L’hétéronymie à l’épreuve de la logométrie : quand Vian rencontre Sullivan
Notice bibliographique
Résumé
Boris Vian crée son hétéronyme Vernon Sullivan en 1946. Or, leurs romans s’inscrivent dans des sous-genres discursifs bien distincts. Dès lors, peut-on parler de deux romanciers pour une même plume ? Quel rôle joue le genre et son impact endigue-t-il tout point de rencontre ? Au contraire, existe-t-il, malgré tout, des liens intertextuels entre les deux œuvres ? Ces questions résultent d’une rencontre entre trois recherches doctorales qui a permis de croiser un concept (l’hétéronymie) à une méthode (la logométrie). Pour répondre à ces questions linguistiques, cet article déroule en effet le protocole méthodologique de la logométrie et propose des premiers éléments de réponse. Pour réaliser cette étude, notre corpus contraste les romans de douze auteurs contemporains et proches génériquement des romans de Boris Vian et de Vernon Sullivan. Ce corpus est disponible sur le logiciel Hyperbase (développé au laboratoire Bases, Corpus, Langage UMR 7320). Le parcours interprétatif de cet article est le suivant : nous partons de résultats issus de la statistique occurrentielle (1) et cooccurrentielle (2) pour aller progressivement vers des zones de textualité réunissant Boris Vian à Vernon Sullivan (3).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».