Jeux de données, benchmarks et modèles ouverts pour l'étude de la presse française.
Association loi 1901 à but non lucratif · Paris 20e · RNA W751279600
Avec le soutien de
Le French News Lab explore la manière dont l'information française façonne la vie politique. Nos travaux examinent les récits, les cadrages et le langage qui structurent le débat public, en combinant méthodes computationnelles et analyse médiatique et politique.
Nous développons des jeux de données, des méthodes et des recherches accessibles au public qui rendent l'écosystème médiatique français plus facile à étudier, à questionner et à comprendre.
Financements, articles et publications de données du laboratoire, les plus récents d’abord.
Toutes les actualitésAnnonce
GENCI a attribué au French News Lab du temps de calcul sur Jean Zay, mettant la puissance du calcul intensif national au service de nos recherches sur l’actualité française.
Lire l’annonceFrIdéo et Cadrage par les mots, cadrage par la sélection, tous deux acceptés en communication orale.
87 637 articles de 13 éditeurs, harmonisés en 7 catégories de rubriques éditoriales communes.
Des échelles, des corpus et des audits de cadrage pour la presse française — chacun documenté assez pour qu'un désaccord sur les médias puisse devenir un désaccord sur des données.
Échelle d'idéologie
FrIdéo place les médias nationaux français sur une échelle d'idéologie unique en fusionnant neuf familles d'évidence indépendantes sous rétrécissement bayésien empirique. Chaque placement se décompose en l'évidence qui l'a produit ; l'ablation leave-one-out tient à ρ ≥ 0,992.
Accepté en communication orale à la 9e International Conference on Natural Language and Speech Processing, Trente, septembre 2026.
Cadrage des titres
À notre connaissance le plus vaste audit de cadrage de la presse française : formulation et sélection mesurées séparément sur 902 111 titres issus de 25 médias, 2022–2025. Un jeu de supervision publié de 10 000 titres conserve l'accord annotateur par item plutôt qu'un consensus écrasé.
Accepté en communication orale à la 9e International Conference on Natural Language and Speech Processing, Trente, septembre 2026.
Cadrage de rôle
Sur 28 592 titres issus de 25 médias, La France insoumise est cadrée comme acteur de conflit et le Rassemblement National comme compétiteur stratégique. L'asymétrie tient après contrôles par média et année ; au Journal du Dimanche, elle s'est inversée après la prise de contrôle éditorial de 2023.
Classification par rubrique
87 637 articles issus de 13 éditeurs, projetés sur sept rubriques rédactionnelles. Là où le slug d'URL est non ambigu, le label est déterministe (72,2 %) ; le reste ambigu est étiqueté par LLM et audité contre un échantillon humain en aveugle à κ = 0,806. Le modèle de référence CamemBERT atteint un macro-F1 de 0,847 sur la partition de test.
Nous construisons l'infrastructure de mesure qui rend l'écosystème médiatique français étudiable : corpus annotés, benchmarks reproductibles, modèles ouverts et méthodes évaluées par les pairs, pour des questions dont on débat d'ordinaire sans preuves.
Les affirmations sur les biais, le cadrage et l'orientation de la presse française reposent rarement sur un chiffre vérifiable. Nous construisons des échelles et des benchmarks documentés, versionnés et auditables, pour qu'un désaccord sur les médias devienne un désaccord sur des données.
Chaque article est publié avec les jeux de données qui le sous-tendent. Les résultats sont donnés en moyenne sur plusieurs graines aléatoires plutôt que sur le meilleur essai, car un chiffre qui n'apparaît qu'une fois n'est pas un résultat.
Nos jeux de données et nos modèles sont publiés sur Hugging Face, data.gouv.fr et Kaggle sous licences ouvertes, libres d'utilisation. Rien sur ce site n'est derrière un paywall ou un formulaire d'inscription.
Tout ce que nous construisons pour un article est publié avec lui. Voici les jeux de données et les modèles actuellement publics : téléchargement libre, dictionnaire des données et métadonnées complètes.
Un corpus inter-éditeurs d'articles de presse française annotés par rubrique rédactionnelle, conçu pour tester les classifieurs thématiques sur des éditeurs qu'ils n'ont jamais vus à l'entraînement — le cas où la précision annoncée s'effondre habituellement. Publié avec les découpages d'entraînement et de test utilisés dans l'article.
Issu de l'article →Un classifieur CamemBERT-base affiné sur FrenchNews-7 pour la classification par rubrique rédactionnelle, publié avec sa fiche de modèle et les scores d'évaluation par graine rapportés dans l'article.
Scores d'orientation idéologique continus pour trente médias nationaux français, issus de la fusion de neuf familles d'évidence indépendantes plutôt que d'une seule. Publiés en CSV et JSON avec dictionnaire des données et métadonnées complètes, sous licence CC BY 4.0.
Issu de l'article →Nous collaborons avec des chercheurs, des journalistes, des organisations de la société civile et des institutions académiques qui travaillent sur l'écosystème informationnel français. Pour utiliser nos données, répliquer un résultat ou proposer une étude, écrivez-nous — nous répondons à chaque message.
