L’Eternel Retour : du texte aux données et des données au texte, de l’utilité de lire et compter

 L’utilisation de la ligne de commande est avant tout quelque chose de très grisant lorsque l’on réussit, et de très contrariant lorsqu’on échoue sans pouvoir en déterminer la cause. Il s’agit de se détacher plus avant de la prétendue commodité des normes de présentation des interfaces graphiques pour agir directement avec des commandes sommaires. Pour l’instant, ce que l’on peut effectuer est peu productif, il y a beaucoup à retenir d’un coup, et ne maîtrisant pas encore parfaitement les systèmes, la syntaxe, on a du mal encore à imaginer à quoi appliquer toutes ces combinaisons pour qu’elles produisent des résultats – qui seraient ces mêmes résultats que l’on aurait recherché avec l’interface ou bien des résultats plus surprenants et inespérés ?
Il semble néanmoins que les manipulations soient rapidement assimilables.

Nous avions déjà eu un aperçu des fonctionnalités des commandes word count et grep en utilisant Wordtool et Databasic. Prenons donc nos résultats avec la commande word count sur les corpus proposés à l’étude de Cicéron et Démosthène :

Commande wc -l wc -w wc -c
cicero.txt 149570 1204042 8220157
demosthenes.txt 0 296902 3774354
demosthenes_works.csv 65 166   2914
total   149635 1501110  11997425

Dans notre cas, on ne peut pas se contenter du distant reading (1), il faut encore passer par la lecture détaillée pour parvenir à une interprétation des données.
Pour un fichier texte, la commande permettant de connaitre le nombre de ligne est peu intéressante comparées à celle du nombre de mot, et inversement pour un tableur.
On voit encore mal comment se servir de la dernière colonne « Total » avec ce corpus.

Prenons maintenant les résultats obtenus avec la commande grep sur le fichier contenant le texte de Cicéron.Nous avons cherché populus dans notre texte. Nous ne présenterons qu’un extrait de notre résultat qui est trop conséquent :

« oculos vestros trucidetur; denique accusant ei quos populus
tamen dici possunt quam populus Romanus memoria
recepisset.’ Quo populus Romanus nihil vidit indignius
autem reliquas vobis populus Romanus imposuit; ego
L. Cassius ille quem populus Romanus verissimum et
creatus neque restitutus sed subactus oppressusque populus
disciplinae possidet in se, quem populus Romanus meliorem
omnino omnis improbitas, id quod populus Romanus iam … »

En obtenant avec le flag -c, le nombre de mot on peut arriver à un résultat intéressant, assorti de l’utilisation de la fonction de troncature wildcard pour les langues à flexion.
On voit encore une fois qu’il est nécessaire de passer par le close reading pour interpréter les données, ce qui n’est pas très confortable dans l’interface du terminal. On ne voit d’ailleurs pas très bien selon quels critères ont été ici utilisés pour sélectionner les portions de phrases.

En conclusion de ces petits exercices d’application où la technique et l’expérimentation prévalent sur l’idée, on envisage à peine la puissance des outils de computation. Pour collecter des données sur des corpus énormes dont nous avons déjà une idée de la manière dont nous voudrions les rendre significatives, la démarche sera sans doute plus productive. Nous pensons notamment à des corpus où le style est moins à envisager, comme dans le cas de productions sérielles par exemple. Nous envisageons de nous servir de ces commandes par la suite pour mettre en évidence les effets de série dans le corpus étudié pour notre mémoire (paroles de chanson, titres de chansons et d’albums et visuels – nous devrons à cette fin les renseigner) sur les usages sous-culturels (dans la culture metal extreme) du latin.

(1) Les notions de close et distant reading renvoient ici aux travaux de Franco Moretti, notamment dans Graphes, cartes, arbres (2008) et La Littérature au laboratoire (2016)


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *