#DHIHA8 Humanités numériques : et si nous avions créé une nouvelle discipline ?

D’après Émilien Ruiz, les humanités numériques se trouvent “à la croisée des chemins”. Cette communauté transdisciplinaire a émergé depuis plus de 10 ans, soit suffisamment de temps pour que les pratiques du futur deviennent celles du présent. Ou pas…

Car si les humanités numériques se sont ancrées institutionnellement, les promesses de renouveau scientifique et pédagogique restent encore à l’état de perspectives plus ou moins lointaines : « à ce stade, il me semble pourtant qu’il est possible de parler d’un demi-échec ». Les enseignements du numérique demeurent périphériques. Il y a eu une inflexion réelle dans les pratiques de recherche, les bases de données et les corpus en ligne devenant de plus en plus des outils “normaux” et attendus, mais avec finalement peu d’incidence sur les méthodes et sur les manières d’aborder et de construire l’objet de recherche. Au plus une révolution de l’indexation scientifique, mais certainement pas une révolution scientifique.

Émilien remarque avec justesse que ce bilan en demi-teinte a eu une incidence sur la définition-même des humanités numériques. La dimension quantitative et “computationnelle” a été progressivement reléguée au second plan, au profit d’une approche communicationnelle mettant l’accent sur l’éditorialisation et la diffusion des résultats. Les humanités numériques apparaissent davantage comme une étape supplémentaire dans le cycle de la recherche, sans altérer en profondeur l’existant.

À ce stade, l’on peut légitimement se demander si l’ambition principale des humanités numériques ne devraient pas être de “disparaître”. Réagissant au constat d’Émilien, Paul Bertrand appelle à la « fin nécessaire et heureuse des humanités numériques », appelées à se dissoudre dans les disciplines existantes. Si l’on se limite au versant communicationnel et éditorial des humanités numériques, cette réaction est amplement justifiée. Créer un site ou un carnet de recherche, alimenter une base de données, formater et visualiser un corpus devraient effectivement faire partie de l’outillage ordinaire des disciplines.

Mes recherches en cours m’amènent de plus en plus à faire le constat inverse : toutes les humanités numériques ne sont pas solubles. Ou plutôt, dans ce mouvement volontairement vague et informe, quelque chose a émergé qui change notre rapport aux objets, au savoir. Quelque chose qui ne représente qu’une partie des humanités numériques mais qui resterait même si toutes les pratiques estampillées DH venaient à se normaliser et à rentrer dans le giron de leurs disciplines d’origine. Quelque chose qui réactualise la dimension quantitative marginalisée mais en faisant autre chose que “l’histoire quantitative”.

Cette approche n’a pas vraiment de nom, ou plutôt, les labels existants ne sont pas satisfaisants : il est tantôt question de « computational literature studies » (sauf que cela ne se limite absolument à la littérature), de « lecture distante » (sauf qu’une part essentiel de la recherche actuelle porte sur des objets qui ne sont pas lus mais vus) ou de cultural analytics (expression qui se traduit terriblement mal en français et, sans doute, dans d’autres langues européennes). On pourrait aussi tenter une définition purement SHS, sans jamais faire allusion à l’informatique et parler, par exemple, de poétique historique des formes culturelles.

À défaut de nom, l’approche se caractérise par une intégration croissante de pratiques, de concepts, d’outils et de méthodes, plus ou moins marquées selon les contextes. Aux États-Unis il existe une revue dédiée qui fédère une petite communauté très active, le Journal of Cultural Analytics. En France les initiatives demeurent encore assez isolées.

De la numérisation à l’identification des régularités…

Le point de départ fondamental, c’est la numérisation de masse. Les bibliothèques numériques contiennent aujourd’hui une part substantielle des productions imprimées voire écrites. Je dispose ainsi d’environ un quart des éditions de romans de 1800 à 1900 (soit la totalité de ceux qui ont été numérisés par Gallica). Dans le cadre du projet Numapresse, nous commençons à réunir une bonne partie de la presse quotidienne nationale.

Les romans numérisés de la période 1815-1850 classés automatiquement par genre.

Si nous sommes encore loin de l’idéal d’une numérisation totale (qui ne relève néanmoins plus de l’utopie à moyen terme), il y a aujourd’hui suffisamment de ressources accessibles pour mettre en évidence des phénomènes culturels réguliers qui débordent totalement des narrations historiques courantes. Il existe des récurrences dans les manières d’écrire, dans les arrangements éditoriaux des textes, dans les figures visuelles (d’où d’ailleurs la notion de “stéréotype”).

Par exemple, à partir du début du XIXe siècle, la presse française introduit un objet éditorial, le feuilleton, sorte de supplément interne au journal, où va notamment se nicher le roman-feuilleton. Ce qui est moins connu et qui a été rendu pleinement visible par la numérisation de collections très variées, c’est que la forme feuilleton va s’exporter dans une bonne partie de l’Europe continentale et sans doute au-delà mais pas dans les pays anglo-saxon.

Ces régularités constituent autant un standard documentaire qu’un fait social : à un certain moment, il va de soi que l’on va composer un texte d’une certaine façon, l’illustrer d’une certaine manière, à partir du moment où l’on souhaite aborder tel thématique et s’adresser à tel public.

À partir du moment où il est question de “régularités” et de “récurrences” il devient envisageable d’utiliser des méthodes quantitatives. On peut compter les feuilletons tout comme on peut compter les titres de romans qui mentionnent un genre précis, par exemple “roman de mœurs”, dans leur titre. Et à partir de ces décomptes l’on peut commencer à observer des tendances temporelles et/ou des répartitions géographiques.

Compter à la main de tels objets est une activité plutôt rébarbative même si elle a été pratiquée dans certains domaines (comme les media studies). La numérisation rend possible de déléguer cette activité à des outils automatisés. Dans certains cas, les calculs sont triviaux : compter des occurrences, agréger des publications, dessiner un graphe de tendance… Rapidement, il devient nécessaire d’utiliser des outils plus complexes.

Historiciser par algorithme

Certaines régularités peuvent en effet apparaître évidentes à un œil humain, a fortiori un peu familier du contexte culturel d’origine du document. Je sais reconnaître le feuilleton d’un journal presque instantanément. Créer une définition du feuilleton ou de la note de bas-de-page qui soit compréhensible pour un outil automatisé est une tâche beaucoup plus ardue — on parle aussi d’opérationnalisation. Cela suppose de réfléchir sur un regard qui semble de prime abord spontané : « qu’est-ce que je vois précisément lorsque je distingue un feuilleton ? ».

Il est possible de fournir des règles précises pour repérer les objets (c’est ce que l’on appelle une approche « rule-based ») ou au contraire de laisser l’outil informatique extrapoler les règles à partir de corpus annotés. La seconde approche a été par exemple retenue pour une tentative d’identification automatisée des notes de bas de page dans des corpus anglo-saxon du XVIIIe — une pratique éditoriale notablement différentes des notes actuelles, caractérisées par l’emploi de signes spécifiques en lieu et place des numéros.

Essai de modélisation de la note de bas de page dans Detecting Footnotes in 32 millions of pages ECCO.

J’ai eu recours à la première approche par règle pour extraire automatiquement les romans-feuilleton du Journal des débats. Le texte journalistique était alors suffisamment standardisé pour se contenter d’une définition relativement triviale (un texte, en bas du journal déparé par une marge importante — la grande barre sombre ne survit pas au processus de numérisation/ocr).

Essai de modélisation du feuilleton à partir des “marges” laissées par l’absence du séparateur dans les données de l’OCR.

J’ai d’ailleurs pu constater que cette approche cesse de fonctionner correctement à partir du début du XXe siècle, signe parmi d’autres que l’économie générale des formes journalistiques était en train de changer profondément. Mes travaux actuels visent à aller plus loin que l’identification d’une seule forme journalistique pour reconstituer l’architecture éditoriale générale de la presse quotidienne au XIXe siècle (et, idéalement, au XXe siècle), en anticipant notamment les articulations régulières en forme et sémantique du texte — par exemple, les signatures sont toujours justifiées à droite et les titres sont toujours centrés.

Essai de modélisation éditoriale de la presse quotidienne à partir de la reconnaissance des colonnes et de la justification du texte.

J’ai beaucoup insisté sur la “modélisation éditoriale” car elle constitue un exemple très parlant visuellement, mais les mêmes principes peuvent être appliquées à d’autres formes culturelles. C’est évidemment le cas depuis déjà quelques temps pour les textes, notamment à la suite des recherches pionnières de Ted Underwood sur l’usage critique et « détourné » des classifications supervisées pour interroger la construction historique de la généricité. Il est de nouveau question de partir d’une définition plus ou moins naïve de certaines catégories textuelles pour repérer les phases de formation d’un genre et l’évolution de sa composition lexicale.

Les probabilités d’attribution d’une classification anachronique des romans politiques permettent d’interroger la formation lexicale du genre (Underwood, The Life Cycle of Genres)

L’interrogation critique des modèles de classification permet de sortir d’une approche d’indexation pure pour soulever des questionnements scientifiques : où ces formes se sont-elles développées ? comment se généralisent-elles et à quels moment ? dans quel contexte éditorial ?

Le développement de la page de cinéma dans le Petit Parisien (classification automatisée de tous les exemplaires parus de 1900 à 1940)

Cette “lecture distante” peut également porter sur des régularités plus élémentaires : figures de styles, tournures, articulation récurrents de concepts. Certaines recherches plus expérimentales utilisent ainsi de nouvelles techniques de linguistique computationelle, les Word Embeddings, pour cartographier des usages poétiques sous-jacents de vastes corpus.

Degré d’anthropomorphisme de certains terme dans la poésie anglaise du XVIIIe siècle (Ryan Heuser). La “Personified Abstraction Zone” renvoie aux figures allégoriques.

Le potentiel de la classification est peut-être encore plus important pour les formes visuelles. Contrairement aux textes les images ne sont pas préalablement indexées dans les bibliothèques patrimoniales. Sauf à disposer d’un paratexte explicite elles restent généralement introuvables, et même dans ces cas-là, il est difficile d’identifier précisément des régularités visuelles, qui ne relèvent pas forcément du sujet figuré mais aussi du mode de figuration. Les nouvelles techniques de classification automatisée rendent tout simplement possible une poétique historique de l’image à grande échelle.

Les illustrations de la page de cinéma du Matin de 1927-1940 (3e panel de l’application). Tous les portraits en médaillon composent un cluster rose en bas à gauche, ce qui rend possible d’historiciser la forme.

Les méthodes informatisées s’intègrent d’autant plus naturellement dans ce projet que les régularités se déploient fréquemment sur une échelle temporelle ample. L’histoire éditoriale de la forme feuilleton commence vers la toute-fin du XVIIIe siècle et s’achève vers les années 1970 et 1980 en France (les occurrences les plus tardives que j’ai pu identifier se trouvent dans des périodiques régionaux des années 1970). Aux États-Unis la plupart des chercheurs en cultural analytics ont empiriquement acquis une expertise chronologique ample — souvent de 1800 voire 1700 à aujourd’hui.

Part des personnages féminins dans 93000 ouvrages de fictions anglais parus de 1800 à 2007 (Ted Underwood, The Gender Balance of Fiction). Ce type de recherche n’est pas contraint par les délimitations chronologiques usuelles.

Où suis-je ?

En bref, depuis quelques années, une bonne partie de mon travail de recherche consiste à “opérationnaliser” des objets éditoriaux et des concepts . Et je serais bien en peine de dire précisément à quelle discipline correspond cette activité. Ce n’est pas de l’histoire, de la littérature, de la sociologie, de l’histoire de l’art, de la linguistique ou de l’informatique mais quelque chose qui croise ces disciplines et un peu plus encore.

L’enjeu fondamental des nouvelles méthodes de lecture distante ou de cultural analytics va au-delà de l’intégration de l’outil numérique dans des pratiques de recherches préexistantes qui ne sont pas appelées à changer en profondeur. Il s’agit bel et bien de proposer une redéfinition des frontières scientifiques, principalement au sein des sciences humaines et sociales, via, notamment, l’articulation paradoxale et constante entre observation minutieuse des réalités poétiques, éditoriales et documentaires et, d’autre part, l’ambition d’historicisation à grande échelle de formes culturelles.

Les transformations les plus marquantes, de mon point-de-vue, concerne les pratiques quotidiennes de la recherche. La programmation implique inévitable une textualisation et une explicitation des regards de recherche et des méthodes de travail. Il ne suffit pas de repérer instantanément que le feuilleton est en bas de page ou que les signatures sont systématiquement alignées à droite, il faut l’exprimer clairement en pourcentage de page ou en pourcentage de colonnes.

L’ampleur des corpus analysé et le recours à la programmation implique également de repenser l’organisation de la journée. Au-delà d’une certaine taille l’automatisation n’est pas instantanée : elle peut prendre plusieurs heures voire plusieurs jours. Je constate ainsi que je suis de plus en plus amené à anticiper les tâches à accomplir pour qu’elles tournent en mon absence (notamment pendant la nuit).

Disons-le clairement ces pratiques de recherche sont encore marginales, même au sein des humanités numériques. Je suis de plus en plus convaincus qu’elles sont appelées à se généraliser. Certes, les outils sont encore mal adaptés, les compétences manquent à l’appel, les corpus plus ou moins disponibles et dans un état plus ou moins hétérogènes, mais il y a un facteur plus important : c’est très tentant. Lorsqu’on s’intéresse aux collections patrimoniales et aux archives au sens large l’on est inévitablement confronté à tout ce savoir latent que je viens de décrire. L’on se familiarise avec les règles éditoriales, les marqueurs lexicaux de la généricité (que nous avons inévitablement assimilés lorsque nous procédons par lecture flottante) ou les stéréotypes visuels que l’on se résigne à cantonner dans un vague arrière-plan culturel sans pouvoir imaginer de décrire systématiquement une telle masse documentaire en dehors de quelques échantillons ponctuels.


6 réflexions sur « #DHIHA8 Humanités numériques : et si nous avions créé une nouvelle discipline ? »

  1. Les Cultural analytics constituent une démarche essentielle pour appréhender de manière différente le réel, à la croisée (ici aussi!) des disciplines traditionnelles, entre histoire, littérature, patrimoine… Mais il me semble qu’il serait dommage de ne pas les intégrer dans les champs critiques associés aux disciplines existantes. Et je suis évidemment d’accord avec toi: il faut absolument envisager de faire bouger les frontières de ces dernières. C’est la seconde étape de la nécessaire mutation qui attend les SHS dans les prochaines années.
    Pour en revenir aux Cultural analytics, il me semble que ce serait même dangereux de créer une sorte de nouvelle discipline désincarnée, comme si une nouvelle réalité apparaissait au travers de tes analyses, indépendamment de toutes les autres formes d’analyses des mêmes réalités.
    La richesse des Cultural analytics et leur consolidation critique pourraient encore davantage se concrétiser, selon moi, dans leur intégration comme outil, pratique et sous-champ d’analyse dans les disciplines d’analyse du monde existantes -recentrées évidemment. Seule une approche historicisante et littéraire de tes corpus peut te permettre de justifier tes choix et tes résultats et surtout de les expliquer, de les expliciter, de les commenter, au-delà des renforcements statistiques. Je me souviens de notre projet ERC (pas abouti hélas) autour des paysages documentaires, où tes réflexions et propositions en matière de cultural analytics avaient fait merveille et d’ailleurs tapé dans l’oeil des évaluateurs. Nous étions dans un projet intégré. Parlons intégration et probablement mutation.
    Mon rêve serait que mes étudiantes et étudiants en histoire apprennent à maîtriser et créer des outils comme les tiens, peut-être au sein des mêmes classes que les étudiantes et étudiants en littérature.
    En fait, nous devons certainement continuer dans nos tentatives de créer de nouvelles disciplines, comme tu le fais. Mais il ne faut pas se leurrer, le défi le plus terrible des 20 prochaines années sera de sauver les SHS dans leur ensemble. Il faudra donc intégrer plus que découper.

  2. Je remets ici mes tweets, en guise de commentaires:

    “Tu as mis le doigt sur un élément très important dans ce billet. Il me semble qu’il y en a autre qui en découle pour partie: nous continuons d’utiliser des concepts dont le contenu, avec la mise en données, change potentiellement radicalement.

    Je pense par exemple à la notion d’archive et tes recherches sur la presse le montrent bien: numériser la presse, c’est quasiment créer une nouvelle source. Ce n’est pas utiliser la source primaire “presse” autrement, c’est poser des questions de recherche tout-à-fait nouvelles.

    On le voit très bien avec les projets comme @Numapresse @ImpressoProject @NewsEyeEU etc.”

    Et j’ajouterais que, toujours sur la notion de sources, si le goût de l’archive à l’ère numérique reste le goût de l’archive, pour reprendre la remarque d’Émilien dans son billet, il y a tellement d’éléments qui changent pour appréhender ces archives, les interpréter, que je ne suis plus sûr que l’on parle toujours du même objet, l’archive. Le terme est le même, le contenu du concept l’est-il toujours?

    1. Je reproduit mon tweet aussi: “Poser de nouvelles questions de recherches suffit-il à créer une nouvelle discipline? Se rendre compte que, même en constituant des fichiers (papiers) de dépouillement des sources comme au 20e s., on crée une méta-source, cela suffit-il à créer une nouvelle discipline? Pas sur…”

  3. Bonjour à tous les deux,

    Merci pour toutes vos remarques très pertinentes, qui m’amène à ré-élaborer ma position.
    J’ai déjà un peu anticipé ma réponse sur Twitter. Ce que je voulais mettre en avant ce n’est certainement pas un déterminisme technique. La plupart des outils concernés existent de longue date. Ce qui a été en réalité déterminant, c’est l’émergence d’un nouvel environnement de recherche conjuguant disponibilité/démocratisation de programmes informatiques sous licence libre et, surtout, l’émergence d’une numérisation de masse (qui relèvent avant tout d’infrastructures publiques ou privées et de communautés auto-gérées comme Wikisource). La convergence de ces deux transformations a un effet cumulatif qui n’amène pas seulement à reformuler les sujets de recherche mais à repenser les pratiques au quotidien et l’organisation des coulisses de la recherche et à reconceptualiser nos objets et nos délimitations usuels et me font penser à des pense que des précédents historiques comme l’invention de la fouille archéologique ou de la méthode philologique.

    Dans l’histoire finalement déjà longue de la recherche menée avec les outils numériques (commencée dès les années 1990 voire même plus tôt pour certains domaines pionnier) c’est la première fois que je constate une réelle rupture, au point que je n’ai plus l’impression d’habiter dans la même culture disciplinaire qu’il y a deux ans. Je ne sais pas si ce sentiment d’étrangeté va déboucher sur une discipline autonome, mais j’ai vraiment l’impression d’assister à l’émergence d’un truc qui ne va pas facilement se fondre dans le paysage disciplinaire actuel.

    Je suis entièrement d’accord avec Paul sur ce point «  seule une approche historicisante et littéraire de tes corpus peut te permettre de justifier tes choix et tes résultats et surtout de les expliquer, de les expliciter, de les commenter, au-delà des renforcements statistiques.  » Mais je me demande justement dans quelle mesure le croisement de l’approche historicisante et littéraire (et également sémiotique vu qu’il n’est pas que question de textes) n’est pas en train de produire quelque chose d’hybride, certainement déjà anticipé dans l’histoire des supports ou dans l’anthropologie à la Goody, mais qui va nettement plus loin dans la tentative d’historiciser sur le long terme des phénomènes poétiques et éditoriaux très précis et d’observer le document de l’intérieur.

    Ce qui semble s’engager c’est aussi une redéfinition des sciences humaines et des rapports qu’elles entretiennent les unes avec les autres, avec sans doute des incidences très variées selon les disciplines. Je ne suis pas très inquiet sur le futur de l’histoire au-delà des déplacements conceptuels déjà soulignés par Frédéric. Par contre, à terme, ce n’est pas totalement impossible que certaines disciplines finissent pas être subsumées dans de nouveaux ensembles.

    Mon espoir personnel serait qu’une culture disciplinaire de ce type pourrait a minima contribuer à arrimer solidement certains travaux de data science / informatique dans le champ des sciences humaines — et à replacer les SHS au centre des futurs développement de l’intelligence artificielle. C’est sans doute utopique au train où vont les choses…

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.