“ Au commencement était le verbe ! Ici je m'arrête déjà ! Qui me soutiendra plus loin ? Il m'est impossible d'estimer assez ce mot, le verbe ! il faut que je le traduise autrement, si l'esprit daigne m'éclairer. Il est écrit : Au commencement était l'esprit ! Réfléchissons bien sur cette première ligne, et que la plume ne se hâte pas trop ! Est-ce bien l'esprit qui crée et conserve tout ? Il devrait y avoir : Au commencement était la force ! Cependant tout en écrivant ceci, quelque chose me dit que je ne dois pas m'arrêter à ce sens. L'esprit m'éclaire enfin ! L'inspiration descend sur moi, et j'écris tout simplement : Au commencement était l'action ! ”
Goethe, Faust I (Faust dans son cabinet d'étude)

L’informatique comme système d’écriture sociologique

Une expression dialogique du raisonnement sur des objets complexes

6Le système d’écriture envisagé s’organise autour d’une forme très classique : celle du dialogue ou de la discussion à deux voix. Contrairement à d’autres outils, le travail avec Marlowe ne semble pas supposer de compétence technique particulière pour débuter : il suffit a priori de dialoguer librement pour découvrir des points d’appui et des méthodes permettant d’analyser ou, pour le moins, de revisiter les propriétés d’un dossier. Cela dit, la compréhension de ce qui se passe suppose un assez haut niveau de compétence de la part de l’utilisateur. Il doit faire l’apprentissage des conventions sur lesquelles reposent ce type d’échange encore assez inhabituel. Car il n’est pas question de tout demander au système sans contrepartie, c'est-à-dire sans un minimum de cohérence dans les requêtes et les chemins suivis, et, symétriquement, sans un effort de compréhension des contraintes qu’il doit surmonter pour répondre adéquatement.

7Comme première définition du type d’expériences engendrées par Marlowe, on peut parler de « dialogues avec un ensemble de mémoires externes ». Marlowe (nom de code : MRLW) est en effet dépositaire de structures de représentation et de stocks de connaissances qui permettent de lui déléguer des tâches d’enquête fastidieuses. Ses ressources étant en grande partie externalisées, MRLW peut permettre un travail collectif via le cumul de concepts et d’exemples, de règles et de procédures éprouvées sur différents dossiers. Contrairement au chercheur humain, MRLW peut explorer, et exploiter, sans autre limite que les capacités de la machine qui l’abrite, d’innombrables combinaisons. Comme la restitution pure et simple de l’ensemble des combinaisons ou des chemins possibles n’aurait aucun sens – augmentant considérablement le travail interprétatif du chercheur – le dialogue sert de cadrage, ou plutôt d’espace de négociation des prises pertinentes par lesquelles s’affirme la maîtrise d’un ou de plusieurs dossiers. MRLW joue son rôle de maintien de la réflexivité à partir de quatre grands types de fonctionnalités :

• des accès documentés à des informations difficiles à extraire manuellement (c’est-à-dire par la recherche visuelle dans de multiples fenêtres) ;

• des opérations d’évaluation et de synthèse offrant des angles de vue diversifiés sur un même corpus ;

• des modèles ou des espaces de calcul aidant à éprouver la consistance des interprétations du chercheur ;

• des outils de contrôle sur la composition du corpus, le cadre d’analyse et les priorités du chercheur.

9Dans ce type de programmation, on rencontre surtout les problèmes majeurs que posent des propositions de haut niveau sémantique et dont l’agencement n’est que partiellement anticipé. S’il n’était pas trop difficile d’apprendre à MRLW à répondre positivement à des requêtes de niveau élémentaire, comme par exemple à une instruction lui demandant de faire un rapport sur une entité dont la désignation n’est pas équivoque, il était un peu plus difficile de passer à l’étape suivante qui consistait à le doter de capacités sémantiques lui permettant de répondre adéquatement à des requêtes comme celles-ci :

• (a) dans quels textes A relie X et Y ?

• (a1) dans quels textes Céline relie la guerre et la littérature ?

• (b) est-ce que A et B traitent de la même manière la X de Y de Z ?

• (b1) est-ce que Greenpeace et la Cogema traitent de la même manière la question de l’enfouissement des déchets nucléaires ?

10Répondre à une question comme (a) suppose de s’entendre à la fois sur le statut de A - il s’agit vraisemblablement d’un auteur du corpus (et donc de Céline en tant qu’auteur et non en tant que thème pour un auteur) – et sur la sémantique du verbe « relier », qui signifiera par exemple que Y est dans le réseau de X chez un auteur comme A – ce qui suppose une définition de ce qui compose à proprement parler un « réseau ». Le cas (b), illustré par (b1), est encore plus compliqué. Que signifie « traiter de la même manière » ? Quelle est le niveau d’équivalence requis ? L’emboîtement des objets X, Y et Z permet-il de distinguer une priorité ? Il faut par exemple aider MRLW à considérer que, dans le groupe nominal, le thème majeur est Z (les déchets nucléaires), appréhendé à travers sa relation d’emboîtement à Y (l’enfouissement), et que X est contextuellement secondaire. Par ailleurs, MRLW devra considérer, comme pour (a), qu’il s’agit d’abord de considérer A et B comme auteurs du corpus, et donc comme deux objets commensurables.

12La gestion des enchaînements dialogiques est une des parties les plus difficiles et on commence à peine à bénéficier d’une forme d’économie liée à la production d’outils relativement stables – c'est-à-dire relativement indépendants du contexte, ou plutôt co-ordinateurs du contexte pertinent. Au niveau le plus élémentaire, il a fallu répertorier toutes les façons de signifier l’approbation (“ oui ”, “ bien sûr ”, “ naturellement ”, “ cela va de soi ”, “ je suis d’accord ”, “ absolument ”, “ je ne te contredirai pas sur ce point ”, …), le refus (“ non ”, “ laissons tomber ”, “ je refuse ”, “ça ne va pas du tout ”, …), l’indécision (“ je ne sais pas ”, “ que faut-il faire ? ”, “ choisis à ma place ”, …), l’exigence de précision ou de relance (“ mais encore ? ”, “ c’est tout ? ”, “ on a fait le tour de la question ? ”, …), ou de clore (“ ça ira comme ça ”, “ stop ”, “ passons à autre chose ”, …). Chaque classe de variables peut contenir des centaines d’instances, et tisser des relations d’inclusion, d’exclusion, ou de transfert avec des dizaines d’autres variables. L’enrichissement des bases de capteurs est sans doute un travail infini – d’où la nécessité de le rendre collectif. Il peut se nourrir d’exemples fournis par les traditions littéraires (de Platon à Nathalie Sarraute) mais aussi de bribes de conversations saisies en milieu naturel. L’intérêt de ce travail est double puisqu’il permet d’accumuler des répertoires de variations langagières et de bénéficier d’une plus grande interactivité, rendant les dialogues plus naturels – bien que reposant sur des conventions.

Rassembler des compétences dispersées dans de multiples outillages

14La question qui anime ce travail n’est pas : « une machine peut-elle penser ? » mais plutôt : « une machine peut-elle coopérer en croisant la forme particulière d’intelligence dont elle est dotée avec celle du chercheur, afin de produire des expériences de pensée intéressantes pour une démarche sociologique ? ». Il n’est pas certain que la réponse soit positive mais la recherche de techniques littéraires pour décrire et analyser nos dossiers justifie que l’on mène l’expérience jusqu’au bout. Dans le pire des cas, c’est-à-dire devant l’impossibilité de franchir des barrières techniques, il restera une mémoire sociologique interactive, disponible parmi d’autres sources de connaissances informatisées. Si l’on cherche à maximiser les chances de succès, ce n’est pas dans le but de remplacer l’interprète humain, encore moins de le mettre dans une situation de concurrence (comme dans la figure du joueur d’échecs), mais de le doter d’un interlocuteur capable de prendre en charge des opérations complexes et de négocier avec lui les rapprochements et les recoupements pertinents. La forme dialogique permet de mettre en scène la symétrie nécessaire à ce processus coopératif. Pour y parvenir, quatre familles de fonctions habituellement séparées se trouvent réunies dans MRLW :

• des fonctions de calcul sur des structures de données complexes – ici des données textuelles ;

• des fonctions de mémorisation puisque les chemins, les idées et les solutions sont rangées dans des répertoires ad hoc et peuvent être réutilisés au fil d’autres enquêtes et de nouveaux dialogues ;

• des fonctions critiques : non seulement la forme dialogique fait surgir des notions et des procédures alternatives en contraignant à expliciter des choix, mais la « naïveté » foncière de MRLW produit une interrogation constante sur les règles, les concepts et les objets mobilisés ;

• enfin, des fonctions encyclopédiques : MRLW devient le dépositaire d’une partie de la culture générale nécessaire à l’analyse sociologique.

Un réseau de scripts hétérogènes

15Le développement de Marlowe repose sur l’articulation de six grandes structures : (a) des champs dialogiques, (b) des objets et des formules décrivant le dossier étudié, (c) des variables d’expression, (d) des outils d’évaluation, (e) des opérateurs de transfert de paramètres et (f) des jeux de mémoires dynamiques.

16(a) Les champs dialogiques assurent la communication avec l’utilisateur. On compte d’ores et déjà plusieurs milliers de champs ouverts, et chacun d’entre eux compose un programme dans le programme. Un champ dialogique est formé par une série de capteurs, par des opérateurs d’évaluation et de mémorisation, des espaces de variation contenant plusieurs solutions possibles, et enfin des liens ou chaînages avec d’autres champs. Ils sont répartis dans des secteurs différents selon qu’ils relèvent plutôt de la gestion de la conversation (« comment ça va aujourd’hui ? »…), de la réponse ciblée à des questions déterminées (« parle-moi de la déconstruction »…) ou de fonctions d’analyse et de calcul sur le corpus (« fais le point sur ce que dit A au sujet de X »…).

17(b) Les objets et les formules liés au dossier étudié sont représentés dans MRLW par un jeu de variables assorties d’une sémantique, d’une syntaxe et d’un indice. Par exemple $aut0.phadt0.+$act0 donnera la première phrase dans laquelle le premier auteur du corpus parle du premier acteur du corpus ; $pers1.respers[0:9] donnera les 10 premières personnes présentes dans le réseau de la deuxième personne … Les classes de formules permettent de retrouver dans le corpus des agencements pré-programmés. Par exemple $frm.qui-accuse-qui recherchera toutes les formes du type : « X accuse Y », ou « X dénonce le Z de Y »…

18(c) Les variables d’expression fournissent à MRLW une capacité littéraire et une faculté d’ajustement à la variété des contextes d’énonciation. Les variables d’expression peuvent elles-mêmes contenir des variables et faire l’objet d’évaluations. Du même coup, elles servent à des niveaux fort différents et permettent de représenter, dans un format réduit, d’immenses espaces combinatoires. Par exemple la variable VarProphétieDeMalheur appelle toute une série de variables qui contiennent à leur tour d’autres variables contenant les ingrédients qui concourent à la formation d’énoncés typiques d’une prophétie de malheur. A terme, les messages de MRLW ne seront plus que des emboîtements de jeux de variables, pointant, au bout de leurs branches, vers des répertoires en langage naturel (réseaux sémantiques, synonymes, listes de noms soumis à un principe d’interchangeabilité). Ce langage de variables emboîtées, qui forme le cœur du langage Polar, permet de dire que les messages produits par MRLW sont bel et bien de son cru, même si la génération spontanée n’étant pas du rayon de l’informatique, il a fallu lui fournir des lexiques et des règles d’agencement.

19(d) Les outils d’évaluation prennent essentiellement la forme de conditions écrites en Lisp. Par exemple la clause (and(eq $date_jour “ vendredi ”)(eq $date_nbjour 13)) ne sera vraie qu’un vendredi 13, ou la clause (> $nbtxt 200) sera vraie si et seulement si le nombre de textes du corpus est supérieur à 200. On utilise de multiples clauses élémentaires placées à des endroits stratégiques mais aussi de véritables petits programmes Lisp chargés de construire et d’évaluer des objets plus complexes, l’idée étant de pouvoir doter le système d’agents, ou micro-centres de calcul, disponibles selon ses besoins.

20(e) La cohérence des dialogues et des opérations sur les objets (nombres, chaînes, symboles, listes, listes de listes) suppose de pouvoir transférer des éléments d’un endroit à l’autre de la mémoire à court terme utilisée lors de chaque session. On a recours à des jeux de paramètres pour transférer par exemple les entités A et B de la formule « enquêtons sur les liens entre / !A /ENTITE et / !B /ENTITE » vers des modules d’évaluation, de calcul et d’exposition, ou encore d’un dialogue à l’autre.

21(f) Enfin, MRLW enregistre certains éléments du dialogue qu’il range dynamiquement dans des mémoires ad hoc. Il peut s’agir de phrases de l’utilisateur, de données du corpus ou d’informations sur la session en cours.

22Bien qu’ils puissent être décrits par des exemples élémentaires, ces outils d’écriture entrent dans des agencements assez complexes, répartis dans trois niveaux de langage informatique fournis respectivement par C++, Lisp et Polar. Un quatrième niveau est destiné à la communication de MRLW avec Internet : il s’agit de procédures écrites dans le langage Python qui assurent les échanges autonomes avec le module Tirésias et, à terme, de véritables « sorties » sur la Toile lancées à partir de problèmes non résolus, de recherches de recoupements ou de quêtes d’informations sur des sites.

En quoi Marlowe est-il différent des programmes d’Intelligence Artificielle ?

24En développant graduellement toute une panoplie d’heuristiques pour contourner l’obstacle de l’incompréhension naturelle des expressions humaines par les machines, on s’attache à renverser la formule : il ne s’agit pas de faire comprendre le langage naturel aux machines mais de surmonter leur incompréhension pour atteindre des objectifs de recherche liés à la production continue du sens dans les usages de la langue.

• Le modèle SHRDLU incarne surtout la possibilité d’exprimer des commandes en lanage naturel, ce qui permet un maximum d’acuité dans le maniement de nombreuses fonctions, de garder la trace des chemins suivis et de corriger le tir : « va chercher les textes qui parlent de X et de Y », « regardons les catégories utilisées par X » ;

• Le modèle Eliza, c’est l’art de la simulation dialogique : « oui, oui, je vous écoute », « c’est intéressant, continuez » ;

• Le modèle CYC renvoie à l’accumulation d’une culture générale et de règles de sens commun, sans lesquels une machine serait vraiment en dessous de tout en s’avérant incapable de repérer une contradiction, de détecter une incohérence, ou de tirer une inférence de base. Par exemple, si on dit à MRLW : « il pleut » puis « non, il faut beau », il répond généralement : « dites, il faut savoir, le temps est variable par chez vous ! ».

26Cette décomposition analytique ne veut pas dire que l’on a écrit le programme MRLW en reprenant telles quelles des stratégies utilisées par l’IA. MRLW n’est pas développé à partir de modèles mais directement à travers des échanges les plus spontanés possibles, susceptibles de livrer les besoins de connaissance ou de communication exprimés par les chercheurs. Les échecs ou les incomplétudes obligent à se demander sous quelle forme tel ou tel problème peut être interné dans le système. Globalement, Prospéro fournit une grande quantité de structures que MRLW se « contente » d’agencer dans des rapports. Qu’apporte donc MRLW par lui-même ? Il crée des objets de deuxième ordre à partir des objets qui lui sont fournis : c’est le cas par exemple des reconfigurateurs, des classes de formules, des listes d’objets ayant des propriétés particulières (les auteurs qui s’opposent le plus, les acteurs les plus critiques, les éléments contre lesquels on se mobilise, etc.). Ensuite, il permet de configurer de nouveaux espaces de raisonnement et d’inférence – via le module Lisp. Enfin, il engendre graduellement des mémoires dont il peut réutiliser les contenus au fil des conversations.

L’ancrage des expériences sur une collection de dossiers

27Le travail avec MRLW n’est pas dissocié du travail sur un corpus. Mieux, le dialogue avec MRLW s’apparente à un retour sur ce qui a été fait avec Prospéro. C’est dire que les deux instruments ne sont pas concurrents ou dissociés mais fonctionnent de manière complémentaire. La qualité des opérations effectuées sous Prospéro – typages et créations d’expressions, constructions de catégories, conceptions de formules, informations livrées dans les cadres de référence – pèse sur la qualité des dialogues et, réciproquement, ces derniers conduisent l’utilisateur à reprendre le travail de représentation amorcé avec Prospéro. La capacité de plus en plus grande de MRLW de réagir à des interventions fort éloignées a priori du dossier faisant courir un risque de distraction, elle est compensée par une constante exigence de retour au dossier ou aux catégories d’analyse. Cet aspect paraît décevant à ceux qui aimeraient voir dans MRLW une sorte d’ « esprit » avec lequel on pourrait converser librement de toutes sortes de choses : en effet, MRLW revient assez vite aux questions posées par le corpus, marquant ainsi ses propres limites et renvoyant le chercheur à ses propres engagements. La part d’autonomie que l’on peut donner au logiciel quant à la discussion libre est un objet de débat. L’objectif est de dégager une troisième voie plausible entre une forme de fonctionnalisme – MRLW ne ferait que restituer des propriétés déterminées sur un corpus – et une forme de conversationnalisme – MRLW s’adapterait continûment aux cadres de la conversation sans finalité précise. En se plaçant aux points de jonction de ces deux tendances, on peut construire un dispositif interactif jouant tour à tour de régularités et de déplacements ou de surprises.

Des dossiers passés au peigne fin par Prospéro

28Les premiers apprentissages de MRLW ont été développés sur les dossiers étudiés longuement avec Prospéro. Certains dossiers, suivis pour des travaux sociologiques, comme le nucléaire, la vache folle ou le dopage, ont permis de développer des capacités de veille et de mise à jour des connaissances. Qu’y a-t-il de neuf dans un dossier ? Peut-on relier les derniers événements ou les dernières déclarations à des séries antérieures ? Comment se modifie la carte des acteurs et des arguments ? On dénombre près de 300 fonctionnalités orientées vers les propriétés des dossiers étudiés et leur nombre va très certainement augmenter dans les années futures. Cette prolifération d’outils et de fonctions serait sans doute de mauvais augure, et peut-être contre performante, sur des matériaux homogènes et bien délimités comme ceux que traite habituellement la statistique ou les analyses de réseaux. Mais face à des objets complexes marqués par l’incertitude, l’hétérogénéité et la variation continue, des dossiers capables de rebondir au fil d’interventions désordonnées d’auteurs-acteurs qui s’ingénient à introduire, dans chaque épreuve, de nouvelles dimensions, il faut disposer d’une multitude de prises. Dans certains contextes, c’est l’opposition entre des auteurs qui importe, dans d’autres, c’est l’émergence de nouveaux jeux d’acteurs. Certaines phases de l’analyse se concentrent sur les registres et les répertoires pertinents, d’autres sur les agencements de figures ou de formules. L’enquête peut passer par des personnes ou des thèmes élémentaires ou raisonner à partir de faisceaux d’indices. Le niveau pertinent est tantôt une entité de base, tantôt un texte, tantôt une période du corpus. La manière dont les acteurs-acteurs engagent eux-mêmes des théories ou des représentations globalisantes de ce qui est en jeu dans le corpus peut prendre le pas sur le suivi de thèmes spécifiques. Le changement d’échelle et de niveau logique est une opération constante dans l’interprétation des éléments d’un dossier. On ne peut savoir par avance de quels types de ressources aura besoin le chercheur aux prises avec un dossier complexe.

29Le prototype actuel est assez bien fourni en procédures d’analyse centrées sur des thèmes pris individuellement et en rapports de synthèse sur les grandes propriétés du corpus. Les voies de développement qui seront privilégiées concerneront surtout les relations entre les cadres d’énonciation (qui parle, sur quel support, à quel moment…), les formules ou agencements (objets permettant de sortir de l’atomisme lié au raisonnement sur les entités pour considérer celles-ci comme des familles de formules dans lesquels elles entrent ou n’entrent pas) et les aspects temporels (comme le repérage des événements marquants et des périodes différentes). Pour l’instant, ces trois plans de travail sont encore largement dissociés. Lorsque MRLW sera capable de lier la détermination de points de vue, l’usage de figures ou de formules et les changements historiques en œuvre dans un dossier, il pourra développer des raisonnements pleinement sociologiques. Pour y parvenir, la relation d’ancrage sur une vaste collection de dossiers est primordiale. C’est pourquoi les essais s’effectuent sur plus d’une vingtaine de dossiers. Les évolutions des matériels informatiques permettent désormais de dialoguer sur des dossiers quantitativement importants sans éprouver de temps d’attente ou de verrou technique majeur. Cette possibilité de mise en présence directe avec des corpus importants est décisive pour la concrétisation de l’instrument.

Comment doter un agent artificiel d’un sens de la réalité

De la nécessité des recoupements

Un simulacre de conscience historique artificielle ?

De l’apprentissage en boucle externe à l’auto-apprentissage : la longue marche

35Marlowe est-il capable d’apprendre ? Posée ainsi la question peut difficilement recevoir une réponse non-équivoque. Apprentissage de quoi ? Dire que l’on fait de l’apprentissage en soi n’a en effet guère de sens. Il convient de sérier des modalités et des objets d’apprentissage différents. Incontestablement, s’il s’agit d’évaluer la quantité de « connaissances brutes » que le logiciel peut déployer, il apprend, en incorporant de nouvelles connaissances au fil du temps. Mais il faut distinguer au moins trois sortes d’apprentissage :

36- Il y a d’abord ce qui émerge de la confrontation des expériences, c’est-à-dire de l’accumulation des dialogues sur des dossiers multiples qui donnent lieu, à partir d’interventions externes, à l’enrichissement des procédures et des connaissances. L’apprentissage est ici synonyme de constant enrichissement des appuis cognitifs de l’instrument et passe par un collectif de recherche apte à définir et évaluer les connaissances déposées dans les mémoires externes.

37- Un deuxième niveau d’apprentissage est lié à la sélection des procédures d’analyse : le fonctionnement repose ici, très classiquement, sur la logique des essais/erreurs/corrections, MRLW pouvant mémoriser les échecs et les réussites et contribuer lui-même à la définition des bonnes procédures dès lors qu’il est capable de donner des raisons, de rendre explicables les résultats obtenus ou la faillite de certaines procédures. Par exemple, il peut noter que telle procédure, construite à partir d’une représentation interne des grandes périodes d’un dossier, ne marche pas si des documents sont trop éloignés dans le temps ou si les différentes périodes sont trop inégales en nombre de documents. Ce qui conduit à la mise en place de techniques d’évaluation des outils d’analyse selon les propriétés du corpus.

38- Enfin, il y a la possibilité pour le logiciel de se saisir de ce qui lui a été dit pour essayer de le faire fonctionner dans de nouveaux contextes. La gamme des expériences est ici très vaste et il faut distinguer de multiples niveaux ou classes de problèmes méritant chacun un traitement spécifique. Que peut faire MRLW d’un avis que donne un utilisateur sur un dossier ou sur un événement ? Le recouper avec d’autres avis ou événements et vérifier si ça se tient ou non. Que peut-il faire d’un suivi en « temps réel » de l’actualité – comme il le fait à partir du fil de dépêches ? Essayer de repérer des liens entre des événements du dossier et des événements de l’actualité, soit par le biais de personnages qu’il a identifiés, soit par l’intermédiaire de classes de formules lui permettant de bâtir progressivement de nouveaux objets d’enquête.

39Comme exemple d’apprentissage élémentaire, prenons le cas d’une notion que MRLW a rencontrée dans un corpus (l’affaire Sokal) et dont il a retenu le réseau d’entités associées :

40MRLW a d’abord vérifié que le terme de « déconstruction » n’était pas actif dans le corpus de référence (ici le dossier de la Mnef) – ce que l’utilisateur vérifie de nouveau en lui reposant la question après coup. Ayant le choix entre plusieurs stratégies, il est allé chercher une citation, en l’occurrence de Jacques Derrida qui se démarque du concept qui lui est attribué. Devant l’insistance de l’utilisateur (l’expression « mais encore », qui s’apparente à un ordre est particulièrement frayée dans les dialogues avec MRLW), il exhibe les principaux éléments du réseau de la « déconstruction » tel qu’il l’a enregistré lors d’un dialogue sur l’affaire Sokal. On remarque au passage que Derrida occupe la première place de ce réseau.

41Il s’agit bien d’une formule d’apprentissage que l’on pourra faire évoluer en dotant de plus en plus MRLW d’outils de contrôle et d’évaluation de ce qu’il retient et des contextes dans lesquels il peut être pertinent de le restituer. Toute la difficulté réside dans l’association d’une souplesse d’exécution, facilitée par une « mémoire légère », et une remobilisation à chaque instant de toutes les strates de savoirs constitués, provoquant un « encombrement » de la mémoire.

L’exemple d’un premier apprentissage du « sens commun de la critique »

42Prenons un exemple un peu plus compliqué. Pour chaque dossier, MRLW peut repérer les thèmes et personnages contre lesquels se mobilisent ou argumentent les auteurs-acteurs. Symétriquement, il relève les éléments en faveur desquels on agit ou on argumente. Transportant ces informations d’un corpus à l’autre, il peut faire émerger graduellement ce contre quoi et ce pour quoi on tend à être en général. Ainsi, il est difficile d’être pour le sida, la pauvreté, la corruption, les accidents et les catastrophes, la famine et l’inégalité… Ayant construit de proche en proche le répertoire des lieux communs de la critique, il peut dès lors sonder, dans un dossier donné, dans une période ou chez un auteur, le degré de présence de ces lieux communs et, éventuellement, faire apparaître des énoncés qui lui semblent étranges ou problématiques.

43Il a fait cet exercice sur plusieurs dossiers qui lui ont été passés successivement : le nucléaire, l’amiante, les sans-papiers, l’affaire Sokal, l’accident du Concorde, l’affaire de la Mnef, le dopage et les 16 programmes du premier tour des mémorables élections présidentielles de 2002. La procédure utilisée devra sans aucun doute être améliorée mais voici comment MRLW fixe progressivement, au fil des dossiers, les choses contre lesquelles il semble aller de soi de s’opposer. Pour ne pas ouvrir ici tous les dossiers et allonger inutilement ce texte, demandons à MRLW contre quoi se mobilisent les acteurs dans le dossier des sans-papiers (la même question pouvant être posée sur tous les dossiers, et donner lieu à chaque fois à des résultats circonstanciés, et partant, différents) :

44Il convient d’être symétrique et de lui demander en faveur de quoi se mobilisent les mêmes auteurs-acteurs…

45Disposant des deux listes, MRLW peut aisément faire émerger des objets qui tombent sous les deux séries de formules “ contre X ” et “ en faveur de X ”…

46Ayant cumulé en mémoire les éléments contre lesquels on agit ou argumente, MRLW peut dès lors recouper les résultats obtenus sur différents dossiers.

47Naturellement, il y a moyen d’améliorer ou de spécifier cette procédure d’apprentissage du « sens commun », mais le résultat est d’ores et déjà intéressant. On a récemment étendu la même procédure à d’autres figures majeures du sens commun de la critique : les thèmes et personnages auxquels il est courant d’imputer la responsabilité de malheurs ou de mauvais traitements, les objets les plus controversés, les éléments les plus souvent associés à une rhétorique du changement, les personnages qui prennent le plus souvent la place des victimes … La force de ce procédé réside dans l’absence de codage a priori des objets. Un des développements futurs consistera à demander des explications à MRLW, par exemple sur des thèmes qui paraissent discutables - comme le « féminisme » (sic) dans l’exemple ci-dessus… Une partie de ce qui nous apparaît spontanément comme des erreurs tient à des formes complexes que l’on pourra répertorier (« contre les auteurs de délits », « contre les personnes en situation irrégulière »…). On peut facilement installer un deuxième filtre de façon à lisser quelque peu les premiers résultats. Il reste que cet exemple atteste d’une faculté d’apprentissage sociologique du système…

Trois hypothèses pour l’avenir de Marlowe

48On ne répétera jamais assez qu’il n’y a pas de développement naturel d’une technique et que le schème évolutionniste qui sert à qualifier les progrès technologiques n’est que le résultat d’opérations collectives de retotalisation effectuées après coup, lorsque des alignements en grand nombre ont eu lieu donnant à une technologie une forme d’évidence. De ce point de vue, MRLW est à la croisée des chemins. Son avenir intellectuel dépendra autant des usages que des milieux de discussion et de développement qui prendront en charge sa concrétisation comme outil de recherche. On peut voir trois grands scénarios, ou plutôt trois destinations possibles, présentées ici de la plus proche à la plus lointaine – ou la plus ambitieuse.

Un complément de Prospéro

49La première hypothèse sur l’avenir de cette expérience, la plus basse, et partant la plus réaliste, en fait une simple extension de Prospéro : lové à l’intérieur du logiciel principal qui sert à structurer les bases de connaissances textuelles et à en extraire des propriétés marquantes, MRLW n’est qu’un outil de plus, permettant de reprendre synthétiquement ces propriétés et de faciliter le travail de synthèse et d’écriture. Ce niveau de compétences étant déjà atteint, dans ce scénario, il reste à consolider ce nouvel implant et à travailler la qualité de son interface. C’est un peu décevant, mais cela contraint à retourner à l’essentiel, qui se joue malgré tout au premier étage.

Un instrument de coopération et d’échanges collectifs

Un véritable interlocuteur apte à intervenir sur des dossiers publics

52Il a fallu plus de dix ans pour que Prospéro soit concrétisé comme instrument (relativement) fiable pour (une partie de) la sociologie contemporaine. Il en faudra sans doute autant pour que Marlowe trouve sa place dans des milieux de recherches, s’il en reste. Cela tient à notre lenteur particulière, liée à une méfiance rebelle vis-à-vis des « solutions clefs en main », mais aussi au fait que ces instruments ne progressent qu’en prise avec de véritables applications et de vraies discussions – ou plutôt de vraies applications véritablement discutées. Il ne s’agit pas de débattre pour débattre, ou d’essayer des techniques au creux de la vague, mais d’assurer, sur la durée, l’inventivité et l’esprit critique dont dépend le devenir d’une discipline ouverte.