Navigation – Plan du site

AccueilNuméros50/2III. Perspectives épistémologiquesLa statistique textuelle peut-ell...

III. Perspectives épistémologiques

La statistique textuelle peut-elle casser des briques ?1Entretien avec Loïse Bilat et Émilie Née

Loïse Bilat et Émilie Née
p. 145-159

Résumés

Loïse Bilat et Émilie Née, analystes du discours et spécialistes des approches outillées, rappellent dans cet entretien les origines historiques, épistémologiques et politiques des approches textométriques. Face au constat de dérives scientistes ou positivistes des utilisations des logiciels de textométrie, ainsi qu’à la dépolitisation des travaux de statistique textuelle, elles rappellent le contexte fondamentalement engagé dans lequel ces méthodes d’analyse sont apparues, au service de l’étude de discours politiques. Elles discutent également les limites ou obstacles des approches statistiques dans l’analyse de certains corpus oraux.

Haut de page

Texte intégral

  • 1 Ce titre est une référence au film de détournement situationniste La dialectique peut-elle casser d (...)

1Fig.1 : Capture d’écran du film La dialectique peut-elle casser des briques ?

2Semen 50 : Pour commencer, nous aimerions revenir sur des similarités que l’analyse du discours quantitative peut présenter en apparence avec certaines logiques de management néolibéral, avide de quantifications et de classements. Nous pensons tout d’abord à la technicisation croissante de ces approches, qui semble créer une légitimité symbolique en défaveur des approches ethnographiques ouvertement interprétatives, ou conférer un prestige calqué sur les sciences dures érigées en modèles pour les sciences humaines et sociales. Ensuite, nous avons observé une tendance à la dépolitisation des questions et des analyses proposées dans ces travaux, comme si le dispositif technique avait complètement pris l’ascendant sur les objets de recherche, et justifiait en soi publications et financements, sans égard pour la faiblesse des résultats et le peu d’ambition des questions d’analyses posées. Comment envisager une approche quantitative qui échappe à ces logiques contemporaines ?

  • 2 La statistique inférentielle comprend des techniques d’analyse qui calculent la probabilité de géné (...)
  • 3 L’analyse factorielle des correspondances (AFC) permet « d’examiner de façon globale, sur l’ensembl (...)

3Loïse Bilat : Premièrement, la dimension quantitative et la notion de corpus – par la mise en série de comparables – sont deux éléments qui, en effet, peuvent sembler être partie prenante d’un certain économisme. Politiquement néanmoins, cet économisme statistique n’est pas l’apanage du libéralisme : les diverses formes de planification socialiste en ont usé ; tout comme la sociologie bourdieusienne, friande d’analyse factorielle des correspondances multiples sur laquelle nous reviendrons. Deuxièmement, il est important de revenir sur l’histoire politique et scientifique de la « statistique avec des mots ». S’il est clair que les approches ethnographiques se démarquent de la statistique en sociologie, tout comme en sciences du langage, la statistique textuelle n’a pas toujours été perçue comme réifiante mais au contraire capable de finesse face aux statistiques inférentielles2 qui régnaient en sciences sociales depuis les années 1940. La préface du statisticien et sociologue Christian Baudelot à Statistique textuelle de Ludovic Lebart et André Salem, qui commente une des méthodes reines en lexicométrie, l’analyse factorielle des correspondances3, est à ce titre exemplaire (1994 : V) :

Avec ses graphes d’analyse factorielle, J.-P. Benzécri a rendu les individus à la statistique : longtemps ignorés à force d’être confondus dans de vastes agrégats ou pulvérisés dans des formules inférentielles qui s’intéressent d’abord aux relations entre des grandeurs abstraites (revenu et consommation, salaire et diplôme…), les individus effectuent leur rentrée sur la scène statistique sous la forme de point dans un nuage. […] L’une des contributions majeures de la statistique textuelle est précisément d’animer tous ces graphes en donnant la parole à chacun de ces individus. Grâce à Lebart et Salem, les fameux points-individus ne sont plus muets, ils parlent. Vole alors en éclats la traditionnelle mais artificielle distinction entre le quantitatif et le qualitatif.

Fig. 2 : Premier plan factoriel de l’AFC menée sur les textes de présentation de soi des membres de la CPML (n =46 textes)

  • 4 Enquête menée avec Benjamin Ferron, sociologue des médias.
  • 5 http://medias-libres.org/les-medias-libres/

4Émilie Née : Prenons par exemple cette AFC (fig. 2), réalisée dans le cadre d’une enquête située au croisement de la sociologie des champs et de l’analyse du discours, sur la représentation des « médias libres », et plus spécifiquement sur un réseau militant français, la « Coordination Permanente des Médias libres » (CPML)4. Construite à partir des textes de présentation de soi des médias membres que l’on peut recueillir sur le site de la coordination5, une telle représentation avait pour objectifs initiaux de tester l’hypothèse d’une hétérogénéité discursive au sein du groupe et d’interroger le(s) jeu(x) du discours par rapport à la polarisation structurelle de cet espace des médias libres mise au jour par le sociologue.

5L. B. : Ce genre de projection sur deux axes décrit le phénomène observé et constitue le début des analyses, non leur fin, tant pour la discursiviste que pour le sociologue. Il nous permet de repérer des correspondances entre certaines propriétés sociales et certains usages lexicaux. Pour comprendre quels sont ces usages et pourquoi ils se différencient, il faut d’une part explorer les spécificités des locuteurs comprises dans les métadonnées et les affiner au besoin ; d’autre part examiner, grâce aux fonctionnalités de retour au texte comme les concordances, le sens que prend le lexique dans leurs productions discursives respectives. Il y a dans la lexicométrie un intérêt consubstantiel pour le discours et le lexique que partageait le philologue juif allemand Victor Klemperer qui développe à ce propos une très belle réflexion dans LTI, la langue du troisième Reich :

Je me souviens exactement de l’instant et du mot qui ont fait que mon intérêt philologique s’est étendu – ou devrais-je dire restreint ? – du littéraire au linguistique. Soudain, le contexte littéraire devient sans importance et se perd, on fixe son attention sur un mot ou sur une forme isolés. Car, sous le mot isolé, c’est la pensée d’une époque qu’on découvre, la pensée générale où se niche celle de l’individu, la seconde étant influencée, peut-être même guidée, par la première. Il est vrai qu’un mot ou qu’une tournure peuvent avoir, selon le contexte dans lequel ils apparaissent, des significations extrêmement différentes, voire diamétralement opposées, et c’est ainsi que j’en reviens quand même à l’aspect littéraire, au tout que forme le texte que j’ai sous les yeux. Il faut un éclairage réciproque, le mot isolé et le document dans son intégralité, comme contre-épreuve l’un de l’autre... (1996 : 199, je souligne).

  • 6 Voir le cas exemplaire de « plus » chez Sarkozy dans Née et al. (2017 : 29-33).
  • 7 Voir le cas de la marchandisation de « Switzerland » très instructivement analysé par Jobin & Glass (...)

6De la même manière que l’affichage non-légendé des nuages de mots présents sur certains sites de presse à la Wordle6, il faut se méfier des enquêtes qui se terminent par une AFC en disant donner une explication définitive à un phénomène observé sans référer au « document dans son intégralité ». Ces dérives découlent de l’explosion récente des données textuelles numérisées comme la numérisation massive des textes (à l’instar de google books) et l’augmentation de nos relations sociales laissant des traces 100 % sémiotiques sur les plateformes numériques participatives : « compter des mots » et « mesurer leur distance entre eux et les corrélations qu’ils entretiennent avec les métadonnées des locuteurs (âge, sexe, lieu de résidence) » devient LA méthode qui est plébiscitée pour faire sens de ce grand nombre d’occurrences. Toutefois, le Big Data fait à mon sens fi de la séquentialité des énoncés et de l’agencement particulier du discours par les acteurs sociaux au profit d’un fétichisme du signifiant devenu mot-clef censé être le révélateur de tendances sociales. Le Keyword fait d’ailleurs l’objet d’un processus de valorisation très profitable à Google qui les vend à des publicitaires via son service AdWords7.

7À l’inverse, l’analyse de textes par ordinateur dans sa variante textométrique ne doit surtout pas être considérée comme un réductionnisme quantitativiste des discours. Ces outils permettent certes de donner des réponses empiriquement vérifiables à des questions quantitatives (évolution diachronique et répartition synchronique d’éléments phraséologiques dans les programmes politiques par exemple), mais également de s’arrêter sur des usages particulièrement saillants du corpus (sous-représentés ou sur-représentés) afin d’en réaliser une analyse plus qualitative. Cette statistique textuelle qui questionne les limites de l’espace de jeu des sujets parlants s’est particulièrement développée en France, notamment au sein de la recherche en lexicologie politique.

8S. 50 : Pourriez-vous revenir sur cette histoire de la lexicométrie, en précisant en quoi une centration quasi-exclusive sur les mots et sur leur nombre permet une saisie politique du discours ?

  • 8 http://www.lexi-co.com/
  • 9 Formation MISAT, Université de Franche-Comté, Besançon, 2011.

9L.B. : Il est très important en effet de revenir sur les origines politiques de la lexicométrie ainsi que sur son potentiel critique qui en était aux fondements. Si pour André Salem, développeur du logiciel Lexico8 – nous reviendrons plus loin sur cet outil – la lexicométrie s’inscrit dans un héritage multiple qui va de la philologie à la linguistique computationnelle en passant par l’analyse de discours, l’intelligence artificielle et l’analyse de contenu9, le Québécois Jules Duchastel rappelle souvent dans les formations en statistiques textuelles que ce sont les marxistes qui ont commencé à utiliser ces outils en premier, et qu’ils étaient accusés de faire du MAO, abréviation de « matérialisme assisté par ordinateurs ». La critique sociale était alors au cœur des thématiques choisies et le mot considéré comme un témoin des évolutions idéologiques, des relations de pouvoir ou du positionnement plus ou moins conscient des locuteurs sur l’échiquier politique. À Saint-Cloud aussi, on parle alors de décrire « l’étymologie sociale » en ouvrant le crâne d'un haut-gradé pour y découvrir une soupe verbale, remplie d'énoncés tout faits (voire l'illustration de couverture du volume 2 des Cahiers de Lexicométrie, 1997).

  • 10 « MOTS » était à l’origine l’acronyme de « Mots/Ordinateurs/Textes/Sociétés », avant que la revue n (...)

10En France, plus précisément autour de l’ENS de Saint-Cloud, naît en 1980 la revue Mots. Les langages du politique10 dont le premier numéro se positionne on ne peut plus clairement en faveur d’une approche lexicologique du politique et de son évolution lexicométrique comme le montre la couverture et cet extrait de l’introduction du numéro 1 de la revue MOTS, par Maurice Tournier (1980 : 6).

  • 11 La machine de Lagado est inventée par une Académie dépeinte comme satire de la spéculation philo- s (...)

11La machine de Lagado11 est le meilleur des juges, le seul non prévenu. Car seule elle permet de calculer, en tout désintéressement s’entend, les probabilités que possédait un type d’emploi par rapport à la foison des emplois possibles et égaux, de surprendre ainsi les formes et leurs alliances là où l’uniformité des chances s’attendait le moins à les voir apparaître... ou s’absenter.

12Cette revue s’efforcera donc de jouer aux inventeurs dans le monde propre aux discoureurs sociaux. Non pour se bercer, se berner, aux illusions du verbe libre, ni pour déniaiser le dit et le compris au nom d’une science, inexistante encore, des interprétations, mais afin seulement, à tous les tournants du discours démasqués par une chute des chances, de répéter l’adage de Mérimée : « Souviens-toi de te méfier ! »

13Cette revue poursuit un intérêt né dans le sillage de Mai 68 où s’observe une effervescence autour des textes, des slogans, des affiches, des allocutions à teneur politique hors des murs de la politique politicienne. On cherche alors à identifier comment la parole individuelle s’inscrit dans un interdiscours et parvient parfois à bouleverser l’hégémonie par la subversion de catégorisations linguistiques. Les statistiques textuelles ont été développées dans ce cadre en montrant les grands réseaux lexicaux qui, par leur récurrence, structurent les textes de manière non- linéaire et sont difficilement perceptibles dans leurs effets massifs sur la parole individuelle sans ce type d’instruments de mesure et de visualisation. Permettant d’échapper à une lecture « cursive », la délinéarisation est ici un moyen de quitter l’ordre du sujet parlant pour faire surgir « ce » qui parle à travers lui, et donc de combattre l’idéologie dominante. Comme le rappelle Pierre Fiala, à partir de sa propre expérience et du Que sais-je ? très documenté de Francine Mazière (2005) sur l’analyse du discours, la lexicométrie comme méthode d’analyse du discours sociopolitique constitue le paradigme central de l’analyse du discours qui se développe en France à partir des années 1960, tout en étant articulée à l’énonciation d’après Émile Benveniste. Il s’agit de topographier les plans d’énonciation, en tant que « combinaison[s] de repères spatio-temporels, aspectuels, modaux et personnels, déictiques ou contextuels, organisant et repérant les désignations, et formant les cadres des échanges discursifs dans des genres donnés, et dans des pratiques langagières spécifiques » (Mazière 2005 : 83) : « L’analyse du discours, faut-il le rappeler, est née au sein des sciences du langage en France à partir d’une reformulation de l’objet de la lexicologie et de la sémantique, fondée sur un élargissement de la notion de texte et la prise en considération des positionnements idéologiques et politiques des énonciateurs » (Fiala 2007 : 74).

  • 12 La prise en compte de plus en plus importante dans les approches lexicométriques de la textualité – (...)

14Aujourd’hui, l’approche textométrique12, plus particulièrement, cherche à comprendre comment des champs sémantiques, des univers lexicaux, des réseaux de cooccurrences forment des passages obligés du discours d’un auteur, d’un genre ou d’une topique domaniale particulière. Il s’agit d’une approche à la fois « fine et globale du texte », qui cherche à « rendre compte de caractéristiques significatives des données textuelles » sans tomber dans une abstraction par rapport à la « réalité du discours au cœur de son appareil de production » (Pincemin & Heiden 2008).

15É. N. : La lexicométrie, c’est donc l’une des approches qui découlent de l’analyse du discours à la française. Et peut-être faut-il là brièvement rappeler ce qui, d’un point de vue épistémologique, mais aussi institutionnel et politique, a pu présider à la rencontre entre analyse du discours et informatique, qu’on oublie parfois aujourd’hui, le foisonnement de données numérisées ou numériques rendant presque évident le recours à des analyses automatisées. Le rapprochement entre analyse du discours « à la française » et informatique est en effet une vieille histoire.

16L’analyse du discours, dès ses débuts, et selon des orientations différentes, intègre dans sa méthodologie les observables et les principes d’une analyse mathématisée et automatisée du matériau langagier. Il y a à cela des raisons épistémologiques et politiques. La répétition d’unités discrètes est un observable en analyse du discours, dès les années 1960 : dans le sillage de Zelling S. Harris, on s’intéresse à la répétition de formes, de « phrases de base » pour la caractérisation de discours ou pour la mise au jour de pratiques discursives. La théorie de l’information est passée par là, ainsi que les recherches de Michel Foucault sur les « formations discursives », comme dans d’autres sciences humaines et sociales. Concernant cet aspect épistémologique, il faut lire le passionnant ouvrage de Jacqueline Léon, Histoire de l’automatisation des sciences du langage (2015). Après la Seconde Guerre mondiale, les disciplines des sciences humaines et sociales, influencées par la diffusion de la théorie de l’information, ont été amenées à prendre de plus en plus en compte les phénomènes de répétition. La répétition d’unités discrètes au niveau même de la surface discursive est une donnée à laquelle l’AD accorde de l’importance dès les années 1960, dans la mesure où elle va permettre de donner accès, par l’intermédiaire d’opérations de mise en série sur la base d’un invariant, à la construction du sens de ce discours ainsi qu’à son organisation (ou sa structure). Pour aller vite, il s’agit d’un observable à prendre en compte pour la caractérisation de discours ou pour la mise au jour de pratiques discursives.

17S. 50 : Si l’on comprend bien la curiosité qui a pu amener certain·es linguistes des années 1970 et 1980 à soumettre des grands corpus à la puissance informatique, on reste néanmoins surpris·es par le manque de problématisation de l’outil, justement. Tout se passe comme si l’ordinateur et sa nouvelle puissance de calcul permettait d’atteindre une objectivité certaine, et l’on se demande comment, dans ce cadre, échapper aujourd’hui à un positivisme naïf.

  • 13 Parole rapportée par Pierre Fiala lors d’un entretien avec Christine Barats, Emilie Née et Frédériq (...)

18É. N. : Dans les années 1970, les sciences humaines et sociales avaient la prétention de décrire le réel comme le biologiste décrit des ensembles cellulaires. Dans ce cadre, l’usage de l’informatique se construit contre l’heuristique en littérature, considérée comme trop subjective. C’est un mouvement qui traverse toutes les sciences humaines. La délinéarisation des textes et du discours était aussi envisagée comme la caution d’une lecture « objective » du texte : il faut « refroidir le corpus » disait Maurice Tournier, un des représentants historiques de la lexicométrie13. À une certaine époque, il s’agissait alors de hisser les SHS au même rang que les sciences exactes, en montrant que, comme les sciences exactes, on peut réitérer les expériences en suivant un protocole bien identifié. Toutefois, oui, il y a mise à distance de nos subjectivités de chercheuses et de chercheurs, sur le modèle de la recherche expérimentale et l’idée aussi qu’on doit pouvoir répliquer nos résultats de manière contrôlée, objectivée. L’informatique a ainsi été envisagée aux débuts de l’analyse du discours française comme un garant méthodologique qui « exige des analystes de discours une construction explicite de leurs procédures de description, ce qui est la pierre de touche de leur consistance d’objets théoriques » ((Pêcheux & Marandin (1984), cités par Authier-Revuz (2020 : 397)).

19L. B. : Mais aujourd’hui ne subsiste presque plus que l’idée d’une reproductibilité de l’analyse de discours, du partage de résultats auxquels confronter nos interprétations, ce qui peut paraître insuffisamment instructif pour les sociolinguistes. Pour Pierre Fiala, il faut désacraliser cet outil, il ne produit pas de découverte révolutionnaire mais fournit une interprétation contrôlée qui peut être reproduite à l’identique par quelqu’un qui n’est pas d’accord (un·e ennemi·e politique par exemple) via une objectivation mathématique, laquelle permet de partir d’un constat partageable.

20É. N. : L’idée de protocole, de procédures de description que l’on peut réappliquer sur de nouveaux corpus, est également bien présente en analyse du discours outillée, elle est notamment explicitement formulée par Damon Mayaffre (2010) qui parle de « parcours de lecture » reproductibles.

21L. B. : Mais il n’existe pas de lecture 100 % objective du texte en lexicométrie car les calculs statistiques et les visualisations des logiciels sont le résultat de choix épistémologiques particuliers, il faut alors croiser plusieurs outils pour refroidir les résultats.

22É. N. : Ta remarque me rappelle cette phrase de Tournier sur la bonne suspicion (1980 : 7) :

Dernière règle, non la moindre : décrire avant de juger, en suspectant même les outils de la description et les modèles interprétatifs qui les accompagnent. Utiliser les saisies les plus neutres possible, les armes les mieux refroidies ou les reculs les plus arbitraires ne suffit pas ; il faut aussi renouveler le jeu, décaler la situation d’énonciation, l’affiner, jusqu’à faire déboucher la variable cachée, voire l’artefact de calcul, capables de ruiner les échafaudages si merveilleux de l’interprétation. Aucune innocence n’est plus calculatrice que celle d’un ordinateur.

23L. B. : Tout à fait, il ne faut pas hésiter à modifier les points de vue sur le corpus, comme dans toute analyse, et cela reste possible même lorsque celui-ci est appréhendé sous une forme tabulaire. En analyse outillée, je croise toujours au moins deux logiciels auxquels je soumets mes corpus pour limiter ce risque. Ce qui est intéressant et qui donne le dernier mot au langage humain face aux tabulations statistiques, c’est que c’est souvent le corpus à partir duquel le logiciel a été développé qui a influencé son ergonomie et ses fonctionnalités. J’aime bien les histoires de Lexico et d’Alceste. Tous deux ont été développés dans le cadre des questionnements de l’analyse du discours francophone, en opposition à l’analyse de contenu américaine de l’époque (Laswell 1949, Berelson 1952), mais Lexico s’est développé pour l’analyse de discours politiques, notamment historiques. Jacques Guilhaumou y a travaillé sur son corpus de la Révolution française pour sa thèse, Maurice Tournier sur la Commune et les discours syndicaux. Le développement d’outils lexicométriques est dû à une spécificité du discours sociopolitique repérée notamment par Maurice Tournier dans les années 1970 : la récurrence lexicale, les figements de discours, les redondances, en somme la « sloganisation » du discours politique qui le rapproche du discours publicitaire (Tournier 1992 : 133). Les phénomènes de ce type seront rendus observables par l’implémentation de l’outil de comptage des segments répétés dans Lexico, comme l’explique André Salem (1987 : 22) :

Quelles sont les unités qui circulent d’un texte à l’autre dans un corpus de textes politiques ? Sous quelle forme et avec quels contextes les formes du vocabulaire transitent-elles d’une formation discursive à une autre ? Peut-on objectiver par des comptages cette sensation que le discours politique est un genre où les répétitions sont très abondantes, que certaines séquences reviennent souvent, martelées au détriment du sens de chacune des formes qui les composent, allant même jusqu’à produire cette impression, souvent décrite de manière polémique, que le discours est produit par une langue de bois ? Pour trouver des réponses satisfaisantes à toutes ces questions, il est indispensable de dépasser l’étude des formes atomisées, isolées de leur contexte immédiat ; il est nécessaire d’accéder à l’étude comparative des associations syntagmatiques réalisées à partir de ces formes, dans des textes émanant de formations discursives différentes, que l’on aura réunis en corpus.

24Le chercheur y a également intégré les développements statistiques de Charles Müller (1977) et l’AFC de Jean-Paul Benzécri (1973), laquelle repose sur l’étude contrastive d’un corpus séparé en parties, en adéquation avec une analyse comparative de locuteurs positionnés politiquement. De par son développement dans un questionnement d’oppositions historiques et politiques, Lexico est construit dans son ergonomie et ses fonctionnalités de manière à souligner les contrastes lexicaux selon les balises retenues dans un corpus partitionné selon nos hypothèses de recherche.

25Par contre, Alceste s’est développé à partir d’un corpus d’obédience psychanalytique : des récits de rêves. Sa méthode de « Classification hiérarchique descendante » a été développée par Max Reinert. Elle cherche à visualiser la structure commune qui transcende les parties d’un même corpus, car pour Reinert (1999 : 68) : « L’analyse statistique, qui passe par une délinéarisation du texte, peut aider – peut-être – à prendre conscience d’une pensée plus collective, de notre appartenance à un même sujet social. » On cherche ici à observer plutôt des unités de sens (« unités de contexte élémentaires » dans le vocabulaire d’Alceste) selon leurs ressemblances en termes de cooccurrences, en faisant fi des métadonnées. Nous avons alors accès à plusieurs mondes lexicaux qui se côtoient à l’intérieur du corpus considéré comme un texte à un seul auteur, ce qui prépare à la lecture des textes du corpus : « L’objet d’une analyse de type ALCESTE concerne une étape antérieure de la recherche. En analyse de contenu exploratoire, cette étape s’appelle « lecture flottante ». Elle permet l’imprégnation progressive des thèmes d’un discours et de leur discrimination dans un corpus donné. » (Reinert 2007 : 190). Ce sont donc plutôt des questionnements structurants, la recherche de similitudes de « rythmes » à partir des traces d’une activité d’énonciation menant à l’apparition d’un « discours possible » qui fondent l’ergonomie d’Alceste. Pour Reinert (2007 : 195) :

[...] la recherche des « mondes lexicaux » permet de mettre en évidence une trace possible de ce qui oriente la mimésis, lors d’une lecture, avec l’activité énonciative l’accompagnant, par ses reprises et son propre tissage, dépendant à la fois de la disposition du texte et des rythmes propres au lecteur. Cette mimésis est comme engrammée dans ce rapport du texte avec les usages de la lecture. Une lecture est d’abord un parcours mimétique orientant vers des modes de présence du vocabulaire, des modes de remémoration. C’est par ce parcours qu’un ordre peu à peu émerge. Se stabilisent d’abord dans l’activité d’énonciation, des manières de parler d’autant plus que l’objet visé est délicat à représenter (le plus souvent il n’est pas représentable).

26S. 50 : En tant que sociolinguistes travaillant sur des interactions, on ne peut s’empêcher de craindre que cette approche implique un certain réductionnisme, ou du moins assume le parti pris de réduire le contexte au texte. Cette méthode de la délinéarisation, – dont on comprend bien en quoi elle s’appuie sur une conception du sujet typique des années 1970 (« la mort du sujet ») –, n’entraîne-t-elle pas un rapport au texte qui gomme sa singularité contextuelle ? Comment qualifier la relation que vous entretenez avec votre corpus ?

27É. N. : Établir un corpus, choisir son balisage et ses annotations, le nettoyer, c’est un travail très lourd, comparable à celui de l’ethnographe. On ne peut pas juste « passer » sur les textes car le traitement des données demande une proximité avec le corpus. Nous sommes comme les sociolinguistes avec leurs transcriptions d’entretiens ou de vidéos. Ce travail sur les textes, lorsqu’il est bien fait, est donc tout à fait comparable en termes de temps passé et de travail de précision, à l’observation de l’ethnographe. Par exemple, le travail d’annotation nécessite une réflexion et des discussions car il tient compte des hypothèses à tester. Cette proximité avec les données avant leur passage à la moulinette lexicométrique est un non-dit (sauf peut-être chez Rastier pour lequel « il faut aimer son corpus ») qui, s’il était explicitement formulé, détendrait tout le monde (et apaiserait les débats) : l’amour des textes et l’accès à l’humain par ses productions textuelles (écrites) motive un tel déploiement logiciel. Le discursiviste qui pratique la textométrie est sans doute en ce sens le petit frère du rat de bibliothèque (ou la version 2.0 du rat de bibliothèque) : nous aimons les textes au point de vouloir les ausculter et les décortiquer au caractère près. Plusieurs d’entre nous d’ailleurs viennent de disciplines où le texte a une place importante – l’histoire et la littérature notamment.

28Ta question m’amène aussi à aborder un reproche qui est souvent fait à l’analyse automatisée des textes et des discours, à savoir la réduction du discours à un « sac de mots » (bag of words), qui ne prendrait en compte ni la séquentialité, ni le fonctionnement sémantique du discours. Ce qui est sûr c’est que les approches informatisées du discours opèrent une réduction de leur objet à sa matérialité textuelle. C’est donc, on l’a vu à travers plusieurs exemples, des corpus de textes que l’on va construire. Cette critique a été formulée par Michel Pêcheux (1969, in Maldidier 1990) car l’analyse outillée repose sur l’apparente bi-univocité du rapport signifiant-signifié, sur le fait que l’on écraserait les relations des items formels entre eux et avec elles les effets de sens d’un texte.

29L. B. : Cette critique est fondamentale, c’est pour cela que « compter les mots » ne rend pas compte non seulement des phénomènes linguistiques mais d’ores et déjà sémantiques. Par exemple, l’identification de l’hétérogénéité discursive : sans retour au texte, on peut mésidentifier des textes. Alors que les GAFAM reposent encore en partie sur l’ontologie sémantique pour identifier des contenus haineux, Mathieu Valette (2003) et al. en ont démontré les insuffisances il y a plus de quinze ans lors de l’élaboration de la plateforme de détection automatisée des sites racistes, PRINCIP. Suivant la sémantique interprétative de Rastier, ils montrent la nécessité de considérer les niveaux sémantiques méso et macro relatifs notamment aux genres de texte et aux éléments sémiotiques non textuels des sites pour réduire la marge d’erreur, car les sites antiracistes citent constamment les lexies racistes pour développer leur rhétorique. Et lors de phénomènes d’hétérogénéité constitutive non marquée, c’est encore plus compliqué. Le discours de la rénovation du libéralisme par exemple, dans ses textes les plus classiques comme The Road to Serfdom d’Hayek, Socialism de Mises, ou The Good Society de Lippmann, se développe à partir d’un vocable socialiste du pur point de vue quantitatif avec une surreprésentation de lemmes comme « social », « society », « State », « people », « production ». Loin de constituer une novlangue, ce mouvement doit se reconstruire avec le vocabulaire alors hégémonique en économie et en politique.

30É. N. : Et il est vrai que la question de l’ambiguïté, sur laquelle a pu insister Pêcheux avec son exemple canonique des relatives ([1979] 1990 : 273), ne peut être réglée que par un retour au texte…

31Enfin, il faut souligner la prise en compte plus grande de la textualité et de la syntaxe depuis les années 2000. C’est pourquoi on parle aujourd’hui plus volontiers de textométrie. Le corpus est alors souvent structuré textuellement, et annoté morphosyntaxiquement. On est ainsi passé « à une “linguistisation” de la pratique statistique d’origine » pour reprendre les mots de Damon Mayaffre (2005 : 101).

32Le balisage XML d’un corpus s’est notamment répandu et permet de mieux travailler sur la construction du discours en interaction avec la construction du texte. Un tel balisage permet notamment d’effectuer des calculs sur des zones du texte spécifiques ou d’extraire des énoncés contenant certaines unités linguistiques. Ce travail de balisage s’apparente aussi à une première analyse du corpus. Enfin, un balisage XML-TEI autorise le partage des corpus.

33S. 50 : De par son histoire et son épistémologie, l’analyse du discours outillée par ordinateur semble donc déterminée à rendre compte avant tout des textes écrits. N’y voyez-vous pas un risque de réification de l’opposition oral/ écrit ? Et existe-t-il des tentatives d’utiliser ces méthodes pour comprendre des interactions orales ? Qu’est-ce qu’elles pourraient, selon vous, apporter à l’observation ethnographique ?

  • 14 Titre d’une conférence donnée le 14 avril 2016 dans le cadre du cours de master/doctorat Théories d (...)
  • 15 Des brouillons de rapports éducatifs plus exactement, et ce à la demande des travailleurs sociaux q (...)

34É. N. : Sur des terrains sensibles et sur un matériau oral, on peut en effet se poser la question de la pertinence et de la violence de ces outils… Pour reprendre la formule de Patrick Bruneteaux, « les outils de la science sont violents »14. Néanmoins, si l’on veut travailler sur les formations discursives, l’interdiscours, mettre au jour des routines discursives (Née, Veniard & Sitri 2014), ou encore révéler « une pensée plus collective » pour reprendre Reinert que nous avons déjà évoqué précédemment, il y a un intérêt à utiliser ces outils. C’est d’ailleurs dans de telles perspectives que nous avons avec plusieurs collègues, convoqué la textométrie pour aborder des écrits sensibles non stabilisés15.

35L. B. : Cette question soulève celle du continuum entre le discours public et l’interaction privée, qui est constituée de prises de parole plus courtes et peut-être moins travaillées inter-textuellement au niveau de leur contenu. Mais par contre, au niveau des tours de parole et des formulations phatiques, ces pratiques langagières sont saturées de cooccurrences. C’est dans l’analyse des interactions médiatiques, dans des recherches proches de la sociologie des médias – on peut référer par exemple aux travaux de Marcel Burger, depuis l’analyse du discours de presse (2008) jusqu’à l’analyse actionnelle des débats télévisuels, qui parvient à montrer l’existence des divers cadres d’activité agissant dans le discours par l’ajustement entre « dimensions typifiées et dimensions émergentes » des interactions (Burger 2010) – que les méthodes statistiques peuvent s’avérer utiles pour repérer des normes et des phraséologies en fonction du segment d’auditoire universel visé. Dans le cadre d’interactions orales sans auditoire universel (groupes de parole, échanges phatiques entre inconnus, familiaux, amicaux, etc.), la statistique textuelle peut-elle révéler des éléments intéressants ? Beaucoup moins que les méthodes ethnographiques de la sociolinguistique car ces productions ne sont pas des textes.

36Mais à l’inverse, si bien sûr, le texte est un objet vivant qui peut être abordé dans une perspective sociolinguistique, il se rédige en vue d’un auditoire universel, il est relu et se créée à partir de normes que ses auteurs et éditeurs pensent partagées par cet auditoire (attentes génériques, références, ironie, style, préconstruits culturels). À partir de là, on va plutôt se focaliser sur les normes, les genres, et comment l’autrice s’en saisit. Pour Vološinov, il y a de la vie, du social dans les textes et l’analyse doit en rendre compte (Bilat 2017), mais il s’agit d’un débat dialogique très maîtrisé et formulé pour faire sens dans une « époque » précise, où le travail d’écriture, auctorial comme éditorial est cardinal pour comprendre la forme linguistique analysée.

  • 16 On trouve presque toutes les publications de Jean Widmer sur la page dédiée du CEMS : http://cems.e (...)

37Cependant, dans les perspectives ethnographiques ou ethnométhodologiques, dont il me semble que la sociolinguistique se réclame, il y a également des recherches de récurrences lorsque l’on s’intéresse à ce qui ordonne les sociétés, ce qui en forme les scripts, ou les rituels pour Erving Goffman. C’est peut-être en ce sens que le sociologue des médias Jean Widmer16 s’inscrivait tout à la fois dans l’analyse du discours et l’analyse conversationnelle dont il a été l’un des premiers importateurs en France (Widmer 1999 : 12) :

L’analyse du discours est de ce fait une analyse sociologique, si nous entendons cette dernière comme analyse des réalités socio-historiques en tant qu’ordre. […] Que nous utilisions des catégories linguistiques (énoncés, noms, verbes) ou journalistiques (titres, rubriques) pour identifier les éléments pertinents pour notre analyse n’est pas différent du recours à des catégories économiques ou politiques pour identifier les éléments pertinents pour une analyse sociologique des processus économiques ou politiques. Ces notions linguistiques, économiques ou politiques ne sont pas ici des notions analytiques. Elles servent à identifier des éléments du réel et peuvent à tout moment passer de ressources au statut de thème en soumettant ce qu’elles désignent à l’analyse des pratiques qui pourvoient à leur objectivité en tant qu’objets linguistiques, économiques ou politiques.

38En fait, il y a dans l’AD même outillée, une démarche qui s’apparente à la sociologie goffmanienne du rituel comme idiome, celle d’identifier des « patterns » propres à devenir des « classes of practices ». Dans son livre Relations in public publié en 1971, Goffman dédie un chapitre à ce qu’il nomme des tie-signs, les marques sociales de la relation entre individus qu’elle soit de parenté, amitié, amour, etc. Dans une conclusion d’une dizaine de pages il expose deux protocoles d’observation du tie-sign (« se tenir la main ») pour illustrer les possibilités analytiques de l’approche du rituel comme idiome, une analyse qui a donc partie liée à la linguistique. Il liste les contextes où ce signe apparaît et ceux où il n’apparaît pas : en soirée, durant les vacances, sur la plage, mais pas dans les salles de classe ; ce qui correspond à l’occurrence du signe dans certains documents par rapport à d’autres. Il liste également les qualités qui l’accompagnent : il faut que les personnes soient de sexe opposé, âgés de 12 à 60 ans, citadins, de classe moyenne supérieure, ce qui peut faire penser au réseau de cooccurrences en textométrie.

39É. N. : Cette analyse de Goffman me rappelle même la notion de motif, élaborée par Dominique Longrée et Sylvie Mellet, qui permet de « conceptualiser la multidimensionnalité (ou le caractère multi-niveau) de certaines formes récurrentes » (2013 : 66).

40L. B. : Tout à fait, eux aussi compilent les « contextes d’emploi » du motif. Ces balades en sociologie goffmanienne amènent à une question ouverte que nous aimerions poser aux sociolinguistes pour clôturer cet entretien : ces types de mises en série de phénomènes interactionnels font-ils débat chez les sociologues ethnométhodologues ?

Haut de page

Bibliographie

Authier-Revuz Jacqueline, 2020, La Représentation du Discours Autre. Principes pour une description, Berlin, De Gruyter.

Bilat Loïse & Leblanc Jean-Marc, 2017, « Introduction : L’ordre de l’activité politique à la lumière des énonciations rituelles », Semen, 43, 9-23.

Fiala Pierre, 2007, « L'Analyse du discours politique : analyse de contenu, statistique lexicale, approche sémantico-énonciative », in Bonnafous Simone & Temmar Malika (dir.), Analyse du discours et sciences humaines et sociales, Paris, Ophrys, 73-91.

Goffman Erving, 1971, Relations in Public. Microstudies of the Public Order, New York, Basic Books Inc. Publishers ; trad. fr. 1973, La Mise en scène vie quotidienne, tome 2. Les relations en public, Paris, Minuit.

Jobin Anna & Glassey Olivier, 2014, « ‘I Am not a Web Search Result! I Am a Free Word.’ The Categorization and Commodification of ‘Switzerland’ by Google », in König René & Rasch Miriam (eds), Society of the Query Reader: Reflections on Web Search, Amsterdam, Institute of Network Cultures.

Lebart Lucien & Salem André, 1994, Statistique textuelle, Paris, Dunod.

Leblanc Jean-Marc, Fleury Serge & Née Émilie, 2017, « Quels outils logiciels et pour quoi faire ? », in née Émilie (dir.), Méthodes et outils informatiques pour l’analyse des discours, Rennes, Presses Universitaires de Rennes,123-161.

Léon Jacqueline, 2015, Histoire de l’automatisation des sciences du langage, Lyon, ENS Éditions.

Longrée Dominique & Mellet Sylvie, 2013, « Le motif : une unité phraséologique englobante ? Étendre le champ de la phraséologie de la langue au discours », Langages, 189, 65-79.

Mayaffre Damon, 2005, « Analyse du discours politique et logométrie : point de vue pratique et théorique », Langage et société, 114, 91-111.

Mayaffre Damon, 2010, Vers une herméneutique matérielle numérique. Corpus textuels, Logométrie et Langage politique, Mémoire de synthèse en vue d’une habilitation à diriger des recherches, Université Nice Sophia Antipolis.

Pêcheux Michel, 1979, « Effets discursifs liés au fonctionnement des relatives en français », in maldidier Denise (dir.), 1990, L’inquiétude du discours. Textes de Michel Pêcheux, Paris, Cendres, 273-280.

Pincemin Bénédicte & Heiden Serge, 2008, « Qu’est-ce que la textométrie ? », Site du projet Textométrie, http://textometrie.ens-lyon.fr/spip.php?rubrique80

Née Émilie (dir.), 2017, Méthodes et outils informatiques pour l’analyse des discours, Rennes, Presses Universitaires de Rennes.

Poudat Céline & landragin Frédéric, 2017, Explorer un corpus textuel. Méthodes – pratiques – outils. Louvain-la-Neuve, De Boeck Supérieur.

Pincemin Bénédicte, 2011, « Sémantique interprétative et textométrie – Version abrégée », Corpus, 10, 259-269.

Reinert Max, 1999, « Quelques interrogations à propos de l’“objet” d’une analyse de discours de type statistique et de la réponse “Alceste” », Langage et Société, 90, 57-70.

Reinert Max, 2007, « Postures énonciatives et mondes lexicaux stabilisés en analyse statistique de discours », Langage et Société, 121/122, 189-202.

Salem André, 1993, « De travailleurs à salariés. Repères pour une étude de l’évolution du vocabulaire syndical (1971-1990) », Mots, 36, 74-83.

Tournier Maurice, 1980, « En souvenir de Lagado », Mots, 1, 5-9.

Valette Mathieu, 2003 « Sémantique interprétative appliquée à la détection automatique de documents racistes et xénophobes sur internet », texto !, http://www.revue-texto.net/Inedits/ Valette/Valette_Princip.html, [consulté le 14 mars 2022].

Vološinov Valentin Nikolaevic, [1929] 2010, Marxisme et philosophie du langage. Les problèmes fondamentaux de la méthode sociologique dans la science du langage, Limoges, Lambert-Lucas.

Widmer Jean, 1999, « Notes à propos de l’analyse du discours comme sociologie. La mémoire collective d’un lectorat », Recherches en communication, 12, 1-14.

Haut de page

Notes

1 Ce titre est une référence au film de détournement situationniste La dialectique peut-elle casser des briques ?, de René Vienet , sorti en 1973 (en ligne sur : https://vimeo.com/160336616).

2 La statistique inférentielle comprend des techniques d’analyse qui calculent la probabilité de généra- lisation d’une caractéristique ou d’un phénomène à une population entière à partir d’un échantillon de cette population. Ce type d’inférence est utilisé par exemple pour établir l’intention de vote.

3 L’analyse factorielle des correspondances (AFC) permet « d’examiner de façon globale, sur l’ensemble des lignes d’[une table lexicale] les faits saillants [d’un] corpus, en termes d’emploi du “stock lexical” » (Leblanc et al. 2017 : 153). Il s’agit d’un « outil de synthèse offr[ant] un résumé visualisable des contrastes principaux (les plus forts, les plus généraux), dans un tableau de données » (Poudat & Landradin 2017 : 104). « On peut ainsi voir un facteur comme une prise un peu floue des données. Chaque facteur va résumer un pourcentage de l’information contenue dans le tableau initial en s’ajustant le mieux possible au nuage des données pour commencer par décrire ses principales variations d’ensemble. » (ibid. : 106).

4 Enquête menée avec Benjamin Ferron, sociologue des médias.

5 http://medias-libres.org/les-medias-libres/

6 Voir le cas exemplaire de « plus » chez Sarkozy dans Née et al. (2017 : 29-33).

7 Voir le cas de la marchandisation de « Switzerland » très instructivement analysé par Jobin & Glassey (2014).

8 http://www.lexi-co.com/

9 Formation MISAT, Université de Franche-Comté, Besançon, 2011.

10 « MOTS » était à l’origine l’acronyme de « Mots/Ordinateurs/Textes/Sociétés », avant que la revue ne soit renommée par la suite Mots. Les langages du politique.

11 La machine de Lagado est inventée par une Académie dépeinte comme satire de la spéculation philo- sophique par Jonathan Swift dans Les Voyages de Gulliver (1726). Elle permet de générer des phrases à partir de mots reliés entre eux par un mécanisme combinatoire. Un professeur, raillé par l’auteur comme figure lulliste, cherche à y trouver une logique non-humaine, en notant consciencieusement des phrases qui ne veulent rien dire pour faire ressortir ce qui ne serait pas aléatoire.

12 La prise en compte de plus en plus importante dans les approches lexicométriques de la textualité – avec en particulier un dialogue avec les théories de François Rastier et de Jean-Michel Adam – amène aujourd’hui à parler plus volontiers de textométrie (lire par exemple Pincemin 2011). Il faut cependant souligner que toutes les approches textométriques ne se réclament pas de l’analyse du discours.

13 Parole rapportée par Pierre Fiala lors d’un entretien avec Christine Barats, Emilie Née et Frédérique Sitri, le 6 avril 2016.

14 Titre d’une conférence donnée le 14 avril 2016 dans le cadre du cours de master/doctorat Théories du texte et du discours 2 de M.-A. Paveau (Université Sorbonne Paris Nord) : « Les outils de la science sont violents. Construire la biographie d’un SDF ».

15 Des brouillons de rapports éducatifs plus exactement, et ce à la demande des travailleurs sociaux qui souhaitaient que le chercheur se penche sur d’éventuelles formes de langue de bois (voir l’ensemble des travaux menés au sein de l’ANR Écriture : http://www.univ-paris3.fr/anr-ecritures-96530.kjsp).

16 On trouve presque toutes les publications de Jean Widmer sur la page dédiée du CEMS : http://cems.ehess.fr/index.php?3421

Haut de page

Table des illustrations

URL http://journals.openedition.org/semen/docannexe/image/17753/img-1.png
Fichier image/png, 390k
Légende Fig. 2 : Premier plan factoriel de l’AFC menée sur les textes de présentation de soi des membres de la CPML (n =46 textes)
URL http://journals.openedition.org/semen/docannexe/image/17753/img-2.png
Fichier image/png, 256k
Haut de page

Pour citer cet article

Référence papier

Loïse Bilat et Émilie Née, « La statistique textuelle peut-elle casser des briques ? – Entretien avec Loïse Bilat et Émilie Née »Semen, 50/2 | 2022, 145-159.

Référence électronique

Loïse Bilat et Émilie Née, « La statistique textuelle peut-elle casser des briques ? – Entretien avec Loïse Bilat et Émilie Née »Semen [En ligne], 50/2 | 2022, mis en ligne le 19 octobre 2022, consulté le 03 octobre 2024. URL : http://journals.openedition.org/semen/17753 ; DOI : https://doi.org/10.4000/semen.17753

Haut de page

Auteurs

Loïse Bilat

Haute École pédagogique Fribourg – ur idis

Articles du même auteur

Émilie Née

Université Paris-Est Créteil – céditec (ea 3119)

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Search OpenEdition Search

You will be redirected to OpenEdition Search