Navigation – Plan du site

AccueilNuméros129Explorer les méthodes en ligne po...Axe 2 - Les outils innovants et m...Mouvements sociaux sur Twitter et...

Explorer les méthodes en ligne pour des terrains hors ligne
Axe 2 - Les outils innovants et méthodes interdisciplinaires dans les protocoles de recherche en SHS

Mouvements sociaux sur Twitter et Digital Methods : des données aux analyses

Social movements on Twitter and Digital Methods: from data to analysis
Lucie Loubère

Résumés

La place croissante des réseaux sociaux numériques dans le débat public amène les chercheurs et journalistes à investiguer ces matériaux. Si l’apport des sciences sociales est indéniable dans la compréhension des mouvements sociaux actuels, les chercheurs en sciences humaines et sociales, dans leur ensemble, ne sont que peu formés à ces matériaux. Au fur et à mesure des besoins, des outils de recueil et de traitement de données ont vu le jour, et permettent aujourd’hui de manipuler et d’extraire les données sans compétences techniques particulières. Mais cette aisance des interfaces masque une complexité de manipulation de données, ou des choix ont été opérés indépendamment d’une recherche précise. Notre article propose de présenter ces divers éléments et reprend pour l’analyse de données issues de Twitter les choix d’extraction, d’analyse de réseaux et d’analyse lexicales.

Haut de page

Texte intégral

Introduction

1Durant la décennie 2010, de nombreux mouvements sociaux, voulant se détacher des institutions classiques, ont trouvé dans les outils numériques un moyen de se regrouper et d’accéder à une visibilité sans passer par les grands médias. Indépendamment de cela, les usages des réseaux sociaux numériques (RSN) continuent à se développer notamment pour des motivations informationnelles (Alhabash et Ma, 2017; Newman et al., 2019), le cumul de ces outils forme un « réseau des réseaux » (Granjon, 2017) qui permet d’atteindre une foule de personnes de plus en plus grande et dépasse ainsi les frontières du mouvement. Cette couverture massive permet ainsi aux membres d’un groupe de communiquer entre eux, mais également sur eux dans la sphère publique. Les mouvements sociaux de ces dernières années ont comme caractéristique de s’être appuyés massivement sur ces technologies, que ce soit pour leur organisation ou leurs mises en visibilités. Leur présence sur les RSN a également permis de solidariser nationalement des actions aux ancrages locaux. Ainsi, les mouvements généraux comme Nuit debout ou Les Gilets jaunes, mais également spécifiques comme Les Stylos rouges (revendication enseignante) constituent un maillage local avec une forme de fédération nationale. Si l’étude de ces mouvements ne peut se contenter d’une focalisation sur les discours numériques, elle serait indéniablement incomplète sans leur prise en compte.

2Si ces dispositifs sociotechniques permettent une circulation et une massification des informations, ils constituent également un frein à l’étude de leurs contenus. Les réseaux sociaux sont à l’image de leur support numérique, ils sont à la fois accessibles de partout, porteurs d’une masse d’information importante, mais rendent difficile une mise en mémoire (Bachimont, 2017). Ce problème ne concerne pas uniquement le monde de la recherche académique, il s’applique aussi aux médias. Les études menées sur Les Gilets jaunes (Souillard et al., 2020) font ressortir un décalage entre les discours véhiculés dans la presse quotidienne nationale sur Les Gilets jaunes et les paroles de ces derniers dans les réseaux sociaux numériques (Facebook et Twitter). Ces résultats interrogent sur la part du numérique dans le mouvement, mais aussi sur les possibilités d’accès, de traitement et d’interprétations de ce type de terrain.

3Ces données numériques, propriété des plateformes, ne sont ni construites ni structurées dans une visée de recherche en sciences humaines et sociales (SHS) (Ouakrat & Mésangeau, 2016). Si aujourd’hui la fréquentation des plateformes numériques représente toujours plus d’informations à traiter, les chercheurs ou industriels proposent des outils permettant l’extraction et l’exploitation de données sans (presque) nécessiter de connaissances en programmation. Ces interfaces permettent de commander les plateformes ou encore des logiciels statistiques complexes tout en s’affranchissant de la moindre ligne de code et produisent des visualisations intuitivement exploitables par les chercheurs. Par conséquent, les chercheurs en SHS ont gagné en autonomie tant dans la collecte que dans le traitement des données, il n’est donc plus indispensable pour une étude sur ces terrains de faire appel aux chercheurs en sciences de l’ingénieur comme le décrivait Svensson (2010). Cependant, la facilité d’accès à ces outils ne doit pas dispenser les chercheurs de la nécessaire connaissance des méthodes et procédures sur lesquels ils reposent ni des postures épistémologiques qu’ils sous-tendent. La formation initiale des chercheurs en SHS, comme celle des journalistes est souvent restreinte sur les notions de statistiques ou informatique. De plus, l’accès à des outils automatisant les traitements pour dévoiler des résultats accessibles aux néophytes dans le domaine questionne sur les étapes de construction de ces derniers. Notre contribution à ce numéro, loin de dénigrer ou critiquer ces outils, propose un retour sur les éléments sous-jacents à l’étude du réseau social Twitter. En raison de l’accessibilité aux données par l’API de cette plateforme, elle est en effet la source de nombreux outils facilitant son exploration. Notre expérience de travail sur ces matériaux nous donnera la possibilité ici de revenir sur les choix des différentes étapes de traitements.

4Pour parvenir à cet objectif, nous décomposerons notre exposé en trois temps. Une étape préalable à l’analyse portera sur les données issues de Twitter et leur récupération, le second temps sera consacré à l’étude des interactions entre comptes qui interviennent pour construire un réseau et en délimiter des clusteurs, enfin la dernière étape se focalise sur les contenus lexicaux des tweets et les outils facilitant leur exploitation.

Des traces numériques aux données d’une recherche : généalogie des choix et des limites

5L’étude de mouvements sociaux à partir de données numériques collectées interroge la valeur même de ces données. L’intérêt que peut porter un chercheur à un terrain sur un RSN comme Twitter est très souvent motivé par des raisons spécifiques à son objet d’étude. Nous citerons comme exemple la production massive de contenus sur une thématique, la présence très active d’un personnage ou d’une communauté ou encore l’adaptation d’une communication officielle à ces médias. À ces particularités propres à chaque recherche s’ajoute la place du dispositif dans l’arène sociale, mais également les outils qu’elle propose. Cette plateforme de microblogage, par les possibilités et limites qu’elle offre, va susciter des usages et en réduire d’autres. La limitation de la taille des messages (280 caractères), les différentes interactions possibles (mention, retweet, follower) ou encore l’algorithme du fil d’actualité et de recommandation sont autant d’éléments producteurs d’usages pour les utilisateurs, mais également pour les chercheurs.

Des usages aux traces, poids du dispositif

6L’étude d’un mouvement social exclusivement sur Twitter se limite à l’étude des traces que ses membres, ses détracteurs, ou plus généralement les usagers laissent sur la plateforme. Ces données recueillies s’inscrivent donc dans le registre des traces numériques. Cette notion a donné lieu à de nombreuses études et l’ambiguïté même du mot trace ouvre à de nombreuses définitions et orientations théoriques (Serres, 2012). Dans notre réflexion, nous nous focaliserons plus précisément sur la trace au sens d’indices d’actions et la trace au sens de mise en mémoire. La première déclinaison implique que cet indice (ici le tweet, le retweet, la mention...) est relié à un évènement, la signification de ce dernier sera extrapolée a posteriori par le chercheur. Le second axe questionne le dispositif de stockage de la trace et les possibilités offertes pour leur accès. Ces deux définitions de la trace impliquent une vigilance du chercheur quant à son positionnement face à ces données. À ces questionnements doivent s’ajouter le rôle et le poids de ces traces dans l’information proposée par les dispositifs (Merzeau, 2008). Les plateformes par soucis économiques exploitent ces données afin de personnaliser les contenus sélectionnés pour chaque utilisateur. Une des conséquences de ce phénomène est l’enfermement dans une « bulle de filtre » (Pariser, 2011). Dans ce modèle, la plateforme en classant nos orientations politiques, religieuses, mais également d’autres thématiques, va privilégier pour chaque utilisateur des contenus en adéquation avec ses préférences. Si cette tendance des algorithmes a été confirmée dans de nombreuses études, le poids des choix individuels, et notamment des listes de contact, reste prépondérant. Ainsi, les utilisateurs sont exposés aux opinions divergentes dans les contenus partagés ainsi qu’à une pluralité politique au sein des réseaux de comptes liés (Bakshy et al., 2015; Barnidge, 2017). Cette complexité dans la sélection des informations, située entre déterminisme technologique et social, est à l’image des recherches à partir des réseaux sociaux. Les populations étudiées écrivent et lisent donc dans un écosystème complexe imprégné de leurs pratiques et choix, mais aussi défini par le fonctionnement des plateformes ; par conséquent, nous étudions autant le dispositif sociotechnique que le mouvement étudié. En dernier lieu, nous insistons sur l’application de ce phénomène aux chercheurs. Ils sont, en effet, nombreux sur les réseaux sociaux (Costas et al., 2017; Xu, 2019) et sont donc amenés à découvrir un objet de recherche par leurs propres fils d’actualité, et cela avant même de récolter les données. La consultation de la plate-forme en amont ou durant l’étude pour recontextualiser un contenu sera imprégnée de l’identité numérique du chercheur. L’expérience sera donc singulière et différente d’une consultation d’un même contenu par une personne engagée dans le mouvement.

Des traces d’usages aux données : les limitations des API, les choix de formatages et les effets sur la recherche

  • 1  Au moment où cet article est écrit, la version de l’API est la 01.

7Indépendamment des traces liées au chercheur, l’extraction (automatisée) des données dans les études que nous ciblons ici est régie par l’API1 (application programming interface) que propose Twitter aux développeurs. Cette application permet un accès aux données de façon automatisée et est régie par des règles et limitations spécifiques, nous noterons à titre d’exemple les plus connues :

  • des limites quantitatives, en effet, l’API ne peut pas retourner un taux de tweets supérieur à 1 % des tweets émis mondialement à un instant T. Si ce seuil est dépassé, les contenus supplémentaires seront omis. La sélection des tweets retournés est très peu documentée, mais des travaux comparant les retours de l’API à ceux de Firehose (API illimitée et payante) révèlent que la couverture de l’API diminue lors de l’augmentation des tweets retournés par la requête (Morstatter et al., 2013, p. 556). À cette limite de flux, s’ajoutent des limites aux requêtes plus ciblées, car il est impossible de remonter au-delà des 100 derniers comptes à avoir retweeté un tweet.

    • 2  GetOldTweet, Snscrapper, ...

    Des limites temporelles, qui bloquent les résultats aux sept jours précédents une recherche. Cette limitation rend complexe l’étude d’un évènement ou d’un objet a posteriori et la récupération en temps réel des données (proposée par DMI-TCA par exemple) implique une logistique matérielle (serveur ou poste informatique connecté en permanence), mais aussi de veille du réseau social. Certains outils2 permettent de recueillir des tweets a posteriori, en commandant la recherche avancée de tweeter, cependant, nous n’avons pas trouvé de données comparatives sur les retours de ces requêtes.

8Le recueil des données en temps réel est toujours du ressort de l’API, certains outils privés (payants ou gratuits) proposent ce service sans pour autant justifier de leur capacité de collecte générale, et en gardant leurs solutions logicielles privées. En effet, la veille de plusieurs sujets multiplie d’autant le nombre de requêtes, qui elles-mêmes sont limitées (150 par heure). Ainsi, les plateformes proposant les « solutions clés en main », ne donnent que peu d’informations sur leur capacité, cette tendance, comme le recours aux outils propriétaires, ou libre sans en connaître les fonctionnements, ajoute une « boîte noire » au protocole de recherche.

9Ces limitations ont une incidence directe sur le recueil et donc la délimitation des données à étudier. L’impossibilité de recueillir l’ensemble des tweets émis sur une période, impose un échantillonnage dans la collecte. L’API propose une veille de mot(s) clé(s) (hastag ou non), ou de compte(s). Les choix qui sont faits dépendent de la recherche et de ces hypothèses, et leur explicitation doit être justifiée. En raison de la complexité d’un mouvement social et de la pluralité de ces expressions sur les RSN, les choix d’échantillonnage, comme pour toute étude en sciences humaines, détermine le périmètre de notre étude. Ainsi, suivre un ou plusieurs hashtags sur nuitdebout, ou les giletsjaunes ou tout autre type de regroupement n’est toujours qu’un échantillon de ce qui est dit à ce sujet (Gonzalez-Bailon et al., 2012). Prendre le #giletsjaunes permet une étude globale du mouvement au niveau national, mais implique la capacité à stocker et à traiter de nombreuses données. Dans une autre optique, choisir le #GiletsJaunes31 donnera la possibilité de faire une requête moins abondante dans le contenu, avec des préoccupations locales spécifiques, mais ne prendra pas en compte l’aspect national du mouvement. Le choix d’une localisation géographique de l’étude implique donc des problématiques spécifiques à ce territoire, une étude à l’échelon national ne pourra pas forcément faire ressortir cela. Ces exemples montrent que quel que soit le volume des données, leurs études ne sera qu’un point de vue partiel de l’ensemble du mouvement.

10À cette restriction inhérente à la recherche, s’ajoutent les limites imposées par le dispositif. Les données récoltées ne sont jamais brutes ; elles sont générées, formatées dans un modèle offrant la mise en relation d’information, mais très éloignée des besoins et coutumes de la recherche en sciences humaines et sociales. Dans le cas qui nous intéresse, chaque tweet est retourné avec ses métadonnées au format JSON (Fig. 1).

Figure 1 : extrait du retour de l’API sur un tweet

Figure 1 : extrait du retour de l’API sur un tweet

11Cet encodage standardisé met en relation des paramètres du tweet (identifiant, date de création, contenu du texte...) avec leur valeur, s’il permet d’automatiser la récupération d’information, il délimite également les possibilités. Ainsi, l’extrait proposé ci-dessus concerne un retweet du journal Le Monde (identifiable par le balisage « RT @lemondefr : » dans le full-text). Nous pouvons relever le nombre de retweet de ce dernier, son nombre de mentions j’aime (favorite_count), mais ces valeurs sont évolutives et l’enregistrement continu des contenus empêche l’exploitation de ces indicateurs. La plateforme DMI-TCAT en archivant en continu la requête autorise un calcul de l’ensemble des retweets, mais les autres indicateurs (like et commentaires) ne peuvent être pris en compte.

Les relations entre comptes Twitter, choix des indicateurs et travail de visualisation

12La plateforme Twitter accepte plusieurs types de relations entre comptes et/ou messages, qui peuvent donner lieu à des études de structure du réseau. Dans ces travaux, le choix de l’indicateur doit être défini entre retweet, mention, followeur. Étant donné que ces indicateurs ne sont pas automatiquement liés, sélectionner l’un d’entre eux privilégiera un type d’utilisateur (Cha et al., 2010), mais surtout ne révélera pas le même type d’usage. Nous allons présenter pour chacun de ces indicateurs les éléments qu’ils sous-tendent pour illustrer les variations que ce choix impose.

Les followers

13Chaque compte peut choisir de suivre un autre compte en devenant un follower de ce dernier. Cette relation engendrera la présence de tous les tweets du compte suivi sur le fil d’actualité du follower. Le nombre de followers d’un compte est étudié en termes d’influence sociale (Hofer & Aubert, 2013), mais les études visant une population très générale font remonter un regroupement par affinité thématique (Bruns et al., 2017; Bruns & Enli, 2018).

Le Retweet

14Cet usage, pour être tracé et étudié, doit être fait avec l’option « retweeter » proposée sur chaque tweet, dans ce cas, une balise « RT @NomDeCompte : » commencera chaque tweet récolté (la fig. 1 en est un exemple). Les études ont montré une forte utilisation de cet outil sur les comptes politiquement actifs, ainsi que la pertinence de cet indicateur dans l’étude de leur alignement politique (Conover et al., 2011). La pratique consistant en un copié/collé d’un contenu dans un nouveau message, ne sera pas incluse dans cette pratique, en effet au-delà de l’aspect technique, l’adhésion à la parole de l’auteur ne peut être comparable.

Les mentions et réponses

15Une autre forme d’interaction est la mention : cette interpellation consiste, dans le corps du texte, à désigner un compte en le faisant précéder d’un @. Cette option technique va alerter le compte mentionné et générer un hyperlien dans le tweet. Les études montrent plusieurs usages du @, qui lorsqu’ils sont accolés à un nom de compte, peuvent revêtir plusieurs objectifs, du signalement d’une information pertinente pour le compte mentionné, à l’interpellation publique nécessitant une réponse, ou encore la référence à un compte sans être un message directement pour lui (Honey & Herring, 2009, p. 4). Nous pouvons également relever dans nos corpus la présence de messages constitués d’une réponse à un tweet (ou la mention est automatiquement ajoutée), cette caractéristique est indexée dans le retour de l’API.

Exemple de variations de construction de graphes : étude de retweet ou mention

16Afin d’illustrer les différences de résultats possibles entre plusieurs indicateurs, nous avons à partir d’un même échantillon de tweets effectué un graphe par mentions (toutes mentions confondues), ou seulement sur les retweets. Nous allons présenter quelques différences notables dans le regroupement des comptes par clusters.

17L’échantillon utilisé est une collecte de 1 549 768 tweets (et retweets) concernant le début du mouvement des gilets jaunes (Sebbah et al., 2018; Souillard et al., 2020). Les tweets ont été émis entre les 18 et 24 novembre 2018 et contiennent des chaînes de caractères 17novembre, ou blocage17novembre, ou giletsJaunes. Nous avons, à partir de scripts spécifiques, construit les graphes orientés des relations entre comptes en faisant varier l’indice de relation (mention vs retweet). La structure de ce modèle est constituée de nœuds (comptes Twitter) et de liens (mentions ou retweets) conservant la direction de l’échange. Nous avons soumis ces ensembles au calcul de modularité disponible dans le logiciel Gephi (Bastian et al., 2009). Cette option repose sur l’algorithme de Louvain qui, en se basant sur les liens entre comptes, va regrouper ces derniers par proximité de pratiques (Blondel et al., 2008). Cette méthode a démontré sa pertinence heuristique sur les corpus portant sur les polémiques sociales (Smyrnaios et Ratinaud, 2014). Les clusters ainsi identifiés sont constitués de comptes se mentionnant ou se retweetant (selon l’indicateur choisi) entre eux. L’objectif ici n’étant pas une étude de ce corpus, nous nous sommes focalisés sur quelques clusters, afin d’illustrer la variabilité des classements selon la construction du graphe.

18Sur le graphe construit sur la base de « qui retweete qui ? » (fig. 2), nous pouvons voir émerger une des classes retweetant des comptes proches de l’extrême droite avec dans les personnes les plus retweetées les personnalités politiques dupontaignan et GilbertCollard, ainsi que les médias alternatifs LaFranceLibreTv et encause.fr: EnCausee, jmAlric11, dupontaignan, DamienRieu, GilbertCollard, gregoryroose, LPLdirect, David_ plus loin dans la liste nous retrouvons CRTLAltDroite, MLP_officiel, Rtenfraçais...

19Un autre cluster est centré sur l’extrême gauche autour des comptes politiques de J.-L. Mélenchon, et La France insoumise, François Ruffin et son journal Fakir et Philpipe Poutou : Brevesdepresse, Portes_Thomas, JLMelenchon, clemovitch, _PierreGilbert, Francois_Ruffin, Fakir_, PhilippePoutou, Action_Insoumis.

20Cette répartition suivant l’échiquier politique se retrouve dans d’autres controverses ou sujets politiques (Guerrero-Solé, 2017; Ratinaud & Smyrnaios, 2016; Smyrnaios & Ratinaud, 2014, 2017).

Figure 2 : graphe des clusters construit par Retweet

Figure 2 : graphe des clusters construit par Retweet

21Sur le graphe construit à partir du même échantillon de tweets, mais sur la base de « qui mentionne qui ? » (figure 3), les clusters qui se dégagent sont une agrégation de divers courants politiques, c’est le signe d’altercations ou de prises à partie entre les groupes. Une de ces classes interpelle directement les personnes politiques parmi les plus mentionnées dans ce groupe qui sont EphilippePM, FranceInsoumise, Bgriveaux, et Francois_Ruffin. Un second cluster traite davantage des institutions du gouvernement et mentionne principalement les comptes lesRepublicains, gouvernement, JLMelenchon, Laurentwauquiez. Enfin une autre classe contient dans les plus forts taux de mention les comptes de Ccastaner et MLP_officiel, il s’agit ici d’un cluster dont les comptes reprennent la déclaration de M. Le Pen interpellant le ministre de l’Intérieur C. Castaner, au sujet de la dureté des sanctions réclamées à l’encontre des Gilets jaunes.

Fig. 3 : graphe des clusters construit à partir des mentions

Fig. 3 : graphe des clusters construit à partir des mentions

Choix des outils de traitements lexicaux

22La seconde partie de notre réflexion ne concerne plus les réseaux de comptes, mais le contenu des tweets. Dans ce travail, nous ne parlerons que de l’analyse lexicale, délaissant de fait les images, vidéos ou émoticônes que des études sémiotiques peuvent exploiter (Bottini & Julliard, 2017). Les données contenues dans les corpus extraits de Twitter, si elles peuvent être exploitées par des méthodes qualitatives (avec une méthodologie d’échantillonnage, par exemple), sont d’un volume qui encourage l’utilisation d’outils de traitement de la langue informatisés. Loin d’être une solution de facilité, elles reposent sur des modèles spécifiques et vont permettre des visualisations de thématiques, mais aussi guider le chercheur sur l’ordre et la sélection des éléments lus dans le corpus. Nous traiterons ici de deux types d’outils : les outils de traitement automatique des langues naturelles (TALN) et des outils lexicométriques. Ces deux familles partagent de nombreux aspects, mais elles se sont construites dans des objectifs et méthodes différentes, les usages qui en découlent aujourd’hui en sont les témoins. Nous ne traiterons pas dans ce document de logiciels spécifiques, mais plus généralement d’une orientation et d’un positionnement des méthodes face aux corpus. Pour avoir plus d’information sur les outils disponibles, nous renverrons les lecteurs sur la plateforme « Exploration de corpus : outils et pratiques » ou encore à la lecture de Pincemin (2018). 

Traitement automatique de la langue : automatisation et recherche d’information

23Les débuts du traitement automatique des langues naturelles se situent dans les années 1945 aux États-Unis sur des problématiques de traduction automatique du russe vers l’anglais. Cette période riche en financements et donc en recherche mettra au jour toute la complexité de la modélisation d’une langue naturelle. Initialement basés sur une traduction mot à mot, les dictionnaires vont s’étoffer et les besoins de modélisation de la langue vont apparaître. Si ces crédits seront stoppés à la suite des questions de non-rentabilité face à la traduction humaine (rapport du Automatic Language Processing Advisor Committee, 1964), cette période restera fertile et offrira la mise en avant de nombreuses recherches. Ainsi, les travaux sur une grammaire universelle et générative voient le jour (Chomsky, 1965), mais on voit aussi les débuts des travaux sur l’intelligence artificielle ou des automates qui sont programmés à base de mots clés pour interagir à travers le langage avec les utilisateurs.

24Durant les années 1970, les recherches en TALN vont davantage s’orienter sur une quête du sens. À travers la confection d’ontologies, ces structures définissent « les termes de base et les relations qui constituent le vocabulaire de ce domaine thématique. » (Neches et al., 1991, p. 40). Dans cette période, la connaissance fine du terrain sur lequel est employé le TALN devient de plus en plus nécessaire, et de nouveaux enjeux sont portés par la recherche comme l’ambiguïté du vocabulaire ou encore la subjectivité. C’est également la période ou les outils commencent à élargir les périmètres d’études, non plus aux mots, mais aux phrases et ensembles de textes (Yvon, 2010).

25Depuis les années 1980 et les progrès des outils informatiques, le TALN s’est développé dans plusieurs directions. Les modélisations de la langue sont de plus en plus complexes et, parallèlement à cela, des outils destinés à l’industrie permettent des fonctions moins abouties, mais plus rapides et plus faciles d’utilisation. L’intelligence artificielle et les outils d’apprentissage automatique (deep-learning) se déploient en même temps que la puissance des machines s’accroît.

26Les usages aujourd’hui sont multiples et dépassent la sphère académique. Ils sont encore principalement orientés vers la traduction automatique et la gestion documentaire. Nous mentionnerons à titre d’exemple les correcteurs orthographiques, l’indexation de contenus, les interactions homme-machine incarnées par les chatbots. Ces logiciels automatisent des réponses à des questions en langage naturel, ils sont à l’origine des agents virtuels ou la gestion de demandes d’informations. Dans le domaine de la recherche en sciences humaines, une liste exhaustive des outils et fonctions serait difficilement constituable, cependant Thierry Poibeau (2014) en a fait une esquisse. Il les distingue en deux grandes familles, la première porte sur des éléments factuels, ces outils permettent d’identifier, en vue d’indexation ou de traitement, des éléments grammaticaux complexes (entités nommées, syntagmes nominaux ou verbaux…). La seconde famille d’outils porte sur des éléments subjectifs comme l’analyse d’opinion ou de sentiment. Ces deux domaines lorsqu’ils sont appliqués en sciences humaines exploitent l’automatisation de l’identification afin que les chercheurs accèdent aux contenus polarisés. Si l’analyse appartient toujours à ce dernier, les modèles sous-jacents aux fonctions utilisées peuvent cependant obstruer une part des contenus.

Textométrie : du global au local, les méthodes quantitatives appliquées aux corpus

27Le second type d’outil de traitement lexical présenté ici est la lexicométrie que nous pouvons retrouver dans la littérature sous les noms de textométrie ou encore logométrie. Etienne Brunet (2014) mentionne comme recherche préalable aux débuts de la lexicométrie française les travaux de Zipf (1949). Ces études démontraient que la fréquence d’un mot est inversement proportionnelle à son rang d’arrivée dans le texte, ce fût le début de la description statistique des textes. En France, ces méthodes sont amorcées par Pierre Giraud, puis développées entre autres par Charles Muller, dont le travail de thèse (1964) applique les statistiques inférentielles aux textes de Corneille. Ces méthodes sont une approche probabiliste du texte, « celui-ci est vu comme un « sac de mots », où le produit d’un tirage avec ou sans remise dans une urne et les notions d’« échantillonnage » et d’écart à la moyenne sont fondamentales. » (Lebart et al., 2019, p. 30).

28En lien avec les développements des outils statistiques, un courant spécifique se concrétise sur les analyses multidimensionnelles. Issue des Analyses de Composantes Principales, dont l’emploi facilite la description et la hiérarchisation de relations entre plusieurs variables numériques, Benzécri (1973) va adapter ces modèles aux données qualitatives et ainsi développer les Analyses Factorielles de Correspondances (AFC). Dans cette orientation, les textes permettent de construire un tableau croisant les occurrences du lexique par caractéristique des textes (prédéfinie par le chercheur). Cette matrice sera comparée à ce que serait une distribution aléatoire du texte et les écarts, calculés par factorisation, seront exprimés par graphiques. Ces résultats produisent de nouvelles métriques qui constituent une abstraction supplémentaire aux données initialement récoltées. Elles n’ont pourtant pas de vocations déterministes, mais invitent à une lecture intuitive des répartitions lexicales au regard de variables pertinentes pour le chercheur. À la suite de ces travaux, Max Reinert (Reinert, 1983) développa une méthode de classification hiérarchique descendante du texte. Contrairement aux AFC, le texte ici n’est plus étudié directement au regard d’une variable (année, homme politique…), mais est découpé en unités textuelles plus courtes, afin d’être classées par homogénéité de lexique (rassemble les phrases ayant des contenus proches). Les classes de discours ainsi obtenues sont en fonction des logiciels utilisés illustrées par les mots et variables, surreprésentés dans ces classes.

29Séparer les outils TALN et lexicométrique par leur exploitation de la structure du discours pour les premiers et par l’analyse statistiques des textes pour les seconds serait trop péremptoire. Chacun de ces domaines partage (ou emprunte) certaines fonctionnalités à l’autre, les entités indexées par des méthodes TALN peuvent donner lieu à des traitements statistiques, et les outils lexicométriques nécessitent des prétraitements issus du TALN (lemmatisation, identification de la catégorie grammaticale…). Cependant, chaque domaine a un rapport aux textes différents, les outils TALN en reposant sur une étude structurelle du discours exécutent une recherche d’information sur des éléments linguistiques plus ou moins complexes qui représentent pour le chercheur des marqueurs discursifs sur lesquels il souhaite porter son attention. Le recours aux méthodes lexicométriques accepte que le discours se soumet aux règles statistiques et que la répartition plus ou moins homogène du lexique soit le signe de thématiques. Dans chacun de ces cas, le recours aux outils informatiques ne révèle pas une automatisation complète des analyses, mais une aide au chercheur pour la navigation dans l’ensemble des textes. Cette navigation ne peut être exhaustive lorsque l’on atteint des centaines de milliers de textes, les outils présentés nécessitent d’autant plus de comprendre leur fonctionnement pour garder dans l’interprétation des données le recul nécessaire à toute recherche.

Conclusion

30Nous avons voulu dans ce document retracer les différents choix prédéfinis dans la construction même des outils numériques à disposition des chercheurs. L’étude d’un mouvement social à partir des contenus de ce dernier sur Twitter inclus des choix de travail, qui auront indéniablement un impact sur les données étudiées (choix des requêtes, des temporalités, des indicateurs). Au-delà de la constitution des données, leur traitement par des outils informatisés inclut également un positionnement face au texte et aura sa part d’incidence dans la « découverte » du corpus par le chercheur. Les outils et plateformes de traitement de données sont, grâce à leurs résultats, de véritables interfaces entre le chercheur et les données. Les progrès ergonomiques qu’elles ont mis en place produisent une réduction importante du temps nécessaire à leur prise en main. Cependant, les dispositifs sur lesquels elles reposent, restent complexes et sont les héritiers de postures épistémologiques spécifiques. Si les abstractions qu’elles construisent offre une première intuition de contenus trop volumineux pour être lus dans leur intégralité, les types de traitements sur lesquels reposent ces synthèses doivent toujours être présents lors de l’exploration du corpus à étudier. Les cartographies et autres métriques qui sont révélateurs de ces outils sont soumis à l’interprétation du chercheur, qui étudie de fait son objet de recherche par la représentation qu’en font les outils.

Haut de page

Bibliographie

Alhabash, S., et Ma, M. (2017). A tale of four platforms : Motivations and uses of Facebook, Twitter, Instagram, and Snapchat among college students? Social Media+ Society, 3(1), 2056305117691544.

Bachimont, B. (2017). Le numérique comme milieu : Enjeux épistémologiques et phénoménologiques. : Principes pour une science des données. Interfaces numériques, 4(3), 402‑402.

Bakshy, E., Messing, S., et Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130‑1132. https://doi.org/10.1126/science.aaa1160

Barnidge, M. (2017). Exposure to political disagreement in social media versus face-to-face and anonymous online settings. Political Communication, 34(2), 302‑321.

Bastian, M., Heymann, S., et Jacomy, M. (2009). Gephi : An open source software for exploring and manipulating networks. Icwsm, 8(2009), 361‑362.

Benzécri, J.-P. (1973). L’analyse des données (Vol. 2). Dunod Paris.

Blondel, V. D., Guillaume, J.-L., Lambiotte, R., et Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of statistical mechanics: theory and experiment, 2008(10), P10008.

Bottini, T., et Julliard, V. (2017). Entre informatique et sémiotique. Reseaux, n° 204(4), 35‑69.

Brunet, E. (2014). La lexicométrie française : Naissance, évolution et perspectives. Revue de l’Université de Moncton, 45(1‑2), 13‑33. https://doi.org/10.7202/1038899ar

Bruns, A., et Enli, G. (2018). The Norwegian Twittersphere : Structure and dynamics. Nordicom Review, 39(1), 129‑148.

Bruns, A., Moon, B., Münch, F., et Sadkowsky, T. (2017). The Australian Twittersphere in 2016 : Mapping the follower/followee network. Social Media+ Society, 3(4), 2056305117748162.

Cha, M., Haddadi, H., Benevenuto, F., et Gummadi, K. P. (2010). Measuring user influence in Twitter : The million follower fallacy. fourth international AAAI conference on weblogs and social media.

Chomsky, N. (1965). De quelques constantes de la théorie linguistique. Diogène, 51, 14.

Conover, M. D., Ratkiewicz, J., Francisco, M. R., Gonçalves, B., Menczer, F., et Flammini, A. (2011). Political polarization on Twitter. Icwsm, 133(2011), 89‑96.

Costas, R., van Honk, J., et Franssen, T. (2017). Scholars on Twitter : Who and how many are they? arXiv preprint arXiv:1712.05667. https://arxiv.org/abs/1712.05667

Gonzalez-Bailon, S., Wang, N., Rivero, A., Borge-Holthoefer, J., et Moreno, Y. (2012). Assessing the Bias in Communication Networks Sampled from Twitter. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.2185134

Granjon, F. (2017). Mobilisations numériques : Politiques du conflit et technologies médiatiques. Presses des Mines via OpenEdition.

Guerrero-Solé, F. (2017). Community detection in political discussions on Twitter : An application of the retweet overlap network method to the Catalan process toward independence. Social science computer review, 35(2), 244‑261.

Henrique, J. (2018). GetOldTweets-python. GitHub (2018).

Hofer, M., et Aubert, V. (2013). Perceived bridging and bonding social capital on Twitter : Differentiating between followers and followees. Computers in Human Behavior, 29(6), 2134‑2142.

Honey, C., et Herring, S. C. (2009). Beyond microblogging : Conversation and collaboration via Twitter. 2009 42nd Hawaii International Conference on System Sciences, 1‑10.

Lebart, L., Pincemin, B., et Poudat, C. (2019). Analyse des données textuelles. PUQ.

Merzeau, L. (2008). Présence numérique : Du symbolique à la trace. MEI - Médiation et information, 29, 153‑163.

Morstatter, F., Pfeffer, J., Liu, H., et Carley, K. M. (2013). Is the sample good enough ? Comparing data from Twitter’s streaming api with Twitter’s firehose. arXiv preprint arXiv:1306.5204.

Neches, R., Fikes, R. E., Finin, T., Gruber, T., Patil, R., Senator, T., & Swartout, W. R. (1991). Enabling Technology for Knowledge Sharing. AI Magazine, 12(3), 36‑36. https://doi.org/10.1609/aimag.v12i3.902

Newman, N., Fletcher, R., Kalogeropoulos, A., et Nielsen, R. (2019). Reuters Institute Digital News Report 2019 (Vol. 2019). Reuters Institute for the Study of Journalism. https://ora.ox.ac.uk/objects/uuid:18c8f2eb-f616-481a-9dff-2a479b2801d0

Ouakrat, A., et Mésangeau, J. (2016). Resocialiser les traces d’activités numériques : Une proposition qualitative pour les SIC. Revue française des sciences de l’information et de la communication, 8, Article 8. https://doi.org/10.4000/rfsic.1795

Pariser, E. (2011). The filter bubble : What the Internet is hiding from you. Penguin UK.

Pincemin, B. (2018). Sept logiciels de textométrie. 12.

Poibeau, T. (2014). Le traitement automatique des langues pour les sciences sociales. Reseaux, n° 188(6), 25‑51.

Ratinaud, P., et Smyrnaios, N. (2016). La Web Sphère De# CharlieHebdo : Une Analyse Des Réseaux Et Des Discours Sur Twitter Autour D’Une Controverse Politique (The Web Sphere of# CharlieHebdo : A Network and Discourse Analysis of a Political Controversy on Twitter). ESSACHESS-Journal for Communication Studies, 9(2), 18.

Reinert, Max. (1983). Une méthode de classification descendante hiérarchique : Application à l’analyse lexicale par contexte. Les cahiers de l’analyse des données, 8(2), 187‑198.

Sebbah, B., Souillard, N., Thiong-Kay, L., et Smyrnaios, N. (2018). Les Gilets Jaunes, des cadrages médiatiques aux paroles citoyennes. Université de Toulouse 2 Jean Jaurès.

Serres, A. (2012). Problématiques de la trace à l’heure du numérique. Sens-Dessous, N° 10(1), 84‑94.

Smyrnaios, N., et Ratinaud, P. (2014). Comment articuler analyse des réseaux et des discours sur Twitter. L’exemple du débat autour du pacte budgétaire européen. tic&société, 7(2).

Smyrnaios, N., et Ratinaud, P. (2017). The Charlie Hebdo Attacks on Twitter : A Comparative Analysis of a Political Controversy in English and French. Social Media + Society, 3(1), 2056305117693647. https://doi.org/10.1177/2056305117693647

Souillard, N., Sebbah, B., Loubère, L., Thiong-Kay, L., et Smyrnaios, N. (2020). Les Gilets jaunes, étude d’un mouvement social au prisme de ses arènes médiatiques. Terminal. Technologie de l’information, culture & société, 127, Article 127. https://doi.org/10.4000/terminal.5671

Svensson, P. (2010). The Landscape of Digital Humanities. Digital Humanities Quarterly, 004(1).

Xu, S. (2019). Understanding the Scholarly Communication Process through Digital Traces : A Study of Twitter.

Yvon, F. (2010). Une petite introduction au traitement automatique des langues naturelles. Conference on Knowledge discovery and data mining, 27‑36.

Zipf, G. K. (1949). Human behavior and the principle of least effort (Cambridge). Addison-Wesley Press.

Haut de page

Notes

1  Au moment où cet article est écrit, la version de l’API est la 01.

2  GetOldTweet, Snscrapper, ...

Haut de page

Table des illustrations

Titre Figure 1 : extrait du retour de l’API sur un tweet
URL http://journals.openedition.org/terminal/docannexe/image/7054/img-1.png
Fichier image/png, 95k
Titre Figure 2 : graphe des clusters construit par Retweet
URL http://journals.openedition.org/terminal/docannexe/image/7054/img-2.png
Fichier image/png, 514k
Titre Fig. 3 : graphe des clusters construit à partir des mentions
URL http://journals.openedition.org/terminal/docannexe/image/7054/img-3.png
Fichier image/png, 1,2M
Haut de page

Pour citer cet article

Référence électronique

Lucie Loubère, « Mouvements sociaux sur Twitter et Digital Methods : des données aux analyses »Terminal [En ligne], 129 | 2021, mis en ligne le 15 mars 2021, consulté le 09 mai 2026. URL : http://journals.openedition.org/terminal/7054 ; DOI : https://doi.org/10.4000/terminal.7054

Haut de page

Auteur

Lucie Loubère

Lerass, IUT Toulouse III 115 D, route de Narbonne B.P. 67701 31077 TOULOUSE CEDEX 4,

Articles du même auteur

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