Introduction
« L’introduction de l’informatique dans la pratique du travail historique est aujourd’hui chose faite » écrivait déjà Jean-Philippe Genet (1986, 7) dans une livraison de la revue Histoire et Mesure à la fin des années 1980. L’historien s’interrogeait à cette occasion sur les conséquences de cette mutation technique sur les pratiques historiennes. Trois décennies plus tard, à l’heure du triomphe du numérique dans les sciences humaines et sociales, nous nous proposons de prolonger modestement la réflexion. Plus précisément, cette contribution s’attachera à questionner les formes contemporaines de la lecture des archives textuelles, au cœur du travail des historien-ne-s, et à montrer la fertilité de l’assistance de l’ordinateur – et plus particulièrement de la méthode logométrique (Mayaffre 2010) – dans l’exploitation et l’interprétation d’importants corpus de textes.
Après avoir brièvement évoqué les conséquences épistémologiques majeures du passage au numérique sur les pratiques de lecture des archives (ou des corpus) textuelles par les historien-ne-s, nous présenterons quelques exemples de traitements logométriques, non exhaustifs (ni du point de vue méthodologique, ni du point de vue de l’interprétation historique) mais seulement suggestifs. L’étude matérielle, assistée par une méthode d’analyse informatisée, d’un corpus de professions de foi électorales écrites par des femmes et des hommes élu-e-s député-e-s en France entre 1958 et 20071 ambitionne, en effet, d’illustrer le propos épistémologique et méthodologique par des résultats concrets obtenus en histoire politique contemporaine. L’objectif de souligner la fertilité d’une hyperlecture des textes et de mettre en avant les avantages d’une lecture non pas seulement intuitive mais outillée et contrôlée dans l’objectivation de parcours interprétatifs susceptibles de nourrir l’enquête historienne sera poursuivi.
Du texte en histoire: la révolution numérique
Sans prétendre épuiser l’ensemble des aspects de la révolution numérique dans les sciences historiques, indiquons que le passage du support papier au support numérique ne saurait être considéré comme une simple transformation technique. Posons plutôt qu’il s’agit là d’une révolution culturelle et épistémologique, inscrite dans une dimension pluriséculaire, qui modifie nos appréciations du texte et nos pratiques de lecture (Vandendorpe 1999; Goody 2007; Darnton 2011).
Outre la disponibilité immédiate des sources, l’abondance nouvelle des données ou encore la dynamique inédite des archives (Rygiel 2011), la généralisation du numérique entraîne surtout une évolution de notre rapport au texte et à la lecture, c’est-à-dire, plus concrètement, aux conditions de la connaissance historique, informée en grande partie par le langage (Guilhaumou 2006)2. De façon évidente, le numérique a définitivement dénaturalisé et dématérialisé le texte. La pluralité des formats, des possibilités d’étiquetages et d’annotation révèle la dimension artefactuelle du texte. Ce dernier ne saurait plus être abordé comme un objet naturel, fixe et transparent qui donnerait un accès au sens et au passé de façon immédiate. Au contraire, c’est un objet construit qu’il convient d’analyser dans sa complexité linguistique.
Principalement, le support numérique et l’outillage informatique délinéarisent le texte. Longtemps considéré comme une suite linguistique continue et linéaire, le texte numérique appert également comme un réseau discontinu, fait de relations entre les mots, de renvois et de liens. Par là, c’est également la lecture, longtemps seulement linéaire, qui change de nature pour devenir également tabulaire, réticulaire ou paradigmatique. À la possibilité de lire les textes et les corpus dans leur linéarité s’ajoute celle de convoquer des tables de fréquences, de définir des listes de mots ou de concordances et de définir les réseaux lexicaux significatifs comme autant d’entrées dans la textualité et dans la compréhension des corpus. Le numérique offre une vision différente des textes en exhibant leur dimension paradigmatique, à côté de leur séquentialité (Adam 2008). Les textes soumis à l’observation de l’historien-ne bénéficient d’un enrichissement ou d’une augmentation (Sadin 2013). Leur support numérique et le traitement logiciel qu’on leur applique permettent de voir, de lire, de comprendre davantage: ils créent de nouveaux observables linguistiques (les spécificités statistiques d’un texte par rapport à d’autres, les cooccurrences, les réseaux lexicaux privilégiés, etc.) jusque là difficilement appréhendables à la seule lecture humaine et favorisent nos capacités de navigation et d’interprétation dans les corpus textuels (Rastier 2011).
Précisément, la logométrie du côté de l’histoire se fixe comme principal objectif, dès ses débuts (Prost 1974) d’observer différemment les corpus de façon à nourrir, baliser et encadrer l’interprétation du sens historique des archives textuelles. Pour cela, elle met à disposition de l’historien-ne du discours de nombreux outils de statistique textuelle destinés à susciter des interrogations heuristiques puis à objectiver des parcours de lecture au sein de vastes corpus numériques.
Exemples de traitements logométriques: applications à un corpus de professions de foi électorales (1958–2007)
La logométrie, anciennement appelée lexicométrie, est un « un traitement (semi) automatique global du texte dans toutes ses dimension: graphiques, lemmatisées, grammaticalisées. L’analyse ainsi portera sur toutes les unités linguistiques de la lettre aux isotopies, en passant par les n-grams, les mots, les lemmes, les cooccurrences, les codes grammaticaux, les bi-codes ou les enchaînements syntaxiques » (Mayaffre 2010, 22). La force de la méthode tient dans la complémentarité – visible jusque dans les interfaces des logiciels3 – entre un traitement d’essence qualitative outillée par l’ordinateur (recherche documentaire, extraction et retour systématique au texte, navigation hypertextuelle) et un traitement quantitatif (repérage des saillances – c’est-à-dire des surutilisations lexicales, grammaticales ou cooccurrentielles statistiquement significatives – mise à jour des structures (sémantiques) sous-jacentes des corpus, méthodes de classifications des textes). Nous nous proposons, à la suite de cette contribution, d’en présenter les principales fonctionnalités en insistant sur les parcours interprétatifs qu’ils suggèrent.
Les outils de classification
La vocation première de l’historien-ne est selon les mots de Le Goff (1996, 14) de réfléchir à la dialectique de la continuité et du changement. Sur un corpus chronologique, à l’image du nôtre, l’un des premiers questionnements portera sur les proximités ou les distances linguistiques et donc historico-politiques entre les différents ensembles textuels dans le temps. Ainsi, sur le corpus de professions de foi des députées élues entre 1958 et 2007, divisé en douze textes (soit un texte par années d’élection), il est possible d’appliquer un traitement non supervisé de l’ensemble des unités textuelles du corpus afin de faire émerger une chronologie endogène à la féminisation de l’Assemblée nationale (rappelons que la définition de chronologies endogènes est d’autant plus impérieuse en histoire des femmes et du genre en politique que celles-ci ont souvent été masquées derrière les chronologies traditionnelles [i.e. masculines]. Cf. Achin [2005] par exemple). Le décompte de l’exhaustivité des mots du corpus et le calcul de la distance (linguistique) entre les textes4 permettent-ils de rendre compte des continuums, des ruptures ou des accélérations de la parole féminine lors des campagnes aux élections législatives sous la Cinquième République ?
Ainsi, le logiciel Hyperbase propose d’observer la distance entre les textes par une représentation arborée (Figure 1). Sur l’arbre, il est possible d’appréhender les grands rythmes de la légitimation électorale des femmes à leur entrée dans l’Hémicycle. Une première époque se dessine au bout d’une ramification pour regrouper les professions de foi rédigées entre 1958 et 1973. Le scrutin de 1978 marque ensuite une mutation dans le parler électoral féminin et débute une longue évolution progressive. Un troisième temps se dessine, à partir de 1993, pour attester du développement de nouvelles rhétoriques qui tranchent avec les routines discursives précédentes. Cette chronologique endogène, issue du corpus dans un mouvement inductif, est heuristique à plus d’un titre. C’est d’abord la faiblesse de l’impact de la crise de mai 1968 et de l’éveil de la seconde vague féministe à partir de 1970 sur les stratégies de présentation des candidates à la députation qui est révélé en creux; les textes de 1973 restent affiliés à ceux des premières législatures du régime quinto-républicain. C’est ensuite le constat traditionnellement affirmé d’un tournant mitterrandien (Sineau 2011) dans l’histoire politique qui est nuancé et précisé. La principale rupture dans la formulation des argumentaires électoraux des candidates à la députation s’opère moins en 1981, année de l’élection du premier président de la Cinquième République de gauche, qu’en 1978, date de l’élection de militantes du parti communiste français dans un contexte politisé. Enfin, l’émergence des discours de valorisation du féminin, souvent observés dans la période post-paritaire (2001–2002), trouvent d’après l’arborée leurs prémices dans les textes de 1993.
Analyse arborée – Corpus Professions de foi des Femmes (1958–2007).
Caractériser les textes
Au-delà de ses capacités classificatoires, la logométrie permet, de façon plus incarnée, de caractériser les textes qui composent les corpus qu’elle traite. Cette caractérisation procède des différences constatées entre les discours. C’est là l’une des règles majeures des analyses logométriques: celles-ci s’effectuent dans le cadre d’une sémantique différentielle – posant que le sens n’est pas ontologique mais construit par la différence – et dans celui d’une statistique endogène. Par exemple, les discours électoraux des femmes du début de la République ne prennent sens, ne se caractérisent ou ne s’individualisent que par rapport à la norme de la parole législative sous la Cinquième République, incarnée par le corpus qui rassemble l’ensemble des professions de foi réunies.
La fonction de caractérisation la plus éprouvée en logométrie réside dans le calcul des spécificités (Lebart et Salem 1994). Il s’agit par le décompte exhaustif de toutes les unités textuelles d’un corpus de repérer les formes remarquables (en termes quantitatifs) d’une partie par rapport à l’ensemble. Ainsi, sur les mêmes discours que précédemment – mais que l’on a divisé en deux périodes, le début et la fin du corpus, et en intégrant la comparaison avec les professions de foi des hommes élus aux mêmes dates – il est possible de connaître le vocabulaire spécifique des locutrices de chaque époque par rapport à leurs homologues masculins. Les principaux mots qui dominent la parole des femmes entre 1958 et 1973 d’une part et entre 1993 et 2007 d’autre part sont recensés dans Figure 2. Par ce tableau, ce sont les stratégies de légitimation et d’engagement des femmes sous la Cinquième République qui sont esquissées à grands traits, via le repérage de saillances lexicales (assorties d’un score de surutilisation autorisant l’interprétation politico-historique). Sans pouvoir entrer dans les détails ou retourner au texte, on comprend toutefois que là où les candidates du début du régime se présentent essentiellement comme des promotrices de politiques publiques sur le terrain socio-économique qui délaissent le champ partisan et institutionnel, la parole des dernières élues du corpus se singularise davantage par la construction d’un ethos de femmes politiques susceptibles de répondre aux attentes citoyennes. Ce sont moins des idées ou des mesures programmatiques que les élues mettent en avant qu’une posture de représentation articulée sur la personne de la locutrice, son implication personnelle (« je ») et son lien avec l’électorat (« vous »), en partie lié à des stéréotypes de genre (« écouter »).
Les spécificités lexicales des députées élues entre 1958 et 1973 et entre 1993 et 2007 (Corpus femmes versus hommes, divisé en périodes).
Pour l’historien-ne, une mention particulière doit être faite aux outils de description chronologique. En plus des outils de classification tenant compte des variables chronologiques, les logiciels de logométrie proposent également des graphiques de distribution de mots selon leur degré de surutilisation ou de sous-utilisation dans le temps. Par exemple, dans le corpus des professions de foi des femmes, nous pouvons observer l’évolution grammaticale du discours électoral au fil des trois grandes périodes définies plus haut (Figure 3). De façon éloquente, le graphique montre le changement de nature profonde du discours électoral au fil des cinquante années considérées. À un discours nominal (avec une surutilisation de noms, de déterminants et d’adjectifs) succède peu à peu un discours verbal (empli de pronoms et verbes). En somme, le discours de la description de l’action publique ou de la proposition politique disparaît peu à peu au profit d’un discours articulé autour de la promesse de représentation des candidates, dont la production d’une image valorisée est le but principal.
Évolution des codes grammaticaux dans le corpus de professions de foi des femmes divisé par périodes (1958–2007).
La contextualisation
Souvent informatifs, les traitements des occurrences seules (comme ceux menés ci-dessus) réclament néanmoins à être prolongés pour mener à l’interprétation. En effet, répétons avec Rastier (2001) que le sens ne naît qu’en contexte. Aussi la logométrie autorise-t-elle la lecture traditionnelle des textes, qu’elle contribue à rendre systématique et exhaustive.
L’une des fonctions les plus répandues est celle du concordancier (Pincemin, Fabrice, Chanove et Mathieu-Colas 2006). Il permet de lister et de trier tous les passages contenant un mot choisi pour pôle pour en produire une interprétation contrôlée, dans le cadre de ses contextes d’emplois attestés en corpus. Par exemple ici, on donne un extrait du concordancier du lemme « femme », qui est l’une des grandes spécificités lexicales du corpus féminin en synchronie et qui évidemment recouvre une certaine polysémie et évolution sémantique dans le temps (Figure 4). Plus loin que le simple, mais informatif, retour au texte, la logométrie développe ces dernières années des méthodes relevant d’une véritable statistique contextualisante (Brunet 2012; Mayaffre 2014). Particulièrement, l’analyse des cooccurrences apparaît comme l’une des voies de la formalisation de co(n)textes porteurs du sens des textes. En effet, le repérage de la coprésence matérielle et statistiquement significative de deux unités textuelles (typiquement deux mots) au sein des paragraphes constitue déjà un pas vers la détection de noyaux sémantiques, là où le mot seul demeurait presque toujours ambigu. Il est évident que le mot « classe » seul ne saurait faire l’objet d’interprétation définitive là où la relation matérielle au sein des mêmes paragraphes du même terme avec les mots « sociale », « lutte » ou « grève » nous informe davantage du thème en question.
Concordances autour du mot « femme » dans le corpus féminin (1958–2007).
De façon appliquée à notre corpus, il est possible de mesurer la plus-value de l’approche co-occurrentielle sur un mot très répandu dans le discours politique contemporain et repéré comme spécifique de la parole des dernières élues du corpus: le pronom personnel « je ». Face aux milliers d’occurrences du vocable dans le corpus, la définition des contextes d’emploi du mot trouve dans la statistique contextualisante un soutien précieux. Les principaux associés du pronom sont ainsi listés dans Figure 5.
Les co-occurrents de « je » dans le corpus Femmes (1993–2007).
À titre de comparaison, observons les mots articulés au pronom « nous » préféré par les hommes pour énoncer leur profession de foi entre 1993 et 2007 (Figure 6). À quelques exceptions près, le tableau indique que la pronominalisation différenciée des candidatures des hommes et des femmes implique la production de deux types de discours nettement distincts. Le discours électoral articulé au pronom « nous » prend une dimension résolument politique et collective visant à créer une adhésion majoritaire autour d’un projet ou d’une vision. A contrario, le « je », statistiquement préféré dans le discours des candidates, apparaît davantage comme un mot apolitique axant l’essentiel de la légitimation discursive autour de la mise en scène d’une identité et de qualités personnelles et d’un lien avec les électeurs/trices.
Les co-occurrents du pronom « nous » dans le Corpus Hommes (1993–2007).
Les logiciels de logométrie permettent également de puissants traitements globaux et généralisés de la cooccurrence dans le but de faire émerger les structures sémantiques, si ce n’est thématiques, sous-jacentes des corpus (Viprey 2006). Les progrès techniques permettent en effet d’établir les profils associatifs de plusieurs centaines de mots de manière à rendre compte des relations entre les mots au sein d’un ensemble textuel. Par là, c’est la dimension réticulaire des textes – anciennement pressentie mais difficilement appréhendable – qui est rendue tangible par le traitement logométrique des corpus numériques. Plus que jamais, le texte se laisse saisir dans sa dimension réticulaire, dans son tissage, dans son organisation en réseau.
Ainsi, dans le corpus de professions de foi global, à partir de l’établissement et de la comparaison automatique des profils co-occurrentiel des 300 substantifs les plus fréquents, nous avons pu définir l’architecture forte du discours de candidature sous la Cinquième République (Guaresi 2015). Nous reproduisons la projection factorielle (Figure 7) qu’en propose le logiciel Iramuteq (Ratinaud et Marchand 2012). La projection factorielle montre une opposition sur l’axe horizontal entre les thèmes politiques et institutionnels (« majorité », « république », « député », « élection ») et les questions économique et sociales (« impôts », « emploi », « éducation ») rejetées à droite du graphique. Ces deux grands ensembles semblent ventilés dans les professions de foi dans une dimension nationale (« peuple », « français », « pays »), en haut de la figure, et un ancrage local (« maire », « canton », « territoire »), en bas. Par là, ce sont les représentations dominantes des rôles de parlementaires français et de leurs principaux engagements sous l’ensemble de la Cinquième République qui sont formalisés.
Analyse factorielle des cooccurrences (Corpus Professions de foi 1958–2007).
Conclusion
Si seuls quelques exemples de traitements logométriques ont été exposés, le potentiel heuristique d’une hyperlecture assistée par l’ordinateur apparaît déjà important. Qu’il nous soit permis, pour conclure, d’insister sur deux enrichissements de la lecture et de l’analyse historienne de corpus d’archives textuelles par le numérique. D’abord, en permettant une meilleure formalisation de l’intertexte au sein de macro-corpus, la révolution numérique offre à l’historien-ne la possibilité de saisir des phénomènes discursifs locaux (i.e. la parole d’une locutrice en particulier, ou d’une élection) dans leur comparaison avec un horizon discursif global. La mise à disposition des sources discursives en abondance d’une part et leur traitement informatique possible facilitent toujours plus l’appréhension de l’intertexte, nécessaire à l’interprétation historique. Surtout, cette appréhension reste – par le traitement systématique et exhaustif de toutes les composantes linguistiques des corpus – très attachée à la matérialité textuelle, conformément aux attentes de l’herméneutique posant le discours comme acteur de l’histoire. Enfin, c’est le texte dans ses aspects paradigmatiques et réticulaires que le numérique contribue à dévoiler à l’œil des historien-nes pour enrichir de façon exogène leurs protocoles de lecture.
Notes
- Concrètement, le corpus est composé de la quasi-intégralité des professions de foi des femmes députées sous la Cinquième République. Il rassemble également, pour les besoins de la comparaison, un échantillon de professions de foi d’hommes rédigés dans des conditions de production comparables (même année, même département, même bord politique que les femmes). L’ensemble compte plus de 700 textes pour 500 000 occurrences. Pour consulter l’ensemble des analyses menées sur ce corpus, nous nous permettons de renvoyer à Guaresi 2018. [^]
- Nous n’insisterons pas dans cette contribution sur le tournant herméneutique des sciences humaines et sociales. Posons néanmoins avec Guilhaumou (2006) ou Mayaffre (2010) que l’archive textuelle ou le discours ne racontent pas seulement l’histoire: ils y participent. Le discours, les textes, les mots, au cœur des analyses historiennes, ne figurent pas seulement le passé mais ils contribuent à le configurer, à la cofabriquer. À ce titre, le matériau langagier mérite d’être analysé non pas simplement intuitivement, comme si le sens était immédiat ou transparent, mais bien avec les égards méthodologiques qu’il mérite (et que la révolution numérique semble toujours mieux permettre). [^]
- Dans cette contribution, seuls Hyperbase et Iramuteq seront utilisés. Mais d’autres logiciels tels Lexico 3 ou TXM disposent de méthodes d’analyse des données textuelles comparables. [^]
- Les statisticiens du texte ont proposé pour cela des calculs de distance intertextuelle: Par exemple, Muller [1977], Corpus [2003], Mayaffre et Luong [2003]. [^]
Déclaration de conflit d’intérêts
Les auteurs déclarent l’absence d’un conflit d’intérêts.
Références
Achin, Catherine. 2005. Le Mystère de la Chambre basse. Comparaison des processus d’entrée des femmes au Parlement. France-Allemagne 1945–2000. Paris: Dalloz.
Adam, Jean-Michel. 2008. La linguistique textuelle. Introduction à l’analyse textuelle des discours. Paris: Armand Colin.
Brunet, Etienne. 2012. “Nouveau traitement des cooccurrences dans Hyperbase.” Corpus 11: 219–48.
Corpus. 2003. “La distance intertextuelle.” Consulté le 8 juin 2018. https://corpus.revues.org/52.
Darnton, Robert. 2011. Apologie du livre. Paris: Gallimard.
Genet, Jean-Philippe. 1986. “Histoire, Informatique, Mesure.” Histoire & Mesure 1(1): 7–18. DOI: http://doi.org/10.3406/hism.1986.904
Goody, Jack. 2007. Pouvoirs et savoirs de l’écrit. Paris: La Dispute.
Guaresi, Magali. 2015. “Les thèmes dans le discours électoral de candidature à la députation sous la Cinquième République. Perspective de genre (1958–2007).” Mots. Les langages du politique 108: 15–37. DOI: http://doi.org/10.4000/mots.21977
Guaresi, Magali. 2018. Parler au féminin. Les professions de foi des député.e.s sous la Cinquième République (1958–2007). Paris: L’Harmattan.
Guilhaumou, Jacques. 2006. Discours et événement. L’histoire langagière des concepts. Besançon: Presses universitaires de Franche-Comté.
Le Goff, Jacques. 1996. Saint Louis. Paris: Gallimard. DOI: http://doi.org/10.14375/NP.9782070733699
Lebart, Ludovic et André Salem. 1994. Statistique textuelle. Paris: Dunod.
Mayaffre, Damon. 2010. Vers une herméneutique matérielle numérique. Corpus textuels, Logométrie et Langage politique. Nice: Université Nice Sophia Antipolis. Consulté le 8 juin 2018. https://tel.archives-ouvertes.fr/tel-00655380.
Mayaffre, Damon. 2014. “Plaidoyer en faveur de l’Analyse de Données co(n)textuelles. Parcours cooccurrentiels dans le discours présidentiel français (1958–2014).” JADT 2014. Consulté le 8 juin 2018. http://lexicometrica.univ-paris3.fr/jadt/jadt2014/.
Mayaffre, Damon et Xuan Luong. 2003. “Arbres et généalogie politique. Représentation arborée du discours de Jacques Chirac (1995-2005).” Histoire & Mesure 18: 289–311. DOI: http://doi.org/10.4000/histoiremesure.831
Muller, Pierre. 1977. Principes et méthodes de statistique lexicale. Paris: Hachette.
Pincemin, Bénédicte, Fabrice Issac, Marc Chanove et Michel Mathieu-Colas. 2006. “Concordanciers: thème et variations.” JADT 2006. Consulté le 8 juin 2018. http://lexicometrica.univ-paris3.fr/jadt/jadt2006/tocJADT2006.htm.
Prost, Antoine. 1974. Analyse du vocabulaire des proclamations électorales de 1881, 1885 et 1889. Paris: Presses universitaires de France.
Rastier, François. 2001. Arts et sciences du texte. Paris: Presses universitaires de France. DOI: http://doi.org/10.3917/puf.rast.2001.01
Rastier, François. 2011. La mesure et le grain. Paris: Presses universitaires de France.
Ratinaud, Pierre et Pascal Marchand. 2012. “Application de la méthode ALCESTE aux ‘gros’ corpus et stabilité des ‘mondes lexicaux’: analyse du ‘CableGate’ avec IRAMUTEQ.” JADT 2012. Consulté le 8 juin 2018. http://lexicometrica.univ-paris3.fr/jadt/jadt2012/tocJADT2012.htm.
Rygiel, Philippe. 2011. “L’enquête historique à l’ère numérique.” Revue d’histoire moderne et contemporaine 58(4): 30–40. DOI: http://doi.org/10.3917/rhmc.585.0030
Sadin, Éric. 2013. L’humanité augmentée. L’administration numérique du monde. Montreuil: L’Echappée.
Sineau, Mariette. 2011. Femmes et pouvoir sous la Cinquième République. De l’exclusion à l’entrée dans la course présidentielle. Paris: Presses de science politique.
Vandendorpe, Christian. 1999. Du papyrus à l’hypertexte. Essai sur les mutations du texte et de la lecture. Paris: La Découverte.
Viprey, Jean-Marie. 2006. “Structure non-séquentielle des textes.” Langages 163: 71–85. DOI: http://doi.org/10.3917/lang.163.0071