La bibliothèque numérique de production est embarquée dans le projet GRIMM du CELIS et de la MSH de Clermont-Ferrand.
L’enjeu de ce projet est de proposer à la communauté scientifique, mais aussi à un plus large public un corpus tout à la fois textuel et intermédial des divers types de réécritures auxquelles ont donné lieu les contes des frères Grimm, dans les cultures européennes, depuis la première édition de 1812.
Le projet commence, et la bibliothèque numérique s’implique dans la recherche d’outils facilitant l’analyse littéraire des différentes versions des contes.
C’est dans ce contexte que je vous propose un focus sur l’outil treecloud, un logiciel de visualisation de texte sous la forme de nuages arborés, qui a été mis au point par Jean Véronis, Philippe Gambette, et Jean-Charles Bontemps.
Même si vous trouverez sur le site de treecloud toute la documentation nécessaire à l’utilisation de ce logiciel, je veux ici en produire une synthèse à l’usage des novices.
Comme la chimère a une tête de lion et un corps de chèvre, le nuage arboré a les propriétés du nuage de mots et aussi celles de l’arbre de Porphyre.
Sa force d’analyse est qu’il permet de repérer au sein d’un texte, de façon coordonnée, simultanée et attractive, toutes ses occurrences et ses cooccurrences.
Précisons : Les occurrences correspondent au nombre d’utilisations d’un terme au sein d’un texte. C’est bien sur au besoin de visualisation du nombre d’occurrences des mots que répondent les nuages de mots, popularisés par le Web 2.0.
Les nuages de mots se doivent d’être différenciés des nuages de tags, que l’on retrouve en bas à droite des pages d’accueil de la plupart des sites web aujourd’hui: le nuage de mots rend visibles les mots les plus utilisés dans un texte, et non ceux qui servent à indexer le contenu d’un site. C’est très facile de réaliser un nuage de mots avec des outils comme Wordle. Voici celui que je viens de réaliser à partir du conte Blanche-Neige.
Les mots les plus utilisés sont les plus visibles et prennent le plus de place. En un coup d’oeil, j’ai la vision des personnages et des thèmes principaux au sein du conte.
Mais ce n’est pas là un nuage arboré, c’est juste un nuage de mots. L’arboricité, si on peut l’appeler comme cela, va introduire une dimension supplémentaire, vraiment très intéressante, puisqu’elle va faire apparaître les cooccurrences. Et qu’est-ce donc qu’une cooccurrence ? C’est l’apparition simultanée de deux ou plusieurs éléments dans le même texte. Ces cooccurrences vont apparaître comme des feuilles au bout des branches de l’arbre.
Les mots en rouge ou qui tendent vers le rouge sont les mots les plus utilisés dans le conte. Les couples de mots au bout des branches apparaissent ensemble dans le texte : Blanche-Neige et les gnomes, la neige et le sang, les couleurs rouges et blanches, le pauvre enfant, sont les coocurences les plus manifestes dans ce conte. La proximité récurrente de ces termes constitue leur distance sémantique. Elle est calculée avec une fenêtre qui glisse tout au long du texte. Plus la fenêtre repère les mêmes mots ensemble, plus ces mots sont proches sémantiquement. Cette distance sémantique peut être calculée à partir de différents algorithmes.
Au sein de chaque branche, l’outil repère des “sacs de mots imbriqués”, selon l’expression de Philippe Gambette, sacs de mots qui donnent un aperçu de la trame des textes, et de leurs différents registres sémantiques.
Dans cet article intitulé Utilisation de la visualisation en nuage arboré pour l’analyse littéraire, Philippe Gambette et Delphine Amstutz en donnent un exemple probant avec l’analyse des pièces Cinna et Othon de Corneille. Doctorante en littérature, Delphine Amstutz montre que la comparaison des nuages arborés de ces deux pièces donne à voir une évolution significative de la conception du pouvoir et du rôle du favori d’une pièce à l’autre.
La visualisation en nuage arboré peut donc constituer un outil d’analyse pour comparer des textes les uns avec les autres. Dans cette perspective, il peut être pertinent de l’utiliser dans le projet GRIMM pour comparer différentes versions d’un même conte.
En toute évidence, la pertinence de l’outil se mesure d’abord à la connaissance du corpus de celui qui l’utilise. Comparer des nuages arborés, sans avoir étudié en profondeur les textes qu’ils permettent de visualiser, n’a aucun sens.
Comme tout outil de visualisation de données, les nuages arborés peuvent donner des pistes d’analyse et susciter des hypothèses de travail. C’est dans cette mesure que son utilisation peut être complétée avec d’autres logiciels textométriques, et notamment Lexico 3, pour repérer les données et vérifier les hypothèses au cœur du texte.
Le logiciel treecloud en ligne a été réalisé par Jean-Charles Bontemps, un étudiant de licence en informatique à partir du logiciel Splitstree, initialement utilisé pour visualiser la philogénie, et du logiciel treecloud à télécharger. Ce dernier logiciel permet d’obtenir davantage de fonctionnalités : la colorisation des mots, non pas seulement en fonction de leurs occurrences, mais aussi de la chronologie de leur apparition dans le texte, ou de leur dispersion, en constitue un exemple.
Je vous invite à lire la riche documentation sur le site treecloud, et à créer vous-même vos nuages arborés.