La saison de la chasse n’était pas ouverte. Au sujet de Russeurope

Récemment, des scientifiques respectables – au-delà du fait que certains d’entre eux peuvent légitimement aspirer au statut de chercheurs éminents – ont protesté contre la fermeture, par la plateforme qui héberge également le blog que vous êtes en train de lire, du blog Russeurope, rédigé par l’économiste Jacques Sapir.

La « fermeture » du blog n’a pas supprimé ses archives, qui restent disponibles à la même adresse, et partout ailleurs sur Internet où Jacques Sapir aura souhaité reproduire ses billets—ce qu’il a longtemps fait sur un blog hébergé par l’hebdomadaire Marianne. Cette reproduction de billets à l’identique sur deux plateformes aux objectifs très différents vous donne un indice sur ce qui suit, et l’exemple ci-dessous illustre la reproduction à l’identique, fautes d’orthographe incluses :

Ce n’est pas la première fois que je parle du blog de Jacques Sapir : ce billet de mars dernier en parlait déjà. La date de publication du billet vous laisse deviner qu’à l’époque, le Conseil scientifique francophone d’Hypothèses – auquel j’appartiens depuis des plombes – discutait déjà du « cas Sapir ». Cela vous donne une idée de la longueur des débats ayant eu lieu en amont de la décision de fermeture mise en place fin septembre1.

Quelques éléments de discussion

Le billet que je viens de citer contient tout ce que j’avais à dire, à l’époque, sur la distinction savant/politique. Je ne vois rien à y rajouter dans le cadre de l’actuel « débat » – ou plutôt, de l’effusion de réactions sur les réseaux sociaux, et l’on m’accordera, j’espère, que ces deux choses sont différentes, dans la mesure où les coups de sang sur Facebook ou Twitter sont rarement accompagnées d’une preuve que leurs auteurs se sont convenablement renseignés sur l’historique de la décision2.

Deux blogueurs ont réagi, plus en longueur que par des messages laconiques, à la fermeture du blog de Jacques Sapir : Olivier Ertzscheid, hébergé en dehors de la plateforme Hypothèses (et il explique pourquoi), et Éric Verdeil, sur son blog Rumor (merci à Loïc Le Pape pour le signalement des deux blogs).

Ces deux blog ont – chose rare sur les blogs scientifiques – suscité de véritables discussions dans les commentaires de leurs billets : le billet d’Olivier Ertzscheid contient plusieurs commentaires de Sylvain Piron, qui publie régulièrement sur plusieurs blogs d’Hypothèses, et le billet d’Éric Verdeil contient lui aussi différents commentaires, dont un commentaire de Pierre Mounier, ami de longue date et lui aussi membre du Conseil scientifique d’Hypothèses.

Je renvoie à tous ces éléments pour ne pas perdre mon temps à répéter ce qui a déjà été dit et écrit, le plus souvent mieux que je ne serai jamais capable de le faire.

En revanche, je passe sous silence ici celles des défenseurs de Jacques Sapir, dûment rameutés par le blog qui héberge désormais ses billets ; vous aurez tout le loisir de les découvrir par vous-mêmes, dans plusieurs dizaines de versions différentes, voire plusieurs centaines si, comme Marin Dacos (directeur de la plateforme OpenEdition, également un ami) ou son « supérieur hiérarchique » (sic !), vous avez eu l’occasion de les voir se rabattre sur vos coordonnées professionnelles.

Un résumé personnel de la décision

Pour compléter ces éléments, je copie ci-dessous, avec ajustements mineurs, un commentaire que j’ai posté sur mon mur Facebook en réponse au commentaire d’un ami. Je n’ai pas demandé l’autorisation de publier ce commentaire à qui que ce soit, mais ne vois aucune raison valable de ne pas le reproduire en public. Le texte répond à la question : pourquoi suspendre la publication du blog de Jacques Sapir ?

De mémoire, l’hébergement [du blog] n’a posé aucun problème pendant plusieurs années, les contenus n’étant de toute façon surveillés ni avant, ni après publication (le Conseil scientifique n’intervient qu’à la demande d’ouverture des blogs). En revanche, des signalements [de billets inappropriés] sont parvenus [au Conseil scientifique] au moment où Jacques Sapir s’est rapproché du Front national et a commencé à politiser ses billets, avec des « pics » observables aux périodes électorales.

S’il faut un repère plus précis, j’ai personnellement gardé en tête le passage sordide de son blog où Jacques Sapir s’en est pris très directement à un journaliste du Monde, en faisant tout le nécessaire pour rameuter la meute de l’extrême-droite française vers ce journaliste, photo de visage et coordonnées – personnelles ? professionnelles ? je ne sais plus – à l’appui. Ce n’est qu’un exemple, récent, mais je me souviens avoir signalé et examiné d’autres comportements inadmissibles de Jacques Sapir sur son blog [voir le commentaire pré-cité de Pierre Mounier]. Aucun contenu n’ayant été censuré, sinon par Jacques Sapir lui-même, [le lecteur pourra] retrouver tout ça sur son blog.

Je pense pouvoir dire, sans trahir la confiance du Conseil scientifique, que le délibéré dudit Conseil a pris suffisamment de temps pour que les problèmes évoqués ci-dessus ne soient pas traités de manière légère ou épidermique, mais ont bien donné lieu à un débat contradictoire (dont je ne me souviens plus du détail, sinon que [plusieurs amis ou connaissances siégeant au Conseil scientifique d’Hypothèses] y avons pris part, avec des avis différents), et à un délibéré indépendant de la direction de la plateforme, en la personne de Marin [Dacos], qui confirmera ou infirmera mon souvenir de la chose, et qui corrigera aussi peut-être un élément de la discussion : le Conseil scientifique (où je siège) n’est pas responsable de la suspension du blog—c’est l’équipe d’OpenEdition qui a pris cette décision, sur avis, et après consultation et délibération, dudit conseil.

Ce que j’appelle « billets inappropriés » dans mon annotation ci-dessus a, je le rappelle, déjà fait l’objet d’un billet précédent.

En revanche, ce que j’appelle « billets inadmissibles » est d’un autre ordre. Plus haut, je fais allusion à une opération de « rameutage », cette opération de guidage d’une meute vers un gibier généralement inférieur en nombre. Dans le cas de Marin et de son « supérieur hiérarchique » (je rigole encore de l’expression), il s’agit d’un rameutage sur des coordonnées et des « hiérarchies » professionnelles, et l’on devra admettre qu’il puisse s’agir d’une opération menée « de bonne guerre », comme cela peut se dire.

Néanmoins, lorsque le rameutage se fait menaçant et se fonde sur des éléments de la vie privée des individus-devenus-gibiers, comme ce fut le cas lorsque Jacques Sapit prit l’initiative de publier, à plusieurs reprises, le portrait du journaliste du Monde cité plus haut, on rentre dans la catégorie du doxing, du téléguidage malsain, et des incitations, à mon sens, inadmissibles.

En réponse aux futures objections

Pour terminer, un message aux lecteurs de ce billet qui souhaiteront peut-être m’objecter :

  1. que je n’ai pas d’humour (noir)
  2. que je prends les choses trop à coeur
  3. que le visage d’un journaliste fait partie de ses coordonnées professionnelles
  4. que tout ce qui est public au sujet d’un individu doit pouvoir être librement réutilisé
  5. et que n’importe laquelle des objections ci-dessus est suffisante

Je répondrais :

  1. lolwat
  2. C’est vrai dans certains cas.
  3. lolwat
  4. lolwat
  5. C’est vrai, mais lolwat.

Pour conclure, désormais.

Ce billet fournit les éléments qui m’ont personnellement amené à estimer légitime l’arrêt de la publication des billets de Jacques Sapir sur la plateforme Hypothèses. Peut-être s’agit-il, comme objecté au point 2 ci-dessus, d’une position déséquilibrée ; néanmoins, ayant largement eu le temps de la formuler au sein du débat contradictoire évoqué plus haut, je pense pouvoir éliminer cette objection dans le cas présent.

Le reste des membres du Conseil scientifique francophone de la plateforme, de même que la direction de la plateforme, ont produit d’autres motifs. Néanmoins, de mon point de vue, Jacques Sapir a, au moins une fois, versé dans le « rameutage » tel que défini plus haut, et personnellement, ce seul élément me suffit.

Car sur une plateforme de blogs scientifiques, la saison de la chasse n’est jamais ouverte.

Il ne me reste qu’à souhaiter à Jacques Sapir d’aller pratiquer ses méthodes d’établissement du débat d’idées où bon lui semble, et de préférence, ailleurs que là où l’on me demandera mon avis sur ces méthodes.

  1. Quant au billet que vous êtes en train de lire, il a été rédigé en fin de semaine dernière, dimanche 8 octobre ; comme souvent, je rédige mes billets quelques jours avant leur publication, afin de jeter un dernier coup d’oeil avant publication effective. []
  2. J’emploie le terme « historique » à dessein, ne serait-ce que pour me détacher de l’ironie qui veut que les réactions les plus outrées que j’ai lues çà et là émanent d’historien(ne)s reconnu(e)s, et à très juste titre pour le peu que j’en sais, pour leurs contributions à cette discipline. []

Quelques autres blogs à lire sur Hypothèses, en vrac

J’ai récemment actualisé, comme je le fais une fois chaque année, la page « Blogs » du ‘bistro – où je liste les blogs de quelques amis, mentors, collègues, ou anciennes connaissances.

J’en profite pour rajouter ici, en complément, quelques blogs hébergés sur Hypothèses, et que j’ai déjà recommandés pour la plupart :

La liste, issue de mon lecteur de flux RSS, est non ordonnée, et surtout, elle est courte et ne fait pas justice à l’immense richesse et diversité de la plateforme, qui est devenue multilingue et qui compte plusieurs milliers de blogs.

  1. Mise à jour : honte à moi, j’ai oublié de déclarer ici un terrible conflit d’intérêt, étant au comité de rédaction de la revue Zilsel ! []

Au sujet d’une boîte à savon

J’ai récemment eu le « loisir » – si l’on peut dire ça – de lire quelques billets du blog « RussEurope. Blog de Jacques Sapir sur la Russie et l’Europe », qui est hébergé sur la même plateforme que le ‘Bistro. Le blog est signé par Jacques Sapir, un économiste de l’EHESS, qui publie par ailleurs une copie conforme de son blog scientifique « Hypothèses » sur la plateforme de blogs du magazine Marianne.

Je me suis retrouvé à lire ce blog après lecture de quelques échanges très peu courtois sur Twitter, et qui me semblent poser un « problème » que le blog de Jacques Sapir illustre à la perfection. L’élection présidentielle française de 2017 approchant, le « problème » risque par ailleurs d’aller en s’aggravant.

Mise à jour : quelques heures après la mise en ligne de ce billet, on me signale l’existence d’un autre blog Hypothèses, « Monnaie et prix« , tenu par un doctorant de l’EHESS également friand de commentaires politiques. Son billet « Les enjeux économiques de l’élection présidentielle » est, en quelque sorte, une boîte à savon « 2-en-1 » qui regroupe les différentes catégories d’intervention de Jacques Sapir en un seul texte : commentaire, dissertation ou essai économique dans les premières sections (le qualificatif le plus adéquat est laissé à votre discrétion), suivi d’un commentaire-diagnostic à l’emporte-pièce des (programmes des) candidats à l’élection présidentielle (dont les épithètes sont, là aussi, laissés à votre appréciation).

Le « problème »

Le « problème » évoqué ci-dessus contient tous les ingrédients du problème classique de la politisation d’une position scientifique, le blog de Jacques Sapir (1) commentant fréquemment l’actualité politique nationale, (2) sur la base d’une expertise scientifique qui ne porte pas directement sur les sujets traités.

Le « problème » vient du fait que les blogs de la plateforme Hypothèses sont des carnets de recherche, et pas des soap boxes : on peut donc légitimement s’attendre à ce que les auteurs des blogs de la plateforme s’y conforment à « l’obligation pour le savant d’effectuer une distinction nette entre l’analyse empirique des faits et l’énoncé de ses propres préférences normatives »1.

Ce « problème » est rendu saillant par le « succès éditorial » des chroniques électorales que publie actuellement Jacques Sapir : sans surprise, son blog rencontre une audience non négligeable, en particulier, si j’ai bien compris la source de ses relais sur Internet2, auprès des sites Internet cherchant une caution scientifique à différentes formes du discours anti-élitiste et anti-européen.

En guide de cerise sur le gateau, (3) le blog contient toutes sortes de propos que l’on peut considérer, au sens large et non juridique du terme, comme des attaques ad hominem : récemment, Jacques Sapir a notamment écrit sur le « Decodex » du Monde en s’en prenant très directement à l’un de ses auteurs, et en se félicitant, par la suite, d’avoir réalisé une sorte de profit médiatique au terme de l’opération3.

Bref, encore une fois, tous les ingrédients du « problème » de la boîte à savon recouverte de vernis scientifique4 se retrouvent dans le blog évoqué plus haut : un ton polémique et volontiers grossier, qui détourne l’expertise scientifique de l’auteur au profit d’une entreprise éditoriale – « lisez-moi ! ouah, merci public, déjà plusieurs milliers de vues ! » – à visée politique de type « mais qu’est-ce qu’ils sont nuls ces politiques ! »

J’ai toutefois placé le terme de « problème » entre guillemets, parce que Jacques Sapir fait bien ce qu’il veut de sa vie, de son temps et de son blog. Reste que son blog est hébergé sur une plateforme de blogging scientifique, et qu’on serait en droit, je suppose, d’enlever les guillemets autour de « problème » pour cette raison.

Une opinion personnelle

Dans le cadre de ce billet, je souhaiterais simplement donner mon avis sur l’entreprise éditoriale de Jacques Sapir, en listant les éléments qui me paraissent pertinents pour formuler un jugement d’ensemble sur son initiative.

À mon sens, l’initiative de Jacques Sapir consiste à glisser, dans un blog « sur la Russie et l’Europe« , des chroniques électorales hexagonales d’une qualité intellectuelle proche, à mes yeux, des éditoriaux du Figaro ou de 20 minutes – c’est-à-dire nulle5. Or, pour parler comme un économiste, je pense que ce type d’initiative n’est payante qu’à court terme : le crédit accumulé en procédant de la sorte, par mélange des genres, est éphémère, et induit des coûts beaucoup plus durables en termes de réputation scientifique personnelle.

On parle bien, ici, de réputation scientifique personnelle : comment interpréter, en effet, la démarche d’un scientifique ne prenant, à aucun moment, le recul nécessaire pour commenter, avec un strict minimum de distance critique, la nature de son entreprise de profit médiatique et ses conséquences ? Peut-on vraiment, au risque de faire passer la collision entre science et politique pour un travestissement de la seconde au moyen de la première, ne pas chercher à objectiver publiquement ce type d’entreprise ?

C’est ce problème précis que me pose le blog de Jacques Sapir : ce que j’ai appelé sa « boîte à savon » politique, disséminée au milieu de comptes-rendus de lecture et d’analyses économiques que je n’ai pas lus mais dont je suppose qu’ils présentent, d’une manière ou d’une autre, un intérêt scientifique, ne s’accompagne d’aucune démarche un tant soit peu réflexive, comme si tout, dans la démarche de l’auteur, allait de soi6.

Bref, la démarche de Jacques Sapir, c’est un peu comme si je vous laissais, pour terminer, avec cette vidéo, en vous laissant déchiffrer par vous-même le filigrane de ce choix :

Russland ist ein schönes Land – ha ha ha ha, hey!

Plus sérieusement…

Pour terminer pour de vrai, désormais, et afin de vous laisser avec un peu de lecture en plus, voici un extrait de la page 23 du livre précité de Catherine Colliot-Thélène, La sociologie de Max Weber, à méditer (instruction que je donne chaque année à mes étudiants de première année) :

Enfin, si Jacques Sapir venait à lire ces lignes, j’espère qu’il voudra bien excuser les passages les moins sympathiques de mon billet, et qu’il voudra bien répondre sur le fond du problème que j’ai tenté de soulever ci-dessus.

  1. La citation ne vient pas du célèbre texte de Weber sur le métier de savant, mais de Catherine Colliot-Thélène, La sociologie de Max Weber, La Découverte, 2006, p. 22. []
  2. Le blog de Jacques Sapir fait, entre autres, fréquemment mention d’interventions sur des médias affiliés au gouvernement russe. []
  3. Notez que cette observation est indépendante de mon évaluation personnelle d’un outil comme le « Decodex » – qui est ici hors-sujet. []
  4. L’opération consistant, ici, à mélanger les genres, en alternant entre des contenus liées à l’expertise de l’auteur et des contenus sur lesquels sa compétence n’est pas démontrée. []
  5. Ce jugement est strictement personnel et n’engage que moi, qui n’ai presque aucun crédit scientifique ou éditorial propres. []
  6. Et en guise d’exemple réussi de « boîte à savon réflexive », j’ai découvert, quelques heures après la rédaction de ces lignes, que Christophe Bouillaud vient de publier un billet sur Emmanuel Macron. Lecture intégrale vivement recommandée, post-scriptum compris ! []

Notes sur R et l’analyse de réseaux

Comme promis la semaine dernière, nouvelle annonce qui consacre mes deux obsessions pour la programmation statistique avec R et l’analyse de réseaux, toujours avec R :

r-notes

Le blog est syndiqué sur R-Bloggers, qui agrège plein de blogs sur R. Vous pouvez aussi vous y abonner par son flux Atom ou par son flux RSS.

Le moteur du blog est une version bidouillée de Dropplets.

Quelques notes déjà rédigées

J’ai commencé ce nouveau blog pour stocker des notes dont je suis le premier utilisateur, notamment sur les sujets suivants :

Je me suis aussi servi du blog pour documenter des résultats bizarres, faire des suggestions sur l’enseignement avec RStudio, et tenter des petites expériences avec jQuery, telles que celle-ci avec l’API Pinboard.

Il s’agit vraiment de notes plus que d’un blog : tout est rédigé dans un jargon pas très amusant, et il n’y a pas de commentaires, ni même de lien évident pour me contacter — d’où cette nouvelle publication en dehors du ‘bistro.

Dernière petite chose, vous pouvez désormais apercevoir les derniers billets du Polit’bistro et de R / Notes sur ma homepage universitaire, encore une fois grâce à jQuery, et plus précisément grâce au plugin FeedEk, qui permet de récupérer des contenus de fils RSS :

blogs-rss-feedek

Pour les fans, il y a aussi un peu de jQuery (avec beaucoup de JavaScript et un peu d’animations CSS3) sur la page où j’héberge ma frimousse.

Bonne(s) lecture(s) !

Hypothesosphère : le réseau des blogs d’Hypothèses, (presque) cinq ans plus tard

Il y a quelques années (en décembre 2010, pour être précis), Josquin Debaz avait rédigé un billet sur le réseau des blogs de la plateforme Hypothèses, “Hypothesosphère”, où il reconstituait le réseau des blogs indexés par la plateforme à partir des hyperliens entre les articles de ces blogs. Je me suis demandé si ça ne valait pas le coup d’actualiser son analyse, en récoltant des données permettant d’assembler ce réseau à différents points temporels, puis d’identifier les thèmes traités par les communautés qui forment ce réseau.

Le résultat montre qu’environ un tiers des blogs de la plateforme Hypothèses a, au moins une fois, renvoyé ses lecteurs vers un autre blog de la plateforme. Au cours des années 2009 à 2015, la plateforme s’est enrichie de nombreux blogs, ce qui donne, même lorsque l’on se concentre sur un échantillon de ces blogs, comme ci-dessous, un réseau qui contient de nombreuses “sous-communautés” (linguistiques, notamment), et quelques blogs (dont Polit’bistro !) nettement plus centraux que les autres :

hyponet

Cliquer le graphe ci-dessus pour la version PDF plus lisible, où l’on aperçoit clairement le blog des concepteurs de la plateforme (en plein milieu), ainsi que la partie germanophone d’Hypothèses (au sud). Ci-dessous, une longue notice technique, avec une visualisation temporelle du réseau à chaque année d’existence de la plateforme, et une modélisation des thématiques abordées dans les billets de chacune des communautés au fil du temps.

Échantillonnage des données

Depuis le billet de Josquin Debaz, l’index d’Hypothèses s’est beaucoup enrichi, et a aussi certainement changé au niveau du code, car les “vieux” billets (ceux de la page 300, par exemple) n’y sont pas indexés comme les nouveaux. Du coup, pour actualiser l’Hypothesosphère, mieux vaut peut-être passer par le catalogue OpenEdition, qui recense actuellement 1 071 blogs dont on peut ensuite récupérer les articles :

openedition-catalogue

Pour effectuer cette dernière opération, j’ai simplement essayé de lire chaque “page” de chaque blog, de la première à la dernière. Certains blogs, comme celui-ci par exemple, n’utilisent pas de pagination (ce que l’on peut raisonnablement considérer comme un événement survenant de manière aléatoire parmi les blogs de la plateforme), et sont en conséquence exclus de l’échantillon que l’on va constituer1.

Dans un premier temps, il faut donc lister les blogs et essayer de lister tous leurs articles. En une demi-heure d’essais-erreurs avec le code HTML des blogs, qui tournent tous sur WordPress mais pas avec les mêmes gabarits et donc avec des balises HTML différentes, j’en suis arrivé à ce script, qui est certainement plus lent que celui qu’a rédigé Josquin Debaz (en Python), mais qui fonctionne suffisamment bien sur la plateforme Hypothèses actuelle.

Le résultat est un échantillon qui contient 622 blogs, soit 60 % du catalogue total d’OpenEdition, et un total de 77 608 articles, soit 124 articles par blog en moyenne2. Si l’on compare les années de création des blogs du catalogue OpenEdition à celles des blogs contenus dans l’échantillon, les différences de proportion de chaque année à l’intérieur de chaque groupe sont minimes et aléatoires, ce qui est plutôt bon signe pour la qualité de l’échantillon.

Année Catalogue % Échantillon %
2009 76 7 65 10
2010 81 8 61 10
2011 138 13 78 13
2012 282 26 149 24
2013 233 22 118 19
2014 126 12 61 10
2015 133 12 88 14

Construction des réseaux temporels

Dans un second temps, il faut ensuite scanner le contenu des articles des blogs sélectionnés, et en extraire les liens vers des adresses de blogs hébergés sur Hypothèses. Alors que l’opération précédente n’a pas demandé plus de quelques heures, celle-ci risquait de prendre beaucoup plus longtemps, étant donné la quantité de données à parcourir. Du coup, j’ai à nouveau échantillonné dans les données, en ne téléchargeant que 25% des 77 608 articles, soit 19 402 articles3.

Vu que l’on va vouloir observer la manière dont l’Hypothesesosphère a changé au cours du temps, on va ensuite scanner ces articles pour y trouver les inter-citations entre blogs, en notant également la date de parution des articles et le nombre d’inter-citations par article, qui pourra faire office de coefficient de pondération si besoin. Je ne vais pas jusqu’à sous-échantillonner pour limiter le nombre d’articles par blog, mais c’est envisageable4.

Enfin, on va écrire le code de visualisation de l’Hypothesesosphère de chaque année, en mettant des couleurs sur les huit “communautés” de blogs les plus larges, que l’on identifie grâce à un algorithme qui maximise la modularité (le degré de ségrégation) du réseau. Le code ressemble fortement à ce que j’ai déjà décrit dans plusieurs billets précédents, et notamment dans ce petit tutoriel, qui couvre aussi la récupération des données.

Ci-dessous, un exemple de visualisation produit par ce code. Je dis “exemple” car le placement des blogs est en partie aléatoire, comme l’exige n’importe quel algorithme de placement à force dirigée. À noter aussi : la visualisation ne montre pas que le réseau est dirigé, mais il suffit de faire attention à la couleur des liens pour la deviner (lorsque les liens sont plus foncés, c’est qu’ils sont réciproques : les blogs se font mutuellement référence).

hyponet

Pour obtenir un résultat plus exhaustif, il suffit d’augmenter le seuil précité de 25%, ce qui permettra de scanner un plus grand nombre d’articles, et donc potentiellement de rendre l’Hypothesesosphère de chaque année un peu plus dense. Le seuil que j’ai choisi devrait toutefois suffire pour se faire une première idée de ce à quoi ressemble le réseau complet des inter-citations entre les blogs de la plateforme.

Modélisation des communautés

Les réseaux présentés ci-dessus contiennent des blogs, liés entre eux par des articles. Chacun de ces articles contient des mots-clés, ou a minima une catégorie qui correspond, elle-même, à un mot-clé. La plupart des mots-clés sont en français, sauf dans les sous-communautés linguistiques d’Hypothèses, qui utilisent des mots-clés, en allemand, en anglais, en espagnol.

De plus, on a segmenté chaque réseau de manière algorithmique, en communautés optimales. Par conséquent, il est facile de créer des groupes de mots-clés correspondant à une communauté de blogs connectés par leurs inter-citations, ce qui est ici une manière de passer de la forme “réseau” à la forme textuelle en intégrant l’information structurelle du réseau dans la constitution du corpus textuel.

On va donc représenter les données de nos réseaux temporels sous la forme d’un corpus, où chaque document correspond aux mots-clés d’une communauté. Le corpus produit par cette opération contient autant de documents que n’apparaissent de communautés au fil des sept années d’existence de la plateforme, soit un corpus de 127 documents : 3 pour 2009, 7 pour 2010, jusqu’à 29 documents pour 2015.

On peut nettoyer des documents de manière approximative, en nettoyant les termes comme s’ils étaient tous français—ce qui n’est pas très grave : la langue va, quoique l’on fasse, fortement discriminer les communautés de blogs non francophones. Et enfin, on envoie ces documents à un topic model structurel, qui, un peu comme dans cet exemple, prend en compte l’année et la communauté de chaque document5.

Le résultat de cette opération sera un certain nombre de “thèmes” traités par les sous-communautés d’Hypothèses, identifiés à partir de quelque chose qui se rapproche d’un modèle multi-niveaux quant au type d’information qu’on fournit à l’estimateur. Le nombre de thèmes identifiés est arbitraire : j’ai choisi d’en identifier 20, un chiffre proche du nombre moyen de communautés identifiées dans chacun des réseaux (18)6.

Résultats : les thèmes de l’Hypothesesosphère

Dans les résultats ci-dessous, chaque ligne correspond à un regroupement thématique, ordonné du plus au moins fréquent dans le corpus, et représenté par ses trois premiers mots-clés (sans les suffixes, qui ont sauté au nettoyage). On aperçoit les thèmes constitués autour des billets en langue allemande, ou ceux créés autour de zones géographiques (“chin” ou “arab”) :

hypotopics

On aperçoit aussi, dans les thèmes, certains sujets bien précis : “polit” et “scienc”, par exemple, dans le thème n°2, correspond au séminaire “Politique des Sciences” de l’EHESS. Ce dernier constat est un peu embêtant : concrètement, le modèle que l’on a utilisé a “sur-identifié” certains sujets, plutôt que d’identifier des thèmes réellement transverses au corpus.

Le modèle fournit une probabilité d’occurrence de chaque thème dans chaque document, ce qui permet de connecter les thèmes entre eux en corrélant ces probabilités. On obtient ainsi, pour terminer, le réseau de thèmes suivants, où les couleurs correspondent à nouveau aux communautés optimales, et où l’on aperçoit distinctement l’espace thématique germanophone de la plateforme Hypothèses, de même que les thèmes les plus génériques (“actualités”, “lectures”, “colloques”, …) :

hyponet_topics

Pour améliorer cette visualisation, il faudrait déjà envisager d’augmenter l’échantillon des articles au-delà des 25% précités. Ensuite, il faudrait réfléchir à un découpage temporel plus intelligent que celui proposé ici. En effet, segmenter l’Hypothesesosphère par année civile n’est probablement pas très pertinent : on pourrait essayer d’utiliser plutôt les années universitaires, ou même un découpage plus fin se rapprochant des semestres.

Enfin, et surtout, une modélisation plus robuste des thèmes de l’Hypothesesosphère nécessiterait d’affiner trois des paramètres de la modélisation proposée ci-dessus : (1) le nettoyage des mots-clés en fonction de leur langue, (2) le nombre de thèmes à identifier, et (3) l’identification des thèmes, de manière à jouer à la fois sur la prévalence et le contenu des termes du corpus, comme l’explique la documentation du package stm :

stm-metadata

Ces améliorations demanderaient de passer plus de temps sur la collecte des données et sur le calibrage du modèle. Avis aux intéressé(e)s !

Pour aller plus loin

Ce billet explique comment actualiser les données initialement imaginées par Josquin Debaz, et suggère de modéliser ces données à mi-chemin entre l’analyse de réseaux et l’analyse textuelle. Ce croisement méthodologique est assez fréquent : voir, par exemple, ce papier récemment présenté au Congrès de l’AFSP, qui étudie la “web-sphère” créée autour du hashtag #CharlieHebdo sur Twitter.

Quelques liens, donc, pour terminer.

Pour reproduire l’analyse, allez voir ce dossier, qui inclut la liste des blogs à partir de laquelle on a constitué l’échantillon, et l’exemple de corpus sur lequel on a travaillé pour ce billet. Le code n’est pas particulièrement compliqué, et il est facilement amendable (on pourrait, par exemple, étudier le réseau bipartite des blogs d’Hypothèses citant des articles publiés sur revues.org).

Pour analyser du texte, la méthode que j’ai employée (et que j’avais déjà évoquée ici et , notamment) n’est pas la plus simple, ni même la plus conclusive. Pour des alternatives aux topic models, cf. notamment les méthodes de classification hiérarchiques implémentées par Iramuteq, ainsi que ce billet d’Étienne, qui explique clairement ce qu’est un topic model et qui recense d’autres autres méthodes disponibles.

Pour visualiser des réseaux, je passe systématiquement par la fonction ggnet (voir le billet de présentation et d’autres exemples), mais vous voudrez peut-être passer par igraph (qui vient de passer en version 1.0.0 ! et le bouquin a l’air génial), ou par une librairie permettant de visualiser le réseau par périodes. Dans ces deux cas, jetez un coup d’oeil à cet excellent tutoriel de visualisation réseau, par Katherine Ognyanova.

Pour illustrer ce que l’on peut apprendre en lisant le tutoriel ci-dessus, voici un dernier graphe, qui montre la croissance cumulée de l’Hypothesesosphère, de janvier 2009 à juin 2015. Si vous utilisez Google Chrome, vous pouvez également jouer avec la version interactive, réalisée avec le package (encore très expérimental) ndtv, que j’ai découvert grâce au tutoriel.

hypodyn

Contrairement aux autres graphes du billet, ces deux animations utilisent un échantillon beaucoup plus large de presque 85 000 billets publiés sur la plateforme, au fil desquels 340 blogs ont renvoyé leurs lecteurs vers 484 blogs, pour un total de 605 blogs différents actuellement présents dans l’Hypothesesosphère.

  1. Le meilleur moyen de travailler sur l’intégralité de la base serait bien sûr de l’obtenir auprès de la plateforme (à laquelle je contribue très épisodiquement), mais le texte intégral pèse certainement trop lourd pour pouvoir être facilement transféré. De plus, la base intégrale doit contenir les brouillons des articles des blogs, ou ceux publiés de manière privée. Pour ne pas rentrer dans ces problèmes, je n’ai accédé qu’aux données publiques de la plateforme. []
  2. En relançant le script plusieurs fois pour pallier aux erreurs réseau, je suis arrivé jusqu’à 885 blogs et 104 844 articles, soit 118 articles par blog en moyenne. []
  3. Il est fortement recommandé, à ce stade, de laisser une seconde entre chaque téléchargement, pour ne pas stresser la plateforme. []
  4. Cette étape serait nécessaire si l’on souhaitait contrôler (éliminer) les différences de volume de publication d’une année sur l’autre, de manière comparer des probabilités d’occurrence (ou plutôt, des écarts par rapport à une hypothèse d’équiprobabilité, qui peut s’estimer de différentes manières) dans chacun des réseaux temporels. []
  5. Très grossièrement, un topic model structurel est un topic model (soit une technique de regroupement de termes discriminants en thèmes, ou topics) qui peut prendre en compte de l’information supplémentaire sur les documents (des “méta-données”, comme ici l’année de “parution” du document formé par les mots-clés, et la communauté qui a “produit” ce document cette année-là, au fil de ses billets de blogs). Pour des exemples de topic models, cf. cette synthèse, cet article, et ce projet, sur le même thème que ce billet. []
  6. À noter : il y a de plusieurs manières d’identifier le nombre de thèmes à rechercher dans un corpus. Certaines d’entre elles sont expliquées dans les documents cités dans la note précédente. []

Polit’bistro sur Twitter

Les sondages et les questions pédagogiques semblent avoir ranimé Polit’bistro, au moins le temps d’un weekend. Joël et moi étant également actifs sur Twitter, voici notre tentative de micro-blogging à quatre mains :

Il nous manque la page Facebook pour pouvoir nous livrer à des décomptes un peu nerdy, mais ça devrait finir par se faire si le bistro nécessite une succursale. On en est très loin pour le moment.

À bientôt sur une plateforme ou sur une autre !

P.S. Le graphique qui nous sert de logo vient d’une note d’Andrew Gelman sur le vote aux États-Unis.

Une approche raisonnable de l’anonymat

La description d’une blogueuse académique qui publie sous semi-anonymat :

I’m a sociology professor but not only a sociology professor. It isn’t hard to figure out my real name if you want to, but I keep it out of this blog because I don’t want my name associated with it in a Google search. Although I never write anything in a public forum like a blog that I’d be ashamed to have associated with my name (and you shouldn’t either!), it is illegal for me to use my position as a public employee to advance my religious or political views, and the pseudonym helps to preserve the distinction between my public and private identities. The pseudonym also helps to protect the people I may write about in describing public or semi-public events I’ve been involved with.

Quite sensible, innit?