Thanx Aurélien ! :)

Fin de ce long thread ! Une récompense pour être parvenu jusqu’au bout : www.youtube.com/watch?v=dQw4...

Il reste quelques problèmes techniques à régler et nous avons pour volonté de complémenter ce travail par un effort prosopographique dans le but de déterminer si certains facteurs bibliographiques peuvent expliquer l’intérêt pour un focus thématique en particulier.

Les clusters sont ici définis par ce qu’on pourrait appeler un focus thématique qui reprend le mot le plus représentatif des cinq topics les plus caractéristiques du cluster. La taille des points est déterminée par le nombre de contributions de chaque auteurices au sein de la REP.

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.

Pour ce faire j’ai découpé mon sous-corpus en phrases, soit un peu plus de 600 000 pour la REP. Une fois découpé en phrase j’ai utilisé BERTopic pour réaliser un topic modeling, une méthode qui vise à détecter automatiquement les thèmes (ou topics) sous-jacents dans un ensemble de documents.

Une fois ce corpus construit j’ai commencé la première analyse d’un sous corpus : celui des articles de la Revue d’Économie Politique (REP) avec pour but d’identifier grâce aux méthodes quantitatives des groupes d’économistes qui parlent des mêmes sujets.

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.

En plus du téléchargement de l’ensemble des articles, il a fallu reconstruire les métadonnées de nombreux articles. Les numéros disponibles en téléchargement du Journal des économistes par exemple, regroupent généralement les articles publiés sur une période de trois mois.

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).

Il y a presque un an je rejoignais l’équipe de l’ANR JC ExEco qui travaille sur l'essor de l'expertise économique en France (1930-1952) de Raphaël Fèvre et
@nbrisset.bsky.social. Les premiers mois ont été consacrés à la création d’un corpus sur les économistes français·es.