Un exemple de Big Data appliqué à l’histoire: « The declassification engine »

Le 10 mai dernier, j’ai eu la chance de participer à une conférence à l’Université Columbia sur un projet d’histoire numérique particulièrement intéressant: The Declassification Engine. Organisée par l’historien Matthew Connelly1 et le statisticien David Madigan, tous deux de la Columbia, elle m’a fait découvrir un champ d’études qui, à ma connaissance, n’existe pas en France (voire en Europe?), en tout cas comme champ structuré: l’étude du secret d’État. L’introduction de Mat Connelly fut particulièrement intéressante à ce sujet. Vous trouverez un résumé des enjeux démocratiques du secret d’État aux États-Unis ici.

Dans ce billet, je vais me consacrer sur les aspects « numériques » du projet, plus que sur son fond, que je ne maîtrise que peu. Je m’attarderai sur deux éléments: les visualisations et les sources, avant de conclure sur le projet lui-même et ce qu’il m’inspire de manière plus générale.

Les visualisations

Le projet, à terme, proposera trois modes de visualisation de documents déclassés:

  • The Redaction Archive;
  • The Sphere of Influence;
  • The (De)Classifier.

The Redaction Archive

View redacted and unredacted documents side by side. The program analyzes the text and images of each document and finds where they differ.

La « Redaction Archive » met côte à côte les versions caviardées et non-caviardées de documents diplomatiques, en utilisant des méthodes computationnelles de « Natural language processing ».

Capture d'écran de la Redaction Archive

Capture d’écran de la Redaction Archive

Quel intérêt? On peut tout simplement savoir ce que les administrations ne veulent pas que l’on sache sur leurs actions. Prenons un exemple: la proposition états-unienne d’une Multilateral Force (MLF) sous contrôle de l’OTAN. Que remarque-t-on dans l’un des documents déclassés? La partie caviardée contient (de mon point de vue) deux éléments importants. Le premier rappelle que l’Allemagne (dénucléarisée – la MLF aurait inclus l’arme nucléaire) y participerait et trouvait l’initiative importante et que les États-Unis craignaient que Berlin ne se tourne vers la France et son équipement nucléaire naissant. Le second élément concerne le coût de la MLF: il est expliqué ici que c’est aussi un moyen de les reporter vers les Alliés. La MLF n’a jamais abouti.

Vous pouvez tester la Redaction Archive (Attention, ça mange des ressources).

The Sphere of Influence

A visualization of hundreds of thousands of State Department cables from the 1970s, including still-classified documents.

En termes de design, la Sphere of Influence est particulièrement impressionnante. L’équipe du Declassification engine a utilisé le code d’un projet hébergé par Google Ideas, Small Arms & Ammunition Data Visualization, qui permet de visualiser les réseaux illicites de circulation d’armes.

Capture d'écran de la Sphere of Influence

Capture d’écran de la Sphere of Influence

La sphère d’influence permettra de voir la structure de l’activité (classée ou non) diplomatique états-unienne. Comme le précise le texte d’introduction, on peut y voir des changements globaux (l’importance croissante de l’Asie du Sud-est par rapport à l’Europe) ou des variations d’activité en fonction des événements internationaux. On peut aussi voir quelles sont les régions où les câbles diplomatiques ont été les plus censurées.

Prenons un exemple simple: concentrons nous sur les câbles échangés entre la France et les États-Unis. Que constate-t-on? L’ambassade états-unienne à Paris converse avec tous les continents, notamment l’Afrique francophone, mais pas uniquement. Ce n’est pas le cas de tous les pays développés: l’ambassade états-unienne allemande2 n’a eu aucun échange de câbles avec ses homologues en Amérique du Sud. Cela dépend toutefois de la carte que l’on choisi: si c’est FROM/TO, la sphère d’influence de la France est plus importante que celle de l’Allemagne, si c’est FROM/TAGS, c’est beaucoup moins net. Pour savoir la différence entre les deux cartes, le mieux est de visiter le site. Même les câbles partant de Londres ne semblent pas (en 1976 en tout cas) aller dans autant de parties du monde que ceux de Paris.

Ensuite, on peut visualiser les hausses et baisses du nombre de câbles de 1973 à 1976. Dans le cas de la France, la tendance est nettement à la hausse, particulièrement autour de la fin de l’année 1975 et du début de l’année 1976. Cette même tendance semble exister aussi dans d’autres pays d’Europe occidentale (Allemagne, Luxembourg, Italie, Belgique…), à une exception notable, le Royaume Uni. Mon hypothèse est que cela correspond à la préparation de la conférence de la Jamaïque de janvier 1976, celle où, de fait, le système monétaire international de l’après-guerre a été définitivement liquidé. Reste le problème du Royaume Uni: comment interpréter cette baisse/stagnation de l’activité diplomatique au moment de cette conférence? Soit il y a eu une activité diplomatique de l’ambassade US à Londres très forte pour une autre raison juste avant, ce qui explique que l’on ne puisse voir d’effet « Jamaïque », soit Washington a isolé Londres pendant la préparation de la conférence, soit les contacts ont été pris via d’autres canaux.

On touche ici à une limitation importante de la Sphere of Influence, me semble-t-il: elle est une excellente lecture distante au sens de Moretti, mais ne permet pas un aller-retour entre les documents précis et la vision globale, entre la lecture proche et la lecture distante. De ce fait, il m’est difficile de vérifier mon hypothèse. De plus, pour revenir au secrecy, je ne peux savoir précisément ce qui a été censuré concernant, par exemple, la France.

Il est intéressant aussi de constater, si l’on prend l’option TAGS/TAGS, de voir qu’il reste toujours, dans les années 1970, une forte marque des empires coloniaux passés, en comparant le Royaume Uni à la France.

The (De)Classifier

A tool to display classified and declassified diplomatic activity over time. The word cloud shows the terms most likely to appear only in still-secret cables.

Le (De)Classifier est le projet le plus « disruptif », pour parler bon Français, du declassification engine. C’est aussi le plus compliqué et c’est pour cette raison qu’il n’est pas encore disponible. Il s’agit tout simplement de savoir quels sont les mots (mots simples, noms propres, etc) qui ont le plus tendance à être censurés. Pourquoi « disruptif »? Tout simplement car il risque de permettre d’anticiper les thèmes qui seront, dans un futur proche, censurés par l’administration américaine ou qui apparaissent dans des documents du passé récent toujours classés secrets.

Sources

L’ensemble des sources primaires sur lesquelles repose ce projet sont des documents officiels, provenant pour la plupart des archives nationales des États-Unis (NARA) mais aussi du State Departments Central Foreign Policy Files (pour plus de détails). En tout, il s’agit du texte de plus d’un million de documents et des métadonnées (le descriptif des documents) de plus d’1,7 millions de câbles. Le projet a étendu ses sources récemment au Declassified Documents Reference System (DDRS)3.

Mais, c’est indiqué dans la « FAQ » et j’en ai parlé sur place avec les historiens et informaticiens présents, le projet souhaite mettre en place, à terme, une plateforme qui permettra aux chercheurs d’envoyer les documents qu’ils ont eux-mêmes numérisés. C’est potentiellement une mine d’or si, toutefois et comme pour toute plateforme de crowdsourcing, cette fonctionnalité peut s’intégrer facilement dans le flux de travail des chercheurs et ménager à la fois les intérêts des individus (en gros, permettre la préservation de ce qu’ils ont numérisé et, bien sûr, utiliser les outils mis à disposition par le Declassification engine) qui verseront leurs archives et ceux du projet (qualité des documents versés, qualité, en conséquence, des outils développés).

Conclusion

En histoire des relations internationales, on ne peut se permettre de rester trop concentré sur une région ou un thème précis – par définition, si notre monde est de plus en plus interdépendant – et ce depuis plusieurs siècles – l’historien ne peut que le prendre en compte. La Sphere of Influence donne la vision globale (centrée ici autour des États-Unis, il est vrai, mais c’est en raison du but du projet, à savoir travailler autour du secret d’État) dont ont besoin les historiens.

En outre, ce projet, à terme, permettra de capitaliser sur le travail individuel de chacun d’entre nous, si cette plateforme de soumission de documents est bien mise en place. Mettre en commun un travail qui peut bénéficier à tous, mais reste aujourd’hui au niveau de l’individu ou de petits groupes, serait une avancée réelle.

Ce que l’on peut regretter, c’est l’absence de va et vient entre la vision globale (Sphere of influence) et la vision plus précise (Redaction archive), entre la lecture distante et la lecture proche. Les outils de lecture distante doivent se suffire à eux-mêmes dans certains cas, mais aussi être des guides pour l’historien (et les autres chercheurs, d’ailleurs) vers des sources précises qui ont particulièrement de la valeur pour un sujet particulier dans d’autres cas.

Quoi qu’il en soit, ce projet, qui permettra des avancées réelles pour tout ceux qui travaillent sur l’histoire des relations internationales, qui permettra une avancée de la recherche plus particulièrement dans le domaine de l’étude du secret d’État, est une très belle utilisation d’un corpus de données massif en histoire et des avancées possibles qu’il eut entraîner pour la recherche.

  1. Matthew Connelly a notamment travaillé sur la guerre d’Algérie: « A Diplomatic Revolution describes how rebels can harness their cause to global trends to isolate and defeat an empire. It happened a half century ago, at the height of the Cold War, when Algerian nationalists mobilized Muslim immigrants in France and across Europe, staged urban terror to attract the international media, and finally won over the U.N. without ever liberating national territory. Rewriting the rules of international relations, they inspired revolutionaries worldwide, including the ANC and the PLO. It is also a textbook case of how a counter-insurgency campaign can win all the battles and still lose the war. » in A Diplomatic Revolution, OUP, 2002. []
  2. Avec une ambiguïté sur la carte: l’Allemagne semble réunifiée, alors que l’on parle des années 1970… []
  3. L’éditeur des DDRS est Gale (Cengage) et semble être privé. []

Laisser un commentaire

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