C'était un mantra popularisé pour la première fois par Michelle Obama en 2016 et repris encore et encore par les politiciens démocrates qui ont juré de réprimander le discours négatif qu'ils ont dit que leurs homologues républicains avaient épousé.

"Quand ils baissent, on monte haut, " elle a dit.

Seulement deux ans plus tard, le message ne semble pas être resté, selon une nouvelle étude de la Northeastern University.

Aleszu Bajak, qui enseigne le journalisme, et Floris Wu, un étudiant en master de journalisme, a analysé la langue dans des centaines de milliers de tweets de politiciens candidats au Sénat à l'approche des élections de mi-mandat de 2018.

Ils ont constaté que la majorité des démocrates qui se présentaient aux élections publiaient des tweets contenant un langage négatif plus souvent qu'ils n'en publiaient des tweets avec un langage neutre ou positif. Et de ceux qui ont utilisé leurs comptes Twitter pour envoyer des messages négatifs, la plupart ont remporté leurs courses.

Dans certains cas, l'inverse était vrai pour les républicains. Bajak et Wu ont découvert que les républicains qui utilisaient un langage positif le plus souvent dans leurs tweets gagnaient leurs courses.

"Dans les données Twitter, nous avons trouvé l'exact opposé du mantra qui, 'Quand ils descendent, on monte haut, '" dit Bajak, qui gère également les programmes d'études supérieures Media Innovation et Media Advocacy à l'École de journalisme. "Nous avons constaté que les démocrates qui ont remporté leurs élections étaient plus négatifs dans leurs tweets."

Bajak et Wu en ont collecté plus de 124, 000 tweets des mois précédant le 6 novembre, mi-parcours 2018, de 68 démocrates vérifiés, Républicains, et les indépendants qui briguaient des sièges au Sénat.

Bajak et Wu ont filtré les tweets via un programme d'apprentissage automatique qui a recherché dans le texte les mots notés avec une valeur négative ou positive et a obtenu un score moyen pour le tweet global. Ils ont utilisé ce score pour déterminer si un tweet, en soi, était négatif ou positif.

Parmi les politiciens avec le plus grand nombre de tweets négatifs se trouve le sénateur Bob Casey, un démocrate de Pennsylvanie.

Le 3 octobre, en réponse à l'audience du Congrès pour examiner la nomination de Brett Kavanaugh à la Cour suprême, Casey a tweeté, "Les moqueries du président Trump à l'encontre du Dr Ford sont offensantes. Le Dr Ford s'est courageusement présenté pour raconter avoir été agressé sexuellement. Elle mérite d'être entendue et respectée, pas moqué."

Le processus peut entraîner des faux positifs et des faux négatifs, bien que, Bajak et Wu ont donc passé au peigne fin les résultats pour traiter les tweets qui avaient été mal étiquetés.

"Les ordinateurs sont mauvais pour déduire le sarcasme ou vraiment n'importe quel ton, ", dit Bajak. "Une phrase comme 'enflammé' est souvent notée négativement, mais c'est en fait un terme positif."

Par exemple, Le sénateur démocrate Jon Tester du Montana a tweeté :"Missoula est excitée ! #mtpol #mtsen" en légende d'une photo lors d'un rassemblement. Ce tweet a d'abord été classé comme négatif.

En raison du risque de faux négatifs, Bajak et Wu ont utilisé une troisième technique pour vérifier leurs résultats. Ils ont alimenté les tweets via un deuxième programme formé pour évaluer un mot dans son contexte donné. En utilisant cette technique, ils ont pu vérifier le sentiment global de la langue dans un message donné, dit Wu.

Bajak et Wu ont constaté que les démocrates qui publiaient plus fréquemment des tweets contenant un langage négatif s'en sortaient mieux lors de leurs élections, alors que le contraire était vrai pour les républicains. Spécifiquement, des 33 candidats démocrates au Sénat qu'ils ont analysés, 19 ont tweeté plus négativement que le reste du terrain. Sur ces 19 candidats, 15 ont remporté leurs élections.

Parmi tous les candidats en lice, la sénatrice Dianne Feinstein de Californie, le sénateur Robert Menendez du New Jersey, et Casey de Pennsylvanie a publié le plus grand nombre de tweets négatifs. Tous les trois sont démocrates, et tous les trois ont remporté leurs élections.

Le 2 novembre, quelques jours avant les élections, Feinstein a tweeté, "Le président attise la peur des immigrants demandeurs d'asile pour marquer des points politiques bon marché. Ces familles fuient la violence à la recherche d'une vie meilleure. Elles ne constituent pas une menace urgente pour la sécurité nationale."

À l'autre extrémité du spectre se trouvaient la sénatrice Deb Fischer du Nebraska et la sénatrice Mitt Romney de l'Utah, deux républicains qui ont remporté leurs courses et figuraient parmi les candidats qui ont publié le plus grand nombre de tweets positifs.

Le 31 octobre la dernière fois que Fischer a tweeté jusqu'après les élections, elle a écrit, "Ce fut un plaisir de visiter @CLAAS_America à Omaha avec @RepDonBacon. Nous avons eu une excellente visite de l'impressionnante installation et avons organisé une table ronde sur la fabrication, #agriculture, baisses d'impôts et #large bande. #OnTheRoadinNE".

Bajak et Wu soulignent qu'il est impossible de dire à partir de leurs données que ces 15 démocrates ont gagné parce qu'ils étaient plus négatifs, ou que les républicains ont gagné leurs sièges parce qu'ils étaient plus positifs.

"Mais c'était assez intéressant de voir la corrélation confirmée sur Twitter, " dit Bajak.

Wu, qui a étudié la physique et la science des données avant de rejoindre le programme de journalisme à Northeastern, dit qu'elle vérifie constamment sur Twitter les tendances intéressantes qui, avec un peu de travail, pourrait devenir une histoire.

Dans ce cas, elle explorait les tweets des mi-sessions 2018. Elle et Bajak, elle dit, étaient intéressés par la façon dont « les gens parlaient de l'élection ».

"J'ai pensé qu'il serait intéressant de voir le nombre de tweets positifs d'un candidat par rapport au nombre de votes qu'il a obtenu dans son État, " dit Wu.

Elle et Bajak réfléchissent à la manière dont ils pourraient utiliser les mêmes outils d'analyse lors des élections de 2020 pour analyser les tweets au fur et à mesure de leur publication, plutôt que rétroactivement, comme ils l'ont fait dans cette étude.

"Ce serait génial de créer une sorte d'outil en temps réel, " dit Bajak.