MySpace, nous présentons ici des
éléments sur la façon dont se structure la notoriété artistique
musicale au sein de plateformes réunissant les œuvres de très
nombreux artistes, professionnels établis et amateurs, au degré
d’engagement dans la pratique musicale très divers. Nous com-
mençons par présenter les résultats existants sur la structure de
la notoriété en ligne, puis la méthode utilisée pour constituer
l’échantillon qui constitue notre terrain. Nous montrons ensuite
que l’essentiel de l’attention se porte sur une minorité de stars,
mais que la nature de ces stars est différente selon la dimension
considérée de la notoriété ; quoiqu’il en soit, la célébrité est for-
tement structurée par la position du musicien dans l’industrie
musicale. Nous analysons enfin la nature des affinités entre les
musiciens, qui reposent en partie sur la notoriété, mais aussi sur
des caractéristiques musicales.
La structure de la notoriété en ligne

Plusieurs études, d’origines disciplinaires diverses, se sont inté-
ressées à la distribution de l’attention en ligne, dans un contexte
d’offre pléthorique (pages web, catalogues de musique et de vi-
déo en ligne, UGC2
).
Des travaux issus des sciences informatiques ont montré que,
pour de nombreux objets internet (pages web, vidéos en ligne,
etc.), la répartition de la demande sur une offre abondante
présente une structure très concentrée, une minorité de l’offre
concentrant l’essentiel de la demande. La demande peut le plus
2. User-Generated Content (contenu produit par les usagers).

%&)!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
souvent être modélisée par une loi de puissance ; elle est repré-
sentée par une droite dans un graphique logarithmique figurant
en ordonnée la demande d’un bien, et en abscisse le rang crois-
sant des différents biens. Une telle structure de la demande a pu
être identifiée pour les pages web (Cho et Roy, 2004) et pour les
blogs. Dans le cas des vidéo UGC, Cha et al. (2007) montrent, à
partir de l’étude d’un échantillon de plusieurs millions de vidéos
sur YouTube, que 10 % des vidéos reçoivent plus de 80 % des
visionnages.
fig. 1 - Distribution en loi de puissance, en échelle linéaire (en haut)
et log/log (en bas)

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%&%
Cette structure de la demande est en fait similaire à celle de la
demande des biens culturels classiques, dont la structure paré-
tienne est ordinairement résumée par les acteurs des industries
culturelles sous le terme de « règle des 80-20 » : 80 % de la de-
mande se porte sur 20 % des biens. Les incertitudes demeurent
en revanche sur la question de savoir si Internet amplifie ou
réduit l’inégalité de cette distribution. Le débat, qui occupe sur-
tout les économistes,se structure pour l’essentiel autour l’idée de
la « longue traîne » (long tail) proposée par C. Anderson,ou plus
précisément les deux thèses proposées dans son livre. La pre-
mière thèse est statique : Anderson montre,en s’appuyant sur les
données fournies par Amazon (librairie en ligne) et Rhapsody
(vente de musique en ligne), qu’Internet permet de constituer
une offre beaucoup plus large que les magasins physiques, et que
les produits présents dans cette offre rencontrent une demande,
même faible. La somme de ces demandes portant sur les œuvres
de longue traîne représente néanmoins une fraction importante
de la demande totale : Anderson estime que 40 % des ventes
d’Amazon portent sur des produits non disponibles dans les
grandes librairies physiques.
La seconde thèse d’Anderson porte sur la dynamique de la
courbe : l’auteur estime que les outils de recherche et de re-
commandation entre les internautes (plus que les outils clas-
siques du marketing) vont naturellement conduire une partie de
la demande depuis le haut de la courbe – les biens ou individus
« stars » – vers le bas de la courbe – la longue traîne ; soit un
épaississement de la courbe. Sur ce point, le raisonnement est
purement spéculatif. Plusieurs travaux se sont efforcés de tester
cette hypothèse dynamique sur la base des rares données dispo-
nibles (Elberse et Oberholzer, 2006 ; Benhamou et Benghozi,
2008). S’ils confirment que l’offre de longue traîne rencontre
une demande non-nulle (et auparavant inexprimée), la plupart
des travaux estiment que l’épaississement de la courbe est sinon
inexistant, du moins très faible.
Aucun de ces travaux ne porte cependant sur des portails UGC
tels que MySpace ou YouTube, qui ont la particularité de réunir
en un même catalogue les œuvres d’artistes professionnels et
celles d’une myriade d’amateurs.

%&(!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+

Concernant l’explication de cette structure en loi de puissance,
on peut identifier schématiquement deux grands types d’expli-
cation.
La première, issue de l’économie de la culture, et dont la formu-
lation canonique a été fournie par Rosen (1981), énonce que la
nature des marchés des biens culturels fait que de petites diffé-
rences de talent entre les artistes se traduisent par de grandes
différences dans la demande dont ils font l’objet (et donc dans
les revenus dont ils disposent). Cette explication est cependant
assez rarement mobilisée par les études sur la distribution de
l’attention en ligne, car elle implique qu’il existe un accord sur
une définition, une mesure et une hiérarchie initiale des talents.
L’autre grand type d’explication repose sur l’exposition différen-
tielle des œuvres et les effets cumulatifs qu’elle produit. L’intui-
tion est que « les plus exposés sont plus consultés, donc plus ex-
posés ». On en trouve plusieurs formulations classiques, depuis
la formalisation mathématique (processus de Yule ou de « l’atta-
chement préférentiel ») jusqu’à « l’effet Matthieu » proposé par
Merton dans sa sociologie de la popularité scientifique3
(Yule,
1925 ; Merton, 1968, 1988). Cet argument est très régulière-
ment évoqué pour expliquer la concentration de l’audience sur
Internet : un contenu mis en page d’accueil a plus de chances
d’être consulté, et donc d’apparaître en haut des listes. La ques-
tion qui reste ouverte est alors de savoir dans quelle mesure les
dispositifs d’exposition que fournit Internet conduisent à une
concentration ou à une déconcentration de l’exposition initiale
des œuvres. Schématiquement, l’intuition est que certains outils
de classement (nombre de vues, votes, pagerank) alimentent l’ef-
fet Matthieu, tandis que d’autres (recommandations personna-
lisées, réseaux sociaux) l’atténuent. C’est d’ailleurs la façon dont
Anderson répond aux études montrant l’absence d’épaississe-
ment de la longue traîne : c’est que les outils de recommanda-
tion et de méta-information sur les produits sont insuffisants ou
3. Merton nomme ainsi, d’après la parabole des talents de l’évangile de St Matthieu, l’exis-
tence d’avantage scumulatifs dans le domaine de la science, en particulier le fait que les
différences de renommée des scientifiques apparaissent disproportionnées par rapport aux
différences dans les contributions. Dans son explication du phénomène, Merton montre
comment les mécanismes institutionnels propres au monde de la science creusent les faibles
écarts initiaux de contribution et de renommée scientifique.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%&/
inefficaces (Anderson, 2006, 2008).
Le fonctionnement des outils de recommandation est donc un
enjeu crucial pour comprendre la distribution de la notoriété.
D’un côté, les travaux sur YouTube, Flickr ou sur les blogs mon-
trent qu’il existe une corrélation nette entre l’évaluation et l’au-
dience d’un contenu (Cha et al.,2007 pour YouTube ; Labarthe-
Piol, 2005 à propos d’Amazon). De l’autre, le travail pionnier de
Herring et al. (2005) sur la notoriété dans la blogosphère mon-
trent que les blogs les plus populaires (A-list) ont tendance à
beaucoup s’entre-citer,tandis que les blogs moins notoires citent
les blogs connus sans être cités par eux. En d’autres termes, les
mécanismes de recommandation réticulaire peuvent aussi ren-
forcer (plutôt qu’atténuer) l’exposition différentielle des conte-
nus au profit de biens stars.

Dans la continuité de ces travaux, notre étude permet de com-
prendre quel type de distribution de l’attention produisent les
outils de recommandation et de réseaux fournis par MySpace,et
le rapport de cette distribution à celle construite hors ligne par
les industries culturelles. Par rapport aux travaux disponibles,
notre travail a l’originalité de prendre en compte, dans l’analyse
d’une grande plateforme Internet, la position des artistes dans
les industries culturelles. Il propose de répondre pour cela à trois
questions :
- Observe-t-on une concentration de l’attention sur une mi-
norité de stars comme c’est le cas dans l’économie physique de
la culture, ou vérifie-t-on au contraire l’intuition de la « longue
traîne », selon laquelle l’attention sur Internet a tendance à se
répartir plus uniformément sur l’ensemble des contenus dispo-
nibles ?
- Quels sont les contenus qui reçoivent la plus grande attention :
les productions des amateurs sont-elles autant consultées que
celles des professionnels établis ?
- Le succès sur les plateformes permet-t-il d’identifier une élite
cohérente et interconnectée, ou une multitude de stars locales
sans lien entre elles ?

%&,!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
La construction des données
Nous proposons de traiter ces questions sur un terrain relative-
ment modeste,soit un graphe de 13 859 utilisateurs de MySpace,
dont 8 517 musiciens, reliés entre eux par des liens de recom-
mandation4
. Deux techniques sont disponibles pour construire
un échantillon d’un site comme MySpace : on peut prélever des
individus au hasard (à partir de leur identifiant), ou construire
un échantillon en suivant les liens entre les individus, selon la
technique dite « boule de neige » (Herring et al.,2005 ; Car-
verlee and Webb, 2008 ; Cristofoli, 2009). C’est cette deuxième
option que nous avons retenue, car elle permet, conformément à
notre objectif, de recueillir des éléments sur le fonctionnement
de la recommandation au sein du site.
Notre étude qualitative précédente a en effet montré que le
principal outil de recommandation horizontal réside dans la
mention d’un artiste comme « meilleur ami ». Lorsqu’un artiste
ou un fan affiche un artiste comme « meilleur ami », il le fait ap-
paraître en bonne place sur sa propre page, et crée de fait un lien
vers sa page (exactement à la manière d’un blogroll) ; ce lien est
interprété par les usagers de MySpace comme une recomman-
dation ou une affinité musicale (« si tu aimes ma musique, tu
aimerais la sienne »). Plusieurs artistes interviewés mentionnent
d’ailleurs comme un objectif stratégique le fait d’être meilleur
ami de certaines stars sur MySpace.
De ce fait, il était nécessaire d’aspirer un échantillon cohérent et
inter-relié, contenant l’ensemble des liens de recommandation
entre les membres de l’échantillon. Nous inspirant de Herring et
al., nous avons donc réalisé plusieurs aspirations en suivant les
liens de meilleure amitié, en faisant varier le nombre de points
d’entrée (de 3 à 10) et la profondeur (de 2 à 4).
4. Dans cet article, nous nous intéressons à la notoriété des seuls musiciens, c’est-à-dire les
comptes « MySpace Music », laissant de côté celle des fans, qui ont des comptes MySpace
ordinaires.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%&&
Network ID Profondeur
Nb points
d’entrée
Nb nœuds
Taux de profils
music
A 3 4 9000 0,54
B 3 7 13859 0,61
C 2 10 24300 0,55
D 4 3 27122 0,42
Tableau 1 - Synthèse des 4 aspirations
Le nombre de nœuds et la proportion de musiciens est natu-
rellement variable d’une aspiration à l’autre, mais ce dernier ra-
tio s’établit autour de 50 %. Nous avons retenu un échantillon
obtenu à partir de 7 points d’entrée choisis aléatoirement dans
le top-artistes de MySpace Music France, et une exploration
des liens de meilleure amitié jusqu’à une profondeur de 3 (leurs
meilleurs amis, les meilleurs amis de leurs meilleurs amis, et les
meilleurs amis de ces derniers). De manière à vérifier que notre
échantillon n’était pas trop atypique, nous avons testé les corré-
lations entre les grandes variables de notoriété (voir ci-dessous)
par aspiration, puis effectué un test de Mantel pour estimer la
similarité des tables de corrélations entre chaque échantillon.
MANTEL Test r p-value (bilatérale)
B,A 0,997 0,001
B,C 0,998 0,001
B,D 0,995 0,001
Tableau 2 - Test de Mantel : similarités entre les tables de corrélation
intra échantillon
On confirme par là que l’échantillon B que nous avons sélec-
tionné possède des caractéristiques similaires aux autres échan-
tillons.
Notre terrain est donc constitué d’un graphe de 13 859 indi-
vidus dont 8 517 musiciens, liés entre eux par 76 017 liens. La
densité – le nombre de liens réalisés sur le nombre de liens pos-
sibles – est donc de 0,0004 ; 27 % des liens sont réciproques.
Outre leurs relations, nous disposons sur ces membres d’un cer-
tain nombre d’informations fournies par les pages MySpace.

%&0!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
Sur la position des musiciens dans l’industrie tout d’abord :
1 191 sont signés sur une major, 4 604 sur un label indépendant,
tandis que 2 664 sont sans label5
. Surtout, on dispose pour cha-
cun de ces artistes de trois indicateurs de notoriété : le nombre
total d’affichages de la page de l’artiste, le nombre total d’amis,
et le nombre total de commentaires laissés sur sa page. À ceux-
là nous pouvons en ajouter un quatrième, construit à partir de
notre graphe,qui est le nombre d’individus de l’échantillon ayant
recommandé l’artiste en le désignant comme meilleur ami ; soit,
dans le vocabulaire de l’analyse de réseaux, le degré entrant du
nœud dans le graphe6
. Sur MySpace en effet, le fan comme l’ar-
tiste peut devenir ami avec un artiste ; ce lien d’amitié doit être
accepté par les deux parties, il est donc réciproque. Le nombre
d’amis est souvent très élevé sur MySpace (22 656 pour les ar-
tistes de notre échantillon). Les amis peuvent laisser des com-
mentaires sur la page de l’artiste. En outre, le site comptabilise
et rend public les visites réalisées par les internautes (inscrits
ou non sur MySpace) sur la page d’un artiste. À la différence
de l’amitié simple, la meilleure amitié n’est en revanche pas ré-
ciproque, puisqu’elle résulte d’une sélection par l’utilisateur des
meilleurs parmi l’ensemble de ses nombreux amis.
Amis Hits
Degré
entrant
Commen-
taires
Moyenne 22 656,8 754 424,8 6,6 7 676,7
Médiane 3 885,5 66 600,0 4,0 888,5
Ecart-type 91 358,9 4 411 430,4 9,0 78 204,8
Minimum 1,0 0,0 1,0 0,0
Maximum 3 485 616 165 677 295 183 37 913 342
Centiles
25 1 442,5 24 296,5 2,0 321,0
50 3 885,5 66 600,0 4,0 888,5
75 11 637,8 215 495,8 8,0 2 470,0
Tableau 3 - Description des variables de notoriété
5. Certes, cette affiliation est auto-déclarée, et contient donc certaines erreurs, mais en
nombre statistiquement négligeable. Il est possible néanmoins que, du fait de sa relative
indétermination, la catégorie «indépendant» soit sur-déclarée.
6. Pour une introduction à l’analyse de réseaux appliquée au Web, voir le numéro spécial de
Réseaux consacré au sujet (Réseaux n°152, décembre 2008).

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%&-
Ces quatre indicateurs de notoriété se caractérisent sans surprise
par une dispersion très importante. Le tableau 3, qui en fournit
une description synthétique, montre que l’écart-type est pour
chacune d’elle très supérieur à la moyenne. Le nombre d’affi-
chages d’une page, par exemple, est en moyenne de 750 000,
mais la limite du premier quartile n’est que de 25 000,tandis que
le maximum se situe au-delà de 165 millions de visites.
Avant d’analyser plus avant les déterminants de cette dispersion,
il est intéressant d’examiner dans quelle mesure ces quatre indi-
cateurs évoluent de façon conjointe. Autrement dit, existe-t-il
une ou plusieurs dimensions de la notoriété en ligne ? L’analyse
des corrélations entre les quatre variables dont nous disposons,
représentée ici sous la forme d’une projection de l’analyse en
composantes principales (ACP), est sans équivoque (figure 2).
fig. 2 - Projection des variables de notoriété dans le plan de l’ACP
Trois indicateurs sont très fortement corrélés entre eux : le
nombre de vues, le nombre total d’amis et le nombre total de

%&.!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
commentaires. Les artistes dont les pages sont très visitées sont
aussi ceux que les gens déclarent le plus volontiers comme amis,
et ceux à qui ils laissent le plus volontiers des commentaires. En
revanche, le nombre de liens entrants d’un artiste – de recom-
mandations dont il fait l’objet – n’est que faiblement corrélé à ces
trois indicateurs : le taux de corrélation s’établit autour de [0,2],
d’où une quasi-orthogonalité sur la représentation. Ce résultat
doit bien sûr être analysé avec précaution, dans la mesure où les
deux types d’indicateurs n’ont pas été construits de la même fa-
çon : les trois premiers mesurent la somme d’actions (visionnage,
amitié, commentaire) de l’ensemble des membres de MySpace
relatifs à l’artiste, tandis que le quatrième ne somme que les ac-
tions (déclaration comme meilleur ami) des membres de notre
échantillon. L’effet est néanmoins suffisamment net pour que
l’on puisse supposer qu’il existe deux dimensions relativement
distinctes de la notoriété : une dimension d’audience, cumulant
les indicateurs de visite et d’assentiment, et une dimension d’in-
fluence,caractérisée par la position dans le réseau de recomman-
dation. Les autres indicateurs de centralité que nous avons me-
surés (pagerank, closeness7
) sont d’ailleurs très convergents avec le
degré entrant.
Regardons maintenant plus précisément comment se distri-
buent ces indicateurs de notoriété sur les différents artistes.
La distribution de la notoriété est structurée
par la position dans l’industrie
Un respect de la hiérarchie traditionnelle
Une analyse de variance est effectuée pour estimer l’effet du fac-
teur « label de l’artiste » sur les valeurs des variables de notoriété,
à savoir commentaires, amis, hits, degré entrant.
7. PageRank : Probabilité de distribution représentant la vraisemblance, pour chaque nœud,
que la sélection aléatoire d’un lien mène à ce nœud spécifique. Cette valeur est ainsi dé-
pendante du nombre de liens pointant vers le nœud, mais aussi des probabilités des nœuds
prédécesseurs au nœud spécifique. Closeness : fonction de distribution estimant le temps
nécessaire à une information pour se diffuser dans le réseau, défini par la réciproque de la
somme des distances géodésiques du nœud avec l’ensemble des autres nœuds (somme des
plus courts chemins). Le betweeness est alors une fonction estimant le nombre de plus courts
chemins qui passent par le noeud.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%&*
Variable F-value p-value
Commentaires F(2,8456)=58,3 p<0,0001
Amis F(2,8456)=110.27 p<0.05
Hits F(2,8456)=196,65 p<0,0001
Degré entrant F(2,8456)=159,7 p<0,0001
Tableau 4 - Analyse de variance du facteur label sur les variables de notoriété
L’observation des moyennes comparées de nos indicateurs (ta-
bleau 4) selon la nature du label de l’artiste fournit un résultat
sans ambiguïté : en moyenne, les artistes signés sur une major
sont beaucoup plus consultés, commentés et influents que les
artistes signés sur un label indépendant, qui sont eux-mêmes
beaucoup plus consultés et influents que les artistes sans label.
Les quatre figures suivantes (tableau 5) présentent la moyenne
par label des variables de notoriété.
Tableau 5 - Moyenne des variables de notoriété en fonction du label de l’artiste

%0)!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
Ainsi, l’audience comme l’influence obéissent à la logique sui-
vante : en moyenne, les artistes établis ont sur MySpace beau-
coup plus d’audience que les artistes plus marginaux ou exté-
rieurs aux industries culturelles.
Autrement dit,d’un point de vue global,MySpace ne bouleverse
pas les hiérarchies établies.Ce résultat,s’il contraste avec l’image
du site communément mise en avant de dénicheur de talents et
de viviers d’artistes, n’est pas nécessairement surprenant. D’une
part, il est logique que les internautes présents sur MySpace y
cherchent et écoutent en premier lieu les artistes qu’ils connais-
sent, quitte à se laisser ensuite guider par des systèmes de re-
commandation plus fins. Surtout, il existe de nombreux moyens
d’accéder à la page MySpace d’un artiste, qui n’impliquent pas
nécessairement le passage par la page d’accueil du site, par son
moteur de recherche, ses liens ou ses classements.Typiquement,
une recherche Google sur le nom d’un artiste fournit la page
MySpace du groupe dans les trois premiers résultats, les deux
autres étant la page Wikipedia et le site officiel de l’artiste. Il
est donc compréhensible qu’on observe dans les statistiques du
site l’écho de la notoriété des artistes construite dans les autres
médias.
Ce résultat très général sur les moyennes comparées mérite ce-
pendant d’être affiné, au regard de la dispersion considérable des
indicateurs.
La traîne de MySpace est longue, mais plate
Les contenus musicaux de MySpace obéissent à la même règle
que la plupart des contenus postés en ligne : une minorité d’ar-
tistes reçoivent l’essentiel de l’attention. Les graphes de la dis-
tribution de nos différentes variables correspondent à une loi de
puissance ; ainsi, 10 % des artistes représentent plus de 90 % des
pages vues de notre échantillon. Une répartition similaire s’ob-
serve pour les autres indicateurs, la courbe étant relativement
plus douce en ce qui concerne le degré entrant,du fait de valeurs
globales moins élevées.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%0%
fig. 3 - Long tail, échelle linéaire
fig. 4 - Long tail, échelle log log
Pour toutes les variables, on observe une rupture nette au niveau
du dernier décile : une minorité d’individus stars se décrochent
nettement de la masse, et concentrent l’essentiel de l’attention,
tandis que le reste se répartit de façon plus graduée sur la masse
des artistes restants. Cette répartition justifie d’examiner de fa-
çon distincte la notoriété des élites et de la masse.
Qui sont les élites ?
Pour se faire une idée de qui sont les élites de MySpace selon
nos deux dimensions de la notoriété, examinons le centile supé-
rieur de nos deux indicateurs principaux, le nombre d’affichages
(audience) et le degré entrant (influence).

%0(!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
fig. 5 - Répartition des labels pour la population totale
et deux sous-échantillons des déciles les plus hauts
Alors que les majors sont très fortement sur-représentées selon
la première dimension, elles le sont beaucoup moins selon la
deuxième ; les indépendants représentent une part importante
des artistes les plus influents (55 % du dernier centile, contre
54 % de l’échantillon). En revanche, les amateurs représentent
une très faible proportion de l’élite selon l’une et l’autre des deux
dimensions.
Ce constat se vérifie si on observe les artistes qui se classent
premiers selon chacune des deux dimensions. Parmi les 10 ar-
tistes les plus visités de notre échantillon, on trouve 8 artistes de
majors ; il s’agit essentiellement de superstars du R&B améri-
cain, en tête des charts US et souvent européens, au moment de
l’extraction : Lil’Wayne, Chris Brown, T.I., Akon, etc. Les deux
autres figurants de ce top 10 sont, de manière assez surprenante,
des artistes non-signés, Tila Tequila et Jeffree Star8
. Leur profil
mériterait une analyse spécifique ; remarquons simplement qu’il
s’agit d’« artistes-MySpace » au sens premier du terme, c’est-à-
dire d’artistes multi-dimensionnels (musique, mode, érotisme,
performance, etc.) ayant mobilisé avec beaucoup de succès les
8. www.myspace.com/tilatequila, « the baddest bitch on the block » ; www.myspace.com/
jeffreestar, « teacher of fearceology ».

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%0/
outils de sociabilité de MySpace pour se construire une noto-
riété sur le site, notoriété qui a été ensuite relayée par les médias
classiques, comme en attestent les nombreuses couvertures de
magazines dont ils sont l’objet. Tila Tequila est l’artiste la plus
visitée de MySpace.
Parmi les dix artistes les plus influents de notre échantillon,
en revanche, on trouve 8 artistes indépendants, contre deux si-
gnés sur une major. Il s’agit de labels et d’artistes relativement
importants, ayant une stratégie artistique et promotionnelle
d’avant-garde, combinant différentes dimensions artistiques
et événementielles (musique, graphisme, vidéo, arts plastiques,
DJing), jusqu’à revendiquer explicitement le fait que le nom de
leur groupe est « une marque qui se décline en différents pro-
duits »9
. Ils font un usage à la fois fin et intensif des outils tels
que MySpace, dans une perspective tant promotionnelle qu’ar-
tistique. Ils décrivent finalement une scène musicale cohérente
(électro-rock), très inter-reliée, qui représente en quelque sorte
la musique « branchée » du moment : Justice, Daft Punk, Kit-
sune, Stuck in the Sound, MIA, Ed Banger, etc.
Si les stars de l’audience se recrutent donc chez les majors et
quelques ovnis MySpace, les artistes les plus influents, c’est-à-
dire ceux que les membres du site affichent le plus volontiers
comme influence ou recommandation, sont plutôt issus de cer-
taines scènes indépendantes.
Des majors plus consultés, des indépendants plus influents
La tendance des artistes major à être plus consultés, et des indé-
pendants à faire relativement plus l’objet de recommandations,
observée sur les élites, se vérifie également au niveau de la masse
des artistes.
Afin d’observer la distribution de l’attention sur les artistes ordi-
naires, sans que les calculs soient faussés par la très forte popu-
larité d’une élite, nous avons exclu de l’échantillon les artistes se
classant dans le décile supérieur de l’un ou l’autre de nos indica-
teurs de notoriété, ce qui donne un nouvel échantillon de 6 594
9. Le groupe Justice estime ainsi que le nom de son groupe est assimilable à une marque,
qui décline un univers de produits cohérents (musique, DVD, œuvres graphiques, perfor-
mances) (interview dans Les Inrockuptibles, décembre 2008).

%0,!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
individus. Nous vérifions tout d’abord que les corrélations entre
nos variables sont, grosso modo, similaires à ce qu’elles sont sur
l’échantillon total : affichages, commentaires et amis sont très
corrélés, et quasi-orthogonaux aux variables de centralité et de
recommandation. Nous conduisons ensuite une analyse discri-
minante sur l’ensemble de nos variables, de manière à identifier
les traits structurants de l’échantillon. Le découpage optimal
nous fournit 5 classes d’individus.
La première classe, la plus importante (41 % de l’échantillon),
réunit les individus dont la notoriété est faible selon toutes les
dimensions (amis, affichages, commentaires, recommandations)
; elle est significativement associée au fait d’être un artiste non-
signé. La classe suivante (23 % de l’échantillon) regroupe des
individus qui se distinguent très fortement par leur influence,
tout en ayant une audience relativement limitée ; elle est forte-
ment associée au fait d’être sur un label indépendant. Symétri-
quement, la dernière classe (4 % de l’échantillon) regroupe des
artistes à l’audience très importante en termes d’affichages, amis
et commentaires, et les artistes signés sur une major y sont très
sur-représentés. Les classes 3 et 4, 17 % et 9 % de l’échantillon,
sont moins significatives pour notre propos : elles regroupent
respectivement des artistes plutôt influents et fortement visités,
mais ne sont associés à aucune modalité de la variable label.
Autrement dit, on retrouve dans le peloton l’affinité observée
au niveau des élites, entre label indépendant et influence d’une
part, label de major et audience d’autre part. Rappelons néan-
moins que cette affinité n’est pas marquée au point de boulever-
ser la hiérarchie globale, puisque les artistes de majors restent, en
moyenne, plus cités que les indépendants.
Des affinités électives structurées par la notoriété… et le
genre musical
Pour approfondir ces résultats, on peut enfin se demander dans
quelle mesure les élites sont interconnectées. Dans leur papier
séminal sur les blogs, Herring et al. montrent que les blogs po-
pulaires ont tendance à être liés entre eux et à ignorer les blogs
moins populaires. Il est légitime de se poser la question dans le
cas de MySpace : les artistes notoires promeuvent-ils des artistes

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%0&
moins connus, ou au contraire sont-ils essentiellement liés à des
artistes de même calibre ? Inversement, les artistes confidentiels
se recommandent-ils entre eux, selon leurs affinités musicales,
ou préfèrent-ils afficher des liens plus prestigieux ?
Pour approcher cette question, nous avons divisé notre popula-
tion en dix déciles, ordonnés selon leur audience (nombre d’affi-
chages), et nous avons observé comment se répartissent les liens
de recommandation entre les déciles. On observe une tendance
nette des « stars » à s’entre-citer, et à faire circuler la recomman-
dation à l’intérieur d’une certaine caste. Ainsi, les artistes qui fi-
gurent dans le décile supérieur reçoivent 24 % de l’ensemble des
recommandations fournies par l’échantillon, ce qui est cohérent
avec les résultats précédents ; mais ils reçoivent 53 % des liens
émis par ces mêmes artistes du décile supérieur. Autrement dit,
plus de la moitié des recommandations émises par les artistes les
plus connus portent sur des artistes de notoriété au moins équi-
valente. On peut généraliser ce résultat à l’aide d’une matrice de
densité, construite de la manière suivante : soit L(i,j) l’ensemble
des liens de recommandations déclarés par un artiste du i-ème
décile vers un artiste du j-ième décile, et N(i,j), le nombre de
liens (i,j) présent dans l’ensemble L.M(i,j) est construite en nor-
mant N(i,j) par le nombre total de liens émis par les artistes du
décile i. La figure 6 représente la matrice M(i,j), où la couleur de
la case (i,j) est définie par la densité: plus la couleur est sombre,
plus faible est la densité, plus la couleur est claire, plus grande
est la densité.
fig. 6 - Matrice de densité des liens entre percentiles

%00!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
On constate que les lignes supérieures sont celles où le gradient
de densité est le plus fort: les déciles supérieurs ne citent que très
peu les déciles inférieurs (cases sombres), et beaucoup les déciles
supérieurs (cases plus claires, tendant vers le blanc).
S’en tenir à ce constat fournirait néanmoins une fausse idée
du fonctionnement de la réputation en ligne. Certes, un cer-
tain nombre de mécanismes, entrevus dans l’enquête qualita-
tive, conduisent les artistes à se lier surtout avec des artistes de
renommée supérieure ou égale : les meilleurs amis servent en
effet à un artiste à se situer musicalement (donc par rapport à
des artistes plus connus), à s’insérer dans une scène musicale
existante (donc figurant des artistes un peu plus établis), et à re-
commander ses (vrais) amis ou connaissances (Beuscart, 2008).
Mais si ces logiques produisent des effets de caste, de nombreux
utilisateurs, artistes ou non, estiment également qu’elles dessi-
nent des univers musicaux très pertinents. C’est cette dernière
dimension que nous avons testée pour finir sur notre échan-
tillon,à partir des genres musicaux déclarés par les artistes.Nous
n’avons retenu que le premier des trois genres musicaux déclarés
les artistes, et nous nous limitons ici à une appréhension gra-
phique du phénomène.
Le menu déroulant de MySpace music propose 119 genres mu-
sicaux différents aux artistes qui souhaitent classer leur musique.
Les genres les plus déclarés au sein de notre échantillon sont,
dans l’ordre : rock, hip-hop, pop, indie, non-renseigné, alterna-
tive, jazz, autre10
.
Pour l’analyse, nous avons regroupé les genres en quelques
grandes catégories : électronique, rock, black music, pop, autre/
alternatif/indie, jazz, folk/chanson, non-codé. Nous avons en-
suite représenté le graphe des liens entre nos artistes,en colorant
chaque artiste en fonction de son genre musical. Pour des rai-
sons de lisibilité, nous ne figurons qu’une partie de l’échantillon,
ceux dont le nombre de liens entrants est supérieur à la somme
de la moyenne et de l’écart-type. La taille du nœud est fonction
10. Il est amusant de remarquer que, bien que le menu que MySpace propose aux artistes
119 genres musicaux différents pour définir leur musique, 4 des 8 choix les plus populaires
reposent sur un refus de catégoriser sa musique autrement que de manière négative : « in-
die » (par opposition aux groupes appartenant aux majors ou au mainstream), « alternative »,
« autre », ou tout simplement un champ non renseigné.

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%0-
de ce même degré entrant. La représentation suit l’algorithme
Atlas, qui rapproche d’autant plus les nœuds qu’ils ont en com-
mun des liens directs ou indirects.
La représentation (figure 7, en fin d’article) fait apparaître l’exis-
tence d’univers musicaux cohérents, créés de façon immanente
par la combinaison des affinités musicales. Certains univers sont
très resserrés et cohérents : c’est le cas notamment des cliques re-
présentant le jazz et le rap français. Plus généralement, le dessin
du graphe est dans l’ensemble composé des tâches de couleurs
qui s’entrecroisent, ce qui confirme l’intuition – des fans comme
des artistes – de la capacité du dispositif à constituer un outil
pertinent de recommandation musicale.

Remarquons enfin que la constellation centrale, formée au-
tour du label EdBanger et de ses artistes, dessine également
les contours d’une scène électro-rock très cohérente, même si
elle est imparfaitement représentée du fait de l’utilisation par
certains du label « alternatif ». On y retrouve, logiquement, la
plupart des artistes identifiés plus haut comme les plus influents.
Leur centralité sur le graphe matérialise leur influence, directe
et indirecte : en tant qu’artistes les plus cités, ils figurent soit sur
la page d’un des artistes de l’échantillon,sinon probablement sur
la page de plusieurs de ses amis. Dans notre échantillon, prélevé
depuis le MySpace Music France en novembre 2008, tous les
chemins passent par Ed Banger et Justice.
Conclusion
L’étude d’un échantillon du graphe de MySpace Music, qui est
le premier site de diffusion musicale au monde, suggère que les
nouveaux médias ne transforment qu’à la marge les lois de la
notoriété culturelle.
D’un côté, on observe que MySpace est en grande partie la
chambre d’écho d’une notoriété construite en dehors du site par
les industries culturelles : dans l’ensemble, les artistes des ma-
jors reçoivent beaucoup plus d’audience que les indépendants,
eux-mêmes beaucoup plus écoutés que les artistes non-signés.
Par ailleurs, les sites tels que MySpace amplifient plutôt qu’ils
ne réduisent la distribution parétienne classique de la demande

%0.!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
des biens culturels : 90 % de la demande se concentre sur 10 %
des biens.
De l’autre côté, l’examen approfondi de cette structure de la
notoriété fait apparaître plusieurs phénomènes originaux. Les
indicateurs offerts par les dispositifs du site ne sont pas tous
convergents. En particulier, les indicateurs d’influence (qui tra-
duisent le fait d’être recommandé) divergent des indicateurs
d’audience. Les artistes des majors dominent du point de vue
de l’audience, mais l’examen des tops montre que s’y intercalent
certains artistes atypiques, extérieurs à l’industrie du disque. Les
artistes indépendants bénéficient quant à eux du système de re-
commandation, et figurent parmi les artistes les plus influents
de l’échantillon. La représentation du graphe confirme en outre
la capacité des artistes à construire des univers de recommanda-
tion musicale cohérents.
Reste que notre analyse, centrée sur la notoriété des artistes, oc-
culte probablement d’autres dimensions de l’activité musicale
sur MySpace, qui feront l’objet de traitements ultérieurs. En
particulier, ce questionnement masque l’activité qui se déve-
loppe à l’intérieur de la long tail, entre les musiciens non-signés
et leurs fans, qui est négligeable quantitativement, mais appa-
raît de façon cruciale dans les enquêtes qualitatives. En nous
centrant sur les musiciens de l’échantillon, nous avons en outre
passé sous silence l’activité des fans, et leur rôle dans les méca-
nismes de recommandation.
RÉFÉRENCES

ANDERSON (C.),2006.The LongTail: How the Future of Busi-
ness is Selling Less of More, New York, Hyperion Books.
BENGHOZI (P.-J.), BENHAMOU (F.), 2008. « Longue
traîne : levier numérique de la diversité culturelle ? », Ministère
de la Culture, DEPS, www.culture.gouv.fr/deps
BEUSCART (J.-S.), 2008. « Sociabilité en ligne, notoriété vir-
tuelle et carrière artistique. Les usages de MySpace par les mu-
siciens autoproduits », Réseaux, n° 152.
CARDON (D.) et DELAUNAY-TETEREL (H.), 2006. « La

!"##$%&'()(!#$*$+,!"!#$!%&!'())*+!"!%0*
production de soi comme technique relationnelle. Un essai de
typologie des blogs par leurs publics », Réseaux, n° 138.
CARDON (D.), PRIEUR (C.), BEUSCART (J.S.), PIS-
SARD (N.), PONS (P.), 2009. « Pourquoi partager mes photos
de vacances avec des inconnus ? Une étude de cas de Flickr »,
Réseaux n° 153.
CAVERLEE (J.), WEBB (S.), 2008. « A Large-Scale Study
of MySpace: Observations and Implications for Online Social
Networks », presented at the ICWSM 2008 Conference.
CHA (M.),HARWOON (K.),RODRIGUEZ (P.),AHN (Y.-
Y.), MOON (S.), 2007. « I Tube, You Tube, Everybody Tubes:
Analysing the World’s Largest User Generated Content Video
System », presented at the IMC’07, San Diego, California.
CHO (J.) et ROU (S.), 2004. « Impact of Search Engines on
Page Popularity », presented at the WWW2004 Conference, New
York.
ELBERSE (A.) et OBERHOLZER (F.), 2007. «Superstars
and Underdogs: an Examination of the Long Tail Phenomenon
in Video Sales », Harvard Business School Working Papers Series.
HERRING (S.) et al., 2005. « Conversations in the Blogo-
sphere : An Analysis « From the Bottom Up » », Proceeding of
the Thirty-Eighth Hawai International Conference on System Sci-
ences, Los Alamitos, IEEE Press.
HUBERMAN (B.A.), ROMERO (D.M.), WU (F.),
2008. « Crowdsourcing, Attention and Productivity »,
arXiv:0809.3030v1.
MERTON (R.K.), 1968. « The Matthew Effect in Science »,
Science, n°159, pp.56-63.
MERTON (R.K.), 1988. « The Matthew Effect in Science,
II: Cumulative Advantage and the Symbolism of Intellectual
Property », Isis, 79/4, pp. 606-623.
PRIEUR (C.), CARDON (D.), BEUSCART (J.-S.), PIS-
SARD (N.), PONS (P.), 2008. « The Strenght of Weak Coop-
eration : A Case Study of Flickr », arXiv:0802.2317.
ROSEN (S.), 1981. « The Economics of Superstars », American
Economic Review, 71, pp. 845-858.
YULE (G.U.), 1925. « A Mathematical Theory of Evolution,
Based on the Conclusions of Dr J.C. Willis », Royal Society of
London Philosophical Transactions Series, 213, pp. 21-87.

%-)!"!!"##$%&'()(!#$*$+,!"!#$!%&!'())*+
fig. 7 - Représentation du reseau des artistes
sur la base des liens de meilleure amitié,
construction via l’application Gephi (www.gephi.org)

La distribution de la notoriété artistique en ligne

Contenu connexe

En vedette

La distribution de la notoriété artistique en ligne