2007: Au fil de la presse

Je suis en train de mettre au point des outils d'analyse automatique de la presse, et particulièrement des articles politiques en vue de l'élection présidentielle. Pour l'instant, j'analyse les fils RSS d'actualité française du Monde, de Libération, du Figaro et de l'Humanité.

L'Humanité n'a pas, à ma connaissance, de fil RSS par rubrique, alors j'en ai bricolé un à partir de leur site Web (rubrique Politique). Pour ceux que ça intéresse, le fil que j'ai reconstitué est à l'adresse

http://feeds.feedburner.com/Humanite-Politique

J'avais essayé aussi La Croix, mais le fil Actualité France est très erratique, un malheureux petit article y apparaît tous les deux ou trois jours, et ce n'est pas exploitable (je ne sais pas si c'est intentionnel ou si c'est un bug [PS: Voir commentaire de Stéphane Dreyfus de La Croix, ci-dessous]).

Je vous en parlerai plus dans quelque temps (quand ce sera au point) et je mettrai quelques-uns de mes outils en ligne, mais on voit déjà apparaître quelques tendances intéressantes. Depuis le début du mois, 446 articles sont parus, et environ un tiers contient le nom d'un des prétendants à la présidentielle 2007 (exactement 143 articles). Cela ne veut pas toujours dire que l'article traite de politique. Par exemple, lorsque Nicolas Sarkozy fait part de sa "grande émotion" après la mort de trois pompiers à Ramatuelle (Le Figaro), il ne fait pas de politique à proprement parler (encore que...). Mais la distinction entre actualités générales et politique est probablement à peu près impossible à faire de façon stricte (et je vois mal comment automatiser la chose!).

Je me suis donc cantonné à un indicateur, celui de la citation du nom des prétendants potentiels (j'analyse évidemment l'article en entier et non pas la description courte du fil RSS). Et c'est déjà assez compliqué comme ça : il faut enlever les menus, encadrés, bidules divers, pour ne garder que le corps de l'article; il faut repérer non seulement les patronymes mais aussi les diminutifs (MAM, DSK, Ségo, Sako, etc.), accepter Jack Lang mais pas Carl Lang, et ainsi de suite.

Je suis sûr qu'une question vous brûle les lèvres: qui est le plus cité? Vous aviez un doute? C'est évidemment Nicolas Sarkozy, mentionné dans plus de la moitié des articles. Il faut dire que son rôle de ministre de l'Intérieur favorise pas mal sa visibilité, puisqu'en gros, à ce poste, quoi qu'il se passe, il peut en parler (mais on pourrait peut-être en dire autant de Villepin, qui, lui, semble se faire un peu oublier...).

Voici le palmarès:

Citations (en nombre d'articles) du 31/07 au 17/08

La chute est vertigineuse. Villepin est mentionné dans deux fois moins d'articles que Sarkozy, Chirac encore un peu moins (mais il est normal que ce trio, qui représente l'exécutif, soit plus cité que les autres). A gauche, la personnalité la plus citée en cette période estivale est... François Hollande, et non pas Ségolène Royal. Petit repos de la star? Ou bien tendance à confirmer?

Pour les autres, c'est un peu la débandade. A noter, tout de même, la bonne performance relative de Nicolas Hulot, qui tente une percée... Mais c'est la torpeur estivale et tout cela n'est peut-être pas très significatif. Ce qui m'intéressait surtout c'était de tester mes petits outils. Nous verrons bien à la rentrée comment tout cela évoluera. Il y aura peut-être des surprises.