Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Première note d’une petite série sur “Obamacare” (avant un texte plus long)

Un récent article très renseigné d’Anne-Laure Beaussier permet de rentrer dans le détail de la réforme du système de santé américain sous Barack Obama. Il faut s’accrocher pour passer certains aspects du processus, comme celui qui explique très rapidement l’application et les conséquences des Byrd Rules pour accélérer la procédure législative. L’article fourmille de détails, comme cette chouette technique de lobbying : s’adresser aux soutiens d’une réforme en leur annonçant qu’elle va échouer, en espérant qu’ils se retirent par anticipation. Ça ne marche clairement pas à tous les coups, mais c’est quand même plus honnête que d’annoncer un parricide de masse par euthanasie fédérale (l’immense avantage du Parti républicain étant de pouvoir s’autoriser toutes les stratégies à la fois, même celles qui vont un peu plus loin que les faits).

Les conclusions principales du texte portent sur la modification des règles du jeu législatif : ce jeu est suffisamment dynamique pour permettre aux partis de gouverner sous des règles en partie inédites, ce dont les Démocrates ont su se servir pour sécuriser les ressources nécessaires au vote de la réforme, après obtention du soutien des industries concernées. L’opposition parlementaire n’a pas pu y faire grand chose, d’autant plus qu’elle s’est largement faite dépasser par sa droite au passage, en réaction précisément au fonctionnement même du jeu législatif, comme le suggère très justement Anne-Laure Beaussier.

Quelques dimensions supplémentaires de la réforme appellent à trois courtes remarques. De par son cadrage, l’article élude en grande partie la dimension raciale du système politique américain, alors que le degré de polarisation raciale des soutiens et opposants joue un rôle dans le phénomène de radicalisation de la compétition partisane décrit en fin d’article (sur ce sujet, voir les analyses récentes de Michael Tesler). Il faut ensuite se demander si la radicalisation du Parti républicain, qui pré-date la réforme du système de santé, va avoir des conséquences sérieuses sur l’élection présidentielle de cette année (en bref : c’est possible, vu que Romney ne semble pas prédisposé à se déplacer vers le centre). Il faut enfin se demander si cette réforme change la donne au niveau institutionnel, qui est déterminant pour universaliser un système de soins. Il n’est pas garanti que la réforme existe encore l’année prochaine, même si le risque diminuera avec le temps ; tout ceci est donc à prendre avec des pincettes historiques.

Je vais essayer de revenir point par point sur cette réforme, pour en faire quelque chose de plus long à terme. Le quelque-chose-de-plus-long apparaîtra éventuellement ailleurs, si ça plaît à la rédaction.

Synthétiser l’évolution socio-démographique des 36 000 communes françaises depuis 1968

Dans le cadre de ma thèse portant sur le vote pour le Front national en région PACA, je me suis posé la question de savoir si la trajectoire socio-démographique d’une commune influe sur le niveau du vote FN dans cette commune. En d’autres termes, la manière dont les effectifs des différentes catégories socio-professionnelles évolue au cours du temps a-t-elle un impact politique ? Spontanément, je tendrais à faire l’hypothèse que oui. On peut imaginer plusieurs mécanismes reliant les deux phénomènes : par exemple, que l’évolution locale objective de la structure sociale influe sur la perception subjective de l’évolution de la société par les habitants d’une commune. Ou encore, que le déclin numérique de la classe sociale à laquelle on appartient induit un sentiment de déclin généralisé. Il y aurait bien évidemment encore bien d’autres hypothèses possibles.

En réalité, j’avais déjà examiné cette question dans une communication que j’avais faite au congrès de l’AFSP, en 2009. J’utilisais la variable de l’évolution socio-démographique de la commune comme variable indépendante dans des modèles multi-niveaux ayant pour variable dépendante le vote en faveur du Front national. Mais, déjà lorsque j’avais rédigé ce texte, je n’étais pas très content de la manière dont j’avais procédé.

En effet, habitué à manier des variables quantitatives continues (l’habitude de travailler sur des données agrégées…), je cherchais à avoir ce type de variable. En partant de la composition de la population active par catégorie sociale (nomenclature CS en six positions) à tous les recensements de 1968 à 1999, j’avais estimé un modèle multiniveau de croissance pour chaque CS. Ce modèle est un modèle linéaire – c’est là mon premier souci : rien ne permet de penser a priori que les évolutions socio-démographiques, sur une durée de trente ans, sont linéaires. Un groupe social peut croître puis décroître, la croissance d’un autre peut être exponentielle plutôt qu’arithmétique. J’avais bien envisagé de faire une modélisation quadratique, mais je me sentais beaucoup moins à l’aise pour utiliser ces coefficients comme variables par la suite, car leur interprétation est moins directe.
Les coefficients issus de cette modélisation linéaire multiniveau (12 coefficients par commune tout de même) étaient ensuite passés à la moulinette d’une ACP, afin d’en dégager les dimensions les plus significatives (toujours le même problème d’ordonner et synthétiser des données trop abondantes pour être interprétées). La position de chaque commune sur les trois premières composantes issues de l’ACP étaient ensuite utilisée comme variable explicative dans le “gros” modèle multiniveau. Cette analyse donnait des résultats substantiels, mais demeurait pourtant problématique. Outre le problème de la modélisation linéaire déjà évoqué, les données sont fragiles : elles sont issues de l’exploitation complémentaire du recensement, c’est-à-dire d’un sondage au quart. Ce qui signifie que, dans les petites communes au moins, les données sont très bruitées. La procédure que j’ai utilisée ne supprime pas ce bruit. Ce n’est pas dramatique en soi, car s’il y a du bruit, il n’y a pas de biais, mais ça diminue la puissance explicative (ou prédictive, comme on voudra) de cette variable indépendante. De plus, c’est une procédure très analytique, qui étudie les effets distincts de plusieurs composantes de l’évolution socio-démographique des communes, mais sans permettre facilement de revenir à des cas typiques, des sortes d’idéal-types permettant d’appréhender quelques profils d’évolution. Plus je vais et plus je tends à préférer les procédures permettant de comparer les effets de quelques cas plutôt que donnant des coefficients abstraits – l’influence d’Andrew Gelman et Gary King, sûrement.

En revenant sur cette question durant la rédaction de ma thèse, je me suis dit qu’il serait sans doute plus simple, et plus intéressant substantiellement, de dégager quelques types de trajectoire socio-démographique des communes. Je n’avais pas d’outil précis en tête, alors j’ai un peu farfouillé, notamment du côté des analyses de séquence en histoire. Mais, pour ce que j’en ai compris – corrigez-moi si je me trompe, amis historiens ! -, ce type d’analyse ne s’applique qu’à des variables qualitatives, discrètes. Ca ne faisait donc pas mon affaire. J’ai aussi été voir du côté de la modélisation de classes latentes, mais je ne suis pas très à l’aise avec les équations structurelles, donc tant que je ne les comprendrai pas mieux, je ne les utiliserai pas.

Et puis je me suis dit qu’il suffisait de faire simple. J’ai donc décidé de calculer, sur chaque période intercensitaire, un taux de croissance pour chaque CS (sur la base des effectifs absolus). Ensuite, il suffit de faire tourner une procédure classificatoire sur ces variables. Facile, a priori. Sauf que mon premier réflexe a été de recourir à une classification ascendante hiérarchique (CAH), notamment en raison de sa proximité méthodologique avec l’analyse géométrique des données (le directeur de mon labo, Frédéric Lebaron, en est un des spécialistes, donc je suis tombé dedans quand j’étais petit). Sauf que… c’est une méthode relativement lourde d’un point de vue computationnel (O(n3), je crois), et ni mon ordinateur personnel, ni une instance Amazon avec 16 Go de RAM ne s’en sortis. J’ai donc changé mon fusil d’épaule, et j’ai essayé une K-means (vous connaissez une bonne traduction française pour cela ?). Mais, outre la difficulté classique (et facile à résoudre empiriquement) de savoir combien de classes il faut chercher, cette procédure ne convient pas en l’espèce car les effectifs des classes produites sont très dissemblables – l’algorithme est très sensible aux outliers, et comme les données sont fortement bruitées… En cherchant, j’ai découvert l’existence d’un autre algorithme, les K-médoïdes. L’idée est globalement la même que celle consistant à substituer la médiane à la moyenne comme mesure de centralité : c’est un algorithme plus robuste, moins sensible aux outliers. Exactement ce qu’il me fallait… Seul inconvénient : c’est plus gourmand en temps de calcul que les K-means (presque deux heures sur une instance AWS avec 16 Go de RAM, sur un tableau de 36000 lignes et 60 colonnes). Et puis, comme les K-means, ce n’est pas un algorithme déterministe, donc idéalement il faudrait l’estimer plusieurs fois, mais vu le temps de calcul requis, on s’en passera.

Une fois que j’ai dégagé mes classes, il n’y a plus qu’à les analyser. Pour cela, le plus simple est de les visualiser. On peut faire de l’ACP (là aussi, il va falloir tricher un peu, car l’ACP est aussi intense computationnellement ; un moyen est de faire une K-means dégageant, mettons, 1000 groupes, et d’ensuite faire l’ACP sur les centres de ces groupes – on perd de fait très peu d’information), mais en l’occurrence je n’ai pas trouvé cela très parlant. Je préférais voir, vraiment, les différentes trajectoires. Après avoir tâtonné un peu (oui, ça a beaucoup tâtonné, cette histoire…), j’ai décidé de tracer une courbe par CS par groupe. Avec R et ggplot2, ce n’est pas trop compliqué de faire ça à peu près proprement. Et voilà le résultat (cliquez sur l’image pour la télécharger en pdf) :

Maintenant, reste à interpréter… mais c’est une autre histoire !

Les données de l’INSEE utilisées pour l’analyse sont , et mes données et mon code complets pour dupliquer l’analyse sont sur mon github (poke François !).

Si vous avez en tête d’autres manières de mener ce genre d’analyse, dites-le moi en commentaire !

EDIT : j’ai oublié de préciser deux choses, nécessaires à la compréhension du graphique :

  • Le jeu de données de l’INSEE que j’ai utilisé ne concerne que les actifs de 25 à 54 ans (en raison de changements méthodologiques au fil du temps), et distingue entre chômeurs et actifs occupés. La tranche d’âge concernée explique le faible niveau de chômage.
  • J’ai ajouté aux graphiques, outre la moyenne, les 1er et 3e quartiles, afin de visualiser la dispersion interne à chacun des groupes. Comme la moyenne a été pondérée par la population active des communes, elle peut parfois ne pas être comprise entre les 1er et 3e quartiles – ou pourquoi la moyenne n’est pas toujours un bon indicateur de centralité…

À quelle vitesse le personnel ministériel met-il les voiles ?

Le magazine Acteurs Publics fournit une actualité assez complète des mouvements de personnel dans les cabinets ministériels, et le magazine OWNI en a fait une infographie ainsi qu’un jeu de données facile à exploiter.

L’échantillon n’est pas très compliqué : un peu plus d’une centaine de départs ont été observés entre le début de l’année et la date du premier tour de l’élection présidentielle. Sans complément d’information sur ce qui s’est passé après le 6 mai 2012 pour le reste des personnels, il est difficile d’en tirer un modèle cohérent. Il y a quelques grands types de mobilité observables :

La modélisation ne donne rien de significatif car les données sont trop pauvres pour sérieusement estimer chaque variable (il faudrait coder les “négatifs”, c-est-à-dire les gens qui restent en poste). Les départs vers les grands corps sont beaucoup plus rapides, de même que ceux depuis Matignon, mais l’échantillon est trop faible pour considérer sérieusement les résultats. Enfin, la fonction de départ ne montre aucune différence entre conseillers et directeurs :

La courbe représente une fonction de survie qui modélise le départ des conseillers ministériels de la même manière que le divorce dans un couple ou le décès au cours d’une maladie. L’exemple du départ des conseillers est assez trivial, mais on peut faire tourner ces modèles sur d’autres aspects du personnel politique. Un complèment aux méthodes d’analyse des carrières.

Analyse textuelle et professions de foi en science politique : “beta in progress”

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 :

La suite sur Iramuteq !

Une dernière pour la route

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.