Navigation – Plan du site

AccueilNuméros40Pensées émergentes en géographie ...Géopolitique du numériqueRT, Sputnik et le mouvement des G...

Pensées émergentes en géographie politique et géopolitique
Géopolitique du numérique

RT, Sputnik et le mouvement des Gilets jaunes : cartographie des communautés politiques sur Twitter

RT, Sputnik and the Yellow Vest Movement: Mapping Political Communities on Twitter
Colin Gérard, Guilhem Marotte et Loqman Salamatian

Résumés

La Fédération de Russie développe depuis le début des années 2010 une stratégie d’influence informationnelle à destination de l’étranger. Cette stratégie, axée sur une présence massive sur les réseaux sociaux, est au cœur de nouveaux rapports de force entre Etats. En France, les médias russes RT et Sputnik sont ainsi régulièrement pointés du doigt pour leur couverture de l’actualité, jugée partielle ou trompeuse par de nombreux acteurs politiques et médiatiques. Le mouvement des Gilets jaunes, dont les membres ont été accusés d’être manipulés par la Russie et ses médias, illustre ce constat. Alors que de plus en plus de travaux se sont jusqu’ici concentrés sur les acteurs de l’influence informationnelle russe et les narratifs qu’ils déploient, la réception et la propagation des contenus produits par ces acteurs sur différents réseaux reste aujourd’hui un sujet peu traité par le monde académique. A partir de données récoltées sur Twitter au cours des premiers mois du mouvement des Gilets jaunes, cet article propose donc de dresser une cartographie des communautés politiques qui diffusent les contenus des médias russes internationaux.

Haut de page

Texte intégral

Introduction

  • 1 Voir sur le sujet le premier article rapportant l’existence d’une usine à trolls russe : Novaya Gaz (...)

1La Russie développe depuis le début des années 2010 une stratégie d’influence informationnelle à destination de l’étranger, qui s’inscrit dans le cadre plus large d’une politique de diplomatie publique lancée au milieu des années 2000 (Audinet et Limonier, 2017 ; Audinet, 2018 ; Mattelart, 2018). Cette stratégie est au cœur de nouveaux rapports de force entre Etats, notamment aux Etats-Unis, où la Russie est accusée d’avoir influencé le résultat des élections de 2016 en faveur de Donald Trump, notamment via ses médias internationaux RT et Sputnik, mais aussi par l’action de structures opaques non liées à l’État, spécialisées dans l’ingénierie sociale et qualifiées « d’usines à trolls » (Howard et al, 2018)1. La stratégie russe a également été pointée du doigt au cours du mouvement des Gilets jaunes, dont les membres ont été accusés par certains acteurs politiques et médiatiques français d’être manipulés par la Russie et ses médias. L’action de la Russie dans l’espace numérique occupe désormais une place non-négligeable dans le débat politique de nombreux Etats, et questionne donc la place occupée par cet espace dans les rapports géopolitiques (Desforges et Douzet, 2018 ; Cattaruzza 2019).

2S’il n’existe pas de définition consensuelle de la notion d’influence adaptée aux enjeux de la révolution du numérique, nous l’inscrivons dans le prolongement de celle de puissance théorisée par Raymond Aron (Aron, 1962). Ainsi, l’influence informationnelle peut être définie comme « la capacité d’un acteur à obtenir un comportement précis de la part d’un individu ou d’un groupe », via l’investissement de l’espace numérique et l’utilisation des nouvelles technologies de l’information et de la communication. Dans son « Concept de politique étrangère » de 2008 définissant le cadre de sa stratégie de diplomatie publique, le Ministère des affaires étrangères de la Fédération de Russie emploie la notion d’influence informationnelle comme un moyen de « garantir le renforcement de la position des médias de masse russes dans l’espace informationnel mondial en leur fournissant le soutien indispensable de l’État » (Ministère des affaires étrangères de Russie, 2008). Nous utilisons donc cette notion, déjà reprise par Limonier et Audinet (2017).

3En géopolitique, et plus globalement en sciences humaines, l’étude et la mesure de la gigantesque quantité de données générée sur l’Internet représente encore un défi majeur, face auquel la recherche connaît encore des limites (Cardon, 2019). Alors que la géopolitique a été définie par Yves Lacoste (1993) comme l’étude des luttes et rivalités de pouvoir entre des acteurs sur un territoire, le développement des technologies de l’information et de l’Internet 2.0 ont amené à un prolongement de ces rivalités issues du « monde réel » vers l’espace numérique, devenu un terrain d’affrontement parallèle entre les différents acteurs des conflits géopolitiques (Desforges, 2013). Ce constat se retrouve par exemple dans les campagnes électorales, où les candidats s’affrontent désormais en développant des stratégies d’investissement de l’espace numérique, et notamment des réseaux sociaux comme Facebook et Twitter (Gaumont et al, 2018 ; Ratinaud et al, 2019). L’analyse de ces nouveaux types de rivalités géopolitiques se distingue donc par le fait qu’elles relèvent – outre les facteurs sociopolitiques habituels – de facteurs techniques régissant le fonctionnement même des réseaux sociaux, comme les algorithmes qui définissent les contenus à afficher pour chaque utilisateur en fonction de son comportement en ligne ou comme les publicités personnalisées (Brookman et Green, 2014).

4Ainsi, l’étude de ces luttes d’influence en ligne est devenue un nouveau champ d’études en géopolitique, qui nécessite une approche pluridisciplinaire. Cette contribution, qui combine des méthodologies d’analyse issues de la géopolitique, des sciences informatiques et des mathématiques, a donc pour ambition de s’inscrire dans ce nouveau champ d’étude de la géopolitique via le numérique (Cattaruzza, 2019 ; Douzet et al., 2014, Douzet et al, 2020) et de la cartographie des controverses (Callon, 2006 ; Cervulle et Pailler, 2016 ; Antolinos et al, 2018). Après avoir rappelé les origines de la stratégie d’influence informationnelle russe et et présenté les principaux acteurs qui la composent (I), nous reviendrons sur les efforts entrepris par les chercheurs en sciences sociales pour mesurer l’effet de contenus médiatiques sur le comportement d’individus ciblés (II-A). Enfin, nous nous pencherons sur la manière dont se sont propagés les contenus publiés par les services francophones de RT et Sputnik sur le mouvement des Gilets jaunes dans les différentes communautés sociopolitiques sur Twitter, en dressant une cartographie de ces communautés et en analysant la propagation de ces contenus à différentes échelles (II- B-C).

RT et Sputnik, des médias créés dans une logique de réponse à « monopole des médias anglo-saxons »2

Aux origines de la stratégie d’influence informationnelle de la Russie

5Les prémices de la stratégie russe remontent au milieu des années 2000. Après avoir repris en main ce qu’il considère comme son espace informationnel – nom donné en Russie à ce que nous appelons cyberespace en Europe ou aux Etats-Unis – le pouvoir russe prend conscience de la nécessité de diffuser sa vision du monde et de développer son attractivité à l’étranger suite aux « révolutions de couleur » en Ukraine et en Géorgie (Kiriya, 2016 ; Giles, 2016 ; Limonier et Gérard, 2017). Perçues par la Russie comme les fruits de l’ingérence occidentale au sein de son « étranger proche » (Petric, 2008), ces changements de régime vont conduire à un refroidissement conséquent des relations entre la Russie, les Etats-Unis et l’Union européenne, et à l’émergence d’une politique basée sur le concept de soft-power développé par Joseph Nye (1990), réapproprié par l’Etat russe (Kiseleva, 2015 ; Sergunin et Karabeshkin, 2015 ; Audinet, 2016). Le groupe Russia Today est ainsi créé en 2005, sous l’impulsion de Mikhaïl Lessine, ancien ministre de la Presse, et d’Alekseï Gromov, secrétaire de presse du président de la Fédération. Margarita Simonian, journaliste de 25 ans membre du pool du Kremlin, est propulsée à la tête du nouveau groupe, dont elle est à l’origine du lancement de la première chaîne anglophone, RT International. La ligne éditoriale de RT passe rapidement de la promotion du modèle russe à une logique plus offensive de dénigrement des sociétés libérales occidentales et de soutien à des gouvernements proches de la Russie, dans le monde arabe ou en Amérique latine, dans lesquels sont créées des antennes en langues arabe et espagnole (Hutchings, 2019).

  • 3 Voir The Huff Post Putin's Iron-Fisted Message, 27 mai 2014, https://www.huffpost.com/
  • 4 RT est la propriété de la société de production TV Novosti, créée en 2005 par RIA Novosti. Si RT et (...)
  • 5 The Moscow Times, The Kremlin’s New Chief of Propaganda, 10 décembre 2013, https://www.themoscowtim (...)

6Parallèlement à l’évolution de RT, la volonté de la Russie de développer son appareil médiatique international est renforcée dès les prémices du conflit ukrainien. Au mois de décembre 2013, soit deux semaines après le début du mouvement de protestation à Kiev, une réforme majeure de l’audiovisuel public russe a lieu. Le groupe média RIA Novosti, à la tête de l’historique agence de presse d’Etat éponyme, est dissout par décret présidentiel. La couverture de certains évènements – dont les grandes manifestations de l’hiver 2011-2012 – jugée trop « libre » par des acteurs influents du pouvoir russe, a entraîné cette réforme brusque, à laquelle peu de monde s’attendait à Moscou3. Le même sort est réservé à la radio Golos’ Rossii (la Voix de la Russie), premier instrument médiatique à destination de l’étranger né en 1993 des cendres de l’organe de propagande soviétique Radio Moscou. RIA et la Voix de la Russie sont remplacés par Rossiya Segodnya (« Russie aujourd’hui »), nouvelle holding média qui, avec le réseau RT, se retrouve en tête de pont de l’appareil médiatique international de la Russie. Dmitriy Kisseliov, présentateur vedette et polémiste notoire de la première chaîne publique russe, est nommé à la tête de la direction du nouveau groupe. Margarita Simonian, déjà à la tête du groupe RT, est quant à elle nommée rédactrice en chef de Rossiya Segodnya, bien que RT n’entretienne aucun lien juridique avec la holding4. Si la nomination de Kisseliov a provoqué des réactions négatives en Europe comme en Russie5, elle est parfaitement assumée par le pouvoir russe. Au cours de sa conférence de presse annuelle, dix jours après l’annonce de la création de Rossiya Sedognya, Vladimir Poutine déclare :

  • 6 RIA Novosti, Poutine : « les médias publics devraient être dirigés par des patriotes » [« Putin: go (...)

Il devrait y avoir des gens à l’esprit patriotique à la tête des ressources d’information, des gens qui défendent les intérêts de la Fédération de Russie. Ce sont des ressources d’Etat. Et c’est exactement comme ça que ça se passera.6

Toutefois, cette déclaration ne doit pas être interprétée comme la preuve de la seule volonté du président de la Fédération de resserrer le contrôle des médias russes publics, la réforme ayant été essentiellement pensée par les cadres de l’administration présidentielle, notamment Gromov7.

  • 8 La distinction entre Rossiya Segodnya et RIA Novosti est toutefois fine. Sputnik s’occupe désormais (...)
  • 9 Le Temps. « Sputnik, le nouveau média planétaire lancé par le Kremlin », 12 novembre 2014, https:// (...)
  • 10 Les chiffres exacts ne sont pas connus, ni communiqués. Nous nous basons donc sur la rubrique « Aut (...)

7Au mois de novembre 2014, Rossiya Segodnya lance Sputnik, nouvelle agence d’information radio et Internet, qui prend la succession de La Voix de la Russie et de RIA Novosti8. D’abord uniquement disponible en anglais, avec des sites dédiés aux Etats-Unis et au Royaume-Uni, Sputnik va rapidement développer son réseau jusqu’à atteindre trente-six langues, avant de se stabiliser à trente-et-une. Dmitriy Kisseliov est une nouvelle fois placé à la tête du média, qui s’adresse selon lui « à ceux qui sont fatigués de la propagande agressive en faveur d’un monde unipolaire, et qui veulent une autre perspective »9. Sputnik a donc pour mission de donner un point de vue russe sur l’information, et se présente comme une alternative au traitement de l’actualité des médias occidentaux. Dotée de bureaux sur chaque continent, l’agence répartit la production de ses contenus entre les rédactions nationales ou régionales et son siège à Moscou, où des rédacteurs sont chargés de rédiger des dépêches composant la majorité des contenus du site dans toutes les langues de diffusion. C’est notamment le cas de Sputnik France, lancé au mois de janvier 2015. La rédaction, dirigée par Natalia Novikova, est partagée entre un bureau parisien, qui emploie une dizaine de personnes, et un bureau basé à Moscou, où travaillent environ vingt personnes10.

  • 11 La chaîne est toutefois disponible pour les abonnés de la chaîne Canal + ainsi que sur service de d (...)
  • 12 Chiffre communiqué à un des auteurs par la direction de RT France le 10 janvier 2020.
  • 13 Bien qu’elle appartienne juridiquement au groupe RT, l’agence Ruptly reste un média à part entière, (...)

8En 2015, RT lance à son tour une rédaction francophone à Paris, qui sera suivie quelques mois plus tard par un site à destination du public germanophone, RT Deutsch. Les deux services sont d’abord uniquement disponibles sur Internet, en raison de difficultés d’obtention d’autorisation pour émettre sur les télévisions nationales, comme c’est déjà le cas aux Etats-Unis où dans certains pays arabes comme la Syrie. En décembre 2017, RT France est officiellement lancée, et commence à diffuser ses contenus à la télévision française, bien qu’elle n’ait pour le moment réussi à signer qu’un unique contrat de diffusion avec un fournisseur d’accès, Free11. En janvier 2020, RT emploie en France 160 personnes, journalistes, direction et techniciens compris12. A la tête de l’antenne française, on retrouve Ksenia Fedorova, ancienne directrice de Ruptly13, l’agence de presse vidéo du groupe RT, dans lequel elle travaille depuis sa création en 2005. En France, les lignes éditoriales de RT et Sputnik sont développées autour d’une vision alternative et relativiste de l’information, visant à remettre en question les fondements du modèle libéral-démocrate des sociétés occidentales. Leurs contenus révèlent ainsi une appétence certaine pour les questions liées aux dissensions internes de l’Union européenne ou de l’OTAN, ainsi qu’à la moindre crise politique traversée par un Etat-membre majeur de ces institutions. La moindre manifestation en France, au Royaume-Uni ou Allemagne, est ainsi couverte en direct par les journalistes de RT et Sputnik, notamment les scènes de violences, qui permettent aux deux médias de présenter des pays en pleine crise, qu’elle soit sociale ou politique.

  • 14 Dans un tweet publié le 9 septembre 2019, la présidente de la chaîne Ksénia Fedorova affirme que le (...)
  • 15 Sputnik International, Ex-French Economy Minister Macron Could Be 'US Agent' Lobbying Banks' Intere (...)
  • 16 Citons par exemple un article de RT France publié le 29 mars 2019, rapportant les propos du général (...)

9Les deux médias sont régulièrement accusés de relayer propagande et fausses informations, et leurs journalistes se voient systématiquement refuser leurs accréditations à l’Elysée, ainsi que dans plusieurs ministères et sièges de partis politiques français depuis la campagne présidentielle de 201714. Cette année-là, la version anglophone de Sputnik avait relayé les propos de l’ex-député Les Républicains Nicolas Dhuicq, qui accusait alors Emmanuel Macron d’être « un agent du système bancaire américain » et d’être soutenu par « un riche lobby gay » lié à Pierre Bergé15, des propos que la rédaction francophone n’a toutefois jamais relayé. En effet, la ligne éditoriale des deux médias ne peut être généralisée entre leurs différentes antennes nationales, qui sont très différentes selon le pays ou la région concernée. (Audinet, 2017) En France, contrairement à d’autres pays où RT et Sputnik ont pu propager à plusieurs reprises des théories du complot (Yablokov, 2015), les contenus des deux médias ne peuvent être analysés par le seul prisme du « vrai/faux ». Les lignes éditoriales de RT et Sputnik France sont effectivement plus subtiles et s’apparentent plus à de l’information orientée qu’à de la désinformation, de la propagande ou des fake news. Ces notions sont en effet difficilement employables tant elles se prêtent à de la subjectivité et n’englobent pas la réalité du sujet dans le cas de la stratégie d’influence informationnelle russe (Jeangène-Vilmer et al, 2018). Si des informations fausses ont pu être publiées par RT et Sputnik, elles prennent pour la plupart la forme d’un propos rapporté par un des deux médias, qui peuvent par la suite se dédouaner de toute volonté de manipulation de l’information16. Ces fausses informations restent toutefois très marginales lorsqu’on les met en relation avec le volume total de publications des deux médias. De plus, se sachant observés par leurs confrères français et par des organismes de régulation tels que le CSA, les journalistes de RT et Sputnik n’ont aucun intérêt à publier des informations délibérément fausses. Les accusations de propagande et les refus d’accréditation semblent toutefois donner du crédit à l’aspect alternatif recherché par les deux médias, symbolisés par leurs slogans « Question more » et « Tell the untold ».

  • 17 Sputnik France utilise énormément le clickbait (« piège à clic » en français), une technique de réd (...)
  • 18 Statistiques d’audience consultées sur les différents comptes des médias russes le 19 décembre 2020
  • 19 RT France est dotée en 2018 d’un budget de 20 millions d’euros. Celui de Sputnik n’est pas connu ma (...)

10Enfin, il est intéressant de noter que les formats des contenus publiés par RT et Sputnik sont adaptés au fonctionnement des réseaux sociaux, sur lesquels les deux médias concentrent la majeure partie de leur audience17. Au mois de juillet 2020, RT France est suivie par 1,14 million d’utilisateurs sur Facebook, 160 000 sur Twitter et 679 000 sur YouTube, les trois plateformes où les médias russes concentrent majoritairement leurs efforts18. Sputnik France, dont les moyens financiers et humains sont bien inférieurs à ceux de RT19, dispose d’une audience inférieure, avec respectivement 487 000, 87 000 et 112 000 abonnés sur les mêmes plateformes. Sur YouTube, outre le nombre d’abonnés, l’audience peut également être observée en termes de nombre de vues totales des vidéos des deux médias : RT France en comptabilise plus de 291,5 millions, loin devant les 19,3 millions de vues de Sputnik France. Le nombre de vues reste toutefois une donnée à prendre avec précaution : dans une enquête publiée sur YouTube début avril 2020, le Fonds de lutte contre la corruption (FBK) de l’avocat opposant russe Alekseï Navalny affirme que les différentes antennes de RT trafiquent leur nombre de vues sur YouTube, via diverses techniques, dont l’achat de bots (Fonds de lutte contre la corruption, 2020).

Le mouvement des Gilets jaunes interroge le rôle joué par RT et Sputnik dans la vie politique française

11L’image alternative que revendiquent RT et Sputnik en France a atteint son paroxysme au cours du mouvement des Gilets jaunes, et est à l’origine d’une polémique sur leur rôle supposé sur les manifestants. En effet, depuis « l’acte I » du 17 novembre 2018, de nombreuses controverses sont apparues quant au rôle que la Russie pourrait jouer dans la popularisation ou la structuration du mouvement des Gilets jaunes. S’il n’existe aujourd’hui aucune preuve publique d’une tentative réussie d’ingérence informationnelle russe dans le mouvement, les médias russes internationaux ont été à plusieurs reprises épinglés par la presse et la classe politique en France. C’est notamment le cas du président de la République Emmanuel Macron, selon qui la Russie et ses médias internationaux instrumentalisent le mouvement :

Dans l’affaire Benalla comme avec les Gilets jaunes, la fachosphère, la gauchosphère, la russosphère représentent 90 % des mouvements sur Internet. Ce mouvement est fabriqué par des groupes qui manipulent, et deux jours après, ça devient un sujet dans la presse quotidienne nationale et dans les hebdos […] Les structures autoritaires nous regardent en se marrant. Il ne faut pas se tromper. On est d’une naïveté extraordinaire. [...] Les gens qui sont surinvestis sur les réseaux sont les deux extrêmes. Et après, ce sont des gens qui achètent des comptes, qui trollent. C’est Russia Today, Sputnik, etc. Regardez, à partir de décembre, les mouvements sur Internet, ce n’est plus BFM qui est en tête, c’est Russia Today.20

  • 21 RT France, Des Gilets jaunes scandent « Merci RT ! » à Paris, 29 décembre 2018, https://www.youtube (...)
  • 22 France Info. « Gilets jaunes » : on a recensé les agressions de journalistes depuis le début du mou (...)

12Cette déclaration de M. Macron fait écho à la polémique liée à la Russie et l’affaire Benalla au cours de l’été 2018, mais surtout à l’apparente popularité de RT et Sputnik au sein du mouvement des Gilets jaunes, dans un contexte de défiance aux médias français classiques. Ce constat est illustré par l’accueil fait par les Gilets jaunes aux journalistes de RT et à ceux de médias français. Tandis que les premiers ont parfois été salués cordialement par des manifestants21, les seconds ont été victimes de plusieurs agressions22. Cette impression est appuyée par un rapport publié par l’ONG Avaaz, selon qui la chaîne YouTube de RT France a été la plus populaire en termes de vues sur la plateforme vidéo au cours des premiers mois du mouvements des Gilets jaunes (Avaaz, 2019).

13Il est difficile de déterminer si les contenus publiés par les médias russes sur les réseaux sociaux au cours des premiers mois du mouvement du Gilets jaunes ont eu un impact sur les manifestants. La mesure de l’effet de contenus médiatiques financés par des Etats (télévisuels ou publiés sur les réseaux sociaux et Internet) est un champ d’études développé il y a une décennie, et reste à ce jour assez ouvert. En menant une enquête sociologique basée sur un questionnaire distribué dans les rues de villages croates proches de la frontière serbe, DellaVigna soutient par exemple que les contenus d’une radio serbe nationaliste transfrontalière déclenche la haine ethnique envers les Serbes en Croatie (DellaVigna et al., 2013). Son article s’inscrit dans la lignée d’études montrant que certains contenus médiatiques financés par des Etats ont un effet concret sur l’opinion d’une population ciblée (Grieco et al., 2011 ; Guardino et Hayes, 2017 ; Fisher, 2020). D’autres travaux affirment cependant que ces contenus sont inefficaces, notamment ceux créés par la télévision ouest-allemande pendant la « révolution » des habitants d’Allemagne de l’Est (Crabtree et al, 2015) ou ceux de l’Internet Research Agency, organisation connue comme étant « l’usine à trolls » du Kremlin (Bail et al., 2019).

14Le facteur comportemental, déterminant dans le choix d’un internaute de lire un article de Sputnik ou de visionner une vidéo de RT par exemple, reste aujourd’hui difficile à analyser en raison de son irrationalité. Ce facteur est imbriqué à des enjeux plus techniques, inhérents au fonctionnement même des réseaux sociaux. Ce sont par exemple les algorithmes de ces réseaux qui, en fonction du comportement en ligne d’un utilisateur (type de comptes suivis, interactions avec des publications, etc.), déterminent quels contenus afficher pour susciter le plus d’intérêt (Hong et Davison, 2010). Alors que le monde académique travaille depuis une dizaine d’années sur ces questions de mesure de propagation de contenus médiatiques en ligne, ces travaux sont confrontés les restrictions d’accès aux données imposées par certaines plateformes, et par l’impossibilité de mettre en relation les données disponibles avec des facteurs comportementaux comme le choix électoral (Gaumont et al, 2018). Dans le cas de la stratégie russe sur Twitter, l’impact d’une stratégie médiatique financée par un Etat capable d’influencer le comportement d’individus ciblés peut se mesurer non pas tant selon des statistiques d’audience précises que par l’interprétation politique qui en est faite (Gérard et Marotte, 2020). Cet impact semble également étroitement lié au paysage politico-médiatique du pays visé : Benkler, Faris et Roberts soutiennent par exemple que l’élection de Donald Trump en 2016 n’est pas liée à l’ingérence informationnelle et cybernétique de la Russie dans le processus électoral, mais bien à une polarisation extrême du paysage médiatique et politique américain (Benkler et al, 2018).

Analyser la propagation des contenus sur les Gilets jaunes publiés par les médias russes sur Twitter

Twitter, un champ d’études relativement récent en sciences sociales

  • 23 Facebook met toutefois à disposition de certains chercheurs sélectionnés sur projet une partie de s (...)

15Twitter est un réseau social de microblogging créé en 2006, aujourd’hui utilisé par plus de 330 millions d’utilisateurs dans le monde, dont plus de 15 millions en France. Très prisé par les personnalités politiques et médiatiques, il permet notamment de suivre en temps réel l’actualité. Devenu depuis plusieurs années un nouvel espace de production de luttes d’influence et rapports de force géopolitiques, Twitter a pour avantage d’être un réseau social relativement « facile » à analyser, du fait de la liberté d’extraction de données qu’il permet via ses API (Burgess et Bruns, 2012). Ce n’est par exemple pas le cas avec Facebook, qui impose depuis juillet 2018 et les scandales liés à l’élection présidentielle américaine de 2016 des restrictions sur son API, rendant ainsi toute analyse quantitative à grande échelle dépendante de sa volonté de partager ses données23. De ce fait, une partie importante des travaux académiques, francophones comme anglophones, se sont jusqu’ici concentrés sur Twitter (Gaumont et al, op. cit).

16Ces travaux s’inscrivent dans le champ plus large de l’analyse et la cartographie des interactions et rapports de force virtuels, qui font l’objet de travaux en sciences sociales depuis le début des années 2000, notamment en géographie, avec les premières représentations cartographiques des interactions et conversations entre utilisateurs d’Internet proposées par Dodge et Kitchin (2001). Ces représentations sous forme de graphes, issues de la théorie des réseaux, ont par la suite donné lieu à toute une série d’innovations méthodologiques qui ont contribué à associer sciences mathématiques et sciences sociales (Watts, 2004). L’émergence du web dit 2.0 et des réseaux sociaux à la fin des années 2000, à l’origine d’une hausse exponentielle du volume d’échanges en ligne, « offrent une chance de refonder l’étude des phénomènes sociaux » (Venturini et Latour, 2009), notamment grâce au développement d’outils de visualisation de réseaux complexes comme Gephi (Bastian et al, 2009) et son algorithme ForceAtlas2 (Jacomy et al., 2014). Il devient alors possible d’interpréter et d’analyser différents types de réseaux à partir des cartographies proposées par ces outils (Venturini et al., 2014 ; Jacomy, 2015).

  • 24 Les messages sans contenu informatif prennent généralement la forme de messages ironiques, humorist (...)

17Bien que Twitter décompte un nombre d’utilisateurs six à sept fois inférieur à celui de Facebook en 2019, il occupe aujourd’hui un rôle de caisse de résonnance médiatique, depuis laquelle naissent et se développent de nombreuses polémiques (Lasorsa et al., 2011 ; Becker et al., 2011 ; Cervulle et Pailler, 2014). Les interactions et les échanges entre les utilisateurs, possédant ou non un contenu informatif24, montrent l’existence de débats structurés sur Twitter, en particulier autour d’un petit nombre d’usagers influents (Smyrnaios, Ratinaud, 2013). Dans ses travaux sur la controverse relative au genre sur Twitter, Julliard note quant à elle que la plateforme est un lieu où la controverse s’intensifie et où les positions de chaques camps tendent à s’uniformiser. Le peu d’échanges entre les tenants des différentes positions, l’instrumentalisation des contenus diffusés et la nature violente de certains propos font également de Twitter un espace où le débat d’idées contradictoires est difficile à développer (Julliard, 2016).

  • 25 Une API (interface de programmation applicative) est une interface qui vise à simplifier l’extracti (...)

18Bien qu’un nombre croissant de travaux sur les controverses ayant lieu sur Twitter soient produits depuis plusieurs années, les chercheurs restent confrontés au problème de la collecte des données. Grâce aux API25 gratuites proposées par Twitter, deux modèles d’extraction de données sont proposés. En utilisant l’API Users, il est possible d’extraire l’ensemble des métadonnées de comptes (date de création du compte, nombre de followers, nombre de comptes suivis, nombre de tweets, sa localisation déclarative, description des profils, etc.) ainsi que le type de relation qui unit ces comptes entre eux (follow, retweet, mention, réponse). Il est également possible d’extraire des tweets en fonction de l’API Streaming, qui permet, grâce à l’utilisation d’un serveur, de récupérer des tweets en temps réel en fonction d’une liste de mots-clés, de hashtags ou de comptes d’utilisateurs (Bottini, Julliard, 2017). L’avantage de cette API est qu’elle permet de récupérer un volume de données plus important que l’API Users, limitée en volume et dans le temps, et de s’intéresser à une discussion publique médiatisée sans connaître au préalable les personnes qui y participent (Smyrnaios, Ratinaud, 2013). Son inconvénient tient dans le fait qu’il est impossible d’extraire l’ensemble des tweets liés à un sujet donné, et « qu’il est techniquement impossible de vérifier que Twitter renvoie des résultats exhaustifs en réponse aux requêtes effectuées via son API » (Smyrnaios et Ratinaud, op. cit, Morstatter et al, 2014).

  • 26 En raison d’un problème technique sur nos serveurs, probablement dû à un nombre extraordinairement (...)
  • 27 La liste complète des mots-clés : « giletjaune, giletsjaune, giletjaunes, giletsjaunes, gj, acte1, (...)

19Pour analyser la reprise des contenus des médias russes sur le mouvement des Gilets jaunes, nous avons utilisé l’API Streaming, en paramétrant l’extraction en fonction de deux critères. Sur une période allant du 1er novembre 2018 au 18 février 201926, qui correspond aux treize premiers « actes », nous avons extrait l’ensemble des tweets publiés par les comptes de RT France (@rtenfrancais) et Sputnik France (@sputnik_fr), ainsi que tous les tweets comportant une série de mots-clés liés au mouvement des Gilets jaunes et aux différents « actes »27. Nous avons ensuite filtré nos données pour ne conserver que les retweets : les premières publications sur le sujet ont en effet montré que dans certains cas, l’analyse des retweets sur un graphe permet d’identifier l’affiliation politique d’utilisateurs (Conover et al, 2011), car la structure des retweets est hautement ségréguée selon les partis politiques (Boutet et al., 2012). En se connectant aux autres API mises à disposition par Twitter (Search API par exemple), il est également possible d’assigner des orientations politiques aux utilisateurs, notamment en s’intéressant aux comptes auxquels ils se sont abonnés. L’approche que nous proposons ici s’inspire des travaux publiés par Gaumont et al., qui montrent qu’il est possible, à travers des données issues de Twitter, et notamment des retweets, de qualifier et quantifier l’activité de communautés politiques, ainsi que leur évolution et leur reconfiguration dans le temps (Gaumont et al, 2018). Notre démarche de cartographie de contenus publiés par les médias russes s’inscrit directement dans la lignée des travaux de Limonier et Pétiniaud (2018), qui se sont intéressés à une partie de la communauté « pro-russe » du segment francophone de Twitter, ainsi qu’à la manière dont cette communauté a relayé les MacronLeaks durant l’entre-deux tours de l’élection présidentielle française de 2017.

Détecter les communautés politiques agrégées autour de RT et Sputnik

20Une fois la base de données constituée, nous avons pu construire le graphe des retweets, composé d’arêtes et de nœuds. Ces derniers représentent des comptes uniques, tandis qu’une arête entre deux utilisateurs A et B de poids n indique que l’utilisateur A a retweeté n fois l’utilisateur B. Il est important de rappeler que du fait de nos paramètres d’extraction et des limites de l’API Twitter évoqués précédemment, ce jeu de données n’a pas vocation à représenter l’exhaustivité de l’activité autour des médias russes au cours des premiers mois du mouvement des Gilets jaunes, mais bien d’en donner un aperçu à un instant t. De plus, un graphe est une représentation en plusieurs dimensions impossibles à reproduire sur un support papier, ce qui induit la perte de certaines dimensions nécessaires à la lecture des graphes utilisés pour cet article. Enfin, les données utilisées ont été anonymisées après avoir été analysées, à l’exception de celles concernant RT et Sputnik, les grands médias et des personnalités politiques et médiatiques de premier plan. La base est donc composée de 171 440 retweets provenant de 54 290 comptes uniques.

21Pour détecter des communautés sociopolitiques, nous utilisons une mesure de modularité proposée par le logiciel Gephi, basée sur l’algorithme de Louvain, qui permet de partitionner le graphe en communauté (Newman, 2006). Cette mesure fait ressortir 592 communautés, un nombre trop élevé pour analyser manuellement l’ensemble des comptes, qui s’explique par la quantité très importante de nœuds et de liens dans le graphe. Nous avons donc pris le parti de ne considérer que les communautés représentant plus de 1 % du graphe dans notre analyse. En dessous de ce score, les communautés n’ont effectivement pas d’influence réelle sur la structure du graphe. On les retrouve pour la plupart à la périphérie du graphe, sans connexion notable avec le reste des nœuds. Ce faisant, nous pouvons concentrer notre analyse sur quinze communautés, qui représentent à elles seules environ 96 % des nœuds et 98,5 % des liens du graphe, soit 168 886 retweets publiés par 52 094 comptes.

Figure 1 : 171 440 retweets publiés par 54 290 comptes uniques

Figure 1 : 171 440 retweets publiés par 54 290 comptes uniques

En noir, sont représentées les interactions considérées dans l’analyse. En gris, sont représentées les interactions non considérées.

  • 28 Par exemple, le signe ن est souvent utilisé sur les réseaux sociaux pour afficher son soutien aux c (...)

22L’assignation d’une appartenance politique à un compte est un exercice complexe. Si les méthodes basées sur des algorithmes de machine-learning donnent des résultats relativement fiables sur des comptes de personnalités politiques (Pennacchiotti et Popescu, 2011), ces méthodes se révèlent beaucoup moins précises sur des utilisateurs lambdas (Cohen et Ruths, 2013). De ce fait, nous avons analysé au cas par cas des échantillons de comptes de chaque communauté, avant de les anonymiser. Cette identification consiste à déterminer la ou les caractéristiques principales d’un compte en fonction des informations et des publications directement accessibles sur son profil Twitter. Certains comptes sont très facilement identifiables lorsqu’ils appartiennent à une personnalité publique ou politique. Pour les autres, c’est l’analyse des publications, des retweets ou des hashtags utilisés qui permet d’attribuer une orientation politique. Parfois, les bannières, les photos et les symboles28 utilisés par un compte fournissent des informations sur l’appartenance politique. Ainsi, la vérification des communautés détectées par Gephi repose dans notre cas d’étude sur une part d’arbitraire.

23Le nombre de comptes au sein de chaque communauté étant extrêmement élevé, nous avons pris le parti de ne nous concentrer que sur les comptes les plus importants de chaque communauté, en partant de l’hypothèse qu’ils sont représentatifs de l’appartenance politique du reste des comptes. Nous déterminons cette notion d’importance en fonction d’un score déterminé par un calcul consistant à multiplier le degré de chaque nœud (le nombre de fois où un compte retweete et a été retweeté par un des comptes du graphe) par le poids de chaque lien dirigé vers ce nœud. Ainsi, plus un compte est important dans une communauté, plus son score sera élevé. Une fois obtenus, les scores de chaque compte sont additionnés de sorte à obtenir un score total par communauté. Nous avons ensuite vérifié au cas par cas les comptes les plus importants d’une communauté dont la somme des scores correspond à au moins 30 % du score total de cette communauté.

24Cette analyse manuelle permet alors de regrouper les quinze communautés au sein de quatre grandes catégories :

La première rassemble des communautés agrégées autour de comptes de médias. Elle est composée de médias locaux et nationaux, de web médias et de médias citoyens (communautés n° 1, n° 2, n° 35, n° 104) qui représentent 16,78 % des comptes du graphe. Parmi eux, la communauté n° 2, composée de 3 642 comptes agrégés autour d’une journaliste de France Bleu Savoie qui a publié une vidéo d’une scène de violences sur un barrage de Gilets jaunes à Chambéry le 17 novembre, retweetée 4 300 fois29. Dans cette catégorie se trouvent également deux communautés agrégées autour de RT et Sputnik (communautés n° 0 et n° 386) qui concentrent à eux deux 26,83 % des comptes du graphe.

25La deuxième catégorie concentre des communautés agrégées autour de comptes de personnalités ou partis d’extrême-droite comme le Rassemblement National, Les Patriotes ou Debout la France (communautés n° 9 et n° 18), qui regroupent 4,19 % des comptes du graphe. Au sein de la communauté proche du RN, on retrouve également des comptes de partisans de l’UPR de François Asselineau, et des comptes liés au mouvement d’Alain Soral, Egalité et Réconciliation. Enfin, est également présente dans cette catégorie une communauté de comptes proches de l’extrême-gauche et de la France Insoumise (communauté n° 26), qui compose 16,59 % des comptes.

26La troisième catégorie rassemble, quant à elle, des communautés agrégées autour de comptes de sympathisants du mouvement des Gilets jaunes (communautés n° 3, n° 6 et n° 184) représentant 11,6 % des comptes. Parmi eux, on retrouve des comptes de collectifs régionaux de Gilets jaunes, qui relaient des informations sur les manifestations et des vidéos des différents actes. Une de ces communautés est d’ailleurs regroupée autour d’un compte hispanophone de soutien aux Gilets jaunes.

27Enfin, une quatrième catégorie regroupe des communautés agrégées autour de comptes de membres ou de sympathisants du parti En Marche ! (communauté n° 12), qui concentre 16,26 % des comptes du graphe. On retrouve également deux communautés qui n’ont pas d’orientation politique clairement défini (communautés n° 13 et n° 496, qui représentent 3,85 % des comptes du graphe).

Figure 2 : communautés détectées par la mesure de modularité

Figure 2 : communautés détectées par la mesure de modularité

28La détection de communautés fait ressortir plusieurs observations. D’abord, il est intéressant de noter la présence majoritaire de communautés liées à des médias, qu’ils soient financés ou non par la Russie. Sur Twitter, la majeure partie des débats sur le mouvement des Gilets jaunes semblent donc prendre sa source chez différents médias, qui sont à l’origine d’une part importante des interactions générées sur la période étudiée. Toutefois, nos paramètres de capture de tweets peuvent expliquer ces chiffres élevés dans le cas des communautés de RT et Sputnik, qui concentrent à elles deux le plus de comptes dans le graphe.

29La présence de nombreux comptes d’extrême-droite, répartis dans plusieurs communautés (dont celle de RT), est également notable. Au cours des premiers mois du mouvement des Gilets jaunes, ces comptes ne semblent pas avoir constitué un bloc commun, contrairement à ceux de la communauté d’extrême-gauche ou à ceux de la République en Marche, répartis dans deux communautés bien distinctes. Il est intéressant de constater ici que les clivages existants chez l’extrême-droite française, avec un fractionnement du Front National en plusieurs partis, intervenu suite à l’élection présidentielle de 2017, se retrouvent également dans le graphe. Ainsi, la communauté n° 18 est composée de 707 comptes plutôt orientés à l’extrême-droite non-affiliée au Rassemblement National. On y retrouve par exemple le compte de Florian Philippot, ainsi que les comptes des partis politiques Debout la France et les Patriotes.

  • 30 M. Kassovitz est notamment intervenu dans l’émission de débat de RT France, « Interdit d’Interdire  (...)

30La forte présence de comptes liés à la République en Marche, ses sympathisants ou encore à des opposants aux Gilets jaunes (16,26 % des comptes), s’explique quant à elle par le fait que ces comptes ont dénoncé la violence des manifestations. Deux petites communautés difficilement qualifiables politiquement ressortent également du graphe. Elles regroupent par exemple des comptes aujourd’hui supprimés ou suspendus par Twitter et opposés à la politique du gouvernement, mais aussi des comptes de personnalités publiques comme Mathieu Kassovitz, dont les positions farouchement opposées à celles des Gilets Jaunes suscité plusieurs débats houleux30.

Enfin, la faible présence de comptes de Gilets jaunes est assez significative, et confirme l’hypothèse selon laquelle une majeure partie du débat Twitter sur les Gilets jaunes a été généré par des médias et des partis politiques.

Au sein des communautés, trois modèles de circulation de l’information

31Nous avons ensuite pu analyser les quinze communautés considérées dans le graphe, en nous intéressant à la manière dont s’y diffuse l’information, que nous qualifions ici de structure de communauté. La méthodologie que nous utilisons est proche de celle développée par Gaumont et al., pour qui il existe une structure de communauté politique propre au segment français de Twitter. Cette structure comprend un noyau de militants qui restent plusieurs semaines au sein d’une communauté et d’autres comptes, beaucoup plus volatiles, qui changent de communautés en fonction d’événements précis (Gaumont et al, op. cit).

32Notre méthodologie consiste quant à elle à regarder la distance entre les nœuds d’une même communauté, c’est à dire de calculer le nombre de liens séparant un nœud A du reste des nœuds de sa communauté. Nous nous sommes donc intéressés aux comptes les plus actifs dans leurs communautés et nous avons construit des histogrammes de distance associés, représentations graphiques permettant de représenter la répartition des distances par rapport à un compte donné. Ici, la distance d’un nœud A avec les autres nœuds de sa communauté est utilisée pour inférer son importance et son rôle au sein de la communauté. Ainsi, si la majorité des nœuds d’une communauté est distante d’un seul lien avec un nœud A, ce nœud relaie l’information directement aux comptes de sa communauté, et joue alors le rôle de centre névralgique de diffusion de l’information. En revanche, plus la majorité des nœuds est distante d’un nœud B, plus ce nœud fait transiter l’information et joue le rôle de raccord entre les différentes sous-communautés existantes.

Figure 3 : schéma de la mesure de distance entre les nœuds d’une communauté

Figure 3 : schéma de la mesure de distance entre les nœuds d’une communauté

33De ce fait, la mesure de la distance entre les nœuds d’une communauté permet de dresser trois catégories de communautés :

  • Les communautés à la structure unipolaire, au sein desquelles la diffusion de l’information est dépendante d’un nœud principal.

  • Les communautés multipolaires, structurées autour de plusieurs types de relais d’information distincts, qui n’interagissent pas forcément entre eux.

    • 31 Dans le sens où les différents comptes se retweetent mutuellement et échangent ainsi de l’informati (...)

    Les communautés dont la structure est plus homogène (c’est-à-dire une communauté au sein de laquelle l’information circule de manière plus « horizontale »31).

  • 32 En théorie des graphes, la centralité intermédiaire (betweenness centrality) est une notion qui déf (...)

34La mesure de distance permet également de fournir une analyse à une échelle plus fine de la circulation de l’information au sein du graphe, et s’inscrit donc en complément de métriques comme la centralité intermédiaire32 ou le degré entrant, qui mesurent l’influence des nœuds sur l’ensemble du graphe. Nous ne nous intéresserons ici qu’aux résultats obtenus pour cinq communautés, dont la structure illustre les trois catégories précitées.

RT et Sputnik, deux communautés à la structure unipolaire

35La communauté n° 0, qui représente 23,83 % du graphe (figure 4), est composée de 12 930 comptes agrégés autour de celui de RT France, retweeté 13 144 fois au cours de la période analysée. Le compte du média russe représente à lui seul 27,4 % du bruit total de la communauté. On y trouve également les comptes de certains journalistes de la chaîne de télévision russe (Estelle Farge, Meriem Laribi ou Mona Hammoud), dont les vidéos en direct au cœur des manifestations ont été largement relayées sur Twitter. Enfin, sont également présents dans cette communauté des comptes d’extrême-droite et des comptes déjà identifiés comme des relais actifs des contenus des médias russes (Jean Messiha et Thierry Mariani, respectivement membre du bureau national et eurodéputé du Rassemblement National, RN).

36La capacité de RT à faire transiter l’information à l’échelle globale du réseau est extrêmement élevée, en atteste son score de centralité intermédiaire de 52 096 465, le troisième plus élevé parmi les 54 290 comptes étudiés, derrière celui de Meriem Laribi, journaliste de RT avec un score de 56 416 615. A titre de comparaison, le score de centralité intermédiaire moyen de l’ensemble des comptes du graphe n’est que de 7091. On retrouve ensuite la communauté 386, composée de 1 629 comptes gravitant autour de celui de Sputnik France, retweeté 4089 fois, et qui ne concentre que 3 % du graphe. Il apparaît alors clairement que les contenus de RT France ont été bien plus retweetés que ceux de Sputnik. Toutefois, la capacité de Sputnik France à faire transiter ses contenus au sein du réseau reste très élevée, avec un score de centralité intermédiaire de 2 641 114, le quatorzième plus élevé du graphe. 51 % du bruit de la communauté a été généré par le compte de Sputnik.

Figure 4 : Communautés agrégées autour de RT et Sputnik

Figure 4 : Communautés agrégées autour de RT et Sputnik

Figure 5 : Histogrammes de distances des comptes de RT France et Sputnik

Figure 5 : Histogrammes de distances des comptes de RT France et Sputnik

37Les histogrammes de distance montrent que les deux communautés sont bien structurées autour des contenus de RT et Sputnik, qui sont directement repris par une majorité des membres de leur communauté. Cette impression d’unipolarité se confirme en visionnant l’histogramme de distance du compte de Mona Hammoud, journaliste de RT. On remarque que la majorité des comptes de la communauté sont distants de deux liens avec son compte. Cela s’explique par le fait qu’au moins un des contenus publiés par la journaliste a été retweeté par le compte de RT France, lui permettant ainsi de toucher une large audience au sein de la communauté n° 0. Enfin, si les contenus de Sputnik ont été moins repris que ceux de RT, le web média russe occupe toutefois également le rôle de centre névralgique de diffusion de l’information au sein de sa communauté.

Figure 6 : Histogramme de distances du compte de Mona Hammoud, journaliste de RT France

Figure 6 : Histogramme de distances du compte de Mona Hammoud, journaliste de RT France

Figure 7 : Représentation simplifiée d’une communauté à la structure unipolaire

Figure 7 : Représentation simplifiée d’une communauté à la structure unipolaire

Des communautés d’extrême-droite et de droite souverainiste aux structures multipolaires

Figure 8 : Communauté proche du Rassemblement national

Figure 8 : Communauté proche du Rassemblement national

38La communauté n° 9, qui concentre 2,89 % du graphe et composée 1 570 comptes, est plutôt affiliée à la droite souverainiste et à l’extrême-droite. On y trouve par exemple un contributeur du magazine Valeurs Actuelles, des soutiens de François Fillon, mais surtout les comptes de Marine Le Pen, du Rassemblement National et de l’Union Populaire Républicaine de François Asselineau. Sont également présents des comptes de la sphère complotiste française, comme celui d’Egalité et réconciliation, l’association politique d’Alain Soral.

39L’histogramme des distances fait ressortir plusieurs sous-communautés dissociées. Une d’entre elles prend directement ses informations via le compte de Marine Le Pen. Il est intéressant de noter que le compte de Marine Le Pen a été retweeté 1433 fois, son score de centralité intermédiaire est nul. Elle n’a en effet retweeté aucun compte, ce qui sous-entend qu’elle n’est pas un élément connecteur au sein de sa communauté, mais bien un simple producteur de contenus. Ce comportement est généralement observé chez les comptes de médias.

Figure 9 : Histogramme de distances du compte de Marine Le Pen

Figure 9 : Histogramme de distances du compte de Marine Le Pen

Figure 10 : Schéma simplifié d’une communauté multipolaire, dont la structure est dépendante de plusieurs relais d’information

Figure 10 : Schéma simplifié d’une communauté multipolaire, dont la structure est dépendante de plusieurs relais d’information

Une communauté d’extrême-gauche à la structure homogène

40Si l’extrême-droite concentre une partie importante du graphe, l’extrême-gauche n’est toutefois pas en reste. En effet, la communauté n° 26, qui concentre 16,59 % du graphe et qui est composée de 9004 comptes, est la deuxième communauté avec le plus de comptes derrière celle de RT France. On y retrouve des sympathisants, membres et élus de La France Insoumise, notamment le compte de Jean-Luc Mélenchon (retweeté 737 fois) et des comptes se déclarant ouvertement comme soutiens du mouvement des Gilets jaunes. La mesure de distances des principaux comptes de cette communauté montre qu’elle dispose d’une structure homogène, où l’information transite de manière horizontale sans être dépendante d’un unique compte. Cela peut s’expliquer en partie par le fait que la France Insoumise et ses sympathisants ont une présence très importante sur les réseaux sociaux, dont ils maîtrisent parfaitement les codes, et sur lesquels le mouvement a majoritairement axé ses différentes campagnes électorales.

Figure 11 : Communauté sociopolitique proche de la France Insoumise

Figure 11 : Communauté sociopolitique proche de la France Insoumise

Figure 12 : Représentation simplifiée d’une communauté à la structure homogène

Figure 12 : Représentation simplifiée d’une communauté à la structure homogène

Interactions entre les communautés

41Afin de compléter l’analyse des communautés identifiées, nous nous sommes également concentrés sur les interactions inter communautaires. Ici, la quantité du trafic entre une communauté C1 et C2 est définie comme le nombre d’interactions directes entre un compte de la communauté C1 et un compte de la communauté C2. Le trafic intracommunautaire peut également être quantifié en calculant la somme de toutes les interactions des nœuds d’une communauté. L’ensemble de ces opérations permet, in fine, d’inférer un pourcentage d’interactions intra et inters communautaires. Ainsi, une communauté renfermée sur elle-même n’interagit pas avec ses voisins et aura, par conséquent, un faible pourcentage d’interactions inter communautaires. Dans le même temps, son pourcentage d’interactions intracommunautaires sera élevé. L’inverse se produit lorsqu’une communauté est très ouverte : son pourcentage d’interactions intercommunautaires est élevé alors que son pourcentage d’interactions intracommunautaires est faible.

Figure 13 : Tableau des interactions entre les quinze communautés détectées

Figure 13 : Tableau des interactions entre les quinze communautés détectées
  • 33 Le taux d’interaction de ces trois communautés avec la communauté n° 0 est respectivement de 43 %, (...)

42L’analyse des interactions permet de constater que la majorité des retweets ont tendance à s’effectuer au sein d’une même communauté. C’est particulièrement le cas pour la communauté n° 12 (LREM) et la communauté n° 2 (Nelly Assénat, une journaliste de France Bleu Savoie) dont respectivement 89 % et 79 % des interactions sont intracommunautaires. Ces deux communautés interagissent donc peu avec leurs voisins respectifs et restent assez renfermées sur elles-mêmes. Seules trois communautés présentent des caractéristiques inverses et interagissent plus avec les comptes de la communauté de RT France qu’avec les comptes de leur propre communauté. Il s’agit des communautés n° 386 (Sputnik et relais russes), n° 9 (extrême-droite tendance RN) et n° 13 (difficilement qualifiable)33. Cela s’explique par le fait que d’une part, la communauté n° 0 est la communauté la plus importante dans laquelle on retrouve le compte le plus retweeté du graphe (RT France). D’autre part, on peut constater une forme de proximité idéologique entre certains comptes de la communauté n° 0 et de la communauté n° 386, qui présentent des profils de droite identitaire ou d’extrême-droite.

43On remarque également que si la majeure partie des interactions de chaque communauté est intracommunautaire, ces communautés interagissent toutes (à l’exception de la n° 2 et n° 12) à un niveau relativement notable avec celles de RT et de l’extrême-gauche. Cela peut probablement s’expliquer par une proximité idéologique, du fait que les comptes de la communauté n° 0 soient principalement liés à d’extrême-droite et à la droite identitaire. C’est également le cas de la communauté n° 13, difficilement identifiable, qui interagit également à un niveau sensiblement important (19 %) avec la communauté d’extrême-gauche.

Conclusion

44Si ce travail d’analyse n’a pas vocation à représenter l’exhaustivité de l’activité autour des médias russes au cours du mouvement des Gilets jaunes sur Twitter, il permet toutefois de mettre en avant certains éléments intéressants.

Tout d’abord, la détection de communautés permet de dégager quatre grandes catégories de communautés ayant interagi avec les contenus des médias russes. Il s’agit de l’extrême droite et de l’extrême-gauche, des médias (traditionnels et financés par la Russie), de la République en Marche et enfin, de Gilets jaunes et leurs soutiens. Nous avons observé une relative fragmentation des comptes d’extrême-droite, regroupés au sein de plusieurs communautés représentant un courant politique différent (RN, Debout la France, Les Patriotes, UPR). Le reste des comptes d’extrême-droite semble quant à lui agrégé au sein des communautés de RT et Sputnik.

45Les communautés de Gilets jaunes et leurs soutiens se distinguent par leur faible présence et leur éparpillement au sein du graphe – trois communautés distinctes, qui ne représentent qu’environ un dixième des comptes – ce qui illustre le fait que ce mouvement ne s’est pas formé et structuré sur Twitter mais bien sur Facebook (Sebbah et al, 2018). Il aurait donc été plus pertinent de concentrer notre analyse sur cette plateforme, ce qui est malheureusement impossible à l’heure actuelle en raison des restrictions d’API évoquées plus haut. Si le mouvement de protestation a bien fait l’objet d’un volume de publications très élevé pendant plusieurs mois sur Twitter, cette plateforme ne semble donc avoir été qu’une caisse de résonance médiatique et politique, plutôt qu’un espace de structuration et d’organisation des différents groupes de Gilets jaunes. Situés au centre de leur réseau de diffusion, les comptes de RT et Sputnik sont directement connectés à la majorité des comptes de leur communauté. Cette structure de diffusion unipolaire permet la propagation rapide de contenus à l’ensemble de ces comptes, qui vont par la suite rediffuser les contenus des médias russes. Lorsque les principaux comptes de ces communautés (comme ceux de certains journalistes de RT) sont retweetés par RT ou Sputnik, le contenu est alors rapidement diffusé et touche une large audience au sein de la communauté. Cette structure de diffusion diffère de celle des principaux comptes de la communauté d’extrême-gauche, généralement tous reliés les uns aux autres, et des principaux comptes des communautés d’extrême-droite, qui disposent quant à eux de plusieurs sous-communautés. Ces dernières ne sont pas tous directement liées entre elles, mais bien par quelques comptes.

46Nous estimons que la couverture du mouvement des Gilets jaunes par les médias russes internationaux sur Twitter leur a permis de s’installer davantage dans le paysage médiatique français. La capacité de RT et Sputnik à propager leurs contenus à l’échelle globale du graphe, illustrée par leur score élevé de centralité intermédiaire, semble avoir été à l’origine d’un gain d’audience pour les deux médias. Sur la période étudiée, Sputnik est passé d’environ 55 900 à 62 700 followers, une augmentation moins importante que celle de RT, qui est passé de 99 600 à 119 000 followers. La présence importante des communautés d’extrême-gauche et d’extrême-droite au sein du graphe appuie cette hypothèse d’une capacité des médias russes à diffuser leurs contenus au sein de courants politiques généralement diamétralement opposés, en atteste la part de retweets de ces communautés issue de contenus de la communauté de RT France (figure 13).

47Enfin, bien que les deux médias aient fortement couvert le mouvement, RT a été largement plus efficace que Sputnik en termes de propagation de l’information (score de centralité intermédiaire beaucoup plus élevé). Cette différence se perçoit également en regardant le nombre de retweets des deux médias : là où les contenus de RT France ont été retweetés plus de 13 000 fois en trois mois, ceux de Sputnik ont difficilement dépassé les 4 000 retweets. Il est logique, de par les paramètres d’extraction de données utilisés, que les statistiques d’audience de RT et Sputnik soient élevées. Ces données confirment néanmoins que leur stratégie éditoriale a porté ses fruits en mettant en lumière des catégories de la population peu audibles dans les médias. L’hypothèse d’une couverture opportuniste du mouvement des Gilets jaunes par les médias russes semble se vérifier. Rien ne permet toutefois d’attribuer une quelconque responsabilité de la Russie dans la genèse et le développement du mouvement, comme ont pu le laisser entendre certains journalistes ou personnalités politiques. Nous considérons que l’influence exercée par la Russie sur le mouvement des Gilets jaunes n’a pas été, jusqu’à preuve du contraire, le résultat d’une opération concertée et coordonnée par l’Etat russe – au contraire donc de ce que les Etats-Unis ont vécu lors du dernier scrutin présidentiel ayant porté Donald Trump au pouvoir (US Department of Justice, 2019). Cette influence est au contraire beaucoup plus diffuse et moins évidente, tant elle repose sur la participation volontaire et désintéressée de militants et utilisateurs des réseaux sociaux qui se réapproprient les contenus produits par la Russie afin de conforter leurs propres agendas politiques ou idéologiques.

48La question de l’impact concret de la stratégie d’influence informationnelle russe sur le comportement des citoyens français reste également non tranchée, et constitue un champ de recherche à part entière alliant a minima géopolitique, sociologie et mathématiques. En ne nous concentrant sur Twitter, nous nous focalisons sur un réseau qui ne représente pas l’entièreté des phénomènes étudiés, mais qui reste central pour la construction de son image. Etendre nos méthodologies à d’autres plateformes comme Facebook est donc un objectif important, qui reste compromis tant que la plateforme maintiendra les restrictions l’accès à leurs données. Enfin, il serait également intéressant de combiner une approche géopolitique de la question de l’influence informationnelle russe avec une approche plus sociologique, qui permettrait d’étudier l’impact des contenus produits par RT et Sputnik sur le comportement d’individus ciblés.

Haut de page

Bibliographie

Sources académiques :

ANTOLINOS-BASSO, D., PADDEU, F., DOUAY, N., & BLANC, N. (2018) « Pourquoi le débat #EuropaCity n’a pas pris sur Twitter ? » Reset, no.7 :1-1.

ARAUJO, T., NEIJENS, P., VLIEGENTHART, R. (2017) Getting the word out on Twitter: the role of influentials, information brokers and strong ties in building word-of-mouth for brands, International Journal of Advertising, 36:3, 496-513

ARON, R. (1962) Paix et Guerre entre les nations, Paris, Calmann-Lévy.

AUDINET, M. (2016) Un soft power d’État russe : la miagkaïa sila, in Raviot, J-R. Russie : vers une nouvelle guerre froide ?, Paris, La Documentation française, Doc en poche n° 54, Chapitre 6, p. 150-173.

AUDINET, M. (2018) « Diplomaties publiques concurrentielles dans la crise ukrainienne. Le cas de RT et Ukraine Today », Revue d’études comparatives Est-Ouest, vol. 2, n° 2.

AUDINET, M. et LIMONIER, K., (2017) « La stratégie d’influence informationnelle et numérique de la Russie en Europe », Hérodote, vol. 164, no. 1, Paris, La Découverte, pp. 123-144. https://doi.org/10.3917/her.164.0123

BAIL, C. A., GUAY, B., MALONEY, E., COMBS, A., HILLYGUS, D. S., MERHOUT, F., FREELON, D., & VOLFOVSKY, A. (2020). “Assessing the Russian Internet Research Agency's impact on the political attitudes and behaviors of American Twitter users in late 2017” Proceedings of the National Academy of Sciences of the United States of America, 117(1), 243-250. https://doi.org/10.1073/pnas.1906420116

BAKSHY, E., HOFMAN, J., MASON, W., WATTS, D. (2011) « Everyone's an Influencer: Quantifying Influence on Twitter », Proceedings of the 4th ACM International Conference on Web Search and Data Mining, WSDM, Hong Kong. p. 65-74.

BASTIAN, M., HEYMANN, S., JACOMY, M. (2009) “Gephi: An Open Source Software for Exploring and Manipulating Networks”, Proceedings of the Third International Conference on Weblogs and Social Media, ICWSM 2009, San Jose, California, doi: https://doi.org/10.13140/2.1.1341.1520.

BECKER, H., NAAMAN, M., GRAVANO L. (2011) “Beyond trending topics: Real-world event identification on Twitter.” Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, Barcelone, Espagne.

BENKLER Y., FARIS R., ROBERTS H. (2019) Network Propaganda, Manipulation, disinformation and radicalization in American politics, Oxford University Press.

BROOCKMAN, D.E et Donald P. GREEN, D.P. (2014) « Do Online Advertisements Increase Political Candidates’ Name Recognition or Favorability ? Evidence from Randomized Field Experiments », Political Behavior, 36 (2), p. 263-289

BOTTINI, T. et JULLIARD, V. (2017). « Entre informatique et sémiotique : Les conditions techno-méthodologiques d’une analyse de controverse sur Twitter ». Réseaux, 204(4), 35-69. doi : https://doi.org/10.3917/res.204.0033.

BOUTET A., HYOUGSHICK K., YONEKI E. (2012) “What’s in Twitter: I Know What Parties are Popular and Who You are Supporting Now!”, IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. p. 132–139 http://ieeexplore.ieee.org/

BURGESS J. et BRUNS, A. (2012) « Twitter Archives and the Challenges of ‘Big Social Data’ for Media and Communication Research », M/C Journal 15, n° 5

CALLON, M. (2006) « Pour une sociologie des controverses scientifiques », in Akrich, M., Callon, M. et Latour, B., Sociologie de la traduction, textes fondateurs, Paris, Presses des Mines de Paris, p. 135-157.

CARDON, D. (2019). Culture numérique. Paris, Presses de Sciences Po, 432p, p 265.

CATTARUZZA A. (2019) Géopolitique des données numériques, Pouvoir et conflits à l’heure du Big Data, Paris, Le Cavalier Bleu, 176 p.

CERVULLE M. & PAILLER F. (2014) « #mariagepourtous : Twitter et la politique affective des hashtags », Revue française des sciences de l’information et de la communication [En ligne], 4 | 2014, mis en ligne le 01.01.2014, consulté le 04.05.2017. URL : http://rfsic.revues.org/717 ; DOI : https://doi.org/10.4000/rfsic.717

COHEN, R., RUTHS, D. (2013) “Classifying Political Orientation on Twitter: It’s Not Easy!”, Proceedings of the Seventh International AAAI Conference on Weblogs and Social Media, Cambridge, Massachusetts, p. 91-99.

CONOVER, M.D, RATKIEWICZ. J, FRANCISCO, M., GONCALVES, B., FLAMMINI, A., MENCZER. F. (2011) “Political Polarization on Twitter”, Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, Barcelone.

CRABTREE, C., DARMOFAL, D., KERN, H. L. (2015). « A Spatial Analysis of the Impact of Western German Television on Protest Mobilization during the East German Revolution ». Journal of Peace Research 52 (3): 269–284. doi : https://doi.org/10.1177/0022343314554245.

DELLAVIGNA, S., ENIKOLOPOV, R., MIRONOVA, V., PETROVA, M. ZHURAVSKAYA, E. (2014). “Cross-Border Media and Nationalism: Evidence from Serbian Radio in Croatia”, American Economic Journal: Applied Economics 6: 103-132.

DESFORGES A. et DOUZET F. (2018) « Du cyberespace à la datasphère. Le nouveau front pionnier de la géographie », Netcom, 32-1/2, Le Havre, p. 87-108.

DESFORGES A. (2013) « Les frontières du cyberespace », in Douzet F., Giblin B., Des frontières indépassables ?, Paris, Armand Colin.

DODGE, M., KITCHIN, R. (2001) Atlas of Cyberspace, Londres, Addison-Wesley.

DOUZET, F. (2014) « La géopolitique pour comprendre le cyberespace », Hérodote 152-153, Paris, La Découverte, p. 3-21. https://doi.org/10.3917/her.152.0003

DOUZET, F., PETINIAUD, L., SALAMATIAN, L., LIMONIER, K., SALAMATIAN, K., ALCHUS, T. (2020), “Measuring the Fragmentation of the Internet: The Case of the Border Gateway Protocol (BGP) During the Ukrainian Crisis”, 2020 International Conference on Cyber Conflict, Tallinn, NATO CCDCOE Publications, p. 157-182.

FISHER, A. (2020) “Demonizing the enemy: the influence of Russian state-sponsored media on American audiences”, Post-Soviet Affairs, DOI : https://doi.org/10.1080/1060586X.2020.1730121

GAUMONT N., PANAHI M., CHAVALARIAS D., (2018). « Reconstruction of the socio-semantic dynamics of political activist Twitter networks – Method and application to the 2017 French presidential election”. PLoS ONE 13(9): e0201879. https://doi.org/10.1371/journal.pone.0201879

GÉRARD, C. & MAROTTE, G. (2020). « #AffaireBenalla : déconstruction d’une polémique sur le rôle de la communauté Twitter “russophile” dans le débat politique français ». Hérodote, 177-178(2), Paris, La Découverte, p. 125-147. doi : https://doi.org/10.3917/her.177.0125.

GILES, K. (2016) “Russia’s ‘New’ Tools for Confronting the West: Continuity and Innovation in Moscow’s Exercise of Power”, Chatham House, 73 p.

GRIECO, J. M., GELPI, C. REIFLER, J., FEAVER, P. D. (2011.) “Let’s Get a Second Opinion: International Institutions and American Public Support for War”. International Studies Quarterly 55 (2): 563-583. doi : https://doi.org/10.1111/j.1468-2478.2011.00660.x.

GUARDINO, M., HAYES, D. (2017). “Foreign Voices, Party Cues, and U.S. Public Opinion about Military Action”. International Journal of Public Opinion Research 30 (3): 504-516. doi : https://doi.org/10.1093/ijpor/edx009

HOWARD, P.N., GANESH, B., LIOTSIOU, D., KELLY, J., FRANCOIS, C. (2018) « The IRA, Social Media and Political Polarization in the United States, 2012-2018 ». Oxford, Project on Computational Propaganda.

HUTCHINGS, S. (2019) RT and the Digital Revolution: Reframing Russia for a Mediatized World, in Byford, A., Doak, C., Hutchings, S., Transnational Russian studies. S.l., Liverpool, Liverpool Univ Press.

JACOMY, M., TOMMASO, V., HEYMANN, S., BASTIAN, M. (2014) “ForceAtlas2, a continuous graph layout algorithm for handy network visualization designed for the Gephi software”, PloS one 9, no. 6.

JULLIARD, V. (2016).

KISELEVA, Y. (2015) “Russia’s Soft Power Discourse: Identity,Status and the Attraction of Power”, POLITICS: 2015 VOL 35(3-4), 316-329, doi : https://doi.org/10.1111/1467-9256.12100

LACOSTE, Y. (1993). Dictionnaire de géopolitique, Paris, Flammarion.

LASORSA, D. L., LEWIS, S. C., HOLTON. E. (2012) “Normalizing Twitter: Journalism practice in an emerging communication space”, Journalism studies 13, no. 1.

LIMONIER, K. & AUDINET, M. (2017). « La stratégie d’influence informationnelle et numérique de la Russie en Europe », Hérodote, 164(1), 123-144, Paris, La Découverte, doi : https://doi.org/10.3917/her.164.0123.

LIMONIER, K. & GERARD, C. (2017). « Guerre hybride russe dans le cyberespace », Hérodote, 166-167(3), Paris, La Découverte, p. 145-163. doi : https://doi.org/10.3917/her.166.0145.

MATTELART T. (2018), « Russia Today et le renouveau de la diplomatie médiatique russe : de la projection mondiale du Kremlin à la “ré-information” en France », Annuaire français de relations internationales, vol. XIX.

MORSTATTER, F., PFEFFER, J., LIU, H. (2014) “When is it Biased? Assessing the Representativeness ofTwitter’s Streaming API”, https://arxiv.org/

NEWMAN M.E.J. (2006). “Modularity and community structure in networks”. Proceedings of the National Academy of Sciences Jun 2006, 103 (23) 8577-8582; DOI : https://doi.org/10.1073/pnas.0601602103.

NYE, J.S (1990) Bound to Lead: The Changing Nature of American Power, New York, Basic Books.

PENNACHIOTTI, M. et POPESCU, A-M. (2011) “A Machine Learning Approach to Twitter User Classification”, Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, Barcelone, Espagne, p. 281-288

PETINIAUD, L. et LIMONIER, K. (2018). « Cartographier le cyberespace : le cas des actions informationnelles russes en France ». Les Champs de Mars, 30 + supplément(1), 317-326. doi : https://doi.org/10.3917/lcdm.030.0317.

PETRIC, B. (2008). « À propos des révolutions de couleur et du soft power américain ». Hérodote, 129(2). Paris, La Découverte, p. 7-20 doi : https://doi.org/10.3917/her.129.0007.

SEBBAH, B., SOUILLARD, N., THIONG-KAY, L., SMYRNAIOS, N. (2018) « Les Gilets Jaunes, des cadrages médiatiques aux paroles citoyennes », Rapport de recherche préliminaire, Laboratoire d’Etudes et de Recherches Appliquées en Sciences Sociales, https://fr.scribd.com/

SERGUNIN, A. et KARABESHKIN, L. (2015) « Understanding Russia’s Soft Power Strategy », POLITICS : 2015 VOL 35(3-4), 347-363, doi : https://doi.org/10.1111/1467-9256.12109

SMYRNAIOS, N. et RATINAUD, P. (2013) « Comment articuler analyse des réseaux et des discours sur Twitter », tic&société, Vol. 7, N° 2 ; DOI : https://doi.org/10.4000/ticetsociete.1578

VENTRE D. (2012) « Le cyberespace : définitions, représentations », Revue de défense nationale, 2012, n° 751, p.33-38.

VENTURINI, T., LATOUR, B. « The Social Fabric: Digital Traces and Quali-quantitative Methods ». Futur En Seine 2009, May 2009, Paris, France. Cap Digital, Proceedings of Futur En Seine 2009, 2010.<hal-01293394>

WATTS, D. (2004) “The “New” Science of Networks”, Annual Review of Sociology, Vol. 30:243-270, https://doi.org/10.1146/annurev.soc.30.020404.104342

YABLOKOV, I. (2015). “Conspiracy Theories as a Russian Public Diplomacy Tool: The Case of Russia Today (RT)”. Politics, 35(3-4), 301-315. https://doi.org/10.1111/1467-9256.12097

Rapports d’ONG et d’institutions publiques :

AVAAZ (2019). Yellow Vests Flooded By Fake News over 100m Views Of Disinformation On Facebook, p. 20-25. https://avaaz.org

Fonds de lutte contre la corruption (2020) « Simonian, des mensonges et des bots “pour adultes”. Comment RT augmente ses vues » (Simon'jan, lozh' i boty « dlja vzroslyh ». Kak RT nakruchivaet prosmotry), YouTube.

JEANGENE VILMER, J-B., ESCORCIA, A., GUILLAUME, M., HERRERA, J. (2018) « Les Manipulations de l’information : un défi pour nos démocraties », rapport du Centre d’analyse, de prévision et de stratégie (CAPS) du ministère de l’Europe et des Affaires étrangères et de l’Institut de recherche stratégique de l’École militaire (IRSEM) du ministère des Armées, Paris.

Ministère des Affaires Étrangères de la Fédération de Russie (2008). Concept de politique étrangère de la Fédération de Russie, III– §6, « Soutien informationnel des activités de politique étrangère » (« Informacionnoe soprovozhdenie vneshnepoliticheskoj dejatel'nosti »). http://kremlin.ru/

US Department of Justice. (2019) Report on The Investigation Into Russian Interference in The 2016 Presidential Election, Volume I of II, Special Counsel Robert S. Mueller, III, Submitted Pursuant to 28 C.F.R § 600.8(c), Washington D.C.

Haut de page

Notes

1 Voir sur le sujet le premier article rapportant l’existence d’une usine à trolls russe : Novaya Gazeta, Où vivent les trolls ? Comment les provocateurs d’Internet fonctionnent à Saint-Pétersbourg et qui les gère [« Gde zhivut trolli. Kak rabotajut internet-provokatory v Sankt-Peterburge i kto imi zapravljaet »], 9 septembre 2013, https://novayagazeta.ru/ et GERARD, Colin (2019) « Usines à trolls » russes : de l’association patriotique locale à l’entreprise globale, Les multiples visages des médias russes épisode 4/5, La Revue des médias, INA, https://larevuedesmedias.ina.fr/

2 Selon les mots employés par Vladimir Poutine dans une interview donnée en 2013. Voir « Visite à Russia Today » [« Poseshhenie telekanala Russia Today »] http://www.kremlin.ru/

3 Voir The Huff Post Putin's Iron-Fisted Message, 27 mai 2014, https://www.huffpost.com/

4 RT est la propriété de la société de production TV Novosti, créée en 2005 par RIA Novosti. Si RT et Rossiya Segodnya n’ont donc aucun lien juridique, la confusion sur ces liens, renforcée par la double casquette de Margarita Simonian et par les noms des deux entités, semble donc volontairement entretenue.

5 The Moscow Times, The Kremlin’s New Chief of Propaganda, 10 décembre 2013, https://www.themoscowtimes.com/

6 RIA Novosti, Poutine : « les médias publics devraient être dirigés par des patriotes » [« Putin: gosudarstvennymi SMI dolzhny rukovodit' patrioty »], 19 décembre 2013, https://ria.ru/

7 Proekt.media, Le marionnettiste (« Povelitel' kukol. »), 23 janvier 2019, https://www.proekt.media/

8 La distinction entre Rossiya Segodnya et RIA Novosti est toutefois fine. Sputnik s’occupe désormais de la diffusion d’informations et dépêches à destination de l’étranger. RIA Novosti reste une marque média au sein du groupe Rossiya Segodnya, et conserve plusieurs projets à destination du public russophone. L’agence de presse ne diffuse quant à elle plus que les informations de Sputnik en langue russe. Au total, Rossiya Segodnya emploie plus de 3000 employés, dont un millier en dehors des frontières russes.

9 Le Temps. « Sputnik, le nouveau média planétaire lancé par le Kremlin », 12 novembre 2014, https://www.letemps.ch/

10 Les chiffres exacts ne sont pas connus, ni communiqués. Nous nous basons donc sur la rubrique « Auteurs » du site de Sputnik France, qui recense 42 employés en date du 28 juin 2020. https://fr.sputniknews.com

11 La chaîne est toutefois disponible pour les abonnés de la chaîne Canal + ainsi que sur service de distribution de chaînes de télévision par Internet Molotov.

12 Chiffre communiqué à un des auteurs par la direction de RT France le 10 janvier 2020.

13 Bien qu’elle appartienne juridiquement au groupe RT, l’agence Ruptly reste un média à part entière, aujourd’hui implanté dans le monde entier et dont les images sont régulièrement reprises par les grands médias occidentaux. Citons pour exemple l’arrestation du fondateur de Wikileaks Julian Assange le 11 avril 2019, dont les premières images reprises en boucle sont celles de Ruptly.

14 Dans un tweet publié le 9 septembre 2019, la présidente de la chaîne Ksénia Fedorova affirme que les accréditations des journalistes de RT France sont refusées « à l’Elysée, au ministère des Affaires étrangères, au ministère de la Défense, au ministère de la Justice, aux sièges des partis LaREM, Agir et MoDEM. » https://twitter.com/

15 Sputnik International, Ex-French Economy Minister Macron Could Be 'US Agent' Lobbying Banks' Interests, 4 février 2017, https://sputniknews.com/

16 Citons par exemple un article de RT France publié le 29 mars 2019, rapportant les propos du général de brigade russe Viktor Koupchinine, selon lequel la France et la Belgique préparaient une attaque chimique en Syrie, dans le but d’accuser la Russie par la suite. https://francais.rt.com/

17 Sputnik France utilise énormément le clickbait (« piège à clic » en français), une technique de rédaction de contenus et de titres utilisée à des fins de marketing digital. Originellement conçues pour générer des revenus en ligne, ces techniques consistent à attirer le plus de lecteurs possible en utilisant des titres racoleurs et en jouant sur les émotions de sorte à grossir l’audience du site voulu.

18 Statistiques d’audience consultées sur les différents comptes des médias russes le 19 décembre 2020.

19 RT France est dotée en 2018 d’un budget de 20 millions d’euros. Celui de Sputnik n’est pas connu mais reste bien inférieur, en atteste les budgets prévisionnels de 2020 pour les maisons-mères des deux médias. Le groupe RT se voit allouer 22,9 milliards de roubles (environ 332 millions d’euros), dont 3 réservés au lancement de la chaîne RT Deutsch, contre 6,8 milliards de roubles (environ 98 millions d’euros) pour Rossiya Segodnya. https://www.rbc.ru/

20 Le Point, Macron : « Éric Drouet est un produit médiatique », 2 février 2019, https://www.lepoint.fr/

21 RT France, Des Gilets jaunes scandent « Merci RT ! » à Paris, 29 décembre 2018, https://www.youtube.com/

22 France Info. « Gilets jaunes » : on a recensé les agressions de journalistes depuis le début du mouvement, 20 janvier 2019, https://www.francetvinfo.fr

23 Facebook met toutefois à disposition de certains chercheurs sélectionnés sur projet une partie de ses données via la plateforme Crowdtangle.

24 Les messages sans contenu informatif prennent généralement la forme de messages ironiques, humoristiques ou indignés, de critiques, etc.

25 Une API (interface de programmation applicative) est une interface qui vise à simplifier l’extraction et l’exposition des données d’un site Internet.

26 En raison d’un problème technique sur nos serveurs, probablement dû à un nombre extraordinairement élevé d’interactions générées par le mouvement sur Twitter, nous n’avons pu récupérer aucune donnée entre le 23 novembre et le 12 décembre 2018, soit la période couvrant les « actes » III et IV.

27 La liste complète des mots-clés : « giletjaune, giletsjaune, giletjaunes, giletsjaunes, gj, acte1, acte2, acte5, acte6, acte7, acte8, acte9, acte10, acte11, acte 12, acte13, acteI, acteII, acteV, acteVI, acteVII, acteVIII, acteIX, acteX, acteXI, acteXII, acteXIII.

28 Par exemple, le signe ن est souvent utilisé sur les réseaux sociaux pour afficher son soutien aux chrétiens d’Orient et a été repris par une partie de la droite identitaire. Si tous les comptes arborant ce signe ne font pas partie de l’extrême droite, la présence du ن est un indice pour le chercheur souhaitant qualifier un compte. A gauche de l’échiquier politique, c’est la présence de la lettre grecque « phi » (φ) apposée à côté du nom d’un utilisateur qui indique l’appartenance ou le soutien de ce dernier au mouvement de la France Insoumise.

29 https://twitter.com/n_assenat/status/1063738434609664000

30 M. Kassovitz est notamment intervenu dans l’émission de débat de RT France, « Interdit d’Interdire », animée par Frédéric Taddeï. Son intervention relativement agressive a fait l’objet de débats houleux sur Twitter. Voir https://www.youtube.com

31 Dans le sens où les différents comptes se retweetent mutuellement et échangent ainsi de l’information.

32 En théorie des graphes, la centralité intermédiaire (betweenness centrality) est une notion qui définit mathématiquement pour chaque nœud le nombre de chemins les plus courts entre deux points passant par ce nœud. En d’autres termes, plus le score de centralité d’un utilisateur est élevé, plus l’utilisateur disposera d’une capacité à faire circuler une information au sein du réseau étudié.

33 Le taux d’interaction de ces trois communautés avec la communauté n° 0 est respectivement de 43 %, 41 % et enfin 33 %.

Haut de page

Table des illustrations

Titre Figure 1 : 171 440 retweets publiés par 54 290 comptes uniques
Légende En noir, sont représentées les interactions considérées dans l’analyse. En gris, sont représentées les interactions non considérées.
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-1.png
Fichier image/png, 174k
Titre Figure 2 : communautés détectées par la mesure de modularité
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-2.png
Fichier image/png, 23k
Titre Figure 3 : schéma de la mesure de distance entre les nœuds d’une communauté
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-3.png
Fichier image/png, 61k
Titre Figure 4 : Communautés agrégées autour de RT et Sputnik
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-4.png
Fichier image/png, 852k
Titre Figure 5 : Histogrammes de distances des comptes de RT France et Sputnik
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-5.png
Fichier image/png, 6,2k
Titre Figure 6 : Histogramme de distances du compte de Mona Hammoud, journaliste de RT France
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-6.png
Fichier image/png, 3,4k
Titre Figure 7 : Représentation simplifiée d’une communauté à la structure unipolaire
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-7.png
Fichier image/png, 620k
Titre Figure 8 : Communauté proche du Rassemblement national
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-8.png
Fichier image/png, 1,2M
Titre Figure 9 : Histogramme de distances du compte de Marine Le Pen
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-9.png
Fichier image/png, 3,5k
Titre Figure 10 : Schéma simplifié d’une communauté multipolaire, dont la structure est dépendante de plusieurs relais d’information
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-10.png
Fichier image/png, 626k
Titre Figure 11 : Communauté sociopolitique proche de la France Insoumise
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-11.png
Fichier image/png, 1,4M
Titre Figure 12 : Représentation simplifiée d’une communauté à la structure homogène
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-12.png
Fichier image/png, 653k
Titre Figure 13 : Tableau des interactions entre les quinze communautés détectées
URL http://journals.openedition.org/espacepolitique/docannexe/image/8092/img-13.png
Fichier image/png, 443k
Haut de page

Pour citer cet article

Référence électronique

Colin Gérard, Guilhem Marotte et Loqman Salamatian, « RT, Sputnik et le mouvement des Gilets jaunes : cartographie des communautés politiques sur Twitter »L’Espace Politique [En ligne], 40 | 2020-1, mis en ligne le 21 octobre 2020, consulté le 26 mars 2023. URL : http://journals.openedition.org/espacepolitique/8092 ; DOI : https://doi.org/10.4000/espacepolitique.8092

Haut de page

Auteurs

Colin Gérard

Doctorant en Géographie – Spécialité Géopolitique, Institut Français de Géopolitique (Université Paris VIII), Inria. Chercheur associé au centre de recherche Géode (Géopolitique de la Datasphère).
colin.gerard123@gmail.com

Guilhem Marotte

Docteur en Géographie – Spécialité Géopolitique, Cartographe, Institut Français de Géopolitique (Université Paris VIII). Chercheur associé au centre de recherche Géode (Géopolitique de la Datasphère).
guilhem.marotte@wanadoo.fr

Loqman Salamatian

Doctorant en informatique, Columbia University. Chercheur associé au centre de recherche Géode (Géopolitique de la Datasphère).
salamatianloqman@gmail.com

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0

https://creativecommons.org/licenses/by-nc-nd/4.0/

Haut de page
  • Logo Université de Reims Champagne-Ardenne
  • DOAJ - Directory of Open Access Journals
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search