Quelles formations recherchez-vous ? La réponse dépend toujours de là où vous habitez

« La plupart des étudiants commencent leur recherche d’université sur Google. Une simple requête comme « université » génère un mélange de résumés produits par l’IA, de résultats sponsorisés provenant d’établissements à but lucratif, de résultats organiques issus d’établissements publics ou à but non lucratif, ainsi que de classements provenant de sources telles que les classements des établissements. Le tout généralement adapté à la localisation de l’étudiant. »

Ce processus peut paraître anodin et égalitaire. Il ne l’est pas, rapporte Washington Monthly à la suite d’une publication de sociologues de l’université Northwestern menés par le professeur Lincoln Quillian. « En moyenne, Google affiche des résultats de moindre qualité pour les étudiants résidant dans des zones géographiques (codes postaux) à faibles revenus. » 

« En évaluant chaque établissement selon des critères tels que le taux d’obtention du diplôme, le taux de défaut de remboursement des prêts, le revenu médian et les taux de mobilité sociale, ils ont déterminé que les étudiants aisés ont jusqu’à trois fois plus de chances que leurs homologues moins favorisés de voir apparaître dans leurs résultats des universités offrant les meilleures perspectives d’avenir après l’obtention du diplôme. » Un porte-parole de Google s’est défendu en expliquant que « nos systèmes de recherche ne personnalisent pas les résultats en fonction de niveaux de revenus déduits ». Mais la situation géographique depuis laquelle un étudiant fait ses recherches sert en fait de proxy sur son niveau économique… Les chercheurs de Northwestern affirment que, si la situation géographique explique entre 40 et 80 % des tendances observées dans les résultats de recherche, une part résiduelle semble dépendre d’autres indicateurs : l’algorithme prend également en compte les taux de clics, les données personnelles et le ciblage publicitaire payé par les établissements eux-mêmes. « Surtout pour les élèves brillants issus de zones à faibles revenus, le système semble fournir des résultats qui les orientent souvent vers de mauvais choix. » 

Les experts qualifient ce phénomène d’undermatched (sous-appariement) : une situation qui existait déjà avant que la recherche en ligne ne devienne le principal moyen de découvrir les établissements d’enseignement supérieur. « Ces élèves étaient systématiquement orientés vers des établissements en deçà de leur potentiel, bien avant même l’apparition de l’IA et d’autres outils en ligne, comme si l’algorithme reproduisait ce que faisait la société auparavant. »

« En réalité, selon l’étude de Northwestern, les recherches Google effectuées depuis des zones géographiques à faibles revenus génèrent davantage de résultats renvoyant vers des établissements à but lucratif. » les écoles aux « résultats médiocres » représentaient 30 % des résultats pour les étudiants issus de foyers gagnant 50 000 dollars par an, contre moins de 10 % pour ceux issus de foyers dont les revenus dépassaient 150 000 dollars. Google n’est pas le seul en cause. Une étude publiée en 2024 par des chercheurs de Princeton et de l’Université de Californie du Sud a révélé que l’algorithme de Meta avait tendance à afficher, aux utilisateurs noirs, davantage de publicités pour des établissements d’enseignement supérieur à but lucratif aux pratiques « prédatrices », qui ont d’ailleurs tendance à avoir recours à des stratégies publicitaires agressives. »

« Le principal moteur de recherche du pays entrave davantage l’accès à un enseignement supérieur de qualité pour les étudiants qui en bénéficieraient le plus », conclut le journal. 

La prise en compte problématique de la situation géographique de celui qui fait des requêtes sur un service en ligne (et de son historique) n’est pas sans effet sur les résultats qui lui sont proposés. Le risque est fort de renforcer une forme de discrimination numérique territoriale (digital redlining) et sociale, peu visible. Le problème de cette discrimination numérique est qu’elle reste documentée depuis longtemps (on se souvient notamment du livre de Safiya Umoja Noble, Algorithm of oppression, NYU Press, 2018, non traduit) et que peu est proposé pour la résoudre.