Après les émeutes de 2024, 51 000 messages Facebook éclairent la radicalisation

Les émeutes de l’été 2024 n’ont pas seulement donné lieu à des violences de rue et à des procédures judiciaires. Elles ont aussi déclenché une intense activité en ligne, dans laquelle se sont mêlés commentaires d’actualité, colère contre les institutions, récits anti-immigration et appels à une vision identitaire de la société. Une enquête fondée sur l’analyse de publications Facebook permet d’observer cette dynamique à une échelle rarement documentée : 123 000 messages examinés, dont 51 000 classés dans des catégories associées à l’extrême droite.

L’intérêt de ce travail ne tient pas uniquement à son volume. Il réside dans le rapprochement de plusieurs éléments : des groupes Facebook publics, des connexions entre leurs équipes de modération, des membres liés à des poursuites pour des faits en ligne ou ayant soutenu les émeutiers, et une méthode de classement combinant expertise humaine et intelligence artificielle. Cette approche ne permet pas de résumer les convictions de tous les membres de ces groupes. Elle montre en revanche comment certains espaces numériques peuvent rendre familiers, acceptables ou répétitifs des récits auparavant cantonnés à des marges plus visibles.

Ce que l’enquête a réellement mesuré

Le corpus porte sur des messages publiés dans des groupes Facebook sélectionnés pour leurs liens avec l’environnement numérique des émeutes. Trois groupes ont été retenus parce qu’ils comprenaient des membres inculpés pour des infractions liées à leur activité en ligne ou ayant manifesté leur soutien aux émeutiers. L’enquête a ensuite mis au jour des connexions avec treize autres groupes, dont la plupart étaient également publics.

Le matériau collecté couvre les publications textuelles diffusées depuis la création de ces groupes jusqu’en mai 2025. Il ne s’agit donc ni d’un sondage de l’ensemble des utilisateurs de Facebook, ni d’un relevé de tous les échanges liés aux émeutes sur les réseaux sociaux. C’est une étude ciblée d’un réseau de communautés connectées, conçue pour comprendre les thèmes qui y circulent et les mécanismes qui peuvent les amplifier.

Cette distinction est essentielle. Le fait d’apparaître dans un corpus étudié n’établit pas qu’une personne a commis une infraction, ni même qu’elle adhère à l’ensemble des opinions exprimées dans un groupe. Inversement, l’absence d’un utilisateur de ce corpus ne dit rien de ses convictions. L’objectif est d’analyser des discours et des circulations de contenus, pas d’attribuer une étiquette politique ou judiciaire à chaque membre.

Pourquoi les groupes Facebook comptent dans la circulation des récits

Les messages ayant donné lieu à des poursuites liées aux émeutes n’ont pas été diffusés exclusivement dans des espaces explicitement associés à l’extrême droite. L’enquête rappelle qu’ils ont circulé sur des plateformes grand public comme X, Instagram et Facebook. Beaucoup provenaient de comptes ou de pages personnels. Mais les groupes publics ajoutent une dimension particulière : ils réunissent durablement des personnes autour de thèmes communs, organisent la visibilité des publications et peuvent fournir des signes d’approbation, par les commentaires, les réactions ou les partages.

Dans les groupes étudiés, les modérateurs et les administrateurs ont un rôle structurel. Les premiers peuvent approuver les demandes d’adhésion, exclure des membres et superviser les contenus. Les seconds disposent de pouvoirs supplémentaires, notamment sur les paramètres des groupes et la nomination de nouveaux modérateurs. Ces fonctions techniques ne prouvent pas, à elles seules, que les responsables d’un groupe approuvent chaque publication. Elles déterminent toutefois le cadre dans lequel les discussions se déroulent et les règles appliquées quand un contenu est signalé, supprimé ou laissé en ligne.

Le fait que des groupes partagent des modérateurs peut aussi fluidifier les circulations. Un même administrateur connaît les publics, les règles et les codes de plusieurs espaces. Des publications, des arguments ou des références peuvent alors passer d’une communauté à l’autre sans qu’il existe nécessairement une coordination formelle. Dans un environnement de forte émotion collective, cette continuité peut consolider le sentiment d’appartenir à une communauté qui se pense incomprise, menacée ou réduite au silence.

Comment l’IA a servi à classer 123 000 publications

Lire et catégoriser manuellement plus de cent mille messages est possible, mais long et difficile à reproduire à grande échelle. L’enquête a donc utilisé ChatGPT 4.1 via l’API d’OpenAI pour classer les publications, en confrontant les résultats de l’outil à une analyse humaine. Le modèle a été chargé de repérer des mots, formulations et thématiques correspondant aux catégories définies par les chercheurs.

Les catégories mentionnées incluent notamment l’hostilité envers l’establishment, l’anti-immigration, la diabolisation des migrants, le nativisme et des références à une identité ou à une existence d’extrême droite. Le nativisme désigne ici l’idée selon laquelle les personnes considérées comme natives d’un pays devraient bénéficier d’une priorité politique, sociale ou culturelle sur les immigrés et leurs descendants. Cette notion permet de distinguer une simple discussion sur les politiques migratoires d’un discours qui fait de l’origine supposée des individus le critère central de leur légitimité à appartenir à la communauté nationale.

L’évaluation statistique a attribué au modèle un taux d’exactitude de 94,7 %, un niveau présenté comme robuste au regard d’études académiques comparables. L’enquête rapporte également un accord de 93 % entre les jugements de l’outil et ceux des annotateurs humains. Ces deux chiffres ne décrivent pas exactement la même chose : l’exactitude mesure la qualité des classifications par rapport à une référence, tandis que l’accord renseigne sur la proximité entre évaluations humaines et automatisées.

Un tel résultat ne signifie pas qu’une IA comprend les intentions d’un auteur, l’ironie d’un message ou le contexte complet d’une conversation. Les modèles de langage identifient des régularités dans le texte. Ils peuvent commettre des erreurs, par exemple lorsqu’une publication cite un propos pour le dénoncer, emploie un terme de manière ambiguë ou repose sur une référence implicite. C’est précisément pourquoi la comparaison avec des évaluateurs humains et l’explication des catégories sont indispensables.

Des griefs réels, puis des réponses idéologiques simplifiées

L’un des enseignements les plus importants est que les communautés étudiées ne se réduisent pas à une succession de slogans. On y retrouve des inquiétudes, des frustrations et des sentiments de déclassement ou d’abandon qui peuvent être sincèrement ressentis par leurs auteurs. La défiance à l’égard du gouvernement, des institutions et des médias constitue un fil conducteur. Beaucoup de membres se présentent comme des citoyens auxquels la parole serait refusée ou dont les préoccupations seraient systématiquement ignorées.

Le basculement intervient lorsque ces expériences individuelles sont interprétées à travers des récits qui désignent des responsables collectifs, en particulier les migrants, ou qui présentent les institutions démocratiques comme intrinsèquement illégitimes. La répétition joue alors un rôle déterminant. Une affirmation non étayée, reprise sous différentes formulations, peut finir par sembler évidente à un lecteur qui la rencontre dans plusieurs groupes, relayée par plusieurs comptes et accompagnée de réactions approbatrices.

Cette mécanique aide à comprendre pourquoi les fausses assertions et les théories du complot ne restent pas de simples erreurs isolées. Elles peuvent souder un groupe en créant une frontière entre ceux qui « savent » et ceux qui seraient manipulés. Les désaccords sont plus facilement interprétés comme des preuves de censure, ce qui rend la correction des informations particulièrement difficile. Le débat n’est plus seulement factuel : il devient identitaire et émotionnel.

Ce que les chiffres ne permettent pas d’affirmer

Le chiffre de 51 000 messages est marquant, mais il demande à être interprété avec précision. Il correspond à des publications classées selon une grille thématique stricte, non au nombre de personnes radicalisées. Un même utilisateur peut publier plusieurs fois, commenter fréquemment ou relayer le contenu d’autrui. À l’inverse, un membre discret peut lire et absorber des récits sans jamais produire de message analysable.

Il serait tout aussi erroné de conclure que tous les contenus rattachés à une catégorie d’extrême droite ont le même degré de gravité. Entre une formule hostile à l’immigration, une théorie complotiste, une publication niant l’identité d’un groupe et un message appelant à commettre une infraction, les enjeux moraux, sociaux et juridiques diffèrent. L’enquête décrit un écosystème discursif, pas une liste homogène d’actes criminels.

Les poursuites liées aux émeutes illustrent elles aussi cette nécessité de nuance. Plus de 1 100 personnes faisaient face à des accusations au moment étudié, mais seule une part limitée avait été poursuivie pour des infractions découlant de son activité en ligne. Les peines d’emprisonnement évoquées, de 12 semaines à 7 ans, ont alimenté de nombreuses réactions sur les réseaux sociaux. Certains auteurs de publications ont été présentés comme de simples provocateurs ou comme des défenseurs de la liberté d’expression. Or la liberté d’expression ne se confond pas avec l’absence de responsabilité pour des messages susceptibles d’encourager, de menacer ou de faciliter des violences.

Pourquoi la méthode hybride est plus utile qu’un simple repérage de mots

Les outils automatisés sont parfois décrits comme une solution magique contre les contenus haineux. Ils ne le sont pas. Une liste de mots interdits est facile à contourner et peut aussi produire des erreurs, notamment quand un terme est utilisé dans un contexte journalistique, éducatif ou critique. À l’inverse, une lecture exclusivement humaine peine à suivre le rythme de publication de grands groupes publics.

La démarche retenue, qui associe machine et validation humaine, offre une voie plus solide. L’IA aide à traiter un corpus vaste et à repérer les récurrences. Les annotateurs humains peuvent vérifier les cas ambigus, contrôler les critères retenus et mesurer les erreurs. Les statisticiens apportent enfin un cadre pour évaluer la fiabilité des résultats plutôt que de se contenter d’une impression générale.

Pour les plateformes, cette logique pose une question concrète : comment intervenir assez tôt pour limiter la diffusion de contenus problématiques sans confondre débat politique, contestation des autorités et incitation à la haine ? La réponse dépend de règles claires, d’une application cohérente et de dispositifs de recours. Elle suppose aussi de regarder les réseaux de groupes, pas uniquement les publications les plus visibles sur un fil d’actualité.

Ce qu’il faut surveiller après cette enquête

L’étude met en lumière un défi qui dépasse Facebook et les seules émeutes de 2024. Les plateformes grand public permettent à des communautés très différentes de se former rapidement, de conserver une mémoire de leurs discussions et de faire circuler des récits entre espaces voisins. Lorsqu’un événement traumatique ou conflictuel survient, cette infrastructure peut accélérer la propagation de discours qui transforment une colère diffuse en hostilité envers des groupes entiers.

La première vigilance concerne la transparence. Chercheurs, journalistes et société civile doivent pouvoir étudier les dynamiques publiques sans exposer inutilement les personnes ni transformer des observations en accusations hâtives. La deuxième concerne la modération : connaître l’existence d’un contenu ne suffit pas, il faut comprendre comment les règles sont appliquées par les plateformes et comment les groupes sont administrés. Enfin, la troisième est éducative. Savoir distinguer une information vérifiée d’une assertion virale, reconnaître les boucs émissaires et rechercher le contexte sont des réflexes indispensables face aux récits de radicalisation.

L’apport de l’IA, dans ce cadre, est moins de décider à la place des humains que de rendre visibles des tendances difficilement perceptibles à l’œil nu. Les 51 000 messages identifiés ne racontent pas à eux seuls toute l’histoire des émeutes ni de l’extrême droite en ligne. Ils donnent cependant une mesure concrète de l’ampleur d’un phénomène : la façon dont des discours de rejet, de défiance et de désinformation peuvent trouver, dans des groupes ordinaires et accessibles, un espace de répétition, de validation et de diffusion.