1. L’historien et l’algorithme
!
FREDERIC
KAPLAN
DIGITAL
HUMANITIES
LABORATORY
1
!1

2. Pourquoi s’intéresser aux
sciences historiques ?
!
1
!2

3. Parce qu’elles sont sur le point de
subir un profond bouleversement.
1
!3

4. Parce que leur importance est
capitale, alors que les nouvelles
technologies nous donnent
l’impression de vivre dans un
“grand maintenant”, sans passé,
ni futur.
1
!4

5. La conquête du passé est la
nouvelle frontière.
1
!5

6. Cette reflexion commence par
une visite aux archives d’Etats de
Venise.
1
!6

7. 1
!7

8. 80 km d’archives
couvrant 1000 ans d’histoire
!
1
!8

9. La mémoire du “Google” du
moyen-âge.
!
1
!9

10. Nous sommes face à des “Big data”
du passé.
!
!10
1

11. Comment transformer cette
archive en un système
d’information ?
!11
1

12. Les archives constituent un objet
trop gros pour être étudié par des
équipes isolées de chercheurs.
!12
1

13. Comme le système génomique
!13
1

14. Comme le système cérébral
!14
1

15. Comme le système planétaire
!15
1

16. Comme
pour
le
Genome,
le
Cerveau
ou
la
Terre,
nous
avons
besoin
de
l’ac$on
coordonnée
d’un
grand
groupe
de
chercheurs
et
d’étudiants
pour
espérer
transformer
ce
mega-­‐
objet
en
un
système
informaKonnel.
!16

17. Comme
pour
le
Genome,
le
Cerveau
ou
la
Terre,
les
algorithmes
joueront
sans
doute
un
rôle
central
dans
ceNe
entreprise
collecKve.
!17

18. «[...] l'historien de demain sera
programmeur ou il ne sera plus ».
!
Emmanuel
Leroy
Ladurie
Le
Nouvel
Observateur,
1968
!18

19. Les relations houleuses qu’histoire et
informatique entretiennent ne sont pas
nouvelles.
!19

20. Déjà,
des
la
fin
des
années
1960,
la
plupart
des
grandes
conférences
d’Histoire
incluaient
dans
leur
programme
des
tables
rondes
conflictuelles
opposant
les
«
nouveaux
»
historiens
aux
historiens
«
tradiKonnels
».
Thomas
2004
“CompuKng
and
Historical
ImaginaKon”
in
A
companion
to
Digital
HumaniKes,
Blackwell
!20

21. Les
«
nouveaux
»
vantaient
les
mérites
de
gros
ordinateurs
pour
réaliser
des
calculs
à
grande
échelle.
Ils
défendaient
une
histoire
moins
narraKve,
appuyée
par
des
méthodes
quanKtaKves.
Le
terme
«
cliométrique
»
fut
forgé
durant
ceNe
période
pour
nommer
ceNe
nouvelle
manière
de
faire
l’histoire
avec
l’aide
des
grands
nombres.
!21

22. Le
camp
des
«
tradiKonnels
»
accueillait
ce
type
d’approches
avec
un
profond
scepKcisme.
!22

23. « Toutes les questions
importantes sont importantes
précisément parce qu’elles ne
peuvent recevoir de réponse
quantitative ».
!
Robert
Swierenga,
1970
Quantification
in
American
History,
Atheneum.
!23

24. « Ce sont toujours les projets qui ont été financés
avec le plus d’ampleur, ceux qui ont rassemblé des
ambitieuses armées de chercheurs payés, ceux
dont la science était la plus liée aux dernières
technologies informatiques, ceux qui impliquaient
les présentations mathématiques les plus
sophistiquées, qui, au final, se sont révélées les
plus décevantes »
!
Lawrence
Stone,
cité
par
Thomas
2004
!24

25. Des
décennies
ont
passé,
les
mêmes
débats
se
perpétuent.
Les
méthodes
quanKtaKves
ont
montré
leur
force
pour
certains
domaines
et
leur
manque
de
perKnence
pour
d’autres.
Il
n’y
a
pas
vraiment
eu
de
révoluKon.
!25

26. Il
y
a
dix
ans,
pourtant,
dans
un
arKcle
de
2004,
William
Thomas
III
notait
déjà
que
quelque
chose
de
plus
excitant
et
de
plus
dérangeant
que
les
premiers
projets
«cliométriques
»
était
en
train
de
se
consKtuer.
!26

27. « Les historiens sont en train de construire des
systèmes à grande échelle pour reconstituer les
données historiques sous des formes
géographiques pour divers lieux dans le monde (…).
Considérés dans leur ensemble ces efforts ouvrent
des possibilités remarquables pour reconstituer
des ensembles intégrés et organisés en réseau »
!
William
Thomas,
Computing
and
Historical
Imagination,
2004
!27

28. « Ces modèles en quatre dimensions pourraient
reconstituer les immeubles, les routes et les ruines
des territoires historiques autant que les
géographies légales, économiques, sociales ou
religieuses qui leur sont associées. Les réseaux
informationnels, financiers, commerciaux et
culturels pourraient également trouver leur place
dans ces modèles »
!
William
Thomas,
Computing
and
Historical
Imagination,
2004
!28

29. « Le rôle pour l’historien qui travaillera dans ce
média numérique sera de rendre ces technologies
informatiques transparentes »
!
William
Thomas,
Computing
and
Historical
Imagination,
2004
!29

30. En
dix
ans,
ce
tournant
cartographique
a
effecKvement
eu
lieu
avec
le
développement
des
systèmes
d’informaKon
géohistorique
(Historical
Geographical
InformaKon
Systems).
!30

31. Mon
hypothèse
:
(1)
Ce
tournant
spa$al
est
en
fait
un
tournant
algorithmique
dans
la
mesure
où
il
impose
les
algorithmes
comme
nouveaux
médiateurs
des
sciences
historiques.
!31

32. Mon
hypothèse
:
(2)
Une
nouvelle
généra$on
d’étudiants
sera
à
la
base
ceNe
grande
transformaKon.
!32

33. Parce
que
nous
parlons
d’une
transformaKon
technique
et
généraKonnelle,
il
faut
replacer
ce
tournant
cartographique
propre
aux
sciences
historiques
dans
le
contexte
plus
large
de
nouvelles
interfaces
pour
l’explora$on
de
l’espace.
!33

34. !34

35. !35

36. !36

37. Avec les interfaces d’exploration de l’espace, tout se
passe comme si nous vivions dans un grand maintenant.
Le temps a disparu.
!37

38. Peut-­‐on
construire
des
“Google
maps”
du
passé
?
!38

39. Peut-­‐on
construire
des
“Facebooks”
du
passé
?
!39

40. Peut-­‐on
reconstruire
numériquement
un
passé
aussi
dense
que
notre
présent
?
!40

41. !41

42. !42

43. !43

44. L’EPFL et l’université Ca’Foscari ont lancé cette année un
projet intitulé la “Venice Time Machine” construit selon
cette approche.
!44

45. Cette initiative regroupe aujourd’hui quelques dizaines
de chercheurs et d’étudiants qui collaborent pour
construire un modèle multidimensionnel de Venise.
!45

46. L’enjeu est de constituer une grande base de données,
open access, dont chacun pourrait se sentir co-auteur.
Faire de ce modèle de Venise un bien commun,
collectivement construit.
!46

47. La stratégie de développement consiste à faire
converger recherche et éducation en créant un
programme de cours associé à ce programme de
recherche.
!47

48. Nous expérimentions ce programme cette année avec
60 étudiants. L’objectif pour l’an prochain est d’ouvrir un
cours en ligne pouvant être suivi par plusieurs dizaines
de milliers d’étudiants simultanément.
!48

49. Comment numériser
efficacement des
archives aussi
anciennes ?
!49

50. Pourrait-on numériser
ces documents sans
les ouvrir ?
!50

51. Comment transcrire
les documents
numérisés ?
!51

52. Comment adapter les
techniques générales
aux cas particuliers ?
!52

53. Comment extraire et
coder les
informations qu’ils
contiennent ?
!53

54. Pourrait-on utiliser
les techniques du
“web sémantique” ?
!54

55. Connectées les unes aux
autres, ces données
forment un grand graphe.
!55

56. Ce graphe permet de poser
des questions inédites.
Quel est le salaire moyen d’un apprenti en 1622 ? Combien de
fils de peintres sont eux-mêmes peintres ? Quels sont les
procès qui ont impliqué des travailleurs du verre à Murano
au XVIIe siècle ?
!56

57. Ce graphe peut aussi se
deployer dans le temps et
l’espace.
!57

58. 1500
Les cartes du passé sont riches de détails.
!58

59. 1550
!59

60. 1572
!60

61. 1576
!61

62. 1765
!62

63. 1829
Au XIXe siècle, les cartes changent.
!63

64. 1859
!64

65. 1910
!65

66. Reconstruire les Venise(s) du
passé est comme résoudre
un “Sudoku” géant
!66

67. Quand l’espace de solutions
de ce Sudoku est trop grand,
les algorithmes sont d’une
grande aide.
!67

68. Ces reconstructions disparates sont
intégrées dans des modèles
spatiotemporels unifiés.
!68

69. !69

70. !70

71. !71

72. !72

73. !73

74. !74

75. !75

76. !76

77. !77

78. !78

79. 900
La même logique est déployée à l’échelle
des échanges méditerranéens.
!79

80. 1000
!80

81. 1100
!81

82. 1200
!82

83. 1300
!83

84. 1400
!84

85. 1500
!85

86. Le trafic mois par mois peut être simulé
!86

87. En juin 1322, quel est le prochain bateau
de Constantinople à Corfou ? Combien
de temps prendra le voyage ? Quels sont
les chances de rencontrer des pirates ?
!87

88. Pour tracer les routes, il faut
transformer les hypothèses en
algorithmes.
!88

89. La
quesKon
centrale
de
ce
programme
de
recherche
est
la
gesKon
et
la
représentaKon
des
incer$tudes
et
des
inconsistances.
!89

90. Trois
processus
renforcent
le
rôle
de
la
formalisaKon
et
les
algorithmes
dans
ce
contexte.
!90

91. (1)
Ce
type
de
projets
demande
une
éthique
de
la
représenta$on
et
ceci
impose
un
certain
niveau
de
formalisa$on.
Il
faut
documenter
les
différents
regimes
d’incer$tude
qui
sous-­‐tendent
les
données
visualisées.
!91

92. (2)
Le
besoin
d’interopérabilité
nécessaire
pour
la
consKtuKon
des
grandes
bases
de
données
conduit
à
définir
un
formalisme
permeNant
de
coder
non
seulement
l’informaKon
historique,
mais
la
meta-­‐
informa$on
historique
(les
processus
intellectuels
et
techniques
qui
ont
conduit
aux
données).
!92

93. (3)
Les
cartographies
historiques
et
la
simulaKon
invitent
à
transformer
les
hypothèses
en
algorithmes.
Les
chercheurs
peuvent
aller
au
delà
du
débat
d’arguments,
en
opposant
dans
le
domaine
cartographique
leurs
hypothèses
appareillées
sous
la
forme
d’algorithmiques.
!93

94. Ces
trois
évoluKons
tendent
à
introduire
les
algorithmes
comme
nouveaux
médiateurs
des
sciences
historiques.
!
!94

95. Près
de
cinquante
ans
après
la
prédicKon
d’Emmanuel
Leroy
Ladurie,
il
faut
sans
doute
former
une
nouvelle
généra$on
d’étudiants
capables
de
maîtriser
les
algorithmes
comme
ouKls
de
connaissance
et
de
débats
mais
aussi
de
s’interroger
sur
ces
changements.
!95

96. En
rapprochant
recherche
et
éducaKon,
ceNe
nouvelle
généra$on
d’étudiants
va
non
seulement
bénéficier
de
ces
projets
de
grande
ampleur,
mais
jouer
un
rôle
crucial
dans
leur
succès
ou
leur
échec.
!96

97. Il
s’agit
“simplement”
d’organiser,
chaque
année,
la
rencontre
entre
des
dizaines
de
milliers
d’étudiants
et
des
dizaines
de
milliers
de
documents.
!97

98. Les
algorithmes
seront
les
médiateurs
de
ceNe
rencontre.
!98

99. dhlab.epfl.ch
!
frederic.kaplan@epfl.ch
@frederickaplan
!99
125