Aujourd’hui, tout ce que nous faisons en ligne laisse une trace. Cliquer, scroller, regarder une vidéo… ou même lire un livre. À première vue, la lecture semble pourtant être une activité intime, difficile à mesurer. Mais avec le développement des liseuses numériques, cette frontière disparaît progressivement.
Des plateformes comme Kindle d’Amazon sont désormais capables d’enregistrer une grande partie de nos comportements de lecture. Chaque page tournée, chaque passage surligné et même chaque pause peut être transformé en donnée.
Face à cette évolution, une question me semble essentielle : peut-on réellement comprendre les lecteurs à travers ces données ?
Si la web-analytique promet une compréhension fine des interactions, elle repose en réalité sur des données souvent incomplètes, interprétées, et parfois biaisées.
Une promesse forte : transformer la lecture en données exploitables
La web-analytique repose sur une idée simple : observer les comportements pour mieux comprendre les utilisateurs. Dans le cas de la lecture numérique, cette promesse est particulièrement poussée.
Les liseuses Kindle permettent à Amazon de collecter une quantité importante d’informations. Comme le souligne l’article des Numériques, « le moindre tapotement […] est enregistré », ce qui montre le niveau de précision atteint par ces dispositifs.
Les données collectées vont bien au-delà du simple fait de lire un livre. Une enquête relayée par Actualitté montre qu’une utilisatrice a pu récupérer l’ensemble des informations détenues par Amazon : titres lus, horaires de lecture, temps passé sur chaque ouvrage, passages surlignés, annotations, ou encore recherches effectuées dans le dictionnaire intégré. Ces données représentaient deux fichiers Excel de plus de 20 000 lignes chacun.
Ces informations permettent de proposer des fonctionnalités concrètes. Par exemple, la synchronisation de lecture entre appareils repose directement sur le suivi des pages consultées. Les recommandations personnalisées s’appuient quant à elles sur les habitudes de lecture des utilisateurs. Certaines fonctionnalités mettent même en avant les passages les plus surlignés par d’autres lecteurs, créant une forme de lecture collective basée sur les données.
Mais ces données ne servent pas qu’à améliorer l’expérience utilisateur ; elles ont une valeur économique. En analysant les comportements de lecture, Amazon peut affiner ses recommandations, promouvoir certains ouvrages et proposer des contenus ciblés. Les données sont ainsi utilisées comme un véritable levier marketing, permettant d’influencer les choix des lecteurs et d’optimiser les ventes de la marketplace.
La web-analytique ne sert donc pas uniquement à comprendre les lecteurs, mais aussi à orienter – voire influencer – leurs comportements.
Une réalité plus nuancée : des données nombreuses mais imparfaites
Malgré cette richesse apparente, les données de lecture présentent des limites importantes, qui remettent en question leur capacité à réellement comprendre les lecteurs.
Tout d’abord, elles reposent sur une interprétation des comportements. Les outils de web-analytique mesurent ce que font les utilisateurs, mais pas pourquoi ils le font. Par exemple, un temps de lecture élevé peut traduire de l’intérêt, mais aussi une difficulté de compréhension ou une distraction. À l’inverse, une lecture rapide peut indiquer un désengagement… ou une forte immersion.
Ensuite, la lecture est une expérience complexe, difficile à réduire à des indicateurs quantitatifs. Les données permettent de mesurer des actions, mais elles ne capturent pas les émotions, les réflexions ou le contexte personnel du lecteur. Des recherches académiques montrent que les outils d’analyse permettent d’observer certains comportements, mais ne reflètent qu’une partie de l’expérience réelle (Porsche & Zbiejczuk Suchá, 2022). Par exemple, Kindle enregistre l’ouverture d’un livre ou le temps passé sur une page, mais ne peut pas déterminer si le lecteur est réellement en train de lire, s’il a compris le contenu ou s’il est simplement resté sur la page sans attention. Ainsi, certains éléments peuvent se révéler trompeurs, tout comme des clics accidentels pour faire apparaître des définitions ou surligner des éléments.
Les outils comme Google Analytics permettent d’aller plus loin dans la collecte de données, en mesurant des comportements précis tels que le nombre de pages vues, le temps passé sur un contenu ainsi que les interactions avec l’interface (scroll, clics, annotations et surlignages). Ces données sont utiles pour comprendre la navigation et l’usage technique d’un livre numérique (Porsche, Zbiejczuk Suchá, & Martinek, 2022).
Cependant, elles restent limitées : elles décrivent des actions mesurables, mais ne permettent pas d’accéder à la dimension cognitive, émotionnelle ou contextuelle de la lecture. Autrement dit, elles disent ce que fait le lecteur, mais pas ce qu’il pense, ressent ou comprend.
Enfin, la limite la plus importante réside dans les comportements invisibles. Une partie des pratiques de lecture échappe totalement à la web-analytique. Le piratage, par exemple, constitue un angle mort majeur : les lecteurs qui accèdent à des livres en dehors des plateformes officielles ne sont pas mesurés. De même, certaines pratiques comme la lecture hors ligne, les échanges entre lecteurs ou les recommandations informelles ne sont pas intégrées dans les données.
Les données utilisées par les plateformes ne représentent donc qu’une partie des usages réels.
En conséquence, les entreprises prennent des décisions à partir de données incomplètes et potentiellement biaisées.
Conclusion
La web-analytique offre des outils puissants pour analyser les comportements des lecteurs et améliorer les services proposés. Avec des dispositifs comme Kindle, la lecture devient une activité mesurable, analysable et exploitable.
Cependant, cette précision masque une réalité plus complexe. Les données ne capturent qu’une partie de l’expérience de lecture, et leur interprétation reste incertaine.
Ainsi, la web-analytique ne permet pas de comprendre pleinement les lecteurs. Elle offre une vision utile, mais incomplète. Comprendre réellement les pratiques de lecture nécessite d’aller au-delà des données, en intégrant une approche plus qualitative et humaine.
Finalement, ces outils nous apprennent davantage sur ce que les lecteurs font que sur ce qu’ils pensent, ressentent ou comprennent réellement. C’est sans doute là l’une des limites fondamentales d’une approche exclusivement fondée sur les données.
Références
Actualitté. (2020). Comment le Kindle d’Amazon change la lecture en données personnelles.
Chartier, M. (2020). Liseuse Kindle : Amazon enregistre chaque action et s’en explique. Les Numériques.
Porsche, L., & Zbiejczuk Suchá, L. (2022). The potential of Google Analytics for tracking the reading behavior in web books. Digital Library Perspectives.
Rowberry, S. (2019). The limits of Big Data for analyzing reading. Participations: Journal of Audience & Reception Studies.