Comment le mouvement #MeToo s’est propagé sur Twitter

Le présent article contient des éléments susceptibles de heurter certains lecteurs. Il s’appuie exclusivement sur des analyses de données issues de tweets contenant le hashtag #MeToo publiés ces dernières semaines. Un lien vers le code utilisé pour les analyses figure en conclusion. Nous vous invitons à poursuivre l’analyse et le dialogue.

Nuage de mots des tweets du 24 octobre au 7 novembre

Nuage de mots des tweets des 10 et 11 novembre

J’ai utilisé l’API Twitter pour extraire un demi-million de tweets récents contenant le hashtag #MeToo. Avec un tel volume, impossible de résumer précisément tout leur contenu. Un moyen rapide de dégager les mots les plus fréquents est d’utiliser un nuage de mots. Vous en voyez deux ci-dessus : le premier a été généré à partir des tweets publiés entre le 24 octobre et le 7 novembre ; le second à partir des tweets des 10 et 11 novembre. Voyez-vous des différences ? Parcourez-les et voyez ce qui ressort.

La différence la plus frappante, à mes yeux, concerne les noms des présumés auteurs : dans le second nuage, « weinstein » est plus petit et donc moins représenté, « billoreilly » a disparu, et de nouveaux noms, comme « louisck » (qui a reconnu que « Ces histoires sont vraies ») et « roymoore », sont apparus. Des termes associés comme « republican » émergent aussi (Roy Moore est Républicain). Beaucoup de mots résonneront avec l’actualité. D’autres, incluant des noms d’utilisateurs comme « aliceglass », sont moins parlants au premier abord. Dans cet article, nous allons creuser ces tweets pour comprendre pourquoi de tels mots ressortent dans les nuages. Si vous avez des idées, des réactions ou des réflexions, contactez-moi sur Twitter : @hugobowne.

Une bonne partie des idées autour de #MeToo se lit déjà dans ces nuages de mots. Pour davantage de contexte, Wikipedia indique que

« Me Too » (ou « #MeToo », avec des équivalents locaux dans d’autres langues) s’est diffusé de façon virale en octobre 2017 sous forme d’un hashtag en deux mots utilisé sur les réseaux sociaux pour dénoncer les agressions et le harcèlement sexuels, à la suite des accusations visant Harvey Weinstein. L’expression, employée de longue date en ce sens par l’activiste Tarana Burke, a été popularisée par l’actrice Alyssa Milano, qui a encouragé les femmes à tweeter pour rendre publiques leurs expériences et montrer l’ampleur des comportements misogynes. Depuis, des millions de personnes ont utilisé le hashtag pour témoigner, dont de nombreuses célébrités.

Au moment de la rédaction, Wikipedia rapportait également que

L’expression avait été utilisée plus de 200 000 fois au 15 octobre, et plus de 500 000 fois au 16 octobre. Sur Facebook, le hashtag avait été repris par plus de 4,7 millions de personnes dans 12 millions de publications au cours des 24 premières heures. La plateforme indiquait que 45 % des utilisateurs aux États-Unis avaient au moins un ami ayant publié avec ce terme.

et que « Le Parlement européen a convoqué une session directement en réponse à la campagne Me Too, après l’émergence d’allégations d’abus au sein du Parlement et des institutions de l’Union européenne à Bruxelles. » #MeToo est un mouvement qui a pris une ampleur décisive au cours du dernier mois. Dans cet article, j’examine comment il s’est propagé sur Twitter.

Vue d’ensemble de deux semaines de #MeToo sur Twitter

Pour cette analyse, j’ai utilisé l’API Twitter afin d’extraire les tweets contenant #MeToo du 24 octobre au 7 novembre. Cela couvre deux semaines de tweets, à partir d’environ une semaine après le premier tweet #MeToo. L’API ne donne accès qu’à un sous-ensemble de tous les tweets : si le volume absolu n’inclut pas tout, la tendance générale reste visible.

Commençons par regarder le nombre de tweets au fil du temps sur ces deux semaines :

Alors que la plupart des hashtags ont une demi-vie de quelques minutes ou heures, #MeToo s’inscrit dans la durée depuis des semaines, comme on le voit ci-dessus. Le mouvement est suffisamment puissant pour s’exprimer non seulement en ligne mais aussi lors de marches et manifestations. Remarquez que, du 23 au 30 octobre, soit d’une semaine après le premier tweet tagué #MeToo jusqu’à la semaine suivante, l’usage du tag ne montre pas de baisse notable. Le total quotidien reste assez stable sur cette période. Ce n’est qu’à partir de la troisième semaine qu’une diminution apparaît. Notez aussi la périodicité sur 24 heures : le creux se situe régulièrement entre 22 h et minuit (heure de l’Est) et le pic autour de midi (heure de l’Est), ce qui correspond à une majorité de tweets originaires d’Amérique du Nord.

Comme indiqué plus haut, on observe une baisse du nombre de tweets sur ces deux semaines. Regardons de plus près la répartition entre tweets originaux et retweets sur la période :

On voit que les retweets dépassent systématiquement les tweets originaux. De plus, la baisse du volume total est plus marquée sur les retweets que sur les tweets originaux. Si l’on isole ces derniers, la diminution existe, mais elle est moins forte qu’on ne pourrait le penser au vu du premier graphique :

J’ai signalé plus haut que les retweets étaient plus nombreux que les tweets originaux. En réalité, 60 % des tweets avec #MeToo étaient des retweets sur cette période :

Dès lors, une question se pose : sur un demi-million de tweets, combien de tweets originaux sont à l’origine de tous ces retweets ? Cent tweets avaient été retweetés plus de 1 000 fois chacun au moment de l’analyse (il peut y en avoir davantage depuis, les retweets se poursuivant). Ils représentent environ 62 000 tweets (13 % du total capturé). À noter : de nombreux retweets n’ont pas été inclus dans notre recherche.

1 000 tweets ont été retweetés au moins 100 fois chacun, et ils comptent pour plus de 25 % de l’ensemble des tweets capturés.

Quels étaient les tweets les plus partagés ? Voici les 5 tweets qui comptaient le plus de retweets au moment de l’analyse :

C’étaient les tweets les plus retweetés toutes sources confondues au moment de l’analyse. Et parmi les tweets effectivement capturés dans notre jeu de données ? Voici ceux qui ont été le plus retweetés :

« ALICEGLASS » apparaissait dans le premier nuage de mots. On comprend maintenant que sa présence s’explique par l’ampleur des retweets observés dans l’échantillon. Alice Glass est une autrice-compositrice qui a cofondé et été la chanteuse du groupe d’électro Crystal Castles, qu’elle a quitté ; sa déclaration est à lire ici. Le volume de retweets explique aussi la présence des mots « Crystal » et « Castle » dans le nuage.

On observe donc des langues variées en nombre significatif, ce qui est intéressant. Parti d’Amérique du Nord et en anglais, le mouvement s’est étendu à d’autres langues de manière notable, comme en attestent la présence de tweets en espagnol, en français et en coréen parmi le top 5 des retweets sur les deux semaines analysées. Examinons maintenant plus finement la répartition des tweets par langue.

La diffusion de #MeToo à travers le monde

Commençons par l’éventail des langues présentes dans tous les tweets contenant #MeToo et leur fréquence :

L’anglais domine, puis les langues non identifiées. Viennent ensuite le français, le néerlandais, l’allemand, le suédois, le japonais, l’espagnol et le coréen. Comme les volumes s’échelonnent sur plusieurs ordres de grandeur (milliers, dizaines de milliers, centaines de milliers), il est pertinent d’utiliser un axe des ordonnées logarithmique, où la distance visuelle entre 10^3 (mille) et 10^4 (dix mille) est la même qu’entre 10^4 et 10^5 (cent mille) :

On voit ainsi que, si l’anglais reste majoritaire, plusieurs autres langues comptent chacune des dizaines de milliers de tweets : le français (32 k), le néerlandais (23 k) ou encore le japonais (16 k), entre autres. Au total, près de 40 % des tweets sont en langues étrangères ou non identifiées (45 k, souvent des langues étrangères simplement non détectées par l’algorithme de Twitter).

Regardons maintenant comment l’usage des différentes langues avec le hashtag #MeToo a évolué sur ces deux semaines :

Trois points retiennent particulièrement l’attention et méritent un examen plus poussé :

• le 26 octobre, un pic de langues non identifiées lorsque l’anglais est au plus bas ;
• le 30 octobre, une envolée des tweets en français jusqu’au niveau des tweets en anglais ;
• le 8 novembre, un pic en néerlandais qui se rapproche du volume en anglais.

Explorons-les.

Le pic de tweets en langue non identifiée

Une explication tient au retweet massif du tweet suivant, en catalan, publié par Eva Piquer :

I la diputada s'ha quedat sola denunciant l'assetjament sexual a les dones. Quina pena i quina vergonya. #MeToo
© Patrick Hertzog/AFP pic.twitter.com/AtCxumRu5Z

— Eva Piquer (@EvaPiquer) October 25, 2017

L’algorithme de Twitter n’a pas identifié la langue (le catalan) de ce tweet, retweeté 4 876 fois le jeudi 26 octobre.

Le pic de tweets en français

Le 30 octobre, la hausse des tweets en français s’explique par le retweet des trois publications suivantes, cumulant respectivement 555, 347 et 327 retweets :

À noter : le premier tweet ci-dessus contient aussi le hashtag #Balancetonporc, soit « balance ton porc ». #balancetonporc et ses légères variantes apparaissent dans 27 % des tweets #MeToo en français et sont désormais considérés comme l’équivalent français de #MeToo. Plus d’informations ici.

Et le petit pic en néerlandais ? Je vous laisse l’enquête en guise de défi.

Conclusion

Dans cet article, vous avez vu que le mouvement #MeToo s’inscrit dans la durée et que, bien qu’initié en Amérique du Nord, il s’est diffusé à l’échelle mondiale. À travers de simples visualisations de données issues de Twitter (des nuages de mots sur un demi-million de tweets), on observe que de nouvelles révélations et allégations ont émergé après les premiers usages du hashtag, ce qui contribue vraisemblablement à la dynamique du mouvement. Vous avez également constaté que les retweets sont très nombreux, signe d’un fort engagement, y compris chez celles et ceux qui ne publient pas eux-mêmes de tweets originaux. Dans les prochains jours, je mettrai à disposition le code ayant servi à extraire les tweets et à réaliser l’analyse ci-dessus. Je vous encourage vivement à explorer les données par vous-même. Cela ne remplace pas une lecture large sur le sujet ni les échanges en face à face.

Si vous avez des idées, des réactions ou des réflexions, contactez-moi sur Twitter : @hugobowne.

Le code utilisé pour cette analyse est disponible dans ce dépôt.