Échantillonner les commentaires YouTube par tri « Principaux commentaires » ou « Les plus récents »

Formulez d'abord la question

Étape 1. Formulez la question d'analyse avant de choisir un ordre de tri.

Utilisez « Principaux commentaires » si la question porte sur les commentaires mis en avant selon le classement de la source. Utilisez « Les plus récents » si la question porte sur les commentaires dans l'ordre récent de la source. Si les 2 questions comptent, utilisez 2 strates. Une strate est une partie déclarée d'un échantillon. Ici, la strate correspond à l'ordre de récupération.

L'ordre de tri détermine les commentaires qui entrent dans l'échantillon. Choisissez l'ordre qui correspond à la question. Ne choisissez pas un ordre uniquement parce qu'il soutient une conclusion que vous souhaitez déjà obtenir.

Étape 2. Précisez les vidéos connues, le moment de l'observation, le plafond de chaque mode et le périmètre limité aux commentaires de premier niveau.

Le plafond est la limite des commentaires de premier niveau, `maxCommentsPerVideo`. Notez l'heure de chaque liste. L'ordre de la source peut changer par la suite. Une liste obtenue plus tard ne constitue pas le même échantillon.

Gardez des plafonds égaux lorsque vous comparez « Principaux commentaires » et « Les plus récents ». Des plafonds différents rendent les proportions par thème difficiles à comparer.

Laissez les réponses désactivées. Une réponse est un commentaire placé sous un commentaire de premier niveau. Les réponses changent l'unité que vous comptez. Les lignes de réponses ne sont pas comprises dans le plafond des commentaires de premier niveau. Cette méthode n'a pas testé les réponses. Notez cette limite dans vos notes.

Configurez les paramètres d'entrée actuels

La version publique de YouTube Comments Actor utilisée ici est la 1.1.6. Elle accepte les limites suivantes.

• `startUrls` accepte de 1 à 100 URL ou identifiants de vidéos publiques connues.
• `maxCommentsPerVideo` accepte un nombre entier de 1 à 1 000.
• `commentSortMode` accepte `top`, `newest` ou `both`.
• `includeReplies` peut être activé ou désactivé.
• `maxRepliesPerComment` accepte un nombre entier de 1 à 100 lorsque les réponses sont activées.

Utilisez une vidéo publique connue. N'utilisez pas une vidéo privée. Cet Actor ne recherche pas de vidéos pour vous.

Le 13 octobre 2026, la YouTube Audience Comment Research Task avait enregistré cette configuration de départ :

{
  "startUrls": ["https://www.youtube.com/watch?v=dQw4w9WgXcQ"],
  "maxCommentsPerVideo": 250,
  "commentSortMode": "both",
  "includeReplies": true,
  "maxRepliesPerComment": 10
}

Cette configuration comprend une vidéo de chanson connue, un plafond de 250, `both`, les réponses activées et jusqu'à 10 réponses par commentaire. Remplacez la vidéo de chanson par une vidéo publique connue de votre choix.

Pour le premier essai pilote, utilisez une vidéo publique connue. Réglez `maxCommentsPerVideo` sur 2. Réglez `commentSortMode` sur `both`. Réglez `includeReplies` sur false.

En mode `both`, ce plafond constitue une limite commune pour les commentaires de premier niveau. Un plafond de 2 est réparti entre « Principaux commentaires » et « Les plus récents ». Il ne signifie pas 2 lignes « Principaux commentaires » plus 2 lignes « Les plus récents ». Le comportement documenté de `both` conserve aussi une seule ligne par identifiant de commentaire au sein de cette même exécution.

Une comparaison explicite effectuée par la suite est différente. Lancez une collecte « Principaux commentaires » et une collecte « Les plus récents ». Attribuez le même plafond déclaré à chaque exécution. Gardez des moments d'observation comparables. Chacun de ces plafonds appartient à une seule exécution. Ils ne correspondent pas à la répartition du plafond commun de `both`.

Distinguez les lignes du récapitulatif d'exécution

Chaque ligne enregistrée dans le jeu de données correspond à un commentaire public ou à une réponse publique. Lorsque les réponses sont désactivées, chaque ligne doit correspondre à un commentaire de premier niveau.

`publishedAt` peut valoir null. La valeur null signifie que la donnée est absente. Elle ne signifie pas zéro. `publishedTimeText` n'est pas une date et une heure exactes. `scrapedAt` correspond au moment de la collecte. Ne copiez jamais `scrapedAt` dans le champ de date et d'heure de publication.

`parentCommentId`, `isReply` et `replyDepth` sont aussi des champs prévus par le contrat de données. Cette méthode limitée aux commentaires de premier niveau ne les utilise pas.

Le récapitulatif d'exécution OUTPUT n'est pas une ligne de commentaire. Lisez le texte des commentaires dans les lignes. Lisez les décomptes de l'exécution et les motifs d'arrêt dans OUTPUT.

Une exécution de contrôle vérifiée a utilisé `both` sur `educationalvideo_uQrJ0TkZlc`. Elle a enregistré 2 lignes distinctes de commentaires de premier niveau contenant un texte non vide. Une ligne avait `sortMode` à `top`. L'autre avait `sortMode` à `newest`. Les 2 lignes avaient `status` à `ok`. `publishedAt` valait null sur les 2 lignes. OUTPUT indiquait `commentsWritten` à 2 et `repliesWritten` à 0. Le motif d'arrêt était `requested_comment_limit_reached`.

Ces 2 lignes correspondaient à 2 identifiants de commentaire différents. L'exécution montre que `both` peut renvoyer des lignes et conserver `sortMode` sur cette source. Elle ne montre pas un échantillon aléatoire. Elle ne montre pas tous les commentaires. Elle ne montre pas leur ancienneté exacte. Elle ne montre pas que le tri se comporte de la même façon sur toutes les vidéos. Elle ne montre pas le recoupement entre des exécutions « Principaux commentaires » et « Les plus récents » distinctes. Elle n'a pas testé les réponses. `repliesWritten` à 0 ne constitue pas un test des réponses. Elle n'a pas testé l'exhaustivité de la collecte.

Aucun mot des commentaires de ce contrôle n'est utilisé dans cet article. Un total de réponses ou un nombre de mentions J'aime ne prouve pas que vous disposez de tous les commentaires. Les entrées en échec ou indisponibles figurent dans OUTPUT. N'inventez pas de lignes de commentaires pour ces entrées.

Testez l'essai pilote, puis choisissez l'export

Étape 3. Testez une vidéo connue avec le petit essai pilote en mode `both`.

Vérifiez que `videoId` et `videoUrl` correspondent à cette vidéo. Vérifiez que `text` n'est pas vide. Vérifiez que `commentId` et `sortMode` sont présents. Vérifiez le motif d'arrêt dans OUTPUT. Lorsque le plafond commun est atteint, le motif d'arrêt attendu est `requested_comment_limit_reached`.

Si `publishedAt` vaut null, laissez l'ancienneté inconnue. N'inscrivez pas 0. N'inscrivez pas le moment de la collecte. Un `sortMode` correspondant aux plus récents indique une récupération dans l'ordre « Les plus récents ». N'établissez l'ancienneté que lorsque la source fournit une date réelle.

Étape 4. Choisissez un export plus large ou 2 listes distinctes.

Utilisez `both` si vous souhaitez un export délimité plus large et si vous comptez lire le motif d'arrêt et les décomptes. Cet export reste une liste délimitée issue de la source.

Utilisez 2 exécutions pour comparer explicitement « Principaux commentaires » et « Les plus récents ». Un registre est la liste brute enregistrée pour un mode, conservée avec sa configuration d'entrée et son moment d'observation. Produisez un registre délimité « Principaux commentaires » et un registre délimité « Les plus récents ». Utilisez le même plafond déclaré pour chaque exécution. Gardez des moments d'observation comparables.

Ces exécutions appariées constituent votre travail ultérieur. Le contrôle vérifié correspondait à une seule exécution en mode `both`. Ne présentez pas ce contrôle comme un résultat de recoupement entre des exécutions appariées.

Étape 5. Dédupliquez chaque registre, puis construisez la réunion à partir des registres distincts.

Dédupliquer signifie compter une seule fois chaque identité vérifiée. La clé est l'association de `videoId` et de `commentId`. Un texte identique ne constitue pas la clé. 2 commentaires peuvent avoir le même texte tout en ayant des identifiants différents.

La réunion est l'ensemble des identifiants distincts vérifiés qui figurent dans l'un ou l'autre des registres. L'intersection est l'ensemble des identifiants vérifiés qui figurent dans les 2 registres. Conservez l'appartenance sous la forme `{top}`, `{newest}` ou `{top, newest}`.

Vous ne pouvez attribuer `{top, newest}` que si les 2 registres distincts contiennent cet identifiant. Dans une seule exécution en mode `both`, la déduplication conserve une ligne et un seul `sortMode`. Ce libellé unique ne peut pas révéler une seconde appartenance. Ne la devinez pas. Conservez les registres bruts pour que l'appartenance reste vérifiable.

Si un identifiant manque, son identité reste indéterminée. Ne comptabilisez pas un identifiant manquant comme une valeur nulle. Ne reconstituez pas de mémoire l'appartenance perdue.

Définissez une règle de codage, puis comparez les ensembles

Étape 6. Utilisez la même règle de codage dans chaque strate.

Une règle de codage est le critère écrit utilisé pour repérer un thème. Rédigez-la avant d'attribuer des codes aux lignes. Appliquez le même critère à « Principaux commentaires » et à « Les plus récents ». Conservez le texte brut et le contexte de la source avec le code attribué.

Avant de calculer une fraction, vérifiez la cohérence des données sur 4 points.

• Entrées prévues : les vidéos et les modes que vous avez déclarés.
• Identifiants inconnus : les identités que vous ne pouvez pas déterminer. Elles restent indéterminées.
• Texte valide : du texte non vide auquel vous pouvez attribuer un code.
• Lacunes liées aux statuts : les lignes dont `status` n'est pas `ok`, ainsi que tout mode ayant échoué.

Le dénominateur est le nombre de commentaires admis dans la fraction. Utilisez uniquement du texte valide associé à un identifiant connu. Indiquez les cas inconnus dans un décompte distinct. Une valeur inconnue n'est pas zéro.

Un décompte par thème compte les commentaires de l'échantillon. Il ne compte pas les personnes. Il ne représente pas les spectateurs qui ne commentent pas. Ce n'est pas un résultat démographique.

Étape 7. Calculez l'intersection et la réunion à partir des identifiants des listes distinctes.

Indiquez le nombre d'occurrences observées lors des récupérations, puis le nombre d'identifiants distincts qui restent après déduplication. Le recoupement désigne ici celui de ces listes délimitées à ces moments précis. Il ne s'agit pas de la proportion de l'ensemble des commentaires de la vidéo.

Si un mode échoue, la liste manquante n'est pas une liste vide obtenue avec succès. N'attribuez pas à ce mode un décompte de zéro commentaire. Le résultat de la comparaison reste inconnu. La disponibilité de la source peut changer entre les exécutions. Lisez `failedInputDetails` et `stopReasonCounts` avant d'effectuer le codage.

Étape 8. Rédigez une conclusion qui correspond à l'ordre de tri et à la question.

Un thème fréquent dans « Principaux commentaires » peut refléter les commentaires mis en avant selon le classement de la source. Ce résultat relève du classement de la source. Ce n'est pas un nombre de vues, ni un score certifié. Un thème fréquent dans « Les plus récents » peut refléter une activité récente dans cet ordre de la source. Il ne prouve pas l'ancienneté exacte lorsque `publishedAt` vaut null.

Une seule observation ne peut pas prouver qu'un thème a progressé. Elle ne peut pas prouver qu'un thème a reculé. Enregistrez les notes d'échantillonnage, la configuration d'entrée et le motif d'arrêt. Un lecteur ultérieur doit pouvoir reproduire le choix d'échantillonnage.

Certains lecteurs ont besoin d'une méthode au périmètre défini pour étudier les commentaires humains lorsque la collecte comporte des limites. Cette publication publique décrit ce besoin. La limite chiffrée qui y est avancée n'est pas vérifiée dans cet article. Ne considérez pas cette affirmation comme une description du fonctionnement officiel actuel de l'API. Cet Actor utilise une autre méthode. Il n'utilise pas votre clé d'API YouTube. Si vous utilisez aussi l'API officielle, consultez vous-même sa documentation officielle actuelle. Le choix entre « Principaux commentaires » et « Les plus récents » répond au besoin d'échantillonnage. Il ne garantit pas l'obtention de tous les commentaires.

Parcourez un registre fictif

Le registre de cette section est fictif. Il sert à expliquer les décomptes. Ce n'est pas un résultat de l'Actor. Ce n'est pas le contrôle à 2 lignes. Aucun texte de commentaire réel n'est présenté ici comme tel.

Le registre fictif « Principaux commentaires » contient les identifiants de commentaire A, B et C. Le registre fictif « Les plus récents » contient B, D et E. Les 5 identifiants sont associés à une identité dans la source et à un texte qui peut être codé.

Les occurrences lors des récupérations sont A, B, C, B, D et E. Cela fait 6 occurrences. Les identifiants distincts sont A, B, C, D et E. Cela fait 5 commentaires distincts. B apparaît une fois dans chaque registre : c'est donc B qui apparaît 2 fois. Comptez B une seule fois dans la réunion et conservez ses 2 appartenances. Une occurrence répétée n'est pas du spam. Cette méthode ne porte aucun jugement sur le caractère indésirable d'un commentaire.

La réunion est `{A, B, C, D, E}`. L'intersection est `{B}`. L'ensemble propre à « Principaux commentaires » est `{A, C}`. L'ensemble propre à « Les plus récents » est `{D, E}`.

Un export `both` qui a enregistré B uniquement avec `sortMode` à `top` ne peut pas prouver son appartenance à « Les plus récents ». Seuls les registres distincts peuvent montrer que B figurait dans les 2.

Vérifiez la cohérence de cet exemple fictif avant de calculer une fraction par thème.

La règle de codage est fixée au préalable. Attribuez le thème « question sur le démarrage » uniquement lorsque le commentaire demande comment commencer la tâche. Utilisez la même règle pour chaque identifiant. Dans cet exemple fictif, seuls A, B et D répondent au critère. C et E n'y répondent pas.

La moyenne des proportions des 2 strates est `(66.7 + 66.7) / 2`. Elle est égale à 66,7 %. Elle n'est pas égale à la proportion de la réunion, qui est de 60 %. La réunion compte une seule fois B, présent dans les 2 listes. La moyenne des pourcentages des strates ne permet pas de calculer la fraction de la réunion des commentaires distincts.

Les 2 ordres affichent 66,7 % dans cet exemple fictif. Cette concordance concerne uniquement ces 5 commentaires. Elle ne prouve pas que 60 % de l'ensemble des spectateurs se posent la question du démarrage.

Présentez les identifiants, les appartenances, la règle de codage et les dénominateurs avant de formuler une conclusion. La conclusion permise ici a une portée limitée. Dans cet exemple fictif, la proportion du thème est identique dans les 2 ordres délimités, et elle est de 3 sur 5 dans la réunion des commentaires distincts.

2 limites restent applicables. Si `publishedAt` vaut null, la date exacte de B reste inconnue. L'appartenance à « Les plus récents » ne fournit pas cette date, et `scrapedAt` ne la fournit pas non plus. Si le mode « Les plus récents » échouait sur une autre vidéo, vous ne considéreriez pas cette vidéo comme une population limitée aux « Principaux commentaires ». Le résultat de la comparaison serait inconnu. Un mode qui a échoué n'est pas un mode ayant réussi sans renvoyer de résultat.