Compte-rendu de la séance du mercredi 19 février 2020 du master Humanités Numériques de l’École nationale des chartes

La cinquième séance du séminaire du master Humanités numériques est placée sous le signe de la rencontre entre humanités numériques et littérature, au travers d’approches computationnelles du style. À cette occasion, deux étudiants du master ont présenté leurs recherches, quant à la transmission postérieure de littérature d’une part, le style dans une écriture poétique de l’autre.

Francisco Espino a suivi un cursus plutôt riche avant d’étudier dans le master, puisqu’il a été élève de l’école d’ingénieur Télécom – ParisTech et a poursuivi ensuite une licence et un master en Lettres modernes à l’Université Paris 8 Vincennes – Saint-Denis.

Tao Liang est quant à lui détenteur d’une licence de Littérature française à l’université de Jiaotong, à X’ian (Shaanxi) en Chine. Il suit actuellement un double cursus à l’ENS-Lyon (départements de Lettres modernes) et dans le master Humanités Numériques.

Processus de transmission de la littérature latino-américaine contemporaine. Le cas de la littérature cubaine

Par Francisco Espino

L’objet d’étude de Francisco Espino est l’histoire de la transmission littéraire de la littérature latino-américaine contemporaine en langue espagnole. Il se concentre en particulier sur le cas de la transmission de la littérature cubaine. Ce travail vise à fournir, à travers l’utilisation d’outils numériques, de nouvelles approches dans la cartographie de la critique littéraire. Pour ce faire, a été créé l’Indice de Transmission Critique Littéraire Cumulée, qui permettra de mesurer, comparer et détecter les étapes de l’évolution de la transmission dans la littérature nationale en utilisant des méthodes quantitatives. Est en outre utilisé le corpus de données bibliographiques de la Modern Language Association International Bibliography, la plus grande base de données de cette nature au monde. C’est sur la base du concept de « criticométrie », introduit par Carolina Ferrer (2011), que sera analysée l’évolution de la transmission littéraire et les possibles corrélations avec les variables sociopolitiques.

Criticométrie

L’analyse de la transmission littéraire à l’aide d’outils informatiques est un domaine peu exploré dans la littérature latino-américaine. Une partie du travail qui nous concerne repose sur les contributions de Carolina Ferrer, qui dirige, à l’Université du Québec, le projet de recherche Magellan: cartographie de la bibliographie critique sur la littérature hispano-américaine[1], actuellement en plein développement, sur l’utilisation d’outils numériques pour cartographier les études critiques de la littérature latino-américaine des XXe et XXIe siècles. Ferrer propose une analyse des grandes bases de données bibliographiques à travers une méthodologie criticométrique:

nous utilisons l’approche de la criticométrie que nous avons introduite en 2011 en nous inspirant de la scientométrie. L’objectif de la scientométrie est de mesurer et d’analyser l’activité dans les sciences et la technologie. Par analogie, nous avons appelé cette approche la criticométrie, puisqu’elle a pour objectif de mesurer l’activité critique en arts, et plus particulièrement en littérature. La méthode ici proposée correspond à l’adéquation des indicateurs scientométriques  à la réalité des bases de données utilisées en sciences humaines et en arts.

(2017b, p.2.)

La criticométrie consiste, par analogie avec la scientométrie (Price), à ​​appliquer des techniques métriques à l’histoire de la transmission littéraire, à mesurer des indicateurs et des variables de référence de la critique littéraire et à analyser son évolution. En appliquant cette méthodologie, Ferrer a montré une sur-présence de certaines littératures nationales dans les études critiques : « nous constatons que les bibliographies critiques sur 14 littératures nationales cumulant plus de 82% des publications sur l’ensemble mondial » (2017b, p.18) ou la place marginale que les femmes écrivains occupent dans la transmission littéraire, notamment en Europe, à laquelle 9 % des œuvres ont été consacrées (2017a, p. 21). C. Ferrer a croisé ces indicateurs bibliométriques avec des indicateurs économiques ou sociaux. Ainsi, elle a montré une corrélation entre le développement de la transmission littéraire dans les pays européens et le salaire brut :

We were able to determine that there is an important correlation between the level of development of the critical bibliography about national literatures and the Gross National Income of the European countries.

Carolina Ferrer (2015, p. 10)

Les variables socio-économiques sont corrélées avec l’évolution des études critiques. En comprenant la littérature comme un processus ancré dans un système mondial économique et social, des indicateurs autres que ceux proprement littéraires ont sans aucun doute un fort impact sur la transmission de la littérature et sa réception. Partant des travaux de Ferrer, nous apporterons de nouvelles perspectives dans l’analyse de la transmission littéraire des littératures nationales des neuf pays hispanophones les plus peuplés d’Amérique: le Mexique, la Colombie, l’Argentine, le Chili, le Pérou, l’Équateur, le Guatemala, le Venezuela et Cuba.

MLA international Bibliography

La première difficulté que l’on rencontre dans l’étude de la transmission littéraire est celle de l’accès à un corpus de données bibliographiques suffisamment grand pour pouvoir fournir une perspective de big data aux recherches que l’on mène, et pour que les données puissent également être manipulées dans un format compatible avec les outils numériques qui facilitent l’utilisation des méthodes quantitatives.

On s’appuie donc sur la base de données bibliographique de la MLA International Bibliography. L’accès est libre (mais pas gratuit) via EBSCOhost[2]. Il s’agit de la plus grande base de données d’études littéraires critiques en langues modernes au monde. Elle compte près de trois millions de références et comprend des articles, des livres, des magazines et d’autres publications de 1888 à nos jours, et est gérée par la Modern Language Association, fondée en 1883 aux États-Unis. Comme indiqué sur son site Internet :

The MLA International Bibliography is an essential tool for research in all aspects of modern languages and literature. Available as a searchable online database of more than 2.8 million records and constantly updated by scholars in the field, the bibliography is used by academics and teachers around the world to find and share their work. Students at all levels rely on the bibliography to lead them to the journals, books, Web sites, and other publications they need to succeed in their research projects.

Site de la MLA

Comme on peut le constater, il s’agit d’une tentative de collecte de toutes les informations bibliographiques critiques des littératures modernes dans le but d’avoir un moteur de recherche bibliographique mondial spécialisé. Sur le site, l’on peut  télécharger la liste des sources indexées et elle s’élève à plus de 13 000. On se concentrera ici sur l’analyse des références critiques de littératures nationales des neuf pays choisis comme objet d’étude par Francisco Espino. Le corpus de données est constitué de toutes les références bibliographiques cataloguées comme littérature mexicaine, colombienne, argentine, péruvienne, chilienne, guatémaltèque, équatorienne, vénézuélienne ou cubaine. C’est plus de soixante-dix mille références bibliographiques récupérables au format CSV, XML et RIS.

Une analyse temporelle. L’Indice de Transmission Critique Littéraire Cumulée

Chacune des références associées aux littératures nationales du corpus de données comporte des dizaines de variables (titre, auteur, date, éditorial…). On se concentrera donc sur la variable temporelle, la date de publication. Comment les processus de transmission littéraire de la littérature nationale latino-américaine ont-ils évolué ? Dans quelle mesure les littératures de chaque pays sont-elles représentées ? La première étape a consisté en la récupération du nombre de références bibliographiques cataloguées jusqu’en décembre 2018 comme littérature d’un pays spécifique dans les neuf pays. La répartition des références accumulées en 2018 est la suivante :

Figure 1. Répartition des références bibliographiques des littératures nationales cumulées en 2018 des neuf pays hispanophones les plus peuplés d’Amérique

On observe (figure 1) que la transmission littéraire des littératures nationales est inégale. Les références bibliographiques dédiées à la littérature mexicaine et argentine accumulées jusqu’en 2018 sont plus nombreux que celles centrées sur la littérature d’autres pays. Ils dépassent cinquante pour cent du total des références sur les neuf littératures nationales. À l’autre extrême, certaines littératures nationales ont reçu très peu de transmission, comme les littératures de l’Équateur et du Guatemala, qui, ensemble, atteignent à peine 3 % du total des références.

On analyse ensuite dans quelle mesure cette transmission littéraire est proportionnelle à sa population. Pour ce faire, la base de données de la Banque Mondiale est croisée avec celle de la MLA International Bibliography. La Banque Mondiale met à disposition, gratuitement et en ligne, une énorme base de données contenant des séries chronologiques sur divers indices socioéconomiques, allant de la démographie au développement, des indicateurs macroéconomiques, de l’éducation ou de la santé. La série chronologique peut être téléchargée au format csv ou xml, pour n’importe quel pays et indicateur. Ont été récupérées des informations sur la population totale des neuf pays faisant l’objet de l’étude de Francisco Espino, détaillées par année, de 1960 à 2018.

Pour une littérature nationale X et pour une date donnée Y, l’Indice de Transmission Critique Littéraire Cumulée est définit comme suit :

Cet indice permet de mesurer le degré de surreprésentation ou de sous-représentation de la transmission cumulée d’une littérature nationale par rapport au pourcentage de sa population au cours d’une année donnée. Il a été défini de sorte que les limites varient entre 0 et l’infini. Une valeur comprise entre 0 et 1 correspondra à une transmission littéraire cumulée inférieure à la représentation de sa population. S’il est égal à 1, il correspondra à une transmission cumulée proportionnelle à la représentation de sa population. S’il est supérieur à 1, il correspondra à une transmission littéraire cumulée supérieure à la représentation de sa population. Ainsi par exemple, l’indice cumulé de transmission littéraire de l’Argentine en 1960, (ITLC Argentine, 1960) correspondrait au quotient entre le pourcentage de références bibliographiques accumulées relatives à la littérature argentine publié dans la MLA International Bibliography jusqu’en 1960 par rapport à au total des publications des littératures des neuf pays jusqu’à cette même année et entre le pourcentage de sa population par rapport à la population totale des neuf pays à cette date. Si sa valeur était de 2, cela signifierait que la transmission littéraire de sa littérature est surreprésentée par rapport à sa population, la transmission littéraire serait le double de celle de la représentation de sa population. Si elle était de 0,2 cela voudrait dire qu’elle est sous-représentée, la transmission littéraire serait un cinquième de la représentation de sa population. Le calcul de l’ITLC dans les neuf pays en décembre 2018 donne le résultat suivant :

Figure 2. Indice de Transmission Critique Littéraire Cumulée

On constate que l’indice varie considérablement d’un pays à l’autre (figure 2). Les littératures argentine, chilienne et cubaine sont largement représentées par rapport à leur population. Le nombre de références accumulées en décembre 2018 est proportionnellement supérieur à la population représentée par ces pays. Le cas de Cuba est très significatif, très diffèrent à la transmission de toute autre littérature nationale. L’ITLA (Cuba, 2018) est le double de celui des deux autres littératures surreprésentées, cella l’Argentine et cela du Chili, de l’ordre de plus de cinq fois celle de la littérature mexicaine, huit fois celle de la littérature colombienne, treize fois celle de la littérature Vénézuélienne et plus de vingt fois celle de la littérature équatorienne.

Quelles relations (variables), littéraires, socio-politiques, économiques ou autres, expliquent cette disparité dans le positionnement de la transmission des littératures nationales ? Les réflexions sur la construction du canon littéraire et les récits nationaux ont été plurielles. Pourquoi de telles disproportions apparaissent-elles parmi les pays d’Amérique Latine ? Pourquoi le cas de la transmission de la littérature cubaine est-il si différent des autres ? La réponse à ces différences abyssales est probablement multiple et complexe, mais l’analyse de l’ITLC montre la nécessité d’avancer dans l’application des méthodes quantitatives. Pour mieux comprendre les processus de transmission, il faut appliquer, en plus des processus quantitatifs, des méthodes textométriques qui permettent de relier les étapes de transmission d’une littérature nationale aux aspects sociopolitiques et historiques. De même, l’utilisation de méthodes quantitatives permet aussi de se concentrer sur la transmission de l’œuvre d’un écrivain spécifique et d’analyser les corrélations possibles avec d’autres variables.


Notes

[1] http://figura.uqam.ca/programme/projet-magellan-cartographie-de-la-bibliographie-critique-sur-la-litterature-hispano

[2] https://www.ebsco.com

Bibliographie indicative  :

Carolina Ferrer (2017a). Les femmes, sont-elles solubles dans le prix Nobel? Les institutions, les lauréates et les oubliées 1901-2016M@gm@15(3).e (Source : http://www.magma.analisiqualitativa.com/1503/article_09.htm ; date de consultation : 01/12/2019).

Carolina Ferrer (2017b). Étudier la transmission littéraire à l’ère du numérique : des grands écrivains à l’analyse des cocitations. Trans – Revue de littérature générale et comparée.

Carolina Ferrer (2015). “Digital Humanities, Big Data, and Literary Studies: Mapping European Literatures in the 21st Century”, in Rupkatha Journal: On Interdisciplinary Studies in HumanitesVII(1).

Carolina Ferrer (2011). El boom hispanoamericano: del texto a la pantalla, en Nuevas aproximaciones al cine hispánico: Migraciones temporales, textuales y étnicas en el bicentenario de las independencias iberoamericanas (1810-2010), Promociones y Publicaciones Universitarias, Barcelone, 2011.

Derek Price (1963). Little Science, Big Science, Columbia University Press, New York.

Modern Language Association International Bibliography: www.mla.org

Base de données de la Banque mondiale : www.datos.bancomundial.org

 

Pourquoi Baudelaire est-il davantage un disciple du romantisme qu’un pionnier du modernisme ?

Par Tao LIANG

Dans ce séminaire, Liang Tao a présenté ses recherches sur le style poétique de Baudelaire, en essayant de fournir une perspective des techniques numériques, en vue d’apporter une réponse nouvelle au problème de l’identité esthétique des poèmes de Baudelaire, par comparaison avec des textes du romantisme et du modernisme. Malgré le fait que le style baudelairien se définit a priori comme du modernisme symbolique, le positionnement précis de l’esthétique des poèmes de Baudelaire dans le cadre traditionnel se retrouve dans une impasse à cause de la transition baudelairienne, autour de laquelle les débats complexes approfondissent les paradoxes entre le dépassement de son temps par le poète, et son style extravagant plutôt permanent, caractérisé par les représentations suivantes : romantique et anti-romantique, moderne et anti-moderne, etc. Sortant du cadre traditionnel, le perfectionnement des outils numériques et l’essai d’application des méthodes computationnelles sur les analyses des styles dans le domaine littéraire donnent une nouvelle piste.

Dans ses recherches, avec l’intention d’explorer un algorithme mieux pour le partitionnement stylistique baudelairien entre le romantisme et le modernisme, Liang Tao a effectué une analyse du rôle de Baudelaire d’écrivain situé à la transition pour examiner les hypothèses sur le style baudelairien : en connaissant son ambiguïté, est-il plus proche du romantisme (H1) ou du modernisme (H2) ? Afin d’établir un corpus plus fiable, Liang Tao a récupéré des poèmes repartissent sur trois courants poétiques non-labellisés, choisissant des textes représentatifs des œuvres d’Alphonse de Lamartine, d’Alfred Musset, de Victor Hugo, de Gérard de Nerval, d’Alfred Vigne, de Charles Baudelaire, de Paul Eluard, de Louis Aragon, de Guillaume Apollinaire, d’André Breton et de Jacques Prévert, qui sont des poète à la fois distincts et comparables.                                                                                                                        

Au sujet de l’analyse comparative du style, Liang Tao nous a signalé deux pièges sur l’utilisation de l’algorithme, l’une est une antinomie ontologique, en ce que les approches supervisées s’orientent vers une confirmation simple qui font une reconnaissance des suppositions a priori, l’autre est une impasse trompeuse, pour duquel la stabilité et la fiabilité sont longuement interrogées.  Dans le cas du style baudelairien, lequel se caractérise par un style assez pluraliste, c’est-à-dire que les « features » [caractères] sont relativement équilibrés et que la stabilité et la fiabilité des résultats sont potentiellement plus équivoques.

Dans ce cas-là, la solution usuelle dans ces recherches consiste en le recours à des analyses au niveau lexical, dont les « features » soient bien reconnues. Malgré les lectures à distance, l’utilisation lexicale est un élément important en poésie, qui nous aide à mettre aussi au jour l’esthétique et l’effet philosophique des poèmes.

Deux explorations sont effectuées : la première suit les algorithmes pour l’identification de l’auteur (Cafiero & Camps, 2019) par deux « features » : lemme et POS (part of speech), à mesurer les similarités stylistiques parmi les textes. Pour un résultat plus précis, Liang Tao aborde aussi les n-gram de lemme et de POS dans cette exploration. Selon lui, les structures syntaxiques créatives dans les œuvres poétiques présentent certains motifs de résonance prosodique ou bien certains paradigmes créatifs, qui sont les caractéristiques importantes des styles et sont sortis par les séquences de lemme. En outre, le POS n-gram présentant aussi la collocation inter-sémantique, il est nécessaire d’extraire les homéotypes latents dedans.

Pour examiner respectivement leur écriture et le contenu qui y est abordé, les matériaux textuels sont divisés en deux sous-corpus : les mots notionnels (NOM, ADJ, VER, ADV), et des items fonctionnels (PUN, INT, PRP, PRO,Kon).

Fig. 1. Dendrogrammes du clustering agglomératif et hiérarchique sur quatre features (Méthode de Ward, Distance de Manhattan, Transformation Z-Score, et normalisation vectorielle de longueurs), avec le nombre des features et le coefficient agglomératif. Corpus : poèmes répartis sur trois courants littéraires adjacents : (rouge) Romantisme, (bleu) Baudelairien, (vert) Modernisme

Malgré le fait que la première exploration nous donne un résultat intéressent, selon Liang Tao, les approches adoptées ne sont pas assez optimales, parce que : premièrement, une simple distribution des lexiques lemmatisés, ou des étiquettes grammaticalisées et de l’algorithme de vectorisation par fréquence ne sont pas suffisants pour une représentation sémantique complète ; deuxièmement, les performances se basent entièrement sur le corpus traité, dont un réarrangement pourrait aboutir à des résultat instables. Qui plus le n-gram est, concernant les traitements des séquences morphosyntaxiques,  une démarche un peu chaotique, qui produit davantage de bruits insignifiants, à cause de la négligence de la composition logique qu’elle implique, et du fait que son moyen d’examiner l’unité séparée ne s’oriente pas directement vers une illustration de la similarité communautaire d’un courant particulier.

Pour ceux-ci, Liang Tao propose une référence plus généralisée dans la deuxième exploration : sous l’aide de l’apprentissage profonde (RNN+ATTENTION), un autre corpus est introduit, qui est énorme, linguistique et référentiel. Sur ce corpus, les deux prolongements de mot et les traits POS sont rajoutés. Cette exploration examine deux variables : lemme et lemme étiqueté.

 

 

 

 

 

 

Fig. 2. Dendrogrammes du clustering agglomératif et hiérarchique sur quatre features (Plongement des mots avec attention), avec le nombre des features, le coefficient agglomératif. Corpus : poèmes répartis sur trois courants littéraires adjacents : (rouge) Romantisme, (bleu) Baudelairien, (vert) Modernisme

Dans cette présentation d’une recherche en préparation du projet d’un examen du style poétique de Baudelaire entre le romantisme et le modernisme, Liang Tao a montré les résultats obtenus à travers les explorations numériques et les méthodes adoptées dans ces explorations. Il nous a signalé aussi que les résultats sont peut-être incomplets pour l’instant, et qu’il est possible que plus de contenu soit ajouté dans la suite de ses travaux.