Nel dibattito pubblico non conta solo quali storie vengono selezionate per finire in prima pagina, ma anche come il linguaggio le carica di tensione. Un audit su 902.111 titoli francesi, raccolti da 25 testate tra il 2022 e il 2025, tiene separate queste due operazioni e mostra che fonderle in un punteggio unico distorce l'analisi.

Il team ha costruito un supervision set di 10.000 titoli affidandosi a tre annotatori basati su LLM con risoluzione a maggioranza e arbitrato umano. Le etichette sono state validate con due studi umani ciechi indipendenti dagli annotatori. Il classificatore più robusto è stato poi applicato ai 902.111 titoli deduplicati. Il framework separa la salienza retorica, misurata tramite quattro dispositivi linguistici (lessico carico, attribuzione di colpa, framing della minaccia, domanda retorica), dalla selezione editoriale, misurata attraverso la forma della storia e la distribuzione di testi ad alta carica.

Primo risultato: salienza e divergenza di selezione sono correlate positivamente, ma lasciano quasi metà della varianza tra testate non spiegata. Le celle fuori diagonale della tipologia a quattro quadranti diventano quindi interpretativamente rilevanti: una testata può selezionare poco ma caricare molto le parole, o viceversa. Un punteggio unico nasconde queste posizioni.

Il secondo risultato tocca chiunque usi classificatori automatici per il monitoraggio dei media. Le soglie predefinite gonfiano sistematicamente le stime di salienza a livello di corpus. Il protocollo di ricalibrazione basato su un pavimento di precisione corregge la distorsione. In termini operativi, non basta che un LLM sia addestrato bene: la calibrazione delle soglie determina se il framework restituito è leggibile o amplificato. Chi utilizza dashboard di rilevazione del framing senza ricalibrare ottiene un dibattito pubblico apparentemente più polarizzato di quanto non sia.

Il terzo dato è il più delicato. Nei titoli che menzionano ebrei, estrema destra e musulmani, i tassi di salienza rilevati sono i più alti. La composizione generale degli eventi non spiega del tutto questi residui, anche se gli autori precisano che si tratta di stime descrittive, non di stime causali per stesso evento, e riportano la precisione dei lessici per ciascun gruppo. È un'indicazione di come la carica retorica non si distribuisca in modo uniforme quando entrano in gioco certi gruppi sociali, ma anche un promemoria metodologico: le scelte lessicali del classificatore possono accentuare o attenuare le differenze.

Un elemento che rende il lavoro rilevante per chi opera su stack locali è il rilascio di supervision set, lessici e codice di analisi. Non si tratta solo di trasparenza accademica: la possibilità di replicare l'audit su infrastruttura self-hosted consente di mantenere il controllo del corpus, congelare le versioni degli annotatori e applicare il protocollo di ricalibrazione senza passare da API esterne. Per una redazione o un'autorità di vigilanza che voglia monitorare il framing su dati sensibili, la differenza tra una pipeline locale e un servizio cloud non è neutra. AI-RADAR, ad esempio, propone framework analitici su /llm-onpremise per valutare questi trade-off.

Resta aperta una domanda: se separare le due dimensioni e correggere le soglie cambia la misura della polarizzazione, quanto del framing che attribuiamo alle testate è invece un artefatto della pipeline di misura? L'audit francese, il più esteso nel suo genere, sposta il confine della verificabilità: non offre una risposta definitiva, ma rende finalmente visibili le scelte tecniche che producono la risposta.