Cette thèse étudie la diffusion de contenus en ligne, et plus spécifiquement leurs aspects temporels, avec une forte approche interdisciplinaire et une attention particulière à YouTube. Tout d'abord, dans un contexte d'études des médias, nous discutons de l'importance d'étudier les rythmes de consommation de contenu et soutenons que, de la même manière que d'autres troubles de l'information, certains régimes d'attention peuvent être défavorable à au développement d'un débat public sain et florissant. Nous fournissons un nouveau concept de régime d'attention sur-accéléré, dans lesquels la majorité de l’attention est obtenue par une minorité d’objets, sans pour autant être capable de la pérenniser, donnant lieu à des débats publics éphémères et fragmentés. Cette conceptualisation justifie l'intérêt d'étudier la dynamique temporelle en ligne avec une approche empirique. Pour ce faire, nous collectons et étudions une large base de données YouTube, contenant l'évolution du nombre de vues de 1400 chaînes représentatives de la sphère médiatique française. Nous proposons un modèle de Bass pour expliquer l'évolution du nombre de vues et nous étudions le rôle que les mécanismes d'imitation et d'innovation jouent dans la diffusion sur YouTube.L’imitation joue ainsi un rôle significatif seulement dans une minorité de vidéo, caractérisées par leur popularité et la rapidité de leur diffusion. Nous observons la présence d'une composante d'imitation significative uniquement dans une minorité de vidéos, qui sont en moyenne plus populaires et se diffusent plus rapidement.Par ailleurs, en plus de rendre possible cette modélisation, les données YouTube ont mis en évidence des point intéressants : la plateforme réduit souvent le nombre de vues, en supprimant celles attribuables à des programmes automatisés. Ce phénomène touche une vidéo sur deux et la plupart des chaînes étudiées. Nous fournissons une analyse des taux de correction et discutons de la possibilité que, si elles sont corrigées trop tard, les fausses vues puissent interférer avec les recommandations humaines et algorithmiques, favorisant le contenu ciblé. Comme contribution finale, nous saisissons l'opportunité d'avoir collecté des données pendant une période historique sans précédent : la pandémie de Covid-19. Étant donné le caractère unique de ce moment, nous consacrons une attention particulière aux changements majeurs que les confinements mis en place dans le monde ont eu sur l'activité en ligne. Cette analyse nous permet de distinguer les comportements "naturels" des comportements "extraordinaires" sur la plateforme, contribuant ainsi à éclairer davantage le fonctionnement de YouTube en tant que média social.