Visualizing Semantic Similarity in Political Discourse: A Comparative Analysis of Word Embeddings in Trump’s 2016 and 2024 Campaign Speeches

Le langage est bien plus qu'un simple moyen d'échanger des informations ; c'est l'outil principal par lequel les chefs politiques construisent la réalité, définissent qui appartient au groupe et cadrent les batailles d'une nation. Lorsqu'un politicien s'exprime, il ne se contente pas de lister des politiques ; il tisse une tapisserie de sens où les mots sont reliés les uns aux autres de manières spécifiques, souvent invisibles. Pendant des décennies, des chercheurs ont étudié ces discours en comptant les mots ou en analysant le ton, mais un nouveau champ d'étude utilise l'informatique pour cartographier l'architecture cachée de ces connexions. Cette approche traite le langage comme un vaste paysage tridimensionnel où les mots qui apparaissent souvent ensemble se situent proches les uns des autres, tandis que les mots qui se rencontrent rarement s'en éloignent. En traçant ces distances, les chercheurs peuvent voir non seulement ce qu'un dirigeant dit, mais aussi comment la structure même de sa pensée a évolué au fil du temps. C'est le territoire exploré par une étude récente qui examine l'évolution de la rhétorique politique de Donald Trump, comparant les discours de sa campagne de 2016 à ceux de sa campagne de 2024 pour comprendre comment la carte de son monde politique a été redessinée.

Les chercheurs ont commencé par une question simple mais ambitieuse : comment la façon dont Donald Trump connecte les idées a-t-elle changé sur une période de huit ans ? Pour y répondre, ils ont rassemblé deux collections massives de textes : 166 297 mots issus de ses discours de campagne de 2016 et 218 892 mots issus de ses discours de campagne de 2024. Il ne s'agissait pas d'extraits aléatoires, mais de transcriptions soigneusement sélectionnées de rassemblements et d'événements officiels, garantissant une comparaison équitable du même type de communication politique. L'équipe a ensuite injecté ce texte dans un modèle informatique conçu pour apprendre la signification des mots en fonction de leur compagnie. Imaginez un modèle qui lit des milliers de phrases et apprend que « roi » et « reine » sont proches parce qu'ils apparaissent souvent dans des contextes similaires, tandis que « roi » et « sable » sont éloignés. Ce modèle, connu sous le nom de Word2Vec, convertit chaque mot des discours en un point mathématique dans l'espace. La distance entre ces points révèle à quel point les mots sont similaires en termes de sens au sein de cette époque spécifique.

Une fois que l'ordinateur a cartographié les mots, les chercheurs ont utilisé une méthode pour les regrouper en grappes (clusters), un peu comme le fait de trier un sac de billes mélangées par couleur et par taille pour voir les motifs dominants. Ils ont ensuite utilisé une technique pour aplatir ces cartes complexes et multicouches en images bidimensionnelles pouvant être vues et analysées par l'œil humain. Ce qu'ils ont découvert est une histoire de continuité et de changement profond. Les thèmes centraux du message de Trump sont restés remarquablement stables à travers les deux périodes. Dans les deux cas, en 2016 et en 2024, les discours étaient construits sur un fond de populisme, opposant « le peuple » à une « élite » corrompue, et promettant la force et le renouveau nationaux. L'ordinateur a confirmé que ces piliers centraux de sa rhétorique n'avaient pas disparu ; ils étaient toujours les caractéristiques les plus lourdes et les plus proéminentes du paysage.

Cependant, la manière dont ces thèmes étaient agencés autour les uns des autres avait subi une transformation spectaculaire. Dans les discours de 2016, la carte était dense et étroitement tissée. Les idées économiques comme les emplois, le commerce et le développement national étaient regroupées étroitement avec les thèmes de la sécurité et de l'identité. Le langage suggérait une vision unifiée où la prospérité économique et la force nationale étaient des parties inextricablement liées d'un récit unique et cohérent. Les visualisations informatiques montraient ces idées regroupées, indiquant qu'en 2016, le récit politique était un tissu unique et intégré où un sujet menait naturellement à un autre.

En 2024, ce tissu s'était effiloché. Les mêmes thèmes de base du populisme et de la force étaient toujours présents, mais ils n'étaient plus étroitement liés aux questions économiques qui les définissaient autrefois. Au lieu de cela, la carte de 2024 paraissait éparpillée et fragmentée. L'analyse informatique a révélé que les thèmes s'étaient éloignés, formant des îlots de sens distincts et isolés. Le discours était devenu plus divisé, avec l'émergence de nouveaux clusters autour de la légitimité politique, des récits médiatiques et des conflits identitaires. Le lien étroit entre la politique économique et l'identité nationale s'était relâché, remplacé par une structure où différents sujets existaient dans des sphères séparées et souvent conflictuelles. Cela suggère que le message politique est passé d'une vision large, orientée vers les politiques, à un récit plus fragmenté, porté par des batailles idéologiques et la défense de la vérité politique.

L'étude a également examiné de près des mots spécifiques pour voir comment leurs significations avaient glissé dans l'espace entre les deux campagnes. Des mots comme « Chine », « combat », « élection » et « vérité » ont montré le mouvement le plus spectaculaire. En 2016, la « Chine » était voisine de mots concernant le commerce, la fabrication et les emplois ; elle était principalement présentée comme un concurrent économique. En 2024, le mot s'était éloigné de ces voisins économiques pour s'installer à côté de termes liés à la sécurité nationale, aux menaces et à la rivalité géopolitique. De même, le mot « combat » avait déplacé sa localisation. Dans les discours antérieurs, il était associé à la force militaire et aux menaces extérieures. Dans les discours plus récents, il avait migré vers le centre des luttes politiques intérieures, se regroupant avec des mots sur les élections, la censure des médias et les conflits internes.

Le changement le plus révélateur concernait peut-être le mot « vérité ». En 2016, ce mot se trouvait à la périphérie, n'étant pas central aux principaux clusters de sens. En 2024, il était devenu un point focal, formant son propre cluster isolé entouré de mots sur les récits médiatiques, la censure et l'identité politique. Cela indique un passage de la discussion sur les faits objectifs ou les détails politiques vers une lutte sur la nature même de la réalité et sur qui est habilité à la définir. Le mot « élection » a suivi un parcours similaire, passant d'un contexte de victoire et de soutien populaire en 2016 à un contexte de fraude, de contestation de la légitimité et de résultats disputés en 2024.

Les chercheurs ont conclu que ces changements n'étaient pas simplement un remplacement d'un sujet par un autre, mais une restructuration fondamentale de la manière dont le sens politique est construit. Le discours de 2016 était caractérisé par une structure cohérente et orientée vers l'économie, où les idées se renforçaient mutuellement. Le discours de 2024 était plus fragmenté, dicté par l'idéologie et centré sur l'identité et le conflit. L'étude suggère qu'à mesure que la polarisation politique s'accentue, le langage utilisé pour décrire le monde devient moins une question d'objectifs politiques partagés qu'une question de défense de réalités distinctes et souvent incompatibles. Les modèles informatiques n'ont pas seulement compté les mots ; ils ont révélé que l'architecture même du discours politique a changé, passant d'un récit unifié à une collection de fragments déconnectés et chargés d'idéologie. Cette découverte offre une nouvelle façon de comprendre comment les leaders politiques adaptent leur langage non seulement à de nouveaux événements, mais aussi à un paysage changeant de croyances publiques et de conflits.