Les auteurs de l’article tiennent à remercier très chaleureusement les étudiantes et étudiants de la promotion 2020-2021 du M2 « Traitement automatique des langues » de l’INALCO : Fabienne Auffret, Arthur Bouzard, Martin Digard, Lara Dunuan, Mei Gan, Chinatsu Kuroiwa, Jianying Liu, Sheharazade Nineb, Anna Niskovskikh, Anaëlle Pierredon, Solveig Poder, Camille Rey, Xinyi Shen et Qi Wang.
1Malgré quelques travaux pionniers (Poliakov, 1980 ; Girardet, 1986 ; Politica Hermetica, 1992), l’étude académique du conspirationnisme est largement demeurée un angle mort des sciences sociales francophones jusqu’au milieu des années 2000 (Bronner, 2003 ; Campion-Vincent, 2005 ; Taguieff, 2005). Un certain nombre d’événements – en premier lieu « l’Affaire Dieudonné » de 2014 et les attentats de Charlie Hebdo en 2015 (Kreis, 2015) – ont ensuite braqué l’attention des pouvoirs publics, des journalistes et des chercheurs sur ce phénomène. Alors qu’il devenait un problème public générant ses « experts » médiatiques, le conspirationnisme a donné lieu à la structuration rapide d’un véritable champ académique transdisciplinaire dynamique et conflictuel (Giry et Kreis, 2023). Schématiquement, deux tendances y sont observables. D’un côté, on retrouve les approches cognitivistes, voire pathologisantes, du conspirationnisme qui tendent, dans la lignée des travaux fondateurs d’Hofstadter (Giry, 2018 ; Boullier et al., 2020), à l’envisager comme une forme d’irrationalité « paranoïaque », une « mentalité particulière » (Dieguez et Delouvée, 2021, p. 165) présentant des affinités avec certains profils psychosociaux et/ou sociocognitifs (Lantian et al., 2020 ; Van Prooijen et al., 2020 ; Douglas et al., 2020) : personnalités autoritaires, absence de confiance dans ses congénères, réflexivité intuitive surdéveloppée, sentiment d’anomie, instabilité émotionnelle, indisposition à l’incertitude, ou encore anxiété. Au-delà de la diversité des facteurs et traits explicatifs convoqués, ces approches ont en commun d’envisager l’adhésion aux théories du complot, et à d’autres phénomènes comme les para-sciences, les médecines « alternatives » ou la radicalité politique ou religieuse, comme le résultat de (pré)dispositions individuelles corrélées à la « jeunesse », la faible dotation en capital culturel, ou l’appartenance aux catégories populaires. De l’autre côté, les approches politistes et sociologiques tendent à appréhender le conspirationnisme comme un phénomène politique et social, comme vision globale du monde et des rapports sociaux. En ce sens, les théories du complot sont perçues comme des théories du pouvoir, de sa pratique et de sa représentation, c’est-à-dire une forme de protopolitisation. Même si elles se trompent fondamentalement, en attribuant l’origine et les effets des dysfonctionnements des régimes représentatifs à « un groupe ou un individu omnipotent, naviguant aux marges de la société, [qui] contrôle secrètement, en totalité ou en partie, l’ordre politique et social » (Fenster, 2008, p. 1) plutôt qu’à des effets de structures complexes et dépersonnifiés, les théories du complot en perçoivent les principales manifestations : exclusion sociale, mal-représentation, déclin des structures d’encadrement et de socialisation, répartition inégalitaire des richesses, etc.
2Au-delà de ces approches et des controverses qu’elles suscitent dans le monde académique, un angle d’étude « plus froid » du conspirationnisme est, peut-être, à rechercher du côté de son analyse textuelle, sociolinguistique ou rhétorique. C’est cette piste, ouverte par l’ouvrage anthologique d’Emmanuel Kreis (2009) et le collectif dirigé par Emmanuelle Danblon et Loïc Nicolas (2010), que nous entendons explorer ici, quand bien même il ne s’agit pas de dépolitiser la question du complotisme – ce que ces auteurs ne font du reste pas. Pour réaliser ce travail, nous nous appuyons sur les méthodes d’analyse textuelle par utilisation de statistiques, qui ont donné lieu au développement de méthodologies et de logiciels de textométrie et de lexicométrie depuis les années 1980 (Lafon, 1984 ; Lebart et Salem, 1994).
3Notre proposition exploratoire, qui se situe au carrefour des études linguistiques, de l’informatique, des sciences de l’information et de la communication et de la science politique, entend alors aborder la question des théories du complot au prisme du traitement automatique des langues et de l’analyse de données textuelles. Concrètement, après un exposé détaillé des méthodologies employées pour la récolte et le prétraitement des données, il s’agira, d’une part, d’identifier des marqueurs lexicaux, sémantiques ou sémiotiques, caractéristiques de l’énonciation conspirationniste sur Twitter. Ce travail s’est articulé autour d’une diversité de méthodes que nous exposerons et de l’identification de caractéristiques textuelles permettant d’analyser et de détecter automatiquement des messages complotistes. D’autre part, en exploitant les méta-informations sur les auteurs des tweets, nous chercherons à explorer les processus et modalités de circulation intra- et inter-linguistique des contenus labellisés comme complotistes.
4Pour mener à bien notre recherche, nous avons d’abord procédé, avec l’aide d’étudiantes et étudiants de l’INALCO, à une collecte de plusieurs centaines de milliers de contenus en français et en anglais sur Twitter (via Twint1) par utilisation de hashtags. Notre collecte concernait deux thématiques conspirationnistes liées à des questions de santé : les chemtrails (James, 2003 ; Cairns, 2014) et l’antivaccinisme (Berriche, 2021 ; Giry et Nicey, 2022). Les contenus portant sur les chemtrails, thématique conspirationniste fleurissante dans les années 1990, ont été collectés pour la période 2016-2020, et ceux sur les vaccins uniquement en 2020 afin de saisir une forme particulière d’antivaccinisme liée à la pandémie de Covid-19. Il s’agissait en d’autres termes de comparer deux « générations » de théories complotistes et d’évaluer la pérennité de la théorie des chemtrails.
Tableau 1. Volumes de données collectées sur les réseaux sociaux
|
#chemtrails 2016-2020 |
#vaccine/#vaccin 2020 |
Anglais |
151 200 |
19 475 |
Français |
9 950 |
53 500 |
5Le tableau 1, qui présente les volumes de données collectées, nous montre que les deux thématiques, y compris dans leurs aspects et dimensions conspirationnistes, n’ont pas la même résonance dans ces deux communautés linguistiques : les chemtrails sont très présents en anglais, tandis que les vaccins beaucoup moins. À l’inverse, le français se focalise bien plus sur les vaccins que sur les chemtrails.
6Semblant connaître un regain de popularité à l’aune de la pandémie de Covid-19, l’antivaccinisme est cependant aussi ancien que la vaccination elle-même (Salvadori et Vignaud, 2019) et repose sur une grande diversité d’arguments (Kata, 2012), de positionnements politiques (Guimier, 2021 ; Giry et Nicey, 2022)2 et d’attitudes, oscillant depuis l’hésitation temporaire face à certains vaccins (Dubé et al., 2013) jusqu’à la croyance en un plan génocidaire global (Giry, 2022), en passant par le refus total de la vaccination au nom de principes philosophiques ou religieux. En somme, l’antivaccinisme, le vaccinoscepticisme ou les hésitations vaccinales ne constituent en rien une expression et/ou un mouvement monolithiques et l’« antivax » conspirationniste demeure limité, quoique très visible et proactif. Surtout, la situation est largement variable d’un pays à l’autre. Ainsi, si le renouveau de l’antivaccinisme moderne est largement dû à « l’affaire Wakefield »3 en Grande-Bretagne (Fitzpatrick, 2004 ; Deer, 2010 ; Dyer, 2010), il n’en demeure pas moins que les pays anglo-saxons semblent moins défiants vis-à-vis de la vaccination que la France. Ainsi, l’enquête Wellcome 20184 souligne, d’une part, que 6 % des Canadiens, 6 % des Américains et 3 % des Britanniques déclaraient que les vaccins ne sont pas efficaces (not effective) contre 18 % des Français et, d’autre part, que 8 % des Canadiens, 11 % des Américains et 9 % des Britanniques déclaraient que les vaccins ne sont pas sûrs (not safe) contre 33 % des Français. À suivre cette enquête, les Français occupent le premier rang mondial en termes de défiance vis-à-vis des vaccins5. Et, cette « prédilection française » pour la question et la suspicion vaccinales, nous la retrouvons également dans notre base de données dans la mesure où le volume de collecte est deux fois plus important en français qu’en anglais (Tableau 1).
- 6 Le projet HAARP, pour High Frequency Active Auroral Research Program, est un programme de recherch (...)
- 7 L’usage du mot chemtrails, en lieu et place de contrails (pour condensation trails ou traînées de (...)
- 8 À cet égard, au même titre que l’ensemble des résultats de ce sondage (Campion, 2018), le fait que (...)
7La théorie des chemtrails (pour chemical trails ou traînées chimiques) affirme que des cristaux ou des résidus chimiques sont délibérément répandus depuis le ciel par les avions afin de mener à bien des expérimentations sur le changement climatique en lien avec le projet HAARP6 (lequel est largement mentionné dans les tweets collectés, nous y reviendrons), sur les systèmes de communication, ou de tester l’effet d’agents biochimiques sur les populations. Apparues dans les années 1990 aux États-Unis, visibles sur des sites (Chemtrail Central, Chemtails Over America) et dans des publications d’extrême droite (The Spotlight), les chemtrails incarnent dans l’imaginaire conspirationniste la suspicion envers les pouvoirs publics, les acteurs médiatiques et les autorités scientifiques. Le caractère intrinsèquement complotiste du terme même de chemtrails7 apparaît clairement dans les données que nous avons collectées. En outre, au regard des quelques enquêtes disponibles, il est clair que, bien que marginale, la croyance dans l’existence de chemtrails est davantage répandue dans le monde anglo-saxon. Ainsi Rose Cairns rappelle que « 2,6 % des répondants d’un échantillon composé de 3 105 individus issus des États-Unis, du Canada et du Royaume-Uni croyaient absolument (believed entirely) en l’existence d’un complot impliquant des chemtrails, et environ 14 % acceptant dans une certaine mesure (to some extent) l’idée de ce complot » (2014, p. 71). De même, Dustin Tingley et Gernot Wagner (2017) soulignent que, d’après l’étude Cooperative Congressional Election Study de 2016, 30 % des Américains interrogés déclaraient « totalement vraie » (10 %) ou « partiellement vraie » (20 %) l’affirmation selon laquelle « le gouvernement dispose d’un programme secret qui utilise des avions afin de répandre dans l’air des produits chimiques dangereux (souvent appelés “chemtrails”) ». Les auteurs remarquent également que 60 % des contenus circulant sur les réseaux sociaux entre 2007 et 2017 à propos des chemtrails sont de nature conspirationniste, et même 90 % sur Twitter. À titre de comparaison, en France, l’étude réalisée en 2018 par l’IFOP rapporte que près de 80 % des sondés n’ont jamais entendu parler des chemtrails8. Ce tropisme anglo-saxon pour cette théorie ressort également dans notre base de données (Tableau 1).
8L’ensemble des données récoltées ont été stockées en vue de traitements et d’analyses. Parmi celles-ci, la détection automatique de tweets complotistes est une tâche centrale que nous réalisons à l’aide de modèles d’apprentissage automatique supervisés (non profonds). Le modèle, construit sur un sous-ensemble des données en français, a ensuite été appliqué à l’ensemble des tweets en français et nous permet de produire des analyses textométriques. Enfin, nous avons étudié leurs réseaux de circulation des discours, en identifiant les utilisateurs auteurs des tweets en français et en anglais et en utilisant quelques mesures permettant de les caractériser.
9Parmi les tweets collectés, un filtrage simple a été réalisé afin d’écarter ceux qui ne contenaient pas de contenus textuels (c’est-à-dire qui ne contenaient que des adresses web ou des images) et de les dédoublonner. Dans le corpus résultant, des échantillons de 250 messages ont été sélectionnés aléatoirement pour chaque thématique (chemtrails et vaccins). Un travail d’annotation manuelle a alors été réalisé par les étudiantes et étudiants de l’INALCO, afin de les répartir, pour chaque thème, dans l’une des quatre catégories suivantes :
- ProComplot : l’auteur du tweet semble manifester son adhésion ou son soutien à la théorie du complot ;
- AntiComplot : l’auteur du tweet ne semble pas croire à la théorie conspirationniste, il s’y oppose ou la tourne en dérision ;
- NeutreComplot : le tweet parle d’une théorie du complot, mais ne montre pas de position claire, souvent descriptive – cette position de prudence a donc permis de ne pas « surcharger » la catégorie ProComplot ;
- NonConcern : les tweets qui ne concernent pas la théorie conspirationniste – cette catégorie a été aussi utilisée par défaut en cas d’incertitude majeure afin, encore une fois, de ne pas « surcharger » la catégorie ProComplot.
10La figure 1 donne la répartition des catégories au travers des thèmes. Nous avons collecté bien plus de tweets ProComplot et AntiComplot sur la thématique chemtrails, ceci étant lié au mécanisme de collecte par hashtags, qui est bien plus explicite et confidentiel sur cette thématique que pour les hashtags utilisés pour la collecte des tweets sur les vaccins.
Figure 1. Répartition des catégories lors de l’annotation manuelle
- 9 Nearest Neighbors, MultinomialNB, Linear SVM, RBF SVM, Decision Tree, Random Forest, Gaussian Proc (...)
11Ces données annotées manuellement ont ensuite été utilisées pour entraîner un algorithme de détection automatisée des tweets complotistes, par apprentissage automatique. À cet effet, le nombre de classes a été réduit à deux, afin d’opposer de manière binaire les tweets complotistes aux autres. Les deux thématiques sont fusionnées dans l’idée d’apprendre un modèle générique au complotisme. En premier lieu, des prétraitements de traitement automatique des langues ont été appliqués à l’ensemble des messages par utilisation de la librairie python SpaCy (Honnibal et al., 2017) qui permet d’appliquer des modules standards (segmentation en mots, lemmatisation, étiquetage en parties du discours, détection d’entités et de hashtags) pour le traitement du français. Ensuite, les données prétraitées ont été fournies aux nombreux algorithmes9 de classification disponibles dans la librairie de calcul scikit-learn (Pedregosa et al., 2011), afin de les expérimenter et de les évaluer.
Tableau 2. Performance des algorithmes pour la détection de tweets complotistes
|
Précision (proportion de prédiction correcte) |
Rappel (taux de vrais positifs) |
F-mesure |
ProComplot |
0,80 |
0,44 |
0,57 |
NoComplot |
0,74 |
0,93 |
0,83 |
Moyenne pondérée |
0,76 |
0,75 |
0,73 |
12Le tableau 2 indique les performances de classification obtenues avec un partitionnement aléatoire des données (80 % entraînement, 20 % test) et l’algorithme MultinomialNB (classification bayésienne naïve), celui qui a obtenu les meilleurs résultats lors de nos tests, avec une performance globale (F-mesure de 0,73) qui n’est pas très satisfaisante pour la détection des tweets complotistes (F-mesure de 0,57). Nous voyons que, si la précision est bien meilleure que le rappel pour la détection de tweets complotistes, le bruit reste cependant tout de même élevé (20 %). Le rappel est assez faible, avec un silence important (55 %). Nous en déduisons que si l’utilisation de ce modèle nous permet de réaliser une fouille de texte, sa fiabilité modérée nous conduit à rester vigilants sur les résultats obtenus, en partie bruités, mais surtout relativement peu représentatifs de la diversité des énonciations adhérant à des théories du complot.
13Une fois ces premières expériences de mise au point du modèle réalisées, celui-ci a été construit en utilisant l’intégralité des annotations manuelles disponibles, puis projeté sur la portion du corpus en langue française sur les thématiques des chemtrails et vaccins. Les volumes détectés sont rapportés dans le tableau 3. Nous y retrouvons, comme pour l’annotation manuelle, mais encore plus accentuée, une proportion de tweets « complotisants » largement supérieure sur la thématique des chemtrails (36 %) que sur celle des vaccins (1 %). Ceci est notamment lié au biais de la récolte des données par hashtags, mais nous indique également que l’algorithme se comporte de manière cohérente par rapport au jeu de données annoté manuellement sur lequel il a été entraîné.
Tableau 3. Répartition des tweets Pro et NoComplot collectés en français
|
chemtrails |
vaccins |
ProComplot |
3 321 (36 %) |
592 (1 %) |
NoComplot |
5 730 |
49 658 |
|
9 051 |
50 250 |
14La suite de cette étude porte sur les usagers de Twitter qui émettent des messages à tonalité complotiste. Les données initialement récoltées en mars 2021 ne comportant pas d’information sur les auteurs des tweets, nous avons complété ces données en janvier 2022 en nous appuyant sur les identifiants des tweets, à partir de l’interface d’interrogation et de requête du réseau social Twitter. Cependant, de nombreux comptes – et donc tweets – ont été supprimés entretemps, ce qui nous donne également un aperçu de la dynamique de « déplateformisation » mise en œuvre par Twitter face à la prolifération de théories du complot et de fake news à propos de la pandémie de Covid-19 ou des élections présidentielles aux États-Unis (Smyrnaios, 2021).
Tableau 4. Collecte et classification des tweets ProComplot en anglais et en français
|
Chemtrails en anglais |
Chemtrails en français |
Vaccins en anglais |
Vaccins en français |
Sur tous les tweets |
Tweets |
146 077 |
9 078 |
18 845 |
50 686 |
Tweets d’utilisateurs suspendus |
17 152 (11 %) |
1 225 (13 %) |
483 (2 %) |
1 704 (3 %) |
Nombre d’utilisateurs distincts |
24 708 |
2 179 |
11 226 |
15 103 |
Nombre de tweets par utilisateur |
5,2 |
3,6 |
1,6 |
3,2 |
Sur les tweets classés comme complotistes |
Tweets |
|
3321 |
|
592 |
Tweets d’utilisateurs suspendus |
|
264 (8 %) |
|
45 (8 %) |
Nombre d’utilisateurs distincts |
|
802 |
|
408 |
Nombre de tweets par utilisateur |
|
3,8 |
|
13,9 |
15Le tableau 4 reporte des statistiques sur les tweets et leurs auteurs. Nous y constatons de nouveau la surreprésentation des auteurs de tweets complotistes sur la thématique des chemtrails et l’importance du nombre de tweets émis par des utilisateurs suspendus sur cette thématique. Lorsque les statistiques sont filtrées sur les tweets complotisants en français, la proportion d’utilisateurs complotistes suspendus est moindre sur les chemtrails, mais plus importante sur les vaccins, ce qui indique que l’algorithme de filtrage serait plus efficace sur la thématique des vaccins. Enfin, nous remarquons un nombre moyen de tweets par utilisateur plus important sur les auteurs français complotisants pour la thématique des vaccins (13,9), ce qui nous conduit à formuler l’hypothèse selon laquelle la statistique révèle une dynamique forte pour cette thématique dans le contexte sanitaire de la pandémie de Covid-19.
Tableau 5. Collecte et classification des tweets ProComplot en anglais et en français
|
chemtrails anglais |
chemtrails français |
vaccins anglais |
vaccins français |
chemtrails anglais |
|
315 |
511 |
89 |
chemtrails français |
|
|
15 |
495 |
vaccins anglais |
|
|
|
89 |
vaccins français |
|
|
|
|
- 10 Bien que nous n’ayons pas su déterminer si ces trois comptes étaient abonnés entre eux, il est en (...)
16Nous avons également croisé les auteurs entre langues et thématiques, ces données sont présentées dans le tableau 5. Nous constatons qu’il existe de nombreux auteurs communs entre les langues sur la thématique des chemtrails (315), ce qui nous confirme qu’il existe une communauté internationalement structurée adhérant à cette théorie du complot. Nous ne retrouvons pas cette conclusion pour la vaccination (seulement 89 auteurs en commun entre le français et l’anglais). Cependant, nous observons qu’il existe une porosité entre les thématiques des chemtrails et de la vaccination pour chaque langue (511 en anglais, 495 en français), c’est pourquoi nous avons opéré le filtrage sur les tweets par le croisement de ces deux thématiques. Ainsi, lorsque l’on considère l’ensemble les tweets collectés, les comptes de professionnels de la politique, d’institutions ou de médias arrivent en tête, le plus souvent afin de dénoncer ou de s’opposer aux théories conspirationnistes. Citons, par exemple, les comptes de Justin Trudeau, de la Commission européenne ou de la BBC. En revanche, si on limite le filtrage au tweets étiquetés ProComplot, ceux-ci nous mènent vers quelques auteurs parfois peu visibles, mais néanmoins prolifiques et comptant un nombre assez important d’abonnés. Une consultation approfondie des trois comptes principaux révélés par l’algorithme (Tableau 6) s’avère instructive dans la mesure où l’on constate que ces auteurs sont véritablement empreints de cette vision conspirationniste du monde et des rapports sociaux. Cela nous confirme que les auteurs des tweets sont loin de se limiter à l’adhésion à une seule théorie du complot. Ainsi, au-delà des chemtrails et des vaccins, ces auteurs tweetent et (se) retweetent10 sur diverses thématiques telles que le pass et la « dictature » sanitaires, le rejet des journalistes, la dénonciation de réseaux d’élites pédocriminels, la promotion de médecines et thérapeutiques alternatives, ou apportent leur soutien à des personnalités controversées et/ou opposées aux mesures sanitaires actuelles telles que François Asselineau, Florian Philippot, Didier Raoult, Louis Fouché, l’avocat Fabrice Di Vizio ou encore le youtubeur Marcel D, proche d’Égalité & Réconciliation, qui anime le Média en 4-4-2 (voir les retranscriptions de tweets ci-après).
Tableau 6. Principaux comptes détectés par l’algorithme à partir du filtrage vaccin/chemtrails ProComplot
Auteur |
Date d’arrivée sur Twitter |
Nombre total de tweets |
Nombre de tweets vaccin/chemtrails détecté par l’algorithme (2020) |
Nombre d’abonnés |
Nombre d’abonnements |
Ritarapidissima @ritarapidissima |
Décembre 2012 |
34,1 K |
81 |
809 |
1 929 |
CATHERINE L 60 @kittylt |
Mars 2011 |
185,7 K |
27 |
2 344 |
4 177 |
🙏OGoulaG Lélite2merde @Kyrie_Eleison7 |
Novembre 2016 |
129 K |
16 |
2 446 |
1 770 |
- 11 Tous les exemples de tweets dans cet article sont retranscrits textuellement.
Retranscriptions de tweets et de retweets issus des trois comptes étudiés (extraits le 19 avril 2022)11
CATHERINE L 60 a retweeté
ritarapidissima
@ ritarapidissima
HORRIBLE !!! SOYEZ CONSCIENT “SI MACRON EST RÉÉLU IL EST EN ROUE LIBRE, IMPOSERA LE MASQUE AUX ENFANTS AU RISQUE D ENDOMMAGER LEUR DÉVELOPPEMENT CÉRÉBRAL” #ToutSaufMacon VOUS ETES PRÉVENUS
OGoulaG Lélite2merde a retweeté
OGoulaG Lélite2merde @Kyrie_Eleison7
Les mêmes qui ont permis à #BigPharma à l’#AgroAlimentaire aux #Chemtrails de nous empoisonné depuis des années, veulent nous sauvé du #COVID19 #VACCINPOISON_ARN nos dirigeants ne veulent vraiment pas notre bien, lire le livre de #ClaireSéverac RIP
ritarapidissima a retweeté
CATHERINE L 60 @kittylt
“Des preuves accablantes :” la N-acétyl cystéine saluée par les chercheurs pour ses effets protecteurs sur la snaté – Cogito
OGoulaG Lélite2merde a retweeté
Marcel D. @DubreuilhMarcel
Rappel :
Vaccination Pfizer : le Pr Mégarbane annonce la vaccination obligatoire dès l’âge de 2 ans, après élection présidentielle
17Pour approfondir l’étude, nous avons tenté diverses analyses textuelles à l’aide du logiciel de textométrie TXM (Heiden et al., 2010) : entre thématiques, entre langues, ou encore en opposant les tweets complotistes ou non complotistes pour le français. Les résultats ont fait ressortir quelques éléments intéressants. Pour les chemtrails, notons, dans les spécificités des tweets complotistes, la présence de termes chimiques et techniques tels que « Aluminium », « Baryum » ou « Strontium ». Du côté des vaccins, nous relevons davantage la présence de termes évoquant, parfois sur le ton de la colère manifesté par le recours aux majuscules (Mercier, 2021), des médias ou des personnalités (« Facebook », « YouTube », « Bill Gates », « PROFESSEUR »), d’autres exprimant la défiance (« ÉLITE », « PROMOTION », « PEUPLE », « FOURBERIE », « RETOURNEMENT », « VESTE »), mais aussi, en négatif, l’absence de termes spécifiques évoquant la vaccination elle-même ou les préoccupations proprement médicales. Voici quelques exemples de tweets correspondants :
parasite #chemtrails Aluminium maladie correspondante = autisme enfants, destruction système immu, Alzheimer pour les autres .Polymères = cancer et maladie des morgellons parasite = aussi chute luminosité, laideur du ciel d’où dépression à noter réchauffement volontaire = alibi https://t.co/iwDowhHyDV
- 12 La vidéo n’est plus disponible suite à la clôture du compte.
#VACCIN : LA FOURBERIE CRASSE DE L'ÉLITE SUR LE PEUPLE https://t.co/gEZAtByNUn via @YouTube12
#VACCIN ADN/ARNm : RETOURNEMENT DE VESTE #INCROYABLE DU PROFESSEUR ÉRIC... https://t.co/JJgo04x3tc via @YouTube13
18Nous avons également procédé à un décompte des tweets contenants des mots-clés spécifiques aux chemtrails : « aérien » (51), « avion » (181), « HAARP » (533), « météo » (420), « PilotLife » (481). Ceux-ci nous ont confirmé la pénétration de mots-clés issus de communautés anglophones (« HAARP », « PilotLife ») dans les milieux francophones correspondants, comme nous le montrent ces tweets extraits du corpus :
Ces halos solaires sont dû aux #chemtrails qui voilent le ciel arrêté d’être abrutis sérieux ouvrez les yeux c’est pas une nouvelle norme c’est un empoisenement du ciel !!! #chemtrails #nature #ciel #poison #alerte #epandage #gironde #bordeaux #wine #geoingenierie #HAARP
Ce matin 6H34, nous sommes sous les 100% #Chemtrails #Metz NON, le #Ciel #ROUGE n'est pas du tout normal #Baryum #Aluminium #Strontium #Cadmium #Phtalates #PilotLife #Pilotes #Laquais #Larbin #AvGeek #Aviation #SpaceGeek #GeoEngineering #WeatherModification #CloudSeeding https://t.co/9gwEF2sPns
19Enfin, nous avons exploré la sémantique de ces messages par extraction de séquences d’émoticônes contigus (plusieurs émoticônes concaténées sans espace, il peut y avoir plusieurs séquences dans un tweet) sur tous les messages du corpus (complotisants ou non). Une fois extraites, nous avons calculé leurs fréquences pour chaque langue et thématique, puis nous avons fusionné les thématiques et introduit les données dans TXM afin de réaliser un contraste entre l’anglais et le français. Le tableau 7 présente les séquences les plus fréquentes (et leurs fréquences) pour chaque thématique et langue, ainsi que les séquences spécifiques à l’anglais et au français (et leurs indices de spécificité).
Tableau 7. Extraction des fréquences absolues et spécificités de séquences d’émoticônes dans les tweets en anglais et en français
Lorsque plusieurs nombres sont indiqués (X/Y), le second (Y) correspond au nombre de séquences dans les tweets classifiés ProComplot, les spécificités sont calculées pour chaque sous-corpus par rapport à toutes les thématiques et langues.
20On retrouve d’abord des émoticônes génériques très courantes et, par ailleurs, porteuses d’émotions (🤔, 😂, 😡, 😉). D’autres émoticônes sont en revanche spécifiques aux thématiques des chemtrails et des vaccins et sont assez bien partagées entre les langues (✈, ☠, ☁ pour les chemtrails et 💉, ♂ pour les vaccins). On remarque que la thématique des chemtrails est bien plus attachée à la symbolique spécifique du domaine (aéronautique et météorologique) que celle des vaccins, qui fait plutôt appel à une symbolique de liens et de canaux d’informations (⤵, ➡, 👇, 👉), même si ces symboles sont moins présents parmi les tweets classifiés comme complotisants. On constate également une expressivité de l’inquiétude et de la contestation en français (⛔, 🆘) qui apparaît bien moins explicitement en anglais. Ceci est intéressant dans la mesure où l’usage des émoticônes, lorsque les questions vaccinales et les chemtrails sont abordés, diffère de la pratique générale qui favorise l’usage d’émoticônes positivement connotées (Kralj Novak et al., 2015). Ce faisant, ces thématiques polarisantes attestent d’une forme de « colère citoyenne » (Mercier, 2021), signe de défiance vis-à-vis des autorités politiques, médiatiques et scientifiques.
21Comme nous l’avons constaté, les théories du complot sont diversement représentées selon les communautés linguistiques. Si la thématique des chemtrails concerne davantage les contenus publiés en anglais, les théories conspirationnistes autour des vaccins se développent bien plus dans l’espace francophone. De même, des registres de discours très différents apparaissent entre les deux thématiques. Pour les chemtrails, un registre technique, pointu dans son vocabulaire et spécifique dans l’usage des symboles graphiques (les émoticônes), est utilisé par une communauté internationale essentiellement anglophone, finalement assez peu nombreuse, mais très visible et active sur Twitter. Du côté des vaccins, les contenus publiés sont beaucoup plus hétérogènes et moins techniques. Les tweets analysés montrent, en pleine période pandémique, que les propos se concentrent finalement moins sur les questions médicales et la supposée nocivité des vaccins que sur les aspects politiques de la campagne de vaccination : critiques des choix gouvernementaux en termes de politiques publiques de lutte contre la pandémie et leur traitement médiatique au travers d’accusations de propagande et de complicité avec les pouvoirs publics ou les laboratoires pharmaceutiques (« Big Pharma »). Ces analyses sont pour l’essentiel confirmées dans les données que nous avons collectées et quantifiées. Notons tout de même que certains résultats sont pour partie biaisés, la collecte des données pour les vaccins étant réalisée au moyen de hashtags moins spécifiques que ceux utilisés pour la thématique des chemtrails. D’autre part, les résultats concernant la thématique des vaccins sont très influencés par le contexte pandémique contemporain et les mesures de restriction des libertés individuelles (couvre-feu, confinement, introduction de pass sanitaires, etc.) mises en place par les différents gouvernements qui préoccupent, y compris sur le registre complotiste (Giry, 2022), une partie des populations.
22Par ailleurs, il reste difficile de construire une analyse inter-langues, sauf à mélanger plusieurs théories qui auraient une portée translinguistique suffisante pour être pertinentes et opératoires. Notre étude exploratoire et pionnière ouvre des pistes somme toute fécondes pour l’analyse intralinguistique des contenus complotistes sur les réseaux socio-numériques. Le traitement croisé avec seulement deux thématiques opéré par l’algorithme nous a déjà permis de faire remonter plusieurs comptes largement inconnus des chercheurs et des journalistes, qui se focalisent en général sur les super-spreaders (McDonald et al., 2020) et les comptes de groupes ou de personnalités complotistes déjà bien identifiés. Ainsi, le perfectionnement de l’algorithme par son adaptation à d’autres thématiques conspirationnistes contemporaines (autour du sida, de Barack Obama ou du Great Reset) ou « classiques » (complots juif, maçonnique, Illuminati ou Nouvel Ordre Mondial) pourrait s’avérer un outil efficace en termes de monitoring pour l’identification précoce de comptes proactifs, mais peu visibles pour l’œil humain, car passant sous les radars de la détection manuelle. On pourrait aussi mettre en évidence l’existence, ou non, de porosités, de passerelles ou de hubs entre différentes thématiques et communautés adeptes de certaines théories du complot comme des travaux sur les droites extrêmes ont pu le montrer pour ces milieux (Froio, 2017). Toutefois, si cette méthodologie de collecte des données ne pose pas de difficultés particulières lorsqu’on cible des plateformes mainstream bien maîtrisées par les chercheurs, comme Twitter ou Facebook, des doutes subsistent quant à la possibilité de mettre en œuvre de tels traitements sur des réseaux socio-numériques alternatifs, comme Gab, Minds, Bitchute, Odyssée ou Parler, dont les logiques et dynamiques internes de fonctionnement demeurent moins connues et pour lesquels les outils de collecte ou d’analyse ne sont pas toujours disponibles ou opérationnels.
23Enfin, concernant les utilisateurs, notre analyse des contenus modérés confirme, en partie, les observations d’Orestis Papakyriakopoulos et ses collègues (2020) qui soulignaient que 15 % des contenus effectivement signalés comme porteurs de désinformation sont effacés sur Twitter. Dans notre cas (Tableau 4), nous avons observé une réactivité des réseaux sociaux de 3 % (vaccins en français, mais on grimpe à 8 % si l’on ne conserve que les tweets labellisés ProComplot) à 13 % (chemtrails en français, alors même que cette thématique est peu populaire dans notre langue) en termes de modération des messages en un laps de temps de six mois. Là encore, le perfectionnement et l’implémentation de l’algorithme pourraient offrir des pistes fécondes en termes de détection et de modération automatiques des contenus (algorythmic decision making) contrevenant à la règle de droit ou aux chartes utilisateurs des plateformes.