Une analyse des stratégies de marketing politique et de publicité d’attaque de la campagne permanente qui précède l'élection fédérale de 2025
Bibliographic record
Abstract
Ce mémoire est consacré aux stratégies de marketing politique et de publicité politique négative de la campagne permanente qui précède l'élection fédérale canadienne de 2025.Nous nous concentrons en particulier sur les publicités politiques de Pierre Poilievre qui ont été mises en ligne sur sa page Instagram.Grâce à cette analyse, nous montrons comment ces stratégies sont conçues pour influencer l'opinion publique canadienne et discréditer ses adversaires, en particulier le Premier ministre Justin Trudeau et ses alliés, mais aussi comment Poilievre tente de se positionner comme le candidat capable de répondre aux besoins des Canadiens.Ce mémoire présente les concepts clés ainsi que la démarche que nous avons adoptée pour étudier les stratégies d'attaques.Il présente aussi les résultats que nous avons obtenus à l'issue de cette étude.Il vise à combler un vide sur ces nouvelles formes de marketing politique et de publicités négatives diffusées sur les plateformes socio-numériques.Nos travaux s'inscrivent dans la suite des recherches de Charles-Antoine Millette (2021), Lefébure (2020), Pinard & Lalancette (2014) ainsi que celles de Gerstlé (1989).Pour Lefébure (2020), la publicité politique négative est celle par laquelle un candidat politique émet des critiques ou des jugements pour discréditer un rival politique.Ce type de communication politique a émergé au cours de la campagne électorale canadienne de 2008 (Pinard & Lalancette, 2014).Dans la plupart des cas, au Canada, ces publicités s'adressent moins aux enjeux qu'aux attaques des adversaires, en contestant les promesses qu'ils ont faites durant leurs campagnes.Dans le même ordre d'idées, ces publicités véhiculent des attaques personnelles susceptibles de disloquer l'adversaire en soutenant son incompétence ou des faits d'absence d'ethos, iii tout en omettant des traits comme l'empathie ou le charisme.En outre, ces publicités déploient des stratégies visant à installer un sentiment de peur parmi les électeurs ou à associer des étiquettes péjoratives à leurs opposants, utilisant ainsi des mots, slogans ou qualificatifs à forte connotation négative pour les discréditer (Millette, 2021, p.1-2).Avec notre corpus composé de 100 publicités politiques négatives publiées entre mai et juin 2023, nous analysons les stratégies de Pierre Poilievre et mettons en lumière trois catégories d'attaques : critique des décisions politiques, dénigrement et ennemification.Nos résultats montrent que 61 % des messages se concentrent sur les décisions politiques du gouvernement Trudeau.Les publicités sont axées principalement sur les politiques économiques, environnementales et de sécurité sociale.De plus, 28 % des attaques relèvent du dénigrement, où Pierre Poilievre émet des attaques personnelles contre Trudeau et son gouvernement.Enfin, 11 % des critiques adoptent une stratégie d'ennemification, dans laquelle Poilievre formule des accusations et des insinuations sur la dangerosité de ses adversaires politiques.Dans ce contexte d'analyse, nous proposons également une réflexion sur la pertinence sociale et scientifique de notre étude en mettant en lumière les implications de ces stratégies pour la démocratie canadienne.En définitive, cette étude contribue à une meilleure compréhension du rôle de la publicité politique négative sur la vie politique au Canada, tout en soulignant l'importance croissante du marketing politique dans la stratégie de communication politique des partis.Table des matières Sommaire ......
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.032 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".