Navigation – Plan du site
Les guides : modes de lecture

Vers une cartographie géo-lexicale

William Martinez

Résumés

L’analyse statistique de la distribution du vocabulaire dans des guides de tourisme du XIXe et XXe siècle permet d’identifier la terminologie descriptive essentielle telle qu’elle est employée dans ces textes. Une interprétation plus structurée de ces données est possible grâce aux méthodes de cooccurrence qui produisent des cartes de mots associés décrivant l’usage préféré de noms, adjectifs, adverbes, etc. à propos d’une ville, une région ou un itinéraire. À partir de cette visualisation originale de structures de mots, nous envisagerons la convergence des données lexicales et cartographiques dans une base de données de type SIG (Système d’Information Géographique).

Haut de page

Texte intégral

Introduction

  • 1 - Les résultats présentés ici proviennent d’un projet de recherche mené au Pôle Sciences de la Vill (...)

1Quel vocabulaire emploie-t-on pour décrire une ville dans les guides de tourisme du XIXe et XXe siècles1 ? À partir de cette question, nous avons entrepris de déterminer par le biais de la statistique textuelle les formes lexicales élémentaires qui constituent le vocabulaire courant pour la représentation de l’espace urbain dans les ouvrages touristiques. Nous présenterons ici les résultats obtenus à partir de deux guides de la France : le Guide Diamant de 1873 et le Guide Bleu de 1956, tous deux publiés chez Hachette.

2Le traitement objectif et exhaustif qui caractérise la lexicométrie permet d’identifier les particularités lexicales saillantes de ces textes afin d’esquisser des cartes reliant les notions fondamentales qui y sont véhiculées et d’en étudier l’évolution chronologique (partie 1). Plus particulièrement, l’analyse des cooccurrences lexicales détermine des systèmes de mots associés qui construisent localement le sens dans chaque passage descriptif des guides et pour certains élaborent des réseaux structurant de manière globale les textes (partie 2). Au fil de ces expériences, la cartographique récurrente - plans factoriels et réseaux de cooccurrences - nous amènera à envisager une fusion des données afin d’associer les structures lexicales mises en évidence par la statistique avec le géo-référencement des Systèmes d’Information Géographique en vue de produire des cartes descriptives plus riches (partie 3).

Approche lexicométrique des guides de tourisme

3Après la numérisation des textes d’origine qui les transforme de documents papier en fichiers informatiques, on obtient une base textuelle numérisée adaptée au dépouillement statistique des données lexicales. À ce corpus numérisé on peut appliquer une batterie de méthodes lexicométriques pour mettre en évidence l’évolution lexicale au fil des textes ainsi que la structuration de chacun des ouvrages2.

Caractéristiques quantitatives du corpus des guides

4À l’issue de la numérisation des guides un certain nombre de modifications du texte sont nécessaires. Parmi celles-ci on mentionnera la correction des scories de la reconnaissance optique, l’uniformisation de la casse des lettres (pour éviter la dilution fréquentielle des mots, toutes les majuscules sont transformées - ex. : Le devient le) et l’introduction de balises méta-textuelles qui délimitent les différentes descriptions de villes, routes, etc. On obtient alors un corpus double dont voici les caractéristiques quantitatives :

Tableau 1 : Caractéristiques quantitatives des corpus

Tableau 1 : Caractéristiques quantitatives des corpus
  • 3 - On peut s’étonner des similitudes entre le nombre de formes et de hapax malgré la différence des (...)

5Sur le plan quantitatif on observe d’une part une différence majeure dans le volume des deux corpus puisque le guide de 1956 compte plus du double de mots employés dans celui de 1873, et d’autre part, des similitudes entre le nombre de formes (les mots distincts) et de hapax legomena (les mots employés une seule fois en contexte) durant les deux périodes3.

6La première phase de l’analyse lexicométrique consiste à identifier les unités lexicales employées en contexte. À l’issue de cette segmentation, on extrait un dictionnaire de fréquence pour chaque corpus dont les têtes de liste sont présentées ci-après (tableau 2) : 35 formes de fréquence supérieure ou égale à 10 pour le guide de 1873 et 51 formes pour le texte de 1956. À cette étape initiale on peut déjà tracer des parallèles entre les deux guides. On constate en effet des ressemblances pour ce qui concerne les mots les plus employés dans chaque texte et l’on observe notamment, malgré les divergences orthographiques qui compliquent la comparaison entre les textes (ex. : kil devient k), la persistance d’un axe lexical on-route-pont-église-saint-château. Ce dernier tend à montrer une continuité dans le mode de présentation de l’observateur, de l’itinéraire et des points d’intérêt touristique, autant de points d’ancrage lexicaux que nous allons étudier plus en détail.

Tableau 2 : Dictionnaire des fréquences pour chaque guide (extrait)

Tableau 2 : Dictionnaire des fréquences pour chaque guide (extrait)

Typologies lexicales

7Afin de dépasser le stade de la statistique descriptive et déterminer s’il existe un vocabulaire récurrent dans les guides qui est employé pour la description des milieux urbains, il faut mobiliser une méthode statistique multidimensionnelle plus à même de prendre en compte tous les éléments lexicaux et de les étudier dans l’ensemble des deux corpus. Pour ce faire nous exploiterons l’Analyse Factorielle des Correspondances (AFC), une méthode d’analyse qui synthétise les liens d’attraction et de répulsion entre les formes et les parties du corpus et détermine quelles sont les régularités et les ruptures dans la structuration des guides.

  • 4 - L’analyse factorielle opère à partir d’un tableau qui croise les mots et les parties discernées d (...)

8Le principe de l’AFC consiste à décomposer les données de répartition du lexique dans les différentes parties du texte en une somme de facteurs successifs et représentables deux à deux sur un plan graphique. L’AFC dégage ainsi une carte qui résume les faits les plus saillants du corpus qu’il s’agit d’interpréter visuellement en observant la disposition des points pour y repérer une continuité et d’éventuels points de rupture4.

  • 5 - On opte pour un découpage des guides par itinéraires car le nombre de villes décrites dépasse les (...)

9Les deux analyses qui suivent sont effectuées sur la base d’un découpage des corpus en routes, c’est-à-dire des itinéraires suggérés par les auteurs des textes qui associent plusieurs villes et régions dans le cadre d’un parcours proposé au lecteur. Ces routes partent des grandes métropoles (Paris, Lyon, etc.) et sont approximativement une trentaine par guide, soit un nombre de divisions du texte adéquat pour une analyse factorielle5. Si l’analyse porte sur l’intégralité des corpus et prend en compte l’ensemble du texte, pour les besoins de l’affichage nous ne retiendrons que les villes les plus souvent mentionnées dans les guides (37 villes évoquées au moins à 50 reprises dans les itinéraires) et les formes lexicales qui nous semblent relatives à l’espace urbain.

10L’interprétation du plan factoriel suit une règle de base qui pose que la proximité graphique des points correspond à une proximité lexicale. Ainsi, deux villes sont proches sur le plan parce qu’on emploie un vocabulaire semblable pour les décrire, deux termes sont proches parce qu’on les mentionne souvent dans les mêmes contextes et, à l’inverse, villes et mots sont opposés sur le plan parce qu’on ne les combine jamais dans les descriptions touristiques. Cette règle d’interprétation énoncée, soulignons également que l’agencement des villes sur ces schémas repose exclusivement sur les similitudes lexicales dans leurs descriptifs respectifs sans aucune autre information de type géographique.

  • 6 - Guide de lecture de la figure 1 : À travers sa représentation graphique l’analyse factorielle rév (...)

11Pour ce qui concerne la figure extraite du guide de 18736 (fig. n°1), on constate une concentration des mots décrivant l’espace urbain au centre du graphique, c’est-à-dire dans une zone signalant le vocabulaire commun (soient les mots qui sont équitablement répartis au fil du texte). Également près du centre du plan factoriel, se place la capitale française et plusieurs grandes villes dont la description dans les guides invoque ce vocabulaire commun : ville, rue(s), place, maison(s), église, théâtre, musée, gare, etc. Loin du centre et aux extrémités du graphique, on trouve des villes qui se distinguent de la masse lexicale commune et s’agglomèrent dans des groupes dont la cohérence géographique est assez nette : villes du Nord (Lille, Amiens, Rouen, Calais), villes du Sud (Nice, Marseille, Aix, Avignon) et villes du Sud/Sud-Ouest (Tarbes, Rodez, Agen, Périgueux). De fait, pour ces ensembles géographiques on vérifiera par une seconde analyse réalisée à des seuils de spécificité plus bas (afin de relever même les phénomènes lexicaux de moindre importance statistique) qu’aucun vocabulaire caractéristique, particulier, original ne se dégage dans les descriptifs de ces villes. Leur agencement sur le plan factoriel repose donc sur une logique statistique qui met en évidence leur répulsion par rapport au vocabulaire commun. Par exemple, on ne décrit jamais les villes du Nord en termes de thermal(es), hôtel, monument, château, ruines, etc. pas plus que l’on n’évoquera monument(s), cathédrales, église pour dépeindre Nice ou Marseille.

Figure 1

Figure 1

Plan factoriel – Guide 1873 – Lexique et villes les plus mentionnées.

  • 7 - Guide de lecture de la figure 2 : À travers sa représentation graphique l’analyse factorielle rév (...)

12Quand on compare ces résultats à ceux que l’on obtient pour le guide de 1956, la différence est d’emblée visible dans l’organisation générale du graphique. En effet, dans le second plan factoriel7 (fig. n°2) l’ensemble des points suit un mouvement de déconcentration : le centre géométrique du graphique n’est plus son centre de gravité. Et, même si quelques formes qui sont presque incontournables dans les descriptifs des villes (poste, rue, place, boulevard et fontaine) occupent le centre du plan, on observe un effet de dilution du nuage initial. Ainsi, en 1956 tout un lexique culturel des guides de tourisme est dédié aux villes du Sud/Sud-Ouest et du Nord : musée, monuments, bibliothèque, statue, théâtre, cathédrale, église, etc. De même, les formes hôtel et gare sont plus souvent employées pour décrire ces villes excentrées dont on souhaite souligner les récentes infrastructures touristiques, facilités de transport et hébergement.

Figure 2

Figure 2

Plan factoriel – Guide 1956 – Lexique et villes les plus mentionnées.

13L’Analyse Factorielle révèle donc que la différence structurelle principale entre les deux guides tient au fait que des ensembles géographiques existent qui ne sont pas décrits par le vocabulaire typique de l’espace urbain. La comparaison montre aussi qu’au fil des 83 ans séparant les guides de 1873 et 1956 un lexique caractéristique a été introduit pour qualifier ces villes différentes. On constate par exemple pour l’année 1956 que le groupe excentré formé autour d’Alençon, Caen et Rouen est qualifié par chapelle et ruines tandis que la zone Nice, Marseille, Chamonix et Annecy se démarque par de nombreuses évocations de village. Ces formes peu nombreuses ne suffisent pas à définir entièrement les univers lexicaux que les guides attachent à ces villes mais elles montrent clairement une évolution dans les choix de description touristique, culturelle et historique : on est passé d’une caractérisation lexicale négative (ces villes se distinguent en 1873 par l’absence de vocabulaire qualificatif) à une caractérisation positive (on dénombre en 1956 des formes nominales, adjectivales et autres employées spécifiquement pour parler de ces villes).

Les réseaux de cooccurrence lexicale

14À la base de toute méthode de cooccurrence, il y a une hypothèse sur une distribution inégale des formes en contexte. À la manière du lecteur qui au fil de la lecture du texte perçoit des combinaisons lexicales récurrentes qu’il interprète comme des associations privilégiées, la statistique syntagmatique que nous appliquerons ici va comptabiliser minutieusement dans le voisinage d’un mot-pôle chaque occurrence lexicale et, au terme de cette lecture systématique, comparer les fréquences des mots en jeu pour déterminer quelles coïncidences lexicales sont statistiquement remarquables.

15Les concordances suivantes – qui constituent une forme primaire de méthode de cooccurrence – permettent d’apprécier quelques environnements contextuels de la forme ville et organisent ces extraits de manière à ce que le lecteur puisse y détecter les affinités autour du mot-pôle.

16..que le lecteur qui veut aller d’une ville à une autre y trouve le meilleu
avant la description intérieure de la ville. hôtels. les hôtels, au choix e
de paris à versailles par suresnes et ville-d’avray, 539. de versailles et
collections de peinture moderne de la ville de paris, tandis que celle de l
s de saint-gervais s’élève l’hôtel de ville, vaste édifice de style renaiss
lignes de collines comprises dans la ville. celle de la rive dr., la plus
capitale du ponthieu, est une vieille ville de 19502 hab., située sur les d..

17Sur la base de ces contextes d’apparition, la méthode de cooccurrence introduit un calcul probabiliste afin de hiérarchiser les affinités lexicales les plus inattendues sur le plan statistique. On identifie ainsi les cooccurrences empiriques du pôle, c’est-à-dire des « coïncidences de mots dans les mêmes contextes ». Cette définition présente l’avantage de faire abstraction de toute considération linguistique et n’impose ni orientation, ni contiguïté, ni distance minimale, ce qui rapporte un plus grand nombre de phénomènes de cooccurrence.

18Nous appliquerons ce principe d’analyse dans trois méthodes variantes - les cooccurrences spécifiques, les poly-cooccurrences et les trames de cooccurrence.

Les cooccurrences spécifiques

  • 8 - Tous nos modules d’analyse exploitent le Modèle Hypergéométrique. Celui-ci est fondé sur la distr (...)
  • 9 - La taille de la fenêtre d’exploration contextuelle est déterminante puisque celle-ci circonscrit (...)

19La méthode des cooccurrences spécifiques détermine par la statistique les attractions lexicales remarquables autour d’une forme-pôle donnée8 dans une fenêtre d’exploration contextuelle définie9. Le tableau ci-après présente les résultats de cette statistique des rencontres autour de la forme ville au cours de ses 519 apparitions dans le guide de 1873.

Tableau 3 : Cooccurrences spécifiques du pôle ville (Hachette 1873) (Ctx Phrase ; CFMin 5 ; SpMin 5)

Tableau 3 : Cooccurrences spécifiques du pôle ville (Hachette 1873) (Ctx Phrase ; CFMin 5 ; SpMin 5)

Guide de lecture du tableau : L’analyse des cooccurrences révèle les principales attractions autour d’un pôle en comparant entre autres données, la fréquence globale de chaque cooccurrent (Fréq.) avec sa co-fréquence (Co-fréq.) dans les contextes qu’il partage avec le pôle (Nb. ctx) et fournit un indice de spécificité (Spéc.) signalant son sur-emploi (+x).

20La méthode d’analyse des cooccurrences peut aussi être appliquée à plusieurs formes associées en un système de mots tel que celui formé par l’axe lexical relevé initialement : on-route-pont-église-saint-château. On vérifiera de cette manière que l’emploi de ces termes associés en contexte évolue dans le temps en relevant pour le guide 1873 26 attractions dont 11 verbes de déplacement contre 53 cooccurrences dont 21 verbes de déplacement en 1956. Cette inflation montre que l’exploration piétonne est de plus en plus encouragée dans le texte des guides.

En 1873 :

franchit, passe, traverse, croise, suit, descend, remonte, entrer, atteint, quitte et sort

En 1956 :

traverse, franchit, prend, sort, passe, laisse, arrive, reprend, bifurque, atteint, continue, monte, franchissant, croise, arrivant, continuant, traversant, quitte, sortant, regagne et remonter

21Avec la méthode des cooccurrences spécifiques il devient possible de réaliser des comparaisons inter-guides et de mesurer l’évolution chronologique du vocabulaire afin d’apporter des éléments de réponse à des interrogations telles que :

22• Quels mots emploie-t-on le plus souvent pour décrire la ville de Marseille ?
- en 1873, Marseille est pour l’essentiel un port de commerce proposant dans ses alentours quelques attractions géographiques naturelles : méditerranée, boulevard, marine, docks, port, rue, colline, grotte, romains, plaine, navires, golfe, superficie, îles, chantiers, maritime et navigation.
- en 1956, une infrastructure touristique a été mise en place alors le guide reprend l’information précédente et la complète par les caractéristiques culturelles du port, de la ville, de la région, désormais mises en valeur : canebière, corniche, port, chaîne, calanque, quai, canal, services, hôtellerie, tramway, florales, transatlantiques, navigateurs, renseignements, bassin, mistral, porcelaine, paquebots, mer, côte, boulevard, avenue, alpes, autocars, grotte, butte, club, allées, cultures, étages, bateaux, méditerranée, faïences, habitants, faculté, arides, escale, magasin, trolleybus, publics et desservie.

23• Quels mots emploie-t-on quand on évoque la rue ?
- le guide de 1873 présente les lieux d’intérêt touristique et historico-culturel accessibles depuis la rue : place, musée, port, hôtel, jardin, statue, dimanche, ville, navires, quai, statues, rues, histoire et industrie.
- le guide de 1956 reprend ces indications en les complétant par de nombreux verbes incitant le touriste au déplacement en lui indiquant des itinéraires précis : place, hôtel, maisons, maison, , conduit, aboutit, ouvre, anciennes, musée, sort, saint, prolonge, prend, grande, cathédrale, bordée, angle, artère, natale, courte, république, arrive, ville, trouve, principale, face, revient, ramène, porte, devant, vieille, horloge, relie, lycée et mène.

Les poly-cooccurrences

24Pour dépasser les limites interprétatives des cooccurrences spécifiques qui ne restituent que les attractions entre deux mots, et dans un effort de reconstruction du sens, une extension de la méthode a été imaginée qui explore les phénomènes d’attirance simultanée entre plusieurs formes. Ces systèmes d’attraction complexes sont identifiés par le calcul réitéré des cooccurrences qui révèle des systèmes lexicaux à l’œuvre dans le texte.

25Prenons l’exemple de la forme place qui apparaît fréquemment dans les deux ouvrages. En examinant les systèmes d’attraction lexicale au-delà des paires de cooccurrence, on découvre des schémas descriptifs complexes et récurrents qui caractérisent chacun des guides :

En 1873 :

place + statue + bronze

place + statue + fontaine + marché

place + statue + napoléon

place + statue + général

place + rue + hôtel

place + belle + fontaine

(…)

En 1956 :

place + rue + ville + république + hôtel

place + rue + ville + centre

place + rue + hôtel + aboutit

place + rue + on + revient

place + rue + conduit + directement

place + rue + maisons + anciennes

(…)

26Ces poly-cooccurrences confirment dans le guide de 1956 une invitation à la promenade et à la découverte de la ville avec de nombreuses suggestions d’itinéraires. Aussi, étant donné le mode de calcul des poly-cooccurrences, leur réalisation en contexte est garantie et l’on peut à partir des squelettes de phrase déterminés par la statistique extraire un nombre exact de phrases où se concrétisent ces associations complexes. Considérons par exemple le cas de l’ensemble place + rue + conduit + directement pour lequel on identifie cinq contextes de réalisation :

27<ville=strasbourg>
là s’ouvre la rue mercière qui conduit directement à la place de la cathédrale : maisons anciennes dont la maison kam-merzell, au n° 1.
<ville=besançon>
la rue de lorraine conduit directement à la place monge, centre de la ville.
<ville=nice>
de la place, la rue notre-dame conduit directement à l’ancienne cathédrale sainte-marie, bel édifice à trois nefs, de 1604-1625.
<ville=orléans>
de la nouvelle place, la rue de la hallebarde conduit directement à la place du martroi
<ville=niort>
en face de notre-dame, la rue mautrec conduit directement à la place de la comédie.

Les trames de cooccurrence

  • 10 - De fait, les résultats initiaux du calcul exhaustif sont si volumineux qu’il faut instaurer certa (...)

28La troisième méthode de cooccurrence à laquelle nous aurons recours vise une exhaustivité totale de l’analyse. En effet, les cooccurrences et les poly-cooccurrences mises au jour par notre approche dépendent entièrement des pôles choisis au départ de l’analyse (ville, place et autres formes qui nous semblent appartenir au vocabulaire de l’espace urbain). Or, ces choix subjectifs conditionnent toute l’exploration contextuelle et orientent les résultats. Une autre approche a donc été envisagée qui prend pour point de départ non pas un mot prélevé dans le dictionnaire des formes mais un ensemble de mots, une plage pouvant comprendre plusieurs milliers de formes. L’analyse cooccurrentielle en devient pour autant exhaustive et rapporte tous les phénomènes d’attraction en contexte jusqu’à révéler la colonne vertébrale du texte10.

  • 11 - On peut vérifier cette observation en calculant le rapport valence lexicale / fréquence pour cert (...)

29Le premier résultat de l’analyse des trames est une hiérarchisation des formes lexicales suivant leur capacité d’attraction. La valence lexicale est un indice fondamental du magnétisme des formes dans leurs apparitions successives en contexte et signale les formes dont l’emploi dans le discours déclenche le recours systématique à d’autres mots qui ensemble élaborent des champs sémantiques récurrents. On constate à la lecture de la liste des termes les plus magnétiques dans chaque corpus (tableau 4) que celle-ci ne se confond pas avec la liste des formes les plus fréquentes (tableau 2). En d’autres termes, la capacité attractive d’un mot n’est pas corrélée au nombre de ses apparitions11.

30De cette analyse cooccurrentielle on dégagera un axe lexical on-saint-r(rue)-église-place qui est semblable à celui esquissé par l’analyse fréquentielle (1.1) mais qui introduit deux éléments centraux de l’espace urbain, la rue et la place, en lieu et place de route, pont et château signalant là peut-être un déplacement du tourisme champêtre vers la ville. Cet axe lexical constitue une colonne vertébrale qui traverse le texte de 1956 et provoque au fur et à mesure de ses occurrences l’apparition de nombreuses autres formes (adjectifs, etc.).

Tableau 4 : Valence lexicale des formes – Guides 1873 et 1956 (extrait)

Tableau 4 : Valence lexicale des formes – Guides 1873 et 1956 (extrait)
  • 12 - Guide de lecture de la figure 3 : Le réseau de cooccurrence est construit à partir d’une analyse (...)

31Le second résultat obtenu avec l’analyse des trames de cooccurrence est une visualisation de l’ensemble des attractions binaires en contexte sous la forme d’un graphe. À l’origine, le graphe complet compte plus de 1 800 mots reliés par plus de 4 000 liens, soit un objet mathématique parfaitement viable mais difficilement représentable (note nº8). On procède alors à un filtrage draconien qui ne conserve dans le réseau que les mots avec une valence lexicale très élevée (au moins 50 cooccurrences observées autour d’un mot-pôle). Le résultat12 (fig. n°3) est un résumé représentatif de l’arbre initial qui réduit les cooccurrences à l’essentiel tout en reflétant la combinatoire des mots en contexte.

Figure 3

Figure 3

Réseau de cooccurrence (filtré par valence lexicale ≥50) – Guide 1873.

32La systématicité de l’analyse rapporte le treillis fondamental tel qu’il se construit au fur et à mesure de l’énoncé et la visualisation hiérarchisée du graphe reproduit fidèlement la dynamique du corpus en distinguant les lexies prépondérantes qui subsument la diversité initiale du texte. En effet, ce que la cooccurrence lexicale met au jour est une toile de co-dépendances binaires et réciproques que tissent les composantes lexicales en vue de former un système lexical sous-jacent au texte entier et qui le structure de part en part.

  • 13 - Une analyse globale du corpus montre que la classe lexicale qui est employée pour la description (...)

33Contrairement à la disposition linéaire du texte d’origine, l’organisation fragmentaire de la trame de cooccurrence propose des îlots de mots dont la lecture relève davantage d’une interprétation topologique des données. On s’intéressera donc sur cette carte aux noeuds qui forment des zones de densité, qui dominent leur milieu ambiant, et qui opposés l’un contre l’autre polarisent la carte : établissements de villégiature, lieux de culture, bâtiments religieux, etc. Ces agrégats qui subsistent dans le graphe après élagage statistique du réseau constituent les principales thématiques évoquées dans les guides13.

Figure 4

Figure 4

Réseau de cooccurrence (extrait autour de « ville ») – Guide 1873.

34Si le graphe est une aide à la compréhension du territoire décrit dans les guides et s’il permet de formuler des hypothèses quant aux thématiques évoquées en contexte, il faut suivre certaines précautions pour son interprétation. Sur le plan linguistique, la lecture du réseau de cooccurrence peut s’effectuer, suivant les orbites autour d’un mot pôle, de deux manières illustrées par les schémas qui suivent :

35- une lecture onomasiologique c’est-à-dire de l’idée vers les mots. Par exemple, par quels termes (noms, adjectifs, adverbes, verbes, etc.) exprime-t-on l’idée de ville ? (fig. n°4)
- une lecture sémasiologique c’est-à-dire des mots vers l’idée. Par exemple, quelle notion construisent ensemble les qualificatifs admirable, magnifique, superbe, (très) pittoresque et (très) belle ? Réponse : vue (fig. n°5)

Figure 5

Figure 5

Réseau de cooccurrence (extrait autour de « vue ») – Guide 1873.

36On observera qu’en tant que visualisation du vocabulaire préféré par les auteurs des guides, le réseau de cooccurrence se rapproche de la carte mentale c’est-à-dire d’une méthode d’enquête sociologique qui tente de cartographier la représentation de l’espace qu’ont les individus par rapport à un territoire connu et pratiqué par eux.

Fusion des données géographiques et lexicales

Les Systèmes d’Information Géographique

37Définir l’existence d’une entité dans l’espace physique c’est bien sûr se référer à celle-ci par son toponyme. Mais, dans le cas d’un lieu sans dénomination exacte ou avec plusieurs appellations ou encore qui partage son nom avec d’autres endroits, l’identification géographique univoque se complique. Avec l’avènement de l’informatique on a donc évolué vers un vecteur de précision pour l’identification spatiale : un géo-référencement sous la forme d’un jeu de coordonnées qui distinguent sans ambiguïté un lieu précis – le SIG.

  • 14 - Guide de lecture de la figure 6 : Un SIG (Système d’Information Géographique) associe plusieurs b (...)

38Le SIG (Système d’Information Géographique) est un système informatisé de gestion de données ordonnées dans l’espace qui fournit des informations géo-référencées sur des objets spatiaux. Typiquement un SIG est un composite formé de plusieurs bases de données où chaque base correspond à une variable : la topographie, l’habitat, l’élevage, etc. L’implémentation informatique de ces bases permet de les combiner afin de chercher les intersections, les corrélations et autres rapports entre les données et les entités géographiques14 (fig. n°6). En gérant à la fois des identificateurs uniques et l’ensemble des attributs physiques, sociaux, et autres pour des milliers d’objets géographiques, le SIG optimise l’information spatiale en vue de satisfaire une multitude de requêtes simples ou croisées.

Figure 6

Figure 6

Inclusion de données lexicométriques dans un SIG.

Convergence des données

39Même si elle n’est pas inscrite formellement dans les textes sous forme de coordonnées, la réalité géographique des guides de tourisme émerge systématiquement dans les résultats lexicométriques. Ceci est particulièrement visible dans les plans factoriels où les villes s’assemblent en agrégats sur la base du vocabulaire choisi pour les décrire et forment des ensembles qui font sens au niveau géographique. Dans les réseaux de cooccurrence, ce sont des champs sémantiques qui s’esquissent pour définir les éléments récurrents d’une « micro-géographie » : la place et sa statue, le chemin qui franchit le canal, l’établissement d’eaux thermales, etc.

40Durant la manipulation de ces différents schémas et diagrammes, une interaction fertile entre ces données a successivement permis d’identifier les termes-clefs de la description touristique, d’étudier leur comportement en contexte et de projeter les systèmes lexicaux qu’ils forment sur des cartes. Ci-après nous présenterons deux expériences qui illustrent une exploitation efficace des données lexicométriques et géographiques et montrent comment les emplois lexicaux et les agglomérats qui sont suggérés dans les plans graphiques de l’analyse factorielle se confirment dans les projections du SIG en tant que zones territoriales.

  • 15 - Guide de lecture de la figure 7 : En exploitant la précision du géo-référencement propre au Systè (...)

41Une première expérience de fusion des données lexicométriques et géographiques consiste à projeter sur une carte de la France les principales formes lexicales issues du réseau de cooccurrence élaboré dans le guide de 1956. Sur la figure 7 on constate que les affinités lexicales et les réseaux de cooccurrence qu’elles forment contribuent largement à la différenciation spatiale : le milieu urbain (Est), la nature (Nord-Ouest) et la villégiature (Sud-Est)15 (fig. n°7). La projection de quelques villes sur une carte vierge suffit donc pour que des champs de force se définissent, des lignes de partage se dessinent et des clivages apparaissent.

Figure 7

Figure 7

Projection de lexique spécifique sur une carte géographique (Guide 1956).

  • 16 - Un parallèle s’établit avec la structure différentielle que F. de Saussure décrit comme la nécess (...)

42Si une telle combinaison de données cooccurrentielles et géographiques est possible et si elle produit des résultats pertinents qui respectent une logique géographique c’est parce que le réseau, qu’il soit concret ou virtuel, est la structure qui rend possible l’identité distincte des entités16. En effet, en science géographique on considère un territoire comme un ensemble de lieux et de connexions qui mettent ceux-ci en relation, soit un espace où des réseaux naissent de l’émergence de noeuds centraux qui génèrent une activité multiple et intense (zones de peuplement, centres de production, etc.). De toute évidence, cette dynamique est éminemment proche de celle qui régit les réseaux de cooccurrence...

43Considérons maintenant un autre exemple, plus proche de la pratique du SIG, et qui exploite à bon escient l’analyse cooccurrentielle - notamment sa capacité exploratrice des textes et sa comparaison pondérée des usages des mots en contexte. Imaginons une requête à propos de l’adjectif pittoresque. La statistique descriptive nous informe que de 72 occurrences de l’adjectif dans le guide de 1873 on passe à 472 emplois dans le texte de 1956. Ce constat d’augmentation fréquentielle est en soi une information intéressante que l’on pourrait représenter dans un SIG afin d’apprécier l’inflation du terme, mais ici, nous exploiterons le calcul des cooccurrences pour relever les occurrences les plus surprenantes de l’adjectif au sens lexicométrique, c’est-à-dire les emplois en contexte où la forme n’est pas prévisible par la probabilité soient environ 50 emplois du mot pour 1873 et 90 pour 1956 (fig. n°8, n°9). Sur le plan linguistique cela signifie que si le texte descriptif d’une ville ou d’un village est réduit à quelques lignes l’auteur choisira souvent l’adjectif pittoresque pour dépeindre concisément le lieu visité.

Figure 8

Figure 8

Projection du mot « pittoresque » dans le SIG (1873).

Figure 9

Figure 9

Projection du mot « pittoresque » dans le SIG (1956).

44La cartographie de type SIG que nous avons réalisée pour les deux guides permet de prendre du recul sur le texte en proposant une focale entièrement différente. De la récurrence d’un adjectif en contexte tel qu’il peut être relevé par la lecture et comptabilisé par la statistique, nous passons à une carte qui montre clairement la dilution dans l’emploi du terme qui à l’origine est un adjectif employé de manière originale pour qualifier quelques rares zones territoriales et qui devient quelques années après un qualificatif plus commun. En effet, en 1873, les emplois originaux de pittoresque sont concentrés dans les régions Alpes et Côte d’Azur c’est-à-dire le Sud-Est de la France, zone où, comme l’a relevé la lexicométrie (voir fig. n°7), une infrastructure touristique est déjà implantée au XIXe siècle. En revanche, en 1956 plusieurs occurrences remarquables - au sens probabiliste - de l’adjectif sont relevées dans les régions Centre, Limousin, Poitou-Charentes et Aquitaine jusqu’à là vierges de tout emploi du mot. Cette dissémination de pittoresque sur le territoire s’explique par une mise en valeur de villes et de villages jusqu’à là ignorés par le développement touristique.

Conclusion

45Pondérant les volumes textuels et comparant les fréquences lexicales, l’analyse lexicométrique de deux guides de tourisme de la France du XIXe et XXe siècles produit des cartes d’emploi du vocabulaire descriptif qui dévoilent le jeu des interactions entre lieux et lexique. D’une part, l’approche typologique de l’Analyse factorielle met en évidence un fonds de vocabulaire commun qui est à la base de la structuration globale des textes ainsi que des éléments lexicaux qui évoluent dans le corpus et au fil du temps, ce qui permet de discriminer linguistiquement des villes et des régions de manière spatio-temporelle. D’autre part, l’analyse des cooccurrences qui opère au plus près du texte examine les tendances associatives des lexies qui tissent progressivement une toile et structurent le corps du texte. Au final, ces images qui résument les corrélations entre toponymes et éléments descriptifs prééminents esquissent une représentation des structures fortes du territoire.

46Le rapprochement naturel entre les cartographies factorielle, cooccurrentielle et géographique nous a amené à imaginer une intégration directe des données lexicostatistiques dans un Système d’Information Géographique. Les expériences menées et les résultats obtenus ont permis de définir une méthodologie pour une exploitation complète et automatisée des ressources documentaires nouvelles et variées (Internet et toute base de données textuelles) qui, accouplées aux données géo-référencées du Système d’Information Géographique, viennent enrichir l’information cartographique et améliorer la compréhension de l’espace.

47Au-delà de la combinaison efficace d’outils et de données informatiques nos expériences mettent en évidence des parallèles naturels entre les réseaux géographiques matériels et les réseaux lexicométriques immatériels. En effet, de prime abord la démarche peut surprendre : à l’opposé du géo-réferencement exact et précis du SIG, le vocabulaire descriptif des guides qui est à la fois subjectif et variable au cours du temps semble être une approximation insuffisante pour intégrer un système censé gérer des données objectives et générer des cartes conformes à la réalité. Pourtant, le dépouillement lexicométrique de milliers de pages de descriptions touristiques prouve que l’inventaire linguistique constitue un vecteur descriptif de grande valeur. Indéniablement les mots organisent l’espace à leur manière et une analyse systématique de leur organisation produit une géographie des représentations de l’espace vécu parfaitement cohérente au regard des impératifs de la science géographique. Par conséquent, l’étude de la complexité spatiale doit, au-delà des descriptions formelles, inclure la représentation de l’espace telle qu’elle s’élabore dans les esprits.

Haut de page

Bibliographie

BRUNET, R. La carte, mode d’emploi. Paris : Fayard, Montpellier : Reclus, 1987.

STEINBERG, J. Cartographie, télédétection, systèmes d’informations géographiques. Paris : Armand Colin, coll. Campus, 2002.

LEBART, L. et SALEM, A. Statistique textuelle. Paris : Dunod, 1994.

MARTINEZ, W. Contribution à une méthodologie de l’analyse des cooccurrences lexicales multiples dans les corpus textuels, Thèse pour le doctorat en Sciences du Langage, Université de la Sorbonne nouvelle - Paris 3, soutenue le 17 décembre 2003.

SALEM, A. Approches du temps lexical. Statistique textuelle et séries chronologiques. Mots nº 17, 1998.

SANDERS, L. L’analyse des données appliquée à la géographie. Montpellier : Reclus, 1989.

Haut de page

Notes

1 - Les résultats présentés ici proviennent d’un projet de recherche mené au Pôle Sciences de la Ville à l’Université Denis Diderot Paris 7 entre 2007 et 2009. Il s’agit de déterminer par le biais de méthodes de statistique textuelle le vocabulaire de l’espace urbain tel qu’il se développe dans un ensemble de guides de voyage depuis le milieu du XIXe siècle jusqu’à nos jours. Le projet originel porte sur un ensemble de 20 guides rédigés en français, anglais et allemand et répartis sur la période 1867-1881 et les années 1950. Ces guides couvrent plusieurs pays dont l’Italie, l’Angleterre, l’Allemagne, l’Autriche, le Luxembourg, la Hongrie, la Tchécoslovaquie, la Grèce, la Russie et les pays d’Orient.

2 - Les analyses cooccurrentielles présentées ici ont été réalisées avec CooCS (www.williammartinez.fr/coocs) outil informatique pour formaliser et visualiser les réseaux de mots associés. Ce logiciel opère sur tout corpus constitué en base textuelle avec le programme Lexico3 (www.cavi.univ-paris3.fr/ilpga/ilpga/tal/lexicoWWW).

3 - On peut s’étonner des similitudes entre le nombre de formes et de hapax malgré la différence des volumes textuels mais le rapport « volume/vocabulaire » est régi par une loi statistique d’accroissement du vocabulaire qui limite progressivement l’émergence de vocables originaux dans tout discours en expansion : la répétition lexicale est inévitable. Signalons aussi que tous les calculs statistiques réalisés compensent les déséquilibres observés dans les volumes textuels afin de calculer des indices de spécificité des termes qui reflètent l’originalité du vocabulaire de manière pondérée.

4 - L’analyse factorielle opère à partir d’un tableau qui croise les mots et les parties discernées dans le texte. À l’intersection d’une ligne et d’une colonne de ce tableau on trouve la fréquence du mot dans une partie donnée. Le calcul factoriel vise à résumer toute cette information sur la ventilation des mots dans le texte sous la forme de plusieurs facteurs représentables sur des graphiques. Pour le corpus 1873, le premier facteur résume à lui seul 29 % de l’information et si on l’associe au second facteur ils apportent ensemble 56 % d’information, les 44 % restants étant des correctifs représentés par les facteurs suivants. Pour le corpus de 1956, les deux facteurs présentés ici résument 19 % et 17 % de l’information soit une bonne approximation de la structuration du texte.

5 - On opte pour un découpage des guides par itinéraires car le nombre de villes décrites dépasse les 1 500 ce qui est irreprésentable par analyse factorielle.

6 - Guide de lecture de la figure 1 : À travers sa représentation graphique l’analyse factorielle révèle les clivages entre les individus et les variables statistiques (respectivement les mots et les villes) en disposant l’information sur un plan graphique où elle place les formes et les parties par rapport aux axes : au centre les individus peu spécifiques, aux extrémités les individus très spécifiques.

7 - Guide de lecture de la figure 2 : À travers sa représentation graphique l’analyse factorielle révèle les clivages entre les individus et les variables statistiques (respectivement les mots et les villes) en disposant l’information sur un plan graphique où elle place les formes et les parties par rapport aux axes : au centre les individus peu spécifiques, aux extrémités les individus très spécifiques.

8 - Tous nos modules d’analyse exploitent le Modèle Hypergéométrique. Celui-ci est fondé sur la distribution en probabilité du nombre de rencontres de toutes les permutations possibles des formes étudiées dans l’hypothèse d’équiprobabilité, et il détermine la valeur la plus probable d’après les paramètres suivants : T : le nombre d’occurrences dans le corpus ; t : le nombre d’occurrences dans les contextes du pôle ; F : la fréquence du cooccurrent dans le corpus ; f : la fréquence du cooccurrent dans les contextes du pôle. À partir de cette valeur probable, on calcule un diagnostic de spécificité signalant l’écart par rapport à la valeur attendue - un écart qui peut être positif, négatif ou nul. Si la fréquence réelle est supérieure à la fréquence attendue, alors la forme est spécifique positive et nous l’indiquons par le code +x. Si la fréquence réelle est inférieure à la fréquence attendue, la forme est spécifique négative et nous l’indiquons par le code -x. Enfin, si la fréquence réelle est égale à la fréquence attendue, alors la forme est banale. La valeur numérique de l’indice mesure quant à elle le degré de probabilité de l’événement : un indice de 3 signalera une probabilité de 1 sur 1 000, 4 une probabilité de 1 sur 10 000, etc.

9 - La taille de la fenêtre d’exploration contextuelle est déterminante puisque celle-ci circonscrit une zone textuelle où le module de comptage repère les attractions autour du pôle. La phrase constitue à ce titre l’unité contextuelle privilégiée car on la considère en linguistique comme le lieu de l’expression fondamentale qui relie le sujet et le prédicat c’est-à-dire ce dont on parle et ce que l’on en dit. Toutefois, les phénomènes d’anaphore (le remplacement du sujet par un pronom ou un synonyme pour éviter les répétitions en contexte comme par exemple Paris, la capitale, elle) compliquent le repérage des cooccurrences autour des villes mentionnées dans les guides. Pour obtenir les résultats présentés ici, nous avons parfois contourné ce problème en créant des super-contextes qui fusionnent plusieurs phrases et permettent la détection d’attractions à distance.

10 - De fait, les résultats initiaux du calcul exhaustif sont si volumineux qu’il faut instaurer certains filtrages pour ne recueillir que les cooccurrences les plus significatives au plan statistique. Après le calcul de l’ensemble des attractions binaires en contexte, les cooccurrences sont filtrées par spécificité (on retiendra les attractions de spécificité +5 c’est-à-dire celles qui n’avaient qu’une chance sur 100 000 de se produire – Voir la note 6) et par réciprocité (dans une cooccurrence entre deux mots, chaque mot doit attirer l’autre avec le même indice de probabilité).

11 - On peut vérifier cette observation en calculant le rapport valence lexicale / fréquence pour certaines formes : en 1956, place a un ratio VL/F (87/1190 = 0.073) équivalent à celui de vallée (116/1677 = 0.069) qui est pourtant un mot bien plus fréquent. Autre exemple : de 1873 à 1956, musée conserve un ratio de valence lexicale comparable avec respectivement une valence lexicale pondérée de 41/215 = 0.16 et 103/717 = 0.14.

12 - Guide de lecture de la figure 3 : Le réseau de cooccurrence est construit à partir d’une analyse exhaustive des attractions observées autour de chaque forme lexicale en contexte avec une fréquence d’apparition supérieure ou égale à 5 soit un ensemble de près de 1 900 mots. Malgré le filtrage des cooccurrences non réciproques, la combinatoire est si grande que le graphe obtenu est illisible tant sa complexité est grande : 1 849 nœuds et 4 014 arcs. On opte alors pour un filtrage des formes les plus magnétiques : seuls les mots avec au moins 50 cooccurrents en contexte seront affichés. Le résumé ne présente alors que les 68 formes les plus magnétiques du corpus mais il faut garder à l’esprit que cette sélection repose sur une masse cooccurrentielle non visible sur le graphe mais qui contribue à projeter ces formes vers l’avant. Ce filtrage a un effet de clarification des données puisqu’il dégage les principaux agrégats et représente par des formes-concept les plus importants champs sémantiques du corpus : établissements de bains, transports, châteaux et églises, culture, etc.

13 - Une analyse globale du corpus montre que la classe lexicale qui est employée pour la description de la ville n’est pas la seule qui s’élabore dans les textes. De fait, plusieurs autres catégories sémantiques toutes aussi homogènes ont été dévoilées par l’analyse des attractions lexicales parmi lesquelles : - le déplacement (route, trajet, aller, etc.) - l’architecture (maison, palais, ruines, etc.) - les activités commerciales ou industrielles (commerce, grains, houille, etc.) - paysage et observation (panorama, vue, etc.) - villes d’eaux (bains, thermal, source, etc.). Ces ensembles lexicaux semblent a priori étrangers au vocabulaire de la ville mais en réalité ils convergent vers la description de l’espace urbain en lui ajoutant des nappes conceptuelles complémentaires (comment regarde-t-on la ville ? comment s’y déplace-t-on ? etc.).

14 - Guide de lecture de la figure 6 : Un SIG (Système d’Information Géographique) associe plusieurs bases de données afin de combiner la richesse des différentes informations qui y sont collectées (hydrographie, habitat, élevage, etc.) avec la précision de coordonnées géographiques univoques en vue de produire des cartes ad hoc pour une requête donnée. Ces cartes multidimensionnelles gagnent à être complétées par une couche lexicométrique qui livre pour chaque zone territoriale (ici Marseille) le vocabulaire employé pour sa description dans les guides de tourisme.

15 - Guide de lecture de la figure 7 : En exploitant la précision du géo-référencement propre au Système d’Information Géographique, il est possible de projeter les données issues de l’analyse lexicométrique autour de différents toponymes sur un carte géographique. Le placement exact des points-villes permet de visualiser les corrélations entre termes descriptifs et villes décrites, et au-delà, à une échelle territoriale plus vaste de délimiter des zones de cohérence sémantique.

16 - Un parallèle s’établit avec la structure différentielle que F. de Saussure décrit comme la nécessaire base de construction du sens dans toute langue naturelle : chaque mot prend sens de par ses différences avec les autres mots du système.

Haut de page

Table des illustrations

Titre Tableau 1 : Caractéristiques quantitatives des corpus
URL http://insitu.revues.org/docannexe/image/590/img-1.jpg
Fichier image/jpeg, 32k
Titre Tableau 2 : Dictionnaire des fréquences pour chaque guide (extrait)
URL http://insitu.revues.org/docannexe/image/590/img-2.jpg
Fichier image/jpeg, 156k
Titre Figure 1
Légende Plan factoriel – Guide 1873 – Lexique et villes les plus mentionnées.
URL http://insitu.revues.org/docannexe/image/590/img-3.jpg
Fichier image/jpeg, 96k
Titre Figure 2
Légende Plan factoriel – Guide 1956 – Lexique et villes les plus mentionnées.
URL http://insitu.revues.org/docannexe/image/590/img-4.jpg
Fichier image/jpeg, 93k
Titre Tableau 3 : Cooccurrences spécifiques du pôle ville (Hachette 1873) (Ctx Phrase ; CFMin 5 ; SpMin 5)
URL http://insitu.revues.org/docannexe/image/590/img-5.jpg
Fichier image/jpeg, 84k
Titre Tableau 4 : Valence lexicale des formes – Guides 1873 et 1956 (extrait)
URL http://insitu.revues.org/docannexe/image/590/img-6.jpg
Fichier image/jpeg, 116k
Titre Figure 3
Légende Réseau de cooccurrence (filtré par valence lexicale ≥50) – Guide 1873.
URL http://insitu.revues.org/docannexe/image/590/img-7.jpg
Fichier image/jpeg, 180k
Titre Figure 4
Légende Réseau de cooccurrence (extrait autour de « ville ») – Guide 1873.
URL http://insitu.revues.org/docannexe/image/590/img-8.jpg
Fichier image/jpeg, 90k
Titre Figure 5
Légende Réseau de cooccurrence (extrait autour de « vue ») – Guide 1873.
URL http://insitu.revues.org/docannexe/image/590/img-9.jpg
Fichier image/jpeg, 97k
Titre Figure 6
Légende Inclusion de données lexicométriques dans un SIG.
URL http://insitu.revues.org/docannexe/image/590/img-10.jpg
Fichier image/jpeg, 144k
Titre Figure 7
Légende Projection de lexique spécifique sur une carte géographique (Guide 1956).
URL http://insitu.revues.org/docannexe/image/590/img-11.jpg
Fichier image/jpeg, 142k
Titre Figure 8
Légende Projection du mot « pittoresque » dans le SIG (1873).
URL http://insitu.revues.org/docannexe/image/590/img-12.jpg
Fichier image/jpeg, 70k
Titre Figure 9
Légende Projection du mot « pittoresque » dans le SIG (1956).
URL http://insitu.revues.org/docannexe/image/590/img-13.jpg
Fichier image/jpeg, 75k
Haut de page

Pour citer cet article

Référence électronique

William Martinez, « Vers une cartographie géo-lexicale », In Situ [En ligne], 15 | 2011, mis en ligne le 29 juin 2011, consulté le 30 avril 2017. URL : http://insitu.revues.org/590 ; DOI : 10.4000/insitu.590

Haut de page

Auteur

William Martinez

Instituto de Linguística Teórica e Computacional (ILTEC), Lisbonne, will_martinez@hotmail.com

Haut de page

Droits d'auteur

Licence Creative Commons
In Situ Revues des patrimoines est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page