Le Moyen Âge fait-il vendre dans le jeu vidéo ? Les univers médiévalistes dans les best-sellers du marché vidéoludique domestique (1980-2023)
Bibliographic record
Abstract
Le jeu vidéo domestique constitue aujourd’hui un marché culturel mondialisé de masse, et l’imaginaire du Moyen Âge – qu’il soit fantastique ou « vraisemblant » – y rencontre un succès considérable. À partir d’un corpus d’environ 200 best-sellers sortis entre 1980 et 2023, cet article propose d’établir un tableau synthétique de l’histoire de ce médiévalisme vidéoludique à succès et d’en interpréter les grandes tendances au regard de celles de la culture populaire, de l’évolution rapide des possibilités techniques, des acteurs et de la configuration changeante de l’industrie du jeu vidéo, de l’élargissement progressif du public consommateur et de la circulation d’influences au sein du champ vidéoludique comme avec d’autres médias. Trois grandes séquences sont ainsi identifiées : celle d’un premier essor commercial d’une heroic fantasy vidéoludique archétypale (c.1980-c.1994) ; celle d’une importante diversification du médiévalisme vidéoludique à succès, qui se traduit notamment par l’essor d’une fantasy plus sombre et nuancée ainsi que d’imaginaires du « vrai » Moyen Âge et de Moyen Âge non-européens (c.1995-c.2006) ; et celle enfin du grand triomphe commercial de ce médiévalisme dans le monde du jeu vidéo (depuis c.2007), qui malgré sa diversité promeut essentiellement un imaginaire du Moyen Âge occidental – fantastique et « réel » – et ses stéréotypes.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".