Cet exercice de fin de semestre se sera avéré être quelque chose de … Aucun mot juste ne me vient à l’esprit. Voyons-en plutôt les fruits dans la suite de ce compte-rendu.
Consigne simple s’il en est: trouver, à partir du corpus cicéronien ou démosthénien fourni, une petite problématique analytique pour se familiariser avec des commandes de traitement de données diverses. En raison de ma méfiance envers les problèmes typographiques liés aux caractères grecs, j’ai sans trop tergiverser choisi de me limiter à Cicéron. Après quelques plus longues réflexions en revanche, j’ai trouvé bon de m’intéresser aux thèmes d’amitié et d’hostilité dans l’oeuvre de l’orateur romain.
Avant de me jeter sur mon clavier et d’entreprendre la chose, il fallait concevoir ce que l’on comptait obtenir. A partir de trois racines latines (ou deux, si l’on veut) : amic-, inimic-, et host-, je devais trouver le moyen d’obtenir le nombre d’occurrences de chacune, c’est-à-dire de toutes les formes construites sur cette racine en prenant en compte les flexions : jusque là, Word pouvait être tout aussi utile. Evidemment, la sélection des termes mêmes nécessiterait un développement qui n’a pas sa place ici.
Après cela, observer la répartition de ces termes dans le corpus cicéronien, par œuvres et dans l’ensemble du corpus mis bout à bout. Cela peut en effet servir pour comprendre les intérêts rhétoriques de la distribution lexicale (dans un discours précis ou une suite de discours) ou l’importance d’un thème à un moment donné de l’histoire romaine.
En dernier lieu et à un niveau de précision plus intéressant, les corrélations de termes entre eux. Interagissent-ils directement dans les discours?
Ce stade passé il s’agissait de coder.
Les préliminaires accomplis (installation et chargement des outils de travail, préparation du matériau en supprimant les chiffres et la ponctuation), les choses sérieuses devaient vraiment commencer. Ce qui commence ici en revanche, c’est l’anti-tutoriel qu’est cet article.

A partir du fichier “Text_mining” que nous avions étudié en classe et qui comprend des exemples de plusieurs manipulations dans le domaine qui nous intéresse, j’ai copié certains tronçons de codes en prenant ce qui m’intéressait. Il n’y avait en somme que deux ou trois chunks (ce terme est plus appétissant que tronçon) : un pour générer une matrice à partir du corpus, d’autres pour observer la répartition de mes termes dans la base, et enfin un dernier pour voir les corrélations entre les mots.
Après une première analyse rapide, il apparaissait que :
– amic* : avec 1595 occurrences équivalait à environ 0,0089 du corpus total
– inimic* : avec 693 occurrences équivalait à environ 0,0038 du corpus total
– host* : avec 629 occurrences équivalait à 0,0035 du corpus total
Certaines manipulations étaient destinées à supprimer les données les moins abondantes (une fois les Stop Words enlevés en prime) pour alléger les graphiques. Ici, vu la quantité des termes qui nous intéressent, inutile de s’y livrer. Pourtant, je me suis aperçu assez tardivement que j’avais intégré à mon code cette fonction. Et que j’avais donc effacé mes résultats qui correspondaient à des occurrences inférieures au seuil fixé.
Pour la suite, c’est-à-dire la distribution de chacun des termes dans le corpus, le résultat est mitigé en faveur du négatif. Une erreur glissée quelque part et que je n’ai pas le temps de régler dans les délais m’a adressé une fin de non recevoir. Voici néanmoins les bêtes.
Enfin, mes résultats de corrélation qui sont nuls, et j’ignore à peu près pourquoi puisque la commande fonctionne (#celebratesmallsuccesses)

En conclusion de cet anti-tutoriel, il me resterait, hormis à corriger tout ce qui est défectueux, à trouver des commandes précises pour analyser toutes les déclinaisons et les mots qui leur sont le plus souvent associés. En l’état des choses en tout cas… Mes pensées vont à mon professeur à qui j’adresse les plus aimables excuses pour mon échec et souhaite mes meilleurs vœux ! Pax hominibus bonae voluntatis.