Navigation – Plan du site

AccueilTous les numéros130DossierLes discours complotistes sur Twi...

Dossier

Les discours complotistes sur Twitter à propos de la vaccination contre la Covid-19 en France : communautés et analyse sémio-linguistique des hashtags

Conspiracy talk on Twitter about Covid-19 vaccination in France: Communities and semio-linguistic analysis of hashtags
Los discursos complotistas en Twitter sobre la vacunación contra la Covid-19 en Francia: comunidades y análisis semio-lingüístico de los hashtags
Gilles Brachotte, Alexander Frame, Laurent Gautier, Waldemar Nazarov et Afef Selmi
p. 79-103

Résumés

Cet article étudie les mécanismes communicationnels et linguistiques permettant la circulation des discours à tendance complotistes sur Twitter à partir d’un corpus de plus de 55,5 millions de tweets, en langue française et évoquant la vaccination contre la Covid-19. Il identifie, à partir d’une méthode innovante de décomposition tensorielle, les « clusters » de comptes structurés au cours du temps autour de faits sociétaux et d’actualité. Des analyses quantitatives et qualitatives des tweets d’un cluster spécifique mettent en avant l’influence sur sa circulation des constituants d’un tweet, et du niveau constructionnel et pragma-sémantique des hashtags constitutifs du cluster.

Haut de page

Texte intégral

1La France vit depuis plusieurs mois une crise sanitaire sans précédent liée à la pandémie de SARS-CoV2 (Covid-19). L’épidémie a engendré une « infodémie » (OMS, 2020) et une « infobésité », pour ainsi dire. Ces mécanismes ont été flagrants lors du déploiement, le 27 décembre 2020, de la campagne de vaccination contre la Covid-19. En effet, les nouvelles techniques utilisées, telles que l’ARN Messager, réactivaient des craintes et des débats plus anciens entre pro- et anti-vaccins, y compris dans le milieu médical (Salvadori et al., 2019). Le citoyen s’est ainsi confronté à de nombreuses informations contradictoires, fruits d’une activité médiatique intense et paroxystique, qui contribue à créer un nuage informationnel (Morin, 1981) complexe à analyser. Les réseaux sociaux n’ont pas échappé aux bruits ambiants, suspicions, controverses et discours complotistes (Frame et al., à paraître). Dans ce contexte, le citoyen est confronté à des théories du complot : des récits qui tentent d’expliquer des événements sociaux comme étant secrètement complotés par des élites puissantes au détriment d’une population inconsciente (Samory et Mitra, 2018 ; Douglas et al., 2019) ou par « un petit groupe d’hommes désireux de voir la réalisation d’un projet de contrôle et de domination des populations » (Taïeb, 2010, p. 267). Ces théories découlent de l’incertitude et d’une perception de menace personnelle : Gérald Bronner voit dans le « complotisme » le résultat de la « démagogie cognitive d’énoncés fondés sur un effet de dévoilement qui flatte les pentes les moins honorables et pourtant les plus intuitives de notre esprit » (2015, p. 11).

2En ce qui concerne Twitter, le réseau social « assure l’appareillage de cette circulation, aussi bien en interne (retweets, réponses à, partage de photographies) que vers l’extérieur (ajout d’un tweet dans un site) ou depuis l’extérieur (partage d’une information) » (Julliard, 2015, p. 195). De plus, le rôle d’indexation et de caractérisation métalinguistique du hashtag (Zappavigna, 2012 ; 2015) se révèle crucial tant il sert à la fois d’élément de reconnaissance vers l’intérieur des communautés et de distanciation vis-à-vis des communautés adverses. Face à la pandémie actuelle, les théories du complot sont intentionnellement diffusées et amplifiées dans le débat politique par les twittos en quête de réponses simples permettant de faire face aux incertitudes, aux menaces et aux peurs (Miller, 2020a ; 2020b). Ces discours sont amplifiés et polarisés par l’effet « bulle » (filter bubble) engendré par les dispositifs sociotechniques, terreaux fertiles des théories du complot, qui les rend plus visibles et accessibles. Twitter, véritable chambre de résonance favorisant l’instantanéité, l’immédiateté et la rapidité de propagation de l’information, sert alors de relais pour les autres médias (Brachotte et Frame, 2015 ; 2016), dans une logique polymédia (Madianou et Miller, 2013), augmentant « le signal du doute » et offrant à tout un chacun une tribune médiatique de libre expression. Un ensemble de « mouvements » et/ou de « communautés » prend forme et corps dans les sphères publiques réelles et virtuelles (Frame et Brachotte, 2016 ; 2017). Ce dispositif représente autant un vecteur de démocratie qu’un facilitateur de discours complotistes. La désintermédiation et l’anonymat potentiel de Twitter renforcent ces dérives : puisqu’il n’a pas de filtre, se crée, in fine, un espace de communication où émerge, se déverse et s’intensifie la dynamique de « controverses », sous prétexte d’une liberté d’expression, caractéristique d’un débat public qui révèle de profondes divisions dans la société.

3Dans ce cadre, nous nous interrogeons, dans une logique d’étude de la réception, sur les faits et les mécanismes permettant la circulation et la reprise d’énoncés en lien avec le complotisme sur le dispositif sociotechnique qu’est Twitter. Pour cela, nous cherchons à identifier les événements dans le « monde réel » qui contribuent ou non à encourager la circulation des tweets identifiés comme complotistes, à mettre en évidence les facteurs organiques du « réseau » participant à la dynamique de circulation et de propagation, à mettre en exergue l’impact possible sur sa circulation des caractéristiques intrinsèques du tweet, et enfin à voir le procédé de structuration morpho-syntaxique et sémantique des hashtags et la façon dont ceux-ci se fossilisent dans des constructions multi-fonctionnelles complexes autour desquelles s’organise la circulation des tweets complotistes.

Méthodologie et corpus

Caractérisation générale

4L’approche développée est pluridisciplinaire. Elle s’appuie sur des analyses quantitatives et qualitatives d’identification de « communautés » de comptes sur Twitter qui s’enrichissent mutuellement, étayées par des données sémio-linguistiques pour les caractériser. Il s’agit d’identifier des groupes de comptes structurés au cours du temps par les relations entre comptes (@) et autour de hashtags (#) afin de mettre au jour l’existence d’une possible « communauté » à tendance complotiste, ainsi que les figures et les discours qui la caractérisent. Nous procédons à une extraction des tweets de ce cluster pour étudier les facteurs intrinsèques de leur circulation (thématique abordée, posture, structure, typologie des auteurs). Nous faisons également une analyse linguistique des hashtags qui s’inscrit dans le mouvement actuel de la « linguistique du hashtag » (Gautier et Michel, à paraître) et qui s’attache à reconstruire les moules morpho-syntaxiques (#stopX, #jeneV-raipas, #Xdemission) et sémantiques sous-jacents pour les aborder en termes de figement (Gautier, 2018).

  • 1 Le projet Cocktail, piloté scientifiquement par Gilles Brachotte, est soutenu par le programme « I (...)
  • 2 Cette liste a été définie le 1er décembre 2020 dans l’objectif de collecter l’ensemble des tweets (...)

5Pour ce faire, nous utilisons la plateforme numérique du projet Cocktail1 qui permet la collecte, le stockage et l’analyse de données massives issues de Twitter à partir de mots-clés et de comptes spécifiques. Pour cette étude, une liste de comptes et de mots-clés thématiques a été définie (Tableau 1)2.

Tableau 1. Critères de collecte

Mots-clés Comptes
Vaccin @BioNTech_Group
Antivax @SinopharmIntl
Covid @Pfizer_France
Sinopharm @moderna_tx
Bigpharma @sputnikvaccine
Corona
Santepublique
Astrazeneca
Sputnik
Spoutnik
Pfizer
Biontech
Moderna
Vaxxie
Vaxzevria

6Tous les tweets en langue française ont été collectés sur la période du 1er décembre 2020 au 31 octobre 2021, soit plus de 55,5 millions de tweets (Tableau 2).

Tableau 2. Caractéristiques du corpus global du 1er décembre 2020 au 31 octobre 2021

Nombre de tweets collectés 55 315 877
Nombre de comptes suivis 2 494 460
Nombre de hashtags suivis 274 778

Décomposition tensorielle et choix du cluster

  • 3 Utilisation d’une décomposition CANDECOMP/PARAFAC.

7L’étude des données issue des réseaux sociaux repose sur l’analyse de leur structure et notamment de leur structure communautaire (Fortunato, 2010). Classiquement, les algorithmes de Louvain (Blondel et al., 2008) ou Walktrap (Pons et Latapy, 2005) sont utilisés pour identifier des clusters. Or, ils génèrent des artefacts, c’est-à-dire des communautés non significatives, lorsque la valeur globale de la modularité est insuffisante. De plus, ils traitent insuffisamment la variable temporelle et sont moins adaptés à des corpus s’étendant sur plusieurs mois. Pour notre étude, cette première approche n’a pas permis de conclure à la présence de structures communautaires fortes. Ainsi, nous avons mis en œuvre une autre approche basée sur une « décomposition tensorielle avec stratification » (Gillet et al., 2021) du corpus. Elle se base sur des objets mathématiques multidimensionnels appelés « tenseurs » qui représentent une valeur en fonction de plusieurs dimensions (par exemple le nombre de tweets produits ou retweetés par un utilisateur en fonction du jour et des hashtags utilisés dans le tweet). En les décomposant3, on obtient R ensembles de vecteurs qui, lorsqu’on les associe, approximent les données du tenseur d’origine. Chaque ensemble de vecteurs, appelé « rang », possède autant de vecteurs que le tenseur contient de dimensions (par exemple les utilisateurs, les hashtags). De plus, les valeurs contenues dans ces vecteurs permettent d’identifier les éléments des dimensions qui participent le plus au rang, c’est-à-dire qui contribuent majoritairement à reconstruire les données d’origine. À partir des éléments, il est possible de former des clusters et, par exemple, de regrouper simultanément les utilisateurs qui emploient les mêmes hashtags aux mêmes périodes. En supprimant ces clusters du tenseur d’origine (déflation), puis en exécutant à nouveau la décomposition, on obtient des clusters qui sont cachés par le « signal fort » présent dans les données, et on dévoile ainsi des signaux plus « faibles ». Chaque exécution de la décomposition représente ce que nous appelons une « strate ». Nous avons construit quatre tenseurs ayant trois dimensions représentant le temps, les hashtags (#) et les comptes (@) et avons fait varier la nature des tweets et le nombre de retweets. Leurs caractéristiques sont résumées dans le tableau 3.

Tableau 3. Caractéristiques de la décomposition tensorielle

Nom et dimensions Tweets inclus Nombre de strates Nombre de rangs par strate
Tenseur 1, @, #, temps Tous les tweets quelle que soit leur nature (original, RT, quote ou reply) 3 (S0, S1, S2) S0 : 7, S1 : 9, S2 : 26
Tenseur 2, @, #, temps Tous les tweets retweetés au moins 10 fois incluant les tweets originaux, les quotes et les reply 3 (S0, S1, S2) S0 : 6, S1 : 8, S2 : 20
Tenseur 3, @, #, temps Tous les tweets retweetés au moins 10 fois excluant les tweets non originaux (RT) 3 (S0, S1, S2) S0 : 6, S1 : 10, S2 : 11
Tenseur 4, @, #, temps Tous les tweets retweetés au moins 100 fois excluant les tweets non originaux (RT) 3 (S0, S1, S2) S0 : 6, S1 : 12, S2 : 20
  • 4 Le terme de hashtag « clanique » fait référence à une utilisation qui permet non seulement d’index (...)

8Nous avons limité notre analyse à la strate 0 de chaque tenseur. En effet, elle contient toutes les données du corpus et est donc la plus significative du volume global de tweets. Pour chacun des tenseurs, nous avons recherché le rang qui agrégeait le plus de hashtags « clivants » ou « claniques »4 autour d’un événement marquant et identifiable. Puis, nous avons procédé à une lecture d’échantillons de tweets des différents clusters afin de confirmer leur pertinence et d’affiner le choix du cluster retenu pour sa prévalence de discours à tendance complotiste. Ainsi, le cluster retenu a été le tenseur 1, strate 0, rang 6 contenant 115 987 tweets et qui se manifeste dans le corpus à partir du 12 juillet 2021. À cette date, Emmanuel Macron, président français, a annoncé l’obligation vaccinale pour les professionnels de santé et l’extension du pass sanitaire. Ceci constitue un point pivot de notre étude, car nous avons un double fait : sociétal (la crise sanitaire liée au Covid-19) et d’actualité (prise de parole du président de la République). Bien que certains hashtags aient été utilisés par des comptes avant ce discours, le cluster, qui peut être caractérisé de « réactif », est devenu plus pertinent à cette date avec quelques tweets portant initialement sur l’annonce, puis relayant surtout des propos anti-vaccination pendant les mois qui suivent. Il peut s’apparenter ainsi à une « communauté ad hoc » (Einspänner-Pflock et al., 2015), apparue à la suite d’un événement, mais qui continue d’évoluer dans le temps, comme l’indique la figure 1.

Figure 1. Décomposition tensorielle du tenseur 1, strate 0, rang 6

Figure 1. Décomposition tensorielle du tenseur 1, strate 0, rang 6

Sélection de tweets pour analyse qualitative au sein du tenseur retenu

9La dernière phase de notre méthodologie a consisté à sélectionner les tweets les plus pertinents. Il s’agissait d’identifier ceux qualifiés de « complotistes » qui circulaient peu ou beaucoup, afin de pouvoir analyser les facteurs pouvant expliquer cette différence. Pour cela, quatre étapes ont été nécessaires.

10Étape 1 : classement des tweets selon leur niveau de circulation défini par le nombre de retweets (RT).

  • 5 Le protocole a consisté en une lecture individuelle, par les 4 membres de l’équipe, d’un échantill (...)

11Étape 2 : détermination collaborative de critères de sélection multiniveaux et non-exclusifs les uns des autres identifiant un tweet à tendance complotiste. Nous avons dressé une liste d’éléments/catégories dans la littérature décrivant les théories du complot populaires sur l’origine du coronavirus (par exemple sa nature prétendument fabriquée dans un laboratoire), sur sa propagation (par exemple la rumeur qu’il s’agit d’une arme biologique ou d’un outil gouvernemental de contrôle démographique) et sur le niveau de dangerosité (par exemple qu’il ne serait pas plus dangereux que la grippe ordinaire), puis complété cette liste à la lecture d’un corpus épreuve de 120 tweets5. Les tweets relayant ces théories ont été identifiés par codage manuel, prenant en compte deux niveaux d’analyse touchant :

  • Aux contenus référentiels, c’est-à-dire des tweets qui relient explicitement la vaccination à des théories jugées farfelues, ou des tweets moins explicites, mais dont un faisceau concordant d’indices, parfois avec un degré élevé d’implicite, permet, sur la base d’un calcul inférentiel mettant l’équipe d’accord, de les qualifier de « complotistes ».

Exemples de tweets aux contenus référentiels complotistes

Vigilance Pandémie
@VigilancePandm1
Des citations de Jacques Attali de 1998 révèlent que la pseudocrise sanitaire actuelle d’essence transhumaniste a été planifiée de longue date.
#COVID19 #covid #confinement #vaccins #vaccination
12:53 PM • 27 août 2021
1 Retweet | 3 J’aime6

François Couilbault
@FCOUILBAULT1
Les médecins TV avaient annoncé une 4ème vague pour le 15 août, ils se sont à nouveau trompés (ou ils ont menti).
Maintenant ils l’annoncent pour fin septembre.
Faire peur pour pousser les français à se faire vacciner.
#Pfizer n’a pas besoin de commerciaux ils font le job.
7:57 AM • 22 août 2021
626 Retweets | 23 Tweets cités | 1 350 J’aime7

  • À des fonctions instrumentales : ce niveau regroupe des tweets à visée politique qui dénoncent la vaccination en faisant référence à des figures politiques ou scientifiques. Ils contiennent, par exemple, des discours qui justifient/expliquent des faits en évoquant de façon claire des mobiles qui dépassent le sujet, qui montrent un intérêt caché de l’État à imposer la vaccination en lui prêtant des intentions criminelles, par exemple, ou encore qui relaient des informations dénonçant des éléments scientifiques « truqués ».
    Nous classons également dans ce niveau, les tweets qui exagèrent des faits isolés afin de faire peur, ou qui les relient entre eux pour évoquer implicitement ou explicitement une théorie complotiste.

Exemples de tweets aux contenus instrumentaux à visée politique

Florian Philippot
@f_philippot
Fin de toutes les restrictions en #Norvège, masques et toutes ces bêtises ! Un pays de plus sur la liste de la liberté !
Pendant ce temps Macron enfonce la France dans la folie du Pass et veut en profiter pour faire le vote par correspondance pour frauder !
5:34 PM • 24 sept. 2021
1 195 Retweets | 43 Tweets cités | 2 672 J’aime8

pierre javanovic
@pierrejavanovic
“Le lauréat du prix Nobel de Médecine en 2008,Luc Montagnier a confirmé dans une interview traduite et publiée par la RAIR Foundation USA, qu’il n y a aucune chance de survie pour les personnes ayant reçu une forme quelconque du vaccin.”
#BILLGATES #Pfizer #Moderna
9:15 AM • 30 juil. 2021
620 Retweets | 35 Tweets cités | 866 J’aime9

Exemples de tweets aux contenus instrumentaux contenant des faits

Association Victimes Covid-19 France
@AssoCovid
C’est énorme, du jamais vu, dramatique, un véritable carnage….. et seulement 1% des cas remontent….
#Pharmacovigilance #STOPVaccinsCovid19
#OnOubliePas
#PlaintesVaccinsCovid19
@DIVIZIO1 @autrement_votre
11:42 PM • 5 août 2021
767 Retweets | 24 Tweets cités | 841 J’aime10

Duval Philippe
@p_duval
- Sur Twitter #Macron annonce être complétement vacciné le 31 mai.
- Sur son #passsanitaire, la vaccination date du 13 juillet
- Son #QRCode de pass sanitaire a été généré le 18 août à… 00:40 !
La presse fait son boulot d’investigation quand ?
10:57 PM • 21 sept. 2021
2 969 Retweets | 132 Tweets cités | 5 624 J’aime11

  • 12 Nombre arbitraire, mais suffisamment significatif pour permettre un traitement réaliste et une ana (...)

12Étape 3 : extraction d’un sous-corpus composé de 230 tweets12 à tendance complotiste les plus retweetés via un classement par ordre croissant du nombre de retweets et de 230 tweets non retweetés via un classement inverse. Ces tweets répartis selon leur caractère viral ou non viral étaient à l’origine extraits de l’intégralité des tweets du tenseur retenu.

13Étape 4 : classification intuitive/subjective des tweets à partir de 5 catégories définies par l’équipe de recherche. Un étalonnement a été réalisé, à partir d’un échantillon de 20 tweets, suivi d’un codage individuel avec relecture croisée aléatoire.

  • 13 La catégorie « constitution du tweet » regroupe deux catégories.

14Les tableaux infra illustrent l’étape 4 en donnant la liste exhaustive des catégories et sous-catégories utilisées13.

Tableau 4. Critères de catégorisation des tweets

Thématiques
Profit Mobile international Expérimentation Mensonge d’État Réduction de la population/génocide Électoral Satanisme Dictature liberticide
Postures
Attaquer de façon personnelle Attaquer les médias Réinformer Renforcer l’avis Lancer l’alerte Dénoncer les actes du gouvernement Appeler à l’action Effrayer
Constitution du tweet
Hashtags
Qualification Linéarisation
Présence ou non d’un hashtag Nombre de hashtags Présence ou non d’un hashtag clanique Placés au début Intégrés Placés à la fin
Éléments de communication
Émoticône Lien de référence Vidéo Photo Image Citation GIF
Typologie de l’auteur
Politique Corps médical Journaliste Association Profil parodique Complotiste Peu connu Influenceur

Caractérisation générale et rôle des constituants d’un tweet

Thématique et posture

15La thématique principale abordée est, à partir d’éléments rhétoriques, de dénoncer un mensonge d’État ou une manipulation gouvernementale. Ainsi, la suspicion autour d’intérêts financiers expliquerait cette politique vaccinale gouvernementale. Cette théorie, largement partagée dans le corpus, peut aussi alimenter des discours anti-vaccination et anti-gouvernementaux. Les notions de dictature et de mesures liberticides sont également présentes parmi les tweets les plus retweetés et dans les tweets non retweetés, car dans le contexte de pandémie, de confinements et de couvre-feux successifs, la notion de privation de liberté a été un thème récurrent dans les médias. Parallèlement à la thématique, les discours avec une posture de « sachant », dénonçant les actes du gouvernement, sont les plus circulants, peut-être pour leur capacité à diminuer le degré de prétendue incertitude (tweets les plus retweetés) et pour conforter les convictions au sein des communautés (tweets non retweetés). Ces résultats n’ont rien d’étonnant dans cette période de crise et de défiance envers les pouvoirs publics, où les figures politiques (voire scientifiques) sont remises en question.

Figure 2. Thématiques abordées

Figure 2. Thématiques abordées

Figure 3. Postures détectées

Figure 3. Postures détectées

Influence de la structure du tweet

16Afin d’analyser l’influence du hashtag dans la circulation d’un tweet, plusieurs éléments ont été étudiés : la présence ou l’absence d’un hashtag dans un tweet, le nombre de hashtags, leur positionnement, et enfin leur structure.

Rôle du hashtag

  • 14 Outre les travaux classiques de Michele Zappavigna (2012 ; 2015) déjà cités, on pourra renvoyer au (...)

17Globalement, il convient de noter, que ce soit dans les tweets les plus retweetés ou ceux non retweetés, que les twittos ont bien intégré les codes du dispositif, car les tweets sont très majoritairement construits avec un hashtag. Ceci fait directement écho aux travaux qui ont pu être menés, en sciences du langage, sur le statut sémiotique et linguistique de ce signe14, montrant un haut degré d’appropriation, ainsi qu’en témoigne son utilisation dans des situations énonciatives externes aux dispositifs des réseaux sociaux (publicité, titres de journaux, etc.). En revanche, dans le cas présent, celui-ci n’influence pas sa circulation au sein du cluster.

Figure 4. Existence d’un hashtag dans les deux catégories de tweets

Figure 4. Existence d’un hashtag dans les deux catégories de tweets

18La deuxième interrogation consistait à analyser l’influence quantitative du hashtag sur la circulation et la propagation d’un tweet. En moyenne, on dénombre 2,36 hashtags par tweet dans les tweets les plus retweetés et 2,93 hashtags dans les tweets non retweetés. Dans notre corpus, la volumétrie n’est donc pas un facteur explicatif de la dynamique de circulation au sein du réseau.

De la structure du hashtag à sa mise en circulation

19L’analyse linguistique des hashtags proposée ici s’inscrit dans une approche en usage, partant des données collectées et quantifiées dans le reste de l’étude et envisagées comme catégorie constitutive d’un discours, en partie spécialisé (Gautier, 2014 ; 2019), qui en façonne justement l’usage, et holistique, en ce sens qu’elle vise à caractériser ces unités à un niveau global. Ce faisant, elle s’inscrit dans une approche cognitive du discours telle qu’opérationnalisée par Matthieu Bach (2021). Reconnaissant le rôle premier revenant aux phénomènes de fossilisation (Gautier, 2018), elle suit, à un niveau plus fin, l’extension actuelle des grammaires de construction qui vise à en faire un outil incontournable de l’analyse du et des discours. Sans entrer ici dans les détails de la théorie constructionnelle (Hoffmann et Trousdale, 2013), on en retiendra les caractéristiques saillantes suivantes particulièrement pertinentes pour l’analyse des hashtags :

  1. il s’agit d’appariements forme-sens-fonction, dont la signification globale n’est que rarement strictement compositionnelle et où la dimension sémantique ne se limite pas à un sens lexical, mais inclut une forte composante pragmatique et discursive : ainsi #NonAuPassDeLaHonte15 opère sur plusieurs plans (voir infra). Cependant, en discours, il correspond bien à une des postures identifiées dans la section précédente et apparaît comme un « mot-signal » de ralliement ;
  2. il s’agit de structures complexes subissant et condensant, précisément via la fossilisation et le figement, des pressions – la théorie constructionnelle parle, à la suite de Laura Michaelis (2013), de « contraintes de coercion » – à la fois des domaines de spécialité (médecine, droit, etc.) et des frames qu’ils ouvrent et aussi du discours lui-même – ce qui inclut les contraintes et les codes techniques eux-mêmes (affordances).

20Nous ferons donc l’hypothèse que le signe hahstag lui-même véhicule un niveau constructionnel et qu’il est ainsi doté de sa propre force pragma-sémantique, comme le montrent, de leur côté, les analyses communicationnelles sur les communautés. Ce faisant, nous suivons Andreas Bernard (2018, p. 20) quand, mettant en perspective le rôle du hashtag dans l’analyse du discours, il en fait un avatar de la construction de l’archive foucaldienne.

21Pour illustrer ce programme d’analyse, nous commençons par une brève analyse formelle, avant de montrer dans quelle mesure ces unités fonctionnent comme des micro-constructions incluant les dimensions sémantiques et pragmatiques.

Analyse formelle

22Le dispositif technique à l’origine des hashtags, soit l’association graphique d’une suite de lettres au signe typographique croisillon, a bouleversé bien des catégories grammaticales traditionnelles de la graphématique. Il est ainsi possible de « transformer » en hashtag tant des morphèmes (#isme pour dénoncer par exemple l’inflation dans l’utilisation du suffixe) que des mots simples et des « phrases » complètes (à l’instar de #JeSuisCharlie, voir Stumpf et Kreuz, 2016).

23Dans les deux sous-corpus de hashtags analysés ici, pratiquement 50 % d’entre eux (9 sur 20 pour les tweets les plus retweetés et 10 sur 20 pour les tweets non retweetés) agrègent des mots simples a priori relativement larges. Deux catégories sémantiques sont pour ainsi dire transparentes dans le corpus au vu de son mode de collecte : trois formes renvoyant à la désignation de la pandémie (#COVID, #COVID19, #COVID_19) et trois formes renvoyant directement au domaine pharmaceutique, avec les deux laboratoires à l’origine des premiers vaccins (#Pfizer, #Moderna) et la désignation d’une molécule objet de polémiques quant à son efficacité potentielle (#ivermectine). La troisième catégorie isolable regroupe en revanche essentiellement des noms propres (à l’exception de #dictature) qui renvoient au monde politique.

  • 16 Ce hashtag est présent 6 fois dans le sous-corpus des tweets les plus retweetés et 8 fois dans les (...)

24De prime abord, on pourrait penser que ces hashtags ont un fonctionnement différent du reste des structures attestées dans les deux listes qui, elles, sont morphologiquement complexes, ce qui rend plus aisée l’identification de la « posture » sous-jacente, facilement repérable et identifiable en termes d’actes de langage. #NonAuPassDeLaHonte ou #NousSommesDesMillions16 figent donc en une unité graphique des phrases-slogans, le dispositif sociotechnique du hashtag faisant voler en éclat les critères de reconnaissance habituels des formes de figement « composées de plusieurs mots » (Gross, 1996) tout en interdisant toute modification ultérieure, sauf à passer à une autre construction, voire une anti-construction. Certes, on reconnaît l’origine phrastique du hashtag (ce que traduit d’ailleurs le besoin de recourir à des majuscules internes), mais le dispositif gomme cette compositionalité formelle pour en faire un terme de ralliement. D’ailleurs, dans le cas particulier du #NonAuPassDeLaHonte, on a affaire à une fossilisation de second ordre, dans la mesure où il existe, précisément dans les discours politiques sur Twitter, le patron global #NonA(X) qui est déjà en lui-même performatif et ne demande plus qu’à être instancié, à l’instar du patron #JeSuis(X), qui s’est autonomisé à partir du cas #JeSuisCharlie. C’est précisément là qu’il est nécessaire de s’interroger sur le pourquoi de la cohabitation des deux types de formes et de leur rendement discursif et communicationnel : pour le second groupe, l’identification d’un acte de langage injonctif ne pose pas de problème (c’est d’ailleurs la même chose, dans les tweets non retweetés, pour tous les types #Manifs14août) et elle se révèle capitale pour la création et la reconnaissance d’une communauté d’agir. En revanche, on peut s’interroger davantage sur le fonctionnement du premier groupe (unités simples) : si la fonction d’indexation du hashtag est évidente, la question reste bien de savoir comment des hashtags comme #Macron ou #France peuvent figurer dans la liste des tweets les plus retweetés révélant ainsi un « pouvoir complotiste ». Une partie de la réponse se trouve – c’est notre hypothèse – dans le caractère constructionnel de ces hashtags, qu’il convient donc d’aborder à travers la face pragma-sémantique et discursive de la construction.

Figement pragma-sémantique

25Une des forces principales de l’approche en termes de construction est de postuler une saisie holistique de l’ensemble forme-sens-fonction. Ce faisant, nous nous situons à la suite par exemple de Marie-Luis Merten (2021) qui, sur d’autres sujets de santé publique, part elle aussi d’une corrélation entre structures fossilisées et figement forme-fonction. S’il y a bien projection d’un sens lexical plus ou moins intersubjectivement partagé, le sens global de la construction intègre de manière transparente pour l’utilisateur plusieurs autres couches de signification. Assez loin des constructions argumentales, on a plutôt affaire ici à des micro-constructions au sens de Hans C. Boas (2003). L’exemple de #Dictaturesanitaire nous servira à expliciter le principe de fonctionnement de tels hashtags.

26Les deux formatifs graphiquement fusionnés dictature et sanitaire activent deux scénarios (au sens de frames) relevant de deux spécialités différentes : le premier de la science politique et du droit, le second de la santé publique. Leur association dans le hashtag ne se résume toutefois pas à une relation de qualification (la dictature n’est pas sanitaire), mais vise à désigner une situation – dans le hashtag uniquement reconstructible sur la base du hic et nunc – où les représentations socialement partagées de la dictature (mesures arbitraires, privation(s) de liberté, contrôles) sont en quelque sorte « appliquées » à la situation sanitaire provoquée par la Covid-19, pour aboutir à un sens global à fonction non seulement de dénomination (je dénomme cette situation comme étant une dictature), mais aussi de dénonciation (fonction évaluative) et d’appel à l’action (fonction injonctive) : le fait de pouvoir potentiellement se soulever contre une dictature pour s’en libérer fait aussi partie du frame de départ. On voit donc associée à ce hashtag une construction multi-fonctionnelle qui va pouvoir agréger tous les twittos partageant cette position. Les trois premières fonctions ne relèvent pas spécifiquement de la plus-value constructionnelle du hashtag, les deux suivantes, en revanche, saisissent, dans la construction du sens, les spécificités du dispositif Twitter :

  • Fonction 1, référentielle : les scénarios activés sont des abstractions conceptuelles, stockées dans le lexique mental et comprenant tous les segments de savoir associés à l’unité langagière. Il y a donc du savoir sémantique strict, mais aussi des savoirs expérientiels et mémoriels : en l’espèce, chaque locuteur aura son propre prototype de dictature sur la base de ses lectures, voyages, etc.
  • Fonction 2, évaluative (avec potentielle coloration émotionnelle, voir #LesPierresCrieront) : sans tomber dans une approche maximaliste de l’évaluation en langue, force est de constater que dans ce type de dispositif sociotechnique elle est quasiment composante intrinsèque du hashtag, a minima sur une échelle négatif/positif.
  • Fonction 3, illocutoire : il s’agit de la dimension instructionnelle du hashtag qui revêt a minima les fonctions propres au dispositif (en premier lieu desquelles la fonction d’indexation et d’archive, voir supra) et, selon les cas, une fonction d’appel à destination des autres twittos.
  • Fonction 4, technico-discursive : la dénomination de la situation acquiert, par le hashtag qui fait partie de la construction, la dimension communautaire évoquée précédemment qui va favoriser sa mise en circulation17. Cette fonction fait entrer le hashtag dans un réseau de significations partagées qui permet justement la constitution des communautés s’appuyant sur l’activation revendiquée des mêmes scénarios ou une focalisation assumée sur les segments de savoir.
  • Fonction 5, d’intégration discursive : la dénomination « mise en hashtag » devient constitutive du/des discours complotiste(s) à la construction desquels elle participe. C’est précisément là où le hashtag passe de l’indexation à la construction de l’archive au sens de Michel Foucault.

27Sur une telle base, trois macro-scénarios peuvent être identifiés, la force des hashtags étant précisément de les lier entre eux à travers les fonctions 4 et 5, le passage se faisant par héritage de 1 à 3 :

  • Scénario 1 : la Covid-19 en tant que maladie : #CovidismeFou, #mensongedEtat.
  • Scénario 2 : vaccin et vaccination obligatoire : #3èDose, #AbonnementBigPharma, #ApartheidVaccinal.
  • Scénario 3 : mesures politiques et restrictions des libertés publiques : #LesPierresCrieront, #DictatureEnMarche, #DictatureSanitaire, #PassDeLaHonte, #ÉtatDeDroit, #NousSommesDesMillions.

28Pour en illustrer le fonctionnement, nous ne prendrons qu’un exemple, #CovidismeFou, qui repose sur une fossilisation d’au moins quatre niveaux imbriqués dans le processus cognitif de construction du sens lors du décodage – isolés ici pour les besoins de la démonstration :

  • Niveau 1 : activation du scénario 1 à partir du nom de maladie qui convoque des segments de savoir médical partagés du type.
  • Niveau 2 : dérivation par le suffixe –isme qui véhicule avec lui une construction de second ordre, présente aussi dans des dérivations à partir de certains noms de religion (islamisme) activant un second frame, celui du fanatisme religieux, connoté ici négativement. On passe donc imperceptiblement du niveau référentiel au niveau évaluatif en neutralisant l’essentiel des éléments constitutifs du frame prototypique de maladie.
  • Niveau 3 : collocation avec l’adjectif fou qui transporte de son côté une construction gradative et absolument pas qualificative. Il vise ici celles et ceux qui sont considérés comme conformistes du point de vue des complotistes et qui traitent l’importance de la maladie à l’égal d’une religion, selon des règles extérieures, sans réfléchir par eux-mêmes.
  • Niveau 4 : la construction que nous dénommons « mise en hashtag » et qui permet d’activer les deux dernières des cinq fonctions décrites ci-dessus. Le rôle de circulation d’un tel hashtag dans le discours complotiste apparaît clairement quand on le met en regard d’un autre hashtag de la même catégorie comme #MensongedEtat qui va en quelque sorte dénommer, là aussi de façon évaluative et instructionnelle, la source de ce #CovidismeFou.

29La fusion de ces couches de signification dans la construction envisagée de façon holistique explique ainsi en grande partie que même des hashtags à structure morphologique simple puissent se retrouver dans la liste des hashtags les plus retweetés : la mise en hashtag les fait passer bien au-delà du sens lexical pour en faire des condensés de positions, ici complotistes. En provoquant l’émergence d’un sens complexe nouveau, mobilisant des valeurs très clairement envisagées axiologiquement, la force de la construction hashtag est de déclencher une dynamique relationnelle.

Tableau 5. Liste des hashtags les plus retweetés dans les tweets les plus retweetés

Hashtags Nombre de hashtags dans les tweets les plus RT
#Passsanitaire 58
#Pfizer 30
#COVID19 21
#COVID 18
#Macron 15
#NonAuPassDeLaHonte 14
#PassDeLaHonte 10
#Moderna 7
#ivermectine 7
#NousSommesDesMillions 6
#France 6
#BigPharma 6
#PasseSanitaire 4
#NousSavons 4
#Ethique 4
#DictatureSanitaire 4
#Covid_19 4
#PassSanitaireDeLaHonte 3
#passedelahonte 3
#NonAuPassSanitaire 3
Case blanche : hashtag non clanique ; case grise : hashtag clanique.

Tableau 6. Liste des hashtags les plus retweetés dans les tweets non retweetés

Hashtags Nombre de hashtags dans les tweets non RT
#COVID 26
#COVID19 25
#Manif28aout 24
#Manifs28aout 20
#manif14aout 18
#EnMarche 17
#Covid_19 15
#BigPharma 12
#Macron 11
#manifestation28aout 11
#DictatureSanitaire 9
#Manifs14aout 7
#BoycottPassSanitaire 6
#ivermectine 6
#Castex 5
#France 5
#antivax 4
#bfmtv 4
#Dictature 4
#GrapheneOxide 4
Case blanche : hashtag non clanique ; case grise : hashtag clanique.

30Par-delà la déconstruction du fonctionnement constructionnel de ces hashtags les plus retweetés et les plus complexes morphologiquement, il convient pour clore l’analyse de mettre ce dernier en regard des autres éléments constitutifs du tweet.

Rôle des éléments de communication

31Les éléments d’illustrations et de ludicité (mèmes par exemple) semblent influencer la circulation du tweet et plus singulièrement la présence d’émoticônes, de vidéos et de citations – autant de composantes fondamentales du dispositif qui n’ont pas été prises en compte explicitement dans l’analyse linguistique stricto sensu qui précède, même si les travaux récents sur les constructions vont dans le sens de constructions multimodales. Ils sont probablement le signe d’une tonalité affective du tweet et conforme à la culture des twittos plus sensibles aux tweets construits de cette manière.

Figure 5. Présence des éléments de communication au sein des tweets dans les tweets les plus retweetés et les tweets non retweetés

Figure 5. Présence des éléments de communication au sein des tweets dans les tweets les plus retweetés et les tweets non retweetés

Rôle des éléments illustrant l’argumentation

32Là aussi, nous n’avons pas trouvé d’éléments en faveur ou non d’une circulation plus active d’un tweet lorsqu’il possède ou non des références religieuses, historiques ou littéraires ou encore si le tweet est composé d’éléments chiffrés. Ce paramètre, à lui seul, ne peut expliquer une dynamique de circulation.

Influence de la typologie de l’auteur

33Nous avons caractérisé « l’influence » en prenant en compte deux paramètres : le « statut » du compte (politique, journaliste, médecin, etc.), établi en analysant son profil, et son nombre de followers, souvent corrélé à la notoriété de la figure. Ce dernier paramètre est vraisemblablement le plus probant pour expliquer une mise en visibilité des tweets induisant une dynamique de circulation et de propagation au sein d’un cluster. Seulement 85 auteurs ont émis les 230 tweets les plus retweetés alors qu’ils sont 185 dans les tweets non retweetés. Les auteurs des tweets les plus retweetés disposent d’un nombre de followers plus conséquent et donc de relais plus actifs dans le réseau. À l’opposé, dans les tweets non retweetés, ce sont très largement des personnes sans une grande notoriété publique qui s’expriment. La typologie des comptes et l’architecture du réseau impacte ainsi la circulation des discours complotistes, au même titre que dans la twittosphère en général.

Figure 6. Typologie des comptes dans les tweets les plus retweetés et les tweets non retweetés

Figure 6. Typologie des comptes dans les tweets les plus retweetés et les tweets non retweetés

34L’hétérogénéité des typologies des comptes des tweets circulant le plus montre que les discours complotistes sont agrégés autour de hashtags et de co-occurrences de hashtags sans pour autant constituer une communauté homogène du point de vue du type de compte.

 

  • 18 Le choix de Twitter n’est pas arbitraire : l’utilisation de Twitter est de plus en plus populaire (...)

35Cet article avait pour ambition de traiter la problématique globale de ce numéro : la circulation des discours complotistes. Plutôt que de nous focaliser sur les théories du complot elles-mêmes et leurs évolutions dans le temps, nous avons abordé, à partir de données empiriques attestées, dans une démarche bottom-up, les faits et les mécanismes expliquant et/ou influençant la circulation d’un tweet jugé complotiste à propos de la vaccination contre la Covid-19, sur Twitter18. Pour ce faire, une approche interdisciplinaire a été mise en œuvre. Elle repose sur une démarche processuelle et un traitement quantitatif d’une grande masse de données dont la collecte a été générée automatiquement. Le traitement du corpus a convoqué une méthode innovante de stratification d’une décomposition tensorielle permettant de mettre en évidence, au cours du temps, la structuration de communautés qui réagissent (ou non) à des faits de société et d’actualité. Cette technique a révélé des comptes liés entre eux par leur utilisation de mots-clés ou de hashtags, aux mêmes moments, ce qui a été rapproché de l’idée de « communautés » à tendance complotiste sur Twitter. In fine, cette stratification a permis de générer un sous-corpus de tweets, que l’on peut assimiler à des « signaux faibles » puisque ces clusters sont apparus après la suppression de signaux forts. C’est précisément à partir d’un cluster spécifique, caractérisé par ses tweets à tendance complotiste, qu’un traitement qualitatif a été appliqué, partant des acquis des approches linguistiques cognitivistes sur le hashtag, encore peu répandues dans l’espace francophone. Les analyses ont alors montré que la circulation d’un tweet résultait d’un effet cumulatif de plusieurs facteurs. Les deux critères qui semblent influencer davantage la circulation sont la notoriété en termes de communauté d’abonnés de la figure émettrice du tweet et la force des hashtags « qui fonctionnent » en reposant sur des phénomènes de fossilisation et de condensation de sens mettant en œuvre tous les niveaux de savoirs linguistiques des twittos. Ces hashtags constituent alors des signes de reconnaissance et de ralliement, à l’origine même de l’émergence de communautés. En reconnaissant à la « mise en hashtag » comme processus socio-discursif une force « constructionnelle » aboutissant à un appariement forme-sens-fonction, on a pu montrer l’aporie des analyses lexicales strictes pour, au contraire, mettre au jour la fusion des fonctions référentielle, évaluative, instructionnelle et socio-discursive au service de la circulation des discours.

Haut de page

Bibliographie

Bach Matthieu, 2021, Vers une sémantique discursive cognitive. Réflexions théoriques et applications empiriques sur un corpus de langue allemande, thèse de doctorat en langues, littératures et civilisations germaniques, Dijon, université Bourgogne-Franche-Comté.

Bernard Andreas, 2018, Das Diktat des #hashtags. Über ein Prinzip der aktuellen Debattenbildung, Francfort-sur-le-Main, S. Fischer.

Blondel Vincent D., Guillaume Jean-Loup, Lambiotte Renaud et Lefebvre Étienne, 2008, « Fast unfolding of communities in large networks », Journal of Statistical Mechanics: Theory and Experiment, no 10, P10008.

Boas Hans C., 2003, A Constructional Approach to Resultatives, Stanford, CSLI.

Brachotte Gilles et Frame Alexander, 2015, « L’usage de Twitter par des journalistes politiques français : un outil de recomposition de la pratique professionnelle journalistique ? », dans F. Liénard et S. Zlitni éd., La communication électronique : enjeux, stratégies, opportunités, Limoges, Lambert-Lucas, p. 125-135.

Bronner Gérald, 2015, « Pourquoi les théories du complot se portent-elles si bien ? L’exemple de Charlie Hebdo », Diogène, no 249-250 (1-2), p. 9-20, https://doi.org/10.3917/dio.249.0009.

Douglas Karen M., Uscinski Joseph E., Sutton Robbie M., Cichocka Aleksandra, Nefes Turkay, Ang Chee Siang et Deravi Farzin, 2019, « Understanding conspiracy theories », Advances in Political Psychology, vol. XL, no S1, p. 3-35, https://doi.org/10.1111/pops.12568.

Einspänner-Pflock Jessica, Anastasiadis Mario et Thimm Caja, 2015, « Ad hoc mini-publics on Twitter », dans A. Frame et G. Brachotte éd., Citizen Participation and Political Communication in a Digital World, New York, Routledge, p. 42-59.

Fortunato Santo, 2010, « Community detection in graphs », Physics Reports, vol. CDLXXXVI, no 3-5, p. 75-174, https://doi.org/10.1016/j.physrep.2009.11.002.

Frame Alexander et Brachotte Gilles, 2017, « Personnel politique et médias socionumériques : nouveaux usages et mythes 2.0 », dans A. Mercier éd., La communication politique (nouvelle édition revue et augmentée), Paris, CNRS Éditions, p. 175-202.

Frame Alexander et Brachotte Gilles, 2016, « Significations, figures, formes et traces : penser les interactions à travers l’écriture d’une communauté d’alumni en ligne », dans B. Galinon- Mélénec, S. Zlitni et F. Liénard éd., L’homme-trace : inscriptions corporelles et techniques, Paris, CNRS Éditions, p. 199-216.

Frame Alexander, Brachotte Gilles et Selmi Afef, à paraître, « À vos seringues: French governmental communication on Covid-19 vaccination via Twitter », dans Ph. J. Maarek éd., Manufacturing Government Communication on Covid-19 Perspectives, Cham, Springer.

Gautier Laurent, 2019, « La recherche en “langues-cultures-milieux” de spécialité au prisme de l’épaisseur socio-discursive », dans M. Calderón et C. Konzett-Firth éd., Dynamische Approximationen: Festschriftliches pünktlichst zu Eva Lavrics 62,5, Geburtstag, Francfort-sur-le-Main, Peter Lang, p. 369-387.

Gautier Laurent, 2018, Figement et discours spécialisés, Berlin, Frank & Timme Verlag.

Gautier Laurent, 2014, « Des langues de spécialité à la communication spécialisée : un nouveau paradigme de recherche à l’intersection entre sciences du langage, info-com et sciences cognitives ? », Études Interdisciplinaires en Francophonie. Sciences humaines, no 1, p. 225-245.

Gautier Laurent et Michel Sascha éd., à paraître, Linguistik des Hashtags, Berlin, de Gruyter.

Gillet Annabelle, Leclercq Éric, Cullot Nadine, 2021, « MuLOT: Multi-level Optimization of the Canonical Polyadic Tensor Decomposition at Large-Scale », European Conference on Advances in Databases and Information Systems. 25th European Conference, ADBIS 2021, Tartu, Estonia, August 24-26, 2021, Proceedings, Cham, Springer, p. 198-212.

Gross Gaston, 1996, Les expressions figées en français. Les noms composés et autres locutions, Paris, Ophrys.

Hauser Stefan et Meier-Vieracker Simon éd., 2022, Fankulturen und Fankommunikation, Berlin, Peter Lang.

Hoffmann Thomas et Trousdale Graeme éd., 2013, The Oxford Handbook of Construction Grammar, Oxford-New York, Oxford University Press.

Julliard Virginie, 2015, « Les apports de la techno-sémiotique à l’analyse des controverses sur Twitter », Hermès, La Revue, no 73 (3), p. 191-200, https://doi.org/10.3917/herm.073.0191.

Lee Carmen éd., 2018, « Discourse of Social Tagging » [numéro thématique], Discourse, Context &Media, no 22.

Madianou Micra et Miller Daniel, 2013, « Polymedia : Towards a new theory of digital media in interpersonal communication », International Journal of Cultural Studies, vol. XVI, no 2, p. 169-187, https://doi.org/10.1177/1367877912452486.

Merten Marie-Luis, 2021, « ‘Wer länger raucht, ist früher tot’ — Construal-Techniken des (populärmedizinischen) Online-Positionierens », dans M. Iakushevich, Y. Ilg et T. Schnedermann éd., Linguistik und Medizin. Sprachwissenschaftliche Zugänge und interdisziplinäre Perspektiven, Berlin, de Gruyter, p. 259-276.

Michaelis Laura A., 2013, « Sign-based construction grammar », dans T. Hoffmann et G. Trousdale éd., The Oxford Handbook of Construction Grammar, Oxford-New York, Oxford University Press, p. 133-152.

Miller Joanne, 2020a, « Do COVID-19 conspiracy theory beliefs form a monological belief system? », Canadian Journal of Political Science, vol. LIII, no 2, p. 319-326, https://doi.org/10.1017/S0008423920000517.

Miller Joanne, 2020b, « Psychological, political, and situational factors combine to boost COVID-19 conspiracy theory beliefs », Canadian Journal of Political Science, vol. LIII, no 2, p. 327-334, https://doi.org/10.1017/S000842392000058X.

Morin Edgar, 1981, Pour sortir du xxe siècle, Paris, Nathan.

OMS, 2020, Munich Security Conference, 15 février, https://www.who.int/dg/speeches/detail/munich-security-conference (consulté le 06/12/2021).

Pons Pascal et Latapy Matthieu, 2005, « Computing communities in large networks using random walks », Computer and Information Sciences-ISCIS, no 3733, p. 284-293.

Salvadori Françoise et Vignaud Laurent-Henri, 2019, Antivax, La résistance aux vaccins du xviiie siècle à nos jours, Paris, Vendémiaire.

Samory Mattia et Mitra Tanushree, 2018, « “The government spies using our webcams”: The language of conspiracy theories in online discussions », ACM Journals. Proceedings of the ACM on Human-Computer Interaction, vol. II (CSCW), https://doi.org/10.1145/3274421.

Stumpf Sören et Kreuz Christian D., 2016, « Phraseologie und Diskurslinguistik— Schnittstellen, Fallbeispiele und Forschungsperspektiven », Zeitschrift für Angewandte Linguistik, vol. MMXVI, no 65, p. 1-36.

Taïeb Emmanuel, 2010, « Logiques politiques du conspirationnisme », Sociologie et sociétés, vol. XLII, no 2, p. 265-289, https://www.erudit.org/fr/revues/socsoc/2010-v42-n2-socsoc3977/045364ar/.

Zappavigna Michele, 2015, « Searchable talk: The linguistic functions of hashtags », Social Semiotics, vol. XXV, no 3, p. 274-291, http://dx.doi.org/10.1080/10350330.2014.996948.

Zappavigna Michele, 2012, Discourse of Twitter and Social Media: How We Use Language to Create Affiliation on the Web, Londres, Bloomsbury Publishing, http://www.bloomsbury.com/us/discourse-of-twitter-and-social-media-9781441141866/ (consulté le 22/08/2022).

Haut de page

Notes

1 Le projet Cocktail, piloté scientifiquement par Gilles Brachotte, est soutenu par le programme « Investissements d’Avenir », projet ISITE-BFC (contrat ANR-15-IDEX-0003), mais également par BPI France, la région Bourgogne Franche-Comté et la métropole dijonnaise (https://projet-cocktail.fr).

2 Cette liste a été définie le 1er décembre 2020 dans l’objectif de collecter l’ensemble des tweets français évoquant la vaccination. Pour pouvoir effectuer une collecte large, ce sont des mots-clés et non des hashtags qui ont été choisis. Ces premiers étant génériques, comme vaccin, covid et corona, ils ont permis de collecter les tweets comportant les variantes de ces mots, comme vaccination, covid19 et coronavirus et ainsi d’espérer collecter tous les tweets malgré les éventuelles variantes d’orthographe. La liste de tous les vaccins connus au 1er décembre 2019 a aussi été ajoutée en tant que mots-clés pour permettre une collecte complète. Les comptes des laboratoires produisant ces vaccins ont aussi été ajoutés.

3 Utilisation d’une décomposition CANDECOMP/PARAFAC.

4 Le terme de hashtag « clanique » fait référence à une utilisation qui permet non seulement d’indexer le discours, mais aussi d’afficher, dans le propos, l’appartenance de l’auteur à un « clan » dont les membres partagent une même affinité forte vis-à-vis d’une ou des théories du complot. Ces hashtags ont pour caractéristique d’afficher un mobile explicite défini dans notre catégorisation. Ils ont une forte probabilité de soutenir des discours complotistes, alors que des hashtags plus généralistes peuvent soutenir indifféremment des discours complotistes/anti-vax/anti-gouvernement.

5 Le protocole a consisté en une lecture individuelle, par les 4 membres de l’équipe, d’un échantillon de 30 tweets chacun, en appliquant les critères de sélection retenus (détaillés par la suite dans le texte), puis d’échanges au sein de l’équipe sur la définition et l’interprétation de ces critères. L’équipe a procédé à une discussion collective du critère pour chaque tweet occasionnant un doute. Lorsque le doute persistait pour au moins une personne le tweet a été exclu du corpus.

6 https://twitter.com/VigilancePandm1/status/1431208295608508417

7 https://twitter.com/FCOUILBAULT1/status/1429321893551738883

8 https://twitter.com/f_philippot/status/1441425833961443331

9 https://twitter.com/pierrejovanovic/status/1421006438885904384

10 https://twitter.com/AssoCovid/status/1423399155024678918

11 https://twitter.com/p_duval/status/1440419911428309002

12 Nombre arbitraire, mais suffisamment significatif pour permettre un traitement réaliste et une analyse qualitative. Comme pour l’étape 2, en cas de doute sur la nature complotiste d’un tweet et compte tenu de la subjectivité des éléments implicites, le tweet n’était pas retenu.

13 La catégorie « constitution du tweet » regroupe deux catégories.

14 Outre les travaux classiques de Michele Zappavigna (2012 ; 2015) déjà cités, on pourra renvoyer au petit essai en allemand de Andreas Bernard (2018) et au numéro thématique de la revue Discourse, Context and Media consacré au Discourse of Social Tagging dirigé par Carmen Lee (2018).

15 Ce hashtag est présent 14 fois dans le sous-corpus des tweets les plus retweetés et 14 fois dans les tweets non retweetés.

16 Ce hashtag est présent 6 fois dans le sous-corpus des tweets les plus retweetés et 8 fois dans les tweets non retweetés.

17 On retrouve cette même fonction par exemple dans l’utilisation des hashtags par les communautés de fans. Voir sur ce point les études récentes réunies par Stefan Hauser et Simon Meier-Vieracker (2022).

18 Le choix de Twitter n’est pas arbitraire : l’utilisation de Twitter est de plus en plus populaire au point qu’il est devenu un relais important des informations publiées dans d’autres médias (Frame et Brachotte, 2015 ; 2016). La plateforme rassemble, dans des communautés structurées, des utilisateurs dont les intérêts communs tournent autour de thèmes particuliers. Bien que nombre de ses fonctions soient reproduites par d’autres plateformes, Twitter est unique en tant qu’outil sociotechnique, avec des opérateurs spécifiques à la plateforme (RT, @, #) qui facilitent la communication en temps réel et la diffusion d’informations (notamment via les retweets et l’utilisation de hashtags comme nous l’avons analysé dans cet article) avec très peu de barrières sociales ou hiérarchiques.

Haut de page

Table des illustrations

Titre Figure 1. Décomposition tensorielle du tenseur 1, strate 0, rang 6
URL http://journals.openedition.org/mots/docannexe/image/30587/img-1.jpg
Fichier image/jpeg, 110k
Titre Figure 2. Thématiques abordées
URL http://journals.openedition.org/mots/docannexe/image/30587/img-2.jpg
Fichier image/jpeg, 119k
Titre Figure 3. Postures détectées
URL http://journals.openedition.org/mots/docannexe/image/30587/img-3.jpg
Fichier image/jpeg, 125k
Titre Figure 4. Existence d’un hashtag dans les deux catégories de tweets
URL http://journals.openedition.org/mots/docannexe/image/30587/img-4.jpg
Fichier image/jpeg, 170k
Titre Figure 5. Présence des éléments de communication au sein des tweets dans les tweets les plus retweetés et les tweets non retweetés
URL http://journals.openedition.org/mots/docannexe/image/30587/img-5.jpg
Fichier image/jpeg, 111k
Titre Figure 6. Typologie des comptes dans les tweets les plus retweetés et les tweets non retweetés
URL http://journals.openedition.org/mots/docannexe/image/30587/img-6.jpg
Fichier image/jpeg, 105k
Haut de page

Pour citer cet article

Référence papier

Gilles Brachotte, Alexander Frame, Laurent Gautier, Waldemar Nazarov et Afef Selmi, « Les discours complotistes sur Twitter à propos de la vaccination contre la Covid-19 en France : communautés et analyse sémio-linguistique des hashtags »Mots. Les langages du politique, 130 | 2022, 79-103.

Référence électronique

Gilles Brachotte, Alexander Frame, Laurent Gautier, Waldemar Nazarov et Afef Selmi, « Les discours complotistes sur Twitter à propos de la vaccination contre la Covid-19 en France : communautés et analyse sémio-linguistique des hashtags »Mots. Les langages du politique [En ligne], 130 | 2022, mis en ligne le 03 janvier 2025, consulté le 08 juillet 2025. URL : http://journals.openedition.org/mots/30587 ; DOI : https://doi.org/10.4000/mots.30587

Haut de page

Auteurs

Gilles Brachotte

Maître de conférences, université de Bourgogne, laboratoire CIMEOS (EA4177l)

Alexander Frame

Maître de conférences, université de Bourgogne, laboratoire TIL (EA4182)

Laurent Gautier

Professeur des universités, université de Bourgogne, laboratoire TIL (EA4182)

Waldemar Nazarov

Doctorant en sciences du langage, université de Bourgogne

Afef Selmi

Docteure en sciences du langage, université de Bourgogne

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search