J’ai été invité à parler aujourd’hui de mon expérience comme chercheur sur twitter. Voici mon support de présentation.
Archives par étiquette : twitter

Commémorer le 11 novembre sur Twitter
Ce billet fait suite à un premier sur Les commémorations du centenaire sur twitter. C’est aussi mon centième billet.
La commémoration du centenaire de la Première Guerre mondiale devait avoir un point d’orgue: le 11 novembre 2014 (qui commémore pourtant le 11 novembre 1918). Ce jour-là, nous avons pu collecter – malgré un incident serveur de bon matin qui nous a privé d’une demi-heure de données – plus de 90 000 tweets. Par rapport à l’analyse précédente, nous avons rajouté des mots-clés spécifiquement francophones (11Novembre notamment), ce qui explique pour partie que nous ayons collecté une majorité de tweets en Français. Mais c’est surtout le fait que le 11 Novembre soit un jour particulier en France: le Remembrance Day des Britanniques se déroule le second dimanche de novembre. Le 11 Novembre est un jour normal au Royaume Uni – exception faite de la minute de silence de 11 heures, où toute activité cesse, y compris la circulation automobile1
- Pour y avoir assisté il y a 18 ans, cette minute de silence est particulièrement impressionante. [↩]
Un homme politique, un millier de tweets et les archives
Ajout postérieur à la publication: France info a publié l’intégralité des tweets effacés par Manuel Valls.
Dans un article paru dans la rubrique “pixels” du Monde, deux journalistes, Martin Untersinger et Alexandre Léchenet, nous informent que Manuel Valls a relancé son compte twitter, après avoir effacé le millier de tweets déjà produit.
À la lecture de l’article, une question a émergé: le fil twitter d’un politique en fonction devrait-il être archivé par les services d’archives français? Pour les tweets effacés par Manuel Valls, en l’occurrence, la question ne se pose pas, légalement, dans la mesure où il semblerait qu’il se soit débarrassé de tweets antérieurs à ses prises de fonction comme ministre (et encore: il était député…). Indépendamment de cet incident, la question vaut le coup d’être posée: avec 74000 abonnés dans le cas de Manuel Valls, ses tweets atteignent potentiellement plus de citoyens que n’importe lequel de ses discours1. Un tweet est donc un vrai élément de parole publique.
Comme toute parole publique, elle peut poser problème a celui qui dans le passé l’a tenue, notamment en cas de contradiction avec sa parole présente. Les auteurs de l’article ont cité un tweet de Nadine Morano dont elle s’est débarrassé car, écrit pendant l’affaire Cahuzac, il devenait gênant pendant l’affaire Bygmalion. Bref, le personnel politique est souvent en contradiction avec sa parole passée.
D’où la tentation, pas toujours conforme à la loi, de se débarrasser des traces du passé. Il y a des précédents de bien plus grande ampleur que cet épisode Valls, comme la suppression de dix années de discours du site web des conservateurs britanniques pour des motifs… comment dire… peu avouables? Fait intéressant, les conservateurs avaient pris soin de faire aussi effacer les discours en question des archives de la Wayback Machine. Manuel Valls n’est pas allé jusque-là, ce qui nous permet de découvrir que son compte avait d’abord été, en 2009, créé par quelqu’un d’autre à des fins de parodie.
Être tenté d’effacer les traces du passé, certes, mais il y a la loi et, notamment, le code du patrimoine. Hors – sortons du cas particulier de Manuel Valls – la parole d’un.e politique en fonction doit (devrait?) être archivée. Les moyens des archives nationales étant ce qu’ils sont, la transition vers le records management, c’est-à-dire l’archivage des documents numériques, n’étant pas terminée (et en aucun cas facile, surtout en période de crise, donc de manque de moyens), cette parole, sur les réseaux, ne l’est pas nécessairement.
Dans les faits, le service du dépôt légal du web de la Bibliothèque Nationale de France archive les domaines en “.fr”, des sites d’intérêt qui leurs sont signalés (ou de leur propre initiative, je pense) et, dans certains cas, des sites d’intérêt liés à des événements précis2 De plus, le service du dépôt légal du web archive un certain nombre de comptes twitter d'”intérêt”. La masse de travail et les ressources électroniques que représente ce dépôt légal impose des choix, dans la fréquence de passage des robots indexant les sites web, mais aussi dans la sélection, par exemple, des comptes twitter archivés.
Mais ce qui est publié sur twitter par un ministre n’est pas, que ce soit pour le citoyen comme pour l’historien, nécessairement le plus intéressant. Ce qui est particulièrement d’intérêt sera le processus ayant mené à la publication des tweets, c’est-à-dire le travail de la cellule de com’. Mais ce dernier se fait vraisemblablement sur support numérique et il n’est pas sûr qu’il soit aisé à archiver.
En conclusion, le tweet est un peu à l’image de la transformation numérique, qui touche le domaine des archives comme celui de la politique: on ne le prend pas encore suffisamment pris à sa mesure.
PS: je vous conseille de suivre la discussion que j’ai eue sur twitter ce matin avec l’exceptionnelle @e_archiviste:
PPS: vous pouvez aider les deux journalistes du Monde à reconstituer l’archive des tweets de Manuel Valls.
- Si j’en crois les statistiques fournies par Twitter pour mon compte, on peut partir du principe qu’un tweet a un taux d’engagement de 2% environ, ce qui fait tout de même autour de 1500 personnes à chaque tweet. [↩]
- Si mes souvenirs d’une discussion avec Clément Oury sont bons, la BNF a ainsi archivé des sites web arabes pendant le printemps arabe. [↩]

Les commémorations du centenaire de la Première Guerre mondiale sur Twitter (avril-juillet 2014)
Edit (22 juillet 2015): vous pouvez lire une version longue, sous forme de Working Paper, de ce billet, en allant sur HAL-SHS.
Il y a un siècle se déclenchait le premier conflit mondial. Cette année du centenaire est largement commémorée, y compris sur les réseaux sociaux. Ce billet fait le point sur un projet en cours, qui consiste en la capture de tous les tweets comprenant des hashtags reliés à cette commémoration, en commençant par #ww1, le plus largement utilisé. Continuer la lecture

24 heures sur twitter: les (presque) 240 000 tweets contenant le terme “sarkozy”
Ayant découvert un nouvel outil pour capturer des données sur twitter, je l’ai immédiatement mis à rude épreuve, en lui demandant de collecter tout tweet comprenant le mot “sarkozy”. L’outil, et mon petit serveur, a tenu le choc: près de 240 000 tweets collectés en 24 heures (du 2 juillet à 8h au 3 juillet à 8h). Je vous livre ici un aperçu des traitements que l’on peut appliquer à ce type de données. Continuer la lecture
Traitement et analyse d’un corpus de tweets: sortir de l’artisanat
J’ai publié il y a quelques semaines un billet expliquant rapidement quelques résultats d’une collecte de tweets. J’ai souhaité l’approfondir et en faire un article, à la suite de la publication d’un appel à contribution des Cahiers du numérique.
Au fur et à mesure de la rédaction de cet article, mais, surtout, du traitement des tweets collectés, ma méthode s’est révélée trop artisanale – à tel point que j’écrirai cet article, mais pour une autre revue. Je souhaite donc ici la formaliser un peu plus, mais également proposer une sorte de “protocole” (version pompeuse) ou de bonnes pratiques (version humanités numériques) pour le traitement d’un tel corpus.
Je propose donc ci-dessous un flux de travail avec des outils libre, flux commençant une fois la collecte des tweets achevée. J’utilise OpenRefine, LibreOffice, Gephi et iRaMuTeQ. J’ai publié une carte heuristique sur MindMeister, qui permet le partage et le travail collaboratif sur ce type de cartes.
Si collaborer à ce document vous intéresse, laissez un commentaire.
Nine months of #twitterstorians
Last April, I started to collect tweets containing the hashtag #twitterstorians1. The idea is to question whether it is possible to capture / understand in almost real time historiographies in the making. As you all know, this hashtag was created by Katrina Gulliver.
After three months, I attempted to do a first text analysis of this #twitterstorians corpus – but it was still too tiny to be analysed. A few days ago, I attempted again to analyse it and it seemed to work, this time.
I am using a software, iramuteq, developped by Pierre Ratinaud, assistant professor in Toulouse (South-Eastern France). Iramuteq is an interface to the statistical software R. Iramuteq allow to analyse raw texts, that are stored within a corpus that is very slightly encoded (FR). By the way, iramuteq is developped in several languages (including english) and can perform text analysis in French, English, German and more. So download it and try it!
Corpus description
The corpus was divided into 24613 texts and text units (between 13 and 14 words in each text units in average – in this case, as it is a corpus made of tweets, texts and text units are the same), with 33582 occurences and 19870 forms (the corpus is lemmatised). There are 2.39% of HAPAX (forms appearing only once) and they form around 40% of the occurrences.
The analyses
Similitude
Classification
The six classes
1 | 2 | 3 | 4 | 5 | 6 |
write | conference | amrev | oupacademic | military | irishhistory |
new | call | cw150 | prof | society | onthisday |
what | journal | civilwar | associate | smh_historians | irelandhistory |
post | paper | worldhistory | pageant | announcement | birth |
blog | annual | lizcovart | bursary | milhist | shkenna |
archive | global | allthingsliberty | markfreeman1974 | academic | born |
usih | programme | klinecj | ahrc | membership | dublin |
know | online | boston1775 | glasgow | airminded | irish |
great | submit | gettysburg | fund | official | die |
think | case | todayinhistory | close | militaryhistory | invincibles |
teach | due | morgan | ahrcpress | history | 1916rising |
love | workshop | edmund | tudor | macneill | |
like | program | paul | uniofnottingham | hwar | poet |
research | study | revolution | jan | digest | ireland |
book | proposal | understand | ra | kansas | patrick |
need | update | revolutionary | studentship | jun | death |
find | symposium | earlyamhist | cfp | apr | valera |
good | cfp | lincoln | skill | 81st | limerick |
talk | release | revwar | economichistory | ddln | found |
look | imperial | act | succession | westpoint_usma | leader |
podcast | georgian | gwbooks | lecturer | check | execution |
life | carnival | myhnn | grow | mtg | plunkett |
work | oct | boston | deptford | mo | mp |
student | frus | egypt | tmrw | page | eoin |
acwri | september | liverpool | kcl | canberra | brenmalone |
social | host | confederate | reveal | date | james |
back | pleasure | apostlepaul | oso | phdchat | parnell |
will | paris | maier | emmalautman | keep | hunger |
survey | historycarnival | suffragette | smoke | sem | casement |
read | follow | revreborn | historylabplus | link | cork |
thought | deadline | pauline | recordkeeping | ann | thomas |
tip | europe | loyalist | angelabartie | list | execute |
robgreeneii | nomination | animate | form | opportunity | belfast |
past | visit | abraham | submission | crown | kilmainham |
source | collection | economics | reconstruct | resource | series |
library | application | landscape | wcomehs | sep | rise |
public | reminder | megankatenelson | phd | war | league |
question | relevant | myth | imcl | unsw | stewart |
hashtag | report | nation | suit | fellowship | archbishop |
term | miss | ferguson | fresher | prefer | hang |
ff | oxford | womenshistory | age | late | rossa |
website | registration | spirit | britac_news | net | gaol |
thing | join | civil | empire | job | treaty |
thesis | the_oah | gettysburg150 | londoners | jul | wynns |
man | international | address | ryrie | brian | centenary |
name | shafrconference | paint | alec | rape | unite |
19thc | sexuality | french | durham_uni | nov | pearse |
mean | sept | force | project | interest | ruth |
highered | dance | soldier | university | city | roscommon |
Dendogram of the six classes
Conclusions: academic communication and Public History
The #twitterstorians hashtag is firstly a communication channel, as the classification analysis is showing (classes 1 & 2: books, articles, blogs for class 1 and CFPs, conferences for class 2) and also the similitude one. But looking at the four other classes, you remark that there are some domains that are more dynamic: Irish history, Military history, US history. In the details, notably in the similitude graph, you observe that those tweets are first concerning Public History (see the “onthisday” linked to “irishhistory” for instance). The similitude graph shows also some hashtags that are worth a harvest: #envhist, for instance.
- I also collect #digitalhumanities, #digitalhistory and #dighist [↩]
L’algorithme est grand, je suis tout petit
J’ai récemment mené une expérience un peu honteuse mais drôle et instructive. À la suite d’une discussion avec deux amies, je promets et finis par créer un “Nazi Grammar Bot” – ces comptes qui, sur Twitter, corrigent votre grammaire ou votre orthographe et qui sont particulièrement énervants1. Le mien envoyait un tweet à tous ceux qui écrivaient mal un mot précis.
Ce bot s’est retrouvé couvert d’insultes et suspendu au bout d’environ 24 heures2, après avoir corrigé cette faute 522 fois3. 406 commentaires ont été adressés à ce petit bot, parmi lesquels huit mentions d’autres personnes que le bot et cinq réponses à quelqu’un d’autre que le bot. En clair, ce dernier n’a pas réellement suscité de discussions, ou, du moins, pas de discussions mentionnant le bot et récupérables facilement4. Seuls trois tweets mentionnent “bot” ou “robot” dont un par quelqu’un qui connaissait l’expérience.
En faisant une rapide analyse de similitude, on obtient un graphe explicite (ci-contre). Le terme “écrire” domine car souvent repris dans la réponse au bot, mais aussi utilisé par les utilisateurs pris en flagrant délit de mauvaise orthographe pour se justifier. Pour le reste, à l’exception de “mdr” (“mort de rire”), la plupart des mots sont relatifs à des insultes (“aller” pour “va te faire foutre” ou insultes du genre). La perspective de décrire la “mère” du bot comme peu vertueuse relève d’un machisme certain.
Peu d’entre eux semblent avoir compris qu’ils parlaient à un bot, qu’ils n’y avait pas réellement d’humains au bout de la ligne. Peu d’entre eux ont cherché à savoir ce qu’était ce compte twitter.
Pourquoi les réponses étaient-elles aussi violentes? Voici peut-être quelques pistes:
- la plupart des profils des utilisateurs montrent que les répondants sont jeunes, souvent au lycée (le bac et les cours de Français sont régulièrement mentionnés);
- la plupart suivent et sont suivis par relativement peu de personnes mais discutent beaucoup: le bot a été considéré comme fortement intrusif, intervenant dans des discussions de communautés petites mais très soudées;
- l’utilisation de fonctions basiques de twitter (bloquer un utilisateur, le dénoncer comme spam, etc) ne semble pas être très connue. Du coup, l’insulte remplace la demande de blocage de l’utilisateur.
Les conclusions que je tire de cette expérience sont les suivantes:
- Des personnes appartenant à l’échantillon qui a été victime du bot, peu connaissent les fonctions un peu cachées / poussées de twitter;
- Twitter favorise aussi la constitution de petites communautés soudées – cela relativise tous les discours relatant “ce qui se passe sur twitter”;
- La distance par rapport à l’outil est faible;
- Peu de gens de l’échantillon comprennent qu’ils parlent à des algorithmes.
Ma première impression est que cette génération de “facebook natives”5 n’est tout simplement pas préparée à l’utilisation des réseaux sociaux. C’est une impression, non une conclusion scientifique6. Est-ce un problème lié à la manière dont nous enseignons (ou plutôt pourrissons) les outils numériques? Je ne sais pas.
Tout ce qui est lié à l’éducation est toutefois corrigeable. Nous apprenons tous les jours, et c’est tant mieux. Les “victimes” de mon bot sont jeunes et finiront, on l’espère, par comprendre7.
La dernière de mes conclusions est bien plus inquiétante. Nous sommes confrontés tous les jours à des algorithmes. Quand nous appelons une centrale téléphonique. Quand nous entrons dans notre voiture et que nous la démarrons. Quand nos données sont récupérées, moissonnées par divers organismes, aux intentions diverses. Nos interlocuteurs, plus ou moins directs, sont régulièrement des algorithmes. Ne pas le comprendre me semble dangereux.
- J’ai simplement utilisé un service web qui permet de confectionner des bots en quelques minutes [↩]
- Ce qui est normal, dans la mesure où son comportement allait à l’encontre des conditions générales d’utilisation de Twitter. Ces règles vous permettent de tenir des propos racistes sans être inquiété par Twitter, mais vous empêchent de corriger les fautes d’orthographe des autres. [↩]
- Toutes mes excuses à ceux qui parlaient créole, car pour eux l’orthographe était juste. [↩]
- J’ai regardé rapidement: il y a eu quelques discussions sur le bot, sans qu’il ne soit mentionné. [↩]
- Voir l’interview d’Olivier Le Deuff sur les naïfs du numérique [↩]
- Et je crois que danah boyd me contredirait [↩]
- Leur orthographe est plus inquiétante – mais ils peuvent écrire n’importe comment sur Twitter, ce qui fait probablement partie de la “culture” de ces petites communautés, et bien écrire par ailleurs. Ou pas. [↩]

Retour sur une expérience de collecte de tweets
Cela fait quelques temps que les réseaux sociaux m’intéressent. J’ai commencé à collecter quelques données issues de twitter pour des conférences, notamment ici. La possibilité de récupérer – dans ce cas-là – des tweets qui ont formé des conversations parallèles à une conférence est très appréciable. C’est une archive de la conférence, qui restitue des discussions en complément de la publication des contributions.
L’outil que j’avais alors utilisé1 est toutefois limité, par son utilisation de Google Drive mais aussi par l’API de recherche de Twitter, qui ne permet pas de récupérer plus de 1500 tweets à la fois sur quelques jours (une semaine). Au delà de 6000 lignes, Google Spreadsheets a de grandes chances de voir ses capacités dépassées2.
Pendant la campagne présidentielle française, il y a un an, voyant l’incroyable flux de tweets émis pendant le débat Hollande-Sarkozy3, j’ai essayé de les capturer. Résultat des courses: 1% des tweets récupérés et ma clé twitter bannie pour non respect des conditions d’utilisation de ce réseau social. Un corpus inexploitable.
J’ai depuis cherché et trouvé le framework PHP 140dev, qui utilise non l’API de recherche mais de streaming. On peut récupérer nettement plus d’éléments, mais on ne peut faire de recherche, c’est-à-dire fouiller les sept jours précédents. J’ai pu collecter ce qui se disait sur la loi ouvrant le mariage aux couples homosexuels. Le corpus a intéressé Fred Pailler, sociologue, qui l’évoque sur son blog.
En conséquence, il a fallu passer à un niveau moins artisanal. J’ai doublé mon serveur – l’API de twitter et 140dev n’étant pas parfaits, mon serveur plantait régulièrement – et Fred Pailler a mis en place de son côté sa propre collecte. Même avec trois serveurs, nous avons connus quelques problèmes, mais, dans l’ensemble, nous avons pu récupérer plusieurs gigas de données, en étendant la recherche à une dizaine de mots-clés.
Si l’on n’arrive pas à collecter les bons #hashtags au bon moment, il n’existe que peu de solutions pour compenser les manques du corpus. S’il existe une archive de tous les tweets émis depuis la création du service, hébergée à la Library of Congress, mais qui est pour le moment inexploitable. On peut faire appel à des services privés (des entreprises qui ont un accès – payant – à une API spécifique de twitter) pour récupérer les données mais le coût est conséquent, comme le raconte Melissa Terras.
Autre problème: que deviendront les données collectées? Ces gigabytes de données risquent de se perdre – d’abord parce que mon serveur finira par mourir, ensuite parce que, même sauvegardée, ces données finiront par échouer sur un disque dur dont je vais oublier l’existence. C’est aussi un problème d’accès libre aux données de la science4. Si l’on perd le corpus, l’article qui l’a exploité est moins rigoureux.
Tous ces problèmes ne sont pas équivalents. De plus en plus de plateformes liés à la recherche permettent – ou permettront – de pérenniser des données. La bibliothèque du congrès archivant twitter, les chercheurs finiront par y accéder. Mais après un délai relativement long, vraisemblablement, ce qui ne peut pas satisfaire les sociologues (mais pas non plus certains historiens) qui étudient des sujets récents. Il ne me semble pas raisonnable de travailler sur, par exemple, un débat parlementaire sans regarder les réseaux sociaux si les débats s’y reportent, ce qui est le cas pour la loi en cours de vote au Parlement sur le mariage.
Il n’existe pas de plateforme d'”alerte” permettant de signaler des données qu’il faudrait capturer sur un sujet important, en dehors, peut-être, de ce que fait la BnF qui, assurant le dépôt légal des sites web, indexe le domaine “.fr” et peut, sur demande, indexer un site précis. Peut-être devrions nous réfléchir à une telle plateforme pour les sciences humaines et sociales (ou, chers lecteurs, signalez-moi si elle existe).
Quelles sont les quelques leçons que l’on peut tirer de cette expérience?
- La solution à adopter (notamment le type d’API utilisée) doit être adaptée au nombre de tweets à récupérer et à la durée de collecte;
- Il faut anticiper, monitorer les mots dièse (enfin, hashtags) pour avoir le corpus le plus complet possible;
- Il faut plusieurs serveurs pour éviter les risques de pertes ou, plutôt, de non-collecte de tweets;
- Il est impossible de savoir si le corpus contient tous les tweets contenant un ou plusieurs hashtags / mots clés;
- Il faudrait disposer d’une sorte de stockage pour les données, afin de préserver les corpus de données fondant nos articles scientifiques
Une fois le corpus collecté et stocké dans une base de données, peut alors commencer l’étude du corpus ainsi constitué, par divers moyens: analyse de texte, visualisation réseau, etc. Là aussi, une certaine prudence s’impose, sur le nettoyage des données. Garder un journal de toutes les opérations faites, dès le début de la collecte et jusqu’à la fin du travail sur le corpus, est particulièrement utile.
Pour ma part, la rapide analyse de texte faite sur le corpus centré sur les manifestations opposées à cette loi montre d’abord une opposition politique à la présidence de la République et ensuite une préoccupation affirmée pour les enfants5.
- TAGS de M. Hawksey – à l’époque dans une version 3, aujourd’hui en version 5 [↩]
- D’autres systèmes de collecte des tweets utilisant l’API de recherche existent: R et son paquet TwitteR ou encore NodeXL, une très bonne macro pour Excel. [↩]
- Un article d’Atlantico – dont je n’ai pas retrouvé trace – estimait le flux à 600 000 tweets [↩]
- Mais Fred Pailler a probablement résolu ce problème. [↩]
- J’attire l’attention sur le fait que c’est une analyse très rapide, recouvrant des événements assez variés sur la période février-avril), et avec un nettoyage des données assez relatif – notez la présence de “this” qui est un résidu d’URLs. [↩]
Avant, j’aimais la politique. Mais ça, c’était avant.
Le 20 janvier 2009, Barack Obama est investit pour devenir le 44e président des États-Unis d’Amérique. Le comité qui a préparé cette cérémonie d’investiture a sélectionné Microsoft et sa technologie Silverlight1 pour la retransmission de l’événement sur le web. Parmi les “innovations” de Microsoft, une image géante de l’inauguration, composée de plusieurs centaines de photographies envoyées par des personnes ayant assisté à l’événement2.
Sur Twitter, un historien “numérique”, Dan Cohen, s’étonne: pourquoi avoir braqué les appareils photographiques sur la tribune et non sur la foule3? Son étonnement se justifie pour deux raisons:
- Ce type d’événement est déjà très bien documenté. Les historiens n’auront pas de mal à en trouver et à en interpréter les traces. Pour preuve, la biographie de F. D. Roosevelt par Kaspi, qui décrit précisément l’investiture du Démocrate4;
- Les nouvelles technologies nous donnent les moyens – notamment avec ce que les usages historiens du crowdsourcing ou des réseaux sociaux – de nous pencher sur la – ou plutôt “les” – multitudes. Pourquoi continuer à ne s’intéresser qu’à des personnalités, certes connues et puissantes5 ?
Certains ont compris comment les données dont nous disposons – par exemple sur les réseaux sociaux – nous permettent d’analyser ce qui restait encore hors de notre portée il y a quelques années6. Dans le monde du journalisme, l’émergence du journalisme de données – en France, notamment, OWNI et leur exploitation des données publiées par Wikileaks – exploite également ces nouvelles données, disponible pour une – nous l’espérons – meilleure compréhension de notre monde7.
Pour les historiens, l’enjeu n’est pas faible, puisque nous parlons ici de la préservation de ces données d’une part, de leur exploitation pour nos travaux futurs d’autre part.
Mais les personnes, chercheurs ou journalistes, qui souhaitent exploiter ces données me semblent encore peu nombreux. Par manque de volonté? Peut-être également par manque de compétences. Le “coût d’entrée” pour appartenir au club de ceux qui peuvent le faire est élevé8, bien que de nombreux programmes plutôt simples d’utilisation fournissent des outils élémentaires d’analyse des données. Zotero, par exemple, permet des visualisations simples, surtout s’il est couplé à ce que l’ont peut apprendre grâce au projet The Programming historian9.
Il est aussi facile de rester sur ses habitudes – et parfois, d’ailleurs, cela suffit. Il y a également de lourdes appréhensions méthodologiques. Parmi les techniques utilisables pour exploiter un corpus issu des réseaux sociaux, par exemple, figure l’analyse des “sentiments” et l'”opinion mining”, techniques souvent contestées10. Mais il faut investiguer, expérimenter, accepter de se tromper pour pouvoir dégager les bonnes méthodologies qui nous permettront d’exploiter ces données géantes dans le cadre de nos recherches.
Ah oui, le titre de ce billet de blog. Il fait référence à ce qui m’a, ce matin, inspiré ce court article. Revenons au tropisme évoqué en introduction: nous nous orientons souvent trop facilement vers des personnalités connues plutôt que vers les multitudes. Hier, aujourd’hui, nos radios, nos télévisions, nos canaux d’information ont été envahis par des commentaires de journalistes, de politiques, de “people” sur un seul petit message publié sur le réseau social Twitter. En parallèle, peu de journalistes se sont réellement penchés sur un événement intéressant: le flux des messages sur ce même réseau social lors du débat entre les deux candidats, François Hollande et Nicolas Sarkozy, entre les deux tours de l’élection présidentielle d’avril et mai dernier. Bien sûr ces quelques 600 000 tweets (environ) étaient issus d’une population vraisemblablement pas représentatives de la population française dans son ensemble. Des dizaines de milliers de Français ont participé à ce flux. Et? Quasiment rien. Pas d’analyse11.
Avant, j’aimais la politique (politicienne). Mais c’était avant. Avant les réseaux sociaux.
- Le site où était retransmis l’événement en direct n’existe plus [↩]
- En collaboration avec CNN [↩]
- Malheureusement, je n’ai pu retrouver la trace du tweet [↩]
- Kaspi, Andre. Franklin D. Roosevelt. Fayard, 1988. Print. [↩]
- Howe, Jeff. « The Rise of Crowdsourcing ». Wired juin 2006. Web. 10 oct. 2008. [↩]
- Voir l’article de A. Casili et P. Tubaro sur les émeutes britanniques de 2009: Casilli, Anotonio A., et Paola Tubaro. « Censure des médias sociaux: éléments pour une sociologie des émeutes britanniques ». Owni 19 août 2011. Web. 13 juin 2012. [↩]
- Sur le journalisme de données: Gray, Jonathan, Liliana Bounegru, et Lucy Chambers. The Data Journalism Handbook. O’Reilly, 2012. Web. 13 juin 2012. [↩]
- Et j’avoue que moi-même suis à un stade encore très balbutiant pour le moment [↩]
- Turkel, William J., et Alan MacEachern. The Programming historian. 1re éd. NiCHE: Network in Canadian History & Environment, 2007. Web. 15 sept. 2008. [↩]
- Voir Lohard, Audrey, et Dominique Boullier. « Avant-propos ». OpenEdition Press. OpenEdition Press, 2012. press.openedition.org. Web. 13 juin 2012. [↩]
- J’ai personnellement tenté de “capturer” ce flux, mais en vain: les outils que j’ai utilisé n’étaient pas les bons. Au final – et en faisant vraisemblablement une entorse au conditions d’utilisation de Twitter – je n’ai obtenu que moins de 6000 tweets. Si ces données intéressent quelqu’un, il est possible de me contacter sur Twitter – @inactinique. [↩]