Archives par mot-clé : méthodologie

IA et analyse des données du Web archivé : entre sciences de l’informatique et histoire numérique [Projet]

Entre sciences de l’informatique et histoire, ce projet de recherche interdisciplinaire explore les potentialités offertes par les sciences de l’informatique pour l’analyse des données du web archivé et l’histoire des médias numériques. Porté par Sophie Gebeil et Line Jamet-Jakubiec, l’objectif est de développer et à utiliser des programmes, des outils, dont IA, pour automatiser des tâches dans le traitement des données et ainsi en extraire les principales tendances, tout en réfléchissant aux implications épistémologiques d’une telle démarche. 

Automatiser l’analyse des données du web archivé en histoire

Ce projet porté par Sophie Gebeil et Line Jamet-Jakubiec s’intéresse à l’exploitation des données du Web archivé, notamment celles qui sont conservées par la BNF et l’INA dans le cadre du dépôt légal du Web français créé en 2006. Les sources numériques sont nombreuses et variées, tout comme le format des données à exploiter.  L’objectif du projet est de fournir aux chercheurs en sciences humaines des programmes et des outils leur permettant d’exploiter et d’analyser de vastes corpus de données issues du Web dans le cadre du projet IUF “l’archivage du web, un défi historiographique : entre fragmentation est médiation”.

Parmi les développements informatiques qu’il est envisagé de mettre en place dans le cadre de ce projet, l’utilisation et programmation d’une IA pour traiter les données et en extraire des tendances (chatbot, outils prévisionnels, textes générés automatiquement à partir d’autres textes, graphiques de tendances, outils de navigation), développement de scripts pour traiter les différents formats des données mis à disposition, utilisation de frameworks dédiés (Django ou MongoDB par exemple) pour créer des bases de données appropriées, selon les besoins qui seront exprimés. Le choix des langages de programmation sera discuté avec les différents intervenants du projet: Python (pour sa polyvalence et ses bibliothèques), Java ou C++ (pour leurs performances et leurs bibliothèques), Javascript (pour sa facilité d’intégration des outils d’IA), Rust (pour sa fiabilité), R (pour ses modèles statistiques avancées)…

Trois ans de collaboration interdisciplinaire autour du Web archivé 

Au sein de l’atelier visual studies et humanités numériques en Méditerranée, une première exploration de traitement des données automatisées avait été réalisée dans le cadre du projet “Ecrans en lutte, mémoires des mouvements sociaux sur les WebTV françaises depuis la fin des années 1990”, lauréat de l’appel à chercheur associé de l’Ina (2018-2019). À partir d’un corpus de 58 sites web de télévision militante française archivées par l’Ina constitué sur une période de cinq ans (de mai 2010 à mai 2015), une méthodologie un processus d’extraction d’informations a été mis au point par l’INA. A partir des fichiers HTML du corpus, la collaboration avec l’Ina et l’implication de l’ entreprise Gamuza, une chaîne de traitement a été développée afin de permettre l’extraction puis l’identification des principales caractéristiques et évolutions observées durant ces cinq années. En novembre 2021, l’inauguration du CEDRE AMU fût l’occasion d’une première discussion dans le cadre du projet PICCH, avec Mathieu Génois, physicien spécialisé dans l’analyse de réseaux. Cela se concrétise par l’exploration du corpus traitant du trentième anniversaire de la Marche pour l’égalité et contre le racisme (2013) archivé par l’Ina, à travers le stage et la co-direction interdisciplinaire du mémoire de master de Davide Rendina (Patrice Bellot LIS, Sophie Gebeil, Mathieu Génois) centré sur l’analyse sémantique des données, entre sciences de l’informatique et histoire, soutenu en août 2023. Lors de la rentrée, des offres de stage sont proposées par le laboratoire TELEMMe pour prolonger l’analyse des données du web archivées concernant la Marche de 1983. Deux étudiants en licence Sciences de l’informatique d’AMU sont alors recrutés durant l’année universitaire 2023/2024, impulsant une première collaboration avec Line Jamet-Jakubiec, maîtresse de conférences au LIS et responsable de la Licence Informatique. A partir de cette expérience concluante, L. Jamet-Jakubiec et S. Gebeil travaillent à la rédaction du présent projet de recherche interdisciplinaire, qui coïncide avec la création du WebLab en 2024. Le séminaire de 2025/2025 a été l’occasion d’échanges fructueux avec les équipes de la BnF et de l’Ina, permettant de mettre en place un cadre sécurisé sur le plan juridique pour prolonger l’exploration des données. Deux corpus sont alors identifiés : le site du journal indépendant Marsactu archivé par la BnF, et celui du site France Info TV archivé par l’Ina.

 

Former par la recherche : les stages 2026

En ce premier semestre 2026, les laboratoires TELEMMe et le LIS accueilleront des stagiaires en science de l’informatique d’informatique qui participeront au développement de programmes permettant de traiter et d’analyser des corpus issus des archives du Web conservées par la BnF et l’INA. Sous la direction de Line Jamet-Jakubiec et de Sophie Gebeil, elles et ils contribueront à la mise d’outils adaptés aux besoins des chercheurs, ainsi qu’à l’intégration d’outils dits d’intelligence artificielle pour le nettoyage, ou l’extraction de tendances ou encore  la navigation dans les données. Elles et ils pourront réaliser des scripts de traitement automatique pour différents formats de données et participera à l’analyse et à la visualisation des résultats. Elles et ils auront l’occasion de présenter ce travail dans le cadre du WebLab et contribueront ainsi à la rédaction d’une documentation technique.

Les compétences visées concernent aussi bien le domaine de l’archivage du web que les sciences de l’informatique :

  • programmation avancée  appliquée à des corpus issus du Web archivé,
  • maîtrise de techniques d’extraction de données, de construction de bases de données et d’intégration d’outils d’IA,
  • approfondissement des méthodes d’analyse computationnelle pour les sciences humaines et des pratiques de documentation scientifique,
  • découverte de l’état de l’art des programmes informatiques dédiés à l’analyse des données du web archivé.

Références citées :

Gebeil, Sophie, and Jérôme Thièvre. “From Archived Web Corpus to Readable Data for History Research.” In The Routledge Companion to Transnational Web Archive Studies, 361. Taylor & Francis, 2024. https://www.routledge.com/The-Routledge-Companion-to-Transnational-Web-Archive-Studies/Aasman-Ben-David-Brugger/p/book/9781032497785

Rendina Davide, Gebeil Sophie, Génois Mathieu et Bellot Patrice, 2024, « Semantic analysis of web archive historical data » dans Exploring the Archived Web during a Highly Transformative Age Proceedings of the 5th international RESAW conference, Marseille, June 2023, s.l.10.36253/979-12-215-0413-2.22

Formation doctorale : Le web comme source ou terrain en SHS (printemps 2025)

Le Web comme source ou terrain en SHS : apprendre à utiliser le web présent ou archivé dans le cadre de son doctorat – Formation doctorale


Catégorie : Compétences propres au métier de chercheur – Formations professionnalisantes

Thématiques : Formation à la recherche, Formation sensibilisation à l’intégrité scientifique, Formation à la communication scientifique écrite et orale 

Langue de l’intervention : français

Nombre d’heures : 20

Max participants : 15



Public prioritaire : Aucun

Public concerné :
Doctorant(e)s

Proposé par : Ecole Doctorale Espaces, Cultures, Sociétés


Début de la formation : 24 mars 2025
Fin de la formation : 22 mai 2025
Date ouverture des inscriptions :
Date fermeture des inscriptions : 19 mars 2025
Modalités d’inscription : via adum

https://adum.fr/phd/formation/catalogue.pl?mod=3649181

Objectifs :
Cette formation vise à fournir un cadre théorique et méthodologique pour les doctorantes et doctorants en SHS qui envisagent d’explorer le web présent ou passé dans le cadre de leur thèse. Elle apportera des connaissances concernant le web, les réseaux sociaux, mais aussi l’archivage du web, domaine indispensable pour les études en ligne. Cet apport théorique sera associé à des mises en pratique fondées sur les outils et méthodes disponibles correspondant aux besoins de chaque doctorante ou doctorant. Enfin, cette formation permettra de connaître les services disponibles sur notre territoire en la matière, depuis la médiathèque de la MMSH (WebLab, poste de consultation INA) jusqu’à l’Alcazar (accès aux archives web de la BNF) et à la délégation régionale de l’INA.

 

Programme :
Qu’il s’agisse de chercher ponctuellement une information complémentaire, de constituer un corpus, de pallier des difficultés d’accès au terrain, ou bien d’étudier les pratiques numériques des sociétés, le recours à des documents issus du web ou des réseaux socionumériques dans le cadre de la thèse est désormais courant. Pour autant, l’appréhension du web présent, ou du web passé grâce aux archives du web, impose une vigilance accrue dans la constitution du corpus, les méthodes d’analyse et la démarche interprétative. De plus, face au risque de disparition des pages web du fait de l’instabilité de ces environnements complexes, il est indispensable d’avoir la capacité de pérenniser ces corpus en ligne dans le cadre de sa thèse.

5 jours de formation de 4 h :
Séance 1

* Intérêt, limites et défis du web comme source ou terrain pour les SHS.

* Introduction aux archives du web.

Séance 2

* Palette méthodologique pour l’appréhension du web vivant ou archivé.

* Mise en pratique 1 : définition des besoins, élaboration d’une première feuille de route.

Séance 3

* Constituer un corpus issu du web vivant et ou archivé.

* Mise en pratique 2 : savoir constituer et analyser un corpus issu du web vivant ou archivé pour ma thèse.

Séance 4

* Collecter et conserver un corpus de pages web avec Webrecorder.

* Mise en pratique 3 : savoir pérenniser un corpus issu du web vivant pour ma thèse (constitution d’une collection et restitution collective).

Séance 5

* Mise en pratique 4 : savoir constituer, pérenniser et analyser un corpus issu du web vivant ou archivé pour ma thèse.


 

Pré-requis :
4h x 5 séances
Matériel nécessaire : venir avec son ordinateur portable

 

Equipe pédagogique :
Sophie Gebeil. Sans doute que je solliciterai les personnes suivantes ponctuellement si elles le souhaitent pour présenter leurs services : médiathèque (J.-C. Peyssard), INA , Alcazar….

 

Méthode pédagogique :
La formation associe des apports théoriques à une mise en pratique accompagnée et individualisée. Chaque doctorante ou doctorant pourra repartir avec un corpus créé et pérennisé, ainsi qu’une première prise en main d’outils d’analyse adaptés.

 

Compétences acquises à l’issue de la formation :
● connaître les spécificités du web comme source ou terrain pour la thèse
● découvrir le web archivé et prendre en main des ressources et des outils d’archivage du web
● découvrir les méthodes et outils d’analyse du web vivant ou archivé (qualitatives et quantitatives)
● constituer un corpus pour sa thèse et savoir le pérenniser
● expérimenter des outils d’analyse de corpus issu du web vivant ou archivé pour sa thèse

 


La formation participe à l’objectif suivant :être directement utile pour la réalisation des travaux personnels de recherche


Calendrier :

Séance n° 1
Date : 24-03-2025
Horaire : 14h 18 h

Séance n° 2
Date : 14-04-2025
Horaire : 13h 17 h

Séance n° 3
Date : 24-04-2025
Horaire : 13h 17h

Séance n° 4
Date : 15-05-2025
Horaire : 13h-17h

Séance n° 5
Date : information à venir
Horaire : information à venir

 

Questionner les archives audiovisuelles et numériques en contexte postcolonial : enjeux méthodologiques, historiques et éducatifs – Jeudi 6 juillet – MMSH 10h/15h30, Aix-en-Provence

Affiche – MNHI

Questionner les archives audiovisuelles et numériques en contexte postcolonial : enjeux méthodologiques, historiques et éducatifs

Cette journée d’étude propose un temps d’échange et de discussion à partir des travaux réalisés dans le cadre du projet Polyvocal Interpretation of a Contested Colonial Heritage PICCH, en l’ouvrant à d’autres projets connexes rattachés à plusieurs disciplines, notamment l’Observatoire des publics et des pratiques de la culture, et le programme  AMPIRIC/Pôle pilote de formation des enseignant·e·s et de recherche pour l’éducation. Organisée par les étudiant.e.s et doctorant.e.s, la journée s’inscrit dans la dynamique du séminaire “Saisir la polyvocalité des archives audiovisuelles et numériques en contexte postcolonial” (S. Gebeil, V. Ginouvès, C. Mussard) mis en place dans le cadre du projet PICCH  avec le soutien soutenu par l’atelier Visual studies et humanités numériques en Méditerranée du laboratoire TELEMME. La journée aura vocation à  partager des premiers résultats issues de recherche en train de se faire, notamment afin d’envisager l’émergence d’axes communs concernant les médiations et les usages du passé colonial contemporains, au regard des spécificités disciplinaires de chacun.e.  

 

Organisation

  • Pauline Savéant (doctorante en histoire contemporaine, TELEMMe)
  • Sami Dendani (ingénieur d’étude à l’Observatoire des publics et des pratiques de la culture, Mesopolhis)
  • Baptiste Laventure-Darival (IGE AMPIRIC, étudiant M2 MEEF recherche)
  • Alexis Grussi (étudiant en Master, EHESS)
  • Sophie Gebeil (maîtresse de conférence en histoire contemporaine, TELEMMe)

 

Salle : Salle 1 

 

Sur inscription : https://evento.renater.fr/survey/06-07-2023-journee-d-etude-questionner-les-archives-audiovisuelles-et-numeriques-en-contexte-postcolonial-enjeux-methodologiques-historiques-et-educatifs-fed9a7wo

Programme

10h Accueil café

10h15 Introduction : les enjeux du projet PICCH

Sophie Gebeil, Christine Mussard (sous réserve)

 

10h30 Des terrains médiatiques et numériques pour questionner les usages publics de l’histoire. Communication en dialogue entre approche historique et archivistique

Pauline Savéant et Sami Dendani 

 

11h10 Discussion : Quelles sources mobilisées et quelle méthode de travail en fonction des questions posées et des disciplines ?

Modératrice : Sophie Gebeil

Mickaël Adija (étudiant en Master d’histoire, AMU), Mehdina Chouchou (étudiante en Master, Sciences Po Lille), Sami Dendani, Alexis Grussi,Baptiste Laventure-Darival, Pauline Savéant

 

12h Pause repas

 

13h30 Étudier des questions coloniales et postcoloniales : quels usages médiatiques, activistes, artistiques et éducatifs ? 

  • L’exposition coloniale de 1931 à la télévision

Mickaël Adija  

  • La médiatisation du film La Marche de Nabil Ben Nadir sur le Web. 

Mehdina Chouchou 

  • Sur quelques usages activistes et artistiques contemporains de la référence à la Marche pour l’égalité et contre le racisme de 1983 : comment perpétuer la mémoire de l’irruption postcoloniale et minoritaire dans l’espace public ?

Alexis Grussi 

  • Le projet pilote AMPIRIC “Citoyenneté numérique et diversité : recompositions et perspectives éducatives” et l’enquête sur la laïcité, le dialogue interreligieux et la mixité sociale dans 4 collèges marseillais.

Baptiste Laventure-Darival 

 

15h15 Discussion conclusive sur les différentes recherches, et leur archivage, menées sur la Marche pour l’égalité et contre le racisme de 1983

Sophie Gebeil, Pauline Savéant, Mehdina Chouchou, Alexis Grussi

 

15h30 Fin de journée