"Pélican en vol", Étienne-Jules Marey. Domaine public. Via Wikimedia Commons - http://commons.wikimedia.org/wiki/File:Marey_-_birds.jpg#mediaviewer/File:Marey_-_birds.jpg

Les temporalités de la donnée et l’historien.ne

Il y a quelques temps déjà, j’avais évoqué l’importance de l’apport des sciences historiques sur ce qui fait le cœur de cette discipline: le temps et ses différentes dimensions. L’article évoquait également le décalage qui pouvait exister entre certains chercheurs/chercheuses en informatique et les historiens et historiennes. La collecte de près d’un million de tweets liés aux commémorations du Centenaire de la Première Guerre mondiale me fait pousser la réflexion un peu plus loin. Continuer la lecture

How to evaluate a #dh tool?

Edit: I added some more embedded VoyantTools view.

I am currently holding a seminar on « DH: tools, methods, epistemology » (Humanités numériques: outils, méthodes, épistémologie [in French]). Last week, we received Pierre Ratinaud who is developping the excellent text analysis tool IRaMuTeQ (a python-based visual interface to R). Next week, we’ll go a bit further on the text analysis road. We’ll try to use a corpus made of speeches from Roy Jenkins as head of the European Commission (1977-1980).

The aim will be to analyse this corpus with three different tools: IRaMuTeQ / Paper Machines / Voyant Tools in order to understand differencies and similitudes between those three tools and to emphasize how important it is to choose a tool, and how decisive it is in obtaining research results. Choosing a digital tool is fully part of your research methods. Continuer la lecture

Commémorer le 11 novembre sur Twitter

Ce billet fait suite à un premier sur Les commémorations du centenaire sur twitter. C’est aussi mon centième billet.

La commémoration du centenaire de la Première Guerre mondiale devait avoir un point d’orgue: le 11 novembre 2014 (qui commémore pourtant le 11 novembre 1918). Ce jour-là, nous avons pu collecter – malgré un incident serveur de bon matin qui nous a privé d’une demi-heure de données – plus de 90 000 tweets. Par rapport à l’analyse précédente, nous avons rajouté des mots-clés spécifiquement francophones (11Novembre notamment), ce qui explique pour partie que nous ayons collecté une majorité de tweets en Français. Mais c’est surtout le fait que le 11 Novembre soit un jour particulier en France: le Remembrance Day des Britanniques se déroule le second dimanche de novembre. Le 11 Novembre est un jour normal au Royaume Uni – exception faite de la minute de silence de 11 heures, où toute activité cesse, y compris la circulation automobile1

Continuer la lecture

  1. Pour y avoir assisté il y a 18 ans, cette minute de silence est particulièrement impressionante. []

Numériser n’est pas mettre en données

En novembre dernier, à l’occasion du lancement des commémorations du centenaire de la Grande Guerre, le site « Mémoire des hommes » (et pas des femmes, semble-t-il) publie plusieurs bases de données sur la Première Guerre mondiale. Le site, sur sa page « historique« , mentionne notamment l’ajout des « historiques régimentaires des unités engagées dans la Grande Guerre, de la base Sépultures de guerre ainsi que de la « Collection du ministre » de la Défense. Les fiches des Morts pour la France de la Première Guerre mondiale sont ouvertes à l’indexation collaborative. » Continuer la lecture

Berlin

Derrière la modernité plutôt élégante de l'Aiswärtiges Amt, l'ancien bâtiment de la Reichsbank, inauguré par Hitler en 1936.

Derrière la modernité plutôt élégante de l’Auswärtiges Amt, l’ancien bâtiment de la Reichsbank, inauguré par Hitler en 1936.

Hier et aujourd’hui, je participe au séminaire « Hidden Continuities: From Interwar to Postwar Forms of Cooperation and Integration in Europe » organisé à la Freie Universität de Berlin par Wolfram Kaiser (Portsmouth) et Kiran Patel (Maastricht). J’y présente un papier sur les banquiers centraux avec Emmanuel Mourlon-Druol (Glasgow).

Profitant d’une matinée libre, je suis allé marcher dans le centre de Berlin, d’Alexander Platz à la porte de Brandenburg, malheureusement sans aller rendre hommage à Ishtar.

Je ne suis plus venu à Berlin depuis près de dix ans (sauf quelques jours chez des amis, mais sans aller dans le centre). J’avais encore pu visiter le Palast der Republik, ce bâtiment tragi-comique de la RDA aujourd’hui en cours de remplacement par une reconstruction fantasmée du château des Hohenzollern. J’ai pu revoir l’hideuse sous-préfecture qui sert d’ambassade à la France, sur la Pariser Platz. En près de dix ans, Berlin a changé. Les grues se sont déplacées. L’Unter den Linden est en chantier.

En près de dix ans, depuis mon dernier passage à Berlin pour terminer les archives pour ma thèse, ma pratique de l’histoire a beaucoup changé. Continuer la lecture

Facebook est-il un tombeau de données?

Dans le numéro de WIRED de novembre 2014, un article de Mat Honan (de WIRED US) intitulé « Fear and liking on Facebook » rapporte une petite expérimentation de l’auteur, effectuée cet été, pendant 48 heures, sur son flux d’activités.

Le flux d’activités de Facebook est, avec le mur, la fonctionnalité centrale du réseau social. S’y affichent les activités (publications, commentaires, ‘likes’…) de vos amis, ainsi que des suggestions de contenu (si vous aimez le lien publié par l’un de vos amis, alors on vous suggérera des liens vers des contenus similaires) et, bien sûr, de la pub (du contenu dit « sponsorisé »).

Pendant 48 heures, Mat Honan a tout « liké », c’est-à-dire qu’il a systématiquement appuyé sur le bouton « J’aime » pour tout contenu s’affichant dans son fil d’activités. Le résultat a été triple: très vite, l’algorithme lui a proposé du contenu politique plus radical qu’à l’accoutumée de droite (provenant du Tea party notamment) et de gauche, des contenus de qualité lamentable (‘If you like this lolcat, check this amazing little dog doing something that will transform your whole life’) et l’éviction de tout contenu d’origine ‘humaine’, c’et-à-dire provenant de ses amis facebook. En clair, un contenu sponsorisé de mauvaise qualité et plus radical que d’habitude a envahi son flux d’activités et évincé ses amis dont, pourtant, il a aussi, pendant ces 48 heures, systématiquement aimé les publications. Certains de ses amis, voyant apparaître tout d’un coup des liens du Tea party avec la mention « Mat Honan aime », lui ont demandé si son compte s’était fait hacker ou s’il allait bien…

Cette expérience nous apprend (ou confirment) plusieurs choses sur facebook:

  • Avant d’être social, Facebook est d’abord un moteur à clics. Le but est de nous pousser, utilisateur, à cliquer sur du contenu pour fournir à Facebook du revenu;
  • Les organismes (entreprises, institutions publiques ou privées, partis, etc) qui payent apparaissent plus souvent dans notre flux d’activités et, manifestement, les organismes « extrêmes » ont plus tendances soit à payer, soit à exploiter l’algorithme facebook pour apparaître plus souvent – ce qui nous renvoie à l’argument régulièrement avancé que le web, particulièrement quand il est participatif, a tendance à radicaliser ses utilisateurs;
  • Facebook, en tant que collecteur de données, à force d’être orienté par la nécessité du click, est de plus en plus un fossoyeur de données au sens où ces données risquent de devenir inexploitables, en tout cas dans les sciences humaines et sociales.

En ne proposant que le like (ni hate qui permettrait un monde binaire, ni tagging qui permettrait d’être plus nuancé1), Facebook rend déjà toute recherche sur les données massives qu’il engendre difficile. Par exemple, quand plus d’un million de Français (on suppose que ce sont des personnes, mais certains en doutaient) aiment une page facebook consacrée à un commerçant marseillais ayant tiré dans le dos de l’un de ses braqueurs, comment peut-on comprendre ce que signifie ce « like »? On peut aimer la page, car on a une certaine empathie pour cette personne tout en désavouant sans équivoque son geste, car on le soutient en pensant (plus ou moins sincèrement) que c’était de la légitime défense, car on adhère à une notion de la justice qui se rapproche de la justice privée, car on est raciste. Pour préciser les motivations de ces « likes », on peut aller voir les commentaires publiés sur la page. Mais, sur le million de personne ayant « aimé » la page, peu, finalement, ont laissé un commentaire. Ce sont donc surtout les paroles des extrémistes que l’on peut lire, ce qui n’éclaire pas la signification de ces « j’aime ». Il est ainsi probable que rien ne puisse l’éclairer.

En ne nous permettant que d’aimer ou de s’abstenir, Facebook complique déjà incroyablement la tâche très difficile de ceux qui, aujourd’hui ou à l’avenir, voudront analyser ces données. Mais ce que révèle aussi l’article de Mat Honan, c’est qu’un contenu ‘sponsorisé’ sera nécessairement plus souvent inscrit dans les données issues du réseau social en raison de la nécessité de se financer. Il devient alors encore plus difficile d’apprécier ce que les gens « likent » vraiment et leurs motivations pour appuyer sur le bouton « like ».

Du point de vue des sciences humaines et sociales, les données issues de facebook risquent tout simplement d’être, pour de nombreux sujets, inexploitables2. Il est toutefois fort à parier que des projets de recherche Big Data les utiliserons sans distance aucune et feront les grands titres (‘Billions of Likes prove it: people love cats’), montrant ainsi à quel point, comme l’ont déjà dit boyd et Crawford, le mythe est partie intégrante du Big Data3.

  1. Sur le Like comme dégradation du tag, voir Olivier Le Deuff, Du tag au like, FYP. []
  2. Le projet ANR Algopol est toutefois susceptible de nous en apprendre plus. Inscrivez-vous, c’est pour la science! []
  3. boyd, danah, and Kate Crawford, ‘CRITICAL QUESTIONS FOR BIG DATA: Provocations for a Cultural, Technological, and Scholarly Phenomenon’, Information, Communication & Society, 15 (2012), 662–79 []

Un homme politique, un millier de tweets et les archives

Ajout postérieur à la publication: France info a publié l’intégralité des tweets effacés par Manuel Valls.

Dans un article paru dans la rubrique « pixels » du Monde, deux journalistes, Martin Untersinger et Alexandre Léchenet, nous informent que Manuel Valls a relancé son compte twitter, après avoir effacé le millier de tweets déjà produit.

À la lecture de l’article, une question a émergé: le fil twitter d’un politique en fonction devrait-il être archivé par les services d’archives français? Pour les tweets effacés par Manuel Valls, en l’occurrence, la question ne se pose pas, légalement, dans la mesure où il semblerait qu’il se soit débarrassé de tweets antérieurs à ses prises de fonction comme ministre (et encore: il était député…). Indépendamment de cet incident, la question vaut le coup d’être posée: avec 74000 abonnés dans le cas de Manuel Valls, ses tweets atteignent potentiellement plus de citoyens que n’importe lequel de ses discours1. Un tweet est donc un vrai élément de parole publique.

Comme toute parole publique, elle peut poser problème a celui qui dans le passé l’a tenue, notamment en cas de contradiction avec sa parole présente. Les auteurs de l’article ont cité un tweet de Nadine Morano dont elle s’est débarrassé car, écrit pendant l’affaire Cahuzac, il devenait gênant pendant l’affaire Bygmalion. Bref, le personnel politique est souvent en contradiction avec sa parole passée.

D’où la tentation, pas toujours conforme à la loi, de se débarrasser des traces du passé. Il y a des précédents de bien plus grande ampleur que cet épisode Valls, comme la suppression de dix années de discours du site web des conservateurs britanniques pour des motifs… comment dire… peu avouables? Fait intéressant, les conservateurs avaient pris soin de faire aussi effacer les discours en question des archives de la Wayback Machine. Manuel Valls n’est pas allé jusque-là, ce qui nous permet de découvrir que son compte avait d’abord été, en 2009, créé par quelqu’un d’autre à des fins de parodie.

Être tenté d’effacer les traces du passé, certes, mais il y a la loi et, notamment, le code du patrimoine. Hors – sortons du cas particulier de Manuel Valls – la parole d’un.e politique en fonction doit (devrait?) être archivée. Les moyens des archives nationales étant ce qu’ils sont, la transition vers le records management, c’est-à-dire l’archivage des documents numériques, n’étant pas terminée (et en aucun cas facile, surtout en période de crise, donc de manque de moyens), cette parole, sur les réseaux, ne l’est pas nécessairement.

Dans les faits, le service du dépôt légal du web de la Bibliothèque Nationale de France archive les domaines en « .fr », des sites d’intérêt qui leurs sont signalés (ou de leur propre initiative, je pense) et, dans certains cas, des sites d’intérêt liés à des événements précis2 De plus, le service du dépôt légal du web archive un certain nombre de comptes twitter d' »intérêt ». La masse de travail et les ressources électroniques que représente ce dépôt légal impose des choix, dans la fréquence de passage des robots indexant les sites web, mais aussi dans la sélection, par exemple, des comptes twitter archivés.

Mais ce qui est publié sur twitter par un ministre n’est pas, que ce soit pour le citoyen comme pour l’historien, nécessairement le plus intéressant. Ce qui est particulièrement d’intérêt sera le processus ayant mené à la publication des tweets, c’est-à-dire le travail de la cellule de com’. Mais ce dernier se fait vraisemblablement sur support numérique et il n’est pas sûr qu’il soit aisé à archiver.

En conclusion, le tweet est un peu à l’image de la transformation numérique, qui touche le domaine des archives comme celui de la politique: on ne le prend pas encore suffisamment pris à sa mesure.

PS: je vous conseille de suivre la discussion que j’ai eue sur twitter ce matin avec l’exceptionnelle @e_archiviste:

PPS: vous pouvez aider les deux journalistes du Monde à reconstituer l’archive des tweets de Manuel Valls.

  1. Si j’en crois les statistiques fournies par Twitter pour mon compte, on peut partir du principe qu’un tweet a un taux d’engagement de 2% environ, ce qui fait tout de même autour de 1500 personnes à chaque tweet. []
  2. Si mes souvenirs d’une discussion avec Clément Oury sont bons, la BNF a ainsi archivé des sites web arabes pendant le printemps arabe. []
Graphe des mentions incluant #ww1

Les commémorations du centenaire de la Première Guerre mondiale sur Twitter (avril-juillet 2014)

Edit (22 juillet 2015): vous pouvez lire une version longue, sous forme de Working Paper, de ce billet, en allant sur HAL-SHS.

Il y a un siècle se déclenchait le premier conflit mondial. Cette année du centenaire est largement commémorée, y compris sur les réseaux sociaux. Ce billet fait le point sur un projet en cours, qui consiste en la capture de tous les tweets comprenant des hashtags reliés à cette commémoration, en commençant par #ww1, le plus largement utilisé. Continuer la lecture