Pourquoi l’opinion anti-vax peut-elle se répandre si facilement?
L’Organisation mondiale de la santé (OMS) a classé l’hésitation vaccinale parmi les Dix ennemis que l’OMS devra affronter cette année(s’ouvre dans une nouvelle fenêtre) en 2019, avant la pandémie de COVID-19. La réticence à se faire vacciner a longtemps été en augmentation en Europe(s’ouvre dans une nouvelle fenêtre), contribuant à des épidémies de maladies évitables telles que la rougeole. Comment ces attitudes évoluent-elles exactement? Quels sont les moteurs des opinions sur la vaccination et comment les opinions pro- et anti-vax se propagent-elles? Le projet DYNAMOD-VACCINE-DATA(s’ouvre dans une nouvelle fenêtre), entrepris avec le soutien du programme Actions Marie Skłodowska-Curie(s’ouvre dans une nouvelle fenêtre), a jeté un nouvel éclairage sur ces dynamiques complexes. L’équipe du projet a surtout constaté que la partie de la population étudiée ayant une attitude neutre à l’égard des vaccins pouvait plus facilement basculer du côté des anti-vaccins. Les travaux ont porté sur les données relatives à la vaccination jusqu’en 2019, y compris les données sur la confiance dans les vaccins et la couverture vaccinale dans plus de 140 pays. «La population neutre était plus proche du camp anti-vaccination en termes d’opinions. Nous avons pu détecter une influence potentielle plus importante sur les personnes ayant des opinions neutres et prédire le comportement en matière de vaccination l’année suivante», explique Dino Carpentras, boursier Marie Skłodowska-Curie et ancien chercheur à l’université de Limerick(s’ouvre dans une nouvelle fenêtre).
Comme les personnages d’un jeu vidéo
Pour comprendre ce lien et ses implications, l’équipe DYNAMOD-VACCINE-DATA, supervisée par Mike Quayle, a utilisé des modèles de dynamique de l’opinion en combinaison avec des données réelles pour fournir des preuves de l’influence sociale. «Les modèles de dynamique d’opinion ont beaucoup en commun avec les jeux vidéo: ils modélisent des systèmes composés de personnages – appelés agents – qui suivent des règles spécifiques. Ils imitent la façon dont les gens interagissent les uns avec les autres, ce qui fait de la dynamique d’opinion un outil puissant pour étudier les phénomènes sociaux», explique Dino Carpentras. L’équipe a étudié l’impact de l’utilisation de données d’opinion réelles dans de tels modèles, qui sont restés jusqu’à présent largement inexplorés.
Cartographie des modèles d’influence
Les chercheurs ont également développé une méthode pour représenter ces données sous forme de réseau, détecter les liens entre les attitudes et émettre des prédictions sur cette base. «En pratique, la méthode des réseaux permet de vérifier si les personnes qui ont choisi une réponse sont susceptibles d’en choisir une autre. Cela permet d’établir des liens entre les réponses qui ont été choisies par les mêmes personnes, et entre les personnes qui ont choisi les mêmes réponses», remarque Dino Carpentras. C’est ainsi que l’équipe a pu découvrir que les personnes ayant une attitude neutre à l’égard de la vaccination étaient plus proches des anti-vax: les deux groupes avaient plus d’attitudes en commun entre eux qu’avec le groupe pro-vaccin. Les personnes neutres étaient donc plus susceptibles d’être influencées par le groupe anti-vax. Ces résultats ne reflètent pas nécessairement la dynamique en jeu lors de la récente pandémie. Dino Carpentras fait remarquer que: «Les opinions sont principalement façonnées par les discussions entre personnes. Les modèles sont principalement basés sur des processus lents et horizontaux; pendant la crise COVID-19, le rythme des discussions a massivement augmenté, tandis que le discours politique et les médias (c’est-à-dire les processus verticaux) ont joué un rôle fondamental.»
Davantage de confiance grâce à une communication ciblée
Toutefois, à l’avenir, les résultats du projet pourraient aider à prendre des mesures pour renforcer la confiance dans la vaccination: «Le réseau met en évidence les liens entre les camps neutres et anti-vaccins dans différentes sociétés. Plus cette distance est courte, plus la vulnérabilité à l’hésitation vaccinale est grande.» Des simulations montrent comment le fait de cibler différentes parties de la population avec des campagnes de communication pourrait affecter les résultats dans chaque scénario. Les résultats obtenus jusqu’à présent indiquent que la méthode pourrait être appliquée à d’autres questions sociales. Si elle est confirmée par d’autres recherches, elle pourrait fournir des indices importants pour prédire et influencer les attitudes sur des questions telles que le changement climatique.
Mots‑clés
DYNAMOD-VACCINE-DATA, hésitation vaccinale, données de vaccination, modèles de dynamique d’opinion, pro-vaccin, anti-vax, COVID-19
