Dispositif d’enquête mixte

Crédit photo : Mixtapes

Lieu d’expérimentation autour des méthodes dites « mixtes » (voir encadré), Mixtapes est un labo dans lequel nous développons des dispositifs d’enquête originaux qui associent, pour les participant·es volontaires et anonymes à nos enquêtes, leurs réponses à des questionnaires, ce qu’elles et ils nous disent lors d’entretiens individuels, et leurs données d’écoute sur Deezer. Chacune de ces trois sources de données nous offre un point de vue différent sur la relation des participant·es à la musique et à son écoute. Leur assemblage nous permet d’innover dans l’étude de la diversité sociale et géographique de l’écoute de musique.

Ce dispositif d’enquête mixte a été conçu et testé dans le projet RECORDS, et a donné des résultats prometteurs (Renisio et al, 2024; Louail, 2024). Nous continuons d’approfondir ces expérimentations dans différents projets menés au sein du laboratoire.

Avant l’arrivée du streaming, l’étude de la diversité sociale des préférences musicales se faisait grâce à des questionnaires ou des entretiens individualisés. Ces méthodes d’enquête, habituelles dans les sciences humaines et sociales, ont permis de grandes avancées mais elles ont aussi certains désavantages. Par exemple, avec un questionnaire il est difficile de saisir avec finesse les habitudes d’écoute et les préférences des personnes, les nuances de leurs goûts, parce qu’un questionnaire oblige à décrire ses goûts à partir des catégories prédéfinies, souvent générales et un peu floues, comme les genres musicaux (« j’aime le rock et le rap, mais moins la variété »). Les entretiens individuels permettent de recueillir des informations beaucoup plus précises, mais ils sont centrés sur l’expérience d’une population restreinte, souvent très engagée dans la pratique musicale, et parce qu’ils sont coûteux (il est difficile de les réaliser avec beaucoup de personnes), ils ne permettent pas de saisir l’ensemble des écoutes et rendent plus difficile la généralisation des résultats.

Le streaming a créé un nouveau type de données : les historiques d’écoute individuels, collectés par les plateformes pour l’ensemble de leurs utilisateur·ices depuis la création de leur compte, donc pour la plupart, depuis plusieurs années. Pour calculer la part des écoutes des artistes (qui va déterminer une partie de leur rémunération) et pouvoir garantir ces chiffres, une plateforme de streaming doit garder une trace de toutes les écoutes de tous ses utilisateurs, sous forme de listes très précises. Cette liste d’évènements d’écoute (chaque écoute de chaque morceau par chaque personne produit une ligne dans le fichier d’historique) comprend des informations détaillées comme le morceau, l’album, l’artiste, mais aussi quand, combien de fois, en entier ou non, et la provenance (barre de recherche, playlist personnelle, playlist collective/éditoriale, favoris ou recommandation automatique). Ces données offrent donc un grand niveau de détail sur les écoutes réelles des auditeurs, et permettent de les situer dans le temps. Par contre, elles sont difficiles à interpréter parce qu’on ne sait pas grand chose des audieur·trices, et elles ont aussi des biais : parfois on laisse la musique tourner alors qu’on n’écoute pas, on laisse d’autres personnes choisir la musique, ou même on partage son compte avec quelqu’un d’autre.

Dans Mixtapes, l’équipe cherche à combiner ces différentes sources d’information sur la relation à la musique des personnes, tout en garantissant leur anonymat et la sécurité de leurs données personnelles. L’objectif est de dresser un portrait aussi complet que possible des goûts et dégoûts, en reliant ce que les gens écoutent, ce qu’ils déclarent écouter et la façon dont ils en parlent ; ce qu’ils écoutent beaucoup et ce qu’ils déclarent préférer — ce qui n’est parfois pas la même chose ! Relier ces différentes sources d’information, qui sont par nature très différentes entre elles, présente de nombreuses difficultés méthodologiques et techniques. Dans la Revue Française de Sociologie, l’équipe du projet RECORDS a publié un article qui discute des différentes opportunités et difficultés que représente chaque couplage de ces trois sources d’information (Renisio et al, 2024). Dans la suite de ce billet nous discutons d’abord du couplage des historiques d’écoute avec les réponses à un questionnaire, puis du couplage des historiques avec les données recueillies en entretiens individuels.

La construction des goûts en matière de musique, de films, de sorties, etc. et l’évolution de ces goûts au cours de la vie est un sujet qui intéresse les sociologues des pratiques culturelles depuis longtemps. En France, elles et ils ont montré, grâce à une grande enquête nationale portée par le département des études du ministère de la culture depuis les années 60 et réalisée tous les dix ans environ, qu’il existe des relations statistiques durables entre par exemple les catégories socio-professionnelles ou l’origine sociale des personnes, et les préférences pour tel ou tel type de musique, et plus généralement pour différentes pratiques et répertoires culturels. En parallèle, d’autres études ont été menées depuis les années 2010 à partir des historiques d’écoute collectés par les plateformes de streaming, sans toutefois avoir beaucoup d’informations sur les utilisateur·ices (souvent uniquement la date de naissance et le sexe) (Louail & Barthelemy, 2017). Pour essayer de réunir le meilleur de ces deux approches, le collectif RECORDS a développé un questionnaire en ligne qui a été passé à plusieurs milliers d’utilisateur·ices de Deezer, abonné·es payant ou non, et qui prenait une dizaine de minutes à remplir. En plus de questions sur leurs goûts musicaux, les participant·es ont été invité·es à répondre à des questions précises qui ont permis de déterminer leur position sociale, et à donner leur consentement pour l’analyse anonymisée de leurs historiques d’écoute.

Pour analyser les préférences à partir de la combinaison des questionnaires et des historiques, la difficulté méthodologique est grande parce que les catégories utilisées pour encoder l’information ne sont pas les mêmes. L’historique de stream est une liste de milliers, voire de dizaines de milliers d’écoutes élémentaires d’objets musicaux bien définis : on sait quels morceaux, quels artistes et groupes, quels albums, quelles playlists a écoutés une personne. Tandis que dans une enquête par questionnaire, ce sont ses déclarations de ce qu’elle écoute et de ce qu’elle préfère « en général », ou « au cours de l’année écoulée » qui sont recueillies. L’information musicale collectée est donc plus générale et abstraite, parce que les genres musicaux sont des catégories assez ambigües et imprécises. Si par exemple on demandait à toutes les personnes qui déclarent écouter du rock de lister leurs groupes de rock préférés, il y aurait certes des artistes en commun mais aussi beaucoup d’artistes dont le classement dans le rock ferait débat : d’autres les classeraient dans la pop, le folk ou le métal.

Pourtant, bien qu’il n’existe pas de définition partagée de ce que recouvrent les genres musicaux, il est difficile de s’en passer pour décrire ses goûts. Aussi, même si les historiques d’écoute offrent une vue plus précise de la musique écoutée par une personne, recueillir cette information dans les enquêtes modernes reste essentiel pour au moins deux raisons : cela permet de savoir comment les personnes se représentent leur écoute de musique, et cela permet aussi de comparer les résultats obtenus à ceux des enquêtes passées avant le streaming et la possibilité de connaître bien plus finement l’univers musical des personnes (principe de cumulativité des résultats scientifique).

Pour essayer de combler l’imprécision des étiquettes de macro-genres (rock, rap, jazz, etc.) et pour s’offrir la possibilité de comparer plus facilement données d’écoute et données d’enquête, on a aussi demandé dans le questionnaire aux personnes si elles aimaient ou non des artistes particuliers. Pour chacun des genres qu’elles ont déclaré écouter, on leur a demandé de préciser leurs appréciations d’artistes représentatifs du genre (voir Figure). Cette information d’appréciation d’un artiste n’a pas le problème d’être floue. Il est alors possible d’analyser comment cette information est liée aux écoutes de ces artistes, ce qui permet une comparaison plus précise qu’en passant par les genres musicaux, même s’ils sont aussi utilisés. La catégorie artiste aimé ou non a toutefois également des biais. Les personnes peuvent par exemple confondre des artistes entre eux, ou n’aimer qu’une partie des morceaux d’un artiste et pas une autre.

Exemples de questions posées dans le questionnaire. De gauche à droite, les genres musicaux jamais écoutés et classés selon les appréciations de l’enquêté·e ; les genres écoutés ; et les appréciations de 15 artistes de variété française, liste proposée si l’enquêté·e a déclaré écouter ce genre.

Il n’est pas rare qu’une personne déclare dans l’enquête ne pas aimer un artiste, alors qu’il est pourtant beaucoup écouté dans son historique (peut-être sans savoir qui est l’artiste). Cette contradiction apparente a aussi été observée dans les entretiens, en particulier lors du moment d’écoute d’extraits musicaux : la personne déclare spontanément ne pas aimer le morceau, mais quand elle sait qui est l’artiste, elle dit en aimer d’autres morceaux. La catégorie « artiste » peut donc aussi donner lieu à des incohérences à première vue, mais c’est en fait parce que les goûts et les préférences sont des notions assez subtiles. La cumulation des données est donc d’une grande richesse pour essayer de mieux cerner ces notions.

En mettant en relation les écoutes effectives des personnes sur Deezer, sur plusieurs années, avec les informations socio-économiques qu’elles déclarent dans le questionnaire, le collectif RECORDS a pu réaliser une sociologie quantitative de l’écoute effective de musique en streaming. Les questionnaires ont permis d’enrichir les historiques de stream avec des informations sociales, qui permettent par exemple de comparer les artistes les plus écoutés par différentes générations, ou différents corps de métier, groupes socio-économiques, etc. Même si le streaming permet à tout le monde d’avoir accès à toute la musique, tout le temps, les résultats montrent que les grands principes qui structurent la répartition sociale des préférences, et la façon dont les personnes s’orientent vers certaines zones de l’espace musical, restent valables encore aujourd’hui. Alors que l’intuition – et la publicité ! – pourrait laisser penser que l’accès illimité à (presque) toute la musique suffirait à gommer les différences sociales de consommation, cette constance confirme l’intérêt de croiser ces différentes sources de données, et de continuer à déverrouiller les difficultés méthodologiques liées à leur articulation.

Les enquêté·es par entretien ont été sélectionné·es parmi les répondant·es au questionnaire. À la fin du questionnaire, on leur demandait leur accord pour être contacté pour un entretien plus approfondi. Certains types de profil ont été plus enclins à accepter que d’autres : les hommes plus que les femmes, les hommes âgés et diplômés plus que les autres, etc. Alors pour obtenir une diversité sociale de profils aussi large que possible, tout en évitant de ne recruter que des personnes très impliquées dans la pratique d’écoute, les chercheur·ses ont utilisé les données des questionnaires et des historiques d’écoute. L’objectif était d’obtenir un équilibre entre hommes et femmes, entre les différentes catégories sociales selon le niveau de diplôme, réparties selon trois tranches d’âge, et en fonction de la quantité de musique écoutée. Méthodologiquement, dans ce cas de figure, les deux premières sources de données ont été utilisées pour collecter la troisième.

Durant les entretiens, les chercheur·ses ont utilisé un logiciel d’exploration visuelle qui permet de naviguer dans l’univers musical des enquêté·es (Cura et al, 2021). L’enquêteur·ice leur a également fait passer des extraits de morceaux, sélectionnés au préalable à partir de leur historique d’écoute (par exemple des morceaux très écoutés durant une période). Le collectif a qualifié ces entretiens « d’augmentés » car directement personnalisés d’après les écoutes de l’enquêté·e. Recueillir leur ressentis et avis sur des extraits de morceau choisis à partir de leur propre historique permet d’obtenir des informations plus fines sur leurs préférences.

Durant les entretiens, les chercheur·ses ont observé que des artistes beaucoup écoutés ne sont pas forcément mentionnés par les enquêté·es. Il peut y avoir plusieurs raisons pour l’expliquer, comme les enjeux de « légitimité » : certains goûts ont tendance à être plus affichés que d’autres, et à l’inverse d’autres sont passés sous silence, consciemment ou non. Mais il peut y avoir aussi des oublis, car certaines écoutes sont très contextuelles ou fonctionnelles. Certains morceaux, artistes ou genres peuvent être beaucoup écoutés mais seulement dans un contexte spécifique – en soirée, pour faire du sport ou le ménage – et ne sont donc pas spontanément mentionnés. Il y aussi des comptes qui sont partagés, avec les enfants qui demandent à écouter des morceaux par exemple. Comme ce ne sont pas les goûts de l’enquêté·e, il ou elle ne va pas penser à en parler. Les entretiens permettent donc de mettre en évidence l’inégale importance et les différents sens « cachés » derrière les chiffres d’écoute. On comprend au final que le temps passé à écouter certaines musiques en streaming n’est pas toujours un bon prédicteur de combien elles seront aimées ou non. Les entretiens ont même révélé qu’il y a des personnes qui déclarent explicitement ne pas aimer certains morceaux ou artistes pourtant souvent écoutés…

Toutes les écoutes n’ont donc pas la même fonction. Les participant·es renvoient souvent au contexte d’écoute ou au niveau d’attention, et évoquent des frontières et distinctions importantes à l’intérieur de l’ensemble des musiques écoutées. Il y a bien celles qu’ils aiment beaucoup, mais aussi celles dont ils ou elles disent « oui ça j’écoute mais c’est un peu du fast food », une métaphore alimentaire revenue à plusieurs reprises lors de la centaine d’entretiens conduits par l’équipe. Les entretiens permettent donc de distinguer, à l’intérieur de tout ce qui est écouté, différents régimes d’appréciation et de fonction de la musique dans le quotidien des personnes, ce que la seule observation du temps passé à écouter dans les historiques ne permet pas. Le temps passé à écouter une musique est donc un mauvais proxy de son appréciation. Les écoutes sont contextualisées dans le temps et l’espace, associées à certains types d’activités, et leur volume ne dit pas tout de la place que les enquêté·es lui donnent dans leur « panthéon personnel ».

Les différents résultats obtenus au sein du projet RECORDS montrent combien un dispositif d’enquête mixte permet d’obtenir une image plus fine des subtilités de goûts, préférences et pratiques d’écoute. La combinaison de données observationnelles avec des données déclaratives rend les analyses plus robustes. Toutefois, leur combinaison représente des difficultés, de la collecte à leur articulation pour l’analyse, qui nécessitent de bâtir des collectifs interdisciplinaires. Les recherches conduites au sein de Mixtapes ont pour but de poursuivre et consolider les premières avancées réalisées dans le projet RECORDS.

Références

Cura, R., Moussallam, M., Louail, T. (2021). AMPLI, une plateforme interactive pour l’exploration de traces numériques musicales : visualiser pour accompagner la conduite d’entretiens augmentés. Journée Visu 2021, GDR IG-RV, Paris, 08/06/21.

Louail, T. & Barthelemy, M. (2017). Headphones on the wire: Statistical patterns of music listening practices. ⟨cea-01626088⟩.

Louail, T. (2024). Concevoir des dispositifs qui associent des traces numériques individuelles à des données d’enquête : le cas de l’écoute de musique enregistrée et le projet RECORDS. CNRS Sciences humaines & sociales – La Lettre, 07/24. hal-04871004v1.

Renisio, Y., Beaumont, A., Beuscart, J-M., Coavoux, S., Coulangeon, P., Cura, R., Le Bigot, B., Moussallam, M., Roth, C., Louail, T. (2024). Integrating digital traces into mixed methods designs. Revue française de sociologie, 65(1-2), 129-160. hal-04448365v2.

Méthode mixte

En recherche, plusieurs types de méthodes sont utilisées pour produire de la connaissance. On distingue généralement les méthodes quantitatives et les méthodes qualitatives, couramment utilisées en sciences humaines et sociales.

Les méthodes quantitatives se basent sur des outils statistiques ou mathématiques pour analyser et comprendre un phénomène à partir d’un large échantillon de données chiffrées (généralement obtenues par questionnaire). Tandis que les méthodes qualitatives étudient les comportements humains en profondeur, souvent dans des études de cas spécifiques, grâce à des observations de terrain, des entretiens individuels, des analyses de textes ou de discours, et/ou des focus groups.

Les méthodes mixtes désignent un approche qui combine, au sein d’une même étude, des méthodes quantitatives et qualitatives de collecte et d’analyse de données, afin de tirer parti de leurs forces respectives et d’obtenir une compréhension plus complète et nuancée du sujet étudié.