Après la fusillade de Charlie Hebdo, le Big Data montre des signes encourageants

Fourni par SÈVE

En janvier 2015, des terroristes ont abattu 17 personnes à Paris et dans les environs, dans les bureaux du magazine satirique Charlie Hebdo, dans un supermarché casher à quelques kilomètres de là et dans la banlieue sud de Montrouge. Ces attentats, les plus meurtriers en France depuis plus de 50 ans, ont suscité un débat vigoureux - et toujours en cours - sur des questions allant de la liberté d'expression et de la satire à l'immigration, au racisme et à la religion.

De l'extérieur, il semblait que, socialement et politiquement, la France était essentiellement divisée en deux camps : les citoyens qui regardaient vers l'avenir avec optimisme, espérant défendre les valeurs qui avaient fait de la France la cible des djihadistes, et ceux qui étaient rattrapés dans le cycle du ressentiment et de la vengeance.

Nous à Objectif de démarrage SAP se demandait si nous pouvions analyser tous les sentiments que les gens exprimaient en ligne dans les canaux de médias traditionnels et sociaux, pour faire une véritable évaluation basée sur des données qui pourrait répondre à une question simple : après Charlie Hebdo, le niveau de consensus sur la valeur du multiculturalisme et la liberté religieuse grandissent en France ? Ou le pays risquait-il d'être divisé par la politique de la peur ?

Visions sémantiques , une société basée en République tchèque qui possède la plus grande base de données d'informations sémantiques au monde, a récemment mené une telle analyse. Ses chercheurs ont identifié les termes les plus fréquemment utilisés par les personnes exprimant leurs sentiments face aux attentats de Paris. Ensuite, ils ont suivi ces termes sur plusieurs médias et dans plusieurs langues avant et après les attaques. Les résultats de cette analyse pourraient être décrits, sans trop d'hyberboles, comme un instantané du pouls collectif de l'humanité sur ces questions.

Semantic Visions a constaté que les termes du modèle de consensus étaient plus nombreux que les termes du modèle de conflit avant et après les attentats de Paris, dans tous les langages médiatiques étudiés.

Les modèles de Semantic Vision

Voici des détails sur la méthodologie utilisée par Semantic Visions pour suivre l'expression en ligne mondiale de ces sentiments :

• Semantic Visions a suivi l'utilisation de ces termes pendant quatre semaines avant les attaques et quatre semaines après. La recherche a impliqué 268 000 sources médiatiques distinctes et a examiné près de 49 millions d'articles individuels dans plusieurs langues. Les chercheurs ont filtré ces résultats pour n'inclure que ceux en français, anglais, allemand et tchèque.
• Pour le modèle de consensus, ils ont recherché tous les mots, expressions et synonymes associés dans toutes les formes linguistiques possibles pour des concepts généraux considérés comme positifs : démocratie, dialogue, liberté d'expression, amour, multiculturalisme, paix, tolérance, et unité .
• De même, pour le modèle de conflit, ils ont suivi les termes suivants, qui portent parfois des connotations négatives : choc des civilisations, affrontement, conflit culturel, haine, intolérance, islamophobie, vengeance, charia ( loi musulmane), et guerre.

Pour mener ses recherches, Semantic Visions s'est appuyé sur deux hypothèses clés :

• Dans les pays démocratiques, les médias sont généralement libres de tout contrôle gouvernemental et les individus n'ont généralement pas peur d'exprimer leurs véritables opinions en ligne.
• La chronologie de deux mois (un mois avant les attentats, un mois après) était suffisamment longue pour représenter avec précision l'opinion publique de base avant les événements et la réaction qui les a suivis.

Résultats : le consensus l'emporte sur le conflit

Dans l'ensemble, Semantic Visions a déterminé que les termes du modèle de consensus étaient plus nombreux que les termes du modèle de conflit avant et après les attentats de Paris, dans tous les langages médiatiques étudiés.

En outre, les chercheurs ont constaté que l'utilisation de termes de modèle de conflit après les attaques diminuait plus rapidement que l'utilisation de termes de modèle de consensus, ce qui signifie que le social consensus a persisté tandis que le social conflit diminué. Ce constat significatif est porteur d'espoir pour l'avenir et devrait rappeler aux politiques français ce que pensent réellement leurs électeurs.

Source : Visions sémantiques. Utilisé avec autorisation.

Comme on pouvait s'y attendre, en ce qui concerne les questions de violence, de religion et de race, même le pouls public est rarement une entité monolithique et plusieurs exceptions peuvent être observées, comme l'indiquent les résultats :

Le taux de croissance le plus élevé de l'utilisation de la terminologie détecté dans les publications de langue française concernait ces deux termes du modèle de consensus : la liberté d'expression (439%) et tolérance (160%). La plus forte croissance des sujets du modèle de conflit en français comprenait : conflit culturel (514%), sharia (208%) et Islamophobie (181%).

• L'usage du terme antagonisme diminué très lentement. Même un mois après les attentats, il était encore supérieur de 30 % à ce qu'il était en décembre 2014, avant les attentats. D'autre part, le terme dialogue a montré une tendance à la hausse lente mais persistante, indiquant potentiellement qu'à terme, la société reconnaîtra la nécessité d'une réconciliation interculturelle ou interreligieuse.
• Les termes qui ont reçu un coup de pouce à court terme (en raison du cycle de nouvelles implacable), mais qui sont revenus aux niveaux de référence en un mois, comprenaient conflit culturel, liberté d'expression, et multiculturalisme . Dans le même temps, certains des termes qui n'ont pas reculé aux niveaux précédents comprenaient les termes haine, intolérance, islamophobie , et vengeance .

Big Data, Big Insights

Ce que cette étude indique, c'est que, peu importe ce que disent les têtes parlantes à la télévision, et peu importe les chaînes de radio, de câble ou d'Internet que vous suivez, la réalité de la pensée publique est toujours un peu plus complexe que ce que nous voyons ou entendons dans le médias. La technologie d'aujourd'hui, plus précisément les outils de mégadonnées, peut fournir des informations extrêmement précieuses sur l'état d'esprit du public et les sentiments réels que les citoyens expriment chaque fois que des problèmes aussi critiques sont mis en évidence. Pour plus d'informations, veuillez lire le rapport Semantic Visions dans son intégralité.

Objectif de démarrage SAP est un programme qui travaille avec des startups dans le domaine du big data et/ou de l'analyse prédictive ou en temps réel et les aide à créer des applications innovantes qui utilisent la plate-forme de base de données SAP HANA. Il y a actuellement plus de 1 900 entreprises dans le programme, y compris Visions sémantiques . Rejoignez la conversation @SAPStartups ou suivez l'auteur sur Twitter @BansalManju.

cacher