Comment les algorithmes de recommandation façonnent tout ce avec lequel nous interagissons en ligne

Écoutez : Podcasts Apple | Spotify | Pandore

Voici la transcription complète de la saison 7, épisode 6 : L’algorithme : Lettres de recommandation — du Podcast Obsession Quartz.

Gabriela : Je souhaite avoir un peu de méta ici, chers auditeurs. Pour une raison ou une autre, vous avez ouvert un outil de streaming numérique et il vous a conduit vers moi. Ou plutôt, ma voix héberge ce podcast. Peut-être que vous êtes sur votre ordinateur et que quelqu’un que vous connaissez a partagé ce lien sur l’un de vos flux sociaux. Peut-être que vous êtes un fan qui nous suit et que votre téléphone vous a envoyé une alerte push avec un nouvel épisode.

Peut-être.Vous étiez sur une plateforme où vous avez tendance à écouter d’autres choses, des livres audio, des albums, des épisodes de radio, et notre petite émission a été diffusée. s’affiche sur votre écran. Écoute suggérée. Émissions qui pourraient aimer. Recommandé pour vous. Quelque part dans les profondeurs de votre écran, quelqu’un ou quelque chose a déterminé tranquillement ce que vous voudriez écouter ensuite.

Très bien, Bruce, tu dois déjà écouter ma voix toute la journée au bureau et lors des appels Zoom. Comment te sentirais-tu si l’algorithme vous a attiré vers cet épisode ?

Bruce : J’aurais l’impression qu’il a bien compris, qu’il me connaît assez bien. J’adore parler d’algorithmes avec les éditeurs Quartz.

Gabriela : Je m’appelle Gabriela Riccardi, l’animatrice de la saison 7 de Quartz Obsession, où nous examinons de plus près les technologies et les idées. qui définissent nos vies.

Alors, préparez-vous à en apprendre davantage sur l’apprentissage automatique, car aujourd’hui, je parle à Bruce Gill de Quartz à propos des algorithmes.

Donc, quand nous parlons d’algorithmes, du moins ici, nous parlons d’algorithmes de recommandation, de la chaîne tentaculaire et particulière de chiffres qui est chargé de déterminer ce que vous aimez et de dicter comment cela devient tout ce que vous voyez en ligne. Dans cet esprit, Bruce, expliquez-lui pour moi, comment êtes-vous entré dans l’algorithme pour la première fois ?

Où trouvons-nous des algorithmes de recommandation dans notre vie quotidienne ?

Bruce : Ma relation avec l’algorithme a été pour la plupart assez positive. Je suis une personne assez indécise de nature. J’aime l’idée d’avoir quelque chose, je suppose, qui m’aide à décider quoi manger. Comme Grubhub, s’il vous plaît, donnez-moi des recommandations. Netflix, dites-moi ce qui est bon à regarder. Spotify, donne-moi ta playlist organisée.

Mais je dirai qu’il y avait quelque chose d’un peu différent à propos de TikTok. Et je pense que beaucoup de gens ont une expérience similaire où c’était comme s’il vous connaissait trop bien. Et au début, j’ai trouvé que c’était incroyable. Encore une fois, c’était comme un très constant. Flux de bon contenu divertissant.

Gabriela : Qu’est-ce qui vous a donné l’impression que c’était trop bon ? Quel genre de choses cela vous servait-il ?

Bruce : C’était juste beaucoup de choses dont je ne savais pas comment je savais que j’apprécierais ou que j’aimerais. des choses comme des choses standards si vous me connaissez. Des clips de courses de dragsters. Il y avait des vidéos ASMR. J’adore voir, vous savez, les gens aiment tapoter sur des objets ou couper du savon.

Je ne sais pas pourquoi.

Gabriela : Cela gratte les démangeaisons dans votre cerveau. Parfois c’est inexplicable.

Bruce : Exactement. Et puis une autre chose bizarre que j’ai aussi remarquée, c’était comme si ça me racontait un peu mon histoire. . Cela me montrerait des mèmes du bon vieux temps que je regardais avec ma famille quand j’étais enfant.

Et je me demande, comment est-ce que ça est arrivé ici ? Parce que je n’étais pas quelque chose que je cherchais moi-même sur TikTok. Finalement, j’ai juste J’ai remarqué que c’était presque trop efficace là où je passais des heures. Cela gâcherait mon sommeil. J’ai fini par me retrouver me débarrasser de l’application pour mon téléphone, juste pour moi, mes préférences personnelles, et une fois que j’ai commencé à en apprendre davantage sur ces algorithmes, c’était un peu trompeur ou comme si c’était un peu comme un petit filou qui en sait plus sur vos intérêts que vous n’en savez probablement vous-même. .

Gabriela : Nous entendons tous cela assez souvent, comme si nous plongions nos orteils dans une nouvelle plateforme sociale ou dans un écosystème numérique différent, et tout à coup, il sort toutes ces choses qu’il sait sur nous. Nous faisons les blagues que nos téléphones et nos appareils nous écoutent, mais parfois c’est tellement étrange. On a l’impression que beaucoup de gens arrivent aujourd’hui à ces conclusions, que L’algorithme est devenu tellement sophistiqué qu’il vous parle d’une manière que vous ne pouvez même pas parler de vous.

D’accord, Bruce, décomposons cela au niveau le plus élémentaire. Qu’est-ce qu’un algorithme exactement ?

Qu’est-ce qu’un algorithme ?

Bruce : Ainsi, un algorithme dans son terme le plus large n’est qu’un processus ou un ensemble spécifique d’instructions qui, lorsque vous suivez ou exécutez, en résultent. dans un résultat souhaité. Bien souvent, les gens aiment le décrire comme presque comme une recette pour résoudre un problème.

Ils sont généralement utilisés pour résoudre des problèmes mathématiques, mais maintenant, avec les ordinateurs, ils sont utilisés pour résoudre presque tout.

Gabriela : Donc, vous savez, nous apprenons tous, peut-être à l’école primaire ou au collège, l’idée de la formule. au moins dans mes classes, j’ai découvert le PEMDAS, qui est comme l’ordre des opérations pour savoir comment assembler des nombres afin que ils arrivent à leurs conclusions logiques.

Les algorithmes sont des versions beaucoup, beaucoup, beaucoup plus sophistiquées et plus évoluées. Mais à leur niveau de base, ils sont tout simplement gentils. de formules ou d’instructions. Alors reprenons-le pendant une seconde. Quand les gens ont-ils commencé ? Utiliser des algorithmes pour la première fois. Comment Est-ce que cette idée d’un algorithme est née ?

Quelles sont les origines des algorithmes ?

Bruce : Les algorithmes sont comme une idée assez ancienne. Certains des premiers algorithmes enregistrés ont été écrits sur des tablettes d’argile en 2000 avant JC à Babylone.

Gabriela : Oh mon Dieu.

Bruce : C’est vrai, c’est fou. Il y a des mathématiciens grecs, comme si un algorithme célèbre était l’algorithme euclidien. Donc celui-ci remonte à 300 avant JC. un peu plus récent.

Gabriela : Oh, oui. Tellement plus récent .

Bruce : C’est un algorithme pour trouver le plus grand dénominateur commun entre deux nombres non nuls. Et c’est fondamentalement un algorithme très simple où vous le faites. beaucoup de problèmes de division jusqu’à ce que vous obteniez le plus grand dénominateur commun ou le plus grand facteur dans deux nombres.

Gabriela : D’accord.

Bruce : Je suis sûr que les gens le connaissent depuis l’école primaire. Je pense que c’est l’une des premières formules ou des équations de factorisation similaires. que nous avons appris en cours de mathématiques.

Gabriela : Comment passer de l’Antiquité littérale, d’Euclide, des mathématiques anciennes, des choses écrites sur des tablettes, au 21e siècle d’aujourd’hui ?

Quels sont certains des algorithmes fondamentaux ?

Bruce : Une fois que les ordinateurs sont entrés en scène, ils ont permis aux gens d’exécuter plus facilement des algorithmes plus grands et plus complexes, et ils sont utilisés pour toutes sortes de choses, pour trier de gros morceaux de données.

Il y a ces deux algorithmes que j’aime considérer comme comme les algorithmes fondamentaux de ce genre d’algorithmes de recommandation TikTok plus récents, le Google Le PageRank. Et le prix Netflix. Ce sont vraiment ceux avec lesquels les gens ont commencé à interagir. Commençons par Google. Parce que Google , Je pense que c’est quelque chose que nous utilisons tous les jours et pour connaître ses origines.

C’est un peu fou aussi. Ooh. Donc l’algorithme original de Google a été écrit vers 1998 par ces deux étudiants. Ils sont allés à Stanford, Sergey Brin et Lawrence Page. Ils l’ont écrit dans le cadre d’un article académique alors qu’ils étaient à l’université. L’idée était de mettre de l’ordre sur le Web. À cette époque, les moteurs de recherche n’étaient pas aussi utiles qu’aujourd’hui.

Ils étaient encore en train de chercher comment aimer pour donner aux utilisateurs les résultats de recherche les plus pertinents et les plus utiles. Et ces deux étudiants ont donc pensé à une idée de comment vous assurer quand vous recherchez quelque chose sur Google, vous obtenez réellement des informations fiables et pas un blog au hasard de quelqu’un .

Gabriela : Alors tu me dis que Larry Page et Sergey Brin ont construit Google au début comme un journal universitaire, juste un journal académique, comme si c’était né ainsi de nombreuses manières dont nous naviguons sur Internet aujourd’hui.

Et aussi un verbe littéral que je pense que tout le monde a dans son vocabulaire pour chercher quelque chose sur Google. Je viens de t’entendre le dire, tu sais, comme si cela façonnait même notre langue. Ouais.

Bruce : C’est tellement intéressant de réfléchir à la manière dont, maintenant que nous nous plaignons en quelque sorte de l’algorithme, ils ont été si utiles. et, par exemple, cela change la donne pour la façon dont nous naviguons tous sur Internet maintenant.

Gabriela : Alors, dites-moi comment le PageRank a fonctionné une fois qu’il a été publié, par exemple, dans un article universitaire et qu’il était un véritable outil qui existait pour de vrai. .

Bruce : Alors maintenant, l’algorithme de Google est beaucoup plus complexe, mais à l’époque, leur idée était que vous classiez ces pages en fonction de leur nombre de pages. les liens et la qualité des liens. Ainsi, chaque page obtient un classement en fonction du nombre d’autres pages qui renvoient vers elles. et prend ensuite également en compte le classement de ces pages.

Donc, si vous aimez ces pages de haute qualité qui vous citent en retour, votre classement augmente.

Gabriela : C’est ainsi que nous faisons en sorte que le New York Times, le Chicago Tribune, le Washington Post et le LA Times flottent au sommet du classement. Les résultats de recherche de Google, par opposition à mynewsblog.com.us.co.uk.gov.Je ne sais pas. Quelqu’un au hasard, vous savez, donner son avis sur Internet.

Cela ne sera pas classé aussi parce que c’est une source moins réputée. Elle n’existe pas dans ce , vous savez , se recommander des choses.

Bruce : Exactement.

Comment Netflix a-t-il créé des algorithmes de recommandation ?

Gabriela : Alors,parlez-moi du deuxième algorithme fondamental.

Bruce : Donc, je pense que celui-ci a énormément changé la donne sur des algorithmes de recommandation similaires.

En 2006, alors que Netflix n’était même pas un service de streaming, c’était un service de location de DVD, ils ont lancé un concours appelé le Prix Netflix, où ils ont offert 1 million à toute personne qui pourrait améliorer son logiciel de recommandation de 1 million. 10%. 10 pourcent

Gabriela : ça ne ressemble pas à ça. Ça vaut un million de dollars ?

Bruce : Oui, mais il a fallu aux gens au moins deux ans pour atteindre cette référence.

Gabriela : Wow. D’accord. Il est donc clair que c’est un obstacle plus grand que ce que mon instinct me dit. D’accord. Alors, dis-moi, comment ont-ils obtenu là-bas pendant ces deux ans ?

Bruce : Ce que Netflix a fait, c’est qu’ils ont rendu publiques toutes ces données sur la façon dont leurs utilisateurs évaluent les films.

Il y a donc eu une centaine de millions d’audiences sur 17 770 films provenant d’environ 480 clients. La tâche consistait donc à utiliser ces données pour créer un algorithme qui prédirait si quelqu’un aimerait un film en fonction de ses notes précédentes, pas seulement de ses notes, mais aussi des notes de tout le monde dans cet ensemble de données. Donc tous ceux qui utilisent Netflix.

Et donc 30 000 personnes se sont inscrites pour en faire partie. Et puis il y en a eu tellement d’autres. Forums et messages de discussion et les gens partagent leurs idées et vous savez que les gens ont commencé à penser que les notes plus récentes sont plus précises que les notes faites il y a des mois. un moment de la journée où quelqu’un a évalué Est-ce que cela affecte la réflexion et il a commencé à ajouter ces choses à ses calculs dans les algorithmes et ils s’appuient tous sur le travail de chacun. Il y a ce candidat Simon Funk qui a été très influent.

Il était l’une des meilleures personnes à bloguer et à rendre public son code afin que les gens puissent travailler à partir du sien. Et la grande innovation qu’il a inventée consistait à utiliser cette technique mathématique appelée décomposition en valeurs singulières.

Gabriela : Cela me semble très dépassé, mais dites-m’en plus.

Bruce : Donc, fondamentalement, c’est un moyen d’automatiser la recherche de similitudes entre les films et les utilisateurs qui aiment ces films.

Donc, toutes ces notes ne sont que des chiffres afin que l’algorithme puisse constater que ces groupes de personnes semblent tous aimer ce genre de personnes. de films. Cela crée donc en quelque sorte des seaux pour vous. Et cela pourrait être des genres. Il y a un certain type de personne qui aime l’action des films, ou bien il y a un certain type de personne qui aime les films de Tom Hanks.

L’algorithme a appris que si vous aimez les comédies romantiques, il peut découvrir que les autres personnes qui aiment les comédies romantiques ne sont pas vraiment de la science-fiction. fans. Et donc il sait qu’il ne faut pas vous recommander de films de science-fiction.

Gabriela : C’est tout simplement tellement intéressant d’entendre celui-ci. On dirait qu’en rendant public ce trésor de données utilisateur.

Je veux dire, nous en sommes évidemment à nos débuts et la confidentialité des utilisateurs n’est pas vraiment aussi chaude, mais dans un sujet tel qu’il l’est. aujourd’hui, mais cela a donné grâce à cet effet de crowdsourcing. Beaucoup de gens testaient diverses entrées. Je pense que c’est fascinant que le L’heure de la journée à laquelle vous naviguez surNetflix peut affecter le choix que vous faites sur ce que vous diffusez.

Par exemple, que souhaitez-vous mettre le matin ? Peut-être que vous prenez votre petit-déjeuner par rapport à ce que vous mettez juste avant d’aller dormir le soir. Par exemple, voulez-vous quelque chose de plus énergisant le matin et apaisant le soir ou peut-être que vous je sais, et vice-versa. C’est fascinant d’y penser.

Bruce : Netflix a anonymisé les données pour le prix Netflix, mais les gens ont pu découvrir qui étaient ces utilisateurs en connectant le données avec des pages IMDB. Et ce cela a en quelque sorte fini par arrêter le concours Netflix. Et ils avaient planifié un deuxième, mais ils ont fini par annuler ces plans en raison de problèmes de confidentialité.

Gabriela : Oh, wow. Ce qui est ancien est nouveau à certains égards. Les données concernent alors, les données concernent maintenant, la confidentialité concerne alors, la confidentialité concerne maintenant. Il semble donc que, dans le cas du PageRank, celui-ci ait été conçu pour mettre de l’ordre et rationaliser les choses. Les pages et les sites Web sont liés et plus, avoir un rang plus élevé. Le rang continue d’augmenter si les pages auxquelles vous êtes lié ont elles-mêmes un rang élevé. .

Il s’agit d’une sorte de système d’organisation très hiérarchique. Cet exemple de prix Netflix semble être vraiment basé sur le contenu, la personnalité et le profil. et c’est donc une sorte de complexité tentaculaire qui établit différentes connexions préférentielles. Totalement intéressant.

Alors, je suis curieux de savoir quelles sont les différentes manières dont les algorithmes sont utilisés ici et maintenant ? avancé depuis le PageRank ou comme un concours financé par le crowdfunding pour battre Netflix avec son propre algorithme ?

Comment les algorithmes ont-ils changé au cours des dernières décennies ?

Bruce : Il y a tellement plus de données maintenant. Il y a tellement de façons de suivre les gens. Vous savez, Netflix, dans cet exemple, s’appuyait sur sur les évaluations des films par les utilisateurs.

C’était comme une centaine de millions de visionnages de films. Mais maintenant que Netflix est un service de streaming, il pourrait réellement suivre ce que vous êtes réellement. regarder. Vous n’avez même pas besoin d’évaluer quelque chose pour vous laisser entraîner dans cet algorithme.

Gabriela : Que pensez-vous de l’impact que les algorithmes de recommandation ont sur nous sur le plan culturel ? Pouvez-vous me parler un peu, Bruce, à propos de comment nous façonnent-ils et nous influencent-ils d’une manière que nous pourrions ne pas reconnaître ?

Comment les algorithmes nous façonnent-ils et nous influencent-ils d’une manière que nous pourrions ne pas reconnaître ?

Bruce : Pour en revenir à notre conversation plus tôt, TikTok est un exemple très clair de la manière dont la culture est façonnée par ces algorithmes. comme l’un des algorithmes de recommandation les plus puissants. Si vous regardez sa conception, c’est un peu comme la plate-forme d’apprentissage automatique parfaite et que, vous savez, c’est comme si un algorithme apprenait en collectant plus de données et en faisant ses preuves parce que dans cette plateforme, vous avez l’impression que un milliard d’utilisateurs regardent tout cela, comme des clips de deux minutes.

Chaque glissement ou chaque minute pendant laquelle vous continuez à regarder une vidéo est un autre point de données qui lui permet de savoir quoi vous recommander ensuite. ce dont je parlais plus tôt quand j’ai dit que je me sentais un peu trompé. Il pourrait y avoir des moments où, par exemple, je ne pense pas J’aime les vidéos de chats. Je n’aime pas les vidéos de chats. Mais pour une raison quelconque, l’algorithme peut suivre que je les ai toutes regardées tout au long et je continuerai à recommander ces vidéos de chats.

Donc, d’une certaine manière, l’algorithme TikTok et la conception de l’application sont si puissants, par exemple, en vous montrant des trucs qui créent une dépendance et que vous savez. que vous allez regarder parce que vous lui donnez toutes les informations dont il a besoin pour qu’il sache que vous allez continuer à regarder .

Gabriela : Oh mon Dieu, je comprends. Je ne suis pas moi-même sur TikTok parce que j’alloue déjà trop de mes heures libres à mes écrans.

Mais la même chose m’arrive sur mes, oh, mes flux de découverte Instagram, mes pages d’exploration Pinterest. Oh mon Dieu. Je suis je suis juste constamment renforcé par les choses que je sais que j’aime, et puis je reçois aussi des choses que je ne pensais pas J’ai aimé, mais je ne peux pas détourner le regard. Alors parlez-moi du côté le plus sombre.

Quelles sont certaines des menaces ou des problèmes de sécurité que posent les algorithmes de recommandation ? Et d’autant plus que nous continuons à affiner nos algorithmes et qu’ils devenez plus sophistiqué de jour.

Quelles sont certaines des menaces ou des problèmes de sécurité que posent les algorithmes de recommandation ?

Bruce : Certaines données montrent qu’ils sont responsables d’une grande partie du contenu que les gens regardent sur YouTube. Leur algorithme de recommandation gère environ 70 pour cent. des vidéos regardées sur l’application.

Et donc, lorsque les gens s’appuient sur ces algorithmes pour les choses qu’ils regardent, vous devez être très prudent sur ce que cela montre aux gens. .

Gabriela : Ce que les algorithmes ont incité par inadvertance à continuer à regarder.

Bruce : C’est vrai. L’algorithme YouTube s’est amélioré, mais dans le passé, ils ont montré qu’il canaliserait les gens vers ces terriers de lapins. de vidéos complotistes.

Un autre exemple est celui de Facebook. Leur algorithme était utilisé pour donner la priorité à la réaction emoji de colère. Et, par conséquent, en surpondérant ce genre de réactions, cela contribue à diffuser des informations erronées sur le site Web.

Gabriela : Et les contenus violents aussi. Facebook est une étude de cas fascinante à cet égard. Certaines de ces informations n’ont été révélées au public que lorsque un lanceur d’alerte a publié une sorte de trésor de fichiers qui révélaient que l’algorithme de Facebook recommandait du contenu qui mettait les gens en colère, du contenu qui reflétait une violence, un contenu qui ne contenait pas nécessairement de vérité.

En fait, j’ai interviewé cette lanceuse d’alerte, Frances Haugen, l’année dernière, et quand je lui ai demandé, qu’est-ce qui vous a finalement poussé à prendre cette décision au sérieux et étape risquée ? Pour collecter ce que vous avez vu de mal avec un algorithme sur votre lieu de travail, cette puissante entreprise de technologie puissante et le diffuser au public. Et elle a dit : « J’avais besoin de pouvoir à nouveau dormir la nuit. »

Une fois, elle a vu les choses les plus sombres se produire dans les profondeurs de la boîte noire des algorithmes, et comment c’était, vous savez, en quelque sorte S’étendant aux interactions réelles des utilisateurs sur le Web, cela a vraiment révélé à quel point un algorithme qui a mal tourné pourrait être dangereux. des études de cas dans lesquelles, lorsqu’ils ne sont pas atténués ou sont manipulés de manière irresponsable ou qu’on les laisse simplement apprendre des choses par eux-mêmes, les algorithmes peuvent aller dans des endroits sombres.

Bruce : Oui, et je pense qu’il est important de noter dès maintenant que même les législateurs sont préoccupés. Je connais la Chambre des représentants des États-Unis. a adopté un projet de loi visant à potentiellement bloquer ou interdire TikTok s’il ne rompt pas sa relation avec la société chinoise ByteDance en raison de préoccupations concernant les données. mais aussi un peu plus de préoccupations quant au degré de contrôle que l’entreprise exerce sur ce que les téléspectateurs sont recommandés.

Je sais que dans le passé, il y a eu des rapports selon lesquels TikTok aurait supprimé des publications d’utilisateurs LGBT, des utilisateurs handicapés ou supprimé certains sujets politiques sur la plateforme.

Gabriela : Oui, nous avons également vu que Meta, qui est évidemment la société mère de Facebook, Instagram et Threads, a désormais un interrupteur que vous pouvez activer et désactiver pour soit voir du contenu politique soit ne pas recevoir de contenu politique parce que c’est juste tel un point de déclenchement pour ce que les algorithmes pourraient faire apparaître, faire surface et distribuer lorsqu’ils ne sont pas contrôlés.

Bruce, nous avons évidemment parlé de certains des dangers qui se cachent dans les algorithmes, mais aussi de certains des plaisirs. Si les algorithmes vous servent de jolis chatons, ou aiment l’ASMR très apaisant, ou peut-être votre prochain thriller d’espionnage préféré, que pensez-vous après avoir examiné si profondément ?Pensez-vous que nous sommes mieux lotis grâce à ces algorithmes sophistiqués qui alimentent en quelque sorte les limites de nos vies numériques ?

Les algorithmes de recommandation améliorent-ils ou pirent notre vie numérique ?

Bruce : Donc, je suppose que mon statut relationnel avec les algorithmes est compliqué en ce moment. Je pense que je suis, je suis, je suis en conflit. Il y a ce nouveau livre de l’écrivain new-yorkais Kyle Chayka, [appelé] Filterworld : Comment les algorithmes aplatissent la culture. Le principe de base est que parce que nous découvrons tant de nouvelles choses grâce à ces algorithmes, les créateurs de contenu se sentent un peu un peu pression devenir viral sur ces lieux et réussir sur ces lieux et cela signifie en quelque sorte cibler le public le plus large possible.

Et il soutient que cela remonte depuis Netflix et, vous savez, tous ces studios de cinéma qui publient ça comme un peu très des films de super-héros similaires aux musiciens font en quelque sorte des chansons qui se traduiront par un défi de danse TikTok. Et donc je pense qu’il y a quelque chose Des algorithmes qui enlèvent un peu de magie et découvrent des choses par soi-même.

Et maintenant que nous avons tous envie d’aller directement aux mêmes sources, euh, je pense qu’Internet devient un peu moins amusant.

Gabriela : D’une certaine manière, l’algorithme vous enlève votre capacité à vous découvrir et vous donne simplement des choses.

Bruce, cela a été une conversation tellement amusante. Merci podcast. Je ne regarderai jamais mes pages d’exploration et de découverte de la même manière. encore.

BruceGil couvre les dernières nouvelles et la santé pour Quartz. Cet épisode a été produit par Ready Freddy Media. Soutien supplémentaire d’Angel Fajardo, directeur de Quartz La rédactrice en chef Susan Housen et le responsable de la vidéo David Weinstein. Notre thème musical est de Taka Yasuzawa et Alex Tsukira. Si vous aimez ce vous avez entendu, suivez-nous sur Apple Podcasts, Spotify, partout où vous écoutez et parlez de nous à vos amis.

Voulez-vous battre l’algorithme ? Envoyez le lien de cet épisode à cinq amis qui adoreraient que vous leur montriez que vous les connaissez mieux que jamais une machine. Je pourrais. Ensuite, rendez-vous sur qz.com slash obsession pour vous inscrire au courrier électronique hebdomadaire d’obsession de Quartz et parcourir des centaines d’histoires intéressantes. m Gabriella Riccardi. Merci pour avoir écouté.

Très bien, Bruce, es-tu prêt ? Nous allons tous les deux ouvrir nos comptes Instagram et nous allons cliquer, cliquer, cliquez, appuyez, appuyez, appuyez. Très bien. Je regarde, je regarde. Oh, certains de ces trucs sont des trucs que je ne fais pas. Je ne veux même pas parler dans le micro.

Bruce : Donc, en gros, il y a un homme qui a ce qui ressemble à une tasse Stanley en verre et il mélange tout un tas de des sirops aromatisés et d’autres choses dans de l’eau.

Une partie de moi a l’impression que cela doit être une parodie de WaterTok.

Gabriela : Je viens de trouver cette illustration d’une crevette fumant une cigarette. Et je ne sais même pas d’où ça vient ! Je suis quelques récits d’art et quelques illustrateurs. J’espère que cette crevette passe une bonne soirée. Quelque part dehors de préférence. Personne, personne n’aime tu fumes à l’intérieur.