Les données textuelles : exploiter le texte en économie (M1 Data économie)

L'analyse de données textuelles applique des méthodes statistiques et informatiques au texte pour en extraire de l'information exploitable. En M1 du parcours data pour économistes, dans le cours de big data, les QCM CampusQCM testent ce champ en plein essor. Le texte est une…

L'analyse de données textuelles applique des méthodes statistiques et informatiques au texte pour en extraire de l'information exploitable. En M1 du parcours data pour économistes, dans le cours de big data, les QCM CampusQCM testent ce champ en plein essor. Le texte est une donnée non structurée et massive (articles de presse, rapports, réseaux sociaux, comptes rendus de banques centrales) qui recèle une information économique précieuse. Le traitement automatique du langage naturel (NLP, Natural Language Processing) transforme le texte en données analysables. Les étapes classiques incluent le prétraitement (découpage en mots ou tokenisation, suppression des mots vides, racinisation) puis la représentation numérique. L'approche du sac de mots (bag of words) représente un document par les fréquences de ses mots, en ignorant l'ordre. La pondération TF-IDF (term frequency-inverse document frequency) accorde plus de poids aux mots fréquents dans un document mais rares dans l'ensemble du corpus, mettant en valeur les termes discriminants. L'analyse de sentiment classe un texte selon sa tonalité (positive, négative). En économie, le text mining sert à mesurer l'incertitude économique (indice EPU de Baker, Bloom et Davis), à analyser les communications des banques centrales ou à construire des indicateurs avancés. Les données textuelles ouvrent de nouvelles sources empiriques à l'économie.