Récapitulation au 6 fév. 2014

Le projet HTLF 20 est une grosse ANR [projet financé par l’Agence Nationale de la Recherche] pilotée par les universités de Paris-4, Tours et Nantes.

http://www.crlc.paris-sorbonne.fr/FR/Page_axe_recherche.php?P1=9

Un volume collectif par siècle. Le volume XXè siècle comportera un chapitre « Littératures de genre », traitant essentiellement des genres suivants : aventure, sentimental, policier, noir, fantastique, SF et fantasy.

Techniquement, il relève de la recherche en littérature à l’ancienne (terrain : bibliothèques ; logiciel : cerveau des chercheurs ; matériel : crayon, papier, tableau dans Word et internet pour les détails) : comparer des traductions, relever les phénomènes saillants, repérer les langues peu ou pas représentées, donner des analyses concrètes et significatives selon les problématiques de chaque chapitre.

Pour « Littératures de genre », on repère surtout les problèmes suivants

• Effets stylistiques, poétiques (architextuels) et institutionnels (génériques au sens large) des genres populaires et médiatiques
• Production industrielle sectorisée en genres dominants et sous-genres dynamiques
• Cycles contrastés de prise de domination de l’anglais et d’affirmation d’autres langues

Exemples d’analyse de détail :

–       la traduction française de Do Androids Dream of Electric Sheep ? remplace le terme bounty hunter par le terme blade runner dans l’édition J’ai Lu 1985 après le film de Scott. Cela fait de la version française un objet insolite, puisque dans le texte original cette substitution ne sera pas faite avant la suite de Jeter en 1995, et n’est de toute façon pas faite dans le texte original de DADES.

–       les mots-fiction caractéristiques de la SF (et son onomastique) donnent lieu à un éventail varié de solutions :

• transposition étymologique savante : dans Earthsee > Terremer : rain-tree transposé par ondier [pluvier étant déjà attribué à un volatile de la famille des Charadriidae]
• apposition explicative rajoutée au texte original
• reprise du mot tel quel : conapt, passé dans le xéno-lexique partagé.

Le projet EPOP 3 est basé à l’université de Limoges, et a l’ambition de faire du data mining dans le domaine des littératures populaires. Il consiste à moissonner les catalogues de bibliothèques nationales européennes pour produire des études quantitatives de circulation, répartition culturelle, influences, etc.

• exemples rudimentaires ici (cliquer sur « Cartographies du cambrioleur »)
  http://gentleman.popular-roots.eu/fr#/autour-du-monde
  L’exemple est réalisé à partir de relevés bibliographiques manuels.

Techniquement, on utilise des butineurs bibliographiques de type Endnote ou Zotero pour composer des collections de données pertinentes. Ensuite on synchronise ces collections dans un CMS spécialisé : Omeka. Quand on a de la chance on peut moissonner directement à partir d’Omeka, si les bibliothèques nous ouvrent la passerelle de leur base. Pourquoi ces choix ? Pour pouvoir travailler à partir du standard bibliographique Dublin Core et rendre les données interopérables.

Ensuite, c’est là que ça se complique. Omeka n’est en effet pas prévu pour faire du traitement quantitatif et de la dataviz. On doit donc lui adjoindre des champs supplémentaires pertinents, essentiellement des champs de liaison entre champs existants. Exemples :

• champ « titre original » pour un titre traduit
• champ « langue d’origine »
• etc.

Ce ne serait pas tellement difficile si les moissons de fiches de bibliothèque étaient correctes. Ce n’est pas le cas, parce que le Dublin Core n’en est qu’à sa phase de déploiement et qu’un nombre important de catalogues ont été numérisés à partir de données organisées selon des protocoles locaux.

Du coup, on doit nettoyer les collections, réorganiser les champs, enrichir et rectifier les données. C’est l’un des objectifs du projet : renvoyer aux bibliothèques des données corrigées. Ça pose déjà des problèmes nombreux, car

• il faudrait que le remplissage fiche par fiche soit réduit au minimum, sur ces corpus industriels (par exemple le numéro de collection, le titre original) ; or
• les données répétitives connaissent des variations considérables selon les bibliothèques, voire au sein de chaque bibliothèque selon les opérateurs de saisie. On étudie la possibilité de modules auto-apprenants, pour générer au moins un menu déroulant pour chaque occurrence à variantes (exemple : « R. Laffont » et « Robert Laffont »)
• la correction des données dans Zotero ou Omeka ne peut se faire que fiche par fiche. On étudie la possibilité de faire une extraction Excel pour faire du remplacement de champs en masse et réinjecter ensuite les données corrigées dans Zotero, Omeka, ou les deux.

On en est là (au bout de 3 ans, quand même). Il ne faut pas se cacher non plus que c’est franchement nouveau pour nous à l’univ. de Limoges, qui a de très bons ingénieurs en SIG (géographie, atlas, carto) mais découvrent tout en termes d’analyse de données littéraires. Bref, on ne va pas très vite et le partage d’expériences serait utile.

Application test, février-mars 2014
Langlet / Noosfere

Sur la base de l’association Noosfere, dont les données sont fiables, remarquablement complètes et organisées de façon stable :

http://www.noosfere.com/icarus/livres/livres.asp

On peut essayer des tests sur un corpus ciblé : littératures de l’imaginaire traduites en français.

• ça peut faire avancer HTLF 20, déjà. Si le test est concluant, on pourrait approcher d’autres bases spécialisées associatives dans le domaine du sentimental ou du policier.
• ça peut aider EPOP 3 à trouver ses solutions.

Exemple : voici ce que donne une moisson Zotero effectuée sur le catalogue en ligne de la BNF :

La collection est relativement propre, les champs sont assez bien remplis. Mais dans chaque fiche il manque le titre, la date et la langue originaux qui permetraient de lier la fiche automatiquement à la fiche, dans l’exemple, de Helliconia Winter. Sans cette liaison, on n’a rien à étudier ; avec la liaison, on pourrait produire les stats et les cartes de vitesse de traduction, de proportion de langues originales par collection ou année. On pourrait aussi visualiser des « nodes » de connexions entre éditeurs, auteurs et traducteurs. Je pense (fantasme ?) qu’un bon informaticien pourrait même créer le script de génération automatique de la fiche Zotero de l’oeuvre originale, en disant à Zotero d’aller moissonner Helliconia Winter dans la British Library (par exemple) et l’intégrer dans une collection de type « Ailleurs et Demain VO » par exemple. Il faudrait juste que les données contiennent ce champ-là (titre original), le moins sujet à variantes, par définition (encore que: je m’avise que les normes typographiques pourraient nous donner du fil à retordre; mais en ignorant les majuscules, ça devrait aller). Ça peut se remplir à la main, ça, sur un tableau Excel, en allant assez vite.

Si la base de Noosfere, qui a déjà tout ça, parvient à générer ces statistiques, à partir de ses protocoles “maison” (dont j’ignore tout, mais  Zotero ne peut pas butiner leurs fiches) ce sera un bon signal. Qu’en pensez-vous?

---

---