{"id":4106,"date":"2013-02-04T00:01:14","date_gmt":"2013-02-03T23:01:14","guid":{"rendered":"http:\/\/sciencetonnante.wordpress.com\/?p=4106"},"modified":"2024-07-23T22:19:01","modified_gmt":"2024-07-23T20:19:01","slug":"pourquoi-moby-dick-est-un-livre-exceptionnel-et-autres-enseignements-de-la-litterature-numerique","status":"publish","type":"post","link":"https:\/\/scienceetonnante.com\/blog\/2013\/02\/04\/pourquoi-moby-dick-est-un-livre-exceptionnel-et-autres-enseignements-de-la-litterature-numerique\/","title":{"rendered":"Pourquoi Moby Dick est un livre exceptionnel (et autres enseignements de la litt\u00e9rature num\u00e9rique…)"},"content":{"rendered":"

\"\"Le livre Moby Dick<\/em>, publi\u00e9 par Hermann Melville en 1851, ne connut semble-t-il qu’un succ\u00e8s modeste lors de sa premi\u00e8re parution. Ce n’est qu’apr\u00e8s la Premi\u00e8re Guerre mondiale – et plus de 20 ans apr\u00e8s la mort de Melville – que le livre fut finalement acclam\u00e9 par le public et la critique.<\/p>\n

Moby Dick fait partie aujourd’hui des \u0153uvres majeures de la litt\u00e9rature anglo-saxonne, et est consid\u00e9r\u00e9 comme un livre unique, \u00e0 la langue et au style bien particulier. L’alliance de la num\u00e9risation massive des livres et des techniques d’analyse de donn\u00e9es permet aujourd’hui de comprendre pourquoi.<\/p>\n

La densit\u00e9 de vocabulaire<\/h3>\n

C’est une \u00e9vidence, tous les livres ne contiennent pas la m\u00eame quantit\u00e9 de vocabulaire : on se doute bien qu’il y a plus de mots diff\u00e9rents dans Les Mis\u00e9rables<\/em> et que dans Tchoupi va sur le pot.<\/em> Et pourtant jusqu’\u00e0 une \u00e9poque r\u00e9cente, il \u00e9tait assez difficile de quantifier pr\u00e9cis\u00e9ment la richesse de vocabulaire d’une oeuvre. Aujourd’hui, rien de plus simple avec la num\u00e9risation des livres !<\/p>\n

C’est ce qu’a voulu calculer le chercheur\/artiste Zack Booth Simpson. Pour cela il s’est servi des livres num\u00e9ris\u00e9s du Projet Gutenberg et a compt\u00e9 pour chacun d’eux le nombre total de mots, et le nombre de mots diff\u00e9rents<\/strong>, c’est-\u00e0-dire la taille de son vocabulaire. Parmi les livres faisant partie de l’\u00e9chantillon (et en excluant les dictionnaires), le plus riche est Histoire de la d\u00e9cadence et de la chute de l’Empire romain<\/em>, publi\u00e9 par l’historien Edward Gibbon \u00e0 la fin du XVIII\u00e8me si\u00e8cle, avec 43 113 mots de vocabulaire diff\u00e9rents !<\/p>\n

Toutefois il y a un biais : le livre de Gibbon comporte 6 volumes et plus d’un million et demi de mots ! Pour avoir une mesure plus pertinente, il faut diviser par le nombre total de mots : on a ainsi une mesure de la densit\u00e9 de vocabulaire<\/strong>. Et l\u00e0, on trouve que le livre le plus dense est … Moby Dick ! Avec 17 227 mots diff\u00e9rents pour un total de 211 763, cela signifie que Melville introduit un nouveau mot quasiment \u00e0 chaque ligne ! Zack Booth Simpson pr\u00e9cise d’ailleurs sur sa page<\/a> que c’est la lecture de Moby Dick qui lui a donn\u00e9 l’envie de faire cette analyse. Ci-dessous un petit graphique que j’ai fait \u00e0 partir des donn\u00e9es publi\u00e9es sur sa page.<\/p>\n

\"\"<\/p>\n

On peut aussi regarder \u00e0 l’autre bout de l’\u00e9chelle, et chercher le livre le moins dense, qui s’av\u00e8re \u00eatre la Bible<\/strong> : 12 867 mots de vocabulaire pour 790 126 mots au total, soit une densit\u00e9 5 fois plus faible que Moby Dick.<\/p>\n

Une carte de l’univers des livres<\/h3>\n

\"\"Plus r\u00e9cemment, le linguiste Matthew Jockers a port\u00e9 l’analyse beaucoup plus loin. En partant d’une base de donn\u00e9es de 3600 livres num\u00e9ris\u00e9s, il a pour chaque livre calcul\u00e9 pr\u00e8s de 500 caract\u00e9ristiques diff\u00e9rentes bas\u00e9es sur le vocabulaire, mais aussi la ponctuation, les th\u00e8mes trait\u00e9s, etc. L’ensemble de ces caract\u00e9ristiques d\u00e9finissent des coordonn\u00e9es pour les livres, et on peut alors calculer la distance entre 2 livres dans cet immense espace<\/strong>.<\/p>\n

L’image ci-contre montre une repr\u00e9sentation de cette carte des ouvrages, dans laquelle deux points sont d’autant plus proches que les livres se ressemblent. Le petit agr\u00e9gat isol\u00e9 dans le coin sup\u00e9rieur gauche repr\u00e9sente les \u0153uvres de Melville<\/strong> : des livres qui se ressemblent, mais ne ressemblent \u00e0 aucun autre !<\/p>\n

En utilisant le m\u00eame jeu de donn\u00e9es (qui, pr\u00e9cisons-le, ne comporte que des livres du XVIIIe et XIXe), Jockers a montr\u00e9 qu’on pouvait assez facilement deviner si un livre avait \u00e9t\u00e9 \u00e9crit par un homme ou une femme : les livres d’hommes ont tendance a \u00eatre bien s\u00e9par\u00e9s de ceux des femmes sur la carte.<\/p>\n

Enfin il a \u00e9galement \u00e9tudi\u00e9 les relations d’influence (repr\u00e9sent\u00e9es par les lignes sur son diagramme), et conclut que les deux auteurs les plus influents et les plus originaux \u00e9taient Walter Scott (qui a \u00e9crit entre autres Ivanhoe<\/em>) et Jane Austen (auteur d’Orgueil et pr\u00e9jug\u00e9s<\/em>).<\/p>\n

Mots rares et mots fr\u00e9quents<\/h3>\n

Pour aller plus loin qu’un simple comptage, quand on analyse le vocabulaire d’un livre, on peut se demander quels sont les mots qui reviennent souvent<\/strong>. Ca n’est pas forc\u00e9ment passionnant car on va trouver in\u00e9vitablement des mots comme \u00ab\u00a0le\u00a0\u00bb, \u00ab\u00a0et\u00a0\u00bb ou \u00ab\u00a0il\u00a0\u00bb. Ce qui est plus int\u00e9ressant, c’est de se demander ceux qui reviennent anormalement<\/em> souvent<\/strong> par rapport \u00e0 leur fr\u00e9quence habituelle dans le langage. C’est ce qu’a fait Zach Booth Simpson : dans le cas de Moby Dick, il a trouv\u00e9 que les mots anormalement fr\u00e9quents \u00e9taient whale<\/em>, harpooneer <\/em>et sperm<\/em> (pour ceux qui s’imaginent qu’il y a du porno dans Moby Dick, sachez que \u00ab\u00a0cachalot\u00a0\u00bb se dit \u00ab\u00a0sperm whale\u00a0\u00bb en anglais).<\/p>\n

Pour la Bible, les mots anormalement fr\u00e9quents sont lord, israel, shall, god, moses, jesus, david, offering, tabernacle. <\/em>Pour le Manifeste du Parti communiste<\/em> de Marx et Engels, il s’agit de bourgeois, proletariat, communists<\/i>.<\/em> Bon, vous allez me dire : rien de bien \u00e9tonnant dans tout \u00e7a !<\/p>\n

Ce qui est plus intriguant : les mots anormalement rares<\/strong>. Ce sont des mots qui apparaissent avec une fr\u00e9quence trop faible dans un livre, par rapport \u00e0 sa fr\u00e9quence habituelle dans les autres livres. Pour Moby Dick, on a fortune, happiness, smiled, angry, enemies<\/i>, pour la Bible girl, boy, school, success, condition, listen, princess, <\/i>et pour le Manifeste\u00a0said, love, why, heart, mother, poor, felt<\/i><\/i>. Amusant, non ? La liste plus compl\u00e8te sur la page de Zach Booth Simpson<\/a>. Son analyse est assez ancienne, je me demande si on peut en faire une version mise \u00e0 jour avec des oeuvres plus r\u00e9centes ! En attendant, je pense que je vais abandonner l’id\u00e9e de lire Moby Dick en version originale…<\/p>\n

Pour aller plus loin…<\/em><\/h3>\n

Si vous voulez aller plus loin, commencez par aller voir les sublimes dessins de Paul Lasaine<\/a> sur Moby Dick. Il raconte sur sa page que Dreamworks a un temps envisag\u00e9 d’en faire un film d’animation, et qu’il a pr\u00e9par\u00e9 ces dessins \u00e0 cette fin. D’habitude je suis peu regardant quand j’ai besoin d’images pour mes billets, mais l\u00e0 c’est trop beau et le respect d\u00fb \u00e0 l’artiste m’interdit un brutal copier\/coller.<\/em><\/p>\n

\"\"<\/em>Ensuite concernant le travail de Matthew Jockers, j’aimerai bien pouvoir creuser, mais malheureusement c’est pour l’instant impossible : il semble que plut\u00f4t que de passer par le processus habituel de publication dans des revues scientifiques, Jockers ait choisi de pr\u00e9senter ses analyses d’abord dans la presse grand public (ici<\/a> pour NBC) pour annoncer un livre \u00e0 para\u00eetre en 2013 et intitul\u00e9 Macroanalysis: Digital Methods and Literary History. J’ai tendance \u00e0 \u00eatre m\u00e9fiant avec ce genre de proc\u00e9d\u00e9 pour faire conna\u00eetre des travaux scientifiques ! <\/em><\/p>\n

Enfin pour ceux qui se poseraient la question, oui Moby Dick suit bien la loi de Zipf <\/a>! (ci-contre). Quant \u00e0 la loi qui relie la taille du vocabulaire \u00e0 la taille totale du texte, elle est connue empiriquement sous le nom de loi de Heaps, et s’exprime comme \\(V = k n^{\\beta}\\) o\u00f9 V est la taille du vocabulaire, n la taille du texte, k est un coefficient qui vaut typiquement entre 10 et 100, et l’exposant \\(\\beta\\) est proche de 1\/2.
\n<\/em><\/p>\n

Pour les vraiment motiv\u00e9s : analyse de donn\u00e9es linguistiques avec R<\/a>.<\/em><\/p>\n

La page de Zach Booth Simpson<\/a> est assez \u00e9tonnante : il s’agit d’un programmeur de jeux vid\u00e9os, pass\u00e9 \u00e0 l’art et \u00e0 la science. Un des rares cas de gens qui finissent par publier dans les revues scientifiques en arrivant de l’ext\u00e9rieur du s\u00e9rail !<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Le livre Moby Dick, publi\u00e9 par Hermann Melville en 1851, ne connut semble-t-il qu’un succ\u00e8s modeste lors de sa premi\u00e8re parution. Ce n’est qu’apr\u00e8s la Premi\u00e8re Guerre mondiale – et plus de 20 ans apr\u00e8s la mort de Melville – que le livre fut finalement acclam\u00e9 par le public et la critique. Moby Dick fait<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[11],"tags":[84,69,33],"class_list":{"0":"post-4106","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-sciences-sociales","7":"tag-art","8":"tag-langage","9":"tag-statistiques"},"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"post_mailing_queue_ids":[],"_links":{"self":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts\/4106","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/comments?post=4106"}],"version-history":[{"count":4,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts\/4106\/revisions"}],"predecessor-version":[{"id":9810,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts\/4106\/revisions\/9810"}],"wp:attachment":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/media?parent=4106"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/categories?post=4106"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/tags?post=4106"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}