Une façon comme une autre de patienter pour la sortie reportée de No Time To Die. Une analyse textuelle de l’humeur des tounes officielles de la plus importante franchise cinématographique que sont les films de James Bond.
En tant que grand amateur de la franchise James Bond, j’ai aussi bien hâte à la sortie du prochain titre, No Time To Die, qui a été deux fois reportée pour être finalement prévue pour avril 2021, un an après la date initiale.
En tant que gros nerd de musique aussi, je me suis amusé à analysé le sentiment ou l’humeur des tounes officielles de tous les films, excluant le tout premier, dont la pièce est instrumentale. Ça se fait en pognant les données vraiment très chouettes d’analyse des caractéristiques audio de chaque titre de Spotify mais aussi les paroles, qu’on peut trouver sur Genius.com.
Voici donc ce qu’a donné cette analyse des sentiments ou de l’humeur des textes (text sentiment analysis, qu’ils disent en anglais) mais aussi de la musique elle-même. La caractéristique audio nommée “valence” chez Spotify indique, selon son algorithme, si une toune sonne positive (joyeuse, de bonne humeur, confiante, etc.) ou négative (triste, colérique, méfiante, etc.).
Mon Indice de Mauvaise Humeur© (Bad Mood Index dans la visualisation ci-haut) est simplement une moyenne de l’humeur dégagée par (1) les paroles et (2) la musique elle-même. Un indice de 1, ci-haut, signifie que la toune sonne très négative; 0, qu’elle sonne super positive.
Sans surprise j’imagine, la plus récente chanson officielle, No Time To Die de Billie Eilish, a le pire Indice de Mauvaise Humeur.
De bien peu, toutefois. En fait, les trois pièces les plus récentes sont pas mal négatives. Elles sont plutôt semblables. Évidemment, c’est quelque chose qu’un auditeur attentif aurait pu remarquer à l’oreille, mais il est intéressant de voir qu’une analyse faite par l’intelligence artificielle arrive pas mal aux mêmes conclusions. On remarque que celle de Paul McCartney, Live Or Let Die, ne dégage pas une trop bonne humeur non plus.
Toutefois, en utilisant une base de données lexicales qualitative plutôt que quantitative, j’ai pu me pencher sur les sentiments plus spécifiques que sont la colère, la joie, la tristesse et la confiance. Le portrait ne diverge pas trop de l’analyse précédente.
Billie Eilish n’avait pas confiance en grand chose en écrivant sa pièce.
La première analyse textuelle a été possible grâce à la base de données lexicales AFINN produite par le Département d’Informatique et de Modélisation Mathématique de l’Université Technique du Danemark. Pour chaque mot, elle attribue un score oscillant entre -5 et 5 pour à peu près tous les mots de langue anglaise. Plus un mot a une connotation négative, plus il se rapprochera de -5 et vice versa.
Pour l’analyse de sentiments plus précis (colère, tristesse, joie, confiance), il s’agit de la base de données du Conseil national de recherches Canada développée par Saif Mohammad. Chaque mot (en anglais) peut être associé à un ou plusieurs sentiments.
Pour une méthodologie détaillée, on peut trouver mon script R dans un dépôt GitHub de même que les sources et les entrées de blogues ayant inspiré ou aidé mon analyse : https://github.com/datacarvel/JamesBondThemes.