Statistique textuelle

Détails du livre

Titre	Statistique textuelle
Auteur(s)	Ludovic Lebart, André Salem
Préfacier	Christian Baudelot
Éditeur	Dunod
Année	1994
Langue	Français
Pages	342
ISBN	978-2-10-002239-7
Domaine	Statistique, Linguistique mathématique, Traitement automatique des langues
Taille	3 MB
Extension	PDF

Présentation de l'ouvrage

Publié en mars 1994 aux éditions Dunod, cet ouvrage signé par Ludovic Lebart et André Salem s'est imposé dès sa parution comme la référence francophone incontournable en matière de statistique textuelle. Les deux auteurs, figures majeures de ce domaine en France — l'un directeur de recherche au CNRS et professeur à l'École Nationale Supérieure des Télécommunications, l'autre ingénieur à l'École Normale Supérieure de Fontenay-Saint-Cloud et chercheur à l'Université Sorbonne Nouvelle Paris 3 — avaient déjà publié ensemble en 1988 Analyse statistique des données textuelles chez Dunod. Cet ouvrage de 1994 représente une refonte et un approfondissement substantiel de ce premier travail commun, intégrant les avancées réalisées au cours des années qui ont suivi. Il bénéficie d'une préface de Christian Baudelot, professeur de sociologie à l'École Normale Supérieure, qui place la statistique textuelle dans son contexte épistémologique et en souligne la portée pour les sciences sociales.

La statistique textuelle, telle que la conçoivent les auteurs, se situe à la croisée de plusieurs disciplines : la statistique classique, la linguistique, l'analyse du discours, l'informatique et le traitement des enquêtes. L'ouvrage en présente les fondements théoriques à travers une série de concepts clés : la notion de corpus et de tableau lexical entier (TLE), les formes graphiques et les segments répétés, les unités de contexte et les spécificités lexicales. Il expose ensuite les méthodes statistiques centrales que sont l'analyse factorielle des correspondances appliquée aux données textuelles, la classification automatique de formes et de parties de corpus, et les méthodes de comparaison de corpus. Un chapitre important traite spécifiquement du traitement des questions ouvertes dans les enquêtes, domaine dans lequel les auteurs avaient apporté des contributions pionnières dès les années 1980 au sein du CREDOC et de l'ENST.

L'un des atouts pédagogiques les plus appréciés de cet ouvrage est l'abondance des exemples qui illustrent chaque méthode présentée. Les auteurs s'appuient sur des corpus variés — enquêtes socio-économiques, discours politiques, textes littéraires, archives documentaires — pour montrer concrètement comment les techniques de la statistique textuelle permettent d'analyser, de décrire et de comparer des ensembles de textes. Cette approche par l'exemple facilite considérablement l'appropriation de méthodes qui peuvent paraître abstraites dans un exposé purement formel. L'ouvrage est par ailleurs complété par une présentation de l'état de l'art de la discipline au moment de sa rédaction, ce qui lui confère une valeur documentaire historique importante pour quiconque s'intéresse à l'évolution de la textométrie et de l'analyse des données textuelles en France.

Cet ouvrage s'adresse à un public large et interdisciplinaire. Les statisticiens y trouveront une extension naturelle de l'analyse des données aux corpus textuels. Les linguistes et les spécialistes de l'analyse du discours y découvriront un outillage quantitatif rigoureux complémentaire de leurs méthodes qualitatives. Les sociologues, politologues et chercheurs en sciences humaines qui utilisent des entretiens, des enquêtes ou des archives textuelles y trouveront les fondements méthodologiques nécessaires à un traitement scientifique de leurs corpus. Le niveau requis correspond à une solide formation universitaire en statistique ou en linguistique, sans nécessité d'une expertise préalable en informatique.

Trente ans après sa parution, cet ouvrage conserve un statut de classique dans son domaine. Il a été traduit et adapté en anglais sous le titre Exploring Textual Data, publié par Kluwer Academic Publishers en 1997 avec Lisette Berry comme troisième coauteure, ce qui témoigne de son rayonnement international. La table des matières complète de l'ouvrage a été mise en ligne par André Salem sur le serveur Lexicometrica de l'Université Paris 3, permettant à la communauté scientifique d'y accéder librement. Il est régulièrement cité dans les bibliographies des cours de textométrie, de lexicométrie et d'analyse de données textuelles dans les universités françaises et francophones, et demeure une référence fondatrice pour tous les travaux contemporains en humanités numériques.

Points forts de l'ouvrage

• Synthèse fondatrice signée par les deux figures majeures de la statistique textuelle francophone, Ludovic Lebart et André Salem, dont les contributions à ce domaine s'étendent sur plusieurs décennies.
• Préface de Christian Baudelot, professeur à l'ENS, qui contextualise la discipline dans le paysage des sciences sociales et en souligne les enjeux épistémologiques.
• Présentation rigoureuse des concepts fondamentaux : corpus, tableau lexical entier, formes graphiques, hapax, spécificités lexicales et segments répétés.
• Exposition détaillée de l'analyse factorielle des correspondances appliquée aux données textuelles, méthode centrale de la lexicométrie française.
• Traitement approfondi de la classification automatique de formes et de parties de corpus, avec illustrations sur des données réelles.
• Chapitre spécifiquement dédié au traitement statistique des questions ouvertes d'enquêtes, domaine dans lequel les auteurs avaient apporté des contributions pionnières.
• Ouvrage illustré par de nombreux exemples tirés de corpus variés : discours politiques, enquêtes socio-économiques, textes littéraires et archives documentaires.
• Présentation de l'état de l'art de la statistique textuelle en 1994, offrant une valeur documentaire historique précieuse pour comprendre l'évolution de la discipline.
• Approche résolument interdisciplinaire, à la croisée de la statistique, de la linguistique, de l'analyse du discours, de l'informatique et des sciences sociales.
• Ouvrage complété par une adaptation anglaise largement actualisée, Exploring Textual Data (Kluwer, 1997), témoignant de son rayonnement international.
• Table des matières intégrale accessible en ligne sur le serveur Lexicometrica de l'Université Paris 3, permettant à la communauté scientifique d'y accéder librement.
• Référence fondatrice régulièrement citée dans les cours et travaux contemporains en textométrie, lexicométrie et humanités numériques dans les universités francophones.

À propos des auteurs

Ludovic Lebart (né en 1942) est un statisticien français de renommée internationale. Ingénieur Civil des Mines, docteur de 3e cycle en statistique et docteur d'État en sciences mathématiques, il entre au CNRS en 1972 et travaille longtemps au CREDOC (Centre de Recherche pour l'Étude et l'Observation des Conditions de vie), dont il est directeur adjoint de 1979 à 1988, avant de rejoindre l'École Nationale Supérieure des Télécommunications (Télécom ParisTech) comme directeur de recherche. Il a apporté une contribution majeure au développement de l'analyse des correspondances en France, au sein du groupe de recherche de Jean-Paul Benzécri. Ses recherches portent sur la statistique multidimensionnelle, la qualité des enquêtes socio-économiques, l'inférence statistique en analyse des données et les logiciels d'analyse des données qualitatives et textuelles. Auteur de nombreux ouvrages traduits en anglais, allemand, espagnol et japonais, il est notamment coauteur de Multivariate Descriptive Statistical Analysis (John Wiley, 1984), de Statistique exploratoire multidimensionnelle (Dunod, plusieurs éditions) et de Analyse des données textuelles (Presses de l'Université du Québec, 2019, avec Bénédicte Pincemin et Céline Poudat).

André Salem est professeur émérite à l'Université Sorbonne Nouvelle — Paris 3, où il était rattaché au laboratoire SYLED-CLA2T (Système Linguistiques Énonciation Discursivité — Centre d'Analyse Automatique des Textes). Ingénieur de formation, il a débuté sa carrière au sein de l'équipe Lexicométrie et textes politiques de l'ENS de Fontenay-Saint-Cloud, dirigée par Maurice Tournier, avant de rejoindre l'Université Paris 3. Il a soutenu son doctorat d'État en lettres et sciences humaines, intitulé Méthodes de la statistique textuelle, à l'Université Paris 3 — Sorbonne Nouvelle en mars 1993, soit un an avant la publication du présent ouvrage. Il est l'auteur de Pratique des segments répétés : essai de statistique textuelle (Klincksieck, 1987), premier ouvrage francophone consacré à cette méthode originale qu'il a contribué à développer. Il est également co-développeur du logiciel Lexico, outil de référence pour l'analyse textuelle utilisé dans de nombreuses universités francophones, et coauteur de Les linguistiques de corpus (Armand Colin, 1997, avec Benoît Habert et Adeline Nazarenko). Ses domaines de recherche couvrent la textométrie, la lexicométrie et le traitement automatique des langues et des textes.

Livres similaires

• Analyse statistique des données textuelles : questions ouvertes et lexicométrie — Ludovic Lebart et André Salem
• Analyse des données textuelles — Ludovic Lebart, Bénédicte Pincemin et Céline Poudat
• Pratique des segments répétés : essai de statistique textuelle — André Salem
• Les linguistiques de corpus — Benoît Habert, Adeline Nazarenko et André Salem
• Statistique exploratoire multidimensionnelle — Ludovic Lebart, Alain Morineau et Marie Piron
• Principes et méthodes de statistique lexicale — Charles Muller
• Exploring Textual Data — Ludovic Lebart, André Salem et Lisette Berry
• Analyse de données de corpus — Céline Poudat et Frédéric Landragin

Ads

Télécharger le livre PDF [3 MB] Aperçu en ligne

Questions fréquentes

Q : Quelle est la différence entre cet ouvrage et le précédent livre de Lebart et Salem paru en 1988 chez Dunod ?

R : L'ouvrage de 1988, intitulé Analyse statistique des données textuelles : questions ouvertes et lexicométrie, était centré sur deux thématiques principales : le traitement des questions ouvertes d'enquêtes et les méthodes lexicométriques de base. Le présent ouvrage de 1994 constitue une refonte et un élargissement considérable : il intègre des développements théoriques nouveaux, enrichit les méthodes présentées et couvre un spectre thématique beaucoup plus large. Il correspond également à l'état de la discipline après que les deux auteurs eurent consolidé leurs recherches respectives — André Salem ayant soutenu son doctorat d'État en 1993, et Ludovic Lebart ayant poursuivi ses travaux à l'ENST. La version anglaise Exploring Textual Data (Kluwer, 1997) constitue à son tour une actualisation et une expansion internationale de ce travail de 1994.

Q : Qu'est-ce que le tableau lexical entier (TLE) et pourquoi est-il central dans la statistique textuelle ?

R : Le tableau lexical entier est la matrice de base de la statistique textuelle : ses lignes représentent les formes graphiques du vocabulaire d'un corpus et ses colonnes les différentes parties du corpus (textes, locuteurs, périodes, etc.). Chaque cellule indique le nombre d'occurrences d'une forme dans une partie donnée du corpus. Ce tableau est l'objet sur lequel s'appliquent les méthodes statistiques fondamentales — analyse factorielle des correspondances, classification automatique, calcul des spécificités. Sa construction suppose des choix méthodologiques importants — définition des formes, lemmatisation, segmentation du corpus — que l'ouvrage traite avec soin.

Q : Qu'est-ce que la méthode des segments répétés développée par André Salem et présentée dans cet ouvrage ?

R : La méthode des segments répétés permet de repérer dans un corpus des séquences de formes graphiques consécutives qui apparaissent plusieurs fois dans le texte ou l'ensemble de textes analysé. Ces séquences récurrentes constituent des unités textuelles porteuses de sens, complémentaires des formes simples. André Salem avait développé cette méthode dès 1987 dans Pratique des segments répétés, et elle est présentée dans cet ouvrage comme un outil d'enrichissement du tableau lexical entier. Elle offre une approche syntagmatique de l'analyse textuelle, là où les méthodes classiques adoptent une vision paradigmatique centrée sur la fréquence des formes individuelles.

Q : Comment la statistique textuelle se distingue-t-elle de l'analyse de contenu traditionnelle ?

R : L'analyse de contenu traditionnelle repose sur des catégories définies a priori par le chercheur, qui code manuellement les occurrences de ces catégories dans les textes. La statistique textuelle, au contraire, adopte une approche exploratoire et inductive : elle part des données brutes du texte — les formes graphiques et leurs fréquences — pour en dégager des structures latentes par des méthodes statistiques. Cette approche préserve l'intégralité du matériau textuel sans le réduire à des catégories préétablies, ce qui permet des découvertes inattendues. Les deux approches sont complémentaires, et les auteurs soulignent régulièrement l'importance du retour au texte pour l'interprétation des résultats statistiques.

Q : Cet ouvrage est-il accessible à un chercheur en sciences sociales sans formation avancée en statistique ?

R : L'ouvrage est conçu pour être accessible à un public interdisciplinaire, mais il suppose une familiarité minimale avec les notions de base de la statistique descriptive et de l'analyse des données. Les chercheurs en sciences sociales ayant une formation universitaire solide pourront en lire la majeure partie sans difficultés, en particulier les chapitres sur les fondements conceptuels, les spécificités et l'interprétation des résultats. Les parties plus techniques sur l'analyse factorielle des correspondances et la classification automatique pourront nécessiter des lectures complémentaires pour les non-spécialistes. Les nombreux exemples illustrés facilitent cependant l'appropriation de ces méthodes pour un public non mathématicien.

Q : Quels logiciels sont présentés ou mentionnés dans cet ouvrage pour mettre en pratique la statistique textuelle ?

R : Au moment de la rédaction de l'ouvrage, les principaux logiciels disponibles pour la statistique textuelle étaient SPAD.T, développé par Ludovic Lebart et son équipe à l'ENST, et Lexico, développé par André Salem à l'ENS de Fontenay-Saint-Cloud puis à l'Université Paris 3. L'ouvrage décrit les méthodes de manière algorithmique et indépendante de tout logiciel spécifique, ce qui le rend applicable avec n'importe quel outil de traitement textuel. Aujourd'hui, des logiciels comme Iramuteq, TXM ou des packages R et Python permettent de reproduire toutes les analyses présentées dans l'ouvrage avec des corpus contemporains.

Q : L'ouvrage traite-t-il spécifiquement du traitement des enquêtes avec questions ouvertes ?

R : Oui, le traitement des questions ouvertes d'enquêtes constitue l'une des applications centrales de la statistique textuelle telle que la conçoivent Lebart et Salem, et lui est consacré un développement substantiel dans l'ouvrage. Cette application est particulièrement importante car elle permet de traiter statistiquement les réponses textuelles libres recueillies dans les enquêtes socio-économiques, qui constituent une source d'information très riche mais difficile à analyser avec les méthodes classiques des questions fermées. Les auteurs montrent comment construire le tableau lexical correspondant à un corpus de réponses ouvertes et comment en extraire des structures significatives par analyse factorielle des correspondances. Cette dimension applicative a été l'une des premières à être développée par les auteurs, dès leurs travaux communs au CREDOC dans les années 1980.

Q : Cet ouvrage est-il pertinent pour les travaux en humanités numériques aujourd'hui ?

R : Absolument. Les méthodes fondatrices présentées dans cet ouvrage — analyse factorielle des correspondances sur le tableau lexical entier, classification automatique de corpus, calcul des spécificités, analyse des segments répétés — sont toujours au cœur des approches utilisées en humanités numériques. Les logiciels contemporains comme TXM ou Iramuteq implémentent précisément les algorithmes décrits par Lebart et Salem. La lecture de cet ouvrage permet de comprendre les fondements théoriques de ces outils et d'en utiliser les résultats de manière critique et éclairée. Il constitue ainsi un passage obligé pour tout chercheur en humanités numériques souhaitant maîtriser les bases conceptuelles de l'analyse textuelle quantitative.