Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Vers un repérage automatique des émotions dans un corpus latin

Le projet 

L’objectif de recherche de mon Master 2 est de repérer et d’identifier automatiquement les émotions présentes dans un corpus épique latin composé de la Thébaïde de Stace, de la Pharsale de Lucain, de l’Enéide de Virgile et des Argonautes de Valerius Flaccus. Cette recherche a pour but de réaliser une étude comparative des émotions dans chaque œuvre. Mon analyse prend en compte à la fois des émotions dites (mots-concepts) et des émotions montrées (manifestations). Je m’appuie pour cela sur un lexique référentiel constitué en M1 recensant l’ensemble des mots qui renvoient à des émotions. Ce lexique a été construit à partir d’une recherche de cooccurrences de surface réalisée sur le corpus latin du LASLA à partir des émotions répertoriées par Cicéron. Je dispose donc d’une liste de termes, associée à une base de données regroupant l’ensemble des formes fléchies de chaque entrée du dictionnaire. Ces données sont, de plus, regroupées par racine lexicale (par exemple, pavor, pavidus, paveo sont identifiés sous le code « 101 »).

Extrait du lexique des émotions dites
Extrait du lexique des émotions montrées

Identifier automatiquement les émotions dites ne pose pas de problème particulier, car il s’agit d’une simple recherche par chaîne de caractère. L’association entre le mot et l’idée étant presque systématique, un simple script de recherche lexicale a suffi. Cependant, c’est beaucoup plus problématique dans le cas des émotions montrées, faisant appel à un lexique qui est occasionnellement associé à des émotions, notamment par connotation. Si certains termes sont non ambigus, comme lacrima, d’autres ne permettent pas une annotation systématique (comme flamma qui peut aussi bien renvoyer aux flammes de l’amour qu’à celles de l’incendie). Par conséquent, mon projet HN4 avait pour objectif de construire un script capable de repérer automatiquement et efficacement les manifestations d’émotion. Mon hypothèse de départ était qu’en prenant en compte le contexte du mot cible, il devait être possible de décider s’il s’agissait effectivement d’une manifestation émotionnelle ou non. Cette hypothèse découle d’une expérience de lecteur où l’on comprend que le mot relève de l’expression de l’émotion grâce au contexte qui l’entoure. C’est pourquoi j’ai tenté de mettre au point un script R qui prenait en compte le contexte avant d’annoter et d’identifier le mot cible. L’objectif de mon projet est de fournir un outil efficace pour aider à l’annotation des émotions et voir s’il est possible d’automatiser cette annotation.

La méthode :

A. Préparation du corpus

Afin d’expérimenter mon script, j’ai choisi un corpus restreint par rapport à mon projet de mémoire, et ai donc travaillé sur les Argonautiques de Valerius Flaccus. En effet, je dispose d’une version de ce texte encodée manuellement à l’aide d’Oxygen, avec laquelle je pourrai comparer les résultats de l’analyse automatique.

Capture d’écran du texte des Argonautiques encodé manuellement

 

Mon corpus numérique est issu de l’édition de Ehlers (1980), en format numérique, obtenu à partir de la Bibliotheca Teubneuriana en ligne, que j’ai nettoyé dans l’éditeur de texte Notepad++ (que j’ai l’habitude d’utiliser et qui permet un usage facile des expressions régulières, notamment). J’ai entré le texte en format TXT dans R. A partir de l’édition papier, j’ai créé des variables pour chaque chant avec les numéros de vers (je ne pouvais pas procéder à une numérotation totalement automatique car certains vers sont manquants, et je voulais respecter au maximum l’édition de Ehlers). Ces vecteurs ont été transformés en dataframes, puis fusionnés, ce qui m’a permis d’avoir un ensemble de données avec le numéro des chants et le numéro des vers. 

Ensuite j’ai transformé le texte de Valerius Flaccus en tibble, avec une ligne par vers (numérotés grâce aux variables manuellement définies). Enfin, j’ai opéré une tokenisation (avec pour unité le mot), grâce à des fonctions du package tidytext vues lors des cours HN3. Je dispose ainsi de données où pour chaque ligne j’ai le vers, le chant, le numéro de vers, la position du vers dans l’œuvre, le mot cible, et la position du mot dans l’œuvre.

Capture d’écran du début du texte dans le dataframe

 

 

b. Préparation des données des émotions

J’ai dû ensuite formater ma banque de données lexicales recensant les formes des mots pouvant renvoyer à des émotions. L’idée initiale était de constituer des dictionnaires en dataframes et d’opérer ensuite une fusion à partir de la variable [word], ce qui permettait une identification du lexique commun au lexique référentiel et au texte. Cette méthode fonctionne pour les émotions dites, quoiqu’elle nécessite de nombreuses manipulations de données (et génère assez facilement des erreurs, notamment des dédoublements de lignes). Surtout, cela ne peut pas être appliqué pour les émotions montrées car cela ne permet pas de prendre en compte le contexte. De plus, je devais enregistrer dans une même variable des ensembles de données de longueurs différentes, ce qui était impossible dans des dataframes. Il fallait aussi que l’extraction de données depuis le lexique référentiel soit automatisable, car cela aurait été trop coûteux de reproduire 254 fois (pour le nombre d’entrées du lexique) la même opération. Grâce aux conseils d’A. Berra, j’ai donc constitué des listes, et entré chaque ensemble de formes, correspondant à des racines lexicales, dans une liste référence. J’ai créé une fonction permettant de récupérer l’ensemble des formes associées à chaque code chiffré depuis la base de données, et indexé chaque ensemble de formes dans le dictionnaire. 

Capture d’écran du script permettant de stocker les données du lexique référentiel des manifestations dans une liste

C. Repérage automatique des émotions

J’ai ensuite préparé mon dataframe pour l’accueil de nouvelles données en créant des nouvelles variables correspondant au repérage la présence de l’émotion d’une part et à l’identification du type d’émotion d’autre part (peur, colère, joie, etc.). J’ai d’abord exécuté le script pour le repérage des émotions dites, qui ne posent a priori pas de difficultés particulières, avant de lancer la requête sur les émotions montrées. Pour celles-ci, j’ai d’abord effectué un repérage simple sans condition des mots dans le corpus qui trouvaient une correspondance dans le dictionnaire de référence.

Capture d’un extrait du script R permettant de repérer et d’identifier les émotions d’après le contexte

 

J’ai récupéré une liste de ligne à tester, enregistrée dans un vecteur, à partir de laquelle j’ai construit un script pour analyser le contexte. En effet, pour chaque élément du vecteur, j’ai vérifié si dans une plage de -5mots ; +5mots il y avait des mots déjà encodés comme étant des émotions. Si c’était le cas, le mot cible était identifié comme une émotion, la variable correspondante était modifiée. De plus, selon la catégorie d’émotion présente dans le contexte, le mot cible était étiqueté comme appartenant à cette même catégorie. J’ai ainsi enrichi mon jeu de données.

D. Test de réussite

Pour juger de la validité de ce processus, j’ai réalisé une phase de test visant à comparer les résultats de l’annotation automatique avec les données du corpus annoté manuellement. Je dispose en effet d’une annotation manuelle des Argonautiques dans laquelle chaque mot renvoyant à une émotion est identifié, balisé et complété par des attributs indiquant s’il s’agit d’un concept ou d’une émotion, et de quelle catégorie d’émotion il s’agit (colère, tristesse, etc.). J’ai dû modifier mon document XML-TEI afin de pouvoir l’exploiter efficacement dans R. L’objectif était d’obtenir un dataframe issu du XMLque je pourrais fusionner avec le jeu de données que j’avais généré. Or, la fusion s’effectuant par une variable contenant les mots du texte, il a fallu que je singularise chaque token par une balise <w> et que je modifie et simplifie mon encodage pour ne garder que les informations nécessaires au test contenues dans des attributs à cette même balise. J’ai effectué ces manipulations à l’aide d’expressions régulières dans Oxygen. 

Grâce au package xml2, et aux conseils d’A. Berra, j’ai extrait les données et les ai mises dans un dataframe. J’ai donc récupéré les mots du corpus et indiqué automatiquement dans une variable la présence d’émotion. J’ai dû nettoyer les données afin de rendre possible la fusion (quelques erreurs de tokenisation causées par des erreurs dans le fichier source posaient notamment problème). J’ai ensuite fusionné les données, et ai lancé un petit script permettant de comparer les données de la variable d’annotations issue du XMLavec les annotations issues du script R. J’ai entré les résultats dans de nouvelles variables, distinguant les succès, les faux-positifs et les faux-négatifs, et ai lancé un décompte du total de chacun. J’ai également généré deux dataframes issus de la fonction filter() pour les faux-positifs et faux-négatifs, afin d’analyser les erreurs et d’améliorer le script par la suite.

E. Résultats

e.1 Emotions dites :

La recherche des émotions dites ne posant pas de problème particulier, le repérage automatique permet assez rapidement d’obtenir des résultats utiles pour l’analyse de la présence des émotions dans les œuvres. R a permis une automatisation de la recherche dans des corpus que je n’avais pas encodés manuellement et donc permet d’effectuer des comparaisons facilement. J’ai généré des graphiques à l’aide de ggplot afin d’obtenir des visualisations de ces données obtenues.

Emotions dites dans l’Enéide
e.2 Emotions montrées:

Le repérage automatique des émotions montrées étant le plus complexe, j’ai procédé à des tests de réussite plus poussés afin d’appréhender la réussite réelle de la manipulation avant de réaliser une analyse des émotions en elles-mêmes. 

J’ai effectué plusieurs tests, notamment en faisant varier le contexte pris en compte pour le repérage automatique.

Contexte(mots)

OK

Faux positif

Faux négatif

Taux de réussite

% émotions trouvées

3

1217

497

907

46,43

55,09

5

1317

690

807

46,80

59,62

10

1551

1172

573

47,06

70,21

0

1800

2067

324

43

81,5

 

On constate qu’il reste un grand nombre d’erreurs dans l’annotation automatique, et ce quelle que soit l’échelle. On peut établir plusieurs conclusions quant au script établi :

  • Il y a un problème au niveau du repérage, car même sans prendre en compte le contexte, toutes les occurrences ne sont pas repérées. Cela signifie qu’il manque des éléments dans le lexique référentiel, ou du moins qu’il y a un décalage entre celui-ci et ce qui est considéré comme une émotion dans le corpus annoté
  • Le fait de prendre en compte le contexte permet de restreindre le nombre de faux positif de manière évidente : cela permet bien, a priori, d’éliminer certains mots identifiés à tort comme relevant d’une émotion.
  • Plus le contexte est large, plus le nombre d’émotions trouvées augmentent. Les erreurs également mais le taux de réussite ne change que peu (inférieur à 50% dans tous les cas).

Après une analyse des erreurs faux négatifs, j’en suis arrivée au constat que certains mots étaient éliminés, alors qu’ils renvoyaient presque toujours à l’expression d’une émotion (les larmes, les plaintes, le deuil). J’ai donc modifié mon script pour différencier, parmi les manifestations, celles qui étaient ambiguës et nécessitaient une recherche dans le contexte, et celles qui étaient presque à coup sûr des expressions émotionnelles. J’ai relancé le script de recherche et l’analyse de réussite.

Contexte (mots)

OK

Faux positif

Faux négatif

Taux de réussite

% émotions trouvées

3

1382

538

742

            51,92

            62,56

5

1474

756

650

            51,18

            66,73

10

1538

1205

486

            47,63

            69,62

 

Le taux de réussite est plus élevé. Ce script est plus performant pour trouver les émotions, mais laisse encore passer de nombreuses erreurs. 

En analysant les faux positifs et faux négatifs, j’identifie deux causes pour les faux-négatifs :  

  • Soit la forme n’est simplement pas dans le lexique référentiel, qui est donc à compléter et à améliorer.
  • Soit les mots sont pourtant dans la liste du lexique référentiel mais pas identifiés comme des émotions. Cela veut dire qu’ils ont été éliminés par le script R par erreur, et que celui-ci peut être amélioré. Sur les 486 faux-positifs dans un contexte -10 + 10, 257 sont dus à cette erreur.

Et deux causes essentielles pour les faux positifs :

  • L’ambiguïté lexicale : le script prenant en compte des chaînes de caractères, il y a des erreurs d’identification. C’est inévitable sur un corpus non lemmatisé. Pour réduire ces erreurs, on pourrait modifier le lexique et voir si la suppression des éléments problématiques est pertinente et joue sur le taux de réussite
  • Une collocation fortuite

En récupérant les termes les plus souvent annotés comme faux positifs on voit nettement que certaines entrées du lexique créent des erreurs presque systématiquement, pour un taux de réussite très faible.

Termes les plus associés à des résultats faux positifs

J’ai malgré tout essayé de comparer une visualisation obtenue avec les émotions dites et celles prenant en compte en plus les émotions montrées.

Emotions dites et montrées dans les Argonautiques
Emotions dites dans les argonautiques

On observe que les tendances générales ne se trouvent pas bouleversées par la prise en compte des émotions montrées, sauf dans l chant VI où la tristesse prend finalement le pas sur la peur, ou dans le chant 7 où l’amour occupe une place plus importante (ce qui nous semble cohérent avec notre expérience de lecture).

De plus, si l’on compare avec une visualisation issue de l’encodage manuel du document XML, il apparaît que la prise en compte des émotions montrées permette d’obtenir des résultats plus proches de la réalité, malgré les nombreuses erreurs que nous avons signalées. La peur et la tristesse notamment semblent plutôt bien repérées. En revanche, notre analyse automatique manque clairement de précision concernant la colère et la fureur, largement sous-représentées dans nos résultats par rapport à ce qu’on s’attendrait à trouver, et la joie au contraire sur-représentée. Le tableau ci-dessous vient confirmer ces premiers constats visuels :

Comparatif des émotions trouvées par type d’émotion et par chant.

En effet, la joie est largement sur-représentée dans l’analyse automatique (qui va au-delà de la tendance du script automatique à générer de nombreux faux-positifs). On note aussi des problèmes d’identification importants dans les chants 2, 5 et 6 qui semblent être le lieu de confusions entre la colère, la douleur et la fureur. Cela vient du fait que les émotions sont fortement entremêlées dans ces chants, et que le script n’a pas su choisir à quel mot-concept rattacher telle manifestation.

F. Perspectives

Pour améliorer les résultats, je propose plusieurs pistes à tester :

  • Evaluer la pertinence de l’association des manifestations avec certaines émotions comme la joie. On trouve 178 occurrences de la joie dans le XML, 163 avec la recherche d’émotions dites, et 341 avec les émotions montrées. Ici l’ajout de données crée trop d’erreurs, car c’est une émotion qui est peu associée à des manifestations physiques.
  • Modifier la condition de validation en prenant en compte le fait que certaines émotions montrées ne sont pas accompagnées d’un concept, afin de réduire le nombre de faux négatifs. On pourrait vérifier également s’il n’y a pas une autre manifestation à proximité. Cependant, cela risque d’augmenter les faux-positifs à cause de cooccurrences fortuites et non liées à l’expression d’une émotion.
  • Ajouter une condition pour la validation de l’émotion. Dans la configuration actuelle du script de recherche, il suffit d’une cooccurrence pour valider le fait que la forme cible relève de l’expression de l’émotion. On pourrait ajouter comme condition qu’il y ait au moins deux cooccurrents (concepts ou manifestations) pour valider.
  • Voir si le lexique référentiel mérite d’être enrichi, et si cela ne provoque pas plus d’erreur que cela n’en résout.
  • Réduire le lexique référentiel en éliminant raisonnablement les entrées qui créent trop d’erreur.

Conclusion

La recherche automatique des émotions semble malgré tout un outil utile comme support à l’analyse des émotions. S’appuyer sur l’analyse du contexte pour repérer automatiquement les émotions montrées semble pertinent et permet de réduire considérablement les erreurs provoquées par une simple recherche d’occurrences, sans condition. Cependant, par rapport à notre hypothèse de base, il apparaît qu’une validation à partir de la présence d’un autre terme émotionnel dans le contexte proche n’est pas suffisant. Il faudra encore préciser les conditions d’identification des termes cibles comme relevant du domaine émotionnel et améliorer les ressources à notre disposition. 

 

La peur et la douleur dans les Troyennes d’Euripide et de Sénèque.

Il est manifeste, à la lecture des deux œuvres, que la peur et la douleur sont deux émotions qui dominent les personnages. Or, Aristote, dans la Poétique rappelle l’importance de la peur et de la pitié dans le fonctionnement de la pièce tragique. On peut se demander quel rapport les émotions entretiennent avec la construction de l’intrigue et si celui-ci est le même dans les deux pièces. On s’interrogera également sur la signification et la manifestation des deux émotions chez Euripide et Sénèque. Nous avons pour hypothèse que les différences qui existent dans la représentation de ces deux émotions clefs sont des outils d’interprétation des écarts entre les choix dramatiques de Sénèque et d’Euripide.

Pour cette analyse, nous proposons d’abord une recherche à partir des cooccurrents des mots de ces deux émotions, complété par un retour au texte et une analyse des contextes de chaque terme dans les correspondances. Ensuite, nous avons ensuite utilisé des calculs de progressions pour mettre en rapport la présence de ces termes avec la diégèse. Nous cherchons en outre à rendre compte des manifestations des émotions dans les textes, notamment par une recherche sur les interjections. Nous mettons enfin en perspective les occurrences des émotions dans les deux pièces avec les personnages qui les ressentent, puis avec les causes qui les provoquent. L’ensemble de ces recherches a été réalisé sur le corpus lemmatisé du LASLA, grâce aux outils Hyperbase, TLG, et TXM.  

  • le détail des méthodes du traitement du texte est à lire dans le billet Analyse textuelle des sentiments

L’expression de la peur et de la douleur chez les deux auteurs.

Une recherche lexicale des mots qui expriment la peur et la douleur dans les corpus latins et grecs montrent de fortes disparités entre les deux textes, et des choix de vocabulaire nets dans chacune des œuvres.

timeo       21             metus      19             timor        6                horreo      4               metuo      3                terror       3                paveo       2                  formido    1               horror       1                pavor        1                terreo      1

miser        21                           misereo   1

φόβον      3                φόβος      3                δείσαντες           2                φοβεῖται 1                  φόβου     1               ἐδείσατ᾽   1

τάλαινα   10             μέλεα       4                δύστηνος 3                μέλεαι      3 δυστυχῆ                2                  δύστηνε   2               οἶκτον      2                τάλαιναν 2                δυστυχής 1                δυστυχεστάτη         1 δυστυχεστάτῳ     1         δυστυχὲς 1               μέλεσι      1          μογεροῦ  1           μογερᾶς               1            τάλανα     1                             

On voit d’abord que, pour exprimer la peur, Sénèque a une nette préférence pour timeo et metus, tandis qu’Euripide, pour le peu d’occurrences observées, choisit plutôt φόβος pour désigner ce sentiment. Quant à la douleur et la pitié, elle est représentée par le terme miser en latin, et par un ensemble de terme plus varié en grec, surtout organisés autour de δυστυχής, δύστηνος et τάλας. Il apparaît nettement que la peur est davantage présente chez Sénèque que dans la pièce grecque, tandis que la douleur occupe une place importante dans les deux textes. 

  • pour le détail du choix du vocabulaire, voir le billet Analyse textuelle des sentiments

Par ailleurs, si l’on compare le texte des Troyennes de Sénèque avec l’ensemble des tragédies de Sénèque (Figure 1), on observe une forte spécificité de l’emploi de metus, qui se trouve à un écart-réduit de 3,8 par rapport à la moyenne de ce que l’on observe, tandis que les autres termes sont plus communs.

Figure 1 Metus et timor dans les tragédies de Sénèque, analyse de distribution et spécificité. Hyperbase

La peur semble, en outre, être l’émotion dominante de la pièce de Sénèque, car c’est, dans le corpus des tragiques, l’émotion qui est la plus spécifique à cette œuvre (alors que c’est, par exemple, la colère dans Médée). Au contraire, chez Euripide (Figure 2), la peur est l’émotion dominante de toutes les pièces, ce qui n’en fait pas une spécificité des Troyennes de l’auteur grec mais plutôt une caractéristique générale de ses tragédies.

Figure 2 Le vocabulaire des émotions dans les pièces d’Euripide, analyse de distribution et spécificité. Hyperbase

 

Si l’on compare les fréquences absolues des mots renvoyant à ces deux émotions dans les deux textes, il apparaît que la pièce de Sénèque est davantage « émotionnée » (59 mots de la peur, 24 de la douleur) que celle d’Euripide (8 mots de la peur, 37 de la douleur), ce qui correspond peut-être à une tendance générale du théâtre latin par rapport au théâtre grec, et plus spécifiquement d’un trait caractéristique de l’écriture de Sénèque. Mais l’on remarque aussi que l’équilibre s’inverse entre les deux pièces, car si Sénèque met plus en valeur la peur que la douleur, c’est l’inverse chez Euripide. Cela révèle peut-être une différence dans le traitement de l’épisode et de ses enjeux.

Emotions et structure Dramatique

L’évolution de la présence de la peur dans les deux pièces montrent une certaine irrégularité. Chez Euripide, les quelques occurrences sont concentrées au début et à la fin de la pièce. Chez Sénèque (Figure 3), on observe une progression globale jusqu’à la moitié de la pièce, c’est-à-dire jusqu’au climax dramatique, puis une disparition de l’émotion.  Cette évolution suggère un lien fort entre la structure dramatique des deux pièces et la peur, mais si cela est vrai, cela montre aussi une divergence importante dans les structures des deux pièces. Chez Euripide, les moments de drame et de suspens se trouvent aux extrémités de la pièce (Figure 4), tandis qu’ils se trouvent dans la première moitié du texte chez Sénèque avec un climax fortement marqué au milieu. L’organisation et la répartition des moments clefs diffèrent donc dans les deux œuvres.

Figure 3 Progression de metus, timeo et timor chez Sénèque. TXM
Figure 4 Progression de φόβος et φοβέω chez Euripide. TXM

Quant à la douleur, la répartition de celle-ci n’est pas la même dans les deux pièces. Chez Euripide comme chez Sénèque, l’émotion n’existe pas que dans les mots, mais prend place dans le texte à travers des interjections et des interpellations au vocatif qui rendent évident le malheur d’autrui. Nous avons donc fait une requête pour faire ressortir les adjectifs renvoyant à la douleur au vocatif et les interjections, pour voir leur progression dans l’œuvre.

Figure 5 Progression des interjections et des adjectifs au vocatif exprimant la douleur chez Sénèque. TXM
Figure 6 Progression des interjections et des adjectifs au vocatif exprimant la douleur chez Euripide. TXM

Il apparaît graphiquement qu’il existe une forte correspondance entre les interjections et les adjectifs exprimant la douleur et/ou la compassion dans les deux pièces. Ces deux marqueurs semblent donc bien corrélés dans l’expression de la douleur dans le texte.

La présence de la douleur est relativement homogène chez Euripide (Figure 6), le pathos est présent tout au long de la tragédie et de manière plus conséquente (plus d’occurrences en valeurs absolues) que dans la pièce latine. Chez Sénèque (Figure 5), le pathos apparaît au cours de l’œuvre. Il est présent au début, dans les interactions entre Hécube et le chœur, et disparaît pendant les scènes masculines de la première moitié de l’œuvre. Il réapparaît ensuite très nettement au moment de l’entrée en scène d’Andromaque et d’Astyanax (figure 5b)

Figure 5b Présence des personnages dans les Troyennes de Sénèque. TXM

Chez Euripide, c’est l’arrivée de Cassandre qui provoque un renforcement du pathétique. On remarque en outre que chez Sénèque, la peur et la douleur ne cohabitent pas, puisque la peur est davantage présente sur la première moitié du texte, tandis que les manifestations de la douleur occupent plutôt la deuxième partie.

Cette différence concrète entre les deux œuvres peut être interprétée de deux manières : cela peut montrer que le fatalisme malheureux n’est pas présent dès le départ chez Sénèque, et cela reflèterait la combativité des personnages et un goût de l’auteur pour ménager le suspense ; tandis que le malheur est omniprésent chez Euripide. D’autre part, cela peut également suggérer que les émotions chez Sénèque ont une relation plus étroite avec l’action dramatique (ce que suggère l’évolution), tandis qu’elles constituent des outils de caractérisation psychologique et un motif dramatique récurrent chez Euripide. Le lien entre l’émotion et la construction dramatique n’est pas la même chez les deux auteurs.

Emotions, personnages et enjeux dramatiques.

Il nous faut donc terminer cette étude par un retour au texte plus précis permettant d’envisager d’éventuels écarts entre les deux œuvres.

a. la peur 

 

Metus / metuo

 

Timeo / timor

 

Φοβος + φοβεω+ δειδω

Individuel

13

10

1

Collectif

6

3

7

Gnomique

3

7

0

La différenciation est parfois difficile à établir entre les différentes catégories, notamment quand Andromaque s’exprime d’une manière impersonnelle tout en faisant référence à sa propre expérience. Cependant, on observe que la peur est presque exclusivement collective chez Euripide, et au contraire un sentiment qui prend place au niveau individuel chez Sénèque.

Seul l’auteur latin semble, en outre, proposer une forme de prise de recul sur cette émotion et proposer un discours général sur elle. On observe en effet chez Sénèque plusieurs passages où la peur est évoquée de manière abstraite, indépendamment de l’expérience individuelle du personnage. C’est alors souvent le verbe timeo qui est employé. On trouve ces occurrences notamment aux vers 260-4, 426, 515, 611, 870 et 913-14.

Si l’on observe les objets de la peur dans les deux pièces, on remarque également quelques différences (Figure 7). Les craintes des personnages de la pièce grecs sont égoïstes, alors que ceux de la pièce latine portent non pas sur eux-mêmes mais plutôt sur autrui, l’inquiétude vient de sources différentes. La crainte dans la pièce latine est le plus souvent crainte de l’avenir face à l’incertitude du sort ou la mort, tandis qu’elle est plus pragmatique chez Euripide : il s’agit de la peur des troyennes d’être emmenées, ou bien de la peur des Grecs de voir Troie se relever. Elle est toujours inscrite dans le présent, et dans un contexte précisément déterminé, ce qui n’est pas le cas chez Sénèque, la peur est beaucoup plus générale et ses objets indistincts.

Figure 7 Décompte et classement des causes de la crainte dans les deux oeuvres à partir des correspondances. Hyperbase.

Par ailleurs, il y a un renversement de la peur par rapport à la figure d’Hécube, elle est crainte chez Sénèque (v. 61) et elle craint, avec les Troyennes, chez Euripide (v. 239) : dans les deux cas il s’agit de manifestations au début des pièces, ce qui montre que les enjeux de la pièce sont différents, les perspectives ne sont pas les mêmes.  L’enjeu des deux pièces se déplacent : Hécube a peur pour elle et les femmes, c’est leur sort qui est en jeu dans la pièce grecque. Chez Sénèque, Hécube fait peur par ce qu’elle représente, avec sa famille. Cela est rendu clair par un écho intéressant dans la pièce entre le début et la fin, qui construisent une structure circulaire :

Au contraire, dans la pièce latine c’est donc plutôt la figure d’Andromaque qui incarne la crainte. Or elle n’a pas tant peur pour elle que pour son fils : tel est l’enjeu de la pièce, non le sort des Troyennes en tant que tel, mais le sort des enfants. L’émotion rejoue l’enjeu dramatique car le sort des enfants n’est pas scellé au début de la pièce de Sénèque, contrairement à celle d’Euripide. Les craintes des personnages de la pièce grecs sont centrées vers les individus qui la ressentent, alors que celles de la pièce latine portent non pas sur eux-mêmes mais plutôt sur autrui, l’inquiétude vient de sources différentes.

D’autre part, la peur est très liée au thème de l’enfant dans les deux pièces, mais manifestent deux images opposées de celui-ci.

Dans les deux pièces, c’est la peur qui pousse au meurtre d’Astyanax : on retrouve la même symbolique de la survie de Troie possible à travers la figure de l’enfant. Chez Sénèque, la peur est dirigée vers la crainte qu’un fils de Troie fasse durer la guerre (v. 551 / v. 1072). On retrouve cette idée chez Euripide v. 1136,1159,1165, 1191. Ce sont aussi les seuls moments où les hommes expriment la peur.  Dans les deux œuvres, on trouve la peur associée à la problématique de l’enfant, qui n’a pas du tout le même sens. Chez Sénèque, la peur est intrafamiliale, c’est la peur pour son enfant, chez Euripide, c’est la peur politique pour l’avenir, l’enfant incarne une menace d’après l’interprétation d’Hécube car il incarne la survie. L’enfant se trouve donc avoir deux statuts complètement différents dans ces deux pièces par rapport à la peur.

b. Peur, espoir et fatalité

Le pendant de la peur, l’espoir, et clairement moins présent, et apparaît le même nombre de fois chez Sénèque et chez Euripide (6). L’espoir cependant est souvent nié chez Sénèque, son cooccurrent le plus significatif est « nemo ». Chez Euripide aussi, l’espoir est presque absent, il est souvent nié ou bien par le locuteur ou par les circonstances (quand l’espoir est dans le passé, comme v. 345 ou v. 857), ou alors l’espoir est questionné (v.505).

Dans la pièce d’Euripide, l’exclusion mutuelle des deux émotions est très nette (Figure 8), tandis qu’il y a une superposition chez Sénèque (Figure 9), ce qui suggère une préoccupation commune et une plus grande proximité entre les deux sentiments.

Figure 8 Progression de la peur et de l’espoir chez Sénèque. TXM
Figure 9 Progression de la peur et de l’espoir chez Euripide. TXM

 

Il y a en outre des renversements intéressants entre le texte de Sénèque et celui d’Euripide. Chez Euripide, pour Hécube la vie est le lieu de l’espoir, et Andromaque est désespérée et préfère la mort. On retrouve la même idée dans la pièce grecque, v. 426 chez Andromaque, qui n’a plus d’espoir, et v. 576. On retrouve donc des motifs assez similaires dans le jeu entre la peur et l’espoir, l’un se substituant à l’autre. Mais il faut souligner un écart, car chez Euripide, la vie est liée à la poursuite de l’espoir, chez Sénèque, elle est liée à la poursuite de la crainte. Cependant, le vers 427 de Sénèque est intéressant, car à l’espoir succède la peur (timere) et le résultat est un plus haut degré de pathos (miserrimum). Tout se passe comme si Andromaque mettait en scène sa propre figure théâtrale : c’est parce qu’elle n’a plus d’espoir qu’elle devient la figure la plus pathétique de la pièce.

c. La douleur

La douleur, très présente dans les deux pièces, ne répond pas tout à fait aux mêmes logiques. On remarque d’abord qu’elle est concentrée sur le personnage d’Andromaque chez Sénèque, alors qu’elle est plus partagée chez Euripide (Figure 10). Cela révèle un changement dans la focalisation émotionnelle de la pièce : l’auteur grec considère la douleur des Troyennes comme celle d’un collectif féminin, ce qui est soulignée également par l’importance des apostrophes et des vocatifs dans les répliques du chœur, qui exprime ainsi la pitié et la compassion. Parmi ces personnages, c’est Hécube qui exprime le plus de douleur, c’est donc elle qui attire le pathétique. Chez Sénèque, c’est le personnage d’Andromaque qui concentre la souffrance : le personnage féminin central n’est pas le même, ce qui suggère que les enjeux dramatiques ne sont pas les mêmes également.

Figure 10 Fréquences absolues des interjections et adjectifs exprimant la douleur au vocatif dans les deux pièces. Données collectées grâce à Hyperbase et TLG

 

Il apparaît également assez nettement que la douleur est une émotion nettement féminine, ce qui est un point commun aux deux pièces. Même chez Sénèque, où les hommes occupent une place plus importante dans l’intrigue que dans la pièce grecque, les personnages masculins n’évoquent pas la douleur et ne prennent pas pitié pour les femmes.

Enfin, les deux émotions de la peur et de la douleur-pitié font apparaître des enjeux dramatiques différents dans les deux pièces, et un rapport différent au cœur de l’intrigue des Troyennes. Tout d’abord, on observe deux constructions dramatiques différentes liées à un déplacement de l’intérêt pathétique entre les deux pièces. Chez Sénèque, le pathétique se porte d’abord sur la mort à venir d’Astyanax, enjeu de la première partie de la pièce, jusqu’au climax déjà repéré, puis sur le sort des Troyennes une fois que le destin est scellé. Chez Euripide au contraire, le destin des Troyennes est l’enjeu pathétique dès le début de la pièce.

Conclusions

Les émotions de la peur et de la pitié reflètent des enjeux dramatiques différents dans les deux pièces et répondent à des choix de représentation de l’intrigue différents. Les émotions évoluent au fil des deux pièces et sont directement liées à leur structure. Les manifestations de la peur et de la pitié révèlent les choix divergents des deux auteurs quant au traitement de la matière mythique.

Analyse textuelle des sentiments dans les Troyennes.

Sélection des termes étudiés

Nous avons choisi de travailler principalement sur deux émotions car une première lecture montrait qu’elles étaient majoritaires et importantes : la peur et la douleur. Nous avons parcouru la liste des lemmes des deux textes sur Hyperbase pour isoler les mots qui renvoyaient à ces émotions, sans prendre en compte toutes les manifestations émotionnelles qui y faisaient allusion (nous avons exclu par exemple les larmes et les signes de deuil de notre étude sur la douleur).

Ensuite, nous avons effectué une recherche lemmatisée dans les deux corpus d’Hyperbase pour obtenir le nombre d’occurrences de chaque terme. A partir de là, nous avons concentré notre étude sur les termes les plus représentés par rapport aux autres en prenant en compte noms et verbes.

Ecarts réduits des mots de la peur chez Sénèque. Calcul des écarts réduits reformulé à partir d’une fusion des données concernant les lemmes de même racine.

 

A partir des fréquences absolues relevées sur Hyperbase, nous avons recalculé les écarts-réduits (figure 1) afin de prendre en compte ensemble les lemmes d’une même racine (par exemple timor et timeo). A partir des résultats obtenus, il apparaît que metus est non seulement le terme le plus spécifique des Troyennes avec un écart réduit de 4,1, la probabilité pour que l’on trouve autant d’occurrences dans ce texte est de moins de 0,001%. C’est pourquoi nous avons choisi d’étudier spécifiquement metus. La présence de timor est moins significative (écart-réduit de 1,54, soit une probabilité de 13,4%), toutefois elle est caractéristique du corpus des tragédies de Sénèque par rapport à l’ensemble du corpus « latin » d’Hyperbase (on observe un écart réduit de 17,66, ce qui est extrêmement important et significatif, figure 2).

Ecarts réduits des mots de la peur dans le corpus latin. Calcul des écarts réduits reformulé à partir d’une fusion des données concernant les lemmes de même racine.

 

Pour le corpus grec, vu le peu d’occurrences global, nous avons choisi de prendre en compte tous les mots qui renvoyaient au sentiment de la peur dans le texte.

Concernant la douleur, de nombreux termes renvoient à ce sentiment, de manière directe ou indirecte. Nous avons ainsi relevé les lemmes dolor, doleo, maestus, maereo, tristis, miser, luctus, infelix. Dans le texte grec, nous avons relevé plusieurs termes intéressants δυστυχής, δύστηνος, τάλας, μογερός, ἀλγέω, οἶκτος et μέλεος. Cependant, notre questionnement porte sur le pathétique et sur l’expression de la douleur, c’est pourquoi nous nous intéresserons essentiellement aux moyens d’exprimer la douleur, et non aux termes qui la désignent ou la décrivent.

C’est pourquoi nous avons concentré notre attention sur miser et infelix en latin, et nous avons enlevé ἀλγέω de la liste des lemmes grecs.

De plus, nous avions besoin d’outils plus précis pour étudier la douleur, notamment les adjectifs ci-dessus employés au vocatif, ce qui montre une forme de compassion et de reconnaissance de la douleur d’autrui, ainsi que les interjections qui manifestent une douleur ressentie. Cela nécessitait cependant un travail plus avancé sur les données.

Nous avons pu confirmé par une étude des thèmes (figure 3) dans Hyperbase que, dans le corpus d’Euripide complet, les interjections étaient très liées aux adjectifs que nous avions sélectionnés a priori, ce qui a confirmé l’intérêt de notre choix et notre hypothèse que les deux éléments étaient corrélés dans l’expression de la douleur.

cooccurrents spécifiques des adjectifs exprimant la douleur. Hyperbase

Extraction des données

Nous avons identifié les interjections du texte grec sur Hyperbase à l’aide de la requête « Interj », puis nous avons sélectionné un affichage par lemme que nous avons extrait dans un tableur. A partir de là, après une suppression des doublons, nous avons obtenu une liste des interjections utilisées que nous avons entrée comme liste de mot à chercher dans une requête TXM. Pour le texte latin, le logiciel reconnaît les interjections, ce qui simplifie la requête.

Tableau des interjections complet extrait d’Hyperbase

 

Liste des interjections après suppression des doublons dans les données;

 

Quant aux adjectifs, nous avons fait une recherche des termes au vocatif dans Hyperbase pour le corpus latin, et dans le TLG pour le corpus grec. Nous avons extrait à partir de là les termes qui pouvaient exprimer la pitié et la douleur, ou l’infortune. Nous avons ensuite exécuté la requête dans TXM pour réaliser les analyses de progressions et faire les recherches sur le corpus structuré par le XML (notamment où les répliques de personnages sont balisées).

Un dernier problème était de pouvoir travailler sur des textes lemmatisés en grec, notamment dans TXM (mais on aurait pu établir la progression par exemple aussi dans Voyant Tools). Or, Voyant ne lemmatise pas, et TXM ne lemmatise pas le grec ancien. Nous avons donc récupéré du corpus du LASLA le texte grec lemmatisé par un export en copier-coller, afin d’obtenir un corpus lemmatisé qui permette de faire des recherches parfois plus précises et d’obtenir facilement les visualisations qui vont avec. Ce texte lemmatisé a été partagé et utilisé par d’autres groupes sur d’autres axes.

Calculs et préparation du texte

Nos recherches ont d’abord pris pour base des analyses quantitatives de mots des émotions recherchées, à partir de la sélection qui a été détaillée précédemment. Nous nous sommes basés d’une part sur des résultats en fréquence absolue car cela permet d’avoir des données brutes sur chaque texte, d’autre part sur le calcul d’écart-réduit qui donne une idée de la signification des valeurs obtenues. Les œuvres d’Euripide ont donc été analysées en relation avec l’ensemble du corpus de chaque auteur, pour mettre en avant les spécificités de ces pièces.

Nous avons également opéré des calculs à l’échelle de chaque œuvre, à partir du corpus lemmatisé et balisé. Les textes latins et grecs avaient été importés de dépôt Git de Perseus, et nous avons corrigé et précisé l’annotation (figure 6) afin d’avoir une partition des textes par réplique de personnages, similaire dans les deux textes. Nous avons ainsi précisé les balises <sp> par l’élément @who (absent du texte grec) qui permet d’identifier systématiquement les personnages qui s’expriment, et nous avons modifié ou harmonisé les balises <speaker> pour encoder les didascalies introduisant les répliques des personnages. En effet, cela semblait être un élément de construction dramatique important et il importait d’avoir un document encodé efficacement. Il a été partagé et mis à la disposition de tous. Ce traitement du texte nous a permis d’obtenir des données précises, notamment quant à l’expression de la douleur.

Exemple du fichier xml grec encodé

 

Nous avons cherché à isoler des groupes ou cooccurrents spécifiques aux termes ciblés, grâce à TXM ou Hyperbase, mais les résultats n’étaient pas suffisamment probants pour être exploités de manière significative. Les lemmes sélectionnés ne comptent pas suffisamment d’occurrences, et le corpus est trop réduit, pour visualiser des phénomènes significatifs.

Conclusions :

L’analyse textuelle sur les sentiments est toujours complexe, notamment quand il s’agit de déterminer avec quel lexique on choisit de travailler. Chaque outil pris individuellement n’a pas suffit pour pousser notre analyse ou nous voulions, mais leur combinaison permet d’obtenir des résultats intéressants. Les données quantitatives servent de point d’appui utile et heuristique pour les analyses qualitatives, fournissant notamment de nombreux repères pour un retour au texte efficace. Elles permettent notamment de prendre facilement du recul sur l’œuvre et de juger de la pertinence de l’intérêt porté à un phénomène en le comparant à un corpus plus étendu, mais aussi tout simplement de comparer efficacement deux textes et deux auteurs de langues différentes. Malgré tout, elles sont sans voix sans des analyses précises du texte et un retour au contexte, surtout quand il est question d’un objet aussi complexe et polyforme que l’émotion.

 

La bataille de Minneapolis

Démarche

J’ai travaillé pour réaliser les enquêtes par Voyant Tools sur un corpus non-lemmatisé de l’Histoire Romaine, importé depuis la bibliothèque The Latin Library . L’objectif était de réunir suffisamment d’élément sur l’écriture de Tite Live, tant sur son contenu que sur sa forme, afin de réaliser un pastiche de son texte pour évoquer le combat du mouvement Black Lives Matters.  

1- Le vocabulaire

  • Les termes fréquents

Premièrement, une analyse des termes les plus fréquemment employés, sans prendre en compte les StopWords relèvent du champ militaire ou politique.

2- Les termes en contexte 

J’ai voulu raffiner ce résultat en regardant de plus près les cooccurrents de ces termes, en regardant le contexte, classé selon le contexte droit du pivot. J’ai choisi les termes les plus fréquents : bellum, hostium, milia, castra. On peut observer l’importance de l’emploi du syntagme bellum gerere, ou l’emploi du groupe bellum + in (préposition ou préfixe de verbe), ou encore bellum cum/adversus. Cela sous-entend que la guerre n’est pas un concept chez Tite Live, mais a une réalité bien contextualisée. On constate le même emploi fréquent de in avant ou après hostium. Milia a pour cooccurrents principaux soit des nombres, soit des personnes (socium, hostium, peditum, militum). Cela renvoie à l’ampleur des armées, et donne également peut-être une dimension épique au récit. Enfin castra  est soit associé à un camp ( romana, hostium) soit à une opération militaire (locare, movere, verbe préfixés par in).

3- Les thématiques 

J’ai ensuite cherché à analyser d’un peu plus près les contextes d’emploi des termes principaux, afin de comprendre la place qu’ils occupaient dans le travail de Tite Live. J’ai d’abord eu recours pour cela à deux outils, la visualisation par nuages de points, qui permettent de voir les groupements thématiques des termes, et l’outil Liens  qui montre la force des collocutions entre les termes.

On voit assez nettement dans le nuage de point l’opposition entre le temps de guerre et le temps de paix, et se distinguent d’une part les éléments institutionnels de Rome (en bleu et violet), d’autre part les acteurs militaires (en rose et en vert). Dans le premier contexte, Tite Live fait essentiellement référence aux acteurs de la vie politique, tandis que dans le deuxième, il est question des soldats, des armées en marche, des lieux et des repères temporels.

 

Les liens montrent des réseaux intéressants, notamment d’opposition entre hostium et romana, bellum et pacem, peditum et equites. Cela suggère peut-être une tendance à la description binaire chez Tite-Live, et à la représentation des conflits en œuvre.

Enfin, j’ai utilisé l’outil Thèmes pour confirmer les rapprochements opérés entre les termes.

  Thèmes 
1 imperium animum fama virum sacra belli deorum agrum spes parte
2 regis rex nomen rege belli exercitus latinis hostium imperio romanis
3 bellum regnum tarquinius romulus arma armis ratus sabinis magna vim
4 populi animo deos auctores publica pater ius populo artibus domi
5 bello loco corpus appellati domo primores reges brutus manibus castra
6 romam regni animos imperii patrum latinorum populus locis romulo numae
7 urbis patres populum acies consilio latinum exercitum aeneae regiam iuppiter
8 albani hostes homines iure patris iussit patria finitimis statuit classis
9 romana primo patrem centum tarquini deum templi publico agere quadraginta
10 tullus tarquinium romanum regia filius pace miraculo castris aetatem legibus
11 regem maxime romae regi caput populi foedus tempus viribus duo
12 opes iubet tullo filium dies longe utrimque albano viri consilium
13 romani urbem annos civitatem pacem fortuna prima iuvenum tribus romano

On remarque deux types de rapprochements : certains sont épisodiques (10, 7, 3, 6 et s’organisent autour d’oppositions entre personnages), d’autres sont plutôt thématique. A ce titre, il est intéressant de voir le rapprochement entre imperium, belli, virum et deorum (1), entre populi, deos, ius (4) ou entre romani, pacem, iuvenum et tribus (13). Ces résultats mettent en avant des effets d’unité thématique forts dans le texte. Il faudra essayer de respecter ces effets de proximité thématique dans le pastiche.

b) Le style 

Deuxièmement, j’ai voulu analyser des éléments du style narratif de Tite Live. En effet, dès lors que l’Histoire appelle la rhétorique, il semble pertinent dans le cadre d’un pastiche de reprendre ces tournures rhétoriques liviennes.

J’ai pour cela eu recours à l’outil Syntagmes, ce qui m’a permis d’extraire quelques formules fréquemment utilisées par l’historien.

En ce qui concerne les expressions complexes à plus de trois syntagmes, nous voyons un soin particulier accordé aux liens logiques (non modo sed etiam, haud secus quam, solum sed etiam) et aux indications temporelles (primo quoque tempore, intra paucos dies, per aliquot dies, ad eam diem, per eos dies). Cependant il faut souligner que ces données temporelles sont le plus souvent relatives, on trouve d’ailleurs peu de dates. L’importance du syntagme ex senatus consulto rappelle l’importance de la législation dans les événements de l’histoire romaine, de même que e re publica. Cette tendance se confirme par l’analyse des syntagmes plus brefs (2 termes), on peut ajouter l’importance de la formule comparative (magis quam), qui semble faire écho aux phénomènes binaires déjà évoqués.  

J’ai également réintégré les stopwords afin de voir quels outils l’auteur utilisait dans son propos.

 

L’emploi fréquent de préposition indique un emploi des compléments circonstanciels importants, nécessaires à la contextualisation. On retrouve dans ces termes fréquents des conjonctions comme cum, ut, quod, sed, et qui suggèrent le goût de Tite Live pour les phrases complexes à plusieurs propositions, et l’importance du développement des événements. J’ai pu également noter que les phrases employées par Tite Live sont généralement assez longues (84mots en moyennes).

Conclusions des analyses :

Les outils proposés par Voyant Tools sont très nombreux, et fonctionnent plus ou moins bien selon la taille du corpus. Certaines ressources permettent de créer des visualisations graphiques très intéressantes, notamment pour les fréquences d’emploi et les répartitions; d’autres permettent de créer des tableaux synthétiques de corrélations, cooccurrences, classifications qui facilitent la compréhension des modes d’apparition des mots dans le texte. Ces deux types d’outils se complètent. Il est également possible de générer des cartes représentant les entités nommées spatiales (ce qui pourrait être intéressant dans certaines études). Il faut cependant être vigilant quant à l’interprétation des résultats fournis, et analyser le processus qui permet de faire ressortir les données afin de les exploiter correctement. 

Pour le pastiche, j’ai choisi le premier jour des révoltes du mouvement Black Lives Matters, dont les premiers épisodes ont des allures de guerre civile, nous serons donc dans un récit en temps de guerre. Voici donc les objectifs à respecter pour reprendre le style de Tite-Live :

  • La dimension rhétorique du texte
  • Les oppositions binaires
  • Les cooccurrents spécifiques des termes les plus fréquents du texte.
  • Le vocabulaire militaire
  • Des descriptions spatio-temporelles, avec des indications de lieux précises et des mesures de temps relatives.
  • Une transposition des réalités romaines au contexte contemporain, tout en reprenant l’importance du cadre institutionnel des événements.

Pour vérifier l’exactitude du pastiche, je l’ai soumis à Voyant Tools, et ai constaté des phénomènes correspondant aux objectifs, notamment pour le vocabulaire et les cooccurrents spécifiques.

Le pastiche : 

La Bataille de Minneapolis 

(XLI) D. Trump entrait dans sa dernière année de présidence. Cette année-là fut une grande année pour les combattants des discriminations et des violences en Amérique et dans le monde entier. En effet, les défenseurs des libertés avaient redoublé de courage contre les ennemis, dans la guerre qu’ils menaient contre les violences gratuites envers le peuple noir, bien que les lois et la police aient multiplié leurs injustices. Dans un premier temps, ce fut une lutte tacite, ponctuée de petites révoltes rapidement réprimées par la Police. Cependant, six jours avant les calendes de juin, les armées de l’Etat avaient tué un des membres du peuple, non seulement elles avaient agressé sans motif un homme de stature moyenne et de face noire, mais encore elles avaient refusé de lui porter secours dans sa détresse, comme cela est montré dans les documents qui nous sont parvenus. Après ces événements, le peuple américain décida d’assiéger la ville de Minneapolis et déclencha une guerre non sacrée contre les Policiers.

(XLII) Le jour suivant, mille alliés réunirent leurs forces et lancèrent l’assaut et occupèrent les rues de la ville, ce fut le début de la guerre contre les forces de police. En effet, toutes les forces du peuple sortirent au même moment de leurs camps dans la rue, et, après avoir consulté l’avis des dieux, avancèrent en masse vers le poste de police, les mains levées au ciel et clamant des cris d’indignation pour défendre la liberté. Cependant, ce premier assaut fut vain, car les ennemis étaient bien plus forts en nombre et en habileté, les uns étaient armés de pancartes et de hauts parleurs, les autres, au contraire, revêtaient des armes brillantes et dominaient leur adversaire de leur stature imposante, protégée par des casques et des boucliers infranchissables, si bien qu’ils dispersèrent l’armée réunie avant la nuit. Dès le lendemain, comme il était juste, selon les dieux, de défendre ses droits, les hommes du peuple lancent un deuxième assaut, se dirigent à pied sur l’avenue Chicago Sud, et luttent de nouveau contre les ennemis, qui avaient dû déplacer leur camp en prévision des nouvelles attaques. Ainsi, des soldats de la Police quittent les camps retranchés qu’ils occupent et s’avancent vers les ennemis, pour les affronter en corps à corps, d’autres se positionnent en retrait et tirent des balles de caoutchouc sur les armées du peuple, blessant nombre d’entre eux. L’armée en marche prend alors East Lake Street et met le feu à cette partie du camp de la Police avec grand bruit. Face à cette situation, le chef des armées ennemies, Jacob Frey envoya un renfort d’un demi milliers de soldats à pied, armés lourdement et équipés de protections plus solides que leurs adversaires. Les ennemis lancèrent des gaz lacrymogènes contre ceux qui assiégeaient la ville, mais déjà le peuple dépassait les forces de police en nombre et en détermination, eux qui ne combattaient pas tant pour la victoire que pour leurs valeurs, non tant par haine que par colère. On raconte que de nombreux commerces furent détruits par les flammes cette journée-là. La même nuit, le camp du chef de l’armée est pillé et saccagé, avant d’être détruit par le feu.

(XLIII) Le lendemain, le chef de la police s’adressa à son peuple, et déclara d’une voix forte et claire :
« Les événements qui ont lieu en ce moment à Minneapolis sont d’une gravité sans précédent, et je ne saurais exprimer devant vous aujourd’hui ma désapprobation, ma honte et ma révolte face à ces actes inacceptables. Je veux que vous sachiez, Mesdames, Messieurs, citoyens américains, que je condamne toutes les personnes qui sont mêlées à cette violence, et que celles-ci seront tenues responsables des dégradations constatées. Les forces de police font tout ce qui est en leur pouvoir pour rétablir l’ordre et la paix dans notre cité. Minneapolis est et restera forte comme l’enfer. » Sur ces paroles, le chef de la police partit, et l’agitation de la foule s’accentua. Pendant ce temps, dans les rues de Minneapolis, le front armé continuait de clamer par de puissants cris leurs incriminations contre les ennemis, ils plaidaient la justice dans leur camp, et dénonçaient le manque de respect et la haine des autres. Ils encerclaient les camps de la Police, retranchée derrière des barrières résistant aux assauts multiples et enragés ; pas autrement ne se comportaient les loups furieux qui cherchaient à atteindre leurs proies au-delà des enclos du berger, ainsi le front heurtait les hauts boucliers de leurs épaules ou de projectiles de fortune.

(XLIV) Les combats durèrent plusieurs jours, par décision des autorités locales, l’état d’urgence avait été décrété dans toute la ville, la peur rendaient silencieuses les demeures et Minneapolis ne respirait plus que les braises d’elle-même. Sans cesse les manifestations se multipliaient, la sympathie des cités voisines et étrangères se portaient vers le peuple, la réputation des hommes dans cette guerre menée contre la Police donnaient de l’espoir à tous les défenseurs des droits, et la colère atteint un tel point qu’on se réunit entre chefs afin de résoudre le conflit. Ils décidèrent que l’armée de la Police devait être finalement dissoute, et elle disparut de Minneapolis par décision des autorités. Les temps qui suivirent furent troublés tant en temps que paix qu’en temps de guerre, Fama, à l’aide de Médias, répandit les nouvelles des combats et de leur issue à travers le monde, si bien que les guerres se multiplièrent aux Etats Unis contre les pouvoirs en place, non seulement pour lutter contre des événements ponctuels, mais aussi pour défendre les droits des individus face aux discriminations féroces des forces policières.

Le TLG : la bible du grec ancien ?

TLG

Page d’accueil de la plateforme TLG

Présentation générale

Le TLG est une plateforme en ligne qui dispose de plusieurs degrés d’accès, les usages avancés étant réservés aux utilisateurs enregistrés. Il s’agit globalement d’une base de données de textes lemmatisés en grec, allant du grec archaïque à la patristique.

Communiquer avec TLG

On peut y lire les textes du corpus, effectuer des recherches lexicales et syntaxiques ou bien faire des études lexicométriques sur les textes. Ces ressources sont accessibles par le menu horizontal :
* CANON et BROWSE pour l’exploration de corpus
* TEXT SEARCH pour la recherche lexicales
* NGRAM et STATISTICS pour la recherche lexicométrique ou la comparaison de textes
* LEXICA et VOCAB TOOLS pour les outils connexes (dictionnaire, recueil d’occurrences)
Les requêtes pour les auteurs, titres, etc. se font selon la norme latine (ex: Homère = Homerus), et les requêtes en grec peuvent se faire à partir du clavier grec de l’ordinateur, via un clavier visuel disponible sur la plateforme, ou par du grec translittéré (avec ou sans prise en compte des signes diacritiques)

Les possibilités du TLG

Recherche dans le CANON du TLG

Dans l’onglet “CANON”, on peut avoir accès au corpus de textes de la base TLG, soit par auteur, par titre, ou même par éditeur. Sur un auteur, on peut ensuite filtrer et sélectionner les oeuvres intéressantes. Pour les études patristiques, il est également possible de distinguer les oeuvres apocryphes, hagiographiques, etc., ou bien de discriminer les “pseudo-auteurs”, aux attributions incertaines.

La plateforme du TLG indique également un certain nombre de liens qui permettraient de compléter la recherche (par exemple une notice biographique sur Brill). Une fois le texte ouvert, la navigation se fait par un menu déroulant, ce qui implique de savoir où l’on va (cela pose parfois problème car cela dépend de l’édition de référence choisie). Si besoin, un lien direct vers une traduction en anglais est indiqué.

Outils de recherche

Recherche lexicale et morphosyntaxique

Recherche lexicale et/ou lemmatisée

Dans le corpus, plusieurs options sont disponibles : recherche lexicale (avec sensibilité à la casse et aux signes diacritiques), recherche par lemme (avec possibilité d’écrire en expressions régulières). On peut également faire des recherches de cooccurrences, plus ou moins avancées avec des opérateurs (AND/OR/NOT), et faire des recherches sur des critères morpho-syntaxiques (cas, genre, nombre, personne, mode, temps, etc.), tout en variant les critères de proximité. La recherche peut être restreinte à un corpus déterminé par la variable “author”. Une fois la recherche lancée, un système de coche/décoche permet de filtrer davantage la recherche en sélectionnant des lemmes, ou en réduisant le corpus.

Lexicométrie

Comparaison de texte N-GRAMS

TLG donne également accès à un outil de comparaison de texte (par exemple, si vous voulez comparer l’Odyssée et l’Iliade, la section N GRAM va vous permettre de repérer quels sont les expressions reprises). Cela peut être très utile notamment si l’on travaille sur un rapport d’intertextualité entre deux oeuvres, ou sur la parenté de plusieurs textes.

Statistiques lexicales

Statistiques lexicales 

Un outil de statistique permet enfin de générer des nuages de mots sur une oeuvre ou un auteur, de mettre en avant des spécificité, de visualiser les lemmes ou les mots les plus présents dans le texte, et de mettre ces calculs en relations avec ce les valeurs attendues (calcul de probabilité par rapport à la taille du corpus)

*On peut ensuite assez facilement retourner aux contextes des occurrences des mots, puisque toutes les données sont des URI qui renvoient au corpus et à la recherche textuelle.

Ces recherches peuvent être lemmatisées ou non, la plateforme propose les deux possibilités.

Outils lexicaux

Le TLG est connecté au LSJ (Dictionnaire Liddell Scott, qui fait autorité sur le grec ancien), et permet donc de consulter ce dictionnaire pour éclairer nos recherches lexicales. De plus, à partir du texte corpus, cliquer sur un mot ouvre un encart à droite avec son analyse morphosyntaxique et nous invite éventuellement à ouvrir l’entrée dans un dictionnaire.

Utilisation

Contrairement à certaines plateformes en ligne, les textes du corpus sont repris d’éditions papiers qui font autorité aujourd’hui, donc elles ne sont pour la plupart pas libres de droit. C’est pourquoi on ne peut pas télécharger les textes, ni faire de copier coller (un copier coller abusif de passage d’une texte bloque tout simplement l’accès au TLG).

Les documents mis à disposition par TLG ont vocation à être des outils de la recherche et de l’enseignement mais leur réutilisation est sous licence et les textes édités sont sous droits d’auteur. Donc si l’on veut citer le texte tel qu’il est présenté sur la plateforme, il faut citer l’édition originale papier qui sert de source au corpus en ligne.

Accès et maniabilité

Bien qu’il soit très utile et incontournable quand on fait de la recherche sur des corpus grec, le TLG nécessite un peu d’habitude et un temps d’initiation avant de se laisser maîtriser. Les subtilités des requêtes à effectuer peuvent parfois être un obstacle. C’est un outil assez puissant, assez lisible quand on y est un peu habitué. De plus, il faut quand même noter que le corpus est assez lacunaire sur la période alexandrine (il manque Callimaque ou Apollonios de Rhodes par exemple)

Alea victis est !

 

Je m’appelle Caroline, Je suis doctorante en Etudes Latines à Sorbonne Université, actuellement en 2ème année de thèse. Je suis tombée dans le latin depuis plus de 10ans, le grec depuis 9ans, et je n’en suis jamais sortie depuis (et n’en ai pas franchement envie, pour être honnête !) 

J’ai toujours été convaincue que le numérique était une clef pour revaloriser les langues anciennes, dans leur diffusion, leur enseignement, ou leur étude. J’ai appris des bribes dans ce domaine, en autodidacte, depuis quelques temps, mais j’ai décidé qu’il était temps de mettre de l’ordre dans tout cela et de suivre une vraie formation sur le sujet… Alors, allons-y, Alonso! ** 

Je crois que les langues anciennes sont définitivement vivantes, et qu’elles ont encore beaucoup à nous apprendre, mais je n’ai pas de baguette magique, ni de tournevis** , alors je suis ici, pour apprendre de nouvelles choses et avancer ! Réussir ses rêves et ses ambitions ne laisse rien au hasard. Quelque chose me dit que je suis au bon endroit… 

Bref ! Les lettres classiques sont un domaine bien plus vaste qu’elles n’en ont l’air de l’extérieur**. J’espère pouvoir continuer à les explorer dans ce master!  

Je suis à distance et la plupart du temps derrière un écran, mais j’essaierai d’avoir une existence plus que digitale d’ici peu ! 
Valete ! 

 

** PS : quelqu’un peut-il élucider le mystère des 3 références (**) ? 

>> Voici un petit aperçu de l’univers dans lequel je passe mes journées : le périple des Argonautes, au coeur du sujet de ma thèse sur les Argonautiques de Valerius Flaccus !