Émotions faciales des chefs de partis fédéraux lors du débat Munk : Justin Trudeau plus confiant ?

La semaine dernière, nous avons présenté le bilan des émotions faciales des chefs de partis fédéraux lors du Bloc 1 du débat en français du 24 septembre. En collaboration avec le Tech3Lab de HEC Montréal et Léger, nous avons répété l’expérience pour le débat Munk axé sur les affaires étrangères qui s’est tenu à Toronto le 28 septembre dernier. Nous avons encore une fois utilisé l’outil FaceReader dont dispose le Tech3Lab, un laboratoire de recherche appliquée en sciences de la gestion.
Rappelons que cet outil permet de détecter en temps réel six émotions de base en plus de la neutralité, soit la joie, la tristesse, la surprise, la crainte et le dégoût. Suite au processus d’analyse, Christian Bourque, vice-président et associé chez Léger, a commenté les résultats obtenus sous un angle politique.

Bilan émotionnel des chefs

Nous avons analysé les émotions faciales des chefs présents (Stephen Harper, Justin Trudeau et Thomas Mulcair) au débat pendant les trois premiers segments : la mission canadienne contre l’EIIL, la politique des réfugiés et la loi C-51.
Alors que Thomas Mulcair et Justin Trudeau sont restés majoritairement neutres au cours du débat, la colère était l’émotion dominante dans le visage de M. Harper. Elle représente 48% de son bilan émotionnel, comparativement à 18% pour le Bloc 1 du débat du 24 septembre. M. Mulcair a également affiché plus de colère que dans le dernier débat analysé : 20% versus 6%. Finalement, il semble que M. Trudeau était beaucoup plus confiant lors du débat Munk que du précédent. Alors que la crainte comptait pour 44% de son bilan émotionnel pour le débat du 24 septembre, elle a à peine dépassée le seuil du 20% cette fois-ci. Pour ce qui est de la valence émotionnelle, l’intensité positive ou négative des émotions détectées, elle était négative pour l’ensemble des segments analysés, comme ce fut le cas lors du premier débat analysé.

Parcours émotionnel des chefs

Pour le débat Munk, nous nous sommes également intéressés au parcours émotionnel des chefs. Les graphiques ci-dessous montrent l’évolution de la neutralité de chacun au cours des trois segments analysés. Les points indiquent la proportion de neutralité détectée dans les différents extraits vidéo qui ont été traités par FaceReader.
De façon générale, la neutralité de Stephen Harper se situait très près du 50% et était particulièrement faible pendant le premier segment traitant de la mission canadienne contre l’EIIL. La proportion de colère de M. Harper était de 52% à ce moment du débat. Pour sa part, M. Trudeau a conservé un bon niveau de neutralité pendant l’ensemble de l’extrait analysé. Sa proportion de crainte a atteint sont apogée à 23% lors du segment portant sur la politique des réfugiés. Bien que la proportion globale de neutralité de Thomas Mulcair soit assez élevée (72%), elle a été moins stable que celle de Justin Trudeau. M. Mulcair a ressenti de la colère tout au long de l’extrait analysée, mais cette proportion était particulièrement élevée pendant le segment sur la politique des réfugiés.
Bref, il semble que la crise des réfugiés ait suscité une de la colère à M. Mulcair, et de la crainte à M. Trudeau. Pour sa part, M. Harper affichait plus de colère au début du débat lors de la discussion sur la mission canadienne contre l’EIIL. Un des segments du débat le plus cité dans les médias est celui de la loi C-51, lorsque Justin Trudeau a parlé de son père. Pourtant, la neutralité de M. Trudeau est restée assez stable lors de ce segment. Les échanges étaient mouvementés à cette étape entre lui et M. Mulcair, particulièrement en ce qui a trait au bilinguisme. D’ailleurs, la neutralité de M. Mulcair semble avoir été affectée davantage à ce moment selon son parcours émotionnel mouvementé.

Interprétation des résultats par Christian Bourque

« Tout comme nous l’avions observé lors de l’analyse des émotions faciales du premier débat en français, ce que trahi le visage des chefs est conforme à la lecture que l’analyste politique a pu faire du débat. Trudeau tout en contrôle, confiant et assumé, alors que Mulcair et Harper s’en prennent un à l’autre dans des échanges musclés, voir agressifs. Au sujet des réfugiés, le visage de M. Mulcair fustige des yeux le premier ministre que le chef NPD estime « indigne » de sa fonction. De l’autre côté, M. Harper cache mal son agacement profond pour l’approche très « pacificiste » de son adversaire néo-démocrate.

Conseils pour les chefs

Justin Trudeau doit mieux cacher une certaine anxiété. Cette émotion était encore plus importante lors du premier débat en français, mais encore présente lors du débat Munk.
Tom Mulcair a deux émotions. Neutre quand il ne parle pas et agressif dès qu’il parle. C’est le « Angry Tom » que certains électeurs n’aiment pas. Il devrait parler plus souvent directement à l’électeur qu’à ses adversaires, ce qui le pousserait à dégager plus d’empathie et afficher un visage plus ouvert.
Stephen Harper : Trop colérique lors du débat Munk, alors qu’il est à son meilleur quand il demeure posé et serein. Expliquer calmement sa position avec un débit plus lent demeure sa force. Il doit retrouver sa forme lors du second débat en français. »
Vendredi dernier, les chefs ont eu l’opportunité de débattre une dernière fois en face à face sur les ondes de TVA. Pouvons-nous supposer que le format « face à face » occasionne de plus fortes réactions émotionnelles ? À suivre…
***

 

Informations complémentaires sur FaceReader

Description de l’outil

FaceReader est un logiciel permettant l’analyse des émotions faciales. Il a été créé afin de permettre la classification des expressions dans une des catégories suivantes : joie, tristesse, colère, surprise, crainte, dégoût et neutralité. Ces catégories d’émotions ont été décrites par Ekman comme les émotions de base ou universelles. Il va de soit que les expression varient en intensité et que les réactions émotionnelles peuvent inclure plusieurs émotions. De plus, il y a beaucoup de variations d’une personne à l’autre.
Étapes du processus de lecture des émotions
  • La première étape est la détection du visage. FaceReader utilise l’algorithme Viola-Jones (2001) pour détecter la présence d’un visage.
  • La deuxième étape est la modélisation du visage basée sur la méthode des modèles à apparence active (Active Appearance Method) décrite par Cootes et Taylor (2000). Le modèle est formé avec une base de données d’images annotées, qui permet la description de plus de 500 points du visage et de sa texture. Les points clés comprennent (A) ceux qui délimitent le visage (partie analysée par FaceReader); (B) les points du visage qui sont facilement reconnaissables (lèvres, sourcils, nez et yeux). La texture est importante, car elle fournit de l’information additionnelle au niveau de l’état du visage. Les points clés décrivent seulement la position globale et la forme du visage, mais ils ne donnent pas d’information telles que la présence de rides et la forme des sourcils. Ces éléments sont importants pour la classification des expressions faciales d’un individu.
  • Finalement, la classification des expressions faciales est prise en charge par un réseau de neurones artificiel. Pour la création de ce dernier, plus de 10 000 images annotées manuellement on été utilisées.
Interprétation des émotions
En plus de la neutralité, FaceReader détecte six émotions de base qui sont considérées comme étant universelles par la science. Il a été démontré qu’il existe des éléments observables dans toutes les cultures au niveau de l’expression faciale des émotions. Cela est rattaché à l’association entre les mouvements de muscles spécifiques du visage et les émotions. Les six émotions de base comprennent la majorité des concepts émotionnels qui ont été identifiées par les études antérieures portant sur l’expression d’émotions faciales indépendamment de la culture (Ekman, 1970) :
  • La joie : « happy »;
  • La surprise : « surprised»;
  • La crainte : « scared»;
  • La tristesse : « sad»;
  • La colère : « angry»;
  • Le dégoût : « disgusted».
De façon générale, la joie est toujours considérée comme une émotion positive, alors que la crainte, la tristesse, la colère et le dégoût sont considérées comme négatives, et que la surprise peut être les deux. Or, dans certains cas, les émotions négatives ne sont pas déplaisantes (Ekman, 2007). Certaines personnes apprécient la colère lors d’une argumentation, alors que d’autres aiment pleurer en regardant un film triste. Dans cette optique, il est essentiel de s’intéresser aux contextes spécifiques de chaque épisode émotionnel avant que nous puissions déterminer s’il est positif ou négatif.
Chacune des émotions rapportée par FaceReader est rattachée à une famille d’émotions. Par exemple, la colère peut varier en intensité, allant de la contrariété à la rage, et en type. La colère peut être renfrognée, ou prendre la forme de rancune, d’indignation, de froideur, etc. Dans le même ordre d’idées, la joie peut autant se traduire par de l’amusement que par un sentiment de soulagement. Actuellement, l’état de la science ne permet pas de distinguer les émotions précises à l’intérieur d’une famille d’émotion.
Détails du processus d’analyse
Au total, 88 extraits vidéo où le visage d’un chef était clairement visible ont été découpés à partir de l’enregistrement du débat. Entre 8,75 et 13,64 minutes de temps de parole ont été analysées pour chaque chef de parti. L’analyse a d’abord été effectuée pour chacun des trois premiers segments, soit la mission canadienne contre l’EIIL, la politique des réfugiés et la loi C-51. Par la suite, des proportions moyennes ont été calculées pour l’ensemble de la portion du débat analysée. Il est à noter que les résultats ont été pondérés en fonction du temps de parole analysé pour chaque chef.

 

Billet présenté en collaboration avec notre partenaire imarklab.

Sources :
 
Ekman, P. (1970). « Universal Facial Expressions of Emotion », California Mental Health Research Digest, vol. 8, p. 151-158.
Ekman P. (2007). Emotions Revealed, Holt Paperbacks, 2ième édition, 320 p.
Noldus (2015). « FaceReader Methodology », 6 p.
Retour aux publications