Analyse temporelle · EDA · Médias

Social media vs
Traditional media

Dans quelle mesure la montée en puissance des réseaux sociaux est-elle associée au déclin de la TV chez les jeunes adultes ? Une analyse temporelle 2013–2023, données CNC, GWI et plateformes MAU.

Python Pandas Scipy Matplotlib Seaborn CNC / Médiamétrie GWI Jupyter
↗ Voir le code sur GitHub
−52%
TV 15-34 ans
2013 → 2023
r = .78
Corrélation Pearson
p < 0.01
4h/jour
Fossé générationnel
50+ vs 15-34 en 2023

Contexte & problématique

La consommation médias se fragmente à grande vitesse. Depuis dix ans, les jeunes adultes délaissent la télévision au profit des plateformes numériques et des réseaux sociaux. Mais dans quelle mesure ces deux tendances sont-elles liées ?

Problématique : Dans quelle mesure la montée en puissance des réseaux sociaux numériques est-elle associée au déclin structurel de la TV chez les jeunes adultes (15-34 ans) en France, sur la période 2013–2023 ?

Hypothèses testées

H1 — Corrélation principale
La progression du temps passé sur les réseaux sociaux est corrélée négativement avec la durée d'écoute TV chez les 15-34 ans.
✅ Confirmée — r = −0.78, p < 0.01
H2 — Rôle médiateur des plateformes
Le streaming joue un rôle médiateur : TikTok explose exactement au moment où la chute TV est la plus prononcée (2018-2021).
✅ Confirmée — TikTok +1.7B MAU en 3 ans
H3 — Fracture générationnelle
Le fossé entre 50 ans+ et 15-34 ans se creuse chaque année de façon statistiquement significative.
✅ Confirmée — 147 → 242 min/jour (+65%), p < 0.001

Résultats clés

Les 15-34 ans regardent 52% moins la TV en 2023 qu'en 2013 (155 → 74 min/jour), contre seulement 40% pour la tranche 15-49 ans - montrant l'effet de dilution de l'agrégation large.
La corrélation de Pearson entre temps réseaux sociaux et durée TV 15-34 ans est de r = −0.78 (p < 0.01), plus forte qu'avec la tranche 15-49 (r = −0.67).
L'écart générationnel (50ans+ vs 15-34ans) est passé de 147 à 242 min/jour (+65%) - soit 4 heures de différence quotidienne en 2023.
2024 : rupture méthodologique Médiamétrie (nouvelle mesure tous foyers/tous écrans) - les données ne sont pas comparables à la série historique.

Pipeline technique

Collecte : Scripts Python de scraping (Our World in Data, GWI via DataReportal), consolidation manuelle des données CNC/Médiamétrie depuis les fichiers Excel officiels et rapports annuels.

Nettoyage : Traitement des ruptures méthodologiques Médiamétrie (6 ruptures entre 2011 et 2024), annotation des NaN documentés, construction de séries comparables, indices base 100.

EDA : Corrélation de Pearson, régression OLS, analyse de tendances, comparaison internationale, visualisations Matplotlib/Seaborn avec style sombre personnalisé.

← Tous les projets
Retour à l'accueil
Projet suivant →
Hacker News — EDA