Analyse lexicométrique d’un corpus de circulaires du ministère de l’Intérieur

par Clément Arnaud, département de la Justice et de l’Intérieur

Contexte du projet

Les Archives nationales conservent, dans les fonds produits par le ministère de l’Intérieur, plusieurs collections de circulaires émanant de différentes directions : direction de la sûreté générale puis nationale, secrétariat général etc. Une circulaire est un texte transmis par une autorité administrative aux services placés sous son autorité hiérarchique, voire aux administrés, pour les informer d’une nouveauté législative ou réglementaire. La circulaire est parfois envoyée avec le texte de loi ou le règlement qu’elle est chargée d’éclairer et de présenter à ceux qui devront l’appliquer. Sources essentielles notamment pour l’histoire administrative, les circulaires font l’objet de fréquentes communication en salle de lecture.

Les inventaires décrivant ces collections de circulaires ne sont pas homogènes. Selon les périodes chronologiques couvertes, ils sont :

  • Très précis : description des circulaires à la pièce, avec intitulé, date et direction à l’origine de la circulaire ;
  • Très succincts : mention uniquement des dates et numéros des circulaires conservées dans une cote d’archives.

En 2022, un projet archivistique autour des circulaires est mis en œuvre afin de faciliter et d’homogénéiser les outils d’accès à ce corpus. Le choix est fait de généraliser la description à la pièce, avec une priorité sur les cotes les plus consultées. L’inventaire détaillé publié à terme en ligne (téléchargeable au format XML-EAD), ne permettra pas, tel quel, de révéler entièrement la richesse de ce fonds, du fait des limites du format en terme de manipulation et d’interrogation des données (thématique, chronologique, sémantique).

Le billet qui suit présente les résultats d’une analyse lexicométrique d’un échantillon du corpus, réalisée à partir des tableurs utilisés pour enrichir les descriptions. Envisagée dès le début du projet, cette expérimentation de « fouille de texte » a permis de prendre connaissance du corpus avec approche visuelle des données, assez différente de l’inventaire traditionnel. Les données étudiées se concentrent principalement sur une période chronologique précise : le début du XXe siècle et surtout la Première Guerre mondiale.

A noter que les visualisations présentées ci-dessous à titre expérimental présentent trois biais :

  • La collection de circulaires utilisée reste incomplète. La collection considérée (vraisemblablement les circulaires autographes du secrétariat général du ministère de l’Intérieur pour la période 1907-1945 conservées sous les cotes F/1a/3512 à F/1a/3532) présente des lacunes, notamment pour les circulaires émanant de la direction de la sûreté générale.
  • Les titres des circulaires ne sont pas tous d’origine.Une circulaire sur quatre n’a pas de titre : des titres ont donc été forgés, le plus souvent à partir de termes eux-mêmes trouvés dans le corps de la circulaire. Cette méthode, sans doute la plus respectueuse du contexte documentaire, est cependant imparfaite car elle ne reconstitue pas forcément la formulation de l’époque.
  • Le nombre total de termes est assez faible. Le corpus représente en totalité 3494 termes, ce qui demeure un volume assez faible et qui mériterait d’être enrichi pour être représentatif.

Sommaire : ContexteVisualisation des termes par nombre d’occurrencesVisualisation par tendanceConclusion

Visualisation des termes par nombre d’occurrences

Procédés et étapes de mise en œuvre

Il s’agit de quantifier la répétition d’un même mot et d’établir la liste des termes les plus employés au fil du temps. Cette visualisation permet de dégager des thématiques.

Chaque terme a été isolé et associé à la date de la circulaire dans laquelle il apparait, à l’aide d’une feuille de style XSLT associée au fichier Excel des données descriptives des circulaires. Les termes non signifiants (déterminants, conjonctions de coordination…) ont été supprimés afin d’éviter le bruit. Les données obtenues ont été analysées dans un graphique croisé dynamique.

Fichier de description des circulaires

Fichier de description des circulaires

Fichier XML après traitement par l'XSLT

Fichier XML après traitement par l’XSLT

Tableau des 10 termes les plus utilisés sur la période 1907-1913 dans les circulaires

Tableau des 10 termes les plus utilisés sur la période 1907-1913 dans les circulaires

Analyse des résultats

Pour la période 1914-1918, les termes directement liés au contexte militaire sont, sans surprise, surreprésentés. Les mots liés à l’aide publique, figurant déjà sur la période antérieure 1907-1913, sont également très présents. Les termes « Allocation », « Assistance » et « Famille » témoignent de l’implication du ministère de l’Intérieur dans la guerre.

Tableau des 10 termes les plus utilisés sur la période 1914-1918 dans les circulaires

10 termes les plus utilisés sur la période 1914-1918 dans les circulaires

Selon la même méthodologie, et à partir d’Excel, il est possible de visualiser le nombre de termes total au sein des circulaires. On observe sur la période un fléchissement puis une hausse franche de la production de circulaires avec l’arrivée de la guerre. Cette évolution aurait été moins aisément visible dans un instrument de recherche détaillé.

Nombre total de termes dans les circulaires entre 1907 et 1918

Nombre total de termes dans les circulaires entre 1907 et 1918

Limites de la visualisation par nombre d’occurrences

Si les résultats par nombre d’occurrences sont intéressants, cette analyse, faite ici sur la période de la Première Guerre mondiale, gagnerait à être étendue au corpus sur un temps plus long, afin de pouvoir comparer des périodes ou des événements entre eux.

Cette visualisation ne permet pas d’analyser la progression de l’utilisation d’un terme. Celui-ci peut être peu représenté à l’échelle du fonds, mais utilisé de manière croissante. Par exemple, le mot « femme » n’apparaît pas du tout sur la période 1907-1912, mais apparaît tous les ans à plusieurs reprises sur la période 1913-1918. Cette forte progression (7 fois en 1914, soit autant que le terme « militaire ») n’est pas visible dans l’analyse par nombre d’occurrences totales ; il faut recourir à une visualisation par tendance.

Usage du mot "femme" entre 1907 et 1918

Usage du mot “femme” entre 1907 et 1918

2. Visualisation par tendance

Procédés et étapes de mise en œuvre

La visualisation par tendance permet d’observer les évolutions de l’usage d’un terme. L’outil Voyant Tools, projet open source accessible en ligne, spécifiquement dédié à ce type de visualisation a été utilisé ci-dessous.

Analyse des résultats

Le graphique de tendance généré par l’outil permet de représenter la fréquence d’un terme en fonction du temps et du nombre total de mots du jeu de données selon la méthode suivante :

  • L’axe des abscisses indique le sens de lecture, ici chronologique. Les circulaires étant classées par date, le 0 correspond au premier mot du jeu de données, le 10 le dernier mot ;
  • L’axe des ordonnées montre la proportion (en pourcentage) du terme par rapport au total des termes.

En paramétrant l’outil, il est possible de comparer la tendance d’usage d’un terme par rapport à d’autres d’un même champ sémantique proche. Ici par exemple, les mots « femme » et « famille » semblent s’associer ou se substituer l’un à l’autre sur la période 1907-1918.

Tendance d'usage des mots "femme" et "famille" entre 1907 et 1918

Tendance d’usage des mots “femme” et “famille” entre 1907 et 1918

Voyant Tools permet de compléter cette visualisation par un affichage des termes dans leur contexte. Cela permet de vérifier que le terme est bien utilisé dans le sens souhaité.

Utilisation en contexte du terme "femme"

Utilisation en contexte du terme “femme”

La visualisation par syntagme (groupe de mots) permet d’isoler les groupes de mots couramment utilisés. Dans le cas des circulaires, les syntagmes les plus fréquents font écho aux termes les plus utilisés sur l’ensemble de la période (voir visualisation par nombre d’occurrence). 

Syntagmes les plus utilisés entre 1907 et 1918

Syntagmes les plus utilisés entre 1907 et 1918

Limites de la visualisation par tendances

L’approche lexicométrique offre des perspectives originales de navigation et d’appréhension du corpus des circulaires. Elle doit néanmoins restée connectée au mode de constitution du fonds et du corpus. Une courbe par tendance ascendante doit être pondérée par rapport au nombre total d’occurrence.

Conclusion

Ce type d’analyse lexicométrique est transposable sur d’autres corpus archivistiques (réglementaire, sériel, …). Les résultats, même sur des échantillons de données restreints et malgré les limites et biais d’analyse, permettent de mettre en avant aussi bien des caractéristiques et des exploitations scientifiques possibles d’un corpus, que d’aider à la description archivistique et à l’enrichissement des éléments de présentation des fonds et inventaires.

Ressources : Fichier des données XLSX_1914_1918



Citer ce billet
Le labo des archives (2023, 16 janvier). Analyse lexicométrique d’un corpus de circulaires du ministère de l’Intérieur. Archives nationales, carnet de recherche. Consulté le 28 mars 2024, à l’adresse https://doi.org/10.58079/qnx5

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.