← Derniers articles
📄 sciences sociales

Spatio-temporal Dynamics and Network Diffusion of Weibo Sentiment Toward U.S. Tariff Policies: A Geographic Perspective

Cette étude analyse 1,3 million de publications Weibo pour révéler comment les politiques tarifaires des États-Unis au début de 2025 ont déclenché une évolution du sentiment structurée et multipolaire, où les facteurs économiques géographiques expliquent jusqu'à 57,2 % de la variance du sentiment local et où des groupes d'utilisateurs distincts ont piloté l'étendue et la profondeur de la diffusion de l'information.

Auteurs originaux : Jianwei Deng

Publié 2026-10-22
📖 6 min de lecture🧠 Analyse approfondie

Auteurs originaux : Jianwei Deng

Article original sous licence CC BY 4.0 (https://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

Lorsqu'un gouvernement annonce un changement majeur dans les règles commerciales, comme une nouvelle taxe sur les marchandises provenant d'un autre pays, la réaction est rarement une simple ligne sur un graphique boursier. C'est une vague de sentiments humains qui se propage à travers la société, changeant en intensité et en direction selon l'endroit où les gens vivent et avec qui ils discutent. Pendant des décennies, les économistes ont suivi ces changements à l'aide de données à évolution lente, comme les rapports commerciaux mensuels, qui arrivent souvent bien après que le public a déjà formé une opinion. Aujourd'hui, cependant, un autre type de capteur existe : le flux des réseaux sociaux. Des plateformes comme Weibo en Chine agissent comme un système nerveux en temps réel pour la nation, capturant des millions de réactions individuelles au moment même où la nouvelle éclate. En combinant l'étude de ce que les gens ressentent avec l'étude de la façon dont l'information circule, un chercheur peut désormais cartographier la géographie de l'émotion publique, voyant non seulement que les gens sont mécontents, mais aussi exactement où la colère est la plus vive, comment elle se propage de personne à personne, et si la source de la nouvelle modifie la façon dont elle est reçue.

Au début de 2025, une nouvelle vague de tensions commerciales est apparue lorsque les États-Unis ont imposé une taxe universelle sur les produits chinois, une mesure qui a affecté des centaines de milliards de dollars d'exportations. Pour comprendre comment ce choc économique s'est traduit en sentiment public, un chercheur s'est tourné vers le vaste paysage numérique de Weibo. Il a rassemblé une collection massive de 1,3 million de publications liées aux tarifs douaniers, une tâche qui a nécessité de filtrer un océan bruyant de textes pour trouver les signaux significatifs. Comme les publications étaient écrites dans un mélange de langage politique formel et d'argot Internet décontracté, le chercheur ne pouvait pas se fier à de simples comptages de mots. Au lieu de cela, il a utilisé un programme informatique sophistiqué, entraîné par une intelligence artificielle puissante, pour lire et comprendre le ton émotionnel de chaque message. Cela lui a permis de classifier des millions de publications avec une grande précision, en distinguant la peur, la colère et le calme, et d'attribuer une localisation géographique à près de 230 000 d'entre elles.

Le chercheur a ensuite observé comment la conversation évoluait au fil du temps, découpant la période de six mois en trois chapitres distincts basés sur le rythme de l'actualité. Il a découvert que l'attention du public ne montait et ne descendait pas simplement selon une courbe lisse unique. Au contraire, elle surgissait en pics acérés chaque fois qu'une nouvelle politique était annoncée, suivie d'un apaisement progressif à mesure que le choc initial s'estompait. La première phase, lorsque les tarifs ont été introduits, a connu un pic rapide de sentiments négatifs à mesure que l'incertitude s'installait. À mesure que le conflit s'intensifiait dans la deuxième phase, le volume de discussion a atteint son point le plus haut, mais la conversation s'est élargie pour inclure des débats sur les contre-mesures et l'aide économique. Lors de la troisième phase, alors que les tensions commençaient à s'atténuer, la température émotionnelle du pays s'est refroidie, revenant vers une ligne de base. Ce schéma a montré que le public ne réagit pas à un événement unique, mais plutôt à une séquence de développements successifs, la réponse émotionnelle changeant à mesure que l'histoire évolue.

Ce qui a rendu cette étude particulièrement révélatrice, c'est son regard sur l'origine de ces sentiments. Le chercheur a découvert que l'intensité du sentiment public n'était pas la même partout ; elle était profondément liée aux réalités économiques locales. Dans les provinces où l'économie dépendait fortement de l'exportation de marchandises vers les États-Unis, la réaction était beaucoup plus intense et négative que dans les régions moins exposées au commerce. En utilisant une méthode statistique qui tient compte de ces différences locales, le chercheur a constaté que les facteurs économiques pouvaient expliquer plus de la moitié de la variation de ce que les gens ressentaient à travers le pays. Cela signifie que la réaction d'une personne à une politique nationale n'était pas seulement une question d'opinion personnelle, mais était significativement façonnée par son marché de l'emploi local et la santé de ses industries régionales. Les données ont montré que la carte de l'émotion publique était un reflet direct de la carte de la vulnérabilité économique.

L'étude a également percé les couches de la manière dont cette information circulait à travers le réseau, révélant une division claire du travail entre différents types d'utilisateurs. Lorsque les comptes officiels des médias d'État, vérifiés par une coche bleue, partageaient des nouvelles, l'information se diffusait incroyablement largement mais restait superficielle, atteignant beaucoup de gens en une seule étape sans discussion approfondie ultérieure. Ces comptes agissaient comme de larges diffuseurs, fixant l'ordre du jour pour l'ensemble du pays. En revanche, lorsque des influenceurs individuels ou des utilisateurs ordinaires partageaient une publication, l'information voyageait différemment. Elle se déplaçait plus profondément, passant par plusieurs couches d'amis et de followers, créant de longues chaînes de conversation. Le chercheur a découvert que les émotions négatives étaient le carburant de ces chaînes profondes ; les messages colériques ou inquiets étaient beaucoup plus susceptibles d'être transmis à travers plusieurs degrés de séparation que les messages positifs ou neutres. Cela suggère que si les voix officielles peuvent dire à tout le monde ce qui se passe, c'est le réseau de la base, composé de citoyens ordinaires et d'influenceurs locaux, qui détermine la profondeur avec laquelle ces sentiments s'enracinent et jusqu'où ils voyagent à travers le tissu social.

En fin de compte, la recherche brosse le portrait d'une société où l'opinion publique numérique est co-construite par deux forces puissantes : les dures réalités économiques des régions locales et la structure hiérarchique des réseaux sociaux. Les conclusions montrent que si le gouvernement et les médias officiels peuvent diffuser un message à toute la nation instantanément, la véritable profondeur de la réponse émotionnelle du public est portée par la douleur économique locale et les habitudes de partage organiques et multicouches des utilisateurs quotidiens. L'étude confirme que, dans l'ère moderne, comprendre une crise nationale nécessite d'examiner à la fois la carte de l'économie et la carte du réseau, car les deux sont inextricablement liés pour façonner la façon dont une nation ressent son avenir.

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.

Essayer Digest →