Nous sortons d’une forte mobilisation des agriculteurs qui ont exprimé leur ras-le-bol avec toute une série de revendications. Est-ce que ce soulèvement était prévisible ? Comment s’est-il exprimé ? Est-ce que des signaux n’ont pas été écoutés ? Je trouvais intéressant de revenir à l’aide de données sur ce qui a précédé cette mobilisation.

Introduction

L’utilisation des données a toujours suscité des fantasmes autour de la prédictologie et le fait de pouvoir prévoir les éléments. Le concept de “signal faible” est ainsi souvent utilisé pour désigner une information dont on doit percevoir avec anticipation ce qu’elle deviendra par la suite. Avec l’arrivée des réseaux sociaux, le Graal de l’identification de tendances qui seraient clés à identifier a fait partie des narratifs déployés par les plateformes de veille.

Un an d’agriculture avec du classique

Dans le panel Follaw, le salon de l’agriculture a généré davantage d’interactions que la mobilisation des agriculteurs. Cela peut paraître bizarre dans la mesure où il y a eu près de 3 M de tweets autour de celles-ci, mais il s’agit d’une vue via notre panel de 17 000 personnes composé de tous journalistes, politiques, lobbies, think tank francophones et européens, et quelques agriculteurs influents.

Au total, les événements les plus influents de l’année ont été :

Salon de l’Agriculture 2023	9 519 Mentions	Du 25 février au 5 mars 2023 : Le Salon de l’Agriculture 2023 a été l’événement-clé de l’année pour le secteur agricole, engageant fortement les politiques, les médias ainsi que les associations, coopératives ou agriculteurs. Le salon a également représenté l’occasion pour les agriculteurs et citoyens d’interpeller le Président sur de nombreux sujets liés aussi bien aux questions relatives au secteur que celles sur l’environnement et le climat (636 mentions).
Mobilisations des agriculteurs	2 533 Mentions	La vague de mobilisation des agriculteurs et éleveurs, en cours depuis fin janvier et dénonçant les difficultés auxquelles fait face le secteur, a fait parler d’elle sur les réseaux sociaux, mais a également été saisie par de nombreux politiques afin de remettre en cause la politique européenne (notamment par rapport aux accords de libre-échange).
Guerre en Ukraine	1 333 Mentions	Les relations entre l’Ukraine et l’UE ainsi que la question de l’intégration de l’Ukraine au sein de l’UE ont constitué un sujet-clé de l’année. Les craintes liées à la priorétisation de l’Ukraine sur l’agriculture française étaient fort présentes. La question de l’impact sur le prix des produits alimentaires français mais également sur la qualité des produits importés est soulevée.
Etude de l’AEE démontrant le lien entre pesticides et perte de biodiversité	1 123 Mentions	16 mai 2023 – Une étude de l’Agence Européenne de l’Environnement a dévoilé des causes du déclin des populations d’oiseaux en Europe et appelle à réduire les pesticides. « Elle pointe l’intensification de l’agriculture, avec l’usage de pesticides et d’engrais, comme le facteur majeur, devant le réchauffement. » (Audrey Garric).
Renouvellement de l’autorisation du glyphosate pour 10 ans par la CE	1 010 Mentions	L’autorisation du renouvellement du glyphosate pour 10 ans au niveau européen a soulevé le débat sur la toxicité du produit dont le reproche du manque de données relatif à sa dangerosité ainsi que son impact sur la biodiversité a marqué les discours. Le rôle de la France dans cette décision est également mis en cause. Les écologistes, aussi bien au niveau fédéral qu’européen, ont été les plus actifs.
Sommet de l’élevage	608 Mentions	Se tenant du 3 au 6 octobre 2023, le sommet de l’élevage a généré une activité sectorielle hautement reprise par les médias.
Accords de libre échange européens	360 Mentions	Que ce soit avec la Nouvelle Zélande ou les pays du Mercosur, X a été utilisé par de nombreux politiques pour dénoncer le mépris et le cynisme des accords de libre-échanges conclus par l’UE.
Réduction des cheptels bovins	311 Mentions	L’annonce de la réduction des cheptels bovins a largement fait réagir, soulevant les indignations face à une “volonté de tuer” l’agriculture française au profit de l’importation.

On voit donc que les événements / actualités les plus abordés autour de la mobilisation n’ont suscité que de très faibles mentions sur les traités de Libre Echange.

Avant et après la mobilisation

Si on teste maintenant les sujets et problématiques, et on compare la période avant la mobilisation et après la mobilisation :

On remarque qu’avant la mobilisation, les sujets préemptés tels que la concurrence étrangère, les traités de libre-échanges, les normes, les catastrophes agricoles ne sont pas du tout bien positionnés et ne représentent rien. Il est dès lors évident de se dire qu’une personne regardant les data et à qui on dit de préparer une note politique en lui indiquant qu’une mobilisation va survenir a d’énormes probabilités de se planter lamentablement dans sa préparation.

En plus du fait que les principales thématiques de la mobilisation n’étaient pas visibles, il faut également signaler que le premier appel de la FNSEA et des JA à retourner des panneaux signalétiques à partir d’octobre ont vu une reprise médiatique proche du néant.

La data, une boule de cristal ?

On le voit donc la data ne permet pas aux politiques de comprendre qu’un sujet monte, qu’une contestation va survenir. Cela demande donc une réactivité très forte et qui doit être objectivée. La data n’est pas et ne sera jamais prédictive lorsqu’on parle de social.

En réalité, il y a de nombreux biais de sélection. Le plus important est le biais de production : un biais assez important tant sur les réseaux sociaux il est énorme. On estime (Nielsen, 2011) que le ratio entre ceux qui créent du contenu et ceux qui sont complètement passifs est de 30-70. Quand 70 % des gens ne font pas partie des données que l’on observe, c’est un biais fort. L’autre corolaire du biais de production, c’est de penser qu’une opinion est forcément produite. Plus les sujets sont clivants comme le conflit palestinien, moins le nombre de personnes s’exprimant est grand. Par ailleurs, on ne publie pas nos émotions ou nos ressentis tous les jours. Ca n’est parce qu’on est anti-viande qu’on le clame tous les jours non plus. Bref, la donnée sociale doit être produite pour exister.

Tout cela crée une forme de biais de sélection comme le célèbre biais du survivant dont on voit souvent l’histoire être propagée avec succès sur LinkedIn. Le statisticien Wald analyse des avions de combat revenant de missions pendant la 2ème Guerre mondiale afin de les rendre plus fort. Pour cela, il a examiné les avions qui retournaient de mission et a noté où ils avaient été le plus fréquemment touchés afin de blinder ces parties spécifiques. Wald a fait découvert que les dommages observés sur les avions de retour ne représentaient pas les points les plus critiques, mais plutôt les zones où un avion pouvait être touché et survivre pour retourner à la base. Les véritables “points faibles” étaient les zones où il n’y avait pas de dommages sur les avions revenants, car être touché à ces endroits signifiait probablement que l’avion était perdu.

Il s’agit du biais du survivant qui se produit lorsque l’on tire des conclusions basées uniquement sur les informations provenant des “survivants” ou des réussites, sans tenir compte des échecs ou des absents. Avec les réseaux sociaux, c’est plus ou moins la même chose à savoir qu’il faut produire pour exister statistiquement.

Par ailleurs, notre analyse se cantonne au réseau X ce qui est loin d’être . C’est un réseau qui est loin de représenter la population française (et notre panel encore moins) et qui a une forte tendance à structurer des sujets du jour où tout le monde s’engouffre dans la brèche. Si on regarde les volumétries à propos de l’agriculture en regardant la distribution par type de parties prenantes, on remarque que tout le monde suit le même rythme de production.

Bref, est-ce à dire que toutes les données sont à jeter ? Non, juste que sa dimension prospective est très limitée. Les données sont faites pour objectiver les choses. Ils sont une aide à structurer une réponse. Il faut juste avoir conscience que si les données ne mentent pas, on peut leur faire dire ce qu’on veut. D’où le fait d’objectiver ses données, de savoir ce qu’elles vont dire… Et de trouver ce fameux signal faible.