Fuseaux horaires et dates : la convention qui rend un délai comparable

Un délai de détection est une soustraction : date d'arrivée moins date de départ. L'opération paraît triviale, à une condition près qui n'est presque jamais remplie sur un corpus multi-sources : que les deux dates soient exprimées dans le même référentiel temporel. Une dépêche d'agence, un registre public et un billet technique ne racontent pas leur propre heure de la même façon.

Cette note porte sur ce référentiel. Elle ne traite pas des documents dépourvus de date exploitable, cas d'une note distincte, mais de la situation inverse et plus insidieuse : la date existe, s'affiche proprement, se lit sans ambiguïté apparente, et désigne pourtant un autre instant que celui que la mesure croit enregistrer.

Trois écarts se cumulent : entre la date d'un fait et celle de sa publication, entre le fuseau d'une source et celui d'une autre, entre un horodatage complet et une date nue. Chacun paraît modeste. Ensemble, ils font changer un document de jour calendaire et déplacent un délai médian dès que le glissement joue toujours dans le même sens.

Une date de publication n'est pas la date du fait qu'elle rapporte

La première confusion tient au contenu, pas au format. Un document porte une date de mise en ligne ; le fait qu'il décrit s'est produit avant, parfois de plusieurs jours. Une décision datée du 3 devient consultable le 7, puis commentée le 9. Trois dates coexistent pour un même évènement, toutes exactes, et une mesure qui les mélange cesse de porter sur une grandeur stable.

Nous distinguons trois horloges : la survenance du fait, la mise à disposition publique du document qui l'atteste, la collecte de ce document par notre dispositif. Chacune constitue une borne de départ légitime, à condition d'être choisie une fois pour toutes et déclarée. Le défaut courant consiste à changer de choix d'un cas à l'autre, selon ce que la source rend disponible.

La règle appliquée est explicite : la borne de départ est la date de mise à disposition publique du premier document attestant le signal. Ni la survenance, souvent indéterminable. Ni la collecte, qui décrit notre dispositif plutôt que le monde observé. La date de survenance est enregistrée quand elle est connue, dans un champ séparé, jamais en substitution.

Chaque source horodate dans son fuseau, et parfois n'en déclare aucun

Vient ensuite le format. Un horodatage complet comporte trois éléments : une date, une heure, un décalage par rapport au temps universel. Les flux de syndication fournissent généralement les trois. Les pages rédigées pour des lecteurs humains n'en fournissent souvent que deux : une heure locale, sans dire de quelle localité, parce que leur lecteur habituel le sait.

L'ambiguïté est asymétrique. Une source nationale publie dans son heure légale, qui se décale deux fois par an dans une partie du monde et jamais dans une autre. Une plateforme internationale normalise en temps universel sans le signaler. Un même horodatage brut, 12 h 00, désigne donc des instants séparés de plusieurs heures, et l'amplitude entre fuseaux habités dépasse une journée entière.

Le tableau ci-dessous récapitule les formes d'horodatage rencontrées dans le corpus et le traitement appliqué à chacune. La colonne de droite indique le risque de bascule : la probabilité qu'une conversion mal conduite fasse changer le document de jour calendaire.

Ce qu'un décalage d'une nuit fait à un délai compté en jours

L'erreur ne se répartit pas uniformément dans la journée. Un document horodaté à quatorze heures reste dans le même jour quel que soit le fuseau retenu. Un document horodaté à vingt-trois heures quarante bascule au jour suivant dès qu'une conversion ajoute une heure ; à zéro heure vingt, il bascule au jour précédent dès qu'elle en retire une. Le risque se concentre autour de minuit.

Cette concentration resterait anodine si les publications se répartissaient au hasard dans la journée. Elles ne s'y répartissent pas : les fins de soirée concentrent les mises en ligne différées, les communiqués programmés et les republications automatiques. La tranche la plus exposée à la bascule figure parmi les plus chargées du corpus.

Sur une observation isolée, une bascule d'un jour reste du bruit. Sur un délai médian, elle devient un biais dès qu'elle joue toujours dans le même sens, ce qui survient lorsque les sources d'une même aire géographique subissent la même conversion erronée. Aucune étape ultérieure ne signale l'anomalie : la date obtenue reste valide, simplement fausse.

Une date fausse d'une heure finit par se remarquer. Une date fausse d'un jour, jamais : elle reste une date parfaitement plausible.

Les sources qui ne donnent qu'une date de parution, sans heure

Un cas fréquent échappe à toute conversion : la source publie un jour, pas un instant. Registres, bulletins officiels, rapports institutionnels et documentations techniques indiquent une date de parution et rien d'autre. Convertir cette date d'un fuseau vers un autre n'a aucun sens, faute d'heure à décaler. La question n'est pas comment la convertir, mais quoi en faire.

La tentation consiste à lui adjoindre une heure par défaut, minuit ou midi, pour homogénéiser le corpus. Le procédé fabrique une précision inexistante. Avec minuit, il introduit un biais dirigé : il place ces documents au tout début de leur journée, donc en avance sur ceux réellement horodatés à la même date. Une source institutionnelle paraît alors précéder la presse par artefact de format.

Nous les traitons pour ce qu'ils sont : une journée entière, pas un instant. La date nue est conservée telle quelle, sans heure ajoutée, et porte un attribut de granularité journalière. Toute mesure exigeant une résolution inférieure à la journée les exclut explicitement, plutôt que de les compléter par une valeur inventée.

La convention de datation que nous fixons et publions

Une convention ne vaut que publiée. Des règles de datation appliquées sans être écrites produisent des chiffres irreproductibles, y compris par leurs auteurs. La nôtre tient en quatre règles, énoncées avec le jeu de données.

Première règle : le fuseau de référence est le temps universel coordonné. Tout horodatage complet y est converti avant calcul, la valeur d'origine restant conservée à côté de la valeur convertie. Deuxième règle : un horodatage sans fuseau déclaré reçoit le fuseau légal du siège éditorial de la source, et le document porte une marque de fuseau présumé, qui autorise le recalcul de l'indicateur sans ces cas.

Troisième règle : l'unité est le jour calendaire dans le fuseau de référence. Un délai est la différence entre deux numéros de jour, non un nombre d'heures arrondi : deux documents parus le même jour donnent un délai nul, quel que soit l'intervalle qui les sépare. Quatrième règle : une date réduite à un mois ou à une année n'entre dans aucun calcul de délai, le document restant au corpus pour les analyses non chronologiques.

Pourquoi le jour entier est plus robuste que l'heure sur un corpus multi-sources

Mesurer en heures paraît plus rigoureux, et l'est sur un corpus homogène alimenté par une source unique à l'horodatage complet. Sur un corpus multi-sources, la précision affichée dépasse la précision disponible. Une résolution affichée supérieure à la résolution des données ne relève pas de la rigueur : c'est une incertitude présentée comme un résultat.

Trois arguments fondent le choix du jour entier. Il absorbe l'incertitude de fuseau, inférieure à une journée dans la quasi-totalité des cas. Il rend commensurables les documents horodatés à la seconde et ceux qui ne portent qu'une date nue, sans imposer aux seconds une heure inventée. Il neutralise l'effet de l'heure de publication, qui relève des usages d'un éditeur plus que de la dynamique du signal.

Le coût est réel et assumé : les phénomènes dont l'échelle propre se compte en heures sortent du champ de nos mesures de délai et relèvent d'instruments distincts. Nous préférons perdre cette finesse plutôt que publier des heures dont une part serait fausse. Sur des délais qui se comptent en dizaines de jours, l'incertitude d'une journée reste marginale.

Cette convention suppose une collecte qui conserve l'horodatage d'origine au lieu de l'écraser à l'import. NewsCore (www.newscore.fr) enregistre pour chaque document l'horodatage publié par la source, son fuseau lorsque la source le déclare, et l'heure de première collecte : les trois valeurs restent disponibles côte à côte, et toute conversion se rejoue depuis la valeur brute.

Questions fréquentes

Faut-il convertir tous les horodatages en temps universel ? Oui, pour le calcul ; non, pour le stockage. La valeur d'origine se conserve en parallèle. Une conversion irréversible interdit de refaire le calcul sous une autre convention et rend indétectable une erreur de fuseau découverte plus tard.

Quel fuseau attribuer à une source qui n'en déclare aucun ? Le fuseau légal du lieu où elle est éditée, faute de mieux, en marquant cette attribution comme présumée. La marque compte autant que l'attribution : elle rend possible un recalcul sur les seuls documents à fuseau déclaré, donc la mesure de la sensibilité du résultat à cette hypothèse.

Comment traiter une date de parution sans heure ? En la gardant telle quelle et en la déclarant de granularité journalière. Ajouter minuit place le document en tête de sa journée et fausse tout classement chronologique fin ; ajouter midi reste arbitraire. Une mesure en jours entiers rend l'ajout inutile.

Un délai mesuré en jours est-il moins précis qu'un délai mesuré en heures ? Il est moins fin, pas moins juste. Sur un corpus dont une partie des documents ne porte aucune heure et dont une autre porte une heure sans fuseau, un résultat en heures affiche une résolution que les données n'ont pas. Le jour entier est la plus petite unité que toutes les sources renseignent.