Une fois que c’est lien sont établis il est désormais possible de représenter nos auteurs et autrices dans une analyse de réseaux dans lequel un algorithme de clusterisation (Leiden algorithm) nous permet de détecter des clusters d’individus qui partage peu ou prou des topics communs.

Représenté sous forme de vecteurs je peux tisser des liens entre les différents auteurs, liens plus ou moins forts en fonction des similarités que l’on retrouve dans les topics abordés.

Chaque phrase du sous-corpus est donc associée à un topic particulier comme dans l’exemple ci-dessous.
Pour passer des phrases aux auteurs et autrices, j’agrège dans un seul vecteur les différentes phrases écrites par une personne.

Ce sont donc des PDF de presque 500 pages qui contiennent des dizaines d’articles différents et aucune métadonnée n’est disponible. Pour reconstruire ces métadonnées sur des milliers d’articles, j’ai utilisé l’intelligence artificielle Gemini de Google capable de traiter des PDF relativement larges.

Ce corpus est constitué de l’ensemble des articles publiés entre 1918 et 1960 dans dix revues. Sept de ces revues pourraient être qualifier de revues d’économie, une revue d’histoire, une revue de sociologie et une revue plus généraliste (Esprit).