Si vous voulez améliorer considérablement votre communication, mon conseil est le suivant : embauchez des physiciens1.
— Dominic Cummings, directeur de la campagne pro-Brexit en 2016.
La communication politique poursuit un objectif simple : rassembler le plus grand nombre possible de voix pour une élection.
Les moyens d'y parvenir sont, quant à eux, beaucoup moins simples. Et pour cause, il n'existe pas de formule secrète pour convaincre les électeurs. L'efficacité d'un message dépend d'une multitude de facteurs et ne peut jamais être prédite avec certitude.
L'une des intuitions erronées les plus répandues consiste à croire que l'audience augmente forcément l'influence. Selon cette logique, une interview regardée par 100 000 personnes aurait nécessairement plus d'impact qu'une intervention deux fois moins suivie. Or la visibilité d'un message ne garantit ni son adoption ni sa traduction en comportement.
Prenons l'exemple de l'« influenceur » Squeezie. Le 14 juin 2024, pendant la campagne des élections législatives, il publie sur Instagram un appel à faire barrage au Rassemblement National. Sa publication cumule 1,9 million de mentions J'aime. Pourtant, les sondages réalisés avant et après cette prise de parole ne révèlent aucune évolution significative des intentions de vote en faveur du RN chez les moins de 35 ans. Malgré cette visibilité considérable, aucun effet électoral net n'est donc observable2.
Cet exemple ne prouve pas que son intervention n'a produit aucun effet : celui-ci reste impossible à isoler3. Son audience était peut-être déjà majoritairement hostile au RN, ou alors la réponse de Jordan Bardella a pu contrebalancer son influence. Peut-être aussi que les sondages n'ont simplement pas capturé l'effet réel4. Toutes ces hypothèses sont sûrement vraies, du moins en partie.
Le contraste reste néanmoins étonnant lorsqu'on compare ce faible impact mesuré à un autre comportement que Squeezie a cherché à faire adopter : l'achat de sa boisson, le Ciao Kombucha. Celle-ci a généré en peu de temps des millions de ventes et conquis jusqu'à 64 % du marché français, en se reposant intégralement sur l'image publique de Squeezie5.
La formule d'Edward Bernays, pionnier des relations publiques, selon laquelle un gouvernement pourrait être vendu comme n'importe quelle marchandise, semble donc rencontrer ici une limite6. Essayer une boisson et changer un vote ne mobilisent ni les mêmes résistances ni les mêmes mécanismes d'adoption. Les communicants politiques le savent intuitivement. Reste à comprendre précisément pourquoi.
Pourquoi une même personnalité peut-elle facilement inciter à l'achat, mais beaucoup plus difficilement faire changer un vote ?
La science des réseaux permet d'aborder cette question en étudiant non seulement celui qui diffuse le message, mais aussi les relations sociales qui entourent ceux qui le reçoivent. Elle aide à comprendre pourquoi certains comportements se propagent plus facilement que d'autres et pourquoi tous les individus n'y sont pas également sensibles.
Dans cet article, nous verrons ainsi pourquoi certains comportements exigent plusieurs confirmations et comment cette compréhension peut aider les communicants à concevoir des stratégies plus efficaces.
Visibilité ≠ Influence
On appelle couramment « influenceurs » les personnalités disposant d'une large audience. Pourtant, ce que nous mesurons le plus facilement, notamment sur les réseaux sociaux, n'est pas leur influence, mais leur visibilité.
La publication anti-RN de Squeezie a d'abord été exposée à son audience, puis relayée par des utilisateurs, des médias et d'autres célébrités. Nous pouvons représenter cette diffusion sous forme de réseau : Squeezie publie un message, son audience le reçoit, puis certains membres le transmettent à leurs propres relations7.
Circulation du message
Le relais (rouge) publie un message. Ses abonnés directs (noirs) le voient, puis quatre d’entre eux le partagent à leurs propres relations (jaune).
Ici, la célébrité constitue un hub : un nœud relié à un nombre exceptionnellement élevé d'individus. Les hubs peuvent exposer directement une large audience, puis atteindre indirectement d'autres parties du réseau lorsque certains membres relaient son message8.
Il serait alors tentant de confondre cette diffusion avec de l'influence. Supposons que chaque personne exposée possède 10 % de chances d'adopter le comportement proposé : cent personnes exposées produiraient dix adoptions en moyenne, exposer deux cents personnes en produirait vingt. Doubler l'exposition doublerait mécaniquement le nombre de convaincus. La stratégie optimale consisterait donc à rechercher la plus grande audience possible.
Ce raisonnement n'est pas absurde. Et pour cause, il correspond à un autre type de propagation : celui des virus. Chaque contact avec une personne infectée constitue une nouvelle occasion de transmission, et plus les contacts sont répétés, plus la probabilité d'infection augmente9. Plus un individu infecté possède de relations, plus il peut provoquer de contaminations.
Mais un comportement électoral ne se transmet pas comme un virus.
D'abord, les électeurs ont des sensibilités très différentes. Un électeur nationaliste sera plus facilement convaincu de voter pour le RN qu'un militant du PS (s'il en reste encore). La réceptivité à un même message varie donc fortement d'un individu à l'autre.
Ensuite, les effets de ces expositions ne s'additionnent pas mécaniquement. Je peux répéter autant de fois à ma voisine pour qui voter, il y a peu de chances qu'elle change d'avis au bout de la centième fois. Une exposition répétée aux messages politiques d'une même source peut faire évoluer certaines attitudes10, mais pas de façon additive.
Le vote est un comportement coûteux
Pour modéliser le passage de l'exposition à l'adoption, nous pouvons attribuer à chaque individu un seuil propre au comportement considéré. Celui-ci représente le nombre de personnes de son entourage qui doivent avoir adopté un comportement (achat, vote…) avant qu'il l'adopte à son tour11.
Ce seuil condense les résistances à l'adoption : plus il est élevé, plus l'individu a besoin de renforcement de son entourage pour adopter le comportement.
Acheter un Ciao Kombucha à 2,89 € est relativement peu coûteux. Pour un fan de Squeezie, son seuil d'adoption pourrait être fixé à : la recommandation de 2 personnes, dont Squeezie, suffirait à déclencher l'achat. Pour des personnes qui n'aiment pas le Kombucha ni Squeezie, ce seuil serait plus élevé.
Changer de vote, en revanche, est un choix beaucoup plus « coûteux » : il peut entrer en conflit avec des convictions, une identité politique, un groupe d'appartenance ou des intérêts personnels. Il exige donc généralement un renforcement social plus important. Un seuil de signifierait ainsi qu'au moins 30 % de l'entourage de l'électeur doivent soutenir ce candidat avant qu'il envisage de faire de même. Ce seuil dépend, entre autres, de la proximité politique : il sera plus faible si le candidat défend des idées proches de celles de l'électeur, et plus élevé si leurs positions sont éloignées.
Notons que le seuil peut être absolu ou proportionnel, selon que le coût du comportement dépend ou non de la composition de l'entourage. Acheter un Ciao Kombucha coûte toujours 2,89 €, que j'aie dix ou cent relations. À l'inverse, le coût social d'un vote peut augmenter avec le nombre de proches qui s'opposent au parti concerné. Le renforcement nécessaire s'exprime alors mieux en proportion de l'entourage.
Modèle à seuil
3 relations sur 10 ont déjà adopté : le seuil de 40 % n’est pas atteint. L’individu central conserve donc son comportement initial.
Dans sa forme la plus simple, ce modèle suppose que toutes les relations exercent la même influence. Une version plus réaliste attribue à chacune un poids différent : l'adoption survient lorsque la somme des soutiens pondérés franchit le seuil de l'individu.
Ces poids dépendent à la fois de la relation et du comportement considéré. L'avis d'un proche compte généralement davantage que celui d'une simple connaissance. Sur une question économique, toutefois, celui d'un économiste peut l'emporter sur celui d'un ami non spécialiste. Ces poids évoluent également avec la confiance, la familiarité et la force de la relation. L'influence n'est donc pas une propriété fixe d'un individu : elle est relationnelle, contextuelle et dynamique12.
Dans tous les cas, un seuil plus élevé traduit un besoin plus important de renforcement social. Damon Centola, l'un des principaux chercheurs sur la contagion complexe, distingue quatre mécanismes susceptibles de produire ce besoin de renforcement social :
- Complémentarité stratégique : l'utilité d'un comportement augmente avec le nombre de personnes qui l'adoptent.
- Crédibilité : plusieurs adoptions concordantes réduisent l'incertitude sur les bénéfices du comportement.
- Légitimité : plus un comportement est répandu, plus il devient socialement acceptable.
- Contagion émotionnelle : l'enthousiasme associé à un comportement augmente lorsqu'il est partagé.
Le vote coche toutes ces cases. Un parti ne peut gagner que s'il rassemble suffisamment d'électeurs ; une progression visible renforce sa crédibilité ; des soutiens publics rendent le choix plus légitime ; une dynamique collective peut enfin susciter de l'enthousiasme13.
Certaines personnes peuvent d'ailleurs être complètement imperméables au renforcement social. Aucun niveau réaliste de pression sociale ne suffirait à modifier leur comportement, à l'instar de Victor Hugo dans son opposition à Napoléon III : « S'il n'en reste qu'un, je serai celui-là ! » Eh bien, nous n'aurions peut-être pas pu convaincre Victor Hugo, mais une campagne électorale n'a pas besoin de convaincre tout le monde. Elle doit « juste » atteindre une masse critique suffisante pour déclencher une dynamique collective14.
La différence entre les deux types de contagion peut maintenant être définie :
Topologie de l'influence
La contagion complexe montre qu'un comportement coûteux ne se diffuse pas par simple exposition. Son adoption exige souvent plusieurs signaux convergents provenant de sources différentes.
Lorsqu'une célébrité veut convaincre son audience, elle ne fournit pourtant qu'une seule source de renforcement. Celui-ci peut être décisif pour une personne dont plusieurs proches soutiennent déjà le comportement, mais s'il reste isolé dans son entourage, il a moins de chances de lui faire franchir son seuil d'adoption.
L'efficacité du message dépend donc de la structure de la communauté dans laquelle il arrive. Dans une communauté dense16, les membres entretiennent de nombreuses relations entre eux : une même personne peut donc observer le soutien de plusieurs membres de son entourage. Si certains sont déjà acquis à la cause, le message de la célébrité ne reste pas isolé, mais s'ajoute à des signaux convergents susceptibles de lui faire franchir son seuil.
À l'inverse, une personnalité généraliste comme Squeezie peut toucher une multitude de communautés sans que sa parole politique constitue une référence commune au sein de l'une d'elles. Son audience est certes majoritairement jeune, mais « les jeunes » forment une catégorie démographique, pas une communauté dont les membres seraient étroitement liés. Son message bénéficie ainsi d'une portée immense, mais arrive souvent comme un signal isolé, sans être renforcé par les opinions exprimées dans l'entourage de ceux qui le reçoivent.
Densité et propagation
Même relais, mêmes soutiens initiaux et même seuil. Seuls les liens entre les membres changent.
Communauté peu dense
Pas de propagation
Communauté très dense
Bascule collective
L'adoption d'un comportement n'est pas un phénomène isolé. Dès qu'elle devient visible, elle modifie les conditions de persuasion des autres membres du réseau. Un message peut ainsi convaincre un électeur hésitant, mais aussi inciter un soutien jusque-là silencieux à exprimer publiquement son opinion. Dans les deux cas, un nouveau signal apparaît pour son entourage.
Dans une communauté dense, ce signal peut être observé par plusieurs membres interconnectés. Certains franchissent alors leur seuil, puis deviennent à leur tour des sources de renforcement, produisant un effet boule de neige. Cette propagation en chaîne, où chaque adoption favorise les suivantes, constitue une cascade d'adoption.
Les personnalités capables de déclencher ces cascades ne sont pas nécessairement celles qui réunissent la plus grande audience. La taille de leur public et de leurs cascades passées restent les meilleurs indicateurs de la portée future de leurs messages17, mais ne suffisent pas. Leur potentiel dépend aussi de leur position dans le réseau et de leur relation avec leur audience18.
Cascade d’adoption
Le relais peut faire franchir leur seuil à ses voisins, qui activent à leur tour une nouvelle partie du réseau.
La persuasion n'est toutefois pas qu'une question de topologie. L'influence d'une personnalité dépend aussi de sa crédibilité perçue sur le sujet concerné et de sa proximité avec son public. Cette proximité ne diminue pas nécessairement avec la taille de l'audience : elle peut être nourrie par la régularité des prises de parole, la familiarité et le sentiment d'appartenir à une même communauté19.
Conséquences pour les campagnes
La contagion complexe, les modèles à seuil et, plus largement, la science des réseaux ne sont pas juste intéressants intellectuellement. Ces approches peuvent aider le communicant à mieux choisir le comportement à provoquer, les communautés à cibler et les relais à mobiliser.
Jusqu'ici, nous avons raisonné comme si le réseau des électeurs était déjà connu et prêt à être utilisé. En pratique, il n'existe pas de base de données avec l'entourage de chaque électeur et l'influence que chacun exerce sur lui. Je ne connais pas vos amis ni votre famille, et encore moins le crédit que vous accordez à chacun sur les questions politiques.
Nous sommes donc contraints de construire une représentation partielle de ce réseau. Une approche possible consiste à utiliser les interactions publiques observées sur les réseaux sociaux : chaque nœud représente alors un compte et chaque lien une interaction positive, comme un partage ou une mention J'aime20. Le réseau obtenu ne reproduit pas l'ensemble des relations sociales, mais en fournit une approximation exploitable.

Nous n'entrerons pas ici dans les détails de la construction d'un tel réseau. Cette approche présente de nombreuses limites, dont certaines seront évoquées à la fin de l'article. Elle permet néanmoins de repérer des communautés, les liens qui les unissent et la position occupée par chaque personnalité, en tout cas sur les réseaux sociaux21.
À partir de ces données, nous pouvons identifier les communautés les plus susceptibles de basculer. Ce ne sont pas nécessairement les plus grandes ni celles qui comptent le plus d'indécis, mais celles qui combinent une forte densité de relations, une relative fermeture sur elles-mêmes et quelques soutiens déjà acquis. Une fois le message introduit, il peut y être renforcé par plusieurs membres du groupe, tout en rencontrant moins de signaux contradictoires venus de l'extérieur22.
Le message peut alors faire adopter le comportement à l'électeur de trois manières :
- En lui apportant directement la confirmation qui lui manquait.
- En convainquant l'un de ses proches, qui deviendra une nouvelle source de renforcement.
- En incitant un soutien jusque-là silencieux à exprimer publiquement son opinion, transformant une adhésion invisible en signal perceptible par son entourage.
Ainsi, même si l'objectif final du communicant reste de rassembler le plus de voix possible, son objectif immédiat peut être d'encourager ses soutiens à afficher publiquement leur adhésion23. Leur prise de parole fournira à leurs proches un renforcement social qui peut être déterminant pour eux24.
Le modèle peut ensuite comparer les relais capables d'atteindre ces communautés. Il s'agit des individus (célébrités, cadres du parti ou militants) susceptibles de créer les plus grandes cascades d'adoption au sein de la communauté25. Les algorithmes d'Influence Maximization sélectionnent la combinaison de personnalités présentant le meilleur potentiel de diffusion compte tenu de leur position dans le réseau26.
Pour une communauté donnée, le modèle permet ainsi d'identifier, parmi les personnalités mobilisables, celles qui présentent le meilleur potentiel de diffusion et de persuasion.
Cette sélection ne se limite pas aux plus grandes audiences. Comme nous l'avons vu, une personnalité de niche fortement implantée dans une communauté dense peut y exercer davantage d'influence qu'une célébrité généraliste beaucoup plus suivie.
L'impact exact de chaque relais reste toutefois impossible à prévoir. En mobiliser plusieurs permet de répartir cette incertitude : l'efficacité globale de la campagne dépend moins du succès d'une personnalité unique, les activations décevantes pouvant être compensées par les autres27.
Ces modèles ne remplacent pas le jugement du communicant. Ils lui permettent de comparer, mesurer et simuler différentes stratégies. Son sens politique reste indispensable pour choisir les comportements recherchés, les communautés prioritaires et les messages à employer.
Nous avons donné ici un petit aperçu de ce que la contagion complexe et, plus largement, la science des réseaux permet de faire en communication électorale28.
Ces usages restent néanmoins soumis à d'importantes contraintes, qui tiennent autant aux modèles eux-mêmes qu'aux données nécessaires pour les appliquer.
Contraintes
La contagion complexe a de nombreuses applications pratiques, mais elle reste un modèle. « Tous les modèles sont faux, certains sont utiles » remarquait George Box. Elle constitue davantage un outil d'aide à la décision qu'une théorie complète de la formation de l'opinion.
Ces contraintes n'empêchent donc pas son utilisation : elles déterminent surtout la nature des résultats que nous pouvons en attendre. Le modèle permet plus facilement de comparer plusieurs stratégies que de prédire précisément leurs résultats.
D'abord, le modèle à seuil ne cherche pas à expliquer pourquoi une personne change d'avis, ni à présenter le renforcement social comme l'unique moteur de l'adoption. Le seuil d'adoption ne fait que résumer numériquement l'effet de différentes résistances (convictions, identité politique, coût social, intérêts personnels ou aversion au risque) sur la quantité de renforcement nécessaire. Dans ce modèle, plus un choix s'éloigne des préférences initiales d'un individu, plus son seuil est supposé élevé et il ne pourra considérer ce choix que si une part importante de son entourage l'a déjà adopté.
Nous n'avons pas non plus cherché à savoir pourquoi nous sommes davantage convaincus lorsque plus de personnes de notre entourage adoptent un comportement. Cet état de fait, d'ordre psychologique, est pourtant bien connu, notamment sous le nom de « bandwagon effect ».
Ensuite, l'application pratique que nous avons explorée dans la précédente section est une simplification extrême de l'utilisation réelle de ces phénomènes.
Le réseau de relations que nous avons construit à partir des réseaux sociaux ne constitue pas une carte fidèle de la société. Tout le monde n'utilise pas les réseaux sociaux, tout le monde ne s'y exprime pas publiquement et leurs utilisateurs ne sont pas représentatifs du reste de la population. Certains segments démographiques, sociologiques ou idéologiques sont sur-représentés sur certaines plateformes.
Les seuils d'adoption et le poids réel des influences ne sont pas non plus directement observables. Ils doivent être estimés à partir de traces partielles. Même après coup, il reste difficile de distinguer la contagion de l'homophilie : deux amis ont-ils la même opinion parce qu'ils sont amis, ou sont-ils amis parce qu'ils ont la même opinion ?29
Enfin, une campagne ne se déroule jamais dans un environnement stable. L'actualité et les actions des adversaires modifient continuellement les opinions, les comportements et les rapports de force 30. Notre réseau n'est donc qu'une photographie provisoire d'une population mouvante.
Il reste ainsi impossible de prédire exactement combien de voix apportera la prise de parole d'une personnalité. Mais cette précision n'est pas nécessaire : une campagne cherche surtout à comparer ses options. Nous ne pourrons pas annoncer combien d'électeurs seront convaincus, mais nous pourrons identifier, selon nos hypothèses, les relais et les communautés qui présentent le meilleur potentiel.
Ces contraintes compliquent surtout l'implémentation, sans toutefois la rendre insurmontable. Construire une représentation pertinente de la population et estimer les paramètres du modèle, notamment les seuils d'adoption, exigent un important travail, à la croisée de la science des réseaux, de l'ingénierie logicielle, des statistiques et des sciences comportementales. C'est ce travail qui transforme un modèle théorique en outil d'aide à la décision.
Conclusion
À travers cet article, j'ai souhaité donner un aperçu de ce que permettent de faire les modèles mathématiques une fois utilisés en communication électorale sur des données réelles.
Les idées politiques suivent une contagion complexe et nécessitent donc du renforcement social pour être adoptées, contrairement aux virus ou aux informations qui suivent un processus de contagion simple.
La représentation des électeurs et de leurs relations sous forme de réseau, couplée au modèle de la contagion complexe, permet d'utiliser des algorithmes de diffusion qui identifient les personnalités publiques et les communautés à activer en priorité.
Loin de remplacer les communicants politiques, ces modèles les aident à tester leurs intuitions face à des dynamiques trop complexes pour être analysées directement. L'humain reste au centre, car lui seul possède ce « sens politique » impossible à encoder dans un algorithme.
Dans la pratique, nous n'utilisons pas ces modèles pour diffuser directement un comportement de vote, mais plutôt pour inciter les soutiens déjà acquis à exprimer leur adhésion auprès de leur entourage. Il s'agit d'un autre comportement, avec des seuils différents, et qui s'adresse à des communautés spécifiques.
La conception et l'application de ces méthodes nécessitent le travail d'ingénieurs capables de comprendre les mécanismes de diffusion de l'opinion, et de concevoir des algorithmes adaptés aux problématiques des communicants.
Ces méthodes ne sont pas qu’une curiosité théorique : elles sont déjà mises en application dans des outils comme ceux que nous développons pour aider les communicants politiques à identifier les communautés à convaincre, à mobiliser les bons relais et à étendre leur influence.
La contagion complexe est un exemple parmi d'autres de travaux scientifiques dont l'application rigoureuse en communication politique permet d'accomplir plus efficacement son objectif : rassembler plus de voix.
Notes et références
Mesurer cet effet supposerait de savoir ce qui se serait produit si Squeezie n'avait pas publié son message. Or, les intentions de vote dépendent d'une multitude de facteurs interdépendants : actualité, autres prises de parole, réactions adverses ou dynamiques propres à chaque électorat. Il est donc impossible d'isoler, à partir de la seule évolution des sondages, ce qui se serait passé en l'absence de son intervention. Ce constat invite néanmoins à relativiser l'équation naïve « grosse audience = gros impact électoral ». ↩
Dans « The Strength of Weak Ties » (1973), Mark Granovetter explique comment l'information circule entre des groupes sociaux. Nos amis sont souvent amis entre eux : une information peut donc circuler dans notre cercle sans atteindre de nouvelles personnes. Une simple connaissance, extérieure au groupe, peut en revanche nous relier à d'autres cercles : nous racontons une rumeur à notre boulanger, qui la transmet à un autre client, appartenant à un autre cercle d'amis. Un créateur de contenu peut lui aussi toucher plusieurs groupes autrement peu connectés entre eux. Lorsque son audience traverse différentes communautés, il permet à une même information de circuler bien au-delà d'un seul cercle social. ↩
Sur les réseaux sociaux, la diffusion d’une publication ne se limite pas aux abonnés de son auteur : les systèmes de recommandation peuvent aussi l’exposer à d’autres utilisateurs. Voir, par exemple, le code du système de recommandation publié par X.com. ↩
Dans ce modèle simplifié, chaque contact constitue une tentative indépendante de transmission. Si chaque contact transmet avec une probabilité , la probabilité d'avoir été contaminé après contacts est . Avec, , elle atteint donc après un contact, deux contacts, après trois, etc. ↩
À ce sujet, lire « How Social Media Creators Shape Mass Politics: A Field Experiment during the 2024 US Elections » (Kirill Chmel et al., 2025). Les auteurs montrent qu'une exposition régulière à des créateurs progressistes conduit à l'adoption de positions plus progressistes. ↩
Le modèle à seuil des comportements collectifs a été formalisé dans « Threshold Models of Collective Behavior » (Mark Granovetter, 1978). L'auteur y définit le seuil comme le point à partir duquel les bénéfices perçus d'un comportement dépassent les coûts perçus. ↩
« How Social Media Creators Shape Mass Politics: A Field Experiment during the 2024 US Elections » (Kirill Chmel et al., 2025) montre que les effets d'un contenu sur les attitudes politiques sont plus importants lorsque les participants se sentent proches des créateurs et les jugent fiables. ↩
Voir « Experimental Evidence for Tipping Points in Social Convention » (Centola et al., 2018), consacré à l'étude de la masse critique et de son rôle dans l'adoption d'une convention sociale au sein d'un groupe. ↩
Dans la version non pondérée du modèle, peut désigner un seuil absolu ou proportionnel. La condition , qui caractérise une contagion complexe, ne s'applique toutefois qu'au nombre de soutiens requis. Un seuil proportionnel doit donc être converti en seuil absolu : où désigne la taille de l'entourage. Ainsi, avec et , le seuil absolu vaut : l'adoption nécessite trois soutiens distincts et relève donc d'une contagion complexe. ↩
La densité d'un groupe correspond à la proportion des liens possibles entre ses membres qui existent effectivement. Pour un réseau dirigé sans boucles, elle vaut , où est le nombre de nœuds du groupe et le nombre de liens dirigés entre eux. Une densité de 1 signifie que chaque membre est relié à tous les autres dans les deux sens. ↩
« Everyone's an Influencer: Quantifying Influence on Twitter » (Bakshy et al., 2011) identifie le nombre d'abonnés et la diffusion passée auprès des abonnés directs comme les principaux prédicteurs étudiés de la taille moyenne des cascades futures. Notons néanmoins que ces cascades concernent le partage de liens sur Twitter, un comportement à priori peu coûteux. ↩
Voir « A Simple Model of Global Cascades on Random Networks » (Watts, 2002) sur le rôle des connexions d'un individu dans sa capacité à déclencher une cascade. Certaines conclusions du modèle demandent toutefois à être adaptées à notre cas. Chez Duncan Watts, les liens sont non dirigés : les personnes qu'un hub peut influencer sont aussi celles qui peuvent l'influencer. À seuil proportionnel égal, un hub a donc besoin d'un plus grand nombre de voisins déjà convaincus pour basculer. Dans notre modèle, ces deux dimensions sont dissociées : une célébrité influence beaucoup plus de personnes sans nécessairement recevoir davantage d'influences. Sa grande audience ne la rend donc pas mécaniquement plus difficile à convaincre. ↩
« Theorizing Development of Parasocial Engagement » (Tukachinsky et Stever, 2018) décrit le développement des relations parasociales comme un processus progressif, favorisé par l'exposition régulière, la similarité perçue, l'adresse directe au public, le dévoilement personnel et l'impression de réciprocité. Modéliser cette relation reste toutefois délicat : elle ne se développe pas comme une intensité unique et linéaire, mais à travers plusieurs étapes qualitativement distinctes. ↩
Cette implémentation est largement inspirée de « Political Polarization on Twitter » (Conover et al., 2011), dans lequel les auteurs construisent un réseau à partir de 252 300 tweets politiques. Chaque nœud représente un compte et chaque lien un retweet entre deux comptes. ↩
La question se pose de savoir si une stratégie fondée sur les réseaux sociaux peut produire des effets au-delà des plateformes. La question dépasse le cadre de cet article, mais deux mécanismes au moins relient ces espaces. D'une part, les publications peuvent être reprises par les médias ou circuler dans les conversations entre proches. D'autre part, elles peuvent faire évoluer l'opinion d'un utilisateur, qui devient ensuite, hors ligne, le relais des idées auxquelles il a été exposé. ↩
La question se pose alors de savoir comment atteindre les communautés peu denses. Une approche consiste à commencer par leurs sous-communautés les plus denses. Une autre consiste à repérer les moments où leurs interactions se resserrent. Dans sa conférence « Social systems under exogenous shocks » (IC2S2, 2017), Daniel Romero présente notamment une étude dans laquelle des chocs exogènes s'accompagnent d'un resserrement des interactions autour des liens forts et d'une diminution des échanges avec l'extérieur. Certains chocs peuvent ainsi renforcer la fermeture d'un groupe, ce qui peut favoriser le renforcement social en son sein. ↩
Un troisième objectif peut être de rendre le comportement adopté plus durable. Le renforcement social peut en effet favoriser non seulement son adoption, mais aussi son maintien dans le temps. Voir « The Spread of Behavior in an Online Social Network Experiment » (Centola, 2010). ↩
Le franchissement d'un seuil dépend moins du nombre réel de soutiens que du nombre de soutiens visibles. Or, ceux-ci ne constituent qu'un échantillon partiel, susceptible de déformer la perception du rapport de force. C'est notamment l'un des intérêts des réunions publiques et des déplacements de campagne : rendre une adhésion localement visible. Voir une foule rassemblée, en particulier des proches, autour d'un candidat dans une ville de province peut ainsi donner l'impression que celui-ci bénéficie d'un soutien important dans la ville. ↩
Certains relais seront utiles pour convaincre au sein d'une communauté, d'autres pour faire passer le comportement d'une communauté à une autre. Pour une contagion complexe, une connexion isolée suffit rarement : le passage peut nécessiter un « pont large », permettant aux membres de la communauté visée de recevoir le renforcement de plusieurs sources distinctes. Voir « Complex Contagions and the Weakness of Long Ties » (Centola et Macy, 2007). ↩
Voir, par exemple, « Maximizing the Spread of Influence through a Social Network » (Kempe, Kleinberg et Tardos, 2003). Les auteurs utilisent un algorithme glouton qui sélectionne successivement le relais apportant le plus grand gain de diffusion attendue, estimé par simulations de Monte-Carlo. ↩
Le recours à des personnalités moins suivies peut aussi présenter un avantage économique. Dans « Everyone's an Influencer » (Bakshy et al., 2011), les auteurs modélisent un coût fixe par relais et un coût variable proportionnel à son audience. Lorsque le coût fixe reste faible, multiplier les petits relais peut offrir un meilleur rendement que concentrer ses moyens sur quelques grands influenceurs. ↩
En particulier, nous avons vu comment le renforcement social peut faire franchir les seuils d'adoption. Une autre stratégie, que nous n'avons pas abordée, consiste à abaisser ces seuils, autrement dit à rendre une idée plus acceptable pour réduire le renforcement nécessaire à son adoption. Les seuils dépendent notamment du rapport entre bénéfices et risques perçus. Nous pouvons donc supposer qu'une idée considérée comme plus crédible ou légitime rencontre moins de résistance. Une présence médiatique soutenue de cette idée, ou d'idées plus extrêmes, peut contribuer à cette normalisation. Dans cette lecture, l'entrée d'une idée dans la fenêtre d'Overton pourrait se traduire par un abaissement des seuils d'adoption. ↩
Une campagne cherche à diffuser un comportement alors que ses adversaires tentent d'en faire adopter d'autres dans le même réseau. Ces diffusions interagissent : lorsqu'un adversaire convainc un électeur qui vous soutenait de voter pour lui, il gagne une voix et vous en perdez une. L'efficacité d'une stratégie dépend donc aussi de celles des concurrents. Voir « Competitive Contagion in Networks » (Goyal et Kearns, 2011). ↩