Méthodologie de l'analyse des transcriptions

1. D'où viennent les transcriptions

Deux origines : la transcription automatique de l'audio (Whisper, avec identification des locuteurs par diarisation) et les sous-titres publiés par les plateformes. Les transcriptions Whisper diarisées portent une fiche complète (temps de parole, interruptions) ; les sous-titres, sans locuteurs fiables, portent une fiche allégée.

2. Les axes de navigation

• Média et plateforme : déterminés par des règles fixes (éditeur du flux, domaine, chaîne). Une interview BFM TV publiée sur YouTube porte les deux étiquettes. La nature du média (télévision, radio publique/privée, média web, institutionnel, chaîne du politique) et son groupe propriétaire sont des informations factuelles.
• Durée, période électorale, temps de parole, interruptions : calculés déterministiquement (sans IA) depuis les métadonnées et la diarisation.
• Genre, registre, cadre, thèmes : classés par un modèle de langage à partir du seul texte du transcript. Le cadredécrit le format de l'échange — contradictoire, complaisant, ou autoproduit (contenu émanant du politique ou de son parti, marqué automatiquement, jamais écrasé par l'IA).

3. La fiche « Analyse automatique »

• Chapitres : découpage thématique horodaté proposé par le modèle.
• Ton : répartition du temps de parole politique entre propositif (présente des idées), attaque (critique des adversaires) et défensif (se justifie).
• Questions et taux de réponse directe : le modèle repère chaque question posée et qualifie la réponse (directe, partielle, éludée). Le taux affiché est calculé par nos soins à partir de ces verdicts (directe = 1, partielle = 0,5, éludée = 0) — jamais un chiffre inventé par le modèle.
• Affirmations vérifiables: citations exactes uniquement — chaque citation est vérifiée mot pour mot dans le transcript ; celles qui ne s'y trouvent pas sont supprimées.

Chaque fiche mentionne le modèle et la version de prompt utilisés. Toutes les exécutions sont journalisées (modèle, version, horodatage, coût).

4. Les fiches présentateurs

Les fiches de la page présentateurs agrègent, émission par émission, ce que l'analyse automatique observe du travail des journalistes : ton envers les invités (déférent, neutre, offensif), types de questions, réponses obtenues, temps de parole laissé, invités les plus fréquents et antennes.

• Identité : le nom vient du modèle de langage qui lit le transcript ; seuls des noms complets plausibles sont retenus, les noms de responsables politiques sont exclus.
• Seuil de publication: une fiche n'est publique qu'à partir de 5 émissions analysées— jamais sur la base d'une seule émission.
• Agrégats uniquement: la fiche montre des répartitions d'ensemble, pas le « ton » attribué à une émission précise. Ces mesures décrivent le format des échanges, jamais les opinions du journaliste.

5. Clip court → émission source

Beaucoup de clips courts circulent hors de leur contexte. Quand un extrait de moins de 10 minutes partage suffisamment de texte mot pour mot avec une émission longue du corpus (empreintes textuelles + vérification exacte de deux passages), la page du clip affiche « extrait probable de » avec un lien vers l'émission complète. Le rapprochement est probabiliste et assumé comme tel — d'où le mot « probable ».

6. Les éléments de langage

Sur les profils, la carte « Éléments de langage » liste les phrases qu'un politique répète mot pour mot dans au moins 3 interventions distinctes sur 90 jours. La détection est purement lexicale (aucune interprétation) et ne porte que sur ses prises de parole identifiées par diarisation — jamais sur des sous-titres non attribués. Chaque phrase renvoie vers les transcriptions où elle apparaît. Répéter un message est un fait de communication politique, pas une faute : nous le documentons, sans le juger.

7. La vérification des chiffres cités

Les chiffres énoncés par les politiques (chômage, dette, inflation, immigration, délinquance…) sont extraits des fiches d'analyse sous forme de citations exactes, puis comparés à un catalogue d'environ 33 séries statistiques officielles (Eurostat, données France transmises par l'INSEE). L'IA ne fait que router chaque chiffre vers la bonne série : la comparaison elle-même est un calcul déterministe, daté (un chiffre de 2023 est comparé à la valeur de 2023, ou à la dernière valeur publiée au moment des propos).

• « Conforme aux sources officielles »: écart ≤ 5 % (ou marge absolue équivalente pour les taux proches de zéro, p. ex. ±0,3 point d'inflation).
• « Ordre de grandeur » : écart ≤ 25 % — le chiffre est daté ou arrondi, mais du bon ordre.
• « Écart avec la source officielle »: au-delà. Un écart n'est jamaispublié automatiquement : une seconde passe d'IA joue l'avocat du diable (même métrique ? même périmètre ?), puis un humain valide — dans le doute, le chiffre est classé invérifiable.
• « Invérifiable en l'état »: hors du catalogue, unité ambiguë ou période introuvable. C'est le cas le plus fréquent et c'est volontaire : nous préférons ne pas juger que juger à tort.

Les affirmations de vote(« j'ai voté contre ce texte ») suivent le même circuit : l'IA identifie l'affirmation et le texte visé, les scrutins candidats sont cherchés uniquement parmi les votes nominatifs officiels auxquels l'orateur a réellement pris part, le rattachement se fait sans montrer la position réelle à l'IA, et la comparaison position affirmée / position enregistrée est un simple lookup. Les postures générales (« j'ai toujours voté contre… ») sont classées invérifiables — un scrutin unique ne peut pas les prouver ni les réfuter.

Sur les profils, la carte « Rapport aux chiffres » n'apparaît qu'à partir de 20 chiffres vérifiables publiés — un agrégat sur 3 citations serait anecdotique. Chaque verdict cite la série, le millésime et renvoie vers la source Eurostat (ou le scrutin : chambre, date, intitulé). Nous décrivons des écarts à des sources, jamais des intentions : aucun verdict n'emploie les mots « vrai », « faux » ou « mensonge ».

8. Nos engagements et limites

• Aucun label idéologique: ni les politiques ni les journalistes ne sont classés à gauche ou à droite. Le ton et le cadre décrivent la forme de l'échange, pas les opinions.
• L'IA n'est jamais la source de vérité: elle résume, classe et extrait depuis la source ; la transcription intégrale et l'audio d'origine restent toujours accessibles pour vérifier.
• Comparaisons : la page compareraffiche des moyennes issues des fiches d'analyse ; aucune moyenne n'est montrée sous 5 transcriptions analysées (échantillon insuffisant).
• Limites connues: les transcriptions automatiques contiennent des erreurs (noms propres, chiffres) ; les sous-titres YouTube n'identifient pas les locuteurs ; l'analyse peut mal qualifier une question ou un chapitre. Signalez toute erreur via la page corrections.