Le web, opportunité ou menace pour la diversité de l’information ?

3Le web constitue, indéniablement, un lieu potentiel de pluralisme pour l’information. Plusieurs chercheurs se sont en particulier intéressés à ce que l’amateurisme pouvait apporter à l’information en ligne (pour une synthèse, cf. Dagiral, Parasie, 2010), à travers l’étude des blogs (Serfaty, 2006), ou en questionnant les relations entre blogueurs et journalistes (Reese et al., 2007). Affirmant que les journalistes ne sont à présent plus les seuls maîtres de l’agenda médiatique en ligne, Bruns (2008) est l’un des auteurs les plus repris à ce sujet. Selon lui, le gatekeeping aurait fait place à un gatewatching : les internautes contributeurs auraient acquis une capacité de mobilisation collective à même d’influencer les choix opérés par les journalistes dans la sélection de l’information. Dans la même perspective, l’interactivité supposée de l’internet est considérée comme un facteur contribuant à mettre le débat démocratique et l’expression politique au premier plan de l’information médiatique. Ceci permettrait alors au citoyen de se forger une opinion sur le monde social, éventuellement de prendre part à un engagement politique (pour une synthèse, cf. Greffet, Wojcik, 2008).

4L’internet cependant, bien loin d’une « peaceful market-place of ideas » telle que dénoncée par Peters (2004), constitue une arène où différents acteurs se livrent une compétition pour l’accès à une tribune médiatique. Les contenus offerts aux internautes sont d’abord le résultat du travail réalisé par les acteurs de l’information en ligne. Et ils sont très souvent liés aux sources que constituent les services de communication des organisations et les agences de presse. Leur pouvoir de fixation de l’agenda est dans bien des cas inversement proportionnel à la capacité matérielle et temporelle des entités médiatiques à produire un contenu propre, ou à exploiter de manière créative le matériau discursif qui leur est fourni (Marty, 2010). Cette logique du système médiatique, aboutissant à une situation assez classique de « circulation circulaire de l’information » telle que vulgarisée par Bourdieu (1996), est rendue encore plus complexe sur l’internet : face au succès d’infomédiaires tels que Google Actualités, la politique des différents éditeurs est ambiguë, voire ambivalente, faisant se côtoyer mise en cause d’une concurrence considérée comme déloyale et souci presque obsessionnel d’un bon référencement, le tout pesant sur la nature des contenus ainsi produits (Smyrnaios, Rebillard, 2009).

« More is Less » ? La nécessaire analyse des informations offertes aux internautes

5Précisément, des travaux plus empiriques se sont employés à analyser les contenus d’actualité effectivement offerts sur le web. Tous semblent se rejoindre autour d’un constat assez semblable, résumé dans la formule-titre « More is Less » d’une des premières recherches à cet égard (Paterson, 2007) : davantage de sites certes, mais moins d’informations originales au final.

6Chris Paterson s’est évertué dès le début des années 2000 à analyser les articles produits par les nouveaux entrants dans le domaine journalistique que constituaient les grands sites portails et agrégateurs (AOL, Yahoo, Excite, AltaVista…), et à les comparer avec les sites de médias plus établis (CNN, BBC, ABC, SkyTV, New York Times…). Il s’est avéré que ces sites reprenaient en grande partie des dépêches d’agence, et dans des proportions croissantes au fil du temps : de 2001 à 2006, la part de textes provenant de Reuters et d’Associated Press passe de 34 % à 50 % dans les articles publiés par les sites de médias, et de 68 % à 85 % dans les articles publiés par les portails et agrégateurs. Plus récemment, un groupe de chercheurs conduit par Natalie Fenton (2010) s’est penché sur les sites d’information britanniques. En sus des sites de médias imprimés et audiovisuels, et des portails/agrégateurs, ont été pris en compte des sites d’information alternative tels que IndyMedia ou OpenDemocracy. Ces derniers sont les seuls à ne pas suivre l’agenda médiatique dominant de l’année 2008 au Royaume-Uni, ils sont aussi les moins consultés. Les autres sites, à l’exception notable de celui de la chaîne participative Current TV et de la page « Have Your Say » de la BBC, présentent des contenus très fréquemment similaires (écrits comme images) et les traitent à partir d’un angle souvent unique. Les chercheurs relient cette similarité dans l’information analysée aux pratiques professionnelles de veille sur la concurrence observées parallèlement dans les salles de rédaction. La même pratique de monitoring a été mise en relief par Pablo Boczkowski (2010) lors de son enquête ethnographique au sein du quotidien argentin Clarín, et plus particulièrement dans les bureaux du service web Ultimo Momento jonchés d’écrans scrutant la concurrence jusqu’aux chaînes d’information en continu. Un phénomène d’imitation dans les contenus en découle : Boczkowski l’a observé en 2005 lors d’une comparaison entre les sites de Clarín, La Nacion (autre grand quotidien argentin) et Infobae (site d’information sans équivalent papier). Il le rattache également à l’anticipation d’une attente d’information factuelle et rapidement renouvelée en réception, en raison des habitudes de consultation de l’internet sur le lieu de travail. Une semblable incitation à la productivité dans l’information en ligne, et son corollaire consistant à s’appuyer essentiellement sur des dépêches d’agence ou des informations de seconde main, avaient été documentés par des enquêtes auprès de cinq sites d’information en Allemagne (Quandt, 2008).

7C’est une même démarche, visant à mettre à l’épreuve des faits l’hypothèse d’une contribution du web au pluralisme de l’information, qui a animé notre propre recherche en France. À la différence des travaux évoqués précédemment, nous ne traiterons toutefois dans cet article que de l’analyse des informations offertes sur le web. Les deux autres volets, connexes, de la production et de la réception de l’information, sont en partie abordés dans un autre article de ce dossier (Rieder, Smyrnaios, 2012). Laissant donc momentanément de côté les ressorts sociaux de l’information, nous centrons notre analyse de discours sur les informations produites en les rapportant à leurs sites énonciateurs, en allant plus loin dans cette voie que ne l’ont fait les recherches passées en revue. Afin de pouvoir pleinement statuer sur le degré de diversité des informations disponibles sur le web, nous avons fait en sorte d’inspecter l’ensemble des sites proposant des contenus d’actualité. Cela nécessitait, par rapport aux recherches existantes, d’élargir très sensiblement la focale afin d’intégrer des sites susceptibles de proposer une information plus originale tels que les blogs. Il s’est agi, en somme, de déplacer le centre de gravité de l’analyse vis-à-vis des sites de médias « traditionnels », encore trop souvent pris comme référents de départ.

8Les résultats livrés dans cet article présentent ainsi un caractère novateur. Ils sont issus de l’appréhension exhaustive d’un espace national d’informations d’actualité sur le web, et permettent à ce titre de pleinement embrasser la problématique de l’adéquation entre multiplicité des sites et diversité des nouvelles. Ils constituent l’aboutissement d’une recherche au long cours, base du programme Ipri [1], qui a déjà été précédée par des travaux exploratoires (Marty et al., 2010 ; Smyrnaios et al., 2010). Ces premières incursions dans l’analyse de l’information sur le web nous ont permis d’éprouver la validité d’une typologie des sites d’actualité et d’établir des corrélations entre modes de publication de l’information et nature des contenus offerts. Néanmoins, nous pointions dans nos précédents travaux un certain nombre de limites, dépassées dans les dernières phases de notre recherche. D’une part, le nombre de sites web considérés a été substantiellement augmenté, d’un échantillon d’environ 60 à près de 200, jusqu’à représenter la totalité de la population des sites proposant des informations générales et politiques en France. D’autre part, la période d’observation s’est étalée sur une dizaine de jours consécutifs (du 7 au 17 mars 2011), plutôt que sur quelques journées isolées, et a ainsi permis de prendre en compte tous les rythmes de publication des sites, y compris ceux beaucoup plus lents des blogs. Au final, nous avons ainsi disposé d’un terrain à même de fournir une évaluation globale, pour la France, du niveau de pluralisme de l’information sur le web.

Une analyse de l’agenda médiatique, adaptée à la configuration du web

10On sait notamment depuis Berger et Luckmann (1966) que l’activité de construction sociale de la réalité, par le biais du langage et des médias, aboutit à livrer un miroir inévitablement déformant et pluriel de notre environnement (Véron, 1981 ; Charaudeau, 2005). Les différentes étapes de l’élaboration des nouvelles, la sélection des sujets dignes d’être traités, les critères de la « newsworthiness » évoquée par Gamson et Modigliani (1989), sont étroitement dépendantes des logiques économiques et éditoriales des différents médias. Cette dimension de l’activité médiatique, située en amont de la diffusion de l’information, est peu visible au public. Elle n’en a pas moins un rôle essentiel : celui de définir la physionomie de l’agenda médiatique.

11Depuis les travaux de McCombs et Shaw (1972) et leur théorisation de l’agenda-setting, de nombreuses études ont démontré la tendance des principaux médias à traiter des mêmes sujets d’actualité au même moment (Dearing, Rogers, 1992). Il s’agit de ce que Scheufele (2000) a en réalité identifié comme étant l’activité d’agenda-building, littéralement de « construction de l’agenda », le terme setting désignant plutôt les corrélations entre les sujets privilégiés par les médias et ceux considérés comme importants par le public. Sans préjuger de la manière dont peut se répercuter l’agenda-setting auprès des publics, notre propos ici est bien d’identifier l’état de l’agenda-building en ligne, en se donnant pour objet de questionner les spécificités des différents sites d’information. L’analyse de l’agenda médiatique sur le web a donc dû être rapportée à l’ensemble des types de sites d’actualité. Plus précisément encore, dans une optique d’étude du pluralisme de l’information web en France, il s’est agi de répertorier tous les sites publiant des informations et/ou commentaires sur l’actualité générale et politique, à caractère essentiellement national.

Une appréhension de l’ensemble des catégories de sites

12Le paysage des sites web d’information générale et politique avait fait l’objet d’un premier recensement (Marty et al., 2010) distinguant les catégories de presse en ligne (versions internet de médias existants), webzines (publications collectives exclusivement internet), blogs (publications individuelles exclusivement internet), sites participatifs (publications collaboratives exclusivement internet), portails (composantes informationnelles de plates-formes multiservices), et agrégateurs (regroupements automatisés d’informations d’actualité). Cette première catégorisation s’appuyait sur des typologies relativement anciennes (Deuze, 2003 ; Rebillard, 2006) qui méritent d’être actualisées.

13Tout d’abord, la frontière entre agrégateurs et portails est devenue plus floue, dans la mesure où ces derniers emploient eux aussi des procédés d’automatisation de la recherche d’actualités. Ces deux types de site officient de plus selon une logique similaire, qui est celle de l’infomédiation telle qu’évoquée plus haut. Dans la présente étude, portails et agrégateurs sont donc rassemblés et désignés sous l’appellation commune d’infomédiaires. Par ailleurs, en ce qui concerne l’appellation presse en ligne, on peut légitimement avancer qu’elle ne traduit plus suffisamment la montée en puissance des versions internet de médias audiovisuels. Il est alors sans doute préférable d’employer la formule plus large de médias en ligne, recouvrant le déploiement sur la toile de la presse écrite mais aussi de la radio et de la télévision. Parallèlement, une nouvelle appellation, celle de pure players, s’est progressivement imposée jusqu’à subsumer les catégories webzines et participatifs (Ouakrat, 2011), lesquelles incluent désormais un degré variable de modération des contenus par la communauté des internautes ou par la rédaction professionnelle du site. Pour autant, les supports de diffusion ont également évolué : plusieurs pure players développent ou ont un temps développé une version écrite (Bakchich, Rue89), rendant inadaptée l’appellation de sites exclusivement internet. Par conséquent, l’appellation de sites nés en ligne (Mercier, Pignard-Cheynel, 2011), ou plus exactement natifs de l’internet, leur sera préférée.

14Nous proposons donc à présent une catégorisation mise à jour et simplifiée, distinguant les médias en ligne, les sites natifs de l’internet, les blogs et les infomédiaires. À l’intérieur de cette catégorisation, une attention particulière sera toutefois portée au caractère professionnel ou amateur [2] de l’énonciateur, nous amenant parfois à distinguer certains sites à l’intérieur d’une même catégorie. C’est particulièrement vrai pour la catégorie des blogs, lesquels peuvent être des lieux d’expression individuelle des journalistes professionnels, hébergés par le site de leur titre de presse (p. ex., Yvan Riouffol sur le site du Figaro), ou relever d’une initiative individuelle et amateur (blogs Partageons mon avis, À perdre la raison, CSP, etc.). C’est le cas également de plusieurs sites natifs de l’internet, voire de certains infomédiaires, tels que Rezo.net, qui compile des publications à la fois amateurs et professionnelles.

Le recensement des sites et leur exploration

15Une fois cette typologie déterminée, la recherche des sites web d’information générale et politique, à caractère essentiellement national, a visé l’exhaustivité. Trois étapes méthodologiques se sont succédé à cette fin.

16Une première liste de sites a d’abord pu être établie sur la base des sites identifiés lors des travaux exploratoires précédents de 2008-2010. Cette base initiale a été contrôlée et ainsi mise à jour en janvier 2011. Elle a abouti à l’intégration des 43 médias en ligne et des 14 infomédiaires de notre échantillon final de sites. Des médias natifs de l’internet et des blogs avaient été également repérés lors de nos précédents travaux : ils ont eux aussi été soumis à un nouvel examen en janvier 2011. Mais pour ces deux dernières catégories, blogs et sites natifs de l’internet, des démarches complémentaires ont été mises en œuvre.

17La méthode du navi-crawling [3], consistant en une exploration systématique des liens hypertextuels d’un site, a été employée. Plus précisément, elle a été appliquée à un échantillon-racine constitué par les blogs occupant les premières places du classement Wikio, dont l’activité est attestée et dont la place est relativement centrale dans la blogosphère française. Ainsi, plusieurs sites (majoritairement des blogs, mais également certains sites natifs de l’internet) ont été découverts et intégrés à la suite de ce navi-crawling.

18Enfin, d’autres blogs et sites natifs de l’internet ont été ajoutés à partir de liens pointés par les internautes sur Twitter. Ce travail s’est appuyé sur la Twitter REST API et son exploitation depuis la plate-forme Tweetism développée par Bernhard Rieder et Raphaël Velt.

19Ces multiples méthodes ont permis au final d’identifier 110 blogs et 42 sites natifs de l’internet répondant aux critères précédemment évoqués. Ceci a porté le nombre total de sites recensés à 209 en février 2011, un ensemble que l’on peut estimer très proche de la population entière des sites français dédiés à l’information générale et politique au moment de notre période d’observation (7 au 17 mars 2011).

La collecte des articles

20Pour procéder à l’analyse des informations publiées par ces sites, un logiciel a été spécialement développé dans le cadre de notre projet par les chercheurs du laboratoire d’informatique LIRIS [4]. Ce logiciel, appelé IPRI - News Analyzer (IPRI-NA), a dans un premier temps permis de collecter les articles publiés sur les flux RSS des sites. Dans l’idéal, il aurait été préférable de collecter les articles publiés directement sur les pages web, mais les procédés techniques existants étaient peu satisfaisants, charriant avec les articles et illustrations des encarts publicitaires ou des liens hypertextuels susceptibles de complètement brouiller l’analyse. Les flux RSS fournissent de ce point de vue un rendu bien plus adéquat, avec titre de l’article, descriptif, lien vers l’URL d’origine, et date de publication. Pour chacun des sites a été capté le flux RSS À la Une ou Actualités rassemblant les articles correspondant à notre critère d’information générale et politique, à caractère essentiellement national. Il s’est avéré que ces flux RSS n’étaient pas toujours homogènes. Par exemple, l’un d’entre eux (celui de Free Actualités) s’est distingué par nombre d’informations à caractère régional. Plus globalement, les flux À la Une et Actualités intégraient pour la plupart des informations sur les grands événements sportifs et l’activité boursière des principales places financières, alors que ces dernières informations étaient parfois réservées à des flux thématiques (flux Sport, Économie) dans certains sites. Ces phénomènes, même minoritaires, peuvent être vus comme une source de biais pour la présente recherche, considérant qu’une dose de diversité est introduite dès l’amont, via le mode de collecte des données. Cependant, on peut aussi considérer, par analogie avec l’analyse de la structuration sémiotique de la presse écrite (Mouillaud, Tétu, 1989), que la partition en flux RSS des sites est assimilable à la partition en pages et rubriques des journaux, et traduit en cela un découpage représentationnel de la réalité sociale par chacun des sites. Le fait de placer tel ou tel article dans les flux À la Une ou Actualités relève donc des choix éditoriaux de sélection et de hiérarchisation de l’information, dont notre analyse de discours entend rendre compte – sans forcément se prononcer sur la pertinence ou la cohérence des choix effectués par les éditeurs – pour précisément voir quelles nouvelles sont mises à l’agenda.

21La collecte s’est déroulée sur la quasi-totalité du mois de mars 2011. Comme indiqué précédemment, l’analyse en elle-même a porté sur une période d’une dizaine de jours consécutifs afin d’intégrer les temporalités de publication respectives des différentes catégories de sites. De façon aléatoire, la période du 7 au 17 mars a été délimitée, planifiée plusieurs semaines avant la collecte afin de s’assurer de son bon déroulement pratique (nécessité pour les chercheurs de prévoir une disponibilité pour surveiller le bon fonctionnement du logiciel durant cette période). Cette période s’est révélée comporter le tsunami au Japon en son sein (vendredi 11 mars). Sa physionomie a alors donné la possibilité de travailler d’une part sur des journées « ordinaires » au niveau de l’actualité, en amont du tsunami, d’autre part sur les journées plus exceptionnelles qui ont suivi. Après collecte et évacuation de quelques artefacts techniques, le corpus comprend 37 569 articles sur la période du 7 au 17 mars 2011, publiés par 199 sites [5] répartis entre les quatre catégories : médias en ligne, sites natifs de l’internet, blogs, et infomédiaires.

La classification des articles en sujets d’actualité

22Les milliers d’articles ainsi collectés ont été soumis à une analyse de discours, afin de déterminer les sujets d’actualité abordés par les différents sites web, et de reconstituer à partir de là l’agenda médiatique. Dans cette recherche, orientée par une problématique de mise à l’agenda, nous considérons en effet l’agenda médiatique comme une sorte de mosaïque composée des différents sujets d’actualité abordés par l’ensemble des sites. Les sujets d’actualité peuvent constituer des événements médiatiques de plus ou moins grande importance, en fonction du volume d’articles qui leur sont consacrés ou du nombre de sites qui leur prêtent attention. La notion de sujet d’actualité est donc la pierre angulaire de ce travail, à la fois opérateur de la classification sémiotique des articles, et unité de base de l’agenda médiatique pour les analyses ultérieures. Elle nécessite à ce titre d’être définie de façon étayée.

23Partant de cette définition du sujet d’actualité, la classification des articles a alors été établie sur chacune des journées, selon une méthode semi-automatisée grâce au logiciel IPRI-NA. Par rapport à d’autres recherches portant sur la diversité de l’information en ligne, principalement menées aux États-Unis, notre méthode se situe à mi-chemin entre un traitement lexicométrique complètement automatisé (cf. Leskovec et al., 2009, à propos de la médiatisation de la campagne présidentielle US en 2008 entre blogs et sites web), et ce qui resterait au stade d’une analyse manuelle par codage thématique (cf. Carpenter, 2010, comparant les articles des sites de médias traditionnels et ceux publiés dans les sites de médias citoyens). Nous avons pour notre part procédé à un premier défrichage informatique des similarités lexicales entre articles, permettant de traiter automatiquement un tiers de notre corpus, avant de vérifier cette première classification et de la compléter par un codage manuel, en sujets d’actualité, des deux tiers restants du corpus [6].

24Une telle méthode, même fondée sur des critères théoriques relativement solides, pose la question de l’arbitraire du codeur au moment de la classification des articles en sujets. Il a donc été décidé de procéder à une mesure statistique de la fiabilité intra-codeur et inter-codeurs. Le test intra-codeur consistait en une nouvelle classification par le même codeur plusieurs mois après (juillet 2011 / novembre 2011), tandis que le test inter-codeurs établissait une comparaison avec un second codeur. Ces tests ont abouti à un taux de cohérence intra-codeur de 96,5 % et de plus de 92 % pour la cohérence inter-codeurs, taux très élevés accréditant la fiabilité de la classification [7].

La variété des sujets abordés au jour le jour

27Rappelons que, au cours de cette période, 199 sites ont publié un total de 37 569 articles. Sur chaque journée, ce sont entre 300 et 700 sujets d’actualité différents qui sont abordés sur le web, témoignant d’un niveau élevé de variété éditoriale. Dans le détail, le décompte s’effectue comme suit (voir tableau 1).

Tableau 1

Variété des sujets abordés entre le 7 et le 17 mars 2011

Journée Nb articles Nb sujets Nb sites Lundi 7 mars 3418 593 143 Mardi 8 mars 3496 625 145 Mercredi 9 mars 3552 670 141 Jeudi 10 mars 3369 678 140 Vendredi 11 mars 4068 573 145 Samedi 12 mars 2415 342 117 Dimanche 13 mars 2417 306 116 Lundi 14 mars 3527 534 152 Mardi 15 mars 3757 562 141 Mercredi 16 mars 3723 556 144 Jeudi 17 mars 3827 613 141

Variété des sujets abordés entre le 7 et le 17 mars 2011

28Le nombre d’articles est relativement stable pour chacune des journées, compris entre 3300 et 3900, hormis lors de trois journées particulières. Deux journées, d’abord, se caractérisent par un nombre nettement plus réduit d’articles (environ 2400). Il s’agit des deux journées de week-end, lors desquelles les rédactions en ligne sont beaucoup moins fournies en personnel. Une autre journée s’avère ensuite exceptionnelle durant notre période d’observation : le vendredi 11 mars 2011, jour du tsunami au Japon, où 4068 articles ont été produits. Sur le plan des sujets, cette journée constitue parallèlement un moment où la variété éditoriale baisse très nettement, perdant une centaine de sujets d’actualité par rapport à la veille. Cette décrue se poursuit le lundi, où la variété atteint son plus bas niveau – excepté le week-end – avec 534 sujets d’actualité. Ce nombre plancher de sujets correspond, à l’inverse, à un nombre plafond de sites : 152 d’entre eux ont publié des articles ce jour-là. L’événement exceptionnel survenu au Japon a donc suscité la production chez nombre de sites et focalisé leur attention sur ce sujet précis, ainsi que sur les sujets afférents (débat sur le nucléaire après l’accident des centrales suite au tsunami, voir tableau 2) dans les jours suivants.

Tableau 2

Sujets d’actualité majeurs entre le 7 et le 17 mars 2011 (top 10)

Sujet d’actualité Nb articles 1 Accidents de centrales au Japon et risque nucléaire 4 147 2 Conflit en Libye 4 131 3 Violent séisme au Japon et tsunami 3 101 4 Le débat sur le nucléaire relancé en France et dans le monde 1 031 5 Un sondage Harris donne Marine Le Pen en tête des intentions de vote 962 6 Procès Chirac emplois fictifs 858 7 Affaire Renault 757 8 Conflit en Côte d’Ivoire 683 9 La campagne des élections cantonales 571 10 Manifestations et répression au Bahreïn 475

Sujets d’actualité majeurs entre le 7 et le 17 mars 2011 (top 10)

29Le vendredi 11 mars (et le week-end qui l’accompagne) a donc constitué une césure. Avant, c’est-à-dire entre le lundi 7 et le jeudi 10 mars, s’étale une phase d’actualité ordinaire, avec une moyenne quotidienne de 3459 articles pour 641 sujets. La phase qui suit, entre le lundi 14 et le jeudi 17 mars, affiche, elle, des moyennes de 3708 articles pour 566 sujets. Avec un nombre plus élevé d’articles pour moins de sujets, la deuxième phase se caractérise donc par une plus grande concentration de l’information en ligne. Cette modalité particulière de distribution de l’information renvoie au deuxième critère de pluralisme, l’équilibre, sur lequel nous allons nous pencher de façon plus précise.

Un agenda médiatique en déséquilibre quotidien

30L’agenda médiatique, sur le web, est constitué d’une multitude de sujets d’actualité comme nous venons de le voir. Reste maintenant à déterminer comment cet agenda médiatique est structuré, en analysant la place accordée à chacun des sujets. Cette hiérarchie de l’information sera évaluée ici en considérant l’importance d’un sujet d’actualité à l’aune du nombre d’articles qu’il rassemble.

31De telles mesures font apparaître les résultats suivants : un nombre réduit de sujets concentre la majorité des articles et, inversement, de très nombreux sujets sont abordés de façon isolée dans un seul article ou une poignée d’articles. Cette dualité entre forte concentration d’un côté et extrême dispersion de l’autre, sur laquelle nous nous sommes déjà arrêtés pour notamment montrer son caractère relativement classique au regard de l’hypothèse de « longue traîne » (Marty et al., 2010 ; Smyrnaios et al., 2010), correspond de façon plus générale à des distributions parétiennes de type 20/80 [8]. Concernant le pluralisme de l’information sur le web, cela signifierait que 20 % des sujets rassemblent à eux seuls environ 80 % des articles. En mars 2011, les journées du 7 au 10 mars présentent des valeurs semblables : 20 % des sujets rassemblent entre 80 et 83 % des articles. En revanche, lors des journées du 11 au 17 mars, 20 % des sujets rassemblent entre 85 et 88 % des articles (voir tableau 3).

Tableau 3

Concentration des articles dans les principaux sujets entre le 7 et le 17 mars 2011

Date % d’articles rassemblés par 10 % des sujets % d’articles rassemblés par 20 % des sujets % d’articles rassemblés par 50 % des sujets Lundi 7 mars 75 83 91 Mardi 8 mars 73 81 91 Mercredi 9 mars 71 80 91 Jeudi 10 mars 71 80 90 Vendredi 11 mars 80 86 93 Samedi 12 mars 81 87 93 Dimanche 13 mars 82 88 94 Lundi 14 mars 79 85 92 Mardi 15 mars 79 86 93 Mercredi 16 mars 80 86 93 Jeudi 17 mars 80 85 92

Concentration des articles dans les principaux sujets entre le 7 et le 17 mars 2011

32Nous retrouvons ici la césure identifiée précédemment : un surcroît de concentration de l’information intervient à partir du vendredi 11 mars, jour du tsunami au Japon. On peut donc considérer que cet événement est à l’origine d’une telle surconcentration de l’information.

33Cette hypothèse est étayée par l’observation du premier décile des sujets lors de chaque journée : 10 % des sujets rassemblent entre 71 et 75 % des articles du 7 au 10 mars, puis entre 79 et 82 % des articles du 11 au 17 mars. Ceci laisse penser que la différence entre les journées se joue bien au niveau du premier décile de sujets d’actualité, comprenant ceux relatifs au tsunami, aux accidents dans les centrales et au débat sur le nucléaire, à compter du 11 mars et par la suite.

34Par ailleurs, si l’on s’intéresse cette fois à la médiane des sujets, on remarque que 50 % des sujets ont rassemblé entre 90 et 91 % des articles du 7 au 10 mars, puis entre 92 et 94 % du 11 au 17 mars. Donc à nouveau une césure autour du 11 mars, mais moins prononcée que pour les 10 % et 20 % de sujets principaux. En miroir, cela veut aussi dire que l’autre moitié des sujets n’est vraiment abordée qu’avec parcimonie, toujours confinée dans moins d’un dixième des articles. Ceci confirme le déséquilibre quotidien de l’agenda médiatique en ligne, entre surexposition d’une minorité de sujets d’actualité et confidentialité de la majorité d’entre eux.

Variété et éclectisme éditorial des sites

36Notre premier critère d’évaluation quantitative du pluralisme, la variété, tient au nombre de sujets abordés. Appliqué de façon individuelle à chacun des sites, il fournit des résultats intéressants et en même temps perfectibles.

37Le décompte brut permet de repérer quels sites ont abordé le plus grand nombre de sujets au cours de la période d’observation (entre le 7 et le 17 mars 2011). Dans les cinq premières places, on retrouve alors quatre infomédiaires (Free [9], Wikio, Voila, Newspeg) avec près de 500 sujets, voire plus, abordés au cours de cette période d’une dizaine de jours. Nous remarquons aussi dans le haut de ce classement, aux côtés de versions numériques de plusieurs médias appartenant à des groupes industriels de communication (Le Journal du Dimanche et Europe 1 du groupe Lagardère, L’Express et L’Expansion du groupe Roularta), plusieurs sites natifs de l’internet présentant une forme participative d’ouverture aux contributions d’amateurs (François Desouche, Bellaciao, Agora Vox) [10].

38Inversement, lorsque l’on s’intéresse cette fois aux sites ayant abordé le moins de sujets au cours de la période, c’est-à-dire à la queue d’un tel classement, apparaissent 101 sites à avoir abordé 11 sujets ou moins au cours de la période de 11 jours, c’est-à-dire au mieux un sujet par jour. Ces derniers sont très majoritairement des blogs (précisément 78 blogs sur 101 sites).

39Une telle différence dans le nombre de sujets abordés, selon les catégories de sites, s’explique en grande partie par leur volume de production d’articles, lui-même très inégal. Les infomédiaires se caractérisent par une forte productivité, continue tout au long de la journée (75 articles diffusés par jour en moyenne), s’alimentant le plus souvent automatiquement auprès d’éditeurs tiers. Les blogs fonctionnent avec un rythme de publication beaucoup plus étalé et moins régulier, que notre période d’observation allongée à onze jours permet tout juste d’embrasser pour certains d’entre eux.

40Ce constat amène à considérer la valeur brute du nombre de sujets abordés comme un indicateur nécessaire mais non suffisant de pluralisme interne. Une solution consiste à le pondérer par le nombre d’articles produits par chacun des sites. On arrive ainsi à une valeur relative apte à refléter plus équitablement le niveau de variété d’un site, son niveau d’éclectisme éditorial en quelque sorte.

41En procédant à un calcul de ce type, on aboutit à un nouveau classement qui place dans sa première partie tous les sites ayant produit autant d’articles qu’ils n’auront abordé de sujets. Au total, 63 sites auront respecté cette « ligne de conduite éditoriale » consistant à consacrer un seul article à chaque sujet abordé. Il s’agit pour l’essentiel de blogs et, dans une moindre mesure, de sites natifs de l’internet. Parmi eux, le Bondy Blog se distingue en particulier par le fait d’avoir produit un nombre assez consistant d’articles sur la période (24 articles en 11 jours), chaque fois sur un sujet différent (24 sujets différents au total donc). L’éclectisme éditorial de ce site au niveau des contenus, tel que mesuré ici, pourrait être mis en relation avec son mode de réalisation singulier, associant professionnels et amateurs, ancré dans des réalités sociales, celles des « banlieues », bien différentes de celles caractérisant d’autres expériences de journalisme participatif (Sedel, 2011).

42À l’inverse, en queue de ce nouveau classement vont se retrouver des sites qui eux s’illustrent par un certain « matraquage » éditorial, n’hésitant pas à multiplier les articles autour d’un même sujet. Parmi eux se trouvent assez logiquement des infomédiaires et plus précisément des agrégateurs de nouvelles, comme Google Actualités (14 articles par sujet en moyenne) ou actu2424 (7 articles par sujet). Les rejoignent des sites de médias professionnels connus pour être très actifs dans la production d’articles afin de, précisément, favoriser leur référencement auprès des agrégateurs et moteurs de recherche (Smyrnaios, Rebillard, 2009). RTL (13 articles par sujet) et Le Nouvel Observateur (10 articles par sujet) sont par exemple les seuls à passer la barre des 10 articles par sujet, à la suite de Google justement.

43Le critère de variété, ainsi pondéré par le nombre d’articles produits, constitue un indicateur de l’éclectisme éditorial caractérisant la production de chaque site. Permettant d’évaluer la propension d’un site à aborder plusieurs sujets d’actualité, il ne renseigne toutefois pas sur la nature de ces derniers. Leur répartition entre sujets ultra-médiatisés et sujets rares constitue un critère complémentaire, critère d’équilibre interne, à l’évaluation du pluralisme d’un site d’actualité.

Originalité éditoriale des sites

44Le critère d’équilibre, dans le cadre d’une appréhension externe de l’agenda médiatique général, nous amenait à identifier la distribution des articles entre les différents sujets, certains sujets s’avérant dominants tandis que d’autres se montraient minoritaires. Dans le cadre du pluralisme interne, il convient désormais de déterminer si chacun des sites s’attache à des sujets très prisés, ou au contraire peu relayés par d’autres. En somme, il s’agit de mesurer l’originalité d’un site en matière de choix éditoriaux, ici au prisme du degré de rareté des sujets qu’il aborde [11].

45Le degré de rareté éditoriale d’un sujet sera ainsi évalué à l’aune de sa couverture médiatique, par l’ensemble des sites produisant des informations d’actualité sur le web. Moins un sujet aura été abordé par des sites au cours de la période d’observation, et plus il sera considéré comme rare dans les choix éditoriaux. Nous avons considéré ici qu’un sujet s’avérait rare sur le plan éditorial s’il était abordé par moins de cinq sites au cours d’une journée. À partir de la mise en place de ce seuil, les articles portant sur des sujets rares ont pu être identifiés. Et leur proportion au sein de l’ensemble des articles produits par un site a dès lors pu être calculée. Le pourcentage ainsi obtenu traduit l’originalité éditoriale d’un site, son degré d’attention pour des sujets rares.

46Une telle évaluation du pluralisme interne des différents sites amène des résultats particuliers pour les blogs. En raison du faible volume d’articles produits par certains d’entre eux (un, deux ou trois articles produits durant la période d’observation, dans bien des cas), les pourcentages calculés n’ont pas forcément grande signification statistique. Par exemple, le blog d’Abadinte a produit un article au cours de la période, correspondant à un sujet rare, et se retrouve donc avec un taux poussé au maximum de 100 %. Quant au blog Le Monolecte, il a lui aussi publié un seul billet, mais sur un sujet abordé par plus de 5 autres sites, et se trouve donc affublé d’un score de 0 % de sujets rares, loin de refléter son niveau d’originalité. Afin d’éviter ces écueils statistiques, nous limiterons notre évaluation du pluralisme interne aux sites qui ont produit au moins un article par jour en moyenne, soit 11 articles sur la période. Sur les 199 sites ayant produit des articles au cours de la période, 115 sites atteignent ou dépassent ce seuil minimal. Parmi eux, ils sont une vingtaine à consacrer la moitié de leur production d’articles à des sujets rares (voir tableau 4).

Tableau 4

Sites présentant la plus grande proportion de sujets rares parmi leurs articles (seuil de 11 articles produits entre le 7 et le 17 mars 2011)

Site Catégorie de site d’actualité Nb articles total nb articles de sujets rares % articles de sujets rares Michel Abhervé Blog 26 23 88 % France Matin Site natif 43 38 88 % Fluctuat.net Site natif 133 116 87 % Politique.net Site natif 11 9 82 % Bondy blog Site natif 24 19 79 % Minutebuzz Site natif 393 309 79 % Enquête et débat Site natif 90 65 72 % PaperBlog Infomédiaire 27 19 70 % Le salon beige Blog 268 185 69 % IndyMedia Paris Site natif 135 92 68 % François Desouche Site natif 555 334 60 % Bivouac-ID Blog 35 21 60 % Pèlerin Magazine Média en ligne 15 9 60 % Les mots ont un sens Blog 81 48 59 % Philippe Méoule Blog 12 7 58 % Cafebabel Site natif 44 25 57 % Rezo.net Infomédiaire 84 47 56 % Tian Blog 80 45 56 % Torapamavoa Nicolas Blog 13 7 54 % L’Humanité Média en ligne 148 79 53 % Rue 89 Site natif 98 51 52 % Le Grand Soir Site natif 53 27 51 % Contrepoints Site natif 115 58 50 % HNS-Info Site natif 78 38 49 % Agora Vox Site natif 425 205 48 %

Sites présentant la plus grande proportion de sujets rares parmi leurs articles (seuil de 11 articles produits entre le 7 et le 17 mars 2011)

47On retrouve en tête de ce classement des sites déjà repérés lors de notre évaluation de l’éclectisme éditorial et qui cumulent donc cette propriété avec celle d’une originalité dans le choix de leurs sujets (Bondyblog et Michel Abhervé, blog d’un spécialiste de l’économie solidaire hébergé par le mensuel Alternatives Économiques).

48De façon plus générale, on retrouve là aussi une majorité de blogs et de sites natifs de l’internet, à la différence près que plusieurs de ces sites relaient des informations à partir de positions idéologiques très radicales voire extrêmes, à droite (Enquête et Débat, Le Salon beige, François Desouche, Bivouac-ID) comme à gauche (Indymedia Paris, Le Grand Soir, HNS-Infos). Ainsi, notre indicateur de rareté éditoriale des sujets peut avoir tendance à faire ressortir des sites envisageant l’information comme nécessairement engagée. Pour preuve, les deux seuls médias en ligne présents dans ce haut du classement sont les déclinaisons numériques de journaux d’opinion : Pèlerin Magazine et L’Humanité. Et sur les deux infomédiaires, l’un est spécialisé dans l’agrégation de billets de blogs (PaperBlog) dont on vient de voir le caractère souvent orienté politiquement, et l’autre assure sciemment une veille sur des sources se situant sur la gauche de l’échiquier politique (Rezo.net).

49Aux côtés de ces sites politiquement très marqués figurent des initiatives dont le projet éditorial revenait explicitement à proposer une alternative aux médias existants. Ces sites présentent le point commun d’avoir assis leur mode de réalisation sur une ouverture aux amateurs, sur un mode participatif : Bondyblog donc, mais aussi Cafebabel et Rue 89 ou encore AgoraVox. Cette fois-ci, l’indicateur de rareté permet d’identifier des sites réalisant, davantage qu’un filtrage idéologique singulier dans leur appréhension de l’information, une opération de décentrage éditorial par rapport à l’agenda médiatique général.

Tableau 5

Proportion de sujets rares parmi les articles, selon les différentes catégories de sites d’actualité (entre le 7 et le 17 mars 2011)

Catégorie de site d’actualité Nb articles total nb articles de sujets rares % articles de sujets rares Sites natifs de l’internet 5149 2244 44 % Blogs 1431 623 44 % Infomédiaires 11 557 2322 20 % Médias en ligne 19 432 3265 17 % Total - Ensemble des sites 37 569 8454 23 %

Proportion de sujets rares parmi les articles, selon les différentes catégories de sites d’actualité (entre le 7 et le 17 mars 2011)

50Passant au niveau macro des différentes catégories de sites, les calculs présentés dans le tableau 5 confirment les observations précédentes issues d’un niveau plus micro. Les sites natifs de l’internet et les blogs, tout en produisant relativement peu d’articles, privilégient des sujets rares.

51À l’inverse, les infomédiaires et les médias en ligne multiplient les articles, mais pour aborder des sujets déjà largement traités par d’autres. Certains de ces sites paraissent même complètement immergés dans cet agenda médiatique général. Pour plusieurs d’entre eux, la proportion de sujets rares tombe bien en deçà des 10 %, autant dire que la quasi-totalité de leurs articles s’inscrit dans le mainstream de l’information en ligne. Sans trop de surprise, on retrouve des sites qui s’étaient déjà illustrés par leur redondance éditoriale, occupant une place de hub (Weber, Monge, 2011) dans la circulation de l’information : les infomédiaires Google Actualités (seulement 3 % des articles portant sur des sujets rares) et actu2424 (également 3 %) rejoints par MSN Actualités (5 %) et Orange Actualités (5 %), ainsi que les médias en ligne Le Nouvel Observateur (6 %) et dans une moindre mesure RTL (10 %). Parmi les autres médias en ligne, on notera la présence spécifique de déclinaisons numériques de chaînes de télévision : France 3 et France 2 [12] (4 %), TV5 Monde (5 %), i-télé (8 %).

52Entre les deux extrémités présentées précédemment, c’est-à-dire entre les sites moteurs du mainstream médiatique évoqués à l’instant et les sites éditorialement très dissonants présentés au préalable (tableau 4), se situent l’essentiel des sites d’actualité (80 sites). Leur publication d’articles s’inscrit majoritairement dans l’agenda médiatique général du web tout en se réservant, dans des proportions variables, des incursions vers des sujets moins courants.

Une représentation axée sur les similarités éditoriales

55La cartographie élaborée repose sur une base double, à laquelle correspond un même double objectif. Premièrement, elle intègre la production d’information dans sa totalité, autrement dit les plus de 37 000 articles produits durant la période, et se doit de représenter leur répartition – déséquilibrée – entre les différents sujets d’actualité. Deuxièmement, elle s’appuie sur les près de 200 sites ayant publié au cours de la période, et doit indiquer leur propension – variable – à s’attacher à des sujets rares ou au contraire quasi incontournables. Pour joindre ces deux visées, un algorithme a été employé pour calculer la similarité des sites par le biais de la similarité de leur production éditoriale [13]. Il aboutit à rapprocher les sites qui partagent des sujets d’actualité communs, en procédant à des regroupements différenciés selon que ces sujets communs sont des sujets plutôt dominants ou plutôt rares au sein du corpus total d’articles.

56La représentation cartographique qui en résulte, de type graphe de réseau [14] et conçue à l’aide du logiciel libre Gephi, place ainsi en son centre les sites qui partagent les sujets les plus traités et en périphérie les sites qui partagent des sujets beaucoup plus isolés. Les nœuds (points) du graphe correspondent à chacun des sites d’actualité, et la taille de chaque nœud est relative au nombre d’articles produits. Les arêtes (liens) entre les nœuds représentent les proximités thématiques, reliant des sites lorsqu’ils abordent des sujets communs. En raison du volume de données traitées (dizaines de milliers d’articles et centaines de sites), la représentation cartographique ainsi générée peut être aisément visualisée sur un écran en couleurs mais s’avère en revanche peu lisible sur un imprimé en noir et blanc. Pour cette raison, nous la présenterons en plusieurs temps. Nous commençons par reproduire la carte dans son intégralité, de façon à montrer sa forme générale et à décrire ses principales zones de façon schématique (figure 1). Nous présenterons ensuite des extraits « zoomés » de cette carte (figures suivantes), afin d’observer plus en détail les territoires informationnels concernés.

Figure 1

Figure 1

Représentation cartographique des proximités éditoriales entre sites d’actualités Nœud = site / Proximité spatiale = proximité éditoriale / Lien = partage de sujets d’actualité Zone 1 : mainstream médiatique / Zone 2 : espace intermédiaire / Zone 3 : information alternative

57La représentation cartographique fait apparaître une structure correspondant à la physionomie à la fois concentrée et dispersée de l’information sur le web. Ainsi, selon une logique de cercles concentriques, on s’éloigne progressivement d’un épicentre où les similarités éditoriales entre sites sont très denses autour des sujets les plus traités, pour aller vers des relations éditoriales plus affinitaires autour de sujets moins courants. Plus précisément, nous pouvons distinguer trois grandes zones sur cette carte, qui recouvrent les trois degrés d’originalité éditoriale des sites mis en évidence dans la partie précédente de cet article [15]. La zone 1 est celle du mainstream médiatique. Elle rassemble les sites les plus productifs (larges nœuds), qui partagent entre eux un nombre considérable de sujets d’actualité à la « Une » de l’agenda médiatique. La zone 3 est celle de l’information alternative, faite de sujets d’actualité beaucoup moins repris, par des sites eux-mêmes plus restrictifs dans leur production. La zone 2 constitue un espace éditorial intermédiaire, où des sites d’envergure très inégale restent branchés sur l’actualité dominante tout en étant également attentifs à des sujets plus iconoclastes.

Retour sur d’autres cartographies du web

76La structuration de l’information sur le web, telle que nous l’avons identifiée à travers cette analyse des proximités éditoriales, entre en résonance avec d’autres travaux reposant, eux, sur une cartographie des hyperliens entre sites.

77Aux États-Unis, la représentation de la « global news arena » (Reese et al., 2007) avait mis en évidence l’arrimage hypertextuel des blogs aux sites de médias traditionnels. Cette relation est confirmée ici au niveau des contenus, tout en étant affinée : si les blogs s’appuient dans bien des cas sur l’actualité divulguée par des sites professionnels pour la commenter, ils vont surtout s’arrêter sur les sujets livrés par des sites présentant une orientation éditoriale et idéologique compatible avec la leur. Ce type de relations éditoriales apparaît dans notre recherche entre les blogs de la « partie Sud » de la zone 2 et certains médias en ligne de la zone 1, sur lesquels ils viennent prendre appui. Cependant, les relations éditoriales les plus nourries des blogs s’établissent avec les sites natifs de l’internet, en particulier au sein de la zone 3, le plus souvent sur la base de proximités idéologiques là encore.

78Il s’agit d’ailleurs là sans doute de l’axe le plus structurant dans la représentation cartographique que nous avons analysée : les blogs et nombre de sites natifs de l’internet semblent relégués à la périphérie de l’information sur le web tandis que, globalement, les médias en ligne s’avèrent davantage en prise avec les infomédiaires pour ce qui est de la constitution de l’agenda médiatique général. À cet égard, notons qu’une possible fermeture de la liaison entre médias en ligne et blogs avait déjà été signalée par une cartographie des liens hypertextuels des principaux sites de médias français (De Maeyer, 2010). Cette cartographie avait même montré une tendance au repli sur soi des médias en ligne, réservant leurs liens aux autres entités de leur groupe industriel de communication : certaines des fortes proximités éditoriales, voire des identités éditoriales uniques au sein de la zone 1 (p. ex., entre chaînes de télévision du même groupe), relevées via notre analyse de discours, pourraient s’inscrire dans une même logique.

79Au-delà de l’information sur le web, des rapprochements peuvent également être établis avec des recherches portant sur la politique en ligne. Depuis le travail inaugural d’Adamic et Glance (2005) sur la blogosphère états-unienne au moment de la campagne présidentielle américaine de 2004, on sait en effet que les sites web ont tendance à privilégier un entre-soi hypertextuel (Flichy, 2008). Les travaux menés en France ont abouti au même constat d’une partition de la blogosphère en fonction des différents partis politiques ou courants de pensée, avec toutefois des passerelles hypertextuelles plus nombreuses au fil des ans (Cardon et al., 2011). Ces travaux ont aussi mis en évidence le rôle des sites de médias et de commentateurs, correspondant aux sites d’actualité, en tant que relais hypertextuels entre les différents camps politiques.

80Notre recherche apporte sur ce point une couche d’intelligibilité supplémentaire, en renseignant sur la nature des contenus des sites d’actualité. Les plus engagés politiquement parmi eux sont aussi ceux qui traitent des sujets d’actualité les moins partagés. Ceci n’est pas de nature à conférer une accessibilité médiatique à l’ensemble des questions de société, et à les mettre et en discussion, comme on pourrait l’espérer dans une perspective habermassienne de l’espace public. Cependant, il faut remarquer les quelques relations thématiques de certains sites engagés politiquement, aux avis moins tranchés, avec d’autres sites d’actualité davantage reliés au mainstream médiatique. On peut donc faire l’hypothèse que ces sites intermédiaires entre centre et périphérie du paysage de l’information sur le web pourraient constituer – occasionnellement – les courroies de transmission par lesquelles des idées ou des informations alternatives quelque peu confinées dans les méandres de l’internet viennent alimenter un espace médiatique plus large. C’est plus généralement l’hypothèse d’un espace public réticularisé au sens de la networked public sphere de Benkler (2006), qui trouverait là une description plus empirique de ses ramifications sémantiques autant qu’hypertextuelles.