Dans le cadre des projets BOOM (ANR) et AI4Media (Horizon 2020), nous avons développé une solution innovante pour les médias classiques et sociaux. Notre outil combine des algorithmes de traitement de la langue (détection d’entités, analyse de thèmes, classification de sentiments ciblée sur des politiciens) et des bases de connaissances politiques pour analyser de manière détaillée et flexible les contenus. Il permet de déterminer le positionnement éditorial des journaux, de comprendre le traitement de différents thèmes d’intérêt, de caractériser l’évolution temporelle des entités et de découvrir des biais démographiques.
La méthode a été appliquée aux espaces médiatiques français et flamand (Belgique). Un résultat commun concerne le déséquilibre de genre dans les actualités politiques, avec une sous-représentation significative des femmes. Toutefois, le sentiment moyen leur étant associé est plus positif que celui de leurs homologues masculins.
Nos travaux de recherche se focalisent désormais sur : (1) la quantification du biais de sélection, notamment pour mettre en avant les points de vue manquants pour un thème ou événement dans certains journaux, (2) la généralisation de la classification de sentiments à d’autres entités, (3) l’extension de l’analyse à des domaines socialement impactants et (4) l’intégration de la méthode dans des algorithmes de recommandation permettant de diversifier les actualités politiques.
des Français s’informent via les réseaux sociaux. *
*Guénaëlle Gault, David Medioni, Enquête « Les Français et la fatigue informationnelle », L’ObSoCo, Fondation Jean-Jaurès, ARTE, juin 2022
La caractérisation automatique des actualités est un outil utile pour naviguer dans la complexité des opinions exprimées dans la presse.
L’outil permet aux journalistes une analyse combinant des perspectives objectives et subjectives dans les articles de presse.
