Technologies du Langage

Sarkozy: Le rêve désenchanté

2011-11-16T08:47:00.001+01:00

La droite s'est beaucoup moqué du « rêve français » que François Hollande veut réenchanter. Les caciques de l'UMP se sont succédé sur les plateaux pour nous expliquer que la politique, ce n'est pas la promesse de rêve, mais le sens des réalités, dont le champion serait le président Sarkozy, comme l'explique Jean-François Copé (qui bien sûr ne pratique jamais la langue de bois) :

« [Nicolas Sarkozy] n’a occulté aucune difficulté, aucun tabou. Il a dit les choses telles qu’elles sont et non le sentiment d’un rêve »

« Il ne ré-enchante pas le rêve mais éclaire le chemin des Français ainsi que la raison profonde de son action et de sa mission ».

Le président, peut-être, mais le candidat de 2007, cela reste à voir. Jean-François Copé et ses amis font semblant d'oublier, pouvant compter en cela sur la mémoire assez brève de l'électorat, que le rêve était l'un des principaux thèmes de campagne... de Nicolas Sarkozy.

Nous l'avons monté largement avec Louis-Jean Calvet dans « Les mots de Nicolas Sarkozy », qui est peut-être un bon cadeau à mettre sur votre lettre au père Noël. Le diagramme ci-dessous montre la fréquence des mots rêve(r) dans les discours des quatre principaux candidats pendant la campagne de 2007 :

On voit que ce mot est assez marginal chez les autres candidats, comme il l'est en règle générale dans le discours politique. En revanche, il est omniprésent dans les discours de campagne de Nicolas Sarkozy, qui le prononce pas moins de 277 fois ! Vous pourrez vous amuser à retourner aux sources avec ma base des discours en ligne (voir rêve, rêver).

L'évolution dans le temps est d'ailleurs très intéressante. Le diagramme ci-dessous montre que le mot rêve était marginal aussi chez Nicolas Sarkozy jusqu'en 2006, et qu'il explose à partir du début 2007, ce qui montre assez clairement qu'il s'agit d'une fabrication spéciale pour la campagne présidentielle.

Si l'on compare les discours écrits par Henri Guaino à ceux des autres « plumes » de Nicolas Sarkozy pendant la dernière campagne (voir mon analyse ici), on voit clairement que Guaino est l'inventeur du rêve :

Tout le monde rêve sous la plume de Guaino, les enfants, les parents (pour leurs enfants), et ainsi de suite. Comme nous le faisons remarquer dans notre livre, Guaino laisse la construction européenne aux technoplumes. Pour lui, l’Europe, c’est le « rêve européen ». La Méditerranée ? Le « rêve méditerranéen ». La République ? Un « rêve d’universalité et de fraternité». Les conquêtes, les croisades, les invasions? Le rêve d’Alexandre, de Charlemagne, des chevaliers, de Jeanne d’Arc, des empereurs du Saint Empire, des rois de France, de Bonaparte, des soldats de l’An II.

Le point culminant fut sans aucun doute le discours au Zénith du 18 mars 2007, dans lequel Nicolas Sarkozy et Henri Guaino convoquent carrément Martin Luther King :

Souvenez-vous de Martin Luther King, ce pasteur noir qui a dit un jour à l’Amérique devant le mémorial de Lincoln à Washington :« Je rêve qu’un jour notre pays se lèvera et vivra pleinement la véritable réalité de son credo : que tous les hommes sont créés égaux.
« Je rêve qu’un jour sur les rouges collines de Géorgie les fils des anciens esclaves et les fils des anciens propriétaires d’esclaves pourront s’asseoir ensemble à la table de la fraternité.
« Je rêve que mes quatre petits-enfants vivront un jour dans un pays où on ne les jugera pas à la couleur de leur peau mais à la nature de leur caractère. »
Ce discours bouleversa le monde et le grand rêve de fraternité et de justice dont il parlait changea l’Amérique.
Si le rêve a pu changer l’Amérique, pourquoi ne permettrait-il pas aujourd’hui de changer la France ? Nous y arriverons si la jeunesse française se l’approprie comme hier la jeunesse américaine a fait sien celui de Martin Luther King.
Je rêve que le peuple français tout entier se lève pour que la fraternité ne soit plus seulement un mot gravé sur le fronton des mairies mais devienne une réalité entre les hommes et les femmes de notre pays.
Je rêve qu’un jour tous les enfants dont les familles sont françaises depuis des générations, tous les enfants de rapatriés et de harkis, tous les enfants d’immigrés, tous les petits-enfants d’Italiens, de Polonais et de républicains espagnols, tous les enfants catholiques, protestants, juifs ou musulmans puissent s’asseoir ensemble à la table de la fraternité.
Je rêve que vous viviez dans une France où personne ne soit jugé sur la couleur de sa peau ou sur sa religion ou sur l’adresse de son quartier, mais sur la nature de son caractère.
Je rêve que tous les enfants de tous les quartiers, de toutes les couleurs, de toutes les religions qui habitent ce pays qui est le leur puissent partager la même fierté d’être français, les mêmes rêves et les mêmes ambitions, qu’ils aient le sentiment de vivre dans le même pays avec les mêmes chances et les mêmes droits.
Je rêve d’une France où chacun trouve sa place, où les professeurs n’aient plus peur de leurs élèves, où les adultes n’aient plus peur des jeunes, où les jeunes n’aient plus peur de devenir adultes, où les parents n’aient plus peur que leurs enfants vivent moins bien qu’eux, où l’ouvrier ne vive plus dans la hantise des délocalisations, où la différence ne soit plus vécue comme un danger mais comme une richesse, où l’avenir ne soit plus une menace mais une promesse.

C'était beau. Si l'on en juge par les résultats dans les urnes, bien des électeurs ont adhéré à ce rêve français.

Ils ont probablement déchanté depuis. Dès la soirée au Fouquet's, il paraît, d'après Ariane Chemin et Judith Perrignon (La Nuit du Fouquet’s, Fayard, 2007), que l'inventeur du rêve sarkozyen, Henri Guaino, faisait grise mine, comme s'il entrevoyait déjà la suite: le yacht Bolloré, l'intronisation à l'Elysée façon principauté, Disneyland, la Rolex, bref, tout ce qu'on a appelé la présidence bling-bling. Les sondages et la côte de désamour qui ont suivi montrent que le rêve peut parfois se transformer en cauchemar...

Twitter: Le match Sarkozy-Hollande, suite

2011-11-07T21:22:00.003+01:00

Je continue mes analyses du buzz des deux principaux présidentiables sur Twitter. J'avais montré il y a quelque temps que Nicolas Sarkozy et l'UMP peinaient à sortir du trou noir dans lequel les avait plongés la primaire socialiste (voir ici). Evidemment, la naissance de la petite Giulia, puis les événements majeurs sur la scène européenne (Sarkozy-Merkel) et sur la scène mondiale (présidence du G20), ont été favorables ces derniers temps à Nicolas Sarkozy. On note sur le diagramme ci-dessous les différents pics correspondant aux éléments de cette séquence (tweets en langue française uniquement) :

On voit que François Hollande est ces derniers temps en retrait, ce qui semble assez logique, mais on notera cependant que malgré ces événements extraordinaires, les pics de tweets concernant le chef de l'Etat sont restés à un niveau inférieur à ceux des différents épisodes concernant François Hollande pendant la primaire socialiste. Alors, Twitter est-il à gauche ? Ou bien assiste-t-on, comme je le suggérais l'autre jour à une sorte de lassitude du sarkozysme et même de l'antisarkozysme ?

J'en profite pour glisser une petite note méthodologique. Je vois ici ou là fleurir des baromètres divers et variés, pas seulement sur la politique, d'ailleurs : l'e-réputation se vend bien... Prenons les mêmes protagonistes, mais sans filtrage sur la langue. L'image est totalement différente :

On aboutirait alors à une conclusion inverse. C'est bien entendu l'effet du poids de l'international dans la balance. François Hollande y est quasiment inconnu, et sa candidature est évidemment d'un intérêt modéré pour le reste du monde par rapport à la crise de l'Euro et au G20. Le graphique restreint aux seuls tweets en langue anglaise montre d'ailleurs bien la différence :

Conclusion: méfiez-vous des études d'e-réputation à deux sous (ou même bien plus !). Le domaine est difficile, plein de pièges, et les charlatans, comme toujours prêts à sévir !

Twitter: Coup d'état militaire évité en Grèce ?

2011-11-02T12:58:00.001+01:00

Les médias français ne s'en sont pas à ma connaissance fait l'écho pour l'instant mais un événement majeur vient de se produire en Grèce, en dehors de la question du référendum. Le pays a peut-être échappé à un coup d'état miliaire. En tout cas, le ministre de la Défense, Panos Beglitis, a limogé les chefs d'état major des différentes armes, ce qui n'est pas exactement banal. La nouvelle était annoncée hier soir (voir en anglais sur AthensNews ou en grec sur Eleftherotypia).

Twitter (en grec) commence à se faire largement l'écho de cet événement (suivre ici par exemple). On voit le bond qu'a fait l'expression coup d'état (πραξικόπημα) depuis hier (et ça continue à grimper très fort).

En France, il y a bien eu une petite détection par quelques twitteurs hier soir, mais la chose est retombée aussitôt :

Etonnant... Pourquoi cette information n'est-elle pas reprise par les médias ? Sont-ils passés à côté ? (ils n'ont pas de correspondant en Grèce ?)

La nouvelle est d'autant plus notable que des rumeurs font état d'un rapport de la CIA craignant depuis plusieurs mois un coup d'état en Grèce (la chose a été révélée par le journal allemand Bild en mai dernier), et que le très sérieux magazine Forbes sortait un article incroyable il y a quelques jours, selon lequel un coup d'état serait la seule solution qui reste à la Grèce.

Alors, la presse fait mal son travail ? On ne veut pas affoler les foules ? Je vous laisse analyser... En ce qui me concerne, je ne peux m'empêcher de trouver un parfum de 1967 dans ce drame grec. J'ai connu la Grèce de près immédiatement après la chute, et je me souviens du soulagement et de la liesse qui ont suivi. Ce serait dommage qu'on entende encore de sinistres bruits de bottes dans ce qui est encore (et pour toujours, quoi qu'on dise) l'Europe...

Buzz: L'UMP peine à sortir du trou noir

2011-10-27T17:10:00.001+02:00

On se souvient des interventions frustrées de Jean-François Copé et quelques autres dignitaires de l'UMP sur les plateaux télé à la fin de la primaire socialiste. Ils disaient avoir hâte que la page soit tournée, pour pouvoir occuper à leur tour le terrain. Tous semblaient déjà sur les starting blocks, et prêts, disaient-ils, à déclencher le feu atomique le candidat socialiste aussitôt désigné.

J'ai mesuré sur les 30 derniers jours les apparitions des termes PS et UMP sur le réseau social Twitter (tweets francophones uniquement). On voit bien sur le diagramme ci-dessous qu'il y a eu un bref sursaut au lendemain de l'élection, grâce à la convention de l'UMP destinée à critiquer le programme socialiste, mais que l'UMP peine à sortir du trou noir dans lequel elle s'est enfoncée pendant la primaire.

Aux politologues d'analyser : la convention a-t-elle été préparée trop à la hâte ? était-elle trop caricaturale ? intervenait-elle trop tôt ? les troupes (cadres et militants de l'UMP) y croient-elles vraiment ? En tout cas, on observe que la convention a été mal relayée sur les réseaux sociaux. La mayonnaise n'a pas pris, et, pardonnez le mauvais jeu de mot, mais le champignon atomique promis apparaît tout au plus comme un petit champignon de Paris. Le petit rebond que l'on voit sur les deux ou trois derniers jours est dû principalement à la polémique Dati/Fillon autour de la candidature de ce dernier dans la capitale...

A quelques heures de l'intervention du chef de l'Etat sur les chaînes de télévision, il n'est sans doute pas inintéressant non plus d'analyser sa "cote de buzz" personnelle. Le diagramme ci-dessous compare les citations de Hollande et Sarkozy sur Twitter.

Malgré une actualité plutôt propice (la naissance du premier bébé d'un président sous la Ve République, et sommet international d'une importance historique), on voit que le chef de l'Etat ne fait plus guère le buzz sur le réseau social. Le pic le plus important correspond à la naissance de sa fille, et encore, les mentions ne le concernent guère, mais correspondent plutôt à Carla et au bébé.

Le contraste est saisissant avec la situation de 2006-2007 où Nicolas Sarkozy était en tête sur tous les médias sans discontinuer, y compris (et paradoxalement surtout) les plus à gauche (j'avais montré ce phénomène sur mon blog). Tout se passe ces temps-ci comme si même l'antisarkozysme était dépassé, les internautes ne prenant même plus la peine d'attaquer celui qu'ils voyaient comme le mal social absolu...

Nous verrons si l'intervention de ce soir change la tendance.

Buzz: Analyse en temps réel d'un "bad buzz" (Cora)

2011-10-27T12:21:00.001+02:00

Si vous suivez un peu l'actualité, vous avez sans doute vu passer cette affaire proprement scandaleuse d'une employée de l'hypermarché Cora de Mondelange en Moselle, menacée de licenciement pour avoir ramassé un ticket de réduction à 1€ pour un hamburger laissé par un cliente... Après une vague de protestation immédiate et violente sur Twitter, la société annonce ce matin qu'elle renonce à la procédure.

On fantasme beaucoup sur l'effet (ou pas) du buzz, bon ou mauvais, sur Twitter — et plus largement du pouvoir des internautes. Dans ce cas précis, ce pouvoir est indéniable, et chose plus rare, j'ai pu mesurer l'évolution du "bad buzz".

Voici la courbe d'évolution du nombre de tweets mentionnant Cora depuis 48 heures :

On voit le pic soudain en fin de matinée hier. En cherchant un peu on comprend que c'est le tweet de Maitre Eolas qui a déclenché la vague. Il a été retwitté des centaines de fois dans les minutes qui ont suivi. Je n'en doutais guère, mais avec près de 50000 abonnés sur Twitter, Maître Eolas est un vrai influenceur.

Cette petite analyse me remplit d'allégresse pour la journée. Malgré les doutes que nous avons périodiquement les uns et les autres, les (cyber)-citoyens ont un peu de pouvoir ! A méditer dans doute par les entreprises de toutes sortes, et... par les candidats qui entrent en campagne...

Buzz: Royal rebondit mieux qu'Aubry

2011-10-26T19:58:00.001+02:00

Le graphique ci-dessous représente l'évolution des quatre principaux candidats à la primaire en nombre de citations sur Twitter depuis le 9 octobre (premier tour). Je précise que mes outils sélectionnent pour ce genre d’analyse les tweets francophones uniquement, ce qui a son importance pour Royal, mot très fréquent en anglais.

On voit immédiatement le pic du vainqueur, François Hollande, lors du second tour. Mais ce qui est plus intéressant, c'est la suite.

J'agrandis ci-dessous la séquence post-primaire concernant les trois (principaux) perdants :

Ségolène Royal, largement battue dès le premier tour, arrive à rebondir nettement mieux que Martine Aubry, dépassant aussi très largement Arnaud Montebourg dès la veille du deuxième scrutin, et égalisant presque ces derniers jours la présence de François Hollande.

Comme j'ai déjà eu l'occasion de le faire remarquer sur ce blog, malgré sa défaite, Ségolène Royal bénéficie toujours de soutiens très importants sur les blogs et réseaux sociaux. La "ségosphère" de 2007 est toujours très active. Et l'ex-candidate à la présidentielle est toujours experte, manifestement, en création de buzz. En analysant plus finement les raisons de cette remontée, on trouve trois séquences. Tout d'abord, entre les deux tours, bien évidemment, son soutien immédiat et très fair-play à François Hollande (sur fond de larmes), puis, plus récemment sa candidature supposée au "perchoir" de l'Assemblée Nationale, et son parachutage très controversé à La Rochelle.

Je joins ci-dessous une copie d'écran de ma plateforme d'analyse, concernant les termes associés à Ségolène Royal depuis 48 heures sur les médias et les blogs (maintenant environ 3300 sources, le corpus s'agrandit tranquillement). Les nombres à droite sont les pourcentages d'apparition des différents termes dans les articles mentionnant Ségolène Royal.

Il est intéressant de remarquer que si Ségolène Royal fait presque jeu égal avec François Hollande sur les réseaux sociaux (et les blogs), elle n'atteint que la moitié des citations de celui-ci dans les médias. Cette sur-représentation (héritage sans doute, comme je le disais, de sa "sphère" de 2007) a peut-être contribué à fausser dans son propre esprit l'image de ses chances lors de la primaire (d'où les larmes...). Le Web 2.0 est très biaisé quant à sa représentativité de l'opinion générale. On se souvient des sondages internet qui donnaient François Bayrou gagnant devant Nicolas Sarkozy en 2007...

En creux, les chiffres sont peut-être intéressants pour l'équipe de François Hollande. Il est manifeste que celui-ci manque cruellement (pour l'instant) d'un bon réseau d'influence sur les médias sociaux: les premiers essais n'ont pas été très concluants. Mais il est vrai que sur ce plan, l'UMP n'est pas très avancée non plus !

Primaire: Le buzz de la journée de vote

2011-10-17T13:11:00.000+02:00

Voici l'évolution des citations de François Hollande et Martine Aubry sur la journée d'hier, pour les 3000 sources que je suis avec mes outils.

On voit que François Hollande a dominé presque toute la journée, avec néanmoins deux moments d'hésitation, pendant lesquels Martine Aubry a égalisé le pourcentage de citations : en fin de matinée et vers 16h.

Le rapport des citations à 19h, au moment de la clôture des bureaux, était de 56% / 44%, soit exactement le score qu'ont donné les urnes. On retrouve là le phénomène que j'avais mentionné pour la présidentielle de 2007 (ici et ici), et après le premier tour (ici).

J'ai presque hésité à publier ce billet, tant la chose est incroyable... Ne sautons pas aux conclusions : je n'ai pas inventé la boule de cristal, et je suis convaincu que de multiples phénomènes peuvent en d'autres occasions produire des effets différents.

Il y a néanmoins là quelque chose qu'il faut analyser — avec prudence, et avec tout le recul nécessaire. Cela fait cinquante ans que l'on étudie les sondages, mais on ne sait encore presque rien sur la propagation du buzz et sa relation avec les opinions...

Primaire: Hollande creuse l'écart

2011-10-16T11:33:00.003+02:00

François Hollande monte tranquillement et inexorablement dans les médias et sur les blogs. La figure ci-dessous montre l'évolution des citations sur les 3000 sources que j'analyse quotidiennement (voir ici). J'avais déjà observé la montée d'Arnaud Montebourg juste avant le premier tour (ici), puis le moment où Martine Aubry a dépassé François Hollande (ici). On voit cependant, sur le graphique complété, que ce pic de buzz a été très éphémère.

Le débat d'entre-deux tours et les polémiques assez dures qui ont suivi ont sans doute été à l'origine d'un léger rebond pour Martine Aubry dans la journée de jeudi, mais en fin de semaine l'écart s'est à nouveau creusé. François Hollande, quant à lui, ne cesser de progresser depuis le 1er tour...

Nous verrons ce soir si les urnes confirment la tendance du buzz.

Politique: Analyse du débat Aubry-Hollande

2011-10-13T15:43:00.002+02:00

Je me fais une petite infidélité pour une fois : je vous invite à lire mon analyse du débat Aubry-Hollande sur LeMonde.fr.

Ce billet est le coup d'envoi d'une collaboration, la Politicosphere, dont nous avions parlé depuis bien longtemps avec mes amis de Linkfluence et du Monde, et dans le cadre de laquelle nous allons coupler nos outils, données et analyses.

A suivre, donc, au moins jusqu'en mai 2012 !

Voir aussi

Lexique: Les politiques essaient de nous empapaouter

Lexique: Les politiques essaient de nous empapaouter

2011-10-13T15:01:00.002+02:00

Amusant... je reçois quelques coups de fils ce matin, de journalistes qui me demandent ce que je pense de ce joli verbe empapaouter que Martine Aubry a envoyé dans les dents de François Hollande hier soir (cf. JDD). « Le flou, c'est la pire des choses. Après, les Français disent: 'Ces gens essaient de nous empapaouter' », lui a-t-elle asséné avec grâce au bout d'une heure de débat (presque) courtois.

J'ai été surpris de voir, en regardant un peu les commentaires sur Twitter et autres machins sociaux, qu'on ne connaît plus très bien ce mot. C'est pourtant un mot d'argot assez classique qui remonte au XIXè siècle, et dont la signification est sans équivoque. Se faire empapaouter, c'est se faire enc... Au propre ou au figuré. La classe, Martine.

Je vois aussi par-ci par-là qu'on cherche sur Google, et qu'on tombe sur la page du Wiktionnaire pour empapaouter, qui fait remonter le mot à l'occitan... On ne sait jamais, mais j'ai des doutes. Les dictionnaires ne sont pas d'accord entre eux. Certains y voient un hybride entre se faire empaffer et aller se faire... chez les Papous. Mieux vaut avouer qu'on n'en sait finalement rien, comme bien souvent en étymologie — et ce n'est pas plus mal que la langue garde quelques mystères.

En tout cas, encore heureux qu'en ces temps de crise, Martine ne nous ait pas sorti qu'on allait se faire empapaouter par les Grecs !

Primaire: Aubry dépasse Hollande dans l'actu

2011-10-12T09:40:00.005+02:00

Le fait mérite d'être noté. Sur les dernières 24 heures, Martine Aubry dépasse François Hollande dans l'actu (parmi les 3000 sources, médias et blogs, que je suis quotidiennement grâce à mes outils d'analyse de buzz).

Voici le classement des personnalités politiques aujourd'hui :

Rang	Personne	News
1	Martine Aubry	579
2	François Hollande	506
3	Arnaud Montebourg	490
4	Nicolas Sarkozy	274
5	Ségolène Royal	189
6	Marine Le Pen	110
7	Manuel Valls	70
8	Jean-Michel Baylet	52
9	François Fillon	40
10	Jean-François Copé	39
11	Jean-Luc Mélenchon	31
12	DSK	26

Autre fait remarquable, Nicolas Sarkozy, qui était inexorablement premier en 2006-2007 et même après (à part le très bref instant de l'élection de Ségolène Royal au sein du PS), n'occupe plus, depuis des semaines, la pôle position — malgré une actualité internationale lourde et plutôt propice. Le Web s'est lassé.

On voit également qu'à droite ce sont François Fillon et Jean-François Copé qui font parler d'eux, sans doute grâce à leurs prises de positions sur la primaire. Ca chauffe pour 2017 ?

Enfin, on peut peut-être se demander pourquoi, mais l'ombre du commandeur, DSK, plane toujours sur le paysage politique français...

Primaire: Analyse du buzz

2011-10-10T10:31:00.001+02:00

Je suis assez silencieux depuis quelque temps -- ne soyez pas inquiets, je n'ai pas attrapé un cancer du pancréas ou une saleté du même genre. Lorsque ça m'arrive c'est généralement que je suis à fond dans la technologie. Je suis en train de développer des outils d'analyse du buzz, un peu comme je l'ai fait en 2006-2007 avec mon outil de suivi de la presse. Cette fois-ci j'ai incorporé d'autres sources en plus de la presse classique, en particulier les "pure players" comme Rue 89 et les principaux blogs. A l'heure actuelle je suis environ 3000 sources, et j'espère pouvoir augmenter ce chiffre. Je vous en reparlerai certainement !

D'ores et déjà, l'outil permet des analyses intéressantes. Je me suis par exemple penché sur le nombre de citations des six candidats à la primaire citoyenne au cours de la dernière semaine. L'ordre d'arrivée, aujourd'hui, est sans grande surprise le même que le résultat de l'élection :

François Hollande	26,2%
Martine Aubry	21,9%
Arnaud Montebourg	21,3%
Ségolène Royal	19,6%
Manuel Valls	6,9%
Jean-Michel Baylet	4,3%

On notera cependant le resserrement des scores par rapport au résultat de la primaire : Montebourg et Royal créent manifestement la surprise et donc suscitent de nombreux commentaires. On voit que Montebourg est quasiment à égalité avec Aubry en nombre de citations ce matin.

L'évolution sur la semaine a été pleine d'enseignements :

On voit que le point de départ est assez différent du point d'arrivée : Hollande et Royal caracolaient alors en tête. L'effet du débat de mercredi soir a été apparemment très important, mais seulement pour Royal, qui avait commencé à plonger sérieusement en début de semaine. Elle a manifestement fait une dernière tentative pour remobiliser ses troupes et occuper l'espace médiatique (ou en tout cas le Web) dans la dernière ligne droite. On voit dans la montée très forte du nombre de citations entre jeudi et samedi l'effort desespéré de la "ségosphère" pour tenter de renverser la situation. Ségolène Royal a toujours cette machine de guerre qu'elle a mise en place pour 2007 (et c'est la seule parmi les six candidats). Même si elle a quelque peu diminué, la ségophère reste très présente: ceux qui suivent de près l'activité des blogs ont certainement noté cette sorte de chant du cygne des blogs ségolistes dans la dernière ligne droite.

Intéressant à noter aussi, la montée très forte de Montebourg sur les derniers jours, comme si tout le monde pressentait qu'il allait faire la "surprise" (que tout le monde présentait comme telle hier soir sur les plateaux, mais dont on voit qu'elle était largement éventée).

Pour le reste, c'est presque calme plat. Martine Aubry suscite bien peu l'enthousiasme des foules. François Hollande a même décliné dans l'intérêt webo-médiatique au cours de la semaine. Son score assez modeste par rapport aux attentes (certains parlaient d'élection au premier tour) aurait probablement pu être anticipé en calculant ces tendances de buzz avant l'élection. C'est un domaine quasiment inexploré (et il faut bien se garder de tirer des conclusions à l'emporte-pièce sur la base de quelques exemples), mais l'effet prédictif du buzz mérite certainement qu'on s'y penche de plus près (je vous rappelle mes études assez étonnantes de 2007 : ici et ici).

Langage: Le tu qui tue

2011-09-01T18:34:00.004+02:00

Bon, c'est la rentrée ! Le téléphone recommence à sonner... Tiens, là c'était Nicolas Carreau qui prépare l'émission de ce soir sur Europe 1, "Des clics et des claques", une heure pendant laquelle Laurent Guimier, David Abiker et Guy Birenbaum décortiquent les petites infos du Web. Il paraît que ce soir on va parler du tutoiement, et pas n'importe lequel. Laurent Joffrin s'est fait tutoyer sur Twitter ! Vous vous rendez compte ? Y'a plus de respect... J'avais raté ça. Diable, où avais-je la tête ? Je devais encore lire des trucs futiles comme l'espionnage de journalistes dans l'affaire Bettencourt, ou l'évacuation de Roms par tramway RATP (qui rappelle quelques heures sombres)... Mais là, franchement, @Laurent_Joffrin qui balance à @peultier "Qui vous autorise à me tutoyer ?", ça c'est un scoop. Croyez-le ou pas, il paraît que ça a déclenché une tempête de tweets dans le verre 2.0. Trêve de persiflage, je me prêterai de bonne grâce à quelques questions par téléphone par amitié pour les animateurs susnommés, et aussi parce que j'ai pour habitude de toujours prendre au sérieux les sujets légers (et vice versa)...

Je ne compte plus le nombre de fois où l'on m'a interrogé sur la question du tutoiement : c'est décidément un des fonctionnements les plus mystérieux de la langue française ! Il met régulièrement en difficulté les étrangers, anglophones, en particulier, qui ont autant de mal à décider s'ils donnent du tu ou du vous, que de savoir s'il faut faire la bise à des inconnu(e)s (et d'ailleurs peut-être 2 ? ou 3 ? — de bises, pas d'inconnus). J'ai essayé d'expliquer à diverses reprises, mais je dois bien reconnaître que les règles sont tellement compliquées et fluctuantes que lorsqu'on n'a pas baigné dedans depuis le berceau, c'est quasiment impossible de s'en sortir indemne. Le faux-pas est garanti.

C'est que le tu est vicieux, à la fois égalitaire, et gravement autoritaire. Egalitaire, bien sûr, camarade ! Il l'est tellement que la Convention, dans sa grande sagesse terrorisante, a même interdit le vouvoiement dans l'usage public par décret du 18 brumaire an II. Un vous ou un Monsieur mal placé pouvait vous créer bien des ennuis en ces temps-là, on avait la guillotine facile. L'Eglise a fait en grand dans le domaine : elle a réussi à abolir la distance entre nous, pauvres pêcheurs, et Dieu Lui-même. Quand j'étais petit on Lui disait vous (Notre Père qui êtes aux cieux !), et puis un beau jour, on nous L'a rapproché (tu es aux cieux !), et ça va beaucoup mieux.

Jusqu'ici c'est simple : on est du même cercle, du même parti, de la même communauté, on se tutoie, les barrières sont abolies. Mais là où les choses se gâtent, c'est que ce tu est étrangement à double face. Quand un patron tutoie son employé, ou un présiroi ses sujets (Casse-toi, pauvre con !), ce n'est plus tout à fait la saine et franche camaraderie de l'An II (camaraderie où l'on se fendait d'ailleurs la gueule à grands coups de guillotine). Le tu des camarades devient alors un tu autoritaire, agressif, péjoratif, c'est le tu qui tue. Et bien entendu, la grande différence, c'est que tu-là n'est pas symétrique. C'est tu dans un sens, vous dans l'autre...

Ce tu de la fraternité est donc redoutable. Employé au mauvais moment, c'est le faux-pas, voire l'insulte, d'où la grande gêne des étrangers à son égard. Dans un cas comme dans l'autre, ils se mettent dans l'embarras (vouvoyez un bébé, vous verrez le regard ahuri des parents...). C'est subtil. A l'école primaire, on tutoie la maîtresse (et ça change : de mon temps, c'était la paire de claque assurée), au collège on vouvoie (mais il est très probable que le prof tutoie...). Quand on arrive à l'université, on vouvoie dans les deux sens. Je me vois mal tutoyer mes étudiants, et encore pire mes étudiantes : on friserait l'équivoque. Encore, que... lorsqu'ils passent leur thèse, ça peut changer, ils entrent dans la grande confrérie !

Le tu si simple en apparence est finalement soumis à des règles sociales démoniaques, où entrent en jeu l'âge, le sexe, la position sociale, la situation (on est sur Twitter ?), le moment, même (j'ai connu des gens qui tutoyaient leur patron à la soirée karaoké organisée par la boîte, et le vouvoyaient le lendemain...). Et tout cela change avec le temps.

L’anecdote qui à mon avis illustre le mieux ces rapport subtils, c'est celle de François Mitterrand, à qui un militant demanda un jour "Je peux te tutoyer ?". Le Sphynx répondit, imperturbable : "Comme vous voulez !". Un cours de linguistique en trois mots.

Débat: Langages naturels et artificiels

2011-06-06T11:02:00.001+02:00

Je participe ce soir (lundi 6 juin à 19h) à un débat à la Bibliothèque Publique d'Information du Centre Pompidou, sur le thème des langages naturels et artificiels. Voici le texte de présentation :

Nous parlons tous un langage naturel : c'est dans notre ADN, c'est au coeur de notre humanité. Mais l’homme crée aussi des langages artificiels. L’informatique a les siens, comme l’HTML ou le Java, et la fiction n’est pas en reste, puisque des civilisations ont été inventées avec leurs propres langages. Ainsi, Tolkien a créé l’elfique, dans Le Seigneur des anneaux et, plus récemment, Frédéric Werst a écrit tout un livre en « wardwesân », la langue du pays des Wards.
Quels rapports les langages artificiels entretiennent-ils avec le langage naturel ? Peut-on les comparer du point de vue de leurs codifications, de leurs syntaxes, de leurs sémantiques respectives ? En étudiant l’histoire des systèmes de notation, retrouve-t-on des constantes anthropologiques permettant de rapprocher les codes les plus récents de l’informatique et les toutes premières écritures ?
Pour éclairer cette question essentielle de la codification du langage, la Bpi invite des spécialistes d’horizons différents : un développeur web, un écrivain, une anthropologue ainsi qu'un professeur de linguistique et d’informatique.

Le débat est animé par Abeline Majorel, fondatrice du site Chroniques de la rentrée litteraire, consultante et blogueuse.

Avec :

Aurélien Fache : spécialiste du multimédia, ingénieur en développement, co-concepteur technique de la plateforme Dailymotion, directeur technique au sein de la société 22mars, éditeur de médias sociaux.

Frédéric Werst : écrivain, il est l'auteur de Ward Ier et IIe Siècles (Seuil, "Fiction et Cie", 2011). Pour écrire cet ouvrage, il a entièrement inventé une langue, le wardwesân, qu'il a ensuite traduite en français. Son roman est une anthologie des oeuvres qu'auraient écrites un peuple imaginaire — les Wards — pendant les deux siècles correspondant à l'apogée de leur civilisation.

Clarisse Herrenschmidt : Linguiste, philologue et anthropologue, elle travaille sur l'histoire et l'anthropologie des écritures. Chercheuse au CNRS, rattachée au Laboratoire d'Anthropologie sociale du Collège de France, elle est spécialiste de l'Iran perse et élamite ainsi que de la Grèce ancienne.

Jean Véronis : professeur de linguistique et d'informatique à l'université de Provence. Il est aussi consultant auprès de diverses entreprises de technologies et co-auteur de Les mots de Nicolas Sarkozy (Seuil, 2008).

Le débat sera filmé et retransmis en direct sur le Web (voir site).

La bande son est disponible sur le site de la BPI.
Très bon compte-rendu de Rémi Sussan et Hubert Guillaud sur InternetActu.

Actu: Bernadette Chirac enceinte

2011-05-18T09:44:00.001+02:00

Délicieuse ambiguïté du langage... J'ai eu un choc en parcourant les titres de 20 minutes dans le métro :

Le plus amusant, c'est que le site Web a repris (automatiquement sans doute) le titre, sans l'intitulé de rubrique :

Ah la la, ces grands-mères porteuses !

PS: Vous comprenez pourquoi le traitement automatique du langage, c'est difficile... ?

Google: Dominique Strauss-Kahn juif, viol, etc.

2011-05-16T17:03:00.000+02:00

Sans commentaires...

Politique: Un jeu sérieux (ou pas ?)

2011-05-16T15:02:00.002+02:00

L'actualité produit parfois des collisions tout à fait surprenantes. Dimanche matin, je m'apprêtais à préparer ce que j'allais bien pouvoir dire à un débat organisé par Le Monde.fr sur le thème « La politique est-elle un jeu (sérieux) ? » (demain mardi 17 mai de 18h à 19h dans l'auditorium de la Gaîté Lyrique), lorsqu'est tombée la nouvelle de l'arrestation de DSK à New York... Ce débat accompagne le lancement par Le Monde.fr, le 20 mai, du premier « serious game » journalistique français. Je cite : « conçu sur le thème des primaires à gauche, ce serious game propose au joueur de construire sa campagne politique, par des stratégies d'alliances, des coups médiatiques et des propositions afin de devenir le candidat de la gauche pour 2012 ».

J'ai été invité à donner mon opinion sur quelques questions comme La politique se résume-t-elle à compter les points ? Les petites phrases font-elles l'opinion ? Peut-on jouer avec la politique ? etc., et vous imaginez bien qu'hier matin, ayant ces questions en tête, après m'être frotté les yeux, fait un deuxième café, m'être assuré que les news sur DSK n'étaient ni un hack ni un fake, je ne pouvais plus voir le sujet exactement de la même manière !

Voir illustration chez Klaire

L'actualité doit donner quelques sueurs froides aux créateurs du jeu : les règles sont peut-être quelque peu à revoir in extremis, sinon le jeu risque de sembler curieusement décalé ! Mais elle illustre à merveille l'un des points que j'avais prévu d'évoquer. Un jeu, quel qu'il soit, est un algorithme : il s'agit de générer l'illusion du complexe à partir de règles simples et forcément finies. Il en va ainsi des jeux de cartes ou des échecs. Un serious game contient nécessairement un modèle de la réalité, imaginé par ses concepteurs, mais la réalité est (heureusement) infiniment plus complexe et imprédictible, et je pense que même dans les scénarios les plus fous nul n'aurait songé à insérer l'arrestation de DSK dans les règles d'un jeu sérieux, ou osé le faire s'il y avait pensé. Or, c'est le genre de petit caillou (au sens propre en ce qui a concerné Giscard) qui peut changer du tout au tout le cours de la vie politique.

C'est plutôt encourageant : la politique peut encore nous étonner, et nous surprendre. Que va-t-il se passer dans les semaines qui viennent ? La vraie vie s'avère parfois encore plus captivante qu'un jeu...

* *

~~Je vous donne rendez-vous si vous le pouvez demain soir mardi 17 mai de 18h à 19h, auditorium de la Gaîté Lyrique.~~

~~Les participants au débat sont, à l'heure actuelle :~~

~~Laurianne Deniaud,~~
~~Julien Bayou~~
~~Olivier Mauco~~
~~Jean Véronis~~
~~Christian Salmon~~

Jean-François Copé (à l'origine du jeu Cyber-Budget) pourrait également faire une courte intervention si son agenda le permet, et Florent Maurin et Nabil Wakim (Le Monde.fr) interviendront également dans le débat en tant que participant et modérateur.

Mise à jour, mardi 17 mai : le débat est annulé ! Quand je parlais de sueurs froides...

Allez, je confirme, la vraie vie est encore plus folle qu'un game, fût-il serious !

Outil: 627 discours de Nicolas Sarkozy

2011-05-07T12:07:00.003+02:00

A l'occasion du 4e anniversaire de l'élection de Nicolas Sarkozy, je viens de mettre en ligne une nouvelle version de ma base de discours politiques :

http://www.veronis.fr/discours

Ce sont près de 1900 discours qui sont maintenant disponibles, avec un moteur de recherche amélioré, dont 627 discours de Nicolas Sarkozy, avant et après son élection. Vous pourrez ainsi suivre l'évolution de son langage sur les thèmes les plus variés, comme l'identité, le nucléaire ou le bouclier fiscal.

Aperçu du moteur de recherche

La base s'est enrichie également de nombreux discours anciens, tels que ceux des différents présidents de la Ve République, depuis Charles de Gaulle (je remercie au passage mes collègues Damon Mayaffre et Pascal Marchand qui ont contribué au projet), ainsi que des discours plus récents, de candidats potentiels pour 2012 (Aubry, etc.).

Il me reste à ajouter des outils (graphiques, nuages, etc.), comme je l'avais fait sur mon ancien site, mais j'espère qu'en l'état, la base sera utile aux journalistes, historiens -- ou blogueurs qui pourront trouver quelques citations savoureuses, ou comparer les promesses avant/après élection...

J'essaierai de continuer à enrichir la base avec les discours qui ne vont pas manquer de fleurir dans la course à 2012. L'expérience m'a montré toutefois en 2007 qu'il était très difficile d'obtenir les discours des candidats les moins médiatisés, ce qui est dommage. Si vous lisez ceci et que vous faites partie des équipes de campagne, n'hésitez pas à me contacter ( jean [@] veronis.fr ). La base ne reflètera la diversité du panorama politique français qu'avec votre aide...

Politique: Les drapeaux de Marine

2011-03-20T21:09:00.003+01:00

Je viens d'écouter Marine Le Pen sur TF1, radieuse et ravie bien sûr de ce qu'elle appelle elle-même avec quelque humour la « vague bleu Marine » — j'ai le sentiment que l'expression fera recette ! Mais au-delà des mots, sans vouloir concurrencer les vrais pros, je ne peux m'empêcher de regarder les images, qui en disent souvent plus long que les mots...

Non, vous n'aviez pas forcé sur les canettes... Il y a bien deux drapeaux qui bégaient, bleu-bleu, blanc-blanc, rouge-rouge :

Cette image est évidemment un contrepoint à la mise en scène des discours officiels, du président de la République en particulier, qui accolent systématiquement les drapeaux français et européen, comme on l'a vu encore dans la dernière allocution (voir ici). On aurait pu simplement supprimer le drapeau européen (pardon, européiste, comme on dit au FN). Le remplacer par un deuxième drapeau français est tout simplement génial du point de vue de la communication. Assiste-t-on à un nouvel élément du vocabulaire iconographique du FN ? — à supposer qu'il n'ait pas déjà été employé (si vous l'avez déjà remarqué, n'hésitez pas à commenter : j'ai cherché en vain sur YouTube et compagnie, mais Internet est un peu une botte de foin planétaire, dans laquelle la recherche vidéo est encore le parent pauvre des moteurs).

La bibliothèque de Sarkozy, les drapeaux de Marine... Il y a décidément bien des choses intéressantes à regarder quand on coupe le son de son téléviseur !

Politique: La bibliothèque de Nicolas Sarkozy

2011-02-28T11:49:00.006+01:00

Il y aurait à dire sur les mots de Nicolas Sarkozy hier soir, aussi bien ceux qui sont bruyamment absents (pas un mot de remerciement pour MAM, qui, malgré ses erreurs récentes, a été l'un des principaux ministres de la République depuis 2002, et pas forcément le plus mauvais...), ou ceux qui ressurgissent (l'Union pour la Méditerranée, qui avait fait pschitt dès son annonce, et dont décidément personne ne veut depuis). Mais je laisserai cet exercice à d'autres. Ce qui m'a le plus frappé, dès la première image, c'est le décor. L'allocution a été enregistrée dans la bibliothèque de l'Elysée, et l'événement est je crois assez rare. A ma connaissance (mais je suis sûr que les lecteurs corrigeront si besoin), seuls les voeux pour 2009 y ont été tournés. Le reste du temps, on a droit au fond bleu, aux jardins de l'Elysée, ou à sa façade comme lors des derniers voeux.

Rien n'est bien sûr laissé au hasard dans la communication du chef de l'Etat. Comment ne pas percevoir dans ce choix la volonté de "représidentialisation" dont on a beaucoup parlé ces derniers temps ? Une image de président inculte, qui massacre la langue française, n'est sans doute pas le meilleur atout pour la course à un second mandat. La bombinette astucieuse lancée par François Loncle demandant au ministre de l'Education comment on pouvait remédier aux problèmes lexicaux et syntaxiques du président a fait beaucoup de bruit, et les spin doctors ont certainement suggéré à Nicolas Sarkozy de reprendre en main sa langue, si je puis dire, et son image. On l'a vu lors de son interview du 16 novembre, où il a glissé maladroitement un latinisme et un imparfait du subjonctif, ou dans Paroles de français, où il a, avec plus de sobriété, montré qu'il pouvait parler tout à fait convenablement et avec courtoisie.

C'est que les Français sont des veaux, mais des veaux compliqués... Ils veulent sans doute un président proche d'eux, et critiquent les dérives monarchiques de la République (largement entamées sous un président de gauche...). Mais veulent-ils pour autant un président qui parle comme Georges Marchais ? Rien n'est moins sûr. L'image du chef éclairé, au-dessus de tous par sa stature morale et intellectuelle, est ancrée en nous depuis De Gaulle et Napoléon. Rien n'est moins certain que la pertinence du "parler popu" pour séduire l'électorat populaire. La fonction de président de la République est en quelque sorte l'aboutissement suprême de l'ascenseur républicain, qui reste encore, envers et contre tout, l'un des piliers de notre système. Nous admirons les présidents issus de milieux modestes, et qui, grâce à l'école de la République, ont gravi les échelons de la société et de l'Etat (je ne cite pas Napoléon au hasard: il est pour beaucoup dans la construction de ce système). Le chef lettré issu du peuple représente, consciemment ou pas, ce que chacun peut espérer comme meilleur devenir pour ses enfants. C'est l'image même de l'espoir républicain -- et pas seulement républicain: j'ai déjà eu l'occasion de faire remarquer que Jean-Marie Le Pen, qui séduit manifestement l'électorat populaire, est l'homme politique français actuel qui a le langage le plus élaboré (lexique, longueur des phrases, grammaire, etc.)...

La rupture d'image était donc dangereuse. Elle n'a pas réussi aux deux présidents qui l'ont tentée. Valéry Giscard d'Estaing en a fait les frais, et a dû prendre la porte avant son second mandat. Nicolas Sarkozy est au plus bas des sondages de tous les présidents de la Vè République réunis, et je parie que l'image du précédent rupteur incompris l'obsède. Il faut dire que dans les deux cas, la volonté de donner dans le "popu" produit une curieuse dissonance avec le personnage. Giscard déjeunant avec les éboueurs ? Peut-être, mais sans son côté aristo... Sarko parlant comme Marchais ? Difficile à concilier avec son éducation dans les beaux quartiers, son passage à Neuilly et ses liens avec les milieux de l'argent. Les éboueurs ça fait sourire — mais ça fait grincer lorsqu'on sort les diamants de Bokassa (affaire probablement injuste, mais le mal a été fait). Le parler "popu" ça amuse — mais comment le croire sincère dans la bouche d'un président bling-bling (yacht Bolloré, Rolex, etc.) ?

Pour revenir à notre bibliothèque (dont voici la photographie dans son intégralité), elle est tout un symbole. Charles de Gaulle, Georges Pompidou, François Mitterrand... et Nicolas Sarkozy s'y sont fait tirer leur portrait officiel. C'est De Gaulle qui a lancé la mode, dans une rupture sémiologique intéressante avec la IVe et la IIIe République (voir ici).

Valéry Giscard d'Estaing a choisi la célèbre photo de Jacques-Henri Lartigue sur fond tricolore — cela faisait partie pour lui aussi d'une stratégie de rupture avec les symboles.

Jacques Chirac s'est fait photographier dans le jardin de l'Elysée. L'image lui convient bien. Un peu champêtre, même si elle a été prise, évidemment, en plein Paris. Et surtout, l'évitement de la bibliothèque correspond parfaitement au personnage, dont on sait qu'il est en secret lettré (la poésie, les arts premiers, la culture asiatique...) et qu'une immense pudeur lui a fait prétendre n'aimer que la trompette de cavalerie...

Pourquoi Nicolas Sarkozy a-t-il lui aussi choisi le décor de la bibliothèque pour son portrait officiel ? Il ne cadre pas avec sa volonté de rupture, et convient bien peu au personnage qui déteste la princesse de Clèves...

On aurait attendu, comme avec Giscard, un symbole nouveau. Conseil des spin doctors déjà (c'était je crois juste après le premier épisode bling-bling sur le yacht Bolloré) ? Nous le saurons peut-être un jour quand les langues se délieront.

En tout cas, la scénographie d'hier soir renoue avec celle de mai 2007, mais les spin doctors ont fort à faire... Le naturel revient vite au galop. A peine repris en mains, il leur fait le coup du chewing gum. L'image du président présidentiable, ce n'est pas gagné.

Quizz: L'origine du clic

2011-02-21T13:01:00.001+01:00

Cette news (à lire !), actuellement en home de Wikio.fr, a fait le plus fort taux de clics depuis plusieurs semaines...

Cochez la bonne réponse :

[1] Les internautes s'intéressent à la peinture du XIXè siècle.

[2] Un bon titre incite les internautes à cliquer.

[3] Gustave Courbet est mort avant l'invention du ticket de métro.

Lexique: Marinisme

2011-01-18T20:23:00.008+01:00

J'adore assister à des naissances, si vous lisez ce blog depuis quelque temps vous le savez ! J'entends depuis quelques jours les mots mariniste, marinisme, y compris à l'instant dans l'émission C dans l'air sur la 5. Google/Twitter confirment :

Cette naissance, m'en rappelle une autre, celle du ségolisme... C'était il y a bien longtemps. Le mot a eu sa floraison flamboyante, puis s'est quelque peu fané. Nous verrons ce qu'il advient du marinisme !

Je me suis dans un premier temps demandé s'il n'y avait pas une fâcheuse propension à créer ces -ismes sur le prénom quand il s'agit d'une femme. Quand il s'agit d'hommes, on a plutôt du gaullisme ou du sarkozyme que du charlisme ou du nicolisme ! Regard paternaliste et condescendant sur un sexe resté faible dans les esprits politico-machistes ? Peut-être, mais il faut se méfier des raisonnements trop rapides. Bien que je sois convaincu que la place de la femme dans le monde politique (et dans le monde tout court) ne soit pas encore celle que toute une génération (la mienne) avait rêvé il y a quarante ans, dans ces deux cas, il aurait été bien difficile de créer un -isme sur le patronyme. Royalisme... hmm, douteux (bien que ça ait été utilisé). Quant à lepénisme, c'est largement pris.

Nous verrons ce qui se passe du côté de Martine Aubry. Pour l'instant elle ne semble pas déclencher de -isme, mais il sera difficile de faire du martinisme -- la connotation serait extrêmement étrange (à dire vrai le marinisme existait aussi, mais qui le sait ?). Reste l'aubrisme... Ca sonne mal, mais ça frémit quelque peu, ce qui prouve que finalement, si le sexe intervient sans doute dans le choix du mot support, d'autres facteurs viennent brouiller les cartes (rareté du prénom, préexistence du dérivé, etc.). Et puis, nous avons connu le thatchérisme, n'est-ce pas ? Le margarétisme est une espèce à ce jour inconnue (tiens, en écrivant cela je viens de la créer !).

* *

Je ne puis m'empêcher d'analyser le comportement de Google sur ces requêtes. Pour générer la figure du haut de la page, j'ai tapé marinisme. Or Google me donne aussi mariniste et marinistes pour le même prix. Cela fait quelque temps que Google a intégré (un peu plus tard pour le français que pour l'anglais) une reconnaissance de la « morphologie flexionnelle » (singuliers et pluriels), mais aussi, peu à peu, une reconnaissance plus complexe, celle de la « morphologie dérivationnelle» (les suffixes -isme, -iste, par exemple).

Rien de bien savant, me direz-vous, il suffit d'un bon dictionnaire qui recense les formes associées à chaque mot (j'en ai un très complet que je me suis créé au fil des années pour les principales langues, et que j'utilise dans mes outils).

Oui, mais. Il est bien improbable que mariniste/marinisme, ségoliste/ségolisme et encore pire, le quasi confidentiel couple aubriste/aubrisme existent dans un quelconque dictionnaire humainement constitué. Google s'en sort avec des listes de suffixes, et des calculs statistiques, et ce qui fait sa force c'est la masse incroyable de données sur laquelle les algorithmes peuvent « apprendre ». Et le résultat est assez époustouflant.

Mais bon, j'arrête, sinon on va m'accuser de véronisation des esprits. Tiens, vous avez remarqué que Google a associé véronisation et véroniser ? Dingue...

Radio: Est-ce qu'on parle mal la France ?

2010-12-27T19:54:00.002+01:00

Je vous retrouve demain sur France Inter de 10h à 11h, dans l'Emission Service Public, en compagnie de Jeanne Bordeau, sur le thème "Est-ce qu'on parle mal la France ?" (sic -- ce n'est pas moi qui ai choisi le titre).

Vieux serpent de mer, auquel on ne finit plus de couper la tête -- elle repousse aussitôt !

NB: L'émission pourra être écoutée en podcast sur le site après enregistrement.

Pour ceux qui prennent le train des commentaires en route, la discussion (fort intéressante, merci amis lecteurs une fois de plus !) enchaîne sur mon interview dans Libération du 6 mars (maintenant en libre accès), à propos du langage de Nicolas Sarkozy (buzz provoqué par la lettre du député François Loncle et la réponse du Ministre de l'Education Nationale).

PPS

L'affaire dépasse maintenant nos frontières... Je viens d'être interviewé sur BBC 4 dans le Six O'Clock news sur le sujet. Les observateurs étrangers sont quelques peu ébahis !

Google: The largest linguistic corpus of all time

2010-12-16T21:20:00.010+01:00

When I was a student at the end of the 1970's, I never dared imagine, even in my wildest dreams, that the scientific community would one day have the means of analyzing computerized corpuses of texts of several hundreds of billions of words. At the time, I marvelled at the Brown Corpus, which included an extraordinary quantity of one million words of American English, and that after serving to compile the American Heritage Dictionary, was made widely available to scientists. This corpus, despite its size, which now seems derisory, enabled an impressive quantity of studies and largely contributed to the development of language technologies... The study to be published tomorrow in Science by a team comprising scientists from Google, Harvard, MIT, the Encyclopaedia Britannica and Houghton Mifflin Harcourt (publisher of the American Heritage Dictionary) deals with the largest linguistic corpus of all time: 500 billion words. This is the data collected by Google in its (sometimes controversial) programme to digitise books, used, for the first time to my knowledge, for an extensive linguistic study.

I was lucky to have had access to the study before publication, and I felt rather light-headed on reading it... My fingers were itching to talk about it on this blog, but I was forced to respect the embargo (I think the team have organised a bit of a buzz, you'll hear about it in the press as far as I can tell by all the journalists calling me). This corpus contains 4% of all the books ever published on Earth. As the authors say, to read only the texts published in only 2000 (i.e. a tiny fraction of the whole), without pausing to eat or sleep, you would need 80 years, a whole life time for us humans. The sequence of letters in the whole corpus is 1000 times longer than our genome, and if it was all written on one line, it would reach to the moon and back 10 times!

Let's not get carried away though, the corpus will not be accessible to common mortals, who will have to make do with pre-calculated results, the list of words and "n-grams" (i.e. sequences of n consecutive words) extracted from the corpus (limited to 5 words), for English and six other languages, including French. It's already a lot, let's not be churlish, all the more so as the data are organised consolidated by year, allowing for some very interesting studies, and can already be tasted from the on-line interface.

The authors provide a few examples, illustrated with curves that are rather like those from the Chronologue – some readers may remember this tool I made in 2005 for French (and which unfortunately died with the decline of the Dir.com search engine by Free, where I was working at the time). Except of course I had neither the resources nor the material collected by Google, that can trace lexical curves over more than two centuries! The fields covered are as varied as the evolution of grammar (compared usage of regular and irregular forms of English verbs such as burnt/burned), or the effect of censorship (the disappearance of names such as Marc Chagall during the Nazi period)...

The correlation between the use of names of diseases and peaks in epidemics especially hit me, as it reminded me exactly of the curves I obtained on bird 'flu [fr] – except these new data go all the way back to the 19th century! I won't take an image from Science, I'll let you read the article, but here's another image, from an internal team report, that illustrates peaks in the use of the word cholera since 1800. The bluish zones correspond to the terrible epidemics that hit the United States and Europe (in particular the south of France, there area where i live, with thousands of deaths in Marseille, Toulon, etc.).

For the occasion, the team came up with a new word, culturomics, to qualify this new activity, a portmanteau word that starts with culture and ends like genomics, and it is interesting to note that except for computer scientists (Dan Clancy and Peter Norvig at Google, for example) and lexicographers (including Joe Pickett, the current director of the American Heritage Dictionary), the team includes cognitive scientists and biologists, such as the well-known Steven Pinker and Martin Nowak, and two mathematician-biologists, main authors of the study, Jean-Baptiste Michel (a Frenchman, from the Ecole Polytechnique and doing a post-doc at Harvard) and Erez Liberman Aiden. This is no coincidence: biology and language processing share many things alongside algorithms and mathematics (I gave one example myself with phylogenetic trees – for example here, here or here).

And for French? Well, it all remains to be done. My sleeves are rolled up! Here's the very first curve, obtained exclusively thanks to the complicity of the team, who in passing, I would like to thank warmly. It's for the word blog in French, the adoption of which from English we can see as it happened [see update below]...

Today, I am feeling the fascination that astronomers must have felt when they turned Hubble for the first time on an unexplored corner of the universe. Something has happened, a giant step has been taken in the tools available to the linguist.

Will linguists (French ones anyway) be aware of it? That's a whole other story. There is often a huge gap between numbers and letters...

Update : superimposed curves for blog in French (light blue) and in American English (dark blue). The shift between the two languages is clearly visible (NB: vertical scales do not match).

The www.culturomics.org site
The Science article
Very interesting posts by Geoff Nunberg and Mark Liberman on LanguageLog

Google: Le plus grand corpus linguistique de tous les temps

2010-12-16T19:45:00.024+01:00

Lorsque j'étais étudiant, à la fin des années 70, je n'aurais jamais osé imaginer, même dans mes rêves les plus fous, que la communauté scientifique ait un jour les moyens d'analyser des corpus de textes informatisés de plusieurs de centaines de milliards de mots. A l'époque, j'étais émerveillé par le Brown Corpus, qui comportait la quantité extraordinaire d'un million de mots d'anglais américain, et qui après avoir servi à la compilation de l'American Heritage Dictionary, avait été mis assez largement à disposition des chercheurs. Ce corpus, malgré sa taille, qui apparaît maintenant dérisoire, a permis une quantité impressionnante d'études et a contribué largement à l'essor des technologies du langage... L'étude que publiera demain dans Science une équipe composée de chercheurs de Google, de Harvard, du MIT, de l'Encyclopaedia Britannica et d'Houghton Mifflin Harcourt (éditeur de l'American Heritage Dictionary) a porté sur le plus gros corpus linguistique de tous les temps : 500 milliards de mots. Il s'agit des données engrangées par Google dans son programme (parfois controversé) de numérisation de livres, qui servent ainsi à ma connaissance pour la première fois à une étude linguistique de grande ampleur.

J'ai eu la chance d'avoir pu accéder à l'étude avant publication, et j'ai eu quelque peu le vertige... Les doigts me démangeaient d'en parler sur ce blog, mais je me suis forcé à respecter l'embargo (je crois que l'équipe a quelque peu organisé un buzz, vous devriez voir ça dans la presse si j'en juge par les appels de journalistes que j'ai reçus). Ce corpus contient 4% des livres jamais publiés sur Terre. Comme le disent les auteurs, pour lire seulement les textes de l'année 2000 (c'est à dire une toute petite portion du tout, qui s'étale sur plus de deux siècles !), sans s'arrêter pour manger ni pour dormir, il faudrait 80 ans, soit une vie entière, à un être humain. La séquence de lettres du corpus dans sa totalité est 1000 fois plus longue que notre génome, et si on écrivait le tout sur une ligne, celle-ci ferait 10 fois l'aller-retour de la Terre à la Lune !

Hélas, il ne faut pas trop rêver tout de même, le corpus ne sera pas accessible au commun des mortels, qui devra se contenter de résultats précalculés, en l'occurrence la liste des mots et "n-grammes" (c'est-à-dire des suites de n mots consécutifs) extraits du corpus (avec une limite à 5 mots), pour l'anglais et six autres langues dont le français. Mais c'est déjà beaucoup, ne boudons pas notre plaisir, d'autant que les données sont organisées avec une consolidation par année qui permettra des études tout à fait intéressantes, comme le montre l'interface de recherche en ligne, qui, j'en suis sûr va avoir un franc succès !

Les auteurs donnent quelques exemples édifiants, illustrés par des courbes qui ne sont pas sans rappeler celles du Chronologue — quelques lecteurs se souviennent peut-être de cet outil que je m'étais amusé à réaliser en 2005 (et qui malheureusement est mort avec le déclin du moteur Dir.com de Free, avec qui je collaborais à l'époque). Sauf que, bien entendu, je n'avais ni les moyens ni le matériau engrangé par Google, qui permettent de tracer de telles courbes lexicales sur plus de deux siècles ! Les domaines couverts sont aussi variés que l'évolution grammaticale (l'usage comparé des formes régulières et irrégulières pour des verbes anglais comme burnt/burned), ou l'effet de la censure (la disparition de noms comme Marc Chagall pendant la période nazie)...

La corrélation entre l'usage des noms de maladie et les pics d'épidémie m'a particulièrement frappé, car elle m'a rappelé très exactement les courbes que j'avais obtenues sur la grippe aviaire — sauf que les nouvelles données permettent de remonter au XIXè siècle ! Je ne vais pas reprendre une image de Science, je vous laisse y lire l'article, mais voici une autre image, issue d'un rapport interne de l'équipe, qui illustre les pics d'usage du mot cholera (en anglais) depuis 1800. Les zones bleutées correspondent aux terribles périodes d'épidémie qui ont frappé les Etats-Unis et l'Europe (notamment le sud de la France, avec des milliers de morts à Marseille, Toulon, etc.).

L'équipe a pour l'occasion forgé un mot, culturomics, pour qualifier ce nouveau type d'activité, un mot-valise qui débute comme culture et qui finit comme genomics, et il est tout à fait intéressant de noter qu'à part des informaticiens (Dan Clancy et Peter Norvig de Google, par exemple) et des lexicographes (dont Joe Pickett, le directeur actuel de l'American Heritage Dictionary), l'équipe comporte des cogniticiens et biologistes, dont les bien connus Steven Pinker et Martin Nowak, et de jeunes et brillants mathématiciens-biologistes principaux auteurs de l'étude : Jean-Baptiste Michel (c'est un français, issu de l'Ecole Polytechnique et en post-doc à Harvard) et Erez Liberman Aiden. Ce n'est pas un hasard : la biologie et le traitement des langues partagent beaucoup de choses du côté des algorithmes et des mathématiques (j'en ai moi-même donné un exemple avec les arbres phylogénétiques -- par exemple ici, ici ou ici).

Et pour le français ? Eh bien, tout est à faire. Je remonte les manches ! Voici la toute première courbe, obtenue en avant première grâce à la complicité de l'équipe, que je remercie vivement au passage. Il s'agit du mot blog, dont on peut assister à la naissance en direct [voir mise à jour en bas du billet]...

Je ressens aujourd'hui la fascination qu'ont eue sans doute les astronomes qui ont braqué pour la première fois Hubble vers un coin inexploré de l'univers. Quelque chose s'est passé, une étape a été franchie dans l'outillage à disposition du linguiste.

Les linguistes (français en tout cas) en auront-ils conscience ? C'est une autre histoire. Entre les chiffres et les lettres, il y a parfois un bien grand fossé...

Mise à jour : superposition des courbes pour blog en français (bleu pâle) et en anglais américain (bleu soutenu). On voit clairement le décalage entre les deux langues ! (NB: les échelles verticales ne sont pas identiques, seule l'échelle horizontale l'est).

Pour en savoir plus

Le site www.culturomics.org
L'article dans Science
La discussion continue sur Le Temps, Le Figaro, Slate
Billets extrêmement intéressants de Geoff Nunberg et Mark Liberman sur LanguageLog
Réactions sur d'autres blogs: Affordance, Effets de serre, La Feuille, Henri Verdier, A la Toison d'Or

Google: More and more Wikipedia, but surfers seem weary

2010-12-10T17:49:00.006+01:00

My faithful readers know that I regularly conduct user studies on various search engines, including Google. The latest one contains a slew of interesting elements, one of which grabbed my attention in particular. I have underlined several times the significant place that Google (and other engines...) give to Wikipedia in their results (see here, here [fr] or here).

The latest study shows a level of presence in the encyclopedia never yet reached. It was conducted at the end of November according to a protocol I have explained here. 226 users, all students at the University of Provence, were asked to enter two queries of their choice (in French) in 13 different themes (or 26 queries per user), and to allocate a mark to the first organic link returned by the engine, from 0 (totally dissatisfied with the result) to 5 (totally satisfied with the result). In passing, I would like to thank my colleagues who got their students to do the test.

In total, 5876 queries were able to be analyzed. The presence of the encyclopedia in the first link has reached its highest level since the start of this series of tests, as almost one third of the results lead to Wikipedia on the first link (31.2 % to be exact).

Proportion of Google results in Wikipedia (first link)

Even more surprising, the score given to the results has been dropping gradually since 2008. For the first time, results excluding Wikipedia are marked better than the results in the encyclopedia (3.47 compared to 3.52). These results had reached a peak of satisfaction (up to 4.48 in November 2007). An erosion can also be noted, low but statistically significant, in Google's overall score, which is the lowest in the whole series of tests (3.5 compared to 3.72 at its peak), mainly due to the drop on Wikipedia.

Results score (first link)

The reasons for Wikipedia's presence in the results, at whatever level, are unknown and we can only speculate. I doubt that these fluctuations are simply due to the "PageRank", i.e., roughly speaking, the number of links that web users make to the encyclopedia. For a while now we have known that many other factors are in play in the ranking of results, and I have no doubt that the sites that are most often returned by the engine are subject to very special examination by the teams at Google and very probably ad hoc settings.

One of the hypotheses I put forward is that Wikipedia is a very practical expedient in difficult times. We know that the web is a difficult jungle to control, with intense spamming and SEO practices that have the sole aim of getting around search engines' algorithms, regularly putting them in difficult positions, such as the mad invasion of splogs in the summer of 2005 (see here), or changes to the web itself (see here). It's a fight between the sword and the shield: engines react by making constant adjustments, algorithmic and editorial. Wikipedia is an easy adjustment variable: interviews with users showed that until now the encyclopedia benefitted from a priori favorable credit, even when the page returned did not quite correspond to the query. Thus, for example, the page of a politician or artist was perceived as a relevant result, even if the intention behind the query was for news or to make a purchase (CD, book, etc.). As users mentioned regularly, it's better to end up on a Wikipedia page than on one of those useless forums that are the plague of the web, or worse still a page of spam.

In all evidence, this positive perception is being eroded. Various factors are undoubtedly at work. First, it is likely that web users have become increasingly demanding. As they use search engines (and now other means of accessing information, such as social networks), the public is learning. For example, new generations of students entering university are the first to have had a computer at home since they were born, and Google as a search engine throughout most of their schooling. It is therefore possible that the substitute effect mentioned above is in play less than before, and that on the contrary, it is gradually being replaced by a certain weariness on the part of users with Wikipedia results, that are not always a direct response to their query.

It is also possible that the quality (perceived in any case) of Wikipedia pages is lower on the whole. If more pages are returned by Google, it is logical, statistically speaking, that deeper pages, that are less developed and controlled by the Wikipedia community, finish by appearing. We could also ask whether the constant increase in the number of Wikipedia pages is not itself an almost programmed drop in quality. This is a real question, without controversy (I am not one of those academics that snipes at or turns his nose up at Wikipedia, far from it: I believe it is one of the most fascinating intellectual adventures of the start of this century).

I don't know whether the Google teams are aware of this erosion (I don't know either whether it occurs in other languages). Whatever the reason, it is clearly affecting one of the levers the engine uses to control quality.

Google: De plus en plus de Wikipedia, mais les internautes semblent se lasser

2010-12-09T10:02:00.000+01:00

Les lecteurs fidèles de ce blog savent que je conduis régulièrement des études utilisateurs sur divers moteurs de recherches, dont Google. La dernière en date contient une foule d'éléments intéressants, dont l'un m'a particulièrement frappé. J'avais souligné à plusieurs reprises la place importante que Google (et d'autres moteurs...) accordaient à Wikipedia dans les résultats (voir ici, ici ou ici).

La dernière étude montre un niveau encore jamais atteint de présence dans l'encyclopédie. Elle a été conduite fin novembre selon le protocole que j'ai déjà exposé ici. 226 utilisateurs, tous étudiants à l'Université de Provence, ont été invités à taper deux requêtes de leur choix dans 13 thèmes différents (soit 26 requêtes par utilisateur), et à attribuer une note au premier lien organique retourné par le moteur, entre 0 (totalement mécontent du résultat) à 5 (totalement satisfait du résultat). Je remercie au passage les collègues qui se sont chargés de faire passer le test à leurs étudiants.

Au total, ce sont donc 5876 requêtes qui ont pu être analysées. La présence de l'encyclopédie en premier lien atteint le niveau le plus élevé depuis le début de cette série de tests, puisque près du tiers des résultats aboutit à Wikipedia sur le premier lien (31,2 % exactement).

Proportion de résultats Google dans Wikipedia (premier lien)

Encore plus étonnant, le score attribué aux résultats décroit régulièrement depuis 2008. Pour la première fois, les résultats hors Wikipedia sont mieux notés que les résultats dans l'encyclopédie (3,47 contre 3,52). Ces résultats avaient pourtant atteint des sommets de satisfaction (jusqu'à 4,48 en novembre 2007). On notera également une érosion, faible mais statistiquement significative, du score global de Google, qui est au plus bas de toute la série de tests (3,5 contre 3,72 au plus haut), en grande partie à cause de la baisse sur Wikipedia.

Score des résultats (premier lien)

Les raisons de la présence plus ou moins élevée de Wikipedia dans les résultats sont inconnues, et l'on ne peut que spéculer. Je doute bien évidemment que ces fluctuations soient simplement dues au "PageRank", c'est-à-dire au plus ou moins grand nombre de liens que font les internautes vers l'encyclopédie. On sait depuis longtemps que de multiples autres facteurs entrent en ligne de compte dans le classement des résultats, et il est pour moi à peu près certain que les sites les plus retournés par le moteur font l'objet d'un examen très particulier de la part des équipes de Google et très probablement de réglages ad hoc.

Une des hypothèses que j'avais émises, c'est que Wikipedia est un expédient bien pratique en temps de difficultés. On sait que le Web est une jungle assez difficile à maîtriser, avec une activité intense de spam et de pratiques SEO qui n'ont d'autre but que de contourner les algorithmes des moteurs, ce qui les met régulièrement dans des positions difficiles comme lors de la folle invasion des splogs de l'été 2005 (voir ici), ou des évolutions du Web lui-même (voir ici et ici). C'est la lutte du glaive et du bouclier : les moteurs réagissent par des ajustements constants, algorithmiques et éditoriaux. Or, Wikipedia est une variable d'ajustement facile : les interviews d'utilisateurs montraient jusqu'ici que l'encyclopédie jouissait d'un crédit a priori favorable, même lorsque la page retournée ne correspondait pas exactement à la requête. Ainsi, par exemple, la page d'une personnalité politique ou d'un artiste était perçue comme résultat pertinent, même si l'intention derrière la requête était plutôt l'actualité, ou un achat (CD, livre, etc.). Comme le mentionnaient régulièrement les utilisateurs, il vaut mieux aboutir sur une page Wikipedia que sur un de ces forums sans intérêt et fermes à contenu qui sont la plaie du Web, ou pire, une page de spam.

Cet a priori positif s'érode manifestement. Divers facteurs sont sans doute à l'œuvre. Tout d'abord, il est probable que le niveau d'exigence des internautes est de plus en plus élevé. Le public apprend au fur et à mesure de son utilisation des moteurs (et désormais d'autres moyens d'accès à l'information, comme les réseaux sociaux). On notera par exemple que les nouvelles générations d'étudiants qui entrent à l'université sont les premières qui ont eu un ordinateur dans leur foyer depuis leur naissance, et Google comme moteur de recherche pendant quasiment toute leur scolarité. Il est donc bien possible que l'effet de succédané mentionné ci-dessus joue moins qu'auparavant, et qu'il soit au contraire progressivement remplacé par une certaine lassitude des utilisateurs face à des résultats Wikipedia qui ne constituent pas toujours une réponse directe à leur requête.

Il est possible également que la qualité (perçue en tout cas) des pages Wikipedia soit globalement moins bonne. Si plus de pages sont retournées en résultat par Google, il est logique, statistiquement parlant, que des pages plus profondes, moins travaillées et contrôlées par la communauté Wikipedia finissent par surgir. On peut se demander d'ailleurs si l'accroissement constant du nombre de pages de Wikipedia ne contient pas en lui-même une diminuation quasiment programmée de la qualité. C'est une vraie question, sans intention polémique (je ne fais pas partie des universitaires qui font la fine bouche sur Wikipedia, ou qui se pincent le nez, bien au contraire : je pense que c'est une des aventures intellectuelles les plus passionnantes de ce début de siècle).

Je ne sais pas si les équipes de Google ont réalisé cette érosion (je ne sais pas non plus si elle se vérifie sur les autres langues). Quelle qu'en soit la cause, elle impacte clairement l'un des leviers qu'a le moteur pour le contrôle de sa qualité.

Fillon: Réforme, fiscalité, crise

2010-11-26T09:55:00.016+01:00

En complément à mon billet d'hier, j'ai calculé quels étaient les trois mots les plus spécifiques du discours de politique générale de François Fillon. Certains mots peuvent en effet être fréquents dans un discours donné, mais s'ils sont également fréquents dans tous, leur signification est faible. C'est le cas de mots tels que France ou République, fortement présents dans tous les discours de politique générale. Je vous passe les détails mathématiques, mais on peut considérer que ces mots ne deviennent significatifs d'un discours particulier que si leur fréquence y dépasse largement la moyenne. C'était le cas, d'ailleurs, dans le discours de politique générale de François Fillon en 2007. Les trois mots qui émergeaient statistiquement de son texte étaient:

France République travail

Reste bien sûr à interpréter pourquoi François Fillon mettait un tel accent à l'époque sur la France et la République. Volonté de rassemblement ? Cela irait dans la lignée du gouvernement d'ouverture.

Ces mots France et République sont à nouveau présents en 2010, bien entendu, mais ils se sont assagis. Leur présence n'est plus statistiquement significative par rapport à l'ensemble des discours. Les trois mots les plus significatifs du dernier discours sont :

réforme fiscalité crise

Cela me semble en effet bien résumer la tonalité générale du discours, du moins telle que je l'ai perçu. On notera le net recul du mot travail...

J'en ai profité pour mettre à jour la liste des mots significatifs pour l'ensemble des discours de politique générale de la Ve, que j'avais élaborée en 2007 (voir analyse ici):

2010	Fillon	réforme fiscalité crise
2007	Fillon	france république travail
2005	Villepin	emploi jeunes entreprises
2002	Raffarin	état français république
1997	Jospin	démocratie solidarité publique
1995	Juppe	état emploi partenaires
1993	Balladur	état entreprises société
1992	Beregovoy	chômage avenir confiance
1991	Cresson	europe développement industrie
1988	Rocard	espoir recherche forte
1986	Chirac	loi sécurité liberté
1984	Fabius	pense souhaite sens
1981	Mauroy	france travail loi
1976	Barre	pays inflation action
1974	Chirac	politique vie monde
1969	Chaban	société développement sociales
1968	Couve	nationale besoin participation
1962	Pompidou	expansion algérie avenir
1959	Debre	algérie effort liberté

On y voit l'air du temps, comme disait Guy en commentaire sur mon billet d'hier. Debré et Pompidou l'Algérie, Chaban la société, Couve de Murville la participation, Barre l'inflation... J'ai beaucoup d'émotion à relire certains de ces discours.

Outil: Les discours de politique générale de la Ve République

2010-11-25T15:08:00.017+01:00

Je viens de mettre le dernier discours de François Fillon en ligne sur mon site dédié aux discours de politique générale des Premiers ministres sous la Ve République :

http://www.veronis.fr/Premiers/

Celui du 24 novembre était le 20e du genre, et comme vous le verrez, mon outil permet de faire des recherches dans tous les discours, et d'afficher divers nuages et graphiques. Voici par exemple le nuage des mots les plus importants de ce dernier discours:

Discours de F. Fillon (2010)

Le discours de François Fillon est intéressant à comparer avec celui de 2007. A part les mots quelque peu obligés de France et République, on voit qu'à l'époque François Fillon insistait sur le gouvernement, alors que dans le dernier discours c'est le monde qui émerge.

Discours de F. Fillon (2007)

Ce chassé croisé n'est peut-être pas anodin... En 2007, François Fillon se mettait au travail, pouvait encore croire qu'il serait pleinement chef du gouvernement, mais le président de la République a montré depuis qu'il empiétait largement sur ce rôle. Échange de bons procédés ? Inconscient qui travaille ? La préoccupation mondiale est d'ordinaire celle du chef de l'Etat... Sauf quelques exceptions: le Premier Ministre champion du monde était Jacques Chirac en 1974 sous Valéry Gistard d'Estaing. C'est le seul qui est devenu président de la République à part Georges Pompidou (mais les circonstances étaient un peu particulières pour celui-ci)...

A lire

L'analyse de mon collègue Pascal Marchand (le spécialiste de la question: si vous n'êtes pas trop radins, achetez son livre)
Mon analyse de 2007
La suite, mots significatifs: réforme, fiscalité, crise

Lexique: Rom ou Français ?

2010-11-16T22:22:00.005+01:00

Je parlais il y a quelques semaines de l'amalgame insidieux que l'on a senti monter depuis cet été en France (et auparavant en Italie) entre Roms et Roumains... Grande a été ma stupéfaction d'entendre cette opposition dans la bouche du chef de l'Etat ce soir :

"Qu'on soit Rom ou Français, il faut respecter les lois de la République".

Et si l'on est Rom et Français, ce qui est le cas de nombreux compatriotes ?

Comment un président de la République Française peut-il mélanger ainsi ethnies et nationalités, et afficher une telle méconnaissance des fondamentaux d'un des dossiers les plus médiatisés de l'année, y compris sur la scène internationale ?

Le candidat Nicolas Sarkozy disait pourtant :

Je veux être le Président qui réconcilie les Français entre eux, quelles que soient leurs origines, leur couleur de peau, leur religion... (discours du 11/02/2007 à la Mutualité).

Belle promesse.

J'ai également été consterné de ne voir aucun commentaire sur les différents sites d'information, qui sont pourtant prompts à transcrire les fragments du débat. Nul n'a relevé.

Et si l'on s'amusait à remplacer ?

"Qu'on soit Juif ou Français..."
"Qu'on soit Musulman ou Français..."

etc.

Lexique: Révolutions

2010-11-15T18:46:00.006+01:00

Christine Lagarde nous a fait un peu de linguistique ce matin sur France Info. A la question de la journaliste lui faisant remarquer que le nouveau gouvernement n'a rien de révolutionnaire, elle répond qu'au contraire, il est "totalement révolutionnaire car le principe de la révolution, comme expliqué brillamment par Jean-Louis Bourlanges, c'est que vous faites un tour complet à 360°". J'ai trouvé intéressant au passage que Mme Lagarde cite le président de la Fondation du Centre, que je trouve effectivement brillant, mais auquel je ne connaissais pas ce talent de lexicographe (si des lecteurs savent d'où vient cette citation, je suis preneur).

Christine Lagarde, France-Info, 15-11-2010
envoyé par FranceInfo. - L'info video en direct.

Sur le plan linguistique c'est parfaitement exact. Le mot révolution (du latin revolvere, rouler, ramener en arrière) a été utilisé dès le Moyen-Âge pour désigner le retour d'un astre à son point de départ. L'idée de changement brutal qu'on lui connaît dans le contexte politique n'est apparue que plus tard (probablement sous l'influence anglaise au XVIIe siècle, n'en déplaise aux défenseurs de la pureté de la langue française), mais elle a changé le sens du mot... à 180°. En feignant, sérieuse comme une papesse, d'ignorer cette polysémie, Mme Lagarde nous fait une belle pirouette rhétorique. On prend les mêmes (ou presque) et on recommence, voilà une idée plutôt comique de la révolution !

Ah ces politiques, quel talent pour nous rouler...

Histoire: Et Guy Môquet ?

2010-10-22T20:16:00.005+02:00

Eh bien, tout le monde s'en tape...

26 avril 1924 - 22 octobre 1941

Et de Baudelaire et Rimbaud aussi.

Avertissement: "Manifester sur la voie publique est dangereux." (Luc Chatel)

Lexique: La toomuchité et la lexicographie temps réel

2010-10-14T20:36:00.009+02:00

Assister à une naissance est un événement extraordinaire. En ce qui concerne les bébés bien sûr, mais ce serait un peu hors sujet sur ce blog... Non, je parle des mots. Les lexicographes ont été pendant des siècles condamnés à manger la poussière des bibliothèques, cherchant tant bien que mal à explorer les brumes du passé dans les vieux grimoires. Je me doutais bien que le Web offrait de nouveaux moyens d'investigation. Les lecteurs de la première heure se souviennent de quelques-unes de mes pérégrinations lexico-téliques (de tela, la toile...) (voir par exemple ici). Je me doutais bien que Twitter allait être le prochain instrument dans mon laboratoire. Et ce soir bingo ! Après une journée de bonne galère sur des bugs divers et variés, j'ouvre la télé (ce que je fais rarement) sur le Grand Journal (ce que je fais encore moins) juste au moment où l'humoriste patenté se moque de Lara Fabian et son invention magnifique de la toomuchité dans une interview. J'adore. C'est aussi bon que la bravitude. Ne croyez pas que je me moque à mon tour. J'adore moi-même inventifier des mots, et la moquosité n'est pas mon phore !

La vidéo est maintenant visible sur le site de Canal+

Mais là n'est pas le plus stupéfiant ! Je descends dans mon bureau, cherche la vidéo de l'interview sans la trouver. Et première surprise, aucun résultat pour "toomuchité" dans Google (les guillemets sont importants pour court-circuiter le correcteur orthographique). En soi, c'est déjà un événement. Par les temps qui courent, vous pouvez taper à peu près n'importe quel néologisme et vous le trouverez dans Google comme dans la grande bibliothèque de Borgès, où tous les livres qu'il est possible d'écrire sont déjà en rayon... Je refais la requête sans les guillemets et au milieu de résultats qui n'ont rien à voir (apparemment il existe un TooMuchIT), je découvre ces résultats "temps réel" :

Combien de temps s'était-il écoulé ? Deux minutes en tout et pour tout, sans doute... Quelques twittomanes (dont Vinz) avaient déjà eu le temps de sortir leur 'tit oiseau ! Google a enregistré le pic d'activité et nous donne déjà le graphe :

Dingue... La lexicographie temps réel !

Lexis: Roma and Romanians

2010-10-13T21:42:00.008+02:00

I have just returned from a few days in Barcelona, where Pompeu Fabra University had invited me. As nothing prevents combining the pleasant with the useful, I took advantage of the occasion to go hear Bizet’s Carmen at the Gran Teatre del Liceu opera house. It was a superb performance. Roberto Alagna (Don José) did Roberto Alagna, but Beatrice Uria-Monzon was literally mind-boggling in the role of Carmen. Some say she is this role’s best interpreter today. They just might be right!

How ironic in these times of French Roma-phobia: the world's most-performed French work tells a gypsy story. Just like the Mérimée short novel from which it originates, the opera reflects the Romantic fascination with Roma (hm, Roma, Romantics… we’ll come back to this). Following perhaps in the footsteps of Cervantes (Little Gypsy), Bizet, Mérimée, Hugo, Borrow, Liszt and many others were charmed by this people living on the fringes of society, freedom incarnate - free to be on the move, free from work, free from fitting into society; all elements found in Carmen. This fascination did not lack its touch of condescendence (quite apparent, I think, in Mérimée's short novel), but all in all this 19th century tendency was doubtlessly preferable to what preceded it: Age of Enlightenment intellectuals were not very pleasant with Roms. The Encyclopaedia entry concerning them is rather revealing (see rest of article here [fr]):

Translation: EGYPTIANS, or rather BOHEMIANS, feminine, masculine, plural noun forms (Modern History). Types of disguised vagabonds, who, despite their bearing these names, nevertheless come not from Egypt, nor from Bohemia; who disguise themselves with coarse garments, dirty their faces and bodies, & make a certain jargon among themselves; who roam here & there, & exploit people by giving the pretext of telling fortunes & healing maladies, by making dupes of them, stealing & pillaging in the countryside.

When I speak of Romantic fascination with Roma, I think I am committing an anachronism. To my knowledge, the term was not in use at the time; one spoke rather of Bohemians. It is moreover the only word used in Bizet’s Carmen. Unless I'm mistaken, the French term gitane, the first that comes to the Gallic mind and which translates into the English gypsy, does not appear in his work. It would however have been more appropriate for designating the Roma from southern Spain. This word, however, does not seem to have been in common usage in 19th century language. Mérimée, an informed connoisseur of Roma culture (as shown especially in his short novel’s last chapter), used the word gitan, but in its forms gitano, gitana, which leads one to think it had not yet truly become part of the French language. Hugo used it once in The Hunchback of Notre Dame (the rest of the time he spoke of “the Egyptian”, and “Bohemians”). I don’t know when it came into common use - probably in the early 20th century (the Trésor de la Langue Française informatisé [fr], the French equivalent of the OED, mentions its use in the writings of Loti and Montherlant).

No matter, these denominations are a good indication of the confusion surrounding the origins of the Roma people. The word Bohemian recalls that they were thought to have come from Bohemia. The French gitans is (like its English counterpart gypsy) a deformation of Egiptano, because they were also believed to have come from Egypt. A third confusion seems to have come with the recent period of their controversial expulsion from France to Romania. The words Roma, Romanian seem to be six of one and half a dozen of the other, although there is no relation between the two words. The modern words Romania, Romanian come from the Latin romanus, which recalls that at a certain period (the 16th century, it seems to me), certain of the region's peoples wanted to set themselves and their linguistics apart from their Slav environment (Romanian being a romance language), and why not, perhaps also say they somehow were descended from the Romans... The word romantic has the same root, since it comes to us after a relatively complicated journey from the Old French roman, itself from the Latin romanus, which designates a work in the common language (as opposed to Latin).

The word rom however, means "man, husband" in the Rom language, that is in Romani (which is more a family of similar languages - a “macro-language” – rather than an actual single language). Mérimée knew this word:

Once we were alone she began to laugh and caper like a lunatic, singing out: “You are my rom, I am your romi”

One of the names which the gypsies apply to themselves, Roma, or “the married couple”, seems to me a proof of their racial respect for the married state.

The Encyclopaedia extract shows that already in the 18th century it was suspected that the Roma were neither Egyptians nor Bohemians. Linguistics provided the first clues as to their origins. Indeed, Romani resembles the languages of northern India (see here). I don’t know if the French Wikipedia is going a little far in saying that the word Rom itself corresponds directly to the god Rama, one of Vishnu’s avatars, but it is certain that the connection between the Romani lexis and that of Sanskrit is very strong. As is often the case, linguistics and genetics come to the same conclusions (see here).

This new confusion which I seem to be finding between Roma and Romanian can easily be forgiven owing to the accidental link between these words. I don’t know if it is a completely innocent link. This is a very handy confusion [fr], between the majority of Roma who have been on French territory for centuries, and the not entirely legal minority of immigrants from Eastern Europe (see also here [fr])… The big melting pot is starting to bubble away. And the result doesn’t smell very good.

Lexique: Roms et Roumains

2010-10-04T12:41:00.021+02:00

Je rentre de quelques jours à Barcelone, où j'ai été invité par l'Université Pompeu Fabra. Comme rien n'interdit de joindre l'agréable à l'utile, j'en ai profité pour aller écouter la Carmen de Bizet au théâtre du Liceu. Suberbe représentation. Roberto Alagna (Don José) a fait du Roberto Alagna, mais Béatrice Uria-Monzon a été littéralement époustouflante dans le rôle de Carmen. Certains disent que c'est la meilleure interprète actuelle de ce rôle... Ils ont peut-être bien raison !

Quelle ironie en ces temps de romophobie : l'œuvre française la plus jouée dans le monde raconte une histoire de gitanes... Comme la nouvelle de Mérimée dont elle est issue, elle reflète la fascination des romantiques pour les Roms (tiens, Roms, romantiques... nous y reviendrons). Marchant peut-être dans les traces de Cervantès (La petite Gitane...), Bizet, Mérimée, Hugo, Borrow, Liszt, et bien d'autres ont été séduits par la marginalité de ce peuple, qui constituait en quelque sorte l'incarnation de la liberté — liberté de se déplacer, liberté par rapport au travail, liberté des mœurs. Tous les ingrédients sont dans Carmen. La fascination n'était pas toujours exempte d'un peu de condescendance (c'est clair, je pense, dans la nouvelle de Mérimée), mais à tout prendre ce courant du XIXe est sans doute préférable au précédent : les Lumières n'avaient pas été très tendres avec les Roms. L'entrée de l'Encyclopédie les concernant est assez révélatrice (voir la suite de l'article ici) :

Quand je parle de fascination des romantiques pour les Roms, je crois que je fais un anachronisme. A ma connaissance, ce terme n'était pas employé à l'époque, et l'on parlait surtout de Bohémiens. C'est d'ailleurs le seul mot qui est utilisé dans la Carmen de Bizet. Sauf erreur de ma part, le mot gitane (qui est pourtant celui qui nous vient à l'esprit), n'y apparaît pas... Il aurait été pourtant plus approprié pour désigner les Roms du Sud de l'Espagne. Mais le mot ne semble pas avoir fait partie du langage courant au XIXe. Mérimée, qui était fin connaisseur de la culture Rom (comme le montre en particulier le dernier chapitre de sa nouvelle), utilise le mot gitan, mais sous la forme gitano, gitana, ce qui laisse penser qu'il n'était pas encore vraiment incorporé au français. Hugo l'utilise une fois dans Notre-Dame (le reste du temps il parle de l'Egyptienne, et des Bohémiens). Je ne sais pas quand il est devenu courant. Probablement au début du XXe (le TLF le mentionne chez Loti et Montherlant).

Quoi qu'il en soit, ces dénominations montrent bien la confusion qui entoure les origines du peuple Rom. Le mot Bohémien rappelle qu'on les a cru originaires de Bohème. Gitans est une déformation d'Egiptano, parce qu'on les a aussi cru originaires d'Egypte. Une troisième confusion semble s'instaurer en ces temps d'expulsion vers la Roumanie... Rom, Roumain, cela semble du pareil au même. Les deux mots n'ont pourtant aucun rapport. Roumanie, Roumain vient de romanus, ce qui rappelle qu'à une certaine époque (16e siècle me semble-t-il), certains peuples de la région ont voulu marquer leur particularité linguistique dans un environnement slave (le Roumain est une langue romane), et pourquoi pas, se dire peut-être un peu héritiers des Romains... Le mot romantique a la même racine, puisqu'il provient à travers un périple plus ou moins compliqué (peut-être par l'Angleterre), du mot roman, lui-même issu de romanus, qui désignait une oeuvre en langue populaire (en opposition au latin).

Le mot rom, quant à lui, veut dire "homme, mari" en langue Rom, c'est-à-dire en romani (qui est plus un ensemble de langues apparentées — un "macrolangage" — qu'une langue proprement dite). Mérimée connaissait ce mot :

Dès que nous fûmes seuls, elle se mit à danser et à rire comme une folle, en chantant : «Tu es mon rom je suis ta romi»

Un des noms que se donnent les Bohémiens, Romé ou les époux, me parait attester le respect de la race pour l’état de mariage.

On a vu dans l'extrait de l'Encyclopédie qu'on soupçonnait déjà au XVIIIe siècle que les Roms n'étaient ni Egyptiens ni Bohémiens. C'est la linguistique qui a donné les premiers indices sur leurs origines. En effet, la romani est apparentée aux langues d'Inde du Nord (voir ici). Je ne sais pas si Wikipedia ne s'aventure pas un peu en disant que le mot Rom lui-même correspond directement au dieu Râma, l'un des avatars de Vishnu, mais il est certain que la parenté du lexique romani avec le sanskrit est très forte. Comme c'est souvent le cas, linguistique et génétique arrivent aux mêmes conclusions (voir ici).

Ce nouvel amalgame qu'il me semble apercevoir entre Rom et Roumain est sans doute excusable par la parenté accidentelle de ces mots. Je ne sais pas s'il est totalement innocent. La confusion est bien commode entre une majorité de Roms qui sont sur le territoire français depuis des siècles, et une minorité d'immigrés pas forcément légaux en provenance des pays de l'Est (voir aussi ici)... La grande machine à tout mélanger est en route. Et le résultat ne sent pas très bon.

A lire

Le Mythe des Bohémiens dans la littérature et les arts en Europe, sous la direction de Sarga Mousa, Paris : l’Harmattan, 2008. ISBN 978-2-296-05279-6.
The Gypsies par Angus Fraser, Backwell Publishing, 1992.
Genetic studies of the Roma (Gypsies): a review, par Luba Kalaydjieva, David Gresham, and Francesc Calafell, BMC Med Genet. 2001; 2: 5.
Sur le cas particulier des Roms en Roumanie : The Romas in Romanian history, Viorel Achim, Central European University Press, 1998.
Roms, uniques objets de mon ressentiment… (Acte I), Billet de Maître Eolas (avec toutefois des affirmations un peu tranchées sur des questions historiques qui restent largement ouvertes).
Romani Project à Manchester (ressources linguistiques, bibliographie, etc.)
Romlex, Base de données lexicale romani.

Rachida: Le lap...suce !

2010-09-26T18:23:00.009+02:00

J'adore les lapsus, surtout ceux de nos hommes et femmes politiques (voir ici) ! Nous en avons d'ailleurs relevé quelques fameux avec mon compère Louis-Jean Calvet dans Combat pour l'Elysée, comme celui de Dominique de Villepin au plus fort de la crise du CPE, qui s'exclamait dans l'hémicycle : « Attendons le Conseil constitutionnel qui prendra sa démission… qui prendra sa décision, voulais-je dire, demain. ». Rires des députés. Au moins ça a eu le mérite de détendre l'atmosphère ! Mais quand on entend des « glissements de langue » (l'expression anglaise n'est-elle pas magnifiquement appropriée ?) comme celui de Rachida Dati ce dimanche sur Canal+, il faut se frotter les oreilles et rejouer la vidéo, tellement ça semble sortir tout droit de la Psychopathologie de la vie quotidienne... Freud doit bander dans sa tombe !

Lapsus: Dati confond "inflation" et... "fellation"
envoyé par LePostfr. - L'info internationale vidéo.

« Moi quand je vois certains qui demandent des rentabilités à 20, 25% avec une fellation quasi nulle, et en particulier en période de crise... » nous déclare-t-elle sans sourciller. Il faut remonter loin pour en avoir un aussi beau. Il me rappelle celui de Robert-André Vivien en 1975 à l'Assemblée Nationale, en plein débat sur la classification des films pornographiques, qui lâcha un superbe : « Monsieur le Ministre, il faut durcir votre sexe, heu pardon, votre texte ! » [1].

Politiques de tout bord, souvenez-vous de ce vers de René Char : Les mots qui vont surgir savent de nous des choses que nous ignorons d'eux...

Source: LePost.fr et Canal+

[1] Cité par Raymond Lefèvre dans "Morale, culture, censure, fiscalité, Transcription des deux grands débats - le premier in extenso - de l'Assemblée Nationale sur la politique du gouvernement en matière cinématographique" in L'érotisme en question, Cinéma d'Aujourd'hui, 4, 1975. Il est intéressant de voir que le scribe, pudique a gommé le lapsus dans la transcription officielle (voir pdf). Celui de Villepin a été fidèlement transcrit (voir ici).

Book: '10' by Marion Bataille

2010-09-16T11:44:00.001+02:00

I had the pleasure of meeting Marion Bataille recently (at the Rencontres Internationales de Lure, where I made a brief stop this summer...). Marion is a designer, illustrator, photographer, but above all an artist. Among other things, she is the author of magnificent popup books – you know, those 3D books that unfold when you open them. As kids, we all read stories of rabbits or dinosaurs that jumped out of the pages… But with Marion, there are no strange animals, no tabs to pull on. The magic lies in the purity, the minimalist aesthetics. She became known a while ago for her fascinating ABC3D, which became a worldwide best-seller. Have a look at the video. Quite a lot is lost unfortunately: I was treated to a live demonstration by the author, almost theatrical (3D video would be great here!).

Recently, Marion Bataille has published another character adventure, numbers. Her new popup book is called 10. Even more fascinating perhaps are these little black and white numerical “soldiers” (says Marion), all identical and all different, that unfold in one direction, then another, and always add up to eleven. Purity, magic… Enjoy it for yourself (once again the live demo was absolutely wonderful).

Numbers and letters; to my delight! Only one small marketing error: it should have been launched on 10th October. 10/10/10...!

Livre: '10' par Marion Bataille

2010-09-15T12:58:00.006+02:00

J'ai eu le bonheur de rencontrer récemment Marion Bataille (aux Rencontres Internationales de Lure, où j'ai fait un trop bref passage cet été...). Marion est graphiste, illustratrice, photographe, mais surtout artiste. Elle est entre autres l'auteure de magnifiques popups — vous savez, ces livres qui se déplient en 3D quand on les ouvre. On a tous lu à nos enfants les histoires de lapins ou de dinosaures qui émergent des pages... Mais chez Marion, pas d'animaux étranges, pas de tirettes. La féérie est dans le purisme, l'esthétique dépouillée. Elle a été connue il y a quelque temps grâce à son fascinant ABC3D, qui est devenu un best-seller mondial. Je vous laisse regarder la vidéo. On perd hélas beaucoup : j'ai eu droit à la démo live par l'auteure, c'est presque une pièce de théâtre (c'est là qu'il faudrait de la vidéo 3D !) :

Marion Bataille sort ces jours-ci une autre aventure caractérielle, celle des chiffres. Son nouveau popup s'appelle 10. Encore plus fascinant, peut-être, que ces "petits soldats" du système numérique en noir et blanc (comme dit Marion), tous identiques et tous différents, qui se déplient dans un sens, puis dans l'autre, en s'additionnant toujours à onze. Pureté, magie... Je vous laisse savourer (là aussi la démo live était proprement bluffante) :

Des chiffres et des lettres. Voilà qui ne peut que me ravir ! Seule petite erreur de marketing : il aurait fallu le sortir en librairie le 10 octobre. Le 10/10/10, quoi...

Google: Les juifs et les noirs - précisions de Google

2010-09-14T08:33:00.001+02:00

Mon petit coup de Googueule sur les suggestions douteuses de Google Instant (les juifs sont radins, les noirs puent, et quelques autres aussi charmantes — voir ici) a été repris un peu partout, en particulier grâce à l'A F P. Google répond par ce même canal (voir dépêche) :

Google "s'efforce de refléter la diversité des contenus sur le Web, de manière objective et neutre", tout en appliquant "un ensemble de politiques de retrait pour les contenus pornographiques, violents ou haineux", ajoute l'entreprise.

"Nous prenons cette question très au sérieux et nous encourageons les utilisateurs à signaler les résultats de recherche qui vont à l'encontre de notre politique", suggère-t-elle en indiquant l'adresse utile pour cette démarche (http://www.google.com/support/bin/request.py)

La firme n'explique pas (ce qui était le fond du problème) pourquoi elle laisse sortir des versions peu ou pas expurgées sur google.fr alors qu'elle fait manifestement un gros filtrage sur google.com. Mais ne soyons pas mauvais joueurs : le message a visiblement été entendu. Nous verrons avec quelle réactivité la base de suggestions sera nettoyée. Ce matin, les juifs sont toujours radins et les noirs puent toujours...

Google: Jews are stingy and Blacks stink

2010-09-09T15:06:00.004+02:00

The new Instant Google is making a lot of buzz. Personally, it gives me motion sickness, but we'll see what people think in the long run. In any case, it will probably give a second life to the old game of seeking weird proposals, which has been fun for quite a while on Google Suggest. The French version helps us know what people think of their neighbor:

Even if you are not fluent in French, you can get the idea. "Jews are stingy", "Blacks stink" and so on.

Interestingly, such suggestions are blacklisted on Google.com. Type "jews are ..." or "Blacks are ..." and you'll get nothing at all. It is clear that the sensitivity to this type of dubious language is much greater in the US, where a bad buzz on racist stereotypes would quickly bring the greatest harm to any company, Google or not. There seems to be a two-tier approach in Moutain View, depending on languages and cultures. For example, I noted as early as 2005 that Google didn't bother filtering out by default the worst pornographic results on the .fr version, when they had been blacklisted for a long time on Google.com (this has changed, fortunately).

Anyway, if this is really a reflection of what people type in the beginning of the 21st century, it is a bit sad. The Age of Enlightment seems far behind.

Google: Les juifs sont radins et les noirs puent

2010-09-09T13:57:00.004+02:00

Le nouveau service Google Instant a déjà fait couler pas mal d'encre virtuelle. On aime ou on aime pas, personnellement ça me donne le tournis... En tout cas, ça va sans doute relancer le bon vieux jeu qui consiste à chercher les propositions tordues, et qui commençait à sentir un peu le marronnier sur Google Suggest. Comme d'habitude le moteur de complétion nous aide à savoir ce que les gens pensent de leur prochain :

Détail intéressant, Google a visiblement mis en place des filtres sur la version Google.com. Tapez "jews are..." ou "blacks are..." et vous ferez chou blanc (si je puis dire).

Il faut dire que là-bas on rigole moins avec ce genre de "détail" : un bad buzz sur des stéréotypes racistes aurait vite fait de porter tort aux plus grands, Google ou pas. On remarque donc une fois encore des préoccupations à deux vitesses selon les langues et les cultures. J'avais par exemple fait remarquer en 2005 que Google laissait traîner les pires horreurs pornographiques sur la version .fr, alors qu'elles étaient filtrées depuis longtemps sur la version .com (la situation a été corrigée depuis, fort heureusement).

Quoi qu'il en soit, tout cela ne donne pas une image grandiose de l'homo numericus en ce début de XXIè siècle...

Moteurs: Orange utilise de plus en plus Wikipedia

2010-09-03T11:39:00.002+02:00

Je vous avais signalé il y a quelques mois qu'Orange avait intégré une fonction de recherche géographique sur Le Moteur, qui pouvait donner des réponses directes à des requêtes du type "maire drancy" ou "habitants créteil". Cela plaît visiblement aux utilisateurs, et Orange vient de mettre en ligne une fonction de recherche sur la bio des personnalités. Par exemple, "date naissance victor hugo" apprendra aux lycéens qu'un certain siècle avait deux ans (souvenez-vous : Rome remplaçait Sparte, déjà Napoléon perçait sous Bonaparte...) :

dans Besançon, vieille ville espagnole :

Comme pour les recherches géographiques, cette fonctionnalité se base sur les "infobox" présentes dans Wikipedia.

D'autres requêtes sont possibles, sous réserve, évidemment, que l'information demandée soit présente dans l'encyclopédie. On aura par exemple pour "vrai nom coluche" :

et pour "profession loana" :

Jolie réalisation, qui montre la tendance de plus en plus nette des moteurs à donner des résultats directs, hors des résultats organiques. A la limite, sur des requêtes de ce type (et bien d'autres : "météo Paris", "date vacances scolaires", etc.) qu'est-ce qui justifie la présentation d'une page de résultats Web, à part la force de l'habitude ?

Wikio: La sagesse des fou(le)s

2010-09-02T20:24:00.006+02:00

Si vous lisez régulièrement ces modestes pages, vous avez sans doute constaté que je cherche depuis plusieurs années de nouveaux modes de visualisation et de structuration de l'actualité. Vous m'avez sans doute vu expérimenter plus ou moins laborieusement au fil du temps des outils de toutes sortes, des nuages, des arbres, des courbes... Parfois j'en rêve la nuit. L'un des sujets qui me fascine le plus c'est l'auto-émergence de l'information. Le Web, vous en conviendrez sans doute, est de plus en plus illisible, par sa simple masse. Je ne vais pas vous sortir la tarte à la crème de l'océan d'information, mais vous vous êtes probablement senti au bord de la noyade les jours où votre reader RSS déborde, où votre client Twitter explose, sans parler bien sûr de vos centaines de mails qui vous piquent toutes les minutes comme des hordes de moustiques insatiables, des Skype, GTalk et autres fenêtres démoniaques qui bippent sans relâche dans tous les coins de votre écran. Si ce n'est pas l'enfer 2.0, ça y ressemble : ça blogue, ça commente, ça piaille, ça twitte en tous sens, et celui qui veut suivre toute cette diablerie déchaînée est condamné à un zapping infernal, dont on peut se demander ce qu'il retire. Trop d'info tue l'info. Faire émerger de ce magma les signaux intéressants, voilà le Graal algorithmique que je poursuis, et depuis que Wikio a bien voulu me confier le pilotage de ses Labs, je consacre à cette quête une bonne partie de mon temps et de mon énergie.

Je vous ai parlé il y a quelques mois d'un projet du nom de code Twikio, en beta sur Wikio Labs. Après pas mal de recherches, d'expérimentations et de réglages (et pas mal de sueur), le projet a fait son chemin sur la page d'accueil de Wikio, qui présente désormais une sélection d'infos sur des principes radicalement nouveaux.

Les infos sont sélectionnées automatiquement sur la base de critères multiples. Tout d'abord les backlinks, ou rétroliens si vous préférez du bon français. Mais comme j'ai eu l'occasion de le dire à plusieurs reprises, ils ont tendance à se tarir (plus le temps ?), et de toute façon ils ont un inconvénient notable, leur manque de fraîcheur. Le temps de lire un article, d'écrire un billet qui en parle, d'y coller péniblement un lien (bordel !), de le publier, puis d'attendre que Wikio le capture et le passe dans sa moulinette, plusieurs heures se sont certainement écoulées. L'élément nouveau est donc la prise en compte de Twitter, dont l'immédiateté est proprement stupéfiante. Il faut croire que les gens ne sont pas au boulot : même en pleine journée, dans la minute où un article est publié, les premiers twits arrivent... Et ils sont pléthore. Là où on attrape péniblement un maigre backlink ou deux, ce sont souvent des filets pleins de dizaines de twits bien gras que l'on récupère — en France, car aux Etats-Unis, ils se chiffrent par centaines, voire par milliers. Sagesse des foules, ou sagesse des fous, je ne sais pas, mais les internautes nous indiquent collectivement ce qui est important pour eux dans l'overdose d'information quotidienne. En prime, les internautes peuvent aussi voter sur le site, et j'ai souhaité que ces votes aient une forte influence. Les lecteurs eux-mêmes doivent pouvoir compléter la recommandation des réseaux sociaux, et la "communauté Wikio" doit pouvoir influer collectivement sur ce qu'elle a envie de lire.

L'idée est simple, je crois d'ailleurs que d'autres l'ont essayée. La réalisation est terriblement difficile. Si vous avez regardé quelques services qui ont tenté d'organiser l'actu en utilisant la "recommandation sociale", vous avez sans doute constaté leur caractère quelque peu décevant (et encore la plupart du temps ne s'attaquent-ils qu'à l'anglais). Les difficultés techniques sont immenses. Le Web 2.0 n'est pas du tout un long fleuve tranquille, et les foules ne sont pas aussi parfaites et disciplinées qu'on l'aimerait. J'ai eu l'occasion de décrire (ici) l'hétérogénéité extrême des comportements face aux outils sociaux, avec en particulier un taux de retwittage variant de 1 à 1000 selon les communautés. Si l'on classait simplement les infos par nombre de retwits (retweets?), la home ne contiendrait que de la high-tech... Autre difficulté, certains médias (et quelques blogs) publient des dizaines, voire des centaines, d'articles par jour. Même si on règle le problème de la high-tech, on n'aura en home que du Monde et du Figaro. Le blogueur normal, avec ses deux ou trois billets hebdos a bien peu de chance d'émerger de la masse. Et pourtant, il a souvent quelque chose à dire qui mérite d'être au moins autant mis en avant que les innombrables et fastidieux copier-coller des dépêches AFP que nous servent hélas copieusement les médias.

Le cœur de la mécanique que j'ai mise au point consiste à déterminer automatiquement quelles pondérations il faut appliquer à tout cet écosystème. La force de la machine Wikio c'est la connaissance fine des sources, que vous avez pu voir construire étape par étape sur les Labs (en particulier dans les Pages Sources) : catégorisation, métriques diverses, réseaux de voisinage, etc. Toutes ces informations peuvent être utilisées pour pondérer les différentes composantes de la recommandation (backlinks, retwits, votes). Bien entendu, pas question de fixer des valeurs à la main, ce serait infaisable et impossible à maintenir. Le système auto-apprend, et s'améliore en fonction de son historique (on appelle ça "machine learning" dans les soirées chic). Le Wikio nouveau est donc comme le dit Pierre, d'une certaine façon un Digg, mais un Digg bien plus complexe (et espérons-le moins bruité) — un "Digg social", qui prend en compte d'autres sources de recommandation que les simples votes (la prochaine étape sera Facebook), et surtout qui exploite le trésor de connaissances que Wikio a engrangé sur ses 1,2 M de sources au fil des années.

Le but était de faire émerger le signal faible, l'actualité insolite, décalée, polémique. Si vous voulez l'actu classique, plus factuelle, façon AFP, elle est toujours disponible ici, avec un flux RSS correspondant. Le parti pris était aussi de mélanger médias et blogs, parce que chacun apporte sa lumière à sa façon, mais des filtres seront bientôt ajoutés pour ne lire par exemple que la partie blog pour ceux qui le souhaitent. Enfin, si vous pratiquez quelque peu la xénophilie (non ce n'est pas un gros mot), vous serez sans doute intéressés par les versions www.wikio.co.uk, www.wikio.de, www.wikio.es, www.wikio.it, www.wikio.com.

J'ai entendu dire que c'était la plus grosse évolution depuis le lancement de Wikio, je vous en laisse juges. En tout cas, pour moi c'était certainement l'aventure la plus fascinante, même si elle m'a pourri l'été. Et elle est loin d'être terminée ! Cette version n'est pour moi encore qu'une pâle approximation de ce que j'ai en tête. Ne croyez pas à travers mon enthousiasme un peu enfantin que je n'en connaisse pas les défauts et les limites. Il y a encore bien des scories. Mais chaque chose en son temps... Chaque jour montre les imperfections de la veille, et chaque jour est une recherche. Vos remarques et vos commentaires seront comme toujours les plus précieux.

J'adresse enfin un immense merci à l'équipe de R&D qui m'a fait confiance dans ce projet un peu fou, notamment Thomas dont c'est littéralement le bébé (en plus d'un vrai qui vient de naître, ce qui lui a sans doute doublement détruit le sommeil), Alexis, Sébastien, et tous ceux qui ont mouillé leur chemise cet été pour glisser ce nouvel outil dans votre cartable avant la rentrée.

Et maintenant, à vos votes, que l'Actu commence !

Lexique: Quelle salade !

2010-08-09T20:54:00.008+02:00

J'ai entrepris de relire les quelques dizaines de volumes des œuvres d'Alexandre Dumas qui traînent sur les rayons de ma bibliothèque. Vaste tâche, mais j'en arrive presque à bout — et quel plaisir ! Relire l'œuvre de cet auteur monumental avec quelque quarante ans de recul et un peu de culture en plus est un exercice merveilleux. Que de choses apparaissent à l'homme mûr pourvu de patience, qui avaient échappé au jeune adolescent avide de suivre au plus vite le fil de l'aventure ! Je suis ces jours-ci dans la Reine Margot, que je relis d'un œil à peu près neuf puisque j'ai réussi à échapper au film du même nom (je ne sais donc s'il est bon ou mauvais)...

Gamin, pourtant, il m'arrivait déjà d'arrêter la lecture et d'ouvrir des dictionnaires, mais je n'avais pas encore acquis ce réflexe quasi systématique, qui m'est venu à force de flirter avec les mots. Me voici donc au début de l'aventure – du drame, faudrait-il dire, car peu de romans méritent aussi bien ce nom que celui-ci, dont la toile de fond est le massacre de la Saint-Barthelemy, qui fit paraît-il plus de morts que la Commune. Deux gentilshommes, La Mole (protestant, et futur amant de Marguerite de France) et Coconnas (catholique) se retrouvent dans la même auberge le soir où le massacre se prépare et Dumas nous décrit l'hôtelier, Maître La Hurière, en nous disant qu'il fourbit sa salade. Je n'avais honnêtement plus aucun souvenir du personnage, ni de cette phrase, mais je suppose que l'adolescent pressé que j'étais n'a pas ouvert ce jour-là le dictionnaire.

Après tout j'ai une excuse. Fourbir, c'est nettoyer, n'est-ce pas ? Rien d'étonnant dans le rôle de l'aubergiste que de nettoyer des laitues et cuire des omelettes... Je dois dire que le linguiste que je suis devenu s'y est fait encore prendre. Ce n'est que quelques chapitres plus loin, quand il s'avère que le dénommé La Hurière fait partie des massacreurs et reçoit une mauvaise balle que l'affaire m'a intrigué. Je vous la fais courte, mais on le croit mort, puis on le retrouve vivant, sauvé par sa salade, sur laquelle la balle s'est écrasée. Je pense que l'ado a zappé. Le prof était obligé de marquer une pause. Une balle arrêtée par une salade ? Même une balle tirée par une pétoire d'époque, une arquebuse, en l'occurrence, ça doit quand même traverser quelques feuilles de laitue ou de chicorée. Bingo... Le mot salade a deux sens. Hormis le légume, il désigne un casque sphérique du XVe et du XVIe siècle, ce que j'ignorais totalement.

Mon premier réflexe a été stupide. Vu la forme de l'engin (à part le protège-nuque façon Darth Vader), mon esprit faible a fait l'association salade — saladier, truc en fer renversé sur la tête. J'ai heureusement assez vite repris mes esprits, et j'ai ouvert le dictionnaire de référence, le Robert historique de la langue française, dirigé par l'estimable Alain Rey, qui m'a aussitôt appris que l'humble salade venue de la terre en cachait une autre venue du ciel. Cet homonyme provient (sans doute) du latin caelum, le ciel. Il s'est transformé en italien en celata, désignant apparemment une voûte, une coupole, puis s'est déformé en salada en passant par le provençal ou le franco-provençal, peut-être bien par contamination avec la salade comestible, qui faisait le même genre de périple linguistique à une époque proche...

Cette salade culinaire a elle-même un parcours mouvementé, puisqu'elle ne provient finalement ni de la terre ni du ciel. L'insalata était un mets composé de légumes divers, assaisonnés de sel. La métonymie a fait son œuvre, comme bien souvent dans la langue, et du plat, le mot s'est mis à désigner l'un des ingrédients. Parfois le sens originel se perd, parfois pas. En ce qui concerne la salade, il s'est gardé. C'est pour cela que le mot désigne à la fois la plante potagère et toutes sortes de plats, dont la plupart n'ont pas la moindre feuille de salade dans leur composition...

Mais le plus amusant, c'est que nos modernes rambos pourraient bien eux aussi fourbir leur salade, puisque c'est ainsi qu'il appellent l'espèce de camouflage en plastique feuillu qu'ils portent sur leur casque en kevlar :

Les mots, quelle salade ! C'est à en perdre son latin...

Text: JG Ballard's manuscripts at the British Library

2010-06-14T11:08:00.000+02:00

I love libraries, you won't be surprised to hear. I have often mentioned the BnF [fr-1, fr-2], but the British Library is another of my favorite pilgrimages, where I go religiously each time I happen to be in London (unfortunately not so frequently recently!). I read in the Guardian that it has just purchased the manuscripts of JG Ballard, mythical science-fiction author whose strange and post-apocalyptic work fascinated me when I was a teenager (The Drowned World, The Crystal World, The Drought, etc.) and even later, especially with Crash (1973) which marked a whole generation. It's rather moving to see the manuscripts for these hallucinated works for the first time and to discover how much Ballard's writing process was a tortured one, as can be seen from the first page of Crash, which looks as if it has gone through a few loop-the-loops and somersaults:

First page of Crash

This reminds me of a superb exhibition at the BnF on writers' drafts, I mentioned a long time ago [fr]:

Manuscript for Dolor, a poem by Victor Hugo

Word processing has killed manuscripts. The writing process is now silent: the toing and froing, doubts, wanderings, sudden and lightening finds are a thing of the past. More than the aesthetic loss, it's also a major loss for future historians and philologists. No one will ever know the tortured (or otherwise?) plume of Doris Lessing or J.M. Le Clézio...

Texte: Manuscrits de JG Ballard à la British Library

2010-06-11T11:55:00.005+02:00

Je suis amoureux des bibliothèques, ça ne vous étonnera pas. Je vous ai souvent parlé de la BnF [1, 2], mais la British Library est un autre de mes lieux de pélerinage, où je me rends religieusement chaque fois que je traîne à Londres (ce qui est hélas moins fréquent ces derniers temps !). Je lis dans le Guardian qu'elle vient d'acquérir les manuscrits de JG Ballard, auteur mythique de science-fiction dont l'œuvre étrange et post-apocalyptique m'a fasciné quand j'étais adolescent (The Drowned World, The Crystal World, The Drought, etc.) et même après, notamment avec Crash (1973) qui a marqué toute une génération. C'est émouvant de voir pour la première fois les manuscrits de ces oeuvres hallucinées, et de découvrir à quel point le processus d'écriture de Ballard était torturé, comme en témoigne la première page de Crash, qui semble avoir subi elle aussi quelques loopings et quelques tonneaux :

Première page de Crash

Ceci me remet en mémoire une superbe exposition de la BnF sur les brouillons d'écrivains, dont je vous avais parlé il y a bien longtemps :

Manuscrit de Dolor, poème de Victor Hugo

Le traitement de texte a tué les manuscrits. Le processus d'écriture est devenu silencieux : ses aller-retours, ses doutes, ses errements, ses trouvailles soudaines et fulgurantes sont devenus inaccessibles à jamais. Au-delà de la perte esthétique, c'est une perte majeure pour les historiens et les philologues des temps futurs. Personne ne connaîtra jamais le parcours torturé (ou pas ?) de la plume de Doris Lessing ou J.M. Le Clézio...

Google: Trusted sites get pride of place

2010-06-09T19:10:00.002+02:00

For a while now, webmasters have been sweating bullets at the sight of their morning statistics. On the forums (see for example WebmasterWorld), desperate comments speak of falls of 30, 50 or even 90% of the traffic brought by Google. Several days ago, the affair hit the media when Matt Cutts confirmed an update with the highly appropriate name of Mayday, which specifically affects long tail queries. This is only the cherry on the cake however: the upset started at the beginning of the year and does not seem to be finished. Google has manifestly declared war on opportunistic websites, who are placing themselves between users and sites displaying real content. Everyone has noticed that for some “competitive” searches (namely merchant), the search engine has become almost unusable: pages and pages of false comparators, doubtful forums and other parasitic sites ready to jump on the band wagon — which in the best cases land on pages full of Adsense and in the worst some absolute swindles. Everyone is putting forward hypotheses in the SEO forums about the modifications made to the algorithms. It’s quite a futile exercise; Google secrets are the best kept on the planet. One thing is certain: Google has called the end of play time.

Whatever these modifications, the result is rather paradoxical. While the Web is growing every day by thousands of sites and millions of pages, Google’s first-page results (roughly the only results that users click on) are showing fewer and fewer sites. Below is the result of a benchmark of 1500 searches (in French) that I regularly apply to follow changes in the search engine. In June 2008, these 1500 searches returned more than 5800 domains on the first page. In 2009, around 5100, i.e. 12% fewer. At the start of June 2010, only 4837 domains are returned, a fall of 17% compared to 2008.

Number of domains on the first page out of a set of 1500 queries

Another interesting phenomenon: the presence of Wikipedia in the results. In June 2008, Google returned 8.2% of first-page results in the encyclopedia, and 24.5% as a first link (after reaching a record of 27% [fr] in 2007). The encyclopedia marked a significant drop in results last year, as its presence fell back to 4.5% in all first page results and 14.5% as first link. It’s up again, with 6.9% of results and 24.8% first links.

Presence of Wikipedia in the results.

These data clearly show that Google is narrowing results to sites it trusts, usually major established sites (in France: linternaute.com, aufeminin.com, doctissimo.fr, lemonde.fr, etc. -- and of course wikipedia.org). This notoriety bias does give rise to some collateral damage. It is increasingly difficult for small, newly created sites, which are perfectly legitimate, to appear in the first page of results, not to speak of the famous first place. At a time when whole parts of the economy depend on a presence on Google, this is a worrying phenomenon.

It remains to be proven whether major sites that have the trust of Google can provide pertinent answers to surfers’ searches. Like me, you have most likely been alarmed by the emptiness of certain forums that obstinately turn up in many of your searches...

Google: La reconnaiffance de caractères eft une fcience affez fûre!

2010-06-08T09:52:00.009+02:00

... mais pas sur les textes du XVIIe siècle ! Je cherchais à relire hier soir L'Homme de Cour de Baltasar Gracián y Morales, philosophe jésuite espagnol assez peu connu du public, mais dont les oeuvres (presque immédiatement traduites en français) ont inspiré La Rochefoucauld, Voltaire, Schopenhauer, Nietzche, Lacan et Guy Debord. Le personnage, rebelle et assez cynique, n'est pas sans rappeler Machiavel — à la différence que son analyse désenchantée du pouvoir, des apparences et de la comédie sociale ne s'adresse pas au Prince mais à l'homme du commun...

Bref, je farfouille dans Google. Pure paresse, j'en conviens (j'aurais pu chercher sur Gallica, dont je suis un grand fan [1, 2], mais la lourdeur et la lenteur de l'interface ont fini par avoir raison de ma bonne volonté...). Voici donc le document qui apparaît — la numérisation d'un volume de l'Université du Michigan :

Superbe. J'étais prêt à me replonger dans les aphorismes du vieux jésuite, mais un nuage de tags assez extraordinaire m'a accroché l'œil :

Google numérise en mode texte les livres anciens ! Voilà qui est nouveau. Ou peut-être pas, mais en tout cas j'avais raté cet épisode. Cela m'a surpris parce que jusqu'ici la reconnaissance de caractères sur de tels textes posait des difficultés à peu près insurmontables (c'est pour ça que Gallica ne propose quasiment que des images pour les fonds anciens). Vous imaginez que ça a titillé quelque peu ma curiosité !

Feulement, foilà... il y a un petit problème ! Le tag cloud semble avoir été réécrit par Sylvestre (je ne parle pas d'un traducteur jésuite du XVIIe siècle, je parle du Gros minet, frapriffti fauffife !) :

Fage, feulement, favoir, fouvent, chofes, fcience... Le tag cloud est affez maffacré ! Le principal problème provient du s long : les textes de cette époque utilisaient pour le s interne aux mots une forme voisine du f. Le s que nous connaissons de nos jours n'était utilisé qu'en position finale. Cela rend la lecture malaisée pour le profane, mais avec un peu d'habitude on n'y fait plus attention.

Visiblement l'OCR n'aime pas — ce dont je me doutais ! Mais le plus étonnant est tout de même que Google ne s'en aperçoive pas, ou ignore volontairement le maffacre... Car l'utilisation qui est faite de ces numérisations en mode texte maffacré semble maffive ! Le texte ainsi maltraité est indexé tel quel dans le moteur et l'index est pollué de façon majeure. Pour avoir une idée de l'ampleur des dégâts, tapez par exemple la requête +feulement +favoir (le + force le mot dans sa forme exacte sans correction orthographique). Vous tombez sur l'Encyclopédie de Diderot et d'Alembert et 272 000 résultats au total :

Voilà qui m'épate tout de même ! Apparemment des dizaines de milliers d'ouvrages anciens ont déjà été numérisés avec ce bug. Personne ne regarde le résultat chez Google ? Je conviens que la numérisation des documents anciens en mode texte est difficile (je ne la pensais même pas possible). Mais sur ce cas d'espèce il suffirait déjà de redresser tous les mots qui n'apparaissent pas dans le dictionnaire (comme fcience ou jurifprudence), mais se rapprochent d'un mot existant en substituant un s au f pour résoudre la moitié des problèmes. Une approche légèrement plus ambitieuse basée sur la probabilité des bigrammes ou trigrammes de mots résoudrait la plupart des autres cas, comme feulement, qui est aussi un mot du français (le feulement des fauves)...

Tiens, je vais leur proposer mes services !

En attendant, si vous voulez une version plus lisible, en orthographe et typographie moderne, de cet Homme de cour, j'en ai trouvé une ici.

Google: Prime de plus en plus forte aux sites de confiance

2010-06-07T11:56:00.005+02:00

Depuis quelque temps, les webmasters attrapent des sueurs froides le matin en regardant leurs statistiques. Sur les forums (voir par exemple WebmasterWorld), des témoignages désespérés parlent de chutes de 30, 50 voire 90% du trafic amené par Google. L'affaire a été médiatisée il y a quelques jours, quand Matt Cutts a confirmé une mise à jour du nom très approprié de Mayday, qui affecte particulièrement les requêtes de la longue traîne. Mais ce n'est qu'une cerise sur le gâteau : le chamboulement a commencé au début de l'année et ne semble pas encore terminé. Google a manifestement déclaré la guerre aux sites opportunistes, qui viennent s'intercaler entre les utilisateurs et les sites producteurs de véritable contenu. Tout le monde a remarqué que sur certaines requêtes "compétitives" (marchandes en particulier) le moteur devenait quasiment inutilisable : des pages et des pages de comparateurs bidon, de forums douteux, et autres sites parasites prêts à harponner le gogo — qui dans le meilleur des cas atterrit sur des pages bourrées d'Adsense et dans le pire sur de jolies arnaques. Chacun y va de son hypothèse dans les forums SEO sur les modifications apportées dans les algorithmes. L'exercice est un peu vain ; les secrets de Google sont les mieux gardés de la planète. Mais une chose est certaine : Google a sifflé la fin de la récréation.

Quelles que soient ces modifications, leur résultat est assez paradoxal. Alors que le Web s'agrandit chaque jour de milliers de sites et de millions de pages, les résultats en première page de Google (qui est grosso modo la seule sur laquelle les utilisateurs cliquent) font apparaître de moins en moins de sites. Je vous montre ci-dessous le résultat d'un benchmark de 1500 requêtes (en français) que j'applique régulièrement pour suivre l'évolution du moteur. En juin 2008, ces 1500 requêtes retournaient plus de 5800 domaines en première page. En 2009, environ 5100, c'est-à-dire 12% de moins. Début juin 2010, ce ne sont plus que 4837 domaines qui sont retournés, soit une chute de 17% par rapport à 2008.

Nombre de domaines en première page sur un ensemble de 1500 requêtes

Autre phénomène intéressant : la présence de Wikipedia dans les résultats. En juin 2008, Google retournait 8,2% des résultats de première page dans l'encyclopédie, et 24,5% en tout premier lien (après avoir atteint le record de 27% en 2007). L'encyclopédie avait marqué un net recul dans les résultats l'année dernière, puisque sa présence avait été ramenée à 4,5% dans l'ensemble des résultats de première page et 14,5% en premier lien. Elle refait surface à nouveau, avec 6,9% des résultats et 24,8% en premier lien.

Présence de Wikipedia dans les résultats

Ces données montrent clairement que Google resserre ses résultats sur les sites dans lesquels il a confiance, généralement de gros sites établis (linternaute.com, aufeminin.com, doctissimo.fr, lemonde.fr, etc. -- et bien sûr wikipedia.org). Ce biais à la notoriété ne va pas sans dommages collatéraux. Il devient de plus en plus difficile pour de petits sites nouvellement créés et pourtant parfaitement légitimes, d'apparaître en première page des résultats, sans parler même de la fameuse première place. A une époque où des pans entiers de l'économie dépendent d'une présence sur Google, le phénomène est inquiétant.

Il reste par ailleurs à démontrer que les gros sites qui reçoivent ainsi la confiance de Google apportent tous des réponses pertinentes aux requêtes des internautes. Vous avez sans doute été consternés comme moi par la vacuité de certains forums qui s'obstinent à apparaître sur bon nombre de vos requêtes...

Histoire: La lettre V

2010-05-25T12:58:00.012+02:00

Je viens de terminer un livre superbe, Radio Londres : Les voix de la liberté (1940-1944), d'Aurélie Luneau. Il retrace l'épopée de ce qui est devenu peu à peu une arme de guerre dans les mains de la France Libre, et du gouvernement britannique, puisqu'en fait, les Français de l'époque n'en avaient pas conscience, mais les gaullistes n'avaient droit qu'à quelques minutes d'expression par jour, le reste des émissions en français étant concocté par les agents de Sa Gracieuse Majesté.

Le livre est remarquablement documenté (Aurélie Luneau est docteur en Histoire), et il est accompagné d'un CD comprenant de nombreux enregistrements d'époque (il semblerait que ce ne soit pas le cas pour la dernière édition, de format poche). Si certains sont connus, comme le terrible message de capitulation du Maréchal Pétain le 17 juin 1940, d'autres le sont beaucoup moins, mais tous sont poignants. N'y cherchons pas, bien sûr, l'appel du 18 juin, dont nous fêterons le 70e anniversaire dans quelques jours : il n'a pas été enregistré.

Le rôle de l'information —et de la désinformation— dans les conflits n'était évidemment pas nouveau, mais c'est la première fois où la guerre de la communication s'est faite autour de la "high-tech", celle de l'époque, bien sûr, à savoir la radio. Il est intéressant de constater que le Général de Gaulle a immédiatement compris le rôle qu'allait avoir cet outil, et de voir comment il est devenu un virtuose de la communication radiophonique (au point que la propagande vichyste l'a surnommé "le général Micro"). J'ai découvert beaucoup de choses sur ce combat des ondes, notamment les contremesures des Allemands et de Vichy : j'étais au courant bien sûr des tentatives de brouillage, de l'interdiction d'écoute (j'en ai entendu parler dans ma propre famille), mais j'ignorais la campagne de confiscation des postes de radio — et de l'ingéniosité remarquable des Français qui se sont mis aussitôt à construire en douce des postes à galène artisanaux avec les moyens du bord...

Il y aurait beaucoup à dire sur l'utilisation des moyens de communication high-tech en cas de conflit (que deviendrait l'Internet ?), mais ce n'est pas de cela que je veux vous parler aujourd'hui. Je veux vous parler d'un véritable point de détail de la deuxième guerre mondiale. Un point de détail alphabétique.

Tout le monde connaît le signe de la victoire, les deux doigts levés avec la paume de la main tournée vers le public (détail important, car de l'autre côté, le signe change complètement de sens pour le monde anglo-saxon). Le signe a été immortalisé par Churchill :

De Gaulle l'a adapté à sa stature de géant, dessinant le V de son corps entier, les deux bras tendus les poings fermés, comme lors du discours sur la place de la République, bien plus tard (le 4 septembre 1958), où il présente la nouvelle Constitution. L'image est bien connue :

Ce qui l'est moins, c'est le contexte en plan large : le V de son corps fait écho au V monumental qui orne la place derrière lui, et l'on comprend ainsi qu'il symbolise autant la Victoire que le chiffre V de cette nouvelle République que de Gaulle appelle de ses vœux. L'image est belle : lui, le géant face aux hommes, apparaît comme une poussière insignifiante par rapport à la République. Elle symbolise magnifiquement la dualité du personnage: son orgueil face aux premiers, son humilité de serviteur de la deuxième.

Je ne connaissais pas du tout l'origine de ce V de la Victoire, ainsi détourné plus tard en chiffre romain, et je l'ai appris dans le livre d'Aurélie Luneau.

Le 14 janvier 1941, le speaker de la section belge de la BBC, Victor de Laveleye, lance une campagne à destination de ses compatriotes, les incitant à tracer des V partout en Belgique. Le V est déjà un symbole double : c'est la première lettre du mot Victoire en français, et du mot Vrijheid (Liberté) en flamand. Ce mot d'ordre fut un immense succès : les V fleurissent en Belgique, mais aussi en Hollande et dans le Nord de la France. Il est ensuite relayé par les ondes françaises de la BBC, et les V commencent à se répandre partout en France et dans le reste de l'Europe : on en trace sur les murs, les automobiles des Allemands, voire sur la capote des soldats, on entoure d'un cercle le V des Verboten qui ont hélas fleuri partout... Coïncidence étonnante, l'idée d'étendre la campagne des V à la France est due à Emile Delavenay, qui fondera en 1959 l'ATALA, que j'ai eu moi-même l'honneur de présider de 2000 à 2008. Résistance passive, symbolique, et terriblement efficace. Le symbole a fait son chemin : il est en peu de temps devenu le symbole universel de la Victoire.

Je n'avais jamais fait le lien non plus avec le célébrissime indicatif de Radio Londres, pom pom pom pooom, sur le rythme de la Ve (tiens !) Symphonie de Beethoven. Le fameux thème dit du "destin qui frappe à la porte". On ne pouvait pas trouver mieux comme symbole !

Trois brèves, une longue. Bon sang, mais c'est bien sûr : la lettre V en morse ! Devant l'ampleur du succès de la campagne des V, quelqu'un à la BBC (voir post-scriptum) a eu l'idée d'en faire l'indicatif, transformant ainsi le symbole purement visuel en symbole sonore : les chauffeurs de train lancent le V en morse à coup de sifflet en entrant dans les gares, les forgerons le tapent au marteau, les gens le sifflent dans la rue... Le CD accompagnant le livre d'Aurélie Luneau m'a fait découvrir cette Chanson des V, chantée par Jean Oberlé (auteur par ailleurs du détournement de l'indicatif de Radio Paris: "Radio Paris ment, Radio Paris est allemand...") sur l'air de la Ve Symphonie au micro de Radio Londres ;

Il ne faut pas
Désespérer.
On les aura.
Il ne faut pas
Vous arrêter
De résister.
N'oubliez pas
La lettre V.
Écrivez la.
Chantonnez la.
V V V V...

Sur le muret
Sur les pavés
Faites des V !
Mais vous pouvez
Faire baver
Les doryphores
Et sans remords,
Et sans danger
Vous sifflerez
Vous chanterez
V, V, V, V !

Il y aurait de quoi écrire des dizaines de billets sur chacune des lettres de l'alphabet (j'avais commencé avec le cas du K, et Epamin' nous a raconté récemment l'histoire de son p'tit Q). Mais peu de lettres ont une histoire aussi célèbre, et aussi émouvante que celle du V. Et en plus je l'aime bien : c'est l'initiale de mon nom...

J'ai retrouvé l'inventeur de l'indicatif V en morse. Il s'agit d'un certain Douglas Ritchie, propagandiste à la BBC sous le nom de "Colonel Britton". L'histoire est racontée par le Times du 28 juin 1941.

Douglas Ritchie, alias "Colonel Britton" (source BBC)

SEO: Veuillez agréer

2010-05-21T11:40:00.011+02:00

Cela fait longtemps que je n'ai pas fait de billet sur les aléas du référencement... Mais là je ne peux pas résister. Savez vous quelle est la requête qui m'a amené le plus de trafic Google le mois dernier ? Je m'attendais à tout sauf à ça...

Je suis positionné premier sur un vague billet que j'avais commis en 2008 sur la fonctionnalité (assez médiocre) qu'avait sortie Google dans GMail, pour détecter si vous avez oublié d'attacher la pièce du même nom. Apparemment il y a pas mal de gens qui tapent ça dans Google, et les gangsters du référencement n'ont pas encore pensé à se faire des ronds dessus...

Je présume que les gens cherchent la façon d'accorder (ou pas) cette formule. Nécessaire en effet, si on joint par exemple son CV et sa lettre de motivation, de ne pas faire la faute d'ortogaffe... Ca fait mauvais genre ! Dommage que les gens qui arrivent sur mon billet n'aient pas la réponse. La règle est la suivante (dixit la Bible, a.k.a. Grevisse) :

Ci-joint, ci-annexé, ci-inclus s'accordent quand on leur donne une valeur qualificative, ou prédicative, et restent invariables quand on leur donne une valeur adverbiale.

Ouch. Ca vous a servi ? Eh bien, non, je présume. C'est comme ça les livres de grammaire. Si on ne sait pas déjà, on est encore plus enfumé. Je me vois déjà dans le 9-3 (z'y va !) en train d'envoyer mon CV pour aller me faire exploiter chez Carrouf...

Maurice Grevisse

Bon, alors regardons les exemples du père Grevisse (déjà pour comprendre le truc, il faut Bac+12). Premier cas (valeur qualificative ou prédicative) :

Les pièces que vous trouverez ci-jointes.

Deuxième cas (valeur adverbiale) :

Les pièces que vous trouverez ci-joint.

Ah ben merdre, alors ! On fait quoi au final ?

Eh bien, faut lire les petites lettres...

Dans beaucoup de cas, l'accord dépend de l'intention de celui qui parle ou qui écrit.

Voilà, on fait un peu comme on veut finalement. J'ai dépensé 19,50 € pour rien.

Pas tout à fait quand même. Il y a des précisions importantes. Je simplifie la formulation, sinon je sens que vous allez changer de skyblog :

1. En tête de phrase, mettez plutôt ci-joint :

Ci-joint les pièces...

2. Mettez aussi ci-joint si le nom qui est derrière n'a pas d'article

Veuillez trouver ci-joint copie du document...

Simple dans le fond. Oui, enfin, si on veut. Grevisse nous dit qu'en tête de phrase on garde ces mots invariables "sauf évidemment dans le cas où ils sont en tête de la phrase comme adjectifs détachés". J'aime bien le évidemment : vous savez ce que c'est, vous, un adjectif détaché ?

Allez, prise de tête. Je retourne vendre du chichon en bas des tours...

PS: Bien sûr vous avez noté que le titre de ce post est "Veuillez agréer"... On va voir si je "ranke" sur celui-là. Si ça marche je monterai peut-être un business foireux, du genre grammar squatting sur Internet !

Beta: Suivez le buzz avec Twikio

2010-05-19T11:36:00.003+02:00

Je suis heureux de vous annoncer la mise en ligne du service Twikio que je mitonne depuis quelque temps pour Wikio, et auquel j'avais fait allusion dans de précédents billets (au départ j'avais pensé l'appeler Twittio, mais il semblerait que le nom soit déjà pris).

Ce service est une nouvelle façon de voir l'actu, qui s'appuie à la fois sur les backlinks et sur les "retweets". L'algorithme que j'ai mis au point est destiné à remplacer dans quelque temps la home de Wikio. L'intégration de Twitter (avec quelques pondérations savantes comme vous pouvez l'imaginer, sinon on n'aurait en home que des news sur l'iPad, Android ou la dernière version de Google Chrome...) permet d'avoir beaucoup plus de réactivité à l'actu -- ou du moins à ce que vous avez repéré dans l'actu. Ce n'est donc pas l'actu en boucle façon France info, mais l'actu vue à travers vos yeux, à travers votre filtrage collectif. L'algo reflète donc la sagesse des foules... ou leur folie.

Je vous laisse jouer. Vous avez trois flux RSS selon le degré de verbosité que vous voulez obtenir dans votre lecteur :

Et vous pouvez aussi jouer avec les thèmes, selon votre personnalité ou votre humeur du jour. Personnellement j'aime bien le thème manga (ci-dessus), mais il est notoire que je suis complètement allumé...

J'attends vos remarques (avec votre indulgence, c'est de la beta, et je n'ai pas les moyens des Google Labs !) : comme toujours les commentaires sont la partie la plus intéressante de ce blog. Finalement nous construisons tout cela ensemble, et c'est ça qui est fascinant pour l'universitaire que je suis. J'ai rêvé longtemps d'une recherche "ouverte", loin des tours d'ivoire et des labos poussiéreux. Peut-être que c'est sur les blogs que c'est en train de naître ?

Blogs: Le classement Twitter des blogs politiques

2010-05-17T16:56:00.008+02:00

Il y a quelque temps, je vous avais montré ce que donnerait un classement des blogs politiques purement basé sur Twitter. Vous vous souvenez sans doute que l'image était totalement différente de celle que donne jusqu'ici le classement Wikio. Le blog La campagne des régionales était premier, suivi par Le Blog de Bourdin & Co et Yves Jégo Blog sur les autres marches du podium.

Ce classement était basé sur les retweets de mars. Or il ne vous a évidemment pas échappé que des élections importantes ont eu lieu dans ce pays, et qu'elles ont pu influencer quelque peu les résultats. Voici donc le même classement, basé sur les données d'avril.

Légende :

RU = Nombre de "retweeters uniques" (utilisateurs Twitter différents)
RT = Nombre total de retweets
RT/RU = Nombre moyen de retweets par utilisateur
Wikio = classement politique Wikio d'avril

Rang	Blog	RU	RT	RT/RU	Wikio
1	Le blog de Guy Birenbaum	410	557	1.4	21
2	Le Blog de Jean-Luc Mélenchon	157	203	1.3	32
3	Bruno Roger-Petit	98	131	1.3	34
4	Le blog de Pierre-Alain	94	181	1.9	66
5	Tourner la page	89	152	1.7	43
6	Le Monolecte	71	88	1.2	29
7	SLOVAR les nouvelles - expressions libres	70	114	1.6	31
8	Reversus	62	97	1.6	8
9	Intox2007.info	61	95	1.6	5
10	Peuples.net	59	125	2.1	11
11	Partageons mon avis	56	137	2.4	1
12	Le blog de SuperNo	53	62	1.2	52
13	Hashtable	52	129	2.5	20
14	Sarkofrance	52	101	1.9	2
15	Comcampus	49	71	1.4	277
16	Lyonnitude(s)	48	138	2.9	26
17	Authueil	48	60	1.2	25
18	Ruminances	47	141	3.0	18
19	Article11	45	75	1.7	58
20	Le blog politique de Luc Mandret	43	88	2.0	35
21	Les coulisses de Sarkofrance	42	73	1.7	9
22	Piratage(s)	39	59	1.5	15
23	Koztoujours	38	46	1.2	47
24	Le Volontaire \| Vive les Jacobins	37	78	2.1	137
25	Alain Lambert	36	63	1.8	122
26	RichardTrois	36	40	1.1	55
27	L'Hérétique	34	164	4.8	4
28	Produits dérivés	33	106	3.2	56
29	Objectif Liberté	31	59	1.9	50
30	Marc Vasseur	31	34	1.1	17
31	Blog de Nicolas Dupont-Aignan	30	50	1.7	71
32	CSP	29	51	1.8	59
33	Rimbus le blog	28	53	1.9	14
34	Carnet de notes de Yann Savidan	26	32	1.2	12
35	Puzzle Socialiste	25	49	2.0	85
36	HORIZONS	24	31	1.3	99
37	Le Blog de Bourdin & Co	24	25	1.0	132
38	Bivouac-ID	23	33	1.4	44
39	Sarkozy, An 3	23	25	1.1	142
40	Voie Militante	22	64	2.9	84
41	LES JOURS ET L'ENNUI DE SEB MUSSET	22	32	1.5	10
42	Refais Le Monde Avant Que ...	22	30	1.4	83
43	Bah !	21	39	1.9	7
44	Le coucou de Claviers	20	69	3.5	3
45	Le blog de Claude Bartolone	18	33	1.8	178
46	Section socialiste de l'île de Ré	17	22	1.3	36
47	Chimulus	17	21	1.2	131
48	Fraternité Royal	16	97	6.1	154
49	Le blog de Jean-Pierre Martin	16	18	1.1	133
50	MonPuteaux.com	15	55	3.7	75
51	Les privilégiés parlent aux Français...	15	40	2.7	6
52	Le blog de Pierre Moscovici	15	27	1.8	129
53	Rhapsodies	15	26	1.7	182
54	Abadinte	15	16	1.1	68
55	2Villepin	14	96	6.9	164
56	Jean-Christophe Cambadélis	14	39	2.8	124
57	Christophe Ginisty	14	34	2.4	60
58	Derrière les plis de l'actualité	14	15	1.1	104
59	Antenne-relais	14	14	1.0	237
60	Gaulliste donc Villepiniste	13	44	3.4	65
61	Unhuman	13	36	2.8	16
62	cpolitic	12	36	3.0	138
63	Le blog de VinZ	12	14	1.2	298
64	Le Pan	11	87	7.9	254
65	Patrick Lozès	11	11	1.0	162
66	Le Journal de Geed	10	25	2.5	250
67	des pas perdus	10	14	1.4	33
68	Le blog de Julien Dray	10	14	1.4	57
69	Siné déblogue	10	13	1.3	86
70	Nathalie Kosciusko-Morizet	10	10	1.0	78
71	La lettre volée	9	19	2.1	101
72	Arnaud Mouillard	9	18	2.0	96
73	Blog de Bix	9	15	1.7	155
74	Antidote	9	14	1.6	105
75	Lait d'BEU	9	9	1.0	40
76	Torapamavoa	8	73	9.1	199
77	Jeunes UMP	8	19	2.4	188
78	Le Village des NRV	8	14	1.8	103
79	ECHO POLITIQUE	8	12	1.5	169
80	De près, de loin	8	11	1.4	91
81	Hervé-Marie Morelle	8	9	1.1	213
82	Orange pressé	7	54	7.7	120
83	MonAulnay.com	7	34	4.9	151
84	Chevenement.fr	7	21	3.0	168
85	Echos et rumeurs	7	17	2.4	175
86	Pensées d'outre-politique	7	17	2.4	51
87	A perdre la raison	7	15	2.1	147
88	Laure Leforestier	7	10	1.4	82
89	Le Blog de François Hollande	7	7	1.0	205
90	Criticus	6	63	10.5	69
91	Détours à Tours	6	20	3.3	128
92	iPolitique	6	11	1.8	143
93	Caroline Fourest	6	10	1.7	92
94	cginisty	6	9	1.5	232
95	le blog profencampagne	6	7	1.2	130
96	CAP 2012	6	7	1.2	285
97	Corinne Lepage	6	7	1.2	94
98	Expat-Prague	6	6	1.0	63
99	Le blog de Jean-Michel Aphatie	6	6	1.0	64
100	la Rage au Ventre	5	39	7.8	67

Je vous laisse commenter ! En tout cas l'image est bien différente de celle de mars. On constate l'envolée du blog de Guy Birenbaum, décidément hyperactif ! Elle est également toujours très différente du classement Wikio, avec plus de personnalités politiques (Mélenchon monte très fort), de journalistes... Je trouve tout cela bien intéressant !

Web: La mort des blogs ? Réaction de Skyrock

2010-04-28T18:27:00.004+02:00

Mon billet sur la mort des blogs (ou pas : le titre comportait un point d'interrogation !) a suscité pas mal de commentaires et de réactions ici ou sur d'autres blogs (voir également la suite de ce billet ici). Fréderic Montagnon (Overblog) a apporté des éléments très pertinents au débat. C'est maintenant l'équipe de Skyrock qui m'envoie des précisions tout à fait intéressantes, que je publie ci-dessous in extenso. Ces réactions (et les vôtres !) font apparaître si besoin était que les blogs en général ne sont pas encore à l'agonie, et constituent encore un lieu de discussion et de réflexion.

Comme vous le verrez, la réponse de Skyblog réouvre le débat sur les indicateurs de notoriété tel que Google Trends, de trafic et/ou d'audience comme Alexa ou Comscore (j'en ai discuté plus en détail ici). Bien entendu, ils ne mesurent pas les mêmes choses, et comme je le disais, ils constituent des instruments d'observation bien imparfaits. Mais nous n'avons pas autre chose pour essayer de comprendre l'univers virtuel qui nous entoure, comme Galilée avait des lunettes bien imparfaites pour observer l'univers tout court... Le témoignage de première main d'acteurs comme Overblog ou Skyrock est donc extrêmement important.

Je vous laisse lire, et commenter. Un point qui me frappe, c'est l'information que donne l'équipe Skyrock en conclusion : le trafic vers Skyrock en provenance de Facebook est en très forte augmentation (210% sur les 12 derniers mois). Il est évidemment difficile d'interpréter ce chiffre : vu l'explosion de Facebook, il est possible que ce soit un effet purement mécanique (et d'ailleurs il doit être loin de compenser l'évasion vers Facebook). Mais s'il indiquait l'apparition d'une synergie de Facebook avec d'autres acteurs comme les plateformes de blogs, ce serait extrêmement bon signe à mon avis. J'ai souvent dénoncé sur ce blog la position hégémonique de Google dans le secteur des moteurs, qui n'est guère saine. J'ai les mêmes inquiétudes sur le développement de Facebook (et je ne suis pas le seul si j'en crois mes lectures de puis quelques jours). Si Facebook devenait la Caulerpa taxifolia des réseaux sociaux, ce serait extrêmement inquiétant pour l'avenir du Web -- et, au passage, de nos données personnelles et de nos libertés !

La parole à Skyrock, donc, en les remerciant de bien vouloir participer au débat :

Comme vous le mentionnez dans votre article, un certain nombre de points méritent d’être précisés. En tant qu’acteur majeur de ce secteur, nous souhaitons apporter notre contribution à la discussion. Nous tenons ainsi à apporter des précisions sur la dualité blog actif/blog lu d’une part, sur l’indicateur de mesure auquel vous faites référence d’autre part.

La mesure de l’activité réelle des blogs comporte, selon nous, 2 aspects. Un blog peut logiquement être considéré comme actif dès qu’un nouveau contenu y est publié. Mais un blog demeure également vivant tant qu’il est consulté, commenté et qu’une conversation s’organise autour des éléments et des idées qu’il propose. Faudrait-il supprimer un article sous prétexte que son auteur n’est plus revenu sur la plateforme depuis un certain temps ? Evidemment non. Par ailleurs, outre sa valeur éditoriale, et compte-tenu du modèle publicitaire de la plateforme, chaque page vue a une valeur économique. Nous avons donc retenu pour notre part, un système de mesure prenant en compte ces 2 aspects et qui peut se résumer ainsi : « est considéré comme actif un blog ayant fait l’objet d’au moins une visite ou une mise à jour dans les 90 derniers jours ».

On compte donc bien aujourd’hui plus de 30.9 millions de blogs actifs sur la plateforme Skyrock qui regroupent près de 690 millions d’articles.

Chaque jour plus de 3.2 millions de blogs différents sont visités sur la plateforme.

On comptabilise en outre quotidiennement plus de 420 000 nouveaux articles postés sur les blogs Skyrock et près de 1.5 millions de comptes distincts qui se loguent chaque jour sur la plateforme.

Bien évidemment, cette mesure est mondiale et englobe l’ensemble des actions faites sur la plateforme, mais notre centre de gravité reste la France qui représente de 65 à 80% des données (selon que l’on regarde la création, la mise à jour ou la visite des blogs).

Enfin, ajoutons qu’un utilisateur crée et alimente plusieurs blogs au cours de son cycle de vie. On constate ainsi que sur une durée de 90 jours, un utilisateur de la plateforme a en moyenne 2 blogs sur lesquels il publie de manière concomitante.

Deuxième point, il nous semble que vouloir établir l’évolution de l’audience d’un site à partir du volume de requêtes sur un nom de plateforme n’est pas pertinent. Google Trends n’est pas un outil de mesure de référence et nous préférons faire appel à des outils comme Comscore.

Si l’on se réfère aux chiffres fournis par ce dernier, on constate qu’il n’y a pas de corrélation avec ceux fournis par Google Trends.

Source Comscore

Dans votre exemple, la césure de mi-2007 dont vous parlez correspond très précisément au lancement d’une nouvelle version de la plateforme sous la marque Skyrock en remplacement de Skyblog. Elle correspond au choix que nous avons fait de devenir un réseau social de blogs. Depuis lors, Skyrock est resté le premier réseau social de blogs des jeunes français et européens.

Nous aimerions enfin partager avec vous l’analyse que nous faisons de l’essor de Facebook sur le marché français. A nos yeux, il n’est pas concomitant à ce que vous identifiez comme le début d’une baisse pour « Skyblog » mi 2007 mais doit plutôt être associé à l’apparition en mars 2008 de sa version en français. La barrière linguistique levée, le plus grand nombre a pu s’approprier ce nouvel outil de communication et faire le succès de ce site.

Il ne fait aucun doute que dans ce nouvel écosystème, et après la phase de rééquilibrage que nous avons connue récemment, Skyrock.com, avec ses spécificités (espace de rencontres, mise en scène de soi,…), bénéficie de ce formidable levier de trafic que constitue Facebook. Pour illustration, le nombre de visites en provenance de Facebook sur Skyrock.com a augmenté de plus de 210% sur les 12 derniers mois.

Twitter: Quel est le blog francophone le plus retwitté ?

2010-04-22T11:03:00.005+02:00

Je suis sûr que vous vous êtes posé cette question... En tous cas, voici la réponse, calculée sur tous les retweets du mois de mars 2010. Il s'agit de Fubiz, un blog "axé sur les sujets du monde graphique, de la culture urbaine, des produits tendances et des arts numériques".

Son score écrase tous les autres : 7649 retweets en un mois, par 4720 utilisateurs Twitter diférents. A titre de comparaison, le second de la liste, ReadWriteWeb n'arrive même pas à la moitié (2397 retweets par 1520 users différents). J'ai été tellement surpris du résultat que j'ai examiné de plus près les retweets de Fubiz pour voir s'il n'y avait pas une machinerie, pour ne pas dire une machination. Apparemment non (mais vous découvrirez peut-être des choses que je n'ai pas vues). Fubiz a plus de 38000 suiveurs sur Twitter, ce qui est énorme (ReadWriteWeb n'en a que 4300), et son audience est véritablement internationale, ce qui est un cas assez unique pour un blog francophone : ses retweets proviennent de tous les coins du monde, et même de Corée ou du Japon (ce qui est facile à voir grâce au système d'écriture).

Voici le top 20 :

Blog	Users Twitter	RT	RT/user
Fubiz	4720	7649	1,6
ReadWriteWeb	1520	2397	1,6
Presse-citron	1319	2810	2,1
L'actu en patates	1039	1436	1,4
Korben	988	1824	1,8
Kriisiis	765	1070	1,4
Vendeesign	650	1106	1,7
Le Blog de Bango	611	714	1,2
Iphon.fr	577	1724	3,0
Blog Marketing Web 2.0	574	1123	2,0
La Blogothèque	572	714	1,2
Topito	547	850	1,6
Le Journal du Geek	540	1340	2,5
Techtrends	526	822	1,6
Marketing & Technologies	521	1259	2,4
AccessOWeb	500	1143	2,3
Be Geek	492	957	1,9
Geekiz	465	508	1,1
FrenchWeb.fr	444	690	1,6
FrAndroid	440	1807	4,1

Vous pouvez constater que, comme je l'avais signalé dans un précédent billet, l'univers du retweet est évidemment dominé par la high-tech et le marketing, mais avec de notables exceptions, dont Fubiz, qui est plutôt orienté design, culture, L'actu en patates ou La Blogothèque.

L'intégration de Twitter dans le classement Wikio (prévue pour le 5 juin...) va donc quelque peu secouer le cocotier... Par exemple, Fubiz n'est que 20e au classement actuel (basé aussi sur le mois de mars, mais uniquement sur les backlinks), RWW 31e. Quand à Partageons mon avis, premier du classement par backlinks depuis quelques mois, il n'est plus que 259e au classement Twitter. Voici d'ailleurs le top 20 de la catégorie Politique. A part le fait que les retweets y sont beaucoup moins nombreux que dans la high-tech, on voit que l'ordre est assez diférent du classement Wikio actuel !

Blog	Users Twitter	RT	RT/user
La campagne des régionales	109	166	1,5
Le Blog de Bourdin & Co	94	117	1,2
Yves Jégo Blog	86	164	1,9
Intox2007.info	85	157	1,8
Reversus	83	154	1,9
Marc Vasseur	81	118	1,5
Le Journal de Geed	76	159	2,1
No Sarkozy Day	72	77	1,1
Nathalie Kosciusko-Morizet	70	76	1,1
MonPuteaux.com	64	148	2,3
Le blog de Pierre-Alain	63	90	1,4
Le Blog de Jean-Luc Mélenchon	61	68	1,1
Le blog politique de Luc Mandret	60	121	2,0
Le Volontaire	58	124	2,1
Article11	58	135	2,3
Sarkofrance	53	128	2,4
Partageons mon avis	52	154	3,0
CSP	49	87	1,8
L'Hérétique	47	202	4,3
Les jours et l'ennui de Seb Musset	46	95	2,1

Bien entendu, la révolution ne sera pas totale : je suis en train de travailler sur des algorithmes qui vont prendre en compte à la fois les backlinks et les retweets, et il y aura de plus quelques formules savantes qui vont effectuer une normalisation des retweets par catégorie thématique -- sinon on n'aurait quasiment plus que de la high-tech et du marketing dans le top 100...

Ceci étant, on peut régler le curseur de toutes les façons possibles entre le "changement dans la continuité" et le "Grand Soir des blogs". D'autres options sont également ouvertes. Par exemple, faut-il prendre en compte les votes ? La discussion avec vous (notamment dans les commentaires ci-dessous, et dans quelques rencontres autour d'un verre) aidera sans doute à décider. Faut-il "dépétrifier" le Wikio (pour reprendre une expression que j'ai lue quelque part (que l'auteur vienne à mon secours, je suis incapable de retrouver la source) ? Et jusqu'à quel point ?

A vous de dire !

Web: La mort des blogs ? (suite)

2010-04-20T11:29:00.006+02:00

Mon précédent billet sur ce sujet a suscité pas mal d'intérêt, si j'en juge par la discussion qu'il a provoquée et les différentes reprises sur d'autres blogs (ce qui semble confirmer, qu'à part peut-être chez les ados, les blogs ne sont pas encore à l'agonie...). Continuons donc la conversation, si vous le voulez bien. Frédéric Montagnon, co-fondateur d'Overblog, nous a donné quelques chiffres intéressants en commentaire (ici), et qui montrent que cette plateforme... est en forme (particulièrement ces derniers mois), malgré la baisse de la requête "overblog" sur Google Trends (en fait, en agrandissant les derniers mois sur Google Trends, on voit que cette requête se stabilise, voire remonte légèrement sur le dernier semestre, contrairement à "canalblog"). Je republie le graphique ci-dessous pour votre commodité.

Que mesure Google Trends ? Les comportements des internautes sont évidemment complexes (et mal connus) mais on estime généralement que la fréquence d'une requête sur un nom de site correspond à une volonté de l'utilisateur de s'y rendre (ce qu'on appelle "requête navigationnelle"), et donc dans le cas d'une plateforme de blogs, il peut s'agir d'aller lire les blogs ou billets que la plateforme met en avant chaque jour sur la "home" (mais est-ce un comportement très courant ?) ou bien d'aller effectuer diverses manipulations : recherche, etc. et bien entendu création d'un blog. Google Trends nous donne donc un indicateur de notoriété de la marque et d'activité "spontanée".

Ce n'est évidemment en aucun cas un indicateur d'audience, et en cela Frédéric a totalement raison. Audience est d'ailleurs un bien grand mot. Qu'entend-on par là ? Je vois souvent des blogueurs se gargariser du fait qu'ils font une grosse "audience". J'aurais tendance à dire que dans la plupart des cas, ils font un fort trafic. Vous savez que je suis un peu lexicographe à mes heures perdues (ou pas) : audience, comme nous le disent les dictionnaires, renvoie au fait d'écouter (ou de lire) "avec attention, ou intérêt". Je ne suis pas sûr que ce soit le cas d'un certain nombre de "blogueurs" qui cherchent surtout à ramener le plus possible d'internautes via Google pour venir visualiser des pubs, et accessoirement jeter un oeil diagonal sur un contenu médiocre ou simplement "rebondir", comme l'on dit, c'est-à-dire retourner généralement sur Google pour suivre un autre lien ou formuler une autre requête. Les "usines à contenu" ont des parts de "visites moteurs" qui sont souvent de l'ordre de 90% et plus, et des "taux de rebond" extrêmement élevés, ce qui est indicateur d'un lectorat de passage, accidentel et non d'une audience. Pour vous donner un exemple parlant (et désolant), la page de ce blog qui reçoit le plus de trafic Google est celle-ci. C'est aussi l'une de de celles qui a le plus fort taux de rebond : je doute que les internautes qui ont tapé les requêtes que vous pouvez imaginer soient très intéressés à lire ce que je leur raconte sur le sujet ni à explorer le reste de mon blog.

Parlons donc simplement de trafic. Il n'y a hélas aucun moyen fiable de mesurer de façon externe le trafic des sites. Nous naviguons dans le brouillard, et comme le fait remarquer See Mee dans un billet récent, la recherche sur les médias sociaux se heurte à une pénurie dramatique de données. Je n'aime guère les outils comme Alexa, que vous connaissez dans doute, et qui sont censés mesurer le trafic des sites. Là aussi, je m'amuse quand je vois des blogueurs comparer leur "ranking" et autres stats Alexa. Ils joueraient aux dés, cela ferait à peu près la même chose. Car il faut savoir comment l'outil fonctionne : les statistiques sont calculées sur la base des informations que renvoie la "toolbar" Alexa qu'un certain nombre d'internautes ont installée. Vous imaginez les biais : le public est généralement geek ou webmaster, essentiellement américain, et une opacité quasi complète entoure les calculs, pondérations, redressements et autres cuisines habituelles à ce genre d'activité. Il en va évidemment de même pour tous les concurrents d'Alexa (Comscore, etc.), et je ne parle même pas des affaires sulfureuses qui ont fait pas mal de bruit (accusation de spyware, etc.). Bref, un business bien glauque.

En pratique tous les observateurs sérieux savent qu'Alexa et autres outils du même genre ne peuvent que servir d'indicateurs grossiers, et encore à condition de ne s'intéresser qu'aux plus gros sites (c'est-à-dire bien plus gros que la taille d'un blog francophone !). Prenons donc les chiffres d'Alexa avec la plus grande précaution. Mais il faut bien avancer. Les lunettes de Galilée étaient d'une qualité bien médiocre, mais elles étaient mieux que rien.

Regardons donc les données Alexa concernant les plateformes françaises avec tout la prudence qui s'impose (mais nous sommes quand même dans le cas le moins défavorable puisqu'il s'agit de très gros sites). Tout d'abord Skyrock :

La "photo" prise par Alexa, fût-elle déformée, semble néanmoins confirmer en tous points la chute vertigineuse dont je parlais dans mon précédent billet. Les ados désertent probablement la plateforme à vitesse grand V.

Les données sont tout à fait différentes pour Overblog et Canalblog :

Si Canalblog stagne, on constate une belle reprise pour Overblog, qui confirme donc ce que nous disait Frédéric, et correspond également à la remontée des requêtes navigationnelles sur le nom de la marque (premier diagramme de cette page).

Les taux de rebond sont également extrêmement intéressants à observer. Celui de Skyrock est assez faible (mais il a tendance à monter) :

Les gens qui arrivent sur les skyblogs y vont globalement de façon spontanée, pour les lire (ou y écrire), même s'ils sont de moins en moins nombreux.

Le taux de rebond d'Overblog et Canalblog, en revanche, est beaucoup plus élevé (et quasi stationnaire), ce qui est caractéristique d'un nombre plus important de "visites moteurs" :

Ces données, même si elles sont à prendre avec prudence, montrent les stratégies très différentes des plateformes françaises. Skyrock avait basé sa stratégie sur le communautaire et les visites spontanées, et doit probablement regretter ces temps-ci de n'avoir pas avoir eu aussi une orientation SEO. A l'inverse les deux autres plateformes bénéficient d'un trafic plus important provenant des moteurs, et Overblog semble avoir fait, tout particulièrement au cours des derniers mois, un gros travail SEO. Reste donc à voir si l'embellie actuelle d'Overblog est essentiellement le résultat de ce travail, ou si elle est aussi le signe d'une reprise véritable d'intérêt de la part des blogueurs. Espérons que ce soit le cas. La remontée des requêtes navigationnelles sur "overblog" semble plaider en ce sens. Il n'y aura plus, pour la plateforme, qu'à guetter l'érosion par Wordpress, qui fait un véritable tabac, mais il est fort possible que les publics concernés soient suffisamment différents pour que le danger soit encore lointain.

Beta: Archivage de l'actu avec Wikio Buzz

2010-04-15T11:05:00.056+02:00

Si vous lisez ce blog depuis quelque temps, vous savez que je suis fasciné par les phénomènes de "buzz" (voir par exemple ici ou ici). Cela fait quelque temps que je travaille avec les développeurs de Wikio sur une idée un peu folle : détecter tous les buzz (petits ou grands) de chaque journée, et les archiver pour la postérité, un peu comme l'INA archive la vidéo... C'est un projet qui, je pense, intéressera journalistes, chercheurs et historiens. Vous me direz sans doute "Oui, mais Google News archive aussi l'actu, alors où est la différence ?". Elle est de taille. Google archive les news, certes, et vous pouvez y accéder par mot-clés à travers le moteur, mais n'extrait pas pour chaque journée une synthèse des actus les plus pertinentes classées en dizaines de milliers de thématiques. Aussi simple que cela puisse paraître, c'est un exercice d'une extrême difficulté. Imaginez le challenge : Wikio capture quelque 150 000 news chaque jour, des millions par mois. Que faire émerger là-dedans pour une journée donnée ? Tous les jours des centaines de news mentionnent Nicolas Sarkozy ou Barack Obama. Ce n'est pas pour cela qu'il y a un événement pertinent à archiver...

Je suis heureux de vous donner accès à la version beta de ce projet, sur Wikio Labs. Pour l'instant, la version Labs archive seulement deux mois glissants à cause de contraintes techniques, mais très prochainement (au cours du mois de mai, je pense) l'archive sera en production sur les sites Wikio, et couvrira l'actu sans limitation depuis le 1er janvier 2010. Vous trouverez sur la page d'accueil un résumé de l'actu de la veille (un calendrier cliquable vous permet de naviguer dans le temps).

On voit tout de suite que la journée d'hier, par exemple, a été marquée par un événement majeur, le séisme dans l'ouest de la Chine, qui a fait 400 morts. Le reste de la journée a été marqué par du sport (Arevane Rezaï qui intègre l'équipe de France de tennis), par la mésaventure du comique Eric (d'Eric et Ramzy) qui s'est fait interpeller en train d'acheter de la coke, et par la mise en semi-liberté de l'ex-militant d'action directe Georges Cipriani. Le camembert donne la "coloration" de la journée en termes d'actu : beaucoup de sport, pas mal de news internationales (la Chine, évidemment, mais aussi d'autres, qui méritent lecture au cas où vous les auriez ratés, comme, hélas, la crise alimentaire au Sahel...). Le nuage de tags renvoie aux thématiques qui ont le plus buzzé.

Bien sûr, il y a eu bien plus d'événements marquants. En moyenne, chaque jour le système en détecte une centaine par pays. La liste en est donnée sur le reste de la page, classée par catégories ou par intensité du buzz. Cette intensité est donnée par la petite bulle colorée devant chaque groupe :

Ce n'est pas simplement le nombre de news consacrées au sujet. Ce serait trop simple ! Et Nicolas Sarkozy serait premier tous les jours... Ce coefficient est le résultat de statistiques savantes, que je ne vais pas pouvoir vous exposer ici, mais qui sont une des clés du système -- et une clé sensible. C'est comme de l'horlogerie : un quart de poil de mauvais réglage sur une roue dentée et rien ne marche.

L'autre élément important du système c'est la détection des mots-clés qui font chaque buzz, et le regroupement des news en fonction de ces mots-clés. Vous le voyez par exemple sur le séisme en Chine. Les mots-clés qui caractérisent ce groupe sont seisme, chine, morts, qinghai, ouest, province, blesses, nord, puissant, bilan, tibet, frappe, isolee, magnitude, region, ensevelies, proche, autorites, terre, chinoise, autonome, tremblement, nombreuses, decombres, echelle, richter, pekin, television, medias, milliers, etc. La plupart des news concernées ne possèdent pas la totalité de ces mots, mais il est probable que chacune en contient une bonne partie. Tout le problème est, partant d'un brouillard informe de plusieurs milliers de news, de faire émerger des groupes cohérents (on appelle cela "clustering", dans le jargon de la discipline), sans en rater trop et sans générer trop de bruit (c'est-à-dire de mauvais groupes). Ce n'est pas trop compliqué sans doute sur l'exemple chinois, mais vous pouvez imaginer que sur la politique française, par exemple, il ne s'agit pas de regrouper aveuglément tout ce qui contient sarkozy, fillon, etc. Là-aussi c'est de l'horlogerie. Les idées sont simples, mais la réalisation est délicate... Je crois que le résultat n'est pas mauvais ! A vous de me dire (je sais hélas qu'il est perfectible). En tout cas, je ne connais pas de système équivalent (à grande échelle, s'entend).

Vous pourrez également observer l'évolution des buzz pour chacune des thématiques Wikio (environ 600 000, tous pays confondus !), soit en tapant le nom de la catégorie dans la boîte de la page d'accueil, soit en suivant les liens sur chaque buzz. Par exemple pour la catégorie Chine, vous arriverez sur une page où sont cumulés tous les buzz (depuis deux mois pour la version Labs, mais il n'y aura pas de limitation sur la version de production), et qui sont résumés par une "timeline" synthétique :

Vous pourrez aussi voir l'évolution de façon graphique avec Wikio Trends (voir aussi ici), dont les courbes ont été modifiées avec l'ajout de points cliquables sur chaque Buzz. Cela donne par exemple pour la Chine :

Allez, je vous laisse jouer avec l'outil ! J'ai été trop bavard. Mais il faut dire que le sujet est passionnant ! Il y aurait toute série de cours et de séminaires à faire en ce servant de ce projet, qui est un exemple-type d'application des "technologies du langage". Il en mobilise pas mal de techniques, et en illustre toutes les difficultés et tous les pièges.

Web: La mort des blogs ?

2010-04-12T17:04:00.020+02:00

Vous avez peut-être lu début février cette étude du Pew Research Center, "Social Media & Mobile Internet Use Among Teens and Young Adults", ou en tout cas, un de ses nombreux commentaires (par exemple ici). En effet, l'étude en question jetait un pavé dans la blogosphère : par rapport à 2006, le nombre d'adolescents et jeunes adultes qui tiennent un blog a diminué de moitié. Bizarrement, cette étude n'a pas été beaucoup relayée en France (j'ai pu rater des choses, bien sûr), jusqu'à ce que le Journal du Net la commente le 30 mars, soit près de deux mois plus tard, en rajoutant des chiffres sur les plateformes françaises et des citations intéressantes de quelques acteurs clés.

Bien entendu, les chiffres sont, comme toujours, un peu fantaisistes. On peut être sceptique lorsqu'on lit dans l'article du JDN qu' "hors Skyblog, certains acteurs estiment (...) entre 15 et 20 millions le nombre de blogs en France". J'ai étudié quelque peu le sujet, comme vous l'imaginez, et j'ai même mis les mains profondément dans le cambouis en élaborant divers algorithmes de détection de sources. Je ne vois strictement pas d'où peut venir ce chiffre. D'ailleurs dans le même article, on lit que la principale plateforme de blogs en France, Overblog, "revendique 1,5 million de blogs". Or, elle représente environ 36% de l'audience hors Skyblogs (la source étant le même JDN). Audience et nombre de blogs ne sont pas nécessairement exactement proportionnelles, mais il serait bien étonnant que le total de blogs francophones (hors Skyblogs) soit supérieur à 4 ou 5 millions. Et encore, cette estimation contient-elle probablement tous les essais, ouvertures de blogs "pour voir" mais jamais alimentés, etc. Pour que de tels chiffres aient un sens, il faudrait fixer une contrainte minimale: une durée de vie d'un mois minimum, au moins cinq billets... Je doute qu'on arrive alors à 500 000. Si l'on comptait les blogs réellement actifs au cours du dernier trimestre, ce serait encore bien moins. Overblog par exemple, avoue dans le même article que seuls 30 000 blogs environ sont alimentés régulièrement. Faites le calcul.

Les disparités de chiffres les plus grandes concernent certainement Skyblog, qui revendique à cet instant précis 30 815 361 blogs sur sa page d'accueil. Y a-t-il même 30 millions d'ados en France ? Bien entendu, il s'agit là aussi, en supposant le chiffre sincère, de toutes les créations combinées depuis l'ouverture de la plateforme, y compris les ouvertures "pour voir". On sait, de plus que la pratique chez les adolescents est l'ouverture de blogs en série : on ouvre un blog, lu par un réseau d'amis, puis on s'expose trop (par exemple) ou le réseau change (on change de classe !). On le ferme, on en ouvre un autre sous un autre pseudo, etc. Je doute qu'à un instant t, il y ait plus de quelques dizaines de milliers de Skyblogs actifs. Je ne suis pas surpris des résultats de l'étude Pew : les Skyblogs étaient utilisés par les ados essentiellement comme des réseaux sociaux (mais pas complètement on y trouve aussi de belles créations de contenu, poétique ou autre -- très minoritaires, il est vrai).

Quel est l'impact exact de la désaffection des adolescents sur Skyblog et les autres plateformes françaises ? L'article est évasif... Skyblog est très probablement le plus impacté. L'impact est sans doute varié sur les autres plateformes en fonction de leur composition sociologique. Je n'ai pas de données à ce sujet, mais j'ai trouvé intéressant d'interroger Google Trends. Même s'il faut prendre les résultats avec précaution, bien entendu, on peut faire l'hypothèse que le volume de requêtes sur un nom de plateforme est corrélé à son utilisation (NB: je ne parle pas ici de l'audience).

Voici donc l'évolution de la requête Skyblog (je restreins les graphiques à la région "France"):

On voit très clairement la progression jusqu'à la mi-2007. Les vacances scolaires ont été fatales... A la rentrée scolaire, les copains ont changé, et visiblement les habitudes aussi ! Et c'est exactement le moment où Facebook a émergé en France... La fin 2007 a hésité, et la chute est constante depuis. Il est vrai que Skyblog a changé officiellement de nom pour Skyrock Blogs, comme Alphoenix me l'a fait remarquer sur Twitter, il faut donc être prudents. Cependant, il semble que tout le monde continue à parler de Skyblog, comme d'ailleurs le JDN. Au demeurant les requêtes Skyrock et Skyrock Blog sont elles-mêmes en déclin.

Les courbes de Canalblog et Overblog sont également très intéressantes: elles sont presque superposables l'une à l'autre, et très comparables à celle de Skyblog. Le problème de nom éventuel de Skyblog ne devrait pourtant pas les impacter. On voit que 2007 a été, là aussi, le tournant fatal. Le tournant a eu lieu un poil plus tôt que sur Skyblog. Je ne serais pas surpris que la cassure qu'on voit au début 2007 soit une sorte de dépression post-élection... ! (ce qui serait conforme à l'image que m'en fais, d'un public plus adulte que Skyblog).

Mais allons plus loin. Comparons maintenant avec Blogspot et Wordpress (toujours sur la région France) :

Là, les courbes sont radicalement différentes. Blogspot marque le pas, mais après une montée continue jusqu'à la mi-2009, et Wordpress continue jusqu'ici de grimper. Si l'on superpose ces courbes avec Canalblog et Overblog, on voit qu'elles se croisent de façon presque parfaite, la part des uns mangeant en quelque sorte la part des autres.

Que faut-il en conclure ? Un autre résultat, moins commenté, mais tout aussi important à mon avis, de l'étude Pew est que si la proportion d'adolescents blogueurs diminue, celle des adultes augmente (de 7 à 11% entre 2006 et 2009). Cela pourrait expliquer une partie des différences dans les courbes. Les plateformes qui auraient une composante sociologique jeune importante (Skyblog en tête) seraient donc les plus impactées. A l'inverse, Wordpress me semble être une plateforme plus adulte, souvent même utilisée par des "pros", et l'on voit qu'elle est la moins impactée. C'est la seule qui continue sa croissance, du moins si l'on croit Google Trends. D'autres facteurs peuvent bien entendu venir se superposer (l'offre des plateformes françaises est-elle compétitive en termes de fonctionnalités et de tarifs ? -- je n'ai pas d'opinion sur ce point, mais vous en avez peut-être une).

Donc pour l'instant, je ne vois pas moi non plus la mort des blogs pour demain. Mais les pratiques changent, indéniablement. Les tranches d'âge se déplacent, la fréquence de publication diminue, les backlinks se tarissent (les commentaires aussi), Twitter sert désormais de caisse de résonance imprévue... Il faudra que les plateformes de blogs soient vigilantes : la désaffection soudaine des ados peut servir de leçon. Rien n'est acquis. Le besoin d'écrire sera toujours là, et ce ne sont sans doute pas les 160 caractères de Twitter qui vont permettre de l'assouvir, mais qui sait... Nul n'avait prédit les SMS, nul n'avait prédit Wikipedia, nul n'avait prédit les blogs, nul n'avait prédit Facebook, nul n'avait prédit Twitter. Cela rend modeste. Finalement les plus gros succès sortent de nulle part, et envahissent l'espace écologique de la communication au moment où on s'y attend le moins. La technologie du blog atteint ses limites ; je le disais déjà fin 2007 -- le blog devra s'adapter, ou périr.

Study: Twitter and the blogosphere

2010-03-09T18:24:00.000+01:00

Everyone has noticed that amongst its many uses, Twitter serves as a means of promoting blog posts, taking up the slack of the role played by backlinks, which has been on the wane. No one, however, has managed to ascertain the rate and scale of Twitter's penetration into the blogosphere. Put in other words, how many bloggers have a Twitter account? And does the proportion of such bloggers vary from country to country?

During the last few weeks, I have conducted a study aimed at finding the answers to these questions, or at least the beginnings of them. I thus selected the top 25,000 blogs from each of the rankings for the six Wikio sites - UK, US, Germany, Spain, Italy and France - giving 150,000 blogs in total. All of these were "active" blogs, meaning they had all published a blog post in the preceding two months.

The blogs and Twitter accounts were compared using various algorithms, taking into account the fact that certain blogs can have several Twitter accounts (especially in the cases of multiple authors), and that a single blog can be linked to several Twitter accounts. A methodological limit was placed on the exercise: I looked only for associations or pairings stated explicitly with the mention of a blog on a user's Twitter page or a mention of a Twitter account on blog home page (or both). We can probably assume that some bloggers who have a Twitter account that is not mentioned or listed anywhere escaped our gaze.

Also, a multitude of variations can interfere with the formulation of a URL for a given blog and even though several measures were put in place to account for this, unquestionably some associations between a blog and a Twitter account will have been missed. A manual test was carried out for each language that showed the associations missed was probably of the order of 1%. The figures given by the study thus seem reasonably trustworthy.

The proportion of blogs with an associated Twitter account varies significantly according to the country in question. Unsurprisingly we see that the US boasts the highest proportion (32.1%), versus 20.7% for the greatest proportion found amongst the European countries in Spain. France comes in second last with 13.5%.

Proportion of blogs with an associated Twitter account in the Top 25,000 Wikio blogs for each country

The proportion also varies in relation to a blog's position in the ranking. Remember that the Wikio rankings are based on the number of backlinks that each blog receives. We can thus suppose that the blogs at the top are more "active" members of the blogosphere and social networks than those found further down in the rankings. It is thus unsurprising, as we see in the graph below, that the blogs in the top 1000 are much more likely to be on Twitter than the others found in the top 25,000. Take for example the United States, where over half (57%) of blogs in Wikio's top 1000 have an associated Twitter account compared to 32% for the top 25,000.

Proportion of blogs with an associated Twitter account in the Top 1000 Wikio blogs for each country

The difference relative to the European nations is reduced as we see a proportion of 52% for Spain, not far off the 57% seen amongst the US' top 1000 blogs. As for France, they drop into last place with only 26%. These differences can undoubtedly be explained by the sociological composition of the blogospheres of these countries, or at least how Wikio is seen in said nations. We know for example that the bloggers covering leisure pursuits such as knitting and craft work make up a high proportion of the blogs in the French Top 1000, which might imply a collection of bloggers less implicated (or interested) in the Twitter phenomenon than those for example of the High-Tech blogging world.

In total, these figures show a somewhat moderate level of Twitter penetration in the blogosphere particularly in European countries, including the UK, where bloggers do not appear to behave in the same way as their American counterparts: the UK has half as many blogs associated with a Twitter account (compare the UK's 16% with the US' 32% across the top 25,000 blogs in each nation). For all countries, the pairing rate seems to be greater for the blogs that already have a significant, existing social network (assuming the presence of many backlinks indicates such a network) and in the Tech domains. It will be interesting to observe how the situation evolves as and when we see a slowing in Twitter's progress, in particular across the Atlantic.

Lexique: La culotte de casimir

2010-03-08T19:42:00.007+01:00

Si ce titre évoque pour vous un gros dinosaure orange à pois rouges et jaunes, cela révèle cruellement votre âge... ou celui de vos enfants ! Et cela trahit aussi doublement votre manque d'attention : pas plus que son cousin Hippolyte, il n'a à ma connaissance jamais porté culotte ou pantalon, et vous n'avez apparemment pas remarqué non plus que mon titre facétieux ne portait pas de capitale sur le mot casimir, qui n'a ainsi rien à voir avec le prénom homonyme... Quoique.

Le personnage de Casimir

Je suis tombé à deux reprises ces derniers jours sur cette expression qui m'était sortie de l'esprit, à la fois chez Dumas et chez Balzac, auteurs magnifiques mais que je n'avais pas relus depuis quelques lustres. N'ayant plus l'impatience de mes quinze ans, j'ai tendu la main vers mes étagères pleins de dictionnaires : j'y apprends que le casimir désignait une étoffe de laine légère fort à la mode à la fin du XVIIIe siècle et au début du XIXe, et qu'appréciait sans doute particulièrement Napoléon Ier, puisqu'on le voit dans la plupart des portraits poser en culotte et gilet de casimir blancs, la main droite bien entendu glissée dans ledit gilet au niveau de l'estomac. C'est d'ailleurs dans cette tenue, surmontée de la veste verte à parements rouges des chasseurs de la Garde, que l'Empereur repose pour l'éternité dans son tombeau des Invalides.

Napoleon Ier par Jacques-Louis David

Pourquoi casimir ? Se peut-il que le prénom ait été victime d'antonomase, et soit devenu nom commun, perdant ainsi sa majuscule au passage ? Après tout, c'est bien arrivé au contrôleur général des finances Etienne de Silhouette et au préfet Eugène Poubelle... Casimir est un prénom slave, porté notamment par les rois de Pologne, qui contient l'élément "mir", comme de nombreux autres prénoms de même origine : Dragomir, Jaromir, Miroslav, Vladimir, etc. De façon plus inattendue, ce "mir" est aussi celui de la station spatiale : le mot signifie "paix" en russe, et bien que plusieurs variantes circulent, Casimir signifie sans doute "celui qui prêche la paix". Reste à savoir quel Casimir aurait pu donner son nom à notre étoffe. Les sources sont muettes...

La station Mir

Casimir semble bien plutôt être la déformation du mot anglais cashmere, qui désigne comme chacun sait un type de laine de chèvre soyeuse provenant de la province du même nom (Cachemire en français), que se disputent de nos jours l'Inde et le Pakistan. Le mot a été sans doute contaminé par le prénom Casimir qui était lui aussi à la mode en France à la même époque, comme l'attestent le poète Casimir Delavigne, auteur des Vêpres siciliennes, Casimir Périer, président du Conseil sous Louis-Philippe, et quelques autres. La sympathie de l'opinion française pour la Pologne qui avait perdu son indépendance en 1772 et avait fait preuve de quelques beaux élans révolutionnaires avant d'être écartelée entre la Russie, la Prusse et l'Autriche, est probablement à l'origine de cette multiplication des Casimir, avec ou sans majuscule !

Twitter: Blogs et retweets, projet Twittio

2010-03-05T14:07:00.018+01:00

Ca a filtré en réponse à un commentaire de See Mee sur mon dernier billet : oui, je suis en train de travailler à l'intégration de Twitter dans Wikio (je vous invite par ailleurs à aller lire l'interview qu'elle a eu la gentillesse de me demander récemment). Je vous ai promis la transparence la plus totale sur les activités du Wikio Labs, donc voici quelques détails sur ce projet dont le nom de code interne est Twittio ( = Twitter + Wikio). Et comme toujours, je suis à l'écoute attentive de vos réactions !

Cela fait plusieurs semaines que j'étudie l'écosystème que forment Twitter et les blogs. C'est devenu une évidence, les backlinks fondent comme neige au soleil... Comme je le dis à See Mee dans l'interview mentionnée plus haut, il faut reconnaître que les backlinks sont un mécanisme fastidieux. Il faut copier-coller une URL dans une interface plus ou moins ergonomique : il faut probablement jongler entre deux fenêtres, on se trompe facilement (qui n'a jamais fait un mauvais lien par inadvertance ?), c'est lent... et surtout il faut déjà soi-même avoir écrit un billet ! Twitter a apporté à cette lourdeur une réponse nouvelle (et inattendue je pense, comme beaucoup d'innovations, ce qui devrait nous rendre modestes...). Un clic et je "retweete" ce que j'ai lu. C'est simple, c'est rapide, c'est instantané. C'est du "temps réel". L'expression est devenue le nouveau buzzword à la mode, mais c'est vrai (vous avez remarqué qu'on ne parle plus de Web 3.0 ?). Si on me demandait (en fait on me l'a demandé récemment), quelle est la différence entre le Web 2.0 et le Web "temps réel", je dirais que l'aspect le plus flagrant c'est justement le passage d'un système de recommandation basé sur les backlinks à un système de recommandation basé sur les réseaux sociaux. Ce qui n'est pas sans poser de problème aux moteurs de recherche, dont toute la logique (le fameux Page Rank en particulier) depuis qu'ils existent est basée sur la topologie des "liens en dur". Ce n'est pas pour rien si Google et Microsoft ont passé des accords avec Twitter...

J'ai deux objectifs avec le projet Twittio. Je me doute que beaucoup d'entre vous ont le fameux classement en tête, et se demandent s'il va falloir qu'ils retweetent maintenant comme des bêtes après avoir linké comme des forcenés. Oui, l'intégration des retweets dans le calcul du classement est bien sûr une des pistes que je poursuis. Elle n'est pas simple. L'univers du retweetage est certainement aussi rempli de chausse-trapes que celui des backlinks... La première étape est donc l'observation de l'écosystème : mettre en place des outils, extraire des statistiques, comprendre les usages et la topologie du réseau. Voilà ce que je suis en train de faire.

Mais il y a une deuxième cible, plus importante pour moi dans un premier temps. Remplacer le service Blogs qui apparaît en home de Wikio et sur la page dédiée par un système plus performant. Le système actuel date de bien avant ma collaboration avec Wikio. En 2006-2007, il était raisonnable de baser un "memetracker" de ce type sur les seuls rétroliens entre billets. Etant donné l'évolution des usages, ce n'est plus possible en 2010. Ce service devrait être une fenêtre de l'actualité à travers les blogs. Twitter est certainement un élément important pour sa mise au point.

Encore faut-il comprendre comme Twitter est utilisé. Comme c'était le cas il y a quelques années pour les backlinks, le "retweetage" est très fortement "geek". On sait que pour les backlinks, les comportements ont changé. Les blogs techno s'en sont détournés (au profit de twitter en particulier), tandis que les blogs de loisirs se les sont appropriés au point de faire pâlir de honte les meilleurs experts SEO (vous vous souvenez de la "révolution des tricoteuses").

Je vous livre quelques résultats qui permettent de comprendre un peu mieux l'usage de Twitter dans les différentes communautés (du moins en France - il est probable comme j'y faisais allusion hier que les usages différent selon les pays, en particulier par rapport aux Etats-Unis.

J'ai suivi le taux de retweets de tous les billets du top 10000 FR depuis trois semaines. Cela fait une base de 107718 billets et 72334 retweets, soit un taux moyen de 0,67 RT par billet.

Mais cette moyenne cache de très grandes disparités entre communautés, comme le fait apparaître le tableau suivant (la première colonne correspond à la catégorie du classement Wikio, la deuxième au nombre moyen de retweets par billet dans cette catégorie) :

Categorie	m
SEO	9,83
Marketing	4,25
High-Tech	3,85
Science	3,74
Logiciels Libres	3,59
Emploi	2,27
Entrepreneurs	1,72
Environnement	1,39
Jeux Vidéo	1,37
Musique	1,28
Cinéma	1,15
BD	1,06
Politique	0,86
Auto	0,85
Droit	0,48
Economie	0,45
Sport	0,38
Divers	0,36
Jeux d’argent	0,25
Loisirs	0,23
Chine	0,21
Gastronomie	0,16
Santé	0,16
Littérature	0,14
Animaux	0,05
Scrapbooking	0,01

On constate la très grande disproportion, d'un facteur 1000 entre les champions du RT (les blogs SEO) et les blogs scrapbooking qui figurent au bas de la liste. Les blogs politiques se situent à peine un peu au-dessus de la moyenne.

Il est intéressant de constater que les blogs SEO et Marketing ont été les premiers à comprendre l'intérêt du retweetage, qu'ils pratiquent encore plus que les blogs techno.

La conclusion à laquelle m'amènent ces résultats, c'est que bien entendu, on ne peut intégrer Twitter directement, ni dans le classement (où les blogs SEO, marketing et High-tech viendraient truster toutes les premières places), ni dans le nouveau service Blogs, dont la page d'accueil serait phacogytée de la même manière.

Vous imaginez donc la difficulté de la tâche. Mais vous doutez aussi sans doute que j'ai quelques pistes ;-)

Ontologies: Perl is a planet in the solar system

2010-03-04T16:22:00.013+01:00

Lately, I've been working on Wikipedia, both an unprecedented human adventure (I wouldn't have bet two cents on its survival a few years ago) and a reservoir of fantastic resources for natural language processing. In particular, it is a huge ontology, i.e. a structured knowledge tree, people have dreamed of building for centuries . I alluded to this in my last slide here [fr]: since the Sumerians via Raymond Lulle, Leibnitz and the Encyclopaedists we have been searching — and the semantic Web is the latest invention that aims to organize Everything.

Wikipedia's knowledge tree is navigable online:

These are interesting URLs to know (I'm thinking of secondary school teachers: what a great source for practical work!).

Maybe you know the Perl programming language — I'm a big fan, but let's leave that to another post. I used the corresponding page in Wikipedia as a test to determine if I could correctly find its place in the Wikipedian knowledge tree using my little homemade programmes.

Let's follow the category links going up through the tree. The links are at the bottom of the page: the Perl page belongs to all these categories:

Categories: Perl | Curly bracket programming languages | Dynamic programming languages | Dynamically-typed programming languages | Free compilers and interpreters | Free software programmed in C | Procedural programming languages | Object-oriented programming languages | Scripting languages | Text-oriented programming languages | Unix programming tools | Cross-platform software | American inventions

Ah... so apparently it's not a tree. Or maybe one of those Indian banyans I frequently refer to, whose branches connect and merge... Anyway, as long as there is no loop (I don't wish to be pedantic, but if there is a Directed Acyclic Graph), it is possible to build an ontology. It's common enough:

But it nevertheless requires some care in building the links, and you quickly get lost.

So let's follow the links on our Perl page. It's an American invention. Ok. Back up. To be brief, here is the path I followed at random among all the possibilities:

Perl is a therefore a planet in the solar system. QED.

Don't think that this is an isolated example. It is by far the rule, given the immense complexity of the graph. What a shame... That means that there is a huge amount of work to be done to be able to exploit Wikipedia. At least using automatic means, it is difficult. The whole effort (unprecedented in the history of Humanity, I repeat), should be praised, but to be able to properly exploit the knowledge in it, a little structure will be required...

Etude: Twitter et la blogosphère

2010-03-04T07:56:00.008+01:00

Tout le monde a remarqué que parmi ses multiples usages, Twitter sert à faire la promotion des billets qui paraissent sur les blogs, remplissant ainsi en partie la fonction de recommandation qui était dévolue auparavant aux rétroliens. Nul ne connaît cependant jusqu'ici le taux de pénétration de Twitter dans la blogosphère. En d'autres termes, combien de blogueurs ont-ils un compte Twitter ? Cette proportion dépend-elle des pays ?

Au cours des dernières semaines, j'ai mené une étude visant à apporter quelques éléments de réponse à ces questions. J'ai donc sélectionné les 25000 premiers blogs du classement des six sites Wikio anglais (UK), anglais (US), allemand, espagnol, français et italien, soit 150000 blogs au total. Tous ces blogs sont des blogs actifs, c'est-à-dire ayant publié au cours des deux derniers mois.

Les blogs et les comptes Twitter ont été rapprochés par divers algorithmes, en tenant compte du fait que certains blogs peuvent avoir plusieurs comptes Twitter associés (notamment dans le cas d'auteurs multiples), qu'inversement un même blog peut être associé à différents comptes Twitter. Une limite méthodologique a été posée à l'exercice : je n'ai cherché que les associations qui étaient explicitement listées par la mention du blog sur la page de l'utilisateur Twitter ou par la mention du compte Twitter sur la page d'accueil du blog (ou les deux). Il est donc certain que quelques blogueurs ayant un compte Twitter listé nulle part ont échappé au rapprochement.

De plus, diverses variantes peuvent intervenir dans la formulation des URL pour un même blog, et bien que des heuristiques variées aient été mises en place pour rapprocher le plus possible ces formulations, il est certain là aussi que des rapprochements ont été ignorés. Un contrôle manuel par sondage a donc été effectué pour chacune des langues, qui montre que les rapprochements oubliés sont probablement de l'ordre de 1%. Les chiffres qui résultent de l'étude semblent donc raisonnablement fiables.

La proportion de blogs ayant un compte Twitter associé varie de façon importante selon les pays. Sans grande surprise, on constate que les Etats-Unis se distinguent par une proportion beaucoup plus élevée que les autres pays (32,1% contre 20,7% pour le premier des pays européens, l'Espagne). La France arrive en avant-dernière position avec 13,5% d'associations.

Proportion de blogs ayant un compte Twitter associé dans le top 25000 Wikio pour chaque pays

La proportion varie également en fonction de la position dans le classement. Rappelons que les classements Wikio sont établis sur la base du nombre de rétroliens que reçoit chaque blog. On peut donc supposer que les blogs du sommet du classement sont plus "actifs" dans la blogophère et les réseaux sociaux en général que les blogs positionnés plus loin dans le classement. Il est alors logique, comme on le constate sur le diagramme ci-dessous, que les blogs des top 1000 soient plus fortement liés à Twitter que les blogs du top 25000. On constate par exemple que ce sont plus de la moitié (57%) des blogs US qui sont associés à un compte Twitter, contre 32% pour le top 25000.

Proportion de blogs ayant un compte Twitter associé dans le top 1000 Wikio pour chaque pays

La différence avec les pays européens s'atténue toutefois, puisque l'Espagne est à 52%, donc assez près des Etats-Unis. La France est en dernière position derrière l'Italie avec seulement 26% d'associations. Ces différences s'expliquent sans doute par la composition sociologique des blogosphères des différents pays, ou du moins, de l'image qu'en a Wikio à travers les différents classements. On sait par exemple que les blogs de loisirs dit "féminins" (tricot, créations, etc.) sont très nombreux dans le top 1000 du classement français, ce qui peut représenter un public moins touché par le phénomène Twitter que d'autres communautés (par exemple High-Tech).

Au total, ces chiffres montrent donc une pénétration assez modérée de Twitter dans la blogosphère, en particulier dans les pays européens, y compris le Royaume-Uni qui se comporte de façon très différente des Etats-Unis, avec moitié moins de blogs associés à un compte Twitter (16% contre 32% sur les top 25000). Tous pays confondus, l'association blog-Twitter semble surtout forte pour les blogs ayant déjà un réseau social important (du moins tel qu'il est reflété par les rétroliens) et dans les domaines plus technologiques. Il sera intéressant d'observer comment la situation évoluera, au moment où l'on observe un net ralentissement de la progression de Twitter, en particulier outre-Atlantique.