Les voix derrière le masque : comparaison d'approches d'analyse de la subjectivité dans le discours de presse francophone

L’objectivité est depuis longtemps une notion fondamentale dans le monde journalistique occidental, mais sa réalisation reste un défi qui a toujours animé des discussions passionnées (Schudson, 2001). De nombreux journalistes s’efforcent d’écrire des articles aussi impartiaux et neutres que possible, dans l’espoir de transmettre aux lecteurs des faits bruts sans être influencés par leurs biais personnels (Wallace, 2020). Cependant, la nature même du processus journalistique font de l’objectivité un idéal inatteignable (Steensen, 2017). Pour atténuer la subjectivité inhérente au processus de création de nouvelles, les journalistes utilisent plusieurs techniques, conformément à ce que Tuchman (1972) appelle le « rituel stratégique de l’objectivité ». Celui-ci se réalise à travers une série de mécanismes de neutralisation conçus pour masquer les opinions personnelles des journalistes dans le contenu des textes qu’ils écrivent (Koren, 2004). Dans l’ère du numérique, comprendre comment mesurer à quel point les opinions de journalistes ou de médias influencent le contenu d’un article de presse est une problématique de plus en plus importante (Levy, 2021). L’émergence du web et des réseaux sociaux comme canaux de diffusion majoritaires de l’information a rendu la distinction entre ‘information’ et ‘opinion’ de plus en plus floue pour les utilisateurs (Ianucci & Adair, 2017). Dans ce contexte, la présence parfois implicite de l’opinion des auteurs dans les articles de presse impacte non seulement la crédibilité et la fiabilité des sources d’information, mais ont également des implications profondes pour la littératie médiatique, façonnant en particulier la manière dont les plus jeunes lecteurs et lectrices interprètent et interagissent avec les informations qu’ils et elles rencontrent (Ku et al., 2019). S’appuyant sur les travaux de Benveniste (1966), Kerbrat-Orecchioni a été la première à chercher à faire l’inventaire des traces énonciatives qui peuvent apparaître dans le discours en français (1970). Elle définit les unités subjectives comme « les procédés linguistiques par lesquels le locuteur imprime sa marque à l’énoncé, s’inscrit dans le message (implicitement ou explicitement) et se situe par rapport à lui ». Cette décomposition de la subjectivité linguistique en unités discursives a été reprise dans divers travaux cherchant à analyser la présence du locuteur dans différentes formes de discours (Ho-Dac & Küppers, 2011 ; Chaput, 2019). Plus tard, Wiebe et al. (2004) affirme qu’« un discours ne peut être qualifié de discours objectif que s’il ne contient aucun indicateur significatif de subjectivité ». Les travaux de Janyce Wiebe consistant à automatiser l’analyse de la subjectivité dans le discours ont inspiré plusieurs chercheurs en traitement automatique du langage à améliorer les méthodes destinées à cette tâche cruciale (Krüger et al., 2017 ; Alhindi et al., 2020). Notre projet de recherche vise à mettre en lumière les mécanismes linguistiques de la subjectivité dans le discours de presse en français. Notre travail s’intéresse uniquement au niveau textuel, bien que nous soyons conscients que le discours journalistique possède une dimension hautement extratextuelle relative aux choix éditoriaux des journalistes et des médias (Charaudeau, 2006 ; Steensen, 2017). Nous croisons dans notre travail plusieurs méthodologies et développons une approche qui nous permet de confronter des analyses linguistiques plus traditionnelles (à travers une expérience d’annotation et des entretiens semi-directifs) avec des méthodes issues du traitement automatique du langage (par l’utilisation de modèles statistiques et de grands modèles de langage). D’abord, trente-six étudiants et étudiantes en journalisme ont été amenés à évaluer la subjectivité de 150 extraits d’articles de presse belge et de surligner dans ces textes les mots qu’ils envisageaient comme des indicateurs de la subjectivité de l’auteur, dans le cadre d’une expérience d’annotation étalée sur quatre semaines. En parallèle, seize entretiens avec des journalistes québécois et belges francophones ont été réalisés, au sujet des pratiques rédactionnelles utilisées et enseignées aux journalistes pour neutraliser leurs opinions personnelles dans leurs productions écrites. Ces deux expériences nous permettent d’identifier quels éléments textuels sont considérés, par ses récepteurs (lecteurs) et/ou par ses producteurs (journalistes), comme des marqueurs potentiels de subjectivité dans le discours de presse. Ensuite, nous avons constitué un corpus de 80 000 articles publiés par huit médias francophones belges et québécois et classés par les médias comme des articles appartenant aux genres journalistiques de l’information ou de l’opinion. A l’aide de classifieurs statistiques, nous extrayons de l’état de l’art sur la subjectivité linguistique les traits textuels les plus significatifs pour la classification d’articles d’information et d’opinion. Dix-huit indicateurs de subjectivité ressortent, selon différentes catégories : morphosyntaxiques, lexicaux et stylistiques. En parallèle, nous peaufinons (fine-tune) sur le corpus de 80 000 articles le grand modèle de langage CamemBERT (Martin et al., 2019), pré-entraîné sur des données en français, pour la classification d’articles d’opinion et d’information. En utilisant des méthodes d’explicabilité basées sur l’attention pour déterminer quels éléments textuels ont le plus d’influence sur les décisions du modèle (Chefer et al., 2021), nous extrayons (à la suite d’une analyse qualitative des explications produites) de nouveaux indicateurs de subjectivité textuelle utilisés par CamemBERT dans la classification. Le modèle basé sur des traits atteint une précision de classification moyenne de 88.8%, tandis que le CamemBERT fine-tuné obtient 96.3%. Cependant, nos résultats permettent de mettre en perspective l’importance de l’explicabilité des modèles de classification dans une tâche comme la nôtre, pour laquelle les décisions du modèle choisi peuvent avoir d’importantes implications éthiques. Les observations obtenues au cours de ces différentes expériences sont enfin confrontées, et nous examinons les indices sur lesquels se basent les lecteurs et auteurs humains pour déterminer si les articles de presse sont plus ou moins influencés par la subjectivité des journalistes, ainsi que les traits textuels utilisés par des modèles statistiques et des grands modèles neuronaux pour classer les mêmes articles. Bien qu’une série d’indicateurs de subjectivité identifiés dans les analyses automatiques recoupent ceux mentionnés par les lecteurs et les journalistes dans nos analyses qualitatives (comme la présence de déictiques, de modalisateurs, et la complexité du texte), chaque approche fait également ressortir des marqueurs exclusifs (présence du pronom on, niveau d’abstraction lexicale et de fréquence subjective). Une limitation de ce projet concerne les données utilisées, qui regroupent uniquement des médias belges et québécois. Cependant, ces paysages journalistiques ont rarement été étudiés, et leur hybridité linguistique et géographique en font des sujets d’étude particulièrement intéressants dans une visée constrastive. Il est également important de souligner que les étiquettes information et opinion attribuées aux articles de notre corpus sont basées sur les catégories dans lesquelles ces articles sont déposés sur les sites web des médias dont nous les avons extraits, et dépendent donc potentiellement de choix éditoriaux dont il convient de tenir compte dans nos interprétations. Nos conclusions contribuent néanmoins à une meilleure compréhension de la façon dont la subjectivité est construite et perçue au niveau du texte dans le discours de presse en français. Alhindi T., Muresan S., & Preotiuc-Pietro D. (2020). Fact vs. Opinion: The Role of Argumentation Features in News Classification. Proceedings of the 28th International Conference on Computational Linguistics, 6139‑6149. DOI : 10.18653/v1/2020.coling-main.540. Benveniste E. (1966). De la subjectivité dans le langage. Problèmes de linguistique générale, Paris, Gallimard (coll. Bibliothèque des sciences humaines), 258-266. Chaput L. (2019). Sur quelques marques de subjectivité dans le journalisme d’information politique de 1945 à 2015 au Québec. Mots, 119, 151‑168. DOI : 10.4000/mots.24586. Charaudeau, P. (2006). Discours journalistique et positionnements énonciatifs. Frontières et dérives. Semen. Revue de sémio-linguistique des textes et discours, 22. Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition, 782-791. Ho-Dac L.-M., & Küppers A. (2011). La subjectivité à travers les médias : Étude comparée des médias participatifs et de la presse traditionnelle. Corpus, 10, 179‑199. Iannucci, R., Adair, B. (2017). News or opinion? Online, it’s hard to tell. www.poynter.org/ethics-trust/2017/news-or-opinion-online-its-hard-to-tell/ (last accessed 24/05/2023). Kerbrat-Orecchioni C. (2009). L'énonciation : de la subjectivité dans le langage. Armand Colin. Koren, R. (2004). Argumentation, enjeux et pratique de l’« engagement neutre »: le cas de l’écriture de presse. Semen. Revue de sémio-linguistique des textes et discours, 17. Krüger K. R., Lukowiak A., Sonntag J., Warzecha S., & Stede M. (2017). Classifying news versus opinions in newspapers: Linguistic features for domain independence. Natural Language Engineering, 23(5), 687‑707. DOI : 10.1017/S1351324917000043. Ku, K. Y., Kong, Q., Song, Y., Deng, L., Kang, Y., & Hu, A. (2019). What predicts adolescents’ critical thinking about real-life news? The roles of social media news consumption and news media literacy. Thinking Skills and Creativity, 33, 100570. Levy, R. E. (2021). Social media, news consumption, and polarization: Evidence from a field experiment. American economic review, 111(3), 831-870. Martin, L.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.