Immigration et engagement dans trois romans du XXIe siècle : Eldorado de Laurent Gaudé, Petit Pays de Gaël Faye, Debout-payé de Gauz
Bibliographic record
Abstract
A l’heure où la planétarisation croissante des échanges et des flux de migration inspire de nombreux écrivains, la notion d’engagement littéraire fait question. Comment l’engagement peut-il s’exprimer à travers des fictions qui décrivent et dénoncent, et soulèvent plus de questions qu’elles n’imposent de réponses, proposant une forme d’engagement particulière, celle du partage de valeurs plus que des positionnements politiques, et restant toutes ouvertes vers un après et un espoir, y compris dans les blancs d’un récit qui semble invariablement inachevé. A travers les trois fictions de notre corpus, nous interrogeons le lien entre esthétique et éthique, entre fiction et réalité. Nos auteurs invitent diversement à prendre conscience de l’horreur des conditions migratoires et de leurs causes, ainsi que des politiques d’accueil des populations immigrantes. Par-delà cette dénonciation évidente, un autre discours émerge, tantôt d’invite à voyager et à aller voir, loin du confort de l’Occident, dans Eldorado, tantôt d’invite à revenir aux sources, au pays d’origine et à reconstruire dans Petit Pays. Le réalisme de ces trois romans varie également sur le plan du style, allant de l’épopée tissée de perception du monde fondée sur le sensible et l’imaginaire, alternant l’humour et le regard enchanté de l’enfant avec l’horreur du génocide rwandais, ou usant essentiellement de l’humour pour rendre compte des difficultés du statut de sans-papiers en France. Le point commun entre ces trois auteurs réside alors dans l’assimilation à l’état d’esprit du personnage principal questionnant le lien et la distance entre l’ethos du romancier engagé, et le romancier de romans sur la migration, lien complexe entre biographie, autobiographie et fiction.
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) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.013 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".