Pour la sociologie politique de l’opinion publique, l’émergence du numérique représente à la fois le problème et la solution : dans quelles mesures et selon quelles conditions les data sciences peuvent-elles lever les différents obstacles que la numérisation de l’espace public a dressé sur sa route ? Cette communication présente et discute deux tentatives d’équiper la sociologie de l’opinion publique par des algorithmes et des méthodes issues des data science sans pour autant renoncer à l’ambition sociologique d’expliquer et de comprendre les logiques sociales qui travaillent l’espace public, fût-il numérique. La première tentative consiste à reconstituer les propriétés sociales des locuteurs par des méthodes de machine learning : deux corpus seront présentés et discutés, à partir d’une plateforme de débat en ligne, et à partir d’une série de questions ouvertes (n = 8000). Des questions nouvelles se posent alors pour le sociologue sur le statut de ces variables probabilistes et sur le rôle explicatif de ces pseudo-structures (Suignard et al., 2021). La seconde tentative consiste à essayer de ménager une circulation raisonnée entre une lecture à distance (Moretti, 2013) et extensive – rendue possible par les outils de data sciences comme des algorithmes de clusterisation – et une lecture rapprochée, approfondie mais nécessairement limitée des verbatims, familière au qualitativiste (Beaudouin, 2019). La difficulté consiste à passer de l’une à l’autre sans « sauter » au hasard du cluster thématique à un énoncé singulier. La solution adoptée en analyse des données textuelles consiste en général à sélectionner les énoncés les plus caractéristiques d’un point de vue statistique de la classe (cf. méthode Reinert). On propose ici une stratégie d’analyse spécifique des tweets qui préserve les liens – ici de réponse (reply) – entre les tweets : ce sont alors les fils de discussions qui constituent l’individu statistique de base et qui peuvent être par ailleurs l’objet d’une lecture qualitative rapprochée. Cette méthode a le mérite de préserver le caractère dialogique de ces données qu’une lecture proche atteste.