Skip to navigation – Site map

HomeNuméros30-3/4Paris tweets, données numériques ...

Paris tweets, données numériques géolocalisées et évènements urbains

Paris tweets, geolocated digital data and urban events
Françoise Lucchini, Bernard Elissalde, Leny Grassot and Julien Baudry
p. 207-230

Abstracts

We attempted to identify the various modes of urban events from the urban routine, and the relationship between events and the transmission of messages on the Twitter social network for Paris and the Ile de France region. The locations and rhythm of tweets emitted in this territory, reveals places with regular or others with sporadic activity. For the same urban space, there are rarely regularity in the transmitting force of a hotspot, but, on the contrary, a great variability of frequencies and rhythms, and this lack of automaticity and arrythmia make it possible to approach temporary clusters and discontinuity. According to whether the event is singular or cyclical, planned or unforeseen, whether it takes place in a single place, following a route or tends to appropriate a specific neighborhood, these tweets highlight chronotopic urban spaces.

Top of page

Full text

Introduction

  • 1 La révolution numérique peut se définir comme le passage de notre société à l’ère de l’information (...)
  • 2 Les soft data (Severo, 2015), appelées « soft » en opposition aux « hard » data traditionnelles pro (...)

1Dans le cadre de ce l’on nomme communément la révolution numérique1, les données géolocalisées et donc les traces, émises par les individus sur les réseaux sociaux et/ou à partir de leur téléphone portable, sont devenues des sources incontournables pour la compréhension du fonctionnement de l’espace géographique. Si les géographes utilisent depuis longtemps des « traces » au sens large pour valider leurs hypothèses, depuis celles fournies par le travail de collecte sur des « terrains » dans des milieux physiques, jusqu’aux « enquêtes de terrain » supposées être plus en contact avec la réalité concrète, le mot « trace » lorsqu’il est appliqué aux données numériques, ne semble se référer qu’à une réalité virtuelle... Bien que louées pour leur capacité à renouveler l’analyse des espaces urbains, notamment pour mieux appréhender les rythmes quotidiens ou les comportements spécifiques, lors d’évènements exceptionnels, ces traces qualifiées de soft data2 (SEVERO et al., 2015) font aussi l’objet de controverses et de débats qui divisent la communauté des chercheurs, et plus largement l’ensemble des citoyens. Sans ignorer les questions éthiques liées à ces données, nous souhaiterions nous concentrer ici sur les apports à la compréhension de l’espace géographique que procure la croissance exponentielle des traces numériques.

2A partir de l’information fournie par les données géolocalisées, nous souhaitons mettre en valeur l’intérêt de ces données pour identifier de nouveaux découpages spatio-temporels de la ville. Car ces données géolocalisées ne se réduisent nullement à un simple repérage spatial des coordonnées, mais contribuent à revisiter cet objet d’étude qu’est la ville. Croisées avec des données temporelles, interprétées en termes de durée, de fréquence, de rythmes, elles permettent d’identifier des fonctionnements spatio-temporels de l’espace géographique non directement détectables par des données censitaires classiques (LUCCHINI, ELISSALDE et al., 2011, 2013, 2014, 2016). Inscrit dans les cadres de réflexion sur les systèmes complexes, ce travail de recherche s’appuie sur l’hypothèse que de nouvelles configurations, porteuses de sens, émergent de l’interaction des multiples constituants composés par les pratiques urbaines des usagers des réseaux sociaux.

3Comme toute approche innovante, fondée sur des sources de données nouvelles en sciences sociales, le « tournant numérique » dans l’étude des interactions socio-spatiales, annoncé par R. Rogers (ROGERS, 2015) implique de prendre en compte un certain nombre de spécificités propres à ces données. Cela concerne la question de la représentativité des données et notamment de l’équivalence entre les traces disponibles sur Internet et la « population » à étudier. L’intérêt suscité par les traces numériques est notamment dû à leur pouvoir de révéler des caractéristiques des phénomènes qui ont lieu dans l’espace physique. Ces données, abondantes, fournies par le quadrillage systématique de la ressource par les méthodes de data mining conduisent à s’interroger sur la marge d’incertitude permettant d’inférer des interprétations sur les phénomènes (sociaux, urbains, etc.) dont les données numériques seraient le reflet. En explorant les données du réseau social Twitter dans un périmètre francilien puis parisien, il s’agira de sonder leur capacité à révéler le rapport à l’espace urbain d’une certaine catégorie de population (les twittos). En d’autres termes, il s’agit aussi de lever une ambiguïté demeurant sur ce qui constitue l’objet d’études à propos de sa représentativité en termes de catégorie de population parmi l’ensemble des usagers de la ville. Cette recherche se centrera alors sur la détection d’évènements à partir de ces données urbaines géolocalisées, en croisant des découpages fins d’espaces et de temps. En particulier, le travail sur l’espace parisien révèlera des phénomènes urbains, avec l’émergence d’évènements de nature diverse, depuis des évènements programmés (festivals, manifestations sportives, ludiques, etc.) jusqu’aux évènements inattendus et aux chronotopes, en découpant des portions d’espaces et des pas de temps. En ce sens, cet article tentera d’identifier des poly-temporalités de l’espace urbain.

Quelle information apportent les données numériques sur la ville et sur le phénomène évènementiel ?

  • 3 Voir par exemple le TCAT : Twitter Capture and Analysis Toolkit Digital Methods Initiative, de l’un (...)
  • 4 A New York, les écarts à la moyenne et les catégories bleues (sous la moyenne) et rouges (au-dessus (...)

4Depuis les travaux séminaux de Carlo Ratti (RATTI, 2006), consacrés à la téléphonie mobile, bon nombre de contributions (BLONDEL et al., 2015) ont tenté à la fois d’approfondir ce champ de recherche et de réfléchir sur les enjeux sociaux et citoyens de l’usage des données numériques (CARDON, 2015). Plus récemment de nouvelles recherches se sont déployées en utilisant les échanges du réseau social Twitter3 dans l’agglomération de New York4 (FRANÇA, 2014, Visualizing the “Heartbeat” of a City with Tweets) ou les photographies mises en ligne sur Instagram (YAN-TAO ZHENG et alii, 2013).

5En scandant les rythmes urbains, la finesse des découpages temporels qu’offrent les enregistrements légaux des données de crowdsourcing, permet d’aborder la question de la variabilité du fonctionnement de la ville selon un séquençage temporel inédit et notamment sous l’angle de temporalités multiples qui permettent de saisir la vie urbaine dans la dualité : rythmes routiniers / situations éphémères. Ces données permettent donc aussi d’approcher les situations urbaines temporaires, et les phénomènes d’émergence qui leur sont liés, par exemple à partir de l’étude du déroulement de grandes manifestations populaires (l’Armada de Rouen ou la Braderie de Lille), sportives (le tournoi de Roland Garros) (LUCCHINI et al., 2016, GRASSOT, 2016) ou d’évènements brutaux et imprévus (voir infra). Ces évènements repérables à l’intérieur de pas de temps spécifiques possèdent une extension spatiale originale et introduisent de la discontinuité dans le fonctionnement « routinier » de la ville. L’enjeu est donc d’interroger à la fois la manière dont on identifie les traces d’un évènement dans un ensemble des données recueillies, et le(s) seuil(s) spatial (aux) ou temporel(s) à partir duquel (desquels) des phénomènes d’émergence surgissent.

Qu’apporte le travail sur la géolocalisation par rapport au contenu sémantique ?

6En s’intéressant aux enregistrements des données Twitter sur la région Ile de France, les rédacteurs de cet article ont fait le choix de travailler sur le contenant et non pas sur le contenu du message. Seules la géolocalisation des messages et leurs repères temporels d’une grande précision ont été exploités.

7La géolocalisation apporte des éléments de connaissance sur les phénomènes urbains habituels et inhabituels, sur les formes de concentrations d’usagers à un certain moment du temps dans certains quartiers, sur les niveaux d’attractivité des zones urbaines et d’inactivité, sur les discontinuités dans les espaces urbains, sur les temporalités sociales et les rythmes ouvrés et fériés, et sur la variabilité interne à chaque activité de quartier ou morceau de ville.

8Par ailleurs, pour respecter un usage éthique de ces informations issues des réseaux sociaux, le travail sur la géolocalisation se conduit à partir d’agrégats d’individus, dont la proximité géographique de plusieurs individus et leurs comportements de communication, de mobilité ou de stationnarité révèlent des phénomènes urbains. Les travaux qui entreprennent une analyse non plus sur la géolocalisation mais sur le contenu sémantique du message, envisagent pour leur part de descendre à l’échelle individuelle du message et de conduire une analyse linguistique et sociologique des échanges entre un individu et ses followers, ce que nous n’avons pas entrepris dans notre étude.

Quelle représentativité des twittos parmi l’ensemble des usagers de la ville ?

9Le choix du périmètre géographique de l’Ile de France répond à la nécessité de travailler sur un espace urbain métropolitain représentatif du profil des usagers du réseau social étudié. A la différence de la téléphonie mobile, dont le taux de possession parmi la population en France avoisine les 120 % (certains usagers possèdent plusieurs appareils), ce qui rend les données utilisées peu ou prou représentatives des comportements de l’ensemble des groupes sociaux, le degré de représentativité des données des réseaux sociaux est beaucoup plus restrictif, sachant que chaque réseau social apporte une information spécifique de l’évènement ou de la ville : intérêt touristique (Flickr, Instagram), réactivité à un évènement (Twitter), personnalité virtuelle (Facebook).

  • 5 Les instituts Nielsen/Mediametrie et Comscore estiment l’audience de Twitter en France entre 6 et 7 (...)

10A partir des informations fournies par Twitter France et par quelques instituts de sondages (IPSOS, Médiamétrie), on peut esquisser quelques caractéristiques majeures du profil des usagers de ce site de microblogging5. L’institut IPSOS dressa en 2013, un bilan contrasté des pratiques de Twitter en France. Si le réseau social jouit d’une forte notoriété (90 %), seuls 5 % des Français détiennent un compte Twitter et sont effectivement actifs sur Twitter. On ne peut donc pas comparer la représentativité des données Twitter avec celles issues des opérateurs de téléphonie mobile. On ne peut pas non plus supposer qu’en mixant les données provenant de réseaux sociaux différents, on aboutisse à une information plus englobante de la population entière, il est en revanche plus probable de considérer que les mêmes populations interagissant sur Twitter ont également une activité sur d’autres réseaux sociaux, à l’image des comportements observés dans tout ce qui relève des pratiques sociales et des consommations culturelles.

11Géographiquement, l’activité de twittage est un phénomène principalement parisien : 33 % des twittos captés en France, émettent en Île-de-France, en y incluant les touristes nationaux ou étrangers de passage ; d’où le choix de s’intéresser à l’espace parisien intramuros et à l’ensemble de la région Ile de France. Le profil sociodémographique de l’utilisateur de Twitter dessine, lui aussi, une catégorie particulière de la population. L’âge moyen est de 22 ans, mais 53 % des utilisateurs sont des adolescents et globalement, 61 % des utilisateurs ont moins de 35 ans ; 55 % sont des hommes, 19 % sont des cadres supérieurs. Parmi les groupes émetteurs, on doit y ajouter celui des utilisateurs « publics », constitué de partis politiques, syndicats, associations, ayant une visibilité ou une représentation publique. Les conditions dans lesquelles est utilisé le réseau Twitter peuvent aider à la compréhension de la répartition des tweets dans l’espace urbain : en 2015, près de 75 % des utilisateurs de Twitter le font à partir de leur téléphone mobile. De là découlent une souplesse et une réactivité dans l’usage : 1 usager sur 4 utilise Twitter en voyage, 1 sur 3 pendant un évènement Live, 3 sur 5 dans les transports. Enfin le degré d’activité des twittos est également discriminant. En règle générale peu de tweets sont émis par chaque twittos, au point que plus de la moitié des comptes twitter sont dormants et n’envoient aucun tweets, tandis que seuls 8 % des comptes envoient plus de 50 tweets.

12Il n’y a ici aucune possibilité d’imaginer ces données comme un décalque de l’ensemble de la population. L’analyse de ces données ne reflète que la pratique et le rapport à l’espace urbain d’une certaine catégorie de population dans des contextes évènementiels particuliers. Avec Twitter nous sommes confrontés à une représentation et à un usage de l’espace urbain d’un public jeune et connecté présentant une forte réactivité à un évènement vécu ou, créé dans certains cas, par les usagers eux-mêmes. Cette présentation a pour but d’insister sur la spécificité des données Twitter parmi les soft data et sur la relation forte entre « évènement » au sens large et déclenchement de tweets.

13Un certain nombre d’applications ont pris l’initiative de réaliser la jointure entre ce public jeune des utilisateurs de Twitter et leurs pratiques urbaines et plus généralement de souligner le lien entre l’apparition d’évènements, au sens large, et l’information sur les réseaux sociaux. Une équipe de l’Université de Rochester (HOSSAIN et al., 2016) a ainsi enregistré environ 11 000 tweets géolocalisés à New York entre janvier et juin 2014 pour tenter d’identifier les spots les plus festifs de New-York grâce aux tweets parlant d’alcool. Dans une version prototype, les chercheurs ont développé un algorithme d’apprentissage qui détecte les tweets liés à l’alcool. Il a été utilisé pour détecter si le twittos buvait lors de la publication en ligne et si l’addiction se déroulait à domicile ou dans un lieu public. Dans le même registre, en 2011, deux étudiants de l’université de Cincinatti ont mis au point une application dénommée le Tweetographer (http://www.uc.edu/​news/​NR.aspx?id=14576) qui avait pour ambition de servir de live-agenda (en temps réel) grâce aux commentaires des twittos sur leurs activités festives dans la ville. Le Tweetographer capte par thèmes des données sur les événements à venir dans une zone géographique ou une catégorie donnée, puis établit une liste à disposition des utilisateurs. Le Tweetographer permet aux utilisateurs être informés sur les événements dans leurs villes ou quartiers. L’application fonctionne en collectant des tweets envoyés par un grand nombre d’utilisateurs de Twitter et en extrayant des informations sur des événements (fêtes, concerts, jeux, etc.) qui se produisent à proximité. C’est comme un guide d’événements en temps réel. Le Tweetographer, en pratique, répond à une question commune pour les personnes socialement actives : « Qu’est-ce qui se passe ? ». Puisque les gens qui utilisent souvent Twitter, twittent sur où ils vont ou sur ce qu’ils veulent faire. L’utilisateur peut ainsi se faire une idée non seulement de ce qui se passe, mais de la popularité de divers événements.

Les médias sociaux et la mise en scène de son image : proximité sociale et sentiment d’appartenance

  • 6 L’appartenance : c’est l’expérience personnelle d’être impliqué-e dans un système ou un groupe. Il (...)

14En complément du profilage des usagers de Twitter présenté plus haut, le passage à la compréhension de l’évènementiel urbain doit être précédé de la mise en évidence des comportements sociaux de ces profils et de la question des formes d’interactions sociales créées par les medias sociaux. Deux domaines ont retenu notre attention : la dualité privacy/extraversion et en second l’autre dualité individualité/appartenance6 à un groupe. Il existe un paradoxe contemporain pour tout ce qui touche à la vie privée. D’une part, les adolescents révèlent leurs pensées et comportements intimes via les réseaux sociaux en ligne alors qu’ils protègent farouchement leurs secrets personnels à l’égard de leur propre famille (BARNES, 2006). D’autres auteurs, en s’appuyant sur une analyse approfondie des attitudes et des comportements, comme Dienlin et Trepte (2015), posent la question de l’existence de cet écart entre la protection des informations sur les individus garantie par la loi, et la divulgation réelle (consciente ou inconsciente) de renseignements personnels dans le contexte de l’utilisation des médias sociaux. Dans les plates-formes de médias sociaux telles que Facebook, Twitter, etc., la révélation continuelle des détails sur leur vie personnelle auprès des gens faisant partie de votre groupe, procure une impression de proximité, d’acceptation par le reste de la tribu des followers. Les interactions sociales qui se nouent via les réseaux sociaux rassurent tout un chacun sur son identité, et ouvrent des espaces où vont pouvoir s’exprimer face à tel ou tel évènement des réactions et des émotions partagées entre « communautés d’individus ».

Une plongée dans les tweets parisiens de 2015

15Pour se faire une idée de la proportion de données exploitables via l’API Twitter, on se reportera au tableau 1 ci-dessous. Les enregistrements des données Twitter au cours de l’année 2015, entre les jours calendaires 50 et 327 (du jeudi 19 février 2015 au lundi 23 novembre 2015) ont porté sur les serveurs enregistrant dans un périmètre territorial délimité grosso modo par la région Ile de France. Sur les 40 millions de tweets enregistrés, le nombre de tweets exploitables, précisément géolocalisés, s’élève à 5,4 millions de tweets, dont environ 30 % ont été émis dans Paris intra-muros. De même le nombre d’utilisateurs (comptés une seule fois et géolocalisés) s’élève à 1 million durant cette période, dont près de la moitié a émis dans Paris intra-muros. La concentration des twittos sur Paris est ainsi encore plus marquée que celle du volume des messages échangés.

Tableau 1 : Comparaison des volumes bruts de tweets et de twittos avec les volumes de tweets et twittos géolocalisés sur un périmètre francilien et parisien

Période du jour 50 au jour 327

(du jeudi 19 février 2015 au lundi 23 novembre 2015)

Nombre
de tweets

Tweets franciliens

40 294 081

Twittos franciliens

2 571 763

Tweets franciliens sans doublons

9 818 800

Twittos franciliens sans doublons

2 571 763

Tweets franciliens géolocalisés

5 418 167

Tweets parisiens géolocalisés

1 588 465

Part des Tweets géolocalisés dans l’espace parisien

29,32 %

Twittos franciliens géolocalisés

1 032 132

Twittos parisiens géolocalisés

505 207

Part des Twittos géolocalisés dans l’espace parisien

48,95 %

  • 7 Voir plus loin les variations horaires des usages de Twitter.

16Des différents graphiques issus de nos collectes de tweets en région Ile de France au cours de l’année 2015, il ressort principalement que l’échange de tweets avec sa communauté de followers est une activité de temps libre (figure 1). Aussi bien en rythme quotidien, où la tranche horaire 18h-23h concentre entre 37 % et 44 % de l’activité, qu’hebdomadaire, comme en témoignent les pics des dimanches, quels que soient les tendances saisonnières (tableau 2). Plusieurs enquêtes ont constaté que de nombreux utilisateurs twittent en regardant des émissions de télévision. Dénommé le social-tweet, cette pratique expliquerait en partie le pic à l’heure des émissions « prime time ». Dans une étude menée par Cohen et Lancaster (2014) sur l’utilisation des médias sociaux devant la télévision7 lors d’évènements médiatiques (sports, débats politiques), différentes réactions émotionnelles au spectacle, ont été trouvées sur toutes les plates-formes de médias sociaux en raison de hashtags de l’émission spécifique. Ces réactions émotionnelles se manifestaient à certains moments du spectacle, et les échanges via les médias sociaux donnent l’impression aux gens de regarder en groupe la télévision. Les individus ayant des besoins élevés d’appartenance peuvent utiliser les médias sociaux pour participer aux interactions sociales.

17Il faut aussi souligner que pour une même tranche horaire la variabilité de l’activité des tweets peut s’avérer importante quelle que soit le territoire d’observation (figure 2). La vie nocturne de ce public jeune étant elle-même irrégulière (et renforcée par l’alternance jours ouvrés/week-ends). Le degré de variabilité est plus soutenu en Ile de France que dans Paris intra-muros. La prégnance du phénomène évènementiel (personnel ou public) et son irrégularité consubstantielle produisent cette variabilité et cette imprévisibilité des attitudes des twittos.

18La catégorie twittos n’est pas constituée uniquement de touristes visitant la capitale. En observant l’évolution des volumes de communications échangées le dimanche sur l’espace francilien (hors Paris) et sur l’espace francilien en incluant Paris (figure 3), on observe un décalage d’émission, pendant les dimanches de la période estivale, sous la moyenne de communication habituelle. En plus des touristes, d’autres usagers de la ville, composent la catégorie des twittos.

Figure 1 : Rythme d’émission des tweets selon les heures de la journée : une activité communicationnelle davantage rythmée par le temps libre

Figure 1 : Rythme d’émission des tweets selon les heures de la journée : une activité communicationnelle davantage rythmée par le temps libre

Figure 2 : Une variabilité horaire des tweets plus nocturne que diurne

Figure 2 : Une variabilité horaire des tweets plus nocturne que diurne

Figure 3 : Emission des tweets le dimanche en 2015

Figure 3 : Emission des tweets le dimanche en 2015

NB : la numérotation des jours correspond aux dimanches depuis le dimanche 3 mai 2015 = j123.

Tableau 2 : Comparaison de l’activité des tweets selon les jours de la semaine en Ile de France

Jours de la période

J118-J327

Moyenne du nombre de tweets

Moyenne des écarts-type

Totalité des jours

6 894

2 451

Dimanches seulement

7 501

3 028

Autres jours hors dimanches

6 794

2 326

Tableau 3 : Niveau de concentration spatiale des communications tweets sur l’espace francilien en 2015 (mailles de 1 km de côté)

Périodes

Part des Tweets

Niveau de concentration sur les mailles actives franciliennes

Niveau de concentration sur les mailles actives parisiennes

Jour 50 à jour 117 (je. 19 fév. - lu. 27 avr.)

10 %

* 0,24 %

1,95 %

50 %

2,79 %

19,81 %

90 %

13,66 %

59,09 %

Jour 118 à jour 267 (ma. 28 avr. - je. 24 sep.)

10 %

0,04 %

0,32 %

50 %

1,02 %

8,12 %

90 %

8,33 %

43,18 %

Jour 268 à jour 365 (ve. 25 sept - je. 31 déc.)

10 %

0,00 %

0,00 %

50 %

0,30 %

4,22 %

90 %

4,23 %

29,55 %

Lecture du tableau * : 0,24 % des mailles concentrent 10 % des tweets pour la 1ère période observée sur 2015.

19Pour qualifier les espaces parisiens, on peut dresser une typologie des mailles fondée sur leur niveau d’activité et la concentration spatiale des tweets sur l’espace parisien. La dispersion dans l’espace parisien selon les mailles des valeurs des tweets pour chaque jour révèle alors les hot spots, les mailles toujours actives, les mailles à activité régulière, les mailles à activité sporadique, les mailles jamais actives. Cette base de référence peut servir d’élément de comparaison pour observer l’écart de chaque journée.

20Par ailleurs, pour une même portion d’espace, ce n’est pas la régularité de la force émettrice du lieu qui domine, mais une grande variabilité selon les jours, quelle que soit la situation de la maille et quelle que soit la dimension de la maille - quadrillage à 100 m ou à 500 m de côté - . La dispersion dans le temps des valeurs pour chaque maille peut ainsi s’appréhender dans le détail du déroulé des 24 heures ou selon les jours composant la période d’observation. La figure 4 nous renseigne quant à elle sur le niveau de concentration de l’activité des tweets sur seulement quelques jours dans l’année et sur quelques mailles. Ainsi le nombre de jours actifs par maille décroit de manière exponentielle et permet d’identifier les creux dans la ville (mailles sans activité ou avec une activité très faible) et les pleins avec les 500 mailles dont l’activité est d’environ 300 jours par an, et les 2000 mailles actives une centaine de jours par an.

Figure 4 : Nombre de jours actifs en tweets selon les mailles composant l’espace francilien étudié

Figure 4 : Nombre de jours actifs en tweets selon les mailles composant l’espace francilien étudié

21Activité d’occasion ou d’événement, le « twittage » des particuliers ne s’apparente pas à une activité régulière et massive, ayant un niveau d’utilité sociale et/ou professionnelle comparable aux communications téléphoniques mobiles.

22Il n’existe ainsi qu’une faible probabilité pour un lieu quelconque qu’il suscite des tweets selon une cadence prévisible. C’est davantage possible pour les hot spots comme des sites touristiques ou des lieux incontournables de la capitale parisienne qui ont de fait une activité plus régulière de tweets (« main stream »), également perceptibles par d’autres réseaux sociaux présentant les mêmes focus touristiques, tel Instagram. Pour autant, l’action de twitter doit être mise en relation avec un évènement déclencheur, personnel ou public. C’est la coïncidence entre un évènement (aléatoire ou programmé) et un lieu où se trouve le twittos (en rapport ou non avec l’évènement) qui déclenche le twittage. C’est en cela que ces données ont la capacité de révéler une dynamique évènementielle.

Information issue des réseaux sociaux numériques et analyse de l’évènementiel urbain

  • 8 Y. Altshuler et alii: Detecting Anomalous Behaviors Using Structural Properties of Social Networks, (...)

23Dans la littérature sur le sujet, trois types d’évènements objectifs (ALTSHULER et al.8) sont fréquemment retenus, et conduisent à l’étude de la spatialité de chaque type :

  • L’évènement officiel (culturel, sportif, politique)

  • L’évènement aléatoire (positif ou dramatique), évènements non programmés, du type problème de transport, grève, accident, attentat, etc.

  • L’évènement statistique.

24Cette catégorisation fait cependant l’impasse sur la dimension ontologique de l’évènement ainsi que sur l’étude de la spatialité propre à chaque type. Dans un ouvrage célèbre, P. Ricoeur (RICOEUR, 1983) a précisé quels étaient les postulats épistémologiques de la notion d’évènement en Histoire : « singularité, contingence et écart ». C’est à partir de ces trois principes que nous souhaiterions en observer les implications ou les décalages éventuels par rapport aux problématiques de l’article. La singularité implique en Histoire (SUTER, 1997) une hiérarchisation des occurrences temporelles, laquelle distingue le simple fait quotidien de l’évènement qui, lui, possède une qualité supplémentaire par son caractère inattendu ou extraordinaire. Pour autant, au niveau de l’individu, beaucoup d’utilisateurs de réseaux sociaux donnent une importance à un fait qui devient pour eux un « évènement » du fait de son caractère émotionnel.

25En ce qui concerne la contingence, Antoine Picon (PICON, 2009) formule l’hypothèse que le numérique vient exacerber la dimension événementielle de l’urbanité contemporaine. Cette vision tend à privilégier ce qui se passe sur ce qui est pérenne et statique, à préférer les occurrences aux objets, et à considérer la ville de plus en plus comme la matrice, et non plus le simple support de choses qui arrivent. Cependant, qu’il se fonde ou non sur une dimension contingente, le phénomène évènementiel est loin d’enclencher les écarts débouchant sur de l’irréversibilité qui va modifier la structure urbaine. L’événement dont il est question ici ne serait donc pas générateur de changement spatial ou de « bifurcation » spatiale, mais de discordances plus ou moins temporaires. L’opposition entre le routinier et l’évènementiel n’est, cependant, qu’apparente car la répétition aux mêmes endroits de tweets suscités par les twittos dans des contextes évènementiels personnels se transforme progressivement en configuration spatiale relativement pérenne (voir les courbes des dimanches pour les mailles de la zone centrale touristique, figure 3). Il semble ainsi pertinent que l’analyse des impacts des évènements sur les configurations urbaines développe des indicateurs spécifiques susceptibles d’identifier de nouvelles configurations émergentes.

26Pour faire le lien entre évènementiels et espace géographique, le travail entrepris sur les tweets revient ici à détecter des traces d’un événement à partir de données APIs, la suractivité en un lieu. Cette suractivité pose la question de l’impact spatial, de son extension sur le périmètre observé (1 maille ou plusieurs mailles, toujours les mêmes mailles, des mailles inhabituelles, des mailles observées dont on peut faire varier la taille de 100, 200, 500, à 1000 mètres de côté) à un moment donné, c’est-à-dire liant l’impact spatial à un impact temporel (1 mn, 15 min, une heure, un jour, plusieurs jours). L’évènement se définit alors comme un lieu qui se singularise à un moment donné au travers du volume d’échanges de tweets (concentration de tweets dans une maille - envoi et réponse à un tweets followers-). Pour répondre à cette définition de la notion d’évènement, il devient nécessaire d’envisager des approches croisant espace et temps pour détecter un évènement qui n’est inscrit sur aucun calendrier évènementiel.

Comment identifier des pas de temps et des maillages pertinents ?

27Des détections d’évènements sont possibles si l’information est connue avec une temporalité fine (1 min, 15 min, 1 heure, 1 jour) et une précision spatiale (GPS, plusieurs mailles de 100 m à 5 km de côté). Il devient possible de procéder à des calculs de masses pour repérer les hot spots et les mailles toujours actives, et les mailles ayant une activité moins régulière, voire les mailles muettes, ou bien pour observer les niveaux de concentration des messages et/ou des usagers). Il est également possible d’utiliser des indices pour juger des niveaux de sur ou sous-activité, ou bien entrevoir si la proximité spatiale entre mailles joue pour expliquer les volumes communicationnels avec les indices d’autocorrélation locaux (LISA) (ANSELIN, 1995). Le passage d’un pas de temps à un autre doit permettre de comprendre si les phénomènes visibles à l’heure, le sont aussi la journée. Est-ce que les changements de focale en passant de 100 mètres à 5 km, modifient aussi les phénomènes observables de hiérarchies ? Ces dernières sont-elles visibles à tout échelon géographique, et sont-elles identiques ? Les variabilités des concentrations à l’échelle la plus fine (100 m ou 500 m) sont-elles très importantes ? Comment identifier le rythme des activités routinières ? N’atteint-on pas alors le moment de la disparition de ce qu’on appelle « événement » ?

28Les comportements des usagers se déploient dans un environnement urbain présentant des contraintes de mobilité, ou des éléments d’attractivité, pouvant conditionner des choix potentiels d’usages, de mobilité ou d’immobilité. En matière de fréquentation des lieux, nous tenterons de vérifier, autour de l’idée d’événement, une tendance allant vers une plus ou moins forte accentuation de l’incertitude sur les moments et les lieux fréquentés, en fonction du type de traces numériques exploitées (téléphonie, réseaux sociaux variés). On évaluera l’idée que ces interactions ne sont ni permanentes, ni régulières dans le temps et qu’elles sont amenées à évoluer de façon non-linéaire.

29Pour notre terrain d’observation parisien, en termes spatiaux, on s’efforcera de détecter des mailles selon leur degré d’activité et selon les évènements qui s’y déroulent. Sur une grille avec des mailles de 500 m pour Paris intra-muros, la zone géographique de Paris est de 22 km de largeur, soit de 11 km d’Ouest en Est de part et d’autre du point central correspondant à l’Hôtel de ville de Paris, et de 14 km de hauteur, soit 7 km du Nord au Sud de part et d’autre du point central.

Identifier les poly-temporalités urbaines

30Nos réflexions sur les temporalités intra-urbaines s’appuient sur le concept de chronotope (CRANG, 2001). Ce concept permet d’identifier des séquences de la vie urbaine qui individualisent des durées et des lieux (sans détermination a priori ni de la durée, ni de l’extension spatiale) se démarquant des rythmes routiniers de la vie urbaine. Les idées de « pulsations urbaines » et de « ville éphémère » découlent de ce concept de chronotope. Ces pulsations sont l’expression de temporalités croisées qui composent des rythmes urbains, certains routiniers et d’autres atypiques, selon les caractéristiques de mobilité des usagers des villes et selon les niveaux d’attractivité exercés par différentes parties de la ville au cours d’une journée ou sur plusieurs jours durant. La spatialité et le croisement des temporalités des différents types d’évènement conduit à identifier des chronotopes dans une perspective complexe. Cette hypothèse de complexité envisage ces chronotopes comme étant non permanents, et non réguliers dans le temps et dans l’espace.

  • 9 Les syndicats CGT et FO ont défilé côte à côte dans l’après-midi de la Bastille à la place de la Na (...)

31Les temporalités évènementielles se superposent et se juxtaposent. En ces dimanches 1er mai 2015 et 2016 (figures 5a et 5b), on assiste à la co-occurrence de plusieurs « évènements » fonctionnant selon des temporalités différenciées. La présence habituelle de touristes autour de l’axe Louvre-Concorde-Etoile, ainsi qu’autour de la Tour Eiffel et du Trocadéro, constitue une répétition hebdomadaire pour cette activité, mais dont le séjour parisien génère pour chaque touriste un évènement personnel, qui se manifeste par l’émission de tweets et/ou de selfies postés sur Instagram. Sur un autre plan, la répétition de commémorations annuelles affecte toujours les mêmes quartiers parisiens (l’exemple des 1er mai 2015 et 2016) et appartient aux rituels de la vie politique et syndicale9. Tandis que d’autres évènements moins connus peuvent se dérouler, comme la réunion, au cimetière du Père Lachaise, des francs-maçons du Grand Orient de France, devant le Mur des Fédérés. Mais, en plus, le 1er mai 2016 prend une tournure inédite avec l’avènement des rassemblements « Nuit debout », place de la République, qui avaient été lancés au soir du 31 mars, jour de la plus grosse mobilisation contre la loi travail.

Figure 5a : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2015 sur l’espace parisien (mailles de 500 mètres)

Figure 5a : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2015 sur l’espace parisien (mailles de 500 mètres)

Figure 5b : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2016 sur l’espace parisien (mailles de 500 mètres)

Figure 5b : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2016 sur l’espace parisien (mailles de 500 mètres)

NB : La toponymie des lieux peut être consultée à l’adresse : www. http://planparis360.fr/​carte-touristique-paris

Figure 6a : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016

Figure 6a : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016

Indices de sur-activité (rouge) et de sous-activité (bleu), et d’activité normale (jaune) à 15h et à 21h.
L’indice de sur- / sous-activité se calcule de la façon suivante : Image 100002010000007600000059FFE946C6.png avec Xij =nombre de tweets dans une maille une heure donnée, X.j =total des tweets une heure donnée toutes mailles confondues, Xi. = total des tweets pour une maille donnée pour la journée, X. = nombre total de tweets détectés dans toutes les mailles pour un jour donné.

Figure 6b : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016

Figure 6b : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016

Indices de sur-activité (rouge) et de sous-activité (bleu), et d’activité normale (jaune) à 15h et à 21h.
L’indice de sur- / sous-activité se calcule de la façon suivante : Image 100002010000007600000059FFE946C6.png avec Xij =nombre de tweets dans une maille une heure donnée, X.j =total des tweets une heure donnée toutes mailles confondues, Xi. = total des tweets pour une maille donnée pour la journée, X. = nombre total de tweets détectés dans toutes les mailles pour un jour donné.

32Le 11 novembre est un jour férié français, consacré au temps libre, qui semble ne pas se confondre totalement avec une journée touristique, d’autant qu’elle se déroule un jour de semaine en 2015 et en 2016. Les défilés programmés du 11 novembre près de la statue de Clémenceau et de l’Arc de Triomphe renforcent, sur la carte en indices comme sur la carte des effectifs, l’axe majeur d’activité du cœur parisien de la Concorde jusqu’à l’Arc de Triomphe, en empruntant les Champs Elysées qui accueillent déjà les différents chalets du marché de Noël parisien. La concentration près de Notre-Dame de Paris mise en lumière par cette journée fériée est également visible. Le périmètre de restriction de circulation fait se déporter plus loin qu’à l’ordinaire les concentrations habituellement observées autour de la place Charles de Gaulle, où la cérémonie du souvenir de la fin de la guerre 14-18 prend place de façon symbolique aux côtés du soldat inconnu. La juxtaposition d’évènements s’entrevoit aussi pour le 11 novembre 2015 avec la concentration communicationnelle au nord de Paris près du Bourget pour les préparatifs de la conférence de Paris sur le climat -COP21- avec la réunion d’une délégation de 200 pays pour décider d’un accord mondial luttant contre les dérèglements climatiques. Ce même jour, la concentration à Paris Bercy révèle l’intensité communicationnelle générée par le concert du groupe musical U2. De même, la rencontre sportive de football France-Suède au Stade de France, le 11 novembre 2016 après la minute de recueil un an après les attentats de 2015, tout au nord de la zone parisienne à 21h est également identifiable et participe de ces croisements de temporalités (figures 7).

Figure 7a : Distribution des tweets du mercredi 11 novembre 2015 (jour 315)

Figure 7a : Distribution des tweets du mercredi 11 novembre 2015 (jour 315)

Figure 7b : Distribution des tweets du vendredi 11 novembre 2016 (jour 316)

Figure 7b : Distribution des tweets du vendredi 11 novembre 2016 (jour 316)

33Dans ce travail mené pour détecter et analyser des évènements, une piste consiste aussi en l’usage comparatif de la distribution des tweets selon une base de référence de niveaux moyens de suractivité et de sous-activité sur l’ensemble de la période. L’anomalie du lendemain des attentats du 13 novembre 2015 (jour 318, samedi 14 novembre 2015, figure 8) est d’autant plus perceptible, montrant une ville de Paris « éteinte », marquée par une anomalie de bleu (sous activité) ayant une extension spatiale étonnante sur l’ensemble de la zone parisienne. On décèle deux pics de communication localisés précisément sur l’hôtel de ville de Paris, lieu clé pour obtenir des nouvelles des proches au lendemain des attentats, et sur le site de la Tour Eiffel, exceptionnellement éteinte, mais animée de 10 fois plus de communications que d’ordinaire.

Figure 8 : Une anormale inactivité sur Paris le samedi 14 novembre 2015

Figure 8 : Une anormale inactivité sur Paris le samedi 14 novembre 2015

Indices de sur- et sous-activité.

L’impact spatial inégal des évènements programmes

34Pour déterminer l’extension spatiale de l’activité urbaine vue par les tweets, un protocole statistique de clustering rendant compte de l’activité communicationnelle, ou de la réactivité à un évènement, et de la mobilité des usagers des réseaux sociaux (quantité ou masse de communication (tweets) a été établi. En comparant les concentrations de production de tweets dans l’espace parisien (avec la méthode des LISA calculés à partir de l’indice d’autocorrélation de Moran), on est conduit à faire le constat de la faible extension spatiale des évènements « officiels » programmés qu’ils s’étalent soit sur une quinzaine de jours comme le tournoi de tennis de Roland Garros ou sur un week-end avec le festival rock Solidays qui a lieu sur l’hippodrome de Longchamp. Comparés à la large zone de mailles homogènes (indicateur LISA en rouge montrant des valeurs comparables entre elles, et supérieures à l’indice d’autocorrélation) des tweets liés à des visites touristiques, principalement rive droite, à l’intérieur du périmètre Notre-Dame - Montmartre -Etoile, la surface occupée par des mailles homogènes autour du stade de Roland Garros est particulièrement réduite... Dans le cas de la répétition régulière de tweets, il reste à apprécier si on ne finit pas par passer d’une situation d’exception à celle d’une configuration quasi-pérenne de l’espace parisien les dimanches de printemps et d’été. La localisation d’un événement n’est pas toujours identique et précise comme celle des deux semaines du tournoi international de Roland Garros près de la porte d’Auteuil. Dans le cas d’un événement programmé comme la fête de la musique qui se déploie sur toutes les villes de France, d’Europe et qui a récemment envahi le périmètre américain, nous retrouvons sur Paris le dimanche 21 juin 2015 (jour 172) ou le mardi 21 juin 2016 (jour 173) un phénomène qui embrasse de multiples lieux et qui rend plus délicat la lecture de sa spatialité, tout en montrant une capacité de couverture territoriale très importante sur la ville.

Figure 9 : Les « clusters » de Roland Garros et des destinations touristiques (Tour Eiffel, Montmartre, La Villette) du dimanche 24 mai 2015 (Hot spots d’indices LISA)

Figure 9 : Les « clusters » de Roland Garros et des destinations touristiques (Tour Eiffel, Montmartre, La Villette) du dimanche 24 mai 2015 (Hot spots d’indices LISA)

Figures 10a : Des samedis d’événements en 2015 : Solidays (samedi 27 juin, jour 178)

Figures 10a : Des samedis d’événements en 2015 : Solidays (samedi 27 juin, jour 178)

Indices de sur- et sous-activité, événement Solidays, jour 178.

Figure 10b : Des samedis d’événements en 2015 : Techno-parade (samedi 19 septembre, jour 262).

Figure 10b : Des samedis d’événements en 2015 : Techno-parade (samedi 19 septembre, jour 262).

Indices de sur- et sous-activité, événement Techno-parade, jour 262.

Figure 11 : Indice d’autocorrélation spatiale LISA, (Solidays, jour 178)

Figure 11 : Indice d’autocorrélation spatiale LISA, (Solidays, jour 178)

35Qu’il s’agisse des concerts rock de Solidays à l’Hippodrome de Longchamp, du festival Rock en Seine, dans le parc de Saint Cloud, ou de la Techno-parade, ces évènements apparaissent décalés par rapport à la routine des usages de ces lieux. La socialisation qui s’y opère pour un groupe donné, transforme l’espace de quelques jours ou d’un week-end les fonctions initiales des lieux, et donne l’illusion de créer un « ailleurs » urbain (figure 10a).

36La techno-parade 2015, qui a eu lieu le samedi 19 septembre (jour 262, figure 10b), propose une inscription spatiale des tweets, différente d’autres samedis de la saison touristique. Les zones habituellement fréquentées par les touristes présents dans la capitale sont concurrencées dans les émissions de tweets, par un nouvel axe rive gauche-Bastille–République correspondant à l’itinéraire de la techno-parade, qui vient rééquilibrer vers l’Est parisien l’activité des twittos.

37Pour synthétiser l’ensemble des exemples évènementiels présentés plus haut, il est possible de considérer la distribution des évènements selon leurs modes d’extension spatiale avec les items suivants :

  1. la localisation (depuis un microsite jusqu’à l’ubiquité, en passant par l’intermédiaire de localisations multi-sites) ;

  2. la couverture territoriale par rapport à l’ensemble de la zone parisienne (itinéraire, zone, espace parisien entier).

38De même, les modes d’occurrence temporelle des évènements sont à envisager selon les items suivants :

  1. la temporalité discrète (unique, 1 jour, 1 nombre de jours)

  2. la temporalité répétitive (1 événement programmé, 1 période tous les ans ou tous les x ans)

  3. la temporalité cyclique (les dimanches, les week-ends, les jours de la semaine, le matin, le midi, la nuit, la soirée, etc.).

39Le tableau 4 suivant, reprenant nos exemples étudiés, ouvre sur une lecture synthétique mais complexe des évènements en croisant des portions d’espaces et des pas de temps. D’un côté, l’échantillonnage du temps part ainsi d’un événement qui a pour son expression la plus faible une extension temporelle discrète jusqu’à une extension maximale continue, ce qui produit à l’extrême la disparition de l’événement au profit d’une situation de routine régulière. De l’autre, l’échantillonnage de l’espace part d’un événement qui a une extension spatiale faible jusqu’à une présence ubiquiste dans les mailles, ce qui conduit là encore à la disparition de l’événement.

Tableau 4 : Synthétiser des évènements par le croisement de modes d’extension spatiale et de modes d’occurrence temporelle

MODE D’EXTENSION SPATIALE

MODE D’OCCURRENCE TEMPORELLE

Temporalité discrète

Temporalité répétitive

Temporalité cyclique

Fin de l’événement = Routine

Singularité

Plusieurs jours

Période programmée

Durée imprévue

Un jour de la semaine, du week-end, un laps de temps horaire

Espace de phase

Localisation

Unique

Attentat, incendie, Concert U2, COP21

Concerts Rock, festivals,

Roland Garros

Multi-sites

Lieux touristique, manifs

Fête de la musique

Grève

Dimanches touristiques

Couverture territoriale

Itinéraire

Tour de France

Défilés 1er Mai, 14 Juillet, 11 novembre, Techno-parade, Tour de France

Embouteillage, circulation

Zone

Marchés de Noël

Fréquentation touristes

Espace francilien entier

Inondation, pic de pollution

Périmètre touristique

Système évènementiel, concurrence des évènements

Disparition de l’évènement = Ubiquité

En guise de conclusion… géographie et réseaux sociaux numériques ?

40Nous avons cherché dans cet article à poser des jalons sur des analyses des poly-temporalités urbaines vues à travers des occurrences évènementielles. Pour ce faire, nous avons identifié différents évènements en catégorisant les réponses du temps et de l’espace sur notre objet d’étude des tweets parisiens et franciliens. Il en résulte des formes de juxtaposition et de croisement de temporalités spécifiques puisque les usagers coexistent, que des clusters se distinguent, que des préférences de zones s’affirment et que des concentrations se dessinent. Des arythmies et anomalies se révèlent, de même qu’il existe des évènements dans l’événement, ou des séquences de temps cycliques et répétitives, ou plus généralement des rythmes urbains complexes animés de pulsations spécifiques.

41Le travail engagé ici s’est attaché à interroger les phénomènes urbains à travers les traces numériques collectées à partir du réseau social twitter. Au-delà de la prudence concernant la représentativité des données vis-à-vis d’un ensemble d’utilisateurs jeunes et connectés, ces traces constituent une information renseignant sur les structures spatiales de la distribution d’usagers sur les espaces urbains et sur la présence d’évènements de nature différente qui s’y déroulent. Ces analyses convergent vers l’idée de chronotope entendue comme une séquence particulière au cours de laquelle émerge un événement dans un lieu particulier de la ville. Il nous reste à proposer une lecture, pour caractériser ces chronotopes, qui croise des modes d’extension spatiale et des modes d’occurrence temporelle. Cette approche contribue à interpréter l’espace urbain selon des temporalités renouvelées.

Top of page

Bibliography

ALTSHULER, et al. (2013), Detecting Anomalous Behaviors Using Structural Properties of Social Networks, 6th International Conference, SBP 2013, Washington, DC, USA, April 2-5, 2013. Proceedings.

ANSELIN L. (1995), “Local Indicators of Spatial Association LISA”, Geographical Analysis, vol. 27, n° 2, pp. 93-115.

BARNES (2006), A privacy paradox: Social networking in the United States - http://firstmonday.org/article/view/1394/1312

BLONDEL V., et al. (2015), A survey of results on mobile phone datasets analysis, EPJ Data Science, 4:10.

CALABRESE F., RATTI C. (2006), « Real Time Rome », Networks and Communication Studies, vol. 20, n° 3-4, pp. 247-258.

CARDON D. (2015), A quoi rêvent les algorithmes, Ed. du Seuil, coll. La République des idées.

COHEN, LANCASTER (2014), “Individual Differences in In-Person and Social Media Television Coviewing: The Role of Emotional Contagion, Need to Belong, and Coviewing Orientation”, Cyberpsychology, behavior, and social networking, vol. 17, n° 8.

CRANG M. (2001), “Rhythms of the city”, in MAY J. & THRIFT N. (Eds.), Timespace, geographies of temporality, London, Routledge.

DIENLIN. T, TREPTE. S. (2015), “Is the privacy paradox a relic of the past? An indepth analysis of privacy attitudes and privacy behaviors”, European Journal of Social Psychology.

ELISSALDE B., LUCCHINI F., FREIRE-DIAZ S. (2011), « Mesurer la ville éphémère », in Données Urbaines, n° 6, Economica-Anthropos, pp. 105-122.

FRANÇA U. (2014), Visualizing the “Heartbeat” of a City with Tweets, Complexity, 21(6), November.

GRASSOT L. (2016), Mobilités évènementielles et espace urbain, Thèse de géographie, université de Rouen.

HOSSAIN et al. (2016), Inferring Fine-grained Details on User Activities and Home Location from Social Media, arXiv: 1603.03181v1, Mar 2016, University of Rochester.

LUCCHINI (2015), « Temporalités et rythmes urbains. Les interprétations géographiques du temps et les espaces urbains », Revue Information géographique, 2, pp. 28-40.

LUCCHINI F., ELISSALDE B. (2016), Révolution numérique et interactions socio-spatiales, Communication au Festival International de Géographie de Saint-Dié 2016.

LUCCHINI F. et al. (2016), Données numériques géolocalisées et évènements urbains, Atelier 18 novembre 2016, Axe Médias et territoires, Collège International des Sciences du Territoire, Paris.

LUCCHINI F. et al. (2016), Mobile phone use, events and emergent phenomena, Proceedings of European Colloquium on Theoretical and Quantitative Geography, Bari, Italy.

LUCCHINI. F et al. (2014), Urban events and emerging phenomena, ICCSA 2014, The 4th International Conference on Complex Systems and Applications, Le Havre.

PICON A. (2009), « Ville numérique, ville événement », Flux, vol. 4, n° 78, pp. 17-23.

RICOEUR P. (1983), Temps et récit, tome 1, Seuil.

ROGERS (2015), « La recherche sociale et politique à l’ère numérique », in SEVERO et al., Traces numériques et territoires, Ed Presses des Mines.

SEVERO et al. (2015), Traces numériques et territoires, Ed. Presses des Mines.

SUTER A. (1997), Evénements et histoire sociale, Annales HSS, Mai-juin 1997.

YAN-TAO ZHENG et al. (2012), “Mining Travel Patterns from Geotagged Photos”, ACM Transactions on Intelligent Systems and Technology, n° 3, Mai, DOI: 10.1145/2168752.2168770.

Top of page

Notes

1 La révolution numérique peut se définir comme le passage de notre société à l’ère de l’information et de la communication reposant sur une immatérialité grandissante des données diffusées à l’échelle mondiale.

2 Les soft data (Severo, 2015), appelées « soft » en opposition aux « hard » data traditionnelles produites par les institutions statistiques, peuvent être définies de façon très générale comme des informations librement disponibles sur Internet, non contrôlées par une administration publique. Elles sont constituées principalement par les nouveaux types de données issues du Web 2.0 (Facebook, Twitter, fils RSS…) qui s’offrent au décideur public, comme une source originale et riche d’informations, pour approcher les phénomènes évènementiels urbains.

3 Voir par exemple le TCAT : Twitter Capture and Analysis Toolkit Digital Methods Initiative, de l’université d’Amsterdam.

4 A New York, les écarts à la moyenne et les catégories bleues (sous la moyenne) et rouges (au-dessus de la moyenne) sont utilisées pour saisir les grandes tendances de présence entre la semaine et les week-ends, et selon certaines plages horaires.

5 Les instituts Nielsen/Mediametrie et Comscore estiment l’audience de Twitter en France entre 6 et 7 millions de visiteurs uniques mensuels – monthly unique viewers.

6 L’appartenance : c’est l’expérience personnelle d’être impliqué-e dans un système ou un groupe. Il y a deux composantes majeures de l’appartenance qui sont le sentiment d’être nécessaire au groupe et la manière de s’insérer dans le groupe. Roy Baumeister et Mark Leary, dans un article en 1995, ont discuté des effets forts de l’appartenance et ont déclaré que les humains ont un « désir fondamental de former des liens sociaux et que les medias sociaux leur offrent cette opportunité ».

7 Voir plus loin les variations horaires des usages de Twitter.

8 Y. Altshuler et alii: Detecting Anomalous Behaviors Using Structural Properties of Social Networks, distingue de son côté trois catégories d’évènements:
-"
Concerts and Festivals" Events that are anomalous, but whose existence is known in advance to a large enough group of people.
-“
Small exposure events” Anomalous events whose existence is unforeseen, and that were limited in their effect.
-“
Large exposure events” Anomalous events whose existence is unforeseen, that affected a large population.

9 Les syndicats CGT et FO ont défilé côte à côte dans l’après-midi de la Bastille à la place de la Nation.

Top of page

List of illustrations

Title Figure 1 : Rythme d’émission des tweets selon les heures de la journée : une activité communicationnelle davantage rythmée par le temps libre
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-1.png
File image/png, 336k
Title Figure 2 : Une variabilité horaire des tweets plus nocturne que diurne
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-2.jpg
File image/jpeg, 404k
Title Figure 3 : Emission des tweets le dimanche en 2015
Caption NB : la numérotation des jours correspond aux dimanches depuis le dimanche 3 mai 2015 = j123.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-3.png
File image/png, 60k
Title Figure 4 : Nombre de jours actifs en tweets selon les mailles composant l’espace francilien étudié
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-4.png
File image/png, 20k
Title Figure 5a : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2015 sur l’espace parisien (mailles de 500 mètres)
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-5.png
File image/png, 704k
Title Figure 5b : Intensité brute de l’activité communicationnelle : distribution des tweets échangés le 1er mai 2016 sur l’espace parisien (mailles de 500 mètres)
Caption NB : La toponymie des lieux peut être consultée à l’adresse : www. http://planparis360.fr/​carte-touristique-paris
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-6.png
File image/png, 675k
Title Figure 6a : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016
Caption Indices de sur-activité (rouge) et de sous-activité (bleu), et d’activité normale (jaune) à 15h et à 21h.L’indice de sur- / sous-activité se calcule de la façon suivante : avec Xij =nombre de tweets dans une maille une heure donnée, X.j =total des tweets une heure donnée toutes mailles confondues, Xi. = total des tweets pour une maille donnée pour la journée, X. = nombre total de tweets détectés dans toutes les mailles pour un jour donné.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-7.jpg
File image/jpeg, 740k
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-8.png
File image/png, 1.8k
Title Figure 6b : Niveau d’exceptionnalité de certains lieux pour les deux journées des 1er mai 2015 et 2016
Caption Indices de sur-activité (rouge) et de sous-activité (bleu), et d’activité normale (jaune) à 15h et à 21h.L’indice de sur- / sous-activité se calcule de la façon suivante : avec Xij =nombre de tweets dans une maille une heure donnée, X.j =total des tweets une heure donnée toutes mailles confondues, Xi. = total des tweets pour une maille donnée pour la journée, X. = nombre total de tweets détectés dans toutes les mailles pour un jour donné.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-9.jpg
File image/jpeg, 752k
Title Figure 7a : Distribution des tweets du mercredi 11 novembre 2015 (jour 315)
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-10.png
File image/png, 686k
Title Figure 7b : Distribution des tweets du vendredi 11 novembre 2016 (jour 316)
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-11.png
File image/png, 669k
Title Figure 8 : Une anormale inactivité sur Paris le samedi 14 novembre 2015
Caption Indices de sur- et sous-activité.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-12.jpg
File image/jpeg, 940k
Title Figure 9 : Les « clusters » de Roland Garros et des destinations touristiques (Tour Eiffel, Montmartre, La Villette) du dimanche 24 mai 2015 (Hot spots d’indices LISA)
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-13.png
File image/png, 969k
Title Figures 10a : Des samedis d’événements en 2015 : Solidays (samedi 27 juin, jour 178)
Caption Indices de sur- et sous-activité, événement Solidays, jour 178.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-14.jpg
File image/jpeg, 1.2M
Title Figure 10b : Des samedis d’événements en 2015 : Techno-parade (samedi 19 septembre, jour 262).
Caption Indices de sur- et sous-activité, événement Techno-parade, jour 262.
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-15.jpg
File image/jpeg, 1.3M
Title Figure 11 : Indice d’autocorrélation spatiale LISA, (Solidays, jour 178)
URL http://journals.openedition.org/netcom/docannexe/image/2579/img-16.png
File image/png, 1.2M
Top of page

References

Bibliographical reference

Françoise Lucchini, Bernard Elissalde, Leny Grassot and Julien Baudry, Paris tweets, données numériques géolocalisées et évènements urbainsNetcom, 30-3/4 | 2016, 207-230.

Electronic reference

Françoise Lucchini, Bernard Elissalde, Leny Grassot and Julien Baudry, Paris tweets, données numériques géolocalisées et évènements urbainsNetcom [Online], 30-3/4 | 2016, Online since 24 March 2017, connection on 28 March 2024. URL: http://journals.openedition.org/netcom/2579; DOI: https://doi.org/10.4000/netcom.2579

Top of page

About the authors

Françoise Lucchini

UMR CNRS IDEES, université de Rouen, francoise.lucchini@univ-rouen.fr

By this author

Bernard Elissalde

UMR CNRS IDEES, université de Rouen, bernard.elissalde@univ-rouen.fr

By this author

Leny Grassot

UMR CNRS LAET, université de Lyon, l.grassot@gmail.com

Julien Baudry

EA LITIS, université du Havre, julien.baudry@univ-lehavre.fr

Top of page

Copyright

CC-BY-NC-ND-4.0

The text only may be used under licence CC BY-NC-ND 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search