Cartographier les co-occurrences d'un corpus par seuil balayé

Fiche à double tranchant, et c'est ce qui la rend utile. [LIP-2015-laetmaps] est l'outil qui autorise les affirmations d'importance relative que ce dépôt s'autorise — la sélection de ses 95 pivots en descend — et celui dont la phase 5 a mesuré la limite. Une fiche qui ne porterait que la première moitié serait une fiche de complaisance.

Intention

Obtenir d'un corpus une vue d'ensemble qu'aucune lecture séquentielle ne donne, sans avoir à justifier après coup le seuil de filtrage qui produit la vue.

L'intention se distingue de celle de tools/representation-en-reseau.md : là, on ordonne sa perception d'un enchevêtrement qu'on connaît ; ici, on interroge un corpus trop vaste pour être tenu en tête. Judge fait l'exercice sur son propre site en 2015, ce qui donne à la fiche un statut particulier — c'est un auteur qui se cartographie lui-même, et qui publie ses ratés.

Entrées requises

Entrée	Ce que c'est	Ordre de grandeur chez Judge
Un corpus aux unités identifiées	Chaque document porte un identifiant stable	« Over 2 000 articles and other documents » déclarés en `[LIP-2015-laetmaps]§6`
Une relation de co-occurrence	Deux unités co-occurrent si elles apparaissent ensemble dans un même contexte	311 278 paires d'auteurs ; 126 249 paires de documents
Une plage de seuils, pas un seuil	Les bornes entre lesquelles on fera varier le filtre	de 5 à 27 co-occurrences, soit vingt-trois cartes

La troisième entrée est l'apport propre du dispositif. Un seuil unique se choisit toujours après avoir vu le résultat qu'il produit ; une plage se déclare avant.

Procédure

Choisir la relation, et l'assumer. Judge en essaie deux : co-occurrence d'auteurs cités, puis co-occurrence de documents du site. La première ne donne rien — il l'écrit, voir ## Conditions de validité.
Dénombrer toutes les paires, sans filtrage. C'est le seul état complet du calcul, et il doit être conservé : tout le reste en est une projection.
Passer des paires aux triangles. Trois paires formant un cycle constituent une unité plus exigeante qu'une paire : elle survit moins facilement au bruit. [LIP-2015-laetmaps]#comm documente le passage.
Balayer le seuil au lieu de le fixer. Produire une carte par valeur de seuil sur toute la plage, et regarder ce qui survit au durcissement plutôt que commenter une carte unique. C'est l'opération transposable, et elle est méthodologiquement plus honnête qu'un seuil justifié après coup.
Publier les défauts du calcul avec le résultat. Étape que Judge exécute et que la plupart des producteurs de cartes omettent : [LIP-2015-laetmaps]#comm@c2 déclare que la sélection des triangles est gloutonne — un document retenu dans un triangle est exclu des suivants —, donc que la carte dépend de l'ordre de parcours. Le défaut déclaré est un défaut utilisable ; le défaut tu ne l'est pas.

Ce que l'outil fait

Il remplace un arbitrage par une observation. Sans lui, le seuil de filtrage est un choix d'auteur, et la carte hérite de ce choix sans que le lecteur puisse le distinguer du résultat. Avec lui, le seuil devient une variable : ce qui est robuste est ce qui reste quand on serre, et cela se constate au lieu de se plaider.

Il produit un objet de second ordre : non pas une carte, mais une séquence de cartes. La grandeur intéressante n'est plus « quels sont les nœuds liés ? » mais « à quelle valeur de seuil ce lien disparaît-il ? ». Cette grandeur-là n'existe pas dans une carte unique.

Il révèle son opérateur autant que son objet. C'est Judge qui l'écrit de ses propres cartes : [LIP-2015-laetmaps]#comm@c3 — les cartes les plus filtrées donnent le sens de la préoccupation de l'auteur, consciente ou non. Un corpus cartographié rend visible ce que son constituteur a choisi de relier.

Conditions de validité

Mode d'échec nommé — la mesure d'indexation prise pour une mesure de substance. Le rang qu'un document obtient dans ce dispositif dépend du nombre de liens qui arrivent sur lui ; or, dans un site où les recueils, les sommaires et les pages de garde sont massivement liés, ce nombre mesure d'abord une politique éditoriale. La phase 5 l'a mesuré document par document, et le constat revient dans six journaux de lecture. Trois cas nommément, et un quatrième :

Document	Ce que le calcul lui donne	Ce qu'il contient
`[LIP-1993-poetpol0]`	la plus forte centralité entrante de son lot, 229	un sommaire — « un document très central peut ne rien contenir »
`[LIP-1991-conftr0]`	un rang élevé au même titre	quarante-six titres de collection, 333 mots ; sa note de lecture fait 2,3 fois la longueur de sa source
`[LIP-1970-infwill0]`	un rang élevé au même titre	une page de garde : la page `0` capte les liens, le texte vit dans les pages numérotées
`[LIP-1978-numb0]`	centralité entrante 147	291 mots

Les trois premiers sont des sommaires ou des pages de garde à forte centralité entrante et faible substance. Ils suffisent à disqualifier tout usage du rang comme argument d'importance.

Le régime d'emploi autorisé et ses trois marqueurs sont fixés par la méthode de la phase, que le frontmatter de cette fiche déclare dans le champ prévu à cet effet. On peut citer ce que le graphe mesure ; on ne peut pas le citer sans dire ce qu'il mesure.

Deuxième mode d'échec — la relation mal choisie, et le verdict de l'auteur sur lui-même. Le premier essai de Judge, sur les auteurs cités, échoue et il l'écrit : [LIP-2015-laetmaps]§64@c1. « Interesting as a matter of curiosity and technical feasibility », mais loin d'être utile. La condition est donc : exiger que le premier essai puisse être déclaré raté, sans quoi on ne saura jamais si le second est bon.

Troisième condition — l'ordre de parcours doit être neutralisé ou déclaré. Le défaut glouton de @c2 rend la carte dépendante de son ordre d'exécution. Deux issues honnêtes : rejouer avec plusieurs ordres et ne garder que l'intersection, ou publier l'ordre employé. Une seule est malhonnête : n'en rien dire.

Quatrième condition — le résultat doit être rejouable depuis le matériau versionné. Il ne l'est pas chez Judge : les cartes sont produites côté client, hors du texte capturé, et l'auteur signale lui-même que des noms de documents y manquent — un défaut qu'il qualifie de bug. Elles ne peuvent donc rien fonder. C'est la condition la plus contraignante de la fiche, et c'est celle que ce dépôt s'applique à lui-même : ce qui n'est pas dans corpus/ versionné ne prouve rien.

Cinquième condition — la structure du texte de preuve doit tenir. Sur les 187 blocs de ce document, 105 ne contiennent qu'un nombre : ce sont les cellules des tableaux de dénombrement, sérialisées une par bloc. C'est le premier document du corpus où l'ordinal §N sépare mal la prose de la donnée, et toute citation prise ici doit être vérifiée sur le bloc et non sur le rang.

Texte source

Document	Portée	Étiquette de la phase 5
`[LIP-2015-laetmaps]§155-§162`	le passage aux triangles et le balayage de seuil	`fecond`
`[LIP-2015-laetmaps]§163-§176`	les bugs déclarés et les développements « under consideration »	`inacheve`
`[LIP-2015-laetmaps]#comm`	la réserve de l'auteur sur ce que ses cartes mesurent	appui de la condition 1
`[LIP-2004-writpol]§8`	la même question onze ans plus tôt, traitée à la main par polarités	contrepoint
`[LIP-1972-72map]§9-§12`	l'ancêtre manuel, et le vœu d'automatisation de `§18`	filiation mesurée

La filiation est datée et vérifiable : [LIP-1972-72map]§18 souhaite en 1972 que la production de telles cartes soit automatisée ; [LIP-2015-laetmaps] l'automatise quarante-trois ans plus tard ; et le verdict de l'auteur sur son premier résultat est @c1. Le vœu et son accomplissement sont tous deux dans le corpus, et l'écart entre les deux est le contenu de cette fiche.

Ce que Judge en dit

Il en dit, et c'est l'essentiel, la réserve sur ce que ses propres cartes mesurent : [LIP-2015-laetmaps]#comm@c3. La phrase est de lui, sur son propre corpus, et elle vaut pour nous sans amendement — la sélection des 95 pivots de ce dépôt s'appuie sur ce que Judge a choisi de citer lui-même, donc sur son biais autant que sur son travail. La réserve est portée en synthese/00-methode.md §3 et en corpus/DERIVE.md, pas seulement ici.

Il en dit aussi le caractère expérimental assumé : le document est un journal d'essais ratés puis rectifiés, ses bugs sont rangés sous un intertitre technique, ses améliorations sous « Future developments under consideration ». Le texte s'arrête avant d'aboutir et le dit — c'est la raison de l'étiquette inacheve de la phase 5.

Un dernier trait, gardé tel quel et non interprété : [LIP-2015-laetmaps]§186 commente une image produite par une erreur de programmation, et l'auteur la publie avec un regret entre parenthèses. On résiste à deux tentations symétriques — y voir une négligence, ou en faire une thèse sur la sérendipité. C'est une note d'humeur d'auteur.

Verdict de transposabilité

fecond.

Le geste se reprend ; le calcul ne se reprend pas. Le balayage de seuil — étape 4 — est directement applicable au graphe de citations internes de ce dépôt, et il est plus honnête que n'importe quel seuil unique. C'est ce qui empêche le verdict speculatif.

Mais le dispositif n'est pas operatoire, et trois raisons mesurées l'interdisent :

La sélection des triangles est arbitraire, de l'aveu de l'auteur (@c2), et rien dans le texte ne propose de la neutraliser.
Le résultat n'est pas rejouable depuis le matériau versionné : les cartes sont hors du texte capturé et portent des défauts déclarés non corrigés.
Le critère de qualité manque. Le texte dit ce qui survit au durcissement du filtre ; il ne dit pas ce qu'il faut conclure de la survie. C'est exactement la lacune que [LIP-1975-75netwp]§16-§19 laissait déjà ouverte quarante ans plus tôt en demandant des méthodes pour distinguer les sous-réseaux « satisfaisants » sans définir le mot.

Ce que TURFu peut en faire. Reprendre le balayage, jeter la sélection gloutonne, et surtout hériter de la réserve : une carte de corpus mesure aussi son cartographe. Employée ainsi, elle est un instrument de repérage honnête ; employée comme argument d'importance, elle est le mode d'échec nommé plus haut.