Ce que la phylodynamique en virologie peut nous apprendre pour l’étude des réplications

(cliquer pour voir l’image nette)

L’article du Monde sur la phylodynamique et le site Nextstrain sont des sources de réflexion sans fin pour ceux qui travaillent sur les propagations. Sur le plan conceptuel, sur le plan empirique des descriptions et sur le plan de la dataviz qui est réellement inspirante avec les mêmes problèmes que ceux que l’on rencontre dans le suivi des réplications. Voici quelques-unes de ces inspirations possibles qui plaident pour une rencontre plus étroite entre sciences sociales et sciences médicales.

  • Ce qui reste d’un hôte dans un virus et dans un même : problème de généalogie
  • L’enjeu des rythmes
  • Granularité de l’analyse : traits sémiotiques et protéines
  • Data viz
  • Analyses et aide à la décision

1/  « « L’idée de la phylodynamique est que la manière dont les virus se propagent laisse des traces dans leur génome », précise Samuel Alizon, chercheur CNRS de l’équipe Evolution théorique et expérimentale du laboratoire Maladies infectieuses et vecteurs : écologie, génétique, évolution et contrôle, à Montpellier. »

Voilà une idée qui n’est pas souvent exploitée dans l’analyse des propagations de mèmes, de viralité sur internet. Or, elle est essentielle pour passer de la reproduction à l’identique à la réplication avec les dérivations qui l’accompagne. Le seul fait d’utiliser un hôte pour sa propagation affecte en fait tout message, tout comme le virus. On peut en garder la trace sur les réseaux sociaux avec les métadonnées des comptes qui répliquent et souvent on se satisfait de cela au point de ne pas s’intéresser à ces dérivations qu’a pu subir le mème par le seul fait d’avoir été hébergé par un point de passage particulier. Dawkins l’avait déjà évoqué en montrant comment le virus ( et le mème) pour se propager se transforme légèrement, ce qui est tout-à-fait cohérent avec une vision évolutionniste puisqu’il s’agit d’optimiser la fitness avec un milieu, le couplage avec un milieu. Cependant, Leskovec, Backstrom et Kleinberg (2009) en avait fait un outil opérationnel, le meme tracker, qui, au-delà de la mesure des volumes agrégés de citations pendant la campagne Obama, suivait les dérivations des expressions et retrouvait une phylogénèse de chacun des mèmes/ citations.

En réalité, l’affaire est techniquement assez complexe. Car de la même façon que ce qui est mesuré dans la phylodynamique, ce sont des variations très légères au niveau des nucléotides ou des acides aminés, il est plus aisé de mesurer des réplications, qui ne portent que sur des traits sémiotiques élémentaires ou secondaires (changer un terme, changer une partie de l’image, changer la légende dans les mèmes, car c’est leur principe, etc.). Mais lorsque les mutations se situent au niveau sémantique, au niveau métalinguistique ou encore au niveau des connotations, avec tout l’arrière –plan culturel que cela suppose pour percevoir les allusions, cela devient très difficile de valider de façon robuste l’arbre phylogénétique. Je peux le dire car nous avons essayé de le faire à l’EPFL, en détectant des clusters au moyen de méthodes Nearest Neighbors et k-means (technique analogiste du Machine Learning, tout-à-fait adaptée à ces repérages de similarité), et nous ne sommes pas parvenu à des résultats concluants (sans doute aussi en raison du faible volume de nos données). L’exemple que je prends auprès de mes étudiants, tous nourris de mèmes Game of Thrones ( et cela même sans avoir regardé la série) peut aider à comprendre l’enjeu. Si j’écris dans un post « Winter is coming ! » , tout le monde (ce qui suppose une contagion mondiale, ce qui fut le cas) saisit de quoi je parle, l’allusion à la série et peut juger de la pertinence de mon propos dans un contexte particulier ( et non de la finesse de ma culture météorologique !). Si je dis « Spring is coming », on peut supposer qu’une partie du public saura encore dégager la syntaxe similaire malgré la variation sur le sème qui de plus reste dans le même champ conceptuel, celui des saisons. Dérivation mineure assez proche de ce que l’article décrit comme méthode pour la phylodynamique. En revanche si j’écris « winter is late » ou « communism is coming », puis « spring is late » ou « communism is over » cela devient déjà nettement plus difficile et ainsi de suite avec des variations supplémentaires que les calculs de similarité perdraient totalement en route. Les réplications restent mesurables seulement si elles relèvent d’un pourcentage de 20 lettres de l’ARN sur les 30000, soit moins d’un millième du corpus initial ! Ce qui n’est pas inutile cependant puisque cela permet une traçabilité très féconde pour la phylodynamique.

L’enjeu des rythmes est clé

2/ « Une des premières informations que ces chercheurs extraient concerne la vitesse des mutations, c’est-à-dire le nombre de changements de lettre par an. Plus il y aura de génomes, meilleur sera le calcul, puisqu’il s’agit de faire des statistiques sur l’évolution des écarts entre la séquence d’origine et les nouvelles. On approcherait un taux de changement annuel de 0,08 %. »

La question des rythmes apparait essentielle. Je ne suis pas sûr que, dans nos analyses des propagations sur les réseaux sociaux, nous puissions exploiter ces informations pour détecter la source, car en réalité, il existe d’autres moyens de la retrouver sans s’intéresser à ce rythme des mutations. Cependant, l’idée du rythme est essentielle pour comprendre comment une dynamique de contagion se met en place. C’est ce que j’appelle le rôle de la « machine à réplications » qu’est Twitter qui nous programme pour réagir toujours plus vite. Cependant, si l’on admet que ces mutations mineures sont essentielles pour assurer la propagation, il est possible de comprendre ainsi ce que Adamic et son équipe appelle la récurrence des cascades. Elle a d’ailleurs mobilisé des approches épidémiologiques pour penser ces processus. Y a-t-il une légère mutation qui explique la récurrence d’un même qui avait pourtant connu un beau succès à son lancement mais repart plus tard ? Toutes ces questions sont cruciales pour l’épidémiologie au moment du déconfinement puisque tout le monde craint une résurgence de la contamination.

Par ailleurs, notons aussi que tout ce travail statistique nécessite un grand volume de données, de traces et ici de prélèvements pour fournir des approximations de plus en plus robustes. Et notons que cela dépend du partage des sets de données entre chercheurs qui font ainsi un travail d’agrégation indispensable pour tout le monde. Il faut bien dire qu’on en est très loin en data science sur les réseaux sociaux puisque les data sets sont quasiment toujours inaccessibles, comme j’en ai pu en faire l’expérience en demandant à Vosoughi, auteur d’un papier remarquable sur les fake news publié dans Science en 2018, et qui m’a refusé l’accès à son data set pour des raisons de droits des médias. Ce qui est totalement scandaleux du point de vue scientifique en particulier pour un article publié par Science.

 

Granularité de l’analyse : traits sémiotiques et protéines

3/ « Ces mutations, ou substitutions, sont aussi étudiées d’une autre manière. Leur rythme est une chose, leur localisation sur le long brin d’ARN (acide ribonucléique) du virus en est une autre. Chaque partie de cette séquence code en effet pour la fabrication des protéines nécessaires au cycle du virus : accrochage sur la cible, pénétration, détournement du matériel de l’hôte, réplication, prolifération de nouveaux virus et expulsion vers d’autres cellules.

Moins d’une trentaine de protéines sont ainsi déjà identifiées, mais leur rôle n’est pas toujours défini. Certaines mutations sont neutres, c’est-à-dire qu’elles n’influencent pas le comportement du virus. D’autres peuvent en changer la nature et donc sa dangerosité ou sa contagiosité… »

Voilà un point clé encore. Toutes les étapes du cycle du virus décrites dans cet article devraient faire partie d’un programme de travail sur les propagations dans les milieux numériques en mobilisant l’analogie, avec mesure mais de façon créatrice. Mais surtout l’idée importante est que certaines de ces protéines peuvent avoir des rôles plus ou moins importants, parfois neutres et parfois modifiant sa dangerosité, voire même pourrait-on dire comme c’est le cas du VIH obligeant à le classifier autrement puisque sa mutabilité oblige à des changements thérapeutiques constants. Par analogie, les protéines des mèmes sont en fait leurs traits sémiotiques. J’ai déjà indiqué dans des travaux publiés, que la question se pose de savoir à quel niveau de granularité nous devons effectuer le suivi de la traçabilité, car il se peut que ce ne soit pas le mème qui soit pertinent mais l’équivalent d’une protéine qui se propageant ou étant réexploitée dans d’autres processus nous permettrait de comprendre plus de choses dans ces processus de réplications.

Ainsi, dans le même Pepe the Frog, la grenouille a été réexploitée à distance à Hong Kong plusieurs années après son lancement en 2005 aux USA et avec une signification totalement différente. Deux étudiants de mon cours sur les propagations à Sciences Po  (Aditya Bhattacharya & Ryan Phillips) avaient travaillé sur ce mème. En passant d’un pays à l’autre, le mème est passé d’une utilisation par l’alt-right à une connotation démocratique pour le mouvement de protestation de Hong Kong, mais après une première divergence entre « feel good man » transformé en « sad frog » ( avec les larmes), comme le montre ce tableau réalisé par les étudiants :

(cliquer pour voir l’image nette)

 

La tête de la grenouille verte s’est ainsi propagée mais a finalement muté totalement. Alors même que la séquence de traits principaux (vert, grenouille, yeux, bouche) semble rester identique, des variations élémentaires sur les protéines qui aident à sa transmission ont fini par en faire un autre mème du point de sa contagiosité et de son effet politique, même si on continue de le reconnaitre. On pourrait presque utiliser le concept de « signifiant vide » (Lacan, repris aussi par Laclau en science politique à propos du populisme) puisqu’on pourrait très bien imaginer qu’en dehors de sa forme élémentaire qui aide à la contagion,  tous les autres traits sémiotiques puissent changer à nouveau pour une réplication radicalement différente et pourtant apparentée.

 

Data viz

4/ « Apparaît alors un arbre, avec des « feuilles », qui sont les génomes séquencés, des rameaux, puis des branches plus ou moins regroupées, plus ou moins longues, selon qu’elles correspondent à un petit ou grand nombre de mutations. Mais comme on ne peut disposer de toutes les séquences de tous les individus, cet « arbre » parfait est hors de portée. Les trous doivent être comblés par les mathématiques. »

 

La représentation en arbres est exactement celle qui est utilisée pour la traçabilité des versions de mèmes à condition de pouvoir effectuer le tri et la généalogie aussi précisément que le font les phylodynamiciens. Mais comme ils le disent, ils peuvent combler les manques avec des proxies mathématiquement fondés. La question de la visualisation n’est pas triviale car toutes les tentatives de représentation de lignes temporelles sur l’axe x se sont révélées souvent brouillées dès lors qu’on cherche à ajouter d’autres informations. J’ai parlé dans un autre billet du travail de Kenzi et al. de l’EPFL avec les réseaux multiniveaux. Ici, la solution est suffisamment simple et classique pour rester lisible et l’on pourrait en retrouver un autre exemple chez Chavalarias et Cointet , 2013. Il faut visiter le site Nextstrain pour profiter à plein des capacités dynamiques cependant, avec des zooms qui sont, dans ce cas, pertinents car sans recalcul de distances. Les auteurs ajoutent la référence à l’espace géographique  car les marqueurs de mutation mineures qu’ils repèrent sont issus de prélèvements faits à certains endroits et que cette information peut leur servir pour vérifier la chaine de transmission qu’ils représente dynamiquement dans l’espace topographique. J’évite souvent de rentrer dans cette approche géographique car elle entraine souvent des raisonnements sociologiques sauvages non testés et non testables. Ce n’est pas le cas des travaux de Boris Beaude et Ogier Maitre sur Wikipédia (wikimaps) qui exploitent cette géolocalisation comme un objet de recherche et qui l’utilisent pour faire une visualisation absolument remarquable (publications à venir !). La seule localisation qui ferait sens pour l’analyse des propagations de mèmes serait une localisation topologique, c’est-à-dire sur les nœuds d’un réseau de comptes ou sur les plates-formes de publication. Mais cette seule dimension ajoute à la complexité de la représentation de façon radicale.

 

Analyses et aide à la décision

5/ « Si, en plus de l’horloge moléculaire et de la « généalogie », on ajoute la dynamique de l’épidémie sur le terrain, en prenant en compte le nombre de contacts, les durées d’incubation, de contamination, etc., les spécialistes peuvent alors tirer des soubresauts génétiques des informations que seuls les épidémiologistes détenaient jusqu’à présent. A savoir, en combien de temps le nombre de malades double-t-il ? Combien une personne en infecte-t-elle d’autres ? Voire, combien de personnes sont-elles malades ? »

 

Comme on le voit, dans cette discipline aussi, la demande « d’application » de la recherche, qui plus est en temps réel, est extrêmement forte. On retrouve la même demande pour relier ces analyses de propagation sur le web et sur les réseaux sociaux en particulier à un problème social et politique spécifique ( « issue », controverses). Je comprends cette demande et en particulier en temps d’épidémie. Mais j’ai résisté à ces tentations au maximum en prétendant même qu’il fallait prendre l’étude des mèmes ou des tweets comme une pure expérimentation en milieu naturel et refuser de traiter des sujets à enjeux trop lourds, car les avancées méthodologiques du domaine qu’on pourrait désormais appeler « phylodynamique des propagations sur les médias sociaux » sont tellement nombreuses à faire qu’il vaut mieux repousser le moment de leur connexion avec d’autres enjeux. Comme on le voit d’ailleurs pour les chercheurs en phylodynamique, ils entrent immédiatement dans des enjeux d’expertise qui tournent très vite vers le conseil. Leurs données en matière de vitesse de propagation sur le temps de doublement de l’épidémie sont aussitôt utilisées pour faire de la prédiction et prendre des décisions alors qu’ils le rappellent eux-mêmes, leur volume de données reste faible et dépend de la politique de tests conduite différemment selon les pays.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.