La crise de la COVID-19 a provoqué des bouleversements majeurs dans la vie des populations du monde entier et a suscité des réactions sociales importantes. La propagation du virus contagieux de la COVID-19 a été rapidement suivie d’une « épidémie » d’explications et de discours tentant de donner un sens à la crise. Lorsqu’un événement dévastateur se produit, les gens se demandent ce qui se passe et ce que cela signifie. Le premier but de cette recherche est de suivre l’évolution de la dynamique du blâme et de la désignation de boucs émissaires au fur et à mesure que la pandémie de COVID-19 se déroule. Le deuxième but de cette recherche est d’évaluer l’intérêt d’utiliser l’Allocation de Dirichlet latente (ADL), un modèle de mélange/classe latente génératif bayésien, dans l’analyse de questions ouvertes. Les données ont été recueillies auprès d’un échantillon représentatif de 3617 Canadiens selon un devis de recherche longitudinal intensif (avec 12 temps de mesure). Neuf thématiques ont été identifiées, dont six sont récurrentes à différents temps de mesure. Les résultats indiquent que, durant les premiers mois de la pandémie, les Canadiens blâment majoritairement les collectivités distantes, telles que la Chine et les marchés aux animaux vivants (wet markets). Au fil du temps, ils blâment de plus en plus les collectivités locales, tels que les individus qui ne respectent pas les mesures sanitaires. Cette recherche met en évidence le rôle de la proximité géographique et de l’évaluation du risque dans la manière dont le public perçoit la pandémie. / The COVID-19 crisis has caused major disruptions in the lives of populations around the globe and provoked important social responses. The spread of the contagious COVID-19 virus was quickly followed by an outbreak of explanations and discourses trying to make sense of the crisis. When devastating events occur, people ask themselves what happened, why the event happened and what it means. The first goal of this paper is to track the changing dynamics of blame attribution and scapegoating as the COVID-19 pandemic unfolds. The second goal of this paper is to evaluate the relevance of LDA (Latent Dirichlet Allocation), a Bayesian generative mixture/latent class model, to analyze open-ended survey responses. Data was collected from a representative sample of 3,617 Canadians following an intensive longitudinal research design (with 12 waves). Nine topics were identified, six of which were recurring. Canadians mostly blame distant collectives in the early months of the pandemic, especially China and wet markets. Over time, they increasingly blame local collectives, such as individuals who do not comply with sanitary measures. This study highlights the role of geographic proximity and perceived risk in shaping public perceptions of the pandemic.