Découvert grâce à un commentaire de Claire Lemercier en rapport à une conférence d’analyse textuelle, Iramuteq pose une interface logicielle libre sur des librairies R pour faire de l’analyse textuelle, et notamment pour répliquer l’algorithme d’Alceste. Voici un graphe de cooccurrences réalisé à partir de quelques professions de foi pour le prochain conseil d’administration de l’Association française de science politique :
Une dernière avalanche de courbes sur les premiers tours, avec les données :
Je m’étais également promis de faire un peu de publicité à la conférence “La fabrique de la loi”, dont j’ai parlé ici en rapport à un projet d’extraction de données sur la production législative. Depuis, j’ai eu quelques retours de doctorants intéressés : manifestez-vous dans les commentaires, et quand on sera assez nombreux, on formera un parti de masse—ou peut-être juste un séminaire de recherche. À l’étranger, j’ai trouvé des scrapers pour l’Union européenne et le Congrès américain.
Les outils de web scraping et de text mining ont d’abord été appliqués à la production législative outre-Atlantique mais il y a également un public en France pour ces initiatives, fondées sur la transparence et l’ouverture des données. On parle du même milieu qui a porté, selon les époques, les licences libres ou Creative Commons, et qui s’est opposé à la loi DADVSI puis encore plus visiblement à la loi HADOPI. Côté recherche, je n’ai aucune idée de ce qui se fait hors de projets connexes comme Comparative Agendas, mais j’ai commencé un papier récent pour voir un peu ce qui se fait en dehors des frontières.
Du côté de la lexicométrie, cet intéressant projet de journée d’étude avec des applications de l’analyse de texte à la sociologie. J’ai posé une question sur les logiciels Alceste et Lexico, parce que je ne sais pas trop ce qui se fait ni où ça en est, mais il me semble que les approches non-paramétriques ont gagné du terrain, et qu’on peut désormais faire pas mal de choses avec R en matière de text mining. R présente aussi l’avantage d’être disponible pour d’autres tâches liées : web scraping, analyse de réseau des interlocuteurs (façon DNA), bref, ce que vous voulez. Et c’est libre.
Il y a un peu de tri à faire dans tout ce fatras : par exemple, je suis assez peu convaincu des résultats du wordscoring en général, et les données Comparative Manifestos ne me convainquent pas beaucoup non plus. Cela signifie juste qu’il y a beaucoup à faire, en lien avec les recherches qui peuvent exploiter ces données et les résultats d’analyses statistiques appliquées à la production (textuelle ou pas) des parlements.
À partir du recensement à 44.3 millions d’inscrits et des chiffres du Ministère de l’Intérieur, ce croisement de courbes authentique, où la droite et du centre se cassent la figure :
Entre 2002 et 2012, le corps électoral a augmenté d’environ 3.1 millions d’électeurs, mais la participation est apparemment en léger recul, vers 35.5 millions. C’est le moment de regarder quelques soldes par parti :
Il y a 5.2 millions de nouveaux électeurs socialistes au premier tour en 2012 par rapport à 2002. C’est le meilleur score de croissance brute, loin devant l’UMP (3.6 millions) et le Front national (1.5 million). Le PS et le FN sont les seuls partis à gagner des électeurs sur chaque élection présidentielle. Un seul parti se contente d’en perdre (LO).
François Bayrou vient de se prendre la baffe électorale des dix dernières années, avec 3.7 millions d’électeurs en moins. L’UMP a perdu 2.1 millions d’électeurs au premier tour en 2012 par rapport à la dernière élection, ce qui est conséquent, mais moins impressionnant que le score de croissance du FN sur la même période (+2.5 millions).
Il y a actuellement 1.1 million de voix d’écart entre les partis divers-gauche et l’extrême-droite, et 420 000 voix entre l’UMP et le PS, à l’avantage du dernier. Sur le papier, ça se joue dans un mouchoir de poche ; en pratique, en intégrant les reports de voix, l’UMP aurait besoin de convertir des électeurs d’extrême-droite en électeurs centristes pour gagner.
Maintenant, vous pouvez aller rigoler sur mes prévisions.
Avant d’aller voter (ou pas), vous pouvez désormais vous reposer, ou bien bouquiner un peu :
On Sunday 22th April and Sunday 6th May 2012 the French people will be going to the polls to vote for the next president of the Fifth Republic of France.
Routledge has put together the following collection of journal articles on a selection of key themes, considering the main election issues, presidential candidates and the broader political impact of these elections.
Please click on the titles below to gain access to the article.
Ce billet signe la fin provisoire de ma micro-vendetta sur le sujet, mais je sais déjà qu’elle recommencera bientôt.
Les paragraphes suivants sont tirés d’un brouillon rédigé à l’issue des primaires socialistes. Je ne publierai pas les deux pages en entier, mais juste cet extrait, qui contient mes prévisions électorales de pré-campagne :
Comme je suis (au mieux) inexistant en sociologie électorale, je peux même lâcher des pronostics hasardeux et auto-référentiels sans m’en vouloir : PS 25% + DVG 20%, UMP 20% + DVD 20%, FN 15%. Je suis incapable de chiffrer précisément les électorats, mais je ne conçois pas l’écologie pacifiste de combat à moins de 7.5% et le candidat centriste historique qui file des gifles aux gamins des rues à moins du double, vers 15%. Je ne sais pas si cette caricature est compatible avec ce que l’on sait sur les alignements partisans sous la Cinquième République, mais il y a des électoralistes sérieux, dans ma paroisse et ailleurs, qui planchent dessus.
Concrètement, la droite me semble avoir deux options en dehors de la capitulation : fonder un parti de centre-droit à l’image des coalitions nordiques ou allemande, ou assumer une droite plurielle avec l’extrême-droite à l’image du bilan présidentiel actuel. Je ne vote pas à droite, mais je pense préférer Merkel à Guéant. Ça n’a pas l’air d’être la stratégie poursuivie à droite. Peut-être le réservoir de voix du parti est-il plus conséquent que je ne me l’imagine.
J’étais au café à Roubaix quand j’ai rédigé ces lignes, alors que les médias commentaient la sanction électorale des militants socialistes : Thierry Mariani n’était pas content, et Nicolas Baverez hurlait en gesticulant autant que les micros-cravattes le permettent, mais je crois qu’il fait tout le temps ça de toute manière. La présentateur a vite enchaîné avec Jack Lang et la grève des enseignants, puis François Chérèque et la gestion du service public. Cet enchaînement me fait réaliser que la dernière fois que les socialistes étaient au pouvoir, il y avait un million de chômeurs en moins.
Bon courage à François Hollande, que je prévois premier aux deux tours avec un score de premier tour légèrement plus bas que celui que j’envisageais à l’époque. Il faut aussi supprimer mon espoir dans Eva Joly, dont les intentions de vote ont été phagocytées par la campagne de Jean-Luc Mélenchon. L’équipe de Nicolas Sarkozy lui a presque rendu hommage en essayant de le rendre plus important que son score prévisionnel, dans une sorte d’aveu que “Mélenchon 2012” aura été l’équivalent de “Sarkozy 2007” en termes de popularité médiatique.
Je maintiens les estimations en l’état, la campagne n’ayant rien modifié de fondamental à mes yeux : il n’y a tout simplement pas assez d’électeurs sarkozystes pour réélire le président sortant. Dans le scenario accidentel d’une victoire de Nicolas Sarkozy, qui partait de plus bas que Valéry Giscard d’Estaing dans les enquêtes de confiance, un scénario de cohabitation à la Marleix est assez crédible, mais ce serait un désaveu cinglant de la réforme du quinquennat. Je ne pense pas que mes estimations seront fausses sur ce point : je pense plutôt me planter sur les voix divers-droite, suite à l’absence (certes prévisible) de concurrence intra-partisane.
Rendez-vous entre les deux tours pour une estimation des réalignements centre-droite, qui peuvent, à mon sens, rendre l’élection présidentielle unique sous la Cinquième République si le centre finit par ne pas voter à droite quand on lui demande d’élire le prochain président. Ce scenario est plus probable que par le passé. On va voir si mes prévisions tiennent la route, mais le lecteur souhaitera peut-être me juger sur plus d’une prévision : je prévois aussi que Barack Obama perdra la prochaine élection présidentielle américaine.
Aperçu dans la description du logiciel Sonal, que je découvre en lisant la newsletter de l’AFS jusqu’au bout :
Sonal est également sur Hypothèses depuis fin 2009. Je n’en ferai rien car le logiciel ne tourne que sur Windows et exporte dans des formats propriétaires, mais longue vie au projet et bravo pour l’esprit, car les logiciels payants sont nombreux sur le créneau de l’analyse textuelle ou lexicométrique, ce qui limite drastiquement les possibilités.
Dans la série “sondages”, cette intéressante correspondance que publie Le Monde dans ses pages intérieures, après avoir titré aussi gros que possible sur le vote d’extrême-droite chez les jeunes il y a quelques jours :
Joël a déjà évoqué le sujet, et ici encore, l’erreur porte sur la méthodologie de l’enquête. Un échantillon d’environ 200 personnes est en effet tout à fait suffisant pour estimer une proportion comme celle du vote des jeunes si l’échantillon est normalement distribué. Le problème vient, encore et toujours, de la composition de l’échantillon, pas de sa taille.
… Mais bon, la messe étant dite, à quoi bon pinailler sur les sources des évangiles :
Il y a plusieurs mois, un étudiant qui avait suivi mon cours de statistiques introductives m’avait signalé le film Moneyball, qui donne un aperçu de ce que sont les sabermetrics aux États-Unis, c’est-à-dire les statistiques appliquées au baseball. Cette pratique est devenue plus qu’une lubie : contrairement au trainspotting, elle a rapidement trouvé des applications commerciales et scientifiques.
L’émission “Place de la toile”, facile à suivre grâce à Twitter via #pdlt et @thibnton, consacrait sa dernière émission à l’introduction des statistiques dans le football. L’émission évoque quelques mécanismes généraux de la quantification du sport, comme la cotation des équipes et des matches ou l’indexation des salaires et des transferts. Les invités évoquent aussi l’introduction des statistiques dans les carnets des entraîneurs et dans les jeux video, le conflit d’autorité avec les mesures qualitatives dans les milieux professionnels du sport (entraîneurs, consultants, médias…). On retrouve beaucoup d’éléments de boundary-work entre amateurs et professionnels.
Je m’en tiens à ce résumé très bref, l’émission se terminant à l’instant. Et c’est probablement mon dernier billet sur le football, mais pas le dernier sur la quantification.
Histoire d’apprendre à jouer avec la commande getURL de la librairie RCurl, j’ai écrit quelques lignes de code pour récupérer une bonne partie du travail législatif accompli à l’Assemblée nationale à partir des projets et propositions de loi. J’ai aussi extrait quelques-unes des caractéristiques pour chaque dossier, et notamment le nombre de débats organisés en séance publique. Les données couvrent deux législatures (2002-2012).
Mon script n’a pas réussi à capturer l’intégralité des travaux à cause des erreurs de codage sur le site de l’Assemblée nationale, mais j’ai réussi à recueillir 405 projets de loi et 261 propositions de loi, introduits soit à l’Assemblée nationale, soit au Sénat. La catégorie modale est le projet de loi introduit à la chambre basse. Les deux législatures sont grossièrement identiques sur l’ensemble des critères étudiés1.
Je vais me servir du nombre de séances publiques tenues sur un même texte comme d’un indicateur de saillance au sein du travail parlementaire. La distribution du nombre de séances est très asymétrique : la plupart des lois ne dépassent pas une à trois séances 2. Les valeurs extrêmes sont tenues par les lois de finances et par certains textes anormalement saillants dans l’agenda parlementaire, pour des raisons qui restent à expliquer :
Dans les 3% des textes les plus programmés en séance publique, donc : le temps de travail des entreprises, la loi “ENL”, la réforme des collectivités territoriales, celle de la prévention de la délinquance, puis les nominations dans l’audiovisuel, le Grenelle de l’environnement… On y retrouve la plupart des projets emblématiques du gouvernement. On y trouve aussi, à mon grand plaisir, HADOPI, et même la loi précédente, DADVSI. Le record, avec trente séances, est tenu par la loi HPST.
En séparant les fonctions de répartition empirique par législature, chambre d’introduction et type d’initiative, on obtient les courbes suivantes (zoomables en PDF : cliquer sur l’image). Les points sur les courbes rouges et bleues correspondent respectivement aux lois DADVSI (12e législature) et HADOPI (13e législature). Chaque courbe utilise un minimum de 104 points.
On peut apercevoir des nuances entre les législatures ou entre les critères institutionnels, mais en réalité, je ne pense pas que la distinction par chambre d’introduction résiste à l’examen, dans la mesure où les règles d’introduction spécifique des textes sont noyées dans des centaines de projets alloués aux deux tiers à la chambre basse. Une fois cette simplification admise, on observe quelques différences entre les critères restants :
La 13e législature organise une séance et demi de plus en moyenne par texte examiné3. Cet effet concerne prioritairement les projets de loi, pour lequel le nombre moyen de séances publiques a plus que doublé après 2007, de 2.2 à 4.74.
L’augmentation des séances sur les propositions de loi est moins importante en volume mais identique en taux de croissance. S’il y a un effet post-2007, il s’exerce sur les projets et propositions de manière égale.
Une régression logistique indique que chaque organisation de séance double la probabilité d’aboutir à la promulgation d’une loi5. L’effet persiste si l’on contrôle par le type (projet/proposition), mais cesse d’être significatif quand on corrige les erreurs standard à l’intérieur de chaque législature6.
Cet indicateur de saillance est tout aussi valable qu’un autre, et ses résultats préliminaires sont fiables : le haut de la distribution est occupé par des lois à forte charge symbolique, où les députés ont soit été très sollicités ou très mobilisés par défaut ; et l’augmentation sous la 13e législature peut s’expliquer de beaucoup de manières.
Mon échantillon est perfectible, tout comme mon code, qui laisse quelques lignes en erreur dans la base. Je ne sais pas si quelqu’un au GEVIPAR ou ailleurs a déjà extrait cette information. Je ne sais pas non plus si ces indicateurs sont mesurés comparativement. La suite : étendre au Sénat, et trouver un manuel d’analyse de corpus législatif, si je parviens à extraire les débats DADVSI et HADOPI de manière satisfaisante.
Je ne tiens pas compte des changements de codage qui font disparaître les rapports publics d’information et d’autres missions sur d’autres pages que je ne souhaitais pas capturer pour ce projet. [↩]
Pour rendre compte de la distribution, on va utiliser une fonction “ECDF” de répartie empirique, plus lisible qu’une estimation de densité par noyau sur une distribution asymétrique dont on souhaite conserver les unités naturelles (ici, le nombre de séances publiques). [↩]
Estimation significative sur un t-test à p < .05, intervalle de confiance [-2.3, -.64]. [↩]
L'intervalle à 95% de confiance sur le sous-ensemble à N = projets de loi est [-3.7, -1.1]. [↩]
La moitié des projets ou propositions ne donne pas lieu à la promulgation d’une loi dans mon échantillon. Je n’ai pas vérifié le codage, mais n’ai aucune raison de ne pas le croire jusque-là. [↩]
Pour être précis, l’effet est significatif à p < 0.1 en contrôlant par le type (projet/proposition), mais reperd en significativité quand on supprime les lois de finance, qui biaisent le modèle. [↩]
Hier soir, “Place de la toile” sur France Culture faisait son bilan provisoire de la “web campagne”. J’ai noté, rapidement et sans intention d’être exhaustif avec les impressions des journalistes présents :
Les sites de vitrine et les sites de mobilisation sont découplés. Les équipes reflètent la rigidité des hiérarchies partisanes, souples (amateurs, militants) ou rigides (élus, conseillers). C’est une manière de redécouvrir les “machines” partisanes, leurs inégalités de ressources et l’importance qu’ils allouent à leur colonne dorsale de permanents et d’élus.
À travers les “timelines” citées, celles de Nicolas Sarkozy et d’Humour de droite, on redécouvre le principe de la chronique parodique, façon “shorter Patrick Rambaud”, ou son ancêtre, le roman-feuilleton. Les réseaux sociaux apportent l’immédiateté, la concision et la compétition autour du “fact-checking”, qui laissent les journalistes professionnels naturellement assez mitigés.
Le “participatif”, façon “Désirs d’avenir” (qui s’auto-parodiait en partie), est très limité, et les effectifs mobilisés par Internet (en tant que “fans”, “likes”, etc.) restent faibles. L’un des invités fait une comparaison rapide avec l’Italie, mais j’aimerais voir des comparaisons systématiquement rapportées à la population ; son analyse est néanmoins crédible, dans la mesure où les partis français sont aussi loin d’être des partis de masse.
Une grande partie de tout ça naît du plagiat entre partis, et aussi de l’imitation avec ce que l’équipe de campagne de Barack Obama avait organisé pour l’élection de novembre 2008, plagié entre-temps par le site Internet de l’Élysée. Cette nouvelle vague de mimétisme est assez amusante, dans la mesure où l’équipe de Barack Obama est en train de tout remettre à plat de son côté pour novembre 2012, avec des modifications très importantes dans sa stratégie “MyBO” (vidéo, mobile, etc.).
Je me tiens au courant de ces changements en observant le suivi des propositions sur Hadopi, qui reste le dossier le plus saillant de la “politique numérique” des partis. Les groupes sociaux qui ont organisé la mobilisation contre les lois DADVSI et HADOPI ont réussi à conserver ce statut d’exception sur Internet au fil du temps, aidés dans ce travail par les rédactions des médias en ligne1.
Pour terminer un billet sur la communication politique, quoi de mieux que cette sublime illustration de l’échange de biens matériels et symboliques autour du vote ? Ça me rappelle les étudiants de mon cours d’introduction à la science politique qui se demandaient pourquoi je passais autant de temps à leur parler d’Alexis de Tocqueville et de Serge Dassault dans les mêmes paragraphes. Je trouve cette rencontre des nouveaux médias avec un garde-champêtre presque septuagénaire baroque et désopilante.
Je cherche à écrire une liste plus systématique de ces rédactions, incluant quelques médias américains qui touchent aussi un lectorat en France, comme Ars Technica, BoingBoing, Gawker, Mashable et Wired. Ma liste inclut Écrans, Owni, Électron Libre, InternetActu, ReadWriteWeb, RSLN et ZDNet, mais surtout, en volume d’activité, Numerama (ex-Ratiatum), PC Inpact et probablement Rue89, qui liste plein de sources. Ma référence favorite reste TorrentFreak, pour son comparatisme engagé, complétée de quelques émissions sur France Culture et de comptes Twitter comme HadopInsiders. [↩]
Cela s’est fait pour la macroéconomie à d’autres occasions. Ces collectifs épistémiques, où le chiffre doit apporter la démonstration des arguments, ont une petite histoire à écrire.
Statactivisme ! Si j’étais jeune et plein d’entrain, je dirais “+1” ou “RT”, mais comme je préfère le café old school, je préfère cautionner à donf++.
Plus sérieusement, si votre thème de recherche tourne autour des processus de quantification d’une manière ou d’une autre, cette conférence promet d’être en plein dans le vif du sujet.
La fabrique de la loi : ouvrir et analyser les données parlementaires, un superbe projet par un ami et des collègues.
Note : signalez-vous si vous avez du code à revendre pour extraire les débats parlementaires ! J’aimerais faire le tour de ce qui se fait à partir du scraping des législatures, avant de travailler sur les débats DADVSI 2005-2006 et HADOPI 2008-2009.
Polit'bistro est un blog lancé en 2009 par Joël et François pour commenter l'actualité de la recherche en science politique, et animer les discussions entre chercheurs dans cette discipline.
Commentaires