Ciblage sélectif d'une campagne informationnelle : lire ce qui est épargné comme une signature analytique

L'analyse des opérations d'influence se concentre presque toujours sur ce qui est produit : volume de contenus, comptes relais, thématiques, formats, vitesse de diffusion. Cette focalisation est compréhensible, puisque ces éléments sont directement observables et se comptent. Elle laisse pourtant de côté une dimension qui structure fortement l'interprétation, à savoir la liste des acteurs qu'une campagne ne vise pas alors qu'ils appartiennent manifestement au même champ.

TechTimes rapporte que le réseau de désinformation russe Matriochka inonde les réseaux sociaux allemands de fausses informations générées par intelligence artificielle, en visant les responsables des partis démocratiques, à savoir la CDU, le SPD, les Verts et Die Linke, tandis que l'extrême droite représentée par l'AfD et le BSW sont totalement épargnés. TechTimes indique également que l'Office fédéral de protection de la Constitution, le BfV, a confirmé que l'opération vise à influencer les élections régionales.

Cette note ne commente pas la vie politique allemande. Elle traite la configuration décrite comme un cas d'école méthodologique : comment construire, mesurer et interpréter l'ensemble des acteurs épargnés par une campagne, quelles hypothèses concurrentes une exclusion admet, et à quelles conditions une absence de mentions constitue une observation plutôt qu'un défaut de couverture du dispositif d'observation.

Pourquoi l'ensemble épargné est plus discriminant que l'ensemble visé

Une campagne qui vise largement produit une signature faible : viser beaucoup d'acteurs est compatible avec presque toutes les hypothèses de commanditaire et d'objectif. Une campagne qui vise certains acteurs et pas d'autres, en revanche, effectue un tri, et ce tri traduit nécessairement une règle de décision. Reconstituer cette règle constitue l'un des rares chemins analytiques qui remonte du contenu observé vers l'intention supposée sans dépendre de l'attribution technique.

La difficulté tient à la nature de l'observation. Une mention est un événement positif que le corpus enregistre ; une non-mention n'est pas un événement, c'est une propriété du corpus. Elle ne se constate que si l'on a établi au préalable que le dispositif d'observation aurait capté cette mention si elle avait existé. Cette condition, rarement vérifiée, sépare une analyse solide d'une lecture d'apparence brillante et sans fondement.

Nous en tirons une règle de travail simple : toute affirmation sur un acteur épargné doit être accompagnée de la démonstration de couverture correspondante. Concrètement, il faut montrer que les requêtes couvraient bien le nom de cet acteur et ses variantes, que la période observée était la même que pour les acteurs visés, et que les langues et plateformes couvertes étaient identiques dans les deux cas.

Construire une matrice de ciblage plutôt qu'une liste de cibles

L'instrument que nous employons est une matrice à double entrée. En lignes, la liste exhaustive des acteurs du champ considéré, établie a priori et indépendamment des observations, à partir d'une source de référence sur la composition de ce champ. En colonnes, les périodes d'observation. Chaque cellule porte le nombre de contenus attribués à la campagne mentionnant l'acteur, ainsi qu'un indicateur de tonalité en trois niveaux.

La construction a priori de la liste des lignes est la précaution décisive. Si la liste des acteurs est extraite du corpus lui-même, un acteur épargné n'apparaît tout simplement pas dans la matrice, et l'omission devient invisible par construction. C'est l'erreur la plus fréquente dans les analyses d'opérations d'influence, et elle produit systématiquement une image de campagne plus large et moins ciblée que la réalité observée.

Deux indicateurs se dérivent ensuite de cette matrice. Le taux de couverture du champ, c'est-à-dire la part des acteurs listés recevant au moins une mention sur la période, qui distingue une campagne large d'une campagne sélective. Et l'indice de concentration des mentions, qui indique si l'attention se répartit entre les acteurs visés ou se concentre sur quelques-uns. Une campagne peut être sélective sur le champ et diffuse sur les cibles retenues, ou l'inverse, et ces deux profils ne se lisent pas de la même manière.

Trois hypothèses concurrentes derrière une exclusion, et comment les départager

La première hypothèse est l'alignement d'objectif : les acteurs épargnés servent l'objectif poursuivi, et les attaquer serait contre-productif. C'est l'interprétation la plus immédiate, et c'est précisément pour cela qu'elle mérite d'être testée plutôt que supposée. Elle prédit une stabilité de l'exclusion sur toute la période et sur tous les segments thématiques de la campagne.

La deuxième hypothèse est l'économie de moyens : la campagne se concentre sur les acteurs dont l'affaiblissement produit le meilleur rendement, sans que les autres soient épargnés par affinité. Cette hypothèse prédit une exclusion instable, sensible aux évolutions des rapports de force et susceptible de s'inverser si un acteur épargné devient central. Elle se départage de la première par l'observation d'une période longue.

La troisième hypothèse est l'artefact d'observation : l'acteur n'est pas épargné, il est mal capté par le dispositif, par exemple parce que son nom s'écrit sous plusieurs formes, parce qu'il est surtout mentionné sur une plateforme non couverte, ou parce qu'il apparaît dans une langue absente du périmètre. Cette hypothèse se teste directement, en construisant un corpus de contrôle centré sur cet acteur seul et en vérifiant que le dispositif y capte bien du volume.

Ce que la génération automatisée change à la lisibilité de la signature

TechTimes décrit des contenus générés par intelligence artificielle. Cette caractéristique modifie deux paramètres analytiques. Elle abaisse le coût unitaire de production, ce qui affaiblit l'hypothèse d'économie de moyens : quand produire un contenu supplémentaire coûte presque rien, épargner un acteur relève moins de l'arbitrage budgétaire que d'un choix explicite. Elle brouille en revanche les signatures stylistiques traditionnellement utilisées pour regrouper des contenus.

L'analyse se déplace donc vers des marqueurs plus structurels : synchronisation temporelle des publications, réutilisation d'infrastructures de diffusion, motifs de redirection, similarité des trajectoires de comptes relais. Ces marqueurs résistent mieux à la variation de surface des textes, et ils restent observables en source ouverte, ce qui les rend exploitables par une cellule de veille disposant d'un périmètre de collecte suffisamment large.

Ce type de suivi impose une collecte continue et multilingue, car une campagne se lit rarement dans une seule langue et jamais sur une seule plateforme. NewsCore (www.newscore.fr) couvre en continu des millions de sources multilingues, trie les résultats par pertinence et fait remonter les signaux utiles en temps réel avec un lien direct vers la source d'origine. L'établissement des hypothèses et la qualification finale des observations restent à la charge des équipes d'analyse.

Une campagne large ne dit presque rien de son commanditaire. Une campagne qui trie révèle sa règle de tri, et cette règle est souvent le seul élément que l'infrastructure technique ne dissimule pas.

Limites de la lecture par omission et conditions de reproductibilité

Quatre limites encadrent cette méthode. Une absence de mentions ne devient une observation que sur un corpus dont la couverture a été vérifiée indépendamment pour chaque acteur listé. Une exclusion mesurée sur une période courte reste fragile, car l'attention d'une campagne se redistribue vite. L'attribution des contenus à une campagne donnée relève d'un travail distinct, qui conditionne pourtant toute la matrice. Enfin, une confirmation institutionnelle sur l'objectif d'une opération, comme celle du BfV mentionnée par TechTimes, documente l'appréciation d'un service, et se consigne comme telle, datée et attribuée.

La reproductibilité impose de publier, avec toute analyse de ciblage sélectif, cinq éléments : la liste des acteurs constituée a priori et sa source, la période exacte d'observation, la liste des plateformes et des langues couvertes, la règle d'attribution des contenus à la campagne, et le résultat des tests de couverture menés sur les acteurs déclarés épargnés. Sans ces éléments, l'affirmation d'une exclusion n'est pas réfutable.

Nous recommandons enfin une prudence de formulation. Constater qu'un acteur n'a reçu aucune mention dans un corpus donné est une observation. Affirmer qu'une campagne le favorise est une interprétation, qui suppose une hypothèse sur l'intention du commanditaire. Séparer visiblement ces deux niveaux dans un livrable coûte quelques lignes et évite de transformer un décompte en jugement politique que les données ne portent pas.

Questions fréquentes sur l'analyse du ciblage sélectif d'une campagne

Comment mesurer qu'une campagne de désinformation épargne certains acteurs ?

En construisant d'abord la liste complète des acteurs du champ à partir d'une source extérieure au corpus, puis en comptant les mentions attribuées à la campagne pour chacun sur une période identique. L'étape indispensable consiste ensuite à vérifier, acteur par acteur, que le dispositif aurait capté ces mentions si elles existaient, au moyen d'un corpus de contrôle centré sur cet acteur seul. Sans ce test, l'absence mesurée reste ambiguë.

Pourquoi les acteurs épargnés sont-ils plus informatifs que les cibles visées ?

Parce que viser largement est compatible avec presque toutes les hypothèses d'objectif, alors que trier révèle une règle de décision. Dans le cas rapporté par TechTimes, le réseau Matriochka vise les responsables de la CDU, du SPD, des Verts et de Die Linke, tandis que l'AfD et le BSW sont totalement épargnés : c'est la structure de cette asymétrie, et non le volume de contenus produits, qui contraint réellement les interprétations possibles.

Quelles hypothèses envisager avant de conclure à une affinité politique ?

Trois au minimum, et dans cet ordre. L'artefact d'observation, qui se teste immédiatement par un corpus de contrôle. L'économie de moyens, qui prédit une exclusion instable dans le temps et se départage sur une période longue. L'alignement d'objectif, qui prédit au contraire une exclusion stable sur toutes les thématiques et toutes les phases de la campagne. Conclure directement à la troisième sans avoir écarté les deux premières est la faute la plus courante.

Les contenus générés automatiquement rendent-ils l'analyse de ciblage plus difficile ?

Ils déplacent l'analyse plutôt qu'ils ne l'empêchent. La variation de surface des textes affaiblit les signatures stylistiques utilisées pour regrouper des contenus, ce qui rend l'attribution plus délicate. En contrepartie, le coût de production devenu marginal renforce la valeur informative d'une exclusion : quand produire un contenu supplémentaire ne coûte presque rien, ne pas viser un acteur relève d'un choix et non d'une contrainte de moyens.