Présentation
Organisé par la Maison des sciences de l’homme en Bretagne depuis 2014, le séminaire Humanités numériques prend cette année la forme d’un cycle de trois séances qui propose une réflexion sur les enjeux actuels de production, de diffusion et de réutilisation des données dans un contexte de transformation numérique des méthodes de recherche et de développement de la science ouverte.
À l’heure actuelle, de nombreux jeux de données sont produits et mis à la disposition des chercheur·ses par des acteurs divers, en particulier les infrastructures nationales, dont les IR* Huma-Num et Progedo, les réseaux et établissements de recherche, les plateformes régionales, mais aussi les chercheur·ses eux-mêmes.
Cette mise à disposition se déroule dans un contexte institutionnel et politique favorable à la science ouverte et à l’ouverture de jeux de données. Elle est notamment encouragée par le Plan national pour science ouverte (renouvelé pour une deuxième édition en 2021 par le Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation) qui soutient les initiatives portées dans ce domaine. De plus, les enjeux d’ouverture des données de recherche conditionnent de plus en plus l’accès aux financements des projets de recherche, avec le développement du plan de gestion de données comme livrable obligatoire pour les projets européens et ANR.
Toutefois, au-delà de ce constat d’un écosystème propice à l’ouverture, se pose la question de la réutilisation effective de ces données. En effet, le développement de réseaux et d’infrastructures pour soutenir la diffusion des données de recherche implique l’exploitation de ressources, notamment matérielles, pour produire et stocker ces données. S’intéresser à la réutilisabilité des données revient ainsi à s’interroger sur leurs usages et sur l’emploi de ces ressources investies pour leur conservation et leur diffusion.
Dans ce cadre, les communautés de recherche en SHS sont amenées à développer un double statut, en devenant à la fois productrices et (ré)utilisatrices de données de recherche. Ces enjeux concernent l’ensemble des données traitées en sciences humaines et sociales, qu’elles soient quantitatives ou qualitatives.
Ainsi, la production et la réutilisation des données soulèvent des questions à la fois épistémologiques et techniques :
- Dans quelles conditions les données de recherche sont-elles pensées pour être réutilisées, par soi-même et/ou par autrui ?
- Quels sont les moyens à mettre en œuvre afin de restituer le contexte de production des données, susceptible de favoriser leur réutilisation dans un cadre de diffusion ?
- Peut-on se réapproprier des corpus produits par autrui ? Quelles méthodes d’enrichissement, d’annotation et d’analyse peuvent être expérimentées afin de réinterroger ces données ?
Ce séminaire vise à interroger de manière critique et réflexive les conditions de production et de réutilisation des données dans la recherche en sciences humaines et sociales, mais aussi l’expérimentation de méthodes permettant de traiter et analyser ces données. Il a pour objectif d’ouvrir un espace de discussion sur ces différentes problématiques, en s’appuyant sur la présentation de projets de recherche en cours et sur la mise en partage de questionnements.
Cycle de séances
Séance #1 : Utiliser des outils et des services numériques dans sa pratique d’analyse de discours (oraux et écrits)
Mercredi 6 avril, 14h-17h / en visioconférence
Cette séance sera animée par Jean-Baptiste Pressac (CRBC, CNRS/Université de Bretagne Occidentale) et Aurélie Hess (TEMOS, CNRS/Université Bretagne Sud).
14h00 | Introduction
14h15 | Présentation de Lexico 3, logiciel de lexicométrie, Gudrun Ledegen (PREFics, Université Rennes 2)
Les logiciels de lexicométrie, ici présentés à travers Lexico 3, sont des outils d’exploration de grands corpus textuels qui permettent un va-et-vient entre la comparaison entre différentes variables qui viennent baliser les documents et un retour au texte. Si Lexico 3 présente des fonctionnalités proches d’un logiciel comme Iramuteq, il va être spécifiquement au service d’une analyse de discours (que d’une analyse de contenu avant tout). Le logiciel permet ainsi d’établir des liaisons transversales entre les mots fonctionnant en réseau : « le numérique complète-augmente la linéarité par des réticularités » (Mayaffre, 2015). Il s’agit d’une méthodologie d’étude du discours, dite exhaustive, systématique et automatisée, tout en laissant à l’analyste l’entière tâche d’interprétation des résultats obtenus. Les fonctionnalités complémentaires du logiciel Iramuteq – qui sera présenté par d’autres collègues lors de ce séminaire – seront ici particulièrement mises en lumière.
15h00 | Interpréter avec Alceste (ou IramuteQ), Catherine Adam et Cécile Plaud (ENSTA Bretagne)
Une analyse de discours assistée par ordinateur (ADAO) réalisée à l’aide d’un logiciel d’analyse statistique de données textuelles, tel qu’ALCESTE ou IramuteQ semble particulièrement appropriée dans le cadre d’analyses transversales de corpus volumineux. L’ADAO permet non seulement de limiter la perte d’informations, inhérente à une analyse manuelle des données d’un vaste corpus, mais favorise aussi la distanciation du chercheur par rapport à ses données. Dans le cadre de cette communication, nous montrerons, au travers d’exemples d’usages de ce type de logiciel dans nos recherches en SHS, la valeur heuristique de la démarche. Elle offre la possibilité à la fois de découvrir de manière inductive d’autres aspects non analysés du corpus et d’obtenir une forme de confirmation ou d’infirmation des résultats obtenus manuellement. L’usage d’outils numériques dans des travaux de recherche, lorsqu’ils peuvent se révéler un soutien à la démarche, est à considérer. Bien entendu, un logiciel ne fournit pas à lui seul les résultats d’une recherche. Il est paramétré en fonction des hypothèses du chercheur. Ce dernier doit ensuite analyser et interpréter les données classifiées. Cependant, ce recours à l’outil numérique se révèle être une aide précieuse et un atout dans une méthodologie de la complexité.
15h45 | Pause
16h00 | Un entrepôt spécialisé pour les corpus de parole : la plateforme COCOON, Michel Jacobson (IR* Huma-Num, CNRS)
La plateforme Cocoon a été mise en place en 2006 et assure depuis plus de 15 ans des services de gestion pour les corpus oraux des chercheurs, des laboratoires et des projets en SHS. Elle donne accès actuellement à environ 6000 heures d’enregistrements de parole sur plus de 250 langues. Cette plateforme s’est montée autour d’une architecture d’entrepôt spécialisé sur les données orales enregistrées (audio, vidéo ou autres mesures physiologiques) accompagnées ou non d’annotations.
Les services assurés depuis le début sont ceux d’un entrepôt classique (stockage, accès, description, signalement, conservation). Au cours du temps, de nouvelles fonctionnalités sont venues enrichir les services parmi lesquelles nous pouvons citer à titre d’exemples : le versement dans un service d’archives intermédiaire (celui de l’opérateur CINES), l’alignement des métadonnées sur des référentiels largement partagés (VIAF, RAMEAU, GeoNames, Lexvo), une modélisation en EDM (Europeana Data Model), une exposition des métadonnées en mode web de données complétant celle en OAI-PMH, l’attribution d’identifiant de type DOI, etc.
16h45 | Conclusion
Séance #2 : Intégrer l’ouverture des données et des méthodes à son projet de recherche
Mercredi 15 juin, 14h-17h / en visioconférence
Cette séance sera animée par Jean-Baptiste Pressac (CRBC, CNRS/Université de Bretagne Occidentale) et Morgane Mignon (MSHB).
14h00 | Introduction
14h15 | Le projet IMPACT : archéologie, histoire environnementale et humanités numériques, Marie-Yvane Daire (CReAAH, Université de Rennes 1) et Aline Benvegnú dos Santos (Université Rennes 2)
Le projet IMPACT vise à analyser l’impact du temps sur le patrimoine culturel et naturel de l’Ouest de la France. Il s’appuie à la fois sur la réutilisation de sources iconographiques anciennes, documentées et conservées via l’entrepôt de données Nakala (Huma-Num), et sur la production de modèles numériques donnant à visualiser les changements environnementaux. Les jeux de données seront progressivement exposés en accès ouvert sur : https://impact.nakala.fr/
15h00 | D’un projet à un autre. L’usage du Dublin Core dans la migration des données depuis un site web vers l’entrepôt Nakala, Aurelia Vasile et Hélène Veilhan (MSH Clermont-Ferrand)
Cette communication portera sur les opérations nécessaires à la migration des données produites au cours du projet de recherche ANR, “Enfance Violence Exil (EVE)” depuis le site web vers l’entrepôt Nakala. Elle vise à montrer, à partir d’un cas concret, les procédures mises en place pour récupérer, curer, enrichir les données et les métadonnées en vue d’un dépôt sur la plateforme Nakala. Cette opération crée les conditions pour réutiliser les données et construire un nouveau projet. Reprendre et comprendre un projet réalisé dans le passé est une démarche rendue possible par la riche documentation mise en place dès l’origine, mais aussi par la préservation de la mémoire méthodologique. Le format Dublin Core constitue ici le lien et le passage entre les deux mondes.
Ce travail a révélé l’impact de l’obsolescence technologique (ici le web) sur la préservation des données. L’utilisation du site web comme unique solution d’hébergement des données produites au cours d’un projet de recherche est une pratique courante dans nos communautés. Elle soulève la question de la pérennisation des projets et des données mais également les tensions entre la nécessité de standardisation et les besoins d’expression de chaque démarche scientifique.
15h45 | Pause
16h00 | Intégrer la notion de réutilisabilité tout au long de son projet de recherche : retours sur le vademecum du GT (Ré)utilisabilité du consortium CAHIER, Julie Aucagne (MSH Ange Guépin) et Gwenaëlle Patat (MSHB)
Le groupe de travail « (Ré)utilisabilité » du consortium CAHIER, animé par Anne Garcia-Fernandez, Elisabeth Greslou et Richard Walter, créé fin 2020, avait pour objectifs de mener une réflexion sur les actions et les outils qui permettent la réutilisation concrète des données, au-delà de leur exposition, afin de proposer des recommandations concernant le R de l’acronyme FAIR. Du constat qu’il n’est pas si aisé de trouver, puis d’obtenir des données produites dans le cadre de projets pour constituer son propre corpus, le groupe a envisagé des pistes pour rendre nos données plus facilement réutilisables. Ce sera ainsi l’occasion de présenter les freins identifiés à la réutilisation des données et le vademecum publié par le GT, puis d’échanger sur les solutions envisagées.
16h45 | Conclusion
Séance #3 : Concevoir et partager une édition numérique de corpus épistolaires
Mardi 4 octobre, 14h-17h / en visioconférence
Cette séance sera animée par Christophe Schuwey (HCTI, Université Bretagne Sud) et Geoffrey Williams (Litt&Arts, Université Bretagne Sud).
14h00 | Introduction
14h10 | Éditer une correspondance du XVIIIe siècle à l’ère du numérique : Mme du Deffand, Marianne Charrier-Vozel (CECJI, Université de Rennes 1), Mélinda Caron (Université TÉLUQ), Marine Parra (Temos, Université Bretagne Sud), Bénédicte Peralez-Peslier (UMR Lire)
Mme du Deffand est une épistolière majeure du siècle des Lumières. Ses quelques 1450 lettres suscitent, en Europe et Outre Atlantique, l’intérêt des chercheurs qui étudient l’impact social de la maladie et de la vieillesse, le rôle des femmes dans la vie publique, ainsi que la construction de réseaux épistolaires à l’échelle européenne. Ce projet interdisciplinaire part du constat que le regard porté sur ce corpus a trop souvent épousé sa division éditoriale : de 1809 à 2013, nous comptons 26 éditions regroupées selon les destinataires des lettres ; certaines éditions s’annoncent complètes, bien que d’autres lettres soient toujours à ajouter. Cette situation souligne la nécessité de créer un corpus évolutif rendu possible grâce aux avantages du numérique.
14h50 | Une plateforme numérique dédiée aux travaux et à la vie d’Henri Poincaré : site Omeka S et outils du Web sémantique, Pierre Willaime (AHP-PReST, Université de Lorraine) et Nicolas Lasolle (AHP-PReST / Loria, Université de Lorraine)
Les Archives Henri-Poincaré (UMR7117) poursuivent de longue date l’édition papier et numérique de la correspondance d’Henri Poincaré (1854-1912). Ce projet de transcription et d’édition critique souhaite également, depuis quelques années, permettre l’exploration du corpus et la modélisation des connaissances. Pour ce faire, nous avons mis en place un écosystème utilisant les technologies du Web sémantique avec, en son cœur, un site Omeka S. Les données hébergées dans ce site sont récupérées par plusieurs outils que nous présenterons. La plupart interrogent les données via un SPARQL Endpoint branché sur le site Omeka S. L’ensemble est conçu comme une plateforme outillée pour la recherche permettant d’aider les historiens des sciences dans leurs travaux.
15h30 | Pause
15h40 | Le projet DAHN: produire une chaîne d’édition scientifique numérique pour des corpus d’égodocuments, Floriane Chiffoleau (3L.AM, Le Mans Université / ALMAnaCH, Inria)
Né d’un partenariat initié entre l’Inria, l’Université du Mans et l’EHESS, le projet DAHN a pour objectif de mettre à disposition des chercheur·e·s et des institutions patrimoniales une chaîne d’édition scientifique qui permette de valoriser des fonds d’archives dans des formats numériques facilitant leur exploitation par la recherche.
Divisé en six étapes (numérisation, segmentation, transcription, correction post-OCR, encodage et publication), cette chaîne d’édition scientifique ou pipeline a été mise en œuvre à l’aide de plusieurs corpus épistolaires qui ont entraîné la création d’outils universels mais aussi d’éléments spécifiques (scripts, guidelines, etc.) à ce type de documents. Ce travail a permis le déploiement d’une plateforme de publication pour les corpus épistolaires et autres types d’égo documents, facile d’utilisation et ouverte à l’import de nouveaux corpus.
16h20 | PICASSOLETTERS. Pablo Picasso en toutes lettres, Fatiha Idmhand (ITEM, équipe Archivos, Université de Poitiers)
Le projet PICASSOLETTERS vise à réévaluer le réseau d’acteurs qui a contribué à la construction de l’influence planétaire de Pablo Picasso ; il émet l’hypothèse que le rôle de certaines figures de l’ombre, qui ont joué un rôle majeur dans la transnationalisation de cet artiste, n’a pas été suffisamment exploré : l’objectif du projet PICASSOLETTERS est d’identifier ces médiateurs en explorant, de façon exhaustive et systématique, la correspondance du peintre. Après avoir présenté le contexte, l’équipe impliquée et les principaux défis du projet, notre intervention décrira quelques résultats préliminaires ainsi que les perspectives actuelles de cette recherche sur le réseau picassien.
17h00 | Conclusion
Informations pratiques
L’ensemble des séances se tiendront en visioconférence.
Elles sont ouvertes à tou·tes après inscription en ligne sur le site de la MSHB.
Les codes de connexion à la visioconférence seront transmis par mail aux participant·es la veille ou le jour du séminaire.
Organisation
Le séminaire Humanités numériques est organisé par la Maison des sciences de l’homme en Bretagne, avec la participation du groupe de travail Humanités numériques. Formé en 2016, ce GT interdisciplinaire rassemble à l’échelle régionale des chercheur·ses, ingénieur·es et professionnel·les de la documentation et de l’information scientifique et technique.
Le séminaire est soutenu par le Réseau national des Maisons des Sciences de l’Homme et l’association Humanistica.
Comité scientifique du séminaire
- Aurélie Hess, ingénieure en traitement et analyse de base de données, UMR TEMOS, CNRS/Université Bretagne Sud
- Morgane Mignon, coordinatrice de la plateforme Humanités numériques, UAR MSHB
- Gwenaëlle Patat, chargée d’édition de corpus numériques, UAR MSHB
- Jean-Baptiste Pressac, responsable de la plateforme CRBC Open Science, UAR CRBC, CNRS/Université de Bretagne Occidentale