Version classiqueVersion mobile

Opinion mining et ‎Sentiment analysis

 | 
Dominique Boullier
, 
Audrey Lohard

Introduction

Note de l’éditeur

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

Texte intégral

1L’opinion publique est un fantôme, pourrait-on dire comme Lippmann, qui insistait sur l’émergence du public autour d’« issues » contre l’idée d’une existence permanente d’une supposée opinion. Mais la nécessité de capter cette opinion ou plus exactement, et plus en accord avec Lippman, ces « mouvements d’opinion » comme nous l’avons proposé est finalement constitutive de la démocratie : en dépendant du nombre, les gouvernements démocratiques perdent le lien direct qu’ils pouvaient avoir avec leurs mandants et doivent trouver d’autres épreuves que les élections pour s’assurer du « climat » politique, cet indicible si bien décrit par Sloterdijk. Ces méthodes de traçabilité, de calcul, ont pris un aspect systématique et formalisé avant la seconde guerre mondiale aux Etats-Unis (Gallup) et ensuite dans tous les pays démocratiques (Stoezel en France). Leur lien avec les médias était d’emblée souligné par Lazarsfeld puisqu’il s’agissait dans le même mouvement de mesurer les effets de la propagande diffusée lors de campagnes électorales et plus largement pour toute question ou pour toute personnalité politique. La mesure de l’opinion est d’emblée prise dans ce mouvement performatif qui consiste à mesurer les effets d’un message ou d’une offre sur une entité qui n’existerait pas sans les outils de mesure qui la font émerger comme telle, ni sans les dispositifs de diffusion qui ont provoqué cette mise en relation des « esprits à distance », comme le disait Tarde. D’où les critiques récurrentes et aisées quant au caractère autoréférentiel de toutes ces mesures. Pourtant, lorsque ces mesures sont bien faites et qu’elles sont répétées avec la même méthode, il est probable qu’elles captent le reflet de quelque chose comme un état d’esprit partagé, un mouvement d’opinion, qui, avec toutes les précautions d’interprétation nécessaires, peut aider à comprendre des changements dans une société donnée, ou tout au moins aider à les suivre à la trace.

  • 1 F. Cochoy, 1999, Une histoire du marketing. Discipliner l’économie de marché, Paris, La Découverte, (...)

2Ces enjeux de méthode n’ont jamais été limités à la seule mesure de l’opinion publique, entendue comme entité représentative d’un public sur des problèmes publics et donc politiques. Dès lors qu’était lancée la publicité au début du xxe siècle, émergeait le souci de la mesure de l’efficacité de ces messages (notamment avec le lancement de la radiodiffusion à partir des années vingt). Mais la prétention scientifique des méthodes de sondage liées à la publicité n’a finalement fait que suivre la même courbe dans le temps que les sondages qui visaient l’opinion publique, puisque, au développement massif de ce suivi des consommateurs à propos d’un produit ou d’une marque, correspond l’explosion de la consommation des ménages après guerre et la constitution du marketing comme discipline1.

3Si l’on faisait une médiologie sommaire de toutes ces médiations, il apparaîtrait que la formalisation des méthodes de suivi de l’opinion selon des principes statistiques rigoureux est directement liée à la diffusion de la télévision comme offre médiatique et à l’informatique balbutiante comme outil de calcul. Les politiques des grands nombres n’ont plus été l’apanage des seuls États, comme l’a montré Desrosières, mais sont devenues celui de tous les acteurs politiques comme des grandes firmes. Télévision média de masse, et informatique statistique apte à calculer ces effets de masse, finalement la correspondance s’explique assez bien.

4Mais dans ce cas, serait-il aussi possible de voir dans la mutation médiatique que nous connaissons avec l’internet sous toutes ses formes (web et non web) une correspondance avec les transformations importantes que subit le suivi de l’opinion actuellement ? Il se trouve qu’internet est devenu à la fois le média qui permet de diffuser ou plus exactement de faire circuler certains messages (côté offre) et en même temps celui qui permet de suivre à la trace les effets de ces circulations et, plus exactement et de façon plus modeste, les traces de ces circulations. Les approches qui en rendent compte ne sont plus les méthodes statistiques que l’on connaissait auparavant et qui permettaient, comme le voulait l’État, de se référer à des entités identifiables selon des catégories socio-démographiques prédéfinies par les organismes de calcul mais aussi par leur état civil (quitte à les anonymiser ensuite). Désormais, ce qui circule sur internet a perdu cet accrochage garanti avec une identité civile et avec des propriétés sociales précalibrées. Mais l’avantage énorme, en contrepartie, tient au fait que ce sont bien des équivalents de mouvements de l’opinion que l’on peut suivre, puisque les outils de traçabilité des circulations peuvent fonctionner en permanence et récupérer des évolutions extrêmement fines dans le temps et dans le grain (une phrase, un blog, un tweet à telle heure). Est-ce un avantage ? N’a-t-on pas troqué la proie pour l’ombre ? Sachant que la proie en question était déjà une ombre, l’opinion publique, mais qu’on pouvait faire comme si, à travers des principes de représentativité des échantillons, un lien fiable existait avec une vraie proie, des vrais individus, en chair et en os et surtout en catégories. Désormais ces procédures d’agrégation contrôlées et de réduction statistique sont supplantées sur internet par des méthodes issues de la théorie des graphes, soit pour analyser des phénomènes propres au web, comme les topologies provoquées par les liens hypertextes, soit pour analyser des trajectoires d’énoncés. À vrai dire, c’est plutôt cette mutation conceptuelle qui devrait être à l’ordre du jour mais il faut bien constater que ce sont toujours les méthodes statistiques traditionnelles qui font le cœur du métier de ceux qui suivent l’opinion sur le web, dès lors qu’on agrège des masses d’énoncés récupérés en permanence par les robots.

5Ces premières interrogations devront être reprises dans le cours de cet ouvrage, car les certitudes anciennes de la tradition des sondages issue d’une longue pratique de révision progressive des méthodes pendant plus de soixante ans, ne trouvent en face d’elles que des certitudes plutôt incantatoires et qui visent à s’autoconvaincre sur la puissance des algorithmes d’opinion mining sur le web, de suivi de réputation ou de sentiment analysis. Notre ouvrage se situe dans ce moment un peu particulier de la naissance de nouveaux médias qui font l’objet de nouvelles méthodes de mesure, où tout le monde peut prétendre avoir trouvé la recette miracle et surtout la poule aux œufs d’or, si l’on est expert en rhétorique publicitaire, pour convaincre des clients rongés par l’incertitude. La prolifération des méthodes offertes sur le marché est intéressante car elle constitue en fait un chantier à ciel ouvert où chacun peut voir ce qui marche ou non, à condition de pouvoir passer dans les coulisses et d’ouvrir la boîte noire. Ce qui est certain en revanche, c’est que les travaux académiques peinent à affirmer des principes de scientificité qui obligeraient tous ces acteurs à un peu plus de sérieux dans leur argumentaire. Mais dans le même temps, c’est aussi par leur capacité à prendre des risques, à inventer des méthodes rustiques que les développeurs informatiques, les spécialistes du web et notamment dans les entreprises privées nées de cette économie de l’opinion, ont réussi à déblayer le terrain, à rendre visibles des phénomènes, des régularités qui devraient encourager la recherche académique à avancer plus vite sur tous ces domaines. Cet ouvrage se donne en partie cette vocation, à partir d’un point de vue d’utilisateurs avertis, et non de développeurs ni de spécialistes chevronnés des sondages.

6Pour cela, il sera nécessaire de faire, pour chaque phase, un état de l’art technique et commercial puisque sur le marché les offres se multiplient. Mais ces inventaires raisonnés seront aussitôt mis en perspective avec les cadres théoriques qui sont utilisés, explicitement ou non, et qui sont débattus dans les arènes scientifiques de diverses disciplines. Enfin, pour chaque étape, nous veillerons à présenter la procédure à mettre en œuvre, plus ou moins formalisée, en indiquant les précautions à prendre.

7Mais alors que veut-on mesurer exactement ? À qui s’adresse cet ouvrage précisément, car mesurer l’opinion publique ou mesurer les avis des consommateurs constituent des activités très variées ? Le concept d’opinion mining a été avancé, que l’on traduit (rarement) par fouille d’opinion. La parenté avec le « data mining » et le « text mining » n’est pas entièrement usurpée puisqu’il s’agit à chaque fois de méthodes les plus automatisées possible pour exploiter de grandes quantités de données, plus ou moins structurées, en textes et en chiffres principalement (vidéos, sons et images demandent encore des conversions en texte mais les techniques évoluent constamment sur ce plan). L’exploitation peut être organisée à des fins extrêmement diverses et dans le cas de l’opinion mining, il faut avant tout être certain que l’on traite un matériau linguistique (ou autre, par exemple iconique comme le nombre d’étoiles d’un avis de consommateur) qui relève d’une trace d’opinion. Ce qui réduit considérablement l’empan de la fouille de texte ou de données, dès lors qu’elle se spécialise sur ce type de données. Mais nous verrons rapidement que cela suppose de toute façon d’analyser un minimum le contexte d’apparition et, de ce seul fait, les techniques plus générales de text mining devront être mobilisées. Dans le cas de l’usage courant de l’opinion mining, une restriction supplémentaire s’applique puisque les corpus concernés sont uniquement ceux d’internet, même si les méthodes d’analyse de l’opinion ont été développées sur le plan académique sur des corpus hors internet au départ. Cela rend possible le moissonnage automatisé et itératif d’une très grande masse de données mais cela pose aussi des contraintes très particulières d’identification et de nettoyage des données à traiter. Précision technique pour délimiter le champ, les données récupérées sur internet sont le plus souvent des données issues du web au sens strict d’un format HTML ou XML mais sont aussi, de plus en plus souvent, récupérées sur des applications qui utilisent internet mais possèdent leur propre format comme Twitter et Facebook par exemple. La confusion est fréquente mais il est important de faire la distinction car les traitements de ces types de données non web nécessiteront des méthodes particulières, que nous présenterons aussi.

8Plus souvent, l’expression opinion mining est associée à (ou précisée) par le terme sentiment analysis. Cette précision est à la fois utile et parfois trompeuse. Elle est utile car elle permet de spécifier ce qui est important dans l’analyse des traces recueillies et considérées comme des opinions, à savoir les jugements de valeur positifs ou négatifs portés sur des entités à choisir selon la cible voulue (une marque, un produit, un événement, un service, une personnalité, une proposition politique, etc.). Cette précision oblige en effet à mobiliser des outils spécifiques qui ne sont plus les outils lexicographiques classiques mais des outils nettement plus automatisés et, on s’en doute, souvent beaucoup plus simplistes dans leur traitement du matériau linguistique. C’est en cela que cette réduction est utile (car elle est très productive puisqu’on peut agréger des éléments très divers en deux polarités que l’on dira tonalités positives ou négatives) mais en même temps trompeuse : parce que l’on risque de perdre toute la finesse de l’analyse du texte et de ses ambiguïtés inhérentes au langage d’une part et parce que l’on qualifie cela de sentiment, alors qu’il s’agit de jugements explicites, d’autre part. Les émotions supposées repérées dans le terme « sentiment » peuvent aussi être tracées mais nécessitent d’autres outils dont certaines briques sont petit à petit intégrées au sentiment analysis sans pour autant prétendre que l’on dispose d’outils de traçabilité des émotions.

9Le terme « d’analyse de la tonalité » que l’on entend très souvent en français, est de ce fait plus précis et modeste que le terme sentiment analysis  et gagnerait à être employé plus souvent, même si les vogues commerciales et de réputation sur internet conduisent à favoriser un terme et à en faire le terme vedette malgré son ambiguïté.

  • 2 On ne sait plus vraiment s’il y a réellement vente ou captation d’attention et de clients et si l’o (...)

10En employant le terme réputation, nous utilisons une autre expression qui fait l’objet d’offres commerciales en masse, à savoir le suivi ou le monitoring de « l’e-réputation ». Ce terme constitue selon nous un étage supérieur d’agrégation des données et répond plus explicitement aux préoccupations stratégiques des entreprises, des médias ou des partis politiques. L’opinion mining peut en effet être utilisé pour repérer d’éventuels problèmes ponctuels ou très ciblés, lors de la mise sur le marché d’un nouveau produit et service mais la préoccupation dans ce cas est plus proche d’un service après vente comme on les désignait dans l’économie industrielle précédant l’actuelle « économie d’opinion »2. Mais les mêmes techniques d’opinion mining peuvent être aussi mises au service d’un suivi beaucoup plus vaste, permanent et stratégique de la réputation d’une firme ou d’une personnalité, qui finalement sont alors traitées ensemble comme des marques, celles qui captent l’attention et la mémoire des divers publics. Dès lors, les données recueillies devront être agrégées à des analyses beaucoup plus complexes de la concurrence, des stratégies des uns et des autres et devront mobiliser dans le même temps des données chiffrées sur des ventes, des flux ou des votes et non plus seulement le suivi des opinions sur internet. C’est pourquoi notre ouvrage ne rentre guère dans ce niveau d’analyse même si les briques que nous présentons sont souvent mobilisées dans un tel suivi de l’e-réputation.

11Au final, les données recueillies qui peuvent faire l’objet d’un traitement à l’aide de techniques de sentiment analysis, doivent présenter des caractéristiques bien précises pour être prises en compte dans ces approches.

12Ce seront :

131. Des données textuelles, avec les réserves émises sur les données audio et vidéo.

142. Présentes sur internet, sans prise en compte des données de l’imprimé, qui à l’évidence constitue encore un dispositif de circulation et de constitution des opinions non négligeable, ou des programmes radiodiffusés.

153. Accessibles au public (mais aussi à des robots), ce qui écarte tous les intranets et autres bases de données du web profond, très bien protégées mais qui de ce fait ne peuvent entrer dans la logique de circulation qui fait l’opinion, même si certains peuvent les exploiter comme sources primaires (ou lorsque les protections craquent comme on le voit avec Wikileaks).

164. Des données iconiques ou chiffrées qui représentent des formatages précis d’opinion (les étoiles sur Amazon ou sur un autre site qui évalue les services tels que Ciao).

175. Des données que l’on peut traiter par des automates, sous réserve d’analyse a priori et a posteriori, la répartition entre la part dévolue à l’automatique et à l’analyste humain faisant l’objet d’une controverse.

186. Mais des données pour autant prises dans un cadre sémiotique (un site, une page, un blog, un forum, des posts, des commentaires, des avis sollicités explicitement ou donnés librement), etc. Ce cadre devra être pris en compte pour interpréter les données récupérées, ce qui évitera de considérer naïvement les expressions recueillies sur le web comme « naturelles ».

  • 3 Sans parler des croisements de données qui permettent de retrouver une identité d’état civil par la (...)

197. Des données subjectives dont on ne connaît pas nécessairement l’auteur, dès lors que le support autorise les pseudonymes et/ou l’anonymat, ou, lorsqu’on connaît l’auteur par son état civil déclaré, qui ne présente aucune garantie à ce sujet, ni aucun moyen d’aller chercher des données annexes si elles n’ont pas été déclarées dans le profil. Ce point qui perturbe à la fois les chercheurs et les autorités fait précisément tout l’attrait de ce web 2.0 qui a tout changé dans notre approche du web et dans la notion même de publication. On sait cependant à quel point les informations très imparfaites récupérées par les profils suffisent à un grand nombre de marques ou de spécialistes pour comprendre la dynamique d’un milieu et cibler des offres et des messages3.

208. Des données présentant des formats rhétoriques très variés où l’expression d’un jugement (c’est bien/c’est pas bien) ou d’un goût (j’aime/j’aime pas) :

  • est explicite ;

  • ou peut-être inférée de certains termes connotés positivement ou négativement dans une langue donnée (moche, superbe) ;

  • modalisée par le texte environnant (pas si moche, un idiot superbe…) ;

  • ou encore inférée d’une déclaration sur un comportement ou une pratique (je vais toujours aux matchs du PSG) ;

  • ou d’un contraste dans un dialogue (la position d’un post dans un forum en réponse à un autre).

21Tous ces éléments devraient pouvoir être traités afin de réaliser une analyse de tonalité satisfaisante. Disons-le d’emblée, nous en sommes encore loin et il faudra à chaque fois veiller à bien repérer les limites de validité des méthodes proposées. Cependant l’approximation est, dans les « web studies », d’une efficacité qui étonne souvent les académiques, elle permet de ne pas attendre que les sciences instituées aient répondu à toute une série de questions préalables pour travailler à cette analyse de l’opinion en ligne. En trouvant des solutions provisoires ou approximées à des questions très anciennes des sciences humaines et sociales, elles font aussi avancer la recherche, en la faisant contourner un obstacle pour mieux se concentrer sur l’essentiel et sur la singularité d’un phénomène comme internet.

Positionnement de cet ouvrage

22Ce livre se veut donc en permanence une passerelle entre académiques et opérationnels. Lorsque c’est possible, les questions scientifiques soulevées par les méthodes actuelles seront présentées et l’état de la recherche sur ces points sera détaillé pour que l’on mesure bien la nécessité de prendre au sérieux des travaux parfois obscurs et pourtant essentiels sur ces questions (comme dans d’autres disciplines fondamentales comme la physique dont on admet plus aisément le caractère plus ésotérique). Ce n’est pas parce qu’on ressent la gravité tous les jours qu’on est capable d’en discuter la théorie, ce n’est pas non plus parce qu’on parle tous les jours qu’on doit considérer le matériau linguistique dont est faite l’opinion comme une évidence ou un sujet trivial qu’un peu de bon sens suffirait à interpréter. Mais à l’inverse, l’objectif de ce livre est aussi de mettre le pied à l’étrier de tous ceux, chercheurs comme professionnels de l’opinion ou affaires voisines, qui ne peuvent se contenter d’attendre les théories élégantes et validées par la communauté pour exploiter le nouveau potentiel de traces fournies par le web. Et l’imagination opérationnelle vaut tout autant que la créativité scientifique pour aider à changer les points de vue, à voir les choses d’une autre façon, à ne pas prendre les certitudes passées pour des évidences éternelles. Dans le monde du web, marqué par l’incertitude, ce genre de posture ne fonctionne pas et il faut être capable de perdre parfois un peu de rigueur pour faire émerger une tendance, des rapprochements qui posent des questions. L’important est là, commun à l’activité scientifique et aux professionnels : ces outils doivent aider à poser les questions d’une autre façon, plus fine, plus étonnée, ce qui favorise l’intelligence des situations pour tous. Si certains pensent exploiter ces méthodes automatiques de traitement de l’opinion pour obtenir des réponses immédiates, ils font fausse route, scientifiquement, moralement et stratégiquement. Car ils n’enregistrent alors que les échos de leurs présupposés alors que ces outils devraient être entièrement dédiés à leur remise en cause pour nous donner prise sur un monde plus complexe, plus peuplé et, partant, plus passionnant et ouvert.

Notes

1 F. Cochoy, 1999, Une histoire du marketing. Discipliner l’économie de marché, Paris, La Découverte, 1999.

2 On ne sait plus vraiment s’il y a réellement vente ou captation d’attention et de clients et si l’opinion n’est pas l’essentiel de la valeur créée désormais pour les actionnaires dont l’opinion sera précisément décisive sur les cours de l’action. Voir aussi A. Orléan, 1999, Le Pouvoir de la finance, Paris, Odile Jacob.

3 Sans parler des croisements de données qui permettent de retrouver une identité d’état civil par la mise en relation de nos goûts, affiliations et actions toujours singulières.

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search