Fronde 2.0. Les députés français sur Twitter
Résumé
Nous proposons dans cet article de revisiter l’étude de la dissidence parlementaire en confrontant les méthodes et données « classiques » - analyse statistique des votes législatifs à l’Assemblée durant la XIVe législature (2012-2017) - à des méthodes issues du machine learning et appliquées aux tweets de campagne des députés et de leur parti de mars à juin 2017. Nous trouvons d’une part que les résultats obtenus par les deux méthodes sont globalement cohérents, ce qui confirme la pertinence de l’utilisation de Twitter comme baromètre de la vie politique. D’autre part, nous montrons que les méthodes telles que le classifieur bayésien naïf et l’algorithme de machine à vecteurs de support (SVM) permettent de prédire les restructurations partisanes qui ont eu lieu durant la campagne électorale. Ces tendances n’étant pas détectables statistiquement avec les outils classiques, nous concluons que les méthodes de machine learning appliquées à Twitter peuvent contribuer significativement à la compréhension des phénomènes partisans.