1 – Introduction

1L’importance du discours politique dans l’analyse politologique est une évidence, mais l’on ne peut que constater que la science politique, malgré les écrits précurseurs de F. Bon (1985), tout comme les autres disciplines qui s’intéressent au politique, n’a accordé dans les faits qu’un intérêt plutôt limité et relativement récent aux approches langagières. C’est notamment le constat que dressent Paul Bacot et al. dans la présentation qu’ils font du numéro spécial célébrant le trentième anniversaire de la revue Mots. Les langages du politique, “Trente ans d’étude des langages du politique (1980-2010)” (Bacot et al., 2010). Une sorte de partage se serait effectivement instauré entre d’un côté la linguistique et l’herméneutique qui prendraient au sérieux l’étude des dynamiques intrinsèques des faits de langage, et de l’autre les sciences sociales du politique qui quant à elles, soit s’en détourneraient pour ne se focaliser que sur leurs conditions sociales de production, soit en proposeraient une analyse de type linguistique dont les axes seraient totalement subordonnés à la caractérisation de ces mêmes conditions sociales.

2Cette summa divisio qui placerait donc définitivement la science politique du côté des analyses externalistes et la rendrait en quelque sorte incompatible avec l’adoption d’une perspective internaliste, nous semble à l’instar de Ph. Braud, “trompeuse ou, du moins, réductrice”. Elle ne permettrait pas en effet de saisir que l’apport de la science politique à l’étude des langages du politique, ne réside pas dans un parti pris méthodologique, mais dans la formulation d’un problème scientifique spécifique, à savoir : celui des “conditions d’efficacité politique du langage” ; et donc de toute forme de langage contribuant à “influencer les modes d’exercice du pouvoir politique en pesant sur les représentations que s’en font les agents sociaux” (Braud, 2010, 143). Aussi, conviendrait-il davantage de considérer que ce questionnement peut tout aussi bien être décliné selon différentes perspectives. Une externaliste s’intéressant aux contextes de production des langages, aux dispositifs régissant leur diffusion, aux conditions sociopolitiques de leur réception. Une autre internaliste se centrant sur la dynamique discursive elle-même, et cherchant notamment ce faisant à mettre en lumière les ressorts et les capacités de la mobilisation politique inhérents à la construction proprement textuelle (i.e. la structuration de la sélection des mots) du discours politique.

3Nous choisissons ici d’entrer dans le discours en le prenant au sérieux non pas pour le décrypter mais pour décrire les chemins qu’il emprunte. Nous nous intéressons plus particulièrement à un discours politique controversé, le discours du Front National, nouvellement Rassemblement National, représentant politique hégémonique de l’extrême-droite française depuis plus de 40 ans. Ce discours, construit historiquement sur l’anticommunisme et la dénonciation sociale de l’immigration (Igounet, 2014, 91-92) emprunte, depuis l’accession de Marine Le Pen à la tête du parti, des détours genrés assez surprenants pour une formation plutôt viriliste. Nous souhaitons interroger la place qu’occupent dans ce discours les références à l’identité féminine, la féminité, les symboles du féminisme, les combats en faveur du droit des femmes afin d’objectiver les conditions de leurs détournements.

4Mais sur quelles bases analytiques et méthodologiques ? Nous proposons dans cet article d’expérimenter les approches de “contextualisation” automatiques (Bellot et al., 2015) de textes courts à partir du Wikipedia pour les appliquer à ce discours. La tâche n’est donc pas de trouver une réponse exacte dans une base de données de faits, mais de faire ressortir l’arrière-plan du message exclusivement basé sur son contenu textuel. Cette approche est susceptible de fournir à l’utilisateur des informations synthétiques et contextuelles lors de la réception d’un communiqué politique par un prolongement contextualisé et qualitatif.

5Selon Bellot & al. (Bellot et al., 2015) la réponse peut être construite par agrégation de passages textuels extraits d’une ressource de référence (Wikipedia dans notre cas). Pour certains sujets, il peut y avoir trop d’extraits pertinents pour être tous insérés dans la réponse, nécessitant un processus de synthèse qui préserve globalement l’informativité. Pour d’autres, peu d’informations peuvent être disponibles et la réponse devrait être plus courte que prévu soulignant le manque d’informations disponibles.

6Le Wikipedia anglais est la ressource encyclopédique la plus complète à l’heure actuelle et aussi la plus populaire. Les résultats obtenus dans (Bellot et al., 2015) dépendent de cette exhaustivité. Pour pouvoir étudier les discours en français nous procédons alors par traduction automatique des textes. Si ce procédé n’est pas exempt de biais sur lesquels nous reviendrons (section sept), il est d’abord un moyen de s’abstraire des éléments de langage tout en conservant les valeurs. Enfin, nous étudions l’utilité des mesures d’informativité proposées pour évaluer objectivement la distance relative entre un discours et un ensemble de concepts.

7Le reste de l’article est organisé comme suit : En section deux, nous présentons l’état de l’art en sciences sociales et en recherche d’informations (RI) relatif à la contextualisation du texte. En section trois, nous précisons les motivations de notre démarche. En section quatre, nous présentons le corpus de textes à contextualiser. En section cinq, nous décrivons le système avec lequel nous avons expérimenté. En section six, nous présentons les résultats de cette expérimentation. En section sept, nous discutons plus précisément de l’impact de l’utilisation du Wikipedia anglais pour cette expérimentation. Finalement, nous dressons les conclusions et perspectives en section huit.

2 – La contextualisation comme proposition analytique et méthodologique d’étude du discours politique

3 – Déconstruire le discours politique : des mots d’ordre à l’ordre des mots

15Par essence publique, l’énonciation du discours politique n’en demeure pas moins paradoxalement hermétique. Aussi, la fonction fondamentale du dire politique ne peut aucunement être limitée à la transmission d’informations. Ici plus qu’ailleurs peut-être, une approche sémantique qui ne s’en tiendrait qu’à cette dimension explicite, ne pourrait que rendre incompréhensible l’activité effective qui génère et constitue le discours politique ; aveugle qu’elle serait aux différents niveaux d’énonciation par lesquels ce dernier instaure un « réseau de rapports implicites » (Ducrot, 1997) qui remplit une fonction de mise en ordre du monde. Appartenant fondamentalement aux discours d’influence « dont le but est d’agir sur l’autre pour le faire agir, le faire penser, le faire croire, etc. » (Ghiglione, 1989), le discours politique n’est pas fait que d’entendement et de rationalité. Structurée de façon déterminante dans le but d’emporter l’adhésion et littéralement d’imposer des « divisions du monde social » (Bourdieu, 1981), la discursivité politique doit être appréhendée comme une machine à produire des mots d’ordre, c’est-à-dire, un ensemble d’instructions délimitant la manière vraie et véritable de voir le monde et conséquemment la façon juste et légitime d’agir dans ce monde. Aussi, renvoyant censément au « débat argumenté » et y étant jusqu’à la caricature incessamment renvoyé, le discours politique fonctionne pourtant fondamentalement en se tenant et se déployant, tout à la fois en deçà et au-delà de ces arguments (thématiques ou logiques) par lesquels son sens transite, sans s’y réduire totalement.

16Sans déconsidérer ce faisant les propositions visant à rendre compte du discours politique par l’étude de son argumentation (Amossy et Koren, 2010), ni non plus limiter ce type si particulier de discours à son ethos, c’est à dire sa façon d’en appeler au sentiment et à la séduction (Bonnafous et al., 2003), l’intention ici est de souligner que cet objectif de persuasion et d’imposition de sens fait nécessairement du discours politique une « parole manipulée » (Breton, 1997). Aussi l’appréhension de la construction énonciative de ce dernier au travers de ce qu’on appelle « l’analyse du discours » (pour ne pas parler des analyses lexicométriques) s’expose-t-elle toujours intimement au risque de reprendre à son compte, voire de relayer (même sous un format objectivé) les concaténations lexicales élaborées dans et par le travail de fabrication discursive d’un sens politique. Cette fragilité consubstantielle de la démarche internaliste, lorsqu’elle se confronte aux pratiques et techniques de brouillage et de verrouillage de la parole qui structurent l’énonciation du discours politique, n’en est rendue que plus aiguë par l’effet croissant « des contraintes politiques, institutionnelles, médiatiques et économiques qui pèsent sur la fabrication, la diffusion et la circulation des discours politiques dans le cadre des démocraties représentatives » (Ollivier-Yanniv, 2010). Les formes que prend le discours politique, qu’il s’agisse des communiqués de presse ou des discours de meeting, doivent effectivement être appréhendées comme des dispositifs sociaux particuliers de construction d’une « énonciabilité » (Foucault, 1969), qui reposent sur des savoir-faire collectifs de transformation et de reformulation des énoncés et de leurs contenus (Krieg-Planque, 2006).

17Bien que semblant fournir un surplus de justification à la critique bourdieusienne des postures qui n’analyseraient pas linguistiquement les textes depuis leur contexte sociologique de production (Bourdieu, 1992 ; Neveu, 2010), ce constat n’annihile toutefois pas – et c’est tout l’enjeu de notre démarche – la possibilité de déconstruire le discours politique depuis une perspective analytique et méthodologique qui voudrait s’en tenir à la dimension proprement discursive. Il invite tout au contraire à imaginer et expérimenter des modalités nouvelles pour « équiper » cette dernière de telle sorte qu’elle soit en mesure de déjouer cette dynamique d’enclosure qui structure les formes publicisées du discours politique. Tout en reconnaissant les mérites de la démarche consistant à « pluridimensionnaliser » l’analyse de discours afin de saisir, de façon d’abord cloisonnée, puis corrélée, les différents niveaux fondamentaux de la construction du sens des discours (notamment syntaxique, sémantique, énonciatif, interactionnel) (Delmas, 2012 ; Haddad, 2017), notre proposition suggère de confondre les mots d’ordre (et notamment les dits « éléments de langage » qui en sont l’actuelle forme paroxystique) par le recours à un dispositif permettant justement de mettre en lumière les structures de mise en ordre des mots ; celles-là même qui composent et spécifient la textualité d’un discours. En effet, la stratégie mise en œuvre dans notre méthodologie consiste à latéraliser l’entrée dans la matérialité du discours politique ; et ce au moyen d’un double contournement. Premièrement, car nous proposons de rendre compte de ce dernier, non pas en lui-même et pour lui-même, mais au travers de sa con-textualité. Deuxièmement, car cette con-textualité est formalisée de manière probabiliste et dé-contextualisée (au sens socio-linguistique du terme). Autrement dit, c’est en rendant doublement indirecte la lecture du discours politique que nous prétendons lui appliquer le « doute hyperbolique » (Bourdieu, 1993) indispensable pour nous prémunir de sa performativité analytique. Pour imager et rendre peut-être plus concret l’esprit de cette proposition, disons que nous nous figurons l’énoncé politique comme un « logiciel » – celui-ci se définissant en effet comme un ensemble ordonné et structuré d’instructions remplissant une fonction déterminée – et que l’appareillage que nous proposons fonctionne comme un « crack » qui permet (sous l’effet conjugué de la contextualisation, du modèle de langue et du corpus de référence) d’en modifier le code, et ainsi d’en contourner les limitations. En l’espèce, cet article cherche à « cracker » le « code » genré du « logiciel » d’extrême-droite.

4 – Des communiqués politiques comme corpus de requêtes de RI

18Nous travaillons sur un corpus de communiqués de presse politiques en français émis par Marine Le Pen et Marion Maréchal Le Pen, ils leurs sont du moins nominativement attribués sur le site du Rassemblement National et distingués de ceux produits par d’autres responsables du parti. Nous avons choisis de concentrer l’attention sur leurs réactions aux faits d’actualité susceptibles de stimuler des références ponctuelles au thème du genre ou de la féminité. Pour opérer un premier choix dans les discours produits et constituer un corpus relativement significatif, nous avons prélevés manuellement l’ensemble des communiqués de presse produits par Marine Le Pen et Marion Maréchal Le Pen entre le 16 juillet 2011 (date du premier communiqué de Marine Le Pen référencé sur le site du Rassemblement National) au 20 novembre 2018. Ce corpus de discours politique numérique, et à disposition, est par définition fortement contrôlé ou institutionnalisé par les gardiennes doctrinales du parti. Les communiqués de presse signés par Marine Le Pen représentent l’équivalent de 150000 mots, soit 617 communiqués de presse de 370 mots en moyenne (moyenne réalisée sur la base d’une vingtaine de communiqués sélectionnés aléatoirement). Ceux signés par Marion Maréchal Le Pen représentent de leur côté près de 36330 mots, soit 144 communiqués de presse de 270 mots en moyenne (moyenne réalisée également sur la base d’une vingtaine de communiqués sélectionnés aléatoirement). Ce corpus présente l’avantage de couvrir l’intégralité de la période depuis la prise de fonction de Marine Le Pen à la tête du parti, d’y voir surgir (puis disparaître) la figure médiatique de Marion Maréchal Le Pen, de comparer les discours des deux leaders et le partage des thèmes abordés dans le temps normal de la politique mais aussi à la faveur des différents scrutins présidentiels, européens et locaux de la période. Le Rassemblement National a, de ce point de vue, investi depuis de nombreuses années déjà le credo du féminisme en diffusant diverses formes de racialisation des rapports de sexe concourant à présenter l’immigration comme une menace pour les droits des femmes européennes et/ou blanches notamment et a su également au passage détourner le concept de laïcité (Scrinzi, 2017). Pour la sélection des cas présentés dans cet article, nous avons opéré une sous-sélection des communiqués de presse rassemblés à partir de quelques mots clefs liés aux thématiques genrées et aux sujets médiatiques qui ont pu les faire émerger ces dernières années :

19genre-femme-LGBT-avortement-IVG-contraception-viol-(homo)sexuel-voile

20Ce sous-corpus représente l’équivalent de 15615 mots, soit 26 communiqués rédigés par Marine Le Pen et 15 par Marion Maréchal Le Pen.

5 – Système de contextualisation adapté de INEX 2013

5.1 – Présentation du système de référence

21Nous adaptons les outils développés lors de la campagne d’évaluation de systèmes de contextualisation de textes courts INEX Tweet Contextualization (Bellot et al., 2015). Dans ce cadre informatique, la contextualisation de textes courts est définie comme la génération d’un résumé devant fournir des informations complémentaires relatives au contenu du texte, qui pourrait nécessiter une explication sans que le lecteur en ait conscience a priori. Fournir un tel résumé de façon automatique implique de s’appuyer sur des ressources disponibles pour le constituer. Elle a été ainsi approchée comme une tâche de génération de résumés orientés par une requête de recherche d’information, où les documents à résumer sont trouvés par un moteur de recherche sur une ressource de référence.

22La collection de documents utilisés servant de source à la contextualisation a été construite sur la base d’une version (dump) de Wikipédia en anglais de novembre 2013. Elle a été figée pour permettre de répliquer les résultats et est disponible en ligne [1]. Nous avons « nettoyé » les documents afin d’obtenir un corpus XML simple pour une extraction facile des réponses en texte brut. Après suppression de toutes les notes et références bibliographiques difficiles à manipuler, seules les 3 217 015 pages non vides de Wikipedia (pages comportant au moins une section) ont été conservées. Les documents résultants sont composés d’un titre, d’un résumé et de sections. Chaque section possède un sous-titre. Le résumé et les sections sont composés de paragraphes et chaque paragraphe peut contenir des entités qui font référence à d’autres pages Wikipédia.

23Les organisateurs de la campagne ont fourni un système de référence pour procéder à la recherche d’information ciblée et à l’extraction d’un résumé. L’extraction des 64 pages les plus pertinentes se fait avec le système Indri (Metzler et Croft, 2004) en utilisant le modèle de langage avec le lissage de Dirichlet (Metzler et al., 2005) dans son mode par défaut. Ce système permet l’utilisation de requêtes complexes en langage Indri adapté à la recherche par termes multimots (TMMs) et non seulement par simple sacs de mots.

24Une fois extraits les documents les plus pertinents selon ce modèle et vis à vis de la requête utilisée, un résumé est constitué par extraction et ordonnancement de 20 phrases. Nous détaillons ici l’algorithme utilisé à INEX 2011 qui a été initialement introduit en (Chen et al., 2010) mais partiellement documenté. Tous les documents extraits sont segmentés en phrases et morpho - syntaxiquement étiquetés. Seuls les nominaux sont conservés. Les verbes, adverbes et articles sont ignorés. Les mots conservés sont réduits à leurs lemmes. Les phrases sont ainsi réduites à de petits sacs de lemmes. Elles sont ensuite pondérées de la manière suivante. Soit Φ l’ensemble des phrases. Si pour chaque phrase f ∈ Φ on note φf l’ensemble de ses nominaux, et si on note ϕ la requête initialement utilisée pour extraire les documents, alors le score de la phrase calculé par le système de référence proposé à INEX 2011 (SanJuan et al., 2012) en application de (Chen et al., 2010), est simplement :

25

26L’idée est de pondérer les phrases en fonction du nombre de phrases dans leur voisinage partageant au moins un nominal avec la requête utilisée pour extraire les documents. L’ergonomie du système proposé à INEX permet une interaction rapide avec l’utilisateur et l’élaboration de requêtes complexes à la lecture des résumés extraits.

27Enfin, un ensemble des mesures de recouvrements lexicaux dites « d’informativité » sont proposées dans (Bellot et al., 2015) pour évaluer la proximité thématique entre le texte à contextualiser et le résumé produit. Dans l’expérimentation qui suit nous rapportons deux de ces mesures : Kulback-Leibler et LogSim.

5.2 – Adaptation de ce système à la contextualisation de communiqués politiques en français

28Pour adapter le système de référence à notre objet, nous procédons en quatre étapes :

1. Traduction du texte en anglais.
2. Extraction et sélections de termes multimots pour constituer une requête de recherche d’information.
3. Recherche d’information ciblée dans le Wikipedia et extraction d’un résumé de contextualisation.
4. Calcul de recouvrements lexicaux entre le résumé produit et le communiqué initial pour évaluer le recouvrement thématique entre les deux textes.

29La figure 1 résume ce processus.

Figure 1

Adaptation du système de contextualisation de microblogs (TC@INEX) à la contextualisation de communiqués politiques

Adaptation du système de contextualisation de microblogs (TC@INEX) à la contextualisation de communiqués politiques

30Nous avons utilisé Google translate pour la traduction des communiqués de presse (CP) du français à l’anglais et nous avons procédé à l’extraction des termes multimots (TMM) de ces communiqués de trois manières : par l’analyste ; semi-automatique par analyse morpho-syntaxique du résumé et filtrage de ces TMM candidats par l’analyste ; automatique par sélection des TMM candidats automatiquement extraits selon leur mesure d’entropie calculée pour chaque communiqué.

31Les TMMs sont compris ici dans le sens défini dans la terminologie informatique (Kageura, 2002 ; Castellvi et al., 2001) en tant que dénominations textuelles de concepts et d’objets dans un domaine spécialisé. Les termes sont des unités linguistiques (mots ou expressions) qui, sorties de leur contexte, renvoient à des concepts ou objets existants d’un domaine donné. En tant que tels, ils proviennent d’une terminologie ou d’un vocabulaire spécialisé (Ibekwe-SanJuan, 2006).

32Une requête en langage Indri est alors constituée sur la base des TMMs extraits. Les opérateurs utilisés sont ceux pour rechercher toutes les occurrences dans le corpus de ces termes avec la possible insertion d’un ou deux adjectifs en les pondérant en fonction de leur fréquence dans le communiqué. Nous donnons des exemples de telles requêtes dans la partie expérimentale de cet article et mettons à disposition l’ensemble de celles générées sur le dépôt de données d’INEX (http://tc.talne.eu).

33Nous expérimentons le système de résumé automatique produit à partir de ces requêtes sans modification.

34Le recouvrement thématique entre le CP et le résumé produit ne peut pas être évalué à l’aide de mesures de RI standard et donc déduites ici du modèle de langue utilisé par Indri qui pondère chaque document et chacun de ses passages. En effet, les systèmes de résumé automatique ne cherchent pas à trouver tous les passages pertinents, mais à sélectionner ceux qui pourraient fournir une réponse complète. Plusieurs métriques ont été définies et expérimentées lors des ateliers de DUC (Nenkova et Passonneau, 2004) et TAC (Dang, 2008). Elles reposent toutes sur le calcul de recouvrements lexicaux. Parmi elles, les divergences de Kullback-Leibler (KL) et de Jenssen-Shanon (JS) ont été utilisées (Louis et Nenkova, 2009) pour évaluer le caractère informatif de résumés courts basés sur une série de documents hautement pertinents. Dans cette expérimentation, nous utilisons KL dans sa version discrète LogSim sans lissage probabiliste utilisé lors des campagnes INEX. Les calculs lexicaux reposent sur les fréquences de mots, de paires de mots consécutifs et de paires de mots qui se suivent dans une fenêtre glissante de cinq mots. Comme pour la constitution du résumé, les mots sont réduits à leurs lemmes et les mots vides sont ignorés (articles, coordinations, adverbes etc.). Par contre les verbes sont ici conservés.

6 – Expérimentation

35L’ensemble des données et des programmes utilisés est rendu disponible sur le dépôt de la tâche CLEF/INEX Tweet contextualization à l’adresse :

37Nous procédons à une double expérimentation. La première interactive sur trois communiqués où l’analyste choisit quelques termes dans les communiqués et compare celui-ci au résumé produit. La deuxième où les termes sont extraits automatiquement.

7 – Discussion

57Nous analysons ici les qualités et les biais de l’utilisation du Wikipedia anglais comme corpus de référence sur lequel projeter chacun des communiqués de presse ou discours labellisés comme tels. Notre approche a consisté à rechercher l’ensemble relativement délimité de fragments du corpus de référence, qui caractériserait le modèle de langage à partir duquel tel ou tel extrait de discours politique aurait pu être généré ; l’objectif étant que la globalité des notions et références structurant la textualité politique se retrouve dans l’extraction produite à partir du corpus de référence. Compte-tenu de la perspective probabiliste que suppose le recours au concept de modèle de langage, le corpus choisi pour objectiver la con-textualité du discours politique se devait en tout premier lieu d’atteindre une certaine masse critique. Or, l’extraordinaire – et tous azimuts – progression quantitative du Wikipedia dès son lancement au tout début des années 2000 (Voss, 2005) en fait une ressource particulièrement opportune, et désormais assez largement considérée comme telle par une part croissante de la littérature scientifique, notamment en matière de TALN (Medeylan et al., 2009).

58Outre l’argument de leur complète accessibilité, celui du volume de mots, et celui relatifs à la qualité, aussi bien des contenus (Giles, 2005) que de la « couverture topique » (Halavais et Lackaff, 2008), les recherches qui justifient de l’usage du Wikipedia en tant que corpus, mettent également en avant un aspect qui s’avère tout particulièrement déterminant pour notre approche, à savoir : les modalités procédurales d’obtention d’une « neutralité de point de vue ». En effet, conformément à la stratégie visant à analyser le discours politique dans toute sa matérialité sans être pour autant rabattu sur des éléments idiosyncrasiques, la « neutralisation » – en ce qu’il doit être le plus commun possible – du corpus sur lequel sont projetées les textualités du discours politique, est indispensable. Or, Wikipedia s’est progressivement doté de modes de fonctionnement relevant d’une logique épistémique exigeante (Cardon et Levrel, 2009) qui fait de la pluralité et de la diversité des contributions et points de vue (via notamment le critère de vérifiabilité), la garantie de l’objectivation des contenus édités (Barbe et al., 2015). De fait, plus un article a de contributeurs, et plus son incontestabilité est élevée. Ce sont d’ailleurs toutes ces raisons, et tout particulièrement ce dernier constat, qui expliquent que la construction de ce corpus de référence se soit faite sur la base d’un dump du Wikipedia anglais produit en avril 2013 (c’est-à-dire à une date comprise dans la périodisation retenue des corpus testés).

59Une rapide appréhension statistique des différences de production entre les versions francophone et anglophone du Wikipedia (notamment nombre d’articles, nombre d’éditions, nombre d’utilisateurs actifs, nombre de contributions par auteur, nombre d’auteurs par article) laisse effectivement apparaître des différences qui, de l’ordre du triple, quadruple, quintuple, voire plus (List of Wikipedias, 2019), font de la langue originelle du Wikipedia une version plus robuste ; et ce d’autant plus que le Wikipedia francophone présente des spécificités d’usage (Auray et al., 2007) qui résultent d’une horizontalité moins optimale de sa gouvernance (Canivenc, 2010). Nous sommes néanmoins conscients du biais culturel que pourrait introduire le passage par le Wikipedia anglophone, en ce que l’on pourrait aisément souligner le risque qu’il y aurait à contextualiser un discours français (après traduction bien sûr) au travers d’une vision anglo-saxonne de la ou les problématiques sociale(s) que celui-ci aborderait. Certaines thématiques culturellement circonscrites peuvent en outre être totalement absentes du wikipedia anglais.

60Toutefois, le Wikipedia anglophone demeure un choix de première intention pour au moins deux raisons qui ont très directement trait aux attendus et perspectives de notre démarche. D’une part, il nous apparaît que le passage par une langue pivot telle que l’anglais pour projeter le texte initial sur la ressource encyclopédique permet d’obtenir une caractérisation objectivée du texte du discours qui, moins sensible aux simples proximités lexicales, parvienne à révéler des proximités plus conceptuelles. D’autre part, ce travail n’étant que la première étape d’une recherche plus large, ambitionnant de comparer des corpus-test issus de toute l’Europe, le passage par le Wikipedia anglophone s’impose comme une nécessité de comparabilité ; et ce d’autant plus que se concrétise l’hypothèse de la constitution d’une internationale des droites radicales, sous l’égide du Movement de Steve Bannon (Esprit, 2018). Aussi, au lieu donc de privilégier les Wikipedias nationaux, nous envisagerons davantage à terme d’articuler, à des fins de contrôle, cette utilisation du Wikipedia anglophone à un recours au Manypedia, l’outil proposé par Massa et Scrinzi (2013), afin de comparer le recouvrement conceptuel d’une version du Wikipedia à une autre.

61Les communiqués de presse politiques étudiés ont été traduits à l’anglais avec Google Translator. Les termes multimots de la traduction ont été extraits et leur ensemble filtré automatiquement ou manuellement, soumis comme requête au système Indri de recherche d’informations. Seules les 64 pages les plus pertinentes sont retenues. A ce stade, nous pouvons conclure que la seule recherche documentaire ne suffit pas. Les tous premiers renvois se partagent vers les pages de :

• personnalités diverses, figures journalistiques non consensuelles (comme « Denis Tillinac », éditorialiste à Valeurs actuelles ou « Diana Johnston », classée parmi les journalistes conspirationniste), hommes ou femmes politiques (« Jean-Luc Mélenchon », « Adam Buick », socialiste anglais, « Stanislaw Piéta », homme politique polonais accusé d’avoir séduit une femme et l’avoir abandonnée) ou figures historiques telle « Henryk Ignacy Kamiensky » (militaire polonais de l’époque napoléonienne) ou religieuses telles « Youssef Wahba » (premier ministre copte en Égypte).
• référence à des contextes électoraux spécifiques : « élections cantonales 2011 », « présidentielles 2012 », « élection au Québec en 2012 ».
• références à des pages centrées autour des problématiques de genre (« Network of enlightened Women », « Prostitution in Egypt », « Abortion in Estonia », « Equal Opportunities Commission », « Manifesto of the 343 ») mais aussi des pages religieuses (« Ministry Haj and Islamic Affairs (Afghanistan) », « Jeunesse Etudiante Chrétienne », « St. Catherine’s Church of England Primary School »)

62Les pages renvoyant vers des personnalités politiques (entre 12 et 15 pour les premières pages référencées pour les 38 CP sélectionnés) ne permettent pas d’établir les parentés textuelles entre les corpus même si elles peuvent renseigner sur la circulation de ces textes suggérant de s’intéresser à cette question du référencement autour ou en dehors de la nébuleuse populiste. Alors que dans la première page, aucune référence n’est faite à des personnalités du Rassemblement national, elles apparaissent à la troisième page, l’auto-référencement semblant alors s’intensifier. De même, les seuls titres de pages se référant aux contextes électoraux ne donnent aucun indice concernant ce qui y est effectivement traité et qui par définition très dépendant de l’actualité du moment. Pour dépasser ces limites, il s’avère bien nécessaire de produire des résumés des ensembles des pages extraites pour travailler les parentés textuelles les plus pertinentes entre communiqués et extraits du Wikipedia. Nous avons essayé d’évaluer alors le recouvrement entre le texte initial et le contenu des pages extraites avec des mesures d’informativité. Cependant pour interpréter le score d’informativité obtenu il est nécessaire de le comparer à celui de résumés de même dimension des pages extraites. L’expérimentation automatisée sur l’ensemble des communiqués a montré la fragilité de ces estimations et les limites de l’objectivation avec cette méthode. Pour y répondre il sera nécessaire d’une part, d’adapter ce type de mesure au texte politique et d’autre part de développer l’interactivité entre le système et l’analyste de manière à ce que ce dernier puisse éprouver les résultats.

8 – Conclusion et perspectives

63Dans cette étude, nous avons démontré la faisabilité d’étendre un système initialement conçu pour la contextualisation de textes courts tel que des microblogs, à des communiqués de presse politiques entiers. En combinant traduction automatique vers une langue pivot et extraction des termes multimots du discours, nous avons étudié la capacité de cette approche à trouver un ensemble rapproché de concepts du Wikipedia qui explique les valeurs sous-jacentes au discours.

64De manière plus générale, et afin de contribuer au débat épistémologique en cours sur le développement de l’instrumentation numérique des sciences humaines et sociales (Bigot et Mabi, 2017), nous voudrions clore cet article par l’adoption d’une posture réflexive quant à la spécificité du dispositif numérique d’opérationnalisation promu ici pour analyser, ou du moins objectiver, l’offre discursive des partis d’extrême-droite. Loin de nous reconnaître dans la dimension “mythologique” (Boyd et Crawford, 2012, 664) de la multiplication (et massification) des données numériques (Ollion et Boelaert, 2015) qui suppose que leur simple usage fait accéder à un niveau supérieur de « scientificité » mêlant exhaustivité, objectivité et précision, nous nous revendiquons au contraire d’une épistémologie doublement constructiviste. Non seulement nous reconnaissons le caractère artefactuel des produits - qu’il s’agisse des pages Wikipedia sélectionnées ou des calculs d’informativité - de notre dispositif technique (dont nous ne sous-estimons pas d’ailleurs la valeur épistémique embarquée), mais l’artificialité de l’hypothèse de génération des discours politiques à partir d’une sélection de pages Wikipedia est explicitement revendiquée comme une stratégie heuristique de contournement de l’hermétisme du discours politique. Aussi, l’utilité que présente notre collaboration transdisciplinaire entre sciences politique et informatique se revendique moins d’une démarche positiviste que d’un « régime exploratoire » (Auray, 2011) ou d’un « serendipity turn », qui se refuse à considérer qu’une quelconque sciences des données puisse se substituer aux études sociologiquement situées de type qualitatif (Manovitch, 2011), ou bien même annihiler le « perspectivisme » qui caractérise consubstantiellement la recherche en sciences humaines et sociales (Passeron, 1991). Aussi, la « datafication » de la stratégie de recherche (Ibekwe-Sanjuan, 2017) ne doit-elle être considérée que comme un simple moment, une étape singulière, prenant sa place, au côté d’autres séquences appartenant à d’autres épistémologies, dans le processus plus ample de « problématisation » qui est lui seul la marque de « l’esprit scientifique » (Bachelard, 1938, 17).