Navigation – Plan du site

Annexes électroniques de l’article « Au-delà des big data. Les sciences sociales face à la multiplication des données numériques »

Étienne Ollion et Julien Boelaert

Texte intégral

1Le jeu de données « deputes.anonymises.csv » contient les invitations de 577 députés français de la quatorzième législature entre juin 2012 et avril 2015 sur le plateau de différents médias audiovisuels. Les nombreuses chaines ont été recodées en sept types de médias distincts : LCP (la chaîne parlementaire), Public Sénat, France Info, radios générales, radios spécialisées, chaînes d’information en continu, et télévision. Les données sont anonymisées.

2Nous appliquons à ces données deux méthodes de réduction de dimensionnalité, l’Analyse en Composantes Principales et t-SNE, qui consistent toutes deux à projeter le nuage de points initial (à sept dimensions) sur un graphique en deux dimensions.

3La première, l’analyse en composantes principales (ACP) est une méthode exacte et déterministe, au sens où elle correspond à la résolution exacte d’un problème mathématique d’optimisation (maximisation de la variance conservée sur les premières composantes principales, composantes obtenues par rotation des axes de départ). Deux exécutions de l’algorithme donnent donc toujours le même résultat.

4Le script pour R fourni dans l’annexe 2 produit d’abord une simple représentation du nuage de points projeté sur les deux premières composantes principales, et ensuite une série de graphiques d’interprétation. La projection par ACP est ici d’assez bonne qualité, puisque 70 % de la variance du nuage de points de départ est conservée sur les deux premières composantes principales. Le premier axe, qui représente 58 % de la variance, peut s’interpréter comme une mesure de la visibilité médiatique. La plupart des points sont groupés dans le cadran ouest du graphique, près de l’origine, et représentent les députés n’ayant reçu aucune invitation dans les médias, ou très peu. Plus un point est placé à l’est du graphique, plus le député correspondant fait de nombreuses apparitions médiatiques. Le deuxième axe est positivement corrélé à la variable LCP, et négativement à la variable TV.spécialisée : les points au nord du graphique correspondent à des apparitions plus nombreuses sur la chaîne parlementaire, les plus au sud correspondant à des apparitions plus nombreuses à la télévision (émissions spécialisées).

5La seconde méthode, nommée t-distributed stochastic neighborhood embedding (t-SNE), est au contraire une méthode approchée et stochastique : elle résulte d’un algorithme d’optimisation approché, et deux exécutions successives donneront des résultats différents quoique proches.

  • 1 Préalablement au traitement t-SNE, nous avons ajouté de très petites perturbations aléatoires au nu (...)

6La représentation graphique produite est très différente de celle de l’ACP : plutôt qu’une forme de comète, le nuage de points est à présent éclaté en un petit nombre de groupes bien séparés1. Les graphiques d’interprétation permettent de comprendre à quoi correspondent ces groupes : le plus grand groupe (dont la position varie selon les exécutions de l’algorithme) comprend les députés n’ayant eu aucune apparition médiatique sur la période étudiée. Quelques autres petits groupes comprennent les députés ayant eu entre une et quatre apparitions au total, les différents groupes correspondant à des apparitions dans des médias différents (comme on le voit sur les graphiques représentant les apparitions sur LCP et à la radio). Enfin, un dernier ensemble, moins dense et moins circulaire, regroupe les députés les plus médiatiques, qui présentent une diversité interne plus importante que dans les autres groupes.

7Ces deux applications illustrent la différence principale entre les deux méthodes : l’ACP conserve les grandes distances, alors que t-SNE conserve essentiellement les distances faibles. Ainsi, la présence dans l’échantillon de quelques députés très médiatisés tend à compresser, sur la représentation ACP, tous les députés pas ou peu médiatiques dans une petite zone, et à laisser sur le graphique de larges zones vides ; par différence, dans la représentation t-SNE les députés très médiatisés sont regroupés dans un ensemble qui prend moins de place que celui des députés n’ayant eu aucune apparition médiatique, et qui n’en est pas plus éloigné que l’ensemble des députés à une seule apparition médiatique. Les deux représentations donnent donc des visions différentes mais complémentaires du même nuage de points. L’ACP permet de visualiser la structure générale des données, et informe sur les variables les plus discriminantes. La représentation t-SNE permet, elle, d’identifier les groupes d’observations proches, et allie en quelque sorte à la réduction de dimensionnalité un début de classification automatique.

8On trouvera plus de détails et de riches interprétations dans le mémoire d’Alizée Delpierre : “Une fois l’émission faite, j’ai senti qu’on me regardait autrement ici, à l’Assemblée” . Rapports à la médiatisation et pratiques de communication des élus, Mémoire de Master 2 Pratique de l’interdisciplinarité, 2015.

Haut de page

Notes

1 Préalablement au traitement t-SNE, nous avons ajouté de très petites perturbations aléatoires au nuage de points de départ. En effet, l’algorithme t-SNE n’accepte pas de doublons dans le nuage de points ; l’ajout des perturbations permet alors de donner à tous les députés le même « poids » dans la représentation (ce que l’on perdrait si l’on ne conservait qu’un seul point pour l’ensemble des députés n’ayant aucune apparition médiatique), et explique pourquoi des points égaux dans le nuage de départ occupent des positions différentes dans la représentation t-SNE.

Haut de page

Pour citer cet article

Référence électronique

Étienne Ollion et Julien Boelaert, « Annexes électroniques de l’article « Au-delà des big data. Les sciences sociales face à la multiplication des données numériques » », Sociologie [En ligne], N°3, vol. 6 |  2015, mis en ligne le 18 août 2015, consulté le 24 novembre 2017. URL : http://sociologie.revues.org/2615

Haut de page

Auteurs

Étienne Ollion

Articles du même auteur

Julien Boelaert

Articles du même auteur

Haut de page

Droits d’auteur

© tous droits réservés

Haut de page