Archives par étiquette : Histoire numérique

Camera obscurans

La « camera obscura » – la chambre noire – est un outil d’optique, permettant de projeter une image en deux dimensions, souvent proche de la vision humaine. Par extension, elle est devenue synonyme de l’atelier du photographe((En photographie argentique, les photographes utilisent couramment deux types de chambre noire: celle de leur appareil photo et celle de leur atelier (l’agrandisseur).)), même si elle a existé avant la création de la photographie. A partir d’une génération de photographes (Cartier-Bresson, Doisneau…) – celle des premiers Leica -, elle est devenue un outil central du travail du photographe. Mais, cette même génération a aussi essayé de cacher ce rôle central. Cartier-Bresson, tout particulièrement, a toujours refusé d’expliquer comment il y pratiquait son travail1.

Par analogie, qu’est-ce que la camera obscura des historiens? Pendant longtemps, il y a eu deux phases, parfois parallèles, parfois nettement séparées, dans le travail de l’historien. Une phase privée, où le chercheur élabore ses hypothèses, se rend en centre d’archives, écrit. Puis, une phase publique, lors de la publication d’un article, d’un livre, défendu ensuite dans les conférences scientifiques, plus rarement via des canaux à audience plus large.

Cette camera obscura s’éclaircit avec le numérique. La distinction entre cette phase publique et cette phase privée devient de plus en plus floue. Avec les carnets de recherche, l’atelier de l’historien s’ouvre. Nous exposons notre travail, nos méthodes, nos hypothèses directement, sans attendre la publication de la recherche en cours ou d’une étude épistémologique ou historiographique. Avec les archives ouvertes, de plus en plus, nous publions nos ouvrages / articles dans des formes antérieures à la procédure de peer review classique de la publication scientifique.

Mais le numérique assombrit aussi la chambre noire de l’historien, tout en la déplaçant ailleurs. Un article récent relate une recherche sur les usages des chercheurs en sciences humaines et sociales sur le web2. Le grand résultat de cette enquête montre que nous utilisons en premier lieu JSTOR et le moteur de recherche de Google, et non les outils qui ont été construits pour nous, y compris ceux de Google, comme Scholar.

En quoi ceci pose-t-il problème? Google est une boîte noire. L’algorithme de recherche, celui qui expose les résultats d’une recherche, est tenu secret. Certains dénombrent 200 variables qui jouent dans ce qui va définir la pertinence des résultats de votre recherche. En outre, progressivement, Google rajoute une dose d’intelligence artificielle, lui permettant de mieux cibler les résultats en fonction de vos recherches précédentes et donc de ce qui est supposé être vos centres d’intérêts. Enfin, la pertinence des résultats sera différente en fonction du pays dont vient la requête.

En clair, si vous faites une recherche sur google avec les mêmes mots-clés en France ou aux Etats-Unis, la page de résultats ne sera pas la même. En conséquence, un chercheur états-unien et un chercheur français n’auront pas les mêmes sources s’ils se fondent principalement sur google.

Ceci introduit un biais dans la recherche en sciences humaines et sociales dont on ignore l’ampleur. Cette problématique rejoint également l’alphabétisation numérique des acteurs de la recherche et de l’enseignement supérieur. Utiliser Google Ngrams plutôt que Frantext n’est pas un choix neutre. Encore faut-il savoir que Frantext existe. Encore faut-il que les outils soient élaborés. Google est souvent le miroir de nos faiblesses: il n’existait pas d’outils équivalent à Scholar (en fait si, mais pas accessible gratuitement) avant la mise en route du moteur de recherche Isidore dont on connaît le fonctionnement (mais qui reste centré sur des ressources françaises).

Le fait que nous utilisions principalement Google introduit un autre biais, qui n’est pas dans la recherche elle-même, mais dans la politique éditoriale des publications scientifiques. Sur ses pages de résultats, Google présente les 70 premiers caractères des titres, les 165 premiers des résumés sur un ordinateur, moins sur des interfaces mobiles. Mieux vaut alors façonner ses titres et résumés en fonction de critères dictés par cette entreprise, tout simplement pour être lu. Le robot du moteur de recherche indexe aussi l’ensemble du contenu des pages web. Pour être bien « classé » par google, il faut donc aussi qu’il y ait une forte cohérence entre le titre, le résumé, le texte et un certain nombre de balises décrivant d’éventuelles illustrations. Enfin, depuis les débuts de google, le PageRank, qui évalue la pertinence d’une page en fonction de liens (et de la qualité de ces liens) qui pointent vers elle, incite à tisser un réseau de citations via les hyperliens. Ainsi, toute une partie de la politique éditoriale des publications scientifiques (et des autres) nous est de fait imposée.

Nos moeurs, nos habitudes de chercheur évoluent en fonction de Google. Et nous n’en avons que faiblement conscience. L’atelier de l’historien devient moins compréhensible pour l’historien lui-même. Il s’obscurcit.

  1. Note aux historiens de la photographie: n’hésitez pas à me corriger si vous pensez que je fais une erreur – j’écris à partir de mes souvenirs. []
  2. Kemman, Max, Martijn Kleppe, and Stef Scagliola. Just Google It – Digital Research Practices of Humanities Scholars. 2013. Web. 26 Sept. 2013. []

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. []

Contemporary history in the digital age / L’histoire conteporaine à l’ère numérique

"Contemporary history in the digital age" / "L'histoire contemporaine à l'ère numérique" - Couverture.

« Contemporary history in the digital age » / « L’histoire contemporaine à l’ère numérique » – Couverture.

En 2009 s’est tenu au Luxembourg une conférence que j’ai organisée pour le CVCE sur le sujet « l’histoire contemporaine à l’ère digitale ». Après beaucoup d’efforts et surtout de retard, les actes, co-dirigés avec Serge Noiret (Institut Universitaire européen de Florence) sont enfin disponibles (en version papier et bientôt eBook).

Résumé

Depuis plusieurs décennies, les usages du numérique en histoire se multiplient. Mais l’histoire contemporaine est parfois restée à la marge de ce mouvement. Ce livre, qui recouvre divers usages du numérique, ses outils, ses méthodes, sera à la fois une bonne introduction pour les historiens désirant se renseigner sur les usages informatiques en histoire contemporaine, et un outil utile aux chercheurs et aux enseignants plus rompus à cette utilisation. Cet ouvrage leur permettra de comparer leurs pratiques et de les approfondir dans le cadre des humanités numériques.

Digital practices in the field of history have become more and more widespread in recent decades, but contemporary historians have often tended to remain on the sidelines of this trend. This book, which covers a wide range of digital practices, tools and methods, will serve both as a solid grounding for historians keen to learn how information technology can be applied to contemporary history, and as a useful tool for researchers and lecturers who already have a degree of experience in this area. It will enable scholars to compare and further their practices in the area of digital humanities, providing a comprehensive vision of the emerging field of digital history.

Table des matières

  • Marianne Backes et René Leboutte: Avant-Propos
  • Frédéric Clavert et Serge Noiret: Introduction
  • Marin Dacos: Cyberclio. Vers une Cyberinfrastructure au coeur de la discipline historique
  • Gino Roncaglia: Web 2.0 and the Future of Research. New Tools for Research Networks
  • Andreas Bagias: Organisation et exploitation des archives du Parlement européen dans un environnement électronique
  • Annick Batard: La presse écrite généraliste française sous l’emprise du Web. Une ressource de l’histoire culturelle contemporaine ?
  • Éva Deák: Study, Store and Share Unpublished Primary Sources. The Example of the Parallel Archive
  • Aurore François: Capitaliser les ressources sur l’histoire socio-politique de la justice belge (1795-2005). Le portail just-his.be
  • Stefan Halikowski-Smith: How Are European National Libraries Responding to «Big Digitization»?
  • Genaro Vilanova Miranda de Oliveira: Heterographies in Historiography. The Web and Perspectives on Historical Writing
  • Patrick Peccatte: Une plate-forme collaborative pour la redocumentarisation d’un fonds photographique historique
  • Serge Noiret: Digital History 2.0
  • Tsuriel Rashi/Isaac Hershkovitz: The Media Memory Agenda and the Struggle against Holocaust Deniers
  • Gerben Zaagsma: Using Digital Sources in Historical Research. Jewish History on the Internet
    Olivier Le Deuff: Nouveaux outils et science. L’archéologie pour faire « sens »
  • Tito Menzani: When the Web is Useful for Scientific Output. The Case of Italian Historiography on the Cooperative Movement
  • Alain Michel/Shadia Kilouchi: Renault-Billancourt’ C5 Workshop in the Digital Age. A New Story of the 1922 Assembly Line
  • Philippe Rygiel: La diffusion des produits de la recherche historique à l’ère du Web 2.0. Une étude de cas
  • David Bodenhamer: The Spatialization of History. A New Web Paradigm
  • Marie-Pierre Besnard: Renouveler l’expérience muséale à l’heure du Web. Le e-musée
  • Milagros Garcia Perez/Cristina Blanco Sio-Lopez: Interacting Localities. The Case of the «Biblioteca Municipal de Estudios Locales de La Coruñ» (BMEL) and its Prospects on collaborative Online Library Systems for the Study of Contemporary History
  • Richard Hacken: Online Primary Documentation of Contemporary History. Trends, Changes and Consequences in the New Millennium
  • Élodie Nowinski: «Last Nite Deezer saved my class». Écrire et enseigner l’histoire du rock
  • Enrica Salvatori: Listening to, Watching, Living and, Ultimately, Learning History. On and off the Web.
  • Frédéric Clavert – Conclusion

La suite des conférences DHLU

Cet ouvrage est issu du premier colloque Digital Humanities Luxembourg (DHLU). Il a été suivi d’un second (« Websites as sources » – 2012, associé à THATCamp Luxembourg/Trêves). Un troisième sera organisé par mes anciens collègues du CVCE et de l’Université du Luxembourg en décembre prochain.

 

Mise en données du monde, mise en données de l’histoire?

By DARPA (Defense Advanced Research Projects Agency (DARPA)) [Public domain], via Wikimedia Commons

By DARPA (Defense Advanced Research Projects Agency (DARPA)) [Public domain], via Wikimedia Commons

Grâce à un billet1 de Guido Koller sur son excellent blog We think history, j’ai découvert le livre de Viktor Mayer-Schönberger and Kenneth Cukier sur le Big Data2.

Mise en données du monde?

Parmi les nombreux éléments apportés par le livre, je vais ici m’arrêter au chapitre Dataification3. Dataification a été traduit par le Monde diplomatique par « Mise en données du monde », ce qui me semble assez juste. Les auteurs insistent sur le fait que cette mise en données précède l’ère numérique, en donnant particulièrement l’exemple de la marine militaire américaine, qui, par compilation de toutes les données (inscrites sur papier) rapportées au cours des voyages de ses bâtiments a pu les compiler et améliorer les routes, gagnant en temps et en efficacité. Et, ceci, au XIXe siècle.

Le mise en données du monde précède l’informatique et en conséquence la numérisation. Il s’agit de mesurer des éléments dont personne n’avait compris l’intérêt. En outre, cette mise en données implique qu’il y a une certaine valeur dans les grands ensembles de données qui manque dans les plus petits corpus, faits d’échantillons. C’est le cœur même du Big Data: le changement quantitatif entraîne un changement qualitatif.

Comment définit-on cette mise en données du monde?

« To datafy a phenomenon is to put it in a quantified format it can be tabulated and analysed » (p. 78).

La numérisation est, elle, l’action de convertir une information analogique en information numérique, faite de 0 et de 1. La mise en données d’un phénomène peut se faire sous forme analogique, même si aujourd’hui, les deux phénomènes sont liés.

Les auteurs replacent la quête humaine de quantification du monde sur le très long terme, dès le troisième millénaire avant notre ère. La mesure et l’archivage sont les premières étapes, très lointaines, de la mise en données du monde (p. 79). Ils permettent de reproduire l’activité humaine, de profiter de l’expérience de nos prédécesseurs, de planifier. Distances et poids, puis lieux, volumes et temps: la mesure s’est progressivement étendue. Une étape essentielle fut la mise au point de la numération arabe, qui a engendré l’expansion des mathématiques. Avec ces dernières, les données peuvent désormais être analysées. L’introduction, ensuite, de la comptabilité à double entrée a permis une forte diffusion des chiffres arabes, bien plus efficaces que le système romain. La comptabilité à double entrée montraient déficits et bénéfices – elle a ainsi donné du sens aux données tout en les standardisant.

Ces étapes furent longues. Chiffres arabes, mathématiques, comptabilité mirent plusieurs siècles à s’imposer dans le monde occidental. Une première accélération du temps commence au XIXe siècle où l’expansion des sciences pousse à la quantification de nouveaux phénomènes (électricité, température, pression de l’air, son…) (p. 81-82). Une seconde accélération, bien plus importante, est le résultat de l’arrivée de l’informatique. Cette dernière rend la quantification efficace et peu chère, elle autorise une analyse mathématique rapide des données et en fait ressortir des aspects invisibles autrement. Informatique et numérisation ont donné tout son potentiel à la mise en données du monde.

Pour bien montrer la différence entre numérisation et mise en données, les auteurs s’arrêtent longuement sur Google Books (entre autres exemples). La numérisation de millions de livres par Google et, ensuite, la mise au point de Google Ngram Viewer illustre la différence entre numérisation et mise en données. La première permet une lecture sur l’ordinateur ou à l’écran. La seconde permet de transformer des millions de livres en corpus de données sur lesquels ont peut appliquer une analyse « de masse » (p. 83-86).

Les auteurs développent ensuite l’exemple du lieu comme données, jusqu’à aboutir au système GPS et à ses applications possibles, commerciales et, surtout, non-commerciales4.

Enfin, ils s’attachent à la prochaine « frontière » de la mise en données, celle des interactions sociales5. Au passage, les auteurs rappellent que, si Twitter, notamment, limite la taille de ses messages à 140 caractères, leurs métadonnées sont au moins aussi importantes et, dans le cas de Twitter, très développées.

Like Google, a gaggle of social media networks such as Facebook, Twitter, LinkedIn, Foursquare, and others sit on an enormous treasure chest of datafied information that, once analyzed, will shed light on social dynamics at all levels, from the individual to society at large6.

L’extension de la mise en données n’est pas limitée, explique les auteurs dans la partie finale de l’article, et l’usage des données produites n’est limitée que par notre imagination.

Que cela signifie-t-il en histoire?

Une mise en données de l’histoire?

Cukier et Mayer-Schönberger le disent clairement: tout est potentiellement quantifiable, donc tout peut être mis en données. Il n’y a de fait pas de raisons d’ignorer les conséquences de cette mise en données en histoire.

Prenons l’exemple des réseaux sociaux7: jamais nous n’avons disposé d’autant de données pour décrire les pratiques sociales et les phénomènes sociaux. Jamais nous n’avons disposé d’autant de données sur la vie quotidienne de millions de gens, qui prennent en photos de nombreux aspects de leurs pratiques de tous les jours: leurs repas8, leur amour pour leur chat, leur manière d’éduquer leurs enfants, leurs relations au travail, leur rapport au politique, à la famille

Ces données, aujourd’hui exploitées par les sociologues9, posent des problèmes méthodologiques importants. En quoi sont-elles représentatives de la population10? Sont-elles exploitables? Sont-elles accessibles? Seront-elles pérennes? La Just in time sociology essaye de répondre à ces questions. Lors d’une expérience récente11, j’ai pu constater, par exemple, que considérer l’ensemble des membres de Twitter comme une seule et même communauté n’a aucun sens. Les membres de Twitter « ne disent pas », « ne pensent pas », mais des millions d’individualités, parfois regroupés en communautés très nombreuses peuvent avoir des pensées particulièrement hétérogènes.

À terme, ces données seront des sources pour l’histoire et il est fort à parier que, dans quelques années, certaines thèses d’histoire contemporaine se feront exclusivement sur sources numériques, mais également avec des outils permettant des allers-retours constants entre lecture distante et lecture proche des sources12. Le déluge de données devra être géré par les historiens et les archivistes, y compris dans leurs aspects légaux13.

En outre, nous numérisons, à toute vitesse, des archives déjà existantes, et les historiens du contemporain auront, y compris pour les centres d’archives « institutionnels », à faire face à des archives désormais tout-numérique. Je ne crois pas avoir besoin de revenir sur ce point, cette question étant traitée régulièrement sur ce blog14.

Mais la mise en données du monde ne touche pas qu’à la mise en données de l’histoire, mais aussi à la mise en données des historiens et de leurs pratiques.

Une mise en données des historiens?

Je vais ici aborder rapidement trois points:

  • La possibilité qui s’entrouvre de pouvoir « lire » au sens de Franco Moretti15 l’historiographie via des outils Big Data;
  • La possibilité d’observer et de capturer une historiographie « en train de se faire », sur les réseaux sociaux, les blogs, etc;
  • La possibilité de capturer et étudier nos pratiques, avec l’exemple de ce que j’ai appelé les conférences « ubiquitaires ».

Google Books, Google Ngram et l’historiographie

Lorsque vous écrivez un ouvrage, un article, en histoire (et dans bien d’autres sciences sociales ou humaines), la première chose qui doit être faite est une étude de l’historiographie – l’histoire des historiens qui ont déjà écrit sur le sujet que vous abordez.

Aujourd’hui, ces chapitres ou parties historiographiques sont, pour les sujets assez larges et très traités par les historiens, souvent partiels. Pour beaucoup de bonnes raisons:

  • Une littérature très abondante qu’il n’est pas facile d’embrasser dans sa totalité;
  • La barrière linguistique – les historiens ne maîtrisent pas toutes les langues (!) et on ne peut connaître tous les ouvrages de toutes les historiographies nationales;
  • Parfois, de bêtes questions de temps.

Les auteurs de Big Data donnent en exemple Google Books et Google Ngrams. Google Books a permis la numérisation de nombreux ouvrages. Ngram va permettrent d’exploiter ces livres comme des données, de les analyser et d’en faire ressortir des éléments inconnus ou difficiles à rechercher.

Le principe de Google Ngram est assez simple: il vous permet de mesurer les occurrences d’une expression (mot ou groupe de mots) dans un corpus donné. Le choix des corpus se fait selon la langue. Il est, dans le cas de Google Books, de plusieurs millions d’ouvrages. Il vous permet de visualiser plusieurs Ngrams en même temps – ainsi de comparer l’usage de deux (ou plus) expressions concurrentes16.

En septembre dernier, j’étais à l’école d’été de RICHIE, un réseau de jeunes chercheurs en histoire des relations internationales. Le thème de cette école était l' »européanisation ». Quand cette expression est-elle apparue? En rapport à quoi?

L’utilisation de Google Ngram nous a permis:

    1. De voir à quand remontait, en Français, Allemand et Anglais, la (l’une des) première(s) utilisation du terme;
    2. De comprendre (ce qui était assez logique, en somme), que ce terme est apparu d’abord en relation avec la colonisation;
    3. De constater que son usage explose à partir des années 1980, en lien avec la construction européenne.

Ces résultats n’ont rien de surprenant. Simplement, ils ont été acquis en quelques minutes de travail et non plusieurs mois de recherche.

Bien entendu, Google Ngram ne permet pas de remplacer un travail historiographique classique, mais il peut très facilement aiguiller une telle recherche, l’accélérer, et nous mener vers des travaux que nous ne connaissions pas du tout.

En tant que tel, de nombreux ouvrages ayant une partie historiographique sont susceptibles d’être révisés. Prenons un exemple, celle de la légende dorée des Humanités numériques: d’abord le père Busa, puis les pionniers, qui s’en inspirent, puis les Linguistic Computing, issus de ces pionniers, qui se transforme en Humanities computing, un peu plus large, avant de devenir, en 2005, les Digital Humanities.

Sauf que Ngram, associé cette fois à Google Scholar et ses données exploitables par le logiciel Harzing’s Publish or Perish, peut nous raconter une autre histoire:

  • Il est indéniable que Roberto Busa a une influence déterminante. Il a toujours été très cité, mais… particulièrement à partir des années 1980 puis au cours des années 2000;
  • Si l’on utilise Google Ngram, on s’aperçoit que les premiers à utiliser les termes linguistic computing citent… l’économie quantitative et non Busa. À l’image des Annales en France ou de la New economic history aux États-Unis, les Linguistic Computing sont d’abord issus de l’influence des sciences économiques et des sciences statistiques avant d’avoir été influencés par Busa.

Ce type de bases de données, de logiciels, de corpus seront de plus en plus disponibles et élaborés. C’est une mise en données de l’historiographie qui sera sans précédent. Mais on peut aller plus loin: les historien.ne.s sont de plus en plus sur le web: par les réseaux sociaux, les blogs ou les revues en ligne notamment. On peut aujourd’hui capturer une historiographie en train de se faire.

Capturer l’historiographie en train de se faire?

Un réseau social comme Twitter donne accès à ses données par divers moyens. Sur ce réseau précisément, on peut observer des discussions en cours, notamment par l’intermédiaire d’un « hashtag », c’est-à-dire un mot précédé d’un croisillon – « #histoire » par exemple.

Il existe un hashtag #twitterstorians, inventé par Katrina Gulliver. Si l’on capture cette discussion qui dure depuis plusieurs années, on peut voir ressortir un certain nombre de préoccupations des jeunes historien.ne.s (oui, la plupart sont jeunes). La discussion laisse ainsi souvent la place à la diffusion de l’information sur les postes à pourvoir17. On peut aller vers des historiographies plus précises – par exemple, l’histoire environnementale avec #envhist.

De plus en plus de chercheur.se.s, en outre, s’expriment par le biais de blogs, individuels ou collectifs, sur des thèmes précis ou sur l’ensemble de leurs activités. Là aussi, ces données sont captables, notamment par le biais des flux RSS, et l’on peut les agréger dans une base de données ou sur un autre site. C’est sur ce principe que repose l’initiative PressForward. L’un des objectifs de cette initiative est de capturer une littérature scientifique grise qui est publiée sur le web. En histoire, Global perspectives on digital history (GPDH – qui a été notament animé par le regretté Peter Haber) permet ainsi d’avoir une vision rapide et globale de ce qui s’écrit dans le domaine de l’histoire numérique. Cette technique pourrait être appliquée à tous les domaines de l’histoire.

Capturer les pratiques des historiens: exemple des conférences

Un autre secteur de mise en données des historiens, du moins de leurs pratiques, est l’organisation des conférences. Les colloques servent à de nombreuses choses: se rencontrer, présenter nos résultats, en débattre, parfois concevoir de nouveaux projets. Jusqu’ici, les colloques laissaient essentiellement une trace concrète de leur existence: l’édition des actes du colloque. De plus en plus, ils laissent de nombreuses autres traces: des sites webs, des présentation en ligne, des discussions (parfois) sur les réseaux sociaux…

Il est possible de collecter et conserver ces traces numériques de nos colloques, qui, ubiquitaires, se déroulent ainsi dans plusieurs lieux (si l’on considère qu’un site web ou un réseau social est un lieu). Ainsi peut-on connaître mieux ce que pensent et discutent les participants d’une conférence – les actes du colloque ne rapportant que ce qui a été exprimé par les intervenants, parfois corrigé à la suite des discussions avec le public18.

Les biais du Big Data et de la mise en données du monde

Bien sûr, tout ceci doit être mis en balance avec de nombreux éléments. Je vous renvoie au fameux article de Kate Cawford et danah boyd, Six Provocations About Big Data19 et au plus récent article de Kate Crawford dans Foreign Policy.

Quelle que soit la taille d’un corpus, même s’il se rapproche le plus possible de l’entièreté des données collectées (ce qui est l’une des définition du Big Data), il reste une construction sociale, qui repose sur une hypothèse. Son exploitation – et les auteurs de Big Data, rappelant le débat autour de l’article de Chris Anderson20, l’affirment clairement – repose sur des théories statistiques et mathématiciennes. On peut se tromper, même (surtout?), si l’on pense avoir des données intégrales sur un phénomène donné.

Ces outils et méthodes numériques devront donc être utilisés avec soin. En outre, l’état de transition, en termes de mise en données de l’histoire, peut engendrer des erreurs et des déséquilibres. Tim Hitchcock nous rappelle que des données mal saisies – dans ce cas-là, une reconnaissance de texte qui a été mal faite – peut dévoyer toute une historiographie21. Des archives numérisées et disponibles comme corpus peuvent être utilisées aux dépens d’autres sources. Ainsi, l’Organisation mondiale de la santé a-t-elle numérisé et mis en ligne l’ensemble des documents de la Société des Nations qui touchent à la malaria. La conséquence? La malaria est mieux traitée par les historien.ne.s que d’autres maladies. Il existe ainsi une fracture numérique entre ce qui est numérisé et ce qui ne l’est pas ou mal. Cette fracture numérique touche aussi un certain nombre de langues minoritaires. Ainsi, selon Gerben Zaagsma dans notre ouvrage à paraître, est-il difficile de numériser et d’exploiter des données en yiddish.

*
* *

La mise en données de l’histoire est un phénomène qui avance. Ses conséquences ne sont pas toutes encore très claires. Elles dépendent de nombreux facteurs: ses modalités, les outils développées pour faire face aux traces de l’histoire mises en données, la manière dont les historien.ne.s y feront face. Une ère réelle de renouvellement des sciences historiques est en train de s’ouvrir.

  1. Koller, Guido. « Big Data ». We think History 18 juin 2013. Web. 10 juill. 2013. []
  2. Mayer-Schönberger, Viktor, et Kenneth Cukier. Big Data: a Revolution That Will Transform How We Live, Work, and Think. Boston: Houghton Mifflin Harcourt, 2013. Print. []
  3. Par ailleurs traduit sur le site du Monde diplomatique: Cukier, Kenneth, et Viktor Mayer-Schönberger. « Mise en données du monde, le déluge numérique ». Le Monde diplomatique juill. 2013. Web. 9 juill. 2013. []
  4. Notamment l’utilisation des données GPS en santé publique, p. 90. []
  5. Plus vulgairement: les réseaux sociaux, p. 91 et suivantes. []
  6. p. 94 []
  7. Voir notamment le blog de Frédéric Pailler:Frédéric, Pailler. « #twittology : sociologie “just-in-time” et collecte de tweets ». Sociographie 8 juill. 2013. Web. 12 juill. 2013. []
  8. De ce point de vue, le réseau social photographique Instagram est une mine d’or. []
  9. Voir à nouveau les billets de blog de Frédéric Pailler. « Préparer un corpus de tweets avec open/google Refine pour le visualiser dans Gephi ». Sociographie 9 avr. 2013. Web. 12 juill. 2013. []
  10. Voir par exemple: Mitchell, Amy, et Paul Hitlin. « Twitter Reaction to Events Often at Odds with Overall Public Opinion ». Pew Research Center 4 mars 2013. Web. 12 juill. 2013. []
  11. Clavert, Frédéric. « L’algorithme est grand, je suis tout petit ». Frédéric Clavert 11 juin 2013. Web. 12 juill. 2013. []
  12. Clavert, Frédéric. « Lecture des sources historiennes à l’ère numérique ». Frédéric Clavert 14 nov. 2012. Web. 15 mars 2013. []
  13. Ce dont j’ai déjà parlé ici:Clavert, Frédéric. « Histoire et Données Personnelles – Pensées Éparses (6) ». Frédéric Clavert 27 mars 2013. Web. 12 juill. 2013. []
  14. Par ailleurs, le livre que j’ai codirigé avec Serge Noiret contient des éléments sur le sujet:Clavert, Frédéric, et Serge Noiret. L’histoire contemporaine à l’ère numerique / Contemporary history in the digital age. Bruxelles: PIE – Peter Lang, 2013. []
  15. Moretti, Franco. Graphs, Maps, Trees: Abstract Models for Literary History. Verso, 2007. Print. []
  16. Un essai que j’avais fait pour « histoire diplomatique » et « histoire des relations internationales »: Clavert, Frédéric. « Le Miroir de Nos Faiblesses? » Frédéric Clavert 17 oct. 2012. Web. 12 juill. 2013. []
  17. Un billet de blog sur le sujet est en préparation []
  18. Sur le sujet, voir mon billet précédent. []
  19. boyd, danah, et Kate Crawford. « Critical Questions for Big Data ». Information, Communication & Society 15.5 (2012): 662‑679. Taylor and Francis+NEJM. Web. 15 janv. 2013. []
  20. Anderson, Chris. « The End of Theory: The Data Deluge Makes the Scientific Method Obsolete ». WIRED 23 juin 2008. Web. 12 juill. 2013. []
  21. Hitchcock, Tim. « Academic History Writing and Its Disconnects ». Journal of Digital Humanities Winter 2011. Web. 27 juin 2012. []

Ubiquitous conferences?

Here are the notes I prepared for a contribution to the 3rd swiss historical days, for a session about scientific communication in the digital era, organised by the late Peter Haber. I publish them « as is ».

History needs primary sources, explicit methods, interpretation, publication and debate. Debates are made to point out weaknesses and strengths of our works, to understand the great steps to achieve to have a better understanding of the past – or at least of the artifacts from the past. One of the tool to have discussion and debate around historians’ work are academic events and, among them, the most typical one: conferences. What does it mean to organise an academic conference in the digital and social networks age?

I’ll try in this contribution to draw conclusions from my experiences as both organiser and participant to conferences and will particularly insist on how things went during Digital Humanities Luxembourg 2012 and THATCamp Paris 2012.

Dealing with conferences in several « places »

  • Presentation of DHLU / THATCamp 2012;
    • DHLU as a rather traditionnal conference, linked to another one (THATCamp Luxembourg/Trier) that was less traditional;
    • THATCamp Paris 2012 was a RRCHNM style unconference;
    • Both were digital humanities / digital history conferences with lots of participants keen to speak about the conference on social media (social networks / blogs);
  • Why several « places »/ »spaces »:
    • Physical space itself;
    • Social networks: twitter;
    • Blogs, storify, etc.
  • What happened;
    • In the case of DHLU, we had 723 tweets. If, during the first day, the tweets were rather on the same topics than the papers presented, it was not the case on the second day with two debates that came from discussions held during presentations, but went to themes that were not delt by the paper: the future of digital humanities and a widely heard sentence during the conference: « I’m just a historian » – which also led to a very good blog post by Sean Takats;
    • In the case of THATCamp Paris 2012, we had 2848 tweets, a storify, and several blog posts. The tweets were relating debates during workshops, discussion between parallel workshops – sometimes dealing with comme themes -, and were a continuation of the numerous debates that were happening in workshops;
  • The idea here is to get advantage from this situation and to turn those ubiquitous conferences into enhanced conferences. How to do this? And, what’s the interest of doing this?

Preparing the tools (How to do this)

  • First, have plugs and wi-fi;
  • Choose a social network (well, if you can choose – you audience may choose it for you) with the most open API.
    • In our case, Twitter had a sufficient API. Not sure it will stay like this – Twitter is a golden jail that is progressively closing;
    • Choose a hashtag (or something equivalent) and test it before (see #tcp for THATCamp Paris 2010 – mixing THATCamp with people discussing the TCP protocol);
    • Beware Facebook for instance – unless you can create an FB app;
    • Read the general condition of use of the social network – There are some restrictions on the use of the social network and data retrieval;
  • Retrieve your data and store them somewhere for preservation: in the end, it’s part of the proceedings
    • Choose carefully the tools that you are going to use, notably to retrieve your data;
    • Don’t forget to start collecting what’s happening on social networks before the conference starts and don’t stop immediatly after the end of the conference. It will also be usefull to notably identify blog posts about your conference.

Example: DHLU. Use of TAGS + TAGS explorer.
It is slow: it fits for a small conference, not for bigger ones (ie no more than a couple of thousands tweets). It is graphically appealing, but does not mean you can use it easily.

For larger conference, possibility to use the 140dev PHP lib. Needs more work to set it up (not that much), but, more important, you need to know better SQL request language.

What’s the interest of doing this?

What’s interesting here is

  • Content – what was said;
  • Network: who’s discussing with whom;
  • Integration to your conference.

Content

In the case of DHLU, the content of the first day did not really differ from the physical conference – mainly comments, quotation of the speakers’ papers.

The second day was quite different, with some discussions starting as comments of a paper and then going to themes that were not at all in the paper.

One of the discussion that was linked to the conference (ie with the right hashtag) was centered on the relations between Digital Humanities and some subdisciplines – notably digital history. Will DH become part of Humanities, will it split into digital history, digital anthropology, etc. Another strong debate happened around an often used expression: that was the #onlyahistorian affair too.

In other words, it helps you in analysing and understanding the themes that are debated within a community.

In the case of THATCamp Paris 2012, we went further and did some text analysis, with the help of a parisian firm who wanted to test its tools. As for DHLU 2012, I did a wordcloud of the tweets. But someone was interested in an expression cloud and topic modelling.

We spoke in Paris about (a lot) Paul Bertrand’s keynote but also pedagogy, methods and education. I cannot say that I learned something from this text analysis, but I can have, in one eye, a global view on a 200 participants conference.

Network

With TAGS Explorer, you can visualize discussions and networks. In the case of a small conference, it’s more or less obvisou that everybody will discuss with everybody.

In the case of a larger conference, you may have the possibility to analyse some sub groups of a network more focused communities of interest.

But the most important thing here, is the participation of people that are not in your physical conference, but who can give interesting appreciations on your conference during the conference itself. It’s an enrichment of your conference and of the debate.

Integration to your conference

  • I used this material for the DHLU’s conclusions;
  • I integrated them to the website of the conference;
  • I suppose, though not tried it yet, that you can include this material in the conference’s proceedings.

Retour sur une expérience de collecte de tweets

Cela fait quelques temps que les réseaux sociaux m’intéressent. J’ai commencé à collecter quelques données issues de twitter pour des conférences, notamment ici. La possibilité de récupérer – dans ce cas-là – des tweets qui ont formé des conversations parallèles à une conférence est très appréciable. C’est une archive de la conférence, qui restitue des discussions en complément de la publication des contributions.

L’outil que j’avais alors utilisé1 est toutefois limité, par son utilisation de Google Drive mais aussi par l’API de recherche de Twitter, qui ne permet pas de récupérer plus de 1500 tweets à la fois sur quelques jours (une semaine). Au delà de 6000 lignes, Google Spreadsheets a de grandes chances de voir ses capacités dépassées2.

Pendant la campagne présidentielle française, il y a un an, voyant l’incroyable flux de tweets émis pendant le débat Hollande-Sarkozy3, j’ai essayé de les capturer. Résultat des courses: 1% des tweets récupérés et ma clé twitter bannie pour non respect des conditions d’utilisation de ce réseau social. Un corpus inexploitable.

J’ai depuis cherché et trouvé le framework PHP 140dev, qui utilise non l’API de recherche mais de streaming. On peut récupérer nettement plus d’éléments, mais on ne peut faire de recherche, c’est-à-dire fouiller les sept jours précédents. J’ai pu collecter ce qui se disait sur la loi ouvrant le mariage aux couples homosexuels. Le corpus a intéressé Fred Pailler, sociologue, qui l’évoque sur son blog.

En conséquence, il a fallu passer à un niveau moins artisanal. J’ai doublé mon serveur – l’API de twitter et 140dev n’étant pas parfaits, mon serveur plantait régulièrement – et Fred Pailler a mis en place de son côté sa propre collecte. Même avec trois serveurs, nous avons connus quelques problèmes, mais, dans l’ensemble, nous avons pu récupérer plusieurs gigas de données, en étendant la recherche à une dizaine de mots-clés.

Si l’on n’arrive pas à collecter les bons #hashtags au bon moment, il n’existe que peu de solutions pour compenser les manques du corpus. S’il existe une archive de tous les tweets émis depuis la création du service, hébergée à la Library of Congress, mais qui est pour le moment inexploitable. On peut faire appel à des services privés (des entreprises qui ont un accès – payant – à une API spécifique de twitter) pour récupérer les données mais le coût est conséquent, comme le raconte Melissa Terras.

Autre problème: que deviendront les données collectées? Ces gigabytes de données risquent de se perdre – d’abord parce que mon serveur finira par mourir, ensuite parce que, même sauvegardée, ces données finiront par échouer sur un disque dur dont je vais oublier l’existence. C’est aussi un problème d’accès libre aux données de la science4. Si l’on perd le corpus, l’article qui l’a exploité est moins rigoureux.

Tous ces problèmes ne sont pas équivalents. De plus en plus de plateformes liés à la recherche permettent – ou permettront – de pérenniser des données. La bibliothèque du congrès archivant twitter, les chercheurs finiront par y accéder. Mais après un délai relativement long, vraisemblablement, ce qui ne peut pas satisfaire les sociologues (mais pas non plus certains historiens) qui étudient des sujets récents. Il ne me semble pas raisonnable de travailler sur, par exemple, un débat parlementaire sans regarder les réseaux sociaux si les débats s’y reportent, ce qui est le cas pour la loi en cours de vote au Parlement sur le mariage.

Il n’existe pas de plateforme d' »alerte » permettant de signaler des données qu’il faudrait capturer sur un sujet important, en dehors, peut-être, de ce que fait la BnF qui, assurant le dépôt légal des sites web, indexe le domaine « .fr » et peut, sur demande, indexer un site précis. Peut-être devrions nous réfléchir à une telle plateforme pour les sciences humaines et sociales (ou, chers lecteurs, signalez-moi si elle existe).

Quelles sont les quelques leçons que l’on peut tirer de cette expérience?

  • La solution à adopter (notamment le type d’API utilisée) doit être adaptée au nombre de tweets à récupérer et à la durée de collecte;
  • Il faut anticiper, monitorer les mots dièse (enfin, hashtags) pour avoir le corpus le plus complet possible;
  • Il faut plusieurs serveurs pour éviter les risques de pertes ou, plutôt, de non-collecte de tweets;
  • Il est impossible de savoir si le corpus contient tous les tweets contenant un ou plusieurs hashtags / mots clés;
  • Il faudrait disposer d’une sorte de stockage pour les données, afin de préserver les corpus de données fondant nos articles scientifiques

Une fois le corpus collecté et stocké dans une base de données, peut alors commencer l’étude du corpus ainsi constitué, par divers moyens: analyse de texte, visualisation réseau, etc. Là aussi, une certaine prudence s’impose, sur le nettoyage des données. Garder un journal de toutes les opérations faites, dès le début de la collecte et jusqu’à la fin du travail sur le corpus, est particulièrement utile.

Pour ma part, la rapide analyse de texte faite sur le corpus centré sur les manifestations opposées à cette loi montre d’abord une opposition politique à la présidence de la République et ensuite une préoccupation affirmée pour les enfants5.

  1. TAGS de M. Hawksey – à l’époque dans une version 3, aujourd’hui en version 5 []
  2. D’autres systèmes de collecte des tweets utilisant l’API de recherche existent: R et son paquet TwitteR ou encore NodeXL, une très bonne macro pour Excel. []
  3. Un article d’Atlantico – dont je n’ai pas retrouvé trace – estimait le flux à 600 000 tweets []
  4. Mais Fred Pailler a probablement résolu ce problème. []
  5. J’attire l’attention sur le fait que c’est une analyse très rapide, recouvrant des événements assez variés sur la période février-avril), et avec un nettoyage des données assez relatif – notez la présence de « this » qui est un résidu d’URLs. []

Contribution au colloque #dhiha5: « Questions de formation: quelles nouvelles compétences sont nécessaires? »

Français : Maître de la nouvelle école de la Cour de Charlemagne [Public domain], via Wikimedia Commons

Maître de la nouvelle école de la Cour de Charlemagne [Public domain], via Wikimedia Commons

L’institut historique allemand organise depuis cinq ans un cycle de conférences sur les Humanités numériques, #dhiha – du nom de son hashtag sur le réseau social twitter. Cette année, la communauté scientifique est appelée à participer aux quatre table-rondes via le web. Voici ma contribution pour le sujet « Questions de formation: quelles nouvelles compétences sont nécessaires? »

La question est – volontairement ou non – ambiguë. Si l’on pense « formation », on pense étudiants, ou enseignants-chercheurs qui n’ont pas ou peu de compétences dans le domaine informatique1. Mais cette question devrait également aborder les nouvelles compétences pédagogiques à acquerrir pour l’enseignement des humanités numériques par ceux d’entre nous qui forment des étudiants/chercheurs aux technologies de l’information et de la communication. Je vais ici simplement raconter ma propre expérience, parfois assez douloureuse, en complément de ce billet.

La problématique de mon cours en Digital Humanities est la suivante: je dois enseigner les humanités numériques aux étudiants d’un master qui n’est pas spécifiquement « numérique ». L’un des buts de ce cours est l’entretien du blog h-europe. Les sujets des mémoires de Master sont très variés, couvrant tout type de thèmes et toutes les grandes périodes, la seule contrainte étant d’être relié à l’histoire de l’Europe. Beaucoup de sujets sont toutefois en relation avec le Luxembourg. Les étudiants peuvent venir de toute l’Europe et au-delà.

Le contact avec mes étudiants me fait régulièrement réaliser que certaines choses deviennent évidentes pour moi, mais pas pour les gens qui m’entourent. Configurer un serveur web, utiliser des logiciels plus complexes qu’un suite bureautique, chercher systématiquement les interfaces de recherche avancée, parler d’opérateur booléen, d’analyse de texte… n’est pas chose naturelle, mais quand on sait en parler (et parfois même passer à la pratique…) on ne s’en rend plus nécessairement compte.

Ce n’est pas nécessairement propre aux Humanités numériques, mais il me semble que ce fossé entre « ceux qui savent » et les autres est plus fort encore en informatique où l’on peut se retrouver face à des personnes soit persuadées d’être meilleur que leur enseignant2 ce qui leur fait commettre de grosses erreurs, soit persuadées que s’approcher d’un ordinateur suffit à le faire planter (« May The Digital Force not be with you » ou « pensée magique numérique »). Il existe peu d’étudiants, finalement, entre ces deux idéaux-types.

Ma grande équation est donc la suivante:

  • Intéresser des étudiants aux Digital Humanities, sans qu’ils y soient intéressés a priori. Certains réalisent très vite l’intérêt de ces méthodes pour leur mémoire, d’autres non;
  • Intéresser des étudiants aux Digital Humanities, alors qu’ils ont des sujets forts différents, utilisant des méthodologies (numériques ou non) très variées;
  • Intéresser des étudiants qui ont des niveaux de maîtrise de l’outil informatique variables;
  • Lutter contre ma propension à estimer naturelles des compétences qui ne le sont pas (« ah bon, vous ne savez pas démarrer le serveur tomcat? Non, tomcat, pas lolcat »).

Je dois ici avouer avec humilité que je n’ai pas encore trouvé de solutions magiques. Ce que j’entrevois sont les éléments suivants:

  • Travailler avec le reste de l’équipe pédagogique pour fortement intégrer enseignement « classique » et « numérique » – il n’y a rien de mieux que trouver un outil qui facilite la vie aux étudiants pour leurs recherches (au niveau master);
  • Aller vers la pratique, mettre les mains dans le cambouis et pousser les étudiants à le faire;
  • Intégrer les enseignements digital humanities avec les enseignements de méthodologie. Certaines fondations méthodologiques restent (citer ses sources, être honnête, avoir un esprit critique, etc) même si leurs modalités d’application diffèrent;
  • Le tout en démontrant l’utilité mais aussi les nouveautés et changements introduits par les humanités numériques. C’est le plus difficile: il faut éviter le problème russe (c’est-à-dire une gadgétisation de l’histoire par le numérique) mais saisir les défis liés au déluge documentaire (pour l’histoire la plus contemporaine – mais aussi la sociologie, l’anthropologie, etc.) et les opportunités que permettent, par exemple, l’accès à des sources numérisées (dans tous les domaines des sciences humaines et sociales) et proprement encodées, la possibilité de faire de la fouille de données, de textes, de faire de la visualisation, etc.

C’est un chemin étroit qui doit être trouvé. J’attends avec impatience les solutions d’autres humanistes numériques qui répondront à l’appel à contribution de #dhiha5.

  1. C’est d’ailleurs une vieille question, cf. Genet, Jean-Philippe. “La Formation Informatique Des Historiens En France: Une Urgence.” Mémoire vive 9 (1993). []
  2. Pensez-vous, ce n’est même pas un digital native. []

Plan Werner et plan Delors: les non-dits d’une comparaison

Le 6 mars 2013, au (magnifique) Cercle Cité à Luxembourg-Ville, a eu lieu la présentation du corpus de recherche «Une relecture du rapport Werner de 1970 à la lumière des archives familiales Pierre Werner». Après la présentation de ce corpus par Elena Danescu (CVCE), ont pris la parole Jean-Claude Trichet (gouverneur honoraire de la Banque de France et ancien président de la Banque centrale européenne) et Jean-Claude Juncker (Premier ministre du Luxembourg et ancien président de l’Eurogroupe). Je ne vais pas ici m’étendre sur le contenu des discours, mais simplement me pencher sur une comparaison qui a eu cours pendant la soirée: le plan Delors de 1989 (Rapport sur l’Union économique et monétaire dans la Communauté européenne, 12 avril 1989) serait l’héritier, la réalisation, la continuité du plan Werner (Rapport au Conseil et à la Commission concernant la réalisation par étapes de l’Union économique et monétaire, 8 octobre 1970). Delors et Werner ont eux-mêmes insisté sur cette comparaison.

De mon point de vue, la comparaison entre les deux rapports montrent des différences très importantes, intéressantes à relever aujourd’hui, en pleine crise de la dette souveraine. D’autres chercheurs ont déjà relevé ces différences de nature entre les deux plans1.

Ce qui m’a toujours frappé, à la lecture des deux rapports, sont les éléments suivants:

  • Le rapport Werner use d’un language nettement moins technique que le plan Delors,
  • Le rapport Werner évoque nettement plus la politique économique, le plan Delors se focalise sur la politique monétaire,
  • Le rapport Werner évoque un processus décisionnel en matière monétaire fondé sur le consensus – il prévoit de consulter les partenaires sociaux en cas de grande décision monétaire.

J’ai déjà, sur ce site, rapidement évoqué ces différences. J’aimerais ici approfondir un peu.

Composition des deux comités

En premier lieu, la composition des deux comités est très différente.

Comité Werner
(Source: CVCE)
Comité Delors
(Source: CVCE)
Titulaires Suppléants Titulaires
Pierre Werner Johnny Schmitz Jacques Delors (Président)
Hubert Ansiaux Jacques Mertens de Wilmars Frans Andriessen
Gerard Brouwers Anthony Looijen Miguel Boyer
Bernard Clappier Jean-Michel Bloch-Lainé Demetrius J. Chalikias
Johann Baptist Schöllhorn Hans Tietmeyer Carlo Azeglio Ciampi
Gaetano Stammati Simone Palumbo Maurice F. Doyle
Ugo Mosca Jean-Claude Morel Willem F. Duisenberg
Jean Godeaux
Erik Hoffmeyer
Pierre Jaans
Alexandre Lamfalussy
Jacques de Larosière
Robert Leigh-Pemberton
Karl Otto Pöhl
Mariano Rubio
José A.V. Tavares Moreira
Niels Thygesen

Que peut-on déduire de cette composition? De manière rapide: le Comité Delors est composé de banquiers centraux, à l’exception de quatre d’entre-eux: Jacques Delors (président de la Commission), Alexcandre Lamfalussy (directeur général de la Banque des règlements internationaux, où il est en contact quotidien avec les banquiers centraux du monde entier. Il est devenu lui même un banquier central en prenant la présidence de l’Institut monétaire européen, l’institution qui a créé la banque centrale européenne), Niels Thygesen (professeur d’économie à Copenhague), et Miguel Boyer (président de la «Banco exterior de España»).

La composition du comité Werner est nettement plus variée:

  • Pierre Werner est un ministre d’État (Premier MInistre) luxembourgeois très « classique », dans la mesure où il est très orienté vers les affaires économiques et financières;
  • Hubert Ansiaux (Banque nationale de Belgique) et Bernard Clappier (sous-gouverneur de la Banque de France au moment du Comité) sont tous les deux des banquiers centraux « classiques » (chacun dans le sens de leur pays),
  • Il y a plusieurs hauts fonctionnaires des ministères de l’Économie, dont Hans Tietmeyer (futur président de la Bundesbank dans les années 1990),
  • Beaucoup ont des responsabilités au sein de la Communauté économique européenne, dont Gerard Brouwers, président du comité de politique conjoncturelle, et pas nécessairement uniquement au comité des gouverneurs des banques centrales des États membres de la CEE. Ces fonctions sont souvent conjuguées à des charges nationales.

En clair, les points de vues représentés au sein du Comité Werner sont nettement plus divers que ceux représentés au sein du Comité Delors.

Visualisaton comparative des deux rapports

 

Cette visualisation confirme les impressions que la lecture des deux textes m’a toujours données. La question qui se pose est alors la suivante: que s’est-il passé entre les presque 20 ans qui séparent les deux rapports?

Le grand changement de paradigme économique des années 1970

Le premier élément qui explique la différence entre les deux plans est le grand changement de paradigme des politiques économiques des années 1970. On passe de politiques économiques marquées par le keynésianisme qui a émergé dans les années 1930 – insistant sur la demande, pour simplifier – aux théories néo-classiques (théorie de l’offre et monétarisme). Du Royaume Uni et des États-Unis des années 1960 à la Grande Bretagne de Margaret Thatcher et à l’Amérique de Ronald Reagan; de la France des Trente Glorieuses à celle du tournant de la rigueur. La stagflation des années 1970 (conjugaison inédite d’inflation et de stagnation économique) et les chocs pétroliers encouragent les États à des politiques différentes, limitant l’intervention de l’État dans l’économie. Les politiques économiques et monétaires luttent désormais contre l’inflation, avec un chômage bien plus haut qu’auparavant. Le modèle de banque centrale s’oriente vers l’indépendance et le « banquier central conservateur ».2

Ce changement de paradigme se ressent dans le plan Delors, où disparaissent certaines caractéristiques des politiques économiques de l’après-guerre, y compris la consultation des partenaires sociaux et les politiques économiques interventionnistes.

Le résultat paradoxal d’une volonté politique

L’union économique et monétaire3 a été possible parce qu’il y a eu une volonté politique – principalement celle, dans les années 1980, de François Mitterrand et Helmut Kohl – d’aller vers une monnaie unique. Mais, cette volonté politique a abouti à laisser l’architecture de cette monnaie unique aux gouverneurs des banques centrales. Ainsi, Jacques de Larosière, alors gouverneur de la Banque de France et membre du Comité Delors raconte-t-il que peu avant l’ouverture des travaux du comité Delors, il est allé voir François Mitterrand à l’Élysée pour lui dire que, selon lui, une union économique et monétaire ne pouvait se faire qu’avec la Bundesbank. Cette dernière étant indépendante, la monnaie unique devrait se faire à ses conditions. Le président de la République ne l’a pas contredit4.

La communauté épistémique des banquiers centraux

Ainsi, comme indiqué ci-dessus, le comité Delors est-il d’abord un comité des banquiers centraux de la Communauté. Jacques Delors, qui assistait régulièrement aux réunions du Comité des gouverneurs, a laissé les banquiers centraux discuter entre eux et élaborer les points élémentaires de la marche vers l’union économique et monétaire.

Amy Verdun décrit le comité Delors comme une « communauté épistémique »5, ce qui inclut notamment une convergence de vues, de valeurs, de pratiques et d’objectifs. Cette convergence6 a été longuement et patiemment construite depuis 1922 (conférence de Gênes et sa préparation) autour de l’incontournable Montagu Norman, gouverneur de la Banque d’Angleterre, pendant l’entre-deux-guerres. Les banquiers centraux, au long du XXe siècle, ont pu s’appuyer sur des institutions – la Banque des règlements internationaux, le FMI, la Banque mondiale.

Au niveau européen, les gouverneurs des banques centrales des États membres de la Communauté, ont progressivement pu établir leur influence, par les travaux de la BRI (qui siège hors de la Communauté, à Bâle, mais où ils se rencontrent tous les mois), la création du Comité des gouverneurs (1964), puis, une fois le plan Delors approuvé et inscrit dans le traité de Maastricht, l’Institut monétaire européen et, aujourd’hui, la banque centrale européenne, peut-être le seul organe réellement fédéral de l’Union.

Conclusion

Estimer, parce que les deux plans projettent trois phases et ont le même but, l’union économique et monétaire, que ces plans sont similaires ou expriment la même chose, c’est, ainsi, occulter le fait que leur contenu n’est pas similaire. Le plan Delors contient peu d’éléments sur une politique économique commune, y compris les éléments budgétaires. Certes, le pacte de stabilité – uniquement pour la politique budgétaire, pas pour le reste de la politique économique d’un État – comprend une certaine harmonisation, mais vue du plus petit côté de la lorgnette. Or, ces manques du plan Delors sont, probablement, la grande faiblesse d’une union économique et monétaire aujourd’hui mise à très rude épreuve.

  1. Verdun, Amy. « The Political Economy of the Werner and Delors Reports: Continuity Amidst Change or Change Amidst Continuity? » From the Werner Plan to the EMU. In Search of a Political Economy for Europe. 2e éd. vol. 29. Bruxelles, Bern, Berlin, Frankfurt/M., New York, Oxford, Wien: Peter Lang, 2002. 73‑96. Print. Travail & Société – Work & Society; Allemand, Frédéric. « Crise de la zone euro : modernité du plan Werner (1970) ». Futuribles 382 (2012): 63‑71. CrossRef. Web. 8 mars 2013. []
  2. Je ne prétends toutefois pas que la politique d’union économique et monétaire issue du plan Delors et inscrite dans Maastricht est une politique monétariste – Milton Friedman n’a pas approuvé l’objectif de monnaie unique cf. Clavert, Frédéric. « Les oppositions à l’euro ». Contre l’Europe ? Antieuropéanisme, euroscepticisme, altereuropéanisme dans la construction européenne de 1945 à nos jours. Éd. par Birte Wassenberg, Frédéric Clavert, et Philippe Hamman. vol. 1. 2 vol. Frankfurt a.M.: Steiner, 2010. Print. []
  3. Comme le rappelle la conclusion de:Dierikx, Marc et al., éd. Common fate, common future. A documentary history of monetary and financial cooperation in Europe. 1947-1974. Den Haag: Instituut voor Nederlandse, 2012. Print. []
  4. Cette anecdote m’a été racontée par Jacques de Larosière mais peut aussi être trouvée dans: Dyson, Kenneth H.F., et Kevin Featherstone. The Road to Maastricht: Negotiating Economic and Monetary Union. Oxford University Press, 1999. Print. []
  5. Verdun, Amy. « The role of the Delors Committee in the creation of EMU: an epistemic community? » Journal of European Public Policy 6.2 (2001): 308–328. Print; Clavert, F., et O. Feiertag. « Les banquiers centraux dans la construction européenne: introduction ». Histoire, économie & société 30.4 (2011): 3–9. Print. La définition de la communauté épistémique peut se trouver dans: Haas, Peter M. « Introduction: Epistemic Communities and International Policy Coordination ». International Organization 46.01 (1992): 1‑35. Cambridge Journals Online. Web. 31 mai 2011. []
  6. Cette convergence est loin d’être complète: il suffit de regarder les divergences entre Axel Weber, ancien président de la Bundesbank et ses collègues de la Banque centrale européenne, divergences qui ont probablement mené à sa démission []

Comment referais-je ma thèse?

Lorsque j’ai commencé ma thèse, je me suis posé la question d’un logiciel de gestion non seulement des données bibliographique mais également de mes notes. Ce qui existait alors sur le marché (1999) n’était pas très riant. Entre EndNote – cher et peu pratique – et Scribe – ancêtre de zotero qui, sur mes vieux ordinateurs portables d’occasion, n’avait pas une seule chance de marcher – le choix, en fait, n’existait pas vraiment.

J’ai donc commencé à créer moi-même mon propre programme, à partir d’un SGBD propriétaire mais alors distribué gratuitement aux étudiants. Ce fut un cauchemar: l’élaboration de ce « truc » me prenait plus de temps que mes recherches. J’ai alors divisé les choses en deux: les références bibliographiques ont été stockées dans un fichier BibTeX vite géré par BibDesk (Mac OS X); mes notes ont été honteusement prises dans… MS Office Word (et c’est très mal1).

Entre le début de ma thèse et aujourd’hui, l’évolution des logiciels de gestion des références bibliographiques vers des plate-formes embrassant de plus en plus larges parties de nos recherches n’est que l’une des avancées informatiques venues bouleverser la recherche en sciences humaines et sociales. Ainsi, comme l’a fait Peter Haber il y a un peu plus d’un an, je me pose aujourd’hui la question suivante: si je démarrais ma thèse aujourd’hui, comment la mènerais-je?

Exposer mes recherches

La première chose que je ferais, serait d’ouvrir un carnet de recherche (blog scientifique) qui accompagnerait cette thèse. Si pour mon site, j’ai choisi en 2007 d’avoir mon propre nom de domaine (et mon propre serveur), je ferais peut-être un choix différent aujourd’hui, maintenant qu’il existe une plate-forme francophone de référence en sciences humaines et sociales, Hypothèses.

Quel est l’intérêt de bloguer? Il y en a de nombreux –  en voici quelques-uns:

  • Expliciter ses démarches, méthodes, idées,
  • Tester des pistes de réflexion,
  • Engager une discussion (ce qui ne marche pas toujours),
  • S’entraîner à écrire.

Si bloguer comporte de nombreux avantages, c’est un exercice qui peut être exigeant. D’une certaine manière, c’est un avantage pour une thèse (qui est un travail exigeant), mais cela peut se révéler chronophage. L’équilibre à atteindre entre l’écriture sur le blog et la recherche et l’écriture de la thèse est fragile et il faut un peu de temps pour l’atteindre2. En outre, je profiterais des réseaux sociaux pour enrichir mes problématiques, en discutant avec d’autres jeunes (et non jeunes) chercheurs d’horizons similaires ou différents du mien.

Exposer mes sources (primaires et secondaires)

Pour exposer ses sources, il faut d’abord les gérer. Un outil comme zotero permet cette gestion (et bien plus). Mais surtout, je numériserais de manière systématique toutes mes sources primaires, les stockerais dans zotero, leur donnerais de très bonnes métadonnées.

Connecter zotero à un site web – mon blog, par exemple – est parfaitement possible. Cela aurait permis l’enrichissement du blog, mais également aurait donné un vrai sens à ce qu’est une note de base de page, c’est-à-dire l’élément de notre méthodologie qui permet à nos lecteurs de contrôler la manière dont nous utilisons et citons nos sources, de mieux en comprendre notre interprétation, de mieux participer au débat scientifique.

Enrichir mes sources

Il existe aujourd’hui des technologies dites sémantiques sur le web, qui permettent (avec plus ou moins de succès, de pertinence et de bonnes données) d’enrichir des données existantes. Ainsi, grâce à OpenRefine qui peut faire appel à freebase, on peut importer des données dans un feuille de calcul. En utilisant DBpedia – une version sémantisée de Wikipedia – on peut relier de nombreux articles entre eux et bénéficier des informations contenues dans cette encyclopédie. Surtout, les outils existent pour exploiter ces données. Ainsi peut-on visualiser ce qui relie Max Weber, Émile Durkheim et Pierre Bourdieu.

Ces sources d’enrichissement ne sont pas toujours fiables, mais elles peuvent constituer une première approche. En outre, elles devraient s’améliorer au fil du temps et devenir de plus en plus nombreuses. Elles peuvent, malgré leur qualité relative, nous montrer des éléments, relations, acteurs, dont nous ne sommes pas encore conscients quand nous débutons une recherche, nous permettre d’intégrer des informations de manière automatique et, donc, gagner du temps, malgré le contrôle qu’il faut effectuer sur les données importées.

Lire les sources

L’ère numérique nous permet de nouveaux modes de lectures des sources. Pour un doctorant n’ayant qu’un savoir faire basique en humanités numériques (ie qui ne fait pas de la recherche en histoire numérique, mais qui souhaite en utiliser les outils), que cela signifie-t-il? S’il a été rigoureux dans son utilisation de zotero, il pourra utiliser paper machines (quand il marche…), ce qui lui permettra de mener des visualisations de manière assez aisées: analyse de texte, topic modelling et autres visualisations… Constituer un corpus de texte et utiliser Iramuteq permet également une première approche d’analyse de texte.

Il est possible d’aller encore plus loin, avec l’émergence d’outils d’extraction d’entités, permettant d’extraire noms de villes, de personnes, non seulement des textes mais également des documents multimédias. Les données en résultant peuvent facilement servir, par exemple, à une visualisation de réseaux.

La lecture de sources externes à la recherche devient aussi plus facile, que ce soit par l’accès à des bibliothèques numériques3, par la récupération de métadonnées4, ou par l’utilisation d’outils permettant d’avoir une vue globale d’un phénomène – à l’image de l’étonnant mais problématique Google NGrams – ainsi peut-on avoir une petite idée de la postérité de certains banquiers centraux((J’ai choisi Montagu Norman, la figure dominante du « petit peuple » des banquiers centraux dans l’entre-deux-guerres, indéboulonnable gouverneur de la Banque d’Angleterre (1920-1944); Hjalmar Schacht, président du directoire de la Reichsbank (1924-1930 et 1933-1939) et ministre de l’Economie du IIIe Reich (1934-1937) et Pierre Quesnay, bien moins connu, mais personnalité importante par son action lors des réunions du comité des experts à Paris (élaboration du plan Young) puis à la Banque des règlements internationaux dans les années 1930.))…

 L’écriture de l’histoire et son interaction avec les sources

A quoi sert de publier ses sources, de les enrichir, de les lire avec les outils numériques? Cela sert à écrire l’histoire, mais d’une écriture qui interagisse avec les sources. Le web – et un bon nombre de technologies – reposent (ou utilisent) l’hypertexte, le lien. Mettre en ligne ses sources, sert à écrire l’histoire en interaction directe avec les sources. Cela permet d’offrir au lecteur une meilleure immersion dans le récit de l’histoire grâce à un lien bien plus proche avec les sources primaires. Je ne sais pas encore quelle forme cela peut prendre, pour être honnête. Je ne crois pas encore avoir vu un mode de narration se différencier pleinement du livre et de l’article((Mais peut-être avez-vous des exemples? Dites-le en commentaire!)).

Une dangereuse utopie?

On peut objecter aux quelques aspects rapidement développés ici les points suivants:

  • La mauvaise qualité d’un certain nombre de services cités ici. Méthodologiquement, utiliser Google Ngram est douteux. Personne ne connaît réellement l’étendue de la base de donnée de Google Books. Les biais de sélection des livres par google sont vraisemblablement importants, notamment d’un point de vue culturel. De plus, l’interprétation des ngrams est aléatoire et posent plus de questions qu’elle n’en résout;
  • La mauvaise qualité des données que l’on peut rapatrié – dans le monde du Linked Data, Robert Schuman est souvent confondu avec Robert Schumann;
  • Les données disponibles ne sont parfois pas suffisamment précises: le graph fondé sur dbpédia que vous pouvez voir en insertion sur cette page concerne des sociologues et non des historiens. Je voulais à l’origine avoir une visualisation des liens entre historiens du IIIe Reich, ce fut impossible;
  • Tout ceci va renchérir le coût des recherches en sciences humaines et sociales. Un serveur, proprement sauvegardé, avec des données peut coûter cher – leur pérennisation aussi;
  • S’il y a multiplication des sites web ou dépôts d’archives, comment assurons-nous l’interopérabilité entre eux? Un éparpillement des ressources numériques est un risque pour la recherche.

Et ceci n’est pas une liste exhaustive. Tous ces éléments sont connus des acteurs et chercheurs en Humanités numériques et des réponses, peu-à-peu, émergent. Mais, fondamentalement, je reste persuadé que ces outils, méthodes, transforment petit-à-petit – et ce depuis la fin des années 1990 – le travail des chercheurs au quotidien.

  1. Pourquoi? Parce que si vous voulez ré-exploiter des données pour d’autres recherches, il faut les structurer. Vous ne savez pas ce que cela veut dire? Pas grave, utilisez Zotero! []
  2. Quelques excellents blogs de chercheurs en cours de thèse:

    L’AFHE a organisé une table ronde où le blogging scientifique a été largement abordé. []

  3. Les exemples sont nombreux – sur l’histoire européenne, pour les trouver, consultez le site European History Primary Sources []
  4. Europeana a rendu libre l’ensemble des métadonnées de ses obkets []