2007: Discours recyclés

Je vous avais promis, hier, de calculer la proportion de «recyclage» dans les discours des candidats, en d'autres termes, la proportion de copiés-collés d'un discours à l'autre. Voilà qui est fait. Je vais vous parler un petit peu de technique, comme je le fais de temps à autre, mais vous allez voir, ce n'est pas bien méchant. Et vous pouvez sauter directement aux résultats si les détails vous paraissent fastidieux...

Une méthode relativement simple pour détecter les recyclages dans un discours donné consiste à regarder si chaque suite de n mots consécutifs (que l'on appelle n-grammes dans le jargon de la linguistique informatique) a été utilisée ailleurs. Il faut prendre n pas trop petit : si l'on utilise des bigrammes ou des trigrammes, on se retrouve avec des suites courantes dans la langue, et qui ne sont nullement typiques d'un candidat : de le, et le, c'est, et il a, je veux le, etc. D'un autre côté, si on utilise des suites trop longues, on risque de louper un nombre important de similitudes. Un compromis qui marche bien consiste à prendre 7 mots consécutifs, c'est-à-dire des heptagrammes.

Regardons ça sur un exemple. Prenons une phrase assez lucide d'Arlette :

Je sais, bien sûr, que je ne peux pas être élue.

Enlevons les ponctuations, réduisons tout en minuscules, et regardons nos heptagrammes :

je sais bien sûr que je ne peux pas être élue
je sais bien sûr que je ne peux pas être élue
je sais bien sûr que je ne peux pas être élue
je sais bien sûr que je ne peux pas être élue
je sais bien sûr que je ne peux pas être élue

Il y en a 5 dans ce cas. On va regarder pour chacun s'il se retrouve dans un autre discours d'Arlette. Supposons qu'il y en ait deux. Cela fait un taux de recyclage de 2/5 = 40%.

J'ai fait ça systématiquement pour tous les candidats (du moins ceux pour lesquels j'avais suffisamment de discours). Voici le palmarès (l'échelle verticale donne la moyenne, en pourcentage, de recyclage chez chaque candidat) :

On ne sera guère étonné, je présume, de constater qu'Arlette Laguiller est en haut du podium, avec un taux de recyclage moyen de 89%. Certains discours ne sont pratiquement composés que d'élements recyclés, comme celui qu'elle a prononcé à Dijon le 6 avril (cliquez sur l'image ci-dessous ; les heptagrammes qui se retrouvent ailleurs sont colorisés) et aucun ne descend en dessous de 70%...

Cliquer sur l'image pour voir le discours

Mais il est peut-être plus surprenant de constater que la médaille d'argent va à Nicolas Sarkozy, avec un taux de recyclage moyen de 24%. Bien moins qu'Arlette, bien sûr, mais cela fait tout de même, en moyenne, pratiquement un quart de recyclage dans chaque discours. Parfois c'est plus. Par exemple, son dernier discours (à Meaux, le 13 avril) atteint 45% de recyclage.

Cliquer sur l'image pour voir le discours

Mais on peut aller plus loin dans l'analyse. Reportons sur un graphique l'ensemble de ses discours :

On voit clairement apparaître deux phases. Dans la première, il est très sage au niveau du copier-coller, qui reste marginal. Dans la deuxième, le recyclage s'emballe. La séparation entre ces deux périodes est exactement la date de son entrée officielle en campagne, à savoir le congrès de l'UMP à la Porte de Versailles le 14 janvier. Cadences infernales ? Changement de plumes ?

Dans ce palmarès du recyclage linguistique, Ségolène Royal a droit à la troisième place avec un peu plus de 9%. On constatera que Jean-Marie Le Pen et François Bayrou sont beaucoup moins adeptes du copier-coller, avec des taux très faibles, respectivement de 3% et 1%. Ce classement est un peu paradoxal, quand on réalise que Sarkozy et Royal sont justement les candidats qui ont de nombreuses plumes pour écrire leurs discours, alors que Le Pen et Bayrou écrivent leurs discours eux-mêmes...