Comment débusquer la voix d’un auteur dans sa fiction ? Une étude de quelques provocations de Michel Houellebecq
Bibliographic record
Abstract
Michel Houellebecq est un auteur controversé, non seulement parce que certains critiques s’interrogent sur le statut littéraire de son oeuvre, qui a connu un immense succès commercial, mais aussi parce que ses romans, souvent provocateurs, engendrent chez les lecteurs des réactions contrastées, qui vont du rejet radical, accompagné par une mise en cause de la valeur morale du texte, à une forte adhésion, généralement fondée sur le constat de la lucidité de l’auteur et de sa capacité à représenter le monde tel qu’il est, avec férocité, sans complaisance, mais également avec courage et un certain humour. Au coeur de ces jugements qui engagent des valeurs essentielles pour la littérature, se pose la question fondamentale de la polyphonie romanesque. Sur la base d’une analyse de quelques extraits tirés desParticules élémentaires, seront dégagés différents facteurs, textuels et contextuels, susceptibles de conditionner la réception du texte, notamment la perception de la « voix » de l’auteur, tout en offrant un espace ouvert sur une pluralité interprétative. Je me centrerai en particulier sur la manière dont le roman présente des opinions racistes, homophobes et antiféministes susceptibles d’engendrer de violentes réactions de la part du public, tout en engageant, à des degrés différents, la responsabilité morale de l’écrivain. Cette analyse visera également, en préambule, à réfléchir sur le statut éthique des énoncés fictionnels.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.018 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".