L'HyperPo: Exploration des structures lexicales à l'aide des formes hypertextuelles

L'HyperPo: Exploration des structures lexicales à l'aide des formes hypertextuelles
Stéfan Sinclair
Queen's University
4ss42@qsilver.queensu.ca
Mots-clé: hypertexte, analyse littéraire, OuLiPo.

Introduction
L'analyse de texte informatisée représente à la fois un domaine foisonnant de nouvelles possibilités pour la critique littéraire et une source de frustration constante pour les chercheurs qui s'y intéressent. L'automatisation de certaines tâches fastidieuses et enclines aux erreurs humaines figure sûrement parmi les apports merveilleux de l'informatique -- et pourtant ce caractère machinal, inflexible et somme tout inintelligent demeure simultanément sa plus importante pierre d'achoppement. C'est justement un désir de combler le gouffre qui semble exister entre l'univers souvent rigide, mécanique et ésotérique de l'ordinateur et l'univers plutôt nuancé et spéculatif de la littérature qui sert d'impulsion pour le système d'exploration textuelle qui sera présenté ci-dessous. Je précise tout de suite que l'HyperPo (Hypertexte Potentiel) est loin de résoudre tous les problèmes dont souffrent actuellement les recherches en analyse informatisée de texte, mais ces forces motivantes sont néanmoins des plus pertinentes. En particulier, l'HyperPo se veut un exemple de logiciel manifestement utile pour l'analyse informatisée des textes, et en même temps relativement simple et convivial. À cet égard, il cherche à se rendre accessible aux non-experts tout en suscitant l'intérêt des experts. Par ailleurs, comme l'évoque son nom, l'HyperPo s'inspire fortement des principes de l'OuLiPo (Ouvroir de littérature potentielle). Rappelons que l'OuLiPo poursuit une innovation systématique des contraintes dans la production littéraire. L'HyperPo, pour sa part, facilite l'exploration des formes potentielles d'un texte et s'engage à des résultats intéressants surtout lorsque les textes de base s'apparentent aux textes oulipiens.

En somme, l'HyperPo tente de renforcer deux des rapports entre les trois éléments qui comportent ce qu'il convient d'appeler la trinité de l'analyse informatisée des textes: l'humain, la machine et le texte. D'une part, grâce à sa vigilance d'harmoniser sa puissance et sa simplicité, l'HyperPo travaille le lien entre l'humain et la machine (voir A dans la figure 1). D'autre part, en se concentrant sur des textes oulipiens qui se prêtent relativement bien à l'analyse informatisée en raison de leur caractère plutôt algorithmique, l'HyperPo facilite le lien entre la machine et le texte (voir B dans la figure 1).La trinité: l'humain, le texte et la machine.

L'Hyperpo
L'HyperPo est un outil d'exploration textuelle qui fonctionne en tant que page hypertoile (page World Wide Web). Toute personne qui a accès à Netscape 2.x ou plus haut, ou bien un logiciel semblable, peut donc profiter de l'HyperPo. Cette très grande accessibilité qui permet de l'utiliser sur des systèmes d'exploitation différents (PC, Mac, Unix, etc.) est encore relativement rare pour des logiciels d'analyse textuelle (voir cependant TactWeb pour un exemple avant-coureur du genre d'outil qui sera sans doute bientôt disponible: <http://tactweb.humanities.mcmaster.ca/tactweb/home.htm>).

L'HyperPo tourne grâce à un logiciel écrit dans un langage de programmation qui s'appelle Perl (Practical Extraction and Report Language -- voir <http://www.perl.com/perl/> pour plus d'informations). Sans trop s'appesantir sur les détails du langage, il vaut la peine de mentionner que Perl me semble très prometteur pour les humanistes qui s'intéressent à l'informatique, car il offre un juste milieu entre plusieurs autres langages de programmation: il est plus puissant que certains langages tels que Basic et AWK, et moins compliqué que d'autres tels que C et Java. Mais surtout, il a été conçu pour communiquer avec les pages hypertoiles et pour effectuer plusieurs sortes de démarches sur des textes.

L'HyperPo comprend quatre parties principales qui se présentent dans trois fenêtres d'un navigateur tel que Netscape. La fenêtre en haut contient le texte de base à évaluer et un tableau qui comprend plusieurs options qui peuvent être configurées selon les besoins de l'individu et les particularités du texte. La fenêtre en bas à gauche est réservée pour la version hypertextuelle du texte de base tandis que la fenêtre en bas à droite est désignée pour les listes fréquences et d'éléments triés (la notion d'élément deviendra plus claire au fur et à mesure que les options seront expliquées). La figure 2 montre l'organisation de la page.L'organisation de l'HyperPo.

En plus d'offrir un aperçu plus concret de son fonctionnement, la section suivante offre l'occasion de comparer l'HyperPo à d'autres outils communs pour l'analyse informatisée des textes. Je me limiterai surtout à deux ensembles d'outils qui recouvrent pourtant les caractéristiques principales de plusieurs d'autres. Il y a d'une part le progiciel Tact (Text Analysis Computing Tools -- voir <http://www.chass.utoronto.ca:8080/cch/tact.html>) et d'autre part plusieurs petits logiciels qui fonctionnent à l'intérieur de Unix (sort, freq, grep, awk, etc.). Un travail plus étendu pourrait sans doute prendre en considération une gamme beaucoup plus large de logiciels (le lecteur intéressé profitera sûrement des recueils généraux tels que The Digital word : text-based computing in the humanities, des revues consacrées au sujet telles que Computing in the Humanities et des études du rapport entre l'informatique et la littérature comme celle d'Alain Vuillemin).

Il va de soi que le texte de base est l'entité primordiale pour l'HyperPo. Comme tout outil d'analyse textuelle, l'HyperPo a préalablement besoin d'un sujet contre lequel se heurter. Le choix des Exercices de style comme texte de base par défaut s'explique aisément à la lumière des caractéristiques que ce texte partage avec les buts de l'HyperPo. Son auteur, Raymond Queneau, a entrepris de raconter à peu près la même suite d'événements en adoptant cent styles différents. En raison de la similarité sémantique de ces passages, on s'attendrait à un taux de répétition assez élevé pour certaines formules. Je ne m'engage pas ici à une étude des Exercices de style, il suffit de dire que les 5 styles choisis offrent une très grande richesse quant à la répétition lexicale. Le choix de ce texte dévoile également une présupposition que je ne tiens pas du tout à cacher: puisque les outils d'analyse textuelle à notre disposition diffèrent tellement en nature des textes qu'ils sont censés nous aider à explorer, il vaut mieux privilégier les textes qui se prêtent le mieux à ces outils. Par la suite, au fur et à mesure que les outils se raffinent, on pourra tourner notre attention vers un plus grand corpus de texte. Entre temps, un grand nombre de textes oulipiens me semblent être de valeur inestimable pour assister au développement des systèmes d'analyse. À cet égard on consultera avec intérêt l'Atlas de la littérature potentielle de l'Oulipo et La Machine littérature d'Italo Calvino.

Il existe par ailleurs une différence fondamentale entre l'HyperPo et la plupart des autres outils d'analyse textuelle car il n'est pas du tout question de la même sorte de permanence pour ce qui est du texte de base. Le texte de base pour Tact est une base de données spéciale qui doit être créée et sauvegardée sur un dispositif de mémoire. On peut effectuer un grand nombre de démarches sur cette base de données mais si l'on veut apporter des changements au texte de départ il faut recréer la base de données. De même, les outils de Unix obligent eux aussi la présence d'un texte enregistré qui doit être sauvegardé de nouveau après chaque modification. En contraste, le texte de base dans l'HyperPo reste en mémoire vive et offre la plus grande flexibilité pour son remaniement. Cette distinction entre un document enregistré et un document en mémoire vive peut paraître sans conséquence mais elle gagne en intérêt lorsqu'on considère que l'analyse informatisée de texte cherche implicitement à s'éloigner du concept d'un texte figé, représenté par excellence sous sa forme imprimée.

À partir du texte de base, L'HyperPo génère plusieurs textes complémentaires. Le premier, affiché dans la fenêtre en bas à gauche, représente une version hypertextuelle qui respecte dans un premier temps la suite linéaire des éléments. Ce qui le distingue vraiment du texte de base c'est la possibilité de liens hypertextuels entre les éléments qui se répètent (voir la figure 3). L'effet ultime est une surimpression de deux textes: d'une part le texte de base linéaire et d'autre part les éléments répétés qui sont indiqués par des liens hypertextuels. Puisque les deux textes occupent le même plan, ils s'entremêlent de façon inextricable. Bien entendu, le monde textuel de Unix où habitent les logiciels qui tournent grâce à la ligne de commande n'est pas du tout accueillant à la sorte de représentation graphique exigée par les structures surimposées et les liens hypertextuels. Quant à Tact, il existe la possibilité de faire ressortir certains éléments grâce aux couleurs, mais il n'est pas non plus conçu pour la navigation hypertextuelle; les éléments relevés restent donc ancrés dans leur ordre linéaire. Même les listes KWIC (Key Word In Context) doivent rompre la fluidité du texte linéaire afin de mettre en évidence les éléments désirés. Les deux modèles ne peuvent exister simultanément.

5 Exercices de Style
de Raymond Queneau Dans l'S, à une heure d'affluence. Un type dans
les vingt-six ans, chapeau mou avec cordon remplaçant le ruban,
cou trop long comme si on lui avait tiré dessus. Les gens descendent.
Le type en question s'irrite contre un voisin. Il lui reproche de le bousculer
chaque fois qu'il passe quelqu'un. Ton pleurnichard qui se veut méchant.
Comme il voit une place libre, se précipite dessus.
HYPERTEXTE
5 Exercices de Style de Raymond Queneau

Dans l'S, à une heure d'affluence. Un type dans les vingt-six ans, chapeau mou avec cordon remplaçant le ruban, cou trop long comme si on lui avait tiré dessus. Les gens descendent. Le type en question s'irrite contre un voisin. Il lui reproche de le bousculer chaque fois qu'il passe quelqu'un. Ton pleurnichard qui se veut méchant. Comme il voit une place libre, se précipite dessus.

Figure 3: Le texte de base et une de ses versions hypertextuelles.

La fenêtre en bas à droite a la possibilité d'afficher une liste verticale de tous les éléments individuels, une liste des fréquences de tous les éléments individuels, une liste des suites d'éléments répétées et une liste des fréquences des suites d'éléments répétées. Ce qui est cependant inhabituel à comparer aux autres outils d'analyse textuelle, c'est la présentation adjacente de ces listes et du texte de base sous forme hypertextuelle (voir la figure 4). Ce mode d'affichage permet dans un premier temps une perspective différente du texte de base; par exemple, quelle est la différence entre une lecture surtout horizontale et une lecture surtout verticale d'un texte? En fin de compte, ces listes concurremment affichées risquent d'encourager une réflexion sur le polymorphisme potentiel d'un texte, un des buts avoués de l'analyse informatisée. C'est justement ce genre d'exploration textuelle qui pourrait donner raison à la suggestion que "l'hypertexte inaugure une ère nouvelle du discours" (Bernard 5). Dans un deuxième temps, les listes d'éléments et de suites d'éléments répétées comportent des liens aux occurrences qui correspondent dans la version hypertextuelle. Ce rapport direct entre les différentes sortes de données facilite l'exploration du texte entier et du texte décomposé. Ce mécanisme représente sûrement un des grands atouts de l'HyperPo et le distingue d'autres outils d'analyse textuelle.

HYPERTEXTE
5 Exercices de Style de Raymond Queneau

Dans l'S, à une heure d'affluence. Un type dans les vingt-six ans, chapeau mou avec cordon remplaçant le ruban, cou trop long comme si on lui avait tiré dessus. Les gens descendent. Le type en question s'irrite contre un voisin. Il lui reproche de le bousculer chaque fois qu'il passe quelqu'un. Ton pleurnichard qui se veut méchant. Comme il voit une place libre, se précipite dessus.

FRÉQUENCES
Tous les éléments triés
5
ans
avait
avec
[...]
La fréquence de tous les éléments
7: .
4: ,
3: le
3: de
2: type
[...]
85: {TOTAL}
Les suites d'éléments triées
de
de
de
dessus
dessus
[...]
La fréquence des suites d'éléments
3: de
2: dessus
[...]
15: {TOTAL}
Figure 4: Vue adjacente des formes textuelles

En fait, Tact et les outils dans Unix sont tout aussi capables de générer des listes d'éléments et de fréquences de ces éléments même s'ils sont incapables de les affichés simultanément. Mais il reste à voir si les démarches à suivre pour arriver à ces listes sont aussi faciles qu'à l'intérieur de l'HyperPo. Au point de vue de convivialité, l'interface de Tact a l'avantage de comprendre des menus qui sont faciles à utiliser pourvu que l'on sache ce que les éléments des menus veulent dire. Toutefois, Tact est conçu pour faire une sorte d'opération à la fois. Pour aboutir aux mêmes listes que dans l'HyperPo, l'individu aurait à d'abord créer sa base de données, à comprendre ensuite comment fonctionne le système de menu afin de générer, individuellement, chaque liste. Par contre, le système Unix risque d'être encore plus difficile à utiliser. Non seulement doit-on exécuter des commandes séparées pour chaque liste voulue, mais on doit aussi savoir la syntaxe correcte pour les commandes. Pour donner une idée de ce dont il s'agit, voici quelques commandes Unix qui correspondent grosso modo aux options de l'HyperPo:

tous les éléments triés:
wheel +1 exercices.txt | sort | more
les fréquences en ordre décroissant de tous les éléments:
wheel +1 exercices.txt | sort | uniq -c | sort -r | more
le nombre total d'éléments:
wc exercices.txt
les suites d'éléments répétées:
wheel +2 exercices.txt | sort | {petit logiciel awk} | more
les fréquences des suites d'éléments répétés:
wheel +2 exercices.txt | sort | uniq -c | sort -r | more
le nombre total des suites d'éléments répétées:
wheel +2 exercices.txt | sort | {petit logiciel awk}
Il est vrai qu'un grand nombre d'informaticiens préfèrent la ligne de commande aux systèmes de menus et de choix car chaque commande peut comprendre des arguments (sort -r au lieu de sort, par exemple) et les commandes peuvent se combiner pour réaliser des buts très spécifiques. En contraste, les progiciels tels que Tact et l'HyperPo offrent parfois moins de nuances quant à leur fonctionnement. D'ailleurs, en voulant ajouter de la flexibilité aux logiciels les programmeurs finissent souvent par les rendre plus compliqués à utiliser (je ne voudrais pas nier que l'HyperPo peut avoir l'air intimidant à première vue). Cependant, même l'environnement plutôt flexible de Unix présentent des obstacles importants à l'individu. Deux exemples tirés du logiciel wheel suffiront pour démontrer les obstacles possibles: 1) le défi des suites de longeur variable puisque wheel n'accepte qu'un argument à la fois; 2) par défaut il n'y que les espaces blancs et les marques de ponctuation prédeterminées qui peuvent servir de frontière entre les éléments.

La discussion précédente sur l'HyperPo et comment il se compare à d'autres outils d'analyse informatisée pourrait se résumer dans un tableau comme celui de la figure 5. Les critères choisies ainsi que les valeurs assignées sont sans doute discutable mais il reste que l'HyperPo représente un certain compromis entre les forces et les faiblesses des autres systèmes.

TACT Unix HyperPo
puissant moyen moyen moyen
flexible moyen bon moyen
convivial moyen mauvais bon
multi-tâches mauvais mauvais bon
hypertextuel mauvais mauvais bon
Figure 5: Une comparaison entre TACT, les outils dans Unix et l'HyperPo.

Conclusion
En profitant de ce qu'offre les possibilités hypertextuelles dans l'analyse informatisée des structures lexicales, L'HyperPo confronte la trinité de l'humain, de la machine et du texte. Il met d'abord en valeur le rapport entre l'humain et la machine en faisant tout son possible pour harmoniser sa puissance et sa simplicité. Il met également en valeur le rapport entre la machine et le texte en conduisant à la réflexion sur les structures multiples des textes et en invitant l'analyse des textes qui s'apparentent aux travaux des Oulipiens. Dans son état actuel, l'HyperPo représente plutôt un intérêt conceptuel que pratique. Entre autres, il fonctionne sans doute trop lentement pour être utilisé comme outil dans l'analyse des textes de taille moyenne. On pourrait par ailleurs imaginer un HyperPo qui permettrait un jour d'explorer les structures sémantiques ainsi que les structures lexicales. Conforme à son nom, l'HyperPo offre un potentiel énorme pour le développement futur.

Références
Calvino, Italo (1993) La Machine littérature trad. Marcel Orcel et François Wahl. Paris: Seuil.
Bernard, Michel (1993) "Hypertexte: La Troisième dimension du langage." Texte 13/14, pp. 5-20.

Digital Word: text-based computing in the humanities (1993). Cambridge: MIT Press.

Oulipo (1988) Atlas de littérature potentielle. Paris: Gallimard.

The Perl Language Home Page <http://www.perl.com/perl/>.

TACTWeb 0.5 Home Page <http://tactweb.humanities.mcmaster.ca/tactweb/home.htm>.

Text Analysis Computing Tools <http://www.chass.utoronto.ca:8080/cch/tact.html>.

Vuillemin, Alain (1990) Informatique et littérature. Paris: Champion.