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. 

 

Les sens et la maternité dans l’Hécube d’Euripide

Mon mémoire de recherche de M2 s’intitule “Une approche sensorielle de la maternité dans les Troyennes, Hécube et Andromaque d’Euripide”. Il s’agit donc de s’intéresser à la question des sens dans un contexte de maternité, dans ces trois pièces qui mettent en scène deux figures maternelles majeures de l’œuvre d’Euripide: Andromaque et Hécube.

Définition du projet

Au premier semestre, dans le cadre du cours humanités numériques 3, nous avons appris à nous familiariser avec le langage R et l’interface de RStudio. C’est dans cette continuité que s’inscrit le projet personnel du cours humanités numériques 4, qui consiste à mener un travail en lien avec notre sujet de mémoire et les compétences acquises au premier semestre. Pour ma part, j’avais d’abord pour ambition de traiter l’ensemble de mon corpus, puis j’ai décidé de me focaliser uniquement sur la pièce Hécube.

L’une des questions que je me posais dans le cadre de mon mémoire était la suivante: le lexique des sens est-il davantage employé dans le contexte de la maternité, ou bien est-il spécifique aux textes et personnages d’Euripide de manière plus générale? Il me semblait que les outils à notre disposition me permettrait de tenter de répondre à cette question.

 

Préparation des données

Tout d’abord, j’ai récupéré le texte brut (plain text) dans la base de données de DraCor. Il a fallu ensuite vérifier qu’il n’y avait pas de différences majeures entre ce texte et celui dans l’édition Budé que j’utilise pour mon mémoire. Cette étape était un peu laborieuse, mais nécessaire, au final il y avait peu de différences (quelques δε parfois abréviés, parfois non selon l’édition…) 

Une fois le texte vérifié, j’ai fait le choix de le lemmatiser, afin que l’étude des termes soient plus pertinentes. J’ai utilisé le service de lemmatisation Deucalion, qui m’a fourni un tableau d’analyse de la totalité des mots de la pièce. Après diverses manipulations infructueuses j’ai finalement réussi à ne conserver que la colonne des lemmes, que j’ai enregistré dans un fichier .csv qui contient donc plus de 7000 termes.

 

Travail préalable

Afin de rechercher les termes en lien avec les sens dans la pièce Hécube, je me suis servie des passages que j’ai relevé pour mon mémoire, concernant les sens dans un contexte de maternité. J’ai relevé les termes précis (verbes et noms) en lien avec les sens et les ai copiés dans un fichier .txt, voici la liste:

Script R dans RStudio

J’ai ensuite crée un script dans RStudio, qui m’a permis de tester le document contenant le texte lemmatisé d’Hécube, afin de voir combien d’occurrences des termes liés aux sens et à la maternité l’on retrouve dans la pièce. Pour ce faire j’ai crée une boucle qui compte le nombre d’occurrences et l’ajoute à une liste si le terme a été trouvé au moins une fois. J’ai obtenu comme résultat le tableau suivant:

Interprétation des résultats

Nous pouvons maintenant interpréter ces résultats. Des verbes comme ὀράω, λαμβάνω, φέρω, πέμπω ou ἀκούω sont très fréquents dans la langue grecque, comme le substantif Χείρ, il n’est donc pas surprenant qu’ils apparaissent au moins une dizaine de fois, si ce n’est une vingtaine. En revanche, il est intéressant de voir que d’autres termes apparaissent très peu dans le reste de la pièce, ou même une seule fois. C’est le cas de κατοράω, τυφλοώ et ἔνυμνοσ pour la vue; ἀείρω, ἀναρπαστόσ et λούω pour le toucher; ou encore ὁδυρμοσ pour l’ouïe.

 

Conlusion

Grâce à ce résultat, nous pouvons conclure que, dans la pièce Hécube d’Euripide, les mots liés aux sens qui n’apparaissent qu’une seule fois, sont uniquement employé dans un contexte lié à la maternité et à la figure maternelle.

Pour aller plus loin…

Il serait intéressant, d’approfondir ce résultat, en regardant par exemple à quel moments du texte apparaissent les lemmes qui sont employés assez régulièrement dans la pièce, afin de voir ensuite, en contexte, s’il est possible de comparer cet emploi du lexique sensoriel avec l’emploi dans un contexte maternel.

L’usage des mots scatologiques dans l’œuvre d’Aristophane

Contexte et mise au point du projet

Mon mémoire portant sur l’injure scatologique chez Aristophane, le R semblait bien être un moyen de mettre en avant de façon pertinente certains aspects de mon texte.

Au départ, je voulais ainsi analyser et étudier de nombreux éléments : les fréquences des mots scatologiques, leur répartition par vers dans les pièces, leur nombre d’utilisation, le pourcentage d’insultes scatologiques au sein de toutes les insultes d’Aristophane, voir si on pouvait prédire

Finalement, après de nombreux écrémages, j’ai décidé de m’intéresser, dans toutes les pièces : 

  • au nombre de mots scatologiques
  • à leur fréquence
  • aux endroits de la pièce où ils apparaissent (à quels vers)

Et, pour mon corpus spécifiquement (Les femmes à l’Assemblée, les Cavaliers, les Nuées, la Paix), j’ai décidé de voir plus en détail :

  • les mots à caractère insultant (ou plutôt, d'”exposure” = mettre à nu une personne, l’humilier publiquement)
  • ceux qui dévalorisent leur locuteur.

Préparation des données

Pour ce faire, il a fallu d’abord faire du repérage dans les 11 pièces d’Aristophane pour trouver les mots à caractère scatologique : entre recherches dans le dictionnaire, lectures des oeuvres et de certains critiques, d’autres mots se sont ajoutés grâce aux recherches dans les textes-mêmes lors des corrections des lemmatisations (dont nous reparlerons ci-après).

Au total, c’est 76 mots qui se répartissent dans un tableau csv dont voici un aperçu (les valeurs numériques et la traduction correspondent à un point du mémoire qui n’est pas nécessaire pour ce tableau) :

 

Pour que cela soit utile, il faut ensuite lemmatiser les différents textes afin de pouvoir faire des recherches rigoureuses des différents mots qui nous intéressent. On doit donc prendre toutes les pièces d’Aristophane en xml sur le projet Perseus. En ne gardant du xml que les numéros de lignes et les vers, mis en plain text après diverses manipulations sur Visual Studio, on peut lemmatiser le texte sur Deucalion. 

Une fois ceci fait, il faut corriger les lemmes grâce à Pyrrha : les mots scatologiques sont rares et donc assez mal analysés pour certains, notamment les verbes qui se trouvent assimilés à d’autres : la recherche permet même d’identifier de nouveaux mots scatologiques que je ne connaissais pas. Cela fait donc une première série de 11 textes lemmatisés.

Le problème réside maintenant dans le fait qu’on a alors une analyse uniquement lemme par lemme. Si cela nous sera utile également, notre but est d’avoir aussi une analyse vers par vers pour des statistiques plus poussées dans chaque pièce. Grâce à un programme en R réalisé avec l’aide de M. Berra, on peut alors mettre ensemble les lemmes pour les grouper en vers derrière leur numéro dans un tableau csv. On a donc 11 nouveaux fichiers prêts à être utilisés. Par exemple, pour les oiseaux, le fichier ressemble à ça :

 

Méthodes d’analyses et résultats

Maintenant, on utilise un fichier R dans lequel on programme différentes parties : 

  • La première phase, d’initialisation, dans laquelle on programme les différentes fonctions et convoque les différents textes
  • La deuxième phase, de statistiques et de décomptes (combien de fois prononce-t-on de mots scatologiques ?)
  • La troisième phase, de distribution par mot
  • La quatrième phase, de distribution par vers
  • La cinquième et dernière phase, qui permet de définir si les mots sont des insultes ou non, et, si oui, si elles dévalorisent leur locuteur ou non.

Ainsi, avec la première partie, on crée les différentes variables de textes qu’on nettoie de toutes les dernières impuretés tout en mettant le tout sous forme de dataframe. On met aussi sous forme de dataframe la liste des lemmes scatologiques afin de les comparer aux textes.

Avec la deuxième partie, on obtient des décomptes sur les différents textes du nombre de mots scatologiques : on peut ainsi obtenir un tableau par pièce, trié de la plus forte occurrence à la plus faible. On rajoute également une ligne “TOTAL” au bout. 

On en fait également un général, dans lequel on voit le décompte total des mots de ce type chez Aristophane, et un général axé davantage sur les 4 pièces de mon corpus. Voici un aperçu du tableau des pièces de mon corpus, à savoir qu’il y a en tout, sur 217 mots scatologiques au total dans les 11 pièces, 124 mots de ce type dans ces 4 pièces.

On peut donc voir ici que dans mon corpus, le mot qui ressort le plus est πρωκτός qui signifie simplement “cul”, tandis que les verbes les plus employés sont χέζω (chier) et πέρδομαι (péter). On peut déjà déceler la première insulte directe qui est également la plus employée dans ce registre: εὐρύπρωκτος (enculé / large-cul). 

 

La troisième partie nous permet d’obtenir des résultats bien utiles également : l’ordre d’apparition des mots scatologiques et leur place précise dans le texte. Cela fonctionne exactement comme la partie suivante, mais nous est moins intéressant, donc on détaillera la méthode avec cette dernière. Cette partie était un premier essai, et se fait remplacer complètement en réalité par la quatrième. Cependant, elle a permis d’obtenir un tableau isolant les lemmes dans l’ordre, ce qui reste pratique.

La quatrième partie nous donne une représentation graphique des différentes occurrences scatologiques dans une pièce : c’est un graphique de distribution.

Pour obtenir ces résultats, on demande au programme de comparer les textes lemmatisés par ligne avec la liste des lemmes scatologiques trouvés. On ajoute à la dataframe la colonne “scat”, qui prend la valeur “1” si un des mots du vers au moins est dans la liste, et “0” autrement. Ensuite il suffit de regrouper dans deux variables les données obtenues : la première en ne conservant que les lignes ayant pris la valeur “1” dans la colonne “scat” (afin de faire un tableau permettant de voir toutes les occurrences par ligne dans l’ordre, sans s’embarrasser de lignes non-scatologiques), et la deuxième contenant toutes les données afin de permettre la visualisation : chaque vers où la valeur “scat” est 0 est donc représentée par du vide, et chaque vers où elle est égale à 1 se voit représenté par une barre. Ainsi on peut facilement identifier le profil d’une pièce, déceler les clusters scatologiques dans la pièce et au contraire les moments où ces motifs sont totalement absents.

Voici l’exemple de ce qu’on obtient pour la Paix :

Dans l’exemple ci-dessus, on peut expliquer aisément le cluster de début : c’est le bousier qui est à Athènes et qui dévore des galettes d’excréments servies par des koprologoi, et la situation, qui est “merdique”, est relatée par Trygée et ses esclaves. De plus, pour préparer son envol vers l’Olympe, il a besoin que chacun “ferme son anus” pour éviter que le bousier ne veuille redescendre sur terre. La seule occurrence scatologique entre les vers 200 et 700 environ vient du choeur qui se dit “péter de joie”, ce qui le dégrade quelque peu et le rend grossier et ridicule certes, mais marque une seule occurrence, anomalie, dans ce passage chez les dieux, marqué bien davantage par des plaisanteries positives autour de la sexualité (puisque la sexualité engendre, là où l’excrément est pure excrétion de matière morte et digérée). Ensuite, le retour de ces motifs provient du retour sur terre, puis le nouveau cluster est l’utilisation abusive par Trygée de la scatologie pour dégrader la guerre : faire d’une armure des toilettes notamment. Il est donc aisé de voir les schémas de la pièce et l’utilité des motifs scatologiques pour l’intrigue via ces graphiques.

 

Enfin, la cinquième phase permet d’obtenir trois données : ceux qui sont visés par des insultes dans les pièces (et donc, s’il s’agit d’insulte ou non), s’il s’agit d’auto-dérision ou non, et qui prononce le plus de propos scatologiques. Il suffit pour cela de regarder les textes directement afin d’avoir le contexte, et d’ajouter des colonnes supplémentaires aux dataframes ne conservant que les occurrences scatologiques de la distribution par vers. 

Ici par exemple, on voit que sur les 127 lemmes scatologiques relevés dans les pièces qui nous intéressent, 121 sont utilisés de façon dégradante, 90 “exposent” quelqu’un d’autre que le locuteur, et 31 sont employés afin de se moquer de la personne qui parle.

Conclusion

Ces données sont donc précieuses pour analyser le fonctionnement de l’insulte scatologique dans l’oeuvre d’Aristophane. Elles m’ont permis de découvrir des aspects de mon corpus, de mettre en lumière facilement les choses qui m’intéressaient, et me permettront d’illustrer mon mémoire et de nourrir sa réflexion.

 

Projet personnel : encodage numérique d’un manuscrit des Variae de Cassiodore

Mon mémoire de recherche de M2 consiste en la transcription d’un manuscrit portant une leçon du livre II des Variae de Cassiodore. Afin que ce projet numérique me soit le plus utile, j’avais d’abord songé à élaborer un code qui m’aurait permis de relever les différences entre ma transcription et le texte qui me sert de référence, celui de l’édition de Mommsen. Cette entreprise, se révélant trop importante en termes de charge de travail, et dont l’efficacité des résultats aurait été de surcroît incertaine, j’ai finalement opté pour un projet plus simple et plus accessible.

 Mon projet a donc consisté, sur suggestion de Monsieur Berra, à transcrire de façon numérique le manuscrit. En effet, mon intention initiale étant de reporter les notes d’apparat critique indiquant les variantes d’une leçon à l’autre en bas de page, il a paru plus commode d’utiliser à cette fin le langage XML, et plus particulièrement la convention TEI, qui permet de générer automatiquement un apparat à partir des variantes encodées à même le texte. 

Pour ce faire, ainsi qu’il a été convenu dans le cadre de mon mémoire, j’ai pris pour base le texte de Mommsen. Afin de pallier l’impossibilité de le copier-coller, je me suis rabattu sur le texte de la Bibliotheca Augustana. Il a fallu ensuite procéder à une lecture comparée pour m’assurer que le texte copié était bien conforme au texte de référence de Mommsen. A l’issue de cette étape, j’avais donc concrètement sur un fichier Word, le texte de référence d’un côté, et le texte issu de ma transcription du manuscrit, de l’autre côté.

L’étape suivante fut celle de l’encodage, que j’ai pu réaliser, grâce à l’aide de Monsieur Berra, directement dans l’interface du logiciel Oxygen. Ce logiciel est celui recommandé par le projet DARIAH Teach, dont les guides vidéos me furent utiles dans cette entreprise. Ce projet, qui nous fut présenté dans le cadre du premier semestre du master afin de nous aider à concevoir un début d’édition critique numérique, a été, cette fois encore, ma principale ressource, afin de me remémorer les bases du langage XML et de la convention TEI. Les guides m’instruisirent sur la procédure à suivre, consistant à baliser le texte de référence afin d’y incorporer les variantes que présente le texte du manuscrit que j’ai transcrit. Il s’agit ensuite, pour chacun des mots qui varient d’une source à l’autre, de faire bon usage des balises <app> (pour apparatus), <lem> (pour lemma), <rdg> (pour reading), et <wit> (pour witness). Ces balises ont suffi à indiquer si un mot ou un groupe de mot a manqué, a été ajouté, modifié, ou bien déplacé d’une source à l’autre. 

Pour intégrer ce travail à mon mémoire, j’escomptais « transformer » le code en fichier PDF. Or, l’exécution des scripts XSLT de la TEI, intégrés à Oxygen, qui m’aurait permis de rendre possible cette conversion, ne semblait pas être compatible avec les notes de bas de page sous la forme desquels se présente l’apparat critique. Afin de générer le fichier PDF final, j’ai donc été contraint de passer par la Critical Edition Toolbox, une option alternative qui me permit d’obtenir le même résultat.

A cette contrainte vient également s’ajouter le fait que certaines informations ne s’affichent pas exactement de la meilleure des façons, bien qu’il semblerait que ces contraintes ne soient pas nécessairement imputables au fait que l’édition soit numérique. A titre d’exemple, un ajout du manuscrit transcrit par rapport au texte de base sera traduit dans l’apparat par un espace seul suivi d’un crochet puis de la leçon, rendant impossible en pratique de déduire où cet ajout se situe, sans autre indice que le numéro de la ligne de l’ajout. Fournir automatiquement davantage de contexte, par exemple en indiquant entre quels mots l’ajout se situe, aurait été bienvenu. Mais c’est un problème que l’on peut facilement contourner manuellement, en encodant les mots entre lesquels l’ajout se trouve, plutôt que d’encoder l’espace situé entre ces mots.

De plus, l’encodage en XML ne semble pas être « nativement » adapté à la nuance lors de la saisie des variantes. On peut rappeler que l’apparat critique ne se limite pas en temps normal à indiquer telle ou telle leçon, mais peut aussi préciser le degré de certitude de cette leçon, notamment grâce à l’emploi de mots latins venant la moduler. Or, la balise <rdg> ne semble être optimisée que pour accueillir la leçon brute sans aucun complément, ce qui est regrettable. Encore une fois, ce problème peut être contourné en explorant les options de personnalisation d’impression proposées par la Critical Edition Toolbox.

A noter enfin qu’il semble également être impossible d’user d’exposants dans Oxygen (du moins n’y suis-je pour ma part pas parvenu), dont l’utilisation aurait pu s’avérer utile pour noter Qa ou Q1. Plusieurs mains étant intervenues lors de la copie du manuscrit, ces notations permettent d’en rendre compte. Ainsi, lorsqu’un mot a été écrit puis corrigé par le scribe principal, Q1 aurait signalé ce qu’il avait écrit dans un premier temps, et Q2 aurait indiqué la version révisée par lui-même. Dans le cas d’une correction apportée par un tiers, QA aurait indiqué la version du scribe premier, et QB, la version corrigée par cet autre scribe. On se limitera donc, dans un premier temps, à les noter QA et Q1. Si ces imperfections persistent, on pourra éventuellement chercher à les corriger manuellement à l’aide d’un éditeur de fichiers PDF.

La figure du dieu Hermès dans l’Hymne Homérique à Hermès

Le projet de ce deuxième semestre a eu pour but d’étudier la figure du dieu Hermès dans l’Hymne Homérique à Hermès et plus précisément de répondre à la problématique: comment le poète montre-t-il à travers l’Hymne Homérique à Hermès la légitimité, la détermination et la puissance du dieu Hermès ? Ce projet est directement lié à mon sujet de mémoire de recherche. 

 

La première difficulté que j’ai pu rencontrer a été de définir le corpus sur lequel j’allais réaliser mon projet numérique. En effet, le corpus de mon mémoire a évolué à cause de mon plan qui n’était pas cohérent. Mon sujet qui comportait au départ les Odes d’Horace et l’Hymne Homérique à Hermès s’est réduit en cours de route. J’ai dû ainsi changer plusieurs fois mon projet, ce qui a retardé plusieurs fois son démarrage. De la même manière, j’ai dû changer mon axe de lecture en étudiant la figure d’Hermès en générale et non les trois confrontations verbales d’Hermès seulement.

J’ai commencé par collecter les données de mon corpus à l’aide du site Perseus Digital Library. J’ai aussi récupéré des listes de mots positifs et négatifs sur deux projets GitHub publics. J’ai également créé un projet GitHub pour partager tous les fichiers liés à mon projet (données, scripts R et site web).

Grâce à Voyant Tools, j’ai pu analyser les différentes fréquences des termes les plus importants du corpus et caractériser ainsi plus la figure du dieu Hermès et sa divinité. La divinité d’Hermès passe notamment par l’obtention de ses timai et l’origine divine avec ses deux parents immortels. Hermès est le dernier né des dieux et doit obtenir sa place parmi les Olympiens. L’obtention des timai est rendue possible grâce à la querelle avec Apollon et le vol des bœufs.

 



J’ai créé des scripts R pour montrer la dualité du dieu Hermès qui est à la fois une figure bienveillante et malveillante. J’ai tout d’abord lemmatiser mon corpus avec Deucalion. À partir du résultat obtenu et de mon corpus, j’ai effectué différents traitements algorithmiques afin d’obtenir le nombre d’occurrences de chaque mot négatif et positif du corpus. J’ai conclu mon analyse en dessinant des graphiques sur les mots négatifs et positifs les plus présents.

 



Enfin, j’ai décidé d’exposer les résultats du projet sur un site web que j’ai créé en utilisant les langages HTML et CSS. Le projet étant stocké sur GitHub, j’ai pu utiliser Github Pages pour le déployer en ligne, ce qui permet de le consulter facilement en utilisant un URL.


Liens importants de mon projet:
GitHub: https://github.com/marinettevolte/projet-hn4
Site web : https://marinettevolte.github.io/projet-hn4/hn4/src/web/index.html

Projet personnel : traduction de l’Ars rhetorica de Consultus Fortunatianus

 Au cours de cette deuxième année de master d’humanités classiques et numériques, je traduis un manuel de rhétorique du IV-Ve siècle,  un Ars rhetorica, d’un auteur connu seulement par ce texte : Consultus Fortunatianus. L’ars n’a pas été traduit en français et les traductions qui ont été entreprises sont anglaises ou italiennes. L’édition italienne, réalisée en 1979 par Lucia Calboli Montefusco, est celle de référence, et améliore celle de Karl Halm, datant de 1863, qui regroupait l’ars de Consultus Fortunatianus avec d’autres textes rhétoriques de l’Antiquité tardive (IIIe, IVe, Ve, siècles), sous le titre de Rhetores latini minores.

Le cours d’humanités numériques m’a fourni les outils nécessaires pour approcher de manière globale le texte. En effet, à l’aide de Rstudio et des codes utilisés au premier semestre, j’ai d’abord pu comparer l’édition la plus récente avec l’édition allemande, puis j’ai pu donner une représentation graphique de la composition du traité selon chaque partie, et enfin, je suis parvenu à isoler quelques informations générales sur le lexique latin et le lexique grec. Ces informations viendront enrichir la partie commentée de mon mémoire et faciliter, je l’espère, la lecture et l’analyse du traité.

La première étape du travail a consisté dans la correction du texte numérisé automatiquement de l’édition de Halm afin de pouvoir la comparer avec la version en ligne de l’édition de L. Calboli Montefusco. Face à l’efficacité partielle de cette numérisation OCR et de celles des autres textes de l’édition allemande, j’ai finalement abandonné l’idée de comparer mon traité avec le reste du corpus des Rhetores latini minores afin de me concentrer sur la correction de ces deux versions du même texte. À la suite de cette relecture, j’ai pu obtenir une visualisation des différences entre les deux textes grâce au package diffObj de Rstudio. Il s’agit d’une fonction me permettant de comparer facilement les variantes entre ces deux éditions. Cette visualisation place côte à côte les deux textes et surligne les différences. Dans la capture d’écran ci-dessous on voit par exemple, en bleu, un passage surligné et rétabli par L. Calboli Montefusco et qui ne figurait pas chez Halm :

Une fois ces corrections faites et grâce à une méthode suggérée par M. Berra, j’ai isolé le lexique grec au moyen d’une expression régulière et en utilisant les références des plages Unicode pour ne sélectionner que les caractères grecs dans mon texte latin. Après n’avoir gardé que les mots pertinents en appliquant les “stopwords” de l’espace partagé, je suis arrivé à cette représentation graphique de la répartition des mots grecs dans le traité :

Concernant le texte latin, j’ai recouru à l’outil de lemmatisation en ligne de l’école des Chartes, afin d’avoir une liste la plus pertinente possible des 20 mots les plus fréquents du traité, on l’on voit déjà la prépondérance de termes techniques et d’un lexique propre à la rhétorique (narratio, persona, oratio, status…) :

Le traité se présente sous une forme particulière : la forme catéchétique, c’est-à-dire une suite de questions et de réponses, ces dernières constituant la leçon à retenir. Afin d’illustrer ce contenu professoral, les réponses contiennent des citations qui font références à des exemples de cas judiciaires fictifs que les élèves devaient connaître et avec lesquels ils s’exerçaient. Les expressions régulières ont isolé ces différentes catégories de discours de manière à ce que j’obtienne une représentation graphique de leur importance en fonction du pourcentage de mots.

C’est au cours de cette manipulation du corpus que j’ai aussi représenté graphiquement le pourcentage du nombre de mots pour chacune des parties. En effet, les traités de cette époque sont considérés comme plus abondants au sujet de l’inventio (trouver le contenu adéquat selon les règles) et moins de l’actio (la parole et la gestuelle), puisque l’inventio correspondait plus aux connaissances théoriques notamment utiles dans les procès. Cette considération se confirme dans notre cas, car seul le dernier livre aborde des parties autres que l’inventio comme la dispositio (l’ordre du discours), l’elocutio (le style) ou l’actio (la parole et la gestuelle) :

Le traitement informatique du corpus m’a donc offert du recul sur l’édition de référence tout en me fournissant des éléments factuels sur mon texte. Bien que je n’aie pas utilisé les fonctionnalités les plus complexes offertes par le langage R comme les codes de stylométrie, les outils utilisés ici comme la représentation en histogrammes de la fréquence ou de la distribution m’ont semblé pertinents pour m’aider dans le commentaire de cette Ars rhetorica et afin de procurer à mon lecteur une vision d’ensemble de la composition du traité.

Résumés des projets personnels

Les présentations qui suivent se fondent sur les matériaux rédigés par les étudiantes et étudiants du master pour évoquer l’avancement de leur travail dans le cadre du cours « Humanités numériques 4 » – avant l’achèvement printanier des mémoires de recherche.


Olivier Bailly : rire et sourire dans les épopées homériques

Le projet a consisté à recenser les occurrences des mots signifiant le rire et le sourire dans l’Iliade et l’Odyssée pour voir ce que cela pouvait nous apprendre ou nous suggérer sur ce que représentent ces mouvements visibles du visage sur les sentiments, la religion, la société grecques archaïques. Chez Homère, rire et sourire sont-ils deux choses profondément distinctes ou y a-t-il à travers les mots entourant les verbes (adjectifs, adverbes, compléments) une gradation qui permet de passer par étape du sourire le plus discret au rire inextinguible ? Question connexe : si rire et sourire correspondent à deux réalités différentes, sont-ils l’apanage de personnages distincts, ou touchent-ils indistinctement tous les personnages ?

Les mots du champ ont été déterminés et étudiés (morphologie et étymologie) à partir des dictionnaires usuels : γελᾱν (gelan, « rire »), le moins connu κανχαζεῐν (kankhazein, « rire aux éclats ») et μειδᾱν (meidan, « sourire »). Puis on a extrait du Thesaurus Linguae Graecae (TLG) les occurrences, soit 68 occurrences au total – 35 pour gelan et gelos, 28 pour meidan et 5 pour kankhazein –, concentrées dans 11 passages. Les tableaux statistiques ont permis de visualiser la répartition des lemmes par chant pour chaque œuvre.

Chacun de ces passages a été traduit et analysé en suivant une liste de questions : qui rit ou sourit (immortel/immortelle, homme/femme, autre) ? de qui rit-on ou sourit-on (immortel/immortelle, homme/femme, non précisé) ? quelle est la cause de ce rire ou sourire ?

Parmi les remarques intéressantes, notons que l’on observe peu de relations dans ce domaine entre mortels et immortels : chaque groupe rit en son sein, il n’y a pas de rire des uns vis-à-vis des autres.

Maria Constantinou : les mises en scènes contemporaines des drames satyriques grecs

Le projet réalisé pour le cours de ce semestre était directement lié à mon mémoire de recherche de master 2 en Humanités classiques et numériques. Comme ce dernier porte sur la réception contemporaine du drame satyrique, et plus précisément sur des mises en scène récentes des pièces Le Cyclope d’Euripide et Les Limiers de Sophocle, des éléments non textuels concernant les mises en scène étudiées constituent un complément indispensable à la forme écrite de mon mémoire. Ainsi, le cours d’humanités numériques a constitué un cadre pour développer un site Web qui servira de lieu d’exposition et de partage en ligne de ces éléments.

Plusieurs solutions d’exposition en ligne ont été envisagées au début du semestre. Les principaux critères de choix étaient la facilité de manipulation de l’interface, la possibilité d’y exposer des vidéos, et la possibilité d’un hébergement gratuit du site. La plateforme qui s’est avérée le plus adaptée pour cet usage était GitHub Pages. Il s’agit d’un outil qui permet de transformer de façon simple un entrepôt GitHub en site Web, tout en offrant un hébergement gratuit.

Grâce à GitHub et GitHub Pages, j’ai pu travailler dans un langage simple sur des fichiers en Markdown et en HTML, bénéficier des modifications et corrections de M. Berra directement dans l’entrepôt partagé, et même éviter les effets des mauvaises manipulations grâce au versionnage qu’offre GitHub.

Le seul désavantage de ce choix était l’obligation de faire un site public : il a donc fallu être prudente avec le matériel que je voulais exposer et dont je ne disposais pas des droits. Dans les cas où il a été impossible d’obtenir l’accord des artistes ou institutions concernées, j’ai dû renoncer à partager une partie des éléments en question.

À présent, le site se trouve en ligne à l’adresse suivante : https://mc1897.github.io/Drame-satyrique-site2/. Il s’agit d’une première version qui donne un aperçu du thème de mon mémoire et des trois mises en scène étudiées, avec pour chacune des productions quelques photos, des vidéos, la liste des créateurs et une brève présentation. Le site pourra être amélioré et enrichi au fur et à mesure, afin de constituer un complément numérique au mémoire de recherche final.

Chloé Jager-Guyennot : discours et narration dans l’Hymne homérique à Déméter et le De raptu Proserpinae de Claudien

Pour mon mémoire de M2, je compare le mythe de Perséphone à travers une œuvre archaïque grecque, l’Hymne homérique à Déméter, et une œuvre latine tardive, le De raptu Proserpinae de Claudien. Dans le cadre du projet personnel du cours d’humanités numériques 4, j’ai donc voulu continuer mes recherches sur ce corpus.

Mon idée première était de chercher les occurrences nominatives se rapportant à Perséphone/Proserpine et Déméter/Cérès. Pour cela j’avais réalisé un premier script en R, qui permettait d’isoler ces différentes occurrences. Après ces premiers résultats, il m’avait semblée pertinent de lemmatiser le corpus afin de pouvoir étendre mes recherches aux épithètes et autres périphrases qualifiant nos deux déesses. Cependant, à cause de problèmes techniques récurrents, notamment mon impossibilité à ouvrir RStudio, mon projet a pris une autre tournure.

En effet, au fil de mes recherches il m’a semblé plus pertinent de me concentrer sur la répartition entre narration et discours dans les deux œuvres, puis sur la répartition du discours entre les différents personnages. J’ai pour cela utilisé Excel – l’un des seuls logiciels que mon ordinateur continuait à ouvrir – afin de réaliser des tableaux et des graphiques, comme vous pouvez le voir sur l’image ci-dessous.

J’ai réalisé un premier tableau dans lequel j’ai annoté la narration et le discours, pour pouvoir ensuite extraire uniquement les passages concernant le discours. Ici, ce sont les tableaux concernant la répartition du discours dans les trois livres qui constituent le De raptu Proserpinae de Claudien. Ces tableaux permettent de voir qui parle et sur combien de vers. On peut notamment remarquer que Cérès assure à elle seule quasiment la moitié du discours du livre III, alors qu’elle ne prend pas la parole dans le livre II, et uniquement sur six vers dans le livre I. J’ai réalisé ce même type de graphique pour l’ensemble du DRP (sans faire de distinction entre les livres) et l’Hymne homérique à Déméter. Pour le DRP, dans sa totalité, les graphiques montrent que Jupiter et Hadès possèdent la même répartition du discours, soit 13 % chacun. Pour l’hymne, Déméter et Perséphone assurent à elles deux la moitié des prises de parole. J’ai ensuite réalisé un graphique croisé dynamique qui me permet de voir qui parle, à qui, et sur combien de vers. L’avantage de ce graphique est qu’il est modulable, par exemple selon le personnage sur lequel on veut se focaliser.

Pour conclure, bien que je n’aie pu utiliser les logiciels que nous avons étudiés au fils des semestres du master, j’obtiens tout de même des résultats satisfaisants et exploitables pour mon mémoire. J’aurais pu parvenir au même résultat en utilisant dans RStudio des fichiers CSV et le package esquisser pour créer des graphiques avec ggplot, et aller encore plus loin dans mes analyses avec des calculs d’écarts-types par exemple.

Tableaux et graphiques sur la répartition du discours dans le De Raptu Proserpinae de Claudien

Thierry Michel : lemmatisation et analyse textuelle des épigrammes de Geoffroy de Winchester

Dans le cadre de mon mémoire de traduction des Epigrammata de Geoffroy de Winchester, mémoire commencé en master 1, j’ai souhaité entreprendre la lemmatisation de ce recueil afin de me faire une idée chiffrée de la fréquence des termes et des lemmes. Le but était de collecter des données exploitables pour mon mémoire.

Ce recueil est composé de 238 épigrammes. Ces proverbia sont en distiques élégiaques, précédés d’un titre, et la longueur des poèmes progresse au fil des livres : (1 à 102) un distique, (102 à 198) deux distiques, etc., jusqu’à 9 distiques (238). La difficulté pour se procurer les sources matérielles est telle (l’œuvre a été écrite entre la fin du xiᵉ siècle et le début du xiiiᵉ siècle) que ce mémoire de traduction s’effectue à partir de sources numériques.

Après un léger nettoyage de données non essentielles comme la numérotation des épigrammes, j’ai utilisé l’add-on split-diff d’Atom, qui m’a permis de voir les différentes variantes entre les deux textes de référence. L’excellente fonctionnalité et la simplicité d’utilisation de cet add-on donnent en quelques clics et de manière très claire les variantes entre différentes sources. Les lignes surlignées désignent une variation du texte, les mots qui diffèrent sont mis en surbrillance.

La seule divergence entre les textes sources de la Latin Library et de la Bibliotheca Augustana se situe au niveau des digrammes soudés oe/œ et ae/æ : dans la version de la Latin Library on remarque que ce digramme est noté ú (p. ex. LL Alphesibúus = BA Alphesibœus). J’ai ainsi choisi le texte de la Bibliotheca Augustana comme source de référence pour la lemmatisation.

La seconde étape fut donc la lemmatisation et pour cela j’ai utilisé le service Pyrrha en ligne. J’ai copié le texte de la Bibliotheca Augustana dans la partie prévue à cet effet. Une fois le texte copié dans Pyrrha, l’application intégrée Deucalion fait le reste.

La troisième étape a été de traiter cette lemmatisation avec l’aide d’Atom pour ne garder que les lemmes.

L’étape suivante a consisté à isoler les lemmes et à les vérifier. L’étape de vérification fut assez longue car les nombreux jeux de mots sur les noms propres additionnés aux quelques formes non classiques m’ont obligé à contrôler l’ensemble de la lemmatisation. Après plusieurs relectures j’obtiens enfin un fichier lemmatisé optimal. Ce fichier créé, j’ai pu passer à la création des graphiques en vue de l’analyse sémantique et thématique.

Pour créer des graphiques, le traitement de ces informations a été réalisé en R avec l’aide du logiciel R Studio. J’ai utilisé un script de calcul de fréquences que nous avons vu au premier semestre afin de créer plusieurs graphiques.

Après avoir rentré le texte et un fichier de stopwords, j’ai pu obtenir un tableau des vingt termes les plus fréquents.

La fréquence des termes ne constitue pas une surprise et représente bien cette littérature de sagesse médiévale héritée de l’antiquité, une sorte d’enseignement à parfaire son être et son genre de vie. Le terme le plus fréquent, vitium, est en effet très courant dans l’œuvre, l’auteur invite souvent son personnage conceptuel à se débarrasser de ses vices. Parum est aussi un des termes qui revient souvent, il souligne le manque de quelque chose ou le peu de chose que l’on peut retirer de quelque chose, dans des formules telles que parum prodest, parum proficit. Les termes sapiens, mores sont des incontournables dans ce genre littéraire.

J’ai ensuite créé l’histogramme des lemmes de manière à le comparer à celui du texte et à mes impressions de lecture. Les deux premiers lemmes, facio (faire) et uolo (vouloir), sont bien ceux qui ressortent le plus dans l’impression de lecture, en effet l’auteur invite sans cesse à agir mais aussi à vouloir. Les verbes do (donner) et amo (aimer) sont aussi au cœur du propos de l’auteur ; ne pas donner pour recevoir ou aimer pour être aimé sont des consignes récurrentes. Nous retrouvons aussi dans ce classement les lemmes honor et vitium, ils sont souvent liés dans les épigrammes puisque le défaut d’honneur est souvent attaché à la présence d’un ou plusieurs vices et inversement la virtus (vertu) ne discrédite personne. Enfin l’amitié est une thématique forte et l’amicus est très prisé.

Ce second graphique confirme les résultats de l’histogramme des termes et mes impressions de lecture, nous retrouvons dans ces deux représentations les mêmes données. En effet, on a dans les Epigrammata une morale qui ne renvoie jamais aux préceptes évangéliques même si certaines épigrammes peuvent être tirées dans un sens chrétien, en réalité la morale est plutôt ici de type stoïcienne sans que bien sûr il n’y ait de contradiction véritable avec la morale chrétienne.

Pour finir et pour illustrer ces résultats j’ai réalisé un nuage des mots les plus fréquents des Epigrammata.

En conclusion, ce travail numérique très utile va me permettre d’aborder de manière chiffrée et imagée tout un pan de l’œuvre. Il me servira aussi à étayer les analyses sémantiques et thématiques qui figureront dans l’introduction du second volet de mon mémoire.

Nadine Rakofsky : les secrets dans les Métamorphoses d’Ovide

Mon travail, qui concerne les Métamorphoses d’Ovide, comprend deux parties.

La première, réalisée principalement l’an dernier, concerne le genre d’Iphis, personnage ovidien né(e) fille, travesti(e) en garçon par sa mère et transformé(e) en homme par la déesse Isis, juste avant son mariage. Une analyse comparative des discours des personnages a nécessité la création de plusieurs outils. À l’aide du logiciel Oxygen, j’ai ajouté au fichier TEI des quinze livres des Métamorphoses disponible en ligne sur l’entrepôt GitHub de Perseus des balises indiquant les noms des personnages qui s’expriment, ainsi que les types de textes (narratif, discours direct, plaidoirie). Cela m’a permis de générer avec mon script un fichier CSV qui a recueilli les noms des personnages contenus dans les balises ; je l’ai ensuite complété manuellement avec les attributs du sexe (féminin, masculin) et de la nature des personnages (dieu, divinité secondaire, humain, créature, animal), pour remplir un grand tableau (tibble) reprenant le texte – lemmatisé et non lemmatisé – des quinze livres des Métamorphoses et précisant pour chaque passage le type de discours, le numéro du livre, les numéros de début et de fin de vers, le personnage qui parle, son sexe et sa nature. À partir du tibble, j’ai procédé à diverses analyses textuelles telles que la stylométrie et la recherche des occurrences fréquentes de mots chez les hommes et les femmes.

Le travail de cette année a concerné les secrets dans les Métamorphoses : j’ai cherché à savoir qui cache quoi et à qui.

Je suis partie de la grille d’analyse d’André Petitat, un sociologue qui s’est intéressé aux formes des secrets, en particulier dans les contes. Il les classe selon trois axes : l’axe « pensées et sentiments cachés/montrés », l’axe « avec/sans expression de fausses pensées » et l’axe « avec respect/transgression des conventions » ; le croisement des pôles de ces axes donne huit possibilités, que Petitat classe selon une progression qui va du pôle de la méfiance (pensées et sentiments cachés avec expression de fausses pensées et transgression) au pôle de la confiance (pensées et sentiments montrés sans expression de fausses pensées avec respect des conventions).

J’ai d’abord enregistré dans un fichier CSV les principaux liens de secrets que je relevais dans les livres I à X des Métamorphoses, en précisant chaque fois l’auteur du secret, son destinataire, le livre et les vers qui le contenaient et en assignant les attributs issus des axes énoncés par André Petitat. J’ai ensuite ajouté au fichier CSV de personnages créé l’an dernier les personnages impliqués dans les secrets qui ne s’y trouvaient pas encore, en précisant les attributs de sexe (féminin, masculin) et nature (dieu, divinité secondaire, humain). Le fichier des personnages et celui des secrets ont alors été réunis dans un tibble contenant donc :

  • Le nom de l’auteur du secret et ses attributs (sexe + nature)
  • Le nom du destinataire du secret et ses attributs (sexe + nature)
  • Le numéro du livre et la place du secret dans le livre
  • Les attributs du secret (axes voilement/dévoilement ; avec/sans expression de fausses pensées ; avec respect/transgression des conventions)

Je me suis d’abord intéressée aux types de secrets présents dans les Métamorphoses, à leur nombre et à leur fréquence dans les dix livres étudiés en créant des plots par axe, puis pour les huit croisements de Petitat obtenus avec filtrage des trois colonnes concernant les axes des secrets dans le tibble.

J’ai ensuite agrégé les personnages de manière à les ranger par catégories (dieux féminins, humains masculins, etc.) pour observer, pour chaque axe, vers quel pôle tend chaque catégorie de personnages, d’abord en tant qu’auteurs de secrets, ensuite comme destinataires de secrets. J’ai alors cherché à représenter, pour chaque axe, un graphe de réseau afin de visualiser la manière dont les liens s’organisent.

Enfin, j’ai réalisé des graphes de constellations :

J’ai effectué sur un grand corpus un travail exploratoire qui était nécessaire ; cependant, travailler sur une plus petite sélection de récits me permettra d’affiner l’encodage.

Je trouve que la représentation par graphiques d’analyse de réseaux est idéale pour mon sujet.

Par ailleurs, les limites d’une analyse basée exclusivement sur les axes proposés par André Petitat sont apparues : certains éléments, comme l’épisode où Actéon surprend Diane en train de se baigner, n’ont pu être encodés. Je devrai donc réfléchir à des solutions.

Résumés des projets personnels

Les présentations qui suivent se fondent sur des matériaux rédigés par les étudiantes et étudiants du master pour évoquer, plus ou moins en détail, les corpus, les objectifs, les méthodes, les outils et les résultats. Ces notes sont à considérer comme des instantanés pris entre la dernière séance du séminaire « Humanités numériques 4 » et l’achèvement printanier des mémoires de recherche.


Paul Beaumarchais : analyse des occurrences de superstitio dans les textes latins

Cette étude portait sur les textes du du PHI, traités dans un fichier en R Markdown, et consistait en une extension du travail sur les concordances. À partir des sous-corpus identifiés comme pertinents, à la fois dans leur forme non lemmatisée et lemmatisée, en choisissant des mots vides adaptés, le mot-pivot a fait l’objet d’essais de représentation graphique fondés sur des proximités de fréquences (dendrogramme) ou sur un classement chronologique (diagramme de Sankey). Le corpus de Cicéron a été abordé plus précisément dans un second temps.

Florence Lienhard : Achille dans les scholies homériques

Après une préparation de ce corpus massif (plus de 500.000 mots) agrégeant les commentaires anciens à l’Iliade, dont les divisions et abréviations n’étaient pas homogènes dans le texte numérique de l’édition de référence, plusieurs pistes ont été suivies en traitant les données dans un fichier en R Markdown.

L’étude de la distribution du nom d’Achille – détection des occurrences par chant du poème et représentation graphique par un histogramme – a fait apparaître un intérêt particulier pour le chant XVI, qui résiste à l’interprétation et suscite plus de gloses que le comportement du héros envers Hector au chant XXII.

Les termes caractérisant Achille, avant tout des adjectifs plus ou moins formulaires, ont été précisés par l’identification des collocations et la représentation graphique de leur réseau.

Enfin, l’importance de Patrocle dans ces textes seconds a été mesurée à travers la distribution des occurrences de son nom et la fréquence des termes corrélés. Cela a permis de déterminer s’il était utile d’orienter la recherche vers les discussions relatives à ce personnage, dont on pouvait se demander s’il était seulement évoqué en même temps qu’Achille et pour parler d’Achille.

Claire Matschek : la parole des femmes et les paroles des hommes dans Lysistrata d’Aristophane

L’analyse, recourant aux données de la plateforme DraCor, a été menée dans l’environnement d’analyse textuelle Voyant Tools. Deux grands axes ont été suivis.

Tout d’abord, on a observé l’ordre d’apparition des personnages, qui montre un « envahissement progressif de la scène par les hommes qui tentent de reconquérir non seulement l’espace scénique, mais aussi et surtout l’espace politique, moral, religieux, de rétablir l’ordre social ».

Surtout, il s’agissait d’étudier les mots les plus employés par les personnages et groupes de personnages, ainsi que leurs corrélations. On quantifie ainsi les proportions des éléments attendus : la cité, la guerre, le corps, les noms de déesses et de dieux. On repère également un jeu sur les formes dialectales mises dans la bouche d’un personnage. « Cette étude de la fréquence des termes choisis et de leur positionnement dans la pièce aura permis de mettre en évidence le vrai nœud de Lysistrata. Ce n’est pas tant la guerre et ses conséquences qui agitent les personnages de cette pièce, mais la confrontation des femmes aux hommes, leur relation, leur aspiration commune à la paix, paix civique pour les hommes, paix domestique pour les femmes. Cette conclusion ne va pas dans le sens d’une utilisation fréquente de cette pièce par le courant féministe, mais il me semble qu’Aristophane s’amuse plus qu’il ne revendique un changement sociétal pour les femmes. Le portrait caricatural qu’il en fait, principe même de la comédie antique, ne peut aller dans un autre sens que dans celui d’un jeu de mots et de connivence entre le dramaturge, les comédiens et les spectateurs… qui sont tous des hommes ! »

Aude P. : lemmatisation et modélisation thématique des Nuits attiques d’Aulu-Gelle et des Propos de table de Plutarque

Dans le cadre d’un mémoire portant sur les chapitres de ces œuvres traitant des sciences naturelles, ce projet était l’occasion de déterminer si le classement automatique par des méthodes non supervisées validait l’annotation manuelle. Le travail a principalement été mené sous R, dans un fichier R Markdown, afin d’insérer des commentaires au sein d’analyses et de visualisations systématiques.

D’une façon préliminaire, on a testé et évalué les modèles disponibles pour la lemmatisation du grec et du latin avec UDPipe et avec Pie (le second s’est montré bien plus performant).

L’application de la modélisation thématique visait à comparer la catégorisation manuelle avec les résultats automatiques. À ce stade expérimental, la correspondance était faible et la méthode semblait inadaptée.

Par l’étude des mots les plus fréquents, on a ensuite cherché à dégager des différences entre les chapitres identifiés comme « scientifiques » et le reste des corpus. Cependant, les calculs de fréquences et les calculs de saillance fondés sur l’algorithme TF-IDF, destinés à faire ressortir des termes propre à des thèmes et à des chapitres, n’ont pas non plus apporté d’éclairage net.

En définitive, ce projet a constitué, avant tout, une étape dans l’apprivoisement et l’exploration des corpus, avant de sélectionner les analyses les plus pertinentes pour le mémoire et afin d’en préparer les matériaux. Son intérêt le plus clair était de cultiver un regard informé et critique sur les outils et de comprendre quand et pourquoi certaines méthodes étaient fructueuses.

Nadine Rakofsky : le genre d’Iphis au livre IX des Métamorphoses d’Ovide

La question de savoir s’il faut considérer Iphis comme un personnage féminin ou masculin a reçu diverses réponses, au croisement des études classiques et des gender studies. En cherchant initialement à étayer les hypothèses par l’analyse numérique, ce projet a ouvert des pistes et préparé des matériaux pour la recherche en cours.

La préparation des données a pris une place importante dans ce travail, car le fichier en XML-TEI téléchargé dans l’entrepôt de la Perseus Digital Library a finalement fait l’objet d’un enrichissement assez profond : ajout de numéros de vers et, après avoir défini un schéma approprié, encodage des personnages et des locuteurs, dont le narrateur.

De même, une fois le texte importé sous R, dans un fichier R Markdown, l’analyse des personnages a conduit à annoter le tableau de leurs interventions : dans le fichier CSV exporté, on a appliqué manuellement des attributs de genre et une typologie des êtres vivants (humain, dieu, divinité secondaire, animal), pour pouvoir faire des observations plus précises.

Des méthodes de stylométrie ont aussi été mises en œuvre pour voir quelles proximités apparaissaient entre les différentes classes d’actants définies par cette typologie. Il est intéressant qu’une méthode non supervisée retrouve la séparation entre narration et discours direct.

Les textes non lemmatisé et lemmatisé ont été soumis à diverses analyses de fréquence et de distribution : nombre de mots des personnages dont Ovide raconte l’histoire, par livre et par genre ; bigrammes remarquables ; mots typiques des hommes ou des femmes, révélés par l’algorithme TF-IDF.

Résumés des projets personnels

Les projets personnels de cette année n’ont pas donné lieu à des billets, car les étudiants ont réalisé des diaporamas en HTML (issus d’un fichier en Markdown transformé avec Pandoc ou dans RStudio), sur le mode du Pecha Kucha, pour présenter leurs corpus, objectifs, méthode, outils et résultats durant la dernière séance du séminaire.

Voici cependant, pour la mémoire du master, un résumé des projets. Leurs résultats ont ensuite été intégrés aux mémoires de recherche.


Christophe Chassanite, « Recherches sur le vocabulaire du procès de canonisation d’Yves Hélori de Kermartin ». Le projet portait sur un corpus de 18 témoignages en latin recueillis lors d’un procès qui a eu lieu en Bretagne en 1330 ; un éclairage comparatif a été apporté par l’étude d’un procès postérieur, celui de Charles de Blois. Les textes ont été obtenus par OCR (avec Tesseract, en R) d’une édition disponible sur Gallica, puis traités dans Voyant Tools et dans Excel sous un angle statistique. Divers aspects ont été observés : les termes caractérisant les personnages sujets des enquêtes, le style formulaire et répétitif des témoignages et les différences sociales perceptibles entre deux groupes de témoins, certains pouvant être des locuteurs du breton dont l’idiome était susceptible de transparaître dans la traduction latine.

Youssouph Diockou, « La figure de l’empereur Claude dans les Vies des douze Césars de Suétone ». Il s’agissait de relever les qualités, positives et négatives, prêtées à cet empereur, pour observer ensuite la distribution des termes dans les différentes vies, grâce à Voyant Tools.

Ioanna Faita, « Les questions génériques dans Les Métamorphoses d’Ovide ». Ce projet utilisait le texte latin non lemmatisé du PHI et un texte lemmatisé avec le CLTK. Il a consisté en une sélection de termes relatifs aux genres et aux sexes à l’aide de Voyant Tools, la réalisation d’une concordance en R et un essai de topic modelling.

Sarah Krauss, « Cataloguer les citations d’Aristophane dans Les Deipnosophistes d’Athénée de Naucratis ». L’objectif du projet était de répertorier et d’identifier les citations, de les aligner avec des sources librement accessibles en produisant des URN suivant le protocole CTS, pour étudier ensuite avec R, dans le mémoire de master, la répartition des citations d’Aristophane sur l’ensemble de l’œuvre. Le catalogue lui-même a été réalisé dans un tableur, en lien avec un encodage plus approfondi d’un texte en XML-TEI dans Oxygen et des extractions en XQuery.

Tsilla Meyer, « Comparaison entre des textes de manuels et leurs sources latines ». La méthode a été de constituer un corpus comprenant les textes de quatre manuels d’initiation au latin assez différents et leurs sources latines, puis d’étudier le rapport entre les originaux et leurs adaptations. L’analyse linguistique en R, à partir des textes bruts et de données recueillies dans un tableau, a mis en valeur la comparaison des nombres de mots et de phrases, ainsi que la fréquence des phrases complexes, ce qui a supposé un encodage ad hoc des propositions et un emploi fin d’expressions rationnelles. Une lemmatisation contrôlée manuellement a commencé à être exploitée.

Dimitra-Melina Tzamtzi, « Le vocabulaire de la cognition dans l’Odyssée ». En se fondant sur des textes non lemmatisés et lemmatisés, puis sur une sélection de termes pertinents – avant tout les verbes γιγνώσκω, νοέω et οἶδα –, ce projet a recouru à Voyant Tools et à un script en R pour réaliser une étude statistique et des visualisations de la distribution des termes dans le poème.

Elsa Vinet, « Orpheus und Eurydike : la matière antique comme source d’inspiration pour la danse moderne », ou : Virgile, Ovide et Gluck comme sources de l’adaptation d’Orphée et Eurydice par Pina Bausch. Après avoir esquissé une analyse des textes latins et des livrets d’opéra en allemand, français et italien, ce projet s’est concentré sur l’étude, sous Excel et en R, de la captation vidéo du spectacle, à travers un relevé de la durée des scènes, de la présence des personnages sur scène et de la participation des personnages à l’action. Il a permis d’étayer l’intuition selon laquelle le personnage d’Eurydice fait l’objet d’une amplification dans la chorégraphie.

C’était un plaisir d’accompagner ces explorations de corpus, toujours formatrices.

Projet personnel : une histoire de temple

Dans le cadre de mon mémoire sur le temple d’Apollon construit par Auguste sur le Palatin, je travaille essentiellement sur les Res Gestae d’Auguste et sur la vie d’Auguste par Suétone. Dans les paragraphes 19 à 21 des Res Gestae, Auguste fait la liste des bâtiments qu’il a fait construire ou restaurer à Rome. La plupart d’entre eux sont des temples. Pour les évoquer, il utilise deux termes (“aedes” et “templum”). En remarquant qu’il évoque le temple d’Apollon qu’il a lui-même fait construire comme “templum Apollinis” et le temple d’Apollon restauré par Sosius comme “aedes Apollinis”, je me suis demandé s’il y avait une différence entre les deux termes.

D’après le dictionnaire étymologique de la langue latine, le sens premier de aedes est « foyer, pièce où l’on fait du feu. Le singulier désigne spécialement la demeure du dieu, le temple, qui n’est à l’origine composé que d’une seule pièce, et a dû d’abord s’appliquer à l’aedes Vestae » tandis que templum est à l’origine un « espace carré délimité par l’augure dans le ciel, et sur la terre, à l’intérieur duquel il recueille et interprète les présages. Par extension, templum désigne un endroit consacré aux dieux et spécialement le « temple » ».

A ce moment de la recherche, je pensais pouvoir justifier une théorie selon laquelle l’aedes est un temple au sens strict de construction quand le templum était un temple qui avait été voué à un endroit choisi par les dieux. Le temple d’Apollon qu’Auguste a fait construire sur le Palatin semblait répondre à cette théorie puisqu’Auguste a décidé d’y construire le temple alors que la foudre venait de frapper le terrain et qu’il y avait fait prendre les augures.

Liste des monuments dans les Res Gestae et équivalent chez Suétone et Dion Cassius

J’ai alors dressé la liste des monuments cités dans les paragraphes 19 à 21 des Res Gestae puis cherché les paragraphes chez Suétone dans lesquels il était fait mention de ces mêmes monuments, à savoir surtout les paragraphes 29 et 30 de la vie d’Auguste. J’avais dressé une liste pour les équivalents chez Cassius Dion mais il n’y a qu’un seul terme en grec. J’ai ensuite utilisé Rstudio afin de comparer les occurrences des mots dans les deux textes. D’abord en important les textes chacun de leurs côtés afin de dresser des tableaux puis graphiques des occurrences de ces mots, puis en comparant les deux textes ensemble. Cependant ce que l’on remarque est qu’Auguste parle plus des monuments que Suétone.

J’ai ensuite importé les deux textes dans Voyant Tools afin de comparer le contexte que j’ai importé dans un nouveau tableur Excel. On remarque que le terme peut changer d’un texte à l’autre. En effet, Auguste parle du temple de Mars Vengeur en utilisant le terme « templum » alors que Suétone utilise « aedes ». Dans les chapitres étudiés de Suétone, templum évoque uniquement le temple d’Apollon Palatin. Cela semblait donc peu probant puisque la différence entre les deux textes si courts ne prouvait pas grand-chose.

 

 

 

 

J’ai alors cherché les occurrences des deux termes dans l’ensemble du texte de Suétone. Dès lors, il m’a fallu me rendre à l’évidence que ma théorie était peu concluante. Suétone parle de « Hercules templi », « aede Martis Ultoris » (“templum Martis Ultoris” chez Auguste)  ou encore de l’ « aede Capitoloni Iovis ». Ce dernier est d’ailleurs, selon la tradition, un temple construit sur un site comportant des lieux consacrés à d’autres divinités.

Cette recherche me montre que ma théorie n’est absolument pas justifiée. Cependant, si on considère que Suétone utilise le terme « templum Apollinis » pour parler du temple construit par Auguste sur le Palatin, terme qu’Auguste utilise justement dans ses Res Gestae, il semble alors que ce soit cela la différence entre le temple construit par le Princeps et le temple d’Apollon restauré par Sosius. Il est en effet, dans le paragraphe 21 des Res Gestae, question d’un temple à Apollon sans qu’Auguste précise s’il parle de celui du Palatin ou de celui du Champs de Mars : “Dona ex manibus in Capitolio et in aede divi Iuli et in aede Apollinis et in aede Vestae et in templo Martis Utoris consacravi, quae mihi constituerunt (sestertium) circiter milliens.

Projet personnel : La bande dessinée et le numérique

Grande passionnée de bande dessinée, je passe mon temps à en lire, à décortiquer les nouvelles théories sur ce genre, à m’immerger dans les nouveaux articles fraîchement publiés sur tel ou tel thème dans la bande dessinée, sur ce nouvel auteur ou dessinateur… Bref ma curiosité n’a pas de limite, mais quand on m’a dit que j’allais étudier la bande dessinée numériquement, un vent de panique est venu en moi ! Comment allais-je faire ça, moi et mon petit ordinateur qui beug deux fois sur trois ?

Tout d’abord il fallait répondre à cette question : comment travailler sur des planches de bande dessinée dans des albums brochés ? Prendre des photos de chaque planche ? Pourquoi pas, si l’on se contente d’un résultat tout juste passable avec des couleurs fadasses. Il fallait une autre solution : c’est alors que mon scanner est devenu mon meilleur ami. J’ai passé de longs moments en sa compagnie, aussi performant que mon petit ordinateur, nous sommes venus, vaillamment, à bout de ces centaines de planches. Le résultat était nettement plus satisfaisant : de belles couleurs mais un texte toujours peu lisible.

Maintenant il fallait passer aux choses sérieuses : les planches étaient scannées et bien rangées en format Jpeg. Maintenant il fallait commencer à analyser tout ça. C’est alors qu’est intervenu Docteur Ernesto Priego de London University : mon côté passionné a ressurgi en voyant toutes les merveilles que certains groupes de chercheurs ont fait : des recherches sur les couleurs, les dialogues, sur les comics, les mangas, la bande dessinée… Tout un monde fait de Data-machin-chose et de maping-truc-muche s’ouvrait à moi ! Puis la réalité est revenue au galop : comment faire un travail digne des « softwer Studies » quand on est une quiche en informatique ? Le programme « How to compare One Million Image » a tout de suite retenu mon attention : pourquoi ne pas faire la même chose avec ma petite centaine de planches ?

image: résultat de la comparaison d’un million de planche de manga One Peace.

Mon thème de mémoire étant : « Hercule dans la bande dessinée européenne », j’avais un corpus bien défini de plusieurs BD : pour cette expérience, j’ai décidé d’étudier plus particulièrement :

  • Héraklès, Tome 1, La jeunesse du héros, Bruneau, Annabel, éditions Glénat,
  • Hercule 01 – Le Lion de Némée, Looky, Morvan, édition Soleil,
  • Herakles, Cours, Akileos,
  • Hercule Moore, Wijaya, édition Milady Graphics
  • Les Petits Mythos, Tome 7, la raclé d’Héraclès, Cazenove, Larbier, Bamboo
  • Socrate le demi-chien, Tome 1, Héraclès,

Avec l’aide du professeur (Merci Monsieur Berra!) j’ai collé les images qui avaient été formatées au préalable de sorte que l’image obtenue contienne la totalité des planches pour que nous puissions comparer les différents jeux de couleurs. L’opération a été exécutée avec des planches en couleur et les mêmes planches avec un philtre noir et blanc.

Image : résultats de la comparaison des planches en noir et blanc et couleurs.

Nous remarquons ainsi que dans la bande dessinée pour enfants, les couleurs sont plus criardes, les cases plus visibles, alors que dans le comics, nous percevons très mal la limite des cases et les couleurs se recouvrent entre elles, formant ainsi une palette de marron-gris. Dans le projet en noir et blanc, nous voyons bien que la bande dessinée enfant a beaucoup de parties blanches, ce qui signifie très peu de couleurs sombres, alors que pour le comics, nous avons une grosse masse noire parsemée de taches blanches, qui nous fait comprendre que l’univers est donc bien lugubre dans ces pages… Le résultat était donc assez satisfaisant : même si je n’avais pas un million de planches à comparer, que le rendu du montage d’images était pitoyable face à celui des Softwer Studies, ma petite centaine de planches me rendit un résultat tout à fait exploitable.

Après avoir étudié les couleurs et la composition des planches, il me fallait étudier le contenu. Les études de Barry Salt ont retenu mon attention : l’étude des plans utilisés dans les cases serait intéressante dans l’argumentation de mon mémoire. Image : tableau de Barry Salt pour l’étude de films.

Cette méthode se rapproche beaucoup du domaine du cinéma : nous utilisons les mêmes noms de plans: plan général, plan d’ensemble, plan moyen, plan américain, plan rapproché, gros plan, très gros plan. J’ai donc fait plusieurs petits tableaux basiques (un tableau par BD) puis, j’ai scruté les planches une par une et ai relevé les plans qui étaient présents.

J’ai classé les résultats dans les tableaux. Les différents plans utilisés révèlent certains aspects de la bande dessinée comme dans la bande dessinée Hercule des éditions Soleil où nous remarquons un maximum de gros plans : on en conclut que l’action qui rythme cette bande dessinée joue beaucoup sur les gros plans pour faire passer des émotions aux lecteurs : gros plan sur un pistolet, sur un regard apeuré, etc. Alors que dans une bande dessinée pour enfant, nous allons principalement trouver des plans d’ensemble qui permettent à l’enfant de voir toute la scène dans sa globalité, il y a donc une certaine facilité de lecture.

Image : tableau de classement de résultats obtenus par bande dessinée : une couleur = une bande dessinée.

Ainsi, même si je n’avais pas un scanner de compétition, ni un ordi super puissant, et encore moins de grandes compétences en numérique, j’ai réussi à avoir des résultats tout à fait satisfaisants avec un simple tableau Open Office Calcul, un montage photo réalisé en majorité… sur Paint (oui oui, c’est un peu la honte mais bon si ça marche, pourquoi s’en priver) et de la patience !

Je reste cependant tout à fait impressionnée par les recherches dans ce domaine, en espérant que ce type de recherches se développera de plus en plus pour la bande dessinée.

Si cela vous intéresse, n’hésitez pas à lire le programme « How to Compare One Million Images»http://softwarestudies.com/cultural_analytics/2011.How_To_Compare_One_Million_Images.pdf

Et pour connaître les recherches de Barry Salt dans le cinéma :

http://www.cinemetrics.lv/satltdb.php

Projet personnel : Démarches pour une recherche lexicale sur un recueil d’extraits

Si les recherches numériques sur un corpus restreint à une oeuvre ou un auteur peuvent déjà s’avérer délicates, le traitement d’un corpus constitué d’extraits de dizaines d’œuvres appartenant à des dizaines d’auteur répartis entre deux langues l’est encore plus.
Pour ce faire, la première chose a été de créer un tableau récapitulatif de tous les extraits sélectionnés afin d’avoir une base de travail :

L’outil le plus approprié pour traiter un corpus aussi disparate est le logiciel Diogenes. Celui-ci permet de chercher les occurrences d’un mot/lemme selon différents critères et à partir d’une base de données définie.

  

Tous les auteurs de la liste n’étaient pas présents dans la base de données, mais j’ai pu créer des corpus significatifs d’auteurs latins et grecs.
Après avoir constitué une liste de mots-clés dans les deux langues, j’ai lancé des recherches à la fois sur ces sous-corpus d’auteurs sélectionnés et sur l’ensemble de la base de données du Phi et du TLG.

Les recherches sur l’ensemble des corpus latins et grecs ont pour but d’évaluer quantitativement l’importance d’un terme dans la littérature voire son évolution à travers les siècles.
Les recherches sur les sous-corpus ont quant à elles une portée qualitative. La fréquence d’apparition selon l’auteur, l’oeuvre ou l’époque est certes utile, mais c’est avant tout le contexte d’apparition et l’usage qui en est fait qui m’intéressent ici.
De fait, Diogenes permet, pour chaque occurrence trouvée, de la replacer dans son contexte via les bases de données utilisées.

Le travail final de mon mémoire ne tourne certes pas autour de la composante numérique, mais celle-ci permet aussi bien de fournir des données chiffrées que d’aider et de dynamiser la recherche littéraire.

Projet personnel : extraire des participes parfaits

Mon mémoire portant sur le participe parfait, sa morphologie et son emploi, j’avais besoin d’extraire un grand nombre de participes pour les étudier et faire des statistiques.

Afin de présenter ma démarche efficacement, j’ai opté pour un diaporama de slides sous format html : https://classnum.github.io/hchn_slides/ros-guezet_mariane.html#1

Même si cette présentation parle d’elle-même, je tiens à rajouter que ce travail m’a été très utile, bien que j’aie rencontré des difficultés techniques à l’utilisation des différents outils qui m’étaient proposé. Une fois la barrière de l’incompréhension et de la frustration de ne pas y arriver passée, on trouve des résultats intéressants qui nous font gagner un temps considérable : c’est ainsi que les humanités numériques volent au secours des humanités classiques !

Projet numérique : le Contre Julien de Cyrille d’Alexandrie

S’intéresser à des auteurs non-classiques équivaut souvent à s’aventurer là où la main des spécialistes a rarement mis le pied. Cela peut s’avérer très fructueux dans le cadre d’études de texte traditionnelles, mais dans le cas de traitement numérique des œuvres, cela signifie avancer à tâtons dans un monde peu balisé et où, en particulier, les textes en condition d’être traités sont rares. Ce fut mon cas durant ce semestre, ce n’est qu’à la toute fin d’avril que l’entièreté du Contre Julien de Cyrille d’Alexandrie, dont nous avons conservé dix livres complets et les fragments de dix autres, a été rendu disponible sur le TLG en ligne. N’ayant avant cette date accès qu’aux deux premiers tomes, mon travail numérique était limité.

J’avais pu bien sûr utiliser les fonctions de statistiques de TLG sur l’ouvrage de Julien, le Contre les Galiléens, que Cyrille réfutait, mais ce n’est qu’en ayant accès à tout l’ouvrage de Cyrille que j’ai pu réellement faire travailler ensemble ces deux textes. Ainsi, si je pouvais déjà constater chez Julien un e surreprésentation des lemmes « θεός » « φημι » ou « Μωυσῆς » ce n’est que récemment que j’ai pu remarqué que ce sont les mêmes qui le sont chez Cyrille.


Cela peut s’expliquer par les sujets traités qui sont semblables (en l’occurrence, l’Ancien Testament dans les 10 premiers livres du Contre Julien d’où la prépondérance de Moïse) et peuvent indiquer que Julien, comme Cyrille le réfutait lui-même, réfutait peut-être un auteur qui lui était antérieur (d’où l’emploi abondant de φημι), comme il a été suggéré par M.-O. Boulnois (« Le “Contre les Galiléens” de l’empereur Julien répond-il au “Contre Celse” d’Origène ? »).

J’avais également tenté d’observer un ensemble de co-occurrences de passages ou d’expressions parallèles entre Julien et ses prédécesseurs païens dans la polémique anti-chrétienne, mais les résultats demeuraient peu pertinents, comme il s’agissait dans la plupart des cas de citations bibliques courantes :

Enfin, le récent ajout des 10 volumes du Contre Julien sur le TLG m’a permis de faire des recherches de lemmes et de termes dans l’ensemble de l’œuvre, ce qui est toujours plus pertinent que de le faire sur deux livres seulement. Ainsi, j’ai pu constater statistiquement ce que déjà je présentais à la lecture, soit un emploi par Cyrille très restreint du nom même de son adversaire.

Grâce à l’interface du TLG, je peux retirer du compte les occurrences du nom de Julien présentes dans les titres (en majuscule) et ne considérer que celles dans le corps du texte, qui représentent à peine plus de 3 occurrences par livre, et qui justifient un commentaire particulier de ma part de celles-ci dans les passages où elles se trouvent.

Ainsi, si mon mémoire ne se centre pas autour de l’analyse numérique des textes que j’étudie, la possibilité de rechercher des termes ou des expressions précises dans l’ensemble du Contre Julien me permet de proposer un commentaire plus riche et surtout plus exact.

Voyage au milieu du monde des mots

Cyril Aliotti

Billet sur ce qu’on a voulu faire, comment on l’a fait et problèmes rencontrés

Pour mon projet, j’ai voulu relever les mots les plus présents le De Rerum Natura Livre 1 (De la nature des choses) de Lucrèce  que j’ai comparé avec les mots les plus présents dans d’autres œuvres notamment de tranquilitate animi (de la tranquillité de l’âme) de Sénèque, De Academica (Les Académiques et De Republica (De la République) Livre I de Cicéron.

J’ai pour cela utilisé deux outils principaux : le site internet www.thelatinlibrary.com et https://voyant-tools.org . J’ai également utilisé dans une moindre mesure http://www.perseus.tufts.edu/hopper/ ainsi que http://hyperbase.unice.fr/hyperbase/, ce dernier outil me permettant de relever précisément les mots les plus présents alors que sur voyant tools, je devais rechercher moi-même le mot parmi des mots de même racine ou pouvant lui ressembler.

J’ai eu beaucoup de difficultés au début pour utiliser certaines ressources notamment hyperbase et dans une moindre mesure voyant tools non pas pour révéler le texte mais pour trouver les mots clés en commun avec les autres œuvres philosophiques. J’ai mis beaucoup de temps à me décider pour ce projet car il y avait beaucoup de possibilités de projets et d’outils à maîtriser. Une fois que j’ai choisi quels outils utiliser, il m’a fallu trouver les œuvres en lien avec mon mémoire (La vision de l’homme et de son environnement chez Lucrèce et les épicuriens) et tous les mots en communs entre les œuvres en question.

J’ai fini par trouver comme mots communs : Rerum, vita, res, natura et corpus. Natura et rerum sont beaucoup présents dans les quatre œuvres et corpus n’est très présent  que dans le De Rerum Natura I de Lucrèce. Vita est très peu présent dans les quatre œuvres voir absent chez Lucrèce. Res est très présent chez Lucrèce, assez présent dans le De Republica I de Cicéron et un peu moins présent dans les deux autres œuvres.

 

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search