1Lorsque nous avons vu apparaître sur notre écran la répartition spatiale des sites du Web du livre francophone, il ne nous a fallu que quelques minutes pour commencer à raconter une histoire, sans doute même à NOUS raconter une histoire. L’image du graphe (figure 1) des liens entre les sites nous montrait « à l’évidence » une distance importante entre tous les blogs littéraires et les sites institutionnels des métiers du livre, depuis les éditeurs jusqu’aux bibliothèques. Cette observation tombait à point nommé pour appuyer notre discours général sur le livre numérique : le livre imprimé est déjà numérique par les conversations et commentaires qu’il génère et ce monde social est ignoré par les éditeurs qui prétendent pourtant prendre pied sur le marché du livre numérique contre les plateformes américaines. Comme tous les sociologues, et même comme Durkheim l’admettait, notre discours à prétention scientifique profitait de cet effet visuel en l’élevant au rang de preuve. Quand bien même notre discours fut peu entendu, cette visualisation produisait son petit effet, comme le font les chiffres qui sont supposés « parler d’eux-mêmes » et qui permettent de « prouver et gouverner » à la fois (Desrosières, 2014).

Figure 1

Web littéraire en France en 2010 par clusters thématiques

Web littéraire en France en 2010 par clusters thématiques

– Algorithme de spatialisation : Force Atlas – La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

2Que cherchions-nous à montrer ? La recherche réalisée en 2010 dans le cadre du projet SOLEN (financée par le Fonds Unique Interministériel) portait sur les réseaux de circulation des livres papier et les formes de conversation-livre (entretiens auprès des acteurs du métier du livre, des réseaux de lecteurs hors Web ou sur le Web, des réseaux de vente, d’échange ou de don, observations de terrain, séances d’entretiens collectifs, cartographie de sites web, modélisation et production de modèles économiques). L’hypothèse à laquelle les partenaires professionnels du projet semblaient adhérer reposait sur les vertus de la circulation comme création de valeur sur internet. Le livre numérique ne parviendrait selon nous à prendre toute sa place qu’à la condition de pouvoir circuler, en dépassant les blocages des contrôles de type Digital rights management (DRM) et en inventant des modèles économiques où la revente d’occasion, le prêt et le don deviennent le ressort de plateformes communes à tous les acteurs du livre. Nos études ethnographiques de terrain permettaient de documenter un véritable continent des activités sociales autour du livre (Le Béchec, Boullier et Crépel, 2016) dans lesquelles les échanges, les dons, les reventes de biens matériels exclusifs étaient très actifs comparées aux blocages multiples rencontrés par les lecteurs de livres numériques, sur les plateformes légales. Même mieux, le livre papier est à l’origine d’une activité considérable d’échanges, de conversations, dans des sites, des blogs, des forums, qui sont parfois devenus très spécialisés, ou très proches de certains auteurs, et qui font même émerger de nouveaux auteurs, par exemple à travers des fans-fictions. L’étude de tous ces sites à l’aide de méthodes automatisées, mais supervisées de topologie du Web, permettait de rendre visible la prolifération de ces sites. Mais elle faisait apparaître en même temps des clusters, des grappes de sites à partir de leurs liens hypertextes et la distance entre sites des professionnels du livre et sites des amateurs pourtant très actifs sur le Web. Or certains de ces clusters n’étaient pas aisés à distinguer, notamment celui entre sites de la bande dessinée et sites de la littérature jeunesse. Il ne nous paraissait pas aisé d’expliquer cette connexion, malgré notre connaissance du domaine. Ce cas atypique dans notre corpus agit en fait comme stimulant pour renforcer la robustesse de nos hypothèses, car il risquait de remettre en cause toutes nos explications si « évidentes » sur la distance entre les sites selon leur « type ». C’est pourquoi nous nous sommes lancés dans une exploration des méthodes pour extraire les propriétés de ces sites et de ces liens qui permettraient de rendre compte de cet agrégat. Il nous fallut pour cela mobiliser de nombreux algorithmes différents et notre rapport aux données de la topologie changea alors radicalement. Plutôt que de les prendre comme des acquis « spontanés » ou « indiscutables » que nous nous contentions de labelliser, de catégoriser à partir de notre connaissance du domaine, nous avons dû entrer dans une véritable démarche d’exploration qui supposait de tester plusieurs choix de spatialisation et de clusterisation. C’est cette histoire que nous souhaitons rapporter ici, car elle nous paraît significative de postures de recherche différentes vis-à-vis de la puissance apparente des algorithmes, en plaidant pour une production de conventions plus exigeantes sur l’usage de ces méthodes.

3Reprenons donc le fil de notre récit. Une fois produite la première carte générale du Web du livre en France, nous étions donc convaincus, mais aussi plutôt convaincants, sans pour autant penser un instant que nous pourrions promouvoir une escroquerie scientifique. Nous avons d’ailleurs constaté que beaucoup de nos collègues pratiquaient de la même façon avec leurs propres résultats basés sur une extraction massive de données sur le Web. Bref, la force de conviction des visualisations spatiales fonctionne encore et est aussi puissante que celle de leurs ancêtres, les cartes. Si la critique experte des images de réseaux porte souvent sur leur construction ou sur leurs limites de validité, le reproche le plus fréquent porte avant tout sur leur incapacité à convaincre « au premier coup d’œil », tant la visualisation est complexe, assimilée souvent à un « plat de spaghetti ». Or, dans notre expérience, c’est leur pouvoir de conviction qui paraissait surprenant. Nos images semblaient résumer tout le travail de collecte des liens du Web du livre numérique en un propos simple, un récit critique facile à faire circuler : les éditeurs sont déconnectés de ce qui fait la vie numérique du livre, la blogosphère littéraire. Et « il suffisait » de « voir » les distances entre les régions des différents sites (que nous avions labellisés et mis en couleur nous-mêmes) pour s’en convaincre. Pour les besoins d’une publication en noir et blanc, nous avons dû réinventer un code visuel qui n’a pas les qualités d’une sémiologie à la Bertin (1973), mais qui a au moins le mérite de rendre le graphe plus lisible selon nous, tant les nœuds deviennent bien différenciés alors que les couleurs produisaient une équivalence trop grande entre les nœuds. Il s’agit là peut-être d’éléments des conventions (Eymard-Duvernay, 2004) à construire que nous appelons de nos vœux pour l’exploration des graphes.

4Épiphanie du social enfin révélé par les méthodes numériques qui « ne sont que » des « copies carbone » des « structures » enfin rendues « évidentes » par les liens entre sites, les méthodes numériques que met en œuvre par exemple R. Rogers (2013) sont très soucieuses de ne pas se révéler in fine captives des formats et des conditions fixées par les plateformes sur lesquelles elles recueillent les données, car elles visent toujours à donner à voir « la société » à travers les images de réseaux ainsi construites [2]. Nous avions donc rempli le cahier des charges en filtrant et en spatialisant notre réseau de sites web. Cette exigence nous est apparue suffisante (et toute pratique de recherche effectue ces évaluations sur son propre niveau d’exigence) et nous n’avons pas pris le temps de discuter les éventuels doutes ou anomalies qui apparaissaient.

5Depuis ce moment, nous avons eu largement le temps de revenir sur ces premières photos, car il s’agissait bien de photos (et même, vues du ciel), de l’état du Web du livre francophone. On ne devrait sans doute pas effectuer ce genre de retour sur un travail passé, car les narrations construites dans l’emballement de la découverte n’y résistent guère, tout comme les évidences recueillies sur un terrain ethnographique après 5 jours d’immersion : tout semble clair, tous les modèles appris semblent s’appliquer parfaitement. Il suffit pourtant de rester quelques jours de plus pour voir s’écrouler ses premières impressions savantes, si savantes qu’elles avaient avant tout comme vertu de protéger le chercheur pour qu’il ne soit pas affecté par la singularité du terrain. Dans notre cas, nous connaissions suffisamment l’univers social du livre pour projeter immédiatement notre vision déjà bien documentée sur le corpus web recueilli et éviter de le laisser questionner ces constructions si précaires. Car ces visualisations dans l’espace d’entités simplifiées en points et en liens, qui tiennent lieu des arcs et des nœuds du graphe, nous font quelque chose, elles peuvent nous affecter, pour renforcer nos certitudes ou pour les déstabiliser, elles nous font faire et nous font croire, elles sont des médiations (Akrich, Callon et Latour, 2006) à part entière. Nous avions cependant gardé à part, comme un repentir, tout en le présentant dans les rapports et papiers produits à cette occasion, un beau cas de démenti de toute la méthode, d’anomalie dans l’effet copie carbone. Il s’agissait des communautés « BD et manga » et « Littérature jeunesse », repérées sur le graphe comme entrelacées (figure 2).

Figure 2

Zoom sur l’entrelacement des clusters « BD et manga » et « Littérature jeunesse » sur le graphe complet

Zoom sur l’entrelacement des clusters « BD et manga » et « Littérature jeunesse » sur le graphe complet

– Algorithme de spatialisation : Force Atlas – La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

6Ce cas avait en effet posé la question de l’argument du zoom pourtant si séduisant : le numérique n’agrège pas au point de dissoudre ou de faire disparaître le singulier, comme le fait le traitement statistique des registres, mais au contraire permet de naviguer entre le tout et les parties, jusqu’à l’élément le plus fin, que sont le blog, le site, voire les citations si l’on construit un graphe avec des données textuelles (Latour et al., 2012). Or, pour démêler nos communautés et comprendre ce qui les composait et les tenait ensemble, il nous fallut procéder tout autrement que ce supposé zoom du sens commun. Le zoom avait à première vue l’avantage d’éviter le piège de la copie carbone et de la photo en permettant non seulement de changer de focale (le zoom de l’appareil photo), mais surtout de le faire dynamiquement, et donc de se transformer en zoom du cinéma, grande avancée pour les sciences sociales. Ce faisant, le zoom cinéma racontait une autre histoire, comme le fait tout mouvement de caméra, qui se déroule dans le temps. Mais cette histoire, nous allons le voir, ne pouvait en fait être racontée et validée dans le même temps qu’à la condition expresse de rompre avec toute idée de zoom photo ou cinéma, ce travelling optique qui ne modifie pas le rendu de la perspective. Car pour effectuer notre investigation de cette anomalie visuellement apparue dans l’image du graphe, il nous fallut sans cesse changer de perspective, précisément. C’est cette nouvelle histoire que nous voulons raconter en prétendant contribuer ainsi à l’élaboration d’une méthode d’investigation topologique, qui doit posséder ses procédures, ses bibliothèques d’algorithmes, ses limites de validité et ses tests de robustesse. Mais, pour avancer dans cette voie, il convient de remettre en cause tant la métaphore de la copie carbone que celle du zoom, qui ont empêché jusqu’ici de penser la puissance propre des agencements bâtis sur les visualisations de graphe.

Le mouvement du zoom et les distances spatiales ou sociales [3]

7La force de la visualisation réside dans son effet synthétique, qui impose un cadre indépassable au commentaire et à l’interprétation. Mais la force de la métaphore du zoom procède de la même façon : les médiations qu’il convient de mettre en œuvre pour réaliser cette interprétation sont avantageusement remplacées par une navigation qui rappelle des expériences communes, comme spectateur ou comme producteur d’images fixes ou animées. Que fait un zoom photo ou cinéma si ce n’est soutenir la perception d’une stabilité des repères, construits selon les principes de la perspective alors même que le changement de focale conduit à un changement de cadrage et que le mouvement de caméra reproduit les effets d’un traveling, dit optique, qui demande mise au point automatique permanente sous peine de perdre la netteté ? Les mouvements caméra sont assez limités (zoom, pan, tilt, traveling), mais sont supposés s’appliquer à un espace à agencement topographique. Lorsque les distances sont calculées dans un espace à agencement topologique, avec les méthodes des graphes, qui semblent mêler à la fois principes formels de calcul et principes de visualisation, il semble improbable de retrouver des équivalents des mouvements de caméra. Certains chercheurs ont cependant tenté d’inventer les interfaces qui permettent de naviguer dans des bases de données en transformant les distances calculées en distances spatiales topographiques (Lecolinet et Pook, 2002) de façon à provoquer des effets de familiarité pour les usagers non experts. Or c’est aussi ce qui se passe avec la visualisation des graphes lorsque l’on veut la rendre aisément manipulable par des non-experts. Ils finissent par considérer que les distances calculées entre sites sont « naturellement » représentées dans l’espace à deux dimensions d’un écran comme distances spatiales et mieux encore que ces distances sont des équivalents des distances sociales ainsi rendues visibles. Ces équivalences des espaces de données, des espaces topographiques et des espaces sociaux, jouent sur la polysémie du terme espace. Elles avaient été largement exploitées par Bourdieu lorsque, dans La Distinction (Bourdieu, 1979), il présentait ses Analyses Factorielles de Correspondances calculées à l’aide des méthodes de Benzecri sous forme de visualisations le long d’axes (aidé en cela par l’invention récente des eigen-vectors). Il s’autorisait à y plaquer les items de Catégories Socio-professionnelles (CSP) et les axes relabellisés en « volumes de capitaux » (économique et culturel) qui n’avaient en rien été calculés selon les mêmes principes, mais seulement postulés par la théorie des différentes formes de capitaux (économique et culturel) propre à Bourdieu.

8Il est aisé de critiquer Bourdieu après coup, mais la fabrique des images de graphe revient le plus souvent au même et leur force de conviction repose sur le même effet. Certes, il est possible de rappeler que l’orientation de l’image de graphe n’a aucune signification contrairement à celles que l’on peut attribuer aux axes des analyses factorielles de correspondances, et que la visualisation ne permet pas de positionner des hiérarchies. Et pourtant, les clusters découverts par l’algorithme sont immédiatement et quasi intuitivement traduits en entités sociales dont les distances sont significatives, ainsi que nous l’avions fait pour la visualisation des « communautés » du Web du livre. Le terme lui-même de « communauté » est significatif du glissement immédiat qui se produit entre un effet de cluster produit par le calcul et son équivalent social en termes de communauté. Il n’a le plus souvent aucune valeur par rapport aux traditions sociologiques, mais il permet de sauter immédiatement du monde des artefacts numériques (les sites web, les liens) au supposé « vrai » monde social. On pourrait pourtant y appliquer un principe de précaution qui consisterait à parler d’agrégat, mais la puissance de la démonstration sociologique immédiate s’affaiblirait. Nous proposerons plutôt de parler de topoï. Nous explorons en effet un espace à agencement topologique qui produit trois dimensions à la fois :

• des topiques (au sens rhétorique) : les sites qui sont liés entre eux exploitent les mêmes éléments de discours qui se traduisent par des thèmes (topics) partagés, repérables et calculables par la distance entre chaînes de caractères (méthodes de word space et de co-occurrence en général par exemple).
• des régions ou des lieux (au sens spatial quasi topographique dans l’espace en deux dimensions d’un écran) : les algorithmes de spatialisation et de clusterisation produisent des proximités et des distances qui sont des conversions des tables issues des rankings issus eux-mêmes des calculs de clusterisation.
• des types (au sens wébérien du terme), des catégories ou des profils : en assemblant les résultats des deux premières dimensions, chaque cluster doit regrouper des entités qui présentent les mêmes attributs, censés dès lors constituer le prototype qui va servir à labelliser le cluster en question par une opposition nette avec les autres clusters. Car il ne faut jamais oublier cette étape de catégorisation qui renforcera la lisibilité des distances et facilitera le travail d’interprétation. Les images de graphe ne deviennent lisibles qu’une fois habillées de termes qui sont autant de catégorisations qui font tout le travail scientifique.

9Or toutes ces dimensions ne se trouvent jamais alignées de façon cohérente par la simple puissance des calculs, car ce sont des méthodes différentes et des couches différentes du tissage social pourrait-on dire, en reprenant cette fois la métaphore des Système d’information géographique (SIG). Un travail considérable qui fait l’objet de discussions et d’arbitrages préside à cette opération qui peut parfois tenir comme chez Bourdieu du forçage de l’alignement (on retourne les axes dégagés par l’Analyse factorielle des correspondances (AFC) pour les rendre plus cohérents avec les axes des hiérarchies de capital). Il existe bien une axiologie, une éthique et une morale au cœur de tout travail scientifique pour produire ces effets de vérité finalement si puissants (Latour et Fabbri 1977).

10Nous allons montrer comment nous avons effectué un travail long et minutieux de mise à l’épreuve de nos méthodes de calcul pour explorer les propriétés de l’anomalie de l’entrelacement spatiale des clusters BD et Jeunesse. Les clusters qui sont apparus avec les premiers calculs de modularité diffèrent de ceux de l’algorithme de spatialisation utilisé préalablement en ceci que les régions ne sont pas nettes, malgré le forçage des classifications réalisé par tout algorithme de clusterisation. Mais l’incohérence n’est pas seulement visuelle puisque les catégorisations effectuées par nos soins y jouent un rôle important. Pourtant, c’était avant tout la disposition visuospatiale non alignée, non cohérente avec les catégorisations (elles-mêmes mises en scène visuellement par des couleurs et des symboles dans cette version) qui alertait nos sens avant même notre vigilance méthodologique ordinaire.

L’entrelacement de la BD et de la jeunesse

11Dans ce cas d’entrelacement, il serait possible d’aller voir au plus près des sous-régions les types de sites, en « zoomant » au point même d’aller voir chaque site un par un, puisque le numérique permet effectivement de ne pas perdre les parties dès lors qu’on produit des « tout », des agrégats ou des clusters, ce qui est un avantage considérable sur les méthodes statistiques non numériques. Mieux même, il ne s’agit pas de retrouver la fiche descriptive du site, de l’entité de base, mais bien le site actif, sans qu’il ait disparu sous les catégories ou les traitements, comme si l’on pouvait retourner voir sans cesse les personnes interrogées lors d’un sondage pour vérifier qu’elles avaient bien répondu de telle ou telle façon à la question. Nous décidons même, pour plus de clarté, de détacher cette partie entrelacée, cette région, du « tout », c’est-à-dire du reste du graphe, en supprimant les liens qui les unissent aux autres sites tout en conservant leur spatialisation obtenue à l’origine (figure 3). L’entrelacement se voit mieux, mais nous n’en comprenons pas plus les propriétés. D’une certaine façon, nous avons recadré, c’est-à-dire enlevé du bruit. Le zoom classique, même recadré, ne donne rien. Il est en effet normal que les parties du graphe restent positionnées en fonction du graphe complet quand bien même on fait disparaître visuellement les liens.

Figure 3

Clusters BD et Jeunesse détachés du graphe complet spatialisé

Clusters BD et Jeunesse détachés du graphe complet spatialisé

– Algorithme de spatialisation : Force Atlas – La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

12Il nous faut alors entrer dans une démarche de recalcul itératif de l’agencement du graphe pour mieux comprendre les propriétés de cet entrelacement. Nous ne cherchons pas à l’expliquer, à en trouver une cause à proprement parler, mais seulement à nous assurer qu’il y a bien entrelacement et à faire apparaître les propriétés de cet entrelacement. À ce moment, les données sont bien des « obtenues » (Latour, 2012), quand bien même elles l’étaient auparavant : il nous faut retravailler, reparamétrer, changer d’algorithme, etc. Nous sommes ici plus proches d’une démarche réellement expérimentale. Or c’est exactement ce que devraient permettre de faire les visualisations de graphe, de façon à contester les évidences supposées des premiers résultats. Il faudrait même souhaiter qu’aucun résultat immédiat ne soit considéré comme acceptable tant qu’il n’a pas subi des tests de robustesse du type de ceux que nous avons tentés. La démarche de tests a porté sur plusieurs éléments composant au final l’image qui nous paraît problématique :

• l’algorithme de spatialisation,
• la catégorisation par l’algorithme de clusterisation et par le chercheur,
• les effets du graphe global (le tout empêche de voir les parties),
• les effets du graphe local et le choix des descripteurs appliqués au graphe.

Un biais d’analyse lié au choix de l’algorithme de spatialisation

13Tout chercheur qui a déjà pu visualiser des réseaux est étonné de la variété des algorithmes de spatialisation et des résultats qu’ils produisent. Chacun d’entre eux possède ses propres modalités et un grand nombre de paramètres doivent être réglés afin d’obtenir une spatialisation qui soit lisible par le chercheur, sans compter qu’un même algorithme produit des résultats différents d’une fois sur l’autre. Notre premier réflexe face à l’entrelacement des clusters BD et Jeunesse a donc été de nous interroger sur le poids du choix de notre algorithme (Force Atlas) afin de comprendre s’il pouvait être en partie lié au phénomène que nous observions. La manière la plus simple de tester l’algorithme est de procéder à une comparaison des résultats avec d’autres outils de spatialisation. La figure suivante montre les spatialisations réduites aux deux communautés BD et Jeunesse, extraites des graphes complets sur lesquels on a appliqué différents algorithmes (figure 4).

Figure 4

Clusters BD et Jeunesse détachés du graphe complet spatialisé avec différents algorithmes précisés pour chaque figure

Clusters BD et Jeunesse détachés du graphe complet spatialisé avec différents algorithmes précisés pour chaque figure

– La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

14Le premier résultat fait apparaître que sur six algorithmes présents par défaut dans le logiciel Gephi (Bastian, Heymann et Jacomy, 2009), seul l’un d’entre eux (Yifan Hu) produit une séparation plus marquée des deux clusters lorsque l’on applique ce dernier sur le graphe complet. Plus précisément, il détache les deux clusters de manière plus franche, mais on constate encore de nombreux nœuds du cluster BD (triangles noirs) qui viennent se placer dans l’espace à gauche occupé principalement par le cluster Jeunesse (ronds blancs). Dans les cinq autres cas, le phénomène d’entrelacement est très visible et les deux clusters se partagent le même espace. Nous pouvons en déduire que le choix de l’algorithme n’a pas introduit dans ce cas de biais qui aurait produit un phénomène d’entrelacement entre les deux clusters. Tous ces algorithmes ont en commun de montrer les mêmes agrégats visuels, mais de façon différente. Mathématiquement, cette famille d’algorithmes manifeste les clusters optimisant la modularité, c’est pourquoi il y a une correspondance entre la couleur et la position des nœuds dans chaque image. La différence la plus importante entre les algorithmes se trouve dans le rapport des forces d’attraction et de répulsion des nœuds. Le plus ancien algorithme, Fruchterman Reingold, propose un équilibre qui laisse apparaître de nombreux filaments, le résultat n’est pas compact (voir figure 4 en bas à droite). Cette caractéristique rend confuse inutilement l’image et les algorithmes suivants essayent de la minimiser. De ce point de vue, les trois algorithmes de Yifan Hu sont un peu meilleurs, et les deux Force Atlas meilleurs encore. L’équilibre optimal est atteint par le LinLog d’Andreas Noack (non montré ici). Les algorithmes de Yifan Hu ont une philosophie spécifique, car ils disposent d’une heuristique pour arrêter le calcul pour déterminer le point d’arrêt optimal, tandis que l’arrêt est manuel dans les trois autres. Les dernières différences concernent l’optimisation de l’algorithme. La version 2 du Force Atlas accélère le calcul avec une approximation, tandis que les deux variantes du Yifan Hu sont deux optimisations différentes.

15Il n’est pas anodin de rappeler la diversité des choix d’algorithme de spatialisation. Dans un souci de simplification des outils et de démonstration spectaculaire, on peut faire disparaître tous ces choix pour mettre en avant « la science faite ». Pourtant, les images fournies sont au final très différentes. Les cartes du Web ne reposent pas sur une convention unique ni sur des paramètres de référence considérés comme des conventions stables, comme le sont la plupart des cartes topographiques pour des usages ordinaires. Les cartes des géographes, pourtant, sont elles aussi des processus, elles reposent sur des protocoles et les anamorphoses (Lévy, Maitre et Romany, 2016) montrent comment de nouveaux critères de spatialisation peuvent être introduits sur un fond topographique supposé conventionnel et pour cela supposés évidents.

Catégories du chercheur et de l’algorithme de modularité

16Si le biais de l’algorithme de spatialisation semble écarté, il est important d’interroger les catégories qui servent à interpréter le graphe qui pourraient être à l’origine de l’entrelacement des deux clusters BD et Jeunesse. La catégorisation du graphe résulte, comme nous l’avons expliqué auparavant, de deux opérations conjointes et indépendantes qui ont consisté, d’une part, à appliquer un algorithme de modularité au graphe afin de détecter des clusters dans la structure (Blondel et al., 2008), et d’autre part, à étiqueter tous les sites qui composent le graphe de manière qualitative en leur appliquant au moins un tag (type de site web ou type d’acteur) et jusqu’à quatre tags supplémentaires pour décrire de manière synthétique les genres littéraires présents sur les sites. C’est à partir de ces deux types de classification, algorithmique et qualitative, que l’interprétation des clusters a pu être réalisée. Pourtant, ce travail de création des frontières internes au graphe, de découpage en entités distinctes et présentées comme cohérentes relève de choix effectués par le chercheur qui dispose de différents outils et méthodes.

17Il existe différents algorithmes de clustering qui possèdent chacun leurs spécificités et produisent sur un même graphe des clusters différents. L’algorithme de modularité, qui est une forme de clustering spécifique, peut lui-même varier en fonction du seuil de « résolution » que l’on détermine avant de l’appliquer au graphe. Ainsi, le nombre de clusters et leur taille varient suivant la définition de ce seuil. Sur le graphe étudié, la clusterisation en 9 clusters est obtenue avec un seuil de « résolution » (Lambiotte et al., 2009) réglé par défaut sur 1, mais il faut pourtant préciser que ce nombre de clusters peut également varier d’une passe à l’autre, car le modèle fonctionne par comparaison à un modèle aléatoire qui peut entraîner une variation à la marge du nombre de clusters obtenus. Il est parfois donc nécessaire de recomposer les clusters du graphe en associant aux plus stables, des clusters de taille très restreinte (moins de 1 % du graphe) de sorte que l’on puisse obtenir une lecture « plus aisée » de ses différentes composantes. Si l’on applique au graphe un seuil de 0.5, le nombre de clusters obtenus peut aller jusqu’à 22 clusters détectés. Si à l’inverse on augmente le seuil à 2, on obtient un découpage en 3 clusters principaux, la blogosphère (ronds blancs) les métiers du livre et infocom (carrés gris), et une composante commune (triangles noirs) pour les clusters initialement distingués que sont BD et Manga, Jeunesse et Comics. L’entrelacement des clusters BD et Jeunesse n’est plus visible dans ce cas puisqu’ils sont inclus dans un seul et même cluster (figure 5).

Figure 5

Web littéraire en France en 2010

Web littéraire en France en 2010

– Seuil de 2 pour l’algorithme de modularité produisant 3 composantes principales – Algorithme de spatialisation : Force Atlas – La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

18Cette variété des choix méthodologiques et le travail de recomposition des clusters montrent à quel point le traitement appliqué sur un graphe est important dans le processus d’analyse des résultats. Bien qu’il s’agisse ici d’outils algorithmiques qui semblent automatiques, les choix qui sont effectués par le chercheur dans la configuration de ces outils modifient les résultats obtenus et le récit qui pourra y être associé. Tester la sensibilité et la robustesse de ces outils permet, en procédant pas à pas, d’effectuer les choix les plus cohérents en fonction des objectifs de l’étude et d’être également alerté sur les limites de l’interprétation des résultats obtenus.

19Le travail de qualification des nœuds, quant à lui, ne repose que sur une connaissance du domaine étudié et sur un travail qualitatif d’indexation minutieux et lent lorsqu’il s’agit d’un graphe de cette taille. Les catégories du chercheur sont, comme celles des algorithmes, tout aussi discutables. Dans le cas présent, elles sont largement inspirées des classifications en matière de genres littéraires telles qu’on les trouve chez les libraires. Les débats classiques sur les limites des classifications ordinaires et expertes montrent bien à quel point catégoriser le monde amène systématiquement à faire des choix en fonction d’objectifs spécifiques qui n’ont le plus souvent de cohérence que pour une communauté qui partage des centres d’intérêt et un langage communs. Mais cela indique également que ces catégories reposent le plus souvent sur des frontières poreuses que l’on tente de maintenir en prenant des décisions arbitraires face aux cas spécifiques qui entrent difficilement dans des catégories préétablies. De la même manière, les catégories utilisées dans cette étude présentent de nombreuses imperfections ainsi que les principes de généralisation qu’il a fallu adopter afin de faciliter la lecture du graphe. Ainsi, on pourrait largement discuter du terme utilisé pour le cluster « Littérature générale et étrangère » qui, comme son nom l’indique, regroupe des blogs de lecteurs qui offrent des entrées très variées en littérature classique et contemporaine. On pourrait encore discuter de la distinction faite entre le cluster « Littérature et Fantasy » (blogs principalement centrés sur l’heroïc fantasy) et le cluster « SFFF » pour Science-fiction, Fantasy et Fantastique qui regroupe des blogs et sites plus axés sur la Science-fiction traditionnelle. Enfin, l’existence d’un cluster « Comics » séparé de la « BD et manga » est tout aussi discutable. Nous avons limité les perturbations en choisissant un seuil pertinent pour faire « suffisamment » de distinction dans les entités qui composaient notre graphe, sans nous noyer dans une multitude de sous-communautés difficile à interpréter. L’analyse de ces clusters à partir des tags appliqués à chaque site, de manière indépendante de ce traitement algorithmique, nous a amenés progressivement à stabiliser nos catégories pour rendre le graphe intelligible et en proposer une analyse qui semble cohérente. Un aller-retour constant entre connaissances expertes et paramétrage des algorithmes doit constituer une phase essentielle du travail pour éviter de fétichiser toute catégorie. Il serait aussi nécessaire de pratiquer des tests de robustesse de ces classifications qui, selon les méthodes utilisées et les volumes de données, peuvent parfois demander un long temps de calcul.

La tension relationnelle entre les différentes composantes du graphe

20La troisième hypothèse émise pour comprendre cet entrelacement consiste à considérer que ce sont les relations des clusters BD et Jeunesse avec le reste du graphe qui les amènent à se spatialiser dans la même région du graphe complet. Autrement dit, les liens que partagent les clusters BD et Jeunesse avec les autres clusters sont assez semblables pour que les algorithmes de spatialisation les contraignent à se positionner dans le même espace. Afin de tester cette hypothèse, il faut procéder à une suppression progressive des clusters voisins sur le graphe complet et procéder à une nouvelle spatialisation pour observer l’effet que cette perte de relations peut avoir sur l’entrelacement des deux clusters BD et Jeunesse. Il s’agit donc de décomposer pas à pas le graphe et de le spatialiser à nouveau. Cela revient de fait à produire un effet de zoom, car on élimine petit à petit l’environnement, mais cela n’est qu’une impression visuelle, car l’opération consiste au contraire à prendre en compte à quel point chaque nœud est tributaire de tous les autres pour son positionnement. Or le « tout » que nous prenons comme point de départ n’est lui-même qu’un artefact que nous avons construit à partir de notre connaissance du domaine. Aucun « tout » n’est saisi autrement que par la médiation d’un artefact. Mais ici, nous avons les moyens de changer son périmètre à volonté pour voir ce qui demeure dans la spatialisation de départ qui nous posait problème.

21Si l’on soustrait au graphe complet la plus importante composante du graphe qu’est le cluster « Métiers du livre et médias » et que l’on applique à nouveau l’algorithme Force Atlas, on constate que les deux clusters BD et Jeunesse tendent à se séparer (figure 6, première image à gauche). De la même manière, en supprimant la seconde composante du graphe représentée par le cluster « Littérature générale et étrangère », on observe que la séparation entre BD et Jeunesse est plus marquée (figure 6, image du centre). Le résultat est moins significatif si l’on supprime le cluster « Littérature et Fantasy », mais la suppression de ce cluster semble limiter l’entrelacement des clusters BD et Jeunesse (figure 6, image de droite).

Figure 6

Clusters BD et Jeunesse découpés du graphe spatialisé par Force Atlas en supprimant successivement les 3 composantes principales

Clusters BD et Jeunesse découpés du graphe spatialisé par Force Atlas en supprimant successivement les 3 composantes principales

– La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

22Si l’on supprime à présent en même temps les trois composantes principales que sont « Métiers du livre et médias », « Littérature générale et étrangère » et « Littérature et Fantasy », mais que l’on conserve les autres clusters en appliquant un algorithme de spatialisation Force Atlas, on observe une séparation totale des deux clusters BD et Jeunesse (figure 7).

Figure 7

Web littéraire en France en 2010 spatialisé par Force Atlas en supprimant les 3 composantes principales

Web littéraire en France en 2010 spatialisé par Force Atlas en supprimant les 3 composantes principales

– La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

23Il semble que notre hypothèse soit validée en partie, car les tensions générées par les trois composantes principales du graphe exercent une contrainte qui tend à faire s’entrelacer les clusters BD et Jeunesse. Une fois libérés de tout ou partie de cette contrainte, les clusters détectés par l’algorithme de modularité comme deux communautés distinctes se séparent pour occuper un espace qui leur est propre, même si elles restent juxtaposées.

24Ce résultat peut satisfaire le chercheur. En effet, les catégories (« BD » et « Jeunesse ») qu’il avait appliquées au début de son exploitation du graphe continuent de faire sens. Car ce qui posait problème était bien l’inadéquation entre la visualisation et cette catégorisation et non la visualisation en tant que telle. Cet élément de méthode est important, car ce sont les imperfections, les marges, les cas particuliers ou incohérents qui constituent le ressort de toute méthode scientifique : lorsque toutes les hypothèses sont confirmées, parfois du premier coup, il existe à coup sûr un risque d’artefact de méthode. Il est donc très important de tenir compte des travaux qui font état d’échec, d’impasses ou de résultats négatifs, car ce sont eux qui vont inciter à faire avancer la communauté scientifique. Or la force d’imposition des images de graphes est souvent mobilisée pour démontrer la validité d’une interprétation particulière qui devrait le plus souvent rester provisoire. Cependant, ce résultat ne nous est pas apparu suffisant à nouveau, car obtenir seulement la confirmation de ses catégorisations ne permet pas de comprendre ce qui provoquait cet entrelacement une fois le graphe général réinjecté dans les liens des deux clusters. Il fallait donc tester encore une dernière hypothèse.

La structure et la composition interne des clusters BD et Jeunesse

25Sans invalider l’hypothèse précédente, c’est en s’intéressant à la composition interne et en appliquant d’autres traitements à ces deux clusters que nous comprenons en partie la raison pour laquelle ils ne se distinguent pas sur le plan de la spatialisation, mais sont pourtant détectés comme deux clusters différenciés du point de vue de l’algorithme de modularité. Nous partons du résultat précédent, où le graphe des deux clusters a été séparé du reste du graphe global puis respatialisé avec l’algorithme Force Atlas. On distingue bien (figure 8 à gauche) que les deux communautés, ainsi libérées des tensions avec le reste du graphe complet, se séparent distinctement.

Figure 8

Clusters BD et jeunesse découpés du graphe complet et spatialisés ensemble avec l’algorithme Force Atlas – À gauche par genres littéraires et à droite par types d’acteurs

Clusters BD et jeunesse découpés du graphe complet et spatialisés ensemble avec l’algorithme Force Atlas – À gauche par genres littéraires et à droite par types d’acteurs

– La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

26Il faut encore vérifier si les catégories mobilisées sont les seules pertinentes et surtout chercher à comprendre ce qui peut produire malgré tout un entrelacement. À la fois remettre en cause et discuter les classifications du chercheur et de l’expert, systématiquement, et se laisser affecter par le démenti apporté par l’entrelacement, sans vouloir le réduire a priori à un artefact. Il faut alors mobiliser d’autres tags descriptifs des sites, qui sont autant de nouveaux principes de classification qui peuvent compléter ou contester les catégories de BD et de Jeunesse. Nous tentons alors d’exploiter la classification par types d’acteurs (Blogs et Blogs ProAm, Éditeurs, Libraires, etc.). Cela revient-il à « zoomer » dans une des propriétés de ces ensembles, en déclinant un attribut de leur profil, celui du type d’acteurs ? Pas vraiment, car il s’agit alors de réorganiser tout le graphe en fonction de ces nouvelles catégories et de vérifier si elles nous apprennent autre chose, ce qui peut conduire à invalider la pertinence des premières catégorisations. Là encore, déplacement de point de vue et non de zoom, pourrions-nous dire, car ces supposés attributs sont en fait des candidats comme les autres à prendre le « tout » dans leurs principes. L’absence de hiérarchie et d’emboîtement est importante à préserver et nous rapproche d’une méthode monadologique puisque toute catégorie peut embrasser le reste du monde à partir de son point de vue (Tarde, 1893).

27La comparaison ci-dessous des deux graphes, l’un basé sur les genres littéraires (tels que les catégories BD et Jeunesse) et l’autre sur les types d’acteurs (tels que blogs et blogs ProAm [4], éditeurs, libraires) nous paraît visuellement très stimulante, car nous obtenons une nouvelle partition claire du graphe (figure 8). En effet, en modifiant ces catégories, on constate que deux clusters se distinguent et montrent une séparation entre d’un côté des blogs de lecteurs et de critiques dans le domaine de la BD et de la Jeunesse (les ronds blancs sur le graphe de droite, figure 8) et de l’autre les blogs ProAm (les carrés noirs sur le graphe de droite, figure 8). Ce qui distingue ces deux types de sites est que les « Blogs ProAm » sont des sites d’illustrateurs et d’auteurs qui publient leurs créations sur leur blog, alors que les « Blogs » correspondent aux sites de lecteurs de BD ou de littérature jeunesse qui publient des billets d’avis ou des notes critiques sur les œuvres qu’ils lisent. Les « Blogs ProAm », qu’ils appartiennent au monde la BD ou à celui de la littérature jeunesse, sont très liés entre eux et jouent ce rôle de bridges (Burt, 2005), à l’échelle de toute une catégorie. Cette division offre une nouvelle partition du graphe qui n’est plus fonction du genre littéraire, mais qui distingue les simples lecteurs et critiques de ceux qui produisent et publient des contributions (illustrations ou histoires).

28La mise en évidence de la présence forte de « Blogs ProAm » dans cet entrelacement nous alerte sur leur rôle potentiel. Mais c’est l’analyse qualitative du contenu de ces blogs qui nous permet de constater que la plupart des « Blogs ProAm » produisent des récits et des illustrations dans les deux genres littéraires, en BD et en littérature jeunesse, ce dernier genre littéraire étant composé pour une importante part d’un travail d’illustration. Or ce trait saillant, l’importance de l’illustration dans la littérature jeunesse, ne pouvait pas a priori être considéré comme pertinent pour comprendre les relations entre ces deux clusters. Un expert aurait pu le savoir, mais n’aurait pas nécessairement anticipé l’effet de ce trait sur les relations entre communautés. D’un autre côté, la catégorie qui fait l’objet d’un tag général (les blogs ProAm) paraissait significative à une échelle large, mais elle n’avait pas a priori d’importance dans la structure du graphe, aucune hypothèse a priori ne soutenait sa présence, si ce n’est un souci de produire une description empirique plus fine. C’est uniquement par cette démarche expérimentale faite de déplacements de points de vue successifs que l’on a pu faire émerger le rôle joué par ces nœuds, de façon inductive. Et c’est par la connaissance experte du domaine que l’on peut alors effectuer un retour sur les sites que représentent ces nœuds puis sur les acteurs qui publient ces sites : les professionnels de l’illustration de jeunesse sont aussi des dessinateurs de BD et ils ont un statut de marginal sécant (Crozier et Friedberg, 1977) pour les deux communautés.

29Sur le plan de la visualisation, la coexistence de deux divisions « orthogonales » est un effet de complexité typique dans un réseau de ce type, dû à la superposition de multiples facteurs dans l’établissement de liens hypertextes. Les deux divisions sont « orthogonales » visuellement, mais aussi métaphoriquement parce qu’elles s’opposent effectivement dans la topologie du réseau. La comparaison des deux images nous montre à la fois l’intérêt de projeter des catégories et à la fois le compromis établi par la spatialisation, où l’œil expert peut deviner la double division et le double attachement, vertical ou horizontal. Maintenant que les catégories nous ont montré la voie, nous pouvons orienter notre regard pour « lire » deux groupes verticaux, deux groupes horizontaux ou encore quatre groupes en carré. Cette superposition de niveaux de lecture est généralement responsable de l’effet « hairball » [5], où le compromis de l’algorithme empêche une séparation nette des clusters, et on voit bien ici comment les catégories permettent de dénouer efficacement la superposition d’attachements en renforçant l’un au détriment des autres.

30Une fois découverte la puissance analytique de la catégorie des types d’acteurs, rien n’empêche de tester sur tout le graphe sa pertinence et son effet sur la clusterisation de tout le domaine. La distinction Blogs ProAm et Blogs est-elle pertinente au-delà du cas évoqué ou peut-elle se substituer ou tout au moins compléter l’analyse du « tout » selon une partition nouvelle ? En effet, si l’on applique au graphe des symboles et couleurs en fonction des acteurs et non des genres littéraires, autrement dit si l’on modifie notre grille de lecture du graphe, ce dernier offre un autre visage du Web littéraire. On constate alors que la partie gauche du graphe est quasiment exclusivement composée de blogs de lecteurs (ronds blancs) alors que le reste du graphe au centre et à droite est composé d’acteurs beaucoup plus hétérogènes. On peut également repérer en bas à droite un ensemble de blogs « Pro-am » très liés entre eux (carrés noirs) dont on a pu détecter qu’ils formaient le ciment des clusters BD et Jeunesse situés dans cette région du graphe.

Figure 9

Web littéraire en France en 2010 par types acteurs

Web littéraire en France en 2010 par types acteurs

– Algorithme de spatialisation : Force Atlas – La taille des nœuds est fonction de leur degré (nombre de liens hypertextes partagés avec les autres nœuds)

Conclusion

31On peut comprendre aisément la fascination exercée par la continuité apparente fournie par les dispositifs numériques entre le tout et ses parties, notamment parce qu’elle permet de soutenir la critique du monde en plusieurs niveaux comme B. Latour l’a proposée. C’est pourquoi la métaphore du zoom cinéma a constitué une ressource rhétorique fréquemment utilisée. Elle avait l’avantage de contrecarrer les oppositions macro-micro qui organisent une division du travail sans grand intérêt au sein des sciences sociales. Le compte rendu que nous venons d’effectuer d’une exploration des données issues d’un crawl du Web du livre francophone a été réalisé délibérément sur le mode d’un récit de sociologie des sciences ou encore selon un principe ethnométhodologique : nous avons rendu compte de nos propres impasses, de nos tentatives, de nos choix successifs effectués avec toutes les hésitations et les incertitudes propres à « la science en train de se faire ». Ce faisant, nous ne contestons pas la nécessité de fournir des comptes rendus moins détaillés qui donnent la vision synthétique des résultats. Nous souhaitons avant tout montrer comment les conventions d’exploitation des méthodes de graphe dans les sciences sociales restent encore à établir pour garantir la qualité nécessaire aux résultats, de la même manière qu’elles font l’objet de discussions dans d’autres disciplines scientifiques. Il n’est pas possible de se contenter des métaphores de la copie carbone et du zoom pour rendre compte du travail effectivement réalisé lors de l’exploration des graphes. Notons bien qu’il ne s’agit que d’un domaine des humanités numériques, d’une technique particulière, qui privilégie de fait une vision statique des réseaux à base de liens hypertextes, qui produit ce que nous avons appelé ici des topiques (dans le cadre d’une topologie). D’autres travaux de suivi des vibrations sous forme de timelines et d’arbres génétiques sont aussi nécessaires pour comprendre d’autres dimensions des entités produites par les plateformes numériques (Boullier, 2015). Le cas des topologies et des visualisations est cependant intéressant pour montrer la force des images qui ressemblent à des cartes, et auxquelles on applique des métaphores visuelles inadaptées, mais issues de conventions plus anciennes. Nous avons voulu raconter l’histoire des changements successifs de points de vue qui permet de nous détacher de l’immédiateté supposée de l’effet zoom. Explorer les parties du tout constitué par notre graphe d’origine nous a obligé à abandonner le premier récit basé sur des distances visuelles « évidentes » pour nous focaliser sur les zones à problème, là où les catégories et la visualisation ne produisent pas d’équivalence ni de frontière nette. Se focaliser sur l’entrelacement de clusters de la BD et de la Jeunesse n’a pas consisté à zoomer, à changer d’échelle, mais à recalculer cette zone en faisant varier plusieurs paramètres pour comprendre l’anomalie : faire varier les algorithmes, les connexions avec le tout du graphe, et finalement faire varier les catégories qui présidaient à la première clusterisation. Et enfin, il a fallu retourner vers les sites en question individuellement pour comprendre ce rôle particulier de « bridge » joué par certains nœuds des illustrateurs et dessinateurs de BD et Jeunesse, ce qui constitue une forme de travail d’interprétation que l’on dit qualitatif par observation du matériel publié et usage de notre connaissance experte du domaine. Dans cette démarche, il n’est pas question de « naviguer » dans les données, de « plonger » dans les détails ou de « zoomer », mais en permanence de déplacer le point de vue et d’y adapter les calculs. L’algorithme est au service de notre investigation et des solutions techniques différentes donnent toujours des résultats différents. Dans la préhistoire des sciences du Web dans laquelle nous nous trouvons, il serait nécessaire de parvenir à produire des protocoles d’exploration et des tests de robustesse qui deviennent des prérequis pour toute exploitation de ces données. Notre compte rendu espère y avoir contribué.