Measuring Negative Campaigning across Languages with Large Language Models: A Study of 18 Million Tweets in 19 Countries
Cette étude démontre que les grands modèles de langage en mode zero-shot peuvent classer efficacement et de manière évolutive les campagnes négatives dans 19 langues, révélant que les partis au pouvoir sont moins négatifs tandis que les partis idéologiquement non centristes, particulièrement ceux de l'extrême droite, s'engagent dans une rhétorique nettement plus conflictuelle.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la politique comme un stade gigantesque et bruyant où tout le monde essaie de convaincre la foule de supporter son équipe. Depuis des décennies, les scientifiques qui étudient ce stade sont obsédés par un comportement spécifique : la « campagne négative ». Voyez cela non pas simplement comme un politicien disant « Je suis génial », mais plutôt comme un homme pointant un rival du doigt en criant : « Regardez cet individu, il est terrible ! » C'est l'art du clash politique. Bien que nous sachions que cela se produit partout, des éclats de poterie de la Grèce antique aux publicités télévisées modernes, comprendre pourquoi certaines équipes le font plus que d'autres a été un véritable casse-tête pour les chercheurs. Le problème ? Compter ces insultes manuellement, c'est comme essayer de compter chaque grain de sable sur une plage tout en portant des gants de cuisine. Cela prend un temps infini, coûte une fortune et, si vous essayez de le faire dans vingt langues différentes, il vous faudrait un traducteur pour chaque phrase. À cause de cela, la plupart des études sont restées bloquées sur l'observation d'un seul pays (généralement les États-Unis) ou reposent sur l'intuition d'experts estimant « l'ambiance » d'une campagne, ce qui n'est pas très précis. Mais récemment, un nouvel outil est arrivé sur le devant de la scène : les modèles de langage étendus (LLM). Vous pouvez les considérer comme des robots super intelligents et infatigables qui ont lu presque tout ce qui a été écrit sur Internet. Ils peuvent comprendre la nuance, le sarcasme et l'insulte dans des dizaines de langues sans avoir besoin d'apprendre les règles de zéro. Ce document pose une grande question : ces robots d'IA peuvent-ils être les nouveaux arbitres chargés de compter les insultes politiques à travers le monde entier, et que nous disent-ils sur ceux qui aiment réellement jeter de la boue ?
Les auteurs de cette étude ont décidé de mettre ces robots d'IA à l'épreuve à grande échelle. D'abord, ils devaient prouver que les robots étaient bons dans leur travail. Ils ont nourri l'IA avec des millions de tweets et lui ont demandé de repérer les attaques négatives, puis ont comparé les réponses du robot à celles d'experts humains qui avaient passé des années à lire manuellement ces mêmes publications. Le résultat ? Les robots étaient incroyablement doués. En fait, dans certains cas, l'IA était même plus cohérente et précise que les experts humains, et elle pouvait accomplir la tâche dans dix langues différentes sans sourciller. C'était comme remplacer une équipe d'étudiants de troisième cycle fatigués et surmenés par une flotte de drones multilingues super rapides qui ne s'épuisent jamais et ne s'embrouillent jamais.
Une fois qu'ils ont eu confiance en les robots, les chercheurs les ont déchaînés sur une montagne de données : 18 millions de tweets postés par des politiciens dans 19 pays européens entre 2017 et 2022. Ils voula�isme voir si les vieilles règles sur qui devient méchant tenaient toujours quand on regardait l'ensemble du continent. Ils ont testé quelques grandes idées : Les politiciens au pouvoir (l'équipe du « gouvernement ») agissent-ils plus gentiment parce qu'ils doivent paraître responsables ? Les politiciens situés aux extrémités du spectre politique (les radicaux) agissent-ils plus méchamment parce qu'ils n'ont rien à perdre ? Et les politiciens « populistes », qui prétendent combattre « l'élite corrompue », lancent-ils naturellement plus d'insultes ?
Les conclusions étaient claires et étonnamment cohérentes. Les données de l'IA ont montré que les politiciens actuellement au sein du gouvernement sont effectivement beaucoup moins négatifs. Ils semblent retenir les insultes, peut-être parce qu'ils savent que s'ils déclenchent un combat, cela pourrait nuire à leurs chances de rester au pouvoir ou de collaborer avec d'autres partis plus tard. C'est comme un capitaine d'équipe qui essaie de maintenir la paix pour que l'équipe ne s'effondre pas. En revanche, les politiciens qui ne sont pas au pouvoir, en particulier ceux qui se trouvent à l'extrême droite et à l'extrême gauche du spectre politique, étaient ceux qui jetaient le plus de boue. L'étude suggère que l'éloignement du centre politique rend un parti plus susceptible d'être agressif. Plus précisément, les partis de la « droite radicale » ont été les plus négatifs de tous, utilisant un langage conflictuel à un taux bien plus élevé que n'importe qui d'autre. Bien que l'étude ait également examiné si le fait d'être un « populiste » faisait une différence, elle a constaté que le véritable moteur était en réalité l'éloignement extrême d'un parti ; la méchanceté semblait provenir du statut d'outsider plutôt que du simple fait d'être populiste.
Il est intéressant de noter que l'étude a également examiné si la période électorale rendait les gens plus méchants. Les résultats étaient un peu mitigés ; parfois, les élections aggravaient les choses, mais pas toujours. La conclusion principale n'était pas liée au calendrier, mais aux acteurs eux-mêmes. L'article suggère que la montée de la campagne négative que nous voyons sur les réseaux sociaux n'est pas seulement due au fait que Twitter (désormais X) rend les gens en colère. Au contraire, c'est un choix stratégique de la part de certains types de partis — spécifiquement ceux des marges et ceux qui ne sont pas au pouvoir — d'utiliser la négativité comme une arme. En utilisant ces robots d'IA, les chercheurs ont pu observer des schémas à travers 19 pays qui auraient été impossibles à trouver avec les anciennes méthodes, prouvant que dans le jeu de la politique, les outsiders sont les plus susceptibles de jouer sale, tandis que ceux qui sont aux commandes essaient de garder les mains propres.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.