Archives par étiquette : Mise en données

L’Histoire et le flux

«Tout historien travaillant sur Twitter est condamné à finir en institution spécialisée»1.

Ce billet a été commencé avec l’idée très vague de démontrer l’importance d’une notion informatique, l’API. Il a évolué, de manière assez imprévue, sans aucune référence à cette notion, sans que je ne puisse dire pour le moment si j’en apprécie le résultat. Commentaires bienvenus2.

Ce lundi 9 mai, j’ai parlé de «sources en flux3» à Louvain-la-Neuve pour les journées des archives 2016 à l’invitation d’Aurore François, directrice des archives de l’UCL, qui avait d’ailleurs publié un très bon chapitre dans notre Histoire contemporaine à l’ère numérique4. Particulièrement intéressant, le thème de ces 16e journées était: «Pérenniser l’éphémère. Archivage et réseaux sociaux»5.

Au début était l’archive infinie

En continuant de réfléchir à ces sources primaires en flux depuis lundi, je me suis replongé dans la notion d’archive infinie, l’Infinite Archive avancée il y a quelques années par Bill Turkel6. Le web est cette archive infinie, une constellation d’informations en constante expansion. Continuer la lecture

  1. Phrase prononcée à Louvain, sur le ton de l’humour, par Thierry Delplancq, archiviste, Archives de la Ville de la Louvière. []
  2. Le billet sur les API viendra un jour. Ou pas. []
  3. Ma présentation est disponible sur HAL-SHS. []
  4. Clavert Frédéric et Noiret Serge, L’histoire contemporaine à l’ère numerique / Contemporary History in the Digital Age, Bruxelles, P.I.E.-Peter Lang S.A, 2013. []
  5. Une autre intervention portait sur Twitter, celle d’Alexandre Turgeon: «Étudier la mémoire sur Twitter, composer avec celle de Twitter». Une partie de la réflexion menée ici sur la mémoire de Twitter a été inspirée par cette présentation. []
  6. Digital History Hacks (2005-08): Methodology for the Infinite Archive, Blog, 2008, consulté le 04.11.2008. Voir également: Hitchcock Tim, «Historyonics: Towards a New History Lab for the Digital Past», Historyonics, 01.04.2011, consulté le 11.05.2016. []

Le site web d’un centre d’archives est une salle de lecture

À l’invitation de Martin Grandjean, j’ai eu le plaisir de participer à une table-ronde au forum des archivistes qui s’est tenu à Troyes la semaine dernière (un compte rendu est disponible sur le site du forum). L’exercice de la table ronde est toujours à la fois intéressant et frustrant. Intéressant car il permet aux auditeurs d’écouter des points de vue complémentaires, parfois divergents, sur une question. Frustrant, car le public comme les intervenants ne peuvent développer et sont souvent contraints de rester relativement superficiels. Or, mercredi dernier, un point m’a particulièrement laissé sur ma faim: une question, posée à la fin de la session, à laquelle je n’ai pu répondre faute de pouvoir prendre la parole (le temps, notre enemi de toujours…) En substance: «On numérise massivement depuis de nombreuses années. Les chercheurs ne reviennent pour autant pas dans les salles de lecture. Pourquoi?» Continuer la lecture

La démise en données

J’ai tenté sur ce blog d’expliquer ce que j’entendais par le terme de «mise en données» de l’histoire (ou du monde). Emmanuel Mourlon-Druol a publié ce matin un point de vue sur la publication de quelques centaines (sur plus de 50 000) des courriers électroniques d’Hillary Clinton (si vous avez raté le premier épisode).

Ce que raconte Emmanuel est l’histoire d’une démise en données: les courriers électroniques de l’ancienne secrétaire d’État (donc ancienne ministre des Affaires étrangères des États-Unis) ont été… imprimés puis scannés, mais avec reconnaissance de texte.

Ce processus aboutit à une immense perte d’informations. Un courrier électronique est structuré, notamment dans ses méta-données (qui envoie, à quelle heure, etc). Cet étrange procédé n’est ainsi pas seulement stupide, il aboutit à appauvrir ce qui est une source primaire utile à l’historien, mais aussi aux journalistes ou aux citoyens (et pas uniquement états-uniens). Preuve de cette démise en données: il est impossible de faire une recherche en fonction du destinataire, par exemple.

Si cet appauvrissement n’est pas nécessairement voulu, il n’en est pas moins pleinement aberrant.

"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

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 []

#DigitalFirst

En parallèle au renvoi de la directrice de la rédaction du New York Times, Jill Abramson, un membre du journal a fait fuiter le rapport d’une équipe interne au Times sur les évolutions que ce dernier doit adopter sur le terrain numérique. Le rapport en question, disponible ici, n’est pas uniquement intéressant pour comprendre les évolutions de la presse écrite. Il l’est également pour les Sciences Humaines et Sociales. Finalement, le raisonnement est simple: d’une logique centrée sur l’impression, il faut passer à une rédaction qui place le numérique en premier (digital first). Continuer la lecture

Les biais de la mise en données de l’histoire: lecture d’un article de Ian Milligan

Un ordre illusoire?

J’ai déjà à plusieurs reprises insisté sur les possibilités, mais aussi les biais, induits par la mise en données de l’histoire, notamment à la lecture de Tim Hitchcock1. Ian Milligan est professeur assistant au département d’histoire de l’université canadienne de Waterloo. C’est un historien numérique reconnu, qui s’intéresse notamment aux changements méthodologiques induits en histoire par l’ère numérique. Vous pouvez, par exemple, lire son poster Rethinking the archival box.

Il a récemment publié «Illusionary Order: Online Databases, Optical Character Recognition, and Canadian History, 1997–2010» dans la Canadian Historical Review2. L’intérêt de cet article est que c’est une étude de cas qui donne une idée plus précise des biais induits par la mise en données partielle de l’histoire. Ian Milligan a étudié la manière dont sont cités les journaux canadiens dans les thèses d’histoire d’une part, dans les articles de la Canadian Historical Review d’autre part, qui touchent à l’histoire canadienne. Il y expose très clairement sa méthode et a mis en ligne le code qu’il a développé sur github.

Ce qu’il constate confirme que les historiens sont en train de laisser se développer une boîte noire numérique. Car ses conclusions sont sans appel:

  • Le nombre de citation des journaux canadiens numérisés ont explosé depuis 1997. Le nombre de citation des journaux non-numérisés ont stagné ou décliné;
  • Les sources mieux numérisées sont plus citées;
  • S’il ne constate pas d’influence de ce phénomène sur les grands thèmes de l’historiographie de l’histoire canadienne, il y a une corrélation avec les « sous-thèmes » et, donc, bien influence (probable, la numérisation étant un facteur parmi d’autres) de la mise en données des sources sur notre travail.

Pour cette raison, il parle d’ordre numérique illusoire: la recherche par mots clés, l’organisation très structurée des bases de données donnent l’impression d’un ordre qui n’en est pas un, pour diverses raisons. La première est l’inégale numérisation des sources. La seconde est la qualité variable de la reconnaissance de texte – car Ian Milligan rappelle que les logiciels de reconnaissance de texte qui permettent la recherche par mots-clés (grand apport de la numérisation des sources) ont été prévu pour des documents d’un type précis dans un cadre commercial. Il rappelle que les sources historiennes, notamment les journaux, posent des problèmes techniques précis qui ne sont que partiellement gérés par ces logiciels. Sans oublier que, plus la source est ancienne, plus la reconnaissance de texte est défaillante – parfois, plus de la moitié de l’information peut être perdue. Ainsi, une recherche par mots clés peut donner l’illusion d’un résultat exhaustif, alors que, même avec les meilleurs logiciels de reconnaissance de texte, le texte n’est jamais restitué de manière parfaite. La seule solution est la relecture humaine de la reconnaissance de texte par la machine, mais elle coûte trop chère pour les numérisations de masse.

L’usage de la recherche par mots-clés dans les grandes bases de données change d’autres éléments: une recherche dans des liasses d’archives ou des liasses (ou microfilms) de journaux permet aux historiens de lire des documents ne touchant pas à leur recherche présente, mais leur donnant des idées pour des recherches futures. En clair, la recherche par mots-clés diminue la « sérendipité » des historiens.

Pour Ian Miligan, il y a trois grands problèmes liés à cette situation:

  • Autorité illusoire par le nombre. Nous risquons de citer plus d’articles qu’avant, sans qu’il n’y ait de réel apport scientifique, mais avec pour corollaire le risque d’être moins analytique. En clair, on risque de donner plus d’autorité à un travail de recherche car les documents cités sont nombreux, mais sans que l’apport scientifique de cette recherche ne le justifie;
  • Déclin des journaux non numérisés. C’est un point particulièrement important: nous risquons de sélectionner nos sources en fonction de leur disponibilité numérique et non de leur intérêt pour notre recherche;
  • Concentration sur les lieux les plus concernés par les journaux numérisés: dans le cas de l’histoire canadienne, le journal numérisé le mieux cité est basé à Toronto. Plus l’utiliser qu’un journal de Montréal, par exemple, va favoriser la vision du gouvernement fédéral. Plus discret, mais tout aussi important, l’utilisation d’un journal de Toronto pour faire l’histoire de localités proches de la capitale risque de faire oublier l’apport pour une recherche de journaux plus locaux.

L’auteur propose quelques éléments pour remédier à cette situation:

  • Reconnaître notre utilisation des ressources numériques: lorsque nous lisons la version numérique d’une source primaire ou secondaire, nous devons, dans les notes de bas de page et dans la bibliographie, renvoyer à la référence numérique et non à la référence papier;
  • Ouvrir le débat, ce qu’il fait avec cet article. Bref, nous devons éclaire la boîte noire. Il propose notamment d’exposer nos « bonnes pratiques ».

Parmi ces bonnes pratiques, il rappelle les suivantes:

  • Quand cela est nécessaire, un écrémage complet des sources – c’est-à-dire ne pas faire une recherche uniquement sur mots-clés, mais regarder chaque document qui potentiellement peuvent être intéressants pour notre recherche, même s’il n’est pas dans les résultats de la recherche par mots-clés;
  • Comme lorsque nous utilisions les catalogues par fiches, nous devons multiplier et combiner les mots clés, ne pas oublier les orthographes alternatives, les abréviations, les synonymes…
  • Participer collectivement à l’amélioration des usages de ces bases de données: bien les citer, rappeler la méthodologie de recherche employée, etc;
  • Travailler avec les éditeurs de ces bases de données pour les améliorer, les adapter aux besoins des historiens, que ce soit pour le contenu ou pour les fonctionnalités proposées.

Un autre exemple: l’étude de l’intégration européenne

Pour illustrer l’étude de Ian Milligan dans un autre secteur, les études européennes dans un sens large, j’ai utilisé le logiciel Harzing’s Publish or Perish. J’indique tout de suite que mon étude est une illustration, non une démonstration: ma méthodologie et mes résultats n’ont rien à voir avec la rigueur des données de Ian Milligan. De plus, c’est une approche quantitative stricte reposant sur Google Scholar, c’est-à-dire une boîte noire… Je n’ai pas intégré d’aspects qualitatifs sur le contenu de ces références (la plupart du temps) scientifiques. Les données récoltées ne sont pas complètes à deux titres: d’une part, Google Scholar, utilisé par Publish or Perish, est très imparfait (selon Google Scholar, Britney Spears a des publications scientifiques); d’autre part, je ne peux rapatrier plus de 1000 ocurrences par mots-clés.

J’ai fait trois recherches, sur les mots clés suivants: « ena.lu », « cvce.eu » et « aei.pitt.edu ». EuropeanNAvigator (ena.lu), devenu ensuite cvce.eu, et les Archive of European Integration (aei.pitt.edu) sont les deux dépôts les plus importants d’archives numérisées sur l’histoire de l’intégration européenne. Il y a d’autres sources, mais un peu plus difficiles à identifier ou dont l’usage n’est pas spécifique aux études européennes (les quelques ressources – qui vont en s’accroissant – des archives historiques de l’union européenne; Internet Archive; la médiathèque de la Commission européenne, etc).

En regardant ce schéma, on constate plusieurs éléments:

  • Ces bases de données ont été utilisées très vite: AEI est publiée en 2003, ena.lu en 2005. Les premières utilisations – sous réserve des erreurs de Google Scholar3 – apparaissent de suite;
  • Le déclin d’ena.lu s’explique par son remplacement par cvce.eu à l’été 2011. cvce.eu n’a pas encore totalement pris la place d’ena.lu, mais son utilisation s’accroît vite4;
  • Il y a un déclin relatif de l’usage de ces bases de données en 2013: il est probablement dû au fait que Google Scholar est loin d’avoir indexé toutes les publications de 2013. Personnellement, j’ai constaté qu’il y a un délai d’au moins six mois entre la publication d’un ouvrage et sa présence dans Google Scholar.

Comme Ian Milligan, on peut constater que ces bases de données de sources primaires sont très vite utilisées par les chercheurs (ici, tous ceux, historiens ou non, qui citent ces bases de données). Outre, les remarques contenues dans l’article de Ian Milligan, je rajouterais quelques réflexions méthodologiques propres à l’histoire de l’intégration européenne ou, du moins, à ces dépôts numériques d’archives:

  • Il n’y a, à ma connaissance, aucune précision globale sur le taux de réussite de la reconnaissance de texte ou sur les logiciels utilisés. Dans le cas du CVCE, il peut y avoir des précisions relatives à chaque document;
  • Les procédures de sélection d’archives demeurent floues – c’est notamment lié au fait qu’il est difficile d’en émettre qui soient purement objectives.
    • Le CVCE les définit à l’échelle de chaque projet de recherche, ce qui est un problème pour un chercheur dont la quête ne colle pas à ces projets,
    • Dans le cas d’AEI, le type de documents choisi est plus clair: des archives officielles des institutions européennes et des documents scientifiques – principalement de la littérature grise, semble-t-il. La collecte se fait, si j’ai bien compris, par crowdsourcing: les chercheurs qui numérisent soumettent les documents à AEI. Le matériel soumis doit pouvoir être d’une utilité potentielle pour la recherche, ce qui reste assez flou.

Le résultat de ces rapides constations est le suivant: utiliser ces bases de données ne peut-être soit qu’une première approche complétée par un séjour en centre d’archives, soit d’utilisation quasi-exclusive si le sujet traité à l’aide des sources qui y figurent est accessoire à la recherche et si le tout est complété par une bonne connaissance, bien entendu, de la littérature secondaire. Dans tous les cas, comme Ian Milligan le rappelle, l’auteur doit faire référence à la version numérique du document utilisé et non sa version papier si cette dernière n’a pas été consultée.

Je n’ai pas les moyens de confronter ces chiffres d’utilisation aux autres citations de ces travaux, donc je ne peux pas aller plus loin, à savoir déterminer si des sources non-numérisées sont négligées ou si les sujets traités sont orientés par l’usage de ces bases de données en ligne. Quoi qu’il arrive, il est temps qu’un débat soit ouvert sur nos méthodes numériques, sans les récuser, mais pour bien les intégrer dans notre méthodologie.

  1. Hitchcock Tim, « Academic History Writing and its Disconnects », Journal of Digital Humanities, Winter 2011, vol. 1, no 1. []
  2. Milligan Ian, « Illusionary Order: Online Databases, Optical Character Recognition, and Canadian History, 1997–2010 », Canadian Historical Review, 1 décembre 2013, vol. 94, nᵒ 4, pp. 540‑569. En ligne. []
  3. Beaucoup de tites sans date, dates erronées, mauvais OCR, tendance à sur-représenter les travaux en Anglais, etc []
  4. Disclaimer: J’ai été employé, à divers postes, y compris de chef d’équipe, par le CVCE, éditeur de ena.lu et de cvce.eu. []

Présentation à la journée d’étude « Les sources nativement numériques pour la recherche en histoire et patrimoine: pratiques et méthodes » (LabEx HASTEC / CNAM)

Aujourd’hui, à l’invitation de Camille Paloque-Berges (LabEx HASTEC, CNAM), j’ai évoqué la mise en données des sciences humaines et sociales via l’exemple de l’histoire.

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. []