Intelligence artificielle et analyse des déclarations de politique générale en France de 2017 à 2024

Abdelhak Abderrahmane Bensebia; Lineda Bambrik

doi:10.25145/j.cedille.2025.27.12

Abdelhak Abderrahmane Bensebia Université d'Oran2 Mohamed Ben Ahmed https://orcid.org/0000-0002-8042-0464
Lineda Bambrik https://orcid.org/0000-0003-0583-9350

DOI: https://doi.org/10.25145/j.cedille.2025.27.12

Palabras clave: Francia, declaración general, similitudes lingüísticas, retórica, discursividad, logometría

Resumen

El objetivo de esta contribución es explorar un corpus político constituido por los discursos de política general de la V República Francesa de 2017 a 2024, utilizando los métodos y técnicas del análisis estadístico y del análisis hiperprofundo. El objetivo de este estudio es trazar la historia de este ritual político, caracterizar su evolución lingüística, comprender sus objetivos y propiedades textuales, y analizar a continuación las singularidades que definen a cada Primer Ministro y las opciones retóricas adoptadas. Se trata de un ejercicio que requiere una atención particular en la medida en que se tendrán en cuenta dos factores. El primero es histórico. A menudo se evoca el contexto histórico-político para arrojar luz y dibujar el panorama de las reformas emprendidas. El primero consiste en determinar y comprender lo que caracteriza a los dos mandatos presidenciales en términos de opciones políticas con el fin de identificar las opciones lingüísticas.

Biografía del autor/a

Abdelhak Abderrahmane Bensebia, Université d'Oran2 Mohamed Ben Ahmed

Abdelhak Abderrahmane BENSEBIA (42 años) es profesor titular en la Universidad Mohamed Ben Ahmed de Orán2 desde 2009. Es doctor (Doctorat en Sciences du Langage en 2010 dans le cadre de l'Ecole doctorale algéro-française de français à l'Université d'Oran en cotutelle avec l'Université de Paris 12). Obtuvo la Habilitation à diriger des recherches (HDR) en 2014 y un Magister en sciences du langage en 2005. Está especializado en inteligencia artificial de textos, aprendizaje profundo e hiperprofundo, análisis del discurso y análisis de contenido, y enseña análisis estadístico y estilístico de distintos tipos de discurso en el marco de la Escuela Francesa de Análisis del Discurso.
Ha publicado una veintena de artículos a nivel nacional e internacional. Su producción científica se centra principalmente en la enseñanza del análisis del discurso y en el análisis de diferentes tipos de discurso utilizando diferentes herramientas metodológicas y estadísticas para comprender las características específicas de cada tipo de corpus.

Lineda Bambrik

Profesora de Literatura General y Comparada y de Inteligencia Artificial de Textos en la Facultad de Lenguas Extranjeras de la Universidad de Orán2 Mohamed Ben Ahmed (Argelia) desde 2006. Sus investigaciones se centran en el análisis de textos asistido por ordenador y la inteligencia artificial aplicada a textos literarios y políticos.

Citas

BEAUDOIN, Valérie (2016) : « Retour aux origines de la statistique textuelle : Benzé-cri et l’école française d’analyse des données », in Damon Mayaffre et al. (coord.), JADT 2016 : 13es Journées internationales d’analyse statistique des données textuelles. Nice : Presses de FacImprimeur, 17-27. URL : https://hal.science/hal-01376938/document

BENSEBIA, Abdelhak & Lineda BAMBRIK (2023) : « Les discours inauguraux de la Ve République française. Exploration statistique des modalités énonciatives ». Çédille, 24, 239-266. DOI : https://doi.org/10.25145/j.cedille.2023.24.13

BENSEBIA, Abdelhak & Lineda BAMBRIK (2022) : « Analyse avec Iramuteq du dis-cours de la campagne électorale des présidentielles en France 2022. Analyses thématique et rétorique ». Altralang Journal, 4, 172-212. URL : https://asjp.cerist.dz/en/article/209156

BENZECRI, Jean Paul (1992) : Correspondence Analysis Handbook, New-York, Basel, Hong Kong, Marcel Dekker, Inc.

BENZECRI, Jean Paul (1982) : Histoire et préhistoire de l’analyse des données. Paris, Dunod.

BENZECRI, Jean Paul et al. (1981) : Pratique de l’analyse des données, Linguistique et lexicologie. Paris, Dunod.

BRUNET, Étienne & Laurent VANNI (2019) : « Deep learning et authentification des textes ». Texto ! Textes et Cultures, XXIV, 1, 1-34. URL : http://www.revue-texto.net/docannexe/file/4194/texto_brunetvanni_deep_final.pdf

DEBRE, Michel (2017) : « La présence du général de Gaulle est la première de nos nécessités nationales », in Jean Garrigues (dir.), Les grands discours parle-mentaires de Mirabeau à nos jours. Paris, Armand Colin, 388-392. URL : https://doi.org/10.3917/arco.garri.2017.01.0388

FONVIEILLE-VOJTOVIC, ALINE (1993) : Paul Ramadier (1888-1961). Élu local et homme d’État. Paris, Éditions de la Sorbonne. URL : https://books.openedition.org/psorbonne/68964

GUARESI, Magali (2020) : « Décrire les textes politiques par le deep learning : à la recherche de nouveaux observables ». JADT 2020 - 15es Journées internatio-nales d’Analyse statistique des Données Textuelles, Jun 2020, Toulouse. URL : https://hal.science/hal-03167188v1/document

GUARESI, Magali & Damon MAYAFFRE (2021) : « Intelligence artificielle et discours politique. Quelles plus-values interprétatives ? Application aux corpus par-lementaire et présidentiel contemporains », in Damon Mayaffre & Laurent Vanni (dir.), L’intelligence artificielle des textes. Des algorithmes à l’interprétation. Paris. Honoré Champion, (Collection Lettres numériques), 131-182. URL : https://hal.science/hal-03347997/document

LABBE, Cyril & Dominique LABBE (2003) : « La distance intertextuelle ». Corpus, 2, 95-118.

LEBART, Ludovic, Bénédicte PINCEMIN & Céline POUDAT (2019) : Analyse des don-nées textuelles. Québec, Presses de l’Université du Québec.

LEBART, Ludovic & André SALEM (1994) : Statistique textuelle, Paris, Dunod.

MARCHAND, Pascal (2010) : « De l’affrontement partisan à la violence symbolique : la déclaration de politique générale dans la Ve République ». Parlement [s], Revue d’histoire politique, 14, 2, 49-66. DOI : https://doi.org/10.3917/parl.014.0049

MARCHAND, Pascal (2007) : Le grand oral. Les discours de politique générale de la Ve République. Bruxelles, De Boeck Université.

MAYAFFRE, Damon, Magali GUARESI & Laurent VANNI (2020) : « Ces mots que Ma-cron emprunte à Sarkozy. Discours et intelligence artificielle ». Corpus, 21. URL : http://journals.openedition.org/corpus/5105

MAYAFFRE, Damon (2008) : « De l’occurrence à l’isotopie. Les co-occurrences en lexicométrie ». Syntaxe & Sémantique, 9, 53-72. URL : https://shs.cairn.info/revue-syntaxe-et-semantique-2008-1-page-53?lang=fr

MIKOLOV, Thomas et al. (2013) : « Distributed representations of words and phrases and their compositionality », in C. Burges et al. (éd.), Advances in neural information processing systems, 26, 3111–3119.

TADONNET, Maxime (2017) : « 2. Adolphe Thiers, fondateur d’une république : 1871-1873 », in Maxime Tadonnet (dir.), Histoire des présidents de la Répu-blique, Paris, Perrin, 61-85.

VANNI, Laurent & Frédéric PRECIOSO (2021) : « L’intelligence artificielle des textes », in Damon Mayaffre et Laurent Vanni (dir.), L’intelligence artificielle des textes - Des algorithmes à l’interprétation. Paris, Honoré Champion.

VANNI, Laurent, Dominique CORNELI, Dominique LONGREE, Damon MAYAFFRE & Frédéric PRECIOSO (2020) : « Hyperdeep : deep learning descriptif pour l’analyse de données textuelles ». JADT 2020 - 15es Journées internationales d’analyse statistique des données textuelles, Jun 2020, Toulouse. URL : http://hal.science/hal-02926880v1

VANNI, Laurent, Mélanie DUCOFFE, Damon MAYAFFRE, Frédéric PRECIOSO, Domi-nique LONGREE, Vareesh ELANGO, Santos Nazly BUITRAGO, Juan Gonzales HUESCA, Luis GALDO & Carlos AGUILAR (2018) : « Text deconvolution sa-liency (tds) : a deep tool box for linguistic analysis », in Iryna Gurevych & Yusuke Miyao, Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Melbourne, Asso-ciation for Computational Linguistics. URL : https://hal.science/hal-01804310v1

VANNI, Laurent & Adiel MITTMANN (2016) : « Cooccurrences spécifiques et repré-sentations graphiques, le nouveau “ Thème ” d’Hyperbase ». JADT 2016 – 13es Journées internationales d’analyse statistique des données textuelles, Jun 2016, Nice, 295-305. URL : https://hal.science/hal-01359413v1