Navegação – Mapa do site

InícioNumérosTome X - n°1DOSSIER : La théorie littéraire e...Le champ littéraire : définition ...Lectures appareillées : les étude...

DOSSIER : La théorie littéraire en questionS
Le champ littéraire : définition et mises à l’épreuve

Lectures appareillées : les études littéraires computationnelles entre rupture et continuité

Reading Kit: Computational Literary Studies as a Break and a Continuity
Anne-Sophie Bories

Resumos

C’est désormais en ligne que nous lisons un article, partageons un brouillon, retrouvons une citation, consultons un dictionnaire : la numérisation a bouleversé notre rapport aux textes. S’agissant de textes littéraires que nous nous proposons d'explorer, le recours aux nouvelles technologies a un impact considérable. Cet article propose un survol des études littéraires computationnelles, choisissant de les désigner par une métaphore d’appareillage afin de souligner et même de prôner leur intégration non exclusive, prolongeant dans un dialogue épistémologique une pratique plus traditionnelle de la lecture de près. À terme, il est raisonnable de supposer que les outils statistiques et computationnels continueront d’entrer dans la panoplie générale des sciences humaines, qu’il deviendra anodin pour un littéraire de lancer une campagne de collecte de données, un calcul statistique ou la modélisation d’une hypothèse.

Topo da página

Texto integral

Introduction1

  • 1 Ce travail a été soutenu par le Fonds National Suisse pour la Recherche Scientifique.

1La numérisation a bouleversé notre rapport aux textes. On le voit jusque dans notre quotidien. Pour lire un article, partager un brouillon, retrouver une citation, consulter un dictionnaire, nous nous connectons. Nous survolons des langues étrangères grâce à l’intelligence artificielle de Deepl. En ligne, nos échanges et déambulations sont fouillés, monétisés par les grandes entreprises du web. Nos ordinateurs débordent de documents. Les textes, indémêlables des nouveaux supports et outils, sont devenus des données. Nos lectures sont désormais appareillées.

2S’agissant de textes littéraires que nous nous proposons d’explorer, les nouvelles technologies peuvent avoir un impact considérable. Avec la démocratisation de certains outils, on peut même faire une incursion sur le terrain quantitatif avec des notions minimales, utiliser une base de données avec des compétences informatiques limitées, entraîner une intelligence artificielle avec un peu d’apprentissage, en somme ajouter à nos panoplies des nouvelles compétences, et s’efforcer de soumettre l’intuition du chercheur au fardeau de la preuve.

3Je propose ici un survol des études littéraires computationnelles, choisissant de les désigner par une métaphore d’appareillage afin de souligner et même de prôner leur intégration non exclusive, prolongeant dans un dialogue épistémologiques une pratique plus traditionnelle de la lecture de près.

Appareillages

Compter les mots

  • 2 https://voyant-tools.org

4La numérisation des textes permet d’abord de chercher des mots pour naviguer dans le texte, cartographier des champs lexicaux, mesurer l’abondance ou la rareté de mots attendus ou inattendus. Chacun peut, sans compétences particulières, insérer dans Voyant2 un texte brut et dénombrer les mots les plus fréquents, les hapax, les noms de couleurs.

5On traite alors le texte comme un sac de mots à compter, classer et visualiser. Dans l’analyse des mots les plus fréquents (Most Frequent Words ou MFW), ils sont classés en fonction de leur fréquence d’apparition. Ceux qui reviennent le plus souvent sont des mots brefs, des chevilles grammaticales. On peut choisir de les ignorer pour se concentrer sur les mots de sens plein – substantifs, adjectifs, etc. – et chercher des thèmes, des vocabulaires, considérer ces petits mots les plus fréquents comme un bruit à gommer. On peut aussi concentrer l’analyse sur eux pour identifier un auteur, car nos habitudes grammaticales, syntaxiques ou de ponctuation, plus stables que les sujets ou les genres, nous trahissent, nous révèlent. Groupés en fonction de leurs cooccurrences, les mots dessinent presque des thèmes : c’est le Topic Modeling.

  • 3 CAFIERO F., CAMPS J.-B., « Why Molière most likely did write his plays », Sci Adv. DOI : 10.1126/sc (...)
  • 4 PLECHÁČ P., « Relative contributions of Shakespeare and Fletcher in Henry VIII: An analysis based o (...)

6La stylométrie scrute ces empreintes linguistiques pour détecter l’auctorialité, prouvant que « Molière a bien écrit ses pièces »3 ou démêlant les multiples mains d’une pièce de Shakespeare4. Là où l’analyse textuelle est mise en défaut, la stylométrie envisage une définition du style très éloignée de celle de la stylistique. Réduire le texte à une somme de mots, c’est poser sur les œuvres un regard temporairement abstrait de leur sens. Dans cette camera obscura se dessinent des lignes de régularité typiques de la patte d’un auteur, d’un sous-genre, d’un courant littéraire, et un aspect d’expertise scientifique à faire dialoguer avec l’expertise littéraire.

7Nous ne pouvons ici passer sous silence le « bruit » : celui des uns est régulièrement la donnée des autres, pour toutes les sciences qui utilisent des données, mais il n’a jamais qu’autant de valeur que la qualité des données. Un bruit qui signale des données inhabituelles, des outliers dérogeant aux lois générales, des variations portant leur propre signification, est à prendre en compte, qu’on décide de l’exclure ou de l’inclure. Si au contraire le bruit émane de la proportion d’erreur dans le relevé des données, il n’est effectivement qu’une « pollution » à supprimer.

Bases de textes

  • 5 https://books.google.com/googlebooks/about/history.html
  • 6 https://www.gutenberg.org
  • 7 https://archive.org
  • 8 https://gallica.bnf.fr
  • 9 https://www.frantext.fr
  • 10 https://crisco2.unicaen.fr/verlaine/index.php ?navigation =accueil.

8Les bases en ligne offrant des textes, tantôt seuls, tantôt diversement augmentés, se multiplient. La plus grande et la plus visible est sans doute la base monumentale et sans cesse augmentée de Google Books, qui en 2019 affirmait proposer plus de 40 millions d’ouvrages dans 400 langues5. D’autres ne servent pas d’intérêts commerciaux : par exemple le Project Gutemberg6, fondé en 1971 par Michael Hart avec la mission de mettre à disposition gratuitement autant d’ouvrages numérisés que possible, l’Internet Archive7 et ses 30 millions d’ouvrages en accès libre, ou des bibliothèques, souvent nationales ou universitaires, proposant des textes utilisables, comme en France Gallica8. Les données métatextuelles des catalogues permettent en outre une lecture de loin détachée des textes eux-mêmes, pour suivre les mouvements littéraires dans les chiffres des publications, les âges des auteurs, etc. La base Frantext9 développée par l’ATILF à Nancy permet de rechercher et de situer les mots, leurs lemmes, leur contexte immédiat, et bien d’autres aspects, mais pas d’extraire les textes eux-mêmes sous forme consommable. Le projet « Métrique en ligne »10 de l’équipe CRISCO de Caen développe le programme d’analyse du vers Malherbe, et offre une base de textes versifiés libres de droits en plein texte et richement augmentés d’ annotations métriques.

Andrew Norman Wilson, « The Anatomy of the Human Body - 93 », Scan Ops, 2012. (Les mains d’ouvriers chargés de tourner les pages à scanner apparaissent parfois dans Google Books)

OCR

9Il est généralement souhaitable de s’emparer de corpus déjà numérisés lorsqu’ils existent, mais parfois nécessaire d’en préparer soi-même au moyen d’un modèle d’OCR (Optical Character Recognition). Certains sont fournis par des entreprises privées (Fine Reader de ABBY11, Acrobat de Adobe12), d’autres élaborés au sein des universités comme le logiciel TRANSKRIBUS13, initialement gratuit mais désormais payant faute de financement, d’autres enfin développés collectivement sur la base d’un partage « open source », comme KRAKEN14. Le niveau de compétence technique requis et l’accès aux modèles employés sont en principe inversement proportionnels à la gratuité15 des systèmes. Les résultats de l’océrisation varient avec la qualité des impressions ou des manuscrits, et leur patiente correction pour constituer un corpus sûr, avec ou sans intention d’en proposer une édition numérique, exige des connaissances et une réflexion philologiques et épistémologiques : comment traiter les graphies anciennes ou fautives, les coquilles, les ponctuations irrégulières, etc. ?

Formatages

10Numérisés, les textes doivent encore être correctement formatés, le plus souvent dans une version plus ou moins canonique du XML-TEI, combinaison du format XML qui organise un texte en structure arborescente au moyen de balises insérées, et des normes de la Text Encoding Initiative16. C’est sur ce format que se base en France le logiciel de textométrie TXM17, qui propose même à des quasi-débutants assez de fonctions intégrées pour préparer, fouiller et analyser des corpus. Les limitations du XML tiennent à sa structure arborescente, qui s’adapte imparfaitement aux chevauchements. Les solutions de contournement alourdissent l’insertion et l’extraction des annotations, poussant certains chercheurs à se tourner vers d’autres formats. Les alternatives, parmi lesquelles le logiciel CATMA18, développé à Hambourg par l’équipe de Jan Christoph Meister, utilisent un stand-off markup (annotations détachées) : séparées du texte et accompagnées de vecteurs pointant vers des passages, les annotations sont aveugles les unes aux autres, sans contrainte structurelle.

Annotations

11Ce sont les annotations et leur extraction qui transforment véritablement l’objet littéraire en jeu de données, découvrant une vue inaccessible par une lecture traditionnelle, embrassant d’un seul regard, à l’échelle de tout un corpus, des phénomènes très localisés.

12Certaines annotations peuvent être collectées automatiquement au prix d’un important investissement initial. D’autres doivent l’être manuellement, notamment des figures de style ou des références intertextuelles, collecte fort coûteuse en temps et exigeant des compétences plus ou moins poussées. Ici, les choix préliminaires quant à l’étiquetage des phénomènes jouent un rôle crucial, ils détermineront l’intérêt des données, ouvriront ou limiteront les utilisations qu’on pourra en faire.

13L’économie de temps et de ressources doit primer. Calculer scrupuleusement la quantité et la granularité strictement indispensables, construire un appareil d’annotation aussi restreint que possible, déterminera la faisabilité d’une entreprise.

14Ensuite, une attention maniaque doit être portée au respect d’un protocole strict, afin d’obtenir une qualité stable. Face à une occurrence inhabituelle – elles sont fréquentes – on est tenté de prendre des décisions au cas par cas ; le péril est ici notre propre bon sens. Celui-ci varie d’un annotateur à l’autre, et chez le même annotateur, d’un jour, d’un mois, même d’une heure à l’autre. On a penché dans un sens, on repenchera dans l’autre, produisant des données inégales et inutilisables. Cette étape est d’autant plus difficile qu’elle met en tension notre bagage scientifique, formés que nous sommes à rester toujours attentifs au sens particulier de ce que nous lisons. Se comporter avec une fiabilité de machine, et dans un exercice que la machine échoue à effectuer, est une gageure ; force est d’en présager qu’un jour, ces relevés seront pris en charge par des intelligences artificielles.

  • 19 notamment Talismane : https://github.com/joliciel-informatique/talismane/wiki
  • 20 THORSEN E., BIRNBAUM D. J., « Exploring Inexac Rhyme in Russian Verse », BORIES A.-S., PURNELLE G., (...)
  • 21 BEAUDOUIN V., « The Machine in the Garden of Meter and Rhythm », BORIES A.-S., PURNELLE G., MARCHAL (...)
  • 22 MARTÍNEZ CANTÓN C., RUIZ FABO P., GONZALEZ-BLANCO E., POIBEAU Th., « Automatic enjambment detection (...)

15Le plus sûr moyen d’obtenir des données stables – mais pas forcément d’une qualité supérieure – est d’en automatiser la collecte. Des programmes étiquettent les lemmes, les parties du discours, la syntaxe19, évaluent des rimes20, analysent les mètres21 ou détectent les enjambements22.

  • 23 SCHÖCH Ch., « Quantitative Semantik : Word Embedding Models für literaturwissenschaftliche Frageste (...)

16Progressivement, on délaisse les séries de lois appliquées par étapes successives au profit du machine learning, l’apprentissage par une intelligence artificielle. Ces machines entraînées calculent entre autres des vecteurs de mots, représentations numériques des mots dans un espace sémantique multidimentionnel, dont les multiples potentialités incluent la traduction automatique ou la dite « analyse de sentiments »23 .

17Le principal obstacle à l’utilisation de tels programmes, alors que des modèles circulent librement, tient aux corpus de taille considérable qu’ils exigent pour pouvoir s’entraîner, matériau sur lequel la machine « apprend » à reconnaître des motifs. C’est pourquoi les entreprises de téléphonie par exemple, ou certains états, qui disposent de corpus d’entraînement considérables, obtiennent des modèles extraordinairement performants, de reconnaissance faciale par exemple.

  • 24 KOO P., et al., « Improving representations of genomic sequence motifs in convolutional networks wi (...)

18Un défaut regrettable des intelligences artificielles tient à l’opacité des dits neural networks (réseaux de neurones artificiels) sur lesquels repose l’apprentissage dit profond (deep learning). Ils apparient efficacement des motifs sans expliciter les critères de ces appariements, qui auraient une grande valeur herméneutique. Des efforts voient le jour qui cherchent à ouvrir ces boîtes noires pour en extraire des critères de classification24. Le serpent, on le voit, se mord la queue.

Bases de données

19On a depuis longtemps collecté des données, notamment dans le champ de la poésie, et plus particulièrement dans l’étude de la versification. Face à une matière aussi réglée que le vers, on cherche à énoncer des lois dont on sait bien qu’elles font l’objet de bousculades fréquentes de la part des poètes. On compte donc les vers, les syllabes, les mesures, les enjambements ; on étiquette les rimes, les schémas, les strophes, les césures. Et on a vite fait de compiler de grandes quantités d’informations, difficiles à manipuler et à analyser.

  • 25 C’est cette démarche qui, afin d’étudier la versification de Raymond Queneau, m’a amenée aux humani (...)

20Alors que la numérisation des textes précipitait l’alphabétisation informatique des chercheurs, une évolution semblablement eutocique a vu les bases de données relationnelles remplacer fiches et tableaux. Ces assemblages de tables connectées et hiérarchisées sont moins un concept intrinsèquement nouveau qu’un système de rangement amélioré, et c’est la vitesse de traitement d’une requête SQL, presque instantanée pour beaucoup d’entre nous, qui, en nous offrant le luxe de pouvoir multiplier les tests et nous tromper à volonté sans coût supplémentaire, renouvelle radicalement les modes d’analyse, et fournit un formidable outil d’interprétation25.

Carte perforée en langage FORTRAN, années 1970.

21Le tournant technologique plus récent du web sémantique – avec le langage RDF (Resource Description Framework) – propose une autre façon de ranger les données, plus flexible, à travers la création de triplets (un sujet, un objet et un prédicat qui caractérise leur relation, par exemple : « X a pour nom Y ») que l’on emmagasine dans des triplestores, y compris en moissonnant des bases SQL, puisque l’ambition du web sémantique est de devenir la formule dominante sans laisser perdre les données existantes. Ces nouvelles bases en ligne ont pour vocation de décrire presque tout, aussi s’attelle-t-on à produire du vocabulaire pour nourrir le web sémantique, une terminologie complète, dans un projet quasi démiurgique d’épuisement du monde.

Perspectives

22Je laisse là l’énumération, inévitablement parcellaire, des aides computationnelles à la lecture ; j’espère qu’elle aura fourni une idée de leur réjouissante diversité. La multitude des types de données et de bases, des méthodes de recueil, est reflétée par celle des exploitations, depuis les éditions numériques augmentées jusqu’aux études statistiques, depuis l’identification des auteurs jusqu’à l’analyse stylistique ou thématique.

  • 26 - MORETTI F., Graphs, maps, trees : abstract models for a literary history, London, New York, Verso (...)

23Ces nombreuses orientations se situent pour partie dans la lignée du distant reading que prône Franco Moretti, ne serait-ce qu’en raison de l’immense succès et de l’étendue spectaculaire de la diffusion de ses travaux. Véritables best-sellers26, les œuvres de Moretti auront largement participé à encourager et à rendre visible l’engouement pour les méthodes computationnelles. Il y propose de nouvelles orientations herméneutiques, parmi lesquelles un certain darwinisme pour apréhender l’évolution des genres et des sous-genres littéraires, une vision des courants littéraires fondée non sur la lecture minutieuse de quelques œuvres appréciées, connues et reconnues a posteriori, admises comme canoniques bien qu’essentiellement exceptionnelles, mais plutôt sur de vastes ensembles d’œuvres publiées, échantillons plus représentatifs de moments ou de mouvements littéraires, car accordant moins de poids à la survie ultérieure des œuvres.

  • 27 par exemple : JÄNICKE S., FRANZINI G., CHEEMA M. F., SCHEUERMANN G, « On Close and Distant Reading (...)

24Le caractère iconoclaste de cet infléchissement méthodologique ne fait pas l’unanimité, et les travaux de Moretti sont régulièrement et plus ou moins ouvertement critiqués27. On a vu de la mauvaise foi dans son parti pris de considérer comme fiables des jeux de données certes très vastes mais non exhaustifs, ou dont le contenu exact restait tu ; de l’imprécision dans la délimitation des corpus ; on a tenté de reproduire ses résultats sans y parvenir. Valables ou excessives, ces critiques n’invalident pas le rôle pionnier qu’a eu Moretti, par la portée et l’écriture engageante de ses travaux, et par la création du primordial Literary Lab à Stanford, dans le développement, la publicité, et l’institutionnalisation d’approches nouvelles qui ont de beaucoup dépassé depuis ses seules propositions.

  • 28 C’est le propos de la récente tribune de Nan Z. Da contre ceux qu’elle accuse de « compter des mots (...)

25Une critique récurrente des études littéraires computationnelles est qu’elles n’apportent rien de nouveau, mais le font par des chemins plus compliqués28. Cette vision réductrice n’est pas toujours infondée, mais ignore d’une part les occurrences de résultats venant infirmer et non soutenir une hypothèse apparemment évidente, et exagère d’autre part la rupture des humanités numériques en prétendant faire du rapport de continuité qui les lie aux autres méthodes un élément de leur imposture, au mépris de la remarquable validation d’une deuxième méthode prouvant la même hypothèse.

26Comme en prolongement du goût pour la preuve scientifique et empirique déjà mis en place par le structuralisme, le distant reading a opéré dans le monde de la recherche en littérature ce qu’on a pris l’habitude d’appeler une révolution. Sans nier les secousses engendrées par les premiers travaux de Moretti, il faut constater que c’est après tout une révolution polie, mesurée, globalement respectueuse des acquis précédents, qu’elle vient non renverser mais prolonger. La différence essentielle tiendrait à ce que, là où il était possible de proposer comme certitudes des intuitions, il deviendrait obligatoire de les prouver, avec parfois des infirmations inattendues, voire inconfortables. En réalité, s’il est désormais possible de tester des hypothèses, la portée de cette évolution est à nuancer, qui défait certains plis mais n’abolit pas les obstacles et les écueils des habitudes antérieures. Si les partisans des approches statistiques ou computationnelles se fondent sur des faits mesurables, quantifiables, reproductibles, cela ne garantit pas à leurs thèses un plus haut degré de vérité. À toutes les étapes, de la préparation des textes à leur annotation, des choix de critères à l’extraction des données, des calculs aux visualisations puis aux interprétations, le chercheur doit faire des choix, aussi judicieux que possibles mais inévitablement subjectifs. Tout effort de recherche, et a fortiori de recherche en littérature, fait appel à une sensibilité individuelle ; le souci d’économie indispensable à uneet un goût pour les questions de programmation elles-mêmes collecte de données impose de hiérarchiser l’importance respective de phénomènes également observables ; les jeux de données de la recherche en littérature, et encore plus les analyses qui en découlent, sont inévitablement informés et colorés par les présupposés, les hypothèses et la tournure d’esprit des équipes qui les produisent. C’est la conscience souvent aiguë de cet intime qu’est la recherche y compris computationnelle, qui garantit aussi la modestie de ces nouvelles études, encourage leur articulation aux approches traditionnelles dans un souci d’enrichissement mutuel plutôt que de compétition, favorise une lecture multifocale, de loin mais aussi de près, les deux s’infirmant ou se confirmant, et par là s’orientant, se guidant l’une l’autre.

27Dans certains cas, par exemple pour des corpus qu’il faut annoter avant de les soumettre au machine learning, ou pour les efforts de philologie numérique impressionnants consentis pour développer les modèles d’océrisation, l’appareillage est si lourd, réclame un effort si considérable, demande à être entraîné sur des corpus si volumineux, que sa mise en œuvre devient l’objet même de la recherche. Les efforts consentis ne le sont pas alors pour le bénéfice herméneutique immédiat de ceux qui les entreprennent, mais s’inscrivent dans un temps plus long. Ce sont véritablement des travaux de développement, leurs apports serviront aux générations futures pour analyser des textes. Il y a dans de telles démarches quelque chose de désintéressé, et un goût pour les questions de programmation, ou parfois simplement un accent particulier mis sur la philologie et non sur la littérature elle-même. Il y a aussi parfois, disons-le, une forme d’aveuglement, la quête de données toujours plus exactes, d’une granularité toujours plus fine, en quantité toujours croissante, prenant le pas sur le bénéfice herméneutique, qui se trouve repoussé dans un temps que ne peut prendre en compte l’espace des projets tels qu’ils sont généralement financés et menés.

  • 29 Je développe cette mixité avec Lara Nugues, Nils Couturier et Petr Plecháč dans le cadre du projet, (...)

28Avant l’appareillage, il convient encore de veiller à ne pas réinventer la roue à chaque pas, et à joindre des parties existantes avant d’en créer de toutes pièces. Amenés à choisir entre des outils faciles d’accès mais aux fonctionnalités limitées et des outils plus avancés mais en perpétuel développement et réclamant des compétences parfois importantes, certains chercheurs enrichissent leurs travaux par des incursions sur le terrain quantitatif, d’autres deviennent de véritables programmeurs et se lancent dans de vastes efforts de développement de nouveaux outils, soit à leur usage propre soit à l’usage d’une communauté scientifique plus large. Beaucoup panachent des techniques produites ad hoc avec des ressources généralistes ou récupérées, faisant souhaiter l’interopérabilité et la pérennisation d’un patrimoine technologique en construction. C’est dans un semblable mouvement de mixité méthodologique que les lectures appareillées peuvent s’associer aux modes plus traditionnels de lecture de près, et faire reposer plaisir et gain herméneutique sur la diversification des angles et des optiques, favorables aux surgissements d’observations inattendues29.

Conclusion

29Le champ des études littéraires computationnelles se laisse difficilement réduire, tant les outils, mais aussi les intentions, y sont multiples. Du chercheur qui compile dans un tableur ses remarques au programmeur avancé qui crée un générateur algorithmique de poésie, la variété des niveaux de technicité et celle des objectifs herméneutiques dessinent un champ d’études luxuriant et fertile, propice aux travaux collaboratifs. Pour encadrer et favoriser la circulation des données et des programmes, les principes FAIR (Findability, Accessibility, Interoperability, and Reuse of digital assets)30 ont été élaborés, et se voient peu à peu imposés aux équipes de recherche. De même que toute recherche prend appui sur des prédécesseurs, nous ajoutons nos contributions au foisonnement de solutions déjà élaborées dont nous tirons parti.

30Comme dans tous les champs interdisciplinaires, les chercheurs en études littéraires computationnelles appartiennent souvent à deux communautés : leur discipline littéraire, ancrée par exemple dans une zone linguistique, une époque, un auteur, et les humanités numériques. De l’immense ADHO (Alliance of Digital Humanities Organizations)31, dont la DH Conference32 attire plusieurs milliers de participants, au petit groupe Plotting Poetry33 qui organise chaque année son colloque international en Europe, en passant par des organisations de taille intermédiaire comme la francophone Humanistica34 ou l’européenne DARIAH-EU35, c’est une constellation de sensibilités et de fonctionnements. Les canaux de publication sont aussi partagés entre filières disciplinaires pour des travaux mettant l’accent sur des interprétations proprement littéraires, dans lesquels quelques figures peuvent être accueillies si le propos est convaincant en-dehors même de cet appareillage, et filières propres aux humanités numériques, où il faut publier ses données et exposer clairement ses méthodes de calcul. Cette double appartenance est une richesse, celle de la mixité et des échanges approfondis dans des directions distinctes.

31J’affirmais plus haut que nos lectures étaient désormais appareillées : le désormais était de trop. Les spécialistes ont toujours eu recours à des grilles, des aides, des connaissances annexes, tout un appareil critique et méta-textuel qui venait informer leurs lectures. À terme, il est raisonnable de supposer que les outils statistiques et computationnels continueront d’entrer dans la panoplie générale des sciences humaines, qu’il deviendra anodin pour un littéraire de lancer une campagne de collecte de données, un calcul statistique ou la modélisation d’une hypothèse.

Topo da página

Notas

1 Ce travail a été soutenu par le Fonds National Suisse pour la Recherche Scientifique.

2 https://voyant-tools.org

3 CAFIERO F., CAMPS J.-B., « Why Molière most likely did write his plays », Sci Adv. DOI : 10.1126/sciadv.aax5489

4 PLECHÁČ P., « Relative contributions of Shakespeare and Fletcher in Henry VIII: An analysis based on most frequent words and most frequent rhythmic patterns », Digital Scholarship in the Humanities, 2020. DOI :10.1093/llc/fqaa032

5 https://books.google.com/googlebooks/about/history.html

6 https://www.gutenberg.org

7 https://archive.org

8 https://gallica.bnf.fr

9 https://www.frantext.fr

10 https://crisco2.unicaen.fr/verlaine/index.php ?navigation =accueil.

- DELENTE É., RENAULT, R., « Projet Anamètre : présentation, limites et avancées », BORIES A.-S., PURNELLE G., MARCHAL H., Plotting Poetry : On Mechanically Enhanced Reading, Presses Universitaires de Liège, 2021, p. 73-92.

11 https://www.abbyy.com/fr/ocr-sdk/

12 https://acrobat.adobe.com

13 https://transkribus.eu

14 http://kraken.re

15 La notion de gratuité pose problème s’agissant des nouvelles technologies, et notamment des intelligences artificielles qui nécessitent d’être entraînées sur d’immenses jeux de données. Il est ainsi couramment répété que si un service en ligne est gratuit, c’est que nos données sont le produit. Ceci ne garantit pas symétriquement la probité des services payants, et ne résout pas le dilemme.

16 https://tei-c.org

- BURNARD L., What is the Text Encoding Initiative ? : How to add intelligent markup to digital resources, Open Edition Press, 2014. DOI : 10.4000/books.oep.426

17 http://textometrie.ens-lyon.fr

18 https://catma.de

- MEISTER J. C., « From TACT to CATMA », On Making in the Digital Humanities : Essays on the Scholarship of Digital HumanitiesDevelopment in Honour of John Bradley, 2020. < http://jcmeister.de/downloads/texts/Meister_2020-TACT-to-CATMA.pdf >

19 notamment Talismane : https://github.com/joliciel-informatique/talismane/wiki

20 THORSEN E., BIRNBAUM D. J., « Exploring Inexac Rhyme in Russian Verse », BORIES A.-S., PURNELLE G., MARCHAL H., Plotting Poetry : On Mechanically Enhanced Reading, Presses Universitaires de Liège, 2021, p. 33-39.

21 BEAUDOUIN V., « The Machine in the Garden of Meter and Rhythm », BORIES A.-S., PURNELLE G., MARCHAL H., Plotting Poetry : On Mechanically Enhanced Reading, Presses Universitaires de Liège, 2021, p. 11-31.

- DELENTE É., RENAULT R., op. cit.

22 MARTÍNEZ CANTÓN C., RUIZ FABO P., GONZALEZ-BLANCO E., POIBEAU Th., « Automatic enjambment detection as a new source of evidence in Spanish versification », BORIES A.-S., PURNELLE G., MARCHAL H., Plotting Poetry : On Mechanically Enhanced Reading, Presses Universitaires de Liège, 2021.

23 SCHÖCH Ch., « Quantitative Semantik : Word Embedding Models für literaturwissenschaftliche Fragestellungen », JANNIDIS F. (éd.), Digitale Literaturwissenschaft. Beiträge des DFG-Symposiums 2017, Stuttgart, Metzler (sous presse)

24 KOO P., et al., « Improving representations of genomic sequence motifs in convolutional networks with exponential activations », Nature Machine Intelligence, February 8, 2021. DOI : 10.1101/2020.06.14.150706

25 C’est cette démarche qui, afin d’étudier la versification de Raymond Queneau, m’a amenée aux humanités numériques. Pour établir une typologie, exploiter mes quelques 400’000 décomptes et relevés, une base de données s’imposait comme un contenant optimal. Or, ce que je pensais devoir être un système de rangement particulièrement efficace s’est avéré tout autre chose : le point de départ d’analyses et d’interprétations, la possibilité d’un dialogue étroit et fertile entre des lectures de loin médiées par la base de données et des lectures de près fidèles à ma formation académique mais informées voire directement suggérées par les données.

- voir : BORIES A.-S., Des Chiffres et des mètres, Honoré Champion coll. « Lettres Numériques », 2020.

26 - MORETTI F., Graphs, maps, trees : abstract models for a literary history, London, New York, Verso, 2005.

- MORETTI F., Distant reading, London, New York, Verso, 2013.

27 par exemple : JÄNICKE S., FRANZINI G., CHEEMA M. F., SCHEUERMANN G, « On Close and Distant Reading in Digital Humanities : A Survey and Future Challenges ». p. 21.

28 C’est le propos de la récente tribune de Nan Z. Da contre ceux qu’elle accuse de « compter des mots » sans apporter de gain herméneutique : « what is robust is obvious (in the empirical sense) and what is not obvious is not robust » (« ce qui est robuste est évident et ce qui n’est pas évident n’est pas robuste » traduction mienne ).

Pour un aperçu du débat houleux soulevé par cet article :

- DA N. Z., « The Computational Case against Computational Literary Studies », Critical Inquiry 45, 2019, p. 601-639.

- HERRMANN J. B., BORIES A.-S., FRONTINI F., REBORA S., RYBICKI J., « Response by the Special Interest Group on Digital Literary Stylistics to Nan Z. Da’s Study ». Journal of Cultural Analytics, janvier 2020. DOI : 10.22148/001c.11827

- JANNIDIS F. « On the perceived complexity of literature. A response to Nan Z. Da ». Journal of Cultural Analytics [En ligne], janvier 2020. DOI : 10.22148/001c.11829

- Underwood T., « Critical response II : The theoretical divide driving debates about computation », Critical Inquiry 46, Juin 2020, p. 900-912 

29 Je développe cette mixité avec Lara Nugues, Nils Couturier et Petr Plecháč dans le cadre du projet, « Le Rire des vers » (Subside SNSF-PRIMA : http://p3.snf.ch/project-185674), qui explore les interactions entre humour et versification, deux matériaux tirant parti des défauts de la langue pour produire avec précision le degré d’ambiguïté voulu. Notre base RIRE et sa plateforme superposent, selon un assemblage multifocal et multimodal, des données métriques reçues du programme Malherbe, un étiquetage lexico-syntaxique automatique, et l’annotation minutieuse, au moyens des descripteurs de Raskin et Attardo (ATTARDO S., Humorous Texts : A Semantic and Pragmatic Analysis, Berlin, New York, Mouton De Gruyter, 2001. DOI : 10.1515/9783110887969) de phénomènes parents de la blague.

30 « facile à trouver, accessible, interopérable et réutilisable », https://www.go-fair.org/fair-principles/

31 https://adho.org

32 https://adho.org/conference

33 https://plottingpoetry.wordpress.com

34 http://www.humanisti.ca

35 https://www.dariah.eu

Topo da página

Índice das ilustrações

Legenda Andrew Norman Wilson, « The Anatomy of the Human Body - 93 », Scan Ops, 2012. (Les mains d’ouvriers chargés de tourner les pages à scanner apparaissent parfois dans Google Books)
URL http://journals.openedition.org/hrc/docannexe/image/5799/img-1.jpg
Ficheiros image/jpeg, 44k
Legenda Carte perforée en langage FORTRAN, années 1970.
URL http://journals.openedition.org/hrc/docannexe/image/5799/img-2.jpg
Ficheiros image/jpeg, 4,8M
Topo da página

Para citar este artigo

Referência eletrónica

Anne-Sophie Bories, «Lectures appareillées : les études littéraires computationnelles entre rupture et continuité »Histoire de la recherche contemporaine [Online], Tome X - n°1 | 2021, posto online no dia 23 fevereiro 2022, consultado o 19 abril 2024. URL: http://journals.openedition.org/hrc/5799; DOI: https://doi.org/10.4000/hrc.5799

Topo da página

Autor

Anne-Sophie Bories

Professeure assistante à l’Université de Bâle, où son équipe examine l’humour et la versification, et fondatrice du réseau Plotting Poetry. Elle a publié en 2020 une monographie sur la versification de Raymond Queneau, Des Chiffres et des mètres, aux éditions Honoré Champion.

Topo da página

Direitos de autor

O texto e outros elementos (ilustrações, anexos importados) são "Todos os direitos reservados", à exceção de indicação em contrário.

Topo da página
Pesquisar OpenEdition Search

Você sera redirecionado para OpenEdition Search