Projets de recherche

Projets soumis pour évaluation par les pairs ou projets de recherche en cours.

Soumis

Au-delà des preuves : comment le cadrage du problème pandémique a influencé l'utilisation des preuves scientifiques durant la pandémie

Article soumis à Policy Studies Journal (R&R)

Cette étude examine comment le cadrage, les preuves et les rôles des scientifiques et des décideurs politiques influencent les décisions de politique de santé publique pendant la pandémie de COVID-19 au Québec et en Suède. En utilisant le traitement automatique du langage naturel (TALN) sur les transcriptions de conférences de presse, nous analysons l'impact de différents cadrages sur les politiques de suppression et d'atténuation.

Résumé

Cette étude examine comment le cadrage, les preuves et les rôles des scientifiques et des décideurs politiques dans l'élaboration des politiques influencent les décisions de politique de santé publique pendant la pandémie de COVID-19 au Québec et en Suède. En utilisant un ensemble de données complet de transcriptions de conférences de presse, nous appliquons le traitement automatique du langage naturel (TALN) pour évaluer l'impact de différents cadrages sur les politiques de suppression et d'atténuation. Notre analyse révèle que le cadrage affecte les décisions politiques, souvent indépendamment des preuves. Au Québec, où les décideurs politiques étaient centraux, un cadrage Dangereux, qui souligne les graves menaces sanitaires de la COVID-19, est associé à une augmentation des politiques de suppression strictes, même en l'absence de preuves solides.

COVID-19CadragePolitiques publiquesTALNSanté publiqueAnalyse comparative

Document complet

Télécharger PDF

Auteurs

Antoine LemorÉric Montpetit

La diffusion des idées d'extrême droite à l'Assemblée Nationale : Une analyse longitudinale des déclarations de politique générale (1959-2024)

Article accepté à la Revue française de science politique (2025)

Cette étude analyse la diffusion des idées d'extrême droite dans les déclarations de politique générale des Premiers ministres français (1959-2024) en utilisant des méthodes de traitement automatique du langage naturel (TALN).

Résumé

Cette étude analyse la diffusion des idées d'extrême droite dans les déclarations de politique générale des Premiers ministres français (1959–2024) en utilisant des méthodes de traitement automatique du langage naturel (TALN). Elle développe et introduit le Score Idéologique d'Extrême Droite (SIED), un indicateur quantitatif conçu pour mesurer la proportion d'idées d'extrême droite dans le discours politique. Les résultats mettent en évidence trois périodes significatives : un pic pendant la guerre d'Algérie (1959-1961), un déclin après Mai 1968, et une montée constante à partir des années 1970, s'intensifiant après 2005.

Extrême droiteAnalyse du discoursTALNPolitique françaiseMétapolitiqueCooptation

Document complet

Télécharger PDF

Auteurs

Tristan BoursierAntoine Lemor

En cours

Lorsque les scientifiques évoquent les problèmes climatiques, est-ce que les décideurs politiques leurs répondent? Une analyse computationnelle

Projet CCF - Canadian Climate Framing

Cette étude utilise un corpus de plus de 250 000 articles de journaux canadiens (1988 à aujourd'hui) annotés à l'aide de techniques d'apprentissage automatique pour analyser les réponses politiques aux appels scientifiques sur le climat.

Résumé

Cette étude utilise un corpus de plus de 250 000 articles de journaux canadiens (1988 à aujourd'hui) annotés à l'aide de techniques d'apprentissage automatique, afin d'examiner si les interventions médiatiques des décideurs politiques en matière de climat font suite aux appels des scientifiques. Elle s'inscrit dans le cadre du projet CCF – Canadian Climate Framing, dirigé par Alizée Pillod. L'étude vise à comprendre les dynamiques temporelles entre discours scientifique et réponse politique dans le contexte canadien des changements climatiques.

Changements climatiquesAnalyse computationnelleDiscours politiqueCommunication scientifiqueMédias canadiensTALN

Document complet

Télécharger PDF

Auteurs

Antoine LemorAlizée PillodMatthew Taylor

YOUPOL : Une base de données textuelles de plus de 20 000 vidéos d'influenceurs politiques francophones sur YouTube (2006-2024)

Analyse de la radicalisation politique en ligne

Étude computationnelle sur les discours et les idées des influenceurs politiques francophones sur Youtube, analysant plus de 20 000 vidéos transcrites automatiquement.

Résumé

Ce projet développe YOUPOL, une base de données textuelles unique contenant les transcriptions automatiques de plus de 20 000 vidéos d'influenceurs politiques francophones sur YouTube de 2006 à 2024. En utilisant des techniques avancées de traitement automatique du langage naturel et d'apprentissage automatique, nous analysons l'évolution des discours politiques en ligne, les dynamiques de radicalisation et les réseaux d'influence. Cette ressource permet d'étudier comment les idées politiques se propagent, se transforment et se polarisent dans l'écosystème numérique francophone.

YouTubeRadicalisation politiqueInfluenceursTALNBase de donnéesAnalyse du discoursPolitique francophone

Document complet

Télécharger PDF

Auteurs

Antoine LemorTristan Boursier

Science crédible, science influente ? Étude computationnelle sur l'influence et la crédibilité des agences publiques de recherche scientifique en santé publique au Canada

Analyse de l'autorité épistémique des institutions scientifiques

Étude computationnelle sur l'influence des agences publiques de recherche et de conseil scientifique en santé publique au Canada, analysant leur crédibilité et leur impact sur les politiques publiques.

Résumé

Cette étude examine la relation entre crédibilité scientifique et influence politique des agences publiques de recherche en santé publique au Canada. En utilisant des méthodes computationnelles avancées, nous analysons comment l'autorité épistémique de ces institutions se traduit (ou non) en influence sur les décisions de politique publique. L'étude porte sur plusieurs agences clés, incluant l'INSPQ, Santé Canada et l'Agence de santé publique du Canada, et examine leur rôle durant les crises sanitaires récentes. Les résultats révèlent des dynamiques complexes entre expertise scientifique, légitimité institutionnelle et influence politique.

Santé publiqueConseil scientifiqueAutorité épistémiquePolitiques publiquesCanadaINSPQAnalyse computationnelle

Document complet

Télécharger PDF

Auteurs

Antoine Lemor

Construire une confiance durable: Analyse de la résilience des institutions scientifiques en santé publique au Québec et en Suède durant la pandémie de COVID-19

Projet ENDURE - Résilience institutionnelle

Ce projet compare la résilience des institutions de conseil scientifique en santé publique au Québec et en Suède pendant la pandémie de COVID-19, en mettant l'accent sur leur capacité à maintenir la confiance du public.

Résumé

Dans le cadre du projet ENDURE, cette étude comparative examine la résilience des institutions de conseil scientifique en santé publique au Québec et en Suède durant la pandémie de COVID-19. En analysant les stratégies de communication, les structures organisationnelles et les mécanismes d'adaptation, nous évaluons comment ces institutions ont maintenu (ou perdu) la confiance publique face aux défis sans précédent de la pandémie. L'étude révèle des approches contrastées : le modèle québécois centralisé versus le modèle suédois décentralisé, chacun présentant des forces et des vulnérabilités distinctes en termes de résilience institutionnelle.

COVID-19RésilienceConfiance publiqueInstitutions scientifiquesQuébecSuèdeSanté publiqueProjet ENDURE

Document complet

Télécharger PDF

Auteurs

Antoine LemorPhilippe Bourbeau

LLM Tool : Un pipeline hybride pour l'annotation automatique de texte à grande échelle utilisant des modèles de langage locaux et des classifieurs BERT

Développement d'une nouvelle approche méthodologique pour l'annotation automatisée

Ce projet présente LLM Tool, une chaîne de traitement innovante qui combine des modèles de langage de grande taille (LLMs) exécutés localement avec des classifieurs BERT pour permettre l'annotation entièrement automatisée de corpus textuels à grande échelle. Cette approche révolutionne l'annotation de textes en sciences sociales computationnelles.

Résumé

L'annotation de corpus textuels de grande taille constitue un goulot d'étranglement fondamental dans la recherche en sciences sociales computationnelles, en particulier pour les tâches complexes de classification multi-étiquettes en science politique. LLM Tool est une nouvelle chaîne hybride qui combine des modèles de langage locaux de grande taille (Gemma3:27B, Llama3.3:42B, Nemotron:42B, DeepSeek-R1:70B, GPT-OSS:120B) avec des classifieurs BERT pour permettre une annotation automatisée à grande échelle. Notre approche exploite ces LLMs open source, exécutés sur une infrastructure locale, pour générer des annotations initiales sur des échantillons stratifiés qui servent ensuite de données d'entraînement pour des modèles BERT spécialisés. Le système implémente une version étendue du schéma de codage du Comparative Agendas Project (CAP) adaptée au discours politique canadien, produisant des annotations selon 21 thèmes de politiques publiques, 9 partis politiques, 2 thèmes spécifiques et 3 dimensions de sentiments. Les résultats empiriques sur 1 593 débats parlementaires et articles médiatiques canadiens montrent que les modèles BERT entraînés sur annotations LLM atteignent un score Micro F1 de 0,6673, surpassant de 45% les modèles entraînés sur annotations humaines (0,4601).

Intelligence artificielleLLMBERTAnnotation automatiqueSciences sociales computationnellesClassification multi-étiquettesPolitique canadienneNLPMachine learning

Document complet

Télécharger PDF

Auteurs

Antoine LemorJérémy GilbertShannon DinanYannick Dufresne