URL originale : https://books.openedition.org/oep/209
Chapitre 3. Le sourcing
Note de l’éditeur
Cet ouvrage est en vente au format numérique (pdf/Epub) et sur support papier.
Texte intégral
Qu’est-ce que le sourcing ?
1Le sourcing est le terme par lequel on désigne l’ensemble des opérations, préalables à la collecte de données, qui visent à identifier des sources (sites web, blogs, forums, etc.) contenant ou susceptibles de contenir de l’information.
Les sources intéressantes ou pertinentes du point de vue des objectifs de l’étude (ou tels que définis en concertation avec le client)
2Il est en effet nécessaire de bien délimiter le terrain d’enquête. Le web donne accès de manière illimitée à une quantité d’informations en quasi-temps réel. Il faut donc être en mesure d’évacuer le bruit, i.e. toute information sortant du cadre de l’enquête, sans pour autant passer à côté des informations pertinentes (i.e. le silence). Bien souvent, on ne s’intéressera pas à la conversation qui se tient sur le web en général, mais on restreindra le terrain d’étude à un domaine ou à une communauté en particulier. Cela se traduit, du point de vue opérationnel, par le choix ou la constitution d’un ou de plusieurs bouquets de sources sur le sujet de l’enquête. Ou encore, par une sélection de mots-clés en lien avec le thème de l’enquête. Dans tous les cas, le bouquet ne peut résulter d’une simple sélection des sources a priori. Il gagne à être élaboré avec l’aide de spécialistes du domaine, qui connaissent la communauté ou le secteur en question et peuvent orienter la sélection des blogs, forums et autres sites web à faire figurer dans la liste des sources.
Les sources accessibles techniquement, économiquement et juridiquement
3Le web est organisé de telle manière que toutes les informations ne sont pas accessibles de manière équivalente.
4En « surface », on trouve les sites les plus consultés, qui sont aussi les plus généralistes. Moteurs de recherche ou grands hubs commerciaux, ces sites n’ont qu’un intérêt limité dans le cadre d’un sourcing et sont même souvent écartés des bouquets. Dans la couche la plus profonde, on trouve par exemple des bases de données accessibles via mot de passe, ou des contenus peu référencés. Mais quid de ces contenus du « web invisible » lorsque l’on s’intéresse à des questions d’opinions et d’influence ? Il y a fort à parier que ce n’est pas sur ces sites aux données très structurées que se jouent ces batailles, malgré les offres commerciales qui prétendent sans vergogne permettre d’accéder au web invisible ! Entre les deux, on trouve des myriades de sites, parfois organisés en communautés.
5Une source techniquement accessible doit également être économiquement accessible. Certaines bases de données ont un accès payant parfois prohibitif. Les articles de journaux passent assez rapidement d’un accès gratuit à un archivage payant. Sans abonnement, pas d’accès aux news et commentaires récents. Certains types de données ne peuvent être extraits de certains sites qu’à condition de s’acquitter de droits payants auprès de l’éditeur. Là encore, cela peut coûter cher.
6Enfin, certaines informations sont jugées trop sensibles pour être laissées à disposition de tous sur le web. C’est par exemple le cas des informations que l’on pourrait trouver sur les réseaux sociaux (informations personnelles, commentaires privés, profils finement remplis, etc.) et auxquelles l’accès est juridiquement encadré. En témoigne cet avertissement, au sujet des contenus de Facebook, que l’on peut lire sur le blog de la société Lithium qui propose un service de Social Media Monitoring :
« We’ve been working on this functionality for a while and we’re really happy with the level of monitoring available in this initial release. Remember that however good the API access Facebook offers, the vast majority of Facebook content today seems to be private (We can’t say for sure. Maybe Mark Zuckerberg can). We’ll never have that private Facebook content, and neither will any other law-abiding character1. »
Les sources analysables, compte tenu des outils dont on dispose pour traiter ultérieurement l’information
7Toute information pertinente et accessible reste sans intérêt pour l’enquête si elle ne peut pas être interprétée par les outils dont on dispose. En fonction de l’environnement technique qui sera utilisé pour nettoyer, qualifier, archiver et traiter les données, telle information, mieux formatée, sera plus intéressante que telle autre. Dans le cas d’un suivi des opinions, ne pas être en mesure d’extraire la date à laquelle l’information a été publiée rend l’analyse impossible. De la même manière, vouloir à tout prix analyser les informations en temps réel est techniquement impossible et relève plus de la fiction. Et l’on peut au passage remettre en question la pertinence d’une telle entreprise : c’est bien souvent selon une vision très marketing, selon laquelle toute marque devrait « engager » la conversation avec ses fans mais surtout ses détracteurs, que cette quête de l’information instantanée, et de la réaction instantanée en réponse à cette information, devient un impératif.
Les sources « incontournables »
8Un bon sourcing ne peut pas passer à côté des sources les plus importantes et les plus influentes dans le domaine considéré, celles qui font autorité, celles dont l’audience est la plus forte, etc. Mais quelles sont-elles ? Et comment les identifier ? Une source « incontournable » l’est pour un domaine précis, mais très peu souvent de manière générale ou a priori. En fonction d’un sujet précis, il conviendra d’avoir listé toutes les sources qui sont les plus reconnues dans un domaine (les experts du domaine peuvent aider à les identifier), les plus visibles, les plus consultées (i.e. celles qui ont les plus grosses audiences). Il existe plusieurs techniques permettant d’identifier et de qualifier ces sources « incontournables ». Ne pas les inclure dans le bouquet est une cause de silence qui pourrait être très préjudiciable à l’analyse.
De la diversité des sources
9Il faut s’assurer d’une certaine diversité des sources utilisées pour éviter notamment qu’une population particulière d’auteurs soit exclusivement représentée. De la même manière, une autre forme de silence apparaît quand le sourcing oublie de retenir des sites qui ne sont pas forcément très consultés mais qui peuvent être la source de signaux faibles. Depuis la massification de l’usage des réseaux sociaux et des services de micro-blogging, une partie des acteurs qui disent écouter la conversation du web n’en écoutent en fait qu’une certaine partie, obéissant à un effet de mode et à la facilité d’exploitation de ces informations aisément récupérables grâce aux API que les éditeurs mettent à disposition. Il est pourtant nécessaire d’écouter aussi ce qui est souvent qualifié de « vieux web » (i.e. les blogs et les forums notamment), car les conversations y sont encore bien vivaces.
État de l’art : de quelles sources dispose-t-on ?
10Avec ce que l’on considère de manière courante comme la deuxième époque du web, celle où les internautes peuvent à leur tour contribuer au contenu en ligne, toute page web devient potentiellement un lieu d’expression, pour peu qu’un espace de commentaire y soit disponible. En fonction de la nature du site web, la propension à proposer un espace de prise de parole aux internautes varie. Si un site d’avis de consommateurs est fondé sur le principe même de recueillir les commentaires des internautes, les sites officiels des communes, par exemple, ont d’abord été des « vitrines » avant de s’ouvrir aux remarques des citoyens. Beaucoup de sites de presse généraliste proposent aujourd’hui des espaces de commentaire sous leurs articles, tandis que les blogs sont le lieu même de l’expression « extime », selon le terme popularisé par Serge Tisseron. Difficile dans ces conditions de cibler un type de site plutôt qu’un autre pour effectuer l’opération de sourcing. Tout type de site, ou presque, est susceptible d’en faire partie.
11Certes, tout site web peut donc potentiellement accueillir des opinions, mais ces dernières trouveront souvent une expression différente en fonction des sites sur lesquels elles seront énoncées. D’une certaine manière, elles seront formatées différemment. Les manières de traiter les opinions seront très différentes en fonction de l’environnement technique dans lequel on les trouvera. Car l’environnement technique ne formate pas seulement les manières d’exprimer son opinion (ne pas dépasser 140 caractères, mettre une note entre 1 et 5, etc.), mais induit également un contexte social et cognitif qui façonne les manières de donner son opinion : le site est-il modéré ou non ? est-ce que je m’adresse à des consommateurs intéressés par le même produit que moi ou aux timelines de followers qui suivent mon flux de tweets ? Etc.
12Certains prestataires ou outils sont d’ailleurs spécialisés dans l’étude de la conversation sur tel ou tel type de sites. Rares sont les prestataires ou outils capables d’agréger de manière pertinente et efficace les opinions en provenance de sites différents. Les capacités techniques à mettre en œuvre pour ce genre d’analyse « 360° » ne sont pas à la portée de tous les acteurs. Cependant ce n’est pas parce que ce service « 360° » est possible qu’il est toujours celui vers lequel on doit se tourner. Car faut-il tout écouter partout ? Le sentiment analysis ne doit-il pas plutôt avoir un but précis ? Et la manière d’écouter les conversations ne doit-elle pas en découler ?
13Rappel : les effets d’opinion et d’influence n’ont pas lieu exclusivement sur le web (voir supra pour le rôle de la famille, des amis, de la TV, etc.). Certains prestataires proposent d’ailleurs des sources en provenance de la TV, de la radio, de la presse papier. Nous ne nous intéressons qu’à la partie web, mais pour étudier les phénomènes d’influence ou d’opinion, il faut prendre en compte tout l’écosystème, et pas seulement le web.
Propositions de typologie des sources web
14Où trouve-t-on des opinions sur le web ? Certains sites ont directement vocation à recevoir des opinions (notamment en raison de leur caractère social : réseaux sociaux, sites d’avis de consommateurs, micro-blogging, etc.). D’autres, comme les sites de presse par exemple, sont historiquement tournés vers les faits mais se « socialisent » depuis le « Web 2.0 ». Attention : ce n’est pas parce qu’on examinera les posts d’un site « social » que ces derniers comporteront automatiquement des avis pour autant.
Les sites institutionnels et commerciaux
15A priori, les sites institutionnels et commerciaux ne sont pas les premières sources vers lesquelles l’analyste se tournerait spontanément. Pourtant, certains d’entre eux sont associés à des blogs ou à des pages de discussion dédiées qui rendent possibles les échanges avec les citoyens ou les consommateurs. Le site du Conseil régional d’Aquitaine est par exemple ouvert aux commentaires des internautes. Voici ce qu’on peut lire dans les mentions légales du site institutionnel de la région Aquitaine2 :
« La Direction de la communication est en charge de la mise à jour du contenu de ce site en concertation directe avec l’ensemble des services de la région.
Le site donne la possibilité aux citoyens de poster des commentaires dans les articles, sous leur propre responsabilité et dans le respect des conventions régissant la liberté d’expression.
Les internautes peuvent également faire des rétroliens depuis la plupart des articles du site ».
16Chacun, à condition de respecter la charte de bonne conduite, peut donc commenter les articles des différentes rubriques (économie, emploi, santé, solidarité, etc.).
17« L’espace « commentaire(s) » ouvert dans les pages de ce site est destiné à recueillir les avis des internautes sur la politique générale conduite par la région mais n’est pas un forum ni un formulaire de saisine de l’institution : tout message qui n’entrerait pas dans l’objectif prévu serait dès lors supprimé.
18Pour toute autre question ainsi que pour toute réclamation, merci de bien vouloir poster votre commentaire dans le site d’expression citoyenne (http://contributions.aquitaine.fr/3)
Les portails
19De même pour les portails qui pointent vers de nombreuses ressources en fonction de différents secteurs, mais peuvent, le cas échéant, proposer des espaces de discussion. C’est par exemple le cas du forum de ParisData4, le « site de la politique Open Data de la Ville de Paris ».
Les sites de presse
20Les sites de presse généraliste ou spécialisée dont le métier est de créer et de proposer de l’information éditorialisée peuvent être des lieux où trouver de l’opinion, partiale et parfois sur des sujets très spécialisés. Ils proposent en général à leurs lecteurs de réagir aux articles. Les commentaires associés aux articles sont lisibles par tous, bien qu’il faille souvent être abonné au site pour écrire une réaction à un article.
Les sites d’avis de consommateurs
21Ces sites permettent de recueillir des opinions au sujet de produits ou de services. Ils intéressent tout particulièrement les marques qui peuvent se faire rapidement une idée de ce que pensent les consommateurs. Ces derniers détaillent parfois très précisément leurs avis, en évaluant un produit ou un service non seulement dans son ensemble mais aussi en fonction de ces différentes dimensions - et nous verrons que cela a son importance. Certains sites donnent aux utilisateurs la possibilité de noter la pertinence des avis proposés par les autres (et ceci, nous le verrons aussi, peut s’avérer très précieux).
22Dans l’exemple ci-dessus, les informations d’opinion disponibles dans chaque avis sont une note générale donnée au jeu, un commentaire libre, des avantages et des inconvénients, une évaluation pour chacune des 4 dimensions que sont le graphisme, le son, la jouabilité, et la durée de vie. Enfin, l’intérêt de cet avis est évalué par les membres de ciao.fr. Toutes ces informations peuvent être récupérées et analysées selon les objectifs de l’étude.
Les sites d’études communautaires de partage de contenus
23Ces sites sont également des lieux où trouver des opinions. Les vidéos, souvent commentées, que l’on trouve sur YouTube, qualifié de deuxième moteur de recherche au monde, agrègent des avis sur les publicités et par extensions sur les produits. Les commentaires associés aux vidéos peuvent renfermer beaucoup d’évaluations intéressantes.
24De manière plus concrète, certains internautes mettent en ligne leurs premiers contacts avec un nouvel achat (unboxing videos). Ci-dessus, on constate qu’il existe plus de 308 000 vidéos ayant pour objet l’iPad 2. Ces vidéos comportent des jugements sur le produit (encore difficiles à capitaliser puisqu’il faudrait recourir au « speech to text » pour les recueillir) et sont souvent abondamment commentées par d’autres utilisateurs qui donnent leurs propres avis.
Encadré 1 : les outils de speech to text
Les outils de speech to text servent à transcrire de manière automatisée les contenus oraux (vidéos, émissions de radio, contenus télévisuels, etc.). Exalead, (« fournisseur de logiciels de recherche et d’accès à l’information en entreprise et sur le web ») racheté en 2010 par Dassault Systèmes, s’est notamment associé, dans le cadre du programme Quaero au LIMSI (TAL) et à Vocapia Research (ex. Vecsys Research) (reconnaissance vocale) pour produire Voxalead, un moteur de recherche multimédia.
Voxalead permet d’indexer des contenus vidéo et d’en transcrire les textes. Le moteur fournit de plus un système de navigation dans les contenus via des mots-clés (personnalités, organisation et lieux cités dans les vidéos). Le texte extrait est consultable de manière synchronisée avec la vidéo. Plusieurs langues sont disponibles et une sélection des sources est proposée.
Les bases de données
25Les bases de données (brevets) peuvent dans certains cas être des mines d’informations pour la veille. Elles font souvent partie du package de sources inspectées par les services de veille en ligne. De manière générale, le contenu de ces bases est injecté par un organisme ou une institution et n’est pas ouvert aux commentaires. Ces sources n’ont quasiment pas d’intérêt dans le cadre d’une analyse de la tonalité des opinions mais restent très utiles pour de la veille.
Les blogs
26Les blogs sont le lieu privilégié de l’expression en ligne depuis leur explosion en 2004. En France, une plate-forme de blogs comme Skyrock rassemble près de 35 millions de blogs et représente ainsi un des premiers acteurs mondiaux sur ce type de supports. Souvent tenus par une seule personne/entité (mais pas toujours), les blogs permettent d’identifier plus clairement « qui parle » – contrairement aux sites cités plus haut où l’identité des personnes est très souvent visible uniquement au travers d’un pseudonyme (pseudonymat plus qu’anonymat – même si certaines personnes utilisent leur vraie identité). On trouve plusieurs types de blogs : personnels (journaux intimes – extimité), de loisirs (cuisine, couture, etc.), commerciaux (blogs d’entreprise, de marque), de journalistes, d’experts, blogs politiques (élus, partis, syndicats, etc.), etc. Le format blog invite aux commentaires des lecteurs même si l’auteur peut choisir de fermer les commentaires. Dominique Cardon en a proposé un tableau combinant l’extériorisation de soi et la simulation de soi, produisant ce qu’il appelle « le design de la visibilité »5. Cette analyse devrait alors attirer l’attention des analystes d’opinion mining et de sentiment analysis sur les intentions à l’œuvre dans les publications, même si le terme de design peut laisser entendre que le blogueur est doté d’une capacité stratégique voire d’une capacité de calcul des effets de ses publications de lui-même. En effet, cela indique que certains des « sentiments » qui seront analysés sont avant tout des expressions fort subjectives, des états d’âme, pourrait-on dire. L’emploi du terme « sentiment » serait correct dans ce cas, alors qu’en réalité dans le sentiment analysis, se traitent avant tout des avis, voire des jugements parce qu’ils visent des objets précis, qui intéressent les analystes. Autrement dit, les états d’âme des adolescents sur leurs skyblogs n’intéressent guère les services de sentiment analysis, alors que leurs avis sur l’iPad ou leurs polémiques sur une émission de télévision sont plus directement exploitables. Or, ces états d’âme pourraient aussi intéresser les chercheurs, qui pourraient ainsi s’approcher d’un outil de monitoring de l’état d’esprit, du climat social, etc. Mais il faudrait alors paramétrer les outils différemment. De plus, lorsque Cardon souligne les enjeux de simulation de soi, cela menace directement la croyance nécessaire en l’authenticité des expressions recueillies. Or sur les blogs - et plus encore sur Second Life, la mise en scène de soi aboutit à des travestissements où se perd le fil des identités successives. Ceci constitue l’esprit même de ces réseaux sociaux et de ces mondes virtuels. Attention donc à ne pas les considérer pour ce qu’ils ne sont pas, à savoir de simples enregistreurs d’opinions authentiques.
Les forums
27Qu’ils soient rattachés à une marque (Orange), à une institution (forum.gouv.fr) ou encore à une pratique (forum voyage), les forums ont un format spécifique qui permet à tous de trouver une information et des conseils précis. Les forums sont souvent animés et modérés. Leur contenu est hiérarchisé en fonction de « topics » bien distincts les uns des autres et les utilisateurs peuvent s’y exprimer librement à condition de respecter les règles de conduite. C’est sur ce type de source que s’est focalisée l’attention de Synthesio alors que la société tentait de résoudre un problème identifié chez Orange : l’insatisfaction des utilisateurs qui ne trouvaient pas de réponses à leurs questions, en raison d’une mauvaise ergonomie des FAQ.
« Surmontant le défi que constituait la polysémie de la marque Orange, Synthesio a écouté et analysé les conversations en ligne pendant plus d’un an, identifiant les 5 forums les plus influents, leurs principaux contributeurs ainsi que les attentes des clients6. »
Les réseaux sociaux
28Regroupant des dizaines de milliers d’utilisateurs à l’échelle mondiale, les réseaux sociaux peuvent être généralistes (Facebook, Diaspora), professionnels (Viadeo, LinkedIn) ou encore affinitaires (Myspace). Pour pouvoir consulter ces sites, il faut presque toujours en être membre. Les utilisateurs n’ont pas accès à toutes les pages. Ils peuvent consulter celles de leurs « amis » et les pages publiques. Pour les prestataires en veille, social monitoring, e-réputation, etc., seules les pages publiques peuvent être exploitées. Les pages « Fan » ou les groupes peuvent fournir de nombreuses informations sur les utilisateurs : les discours ainsi que les relations entre les membres peuvent être analysés, comme le médialab l’a fait pour les membres des associations de Sciences Po. Mais récupérer des expressions dépend de l’accessibilité permise par les API.
Le micro-blogging
29Le micro-blogging (Twitter, Identi.ca) permet de partager de courts messages (140 caractères) en temps réel. Il est possible de suivre les comptes de certains utilisateurs et les messages de ces derniers apparaissent alors sous la forme d’une timeline sans cesse actualisée. Chaque utilisateur peut à son tour être suivi par d’autres, recommander un message en le republiant, tagger le contenu des messages en utilisant des hashtags qui peuvent être partagés entre plusieurs utilisateurs, notamment dans le cadre de live tweets d’événements – conférences, révolutions arabes, catastrophes naturelles, etc.). De ce fait, les messages publiés sur les systèmes de micro-blogging ont un caractère particulièrement viral. Plus ils sont repris, plus ils créent le buzz. De plus, de nombreux outils sont mis à disposition par le service lui-même pour optimiser la recherche des comptes et la diffusion des contenus : moteur de recherche, création de listes thématiques sur Twitter, indications sur les messages retweetés, publication de photos, etc. De nombreux outils d’analyse ont également été développés en marge du service pour aider les utilisateurs à trouver les contenus intéressants, évaluer les niveaux d’influences des uns et des autres, analyser la tonalité des messages, etc. (voir plus bas).
30Ces deux derniers types de sites (réseaux sociaux et réseaux de micro-blogging) ont été si largement adoptés ces dernières années (plus de 600 millions de comptes Facebook en 2011) qu’ils ont tendance à éclipser les systèmes plus anciens (blogs, forums). Beaucoup de prestataires se concentrent sur ces sites par effet de mode ou par plus grande facilité à utiliser les données, dans le cas des API de Twitter tout au moins.
Les sites de recommandations et de votes pour des contenus en ligne
31Digg, Reddit, StumbleUpon. Ces sites proposent des classements des sites web les plus recommandés par les internautes. « Discover the best of the web », « The voice of the internet », autant de slogans qui invitent les internautes à découvrir les derniers sujets brûlants sélectionnés et partagés par les autres.
Les newsgroups
32Ces groupes de discussion rassemblent des contributions autour de sujets précis. Pour suivre une discussion, il suffit de s’abonner au groupe dédié à la thématique qui nous intéresse pour recevoir les nouveaux messages, en envoyer à son tour et participer ainsi à la discussion. Le service de newsgroups le plus connu est le réseau Usenet. Ce dernier utilise le protocole NNTP (News Network Transport Protocol) qui transporte les messages sur des serveurs partout dans le monde, les rendant ainsi accessibles à tous les internautes. Les thématiques de discussion des newsgroups respectent une hiérarchie7 et les messages sont consultables via messagerie, service web ou logiciel dédié.
Les wikis
33Ce sont des systèmes de publication collaborative. Tout utilisateur peut consulter et modifier les pages. Un des exemples les plus connus est l’encyclopédie multilingue en ligne Wikipedia8 qui compte plus d’un million cent quarante mille articles en langue française. Mais il existe toutes sortes de wikis : wikis de villes (Brest9, Toulouse10, Rennes11, Grenoble12, etc.), wikis thématiques (droit13, éducation14, jeu vidéo15, etc.).
Et le web invisible ?
34Certains prestataires proposent d’explorer le web invisible, proposition recensée parmi « les 10 arnaques de la veille en e-réputation » par Linkfluence16. En effet, si ce web est invisible, comment peut-on y avoir accès ? Et si l’on peut y avoir accès, en quoi les opinions qui y sont exprimées sont-elles intéressantes, puisqu’elles vont à leur tour être invisibles ? Les bases de données structurées qui sont considérées comme des sources de ce web invisible peuvent certes être intéressantes pour la veille dans des domaines bien spécialisés mais ces informations sont en général extrêmement structurées (puisque indexées dans des bases de données) et contrôlées. Elles ne présentent alors guère d’intérêt pour la veille de signaux faibles car ce ne sont pas ces sources qui peuvent les fournir (et s’il s’agit d’espionner l’activité interne des concurrents, on entre alors dans d’autres pratiques !). De même, le suivi de l’opinion et de la tonalité sur ces sources ne présente guère d’intérêt car elles sont en général nettement plus formalisées (des documents techniques notamment) et par leur difficulté d’accès, elles se révèlent peu connectées et par là peu influentes. Le milieu restreint des spécialistes autorisés peut, sous certaines conditions, y avoir accès mais uniquement si ces mêmes spécialistes répercutent ces informations sur des réseaux plus ouverts. On peut alors considérer qu’ils exercent une influence mais l’analyse porte sur d’autres sites, visibles, eux. Si ce Web est invisible, c’est bien qu’il reste fermé et non connecté et donc peu influent selon la logique du Web. Plusieurs sociétés prétendent pourtant commercialiser cet accès à des bases de données « invisibles » comme une différence qui fait la qualité de leur offre, elles créent ainsi la confusion et abusent de la méconnaissance des clients, toujours avides de secrets et d’informations abondantes, alors qu’elles ne relèvent pas du tout de la même logique et ne peuvent être exploitées par les mêmes techniques d’opinion mining et de sentiment analysis.
Conclusion
35On le voit, chaque type de site fonctionne à sa manière et à partir de ses propres catégories et méthodes de description des contenus. Les méthodes de récupération des contenus et les métadonnées qui vont permettre de les identifier et de les archiver dans une base vont donc varier en fonction de ces différents critères.
36Rappelons que tous ces sites ne contiennent pas forcément du contenu subjectif, qu’il faut pouvoir identifier. Sur un site d’avis de consommateurs, on présume qu’il ne sera pas trop difficile d’identifier des opinions. C’est l’objectif affiché du site que de recenser des opinions, de comparer des avis sur des produits, et le site fournit un cadre clair pour que les internautes y expriment leurs opinions (catégories de produits, vote , etc.). En revanche, les opinions distillées dans un blog seront plus difficiles à collecter17. Il n’y a pas de format a priori de l’opinion exprimée dans ce cadre, le blog n’ayant pas pour unique vocation l’expression de sentiments/opinions. On peut en effet y relater des éléments factuels, fictionnels et non porteurs d’opinions.
37Mais avant de savoir si les sites identifiés par le sourcing contiennent ou non des opinions, il peut être intéressant, voire recommandé, de s’assurer que les sites sélectionnés sont suffisamment visibles. Comment savoir si notre corpus de sources comporte bien les sites « qui comptent » pour le domaine qui nous intéresse ? Il va falloir mettre en place une série d’indicateurs permettant de qualifier les sources. Une des mesures classiques souvent considérée comme incontournable pour évaluer la visibilité des sites web est l’audience. Pourtant, nous allons voir que, bien que le marché ait recours à la mesure d’audience, cela ne va pas sans poser de nombreux problèmes théoriques.
Mesurer l’influence : éléments de théorie opérationnelle
38La constitution d’un sourcing pertinent est un enjeu clé pour la qualité des résultats à venir puisqu’il s’agit d’aller chercher au bon endroit si l’on veut espérer récupérer des données vraiment pertinentes. Certes la question de la représentativité ne se pose plus sur le web car personne n’a l’idée d’une quelconque population de référence, qui ne peut être ni les Français, ni les internautes, ni les membres d’un réseau social, toutes catégories dont il est impossible de délimiter la population sur internet. À la rigueur, il serait sans doute possible de reprendre de tels principes pour une population d’une entreprise dont on aurait tous les attributs socio-démographiques essentiels et toutes les identités numériques, mais même cette situation d’information supposée parfaite ne fonctionne quasiment jamais sur le web (ce qui est un paradoxe quand on y songe, mais qui relève du caractère non administratif ni disciplinaire du web). Pas de totalité de référence, c’est un deuil qu’il faut définitivement faire.
39Cependant, ce milieu qu’est internet, au sens écologique du terme, possède une vie, une dynamique, des activités dont les traces font apparaître certains lieux, certaines phases, certains acteurs plus nettement que d’autres. Certes, il existe une large proportion d’internautes qui sont de simples spectateurs et qui ne posteront jamais une contribution. Les amateurs de peer-to-peer les appellent des « leechers », qui ne contribuent pas au bien commun, qui n’ouvrent pas leur machine à l’accès aux autres dans le cas du P2P. La proportion de 80/20 est sans doute assez juste a priori pour l’internet en général. Cependant, elle a considérablement changé avec les réseaux sociaux, car s’y inscrire veut dire quasiment automatiquement publier quelques informations. Mais 600 millions d’utilisateurs de Facebook, c’est seulement un tiers des internautes (mais quand même un tiers) dont on considèrera que la moitié n’a pas de compte actif. Ce qui fait cependant un sixième des internautes un peu actif sur Facebook, pour des activités privées sans doute et pour une bonne part inaccessibles pour les non-amis. Dans tous les cas, et dans la lignée des travaux de Katz et Lazarsfeld sur le two-step flow, la population dont on peut suivre les activités de publication à la trace sur internet constitue une forme nouvelle de leaders d’opinion : on peut faire l’hypothèse que tous exercent une certaine influence dans leurs divers voisinages, amical, familial, professionnel, associatif, ou proprement internet. Dans l’autre sens, cette population de leaders d’opinion ordinaire digitale peut être considérée comme porte-parole des autres internautes ou encore de la population en général : recueillir ses avis, c’est alors recueillir des expressions en rapport avec « ce qui se dit » en général dans les conversations sur et hors internet. Toutefois, rien ne permet encore d’argumenter avec précision ce lien. Il faut donc admettre que l’activité d’opinion mining procède pour l’instant de façon opportuniste : ces données sont présentes, disponibles, c’est donc sur elles que l’on peut travailler, sans aucune garantie sur ce qu’elles représentent pour une population donnée.
40Cependant, une fois ces conditions de validité admises, la question de l’influence de ces sites, de ces blogs, de ces tweets, etc. se pose toujours avec autant d’acuité. Peut-on se permettre d’agréger toutes ces données dans une indifférenciation totale ? Le post ou le commentaire publié sur le blog du copain qui raconte ses vacances vaut-il autant que celui posté sur Le Monde.fr ? La dépêche AFP publiée sur le même site vaut-elle a priori plus que le post d’un blogueur repris immédiatement et twitté par des milliers d’internautes, toujours en alerte sur ce qu’il publie ? Que veut dire dans ce cas le terme « valoir » ? Certes, nous n’avons plus le garde-fou de la représentativité, cependant, dans un monde médiatique fait, par définition, de flux, est-on capable de trouver d’autres repères, de ne pas flotter dans une incertitude complète, faite d’agrégats d’éléments disparates que l’on additionne allégrement ? Peut-on ˗ et doit-on ˗ pondérer le statut des diverses expressions collectées selon leur influence ? Mais qu’entend-on alors par influence ?
41Nous n’entrerons pas ici dans une théorie générale de l’influence que la psychologie sociale a notamment largement explorée mais que d’autres disciplines comme l’anthropologie pourraient éclairer. Contentons-nous de rester dans notre champ des media studies et surtout de trouver des principes théoriques et des méthodes qui vont nous permettre de produire des critères de manifestation de l’influence et ensuite de pondérer les différents indicateurs qui peuvent rendre compte de ces critères. C’est pourquoi nous combinerons approche théorique ou critérielle avec les conséquences opérationnelles qu’il faut en tirer.
L’influence selon les prestataires actuels
42La plupart des prestataires de service ne peuvent s’embarrasser de recherches de fond sur ce qu’est l’influence et adoptent une posture plus utilitariste que théorique. Mais dans tous les cas, il est intéressant de voir la théorie implicite qu’ils mobilisent et dans quelle mesure ils peuvent produire des indicateurs pertinents. N’oublions pas que les web sciences ont bousculé considérablement les sciences sociales par leur capacité à exploiter de grandes masses de données certes approximatives, avec des méthodes aussi approximatives mais suffisamment puissantes pour interroger valablement tous les acquis supposés de ces sciences sociales.
43Seth Grimes a une formule des plus opérationnelles pour penser l’influence dans le livre blanc de Synthesio18 : « A person is influential for real if he or she drives business transactions ». La démonstration a des effets performatifs pour entraîner les clients potentiels à investir dans ces outils de mesure de l’influence, puisqu’au bout du compte, ce qui est mesuré, c’est un marché potentiel. On retrouvera les mêmes principes orientés par l’attrait du marché par exemple sur le blog de Katie D. Paine19 présentant son livre Measure what matters. À tel point que certains services prétendront qu’un marché de l’influence existe, qui permettrait d’acheter des followers sur Twitter ou encore des blogueurs influents20. Nous avons vu en effet qu’il fallait détecter ces posts générés par connivence, par des blogueurs qui vivent désormais des produits qu’ils reçoivent des marques pour pouvoir en faire la promotion/critique tout en apparaissant comme indépendants.
44Toutes ces approches cherchent en fait à cibler les nouveaux prescripteurs, non pas tant pour en comprendre les mécanismes et vérifier leur réelle efficacité mais plutôt pour ne pas risquer de les oublier. Qu’il s’agisse de sites ou de personnes, l’indicateur ultime sera un comportement d’achat ou non (et non seulement des opinions favorables qui, comme nous l’avons dit et comme l’avait indiqué Rogers21 (1963), sont en décalage avec les comportements réels).
45Cela explique aussi en grande partie les approches proposées, qui veulent arriver rapidement à un indicateur quantitatif comme le précise le post de Camille Alloing sur CaddeReputation sur les mesures qualitatives vs les mesures quantitatives22.
46Une société qui a fait figure de précurseur dans l’étude et la cartographie du web, Linkfluence, partenaire du médialab par ailleurs, se doit aussi (nom oblige, au moins !) de proposer une définition de cette influence. Experte dans les méthodes de topologie du web, ce sont avant tout les éléments de ce courant de recherche qui vont lui servir à hiérarchiser l’influence comparée de sites (et notamment des blogs qui sont sa spécialité). La pondération de l’influence est réalisée en fonction de la qualification des sources effectuée par le calcul du rapport entre liens entrants et sortants. Une pondération supplémentaire est ajoutée en fonction de la qualification manuelle des sources secteur par secteur. Comme on le voit, pour établir ce score d’influence, à ce niveau préalable du sourcing, il est déjà indispensable de prendre le temps d’une étude approfondie de chaque domaine, et cela ne se fait que par l’intermédiaire d’experts.
Encadré 2 : la topologie du web
Pour explorer le web, il est possible de mobiliser la théorie des graphes afin de se représenter et d’explorer sa topologie. Analyser la topologie du web, c’est regarder quel site est proche de tel autre, non pas d’un point de vue géographique, ce qui n’a pas de sens sur le web, mais bien du point de vue des proximités entre sites. Ces proximités peuvent être sémantiques, thématiques, mais la topologie – qui reflète souvent ces proximités – s’intéresse aux liens entre les sites, à la manière dont les uns citent les autres. C’est sous cet angle d’approche que le web peut être considéré comme un graphe23dans lequel la position des éléments dépend des relations qu’ils entretiennent les uns avec les autres. Si dans un graphe un arc relie deux nœuds, sur le web un lien relie deux sites. À partir des positions respectives des sites, on pourra alors faire des hypothèses sur les relations qu’ils entretiennent. Attention cependant, on a affaire sur le web à un type de graphe bien particulier : le type « petit monde ». Deux propriétés principales caractérisent un graphe « petit monde » :
- son diamètre est court : les distances entre les nœuds ne sont pas très élevées et il existe des raccourcis entre certains nœuds ;
- son degré de clustering est élevé : un graphe petit monde présente de la redondance ; la densité locale des nœuds est élevée. On peut observer des clusters. Un cluster apparaît lorsque des nœuds ont plus de liens entre eux qu’avec d’autres nœuds.
À partir du moment où on considère le web comme un graphe orienté (dont les sommets sont les pages web et les arcs les liens entre ces pages web), il devient possible d’effectuer des mesures.
On peut par exemple calculer les hubs et autorités. Un site sera un hub s’il présente beaucoup de liens sortants (i.e. s’il renvoie vers beaucoup d’autres sites), une autorité s’il présente beaucoup de liens entrants (i.e. si beaucoup de sites renvoient vers lui). Plus un site présente de liens entrants, plus son in-degree sera élevé. Plus un site présente de liens sortants, plus son out-degree sera élevé.
Le degré de centralité d’un site (d’un nœud du graphe) est défini par les nombres de liens (entrants/in-degree ou sortants/out-degree) qu’il présente. On pourra aussi faire un calcul de betweeness centrality (nombre de plus courts chemins passant par un nœud/site) et de closeness centrality (distance moyenne entre un nœud/site et tous les autres).
47Cette logique de l’influence par domaine prend tout son sens lorsqu’un prestataire demande une vision de sa réputation par exemple : il sait fort bien que seul un domaine (voire un domaine voisin) sera essentiel pour ce suivi. Les experts de l’entreprise en question sont même très souvent déjà capables de lister la plupart des sites pertinents pour eux.
Mesurer l’influence sur Twitter (aspects théoriques)
48Intéressés par la question de l’opportunité de cibler des « influenceurs » pour répandre de manière plus efficace une information, des chercheurs de Yahoo !, ainsi qu’un chercheur de l’Université du Michigan, se sont emparés de la question de l’influence sur Twitter24. Dans leur article « Identifying “influencers” on Twitter », ils présentent les résultats qu’ils ont obtenus à partir d’une enquête sur 1,6 million d’utilisateurs de Twitter, sur une durée de deux mois pendant l’année 2009. Ils précisent d’emblée que leur définition de l’influence est réduite à la capacité d’être le premier à publier une URL qui sera ensuite reprise dans le graphe des followers sur Twitter. Le score d’influence est mesuré de telle sorte que pour une URL donnée, on observe sa reprise à travers le réseau de followers de l’utilisateur qui l’a publiée, puis sa reprise à travers les réseaux de followers des followers de l’utilisateur, etc. Quelles sont les conclusions de leur article ? Pour pouvoir prédire l’influence d’un utilisateur de Twitter, deux indicateurs comptent :
son nombre de followers ;
son influence locale passée (i.e. le nombre moyen de fois où une de ses URLs a été retweetée par ses followers directs comparé au nombre moyen de fois où cette URL a été retweetée par les followers de ses followers jusqu’à disparition de l’URL dans les timelines).
« However, individual-level predictions of which user or URL will generate large cascades are relatively unreliable. We conclude, therefore, that word-of-mouth diffusion can only be harnessed reliably by targeting large numbers of potential influencers, thereby capturing average effects. Finally, we consider a family of hypothetical marketing strategies, and find that under a wide range of plausible assumptions the most cost-effective performance can be realized using “ordinary influencers” – individuals who exert average or even less-than-average influence. »
49Cette conclusion est plutôt modeste face à ceux qui voudraient s’assurer d’un effet d’influence en recrutant les meilleurs influenceurs. Ce sont bien des moyennes qui permettent de vérifier des tendances, mais cela suppose alors de créer une masse d’influenceurs potentiels pour espérer avoir soutenu celui qui aura effectivement une influence. Comme on le voit, dans le cas de Twitter, le phénomène des followers approche de façon empirique ce qu’on pouvait imaginer comme processus d’influence et celui des retweets permet d’avoir un accès assez aisé à un équivalent des effets de cette influence. Pour cette raison, liée à l’architecture même de Twitter qui peut être considérée comme une « architecture d’influence by design », les différentes plates-formes d’opinion mining et de sentiment analysis privilégient ce dispositif. Or, sa représentativité ne peut entrer en ligne de compte ici. Ce sont plutôt les capacités de réplication d’un argument, d’un problème, d’une critique, etc. qui sont rendues visibles, quand bien même elles n’apparaissent pas dans la frange restreinte de la population abonnée à Twitter. Plus une entité, un attribut associé à la marque circule aisément sur Twitter, plus on supposera alors qu’il circulera aussi aisément dans le reste du web et par extension dans tous les médias puis dans toutes les conversations en général. L’erreur serait selon nous de croire que ce qui est intéressant sur Twitter ce sont les faiseurs d’opinion, les influenceurs. Car leur monde est trop petit pour être décisif. En revanche, le fait qu’ils réagissent (et là leur expertise, leur statut et leur audience comptent) sur certains attributs d’une question, d’une « issue », constitue une excellente démonstration de la propagabilité d’un item donné.
50Pourtant, les recherches sont bien plus nombreuses pour tenter de repérer des régularités dans les influences exercées par certains utilisateurs. Il sera en effet utile de suivre ces utilisateurs pour effectuer une veille en opinion mining, car on cherche à anticiper sur ces réplications. Ainsi, H. Kwak, C. Lee, and S. Moon, dans leur article « What is twitter, a social network or a news media ?25 » ont bien cherché à identifier les influenceurs, mais leurs résultats leur font conclure au statut de média de news pour Twitter et non au réseau social. Ce qui confirme ce que nous proposions sur l’importance du flux d’items et de ses propriétés :
« In order to identify influentials on Twitter, we have ranked users by the number of followers and by PageRank and found two rankings to be similar. Ranking by retweets differs from the previous two rankings, indicating a gap in influence inferred from the number of followers and that from the popularity of one’s tweets26. »
51D’autres27 insistent sur le travail que nécessite la construction de l’influence, qui relève en fait d’une forme d’autorité, même si dans leur étude, ils distinguent bien l’influence par réplication de celle qui consiste à être suivi (sous forme de in-degrees élevés) :
« In this paper, using a large amount of data collected from Twitter, we present an in-depth comparison of three measures of influence : indegree, retweets, and mentions. Based on these measures, we investigate the dynamics of user influence across topics and time. We make several interesting observations. First, popular users who have high indegree are not necessarily influential in terms of spawning retweets or mentions. Second, most influential users can hold significant influence over a variety of topics. Third, influence is not gained spontaneously or accidentally, but through concerted effort such as limiting tweets to a single topic.28 »
52Ces auteurs distinguent donc trois critères de mesure : le nombre de followers, le nombre de retweets et le nombre de mentions (@username), ce qui aide à différencier des éléments constitutifs de l’influence, dans d’autres plates-formes aussi.
53D’autres chercheurs29 enfin ont tenté d’établir un TwitterRank en mettant en évidence la tendance à la spécialisation de l’influence sur des domaines particuliers, ce qui permet d’ordonner les influenceurs selon ces domaines :
« This paper is the first to report the phenomenon of homophily in a community of Twitter. By making use of this phenomenon, a Pagerank-like algorithm, called TwitterRank, is proposed to measure the topic-sensitive influence of the twitterers. The experimental results show that the proposed TwitterRank outperforms other related algorithms. Nevertheless, as an attempt to bring order to Twitter, TwitterRank still has space of improvement30. »
Éléments de théorie opérationnelle pour mesurer l’influence sur le web
54Tous ces travaux permettent de souligner différents aspects de l’influence et nous conduisent à proposer une distinction systématique entre les composantes de l’influence pour éviter de les confondre. Dans la mesure où nous les ordonnons en partant de prérequis vers les formes plus complètes, cette proposition vaut aussi guide de méthode pour la mise en place d’indicateurs successifs selon l’affinement souhaité dans l’analyse.
55Plutôt que de se demander ce qu’est l’influence, question ontologique qui ne débouche pas empiriquement, il est plus efficace de se demander, dans une visée pragmatiste, ce que c’est qu’influencer (l’action) et à travers quelles médiations cela passe (comment ?). De ce point de vue, la coupure entre théorie et dispositif opérationnel est nettement moins tranchée, dans la mesure où toute théorie ne dépend que du dispositif de mesure qu’elle mobilise, lequel relève aussi de contraintes techniques propres qui doivent être prises en compte.
Prérequis : Trust Rank et mise à jour
56Deux prérequis sont à considérer comme des conditions de possibilité de tous les calculs d’influence qui seront proposés :
Des informations qui ne visent qu’à polluer ou tromper délibérément peuvent avoir un effet d’influence au premier abord mais sont vite écartées par l’expérience : c’est ce que fait le Trust Rank qui n’intervient pas dans le calcul de l’influence mais qui doit être un filtre préalable à toute étude de l’influence sur le web31.
57Conséquence opérationnelle : fixer un seuil de Trust Rank en dessous duquel on ne sélectionne pas les sites.
Une influence a une durée de vie limitée. Si elle n’est pas réactivée à intervalles réguliers, l’influenceur perd l’emprise qu’il peut avoir sur l’influencé. Il faut donc vérifier par certains indices que l’influence a bien été réactivée régulièrement.
58Conséquence opérationnelle : tous les sites qui ne sont pas mis à jour depuis un mois sont éliminés comme non actifs au motif que leur influence n’a pas été réactivée. Problème : en fait ces dates ne signifient pas que sur un sujet donné des pages anciennes ne puissent pas redevenir influentes car aucun moteur ne tient compte de ces dates de mise à jour (et il serait tout aussi inquiétant de devenir encore un peu plus esclave de la dernière nouveauté philosophique parce que racontée par Raphael Einthoven sur France Culture alors que les textes des classiques grecs ainsi que de grands commentaires sont disponibles sur le web depuis longtemps).
59Ces deux prérequis sont donc des seuils a priori et n’entrent pas dans le calcul de l’indicateur d’influence.
Principe de base : la diversité des types de sites
60Le calcul de l’influence des sites dépend énormément du type de site non seulement pour des raisons techniques d’accès à certaines données sur certains sites et non sur d’autres mais aussi parce que le mode d’exercice de l’influence en sera différent et enfin parce qu’entre eux ces différents sites mettent en valeur certains composants de l’influence que nous étudions ici et non tous à la fois. C’est pourquoi des indices différents devront être construits selon les types de sites que l’on distinguera en première approche selon cette grille :
sites de presse ou de news ;
sites en général ;
blogs ;
SNS (réseaux sociaux) ;
Twitter.
61Dans la composition des sources, le poids de chacune des sources devra être déterminé.
Précision de la visée de la mesure
62La mesure de l’influence vise à pondérer à l’intérieur du bouquet le poids des différents contenus qui seront indexés dans la base en fonction du ranking d’influence des sources d’origine. Bien d’autres problèmes de sourcing doivent aussi être résolus, mais il est certain que la capacité à déterminer les types d’influence à prendre en compte peut jouer en retour sur la constitution même des sources. Il peut y avoir un effet rétroactif ou itératif pour permettre de réviser certains choix du bouquet de sources, lors de l’élaboration de la méthode. L’absence de certains sites ou la disproportion d’autres avec des indices d’influence uniquement très élevés ou au contraire très faibles devrait par exemple poser des questions.
Comment peut-on influencer ?
Proposition 1 : la cible est l’attention informationnelle et non les pratiques
63Toute influence est une forme de captation de l’attention voire ensuite d’orientation des attitudes ou des pratiques. E Rogers rappelle, dans son livre Diffusion of Innovations (1963, jamais traduit), qu’il existe un KAP gap (Knowledge, Attitude, Practice), déjà évoqué : on peut être informé d’une innovation et c’est la condition pour la suite du changement, mais cela ne veut pas dire que l’on change nécessairement d’attitude vis-à-vis d’elle (ou qu’on a même une attitude vis-à-vis d’elle),. Par ailleurs, une fois que l’on a adopté une attitude, cela ne veut pas dire que l’on va adopter la pratique, qui est encore un autre moment.
Conséquence opérationnelle
64Il est souhaitable de ne pas prendre en compte les pratiques, qui consisteraient par exemple à relier les données en tonalité à des évolutions des courbes de vente au niveau agrégé ou à des comportements individuels que l’on pourrait suivre. La pondération de l’influence ne peut prendre en charge que les phases de knowledge et d’attitude. C’est d’ailleurs pour cela que la tonalité est importante car au-delà de la diffusion d’une information, elle permet de commencer à aborder la question de l’attitude même de façon grossière.
Proposition 2 : attirer l’audience est un préalable
65Pour influencer il faut être capable d’affecter l’attention des publics. Et cela à plusieurs niveaux.
66Il faut attirer l’attention. Autrement dit, il faut détacher les cerveaux des objets sur lesquels ils étaient focalisés. Toute attention est déjà prise, il n’y a pas de vide, c’est donc une « lutte d’influences permanente », disait Tarde (1895). Pour cela, il faut, dans un premier temps, se rendre visible au moins dans le champ perceptif. Il faut donc être visible et accessible. Plus largement, la visibilité procède par contagion, c’est-à-dire que le public a tendance à aller voir en priorité ce que les autres vont voir et qu’on lui dit que les autres vont voir (effet d’agenda setting). On passe ainsi rapidement de la visibilité à la notoriété et à la réputation.
Conséquence opérationnelle
67Être influent sur le web suppose au minimum d’être lu ou vu. Ce n’est pas une garantie pour exercer l’influence mais c’est un prérequis. C’est pourquoi il nous faut utiliser d’une façon ou d’une autre des outils qui rendent compte de ce processus. En première approche, il faut s’appuyer sur des mesures d’audience existantes, aussi imparfaites soient-elles, site centric ou user centric (plus difficile d’accès mais de plus grande valeur évidemment). Nous y reviendrons en détail plus loin. Le Google score (voire les autres moteurs) doit aussi faire partie de cette batterie d’indicateurs puisqu’il est le résultat en partie des clics des internautes et de ce fait lui donne une visibilité qui va orienter ensuite le lecteur. Plus une page est notée par un score élevé, plus elle a de chances d’être sélectionnée, d’être lue et donc d’exercer une influence par la suite.
Proposition 3 : l’influence s’exerce domaine par domaine
68Attirer l’attention (comme orienter l’attention puis influencer) ne se fait pas dans un monde unifié et encore moins hiérarchisé de façon stable. Nous participons à plusieurs univers sociaux32, ces univers ne se recoupent qu’en hypothèse (l’intersection des mondes sociaux de Simmel) et ne sont pas hiérarchisés les uns par rapport aux autres du point de vue de l’expérience. Les influences qui s’exercent sont toujours limitées à un domaine dans les régimes démocratiques et concurrentiels. Les passages à la limite de cette proposition sont les institutions totales33 que sont par exemple les sectes et les régimes totalitaires. On dira alors que ces situations permettent d’exercer une emprise complète, y compris en contrôlant les pratiques, ce à quoi tend toute influence mais qui n’est jamais réalisé dans les sociétés ouvertes. Cette emprise peut être prise en compte parce qu’elle s’exerce sans violence, la violence nous sortirait en effet du domaine d’étude de l’influence. Mais toute influence à caractère d’emprise (et donc toute « influence totale ») incorpore en elle une exploitation de la peur (et toute autorité fonctionne de cette façon). Or l’influence en sociétés ouvertes vit sur un terreau fait d’hésitation34 et d’incertitude, ce qui veut dire une forme de libre arbitre supposé.
Conséquence opérationnelle
69Les mondes sociaux pluriels doivent se traduire par une investigation de l’influence limitée à des domaines. Les influenceurs peuvent être pluridomaines, mais aucun n’est jamais « omni domaines ». Le cas des moteurs de recherche étant à part comme nous allons le voir ensuite. Cette limitation doit être prise en compte pour interpréter toutes les propositions suivantes.
Proposition 4 : les scores en topologie du web identifient des types d’attention différents
70Le fait d’attirer l’attention en étant visible ne garantit en rien une stabilité de cette influence. Nous dirons qu’il existe deux politiques de l’attention principalement, celle qui vise à alerter et celle qui vise à fidéliser. Ces deux propriétés s’appuient sur les travaux fondateurs de Ribot35 énonçant les deux paramètres de l’attention (l’intensité et la durée). Être attentif - et donc influencé ou influençable, peut vouloir dire « être alerté » par une intensité d’un signal qui éveille notre attention (c’est le priming en psychologie cognitive) ou « être focalisé » sur quelque chose de façon durable, parfois de façon active (être concentré) mais parfois aussi par habitude.
71La visibilité agrège les deux phénomènes (fidélisation/attention durable et alerte/attention vive). Mais il nous faut un indicateur spécifique qui donne un poids différent à ceux qui sont devenus avec le temps des influenceurs durables, a priori reconnus. Ces influenceurs peuvent orienter l’attention et non seulement l’attirer, ils peuvent régulièrement servir de repères pour se forger un jugement, une opinion. Les leaders d’opinion fonctionnent de cette façon et ne se sont pas constitués en un jour mais une fois que « l’investissement de forme »36 a été effectué, ils constituent des repères conventionnels à travers qui les informations vont être retraitées, y compris en provenance des sites les plus visibles comme les médias, selon le classique schéma du « two step flow » de Katz et Lazarsfeld37 ou selon celui de l’« attention backbone » de Benkler38.
Conséquence opérationnelle
72Pour repérer ces influenceurs, la topologie du web est un excellent outil. On peut en effet y calculer des scores de hub et d’autorités et des centralités. Lorsqu’un site possède un grand nombre de sites qui pointent vers lui (in-degree), et qu’il obtient donc un score élevé d’autorité, on peut en effet supposer qu’il sera un influenceur durable, qui parvient à fidéliser des publics qui se référeront à lui, en cas de doute ou de recherche d’informations au moins. Lorsqu’un site pointe vers de nombreux sites (out-degree) et qu’il obtient donc un score élevé de hub, il est probable qu’il va jouer un rôle important pour orienter l’attention des publics vers les sites pertinents dans un domaine donné. On veillera cependant à prendre en compte la possibilité de manipuler ce type de score en ajoutant des liens de façon délibérée dans une optique de SEO (Search Engine Optimizer). Sans doute faudra-t-il être capable de détecter certains travers trop marquants. Lorsque la topologie met en évidence la centralité d’un site pour un domaine, on peut considérer qu’il joue un rôle plus déterminant dans l’orientation des publics qu’un site situé en périphérie. De cette façon, des chemins privilégiés sont créés qui vont influencer les publics. Ces trois éléments de topologie sont en fait à la base même du PageRank (et non du Google score des pages) et ces mesures seront donc en quelque sorte redondantes. Ces quatre facteurs (autorité, hub, centralité, PageRank), directement issus de la topologie des réseaux, devront être résumés en indices précis de hub, d’autorité et de centralité pour constituer un élément de l’algorithme général de l’indicateur d’influence.
73Notons bien à cette occasion que l’unité de base de calcul de l’influence est ici un site et non une personne. Il faudra mettre en place d’autres méthodes pour les réseaux sociaux ou pour Twitter dont les comptes seront les unités de base (il vaut mieux parler de comptes dans les deux cas, pour éviter de croire trop vite à l’identité légale de l’émetteur). C’est l’objet de la proposition 5.
Proposition 5 : influencer c’est capter l’attention de façon durable
74L’orientation de l’attention est une focalisation thématique qui peut être durable comme indiqué dans la proposition 4. Mais cette attention peut être orientée sur des personnes, sur des auteurs indépendamment d’un contenu particulier. On dira alors que l’influenceur ou le leader d’opinion a capté l’attention (capter n’est donc pas attirer ni orienter, la distinction importe). Cette captation de l’attention garantit que les opinions des leaders seront, de façon répétée, plus aisément accessibles aux publics indépendamment des informations spécifiques dont il s’agit. Cette captation de l’attention dans la durée produit une fidélisation des publics ou encore une forme de confiance durable qui sert d’a priori pour accepter une influence plutôt qu’une autre.
Conséquence opérationnelle
75Pour repérer cette captation de l’attention, nous disposons selon les types de sites de plusieurs indicateurs tels que les blogrolls, les flux RSS ou les followers. Twitter est de ce point de vue le plus explicite puisque le terme lui-même dit bien que l’on accepte de suivre,d’être influencé au sens de « knowledge » c’est-à-dire d’être alerté immédiatement des publications de certains que l’on constitue ainsi comme des influenceurs ou des leaders d’opinion pour un domaine particulier et pour un support particulier. Il est cependant reconnu que l’effet de notoriété provoqué et recherché par cet indice aboutit à des nombres de followers peu significatifs d’une quelconque influence, comme on le voit dans le cas des people.
Proposition 6 : influencer c’est susciter la discussion
76La possibilité d’être informé ne dit rien du changement d’attitude puisqu’on peut approcher (et seulement approcher) la probabilité qu’un influenceur est vu ou lu mais rien n’est dit pour autant de l’activité qui est générée par ce contact. Nous dirons que ces contacts sont des prises qui peuvent être durables (et ils tendent alors vers l’em-prise) ou éphémères (et ils tendent alors vers la sur-prise). Mais nous devons aussi mesurer l’influence à travers la re-prise, c’est-à-dire le fait qu’il existe une réaction d’une façon ou d’une autre de ce public, dont on peut tracer l’activité. La première réaction à prendre en compte tient à la capacité d’un leader ou d’une expression à susciter la discussion. Cet élément constitue un point important dans l’analyse de l’influence car dans ce cas l’activité d’une partie du public devient manifeste. Les conversations ont lieu autour d’un thème, d’un événement, d’un point de vue et l’agenda setting peut alors se vérifier du point de vue de l’opinion publique à travers ces reprises (qui peuvent être par ailleurs plus ou moins actives et plus ou moins controversées, ce n’est pas un critère déterminant). Un influenceur ou une expression qui suscite la controverse exercede ce seul fait une influence même si cellle-ci est contraire à l’orientation de la tonalité d’origine de l’opinion exprimée.
Conséquence opérationnelle
77La mesure de cette reprise (quelle que soit son orientation) peut se repérer à travers les commentaires sur les sites, par leur nombre d’abord, indépendamment de leur tonalité (qui pourra ensuite être analysée). Un site qui reçoit en moyenne beaucoup de commentaires est un site qui manifeste sa capacité à faire réagir à un énoncé donné. Les sites qui ne font aucune place à cette activité (comme beaucoup de sites institutionnels) peuvent être plus influents sur d’autres critères et peuvent aussi susciter des discussions mais il n’existe pas d’indicateurs sur ce point précis. Ils seront donc considérés comme moins influents sous ce rapport et c’est pourquoi il devrait exister un indice différent entre sites de news/presse/blogs d’un côté et les autres sites sans commentaires d’un autre côté.
78Notons par ailleurs qu’il convient d’être prudent quant à l’interprétation du nombre de commentaires lorsqu’ils ne renvoient au bout du compte, qu’à un faible nombre d’auteurs, relativisant ainsi le score de reprise défini.
79Pour Twitter, la fonction RT (retweet) est essentielle et directement adaptée à la mesure de ce processus de reprise. De plus, l’API propose une mesure automatique de ce nombre de RT pour un compte donné. Il reste alors important de savoir si ces RT sont effectués en général ou dans le domaine particulier qui est visé par l’étude, car l’influence peut être plus ou moins ciblée et plus ou moins forte selon les domaines.
Proposition 7 : la circulation d’une expression est un indicateur d’influence
80La possibilité de susciter la discussion n’est qu’une des composantes manifestes de l’influence en tant que reprise. La possibilité de citer une expression constitue par exemple l’indice par excellence de la mesure de l’influence telle qu’elle est traduite dans le H index qui sert de référence pour les publications scientifiques. Il est possible en effet de calculer cet indice en tenant compte non seulement des fréquences des citations mais aussi des types de supports et des rankings de ces supports (revues) produits par les communautés académiques. Ces communautés s’organisent autour de cet indicateur sans que cela soit une démonstration de fiabilité ou une reconnaissance de la valeur de la contribution puisque celui qui est réfuté par tout le monde ou considéré comme le contre-exemple parfait aura autant de citations que celui qui sert de référence positive pour les travaux suivants. À travers cet exemple, on peut voir que la citation peut porter sur l’auteur, sur le texte même, ou sur l’article en tant que document. Dans tous les cas, ce sont des reprises mais l’objet n’est pas exactement le même. Il est alors possible de se limiter à la quantité de citations comme le fait la première étape de la scientométrie puis de passer aux réseaux de citations qui constituent alors des topologies désormais étudiées couramment en scientométrie, en mesurant notamment ce qui est cité dans un même domaine et ce qui déborde le domaine (d’où le rôle des gatekeepers chez Rogers39, du marginal sécant chez Crozier et Friedberg40, du bridging en analyse de réseaux, chez White et Burt41.
Conséquences opérationnelles
81Le suivi des reprises sous forme de citations est déjà effectué à travers les méthodes du « meme tracker » qui se centre au sens strict sur les citations. Le problème principal vient de la mutation générale des expressions qui sont des citations indirectes (« la phrase sur Sarah Palin » suffit à faire référence à « lipstick on a pig »). Tout cela dépend toutefois des capacités d’un moteur sémantique très contextuel à suivre à la trace ce genre d’énoncés. Ce type de système de suivi des auteurs ne paraît pas avoir été implémenté à l’échelle large et doit tenir compte des identités multiples possibles. En revanche la traçabilité d’un nom permet de voir s’il est repris le long d’une timeline. L’objectif de cette mesure serait alors de repérer ce que l’on appelle des « cascades ». On ne peut obtenir d’information intéressante qu’à deux conditions : avoir des indicateurs chronologiques très fiables et avoir une topologie de référence permettant de voir les effets de voisinage, soit à travers des liens dans les billets, soit à travers des citations. La qualification du voisinage est importante pour savoir dans quelle mesure une cascade est significative d’un événement qui sort d’un strict voisinage lié à un domaine restreint ou s’il s’agit d’un phénomène qui déborde à N + x liens de l’émetteur d’origine. Il serait intéressant de voir comment une citation sort de son domaine d’origine, ce qui peut intéresser l’étude de l’opinion politique mais aussi la scientométrie.
82Dans tous les cas, comme on le voit, on change de référence car cet indice de citation porte directement sur des éléments textuels et non sur des sites.
Proposition 8 : influencer c’est orienter la discussion
83La reprise a été considérée dans la proposition précédente comme une reprise à l’identique, elle est décorrélée du débat qui est mesuré par l’intensité des contributions. Mais de ce fait nous manquons un point essentiel des changements d’attitude qui peuvent être provoqués par une contribution qui par sa circulation deviendrait directement influente sur la formation de l’opinion. Il s’agit ici non plus de susciter la discussion sous forme de contributions ou sous forme de reprises. C’est le croisement des deux variables précédentes qui peut devenir intéressant pour apprécier la manière dont les changements d’attitude sont apparus. La capacité à orienter la discussion est un autre type d’influence, de niveau plus directement actif, dont on peut voir la trace dans une conversation par le fait qu’on recode le problème selon des termes qui n’étaient pas ceux du départ. On peut parler de recodage, de reframing ou encore de keying, selon les écoles (cf. notre étude sur les conversations télé republiée en 2004). Cette interprétation est une interprétation de haut niveau qui doit mobiliser des catégories d’analyse reconstruites et bâties cependant sur des indicateurs.
Conséquence opérationnelle
84Pour exploiter cette dimension d’une trace de changement de clé d’interprétation dans le flux d’une conversation sur le web, dans le flux des reprises, des citations et des discussions, il faut disposer d’un matériau fortement contextualisé (les énoncés en n-grams ne suffisent plus), il faut mettre en place des catégories d’analyse qui ressemblent par exemple aux grandeurs de Boltanski et Thévenot42, ce qui pourrait être un de leurs usages. Car lorsqu’un problème dit technique (industriel) est recodé comme un problème de marché (marchand), on assiste alors à une mutation importante et à une disqualification de certains arguments.
85Là encore, la cible de l’influence n’est plus un indice sur un site mais un indice énoncé par énoncé.
Medialab Influence Ranking
86En s’appuyant sur cette théorisation de l’influence, le médialab de Sciences Po a développé un « Medialab Influence Ranking » dont les propriétés précises seront publiées en 2012 et son algorithme ouvert. Les principes qui le guident sont les suivants :
ne pas agréger les scores de sources diverses : le « Medialab Influence Ranking » sépare la mesure d’influence des sites web et de Twitter (pas encore disponible pour Facebook) ;
valoriser toutes les sources d’influence sans les agréger ni les hiérarchiser ;
fournir un classement général qui mixe ces indicateurs ;
garder la trace des classements particuliers en affichant le type d’influence qui a contribué au classement obtenu ;
garantir la faisabilité technique de la mesure indépendamment de tout accès réservé ou payant à des indicateurs.
87Cet outil permet ensuite de pondérer les sources sélectionnées dans le sourcing au moment du calcul de tonalité, de façon à ne pas traiter au même niveau tous les verbatims recueillis, ce qui fournit des moyennes peu significatives.
88Le « Medialab Influence Ranking » n’est valable que domaine par domaine et ne prétend pas fournir un classement permanent public indépendant comme le font certains sites qui seront présentés dans cet ouvrage.
Des méthodes de mesure de l’audience sur le web et de leurs limites
89Dans le cadre d’une méthode pour évaluer l’influence des types de sources, nous venons de voir qu’il peut être utile de prendre en compte l’audience des sites. À condition toutefois d’être extrêmement prudents dans l’utilisation de méthodes standards, et de bien comprendre, comme nous l’avons indiqué, à quel point l’audience ne permet de mesurer qu’un certain type de visibilité, ou, du côté internautes, d’exposition (modèles des media exposures) sans que l’on puisse en déduire immédiatement l’influence exercée.
90Premier élément qui incite à la prudence : d’une méthode à l’autre, l’audience d’un même site peut varier. Comment expliquer cette variation ? Comment savoir ce qui est effectivement mesuré ? Peut-on évaluer l’audience de tous les sites web ? Comment savoir si tel site web a reçu plus de visites que tel compte Twitter ? Et peut-on comparer la fréquentation de sources de natures si différentes ? Toutes ces questions sont légitimes et aucune réponse du type « boîte noire (circulez, on s’occupe de tout) » ou du type « tout cela se ressemble » ne peut être considérée comme satisfaisante.
91Les outils de mesure d’audience des sites web se répartissent en deux grandes familles : l’approche dite « site centric » et l’approche dite « user centric ».
Les approches dites « site centric »
92L’approche site centric regroupe les outils qui mesurent la fréquentation d’un site web en comptabilisant les connexions à ce site. Ce comptage peut s’effectuer de deux manières : par l’analyse des fichiers logs ou par l’analyse des marqueurs (ou « tags »). La première méthode consiste à analyser les fichiers logs générés par les serveurs sur lesquels sont hébergés les sites web. Ces fichiers rendent compte des événements survenus sur les serveurs, et il est ensuite possible d’en déduire des nombres de visites et de pages vues. La seconde méthode consiste à mesurer la fréquentation d’un site web en fonction du comptage des requêtes serveurs reçues via des marqueurs situés dans les pages (Google Analytics, Xiti, etc.). Ces deux approches permettent toutes deux, selon des critères différents, de mesurer le trafic, i.e. le nombre de visites ou le nombre de pages vues. Notons bien que ce comptage se fait donc par poste connecté, et non par individu connecté (voir infra l’approche user centric).
Encadré 3 : labellisation et certification par l’OJD43
La mesure de la fréquentation par marqueurs est la seule à être reconnue par l’OJD (Office de Justification de la Diffusion) dont le rôle est d’assurer la certification et la publication des chiffres de fréquentation des sites web (ainsi que des applications mobiles). Historiquement, l’OJD, anciennement OJT (Office de Justification des Tirages), avait pour mission de contrôler le tirage et la diffusion de la presse. La labellisation des premiers outils de mesure pour la diffusion web date de février 2001. Aujourd’hui, huit outils de mesure internet sont labellisés44 par l’OJD : eStat (Médiamétrie-eStat), le Weboscope (Weborama), Sitestat (Nedstat), Sitecatalyst (Omniture), Smartprofile (NSP), Wreport (Weborama), Wysistat (IDFR) et AT Internet (AT Internet). Chaque site qui installe un des outils de mesure ci-dessus peut ensuite prétendre à voir sa fréquentation certifiée et publiée par l’OJD.
Les chiffres mensuels de fréquentation et d’usage des sites internet et applications mobiles sont consultables sur http://www.ojd-internet.com/
La méthode de l’OJD entre en concurrence avec celle d’un autre acteur spécialisé dans la mesure d’audience des médias audiovisuels en interactifs, Médiamétrie (voir infra).
Les limites des approches site centric
93Les mesures site centric permettent donc d’évaluer l’audience d’un site web, mais, pour ne pas se laisser abuser par les chiffres, il faut aussi en connaître les limites.
94De plus en plus de logiciels détruisent les cookies qui permettent la récupération des mesures de fréquentation. Tous les outils site centric ne fonctionnent pas avec la même définition du rafraichissement d’une page web (le taux de refresh des visites certifiées OJD est par exemple de 29 minutes et 59 secondes). Certains sites, en augmentant la vitesse de refresh, réussissent donc à augmenter artificiellement le nombre de connexions et donc le taux de fréquentation.
95Les mesures « site centric » ne tiennent pas compte du « visiteur unique » (voir infra). Pas de prise en compte non plus du lieu de connexion. La fréquentation mesurée est en provenance du monde entier. Les outils site centric effectuent leur comptage quel que soit le lieu d’origine de la connexion (France, étranger, lieu de travail, domicile, cybercafé, etc.).
96Un indicateur comme le temps de session pourrait permettre de pondérer les résultats en y intégrant la durée de la visite du site et éventuellement les pages qui auraient effectivement.été consultées Or, et la thèse de T. Beauvisage45 le démontre parfaitement, ce calcul est extrêmement complexe car la définition conceptuelle et technique de la « session » n’est pas si évidente à reproduire. Elle ne dit rien non plus de l’attention portée effectivement aux pages visitées, mais ce problème est commun à toutes les mesures d’audience, à l’exception de celles qui mobilisent des appareillages très lourds de eye-tracking, inadaptés pour produire des données de masse.
L’approche dite « user centric »
97L’approche user centric repose sur le suivi de navigation d’un panel représentatif d’internautes. La méthode consiste à installer dans les ordinateurs des personnes de l’échantillon un logiciel qui va enregistrer leur navigation sur le web. L’approche user centric dénombre des individus connectés à un site web et permet donc d’annoncer un nombre de visiteurs uniques. L’audience ainsi obtenue est « qualifiée » puisque les profils socio-démographiques des panélistes sont connus. Ce type de mesure est effectué en France par la société Médiamétrie, société historiquement spécialisée dans la mesure d’audience pour la TV et la radio, depuis 1985. Médiamétrie mesure l’audience sur le web et les nouveaux médias depuis les années 2000. Citons aussi le panel Comscore46.
Encadré 4 : la mesure d’audience chez Médiamétrie/NetRatings
Au début de l’année 2000, Médiamétrie s’est associée à Nielsen Netratings pour mettre en place un outil de mesure de l’audience sur le web. Le but du panel Médiamétrie/NetRatings est de
« fourni[r] aux éditeurs, aux agences et aux annonceurs les résultats d’audience de l’internet français, ainsi qu’une qualification de cette audience [pour] la mise en place de planifications stratégiques, d’études concurrentielles et d’un médiaplanning 47. »
La méthodologie de constitution du panel Médiamétrie/NetRatings est la suivante
Autre acteur de la mesure de l’audience sur le web, Alexa.com
98Alexa fournit un ensemble de services autour de la recherche d’information sur le web. À ce titre, le site propose un classement des sites web en fonction de leur popularité48 à l’échelle mondiale, par pays, ou par catégorie. Pour chaque site du classement, il est possible de consulter un descriptif présentant l’audience du site, ses informations légales, la liste des requêtes les plus employées pour accéder au site depuis les moteurs de recherche, les sites sur lesquels les internautes se sont rendus immédiatement avant et immédiatement après, des évaluations du site web rédigées par des internautes, etc. D’autres services, comme les sujets les plus discutés à un moment précis sur le web (Hot topics) ou des outils de SEO, sont également proposés.
99Cependant, le site Alexa ne calcule pas l’audience mondiale de tous les sites web. Car les sites dont l’audience (traffic stats) est calculée sont ceux que les utilisateurs de l’Alexa Toolbar ont eux-mêmes visités. Pour chaque pays, les données proviennent du panel d’utilisateurs de la barre de navigation d’Alexa et les mesures d’audience sont calculées sur une période de trois mois roulants (« Alexa’s Traffic Ranks are based on the traffic data provided by users in the Alexa’s global toolbar panel over a rolling 3 month period49. »). Alexa récupère en effet les informations sur le trafic web via une barre de navigation que chaque internaute est libre d’installer, s’il dispose du navigateur compatible. En échange de l’installation de la barre de navigation, l’internaute a accès à plus de features qu’un visiteur classique d’Alexa. Le classement Alexa reflète donc l’audience des sites visités par les membres de sa communauté.
100Quelles informations sur l’audience le site Alexa.com fournit-il ?
101En plus du classement en fonction de la popularité, Alexa évalue le nombre de pages vues : « Page views measure the number of pages viewed by site visitors. Multiple page views of the same page made by the same user on the same day are counted only once.50 »
102Mais Alexa fournit également un nombre de pages vues par utilisateur : « The page views per user numbers are the average numbers of unique pages viewed per user per day by the visitors to the site51. »
103Enfin, grâce aux informations enregistrées pour tout utilisateur de sa barre de navigation, le site Alexa peut également proposer des informations démographiques qu’il dit pondérer en fonction de la population mondiale des internautes. Ce dernier type de mesure est sans aucun doute à considérer avec beaucoup de précaution puisqu’il n’existe en fait aucun moyen de recenser dans le détail la population mondiale des internautes.
Les limites des approches « user centric »
104Si les mesures « user centric » peuvent sembler au premier abord plus précises que les mesures « site centric » dans la mesure où elles fournissent des indications telles que l’identité des internautes – ce qui intéressera hautement le marketing et la publicité qui peuvent alors cibler des consommateurs –, ces mesures présentent, elles aussi, des limites.
Seuls les sites ayant été vus par un nombre suffisant de panélistes (les plus gros sites – Amazon, Google, par exemple) sont mesurés. Il faudrait augmenter la taille du panel pour obtenir des résultats fiables pour les autres sites.
Cette approche exclut l’audience en provenance de l’étranger et des lieux publics.
Le statut de panéliste explicitement déclaré peut avoir tendance à modifier le comportement des internautes.
La multiactivité des internautes n’est pas vraiment mesurée, et l’accès à un site ne veut en rien dire qu’il est consulté, notamment parce que de nombreuses autres activités sont conduites au même moment, telles que chat ou activités sur des applications qui ne sont plus web, voire multiactivités multiterminaux.
105Toutes ces limites sont connues, cela n’invalide pas ces méthodes, à condition de ne pas leur demander plus qu’elles ne peuvent donner et de rappeler en permanence leurs limites de validité.
Vers des mesures hybrides ?
106Depuis plusieurs années, des recherches sont lancées pour tenter de construire des « mesures hybrides ». Médiamétrie tente par exemple de rapprocher ses mesures user centric des mesures qu’elle obtient via eStat, son outil site centric. Un livre blanc est d’ailleurs disponible en téléchargement sur le site web de Médiamétrie pour expliquer l’intérêt et les enjeux d’une telle démarche52. Comscore, autre société de mesure de l’audience sur le web, propose également une « solution hybride »53 mixant « les données d’analyse de site par recensement et les données de mesure d’audience sur panel ».
Encadré 5 : audience et vidéo
Médiamétrie/NetRatings a annoncé le 15 décembre dernier, dans un communiqué de presse54, le lancement de la première mesure d’audience de la vidéo sur écran d’ordinateur en France. Le panel est le même que celui utilisé pour la mesure de l’internet en France. Tout site diffusant de la vidéo va donc pouvoir voir son audience mesurée. Le type de mesure employé est une mesure hybride. Deux classements ont été mis en place. L’un prend en compte l’audience des brands players, à savoir l’« agrégation de l’audience du ou des player(s) vidéo d’un même diffuseur quel que soit le site sur lequel il est diffusé »55. L’autre mesure l’audience des brands site-supports, à savoir l’« agrégation de l’audience des pages d’un site sur lesquelles des vidéos ont été vues, quel que soit le player sur lequel est jouée la vidéo56 ».
Les premiers résultats, pour le mois de septembre 2011, ont été publiés le 15 décembre 2011. Sont donc mesurés :
- le nombre de « vidéonautes » uniques par mois, i.e. le « nombre total d’individus ayant regardé au moins une vidéo sur leur écran d’ordinateur au cours du mois, quel que soit leur lieu de connexion : domicile, travail, autres lieux. Les individus ayant visité le même site-support ou le même player plusieurs fois ne sont comptés qu’une seule fois57 » ;
- le nombre de vidéos vues par mois, i.e. le « nombre de vidéos vues par l’ensemble des internautes sur une brand58 » ;
- le temps total passé par mois en heures soit le « nombre d’heures passées par l’ensemble des internautes sur une brand59 ».
On apprend également qu’« [a]u total, en septembre 2011, près de 28 millions d’internautes ont regardé au moins une vidéo sur leur écran d’ordinateur. Chacun d’entre eux a visionné, en moyenne, 64 vidéos. Ils ont passé en moyenne 3 h 16 à regarder des vidéos60 ».
Bilan sur la mesure d’audience des sites web
107Il existe différentes manières de mesurer l’audience ou la fréquentation des sites web. Et l’on pourrait également prendre en considération les notions de « temps passé sur la page » ou encore de « durée moyenne de la visite ». Mais quelle que soit la mesure que l’on prend pour référence, le résultat sera fortement dépendant de la méthodologie adoptée. Il n’existe aucune méthode « universelle » et de référence qui permettrait d’évaluer l’attention captée par tous les sites web.
108Ajoutons à cela que la mesure d’audience peut être calculée parfois pour un site, parfois pour un ensemble de sites de marques/d’un groupe. Médiamétrie distingue par exemple le top des sites les plus visités et le top des groupes les plus visités. Le top des sites effectue un classement des marques par audience décroissante, tandis que le top des groupes effectue un classement des groupes par audience décroissante. Voir ci-dessous les définitions de Mediamétrie.
109Si, comme on l’a vu, les méthodes de mesure de l’audience varient d’un organisme à l’autre, le périmètre des mesures est également à géométrie variable. C’est justement sur les questions de co-branding que Médiamétrie a dû faire le point afin de fournir plus de transparence sur ses mesures. La mesure de l’audience, stratégique pour les acteurs du web-marketing, les annonceurs et les éditeurs de sites web, est sans cesse l’objet de remises en cause et d’ajustements. Afin d’éviter les abus et contournements des règles, une commission d’autorégulation a été mise en place le 5 juillet 2006. Les litiges liés au gonflement artificiel des audiences continuent de faire débat au sein des acteurs qui appellent à toujours plus de transparence des mesures.
110La mesure de l’audience n’apparaît pas comme un critère fiable (à moins d’être bien conscient des présupposés encapsulés dans la méthode de mesure) ni généralisable mais seulement comme UN des indicateurs pouvant aider à composer un bouquet de sources. Et nous verrons plus loin que les questions d’influence peuvent ne pas passer par l’audience. Un petit site qui aura peu d’audience pourra en revanche avoir beaucoup d’influence sur son secteur. L’influence se mesure aussi par domaine, comme nous l’avons rappelé précédemment.
Audience et blogs
111Plusieurs outils proposent de classer les blogs en fonction de leur influence. Plutôt que les mesures classiques présentées plus haut, c’est donc le principe du classement qui est adopté le plus souvent lorsqu’il s’agit de regarder quel blog sera dans une position plus avantageuse que tel autre. Là encore, en fonction du service (Wikio61, Top des blogs62, Technorati63, etc.), les méthodologies, et donc les résultats, varient.
Encadré 6 : le moteur de recherche Technorati
Le moteur de recherche Technorati propose un classement mensuel des blogs en fonction de la « Technorati authority ». Seuls les blogs inscrits sur cette plate-forme sont pris en considération pour les classements, mais ces derniers constituent en quelque sorte une forme de mesure de la popularité et donc de l’audience des blogs.
Technorati propose un « Top 100 », toutes catégories confondues et renouvelé tous les jours, ainsi qu’un classement des meilleurs blogs par catégories (Entertainment, Business, Sports, Politics, Autos, Technology, Living, Green, Science) et sous-catégories (Technology > Info-Tech, Gadgets ; Politics > U.S. Politics, World ; etc.).
112Qu’est-ce que la Technorati Authority ?
113« Technorati Authority measures a site’s standing & influence in the blogosphere. With the October 2009 redesign of technorati.com, we’ve changed the Technorati Authority calculations to better reflect the continually changing attention of the blogosphere64. »
Encadré 7 : Technorati, une conception quantitative de la notion d’autorité
Ce qui est annoncé est donc une mesure de la réputation et de l’influence.
Et si a priori on ne peut pas vraiment parler d’une mesure de l’audience s’agissant du classement Technorati, l’objectif de la Technorati Authority est pourtant de « refléter l’attention continuellement changeante de la blogosphère ». On mesure bien ici un certain type de visibilité des blogs : l’attention que leur consacrent les internautes, renforcée par le classement lui-même qui orientera les internautes vers les sites les mieux classés. Techniquement, la Technorati Authority est calculée en fonction de plusieurs critères :
- la manière dont les blogs se citent les uns les autres (un blog vers lequel pointent beaucoup d’autres sera bien classé) ;
- le domaine (politics, entertainment, business, etc.) – même si un blog peut être classé dans plusieurs catégories ;
- d’autres données associées (que Technorati ne détaille pas).
C’est donc là une conception plutôt quantitative de la notion d’autorité (un peu à la manière du Google Rank).
Audience et médias sociaux
114Les médias sociaux ont provoqué une telle « hype », un tel engouement, que beaucoup ont pensé que l’ère des blogs était déjà finie et qu’il fallait donc passer à la mesure de l’audience de ces médias sociaux, qui sont cependant très différents les uns des autres. La mesure de l’audience est alors, dans de nombreux cas, plus ou moins confondue avec la mesure de l’influence. Nous insisterons ici surtout sur Twitter, dont les API permettent une collecte aisée de données et qui a fait l’objet de travaux et de constitution de bases de données de plus en plus impressionnantes par leur taille (Sue Moon, KAIST, Bibliothèque du Congrès américain65).
L’exemple de la mesure d’audience sur Twitter
115Comment mesure-t-on l’audience sur Twitter ? Dans ce cas précis, mesurer l’audience du site Twitter66 n’aurait pas de sens, car ce que l’on consulte sur Twitter, c’est une timeline, composée des publications des comptes auxquels on est abonné. Ce qu’il faut donc mesurer, ce sont les audiences de ces comptes, ou bien le nombre de messages, tous comptes confondus, comportant le hashtag qui nous intéresse67.
116Plusieurs services proposent de mesurer l’audience d’un compte d’utilisateur de Twitter. Rappelons tout d’abord que Twitter est un service de micro-blogging qui permet aux utilisateurs de publier de courts messages (140 caractères maximum) de manière instantanée, messages qui peuvent eux-mêmes contenir des hashtags, des liens hypertextes, ou encore des photos. Les critères de mesure de l’audience ne sont plus le nombre de pages vues ou le nombre de visiteurs uniques, mais des critères relatifs au service lui-même. Ces indicateurs, propres à Twitter, permettent de se faire une idée de la visibilité des messages et par rebond, de leurs auteurs. On peut par exemple citer :
le nombre de « followers », i.e. le nombre d’utilisateurs qui suivent un utilisateur68 et verront donc ses messages dans leurs timelines (N. B. : les chances de voir effectivement le message diminuent d’autant plus que ces utilisateurs suivent un grand nombre de comptes) ;
le nombre de tweets, i.e. le nombre de messages que l’utilisateur publie et qui sont donc susceptibles d’être lus par ses followers ;
le nombre de RT (retweets), i.e. le nombre de fois qu’un message a été republié par un autre utilisateur, élargissant de fait l’audience initiale au nombre de followers de l’utilisateur ayant retweeté.69
Mesurer une audience sur l’ensemble des médias sociaux ?
117Sur les médias sociaux, l’audience se mesurera donc toujours en fonction de l’environnement technique du média considéré. Car chaque système a sa propre métrique. Et bien souvent une même marque ira chercher les internautes sur plusieurs plateformes. Comment dès lors avoir une vision unifiée de la visibilité, de l’audience de sa marque ? Certains prestataires en social media metrics se sont spécialisés dans ce type de service, comme Unilyzer, qui propose de calculer un U-score70, indice agrégé de plusieurs indicateurs de mesure d’audience spécifiques aux médias sociaux.
118On retrouve le nombre de visiteurs, le nombre de pages vues ou encore le temps passé sur le site (les mesures classiques). Mais on trouve aussi, en fonction de chaque média social, des métriques spécifiques. Ex. : le nombre de vues sur YouTube, ou de fans sur Facebook.
119Des services comme Unilyzer ne proposent pas seulement des indicateurs d’audience. Ils fournissent en fait des indicateurs de toute une démarche de social media marketing. Car bien souvent, ces services proposent de mesurer des activités, flux, audiences de leurs clients pour que ceux-ci puissent agir en retour (dogme de l’engagement, argument de vente de ces sociétés). Le social media metrics utilise cette capacité d’agrégation et de vision synthétique pour faciliter le social media monitoring, qui est alors souvent confondu avec la réactivité immédiate (puisque certains outils permettent d’aller directement répondre à des posts ou de les faire disparaître si on a les moyens de le faire).
120Le tableau de bord ci-dessus affiche un compte rendu détaillé des activités sur un compte Facebook. Pour obtenir un score sur 100 pour Facebook, il faut combiner pas moins de 22 critères, parfois évalués eux-mêmes via plusieurs indicateurs71. Cette méthode exploite directement la métrique interne du service (ex : le nombre de « Like ») qui est donc encapsulée dans la plate-forme elle-même. Car cette obsession de la mesure n’est pas seulement propre aux cabinets de consultants ou aux chercheurs : elle a été transfusée aux internautes eux-mêmes qui sont ravis de pouvoir mesurer leur visibilité, leur réputation, leur influence, à l’aide d’indicateurs même très grossiers mais au moins quantifiables.
Bilan
121Pour établir un sourcing pertinent, il convient donc d’évaluer au préalable l’influence des sources à mettre sous surveillance – toutes conditions de validité admises par ailleurs. Mais la variété des sources (sites de presse, réseaux sociaux, timelines Twitter, blogs, forums, etc.) ne peut autoriser à utiliser un seul et même indicateur qui servirait à les évaluer indifféremment. Et même pour un ensemble particulier de sites, les entreprises de mesure peuvent aboutir à des résultats sensiblement différents, chaque prestataire d’e-réputation, chaque organisme de mesure de l’audience, chaque service, ayant ses propres méthodes. La définition de l’influence change en fonction des méthodes, mais nous disposons tout de même de repères pour évaluer, par type de site et par thématique, les contenus les plus visibles, les plus commentés, les plus repris, etc. Le choix des indicateurs est donc crucial dans la construction d’un indice d’influence. De quels indicateurs disposons-nous donc ?
122Camille Alloing, dans un billet sur le blog CaddeReputation72, en recense plusieurs, répartis dans deux classes : quantitatifs et qualitatifs. Reprenons ici ces indicateurs et regardons-les en détail.
123Parmi les indicateurs quantitatifs, on trouve :
le nombre de liens entrants, qui indique la reconnaissance de l’intérêt d’une source. Plus la source recevra de liens, plus elle sera citée et donc populaire. Ajoutons à cela le nombre de liens sortants et les mesures de hub, autorité et centralité (calculées à partir du rapport de liens sortants et entrants). On touche ici à la topologie du web et, on l’a vu, elle est en effet une des manières d’évaluer le potentiel attractif d’une source, son statut de référence (autorité) et son rôle dans l’orientation des publics (centralité). On retrouve d’ailleurs ici des mesures utilisées par Google dans le calcul du PageRank73 ;
le positionnement dans les moteurs de recherche. Nous avons déjà cité le PageRank. Mais rappelons que Google, bien qu’étant le plus utilisé, n’est pas le seul moteur de recherche ! Il existe en fait de grandes différences dans le classement des sites web pour une même requête en fonction du moteur que l’on utilise (voir plus bas) ;
le nombre des visites reçues par la source. Pour les sites, on retrouve ici les questions d’audience avec leurs indicateurs site ou user centric : les pages vues et les visiteurs uniques. Certains blogs et sites affichent le nombre de visiteurs. Mais dans bien des cas, cette information est laissée à la discrétion du propriétaire du site qui est le seul à disposer de ces données. Et pour d’autres types de contenus, comme la vidéo sur YouTube, on pourra prendre en compte le nombre de vues de la vidéo ;
le nombre d’abonnés à une source. On pourra par exemple observer le nombre d’abonnés à un flux RSS, dans le cas où cette information est accessible (ex. : FeedBurner), le nombre de fans d’une page Facebook, le nombre de followers d’un compte Twitter, etc. ;
le nombre de citations dans les blogrolls. On peut en effet faire l’hypothèse qu’un blog qui en cite un autre dans son blogroll, au-delà du fait de signaler un blog « ami », fait par là une sorte de recommandation ;
le nombre d’articles ou de billets de blogs publiés peut témoigner de l’activité de la source. Mais attention à la simple reprise de billets ou d’articles venant d’autres sources, qu’un site va reprendre pour paraître actualisé plus qu’il ne l’est en réalité ! La fréquence de rafraîchissement d’une source (mises à jour de sites web par exemple) peut également être un marqueur de l’activité ;
le nombre de commentaires à un article ou de réactions à un billet de blog ou à un topic de forum peut également être des indices de la capacité d’un auteur à créer le débat. Là aussi, attention cependant, car un grand nombre de réactions peut résulter seulement d’une discussion entre un petit nombre de commentateurs. La capacité à générer la discussion à grande échelle peut donc être réduite d’autant.
124Les critères qualitatifs sont en revanche beaucoup plus compliqués à appréhender. On serait tenté d’évaluer la crédibilité de l’auteur. Mais comme on l’a vu, le web communautaire fonctionne beaucoup au pseudonymat, voire à l’anonymat. Difficile, dans ces conditions, de savoir qui se cache derrière le pseudonyme ou de retrouver les différentes interventions d’un même auteur sur plusieurs sites ou réseaux (car il peut parfois utiliser son nom réel, parfois un pseudonyme, parfois un autre nom, etc.).
125D’autres indicateurs sont propres à certains sites. C’est notamment le cas pour les réseaux sociaux ou pour les médias communautaires. Sur Facebook, on pourra comptabiliser le nombre de « J’aime » obtenus par une source (ce qui correspondra à autant de votes pour cette source), quand sur Google+ on comptabilisera le nombre de « +1 ». Le nombre d’amis Facebook ou de followers Twitter d’un auteur pourra donner une idée de l’étendue de son réseau. Dans le cas de Twitter (voir infra), le nombre de retweets (RT @username), de citations/interpellations (@username) d’un auteur, ou sa présence dans des listes pourra être un indicateur du crédit accordé à ses publications ou du degré d’interaction de l’auteur avec sa « communauté » (i.e. ses followers, mais aussi les followers de ses followers, etc.). Le nombre de tweets contenant un même hashtag (#subject) peut également être l’indice de l’intérêt des utilisateurs de Twitter pour une thématique ou un événement. L’entreprise Twitter a d’ailleurs bien compris le rôle joué par sa plateforme en matière de recommandation et de génération de trafic (cf. la possibilité d’intégrer un bouton Twitter sur un site web). Aussi vient-elle d’annoncer le lancement de Twitter Web Analytics74, « a tool that helps website owners understand how much traffic they receive from Twitter and the effectiveness of Twitter integrations on their sites. »
126D’autres indicateurs enfin sont propres à certains prestataires ou services (voir plus bas). Divers indicateurs d’influence, indicateurs de confiance et différents classements (ranking) circulent sur le web, chacun reposant sur les critères qui sont les siens – sans harmonisation ou règles partagées entre les différents prestataires ou services.
Encadré 8 : quelques statistiques (Google, Twitter, Facebook)
Google+
Un mois après son lancement, Google+ atteint les 25 millions d’utilisateurs75.
6 millions de visiteurs aux États-Unis en août 201176.
500 000 visiteurs en France en août 201177.
Google+ est devenu public le 21 septembre 2011. On peut donc s’attendre à une augmentation du nombre de comptes.
Twitter
100 millions d’utilisateurs actifs78 (i.e. se connectant au moins une fois par mois).
400 millions de visites par mois pour Twitter.com79.
200 millions de tweets par jour80 en août 2011.
250 millions de tweets par jour81 en octobre 2011.
3,3 millions d’utilisateurs en France82, dont la moitié de comptes actifs, en juin 2011.
Facebook
Janvier 2011 : Facebook atteint les 600 millions d’utilisateurs.
Juillet 2011 : Facebook atteint les 750 millions d’utilisateurs.
23 millions de Français auraient un compte Facebook83.
1 millard de pages vues par mois (en juin et juillet 2011)84.
Méthode : comment faire pour organiser ses sources (les identifier, les classer) ?
127Le sourcing est une opération qui consiste donc à identifier des sources pertinentes dans un domaine particulier pour les mettre sous surveillance et pouvoir ensuite collecter, classer et analyser les données qu’elles publient, et cela de façon récurrente. Comment démarrer ? On devine, en considérant la masse des données disponibles sur le web, que la machine va être d’une aide précieuse dans cette opération. Mais faut-il s’en remettre uniquement à elle ? Quelles sont ses limites ? Quelles sont les méthodes disponibles pour réaliser un sourcing ? Et comment organiser les sources, une fois qu’elles ont été détectées ?
128Dans cette approche, il ne suffira pas de lister ces sources, comme le ferait toute étude de médias classiques, qui analyserait les discours des auteurs et propriétaires du média en question, mais bien d’être capables de récupérer les conversations qui s’y tiennent, conversations qui débordent largement du cadre préfixé éventuellement, qui se déroulent entre anonymes et qui peuvent durer dans le temps bien au-delà de la publication du premier post.
129Nous présentons ici précisément la façon de réaliser ce sourcing, de façon opérationnelle.
Les méthodes de sourcing
130Il existe au moins deux méthodes pour mener à bien l’opération du sourcing. La première consiste à interroger les moteurs de recherche à partir de mots-clés. La machine va crawler un index du web (Yahoo Boss par exemple) pour récupérer des URLs contenant a priori les mots-clés utilisés pour les requêtes, ou lancer des requêtes auprès des différents moteurs de recherche pour identifier les pages, et par extension les sites, qui comporte au moins un des mots-clés. Dans ce cas, on part de l’hypothèse qu’une page qui comporte un mot-clé parlera du sujet qui nous intéresse. Le sourcing, par méthode de crawling, fonctionne par mots-clés (définis a priori ou par itérations et/ou renouvelés à partir des résultats d’un premier crawl) qui deviennent autant de requêtes permettant d’interroger des index, moteurs, bases de données.
131La deuxième méthode consiste à regrouper des sources identifiées au préalable en bouquets spécialisés par domaine. Il suffit ensuite de crawler régulièrement les sources du bouquet pour récupérer au fur et à mesure, les pages (ou sites) qui parlent du sujet. Pour constituer un bouquet de sources, on peut utiliser différentes méthodes et les combiner : utiliser l’expertise du client, des moteurs de recherche, la connaissance des experts du domaine, lancer des crawls qui vont identifier les sites reliés entre eux autour d’une thématique, utiliser des flux de syndication, interroger des index et annuaires, etc.
132Certains prestataires de veille mettent à disposition les bouquets qu’ils mettent en place.
133On le comprend, quelle que soit la méthode choisie, le sourcing s’effectue sur un sujet particulier, peut s’étendre sur une période déterminée, avec une fréquence qu’il conviendra de définir au préalable, en fonction de la problématique abordée. La méthode des bouquets est cependant plus coûteuse, elle nécessite plus de temps et d’expertise humaine, notamment parce qu’elle requiert un stockage dans des bases de données (voir infra), mais elle permet de pallier la difficulté d’obtenir des audiences fiables, puisqu’elle offre la possibilité de comparer l’évolution du bouquet dans le temps.
Le poids de l’expertise vs la volonté d’automatiser
134Le sourcing peut tout à fait s’effectuer manuellement mais il peut vite devenir très fastidieux. On pourra faire assez rapidement le tour des sources pertinentes pour un sujet très restreint. Mais dans bien des cas, où les sources à identifier sont très nombreuses, une automatisation facilitera la tâche.
135Rappelons que l’on peut en théorie constituer tout son corpus manuellement ! Évidemment, la masse d’informations circulant sur le web rallonge considérablement le temps à consacrer au sourcing. Mais certains prestataires n’ont aucun scrupule à vendre à des marques peu connues, et sur lesquelles la conversation n’est pas très animée, des solutions de sourcing très coûteuses qui ne seront en définitive pas plus efficaces qu’un sourcing effectué à la main.
136À l’inverse, rappelons qu’il n’existe pas de solution de sourcing automatisé donnant des résultats entièrement satisfaisants. Le sourcing doit être conçu comme une méthode itérative et le plus souvent collaborative. Si l’analyste travaille avec un client, il découvre aussi ce qu’il cherche au fur et à mesure qu’il prend connaissance de ce que ses outils lui permettent de trouver sur la toile (qui évolue elle-même sans cesse).
137Certains prestataires ont mis en place des solutions de sourcing.
138Attention cependant, un schéma comme celui présenté ci-dessus peut porter à confusion. Il donne l’impression que tout le processus de sourcing peut être entièrement automatisé. Bien souvent au contraire, le sourcing requiert l’expertise humaine : les requêtes sont définies par le chercheur, l’analyste, mais pas par la machine. Et de la même manière, les résultats du sourcing fournis par la machine doivent à leur tour être analysés par le chercheur, l’analyste. Représentativité, pertinence, nettoyage (bruit et black listage), classement, sont autant d’opérations qui, si elles peuvent être semi-automatisées, réclament nécessairement une intervention humaine.
L’impossibilité de revues exhaustives (mythe du tout-web)
139Quelle que soit la thématique pour laquelle un sourcing a été mis en place, il faut d’emblée renoncer à l’idée de faire une revue exhaustive de ce qui se dit à son sujet, en allant dans le sens d’un web qu’on pourrait appréhender en entier. Quelques sociétés spécialisées annoncent être dans la capacité de crawler tout le web, du plus petit blog de niche en passant par tous les grands sites incontournables, les réseaux sociaux, les services de micro-blogging, les bases de données enfouies et parfois même le web invisible. Cette boulimie de sources ne peut pas remplacer la réflexion préalable sur les sources que l’on souhaite récupérer (et non celles que l’on pourrait récupérer, quelle que soit leur pertinence et juste parce qu’il est techniquement possible de les avoir). Le risque de ces prétentions est d’introduire inutilement du bruit dans les résultats, c’est-à-dire une masse de données non pertinentes, qu’il faudra nettoyer ensuite. Tout le travail de sourcing peut paraître délimiter abusivement un ensemble de sites et de plates-formes sur lesquelles s’effectuent le suivi et la collecte. Mais si ce travail n’est pas fait à ce moment, au nom de la prolifération des sites web et de la serendipity, il sera quand même à faire plus tard, puisque ce qui aura été récolté sera inexploitable.
140On pourrait être tenté de laisser à la machine ce travail fastidieux de collecte et d’organisation des sources. Certaines sociétés prétendent d’ailleurs vendre des services de collecte et de tri automatiques des sources. Mais rien ne peut remplacer l’expertise humaine qui va valider la pertinence des sources, les reclasser quand celles-ci ont été attribuées à une mauvaise classe par la machine, etc.
141Il ne suffit pas de récupérer une liste ou un bouquet de sources. Il faut ensuite les organiser. Le classement des sources nécessite tout d’abord de réfléchir aux critères qui vont permettre d’organiser ces sources. Quels critères ? Trier par date ? Par auteur ? Par types de sources ? On le comprend, ce travail de classement se prépare même en amont, au moment de la collecte, de telle manière qu’aux sources collectées soient associées les métadonnées qui vont permettre de les qualifier.
La puissance des cartes
142On peut aller jusqu’à cartographier ses sources pour pouvoir mieux les explorer. Comme pour le classement, cela nécessite de savoir sur quels critères va se fonder la cartographie : les thèmes abordés, les mots clés qui ont permis de trouver la source, l’influence de la source, le type de la source, pays, langue, etc.
143Exemple : Chez Linkfluence, on identifie les sources les plus pertinentes en fonction :
du type de source ;
de l’émetteur du discours ;
du niveau d’influence.
« Linkfluence a réalisé un travail de cartographie de l’ensemble des communautés d’intérêt qui segmentent le web social et ceci par pays. Ces échantillons du web social se composent donc des sites les plus visibles et influents – sélectionnés à l’aide de nos robots d’exploration selon des critères de visibilité (liens reçus, audience) et de centralité dans la discussion (échange de liens) – de chaque communauté affinitaire85. »
144La carte présentée ci-dessus est une version réarrangée visuellement de l’image de graphe générée par les algorithmes d’étude de la topologie : elle cherche à rendre plus directement lisible par des néophytes une image de graphe qui présente souvent l’aspect d’un enchevêtrement de nœuds, qui même catégorisés et clustérisés, restent très difficiles pour l’analyste novice.
Comment démarrer ?
145L’analyste ou le chercheur qui se lance dans une opération de sourcing dispose pour commencer d’une pluralité de méthodes et d’outils. Il peut :
exploiter la connaissance d’experts du domaine considéré (celle de son client par exemple, ou d’experts du domaine) ;
utiliser les moteurs de recherche (mais pas un seul, car les moteurs ont tous leurs techniques de référencement et que leurs résultats sont bien souvent très différents).
Encadré 9 : test de ranking
Afin de comparer les résultats obtenus en fonction des différents moteurs de recherche, il convient de les interroger un par un avec un même mot-clé. Que se passe-t-il par exemple si l’on lance la requête « hennessy » sur les trois moteurs que sont Yahoo, Google et Bing ? Dans quelles mesures les résultats de la requête vont-ils conduire l’internaute vers les mêmes ressources ? Considérons les 100 premiers résultats obtenus sur Yahoo, Google et Bing à partir de la requête « hennessy » (hors liens sponsorisés). Listons-les par ordre d’apparition sur chacun des moteurs. Compilons les listes. Et hiérarchisons les résultats en fonction :
- du nombre de moteurs qui les ont placées dans leurs 100 premiers résultats ;
- de leur rang moyen dans les résultats des moteurs (i.e. moyenne des trois rangs observés).
On constate tout d’abord que seulement 11 ressources différentes ont été trouvées par les trois moteurs dans leurs 100 premiers résultats.
29 ressources différentes ont été trouvées par deux moteurs sur trois, dans leurs 100 premiers résultats.
Enfin, toutes les autres ressources n’ont été trouvées que par un seul moteur – une même ressource ayant pu être trouvée plusieurs fois par un même moteur.
Ajoutons, pour terminer, que parmi ces 100 premiers résultats ne figurent que très peu de sites et blogs spécialisés sur les vins, champagnes et spiritueux, ces mêmes sites et blogs dont les clients ou les experts du domaine ont très souvent la connaissance, parce qu’ils sont des références dans leur domaine et donc pertinents dans le cadre d’un sourcing. Où l’on voit qu’utiliser un seul moteur dans une démarche de sourcing ne peut en aucun cas être suffisant, voire peut conduire à des erreurs.
[Marc Legrand a mis en place la méthode et l’évaluation]
utiliser des portails/annuaires thématiques ;
pratiquer le furetage manuel, en suivant notamment les liens répertoriés dans les listes que sont les blogrolls, les liens amis, liens utiles, etc. ;
utiliser des outils permettant de suivre automatiquement les liens entrants/sortants et de dresser des cartographies du domaine (Navicrawler + Gephi, LivePanel de Linkfluence, etc.).
mettre en place des systèmes d’alertes configurés pour détecter l’apparition de nouvelles sources en rapport avec le thème étudié, ou à tout le moins, réitérer régulièrement les opérations mentionnées ci-dessus (ex. : Yahoo Pipes).
146Quelle que soit la méthode employée, identification de sources via les moteurs de recherche, furetage manuel, mise en place d’alertes, etc., le choix des mots-clés de départ est crucial pour éviter les problèmes de représentativité d’un échantillon web. Quel périmètre de recherche définir quand il est impossible d’embrasser tout le web ? Dès les premiers moments de la recherche de sources, il faut veiller à ne pas fermer le domaine en choisissant des mots clés trop précis (prendre en compte les fautes d’orthographe courantes sur un nom, penser aux synonymes, etc.). Les moteurs sémantiques peuvent dans ce cas être des outils précieux pour élargir les requêtes de départ. On peut aussi adopter une approche par itérations, en renouvelant la liste des mots clés de départ avec des mots clés issus des crawls suivants qui deviennent autant de nouvelles requêtes.
Ce qu’offrent les solutions existantes
147Que ce soit en matière de sourcing, de mesure d’audience, de la réputation ou de l’influence, il existe beaucoup de solutions, gratuites ou payantes et proposant différents niveaux d’efficacité et de précision dans les résultats. Certaines offres sont dédiées à une mesure en particulier (ex. : un outil pour mesurer l’influence sur Twitter), d’autres sont plus complètes et, dans la veine du social media monitoring, offrent une boîte à outils accessibles et consultables via des tableaux de bord.
Mesurer l’influence sur Twitter
148Nous avons présenté les débats et enjeux théoriques précédemment sur ce point, ce chapitre présente les méthodes opérationnelles existantes et disponibles sur le marché pour mesurer l’influence, ce qui permet d’aider à sélectionner certains influenceurs pour constituer le sourcing (et non suivre tout Twitter). Cette approche peut cependant être combinée avec un suivi en alerte de certains mots-clés. Twitter est un des services qui focalisent le plus l’intérêt des prestataires depuis un certain temps. Un très grand nombre d’offres fleurissent sur le réseau. Pourquoi ?
Par effet de mode, de « hype », sans nul doute, il faut donc s’attendre à vivre la phase de désillusion (comme ce fut le cas pour les blogs ou pour Second Life).
Par besoin de comprendre ce qu’est Twitter, le système d’interactions qu’il développe et les effets (de réputation, de collaboration, etc.), car son architecture, comme nous l’avons dit, est perçue aisément comme une architecture d’influence by design.
Par extension du souci général de traitement et d’analyse des données disponibles en masse sur le web, avec un formatage qui donne l’impression de pouvoir unifier toutes ces données de type différent aisément.
Par opportunisme technologique, profitant de l’« ouverture des données » et des outils qui apparaissent pour permettre les traitements, ainsi que des accès facilités aux API.
149Tout utilisateur du service de micro-blogging Twitter se familiarise assez vite avec les métriques que le service lui propose. Il peut voir évoluer son nombre de followers (i.e. les comptes abonnés à son flux), le nombre des tweets qu’il publie, le nombre de ses followings (i.e. les comptes qu’il suit), le nombre de fois où son compte est inclus dans une liste, etc. Tous ces indicateurs lui permettent d’évaluer son activité sur la plateforme, mais aussi celle des autres.
150D’une certaine manière, chacun des indicateurs proposés par Twitter peut a priori entrer dans une mesure de l’influence qu’un utilisateur peut avoir sur sa propre « audience ». On pourrait par exemple faire l’hypothèse qu’un compte ayant beaucoup d’abonnés puisse être plus influent qu’un compte ayant peu d’abonnés. Mais on l’a vu (voir supra), la mesure de l’influence n’est pas une chose aisée. Et l’on ne peut en aucun cas déduire la « réputation » et l’« influence » de la simple « visibilité ». Car non seulement le nombre de followers d’un compte peut être facilement augmenté de manière artificielle, faussant ainsi la mesure, mais un nombre de followers n’équivaut pas non plus à un nombre de personnes « influencées ».
151Il existe beaucoup d’outils en ligne, gratuits, qui proposent de mesurer l’influence, la popularité, etc., sur Twitter, en fonction des indicateurs qu’ils prennent en compte. En voici quelques exemples :
152- Twitter Grader (http://tweet.grader.com/) est un service en ligne gratuit qui propose de mesurer l’influence d’un compte Twitter, notamment en lui attribuant un Twitter Ranking et en offrant la possibilité de comparer un compte à n’importe quel autre.
« What Twitter Grader is trying to measure is the power, reach and authority of a twitter account. In other words, when you tweet, what kind of an impact does it have86? »
153Parmi les indicateurs pris en compte par l’algorithme de Twitter Grader, on trouve : le nombre de followers, la puissance de ces followers (i.e. les Twitter Grade de ces followers), le nombre de tweets, la fréquence des publications (i.e. plus faible sera le temps écoulé entre deux tweets, meilleure sera la note de l’utilisateur), le ratio followers/followings, et le nombre de retweets87. À partir de ces critères, l’algorithme calcule un score et un ranking, qui permettent de comparer un utilisateur à un autre. L’influence est donc ici entendue comme la puissance d’un compte par rapport à un/d’autre(s) compte(s).
154– Retweetrank (http://www.retweetrank.com/) est également un service gratuit en ligne qui se concentre cette fois sur un indicateur particulier : le nombre de fois où des messages d’un utilisateur ont été récemment retweetés.
155Pour Saurabh Sahni, le créateur de retweetrank.com,
« retweets are a great indication of the originator’s topical influence and the audience’s interest88 ».
156Pour lui, il s’agit là d’un meilleur indicateur de l’influence que le nombre de followers, car il fournit une meilleure compréhension de ce qui intéresse les followers d’un utilisateur (seul le contenu jugé intéressant est retweeté et donc pris en compte par l’algorithme).
157- Twittorati (http://twittorati.com/) fait quant à lui le choix de repérer les tweets des blogueurs les plus influents. Le service se fonde donc sur une mesure préalable de l’influence des blogueurs (via le service Technorati) et applique cette mesure aux tweets des utilisateurs qui figurent dans le classement Technorati
« Twittorati tracks the tweets from the highest authority bloggers, starting with the entire Technorati Top 100 and soon including many more of the web’s most influential voices89.»
158- Le PeerIndex (http://www.peerindex.net/) permet d’attribuer un score qui doit être le reflet de
« the impact of your online activities, and the extent to which you have built up social and reputational capital on the web90. »
159Le PeerIndex score est calculé à partir de trois indicateurs : le score d’audience, le score d’activité et le score d’autorité. Le score d’autorité est une mesure de la confiance que l’on peut avoir dans le profil. Le score d’activité est mesuré en fonction de l’activité rapportée à un domaine particulier. Et le score d’audience est une mesure du nombre de personnes qui écoutent et sont réceptives aux messages envoyés par l’utilisateur91.
160Le PeerIndex calcule la « résonance » ou l’« empreinte » d’un utilisateur en fonction de 8 domaines particuliers :
arts, media and entertainment ;
technology and internet ;
science and environment ;
health and medical ;
leisure and lifestyle ;
sports ;
news, politics and society ;
finance, business and economics.
161Pour chaque profil, les domaines d’influence sont déduits quasi automatiquement à partir des URLs partagées par l’utilisateur sur son profil92.
162- Le TweetLevel (http://tweetlevel.edelman.com/) attribue un score aux utilisateurs de Twitter et les classe en fonction de 4 critères, notés sur une échelle de 0 à 100 :
l’influence (influence) : « what you say is interesting and many people listen to it. This is the primary ranking metric » ;
la popularité (popularity) : « how many people follow you » ;
l’engagement (engagement) : « you actively participate within your community » ;
<#ITALIQUES#></#ITALIQUES#>la confiance (trust) : « people believe what you say ».
163Différents indicateurs de ces 4 critères sont regroupés dans le calcul du TweetLevel dont voici la méthodologie :
164Mais le TweetLevel se présente surtout comme un outil dédié pour les RP et le marketing afin d’aider les marques à bien utiliser Twitter. À cette fin, il est rappelé qu’il ne sert à rien de tenter d’identifier des influenceurs en dehors de tout contexte :
« without this first search, any results are meaningless as influence without context means that we will not be having relevant engagement93 ».
165Une fois les influenceurs d’un domaine identifiés, on peut passer à la mesure de leurs TweetLevel. Le service propose ensuite une mesure du buzz et des mots et liens web les plus fréquemment associés (à une marque, à un produit, etc.). Toujours dans une problématique d’engagement, TweetLevel propose aussi d’autres informations concernant les influenceurs : des nuages de tags sur les thématiques qu’ils ont le plus tweetées, qui les influence et qui ils influencent, etc.
166Notons enfin que même un service comme TweetLevel qui propose sa propre mesure de l’influence encapsule dans son indicateur les résultats obtenus via d’autres services.
167Comme nous venons de le voir, il n’existe pas de méthode miracle ni de méthode unique pour mesurer l’influence sur Twitter.
168Il est par ailleurs conseillé d’être averti des techniques de manipulation des flux de tweets, comme l’ont montré des chercheurs en sciences des systèmes complexes qui ont fait apparaître des phénomènes d’« astroturfing » lors des élections américaines. La consultation de leur site94 permet de contrôler ce type d’influence artificiellement provoquée par création de faux comptes Twitter.
Mesurer l’influence agrégée à partir de plusieurs services en ligne - L’exemple du site Klout95
169Au-delà des mesures d’audience dont nous avons déjà parlé, certains services commencent à proposer des indices agrégés d’influence qui peuvent constituer pour certains aspects un passage à l’opérationnel directement lié à certaines de nos approches. Mais dans le cas de Klout, cette influence n’est rapportée qu’à des personnes identifiables, et non à des sites ou blogs. Mais la performance de l’agrégation d’indicateurs mérite d’être soulignée, car elle permet de mieux comprendre ce qui doit guider une démarche de sourcing.
170En fait, la mesure d’influence effectuée par Klout ne concerne que certains services en ligne (Facebook, Twitter, LinkedIn, Google+, YouTube, Foursquare, Instagram, Tumblr, Blogger, Wordpress, Last.fm et Flickr), et non une influence générale sur internet. Klout tend cependant à intégrer de plus en plus de services et donc de manières de mesurer l’influence (car nous avons vu que chaque service a ses propres indicateurs d’évaluation de l’activité et de l’influence de ses utilisateurs – voir supra).
Klout a sa propre définition de l’influence
171« The Klout Score measures influence based on your ability to drive action. Every time you create content or engage you influence others96. » Pour Klout, l’influence est donc la capacité de provoquer une action chez celui qui reçoit le message, i.e. une réponse, un retweet, un commentaire ou un clic. Elle se joue en temps réel et dans un domaine donné.
« You influence others when you convince your friends to go see a movie, share your favorite YouTube video, or start a discussion about the upcoming election97. »
Le Klout Score
172Le score calculé par Klout est une note, entre 1 et 100, obtenue à partir de plusieurs variables se rapportant à l’activité des internautes sur les services qu’il prend en compte. 100 est le score maximal. Ce score repose sur trois indicateurs : le True Reach, l’Amplification et le Network Score98.
Le True Reach mesure le nombre de personnes qu’un internaute influence. Klout dit se concentrer sur les personnes qui réagissent aux messages d’un internaute : « When you post a message, these people tend to respond or share it. » Il s’agit donc d’une mesure de l’audience « réactive ».
L’Amplification Score mesure la puissance de cette influence, la probabilité que les messages d’un internaute génèrent des actions de la part de son audience.
Le Network Score évalue l’influence, l’autorité, de cette audience « réactive ».
Quelles fonctionnalités propose Klout ?
173Klout permet à tout utilisateur connecté de :
connaître et suivre l’évolution de son Klout Score, jour par jour ;
connaître et suivre l’évolution de son True Reach, de son amplification Score et son Network score, jour par jour ;
d’identifier les sujets sur lesquels il est influent ;
de savoir qui il influence et de déclarer qui l’influence ;
de créer des listes, par exemple pour connaître les Klout Score des membres de ses listes Twitter ;
de connaître son profil d’influenceur (voir infra) ;
de gagner des achievements, qui correspondent à des badges récompensant des « performances » : avoir atteint un Klout Score supérieur à 20, avoir été ajouté à x liste(s), avoir gratifié un autre utilisateur de Klout d’un « +K » (i.e. avoir recommandé quelqu’un), etc. – on retrouve ici un élément de gamification tel qu’il peut exister sur le service Foursquare ;
de consulter la liste des comptes Twitter les plus influents que l’on suit ;
de participer aux Klout Perks99 en acceptant de recevoir des produits pour les tester et ensuite donner son avis à leurs sujets ; l’idée étant qu’on sera appelé à donner son avis dans un domaine dans lequel notre influence (et donc notre fiabilité supposée) est reconnue.
Les topics d’influence
174Klout propose d’identifier les sujets sur lesquels on est considéré comme influent. Et afin d’affiner la liste de ces sujets par profils, Klout a mis au point le bouton « +K » qui permet à tout utilisateur de déclarer en temps réel qui l’a influencé et dans quel domaine.
Les profils d’influenceurs
175Enfin, Klout propose une « Influence Matrix » qui regroupe 16 postures d’influenceur, répertoriées en fonction de 4 axes d’engagement : la tension créer/partager du contenu, la tension contenu général/contenu spécialisé, la tension contenu « casual »/contenu « consistant » et la tension attitude d’écoute/attitude participative. Chaque utilisateur de Klout peut consulter sa position sur cette matrice.
176Les 16 postures de cette matrice d’influence sont (de gauche à droite et de haut en bas) :
le « Curator » : une personne qui a la capacité de filtrer une grande masse de données et opère une sélection des meilleurs contenus pour les republier à son réseau. Large audience ;
le « Broadcaster » : une personne qui republie du contenu de qualité à une audience large et diversifiée ;
le « Taste Maker » : une personne focalisée sur ses centres d’intérêt et sur les centres d’intérêt de son audience. Elle connaît les tendances, a un point de vue spécifique (ne suit pas la foule) et gagne pour cette raison le respect de son audience ;
la « Celebrity » : pas de position plus influente que celle-ci. Partage beaucoup de contenu. Sans doute célèbre dans la « vraie » vie, avec des fans qui suivent les messages de manière avide ;
le « Syndicator » : garde un œil sur les tendances et sur les personnes qu’il faut suivre. Partage sans doute ce contenu avec une audience spécifique ou est sans doute spécialisé dans un domaine ;
le « Feeder » : son audience compte sur lui pour un flux constant d’information sur une industrie ou un domaine. L’audience est captive des updates ;
le « Thought Leader » : personne reconnue pour ses idées innovantes dans son domaine. Son audience attend de lui qu’il donne ses avis éclairés pour mieux comprendre le domaine en question ;
le « Pundit » : c’est l’expert dans son domaine, qui partage de l’information, mais bien plus, la crée. L’audience accorde du crédit à ses avis. Il est considéré comme un leader dans son domaine ;
Le « Dabbler » : est sans doute un débutant sur le web social. Il doit partager plus de contenu et interagir avec son audience s’il veut la voir grossir ;
Le « Conversationalist » : apprécie la conversation en ligne et être au courant des scoops. Ses remarques spirituelles sont appréciées par son audience ;
Le « Socializer » : relais social, capable de connecter les gens les uns avec les autres. Apprécié pour son réseau et sa générosité ;
Le « Networker » : sait connecter les gens entre eux et partager ce qui compte pour son audience. Aide ses followers. Très engagé dans la conversation. À une audience influente ;
L’« Observer » : aime observer plutôt que partager ;
L’« Explorer » : activement engagé dans le web social. Explore l’écosystème. Va sans doute s’investir un peu plus ;
L’« Activist » : a une idée ou une cause à défendre. Son audience compte sur lui pour le faire ;
Le « Specialist » : pas forcément une célébrité mais expert dans son domaine. Contenu publié très spécifique à un domaine ou à une industrie. Audience spécialisée et très engagée dans la conversation.
177Ces typologies font partie des traditions d’analyse du web désormais et peuvent rejoindre certaines analyses plus anciennes sur les types de médiateurs dans la constitution de l’espace public, selon les ressources mobilisées, le style cognitif ou le pattern de réseau qu’il constitue avec leurs relations. Ici apparaît clairement que les types construits dépendent de deux grands types de variables : les contenus (consistant ou ordinaire, large ou focalisé) et les attitudes ou stratégies communicationnelles (créer ou partager, participer ou écouter). L’intérêt tient à la volonté de sortir d’une simple délimitation par domaine et d’entrer dans la caractérisation des contenus, ce que peu de services font encore. La liste des types d’énoncés soumis à l’opinion mining que nous proposons dans notre dernière partie contribue aussi à cela. Mais ici Klout prend en compte des caractéristiques formelles assez larges, qui servent malgré tout à différencier des « arènes » d’influence différentes. Ainsi nous avions déjà mentionné les contrastes en information d’expert et information de proche. De même la spécialisation constitue un élément de formatage de l’influence indépendant des domaines. Les attitudes communicationnelles peuvent paraître abusivement tranchées, en fait la matrice permet de prendre en compte des degrés dans ces postures et de les combiner entre toutes les autres variables. On peut alors considérer qu’un internaute a plutôt tendance à partager (et donc à répliquer qu’à créer) ou plutôt tendance à écouter qu’à participer, sans pour autant qu’il ne pratique qu’une activité exclusivement. Cela dit, la multiplication des types et la possibilité de les appliquer à soi-même produit un effet « horoscope » favorisé par l’art de Klout pour labelliser les types, qui ne peut que servir la notoriété de l’indice sans que cela valide pour autant son modèle.
Les limites de Klout
178Cette mesure finit par agréger tellement d’indicateurs qu’elle se comporte en boite noire, un peu comme Google PageRank, qui est le modèle à atteindre pour tous. Elle ne permet plus de paramétrer précisément l’outil selon ses intérêts.
179Cette mesure est centrée sur des personnes et non sur des contenus. Elle n’a donc aucune utilité au-delà du sourcing lorsque l’on veut faire de l’opinion mining. On voit ainsi que les diverses phases finissent par se spécialiser et l’influence devient un domaine à part qui ne traite plus des contenus.
180La mesure prétend être indépendante des domaines – ou du moins donne finalement un score global d’influence. Or, toutes les études ont démontré le contraire, l’influence ne s’exerçant que sur certains domaines, ce qui oblige à refaire le calcul domaine par domaine.
181La mesure porte uniquement sur une dizaine de services, mais elle n’est pas exploitable pour les sites web classiques ni pour les blogs. Le reste des activités en ligne d’une personne n’est donc pas pris en compte par Klout.
182Klout mesure des réactions à des contenus, mais ne fait pas le départ entre réactions positives et négatives.
« If you are driving action in a given topic, you have influence in it. We judge quality of content by the reactions it produces, not by their sentiment100. »
183Mais si je ne génère que des commentaires négatifs, ai-je vraiment autant d’influence que celui qui en générera autant, mais en positif ?
184Les informations concernant les personnes que l’on influence ou celles qui sont influencées par nous ne sont pas explicitées et paraîssent donc extrêmement simplistes.
185Prendre au sérieux le Klout Score constitue un risque de focalisation sur les « influenceurs » déjà identifiés. On oublie par là que des personnes ayant un faible « Klout Score » pourront éventuellement avoir une grande influence à un moment donné dans un domaine particulier.
186Cependant, on peut espérer créer un outil équivalent dans sa finesse et son caractère synthétique pour les autres sites. Nous allons voir que Synthesio parvient à proposer une offre qui traite à la fois les aspects réseaux sociaux et les sites.
Le SynthesioRank
187Le Synthesio Rank est le score d’influence calculé par la société Synthesio, une des rares à fournir sa méthodologie complète de calcul d’un indice d’influence101. Synthesio a fait le choix de définir quatre indices d’influence différents, et a donc choisi de ne pas appliquer un même indice à des contenus de nature différente. Les méthodologies pour calculer quatre scores d’influence sont donc présentées ci-dessous : une première méthode permet de calculer un score d’influence pour un site web, une deuxième calcule l’influence au niveau du verbatim, une troisième mesure l’influence d’une contribution Facebook et une quatrième le fait pour un tweet. Cette distinction nous paraît judicieuse compte tenu des remarques que nous avions faites précédemment. Mieux encore, l’indice agrège des mesures qui font partie des différents niveaux à prendre en compte pour un calcul d’influence tel que nous l’avons défini. Il pourrait sans doute être complexifié mais il a le mérite de prendre en compte cette hétérogénéité des facteurs qui font l’influence et d’utiliser des indicateurs directement utilisables. Son choix de privilégier le nombre de liens entrants peut paraître conservateur mais est assez adapté à la prééminence du statut d’autorité pour mesurer l’influence par rapport à celui de hub.
188Pour les verbatims, la variabilité des types de site est bien prise en compte, et cela indique clairement que ce sont plusieurs indices selon les types de sites qui sont nécessaires. Descendre au niveau du verbatim permet de ne pas généraliser abusivement le score d’influence d’un site à tous les posts. Limiter la mesure au nombre de posts peut paraître sommaire mais a le mérite d’être réaliste et faisable aisément.
189Dans le cas de Facebook, ce sont bien des contributions qui sont évaluées et non plus des personnes comme dans le cas de Klout cité précédemment. Cependant, en revenant sur la notion de popularité de page ou de groupe, on retrouve certains éléments de ces influences non directement liées à une contribution, bien qu’ils soient limités ici à des pages et groupes et non à l’étude de l’influence des membres.
190Enfin pour Twitter, les indicateurs sont classiques et se retrouvent partout. Il y manque cependant l’activité spécifique de retweet, soit par utilisateur soit pour un tweet donné, ce qui affaiblit la mesure de l’influence des tweets. L’indice est pourtant supposé agréger de façon étonnante à la fois l’influence de l’utilisateur et l’influence de chacun de ses tweets, ce qui avait été pourtant bien différencié pour les contributions sur les sites web.
Bilan
191Les méthodologies évoluent de jour en jour, prenant en compte des critères toujours plus nombreux, incluant toujours plus de profils d’un même utilisateur, agrégeant des variables de natures parfois différentes. Il est crucial d’avoir bien en tête la multitude d’outils disponibles et de connaître les méthodes et leurs limites. Bien qu’une mesure puisse être valide quant à sa méthodologie, elle ne peut pas cependant prendre une valeur universelle.
Notes de bas de page
1 Voir le billet du 11/11/2010 de Margaret Francis sur un blog de la société Lithium : http://lithosphere.lithium.com/t5/Social-Media-Monitoring/Release-Notes-11-11-2010-Facebook-Post-Comment-and-Like-Coverage/ba-p/14206
2 http://aquitaine.fr/pages-fonctionnelles/mentions-legales.html
3 http://aquitaine.fr/institution/conseil-regional/vous-rendre-des-comptes.html
4 http://opendata.paris.fr/opendata/jsp/site/Portal.jsp
5 D. Cardon, « Le design de la visibilité - Un essai de cartographie du web 2.0 », Réseaux, vol. 6, n 152, 2008, p. 93-137.
6 http://synthesio.com/corporate/fr/2010/events/synthesio-named-a-winner-in-international-listening-b2c/
Pour l’étude complète, voir : http://synthesio.com/corporate/wp-content/uploads/2010/12/Orange-EN.pdf
7 Voir pour exemple : http://www.usenet-fr.net/hierarchie.html
8 http://fr.wikipedia.org/wiki/Wikip%C3%A9dia:Accueil_principal
9 http://www.wiki-brest.net/index.php/Accueil
10 http://www.wikitoulouse.haisoft.fr/wiki/index.php?title=Accueil
11 http://www.wiki-rennes.fr/Accueil
12 http://www.wiki-grenoble.fr/index.php/Accueil
13 http://fr.jurispedia.org/index.php/Accueil
14 http://fr.wikieducator.org/Accueil
16 http://fr.linkfluence.net/2011/07/01/les-10-arnaques-de-la-e-reputation/
17 Cela a d’ailleurs fait l’objet du blog Track 2006 TREC.
18 http://www.slideshare.net/Synthesio/the-truth-about-sentiment-natural-language-processing
19 Voir par exemple : http://kdpaine.blogs.com/measure_what_matters/ et http://kdpaine.blogs.com/files/painebookmwmchapter8preview.pdf
20 http://twitter1k.com ou http://www.buy-followers.org
21 Rogers, théoricien de la diffusion des innovations et de la courbe en S, a insisté sur le KAP gap, le décalage entre Knowledge, Attitude et Practice, qui permet d’éviter de considérer comme fatal l’enchaînement entre les phases d’information, de conviction et de pratique.
22 http://caddereputation.over-blog.com/article-qu-est-ce-que-l-influence-d-une-source--39901500.html
23 http://www.slideshare.net/medialabSciencesPo/thorie-des-graphes-mathieu-jacomy
24 E. Bakshy et al., 2011, « Identifying “Influencers” on Twitter », WSDM, [en ligne] [URL : http://research.yahoo.com/files/bakshy_wsdm.pdf].
25 H. Kwak, C. Lee, S. Moon, « What is Twitter, a Social Network or a News Media? », Proceedings of the 19th International World Wide Web (WWW) Conference, Raleigh, 26-30 avril 2010, [en ligne] [URL : http://an.kaist.ac.kr/~haewoon/papers/2010-www-twitter.pdf].
26 Ibid.
27 M. Cha et al., 2010, « Measuring User Influence on Twitter: the Million Follower Fallacy », ICWSM’10: Proceedings of international AAAI Conference on Weblogs and Social, mai 2010, [en ligne] [URL : http://twitter.mpi-sws.org/icwsm2010_fallacy.pdf].
28 Ibid.
29 J. Weng et al., « Twitterrank, Finding Topic-Sensitive Influential Twitterers », Proceedings of the 3rd ACM International Conference on Web Search and Data Mining (WSDM 2010), New York, 4-6 février, 2010, [en ligne] [URL : http://ink.library.smu.edu.sg/cgi/viewcontent.cgi?article=1503&context=sis_research]. DOI : 10.1145/1718487.1718520.
30 Ibid.
31 Z. Gyöngyi, H. Garcia-Molina., J. Pedersen, 2004, « Combating Web Spam with TrustRank », Proceedings of the 30th VLDB Conference, Toronto, Canada, [en ligne] [http://www.cs.toronto.edu/vldb04/protected/eProceedings/contents/pdf/RS15P3.PDF].
32 A. Strauss, 1992, La Trame de la négociation, Paris, L’Harmattan.
33 E. Gofmann, 1961, Asylums: Essays on the Social Situation of Mental Patients and Other Inmates, New York, Doubleday.
34 G. Tarde, 2001 [1895], Les lois de l’imitation, Paris, Les empêcheurs de penser en rond.
35 T. Ribot, 1889, Psychologie de l’attention, Paris, Félix Alcan, [en ligne] [URL : http://gallica.bnf.fr/ark:/12148/bpt6k77104r].
36 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].
37 E. Katz, P. Lazarsfeld, 2008, Influence personnelle : ce que les gens font des médias, Paris, Armand Colin.
38 Benkler Yochai, 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].
39 E. M. Rogers, 1983 [1963], Diffusion of Innovations, New York, Free Press.
40 M. Crozier, E. Friedberg, 1977, L’Acteur et le Système, Paris, Éditions du Seuil.
41 R. S. Burt, 2004, « Structural Holes and Good Ideas », American Journal of Sociology, vol. 110, no 2, p. 349-399, [en ligne] [URL : http://www.jstor.org/stable/10.1086/421787]. DOI : 10.1086/421787.
42 L. Boltanski, L. Thévenot, 1991, De la justification. Les économies de la grandeur, Paris, Gallimard (NRF essais).
44 La certification OJD en vue de la publication de la fréquentation de vos sites Web et Applications Mobiles, OJD, Bureau numérique, 2011, [en ligne] [URL : www.ojd.com/file/down/PlaquetteOJD2011.pdf ]
45 T. Beauvisage, 2004, Sémantique des parcours des utilisateurs sur le Web, thèse de doctorat en sciences du langage, Université de Paris X – Nanterre, [en ligne] [URL : http://laborange.academia.edu/ThomasBeauvisage/Papers/417499/Semantique_des_parcours_des_utilisateurs_sur_le_Web].
46 http://www.comscore.com/fre/
47 http://www.mediametrie.fr/internet/solutions/panel-mediametrie-netratings.php?id=8
48 http://www.alexa.com/topsites/global
49 http://www.alexa.com/faqs/?cat=4
50 http://www.alexa.com/help/traffic-learn-more
51 http://www.alexa.com/help/traffic-learn-more
52 Cf. Les Mesures hybrides. Synergies et rapprochements entre les mesures de l’internet, livre blanc, Médiamétrie/NetRatings, 2010, [en ligne] [URL : http://www.mediametrie.fr/internet/solutions/panel-mediametrie-netratings-livre-blanc-des-mesures-hybrides.php?id=8&page=16].
53 http://www.comscore.com/fre/About_comScore/Methodology/Unified_Digital_Measurement
54 http://www.mediametrie.fr/internet/communiques/l-audience-de-la-video-sur-internet-en-france-septembre-2011.php?id=574
55 http://www.mediametrie.fr/internet/communiques/l-audience-de-la-video-sur-internet-en-france-septembre-2011.php?id=574
56 Ibid.
57 Ibid.
58 Ibid.
59 Ibid.
60 Ibid.
61 http://www.wikio.fr/blogs/top
62 http://www.topdesblogs.com/
64 http://technorati.com/what-is-technorati-authority (page consultée le 06/01/2012)
65 http://www.loc.gov/today/pr/2010/10-081.html
67 On peut par exemple mesurer l’audience/l’intérêt pour un événement en mesurant le nombre de tweets contenant le hashtag associé à cet événement.
68 Certains services proposent de comparer des comptes Twitter en fonction du nombre de followers et de son évolution dans le temps. Ex. : http://monitor.wildfireapp.com/
69 Certains services proposent de classer les utilisateurs de Twitter en fonction du nombre de fois où leurs messages ont été retweetés. Ex. : http://www.retweetrank.com/
70 Le « Uscore » est un score total noté sur 500. Mais comment interpréter un Uscore de 250 ou un Uscore de 400 ?
« The U_Score ranges from 0 to 500. Good scores are in the 257 range, while exceptional scores range from 350 to 425. Very few, to date, have exceeded 445. », [en ligne] [URL :http://www.somatica.co.uk/at-last-integrated-social-website-measurement]
71 http://www.unilyzer.com/unilyzer-facebook-fanpage-dashboard-score/
72 http://caddereputation.over-blog.com/article-qu-est-ce-que-l-influence-d-une-source--39901500.html
73 S. Brin, L. Page, 1998, « The Anatomy of a Large-Scaled Hypertextual Web Search Engine », Seventh International World-Wide Web Conference (WWW 1998), Brisbane, Australie, 14-18 avril 1998, [en ligne] [URL : http://infolab.stanford.edu/~backrub/google.html].
74 https://dev.twitter.com/blog/introducing-twitter-web-analytics
75 http://www.cnetfrance.fr/news/google-1-mois-et-25-millions-d-utilisateurs-39762855.htm
76 http://thenextweb.com/fr/2011/08/03/google-connait-une-croissance-record/
77 Ibid.
78 http://blog.twitter.com/2011/09/one-hundred-million-voices.html
79 http://www.lemonde.fr/technologies/article/2011/09/09/twitter-revendique-100-millions-d-utilisateurs-actifs_1569720_651865.html
80 http://blog.twitter.com/2011/08/your-world-more-connected.html
81 http://www.pcinpact.com/news/66467-twitter-1-milliard-tweets-4-jours.htm
82 http://semiocast.com/publications/2011_07_12_3_3_millions_d_utilisateurs_de_twitter_en_france
83 http://www.socialbakers.com/facebook-statistics/
84 http://mashable.com/2011/08/24/facebook-1-trillion-pageviews/
85 http://fr.linkfluence.net/insights-2-0/notre-approche/#livepanel
86 http://graderblog.grader.com/twitter-grader-api/bid/19046/How-Does-Twitter-Grader-Calculate-Twitter-Rankings
87 http://graderblog.grader.com/twitter-grader-api/bid/19046/How-Does-Twitter-Grader-Calculate-Twitter-Rankings
88 http://www.saurabhsahni.com/2008/12/what-is-your-retweet-rank/
90 http://www.peerindex.net/help/scores
91 http://www.peerindex.net/help/scores#authority
92 http://www.peerindex.net/help/topics
93 http://tweetlevel.edelman.com/HowToUse.aspx
96 Ibid.
99 http://corp.klout.com/blog/2010/06/klout-perks-turning-on-the-power-of-influence/
101 http://synthesio.com/demo/reports/synthesiorank_pour_les_nuls.pdf
Le texte seul est utilisable sous licence Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Opinion mining et Sentiment analysis
Ce livre est cité par
- Boullier, Dominique. (2015) Traces numériques et territoires. DOI: 10.4000/books.pressesmines.1999
- (2019) Strategic Intelligence for the Future 2. DOI: 10.1002/9781119612544.ch6
- (2015) Les faux-semblants du Front national. DOI: 10.3917/scpo.crepo.2015.01.0559
- (2013) Knowledge Needs and Information Extraction. DOI: 10.1002/9781118574560.biblio
- DICO-2 : An Improvement of the Contextualized Lexical Resource DICO for Educational Opinion Mining Using Machine Learning Classifiers(2021) . DOI: 10.1109/ICCCA52192.2021.9666425
- Bailly, Claire. Magerand, Jean. (2018) Vers les analyses algorithmiques de l'espace et des territoires. Cahiers de la recherche architecturale, urbaine et paysagère. DOI: 10.4000/craup.1082
- Boullier, Dominique. (2018) Médialab stories: How to align actor network theory and digital methods. Big Data & Society, 5. DOI: 10.1177/2053951718816722
- Pasquier, Dominique. (2014) Les jugements profanes en ligne sous le regard des sciences sociales. Réseaux, n° 183. DOI: 10.3917/res.183.0009
- Neihouser, Marie. (2018) Étudier les blogueurs politiques en France. Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique, 139. DOI: 10.1177/0759106318778827
- Lazib, Samia. Bouarab‐Dahmani, Farida. Haddadi, Lynda. (2019) Educational guidance process integrating opinion mining. Computer Applications in Engineering Education, 27. DOI: 10.1002/cae.22142
- Boullier, Dominique. (2012) L’attention : un bien rare en quête de mesures. Sciences de la société. DOI: 10.4000/sds.1598
- Barats, Christine. Dister, Anne. Gambette, Philippe. Leblanc, Jean-Marc. Peres-Leblanc, Marie. (2019) Ce que les données textuelles disent du pétitionnement en ligne : entre contraintes et appropriations du dispositif. Questions de communication. DOI: 10.4000/questionsdecommunication.21042
- Brunn, Matthias. Diefenbacher, Albert. Courtet, Philippe. Genieys, William. (2020) The Future is Knocking: How Artificial Intelligence Will Fundamentally Change Psychiatry. Academic Psychiatry, 44. DOI: 10.1007/s40596-020-01243-8
- Boyadjian, Julien. (2022) Que peuvent apporter le numérique et les « big data » à la politique comparée ?. Revue internationale de politique comparée, Vol. 29. DOI: 10.3917/ripc.292.0031
- Ravalet, Emmanuel. Lucas, Jean-François. Lohou, Antoine. (2017) Les retours d’une exploration méthodologique croisant données Twitter, recrutement via Facebook et questionnaires web. Netcom. DOI: 10.4000/netcom.2734
- Boullier, Dominique. (2018) Distribution du pouvoir d’agir des entités sociales dans les études informatiques sur Twitter. Sociologie et sociétés, 49. DOI: 10.7202/1054276ar
- Boyadjian, Julien. Velcin, Julien. (2017) L’analyse quantitative des médias sociaux, une alternative aux enquêtes déclaratives ?. Questions de communication. DOI: 10.4000/questionsdecommunication.11078
- Boullier, Dominique. (2018) L’agencement chronologique des plateformes/marques : ni territoires, ni conversations, mais réplications. Questions de communication. DOI: 10.4000/questionsdecommunication.15474
- Baudot, Pierre-Yves. Marrel, Guillaume. Nonjon, Magali. (2016) Encore une révolution informatique ? Open et big data dans les organisations administratives. Informations sociales, n° 191. DOI: 10.3917/inso.191.0008
- Retière, David. Villeneuve, Gaël. (2018) La cérémonie électronique. Le Téléthon sur Twitter. Questions de communication. DOI: 10.4000/questionsdecommunication.15931
- Alloing, Camille. (2015) « Votre entreprise plus nette sur le Net ». Communication. DOI: 10.4000/communication.6060
- Akeb, Hakim. Lévy, Aldo. Rdali, Mohamed. (2022) A quantitative method for opinion ratings and analysis: an event study. Annals of Operations Research, 313. DOI: 10.1007/s10479-021-04023-1
- Boullier, Dominique. (2015) Vie et mort des sciences sociales avec le big data. Socio. DOI: 10.4000/socio.1259
Opinion mining et Sentiment analysis
Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks
Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org
Référence numérique du chapitre
Format
Référence numérique du livre
Format
1 / 3