1. Installation du logiciel
1.1. Téléchargements préalables
RAPPEL: il faut avoir un **vrai** ordinateur (ie processeur type Intel ou AMD et non ARM) pour que ce logiciel fonctionne. Il peut tourner sous Mac OS X (Sierra inclus), Windows ou linux (testé sous ubuntu par son développeur).
XQuartz
Sous Mac OS X pour qu’Iramuteq fonctionne, il faut installer XQuartz, permettant de faire fonctionner des applications spécifiquement Unix sous mac.
Une fois l’installation terminée, il faut redémarrer l’ordinateur.
r-project
Il faut ensuite installer R, sans lequel Iramuteq ne peut pas fonctionner :
1.2. Téléchargement d’Iramuteq
Installer ensuite Iramuteq en suivant les instructions:
(il existe une version source dans un dépôt git, mais sa compilation peut être complexe)
Lancer Iramuteq.
Iramuteq devrait vérifier puis installer les bibliothèques R dont il a besoin (ca, rgl, ape, proxy, gee, igraph, wordcloud, irlba, textometry).
Vérifier si l’installation est complète
Pour Windows :
Dans Iramuteq, aller dans Edition puis Préférences
Pour Mac :
Préférences
Puis cliquez sur « Vérifier l’installation des librairies de R » (1)
2. Formatage du corpus
Le format doit être en texte brut (.txt), il doit aussi être enregistré au format UTF-8 (conseillé).
Les textes sont introduits par quatre étoiles (****) ils sont suivis d’une série de variables étoilées (*variable), dans notre exemple il s’agit de cela :
**** *introduction Introduction (...) **** *chapitre1 Chapitre 1er Parcours d’un financier (1877–1929) (...)
Pour formater le texte plus rapidement, voir les expressions régulières.
3. Statistiques
3.1. Téléchargement du corpus de l’exemple
Pour notre exemple, nous allons utiliser un corpus, celui de Frederic Clavert par rapport à sa thèse “Hjalmar Schacht, financier et diplomate (1930-1950)”, plus d’infos sur son site ici.
Il faut les enregistrer en faisant un clic droit sur le lien et “Enregistrer sous” ou “Save as” et entrer les titres avec la terminaison .txt (exemple : “corpus.txt”).
Corpus de données
Fichier de la thèse converti au format texte (.txt) puis formaté selon les instructions décrites ici
3.2. Importation du corpus dans Iramuteq
Au démarrage d’Iramuteq cliquez sur “Fichier” (1), ouvrir un corpus texte (2).
Définir ensuite, comme dans l’exemple ci-dessous, les paramètres d’importation. Bien vérifier qu’il s’agit de l’UTF-8 pour l’encodage de la langue (1), ici le texte est en français (2), la taille des segments de texte à 40 est une bonne segmentation car une phrase en français fait environ 35 mots (3).
Puis vérifier les informations de nettoyage comme ci-dessous :
Vous devriez obtenir une page avec les informations comme ci-dessous.
- le dossier créé où Iramuteq mettra toutes les sorties logiciels, les feuilles de calculs.
- le nombre de texte, ici correspondant aux 7 chapitres de la thèse, l’introduction et la conclusion
- les segments de texte
- le nombre d’occurrences
- le nombre de formes
- le nombre d’hapax (les mots n’apparaissant qu’une seule fois dans le texte)
3.3. Statistiques
Pour calculer les premières statistiques cliquez sur le logo statistique (1).
Iramuteq va modifier le corpus pour plus de lisibilité et avec vos instructions. Avec la lemmatisation (1), il va réduire les verbes à leurs formes infinitives. Ensuite vous pouvez cliquer sur propriétés (2) où il vous sera possible de gérer toutes les formes actives et supplémentaires.
C’est vous qui gérez ce que sont les mots qui sont des formes actives (1) et des formes supplémentaires (2).
Nous allons ici choisir de conserver les paramètres par défaut et ainsi lancer l’analyse en cliquant sur ok, jusqu’à l’obtention de ce schéma ci-dessous :
Dans l’onglet Formes actives (1), en cliquant sur un mot (2) celui ci, apparait dans son contexte, ce qui permet de conforter une interprétation.
4.1. Analyse Factorielle des Correspondances (AFC)
Ce type d’analyse peut être effectué sur des classes de la classification hiérarchique descendantes, soit sur une variable ou sur certaines modalités de variables.
Elle va transformer statistiquement les données et les organiser sous forme de graphique à deux dimensions, montrant les relations lexicales entre elles. Elle va permettre de voir la différence entre les classes ou les groupes de mots. On va voir ainsi les classes qui se regroupent ou qui s’opposent. Cela va nous permettre de lier et de hiérarchiser les informations des textes.
Dans Iramuteq il faut cliquer sur Spécialités et AFC, puis cliquez sur ok lorsque le premier volet de paramètres s’ouvre.
Dans le choix des variables, nous allons utiliser les formes actives (1), sélectionner les modalités (2) qui nous permettrons d’étudier les correspondances entre les premiers chapitres et les derniers, donc il faut sélectionner les chapitres en maintenant la touche de contrôle enfoncée (3), nous étudions avec l’indice du chi2 (4) et choisissons comme fréquence minimale 60 (5) pour ne pas avoir trop d’informations dans notre graphe.
Pour colorer le graphe, cliquer sur le logo en haut à gauche (1).
Définissez les paramètres comme ci-dessus et relativement à ce que vous voulez voir.
4.2. La classification hiérarchique descendante : La méthode Reinert (CHD)
Cette méthode se présente sous forme de dendrogramme. L’objectif est de regrouper des “mondes lexicaux” et de mettre en évidence les thématiques générales du corpus.
Cette méthode a été mis au point par Max Reinert, elle cherche à rendre compte de l’ordre interne d’un discours, à mettre en évidence ses mondes lexicaux. Elle découle de l’analyse factorielle des correspondances.
La méthode Reinert va découper le texte en segment, puis observer la distribution des formes pleines dans chaque segment. Elle va ensuite regrouper les segments en classes en fonction des mots qui les composent par un processus d’itération.
Il faut cliquer sur le logo en haut (1), confirmer les paramètres par défaut.
Dans le volet des paramètres nous choisissons, la classification simple sur segment de texte et les paramètres comme ci-dessous.
Dans les différents onglets, il y a différentes visualisations, en dendrogrammes, nuages de mots liés à des dendrogrammes.
Aussi des visualisations liés à l’Analyse Factorielle de correspondance.
4.3. Analyse de similitudes (ADS)
En cliquant sur (1), cette analyse va calculer sur un indice, par exemple la co-occurrence (combien de fois les éléments vont apparaitre en même temps). C’est une théorie qui émane de la théorie des graphes.
Dans le premier menu de paramètres, cliquer sur OK pour conserver les paramètres par défaut. Un second volet s’ouvre avec plus de choix dans les paramètres. On y trouve la liste des formes où par défaut elles sont toutes sélectionnées (1) et leurs fréquences (2). Pour notre étude, nous allons réduire le champ pour obtenir un graphe lisible. Nous conservons les cinquante premières formes, “schacht” exclue car elle centraliserai toute l’étude. Faire clic gauche sur “allemand” puis descendre jusqu’à “réforme” et en maintenant la touche majuscule enfoncée, cliquer sur la ligne de “réforme”.
Nous choisissons ensuite de conserver l’indice de cooccurrences où la taille des mots est proportionnelle à la fréquence et où la taille des arêtes et proportionnelle à la force (3). Pour la présentation nous allons utiliser fruchterman reingold (4), un algorithme de force qui va calculer la distance entre les nœuds par des mécanismes d’attraction/répulsion suivant la force des liens et le poids des nœuds, puis cliquez sur ok (5).
Il est très utile d’exporter le graphe sur gephi pour faire d’autres études et améliorer la visualisation, cliquer sur “export” (1). Pour relancer une nouvelle étude de similitudes, cliquer sur le graphe (2).
Nous allons faire une seconde étude avec l’indice de Mountford (1).
Cette indice de similarité note la force des affinités de zéro à un. La comparaison est de type présence/absence, c’est une analyse qualitative. Nous allons utiliser comme auparavant un échantillon réduit de termes, ici depuis le premier “schacht” jusqu’à 20 occurrences (2), puis cliquez sur OK (3).
L’indice de Mountford centralise moins les points que dans l’indice de cooccurrences, on retrouve donc “schacht” de façon moins centrale et on peu le choisir dans cette étude (1).
4.4. Nuage de mot
Cette fonctionnalité travaille sur la fréquence des mots. Pour commencer il faut cliquer sur le symbole nuage de mot (1) puis sélectionner les options comme dans l’exemple ci-dessous (2).
Puis vérifier les informations comme ci-dessous. Nous avons choisi de ne conserver que les formes actives (1) pour plus de lisibilité et de pertinence.
Vous devriez obtenir le nuage de mot comme ici :
On peut aussi choisir de réduire le nombre de formes entrant dans l’échantillon dans le troisième volet, ci-dessous, en sélectionnant comme dans l’autre exemple avec un clic gauche puis en cliquant sur le dernier élément de 50 occurrences en cliquant tout en maintenant la touche majuscule enfoncée. Puis cliquer sur ok.
Cette analyse semble plutôt illustrative, manquant de précision et n’apportant pas une plus value forcément pertinente vis à vis d’une liste du nombre d’occurence dans un tableau, à utiliser donc avec modération en la complétant avec une analyse de similitude 🙂 . (A ce propos lire, Grandjean Martin, “Introduction à la visualisation de données : l’analyse de réseau en histoire”, Geschichte und Informatik, 18/19, p.113, Ferrara Mélanie, Cours sur Iramuteq par Mme Mélanie Ferrara, Partie 2 : Les types d’analyses (iramuteq), 15’20”, 2017, vidéo youtube, dernière consultation, 24.04.2017, Marchand Pascal, Ratinaud Pierre, “Faut-il faire des nuages de mots ?”, site d’Iramuteq, dernière consultation, 24.04.2017)
Erreurs courantes :
- Si vous travaillez sur Windows avec Notepad, il faut prendre garde à laisser une ligne vide avant les annotations
- Vérifier bien les annotations dans votre document, comme signifié ici
Sources
- Cours de Frédéric Clavert, “la mise en données de l’histoire”, bachelor, Université de Lausanne, 2016/2017
- Article du blog de Frederic Clavert sur sa thèse “Hjalmar Schacht, financier et diplomate (1930-1950)”
- Iramuteq sur le site edutechwiki de l’Université de Genève
- Cours sur Iramuteq par Mme Mélanie Ferrara
- Grandjean Martin, “Introduction à la visualisation de données : l’analyse de réseau en histoire”, Geschichte und Informatik, 18/19, pp.109-128
- Reinert Max, “Les “mondes lexicaux” et leur “logique” à travers l’analyse statistique d’un corpus de récits de cauchemars”, Langage et Société, 66, 1993, pp. 5-39
- Reinert Max, “Une méthode de classification descendante hiérarchique : application à l’analyse lexicale par contexte”, Les cahiers de l’analyse de données, 8/2, 1983, pp. 187-198
- Degenne Alain, Vergés Pierre, “Introduction à l’analyse de similitude”, Revue française de sociologie, 14-4, 1973, pp.471-511