Le côté préventif ou curatif de la communication de crise a été largement développé par de nombreux auteurs. Des outils et méthodes sont prônés pour chaque moment ex-ante ou ex-post à la crise. Nous nous intéressons ici aux mécanismes même de la crise : Comment l’information de crise se propage-t-elle ? Quels en sont les paramètres les plus influents ? Comment tous ces paramètres sont-ils liés entre eux ? Peut-on prévoir le déroulement d’une crise ? Les progrès en matière d’approche de simulation dynamique de systèmes complexes et de simulation numérique trouvent ici un terrain idéal d’application.

Une analogie avec les modèles marketing de diffusion d’une innovation sur le marché

Il s’agit donc d’étudier au plus profond même la communication de crise et sa diffusion, son développement. Pour cela, imaginons une situation de crise pour une entreprise : une information est révélée par un média. Elle se propage parmi les autres médias. La crise débute. Notre approche est réalisée par analogie avec les modélisations développées dans les théories marketing de diffusion d’une innovation sur le marché : à partir d’un nombre de clients potentiels, le nombre de personnes cumulées qui vont au cours du temps acquérir l’innovation prend la forme d’une courbe en S. Puis se profilera un palier final d’adoption, qui représente tout simplement la limite d’adoption de l’innovation par la marché. L’effet réseau et la vitesse d’adoption permettent de déterminer le forme de la pente de la courbe en S.Si l’on raisonne maintenant en terme de flux de personnes qui vont acquérir l’innovation, la courbe prend l’allure d’une courbe en cloche avec un pic. Lorsqu’on rapproche cela à l’analyse des phases de la communication de crise (Voir notamment T. Libaert "La Communication de crise" - Dunod 2001 et les 4 phases d’intensité médiatique : préliminaire – aigue – chronique – cicatrisation), l’hypothèse d’analogie partielle avec la diffusion de l’information de crise semble donc raisonnable.

Modélisation et analyse causale

La démarche est de type systémique cherchant à établir dans un problème aussi compliqué toutes les boucles d’interaction et les liens de cause à effet.

Nous avons dans notre modèle distingué deux catégories de médias : Les médias « chauds » (MC) qui ont un délai de publication de l’ordre de la journée et qui sont à destination du grand public. Ces médias sont réactifs et collent leur ligne éditoriale de façon quasi-instantanée à l’actualité. Parmi les médias chauds, les quotidiens sont les plus lents à prendre en compte de nouvelles informations. Les médias " froids" (MF) quant à eux vont traiter les informations sur un rythme plus lent, avec des parutions hebdomadaires voire mensuelles. Une hypothèse réaliste est que les MC, au cœur de l’actualité, influent ensuite les MF, et non l’inverse. Sauf évidemment si un MF lui-même ajoute un nouvel élément émotionnel fort. Mais dans ce cas de figure c’est une nouvelle crise qui débute

Nous avons intégré deux variables qui nous semblent importantes : l’émotion de l’information et la charge de l’actualité. L’émotion de " l’information de crise" diffusée (cette information de crise pouvant être une rumeur) est traitée comme une variable accumulative avec au cours du temps des flux entrants (nouveaux éléments augmentant l’émotion de l’information, désinformation au cours du temps, irrationalité accrue, etc) et sortants (action de transparence de l’entreprise tentant de rationaliser, etc). La charge de l’actualité est modélisée de manière exogène à l’aide d’une courbe en fonction du temps permettant de simuler des creux ou des pics d’actualité. Le diagramme d’influence des différents liens de cause à effet est ainsi établi :

Pour le reste, notre modèle intègre des aspects classiques de la diffusion à savoir l’influence au cours du temps de la fraction de médias ayant déjà adoptés l’information (Fraction d’Adoption MC ou MF), les phénomènes d’Effet Réseau qui décrivent la vitesse de propagation au sein de la population liés à la Fraction d’Adoption et à l’Emotion de l’information, le calcul de limite d’adoption de l’information fonction notamment de la charge actualité et de l’émotion. Le délai d’adoption de l’information est fixe pour les MF (délai de parution) mais variable pour les MC. Pendant une crise, le phénomène de réduction du délai de diffusion de l’information s’explique par la "recopie" accélérée des MC entre eux.

Des résultats prédictifs

Intégrant les lois comportementales rapidement décrites précédemment, cette modélisation prend la forme d’une simulation numérique avec boucles de rétroaction non linéaires d’emballement ou de convergence et avec des liens multiples de cause à effet. Appliqué à des communications de crise connues par le passé par Renault, le modèle a permis d’être prédictif de manière qualitative, et avec une précision acceptable de manière quantitative quant à l’intensité médiatique ou même l’accroissement de l’émotion dans le temps. Cela valide ainsi les hypothèses que nous avions posées quant à la nature de la communication de crise.

Prenons par exemple une communication de crise autour d’une information à émotion élevée (rappel sécuritaire d’un produit défectueux). L’ensemble des médias chauds potentiels ont basculé en peu de temps pour reprendre l’information : une courbe d’adoption en S à la pente très importante :

Le pic de crise (intensité médiatique) est intervenu en moins de 48 h. L’entreprise n’ayant pu apporter de réponse, l’émotion de l’information a augmenté au cours du temps (phénomène d’irrationalité grandissant), ce qui rétroactivement a contribué à augmenter l’effet de propagation et d’emballement. L’émotion est notée sur une échelle de 0 à 1.

En dehors de cet exemple, le modèle a plus globalement montré sa compétence qualitative à expliquer les mécanismes de la communication de crise, son déclenchement ou non, sa durée, ses pics de charge, etc. Il se montre finalement également quantitatif sur un certain nombre de variables.

Surtout, cette approche par la dynamique des systèmes complexes peut permettre d’analyser l’impact de l’environnement sur la communication de crise et élaborer des scénarii. Il le fera d’autant plus qu’il est alors possible de déterminer ce qui se passerait si les différents paramètres / variables d’environnement étaient modifiés : que se passerait-il si après un pic de crise si un creux d’actualité survenait, que se passerai-t-il si l’émotion diminuait par une meilleure transparence, etc.

(c) Hervé RENAUDIN - 2003 - Tous droits réservés