LéoD_Bannière

Appliquer le ‘machine learning’ à la littérature de science-fiction pour écrire une histoire des représentations futuristes

Léo Dray, diplômé du master « Humanités Numériques » (HN) de l’École des Chartes (prom. 2021), a soutenu en septembre dernier un mémoire intitulé Représentations et projections dans la littérature d’anticipation : une approche textométrique pour explorer l’histoire des futurs envisagés. Son travail a été dirigé par Mme. Dinah Ribard (directrice d’études à lEHESS) et M. Jean-Baptiste Camps (maître de conférences en HN à lENC) . Léo Dray expose dans cet entretien les enjeux de son travail de recherche, liant histoire littéraire et outils numériques. Propos recueillis par Vincent Sarbach-Pulicani (M1 HN) et Hugo Forster (élève archiviste-paléographe en 3è année)1.


Quel rôle ont joué tes appétences personnelles dans la définition de ton sujet d’études ? Tes-tu fondé sur des lectures de textes littéraires, avant de temparer davantage de textes critiques et scientifiques sintéressant à leur analyse ?

J’ai intégré le master “Humanités Numériques” de l’ENC en m’intéressant avant tout aux problématiques techniques que soulèvent les outils numériques. Je n’avais encore jamais engagé de véritables recherches scientifiques, et encore moins sur le sujet particulier de la littérature de science-fiction (SF).

Après le baccalauréat, j’ai suivi une double licence proposée à la Sorbonne en histoire et en science politique. C’est au sein de cet établissement que j’ai commencé à m’intéresser à la possibilité de mobiliser des méthodes informatiques pour faire avancer la recherche en histoire, grâce au laboratoire de recherche du PIREH2. J’ai alors pu rencontrer deux pionniers de la discipline, MM. Stéphane Lamassé et Julien Alerini, auteurs de travaux remarqués en Histoire et Informatique3. En suivant leur enseignement en Histoire et Informatique, j’ai pu m’initier à la constitution de bases de données SQL4 et à l’utilisation d’outils statistiques et quantitatifs sur des problématiques historiques. Cette première expérience m’a permis de saisir l’intérêt de l’application de méthodes quantitatives et computationnelles à des problématiques issues des sciences humaines.

J’ai ensuite convoqué mes centres d’intérêts personnels pour imaginer un sujet de recherches. Étant lecteur de littérature de SF, et cultivant une vive curiosité pour la question de l’histoire des représentations, j’ai très vite eu l’intuition que je souhaitais travailler sur l’histoire des représentations futuristes, ou de ce que j’ai choisi d’appeler « Histoire des futurs envisagés ». C’est au début de la première année du master de l’ENC, et avec les conseils bienveillants de mes directeurs de recherche, que j’ai précisé cette idée, tout en cherchant un matériel sur lequel travailler pour accéder à ces imaginaires futuristes. C’est également à ce moment-là, en découvrant avec intérêt les travaux qui existaient en textométrie, que j’ai choisi de me concentrer sur des sources littéraires.

Je souhaitais initialement travailler sur les premières utopies, avant que je ne me tourne vers une littérature de SF beaucoup plus contemporaine (années 1950 à 1990) : elle m’a parue plus “accessible”, et, de fait, il aurait été beaucoup plus difficile de constituer un corpus très volumineux et facilement traitable dans le cas de l’utopie. Plus particulièrement, c’est la “littérature d’anticipation” qui a focalisé mon attention, en cela qu’elle expose des projections et des représentations de l’avenir des sociétés humaines. C’est finalement en élaborant mes outils d’analyse que les contours de mon terrain de recherche se sont mieux définis, empiriquement.

Sur quelles bases scientifiques tes-tu reposé pour dune part établir les textes de SF comme des objets d’étude, et dautre part pour rattacher les outils numériques à ces sources littéraires ?

Mon sujet est assez particulier. Il faut dire que peu de chercheurs s’étaient auparavant penchés sur ce sujet, et encore moins par le biais des méthodes que je me proposais d’exploiter. Heureusement, mes directeurs de recherche m’ont aidé à imaginer un cadre scientifique rigoureux dans lequel j’allais pouvoir travailler. La recherche bibliographique a été difficile, peu d’expériences précédentes se rapprochant de celle que je voulais entreprendre.

Sur le plan historiographique, je me suis rattaché aux travaux de l’histoire des représentations. J’ai aussi exploité, du côté de l’histoire de la littérature, certains postulats de la sociocritique. Pour ce qui relève de l’histoire des représentations futuristes, on se trouve à nouveau dans un cas où les références m’ont manqué, et je dois dire que je n’ai trouvé que peu de travaux portant sur une problématique similaire à la mienne.

Sur le versant plus technique des Humanités Numériques, les méthodes et les outils existent pour l’analyse thématique des corpora de textes littéraires, et nous y sommes largement formés dans nos enseignements. J’ai particulièrement pu m’appuyer sur l’immense travail de Franco Moretti sur le Distant Reading et l’étude de vastes corpus littéraires à l’aide de méthodes informatiques5. Pour ce qui est du topic modeling appliqué à des corpus littéraires, j’ai pu m’appuyer sur une étude des genres du théâtre classique menée par Schöch6, dans laquelle il propose une catégorisation thématique d’un corpus de pièces de théâtre. Concernant la littérature de SF, la matière à disposition est plus rare, mais les usages des outils numériques sont comparables en bien des aspects. Je me sers par exemple de l’analyse thématique, à la manière de Schöch, pour cerner les grands enjeux, en termes de représentations futuristes, qui animent la littérature d’anticipation ; en revanche, j’explore ces textes à des fins plus interprétatives que typologiques. Je n’essaie pas d’établir une nouvelle théorie des sous-genres de la littérature de SF, ou de valider scientifiquement l’existence de sous-genres au sein de la SF ; cela aurait pu présenter un certain intérêt, mais demande un travail qui est distinct de celui que je propose dans mon mémoire.

Les travaux menés sur dautres champs d’études par les professeurs du master HN tont-ils aidé à baliser ta méthode dinvestigation ? En quoi te détaches-tu des expériences qu’ils·elles ont mené ?

J’ai évidemment été inspiré par les cas qui nous ont été présentés dans le cadre de cours et de conférences du master HN. Des professeurs, comme Jean-Baptiste Camps et Thibault Clérice7 nous ont présentés des méthodes comme celle du topic modeling, à laquelle j’ai recours dans mes recherches. Même s’ils ne travaillent pas spécifiquement sur ces méthodes, leurs conseils ont été précieux tout au long de mon travail : j’ai pu élaborer une méthode de recherche et des outils adaptés à ma problématique, et cela avec leurs recommandations et leur soutien.

Ma volonté était de développer un nouveau module8 de topic modeling9 qui soit inter-opérable, et réemployable pour d’autres objets d’études en HN. J’ai donc consacré une partie importante de mes recherches à du travail d’ingénierie de données. Créé à l’aide du langage de programmation Python, ce module facilite le pré-traitement des données littéraires, l’implémentation du topic modeling et la visualisation des résultats. Il est disponible en libre accès sur GitHub. Plusieurs étudiants de ma promotion ont ainsi pu utiliser le module que j’ai créé dans leurs travaux : ensemble, nous avons confronté mes programmes à des problématiques diverses, et j’ai pu affiner la conception de mon module à leur épreuve. Le corpus que Michel Capot explorait, par exemple, dans son travail sur les notions de possible et de virtuel dans l’œuvre de Bergson (voire son entretien aux Chroniques Chartistes), ne concernait qu’un seul auteur ; il analysait l’évolution de la signification de quelques termes bien ciblés, ce qui constitue une application beaucoup plus spécifique, avec des problématiques différentes. Ces échanges nourrissants m’ont permis de généraliser et d’améliorer sur la réemployabilité de mon module.

Peux-tu décrire ta démarche dinvestigation, étape par étape, en commençant par décrire la façon dont sest progressivement dessinée ta problématique ?

Comme j’ai pu l’évoquer plus haut, une fois mes sources et la matière que je voulais en tirer identifiées, j’ai réussi à dessiner une problématique. Dans le cadre de ma première proposition de recherche, à la fin de mon année de M1, je me suis interrogé sur la façon dont les outils numériques pouvaient révéler les représentations futuristes dans la littérature de SF. J’ai alors choisi de travailler sur un corpus très restreint, comportant seulement deux œuvres : 1984, de George Orwell (1949), et Neuromancer, de William Gibson (1984), deux piliers fondateurs de la littérature d’anticipation, œuvres écrites dans des contextes très différents. Je ne prétendais alors pas en tirer des résultats très convaincants : il s’agissait d’une démarche expérimentale, qui devait mettre à l’épreuve mon prototype de module de topic modeling. Il était intéressant de manipuler cet outil pour la première fois, et de m’attaquer à des questions subsidiaires, comme celle de la mise en forme de mes corpus, de la visualisation des résultats d’analyse émis par le module, ou encore, sur un plan plus technique, de me pencher sur la tokenisation10 et la lemmatisation11 préalable de mon corpus (on parle de preprocessing : traitement préalable).

Malgré la pauvreté des résultats fournis par le premier essai de mon module, ce premier travail de M1 m’a fourni de bonnes fondations à partir desquelles développer davantage de fonctionnalités. Au début de l’année de M2, je me suis concentré sur l’amélioration technique de mon module, en insistant sur sa vocation à l’interopérabilité. Dans un second temps, j’ai porté mon attention sur la partie plus thématique de mon travail, et notamment sur la constitution de mon corpus. Pour sélectionner la centaine d’œuvres qu’allait inclure mon corpus, j’ai dû travailler sur l’histoire de la SF en tant que genre littéraire, et répondre à des questions méthodologiques délicates, préliminaires à mon travail d’analyse.

Comment as-tu construit ton corpus, et en quoi consiste-t-il ?

Je me suis cantonné, d’une façon assez arbitraire, à deux collections canoniques de l’édition de littérature SF francophone de la fin du XXe siècle : « Anticipation », chez Fleuve Noire, fondée en 1951, en réponse à la création du « Rayon Fantastique » chez Hachette, mais qui adoptait, au contraire de ce dernier, une perspective beaucoup plus populaire, et se cantonnait absolument à la SF ; et « Présence du futur », chez Denoël (1954 – 2000), qui reprenait à sa fondation un certain nombre de titres fondateurs au « Rayon fantastique ». Ce sont deux collections que je connaissais, et dont je savais qu’elles avaient été fondatrices dans la diffusion de la SF française. Je ne m’en suis pour autant pas remis au seul choix éditorial qui avait été opéré par ceux de chez Fleuve Noir et Denoël : le corpus de deux mille œuvres aurait été bien trop important pour le cadre d’un mémoire. J’ai donc souhaité me cantonner à une centaine d’œuvres, volume plus abordable, tout en étant assez conséquent pour justifier le recours à des outils numériques.

C’est au moment de discriminer les titres qui allaient rejoindre mon corpus de ceux que je n’exploiterais pas que mon travail préliminaire sur l’histoire de la littérature de SF m’a été utile. Comme j’essayais d’accéder à des imaginaires projectionnistes plausibles, je souhaitais traiter la SF qui relevait de l’anticipation en particulier. Cependant, il n’y a pas de sous-genre d’anticipation à proprement parler : ce concept renvoie plutôt à un procédé narratif. Je me suis néanmoins appuyé sur une théorie des sous-genres de la SF pour essayer d’objectiver quelques critères de sélection. À la lecture des résumés des œuvres de ces deux collections, j’ai par exemple écarté tout ce qui relève du space opera, sous-genre qui ne montre pas réellement de vocation à décrire un avenir plausible pour l’humanité, bien qu’il se situe dans le futur. Bien plutôt, les romans de space opera s’attachent à décrire des mondes lointains et fantasmés. Enfin… il y aurait quand bien même des arguments pour les inclure dans mon corpus.

Connaissais-tu déjà une bonne partie des œuvres de ton corpus avant de les analyser par le biais des outils numériques ?

Justement, non. J’étais très peu familier de ces œuvres. C’est tout l’intérêt de cette démarche de distant reading12, l’échelle de mon corpus dépassant de loin la capacité d’analyse d’un seul lecteur. Je connaissais certaines des œuvres majeures qui constituaient mon corpus, comme Niourk de Stéphane Wul (1957), ou encore Le voyageur imprudent de Barjavel (1944). L’intérêt de mon approche résidait néanmoins dans la possibilité d’intégrer des textes beaucoup plus méconnus, comme des nouvelles mineures, enfouies dans de larges recueils. Je pense par exemple à Soleil de soufre de Serge Brussolo (1999).

Le corpus est exclusivement constitué d’auteurs francophones, à l’inverse de ce que j’avais proposé dans mon premier essai de M1. Je m’y étais en effet aperçu de la complexité des problématiques liées à la traduction des œuvres, surtout dans le contexte de la retraduction en français des œuvres d’Orwell chez Gallimard13. Il est d’ailleurs plus envisageable, pour accéder aux représentations, de travailler sur une langue avec laquelle on n’est pas parfaitement familier ; j’ai été plus à l’aise avec le français. Dans le cas des traductions, s’ajoute au problème de la langue un problème chronologique, avec l’écart temporel qui existe entre la date de publication du texte original, et celle de sa traduction : cela ajoute un filtre difficile à déjouer dans une analyse en topic modeling.

D’un point de vue thématique, une partie importante du corpus traite de phénomènes apocalyptiques, liés à l’effondrement des sociétés humaines, comme avec le sujet des pandémies (Pandémoniopolis (1975), Gabriel Jan), de l’évolution du climat (La sortie est au fond de lespace (1956), Jacques Sternberg), des guerres robotiques (Territoire robot (1954), Jacques-Gaston Vandel). On parle aussi beaucoup de l’expansion de la civilisation humaine, avec la conquête spatiale, les villes du futur (cf. Vue en coupe dune ville malade (1980), Serge Brussolo)…

On m’a cependant reproché d’avoir négligé mon travail de sélection au profit d’un travail plus technique. Je m’en repens, mais me console des résultats convaincants fournis par mon module, qui s’est montré réemployable pour d’autres corpus. Je pourrais ainsi par exemple étendre mon analyse à un corpus encore plus volumineux, qui toucherait des espaces chronologiques et géographiques plus vastes. Il sera cependant difficile de concilier dans un même corpus des textes de langues différentes… Mais pourquoi ne pas développer une approche comparative entre différentes analyses localisées ? Il faudrait alors prendre d’importantes précautions, ne serait-ce que par rapport à la familiarité de l’analyste avec les différentes langues : un même mot, en anglais et en français par exemple, ne partage pas du tout une texture identique (surtout quand il s’agit de néologismes, ou de reconceptualisations de termes courants, fréquents en SF).

Tout un pan technique de ton travail m’échappe encore… Peux-tu rentrer dans le vif du sujet, et nous expliquer en quoi cela consiste, de « développer un module », et à quelles problématiques épistémologiques tu te confrontes durant le développement ?

Pour créer mon module, j’ai utilisé un langage de programmation appelé « Python ». J’ai rédigé, dans ce langage, un ensemble de scripts (feuilles de codes), qui définissent des fonctions très précises, et répondent toutes à un certain objectif. L’ensemble de ces scripts s’assemble dans le module. Concrètement, j’ai dans mon module des fonctions qui servent aux différentes étapes de l’analyse de topic modeling, du pré-traitement des données textuelles (tokenisation, lemmatisation…) à la visualisation des résultats, en passant par l’implémentation d’un modèle mathématique appelé LDA (pour Latent Dirichlet Allocation). Ces différentes fonctions sont réemployables, et elles permettent de rédiger un programme capable de modéliser thématiquement mon corpus.

Le topic modeling, est en fait un modèle mathématique de la distribution des termes dans mon corpus, qui est entraîné par apprentissage machine non supervisé (unsupervised machine learning) sur mon corpus, et qui ajuste sa modélisation au fur et à mesure de son entraînement. Il doit représenter une réalité statistique – ici, un ensemble de mots, et leur répartition dans le corpus – sous une forme directement compréhensible par le lecteur. Le module dégage la présence de thèmes, au sens mathématique : ces thèmes ne sont pas prédéfinis à l’avance par l’analyste, mais sont dégagés par la seule analyse statistique de la cooccurrence des mots14. C’est ensuite à l’analyste d’interpréter, à partir des thèmes statistiques, les différentes thématiques intellectuelles abordées dans son corpus. Grâce à des outils de visualisation parlant comme les nuages de mots, je peux ensuite rendre les résultats de ce modèle mathématique accessibles et interprétables, à l’aide de graphiques comme ceux qui suivent.

LéoDray01
Représentation en ‘wordclouds’ (nuages de mots) des topics. Ce graphique présente les 10 termes les plus importants pour chacun des 6 topics mis en évidence par notre modèle. La taille des mots est relative à leur importance – c’est-à-dire à leur fréquence d’occurrence.
LéoDray02
Histogrammes des fréquences d’occurrence pour chaque topic. Ce graphique présente les fréquences d’occurrence des 10 termes les plus importants pour chacun des 6 topics mis en évidence par notre modèle. L’indicateur ‘Word Count’ correspond au nombre d’occurrences du terme dans l’ensemble du corpus, tandis que ‘Weights’ représente son poids au sein du topic.

 

Ce modèle me permet également, toujours dans une même perspective interprétative, de poser des questions plus précises sur l’importance relative de ces topics, sur les relations qu’entretiennent ces différents topics et sur les axes explicatifs structurants qui les opposent – ou les rassemblent. C’est notamment un des aspects que permet d’interroger cette représentation de la distance inter-topic.

LéoDray03
Grâce aux fonctionnalités de l’outil LDAvis, mon module permet d’accéder à des représentations interactives d’un ‘topic model’ et d’explorer la modélisation aux niveaux inter- et intra- topics.

Comment as-tu accédé à la matière première de ton corpus ?

L’important volume des textes que je me proposais d’analyser a demandé une certaine automatisation du traitement des sources. Heureusement, j’ai pu accéder aux œuvres directement dans un fichier texte. Les plus anciens appartiennent déjà au domaine public, mais, même pour les plus récents, je n’ai pas eu à me poser de questions légales, puisque le droit à la propriété intellectuelle permet à chacun de travailler à partir de l’œuvre d’autrui, dans la mesure où on n’en publie aucune partie. Je suis très redevable des bases de données dans lesquelles j’ai pu puiser ces fichiers : un travail de numérisation et d’océrisation15 des textes aurait représenté une tâche rébarbative et couteuse en temps comme en énergie.

Il a tout de même fallu effectuer à la main un travail de mise en page, de suppression de l’appareil critique et paratextuel. J’ai effacé tous les formalismes (indications de matière, de sections du texte, etc.) qui ne m’intéressaient pas. J’ai souhaité rendre le texte le plus fluide possible, voire même m’abstraire de son contexte matériel. En fait, pour grossir le trait, mon approche consiste à considérer le texte comme un sac de mots, et à m’intéresser à la répartition statistique de ces mots.

Quelles conclusions as-tu tirées de lanalyse de ton corpus ?

Mon travail démontre avant tout l’efficacité des outils à confirmer les intuitions qu’avaient déjà formulées les analyses littéraires ayant recours à des méthodes plus classiques , qu’on pourrait qualifier de close reading. Le premier résultat d’analyse montre que mon corpus parle de science, dans l’avenir… On peut dire que l’on enfonce des portes ouvertes, mais, en fait, cette conclusion n’est pas forcément évidente : les outils numériques confirment par-là la théorie du genre, et, en rétribution, l’analyse valide l’efficacité des outils.

J’ai pu creuser davantage l’analyse thématique et interprétative de certains topic. J’ai notamment analysé un champ lexical dénotant un certain fantasme médiévisant dans plusieurs textes du corpus. Des termes évoquant l’organisation féodale de la société médiévale (chevalier, princesse, serment, domaine…) sont récurrents, et on les retrouve souvent ensemble. Je me suis alors interrogé sur le sens à donner à cette abondance de termes médiévaux. Quand on revient au texte, en s’intéressant à la façon dont ces termes sont employés en contexte, on se rend compte qu’ils renvoient souvent à l’idée d’un futur archaïque, rétrograde, dans lequel on assisterait à une résurgence des modes d’organisation féodaux.

LéoDray04
Topic 1 du modèle final entraîné sur 6 topics.

On reste, en somme, sur une description assez superficielle des thèmes de SF que chacun peut facilement et intuitivement se représenter. Peut-être n’ai-je pas suffisamment creusé l’interprétation thématique de mes résultats ; on m’a reproché lors de ma soutenance de ne pas toujours avoir saisi et explicité certaines données produites par mon module, que j’aurais pu mieux mettre en lumière en revenant davantage aux textes.

L’apport de ma recherche est, en conclusion, surtout à chercher sur le plan méthodologique, dans la ré-employabilité de mon module, que l’on pourra non seulement appliquer à d’autre corpus éclairant l’histoire des futurs envisagés, mais également à d’autres sujets d’histoire littéraire. On pourrait en outre envisager d’utiliser mon module à des fins typologiques, en l’utilisant par exemple pour construire une classification thématique objective des sous-genres de la littérature de SF.

Comptes-tu poursuivre ton activité dans la recherche ? Où en es-tu dans ton parcours d’étudiant et de jeune professionnel ?

J’ai pour le moment mis de côté la recherche pour me lancer dans le conseil en tant que data scientist. Pour approfondir mes connaissances en ingénierie, j’ai décidé de suivre un second master Machine Learning Engineering, issu d’un partenariat entre Open Classrooms et Centrale Supélec. Je pense qu’il s’agit d’un filet de sécurité sur le plan professionnel, autant que d’un moyen d’acquérir de très solides compétences programmatiques dans le domaine du machine learning. Je souhaiterais cependant revenir à la recherche un jour, et dans cette perspective, je suis certain que ces expériences professionnelles seront très enrichissantes pour les différents travaux que je pourrai mener à l’avenir.

Je tire un bilan extrêmement positif de mes deux années de master HN à l’ENC. Les enseignements y étaient approfondis. En mettant en perspective ces enseignements avec les missions que je me vois confier aujourd’hui dans le cadre professionnel, je me rends compte que la formation m’a prodigué de très bonnes bases sur les méthodes computationnelles et statistiques : je me retrouve facilement dans nos usages du NLP (Natural Language Processing), du topic modeling, de la stylométrie, que nous appliquons à la classification de contenu thématique, ou encore à l’analyse de sentiments dans les textes.

Je me dis bien, cependant, que si je ne m’étais pas autant impliqué en autodidacte dans ma formation à la partie la plus technique des outils numériques, cela m’aurait aujourd’hui fait défaut. Le socle de connaissances exigé par la formation HN en langage de programmation, en mathématiques et en informatique est déjà assez conséquent pour des étudiants qui découvrent la discipline en novices, mais, à titre personnel, j’aurais aimé pousser un peu plus loin mon apprentissage.

Je pense cependant que les élèves ayant suivi ce master possèdent désormais un profil transversal intéressant et recherché. Du fait du double bagage en ingénierie numérique et en sciences sociales, je pense que nous abordons les problèmes d’ingénierie des données d’une perspective différente. Disons qu’un étudiant sortant d’un parcours d’ingénieur classique aura beaucoup profité d’expériences pratiques, et aura manipulé des données bien réelles, mais toujours dans un cadre relativement serré. Il sera évidemment nettement meilleur sur le plan technique, mais peut-être aura-t-il plus de mal à mettre en perspective son problème avec d’autres considérations pratiques.

Au contraire, dans le cas de mon travail de recherche, j’ai dû constituer moi-même les données que j’allais étudier, dans un but de recherche que je m’étais proposé à moi-même. J’ai gagné en autonomie en étant confronté à des problématiques et à des incertitudes auxquelles une réponse tranchée ne pouvait être apportée. En adressant ces questionnements épistémologiques et éthiques, j’ai le sentiment d’avoir acquis un certain recul critique sur les méthodes informatiques de traitement des données, et je suis certain qu’il peut représenter un atout au-delà des sciences sociales.

 

Le mémoire de Léo Dray est accessible en ligne, accompagné sur Github de toutes les archives nécessaires à la production des résultats (corpus, scripts Python, module…).



Citer ce billet
Hugo Forster (2022, 21 février). Appliquer le ‘machine learning’ à la littérature de science-fiction pour écrire une histoire des représentations futuristes. Chroniques chartistes. Consulté le 18 avril 2024, à l’adresse https://doi.org/10.58079/mpj6

  1. Image en bannière : James Rosenquist, U-turn into Tomorrow, 1974. © ADAGP – Paris 2017 / Bridgeman Images) []
  2. Pôle Informatique de Recherche et d’Enseignement en Histoire []
  3. DUMONT Léo, JULIEN Octave & LAMASSÉ Stéphane, “Le PIREH de l’université Panthéon-Sorbonne : articuler histoire et informatique, enseignement et recherche” dans Humanités numériques, Bruxelles: Humanistica, 2020. []
  4. SQL : Structured Query Language, un langage informatique permettant d’exploiter des bases de données dans lesquelles les données sont structurées selon les relations qu’elles entretiennent les unes entre les autres. []
  5. MORETTI Franco, Distant Reading, Verso, 2013. []
  6. SCHÖCH C., Topic Modeling Genre: An Exploration of French Classical and Enlightenment Drama, 2021. []
  7. Auteurs de “Why Molière most likely did write his plays”, étude sur la paternité de l’œuvre de Molière, parfois controversée, et attribuée en partie à Corneille. []
  8. Module : librairie rassemblant et coordonnant plusieurs programmes codés par l’ingénieur en Humanités Numériques pour le traitement automatisé de ses sources. []
  9. Topic modeling : programme d’intelligence artificielle qui reconnait dans un texte des thèmes ou des sujets abstraits, à partir des relations qu’entretiennent les mots entre eux. []
  10. Le token (jeton) représente une unité dans le texte. Un programme de tokenisation permet au module d’interpréter les artifices de mise en page qui jalonnent le texte (césure des mots, apostrophes, retours à la ligne, etc.). []
  11. Lemmatiser, c’est réduire les mots à leurs formes canoniques. Selon le degré de précision souhaité dans la lemmatisation, on pourra réduire toutes les formes d’un “lexème à flexion”, par exemple un adjectif (en genre et en nombre) à une seule forme singulière neutre. Le “lemme” aimer correspond entre autres à toutes les formes qui suivent : aimons, aimerez, aimât, avez aimé… []
  12. En opposition au close reading, littéralement “la lecture de près”, qui caractérise la méthode traditionnelle de l’analyse littéraire. []
  13. George Orwell, 1984, nouv. trad. fr. Josée Kamoun, Paris : Gallimard, coll. « Du monde entier », 2018 [1949]. []
  14. Cooccurrence : ensemble de mots fréquemment employés ensemble. []
  15. Du sigle OCR (Optical Character Recognition), qui désigne l’interprétation automatisée d’images-textes et textes numériques. []

Une réflexion sur « Appliquer le ‘machine learning’ à la littérature de science-fiction pour écrire une histoire des représentations futuristes »

Laisser un commentaire

Votre adresse e-mail 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.