Dans les archives littéraires francophones africaines : Approche génétique et constitution de corpus
Bibliographic record
Abstract
Cet article présente des matériaux de recherche et l’usage qui en est fait dans les différents chantiers menés par l’équipe Manuscrits francophones de l’ITEM (Institut des textes et manuscrits modernes, unité mixte de recherche CNRS-ENS). Ce laboratoire créé en 1982 pour étudier les processus de création littéraire a développé une approche méthodologique et critique, appelée génétique textuelle, qui fait un usage singulier des sources, ou plutôt des traces, en littérature. L’équipe Manuscrits francophones est née en 2008, à la faveur de l’intérêt manifesté par Pierre-Marc de Biasi pour deux corpus africains qui lui semblaient pouvoir renouveler les études génétiques par leur caractère exceptionnel : les manuscrits du Malgache Jean-Joseph Rabearivelo et ceux du Congolais Sony Labou Tansi. Nous avons dès l’entame mené ce travail conjoint sur plusieurs corpus. Près de quinze ans plus tard, le recul permet de réévaluer les méthodes mobilisées et de reformuler les objectifs de recherche. Dans un premier temps, après avoir donné quelques éclairages sur les notions-clés de la démarche génétique, je m’attache à décrire et questionner sa méthode spécifique de traitement des sources. Cette méthode se décline en plusieurs étapes, de la constitution du « dossier de genèse » – qui pose la question de l’implication personnelle du chercheur dans la collecte – au classement génétique des documents, à leur transcription et leur numérisation. Cette phase de numérisation est essentielle, même si son rôle dans la préservation pérenne des archives et dans l’accès à distance des chercheurs aux données commence à faire débat. À soi seule elle ne permet en rien l’accessibilité, à part pour ceux qui ont réalisé la numérisation. D’où l’importance d’envisager systématiquement un plan de diffusion numérique, qui comprenne un modèle économique. C’est l’objet de la deuxième partie.Une fois le matériau rassemblé, organisé, transcrit et numérisé, donc devenu corpus de recherche, il est généralement édité sur support papier ou numérique, dès lors que les autorisations de publication sont accordées. Les choix éditoriaux sont fonction des objectifs de diffusion et des différentes contraintes, y compris économiques, à prendre en compte au moment de la mise en partage. Ce dispositif pratiqué par l’équipe Manuscrits francophones de l’ITEM, d’abord en grande partie empirique, puis progressivement soutenu et étayé par des échanges d’expérience avec d’autres équipes, n’est pas sans susciter des questionnements à plusieurs niveaux. Dans la dernière partie de cet article, je partage quelques-unes des réflexions sur les enjeux éthiques et juridiques qui l’ont accompagné jusqu’à aujourd’hui. Ces enjeux concernent notamment le rapport entretenu avec les archives, avec les ayants droit, avec les pays, in fine la manière de travailler avec les Suds.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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 teacher head, 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".