Courir derrière la vérité. Souvenirs, fictions et hantises de la mobilité journalistique chez David Fincher
Bibliographic record
Abstract
À partir de la notion de mobilité, cet article porte sur la représentation du journalisme dans le cinéma de fiction hollywoodien. Toujours à la recherche des nouveaux signes qui pourront faire débloquer son enquête, le journaliste s’inscrit dans une quête où la vérité est tributaire de la mobilité : c’est par le mouvement des corps que l’écheveau du réel se démêle et qu’une forme de vrai commence à apparaître. Il en va de même pour le cinéma pelliculaire, qui repose aussi sur une logique de la trace et de l’indice : le mouvement du réel se réfracte dans l’objectif et s’imprime sur la pellicule. Depuis ses origines, Hollywood a produit des fictions où les héros journalistes, courant derrière la vérité, emblématisent la quête de sens propre au support qui leur donne forme. Or, le cinéma numérique, avec ses nouveaux paradigmes, bouleversera ce rapport entre mobilité journalistique et production analogique du vrai. À partir d’une analyse de deux films de David Fincher qui mettent en scène les différents rouages de l’univers de la presse et du reportage, nous analyserons les mutations de l’imaginaire journalistique et de sa poétique du support à l’ère du numérique.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.010 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".