Dataset : la répartition par pays visé des opérations d'influence documentées

Les analyses publiées sur les opérations d'influence citent régulièrement des totaux par pays. Ces chiffres circulent vite et se comparent mal, car ils reposent sur des unités de compte incompatibles. Compter des contenus, des comptes relais, des vagues de diffusion ou des campagnes attribuées produit quatre séries qui n'ont ni le même ordre de grandeur ni la même signification analytique.

Deux cas récents montrent la difficulté. TechTimes rapporte que le réseau de désinformation russe Matriochka inonde les réseaux sociaux allemands de fausses informations générées par IA, visant les responsables des partis démocratiques, CDU, SPD, Verts et Die Linke, tandis que l'AfD et le BSW sont totalement épargnés, l'Office fédéral de protection de la Constitution ayant confirmé que l'opération vise à influencer les élections régionales.

Blick décrit de son côté une intervention russe dans la campagne référendaire suisse portant sur l'initiative de neutralité de l'UDC, que le Kremlin soutient, avec l'ambassade de Russie à Berne et Maria Zakharova relayant des éléments de désinformation, notamment via Russia Today, le Conseil fédéral ayant créé un groupe de travail pour contrer ces ingérences. Ce jeu de données décrit comment de tels épisodes deviennent des lignes comparables.

Ce que l'on compte quand on compte une opération d'influence

L'unité retenue est la campagne attribuée et documentée : un ensemble cohérent d'activités informationnelles, rattaché à un acteur identifié par au moins une source d'attribution recevable, et décrit publiquement. Ce choix écarte délibérément les contenus isolés, les comptes suspects et les vagues de diffusion, qui relèvent d'unités de mesure inférieures et gonflent artificiellement les totaux.

Une campagne peut se manifester par plusieurs vagues, séparées de plusieurs mois et adaptées à des échéances différentes. Ces vagues sont enregistrées comme des observations rattachées à la même campagne, avec leur propre datation et leur propre pays visé. La campagne reste l'unité de compte, la vague devient l'unité d'observation. Confondre les deux est la principale source d'écart entre décomptes publiés.

L'attribution constitue la barrière d'entrée la plus stricte. Nous retenons trois familles de sources d'attribution : les publications d'autorités nationales compétentes, les rapports d'organisations de recherche indépendantes disposant d'une méthodologie publiée, et les analyses de plateformes documentant un retrait coordonné. Une allégation politique non étayée par l'une de ces trois familles ne fait pas entrer une campagne dans le corpus.

Le pays visé, une variable moins évidente qu'il n'y paraît

Trois critères concourent à déterminer le pays visé, et ils divergent régulièrement. La langue des contenus désigne un espace linguistique qui déborde souvent les frontières. Le ciblage effectif, mesuré par la localisation des audiences atteintes, désigne un territoire mais dépend de données que les plateformes ne publient pas toujours. L'échéance politique exploitée, enfin, désigne un pays sans ambiguïté quand elle existe.

Le corpus enregistre les trois critères séparément et retient l'échéance politique comme critère principal quand elle est présente, la langue à défaut. Une campagne germanophone exploitant un scrutin régional allemand se rattache à l'Allemagne, même si une partie de sa diffusion touche l'Autriche et la Suisse. Une campagne francophone sans échéance identifiable reçoit un pays visé indéterminé plutôt qu'une affectation arbitraire.

Cette prudence a un coût visible : une part non négligeable des entrées porte un pays visé indéterminé, ce qui déplaît aux lecteurs de classements. Elle a surtout un bénéfice : elle empêche d'attribuer mécaniquement à la France, à l'Allemagne ou au Royaume-Uni des campagnes dont la cible réelle était un espace linguistique ou une diaspora, situation fréquente et systématiquement mal traitée par les décomptes rapides.

Répartition observée par pays visé et par type d'échéance

La structure de la répartition est plus instructive que son classement. Les pays où l'on documente le plus d'opérations sont ceux qui combinent trois propriétés : une échéance électorale rapprochée, un dispositif public de détection actif, et un écosystème de recherche indépendante capable de publier. Retirer l'une des trois suffit à faire chuter un pays dans le classement sans que l'intensité réelle des opérations diminue.

Le tableau ci-dessous synthétise les configurations les plus fréquemment observées dans le corpus, avec le type d'échéance exploitée et le marqueur documentaire dominant. Il ne constitue pas un classement mais une typologie des situations rencontrées.

La dernière ligne mérite attention. Les campagnes visant un espace linguistique plutôt qu'un pays sont probablement sous-représentées dans tous les corpus existants, car elles ne déclenchent l'alerte d'aucune autorité nationale en particulier. Elles constituent l'angle mort structurel de ce type de comptage, et le jeu de données les isole explicitement plutôt que de les diluer.

Le biais d'attention : documenter n'est pas subir

Le biais central de tout comptage d'opérations d'influence tient à ce que la variable observée n'est pas l'exposition mais la documentation. Un pays doté d'une agence spécialisée, d'une presse d'investigation active et de laboratoires universitaires financés produit un flux de rapports continu. Un pays sans ces trois éléments produit peu de rapports, ce qui se lit à tort comme une faible exposition.

Ce biais ne se corrige pas par une pondération. On peut en revanche le rendre visible en publiant, à côté du nombre de campagnes documentées, un indicateur de capacité de détection fondé sur des éléments observables : existence d'une autorité dédiée, fréquence de ses publications, nombre d'organisations de recherche actives. Lire les deux colonnes ensemble change complètement l'interprétation du classement.

Un second biais tient à la temporalité. La documentation d'une campagne arrive après coup, parfois longtemps après. Une année récente paraît toujours moins touchée qu'une année ancienne, simplement parce que les rapports ne sont pas encore parus. Le corpus enregistre donc deux dates, celle de l'activité et celle de la publication d'attribution, et déconseille explicitement toute lecture de la période la plus récente.

Une carte des opérations d'influence documentées est d'abord une carte des capacités de détection. Les zones blanches y signalent l'absence d'observateurs, rarement l'absence d'activité.

Collecte, dédoublonnage et traitement des attributions concurrentes

La collecte s'appuie sur une surveillance continue et multilingue des publications d'autorités, des rapports de recherche et de la presse spécialisée. NewsCore (www.newscore.fr) couvre en continu des millions de sources et fait remonter les signaux pertinents en temps réel, ce qui raccourcit le délai entre la parution d'un rapport d'attribution et son intégration au corpus. La qualification et le rattachement restent des actes d'analyste, tracés dans le jeu de données.

Le dédoublonnage constitue l'opération la plus délicate. Une même campagne est fréquemment décrite par plusieurs organisations sous des dénominations différentes, avec des périmètres qui se recouvrent partiellement. Le corpus conserve toutes les dénominations rencontrées dans un champ dédié et rattache les descriptions à un identifiant unique lorsque les recoupements techniques le justifient, en documentant le critère de rapprochement retenu.

Les attributions concurrentes ne sont jamais arbitrées par nos soins. Lorsque deux organisations attribuent une même campagne à des acteurs différents, les deux attributions figurent, avec leur source et leur date, et l'entrée porte un indicateur de divergence. Trancher à leur place introduirait dans le corpus un jugement que rien dans la matière observable ne permet de fonder.

Champs publiés et conditions de réutilisation du jeu de données

Chaque enregistrement porte un identifiant de campagne, les dénominations connues, la ou les attributions avec leur source, la période d'activité, la date de première documentation publique, le pays visé principal, les pays visés secondaires, le type d'échéance exploitée, les langues employées, les familles de plateformes concernées et un indicateur de confiance à trois niveaux.

Deux champs qualitatifs complètent la structure. Le premier décrit le ciblage observé, y compris les acteurs politiques explicitement épargnés lorsque la source le documente, information souvent plus discriminante que la liste des cibles. Le second recense les mesures publiques annoncées en réponse, groupe de travail, retrait coordonné, saisine judiciaire, qui constituent des traces datées et vérifiables.

La réutilisation suppose de respecter deux règles. Ne pas additionner ce corpus avec un décompte fondé sur une autre unité de compte, sous peine de produire un total dénué de sens. Ne pas présenter la répartition par pays comme une mesure d'exposition sans publier conjointement l'indicateur de capacité de détection. Ces deux règles figurent dans la licence d'usage accompagnant le jeu de données.

Questions fréquentes

Pourquoi le nombre de campagnes documentées est-il si inférieur aux chiffres souvent cités ?

Parce que les chiffres élevés comptent presque toujours des contenus ou des comptes relais, pas des campagnes. Une seule campagne peut produire des milliers de publications et mobiliser des centaines de comptes. Les deux mesures sont légitimes mais répondent à des questions différentes : le volume de contenus décrit une intensité de production, le nombre de campagnes décrit un nombre d'opérations distinctes attribuées.

Que signifie le fait qu'une campagne épargne délibérément certains acteurs politiques ?

C'est un marqueur de ciblage particulièrement utile en analyse, et le corpus le consigne systématiquement quand la source le documente. La liste des acteurs visés indique un objectif immédiat, la liste des acteurs épargnés indique une préférence structurelle. La seconde est plus difficile à falsifier que la première, car un opérateur cherchant à brouiller son attribution disperse ses cibles mais maintient rarement une exception constante.

Une votation ou un référendum se traite-t-il comme une élection ordinaire ?

Non, et le corpus distingue explicitement les deux. Une consultation directe porte sur un objet unique et identifiable, ce qui rend le message d'influence plus simple à construire et plus facile à mesurer. Une élection générale répartit l'enjeu sur des dizaines de candidatures et de thèmes. Le type d'échéance est donc un champ à part entière, et non une simple précision descriptive.

Comment une organisation privée peut-elle utiliser ce type de corpus ?

En s'en servant pour cadrer son exposition plutôt que pour évaluer un risque géopolitique. Une entreprise implantée dans un pays où une échéance identifiée approche sait que son environnement informationnel va se charger, que ses prises de parole seront lues dans un contexte polarisé, et que ses marques peuvent être instrumentalisées. Le corpus fournit le calendrier et la typologie, l'analyse d'exposition reste propre à chaque organisation.