Charles Koechlin et l’amour des stars. L’acteur et son jeu comme moteur expressif d’une musique de cinéma idéale
Bibliographic record
Abstract
Dans les années 1930, le compositeur Charles Koechlin (1867-1950) se découvre une passion pour le cinéma parlant ; outre ses articles sur le sujet, il a laissé des notes personnelles et des projets de scénarios et de musiques de film, allant jusqu’à concevoir des scénarios cinématographiques pour une musique qui n’existe pas et une musique pour des images qui n’existent pas — mais qui, dans son imaginaire, sont à la fois compatibles et de la plus haute tenue artistique. À cette passion s’ajoute celle qu’il éprouve pour les stars du cinéma et plus particulièrement pour l’actrice Lilian Harvey (1906-1968) ; Koechlin sublimera cet amour en musique et composera plus d’une centaine de pièces réunies dans les deux Albums de Lilian et dans Le portrait de Daisy Hamilton. Cet article tente une analyse des trois éléments cinématographiques — mouvement, ligne et expression — que Koechlin s’attache à transposer en musique dans ses « sketches pour un film imaginaire », et montre qu’au-delà des principes esthétiques qui l’animent, le compositeur trouve dans l’image sonore un matériau d’un dynamisme, d’une plasticité et d’une sensualité qu’aucune autre forme d’inspiration n’avait pu lui donner jusque-là.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".