Navigation – Plan du site

AccueilNuméros98DossierLe paradoxe des humanités numériques

Dossier

Le paradoxe des humanités numériques

Digital Literacies Paradox
Jean-Guy Meunier
p. 19-31

Résumés

Les humanités numériques reposent sur un paradoxe épistémique qui met en opposition l’herméneutique et une version computationnelle du positivisme logique. La première privilégie la compréhension interprétative et la seconde la rigueur de la formalisation. Pour dissoudre cette tension, nous proposons de définir ces études comme une approche scientifique intégrant de multiples modèles interconnectés. Ces modèles sont des formes langagières ou sémiotiques qui expriment ces divers points de vue et interventions sur les objets d’études. Et, en raison de cette complexité spécifique des humanités, l’utilisation de l’informatique invite alors le génie logiciel à devenir sensible à la compréhension interprétative qui les traverse.

Haut de page

Texte intégral

1Dans les années 2000, en cooccurrence avec les technologies informatiques est apparu un programme de recherche original et novateur habilement appelé les Digital Humanities. Dans le monde francophone, l’expression anglaise fut traduite par l’expression «  humanités numériques  » (ci-après «  HN  »). Malgré des différences importantes dans la sémantique et les pratiques qui lui sont associées, l’expression n’en fut pas moins acceptée. Voici quelques définitions de ce programme de recherche : “By digital humanities, we mean research that uses information technology as a central part of its methodology, for creating and/or processing data. The use of the term digital humanities reflects a growing sense of the importance that digital tools and resources now have for humanities subjects. Oxford University Digital Humanities Center1.”

2On retrouve des définitions similaires dans la communauté francophone : « Les humanités numériques recouvrent un ensemble de pratiques de recherche à l’intersection des technologies numériques et des différentes disciplines des sciences humaines. » (Dacos et Mounier 2014).

3Le point central de ces définitions est la mise en relation des humanités avec une technologie dite numérique ou informatique. En surface, cette relation semble sans problème. Ce n’est pas nouveau pour les chercheurs dans les humanités ou sciences humaines d’utiliser dans leur recherche une technologie informatique. Par exemple, aujourd’hui peu d’écrivains se sentiront trahis par l’utilisation d’un logiciel de traitement de texte. Les experts des humanités ne pourraient-ils pas eux aussi utiliser une technologie plus sophistiquée appelée «  numérique  »  ? Reste que si on gratte un peu la surface, le projet de cette rencontre entre humanités et informatique nous interroge : sur le pur plan linguistique, on ne trouve pas de telle collocation entre des noms de disciplines académiques et le qualificatif numérique. Bien qu’on y utilise abondamment l’informatique, on ne trouve pas de chimie, de physique, de mathématique, d’astronomie numérique. Même en sciences humaines, il n’y a pas de linguistique, de psychologie, de philosophie ou de sociologie numérique  ! Quelques fois, on trouve les cooccurrences de numérique avec les termes musique, économie mais dans ces cas, la signification est spécifique : le numérique qualifie le support électronique, pas une démarche. Sur le plan théorique, cette cooccurrence de termes surprend encore plus et génère un paradoxe. Dans la vision classique des humanités, on reconnaît traditionnellement que ce type de connaissance s’intéresse avant tout à des objets dont une des caractéristiques est la complexité du contenu signifiant. Ainsi, pour un spécialiste de la littérature, la richesse et la complexité d’un texte ne résident pas dans sa matérialité (quantité et épaisseur du papier), le nombre de cooccurrences des mots ou la moyenne du nombre de lignes par paragraphe, mais plutôt dans la narration ou le style, autant de dimensions qui relèvent de son contenu signifiant et qui doivent être interprétées et comprises.

4Des esprits critiques se demanderont si les disciplines formant l’extension de ce terme humanités et humanities dont les objectifs de recherche portent des artefacts complexes au contenu signifiant peuvent être mariés à des disciplines dont l’objet de recherche est une technologie de type numérique où règne l’automatisation. Comment une technologie peut-elle s’insérer dans une compréhension interprétative de ces objets signifiants  ? Et à l’inverse : comment des humanités peuvent-elles être numériques  ? N’y a-t-il pas là un paradoxe qui oppose le qualitatif au quantitatif, l’interprétatif à l’explicatif, l’intuitif au formel, le déductif à l’inductif, l’interprétatif à l’empirique, et où finalement se révèlent une position de type herméneutique et une autre de type positivisme logique déguisée en informatique, voire entre les Geistwissenschaften vs Naturwissenchaften ? Ce paradoxe est exacerbé par des formulations extrêmes tant par les promoteurs des humanités numériques que par leurs opposants. Par exemple, pour les premiers, les HN sont une « révolution théorique », la « voie de l’avenir », un « changement de paradigme », un « nouvel  espace théorique et épistémologique », etc. ( Doueihi, 2008 : 203, 2013). Pour les seconds au contraire, les HN manquent de critique de leurs fondements épistémologiques (Berry D., 2016   ; Granjon et Magis : 20 167 : 19 20). Les HN sont des pratiques causées par une socio-économie néolibérale qui entraîne une crise des universités et dévalorisent les humanités. Nos réflexions s’inscrivent dans celles de certains théoriciens qui tentent de caractériser la nature épistémique et épistémologique de ce programme de recherche (Rockwell, 2003 ; Doueihi, 1913 ; Compagno, 1918 ; Rockwell, 2003 ; Mc Carthy, 2004). Ici nous explorerons plus spécifiquement le paradoxe que produit la rencontre entre les humanités et le numérique.

5Nous étudierons :

  1. Des pratiques effectives de ce type de recherche,

  2. Les fondements épistémologiques qui les différencient,

  3. Des solutions pour dissoudre ce paradoxe,

  4. Et nous l’illustrerons dans une tâche classique spécifique des HN.

Le paradoxe des pratiques

6Une première manière de comprendre ce paradoxe analyse la manière dont certaines pratiques concrètes assignent des rôles spécifiques à l’expert des humanités ou à l’expert de l’informatique. On peut en distinguer deux types. Dans le premier type de pratique, on voit les HN comme une extension des pratiques classiques des humanités, mais qui intègrent l’informatique comme un outil d’assistance dans la manipulation et l’analyse des objets d’étude et l’expert des humanités est le maître de maison. Un premier exemple repose sur l’utilisation de l’ordinateur dans la lecture des textes à l’écran. Bien que, pour diverses raisons pratiques, la lecture classique proche ou micro (Boyle, 2015 ; Jockers, 2013) soit appréciée, il arrive que les experts des humanités en viennent à privilégier la lecture sur écran. Tout au plus cette pratique impose-t-elle une nouvelle charge cognitive (Di Stefano et Lefèvre, 2007  ; Ackerman et Goldsmith, 2011 ; Baccino, 2004 ; Dillon, 1992) ou en modifie-t-elle la dynamique (Eberle Sinatra, Vitalli, 2014). Dans d’autres exemples plus complexes (Thomas d’Aquin in Index Thomisticus2), la littérature et la philosophie grecques3 et latines4 in Perseus project ou the Latin library5 ; epigraphische Datenbank6, ces projets exposent une multiplicité d’artefacts sémiotiques à des fins de conservation et de diffusion. Ces nouvelles approches selon certains experts en humanités n’affectent pas sérieusement l’intégrité des pratiques et comme le disent Burdick, Presner et Schapp (2002) : “Digital Humanities is an extension of traditional knowledge skills and methods, not a replacement for them.”

7Une deuxième manière de percevoir le lien entre les humanités et le numérique place l’expertise des informaticiens en premier. Dans cette perspective, les artefacts sémiotiques disparaissent comme tels et deviennent des intrants ou des « données » qui sont manipulables par des algorithmes et où les extrants (les résultats) sont offerts à l’expert des humanités comme ces nouveaux «  observables  » qui doivent être interprétés. Et vu la nature rigoureuse et reproductible de la manipulation effectuée, la démarche des HN apparaît alors comme rigoureuse et enfin « scientifique ». C’est souvent le cas par exemple de la numérisation massive de documents vue avant tout comme un problème informatique. Les extrants, que constituent les signaux lumineux ou données (datas) à encoder et à représenter «  numériquement  » par des symboles 0 et 1, sont à l’aide d’algorithmes séquencés en caractères linguistiques : des lettres/chiffres puis reconnus comme  mots , phrases, paragraphes, chapitres, textes entiers. Ces « extrants » peuvent devenir des intrants pour des algorithmes de tâches encore plus complexes comme le tri, la découpe morphologique (lemmatiseurs), la liste (lexiques), le résumé (résumeurs), etc. Ces derniers résultats deviendront eux-mêmes des intrants pour des traitements servant à de l’apprentissage machine en vue de l’analyse de macro-phénomènes : styles, genres, synonymes, thèmes, concepts, inférences, arguments…

8Comme on le voit, ces deux pratiques instancient le paradoxe, mais de manière pragmatique. Si l’objet de recherche est la compréhension interprétative d’artefact sémiotique, alors les HN semblent un territoire où il y deux maîtres. Si la fonction interprétative est entre les mains de l’expert des humanités, l’informatique n’a que peu d’importance. Et dans le cas où l’expert en informatique est le maître d’œuvre, la fonction interprétative semble peu importante. Autrement dit, ce qui apparaît comme une pratique intégrative découle de la superposition de deux démarches qui s’ignorent.

Le paradoxe épistémique

9La deuxième lecture du paradoxe est de nature épistémique et précise les deux modes de compréhension de la connaissance appliqués aux objets de recherche des humanités. En effet, le lecteur averti reconnaitra rapidement que ces deux pratiques reposent sur deux théories de la connaissance : l’une est herméneutique, l’autre est du positivisme logique.

10La première théorie voit les humanités comme une démarche de recherche dont les objets d’études sont avant tout des porteurs de signification. Elle cherche à connaître quelles propriétés font émerger cette signification, dans quel contexte cognitif, dialogique, social, culturel elle apparaît. Par exemple, pour un anthropologue-sémioticien, une recherche portant sur les anneaux que les humains portent aux doigts ne s’intéressera pas avant tout à la matérialité, le poids, la circonférence de cet objet, mais sur leur contenu signifiant : qu’est-ce qui fait que cet objet a une signification  ? Et l’explication de ces anneaux en appellera probablement à de multiples témoignages verbaux ou écrits qui auront à être lus et analysés pour révéler la signification que ces anneaux ont pour les personnes qui les portent. Et le tout devra être rendu sous forme de discours descriptif, synthétique et explicatif. Et ce discours devra lui-même être interprété. Cette dynamique interprétative caractérise profondément cette théorie herméneutique.

11La seconde théorie est l’opposée de la première. Elle relève du positivisme de type logique. Celle-ci voit aussi les humanités numériques comme une démarche cognitive, mais où le travail de recherche doit avant tout produire des représentations formelles de ses objets d’étude et dont le rôle est de permettre une validation empirique. Ainsi, pour ce type de connaissance, les objets d’étude des humanités doivent être traduits dans des formules contenant des symboles non ambigus combinables entre eux et qui forment des énoncés tantôt généraux (propositions universelles) et tantôt individuels (propositions existentielles). Certains d’entre eux seront des axiomes ou des théorèmes, et certains autres devront être validés empiriquement. Dans cette vision, il existe plusieurs types de représentations (mathématiques, géométriques, topologiques, logiques…) Dans un cadre informatique, le formalisme utilisé traduit aussi des objets en fonctions et arguments, mais celles-ci doivent posséder une des propriétés essentielles : être calculables, c’est-à-dire computables. Ce n’est que si cette condition est respectée qu’alors ces fonctions peuvent être exprimées dans un langage formel de programmation. Sur le plan sémantique, ces fonctions pourront référer à des propriétés ou des relations entre des propriétés des objets d’étude. La computation de ces fonctions est considérée comme des preuves ou des démonstrations. Et point n’est besoin d’ajouter de la compréhension interprétative.

12On peut maintenant voir comment la différence radicale entre ces deux cadres théoriques produit le paradoxe des humanités numériques. Pour les experts des humanités, la compréhension interprétative est l’objectif ultime de la recherche dans ce domaine. Et pour eux, la formalisation ne permet pas d’exprimer adéquatement la nature des objets d’étude. Elle est très réductrice en raison de ses contraintes tant syntaxiques que sémantiques. Elle ne peut rendre compte adéquatement de la complexité signifiante de ces objets.

13À l’inverse, pour les experts de l’informatique, les manipulations et traitements dits interprétatifs manquent de rigueur et de scientificité. La supposée «  compréhension interprétative  » ne ferait qu’exprimer des énoncés invalidables liés à des intuitions. La formalisation mathématique, computationnelle, est pour cette vision l’unique voie d’expression de la scientificité. On peut voir les deux types de pratiques des humanités numériques comme des réalisations concrètes de ces deux visions épistémiques. L’une donne un privilège à la compréhension interprétative et l’autre à la formalisation computable. Peut-être que les deux pratiques et visions ne se croiseront vraiment que dans des conférences-débats.

Sortir du paradoxe

14Il ne semble pas possible de dénouer un tel dilemme en restant dans cette conceptualité et il est peu probable que des compromis soient possibles. Comment alors en sortir  ? Nous tenterons de dissoudre l’enjeu en en brisant la tension interne pour sortir des impasses théoriques intrinsèquement liées aux deux visions. Or on peut douter que, dans la pratique, les experts des humanités ne fassent que de la « compréhension interprétative  » sans jamais en appeler à des explications formelles, calculables, et empiriquement vérifiables. Tout comme on peut douter que l’informaticien ne réalise que des programmes sans jamais introduire de la sémantique et de l’interprétation. Commençons par la tradition herméneutique. Dans les formulations originelles de Herder, Scheileimacher, Humbolt, Dilthey, la compréhension interprétative se réalisait sous le mode du langage conçu comme un mode d’expression immédiat de la pensée. Cette vision rationaliste du langage s’est vue renouvelée par plusieurs courants scientifiques ultérieurs. Le plus influent fut celui des théories structurales du langage qui donnèrent à la notion de langage des balises grammaticales syntaxiques et sémantiques (Saussure, Martinet, Harris, Chomsky, Montague, Schaumjan, Desclées). Un second courant tout aussi important souligna les dimensions pragmatiques des actions qui sous-tendent les modes d’expression de la connaissance : démarche cognitive (Bruner), structuration des signes, plus particulièrement des signes linguistiques (Saussure, Eco) inscrits dans une dynamique discursive (Ricœur), énonciative (Benveniste, Cullioli), dialogique (Gadamer), incarnée (Clark, Lakoff), située dans un environnement de communication (Habermas, Appel) et contextualisée dans une société (Hockheimer) ou une culture (Rastier), etc. Dans cette perspective, une théorie scientifique est une sorte d’activité cognitive en même temps qu’un ensemble d’actions langagières, dont la validité se fonde sur une forme et un contenu contrôlés et négociés (Goldman, 1986  ; Hasslender 1995  ; Longino, 1990). La compréhension interprétative n’est pas l’apanage des humanités mais est omniprésente dans toutes les sciences. Les multiples disciplines des humanités ne sont alors qu’un lieu particulier de la connaissance scientifique. Elles sont une pratique langagière complexe, située en contexte et interprétant des objets et comportements signifiants et ne sont pas uniquement des extractions subjectives idiosyncrasiques.

  • 7Pragmatism about the conceptual seeks to understand what it is explicitly to say or think somethin (...)

15Le second mouvement théorique est issu d’un renouvellement radical du positivisme logique qui a aussi introduit des facteurs pragmatiques dans la démarche de la science. D’une vision rigoureusement empiriste à la Mach, ou positiviste-logique à la Carnap, Schick, Hempel, Reichenbach, on passe ainsi à une vision radicalement opposée où les représentations formelles fondées uniquement sur une syntaxe fermée et une sémantique autonome, doivent maintenant être interprétées pour en déterminer le « sens ». Par exemple, pour un Quine (2003), ces représentations formelles doivent être holistes. Pour un Putnam, elles ne peuvent pas être détachées de leurs conditions sociales et culturelles de production. Pour un Kuhn (1962) et un Feyerabend (1975), la science est une démarche épistémique où se construisent des théories qui sont aussi des représentations, mais dont l’interprétation est déterminée par le contexte de leur production. Pour un Bachelard (1979), un Canghuillem (1977), un Thagard (2012), les théories scientifiques deviennent aussi des constructions, reconstructions et combinaisons de représentations épistémiques. Cette vision pragmatique est reprise dans l’épistémologie dite sociale (Goldman, 1986 ; Haslanger, 2013 ; Longino, 1990 ; Hacking, 1999 ; Latour, 1993) de la philosophie analytique du langage où on soutient que la connaissance scientifique est liée au contexte social d’interprétation, de discussion et de compréhension. Ainsi, pour Dummett (1973), le langage ne peut pas être que traduction de la réalité dans un autre langage si formel et complexe soit-il. Pour Brandom (1994)7, cette compréhension est interprétative en ce qu’elle repose sur la capacité d’un esprit rationnel à appliquer des concepts à des instances du réel et d’en inférer toutes les conséquences. Ces courants ont profondément modifié la vision herméneutique et l’épistémologie positiviste en invitant à une révision de la compréhension de la nature de la connaissance scientifique.

16Cela posé, la rencontre entre les humanités et le numérique peut alors être pensée dans des conceptualités plus ouvertes sans toutefois résoudre le paradoxe initial. Comment alors situer dans les humanités un lien entre la compréhension interprétative et la formalisation  ?

La modélisation et le paradoxe

17Pour répondre à ces questions, il faut en appeler à des précisions d’un sous-courant de la philosophie des sciences. Sous l’influence des visions pragmatiques que nous avons présentées précédemment, mais aussi des relectures de Duhem (1906) Bachelard (1979), certains philosophes des sciences tels Giere (1999), Rheinburger (1997), Leonnelli (2007), Green (2013), Lemoigne (1987), et plusieurs autres, proposeront de retraduire le concept trop général de représentations épistémiques souvent utilisé dans les courants épistémologiques précédents par celui de modèle. Celui-ci est plus précis que l’expression représentation épistémique. Dans ce cadre, un modèle exprime un point de vue, une perspective, une forme d’intervention sur les phénomènes étudiés. Et Cartwright (1983), Frigg et Hartman (2012), Knuutila (2011) diront qu’un modèle joue un rôle épistémique essentiel dans toutes les sciences qu’elles soient naturelles, sociales ou humaines : “To explain a phenomenon is to find a model that fits it into the basic framework of the theory and that thus allows us to derive analogues for the messy and complicated phenomenological laws which are true of it.” (Cartwright, 1983 : 22).

18Il permet de voir la science comme une démarche épistémique qui construit et partage de multiples modèles. La science n’est plus uniquement un ensemble fixe d’énoncés formels comme le proposait Carnap, mais plutôt comme un ensemble de modèles qui se croisent. Morgan et Morrison (1999 : 15) résument ce rôle des « modèles » par une formule lapidaire : ils servent à «  rabouter ensemble (fit together)… des morceaux qui viennent de sources disparates  ». Mais, avec plus de sérieux, elles précisent que : «  les modèles sont des médiateurs entre les théories et le monde ».

Les HN comme systèmes complexes

19Cette vision pragmatique de la connaissance scientifique est des plus heuristiques pour comprendre le type de connaissance mis en œuvre dans les humanités numériques. Elle nous permet aussi de mieux apercevoir le maillon faible du paradoxe qu’on lui attribue. De nombreux domaines de connaissances scientifiques étudient les objets complexes comme le climat, l’environnement, la cognition, la société, l’économie, l’intelligence artificielle, etc. Ces domaines, justement en raison de leur complexité, ne peuvent être approchés uniquement par de la formalisation. Et comme l’ont montré des analyses de pratiques scientifiques (Armatte et Dalmedico, 2014 ; Morgan et Morrisson, 1999), la théorie scientifique qui y est construite doit en appeler à une multiplicité de points de vue et d’angles, c’est-à-dire de modèles théoriques et d’outils technologiques. Les HN elles aussi sont confrontées à des objets complexes mais dont une des propriétés caractéristiques essentielles est qu’ils sont porteurs de signification. Toute démarche de connaissance de ce type d’objet exigera la construction de théories contenant une multiplicité de modèles descriptifs et explicatifs répondant à une multiplicité de points de vue, d’angle, d’intervention.

20Une telle vision nous invite à quitter les images classiques un peu romantiques du domaine des humanités où par exemple, un chercheur solitaire et patient plonge dans des reposoirs d’œuvres typiques des humanités littéraires pour les interpréter et les comprendre. Une telle image romantique masque la complexité du travail effectué dans les humanités qui n’est pas qu’une méditation nourrie d’intuitions spontanées  ! En fait, le travail se déploie dans une multitude de types d’activités, d’interventions langagières, d’échanges sociaux et de technologies qui opèrent souvent dans une période de temps que plusieurs pratiques scientifiques n’accepteraient pas facilement.

Les types de modèles

21La perspective pragmatique que nous venons de présenter nous permet d’avancer que les HN sont une pratique scientifique modélisatrice pluraliste. Dans les HN les modèles contribuent, individuellement et collectivement, à l’émergence d’un savoir. Mais l’identification des types de modèles mis en œuvre dans les humanités numériques est en soi une recherche à faire (Meunier, 2017). Nous ne pouvons pas présenter ici en détail les multiples modèles que doivent construire les HN. Pour montrer comment ces modèles permettent de dénouer le paradoxe des HN, nous en présentons quatre :

  • Le modèle conceptuel exprime dans un langage naturel (concepts, énoncés, arguments, discours, etc.) les objets, opérations et méthodes qui sont épistémiquement pertinents pour une recherche dans les humanités. Ce modèle est limité : son mode d’expression (le langage naturel) est grevé d’ambiguïtés, de biais, d’impressions. Il n’en demeure pas moins essentiel dans la démarche de recherche, car il est le seul langage qui nous est immédiatement accessible.

  • Dans le cadre de projet sur des «  humanités  » que l’on veut «  numériques  », le modèle formel aura pour rôle de traduire certains éléments du modèle conceptuel dans un langage formel (mathématique, géométrique, logique, grammatical, etc.). Dans ce cadre numérique, le modèle formel est contraint. Premièrement, la signification des symboles de ce langage doit être sans ambiguïté et, deuxièmement, les expressions fonctionnelles doivent désigner des opérations calculables non ambiguës. Ses limites sont liées à la réduction des idées et à l’impossibilité de tout calculer (théorème de Gödel et thèse de Church).

  • Pour sa part, le modèle computationnel est directement lié aux modèles formels. Son rôle est de traduire les énoncés calculables du modèle formel dans des énoncés d’un langage computationnel, c’est-à-dire en des algorithmes ou des programmes. Ceci implique des choix dont les critères seront, par exemple : la complexité, le temps de traitement, la traçabilité mais aussi la transparence. En effet, certains algorithmes sont opaques (Chartier, Meunier, 2011) en raison du manque de connaissance informatique des experts des humanités au point de devenir inanalysables.

  • Enfin, le modèle informatique traduit dans des formes mécaniques de types électroniques les algorithmes créés dans le modèle computationnel. Il offre une architecture matérielle qui permet d’effectuer concrètement les calculs ou la computation dans les modèles computationnels. De fait, ce n’est pas parce que la recherche a trouvé un algorithme pertinent qu’une machine existe pour l’appliquer comme Longo  et Paul (2009) l’ont bien montré.

22Une telle proposition nous permet de dénouer le paradoxe.

Un exemple du rôle des modèles dans un projet NH : la numérisation des textes

  • 8 Un corpus est un sous-ensemble d’une collection. Il est constitué à partir des objectifs de recherc (...)

23Dans la numérisation des textes, on peut distinguer plusieurs moments ou étapes. Un premier type d’opérations porte sur le choix d’une collection de textes de laquelle on extrait un sous-ensemble spécifique de textes répondant à des objectifs de recherche. Celui-ci est à proprement parler le corpus.8 Un deuxième type d’opérations convertit les versions papier des textes choisis en des versions électroniques. Un troisième type d’opérations traduit cette version électronique dans une des expressions d’un langage constitué de symboles binaires de base (0 et 1). Suit alors un quatrième type d’opérations qui, après de multiples transformations et combinaisons de symboles binaires, reconstruit l’image figée du document. Un cinquième type d’opérations consiste à «  reconnaître  » et à identifier des caractères linguistiques pertinents. Cette version produit ce que l’on appelle communément un texte vivant ou dynamique. Mais pour être traitée par des analyses ultérieures, cette dernière version doit souvent à son tour être soumise à un sixième type d’opérations : les annotations. Enfin, le but ultime de toutes ces opérations de numérisation est de produire une version qui pourra être l’objet d’une lecture au sens sémiotique et littéraire de ce terme. Ainsi, partant d’un texte source sélectionné parmi une collection de textes, la numérisation produit non pas une copie unique dite «  numérique  » du texte, mais bien une véritable galaxie de textes de divers types. Interreliés et organisés hiérarchiquement, ces textes ouvrent ainsi des possibilités de parcours nouveaux de lecture et d’analyse. Ainsi, pour un expert des humanités, la constitution d’un corpus apparaîtra avant tout comme une activité de type herméneutique et l’ordinateur ne sera qu’un assistant, à l’inverse pour un expert de l’informatique, la numérisation apparaîtra avant tout comme l’application de technologies computationnelles d’une grande complexité.

24Or dans toutes les opérations de numérisation, le modèle conceptuel interviendra pour déterminer les multiples dimensions sémiotiques et épistémiques pertinentes pour une numérisation réussie. Il précisera les objectifs de recherche et les critères de choix des textes  ; pour la version dynamique, il précisera quelles suites de signaux numériques sont des symboles linguistiques  ; dans la version annotée, il utilisera entre autres des règles appartenant à une grammaire quelconque. Dans la version éditée, il obéira à des normes éditoriales spécifiques. C’est dans ce modèle que s’exprimera l’interprétation assistée par des analyses computationnelles. À chacune de ces multiples dimensions du modèle conceptuel correspondent des opérations computationnelles qui se retrouveront dans le modèle formel, computationnel et informatique. Le modèle formel participe aussi à la compréhension interprétative. Il se retrouvera à l’œuvre, mais de manière différente dans ces multiples versions des textes. La version électronique qui repose sur des lois optiques exprimables en fonctions géométriques. La version dynamique produite par la reconnaissance de caractères en appelle à des réseaux de neurones artificiels qui sont des classifieurs exprimés dans les formes de l’algèbre linéaire (vecteurs matrices, etc.). Des métadonnées dans la version annotée peuvent être exprimées dans des langages formels. Le modèle computationnel participe aussi à la compréhension interprétative dans la numérisation surtout lorsqu’il se présente sous la forme de programmes clef en main (programmes de reconnaissance optique de caractères (ROC). La non-transparence de ces programmes peut affecter la version textuelle qui en est le résultat. Ce qui peut avoir de plus ou moins grandes conséquences selon qu’il s’agisse de la projection sur écran de la copie numérique d’un texte en ancien français ou de la reconnaissance fine de caractères appliquée à des symboles chimiques originaux dans le corpus de l’alchimie Newton (voir projet Newton). Enfin, le modèle informatique sera aussi impliqué dans le processus interprétatif. Par exemple, la puissance de la mémoire, le traitement nuagique peuvent être déterminants dans le choix d’une collection, la construction d’un corpus, de design des interfaces de recherche, etc. Ce n’est pas sans raison que les réseaux d’ordinateurs, l’archivage nuagique deviennent de plus en plus importants pour les projets de numérisation. Ils offrent une puissance de traitements computationnels encore inimaginable il y a à peine quinze ans. Dans tous les exemples que nous pourrions traiter, la complexité de la tâche de recherche exige la construction de plusieurs types de modèles, et des interactions entre eux.

Conclusion

25Dans les précédentes réflexions, nous avons exploré le contenu du paradoxe épistémique que présente la rencontre surprenante entre le domaine des humanités et celui de l’informatique. Ce paradoxe met en opposition deux grandes traditions épistémiques : celle de l’herméneutique et celle du positivisme logique. Notre approche permet de dissoudre le paradoxe qui exacerbait une incompatibilité épistémique entre des approches herméneutiques et informatiques. Cette vision permet de mettre en évidence les humanités numériques comme une démarche de connaissance scientifique, mais dont les objets d’étude sont des systèmes complexes où opèrent le sens et la signification et donc de leur compréhension et leur interprétation.

Haut de page

Bibliographie

ACKERMAN, R. et GOLDSMITH, M., “Metacognitive regulation of text learning : On screen versus on paper”, in Journal of Experimental Psychology : Applied, 201, 117 (1).

ARMATTE, M. et DAHAN DALMEDICO, A., « Modèles et modélisations, 1950-2000 : Nouvelles pratiques, nouveaux enjeux / Models and modeling, 1950–2000 : New practices, new implications », in Revue d’histoire des sciences, tome 57, n° 22004, p. 243-303.

BACCINO, T., La lecture électronique : de la vision à la compréhension, Grenoble, Presses Universitaires de Grenoble, 2004.

BOYLES, N., “Closing in on Close Reading” in Educational Leadership, 70, 4 (2013), 36–41. 2.

EBERLE-SINATRA, M. et VITALLI-ROSATA, M. (dir), Pratiques de l’édition numérique, Montréal, Les Presses de l’Université de Montréal, coll. «  Parcours numérique  », 2014, 219 p.

BATESON, G., Vers une Écologie de l’Esprit, Paris, Éd. du Seuil, 1972.

CHARTIER, J. F. et MEUNIER J. G., “Text Mining Methods for Social Representation Analysis in large corpora”, in Papers on Social Representations, 2011,20, p. 37.1-37.47.

COMPAGNO, D., Quantitative semiotic analysis : Introduction, Springer, 2018, p. 1–30.

DI STEFANO, D. et LEFÈVRE, J.A., “Cognitive load in hypertext reading : A review”, in Computers in Human Behavior, 2007, 23 (3), 1616–1641.

FRIGG, R. et HARTMANN, S., 2012, “Models in Science”, in The Stanford Encyclopedia of Philosophy, (Fall 2012 Edition), Edward N. Zalta, (ed.),

GIERE, R., “Using Models to Represent Reality”, in Magnani, L., Nersessian, L. et Thagard, P., (eds.), Model-Based Reasoning in Scientific Discovevy, New York, Plenum Publisher, p. 41–57, 1999.

HANNERZ, U., Cultural Complexity. Studies in the Social Organization of Meaning, Columbia University Press, 1992.

JOCKERS, M. L., Macroanalysis : Digital Methods & Literary History, University of Illinois Press, 2013. 2.

KNUUTTILA, T., “Modelling and representing : An artefactual approach to model-based representation”, in Studies in History and Philosophy of Science, 42, p. 262–271, 2011.

LEMOIGNE, J. L., « Qu’est-ce qu’un modèle  ? Les modèles expérimentaux et la clinique  », in Confrontations psychiatriques, vol. Les modèles expérimentaux et la clinique, 1987.

LEONELLI, S., “What is in a Model ? Combining Theoretical and Material Models to Develop Intelligible, Modeling Biology : Structures, Behaviors, Evolution”, in Laubichler, M., Mülle Gerd, B. (eds), Modeling Biology, MIT Press, 2007.

MC CARTHY, W., Humanities Computing, Palgrave MacMillan, Blackwell, Publishers, 2004.

MEUNIER, J.G., « La Numérisation des textes : enjeux herméneutiques. Digital text : hermeneutic issues  », in Digital Humanties Quartely, volume 1, 2018 (en ligne http://www.digitalhumanities.org/dhq/vol/12/1/000362/000362.html).

MEUNIER, J.G., « Humanités numériques et modélisation scientifique », in Questions de communication, 31, 19-48, 2017.

MORGAN, M., MORRISON, M., (éds.), Models as mediators. Perspectives on natural and social science, Cambridge University Press,1999.

RHEINBERGER, H., Towards a history of epistemic things. Synthesizing proteins, in the test tube, Stanford University Press, 1997.

ROCKWELL, G., “What is Text Analysis, Really ?”, in Literary and Linguistic Computing, vol. 18 / 2, juin, 2003, p. 209-219.

Haut de page

Notes

1 http://digital.humanities.ox.ac.uk/(consulté 01/02//2018).

2 www.corpusthomisticum.org/it/.

3 http://www.perseus.tufts.edu/hopper/ (consulté 2018).

4 On les retrouve aujourd’hui distribués parmi plusieurs sites.

5 www.thelatinlibrary.com.

6 http://www.manfredclauss.de/fr/ (consulté 2018).

7Pragmatism about the conceptual seeks to understand what it is explicitly to say or think something is the case in terms of what one must implicitly know how (to able) to do. Brandom 1994.18.

8 Un corpus est un sous-ensemble d’une collection. Il est constitué à partir des objectifs de recherche, Damon Mayaffre, D (2002), in Habert et al. « Les corpus réflexifs : entre architextualité et hypertextualité  ; Corpus, 1, Corpus et recherches linguistiques », Université de N. B. Habert et al. (1997), Les linguistiques de corpus, Paris : A. Colin.

Haut de page

Pour citer cet article

Référence papier

Jean-Guy Meunier, « Le paradoxe des humanités numériques »Quaderni, 98 | 2019, 19-31.

Référence électronique

Jean-Guy Meunier, « Le paradoxe des humanités numériques »Quaderni [En ligne], 98 | Hiver 2018-2019, mis en ligne le 05 février 2021, consulté le 03 décembre 2022. URL : http://journals.openedition.org/quaderni/1407 ; DOI : https://doi.org/10.4000/quaderni.1407

Haut de page

Auteur

Jean-Guy Meunier

Professeur au Département de philosophie à UQAM, membre titulaire de l’Académie internationale de philosophie des sciences

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page
  • Logo Fondation Maison des sciences de l’homme
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search