Un algorithme peut-il prédire l'avenir d'un politicien simplement en analysant ses tweets ? | Karina Petrova, PsyPost Un nouveau modèle statistique a réussi à classer les membres du Congrès américain en groupes politiques et législatifs distincts uniquement sur la base de leurs schémas d'interaction sur la plateforme de médias sociaux X. Publiée dans le Journal of Computational and Graphical Statistics, l'étude a également identifié un petit nombre d'outliers dont le comportement en ligne semblait signaler des ambitions pour un poste plus élevé. Les politiciens utilisent des plateformes publiques pour communiquer leurs principes et leurs positions politiques aux électeurs. Au-delà des déclarations formelles, beaucoup cultivent également une image personnelle à travers leurs choix de langage et de style. Avec une grande partie des messages politiques se déroulant désormais en ligne, les chercheurs ont enquêté sur la manière dont les élus se positionnent en s'associant stratégiquement à d'autres membres de leur coalition. La nouvelle étude a été menée par Benjamin Leinwand, professeur adjoint de sciences mathématiques à l'Institut de technologie Stevens, et Vince Lyzinski, professeur de mathématiques à l'Université du Maryland. Ils se spécialisent dans la science des réseaux, un domaine qui analyse les connexions au sein de systèmes complexes. Ils ont cherché à déterminer si un modèle pouvait déduire la structure sous-jacente d'un réseau politique en observant uniquement les interactions, sans recevoir d'informations sur les affiliations politiques ou la chambre à laquelle appartient un membre du Congrès. Pour comprendre le paysage social du Congrès, les chercheurs avaient besoin d'un outil capable de cartographier le complexe réseau d'interactions en ligne. Au cœur de tout modèle statistique, on tente de calculer une valeur simple pour chaque paire d'individus : la probabilité qu'ils se connectent. Cela produit une carte du réseau, montrant quelles connexions sont probables et lesquelles ne le sont pas. Certains modèles de réseau largement utilisés abordent cette tâche en combinant quelques facteurs clés. Par exemple, un modèle pourrait estimer la probabilité d'une connexion en multipliant le score de "sociabilité" individuel d'une personne par un score représentant l'interactivité de son groupe. Cette méthode fonctionne bien dans de nombreux scénarios, mais elle peut échouer dans des réseaux avec des variations extrêmes. Le problème se pose dans des communautés densément connectées où quelques individus sont exceptionnellement actifs. Dans de tels cas, le modèle pourrait attribuer des scores de sociabilité très élevés à ces personnes actives et un score d'interaction élevé à leur groupe. Lorsque ces scores élevés sont multipliés ensemble, la probabilité résultante peut dépasser 1, ou 100 pour cent. C'est une impossibilité mathématique qui signale que le modèle ne parvient pas à représenter avec précision les dynamiques sociales sous-jacentes. Le nouveau modèle développé par Leinwand et Lyzinski est construit sur une base mathématique différente spécifiquement conçue pour éviter ce problème. Ses calculs internes sont construits de manière à garantir que la sortie finale pour toute paire de politiciens soit toujours une probabilité valide, un nombre compris entre 0 et 1. Cela garantit que le modèle produit une carte cohérente et logique du réseau, même dans ses régions les plus actives et complexes. Au-delà de la simple prévention des erreurs, cette nouvelle approche offre une plus grande flexibilité. Elle ne suppose pas que les schémas de connexion sont les mêmes dans l'ensemble du réseau. Par exemple, certains modèles pourraient supposer implicitement que les membres les plus socialement actifs d'un groupe sont les plus susceptibles de se connecter avec les membres les plus actifs d'un autre. Le nouveau modèle, cependant, peut détecter des schémas plus complexes. Il pourrait, par exemple, trouver une situation où des membres modérés de deux partis politiques différents interagissent fréquemment, tandis que les membres les plus partisans de ces mêmes partis interagissent très peu. Il peut également reconnaître que la tendance d'un individu à former des connexions peut changer en fonction de la communauté avec laquelle il interagit, fournissant un portrait plus détaillé et réaliste de la communication politique. En utilisant ce modèle, Leinwand et Lyzinski ont analysé l'activité publique de 475 membres du 117e Congrès américain. Leur ensemble de données comprenait chaque membre ayant posté au moins 100 tweets pendant une période de quatre mois, du 9 février 2022 au 9 juin 2022. Le modèle a défini une connexion entre deux politiciens si l'un d'eux a tweeté ou retweeté l'autre pendant cette période. "Nous appelons deux personnes 'connectées', si l'une d'elles a tweeté à l'autre ou retweeté l'autre pendant cette période," a expliqué Leinwand. Le modèle n'a pas reçu d'informations sur le parti d'un politicien, sa chambre ou ses positions politiques. Il avait pour tâche de trier les 475 individus en groupes uniquement sur la base du réseau de leurs connexions numériques. Le modèle a identifié trois communautés principales. Ces groupes définis par algorithme suivaient des lignes politiques familières. Le premier groupe était composé presque entièrement de sénateurs. La deuxième communauté était principalement constituée de membres démocrates de la Chambre des représentants, et la troisième était largement composée de membres républicains de la Chambre. L'analyse a montré que les politiciens au sein de ces trois groupes avaient tendance à interagir le plus fréquemment avec les membres de leur propre communauté. "Les congressistes républicains parlaient beaucoup entre eux, et les congressistes démocrates parlaient beaucoup entre eux, bien que les congressistes démocrates soient quelque peu plus susceptibles d'interagir avec les sénateurs que leurs homologues républicains," a déclaré Leinwand. Il a proposé une explication potentielle pour ce schéma. Au moment de l'observation, les démocrates détenaient la majorité au Sénat. Par conséquent, "on pourrait imaginer que les congressistes démocrates pourraient être incités à amplifier le message du leadership sénatorial en plus de leurs alliés à la Chambre," a-t-il poursuivi. Bien que le modèle ait correctement catégorisé la grande majorité des politiciens, il a également trouvé quelques-uns qui ne se conformaient pas au comportement typique de leur groupe. Parmi les 475 membres, 463 se comportaient comme les autres dans leurs communautés respectives. Les 12 individus restants ont été classés comme "exceptions" parce que leurs schémas d'interaction ressemblaient davantage à ceux d'un autre groupe. "Il semble que certains congressistes démocrates parlaient plus aux sénateurs, et certains congressistes républicains parlaient plus aux sénateurs," a déclaré Leinwand. "Et donc, en fonction de leurs schémas d'interactions, ils se comportaient comme quelqu'un d'un autre groupe. Ils tweettaient également aux sénateurs, plutôt que de ne tweeter qu'à leurs propres congressistes." Un examen plus attentif de ces 12 exceptions a révélé un schéma suggestif. Deux des congressistes signalés par le modèle pour se comporter comme des sénateurs ont remporté des élections sénatoriales. Peter Welch, un démocrate du Vermont, a été élu au Sénat en 2022, et Andy Kim, un démocrate du New Jersey, a remporté sa course sénatoriale en 2024. Une troisième exception identifiée par le modèle, Chris Pappas du New Hampshire, est actuellement candidat au Sénat. Une quatrième, David Trone du Maryland, a mené une campagne infructueuse pour le Sénat en 2024. "Ce qui me frappe, c'est que nous avons 475 membres, et 463 d'entre eux sont correctement regroupés," a déclaré Leinwand. "Et parmi ces 12 exceptions, deux ont fini dans le groupe où notre modèle pensait qu'ils devaient être assignés." Cette observation suggère que le modèle pourrait détecter des changements comportementaux subtils qui précèdent des mouvements de carrière majeurs. Cela ne signifie pas que simplement tweeter aux sénateurs est un chemin vers un siège au Sénat. Cependant, Leinwand suggère qu'une stratégie de communication délibérée pourrait être en jeu. "Ils ont des emplois en contact avec le public, donc je soupçonne qu'ils tweetent souvent de manière stratégique, en particulier lorsqu'ils incluent d'autres membres du Congrès," dit-il. "Je pense que si vous commencez à vous positionner d'une certaine manière, si vous commencez à interagir avec des sénateurs sur X, vous pourriez être perçu comme plus sénatorial par les électeurs." Les chercheurs notent que leur étude a utilisé une approche exploratoire conçue pour rechercher des schémas dans les données. Pour établir des conclusions plus définitives sur la stratégie politique et ses effets, différentes méthodes analytiques seraient nécessaires. Néanmoins, les résultats suggèrent la richesse des informations intégrées dans l'architecture de nos interactions en ligne. Comme le dit Leinwand, "Je suppose que certains comportements trahissent certaines intentions."

Tentative du Sénat américain d'accélérer le "No Coffee Tax Act" rejetée | Nick Brown, Daily Coffee News Alors que les prix du café aux États-Unis continuent d'augmenter, une initiative au Sénat américain pour accélérer le "No Coffee Tax Act" bipartisan a échoué hier lorsqu'un seul sénateur républicain a exprimé son objection. Sur le sol du Sénat, la sénatrice Catherine Cortez Masto (D-Nev.) a demandé un consentement unanime — une procédure qui permet aux projets de loi non controversés de passer sans vote par appel nominal — pour faire adopter le No Coffee Tax Act, qu'elle a coécrit avec le sénateur Rand Paul (R-Ky.). Une vidéo de la session montre le sénateur Mike Crapo (R-Idaho), le président républicain de la Commission des finances du Sénat, s'opposant. Cette objection renvoie le projet de loi au niveau de la commission, où il attendra un examen plus approfondi. La législation proposée fait partie d'une initiative plus large des législateurs et des groupes industriels pour exonérer le café des "tarifs réciproques" du président Donald Trump — des frais payés par les importateurs américains — sur les biens importés. Les tarifs sur les biens provenant de presque tous les pays producteurs de café varient actuellement de 10 % à 50 %, le tarif de 50 % sur le Brésil ayant un impact disproportionné sur le marché du café américain. Pendant ce temps, les prix dans les cafés et les épiceries continuent d'augmenter. En septembre, le prix moyen en épicerie d'une livre de café torréfié et moulu a atteint 9,14 $, en hausse de 41 % par rapport à l'année précédente, tandis que l'indice large du café du Bureau of Labor Statistics a augmenté de 18,9 % d'une année sur l'autre, dépassant de loin l'inflation globale des aliments et des boissons. Le No Coffee Tax Act appelle à l'exemption du café des tarifs, étant donné que les États-Unis ne peuvent pas produire de café à une échelle proche de celle nécessaire pour répondre à la demande intérieure. La production de café à Hawaï et à Porto Rico combinée représente une fraction de 1 % de la demande américaine de café vert. "Je sais que des tarifs responsables et ciblés sur nos adversaires peuvent être bénéfiques pour les travailleurs américains et notre sécurité nationale. Il y a une manière intelligente de le faire, mais taxer notre café et augmenter les prix pour les Américains n'en fait pas partie," a déclaré Cortez Masto sur le sol du Sénat. Dans son objection, Crapo a plaidé contre le Sénat faisant des "exceptions ponctuelles" pour certains biens importés "en isolation d'une stratégie de négociation plus large et des préoccupations des parties prenantes." Crapo a cité les exemptions du café à travers des accords commerciaux récents plus larges avec le Cambodge et la Malaisie, malgré le fait que ces pays produisent ensemble moins d'un dixième de 1 % du café mondial, selon les statistiques du USDA.