Série de billets relatifs à une recherche conduite en 2024-25 par Irène Langlet au cours d’une année en délégation au CNRS / UMR Thalim
Point d’étape avril 2025
Résumé
Un premier travail sur les tags de Babelio a eu lieu entre le 26 février et le 18 mars, avec des extractions et des calculs de canonicité. Ces premiers tests montrent qu’on doit analyser plus précisément les relations entre les tags, listes et thèmes (et vedettes sujets, matières).
Deux attentes émergent :
- Obtenir des listes de titres enrichies via l’ABES
- Comprendre les liens entre les tags à partir des fichiers .csv Babelio et Sudoc
Personnes impliquées
- Julien Schuh, professeur de littérature française à l’université Paris Nanterre, qui conduit un séminaire conjoint CSLF / MSH Mondes sur les interprétations artificielles à et la MSH Mondes
- Adam Faci, docteur en informatique sur la représentation, la simulation et lʼexploitation de connaissances dans le formalisme des graphes conceptuels, post-doctorant sur lʼusage des LLMs en SHS au sein de l’Huma-Num Lab (CNRS)
- Marianne Chamboux et Fayçal Salhi, étudiant·es stagiaires en Sciences du langage
- Irène Langlet, professeure de littérature comparée à l’université Gustave Eiffel, qui conduit un projet sur les folksonomies en délégation au CNRS (UMR THALIM)
- Sophie Martin, Responsable du Département du traitement documentaire, Bibliothèque interuniversitaire de la Sorbonne (BIS), projet Collex-Persée avec la BULAC
Argumentaire général (rappel)
Les genres littéraires émergents activent des affinités culturelles avec des genres connexes, des emprunts et des héritages de genres anciens, des ruptures avec d’autres et des réorientations thématiques ou formelles – en un mot, ces genres émergents entraînent une recomposition à plus ou moins grande échelle de tout le système littéraire. En les observant, on rend donc visible une manière essentielle de se repérer au sein de la culture et de la société en reconnaissant des formes, des savoirs et des images partagées, au sein de pratiques collectives, d’horizons d’attente communs et de catégories de pensée structurantes. Le projet consiste à examiner le cas de genres liés au changement climatique : la cli-fi, le solarpunk et le hopepunk.
On se propose ici d’analyser la manière dont les étiquetages commandent des logiques de classements et de reclassement. Ces étiquetages sont visibles dans les vedettes matières des grands catalogues, catégories des sites web, mots-clés, tags et hastags du web social. Ils peuvent être manuels, automatiques, ou combiner les deux, et combinent également des labellisations et décisions expertes (sujets RAMEAU par exemple) et des catégories libres et spontanées pour lesquelles a été proposé le terme de folksonomies (Le Deuff 2006).
Notre hypothèse fondamentale est que ces étiquettes permettent de suivre la trace des discours sociaux et des cultures taxinomiques (Bowker & Leigh Star, 2000) qui construisent les genres au moins autant, voire plus, que des intentions de leurs producteurs ou les modèles d’écriture. En d’autres termes, les genres dépendent autant de ce qu’on en dit que de ce que les artistes ont voulu faire. Définir les genres uniquement selon les propriétés des œuvres ne rend pas justice à cette dimension interactive. Un socle théorique robuste établit les genres comme le résultat d’une tension historiquement située entre des logiques intentionnelles – projet d’auteur, prescriptions culturelles – et des logiques attentionnelles – goût du public, savoirs situés, recompositions entraînées par la consommation des œuvres (Schaeffer 1989, Genette 1992, Letourneux 2016). Dès lors, chaque hashtag, mot-clé, étiquette ou vedette-matière construit le genre. C’est particulièrement opérant quand on cherche à compiler un corpus d’œuvres, voire le canon d’un genre donné, comme on le fait préalablement à toute étude d’un genre.
Les divers mécanismes qui produisent les canons textuels peuvent se ranger dans les trois ensembles suivants :
- La création et la diffusion de listes d’œuvres ;
- L’utilisation d’étiquettes et de classements, avec des effets de négociation collective, experte dans les cas d’étiquettes professionnelles ou amateures quand il s’agit des utilisateurs de plateformes (qui organisent l’information à partir des interactions de leurs communautés) ;
- La production de commentaires critiques amateurs, avec une série de dispositifs (liens, likes, notes) qui fonctionnent comme outils de hiérarchisation des commentaires en fonction d’un crédit social géré par ces plateformes,
L’approche « folksonomique » se fonde sur la mesure et le suivi spécifique des étiquettes pour extraire des listes d’œuvres et identifier celles qui font consensus comme canon.
Pour cela on a envisagé trois actions, qui pourraient conduire à la production de trois listes :
- Web « au vol »: pages, forums, réseaux, sans limitation, sur la foi d’une lecture individuelle, subjective débutante ou subjective expérimentée. L’objectif est de récupérer des listes de titres sur des pages diverses et de voir quels titres reviennent souvent.
- Cataloguage social : Babelio. L’objectif est double :
Récupérer les listes de titres qui ont les mots recherchés
- Par le tag
- Par le thème
- Par une liste
Récupérer la liste des mots-clés de chacun de ces romans
On veut observer si ces ensembles de romans et de tags dessinent des cohérences ou divergences.
- Catalogues de bibliothèques (SUDOC) Récupérer la liste des romans qui ont en mot-clé, point d’entrée ou vedette thématique les termes recherchés, puis récupérer la liste des mots-clés de chacun de ces romans.
On veut observer si ces ensembles de titres et de tags dessinent des cohérences ou divergences.
Cataloguage social : Babelio
Marianne Chamboux et Fayçal Salhi ont extrait des données du site Babelio, qui figurent dans des fichiers .csv (que je ne sais pas bien lire) :
- authors_results.csv
- books_canonicity_score_final.csv
- books_with_lists.csv
- books_with_tags_and_suggestions.csv
- books.csv
- comments_with_sentiment.csv
- comments.csv
Un score de canonicité a été calculé par Fayçal à partir des auteurs, tags et commentaires, de la façon suivante (expliqué par mail du 31 mars) :
Il se base sur 5 paramètres :
- Le nombres de critiques (commentaires)
- Le nombre de citations
- Le nombre de suggestions
- Le nombre de tags
- Le score du sentiments
Le score de sentiments est obtenu d'un calcul antérieur (avec Text Blob), si le commentaires possède le mot "génial" on va lui donner par exemple +1 point, si il y a le mot "nul" on va lui retirer -1 points.
Chaque paramètre a un "poids", un coefficient, par exemple, le nombre de commentaires compte pour 40%, le score de sentiments pour 20% etc... (valeurs choisies de façon arbitraire de ma part).
Je multiplie ensuite le coefficient par le nombre de la données et additionne le tout, par exemple si il y a 100 commentaires et 5 tags, ça vais faire,
0.4 (pour le 40%) x 100 (nombre de commentaires) + 0.2 (pour le 20%) x 5 (nombre de tags)
On va faire comme ça avec les 5 paramètres. On normalise ensuite le tout pour avoir un score entre 0 et 1 pour que ce soit plus simple pour nous à lire et observer.
Mon commentaire :
Le calcul de canonicité est un premier pas très motivant. Il implique aussi des mesures de la notoriété des auteurs de commentaires. C’est effectivement vers un calcul de ce type qu’il conviendrait de se diriger.
Auparavant, il serait bon de le perfectionner avec des résultats sur les dynamiques des étiquetages. En effet les données de commentaires orientent l’étude sur des « valeurs affectives absolues », en quelque sorte : « génial », « nul ».
Mais ne serait-il pas intéressant de comprendre la relation entre les commentaires et les étiquettes ? Par exemple, une étiquette « voyage » se retrouve-t-elle dans les mots des commentaires ?
De plus, le paramètre « nombre de tags » n’est peut-être pas le plus parlant, ni le nombre de commentaires. Un roman peut avoir beaucoup de tags parce que son intrigue part dans tous les sens, et cela peut aller plutôt contre la canonicité. Le nombre de commentaires peut être élevé parce qu’il y a eu une controverse.
Enfin, on peut évidemment souhaiter que le coefficientage des paramètres ne se base pas sur des valeurs arbitraires. A mon avis, comprendre les dynamiques des tags peut aider à écrire une formule de calcul plus pertinente.
Je pense qu’il serait souhaitable d’étudier les relations entre les tags, thèmes et listes, hors commentaires.
Adam avait des idées (mes notes portent « calculs de centralité »).
Peut-être va-t-on éclaircir, de cette façon, la manière dont les suggestions fonctionnent.
On pourrait aussi avoir une cartographie des titres par aires culturelles, voir si cela correspond à des tags particuliers.
Enfin cela permettrait peut-être de dégager des mots-tags importants, dont on pourra ensuite vérifier la présence dans les commentaires.
Julien suggère aussi : Les étiquettes génériques pourront également faire l’objet de « plongement vectoriel » pour observer l’évolution de leur sémantisme dans le temps et selon les plateformes où elles apparaissent.
Web « au vol »
La démarche spontanée adoptée par Marianne et Fayçal m’a paru très intéressante : des listes trouvées sur internet leur servaient en quelque sorte de guides, ou de listes de contrôle.
Certes cela n’était pas tout à fait ce qui était souhaité, et on est revenu à un résultat obtenu de façon « structement algorithmiques ».
Mais cela prouve par l’exemple la manière dont se construisent les canons : c’est une hybridation entre des résultats subjectifs humains et des calculs algorithmiques.
Je vais poursuivre cette constitution subjective de canon en m’appuyant sur les liens et commentaires transmis par Marianne. L’objectif est de rendre compte de ce qui retient l’attention quand on cherche des titres ou des recommandations.
Catalogues de bibliothèques (SUDOC)
Avec Sophie Martin, nous avons observé l’extraction ci-dessus et discuté de la manière dont on pourrait observer des dynamiques entre les mots-clés (thèmes, sujets).
Nous avons observé les éléments que fournissent les catalogues : sur le SUDOC par exemple, pour « fiction climatique », 117 résultats :
Si on affiche le premier résultat on obtient de nombreux mots-clés de classement, en provenance d’autres catalogues
Mes notes portent :
« Obtenir listes via SUDOC
Exporter ppn
Demander à ABES d’enrichir avec les sujets »
On obtiendrait alors un fichier .csv comparable à celui extrait de Babelio et on étudierait les relations entre les mots sujets. Les requêtes à faire sont : « fiction climatique », « solarpunk » et « hopepunk ».
Conclusions
Pour poursuivre, il faudrait :
- Obtenir des listes de titres enrichies via l’ABES
- Comprendre les liens entre les mots-clés à partir des fichiers .csv Babelio et Sudoc
A titre personnel j’aimerais savoir s’il existe un moyen d’alimenter automatiquement une collection Zotero à partir de pages web qui fournissent des listes, comme celles de Babelio, afin de pouvoir faire aussi des observations sur les corpus (auteurs, éditeurs, traducteurs, etc)
Références citées
Bowker Geoffrey C., Leigh Star Susan, Sorting Things Out, MIT Press, 2000.
Le Deuff Olivier, « Folksonomies. Les usagers indexent le web », Bulletin des bibliothèques de France (BBF), 2006, n° 4, p. 66-70. URL : https://bbf.enssib.fr/consulter/bbf-2006-04-0066-002 ISSN 1292-8399.
Letourneux Matthieu, « Le genre comme pratique historique », Belphégor, 14 | 2016. URL : http://journals.openedition.org/belphegor/732
Schaeffer Jean-Marie, Qu’est-ce qu’un genre littéraire, Seuil, 1989.
Genette Gérard, Fiction et diction, Seuil, 1992.
OpenEdition vous propose de citer ce billet de la manière suivante :
Langlet Irène (10 avril 2025). Projet Folksonomies: point d’étape. Le carnet de ReS Futurae. Consulté le 17 janvier 2026 à l’adresse https://doi.org/10.58079/155k7