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

Le code corrompu…

Après avoir vu en classe les packages “tm” et “mallet” sous R, je me suis lancée pour tenter de produire une analyse à mon tour: allons-y gaiement, me voilà à la recherche des ambassades corrompues dans le corpus de Démosthène. Ça paraît simple en lisant le code qui nous sert de point de départ. Ça l’est moins quand il faut réussir à l’appliquer soi-même. L’idée était de partir d’abord des outils de topic modelling et de corrélation pour trouver un champ de mots associés à l’ambassade, pour ensuite chercher la répartition des mots en question dans le corpus.

L’idée paraissait bonne. Dans la réalisation, il s’est avéré assez frustrant de constater que je n’avais pas toujours les moyens de chercher exactement ce que je voulais, ou alors que mon code ne fonctionnait pas, sans erreur apparente.
Par exemple, le topic modelling qui réduit le corpus à 43 topics est intéressant, mais je ne peux pas, avec les outils que j’ai pour l’instant, lui demander de me créer un topic en particulier autour d’un mot de mon choix. Je ne peux pas non plus, pour l’instant, effectuer de recherche au sein de mes topics pour voir où apparaissent les mots que je recherche. Le manque de temps pour rechercher dans la documentation R les fonctionnalités qui me manquent ne me permet pas de terminer l’exercice aussi proprement que je l’espérais. Mais je compte bien creuser la question pour mon mémoire de recherche, qui nécessitera probablement que je trouve des solutions aux problèmes qui se sont posés à moi lors de cet exercice.

En attendant, voilà ce que j’ai pu tirer de mes expérimentations laborieuses:
– Grâce au topic modelling, j’ai pu trouver que les mots les plus associés à l’ambassade et aux ambassadeurs sont Eschine, Philippe, la paix et les Phocéens.
screen-shot-2016-12-16-at-10-14-42
screen-shot-2016-12-16-at-10-14-20
– La recherche de corrélation n’a rien donné, dans la mesure où le résultat est systématiquement 0. Il doit y avoir une erreur dans code, que je n’ai pas su résoudre.
– La recherche ensuite de la répartition des mots dans le corpus est assez mitigée. Parfois ça fonctionne, et parfois non, sans raison apparente. Même après relecture dans le détail du code, rien ne m’a permis de résoudre le problème. La plupart des graphiques sont donc vides, seuls un ou deux donnent des résultats quelque peu significatifs.
screen-shot-2016-12-12-at-16-43-00screen-shot-2016-12-16-at-10-12-24screen-shot-2016-12-16-at-10-12-34screen-shot-2016-12-16-at-10-12-46

En conclusion: cette analyse n’est clairement pas utilisable en l’état, mais R ouvre de belles possibilités. Il m’a vraiment manqué, pour cet exercice, le temps d’aller au bout de ce que je voulais faire, le temps d’aller chercher les moyens qui me manquent, et, en partie, la patience d’aller minutieusement pinailler chacune des possibles erreurs que contient mon code.

La Geekette et son amie, la flemme

La ligne de commande est loin d’être une découverte pour moi: Geekette entourée de Geeks à longueur de journée, travaillant plus volontiers sur des systèmes d’exploitation Unix, profondément exaspérée par le "Blue Screen of Death" de Windows (BSOD pour les intimes) et la mise en forme automatico-aléatoire des logiciels Microsoft Office, connaître les bases du fonctionnement d’un ordinateur, et avoir quelques notions de programmation avec Python relèvent pour moi plus du kit de survie que du luxe d’helléniste à la mode.

Les commandes wc et grep m’étaient cependant inconnues jusque là, tout autant que le petit caractère très pratique qui permet d’exporter les résultats obtenus en les rangeant tout de suite dans le bon dossier, le tout avec une efficacité sobre et drastique. On s’aperçoit vite de la puissance d’un petit outil comme celui-ci. Compter les mots, certes. Chercher un mot et ses occurrences, bien. Lemmatiser sommairement, pas idéal mais c’est mieux que rien, ou que de tout faire "à la main", en pauvre petit gratte-papier dans sa bibliothèque, tout seul à son bureau pendant les tristes soirées d’hiver, sans même un chocolat chaud parce que ça pourrait abîmer les livres si jamais on en renversait accidentellement.

Le résultat de mon initiation n’est pas bien intéressant:

Un tuto suivi tellement bêtement que j'ai recopié le nom de fichier sans personnaliser la mention "YEAR-MONTH-DAY"
Un tuto suivi tellement bêtement que j’ai recopié le nom de fichier sans personnaliser la mention “YEAR-MONTH-DAY”
J’ai tenté de reproduire cela sur un corpus de Cicéron. 75 textes: compter le nombre de lignes, de mots, et de caractères dans chaque texte a pris moins de 2 secondes. Chercher les occurences de "roman*": moins de 2 secondes.
Cicéron au rapport, et rapport bien archivé. Et supprimé proprement, parce que ce n'était qu'un essai, après tout.
Cicéron au rapport, et rapport bien archivé. Et supprimé proprement, parce que ce n’était qu’un essai, après tout.

Bon, ça va vite, d’accord. Mais à quoi ces commandes peuvent-elles bien servir? À rien si on les prend séparément. Mais si l’on demande à l’ordinateur de compter les occurrences de plusieurs mots, dans un corpus important, en tenant vaguement compte de la lemmatisation, et de nous produire un beau tableau triant les résultats par auteur, par oeuvre et éventuellement par forme? Et si l’on demande à l’ordinateur d’analyser sommairement le contexte, de nous trouver des mots qui reviennent fréquemment ensemble, de faire des comparaisons au sein du corpus et avec d’autres corpus? Et ce sont les quelques usages qui me viennent à l’esprit dans l’immédiat mais bien d’autres sont envisageables, pourvu qu’on sache quoi demander à l’ordinateur et comment.

La puissance de calcul d’un ordinateur est bien supérieure à la nôtre: il peut accomplir les tâches qu’on ne veut pas faire soi-même. Il faut seulement comprendre son fonctionnement: il ne fait qu’accomplir de petites tâches très précises. Le cerveau humain tend à négliger les étapes intermédiaires: il associe automatiquement les petites tâches simples en une seule grosse activité complexe. Pour peu qu’on prenne la peine de décomposer le processus, et de l’exprimer dans un langage que la machine comprend (prendre le temps de coder, donc), la machine peut très bien effectuer une tâche complexe à notre place. Oui, c’est de la flemme.

Évidemment, me direz-vous, l’ordinateur ne produira toujours au final qu’une série de chiffres (et encore, on peut lui en demander plus). Mais au moins, comme le chercheur n’aura pas à perdre son temps à les produire lui-même, il aura bien plus de temps pour faire la partie "intéressante" de son travail: l’interprétation de ces données numériques et textuelles, bref, la recherche.

Les embarras du marché de Noël, ou la diététique de la Choucroute

Les embarras du marché de Noël

Mon ami qui part me remplit d’amertume,
mais il fait bien d’aller au village vide de Willer-sur-Thur.
C’est au pied des Vosges un petit hameau, et il n’y a rien vraiment
qui ne soit plus agréable en la saison
que la forêt au doux parfum d’humus et de sapin.
Je préfère pour moi la plaine campagne, les champs en friche.
Car est-il patelin si paumé, trou si désolé,
qui ne vaille encore mieux qu’une ville où toujours
brillent et scintillent les guirlandes et paillettes,
ville aux rues bondées, où le marché de Noël croule sous la foule,
Et où les marchands de marrons chauds,
vendent en hurlant leur viles châtaignes et cacahuètes?

Avec sa pauvre petite valise ridicule, une seule valise !
il s’arrête sous la verrière de la gare.
Non loin de là, sur la place,
un énième marché de Noël envahit l’espace,
et les chaînes de bonbons et babioles made in china à la criée
louent à prix d’or les chalets kitsch couverts de fausse neige,
ayant chassé de ces lieux les petits artisans et artistes oubliés.
Ah! La ville serait bien plus charmante,
Si d’un vrai marché encore elle s’animait,
Et si partout le mercantilisme forcené,
Ne profanait le folklore local et passionné?

Alors il dit: “Puisque dans cette ville,
l’art est sans pain, le talent chose absurde
et puisque que mon plaisir, au milieu de cette vénalité obscène,
décroîtra chaque jour, face à la cathédrale, au pied de ses tours,
à l’ombre de sa flèche, j’ai résolu de me retirer loin du scandale,
de la Grand’Roue que sur la place du Chateau ils installent,
là où Gutenberg autrefois mit au point son invention, qui a jamais changea la face du monde, mais pas celle de la bêtise humaine…

Partons! Que puis-je faire ici? Quand le vin chaud est mauvais,
je le crache et le boycott.
Strasbourgeois, je ne puis voir sans haine Strasbourg pleine de churros!
Cette lie étrangère qui n’est rien dans le flot du made in China,
mais qui souille nos marchés!
Depuis longtemps déjà frémis dans la friture,
cette pâte crénelée, ces bâtonnets à tremper dans le chocolat fondu,
cette luxure exotique, ce mets diabolique.
Accourez aux churros, ô vous qu’enflamme et tente
un fumet barbare et ses parfums enivrants.
Nous pouvons flatter, nous! Le churros seul persuade!
Où manger une choucroute quand, partout où je regarde,
Je ne vois que churros, bonbons, pizzeria et chinoiseries!

Rien n’est sacré pour eux!
Ni l’auguste choucroute, ni ses garnitures,
ni le lard, ni les wädele, ni les épices, ni le riesling!
Ils boiraient même encore la sainte bière!
Lorsqu’une nappe est trouée ou tachée, on crie haro sur le baudet!
Au marché de Noël, l’effort est plus dur qu’autre part.
Là tout est cher: un emplacement pour vendre, une gaufre pour se repaître,
Le moindre demi de Kro dans la Taverne Française
Une assiette en carton souille aujourd’hui tes mains,
Mais il ne souillait pas les tiennes, vieux Strasbourgeois, lorsqu’autrefois,
Dans un “Topf” de Soufflenheim, tu faisais mijoter ta choucroute
Garnie du dimanche, diététique frugale!
Ici le faste écrase, tout est vénal au marché de Noël!

Si tu veux t’arracher au marché, austère riverain,
Pars loin de Broglie, de la cathédrale, de la gare,
fuis le Carré d’Or et la rue des Juifs.
Car la goinfrerie, dans ces lieux, enfante le trépas!
Fiévreux, gavé de gaufre nutella-chantilly-banane-chocolat,
où trouver, pour s’asseoir, un café, une terrasse tranquille?
C’est le touriste tout seul qui s’amuse en cette ville!
Dans les étroites allées du marché, l’encombrement touristique,
Les chinois parmi les japonais, les russes déjà imbibés,
Les allemands de Glühwein assoiffés,
la masse tout entière piétine l’infortuné
qui, manque de bol, a fait tomber son porte-clé,
ce flot vivant qui roule et nous écrase tous.
On me frappe au coude, on me pousse contre un poteau,
je me cogne la tête au toit d’un chalet,
Je tombe dans la fange, et supplice nouveau,
L’énorme chaussure d’un américain me massacre le pied.

Que de périls encore! Ce n’est rien qu’on t’assomme,
Mais lorsque le soir, le marché ferme,
errent encore les gens ivres, les touristes désoeuvrés,
Les bars vomissent leurs flots de bière, et déversent dans Strasbourg,
Leur lot de chansons de Noël paillardement revisitées.
C’est le coeur trop plein que je m’épanche!
Adieu, souviens-toi d’un ami, si parfois, quittant Strasbourg,
Tu vas profiter de l’air rustique de la campagne alentours.
Je me retire, cher ami, pour joindre ma colère à ton âpre satire.”

Mes outils de travail:

Pour écrire ce pastiche de de la troisième Satire de Juvénal, “les Embarras de Rome”, j’ai tout d’abord utilisé la traduction disponible en ligne sur le site de Philippe Remacle, traduction de Jules Lacroix. L’oeuvre originale étant en vers, et la traduction utilisée en alexandrins, j’ai décidé d’écrire en vers libre, me laissant plutôt porter par le rythme du texte et des mots que par une métrique précise ou une rime rigoureuse.
Grâce à l’outil statistique Voyant Tools, j’ai pu faire une rapide analyse lexicographique du texte latin. Le texte latin analysé provient de la Bibliotheca Augustana Latina.

Analyse par Voyant Tools de la Satire III de Juvénal
Analyse par Voyant Tools de la Satire III de Juvénal

On s’aperçoit vite que la langue de Juvénal est très expressive. La fréquence des pronoms exclamatifs et interrogatifs en témoigne. De manière générale, les indéfinis dominent dans la satire, pour donner au texte son adresse impersonnelle et générale: le nuage de mots met en relief “aliquid”, “nihil”, “nemo”. Au vu du sujet de mon propre pastiche, j’ai choisi d’ignorer la fréquence du mot “domus”: la satire porte en partie sur la vie domestique des Romains. Je m’intéressai plutôt aux questions de voirie et d’encombrement de l’espace public pendant les périodes de fête à Strasbourg (et de manière plus accessoire, à la diététique de la gastronomie alsacienne).
La satire se caractérise aussi ici par la forte présence de la deuxième personne: sur le plan de l’énonciation, cette satire est intéressante, car elle se présente comme un discours énoncé par un ami du satiriste. La première personne de l’auteur devient le deuxième personne, tandis que la troisième personne, “un ami”, devient la première personne.
En revanche, l’outil statistique a pour faiblesse principale de ne pas prendre en compte les déclinaisons des mots qu’il analyse. Le mots Roma et Romanus apparaissent 9 fois dans le corpus, soit autant que le quid central sur le nuage de mots, mais on ne le voit pas, car ses occurrences sont comptées séparément pour chaque forme. Il faut donc faire un petit travail de recherche dans le corpus pour voir de près ce qu’il en est vraiment. Petit travail rapide quand il s’agit d’étudier un mot, qui devient vite très fastidieux lorsqu’il faut traiter un champ lexical entier. Aussi digeste et léger qu’une choucroute.
Bon appétit!
Bon appétit!

About Perseus Digital Library

Perseus, c’est avant tout une base de données qui donne accès en ligne et gratuitement à des sources antiques, et un catalogue en ligne:

La page d'accueil...
La page d’accueil…
Et le catalogue.
…et le catalogue.

Une base de données et un outil de travail

Perseus, à mon niveau d’étudiante, c’est une base données pratique, accessible en ligne, gratuitement, comme en témoigne la licence Creative Commons. Pour les textes, le fichier XML est accessible, ouvert au téléchargement, afin de permettre une transmission facile du texte.
Capture d’écran 2015-11-09 à 22.01.38
L’interface fournit en plus des outils de travail pour exploiter directement le texte. A gauche et à droite du texte, des colonnes qui sont à première vue un peu envahissantes, avec un texte un peu écrasé au milieu dans l’espace restreint qui reste:

Un texte un peu écrasé dans une interface très inesthétique... Le fonctionnel prend le pas sur la présentation.
Un texte un peu écrasé dans une interface très inesthétique… Le fonctionnel prend le pas sur la présentation.

Dans la colonne de gauche, les catégories sous lesquelles le texte est classé dans cette bibliothèque en ligne, un accès au catalogue perseus, et surtout, la table des matières. Cette table des matières est pratique pour nous déplacer rapidement dans le texte, mais elle révèle aussi une restriction que Perseus impose à son lecteur: la lecture continue n’est pas possible dans un texte que l’on ne peut lire que par petits morceaux. Outre le sommaire à gauche, au-dessus du texte, en tête de page, se trouve un petit outil de navigation dans le texte, qui est représenté par une ligne, et chaque portion du texte (ou “card”) est représentée par un segment de la ligne, donnant ainsi un aperçu schématique de la totalité du texte qui permet de se représenter le volume de la card sur laquelle on travaille par rapport au tout.

Dans la colonne de droite, les outils de travail à proprement parler.Capture d’écran 2015-11-09 à 21.59.02
D’abord la possibilité de regarder en simultané “l’autre texte”, c’est-à-dire, si l’on travaille sur le texte grec, avoir la traduction en regard, ou si l’on consulte la traduction, avoir un aperçu du texte grec. Le tout avec la possibilité de passer de l’un à l’autre facilement, grâce au bouton “focus”.
Capture d’écran 2015-11-09 à 22.03.13
Ensuite une liste de référence, avec un lien direct si possible. Puis le très utile “vocabulary tool”, qui permet de produire rapidement des statistiques sur la portion de texte étudiée, et qui donne aussi un accès direct, pour chaque mot, à l’entrée correspondante du LSJ.
Capture d’écran 2015-11-09 à 22.00.13
Ensuite un outil de recherche dans le texte, pratique surtout dans la mesure où il permet de chercher un mot sous toutes ses formes déclinées ou conjuguées. Puis les outils de citation de la page, et enfin les options d’encodage de la page, pour faciliter la compatibilité avec tout navigateur.

En bref, cette base de donnée est dans l’ensemble pratique, de par son accessibilité, sa gratuité, et sa simplicité d’usage, avec les outils de base à disposition pour travailler directement sur le texte, ou l’exporter. Les textes ne se limitent d’ailleurs pas aux classiques latins et grecs de l’Antiquité, mais s’ouvrent aussi aux textes de la Renaissance, à des textes allemands et arabes. Quelques points négatifs malgré tout: la lecture continue est impossible, et la gratuité a pour revers la relative ancienneté des sources, afin qu’elles ne soient pas soumises à des droits d’auteurs, et elles sont donc éventuellement dépassées.
Capture d’écran 2015-11-09 à 22.04.23

Une base de données qui ne se limite pas aux textes

Outre les textes, la base de données donne accès à d’autres sources: architecturales, iconographiques, numismatiques, etc. Soit le document est disponible en ligne, consultable (mais pour la reproduction et l’exploitation de l’image, Perseus donne une procédure à suivre pour contacter directement le propriétaire de l’image et ne gère pas lui-même les autorisations), soit l’accès est restreint, mais la référence indique le lieu où se trouve la pièce recherchée et Perseus recommande de consulter les catalogues de l’établissement en question directement.
Capture d’écran 2015-11-09 à 22.38.05

Le paragraphe concernant les droits des images, suivi d'une liste des établissements à contacter pour toute demande de reproduction ou d'exploitation des images disponibles sur le site.
Le paragraphe concernant les droits des images, suivi d’une liste des établissements à contacter pour toute demande de reproduction ou d’exploitation des images disponibles sur le site.

Si le système semble avoir ses limites quant à la consultation des documents du fait de l’importance des droits sur les images, la base de données pour chaque type de sources est disponible et téléchargeable:
Capture d’écran 2015-11-09 à 22.38.44

Le catalogue en ligne

Le catalogue en ligne, quant à lui, revendique sa différence par rapport à d’autres bases de données comme le TLG, qui donne une édition de référence pour chaque texte, tandis que Perseus cherche à donner une vision d’ensemble des éditions ou travaux (“works”) disponibles pour chaque oeuvre. Dans les faits, selon l’auteur recherché (Aristophane dans mon cas), l’essentiel des références fournies sont tout de même celles du TLG.

La fourmilière des intelligences

“Humanités classiques et humanités numériques”, drôle de titre pour un master, ai-je pensé d’abord. La partie classique, je voyais bien ce que c’était: lettres classiques à l’ancienne, du latin, du grec, des vieux livres jaunis qui sentent la poussière et le papier sec, des manuscrits avec un peu de chance, et surtout de la littérature ancienne, avec ce qu’elle apporte de connaissances sur l’histoire et la culture de ces civilisations disparues dont nous sommes les héritiers.
Et le numérique dans tout ça? Les Classiques, ces “dinosaures”, auraient-ils décidé de se mettre à la modernité? Quelle hérésie!
Et pourquoi opposerait-on systématiquement le numérique, symbole par excellence du progrès contemporain, à l’archaïsme des antiquisants? A la réflexion, l’intitulé de ce master me semble d’abord un appel à reconsidérer ma définition de la discipline à laquelle je compte consacrer mes études. A 21 ans, je ne me sens pas un dinosaure, j’ai grandi avec ces “nouvelles” technologies. Ce sont des outils qui se sont développés et se développent encore, pourquoi les Classiques resteraient-ils à l’écart, quand leur champ de recherches pourrait s’en trouver transformé, renouvelé, élargi?
C’est à Victor Hugo que je pense en voyant l’intitulé du master:
“C’était pressentiment que la pensée humaine en changeant de forme allait changer de mode d’expression, que l’idée capitale de chaque génération ne s’écrirait plus avec la même matière et de la même façon, que le livre de pierre, si solide et si durable, allait faire place au livre de papier, plus solide et plus durable encore. (…)
L’invention de l’imprimerie est le plus grand événement de l’histoire. C’est la révolution mère. C’est le mode d’expression de l’humanité qui se renouvelle totalement, c’est la pensée humaine qui dépouille une forme et en revêt une autre, c’est le complet et définitif changement de peau de ce serpent symbolique qui, depuis Adam, représente l’intelligence.
Sous la forme imprimerie, la pensée est plus impérissable que jamais ; elle est volatile, insaisissable, indestructible. Elle se mêle à l’air. Du temps de l’architecture, elle se faisait montagne et s’emparait puissamment d’un siècle et d’un lieu. Maintenant elle se fait troupe d’oiseaux, s’éparpille aux quatre vents, et occupe à la fois tous les points de l’air et de l’espace.”
(Notre-Dame de Paris, livre V, chapitre II: Ceci tuera cela)
C’est ce que je ressens vis-à-vis du numérique en général. Une nouvelle mémoire, un nouveau mode d’expression de l’intelligence humaine, la disparition des filtres qui jusque là permettaient une sorte de sélection des données conservées. Sur le web, chaque mot, chaque image, et donc chaque pensée qui se cache derrière, est sauvegardé et conservé, et d’une manière ou d’une autre, accessible, indépendamment de la valeur de son contenu. J’y vois une nouvelle “fourmilière de l’intelligence”, pour reprendre la formule hugolienne.
Pour moi, cela signifie avant tout l’opportunité d’avoir accès aux données, aux textes, aux travaux qui me permettront de mener mes recherches à bien, et de disposer des outils pour les exploiter. Plus largement, les humanités numériques sont pour moi la question posée de la place de ma discipline, les lettres classiques, dans la quantité immense (infinie peut-être?) de données immatérielles qui circulent, et de la valeur qu’on leur accorde toujours dans ce cratère qui mêle indistinctement toutes les informations, en gommant les hiérarchies traditionnelles.

UU_Library