Un score de viralité avant de publier

Toute équipe réseaux sociaux aimerait savoir, avant de publier, si un clip va circuler. Higgsfield, la plateforme vidéo d’IA, propose désormais une réponse parmi ses applications. Chargez un clip de 15 secondes au plus, et son Virality Predictor renvoie un score de viralité, la seconde où l’accroche atteint son pic, un taux de rétention et une carte thermique des régions du cerveau que le clip est censé activer.

L’idée séduit et l’écran a l’air scientifique. Voici ce qu’affirme Higgsfield, ce que l’entreprise a publié sur le fonctionnement de l’outil, ce que dit la recherche sur la prédiction de la viralité, et ce que vaut un score face à un test sur de vraies personnes.

Ce qu’il promet

La page produit promet « une lecture modélisée qui dit si votre clip retient le défilement ou le perd ». La méthode tient en une phrase : « Un public modélisé regarde pendant que nous cartographions la réponse du cerveau à travers la vision, le son, la mémoire, l’attention, le langage. » Selon la page, la carte thermique montre « exactement quelles régions du cerveau votre clip active ».

Le score est présenté avec assurance : « Pas une supposition, pas une impression », et « Ce qui se rapproche le plus d’une projection test avant de cliquer sur publier. »

Ce qui est publié, et ce qui ne l’est pas

Higgsfield ne dit pas quel modèle se cache derrière le score, sur quelles données il a été entraîné, ni comment ses scores se comparent aux vues, au temps de visionnage ou aux partages réels des clips publiés. Nous n’avons trouvé ni chiffres de précision ni étude de validation. Tant qu’ils n’existent pas, l’affirmation selon laquelle un score prédit la viralité reste non démontrée.

Le vocabulaire renvoie à un domaine de recherche connu. Les modèles d’encodage cérébral apprennent à prédire la réponse du cerveau à une vidéo à partir d’examens d’imagerie réalisés sur des personnes qui regardent des vidéos. TRIBE, publié en juillet 2025, prédit les réponses IRMf du cerveau entier à des vidéos et a remporté la compétition Algonauts 2025. De tels modèles estiment la réaction d’une région cérébrale moyenne. C’est une autre question que de savoir si des inconnus vont s’arrêter, regarder et partager.

Certains éléments montrent que de vrais cerveaux portent des signaux utiles. Dans une étude publiée dans PNAS en 2020, des chercheurs ont observé au scanner 40 personnes pendant qu’elles regardaient des vidéos. L’activité de deux régions au début de chaque vidéo prédisait la fréquence et la durée de visionnage de ces mêmes vidéos sur YouTube, au-delà des mesures classiques. Ce résultat venait de vrais scanners et de vraies personnes, sur quelques dizaines de vidéos. Un public modélisé s’en éloigne encore d’un cran.

Pourquoi la viralité échappe à la prédiction

Le problème de fond, c’est que le succès se propage socialement. Dans une expérience connue, publiée dans Science en 2006, 14'341 participants ont téléchargé des chansons inconnues, certains en voyant ce que les autres avaient choisi. L’influence sociale a rendu le succès à la fois plus inégal et moins prévisible. Les auteurs ont écrit : « Les meilleures chansons marchaient rarement mal, et les pires rarement bien, mais tout autre résultat était possible. »

Une étude des cascades sur Twitter, présentée en 2016, a montré que même les meilleurs modèles, avec des données étendues sur les utilisateurs, les contenus et les performances passées, expliquaient « moins de la moitié de la variance de la taille des cascades », et a soutenu que même des données illimitées ne lèveraient pas cette limite. Ce qui fonctionne, en revanche, c’est d’observer la diffusion initiale. Une étude antérieure a montré qu’il devient plus facile de prévoir si une cascade continuera de croître « à mesure que nous observons davantage de ses repartages ». Le meilleur indicateur de la portée d’un clip, c’est son premier vrai public.

Ce qu’un score peut faire, et ce qu’il ne peut pas

Utilisé avec prudence, un tel score peut tout de même aider. Il peut signaler un début trop lent, montrer la seconde où l’attention risque de décrocher, et servir de premier filtre rapide entre deux montages d’un même clip. Comme incitation à regarder de plus près, il coûte peu.

Il ne peut connaître ni votre public, ni le moment choisi, ni ce qui figure d’autre dans le fil ce jour-là, ni savoir si l’accroche correspond à votre marque. Un score de viralité n’est ni une probabilité ni une prévision de vues. Et si chaque équipe optimise pour le même score, tous les fils se remplissent des mêmes accroches, ce qui est à notre avis l’inverse de ce qui fait ressortir un clip. Même Higgsfield écrit que davantage de production « ne décide pas du résultat à elle seule ».

Tester sur de vraies personnes

Les vrais tests sont désormais intégrés aux plateformes. Les tests A/B de Meta montrent chaque version d’une publicité à une partie distincte de l’audience et s’assurent que « personne ne voit les deux », puis comparent les résultats sur le coût par résultat. YouTube permet aux créateurs de tester jusqu’à trois titres et miniatures sur une même vidéo, les départage selon la part du temps de visionnage et ne désigne un gagnant que si la différence est statistiquement significative. Les deux mesurent ce qui s’est réellement passé.

C’est ainsi que Tempo est conçu. Chaque idée est créée, testée et évaluée quant à ses chances avant qu’une personne ne l’approuve, et nous traitons cette évaluation comme un filtre, pas comme une prévision. Ce qui décide du mois suivant, ce sont les performances des vraies publications, qui alimentent ensuite le plan. Un score de viralité est une bonne question à poser à un clip. C’est le public qui donne la réponse.