Version classiqueVersion mobile
OpenEdition Books

Opinion mining et ‎Sentiment analysis

 | 
Dominique Boullier
, 
Audrey Lohard

Chapitre 6. Sentiment analysis et SHS

Note de l’éditeur

Cet ouvrage est en vente au format numérique (pdf/Epub) et sur support papier.

Texte intégral

Les enjeux pour les diverses disciplines

1Les disciplines des SHS n’aiment guère partager leurs approches car le risque de syncrétisme est considéré comme une faute impardonnable au royaume des h-index et des citations. Cependant, le numérique peut aussi servir à autre chose qu’à refermer un peu plus les frontières disciplinaires car il offre des outils, des méthodes et des questions qui deviennent de fait transversales. Les méthodes statistiques l’avaient déjà fait, mais désormais le traitement du langage, de l’opinion ou encore l’usage des cartes et la visualisation d’informations complexes constituent des passerelles fort utiles. Quelques principes transversaux méritent donc d’être mis en évidence, avant de préciser en quoi deux disciplines qui nous sont plus familières, la sociologie et les sciences politiques, peuvent bénéficier des avancées en matière de méthodes d’analyse de la tonalité.

Accepter les détours informatiques ou non ?

2Les chercheurs en SHS disposent rarement, dans leurs laboratoires, d’informaticiens à disposition et ce n’est même pas le cas parfois au sein de l’université, les informaticiens en question n’acceptant guère de se voir instrumentaliser. En réalité, une convergence importante se fait jour car la plupart des problèmes rencontrés désormais par les avancées en traitement de l’information porte précisément sur du langage dit naturel, ce qui suppose des contextes qui font sens et qui sont de fait déjà analysés par les chercheurs en SHS. On peut ainsi rencontrer des chercheurs en informatique extrêmement adaptables aux demandes des SHS dans la mesure où cela leur permet de tester leurs méthodes et d’enrichir leurs propres règles de traitement par la connaissance experte apportée par les chercheurs d’un domaine.

3Pour les linguistes en revanche, la collaboration est devenue tellement étroite que le TAL a fini par envahir toute la discipline. C’est pourquoi il est désormais difficile de savoir dans les DEFT et autres symposiums si les présentations sont faites par des informaticiens de formation spécialisés dans le TAL, la RI ou autres sigles qui peuplent ce monde effervescent, ou par des linguistes qui ont eu besoin de ces outils et en sont devenus aussi des experts.

4La place réservée à l’expertise des disciplines et celle de l’informatique peuvent varier considérablement selon les choix effectués et dès lors la place accordée à l’expertise humaine et la confiance donnée aux algorithmes peut aussi être très différente. À partir d’un certain degré de complexité et de finesse d’analyse, le chercheur, même pétri de compétences et de la meilleure volonté technophile, se retrouve inévitablement devoir faire confiance aux verdicts de ses collègues informaticiens. Or, chacun des choix effectués peut révéler une portée théorique insoupçonnée. Notre propre collaboration avec des informaticiens sur plusieurs projets, avec des spécialistes du web mining et avec des physiciens spécialistes de la modélisation nous l’a appris au fil des années. Pour diverses raisons, dont l’efficacité et la rapidité, de nombreuses évidences sont supposées partagées et ne peuvent être interrogées, alors qu’elles vont contraindre toute la suite des développements, les résultats et leur validité. L’enjeu des humanités numériques comporte donc un aspect sociologique très important, quant aux poids des experts des divers domaines qui, de ce fait, peut déboucher sur la place des outils informatiques dans la recherche. Il n’est pas si simple de prôner une ouverture d’esprit qui débouche, dans de nombreuses expériences, sur un gâchis considérable en raison des rapports de force ou de défiance entre spécialistes. Or, les super-experts maîtrisant tout autant l’informatique que la sociologie ou la géographie ne sont pas les sauveurs suprêmes, quand bien même il convient d’encourager ces doubles compétences.

5Sur ces projets d’opinion mining en particulier, qui traitent un matériau linguistique informel et subjectif, il importe de calmer parfois les ardeurs des développeurs et de les ramener à la raison quant à la portée des découvertes ou des annonces faites sur leurs systèmes. Une fois ces attentes calmées sans esprit de dénigrement, il est possible de travailler à avancer pas à pas, de façon contrôlée. Mais de leur côté les chercheurs en SHS doivent admettre que les gains obtenus par la vitesse de traitement et les volumes de données traités se paient d’une approximation plus grande (mais cela, ils le savent avec leurs intervalles de confiance en statistique) et d’une exigence de formalisation extrême de leurs catégories. De ce point de vue, les contraintes de la machine, de l’informatisation sont particulièrement utiles. Trop souvent les analyses de discours qui constituent la base d’une grande quantité de travaux dans toutes les disciplines des SHS ne sont en rien formalisées rigoureusement parce qu’il n’est fait appel à aucun traitement par des outils linguistiques informatiques. Quand ils utilisent tous les logiciels existants d’analyse lexicométrique par exemple, il est parfois difficile en revanche de ne pas se perdre dans une forêt de calcul, à partir de catégories qui auraient mérité d’être interrogées. Le recours au calcul doit être en fait une aide pour réinterroger ces catégories, notamment en matière d’opinion et non une voie royale pour la simplification. Ce qui ne veut pas dire refuser toute approximation. Mais toute la question reste de savoir ce qu’on fait, comme disait Bourdieu définissant l’épistémologie.

Le verrou linguistique en informatique

6La fascination ou l’attente vis-à-vis de l’informatique d’un côté comme les réticences de l’autre seraient moins vives si l’on admettait que le verrou linguistique constitue bien la limite sur laquelle bute toute l’informatique contemporaine. Les SHS ont toujours travaillé avec ce matériau. La plupart d’entre elles en ont produit des théories plus ou moins fondées linguistiquement mais qui permettaient de mettre en évidence certaines des dimensions du langage. Or, il est certain que les « computer sciences » ont tout fait pour éviter la confrontation théorique sur ce terrain et c’est pourquoi d’ailleurs elles ont obtenu d’aussi bons résultats. En traitant d’abord des chaînes de caractères puis en remontant par approximations successives vers des niveaux dits plus élevés de la signification, les questions syntaxiques puis sémantiques ont semblé résolues. Les problèmes restent cependant bien présents et surtout les confusions persistent grâce à ces approximations rendues invisibles par des corrections permises par la puissance de calcul et le traitement statistique. Or, notamment pour ces expressions subjectives dites de « sentiment » ou plutôt de tonalités, les limites des approches du langage comme étiquetage apparaissent rapidement.

7Mais ce verrou ne pourra être levé que par un effort considérable de théorisation fondamentale et de modélisation informatique à partir des théories linguistiques et non l’inverse. On notera ainsi à quel point la logique floue et sa prise en compte des expressions ordinaires peut constituer un pas intéressant dans la capacité de la technique à plier (comme le disent Akrich, Callon et Latour pour l’innovation technique) aux spécificités du langage. Un investissement majeur en direction d’une recherche fondamentale reste nécessaire pour rendre possible une utilisation plus « naturelle » de l’informatique par les SHS.

Accepter d’abandonner la référence socio-démographique

8Les contraintes et les limites de l’informatique sont déjà difficiles à accepter sans aucun doute pour les SHS mais celles du web sont différentes et tout aussi difficiles à accepter. En effet, toutes les web studies, et le sentiment analysis en fait partie lorsqu’il traite de corpus web recueillis en ligne. Ce qui est alors étudié ne fait plus référence à des émetteurs bien identifiés dont les chercheurs posséderaient les caractéristiques socio-démographiques classiques et considérées comme définitoires de la personne (en tant que sujet statistique tout au moins). Ici les énoncés sont nivelés et c’est leur agrégation qui fait sens. Ce qui ne devrait pas effrayer toute une partie des sciences sociales qui n’a pas de culte particulier des individus et qui est prête à considérer que ces flux d’opinions sont des objets sociologiques tout à fait légitimes. Mais il faut alors changer de paradigme et ne plus chercher des explications par des causes qui seraient logées dans des propriétés socio-démographiques considérées comme des attributs d’un autre statut que toutes celles auxquelles on peut accéder sur le web. Car ces opinions ne sont pas pour autant dépourvues d’ancrage, d’attributs repérables et par là exploitables. Ainsi les sites ou les plates-formes sur lesquels sont recueillies ces opinions peuvent avoir une pertinence dans l’analyse : c’est pourquoi les méthodes pour analyser les sites web, les blogs, les tweets ou les pages Facebook peuvent être différentes, notamment parce qu’elles diffèrent obligatoirement dans la méthode d’extraction des données et dans les métadonnées associées (qui peuvent être très riches sur Twitter comme nous l’avons rappelé). Cela nous a conduits d’ailleurs à élaborer un indicateur d’influence qui permet de pondérer les items recueillis en fonction des sources d’émission et de leur score d’influence, ce qui atténue cet effet agrégat nivelant tous les énoncés.

9Cependant, rien n’empêche d’utiliser aussi les méthodes d’opinion mining et de sentiment analysis sur des corpus plus référencés sur le plan socio-démographiques, soit à travers des enquêtes en ligne avec profilage explicite des répondants, soit avec des sites ou forums avec profil déclaré, etc. Ou encore sur des corpus textuels d’un autre genre que le web ou sur des corpus dont les auteurs sont clairement identifiés (journalistes, hommes politiques, ou autres).

10Les méthodes pour retrouver ces repères socio-démographiques dans les métadonnées et indices divers exploitables sur les sites ou plates-formes demandent encore de grandes avancées. L’obligation faite à leurs membres par Facebook et Google+ de déclarer leurs identités légales ne peut pas tenir et ne tient pas de fait car nombreuses sont les identités sans référence à une personne légale (sans parler des groupes ou des pages). Mais l’important serait encore d’obtenir le profil détaillé qui comporterait les données socio-démographiques recherchées. Comme on le voit, ce serait alors à la fois rêver de formater Facebook pour les sciences sociales et enfreindre les lois sur les données personnelles. Il faut donc faire son deuil et pour longtemps des repères socio-démographiques sur le web actuel et pour cela changer de paradigme d’« explication » dans les sciences humaines et sociales, tellement fondées sur une théorie trop implicite de l’individu comme individu et non comme sociation.

Les enjeux de l’analyse de la « conversation en train de se faire » (et non de l’« opinion publique déjà faite »)

Les outils doivent donc être adaptés à deux stratégies de recherche

11Cependant ces évolutions théoriques nécessaires peuvent être de plus ou moins grande ampleur selon qu’on s’intéresse avant tout à l’opinion publique déjà faite ou à la conversation en train de se faire. En effet, le recueil agrégé des opinions réalisé par les méthodes d’opinion mining et de sentiment analysis peut aboutir à dresser une photographie de l’opinion à un instant t, en considérant avant tout les résultats agrégés. Il est même possible de suivre leur évolution et de comparer les niveaux de satisfaction ou de jugements positifs ou négatifs sur un produit, un sujet, une marque ou une personnalité et l’on retrouve alors les modes de constitution de l’opinion produite par les sondages, à la différence près que l’on perd la source individuelle des réponses pour y substituer des sites d’émission. Les cartographies du web et des communautés et la topologie de leurs relations constitue d’une certaine façon l’équivalent de cette observation de l’opinion déjà faite dans le domaine des web studies. Cependant, il est aussi possible d’exploiter ces données agrégées de façon à produire une analyse dynamique de la contagion, de la propagation, des moments et des prétextes à inflexion de l’opinion. Cela veut dire alors s’intéresser moins aux résultats des agrégats qu’aux points de passage et aux formes des variations, pour identifier des lieux et des moments qui ont fait médiation, c’est-à-dire qui ont infléchi la suite de l’onde de propagation. Nous sommes là plus proches d’une sociation en train de se faire, d’une conversation même si elle reste agrégée encore. Les deux postures sont tout à fait légitimes et nécessaires, on peut seulement regretter que la dominante sociologique positiviste influencée par Durkheim ait fini par oublier l’autre versant des phénomènes et de leur étude, celle que préconisait Tarde et que Bruno Latour a si bien revisitée. Mais il faut se rendre à l’évidence, il n’est guère possible d’adopter les deux regards à la fois, exactement comme la physique quantique admet ne pas pouvoir déterminer en même temps la position et la trajectoire d’une particule, puisque dans un cas, elle a statut de particule et dans l’autre statut d’onde, certes faite de particules mais qu’on ne peut distinguer comme trajectoire car les dispositifs d’observation doivent être différents.

12Une autre distinction mérite aussi d’être faite pour bien mesurer les deuils méthodologiques qui sont à chaque fois nécessaires. Les outils d’opinion mining et de sentiment analysis sont adaptés au traitement de larges corpus et de ce fait, comme nous le disions précédemment, poussent à négliger les émetteurs des opinions et leurs statuts socio-démographiques inaccessibles sur le web. Cependant, dans une logique de traçabilité de la propagation, il est probable que l’on puisse assez rapidement trouver des méthodes pour repérer certains auteurs plus influents que d’autres, par exemple. C’est pour ces raisons que nous avons développé un indicateur d’influence, pour ne pas être trop dépendant des valeurs agrégées et c’est aussi pour ces raisons que Telmo Mendez a créé un algorithme qui permet de repérer sur les blogs les véritables bloggeurs influents, non pas seulement par leur répétition (RT) mais par l’amplification que vont provoquer ces RT selon les directions qu’ils prennent. On peut ainsi voir que certains relais sont en fait les véritables influenceurs quand bien même ils ne sont pas les sources premières d’une alerte ou d’une annonce qui sera reprise.

13Il est alors tentant de suivre ces influenceurs, voire de les décrire en obtenant leurs propriétés sociales proéminentes, via des méthodes de datamining plus ou moins légales du point de vue du respect des données personnelles. En admettant que tous ces obstacles soient levés, ce qui n’est pas encore le cas, il serait alors possible d’exploiter les méthodes d’opinion mining et de sentiment analysis non pas pour faire la photographie d’un état de l’opinion ni même pour suivre ses évolutions en tant qu’agrégat mais de suivre la carrière des opinions émises depuis certains points bien identifiés de l’espace social du web. Cependant, là encore, deux postures seraient possibles :

  • celle qui consiste à retomber sur des propriétés stables des entités émettrices, ce qui permet de considérer que des repères identifiables peuvent être obtenus dans ce flux continu d’informations, ce qui d’une façon ou d’une autre, malgré l’incertitude des informations permet de s’appuyer sur une forme de positivité de la source, c’est-à-dire d’un individu émetteur. Lorsque les offres d’opinion mining cherchent à traiter cette question, elles privilégient immédiatement des plates-formes avec un profil riche et plutôt certifié comme Facebook, et vont même alors jusqu’à tracer les cartes des réseaux égocentrés qui permettront ensuite de comprendre la propagation le long de ces réseaux. On le voit, on peut ainsi revenir à des entités stables et positives qui « expliquent » même la propagation dans la tradition de certaines analyses de réseaux, dédiées par exemple à l’innovation (cf. Coleman et les innovations dans le milieu médical). C’est ainsi que nous avons pu produire la topologie des associations étudiantes de Sciences Po en utilisant les appartenances des comptes de Facebook à des pages d’associations, ce qui permet de visualiser comment les associations sont reliées entre elles à travers les membres qu’elles ont en commun ;

Graphe des pages Facebook des associations d’étudiants de Sciences Po

Graphe des pages Facebook des associations d’étudiants de Sciences Po

Source : Medialab, Paul Girard, Mathieu Jacomy et Rémy Cérésiani, 2011.

  • celle qui considère que l’unité d’observation a priori n’est pas nécessairement l’émetteur, mais peut être le message lui-même, qui peut devenir agissant en propre, possédant sa propre « agency », que l’on pourra éventuellement attribuer alors à des propriétés sémiotiques ou sémantiques spécifiques. Ce sont alors les messages individuels qui sont les unités de base de l’observation et que l’opinion mining doit suivre à la trace. Le meme tracker de Leskovec et Kleinberg relève de cette approche, mais il comporte une limite intrinsèque, la réduction des messages à des mèmes au sens strict d’une citation, d’une chaîne de caractères identique (malgré la possibilité de prendre en compte certaines variations). Cette approche tend alors nécessairement à positiver non plus l’émetteur mais le message lui-même, mais elle offre l’intérêt de s’intéresser directement aux patterns de la propagation en prenant comme point de départ le message. Ce faisant, elle abandonne le trait le plus marquant de toute conversation et de toute imitation, à savoir la transformation, la traduction. Or, toute innovation comme tout message ne peut parcourir des milieux différents qu’en étant approprié c’est-à-dire transformé, traduit, et donc trahi. Il existe donc une limite intrinsèque à des approches trop centrées sur des mèmes au sens strict que seules des techniques sémantiques de traitement des traductions/variations autour de noyaux sémantiques seront à même de lever.

14Comme on le voit, les nécessités du calcul tendent quasi naturellement à focaliser l’attention sur des entités aisément mesurables et de ce fait abusivement positivées, et cela même lorsque l’on tente d’adopter une approche dynamique de la sociation en train de se faire. Ce piège doit être bien pris en compte, car c’est qui a conforté les sciences humaines et sociales dans leur posture positiviste, lorsqu’elles ont mobilisé des instruments de calcul statistique, bien avant l’opinion mining. Nous voulons ainsi insister sur la nécessité d’avoir un débat sur les politiques des architectures techniques de recherche d’opinion car, comme nous espérons l’avoir montré, les choix de méthodes sont des choix épistémologiques forts, qu’il n’est pas toujours aisé de mettre à distance, tant l’évidence des chiffres et des algorithmes peut tendre à positiver certaines des entités.

Sciences politiques et opinion mining/sentiment analysis

15Pourquoi les sciences politiques s’intéresseraient-elles à l’opinion mining et au sentiment analysis ?

  • 1 N. Mayer, 2010, Sociologie des comportements politiques, Paris, Armand Colin (U).

16À vrai dire, c’est la question inverse qu’il faudrait poser, car dès qu’on parle d’opinion, c’est toute la tradition des sciences politiques qui doit être prise en compte (et nous nous appuierons largement sur l’état de l’art remarquable réalisé par Nonna Mayer1 pour faire les passerelles nécessaires).

17Le phénomène d’expression des internautes sur le web et sur les réseaux sociaux comme Facebook et Twitter soulève à lui seul un grand nombre de questions sur l’évolution des démocraties voire sur le rôle de ces médias dans le passage à la démocratie. Nous verrons ensuite comment les méthodes d’analyse proposées dans l’opinion mining et le sentiment analysis peuvent être reprises voire approfondies par les sciences politiques. Deux approches complémentaires mais qui peuvent être légitimement séparées : l’analyse du web 2.0 et des réseaux sociaux par les sciences politiques, et les méthodes d’utilisation par les sciences politiques des ressources fournies par ces contributions des internautes.

Démocratie et web contributif

18L’évolution, dite du « web 2.0 », qui génère ces contributions massives est récente (depuis 2000 environ, l’expression étant forgée en 2003) et la nature des questions qu’elle soulève est totalement différente de celles des années 1990, posées en termes de communication politique. À partir de l’émergence du web (1991) et surtout des navigateurs faciles d’utilisation (Netscape, 1994), les partis, les institutions, les élus, les candidats, voire les mouvements sociaux divers ont tous créé leur site Web considéré comme une vitrine, comme un passage obligé de la notoriété et de l’image de modernité. Le web devenait alors un média de diffusion de plus, pouvait-on estimer, permettant diverses combinaisons avec le papier, la télévision, la radio, etc. Rien qui bouleverse les comportements politiques ni les outils d’analyse.

  • 2 D. Boullier, 2004, La télévision telle qu’on la parle. Trois études ethnométhodologiques, Paris, L’ (...)

19Or, depuis 2000, avec les systèmes de site dynamique (CMS ou Content Management System), avec la prolifération des publications personnelles à travers les blogs, puis avec la mise en réseau social des « amis » à une échelle mondiale, l’échelle du phénomène a changé, car ce sont des millions de « citoyens » qui ont commencé à s’exprimer publiquement, même s’ils le font souvent anonymement, ce qui perturbe les analystes, habitués à rapporter ces expressions aux propriétés socio-démographiques des individus. On oublie parfois de noter que leurs publications consistent souvent à citer un autre post, un autre média, alors que c’est précisément ce que les sciences politiques et parfois la sociologie de la communication analysaient comme conversations, comme réseaux d’influence personnelle, dès les travaux de Katz et Lazarsfeld. Il serait même possible de remonter à Tarde pour qui la sociologie dans son ensemble aurait dû s’appeler « science de la conversation » pour suivre à la trace toutes ces influences qui font tenir une société. Nous avions suivi son précepte sans le savoir (!) en étudiant en 1987 le rôle des conversations télé dans la constitution d’une opinion publique que nous disions « locale »2. Dans une discussion de comptoir, image trop souvent et abusivement utilisée, « on » parle, « ça » parle, sans que les identités soient nécessairement connues, sur le mode éphémère, et les sujets à l’ordre du jour (à l’agenda) peuvent être débattus, c’est-à-dire les sujets mis à l’ordre du jour par les médias, qu’il s’agisse de politique ou de faits divers, au sein desquels le commentaire dit « politique » se loge aisément.

20De ce point de vue, certains peuvent considérer que le web 2.0 réalise mieux « l’idéal participatif » qui constitue un des volets de la démocratie. La plupart observent cependant que ce web 2.0 est nettement moins performant pour améliorer « l’idéal délibératif ». Le débat est donc permanent et insoluble, car l’expression « des gens » est sans doute une condition nécessaire d’un idéal démocratique mais jamais une condition suffisante.

21Mais s’agit-il encore de l’expression des gens ? L’anonymat pouvait faire douter du statut des émetteurs et les évolutions récentes peuvent confirmer les doutes de certains sur ce plan. L’observation des commentaires, twitts et autres posts divers fait apparaître l’expertise de plus en plus grande de certains politiques ou professionnels de la communication, pour exploiter les propriétés virales de ces médias et engager des véritables stratégies de guerre informationnelle, de lutte d’influences et de façonnage de réputations. Le marketing a depuis longtemps adapté ses méthodes à la vie politique et ces nouvelles ressources médiatiques sont fort prisées. Pour l’instant, l’effet de mode ou l’obligation de présence par défaut semblent les seuls véritables arguments, car rien ne permet de démontrer l’efficacité de ces stratégies, quand bien même tout le monde prend désormais la campagne de Barack Obama comme référence dans le domaine. Ce serait oublier alors de lister tous les facteurs qui permettent de comprendre le succès de cette campagne exploitant pour la première fois activement les réseaux sociaux (il faudrait dire après Ségolène Royal !) : travail de terrain équipé avec le numérique, bases de données, campagnes télé massives et très coûteuses, candidat hors normes, effet de premier entrant, etc. Dans ce contexte de manipulations possibles de ces effets et d’incertitude sur l’utilité réelle de ces nouveaux médias, la question de la mesure, c’est-à-dire de dispositifs fiables de mesure de ces conversations, de ces influences, devient dès lors stratégique : on ne pourrait comprendre le « hype » autour du sentiment analysis sans cet impératif de justifier d’éventuels investissements dans le social media monitoring et cela aussi bien pour les produits du marché que pour les offres politiques. Par effet de mimétisme, « tout le monde » pense « qu’il faut y aller », il devient donc vital de savoir un peu mieux ce qu’on y fait, d’avoir des outils un peu fiables, et de se lancer dans le benchmarking des solutions d’opinion mining et de sentiment analysis, « comme tout le monde » là encore. A priori, cette extension du domaine des discours politiques ne devrait pas remettre en cause les principales catégories pourrait-on penser. Toutes les traditions d’analyse des discours politiques et des stratégies de communication étendraient leur champ à ces nouveaux médias. Les outils d’opinion mining seraient ainsi directement utiles aux analystes des campagnes électorales par exemple et 2012 sera en France l’année d’émergence massive de l’utilisation de ces outils. Il s’agira alors de traiter par exemple les messages d’un candidat, d’un parti voire d’un courant sous toutes leurs formes (site web, blogs, page Facebook et twitts compris) et les analyses de discours pourront fonctionner avec leurs mêmes grilles. Dans ce cas, ce ne sont plus les réactions du public et la dimension contributive du web 2.0 qui sont prises en compte mais une extension supplémentaire des modes de diffusion d’un message. Ce qui permettrait d’éviter de mobiliser le sentiment analysis qui présente avant tout un intérêt pour l’étude des réactions du public. Mais, on s’en doute, ce serait alors manquer tout un pan nouveau de suivi des mouvements d’opinion en évitant de coupler l’analyse de l’émetteur à celle des récepteurs, alors que le web 2.0 semble offrir toutes les ressources pour cela.

22Un pas dans ce sens pourrait consister à suivre les reprises, citations, polémiques, critiques suscitées par l’expression d’un candidat, d’un élu, d’un parti, etc. Les outils de traçabilité de ces réplications existent notamment avec le « meme tracker » de Jenkovec et Kleinberg, qui permet de cumuler les différentes reprises d’une expression émise lors d’un discours par exemple, et le meme tracker fut expérimenté pendant la campagne Obama (voir infra).

Phrases les plus reprises pendant la campagne présidentielle américaine de 2008

Phrases les plus reprises pendant la campagne présidentielle américaine de 2008

Source : http://memetracker.org/​

23Ces visualisations spectaculaires permettent de bien comprendre le poids décisif des formules et des slogans bien ciselés qui se diffusent de façon virale pour créer le buzz. Ici, on ne s’intéresse pas à l’opinion de ceux qui répètent le message mais au seul fait qu’il est repris, ce qui reste tout à fait conforme à l’analyse visionnaire de Andy Warhol (« Don’t pay any attention to what they write about you. Just measure it in inches »). Être visible, c’est désormais pour un candidat, un élu ou un parti, s’assurer de ces effets de contagion, de buzz, de façon à fixer l’attention sur soi, en bien ou en mal, comme sait le faire excellemment Berlusconi notamment qui occupe tous les jours la une de tous les médias et de toutes les conversations grâce à son don pour les phrases provocantes et grâce à son actualité people, faits divers, business, football, tout autant que politique.

  • 3 B. Manin, 1995, Principes du gouvernement représentatif, Paris, Calmann-Lévy, p. 299.

24Cependant, cette exploitation des données du web ne remet pas véritablement en cause les cadres d’analyse des discours et des stratégies de communication, il permet de suivre seulement un peu plus efficacement la focalisation des attentions et des médias sur certains « arguments » en les rendant plus aisément calculables. Or, avec la contribution massive du public sur le web 2.0, il serait peut-être nécessaire d’assumer dans l’analyse même le passage annoncé à la « démocratie du public » (succédant, selon Bernard Manin, au parlementarisme et à la démocratie des partis), qui témoigne de l’apparition d’un nouveau protagoniste de la délibération publique, l’électeur flottant et informé, et d’un nouveau forum de délibération, les médias3. Il serait aussi possible de considérer, en reprenant le fameux schéma d’Hirschmann, que ces dispositifs nouveaux d’expression sont autant de formes d’encouragement à la « voice », à l’expression des critiques, ce qui pourrait aussi retarder l’« exit », l’abandon ou la fuite, que l’on constate pourtant dans la participation électorale. Hirschmann avait construit son modèle pour les attitudes des consommateurs des marques et l’on peut comprendre que celles-ci soient particulièrement attentives à écouter leurs clients qui critiquent leurs produits en ligne, dans le but d’utiliser ce retour stratégiquement, soit pour modifier leurs produits, plus souvent pour modifier leurs messages (ce qui revient souvent à « calmer le jobard », selon l’expression de Goffmann), ou encore pour couvrir leur voix (ce qui est une des utilisations massives du social media monitoring). Ce web 2.0 contributif constitue pourtant une occasion pour réinventer des liens avec un public qui pouvait sembler ne plus supporter les seuls messages des mass media. Ce « public » prend désormais plusieurs statuts et dispose de plusieurs ressources médiatiques. N’oublions pas cependant que les médias de masse continuent de jouer un rôle essentiel dans la publicisation des problèmes et des campagnes électorales, comme l’indique ce graphique réalisé au moment de la campagne Obama. Seuls les journaux voient leur influence (déclarée) diminuer au profit d’internet.

  • 4 Y. Benkler, 2006, The Wealth of Networks. How Social Production Transforms Market and Freedom, New (...)

25Benkler4, pourtant ardent promoteur de cette nouvelle participation politique à travers le web 2.0, a bien analysé ce couplage entre les mass media traditionnels et les médias sociaux, lorsqu’il parle d’un « attention backbone » qui permet à des informations émergentes, sur un blog par exemple, de gagner en visibilité rapidement à condition d’avoir été reprises par les « grands médias ». De même, les moindres incidents se déroulant sur une chaîne de télévision prennent des proportions gigantesques car ils sont aussitôt répliqués par toute cette chaîne de médias sociaux et contributifs. De ce point de vue, la dimension « expression » observée sur les médias sociaux doit être systématiquement pondérée par l’activité essentielle de la plupart des contributeurs, déjà évoquée, faite de citations, de réplications, de circulations, qui accélèrent les pics et les creux de l’attention médiatique collective.

  • 5 E. Katz, P.F. Lazarsfeld, 1955, Personal Influence: the Part Played by People in the Flow of Mass C (...)
  • 6 B. Berelson, P. Lazarsfeld & W. McPhee, Voting. A Study of Opinion Formation in a Presidential Camp (...)

26D’une certaine façon, cela revient à répéter ce que Katz et Lazarsfeld disaient dans Personal Influence5 et dans Voting6: le « two-step flow » est après tout un mécanisme de réplication et de circulation, qui s’appuie sur les rôles particuliers de certains récepteurs des médias, qui ne sont plus aussi passifs que toutes les théories de la propagande et des effets puissants des médias (Gitlin) avaient voulu le dire (et qui sont d’ailleurs de moins en moins passifs avec le web 2.0). Mais comme le disaient Katz et Lazarsfeld, ces influences s’exercent dans des domaines séparés (pour leur étude, la mode, la consommation, le cinéma et la politique) et les études d’opinion mining nous confirment dans ce sens : une influence ne se mesure que domaine par domaine. On pourrait même ajouter phase par phase si l’on reprend les diverses phases d’une campagne électorale : l’exposition (sélective) à certains médias (et médias sociaux aussi bien), la cristallisation et la conversion (souvent limitée) relèvent d’influences différentes. Ce qui a pu être dit des médias semble devoir s’appliquer aussi pour les médias sociaux, à savoir qu’ils participent à l’amplification des effets d’agenda setting (non pas ce qu’il faut penser, mais à quoi il faut penser et sur quoi il faut avoir une opinion), d’amorçage (« priming », en psychologie cognitive) et de cadrage (« framing », pour fournir les cadres d’interprétation de tout événement). Les travaux qui permettraient de définir la contribution préférentielle de ces médias sociaux à l’un ou l’autre de ces effets restent encore attendus.

27Ce qui change en revanche, c’est l’échelle, comme le dit toujours Mc Luhan, à laquelle s’exercent ces influences des proches. Car ces proches du web 2.0 peuvent être proches par leurs opinions, par leurs centres d’intérêt, par leur style d’argumentation mais en revanche très éloignés dans l’espace. Or, pour « se forger une opinion », il y faut souvent la chaleur de la forge des autres, du miroir des autres : savoir ce que pensent les autres était relativement limité à un cercle d’interconnaissance ou d’avis fournis par les autres médias de masse. Désormais, c’est toute « la longue traîne des opinions » qui peut être disponible et accessible. Avec ce concept de longue traîne, Anderson a décrit ce phénomène (qui prend la forme d’une loi de puissance) de disponibilité de tous les contenus culturels sur internet, qui contrebalance la limitation des offres de biens culturels provoquée par les contraintes d’espace dans les rayonnages des magasins « en dur ». Dans un magasin virtuel, et encore plus pour des biens numériques, il n’existe plus de limite de stockage et l’agrégation des demandes faibles pour des contenus de niches permet de générer de la rentabilité, du moment qu’une orientation fine est possible à travers des moteurs de recherche internes puissants et des recommandations de la communauté qui gravite autour du site. En transposant ce modèle à la vie politique, il est certain que le sentiment d’isolement de certains porteurs d’opinions non conventionnelles ou porteurs de causes sur des questions spécifiques qui ne parviennent pas à trouver place sur l’agenda politique, se trouve compensé par une connexion aisée à des semblables, pourtant très éloignés dans l’espace. Ce qui fait dire à certains que le web 2.0 ne peut que contribuer à la dispersion et à la fragmentation des opinions et à l’incapacité à s’aligner sur quelques principes communs. Mais en attendant, cette mise en relation permet de modifier les conditions de visibilité d’opinions ou d’« issues » qui n’avaient pas droit de cité auparavant. Les outils existent même désormais pour suivre ces mouvements d’opinion et leur formation.

Les méthodes de suivi forgent les concepts

  • 7 P. Converse, 1964, « The Nature of Belief Systems in Mass Publics », Ideology and Discontent, D. Ap (...)
  • 8 D. Boullier, 2010, La Ville-événement. Foules et publics urbains, Paris, PUF.
  • 9 B. Latour, D. Boullier et al., 2012, « The Whole is Always Smaller than Its Parts. A Digital Test o (...)

28Le changement de comportement politique potentiel s’accompagne toujours d’un renouvellement des méthodes pour le tracer et les deux ont toujours été de pair, voilà le pari que nous voudrions défendre ici. La démocratie d’opinion, dénoncée par ceux que l’inflation des sondages insupporte, ne peut pas exister sans ces mêmes sondages qui sont censés mesurer l’opinion qu’ils sont les seuls à pouvoir rendre visible sous cette forme. Ce qui entraînait les critiques sévères de Bourdieu notamment, qui pouvait prolonger les analyses de Converse7. Désormais, il est possible de suivre des « mouvements d’opinion », parce que nous disposons des outils de traçabilité de la circulation des indices de ces opinions, au post près, en allant de l’agrégat qui fait le mouvement à la séquence précise de « retwitt » par exemple qui amorce la contagion. Il est alors plus opportun de parler, comme nous l’avons proposé8 de « mouvements d’opinion » et non plus d’opinion. L’avantage est ici équivalent à celui qui consiste à passer de la photo fixe au film, quand bien même chercheurs et sondeurs faisaient déjà en sorte de juxtaposer des images successives pour reconstituer le mouvement. Mais l’expression « mouvement d’opinion » présente l’avantage de faire perdre la supposée « substance » de l’opinion, elle empêche ou retarde la réification, et cela uniquement parce que nos outils de traçabilité nous permettent de reconstituer le grain fin des influences pas à pas, tout au moins une fois admise la réduction propre au web. Cet argument rejoint le travail fait par Latour, Boullier et al9. sur les changements de taille des entités manipulées par la recherche dès lors que l’on change les outils pour passer au numérique dynamique.

  • 10 D. Boullier, 2004, op. cit.
  • 11 N’oublions pas en effet que, sur le web comme en situation ordinaire face-à-face, les conversations (...)

29Ces nouveaux outils rendraient possible mais aussi nécessaire le passage de l’opinion au mouvement d’opinion, ce qui constitue un premier glissement théorique et non plus méthodologique. Un deuxième glissement identique émerge avec la prolifération des expressions disponibles pour le traitement. Les traditionnelles études d’opinion « politiques » ne peuvent plus se reposer sur leurs définitions a priori de ce qui est politique dès lors qu’on cherche à capter ces mouvements d’opinion sur le web. En effet, ce serait alors restreindre le champ d’étude à un segment très délimité qui n’était en fait que le résultat d’un artefact, à savoir la contrainte posée par les sondages ou enquêtes face à face de divers types qui devaient, par nécessité pratique, réduire leurs questions à ce qui est scientifiquement labellisé comme politique et de ce fait comparable sur de vastes échantillons. Or, comme l’ont montré S. Duchesne et F. Haegel, « beaucoup parlent politique sans le savoir », c’est-à-dire que les formes prises par le débat politique ne respectent pas les canons forgés par les divisions partidaires : soit parce que les discussions portent sur des problèmes (issues) et cela renforcerait cette motivation pour les enjeux qui ne respectent pas les clivages, soit parce que tout peut être objet d’élaboration politique. Ce fut le cas récemment sur les questions de racisme lors d’un débat sur le football ou de façon plus étonnante, sur les principes de justice respectés ou non dans un jeu télé10, ou encore sur les frasques d’un riche « people ». Il est donc possible de suivre des conversations générées spontanément (même si précadrées par les émetteurs, n’en doutons pas, et par un contexte d’énonciation11) et non plus seulement des réponses provoquées par les chercheurs (nous reviendrons plus techniquement sur ce point plus loin). Et il est aussi possible de suivre des conversations non étiquetées a priori comme politiques, avec tout l’entremêlement des thèmes et des niveaux qui fait le propre des échanges ordinaires.

30Si les sciences politiques acceptent de faire ce pas de côté et de prendre en compte comment se construit une position politique ou une attitude vis-à-vis de certaines valeurs à travers des discussions d’une part (et non plus avec des questionnaires) et sur des thèmes non explicitement partisans ni politiques d’autre part, il est certain qu’elles pourront tirer un grand profit de ces nouvelles ressources à disposition sur le web. Il ne s’agit donc pas seulement d’outils nouveaux ou plus performants mais d’un autre cadre de référence, qui rend visibles des phénomènes que l’on avait tendance à sous-estimer par défaut d’équipement. Cela n’invalide pas les méthodes précédentes ni les cadres théoriques, cela oblige seulement à les compléter, à les complexifier ou à les réviser pour accepter la prolifération de données qui émergent désormais.

  • 12 T. Gurr, 1970, Why Men Rebel, Princeton, Princeton University Press.

31Il serait nécessaire pour cela d’éviter la disqualification a priori de l’internet, rencontrée surtout chez les essayistes politiques mais sous-entendue dans de nombreuses expressions d’analystes, pour qui internet se limite à une foire aux expressions sans travail de médiation, de mise en forme indispensable à la constitution de tout espace public. Il serait aisé d’identifier ici la nostalgie pour le rôle central du journaliste dans la mise en forme des opinions. Cela relance en fait un débat récurrent sur le statut du peuple vs les citoyens, assez proche de l’opposition entre « foule » vs « public » : toutes ces expressions non clairement politiques se retrouveraient considérées comme phénomènes de foule, d’expressions brutes (donc de brutes !), loin du souci du bien commun que doit montrer le citoyen abstrait, jamais rencontré par ailleurs. Cependant, pour exploiter malgré tout cet argument, en suivant à la trace ces expressions brutes, il serait par exemple possible d’argumenter l’hypothèse de Ted Gurr12sur les frustrations comme source de violence politique : dans la période actuelle, marquée par une accumulation prodigieuse de frustrations, le web, que certains considèrent comme un défouloir, constituerait un vrai dérivatif à la violence politique dans ce cas ou, à l’inverse, un bon indicateur des violences potentielles, comme auraient pu le diagnostiquer les dictateurs arabes récemment. Ce qui voudrait dire que l’opinion mining ou le sentiment analysis seraient capables de prendre le pouls d’une opinion à ce niveau intermédiaire de perception, analogue à la posture d’écoute flottante des psychanalystes (puisque là aussi « ça parle ») ou à celle des professionnels de la veille, attentifs à des signaux faibles ou aux cygnes noirs. Cela constituerait un cahier des charges fort intéressant des sciences politiques à destination des études d’opinion mining ou de sentiment analysis, car il faut bien dire que toutes les mesures actuelles manquent cruellement d’arrière-plan théorique. On comprend ainsi l’impérieuse nécessité d’un investissement par la théorie des sciences sociales de toutes ces questions de mesures sur le web, pour ne pas les laisser aux web sciences, pour qui tout est bon, du moment que l’on trouve une explication ad hoc. Dans ce cas, ce sont les méthodes qui finissent par produire la théorie, quitte à ignorer toute la tradition voisine. Cette remarque n’est pas seulement anecdotique ou gratuitement prophétique : elle renvoie à notre observation systématique de toutes les sciences sociales depuis près de vingt ans qui montre comment l’introduction des outils numériques a fini par phagocyter toute la recherche fondamentale des sciences en question. La linguistique est écrasée par la prééminence du TAL (traitement automatique du langage), la géographie se voit vite dépendante de la géomatique, les sciences cognitives sont dominées par l’ingénierie des connaissances et l’intelligence artificielle, etc. Il serait alors inquiétant que les études électorales par exemple soient entièrement supplantées par l’opinion mining, non plus seulement en tant que méthode nouvelle (car passer du sondage classique à des formes de captation de l’opinion différentes peut être salutaire) mais avec tout un cortège de présupposés non théorisés qui élimineraient des pans entiers de la tradition.

Avantages et limites des mesures en opinion mining

32Cette alerte nous oblige à revenir avec précision sur ce que l’opinion mining mesure et sur l’intérêt de ces mesures pour les sciences politiques. Les données recueillies sont-elles fiables ? Entrent-elles ou non dans le champ des catégories existantes en sciences politiques et doivent-elles à l’inverse faire évoluer les méthodes classiques ?

33Les arguments en faveur des études de l’opinion sur le web reprennent parfois des idées de bon sens… et l’on sait qu’il vaut mieux s’en méfier en matière de sciences sociales. Ainsi, les expressions recueillies sur le web seraient plus « naturelles », puisque non provoquées par les enquêteurs, comme nous l’avons dit. La critique des sondages et de leur formatage des opinions souligne par exemple que le seul fait de poser des questions contraint à répondre et force une expression qui peut produire un artefact. Par contraste, ceux qui s’expriment sur le web le font de leur propre initiative. Cet argument présente une limite intrinsèque qui tient à l’idée qu’une expression pourrait être pure de tout cadrage par les conditions de l’énonciation. Que l’on soit attentif à la situation très particulière, au setting, que constitue la relation d’enquêteur à enquêté est légitime, mais laisser croire qu’il existerait des expressions dont on pourrait ignorer le setting et le cadrage serait d’une naïveté confondante. Ainsi, parler sur un forum anonyme, commenter sur un site de presse où l’on a dû s’inscrire, publier un post sur son blog que l’on alimente régulièrement et dont on suit l’audience, ou retweeter un message d’une des personnes que l’on suit, constituent à elles seules des situations très complexes, très différentes et très contraignantes pour l’expression. Les opinions sur le web n’ont donc rien de naturel, elles sont, comme toutes les autres, encapsulées dans un cadre de communication.

34Seraient-elles cependant plus authentiques ou plus profondes dès lors qu’on ne traite pas de réponses précadrées par un questionnaire et supposées rationnelles, mais qu’on exploite du « sentiment » ? Le terme lui-même est propice à toutes les confusions. Il laisse notamment entendre qu’on peut y déceler les émotions. En réalité, ce n’est absolument pas le cas actuellement, puisque même des marqueurs d’intensité dans l’expression d’un jugement ou d’une opinion ne sont pas exploitables de façon fiable. Or, pour analyser l’émotion, il faudrait faire appel à une analyse sémantique comparée entre les termes possibles d’une part et mobiliser d’autres indicateurs paralinguistiques d’autre part. Seuls les émoticons jouent ce rôle et les analyses ne se privent pas de les exploiter mais de façon très sommaire nécessairement.

35Ces expressions recueillies sur le web seraient-elles donc plus élaborées, moins simplistes qu’une réponse à un sondage ? Cette question ne cible en fait qu’un certain type de sondage et ignore par exemple tout le travail d’enquête qualitative qui peut collecter des expressions complexes avec toutes leurs nuances dès lors que l’entretien est bien mené et que les propos recueillis ne sont pas aussitôt réduits à des indicateurs pour un codage binaire. Or, les analyses de sentiment s’appuient massivement sur des indicateurs ultra-simplifiés que sont les évaluations faites à l’aide d’étoiles ou de notes par exemple et qui sont aisément calculables, par construction. Par nécessité informatique, toute la complexité ou l’ambivalence propre à l’expression langagière est réduite à un code, ce qui suppose de cibler les termes qui vont faire l’objet de l’analyse et de les faire entrer dans des catégories définies a priori.

36Seraient-elles plus quantifiables ? C’est en quelque sorte l’argument inverse du précédent, mais il s’agit en réalité d’un glissement. Les données des expressions brutes sur le web ne sont effectivement exploitables quantitativement que par réduction et nettoyage pour constituer des corpus (comme nous le décrivons dans cet ouvrage). Mais ces opérations sont en fait communes à tout traitement lexicographique par exemple, quelle que soit la source des données textuelles ainsi traitées. L’avantage qui est indiqué subrepticement repose sur la grande quantité de données aisément collectées. Cet avantage est indéniable, les gains en coûts d’enquête sont considérables, même s’il ne faut pas sous-estimer le coût d’une opération d’opinion mining. Mais avantage plus net, la répétition régulière de l’opération de collecte, facilitée par l’automatisation et l’activité permanente des internautes, permet de constituer des séries particulièrement instructives, dès lors que l’on veut suivre des « mouvements d’opinion ». Cependant toute cette opération demande une véritable infrastructure de recherche et de vraies compétences de traitements statistiques ou d’analyse de graphes, ne l’oublions pas.

37Bref, toutes ces données sont de nouvelles sources qui constituent des indices de ce phénomène qu’on a fini par naturaliser, l’opinion : les méthodes d’opinion mining et de sentiment analysis font émerger de nouveaux attributs, permettent de les suivre et de les calculer de façon différente des études d’opinion classiques mais elles présentent aussi des limites, des défauts même, qu’il faut être capables d’énoncer clairement sans se laisser séduire par le « hype » généralisé en faveur des approches centrées sur les données du web.

38Enfin, il convient de préciser les propriétés des expressions recueillies car, comme nous l’avons dit, le terme opinion puis celui de sentiment sont particulièrement polysémiques et, selon les logiques de marché qui dominent sur l’offre actuelle, il est de bon ton de laisser tout cela dans l’ambiguïté. Tentons de la dissiper au contraire pour éviter les fausses promesses en ayant conscience que cela déborde largement les préoccupations actuelles des méthodes d’opinion mining et de sentiment analysis, qui pratiquent ces distinctions sans les expliciter. Nos remarques vaudront dès lors plutôt comme cahier des charges pour l’avenir. Mais ces catégories sont aussi importantes pour toute analyse en sciences politiques, et cette courte discussion permettra peut-être de faire avancer la coopération entre disciplines académiques et méthodes opérationnelles. Répétons-le, l’informatique présente l’avantage de nous obliger à tout expliciter pour le rendre calculable et cela d’autant plus lorsque sur le web, il devient possible de recueillir tout type d’expression. Les méthodes plus classiques des sciences politiques rencontraient moins ce problème car elles pouvaient distinguer a priori des types d’énoncés qu’elles se chargeaient de provoquer mais qui avaient éliminé par avance d’éventuelles ambiguïtés. Or, on sait que l’expression langagière en situation naturelle n’est faite que de ces ambiguïtés qu’il s’agirait ici de lever après coup, après leur recueil sur le web.

Les types de matériaux verbaux recueillis et leur nécessaire distinction

  • 13 On peut aussi trouver cette distinction faite par Pang et Lee, op. cit., p. 9, note 4 à partir des (...)

39Le matériau linguistique recueilli sur le web lors d’un crawl à visée d’opinion mining et qui sera analysé ensuite, relève de plusieurs types d’énoncés dont nous proposons la liste suivante13 :

  • un jugement ;

  • une évaluation ;

  • une opinion ;

  • un avis ;

  • un sentiment ;

  • un goût ;

  • un récit d’expérience ;

  • un récit de pratique.

40Tous ces types d’énoncés possèdent des statuts différents en tant qu’actes de langage mais se retrouvent mêlés dans toute collecte. C’est souvent le cas dans les enquêtes qualitatives aussi, mais l’analyse peut par la suite faire la différence, alors que pour tout questionnaire fermé, il est nécessaire de bien différencier le statut de ces énoncés par avance puisque de la clarté de cette distinction dépendra la possibilité ou non d’un traitement quantitatif correct.

  • 14 H. Garfinkel, op. cit.
  • 15 Nous pensons par ailleurs que de nombreuses autres traces de comportement peuvent être exploitées s (...)

41Entre toutes ces expressions (et nous éliminons ici les questions d’intensité ou de registre de langue qui complexifient l’affaire), plusieurs dimensions sont en jeu. Les unes n’ont d’existence que verbalisées, d’autres peuvent garder un statut tacite ou non verbal tels le goût, l’expérience ou les pratiques. Dans tous les cas, nous avons affaire à ce que les ethnométhodologues appellent des « comptes rendus », des « accounts »14. Toute pratique est elle-même dans sa réalisation un compte rendu, c’est-à-dire qu’elle se rend manifeste aux autres sous forme de pratique perceptible. Pour autant, elle ne repose pas sur un acte de langage, il faut la présenter sous forme d’un récit pour qu’elle soit accessible, sur le web notamment15.

42Dès lors, tous les énoncés subissent les mêmes contraintes de mises en forme linguistiques et justifient d’un traitement de principe identique. Cela reste vrai au niveau opérationnel (calcul sur des n-grams, lemmatisation, etc.) mais non en termes d’analyse, car les propriétés d’un jugement restent distinctes d’un récit de pratique.

  • 16 Republié dans D. Boullier, 2004, op. cit.

43À vrai dire, le souci de clarifier ces notions n’est pas non plus très répandu dans les enquêtes de sciences politiques. Lors de nos travaux sur les expressions à propos de la télévision, nous avions commencé avec Marc Legrand l’élaboration d’un modèle différenciant toutes ces expressions (« c’est bien, j’aime, je regarde »16) et nous le révisons ici.

44Un jugement fait appel à un principe supérieur commun, et repose sur une justification en public qui peut donner lieu à argumentation selon des règles publiquement partagées. « Cet élu est un incompétent, mais c’est vrai qu’il est sympa » : des registres différents ou des grandeurs, selon le modèle Boltanski et Thévenot, peuvent être mobilisés voire combinés mais chaque « membre de la société » est supposé partager ces cadres de jugement et peut ainsi entrer dans une controverse publique. Il est possible de constituer même un répertoire de base des entités (sujets, objets, textes) comme l’ont fait ces auteurs et d’en produire des outils d’analyse de l’opinion en tant qu’elle fait l’objet d’une justification publique. Il sera dès lors possible de connecter ses jugements à des valeurs, pour produire des « jugements de valeur », qui comme nous le verrons ne sont pas analogues à des évaluations, puisqu’il s’agit de faire appel à des principes de jugement dont on peut trouver une trace explicite dans le débat public.

45Ce qui n’est plus le cas de l’avis, qui reste plutôt dans le « régime du proche » (ou de la familiarité), pour reprendre les catégories de la pragmatique de Boltanski et Thévenot, surtout développée par ce dernier. Avoir un avis n’oblige pas à monter en généralité et en justification publique : « cet élu est un con » ne permet aucune généralisation mais constitue pourtant un avis. Les lecteurs assidus des commentaires des sites web de presse savent pourtant que ce type d’expression est extrêmement courant. Ce qui confirme les critiques du web dans leur impression selon laquelle ces avis ne sont finalement que des pulsions mises au jour sans espoir de jamais constituer un espace public, à la mode habermassienne ! En revanche, ces expressions ont l’avantage d’être souvent tranchées et de permettre une analyse de tonalité rapide. Dans ce cas de figure, avoir un avis nuancé revient à ne pas avoir d’avis, car cela suppose d’entrer dans une argumentation complexe qui portera sur chacun des attributs ou sur des conditions posées à ces avis.

  • 17 D. Boullier, A. Lohard, 2010, « Mesurer les qualités d’un jeu vidéo : méthodes de calcul en logique (...)

46Une évaluation constitue encore un autre acte de langage, puisque la mesure devient essentielle. Certes le jugement suppose un ordre de grandeur, des grands et des petits, des bons et des méchants, etc. et un avis peut comporter une dimension évaluative dans son caractère tranché. Mais l’échelle est constitutive de l’évaluation, voire de la comparaison. Les sondages ne cessent de faire réaliser cette opération par le public lui-même sous forme d’expressions ordonnées selon des échelles, dont celle de Lickert (précisément peu utilisée en sciences politiques, car comportant sept niveaux, ce qui permettrait aux indécis de se placer au milieu : les sondeurs lui préféreront une échelle en quatre niveaux où l’on peut agréger les très favorables et les assez favorables face au groupe des peu favorables et des défavorables). Il est de coutume de dire qu’il s’agit là d’un jugement ou d’une opinion : cela constitue en fait soit une erreur car il n’y a pas de montée en généralité (et donc pas de jugement) soit une imprécision car l’opinion en question doit être scalable, ce qui n’est pas le cas de toutes les opinions. On perçoit d’emblée le caractère opérationnel d’une opinion mise en forme d’évaluation par le sujet lui-même se pliant à la contrainte d’une échelle, même s’il en perçoit bien le caractère de forçage. Sur le web, il en est de même : les offres de méthodes de sentiment analysis ont été testées en premier sur des sites de cinéma ou d’avis de consommateurs où les opinions devaient être saisies sous forme d’étoiles ou de notes. Là aussi, traitement immédiat et volontaire de l’expression sous une forme scalaire et quantitative, qui se prête à tous les calculs. Précisons que le terme « d’évaluation subjective » constituerait un bon terme pour éviter le caractère supposé objectif et scientifique de l’évaluation. Or, c’est ce terme qui est utilisé par les spécialistes de la logique floue qui parviennent à quantifier le goût, pour des aliments par exemple, en procédant à un croisement de données objectives (propriétés mesurables avec des capteurs physiques, biologiques ou autres), de données subjectives (expressions de goûts sans évaluation) et de données subjectives objectivées qui sont construites à partir d’une codification par évaluation et donc avec une échelle de propriétés d’expérience par des experts. Nous avons réalisé ce type de travaux pour l’évaluation de la qualité des jeux vidéo17 et nous pouvons dire qu’il est bien dommage que les analyses d’opinion ne s’inspirent pas plus de la logique floue, car elle permet de générer des modèles particulièrement robustes et adaptés au traitement des expressions langagières – qui ne sont pas faites de frontières nettes mais floues en permanence [Zalila, 1998]. Les risques des catégorisations abusives produites par l’analyste et qui deviennent performatives sont en partie contrôlés par ce type de méthode.

47Mais ces évaluations par étoiles, sur le web par exemple, sont à tel point pratiques et perceptibles immédiatement que ces échelles ont servi à guider l’analyse de sentiment elle-même (pour confirmer ou infirmer les résultats des analyses linguistiques). Or, le « sentiment » ne devrait pas être confondu avec une évaluation. Le sentiment, ou la tonalité, plus souvent utilisée en français, constituent des termes assez vagues qui tirent tout leur mérite de ce vague précisément. Ce sont des expressions entièrement subjectives sans obligation de référence, puisqu’elles peuvent relever d’un état psychologique interne et provisoire qui n’a pas toujours de rapport apparent avec les attributs de l’entité qui fait l’objet de cette expression (d’où l’impossible débat avec quelqu’un qui dirait à propos d’un candidat : « moi, j’le sens pas »). Ce qui constitue pourtant une expression, sans aucune justification (donc pas un jugement), sans évaluation (pas d’échelle possible) et qui n’est pas un avis puisqu’il s’agit plutôt de l’expression d’un état intérieur, dont le lien avec l’objet-cible est incertain et qui ne permet pas pour autant de qualifier cet objet cible du sentiment. Ces expressions sont la plupart du temps considérées comme non politiques ou non exploitables et de ce fait passées à la trappe, ou réduites à des catégories préarrangées sans distinction du type d’énoncés. C’est aussi ce que feront les méthodes de sentiment analysis qui détecteront une tonalité négative (ou positive ou neutre, ce qui est le comble de l’impuissance catégorisante), analogue à celle que l’on trouvera dans les jugements, les avis ou les évaluations.

  • 18 P. Bourdieu, 1979, La Distinction, Paris, Éditions de Minuit (Le sens commun).

48Un goût n’est pas aussi incertain ou flottant qu’un sentiment. Il est orienté plus explicitement vers un objet mais n’oblige pas à une justification. Il peut de plus se stabiliser dans le temps au point de faire partie des attributs de la personne (« c’est un fan de jazz » = il a exprimé durablement, de façon répétée et explicite un goût pour le jazz). La sociologie du goût a fait l’objet de fameux travaux avec le livre de Bourdieu, devenu un grand classique La Distinction18. Le titre dit bien ce qui se joue alors dans l’expression du goût selon Bourdieu : non pas une relation duelle à un objet donné (tel tableau ou telle musique) mais une relation qui classe parmi les goûts possibles et de ce fait parmi ses proches socialement et culturellement. Les goûts ont donc cette propriété de ressembler étroitement au sentiment (on dit « j’aime ou j’aime pas ») tout en se stabilisant de façon à pouvoir constituer des cadres de perception, des horizons d’attente, où l’on anticipe sur ce qu’on aime et qu’on aime pas. Cette dimension de la durée dans l’attachement est constitutive du goût et pourrait presque, selon Bourdieu, dispenser de l’épreuve conjoncturelle et spécifique face à une œuvre, une personnalité ou une opinion. On rejoindrait alors aisément la notion de stéréotype, d’autant plus lorsque l’on admet que le goût permet de se distinguer et en même temps de marquer son appartenance. La sociologie politique fait peu appel à cette notion de goût, sans doute parce que le terme est trop connoté esthétique. Pourtant, les principes de stylisation de la vie quotidienne permettraient de rendre compte sous ce terme des habitus portant sur des objets précis. Or le terme habitus n’est souvent mobilisé que pour des attachements à des attributs sociaux considérés comme« sociologiquement explicatifs », ce qui finit par être tautologique. On peut pourtant, dans le domaine politique, exprimer son goût pour les beaux discours, pour des styles personnels ou pour les héros, et cela peut constituer des éléments de stabilité dans les expressions qui ne relèvent ni du sentiment, ni d’un jugement ni d’un avis ponctuel. Lorsqu’on les trouve sur le web, les conversations qui mobilisent ces goûts prennent des allures de dialogues de sourds, car comme on le dit, « on ne discute pas des goûts et des couleurs » ! Il serait trop aisé de les disqualifier en stéréotypes précisément car ils demeurent exprimés par un individu dans une situation donnée et considérés par lui-même comme faisant partie des attributs qui le définissent. Ces goûts ne font l’objet d’aucun traitement particulier en opinion mining ni en sentiment analysis, alors même que leur récurrence leur donne un statut à part. Par ailleurs, leurs formats d’expression devraient pourtant être repérables pour une partie d’entre eux. L’expression « je voterai jamais pour un catho » devient plus analogue au goût qu’un avis ou un jugement car il s’agit de l’expression d’une disposition permanente, indépendante de la spécificité de la situation. On pourrait sans doute utiliser à ce moment le concept d’attitude, concept fortement utilisé en psychologie sociale et qui fonctionne souvent comme boîte noire, assez loin des expressions recueillies. C’est pour cette raison que nous préférons parler de goût car, en sociologie, le goût n’est pas l’habitus, qui est aussi une boîte noire magique, qui convertit les intériorités en extériorités (et vice versa), les conditionnements en pratiques, les expériences primaires en dispositions, etc. Tout comme pour les attitudes qui permettent de convertir les valeurs en dispositions pratiques… sans être pratiques, c’est-à-dire observables. Bref, nous souhaitons ici caractériser des expressions et leurs formes verbales, exploitables lors de l’analyse et non des catégories reconstruites à forte valeur ajoutée théorique non traçables dans les matériaux eux-mêmes.

49Enfin les récits d’expérience ou les récits de pratiques font partie des énoncés très nombreux que l’on peut recueillir soit par des méthodes d’entretiens qualitatifs, soit par des méthodes d’extraction du web. Le récit est sans doute l’une des formes les plus normales de présentation de soi et de ses particularités parce qu’il permet de restituer une cohérence dans un parcours biographique par exemple qui, sans cela, ne serait que liste d’attributs finalement semblables. Ce souci de singularité et de cohérence permet de produire l’enveloppe (Anzieu, Sloterdijk) qui devient l’identité. Les scientifiques des sciences sociales s’empressent de la percer pour aligner les attributs un par un et les soumettre à des rapprochements entre individus de façon à atteindre rapidement les agrégats qui seuls permettent les « vraies explications » à la mode durkheimienne. Or, et là encore les ethnométhodologues ont montré la voie, le récit constitue une des méthodes qui permet de maintenir « le sens de la structure sociale », selon l’expression de Schutz, en rendant aussi commensurables, mais sur un mode différent, des expériences et des pratiques pourtant singulières. Il est en général peu tenu compte des formes de ce récit, pour accéder et traiter directement les traces de pratiques ou d’expérience qui sont ainsi fournies. Certes, la fiabilité du déclaratif est souvent contestée par ceux qui ne croient que ce qu’ils voient, c’est-à-dire un acte d’achat ou un vote. Toute modélisation appuyée sur les pratiques est particulièrement prisée par les services de marketing actuels et toute la traçabilité des comportements des consommateurs à travers les outils de CRM (Consumer Relationship Management) doit permettre d’exploiter des corrélations entre expressions de jugements, d’avis, d’évaluations d’un côté et comportements d’achat de l’autre. Ce que l’on peut retrouver dans les tentatives pour faire correspondre des opinions recueillies, des intentions de vote déclarées et des votes effectifs (seulement mis en relation à une échelle agrégée cependant). D’autres comportements politiques, d’autres pratiques (une manifestation, une signature de pétition, par exemple) peuvent en revanche faire l’objet d’un suivi individuel si nécessaire.

50Or, les formes mêmes des récits constituent des enseignements puissants sur une posture dans un domaine donné, comme nous l’avons montré pour les comptes rendus des pratiques télévisuelles, pour lesquelles ce qui est dit incorpore les échelles de légitimité supposées partagées des différentes pratiques culturelles (on doit prendre ses distances avec sa propre activité télé). Cependant, sur le web pas plus que dans les études classiques, cette dimension du récit n’est réellement prise en compte et l’on s’empresse plus souvent de collecter les pratiques déclarées, tout en les soumettant à certains redressements si l’on considère que les conditions d’expression sont particulières.

51Dès lors, le sentiment analysis n’est guère capable d’exploiter ces expériences et ces pratiques de façon spécifique aux autres énoncés : dès lors qu’un récit comporte des indices verbaux classés comme négatifs (panne), la tonalité est négative (mais si c’est pour raconter comment lors d’une panne, le service après-vente a été performant, cela devient plus compliqué à classer !). Ce nivellement des énoncés doit être considéré comme le prix à payer d’une recherche encore balbutiante et surtout de l’empressement à récupérer des impressions, aussi peu fondées soient-elles, pour sembler percevoir ce qui se joue sur ces médias sociaux et sur le web en général.

Conclusion

52Comme on le voit, et comme pour toute opération numérique, le traitement massif de données verbales oblige à questionner la nature des données recueillies et à formaliser leur statut. Avec des questionnaires fermés ou même avec des entretiens qualitatifs, le chercheur pouvait avoir l’impression de définir par avance les types d’énoncés qu’il allait recueillir et pouvait éviter de s’interroger trop sur leur statut. La comparaison rigoureuse (entre sujets ou dans le temps) entre expressions recueillies constituait le bénéfice majeur de la disparition de ce souci. Mais sur le web, rien ne classe a priori les énoncés dans un type ou un autre, dès lors la comparaison devient plus difficile, alors même que la puissance de calcul et la traçabilité augmentent de façon vertigineuse. Mais dans l’état actuel, commercial et académique, de l’opinion mining, il semble trop exigeant de vouloir différencier tous les statuts des expressions recueillies, alors même que ce serait la condition pour une exploitation rigoureuse et une comparaison pertinente. Nous dirons alors que le sentiment analysis constitue en quelque sorte la maladie infantile du traitement de l’opinion sur le web !

Sociologie, opinion mining et sentiment analysis

53La sociologie fait certes partie des sciences humaines et sociales et à ce titre, les questions soulevées précédemment la concernent directement, il n’en reste pas moins qu’une tradition disciplinaire possède certains acquis, certaines constantes et certains principes qui peuvent la conduire à traiter la question de l’opinion mining d’une façon toute particulière. La focalisation sur le terme « opinion » serait sans doute trompeuse dans le cas de la sociologie et nous traiterons plutôt cette question avec l’approche des sciences politiques, car l’étude de l’opinion, telle que construite par les dispositifs des sondages, ne constitue pas un centre d’intérêt majeur de la sociologie. C’est pourquoi nous partirons d’une question méthodologique plus générale, qui fait le quotidien du travail des sociologues, le recueil de données verbales. L’opinion mining présente en effet cet intérêt et cette difficulté d’exploiter des données que l’on dira verbales et d’y appliquer des traitements linguistiques de divers types, qui font ensuite l’objet d’analyses quasi sociologiques.

Les approches de l’opinion et leurs modes de production

54Les sociologues passent leur temps à recueillir du matériau verbal sous forme d’entretiens plus ou moins ouverts, de documents écrits, et ils en font la base même de la plupart des analyses, tout au moins lorsqu’ils ne pratiquent pas deux autres approches, une approche statistique fondée sur des données comportementales (achats, logements, postes de travail, démographie, etc.) ou une approche plus ethnographique fondée sur l’observation, parfois participante. Dans ces deux cas en effet, le verbal peut intervenir fréquemment :

  • les données issues de l’INSEE sur la consommation par exemple peuvent reposer sur du déclaratif et non sur l’enregistrement des ventes effectives (mais les deux ensembles de données peuvent être comparés) mais alors le verbal est particulièrement encadré, comme il l’est dans les sondages d’opinion et doit permettre un traitement quantitatif immédiat. Les « pratiques culturelles des français », enquêtes fort utiles du ministère de la Culture, sont des données issues des déclarations par les interviewés et non extraites d’autres bases de données, bien que d’autres sources soient disponibles ;

  • les observations participantes, elles, immergent les énoncés recueillis dans une activité, souvent collective, souvent équipée, de telle sorte que le verbal peut difficilement être détaché de la situation (dans un échange au travail, dans l’espace public ou autre). Il est toujours possible d’extraire ce matériau verbal de cette configuration d’énonciation mais il s’agit alors en quelque sorte d’un coup de force méthodologique qui peut parfois tuer son objet même. Mais les observations qui ne s’appuient pas sur l’exploitation du verbal restent rares et font parfois figures de partis pris risqués.

55Dès lors qu’on admet que l’opinion mining ne peut guère contribuer à enrichir des méthodes de questionnaires, ni des méthodes ethnographiques (à l’exception toutefois de recueil de données dans des groupes en ligne bien identifiés et ciblés comme le font Akrich et Méadel pour les communautés de patients en ligne), le matériel verbal ainsi recueilli pourrait être utilement comparé à celui que recueillent les méthodes d’entretien plus classiques. Les propriétés de ce matériau peuvent être décrites en trois ensembles qui permettent de les comparer avec les propriétés des verbatims recueillis par les méthodes d’opinion mining.

Les propriétés des messages recueillis et des discours qui les portent

56On peut distinguer des discours qui relèvent de la biographie, des goûts, des jugements, des représentations en général ou des comptes rendus de pratiques, qui tous sont certes suscités mais peuvent comporter un aspect spontané. D’autres seront plutôt réflexifs et manifesteront des stratégies, ou des descriptions de réseaux qui relèvent d’un discours très construit. Enfin, certains autres messages recueillis seront des réponses à des questions fermées utilisées dans des questionnaires ou des réactions à des stimuli proposés lors des enquêtes sous forme de support demandant des réactions.

57Par comparaison, les données recueillies par les méthodes d’opinion mining sur les sites web, dans les commentaires, dans les blogs, sur les forums ou sur les réseaux sociaux et Twitter, peuvent toujours comporter la même diversité (un blog peut devenir une autobiographie par exemple) mais leur utilisation ne se fera plus à l’échelle du discours mais à l’échelle d’une phrase, voire d’un billet au maximum. Ce qui nécessairement fait disparaître les visées communicationnelles des discours les plus construits. Ainsi, les goûts, les jugements ou certains comptes rendus de pratiques seront largement exploités mais quasiment jamais les autres formes de discours. Il est donc nécessaire de ne pas attendre autre chose de l’opinion mining que ce qu’il peut donner et de ne pas considérer qu’il se substitue à des analyses de discours plus classiques.

Les propriétés des émetteurs et du milieu de propagation et de réception

  • 19 S. Duchesne, 2009, « Les méthodes de la science politique », Les Cahiers Français no 350, p. 14-18.

58Les approches qualitatives classiques sont très souvent appuyées sur des entretiens individuels, dans un environnement isolé, dans un face-à-face construit pour l’opération. De ce fait, les unités de base des traitements seront des individus, dont on pourra obtenir les propriétés socio-démographiques, considérées comme les attributs clés pour des explications futures. Dans certains cas, cependant, des méthodes collectives sont mises en place, parfois voisines des focus groups du marketing, et pour cette raison assez dévaluées, mais parfois aussi parce que l’objet nécessite ce type d’entretien collectif (organisation, famille, groupe de pairs, etc.) ou parce que les chercheurs ont décidé de favoriser l’expression à travers ces situations collectives (cf. le travail de Sophie Duchesne en sciences politiques19). Un cas particulier se présente avec les méthodes des mouvements sociaux développés par Touraine et son équipe, à partir de la fin des années 1970, où la dynamique du groupe fait intégralement partie de la méthode d’investigation des thèmes traités et des forces et enjeux en présence. Dans le cas des organisations, on pourrait penser que les individus en question auraient tendance à être étudiés dans leurs relations et donc collectivement, mais les entretiens se déroulent là aussi principalement sous forme individuelle, les attributs pertinents devenant dans ce cas les rôles ou les statuts occupés dans l’organisation. Notons à quel point cette opération est dans la méthode même un choix épistémologique qui va guider beaucoup d’analyse par la suite, car ces identités individuelles une fois considérées comme allant de soi, il sera fort difficile de basculer sur des approches où les relations constituent les individus (analyses de milieux, de réseaux), où ce sont des collectifs qui constituent l’entité pertinente (approches des foules), où ce sont des attributs non répertoriés qui doivent constituer la base de l’analyse (l’attribut « amateurs de manga » peut expliquer certains comportements sans avoir pour autant besoin de réduire cet attribut à des propriétés socio-démographiques standards). La focalisation sur les individus et leurs attributs socio-démographiques constitue donc un parti pris méthodologique qui favorise la sociologie positiviste puisque, après tout, chacun se vit comme individu et possède une carte d’identité qui le soutient dans cette idée.

59Pour les approches reposant sur l’opinion mining, il serait tentant de rapporter les données recueillies à des individus et nombreux sont ceux, y compris parmi les professionnels qui finissent par s’y laisser prendre, parce qu’un billet signé Tartempion est nécessairement supposé porter l’avis d’un individu appelé Tartempion. Mais en réalité personne ne peut savoir qui est derrière le pseudo-Tartempion, sauf lorsqu’il y a inscription obligatoire et accès pour l’enquêteur à certaines données des fichiers des inscrits, ce qui sans doute extrêmement rare. Il est alors plus prudent de considérer que ce sont des blogs qui parlent (plus des bloggeurs, même si ensuite certains se manifestent publiquement avec leur identité légale), des comptes Twitter ou Facebook, des pseudos sur les forums et sur les zones de commentaire. Et d’admettre que ces entités artificielles propres au milieu qui les fait émerger (un compte Facebook n’a qu’un lien hypothétique avec un compte Twitter donné) vivent leur vie sans autre référence légale garantie. Ces comptes peuvent d’ailleurs être alimentés par des collectifs, qui se relaient pour écrire (cas des candidats à la présidentielle par exemple) ou par des trolls qui cherchent délibérément à masquer leurs autres attributs pour s’immiscer dans des communautés qui sont très opposées à leurs points de vue. Pas de fiabilité des individus dans ce cas, pas d’évidence possible de leurs identités et obligation de basculement vers un modèle moins défini a priori de l’unité de base (le pseudo qui poste, le fil du forum, le blog dans son ensemble, le groupe d’abonnés d’une communauté restreinte, le journal, etc). Cette géométrie variable des entités de référence est salutaire pour obliger à sortir des évidences atomistes individuelles mais elle crée de l’incertitude. Or, tout calcul et toute tentative de comparaison supposent de choisir souvent arbitrairement une unité de description de ces émetteurs, et c’est pourquoi il est très fréquent dans l’opinion mining de prendre comme base de l’analyse, le compte, le site pour agréger ensuite tous les posts ou verbatims récupérés sur ce site ou émis par ce compte, sans pouvoir descendre à plus de finesse et, plus grave, en considérant qu’il s’agit en fait d’un individu que l’on pourrait même identifier (ce qui se révèle de plus en plus souvent possible à travers les profils publiés sur les réseaux sociaux). On le voit, même lorsque les dispositifs techniques des enquêtes rendent obsolètes certaines postures théoriques, tout peut être fait pour les remettre en selle, et créer ainsi des inadéquations durables. C’est en cela que les sciences sociales dépendent des outils qu’elles mettent en place et qui apparaissent dans le monde (internet est tout récent), mais peuvent les plier à leurs visions. Mais comme ces nouveaux dispositifs amplifient toutes les postures possibles (selon le terme d’amplification de E. Eisenstein pour caractériser l’imprimerie), une chance nouvelle est ainsi donnée à des approches non positivistes et non individualistes. À elles de les saisir !

Les propriétés des données

60Les utilisations possibles des données pour des paradigmes différents dépendent enfin des propriétés techniques de ces données elles-mêmes. C’est ici que l’avantage des données verbales construites dans les dispositifs qualitatifs traditionnels se révèle décisif… au premier abord. En effet, leur production est un artefact dépendant des conditions de l’enquête, mais les sociologues pensent maîtriser totalement ces conditions, ce qui permet d’élaborer un protocole en détail et adapté aux visées de chaque enquête. Il serait aisé de montrer que cette prétention est en fait le plus souvent dépendante de la faisabilité de l’enquête, tant sur les échantillons que sur les durées ou les formats mêmes du matériau verbal récupéré (qui n’est jamais tombé sur un « client » qui ne répond que par monosyllabes là où l’on attend des récits proliférants n’a jamais fait d’enquêtes sociologiques !). Jusqu’à peu, ces matériaux verbaux n’avaient guère d’exploitation quantitative car la séparation des deux postures était totale. Avec l’introduction des logiciels d’analyse lexicographique, tous ces matériaux deviennent l’objet de calculs, quand bien même ils demeurent exprimés sans contrainte forte, dans des questions ouvertes ou à travers de récits spontanés. C’est d’ailleurs cette expérience et le savoir-faire acquis par les études qualitatives dans le maniement de ces outils et dans la quantification de ces données qui constitue la meilleure passerelle avec l’opinion mining sur le web.

61Pour l’opinion mining, les verbatims récupérés peuvent faire l’objet de traitements lexicographiques identiques à ceux des logiciels évoqués, encore faut-il obtenir des matériaux correctement exploitables. Le format des données devient ici aussi une contrainte et c’est d’ailleurs souvent la réticence la plus importante faite aux données recueillies par les méthodes d’opinion mining : ses données ne sont pas propres. Ce constat est assez fondé en effet et quand on sait tout le travail que demande le nettoyage des pages web récupérées lors des crawls pour les rendre calculables pour des traitements élémentaires, on l’admet volontiers. Cependant ces méthodes de nettoyage s’améliorent et surtout, les méthodes automatiques permettent de compenser le bruit ainsi récupéré par la masse de données sur laquelle se fait le traitement. Certes, dans les entretiens qualitatifs traditionnels, il était assez aisé d’obtenir des données propres (si le magnétophone a correctement fonctionné !), cela se faisait toujours après un processus d’acquisition extrêmement long (prises de contact, entretiens, transcription, etc.) qu’on tend souvent à sous-estimer mais qui explique le faible volume d’enquêtés. Récemment Gilles Kepel, pendant son immersion dans une ville de banlieue parisienne, a réalisé faire un travail de qualité avec un recueil de cent entretiens, et nous dirons volontiers que le nombre dans l’absolu ne fait rien à l’affaire ni à qualité du travail de recherche. Mais s’il avait demandé au médialab de récupérer dans le même temps, tous les verbatims produits sur le web en rapport avec la banlieue, ou avec l’islamisation, ou même avec la ville en question, et cela sur les cinq dernières années, ce sont des milliers d’expressions qu’il aurait pu traiter, non pas à la place des entretiens mais pour tenter, dans la durée et sur un volume important, une validation chiffrée de ses résultats. Le processus doit en effet se dérouler dans cette direction, comme le fait l’INED dans toutes ses enquêtes, du qualitatif vers le quantitatif. Les entretiens qualitatifs précèdent le travail d’enquête statistique et leur analyse extrêmement fouillée sert de base à la construction des enquêtes qui reposent ainsi sur des catégories solidement testées à partir du terrain et qui ne servent qu’à valider quantitativement des hypothèses déjà largement argumentées par le travail qualitatif. Ce reproche peut en effet être adressé très souvent aux méthodes centrées sur le web dites souvent web studies : elles ramassent les données et se préoccupent seulement ensuite de savoir au nom de quelle hypothèse elles ont choisi cette méthode, ce sourcing, ces données précises. Le rejet d’un modèle hypothético-déductif pur est sans doute salutaire mais l’attente de l’émergence de patterns à partir des seuls calculs sur des données recueillies en vrac sur le web ne conduit à rien si ce n’est à faire du buzz sur quelques résultats surprenants.

Approximation contre investissements de forme dans les méthodes

  • 20 L. Thévenot, 1986, « Les investissements de forme », Conventions économiques, Paris, PUF (Cahiers d (...)

62Sur tous ces points, propriétés des messages, propriétés des émetteurs et propriétés des données, il faut bien admettre que l’opinion mining déstabilise des années d’investissements de forme20 dans le recueil de matériel verbal. Mais comme sur ce plan, et à la différence des enquêtes statistiques sur questionnaires fermés, la rigueur des traitements n’était pas jusqu’à peu des plus évidentes, avant l’apparition des logiciels lexicographiques, il faut considérer que les sociologues peuvent admettre certaines approximations des matériaux recueillis. Nous serions ici dans la même situation qu’entre les topologies du web (dont Kleinberg est un pionnier et Ghitalla, Fouetillou ou Jacomy des spécialistes en France, par ailleurs partenaires du médialab) et les analyses de réseaux (dont des auteurs fameux sont White, Burt, etc.). En effet, les analyses de réseaux n’ont développé leurs méthodes qu’en s’appuyant sur des mathématiques puissantes mais aussi sur des réseaux dits complets, dont on devait contrôler tous les paramètres. Analyse de réseaux qui tendait elle aussi à se centrer sur des individus (egos) quand bien même la théorie devait permettre de passer à une analyse des relations. Les méthodes de topologie du web ont été conduites à exploiter certains principes de théories des graphes similaires mais ne pouvaient jamais prétendre traiter de réseaux complets, ni rapporter les nœuds qui étaient pris en compte (des URL) à des entités socialement reconnaissables et garanties. Mais ce que ces topologies du web nous ont apporté a cependant été riche malgré ou à cause de ces approximations sur les statuts des entités ainsi mesurées. Tout indicateur (y compris le plus robuste statistiquement ou le plus vérifiable) reste un artefact, une traduction, un déplacement, une mise en forme qui vaut pour autre chose : toute la question du point de vue scientifique est à chaque fois de pouvoir refaire le chemin en sens inverse et de pouvoir le réviser après confrontation avec d’autres données ou d’autres modèles possibles. Précisément l’avantage essentiel des méthodes de topologie du web repose sur les capacités de révision rapide après mise à l’épreuve d’une grande quantité d’hypothèses, qui peuvent être rapidement validées sur de très grands nombres (des milliers de sites, de liens par exemple). Dès lors l’approximation n’est pas un handicap, elle engage une autre méthode de recherche, plus inductive, mais aussi plus capable de validation quantitative. Dans le cas de l’opinion mining, l’écart est similaire entre l’opinion sondée et la conversation web crawlée que celui observé entre l’analyse de réseaux complets et les topologies web. L’opinion sondée dépend entièrement d’une méthode de production de matériel verbal ad hoc, les sondages, et jusqu’à peu les sciences sociales dépendaient même en France des dispositifs des instituts de sondage privés (l’équipex, dont est membre le médialab, intitulé DIME-SHS permettra désormais de disposer d’un panel de 6 500 personnes équipées de tablettes et gérées par les chercheurs pour tous types d’enquêtes). Cette entité, l’opinion publique, devait sa visibilité à ces sondages et leur travail étant devenu si « évident », elle a fini par exister au point d’oublier tous les intervalles de confiance par exemple. Car la question de la représentativité restait clé à peu près dans les mêmes termes que la recherche de réseaux complets dans l’analyse de réseaux. Or, la fiabilité de cette représentativité n’a pas cessé d’être contestée. La validité de cette opinion ainsi construite est donc relative et doit être contrôlée mais la question se trouve finalement oubliée par ce processus de naturalisation des méthodes. Mais ces dispositifs très coûteux, construits ad hoc, peu répétés, ne permettent guère des révisions rapides eux non plus. L’opinion mining de son côté pourrait paraître mal nommé ou tout au moins prêter à confusion. Car ce n’est pas l’opinion publique qui est ainsi mesurée mais soit la réputation, soit la conversation, selon les méthodes adoptées. Et ce sont alors deux processus tout à fait différents de celui de l’opinion obtenue par les sondages. Les opinions individuelles sont certes présentes dans les deux cas mais le mode de production et le traitement des agrégats font se différencier nettement opinion sondée (ou obtenue par tout autre mode de traitement qualitatif) et conversation web/réputation. Ces dernières sont nettement plus approximatives, nous l’avons vu à propos des propriétés des données. Mais elles peuvent compléter d’autres approches en les faisant bénéficier de leur volume de traitement et de la rapidité des mises à l’épreuve des hypothèses et des révisions (car à chaque fois il est possible de revenir au grain même du matériel qualitatif verbal et non seulement à ce qui en a été codé, souvent définitivement).

63Mais la différence entre opinion sondée et conversation web que nous introduisons ici ne prêche pas seulement les vertus des approximations dès lors qu’elles sont contrôlées et révisées : elle indique la piste majeure de révision des paradigmes des sciences sociales qui pourrait être rendue possible par ces méthodes. L’opinion sondée comme agrégat des expressions individuelles peut en effet devenir limitée à la valeur d’une photo quand la conversation décrite par l’opinion mining propose, elle, le film, l’image animée avec rembobinage à volonté. L’opinion sondée sera dès lors considérée comme un état obtenu à un temps T de la société déjà faite, alors que l’opinion mining traitant les conversations visera à rendre compte de la société en train de se faire. Cette distinction proposée par Bruno Latour n’invalide ni l’une ni l’autre mais souligne seulement à quel point nous avons disposé jusqu’ici d’une seule des approches, alors qu’il s’agit ici de rendre enfin possibles des approches dynamiques de ces processus de conversation. Nous rejoignons ainsi Tarde dans son plaidoyer pour une sociologie qui soit science des conversations comparées, ce que nous avons pratiqué il y a plus de vingt ans, sans avoir lu Tarde, mais qui constitue désormais un objet reconnu. Le cadre théorique nécessaire pour rendre compte de ces processus devra nécessairement s’appuyer sur une théorie de l’influence. Processus que la sociologie a volontiers laissé à la psychologie sociale, alors même que toutes les théories sociologiques sans exception, des représentations sociales de Durkheim à l’habitus de Bourdieu, ont implicitement mobilisé une théorie de l’influence souvent sommaire.

64Cette évolution théorique serait la condition pour que les méthodes d’opinion mining soient effectivement tirées dans le sens de l’analyse des conversations, et non vers celui de la réputation. Car, ce livre l’a amplement documenté, les offres commerciales de méthodes d’opinion mining s’intéressent très peu à la conversation, ni même sérieusement à l’influence, mais visent à fournir des tableaux de bord de la réputation. Or, retomber sur ces questions de réputation, c’est adopter à nouveau une approche photographique, qui plus est centrée sur des entités individuelles (sites, marques, personnalités, etc.). Ce qui du point de vue des sciences sociales peut être utile mais demeure dans le même paradigme de la société déjà faite. Or, le risque est grand de voir ces méthodes totalement phagocytées par les exigences des marques notamment, liées à la pression financière qu’elles subissent et qui les oblige à rendre visible leur valeur intangible constituée par leur marque. Dans ce contexte, tout est bon pour trouver un indicateur aussi approximatif possible qui permettra de faire la communication auprès des actionnaires (puisque ce sont eux les principales cibles de la communication comme du marketing désormais).

65C’est pourquoi les laboratoires des sciences sociales doivent s’emparer de ces questions et de ces outils pour en faire l’occasion d’une révision de leurs approches. Certes, il se trouvera des chercheurs pour tirer ces questions du côté d’un nouveau formalisme de la conversation, comme on peut le voir avec la tradition d’analyse de conversation issue de l’ethnométhodologie (Heritage, après Sacks et Schegloff), où tous les indicateurs des échanges, les plus paralinguistiques, peuvent faire l’objet d’une micro-description. Mais d’autres chercheurs pourront aussi éviter cette forme de réflexivité sans fin, archi-constructiviste pourrait-on dire, pour risquer de suivre les processus en cours dans la conversation web. L’entité de base, comme c’était le cas pour les topologies pour les réseaux, ne sera plus une supposée opinion mais des ondes de propagation, des sphères d’influence, des phénomènes de circulation, où la trajectoire de l’onde est la visée privilégiée de l’approche et non la position de la particule.

La conversation web et non plus l’opinion sondée

  • 21 D. Boullier, 1984, op. cit. Voir aussi D. Boullier, 1989, « Du bon usage d’une critique du modèle d (...)

66Dès lors que l’on adopte le point de vue de la conversation (et non plus celui de l’opinion), l’une des pistes les plus prometteuses des données obtenues sur le web tient à la possibilité de combiner le traitement de données déclaratives et de données comportementales. En effet, tous les verbatims recueillis sont aussi des actions qui ont été réalisées sur internet et dont une approche pragmatique peut rendre compte. Lors des recueils d’entretiens, il est rarement aisé de prendre en compte ce niveau des actes de langage et la tendance est plutôt de prendre les énoncés pour des matériaux bruts en éliminant rapidement leurs conditions de production et leur méta-message. C’est cependant ce que nous avions fait en montrant les styles de relation à la télévision exprimés dans des entretiens, non par le seul recueil des énoncés pris à leur valeur faciale mais en analysant aussi le méta-énoncé qui leur était associé, rendant compte de la relation à la télévision dans le format même de l’énonciation21. La conversation comme pragmatique documentaire (car les énoncés sont des documents à caractère écrit et donc matérialisé) pourrait ainsi être associée à l’activité de production de liens, qui fait elle aussi partie de la pragmatique documentaire du web, et qui constitue la base des topologies qui attendent encore leur théorie sociologique.

67En attendant cet horizon ambitieux à long terme, les méthodes d’opinion mining peuvent cependant permettre de croiser déclaratif et comportemental de façon fructueuse. Trois niveaux de combinaison sont possibles :

  • Les verbatims recueillis sont parfois produits sur des sites qui gardent aussi trace de comportements, indépendamment du déclaratif sur ce comportement présent dans le post, le commentaire ou le blog. Ainsi des commentaires sur un site d’achat de produits peuvent être associés directement aux traces des achats effectués sur ce même site (c’est le cas d’Amazon). La comparaison entre des flux conversationnels (du type recommandations) et les achats effectués peut produire des résultats intéressants et c’est l’un des soucis majeurs des marques pour donner un peu plus de substance à leurs résultats. Mais la sociologie peut s’y intéresser aussi, notamment la sociologie de la consommation mais pas uniquement (on donne des avis sur tout sur internet !).

  • Les données de comportement sont souvent traçables sur le web au-delà du même site, et permettent de croiser des données précises et les conversations qui leur sont associées. Prenons quelques exemples de débats sociaux, parfois nationaux, parfois locaux, qui peuvent à la fois s’appuyer sur les conversations et les traces laissées sur le web : placement des enfants dans les écoles, relations entre communautés ethniques en diaspora ou dans un espace national, évolution fine des pratiques religieuses, jugement général sur la morale des opérateurs économiques, évolution des stéréotypes de relations entre les genres, émergence de nouvelles pratiques dans les cultures jeunes, influence des équipements culturels sur les pratiques, nouveaux modèles thérapeutiques dans le soin de certaines maladies, partage de situation de crises managériales et de stress des personnels, communautés de pratiques issues des organisations mais transversales, etc. Dans tous les cas, l’activité de conversation sur ces thèmes peut être associée à des indicateurs de l’intensité et des propriétés du phénomène recueillies aussi sur le web (ou avec d’autres sources statistiques).

  • Les séries statistiques recueillies classiquement par les outils d’enregistrement présents partout peuvent non seulement être accompagnées par les mesures de l’opinion mining pour enrichir leur pertinence mais elles peuvent être mises en relation de façon plus systématique, comme le fait par exemple notre collègue économiste Yann Algan en mettant en relation les courbes de certaines requêtes sur Google et les chiffres du chômage. Lorsque l’on peut montrer que cette micro-activité individuelle, déclarative, sur une question liée au chômage devient, une fois agrégée et traitée dans le temps, un bon indicateur pour prévoir la courbe des inscriptions au chômage, on est parvenu à mettre en relation des phénomènes de natures très différentes en sortant des données du web.

68La sociologie devrait donc s’emparer des outils d’opinion mining avec profit. Il lui faudra admettre une autre chaîne de construction des données, des émetteurs et des messages, marquée par des incertitudes qui ne peuvent être levées et obligent à travailler à partir d’approximations. Mais ces approximations bénéficient de la masse de traces disponibles sur le web, inégalée jusqu’ici, et de la puissance de calcul du numérique, qui permet des révisions constantes des hypothèses et des contrôles quantitatifs multiples, là où les analyses qualitatives se contentaient il y a encore quelques années de codages sommaires quand ce n’étaient pas de simples paraphrases des verbatims. Cependant, il lui faudra choisir entre exploiter ces méthodes pour enrichir l’analyse de la société déjà faite (et c’est dans ce sens que tire toute l’analyse de la réputation) ou pour déployer de nouveaux paradigmes pour l’instant peu reconnus (et c’est alors la conversation et l’influence qui seront les cibles principales de ses travaux, en tant qu’indices de la société en train de se faire).

Notes

1 N. Mayer, 2010, Sociologie des comportements politiques, Paris, Armand Colin (U).

2 D. Boullier, 2004, La télévision telle qu’on la parle. Trois études ethnométhodologiques, Paris, L’Harmattan.

3 B. Manin, 1995, Principes du gouvernement représentatif, Paris, Calmann-Lévy, p. 299.

4 Y. Benkler, 2006, The Wealth of Networks. How Social Production Transforms Market and Freedom, New Haven, Yale University Press, [en ligne] [URL : http://www.benkler.org/Benkler_Wealth_Of_Networks.pdf].

5 E. Katz, P.F. Lazarsfeld, 1955, Personal Influence: the Part Played by People in the Flow of Mass Communications, Glencoe, The Free Press (Influence personnelle : ce que les gens font des médias, Paris, Armand Colin, 2008).

6 B. Berelson, P. Lazarsfeld & W. McPhee, Voting. A Study of Opinion Formation in a Presidential Campaign, Chicago, The University of Chicago Press, 1954.

7 P. Converse, 1964, « The Nature of Belief Systems in Mass Publics », Ideology and Discontent, D. Apter dir., New York, Free Press, p.  206-261.

8 D. Boullier, 2010, La Ville-événement. Foules et publics urbains, Paris, PUF.

9 B. Latour, D. Boullier et al., 2012, « The Whole is Always Smaller than Its Parts. A Digital Test of Gabriel Tarde’s Monads », British Journal of Sociology [article accepté pour publication en 2012].

10 D. Boullier, 2004, op. cit.

11 N’oublions pas en effet que, sur le web comme en situation ordinaire face-à-face, les conversations explicitement politiques ont tendance à se dérouler entre partisans déjà bien informés et prêts à en découdre et plus souvent encore entre proches partageant les mêmes idées. Si tel était vraiment le cas, on n’aurait finalement rien gagné dans notre capacité de suivi des conversations ordinaires et des contributions étendues à un large public : suivre quelques blogs partisans pourrait suffire, comme le fait par exemple Linkfluence avec ses méthodes désormais rodées d’étude de la blogosphère. Or, ce sont des espaces de débat plus ouvert ou moins explicitement politiques qui font l’intérêt du suivi de l’opinion sur le web pour renouveler les méthodes et la compréhension des mouvements d’opinion non labellisés « politiques » a priori.

12 T. Gurr, 1970, Why Men Rebel, Princeton, Princeton University Press.

13 On peut aussi trouver cette distinction faite par Pang et Lee, op. cit., p. 9, note 4 à partir des définitions du Merriam-Webster’s Online Dictionary :

• Opinion implies a conclusion thought out yet open to dispute : “each expert seemed to have a different opinion”.
• View suggests a subjective opinion : “very assertive in stating his views”.
• Belief implies often deliberate acceptance and intellectual assent : “a firm belief in her party’s platform”.
• Conviction applies to a firmly and seriously held belief : “the conviction that animal life is as sacred as human”.
• Persuasion suggests a belief grounded on assurance (as by evidence) of its truth : “the persuasion that everything changes”.
• Sentiment suggests a settled opinion reflective of one’s feelings :“her feminist sentiments are well-known”.

Pour notre part, nous n’utiliserons pas ici croyance, ni conviction, ni persuasion qui supposeraient des prétentions à qualifier les expressions selon des statuts de vérité difficiles à argumenter, les modernes ayant pris l’habitude de disqualifier les croyances par rapport aux faits. D’autre part, cela impliquerait aussi de qualifier l’intensité des expressions, ce qui ne paraît pas une distinction essentielle à la catégorisation mais un trait secondaire.

14 H. Garfinkel, op. cit.

15 Nous pensons par ailleurs que de nombreuses autres traces de comportement peuvent être exploitées sur le web et croisées avec ces données verbales, et elles constituent d’ailleurs une source de suivi des consommateurs, de génération de données indirectes, parfois illégales, et souvent vendues comme prestation pour des marques par exemple. Avis plus comportements d’achat rapportés à la même personne de façon fiable constituent sans aucun doute une donnée plus riche que son avis seul, de la même façon que opinion lors d’un sondage et vote effectif sont plus intéressants, même si l’on n’a jamais accès au vote autrement que par un sondage sorti des urnes ou par une déclaration explicite des interviewés).

16 Republié dans D. Boullier, 2004, op. cit.

17 D. Boullier, A. Lohard, 2010, « Mesurer les qualités d’un jeu vidéo : méthodes de calcul en logique floue », numéro spécial « Les jeux vidéo au croisement du social, de l’art et de la culture », Questions de communication, n17, p. 87-108.

18 P. Bourdieu, 1979, La Distinction, Paris, Éditions de Minuit (Le sens commun).

19 S. Duchesne, 2009, « Les méthodes de la science politique », Les Cahiers Français no 350, p. 14-18.

20 L. Thévenot, 1986, « Les investissements de forme », Conventions économiques, Paris, PUF (Cahiers du Centre d’Étude de l’Emploi) p. 21-71, [en ligne] [URL : http://gspm.ehess.fr/docannexe.php?id=556].

21 D. Boullier, 1984, op. cit. Voir aussi D. Boullier, 1989, « Du bon usage d’une critique du modèle diffusionniste. Discussion-prétexte des concepts de E. M. Rogers », Réseaux, no 36, p. 31-51, [en ligne] [URL : http://www.persee.fr/web/revues/home/prescript/article/reso_0751-7971_1989_num_7_36_1351].

Table des illustrations

Titre Graphe des pages Facebook des associations d’étudiants de Sciences Po
Légende Source : Medialab, Paul Girard, Mathieu Jacomy et Rémy Cérésiani, 2011.
URL http://books.openedition.org/oep/docannexe/image/216/img-1.jpg
Fichier image/jpeg, 552k
Titre Phrases les plus reprises pendant la campagne présidentielle américaine de 2008
Légende Source : http://memetracker.org/​
URL http://books.openedition.org/oep/docannexe/image/216/img-2.png
Fichier image/png, 60k
Titre Major sources of election news. Pew Internet. A project of Pew Research Center
Légende Source : http://www.pewinternet.org/​Reports/​2009/​6--The-Internets-Role-in-Campaign-2008/​3--The-Internet-as-a-Source-of-Political-News/​3--Media-sources.aspx (page consultée le 19/01/2012)
URL http://books.openedition.org/oep/docannexe/image/216/img-3.jpg
Fichier image/jpeg, 65k

© OpenEdition Press, 2012

Conditions d’utilisation : http://www.openedition.org/6540