Intelligence artificielle littéraire (IAL).
Définir formellement le concept de variation au sein de l’Anthologie grecque?

JADT 2024 – Bruxelles

Yann Audin

yann.audin@umontreal.ca

Université de Montréal – CRC sur les Écritures numériques

Mathilde Verstraete

mathilde.verstraete@umontreal.ca

Université de Montréal – CRC sur les Écritures numériques

Dominic Forest

dominic.forest@umontreal.ca

Université de Montréal – École de bibliothéconomie et des sciences de l’information

Marcello Vitali-Rosati

marcello.vitali.rosati@umontreal.ca

Université de Montréal – CRC sur les Écritures numériques

1 Projet Intelligence artificielle littéraire

Un projet de la Chaire de recherche du Canada sur les Écritures numériques ;
Financé par le Conseil de Recherche en Sciences Humaines du Canada ;
Équipe multidisciplinaire :
- Mathilde Verstraete ;
- Yann Audin ;
- Marcello Vitali-Rosati ;
- Dominic Forest.

1.1 Objectifs du projet

Étudier la possibilité de formuler une définition formelle (computationnelle, algorithmique) – d’un concept littéraire :

Appliquer des algorithmes de fouille de données et de traitement automatique du langage afin de définir formellement un concept littéraire (la variation) au sein d’un corpus donné (l’Anthologie grecque) ;
Si l’algorithme est capable de retrouver les variations précédemment relevées, c’est qu’il incarne la définition dudit concept.

Notre but n’est pas heuristique, mais herméneutique.

Est-il possible de donner une définition formelle, non ambiguë d’un concept littéraire ? Est-ce possible de l’implémenter dans un algorithme qui réussisse à la saisir ?

Dans une démarche de ce type, il ne s’agit pas d’utiliser des algorithmes à des fins heuristiques, mais de les construire pour vérifier si notre définition d’un concept est assez bien formulée (formelle) pour que l’algorithme parvienne à l’identifier (et à trouver ce qu’on attend de lui qu’il trouve).

L’objectif de IAL n’est pas d’utiliser les développements algorithmiques à des fins heuristiques ou au profit de l’analyse littéraire, mais plutôt de mettre la computation au service de la théorie littéraire.

Le concept étudié est celui de la variation au sein du corpus de l’Anthologie grecque.

2 Corpus : l’Anthologie grecque

Recueil regroupant la poésie épigrammatique grecque antique
Périodes classique à byzantine (= 15 siècles d’épigrammatique)
< compilations successives
Corpus ouvert :
- AG = Anthologie palatine¹ + Appendix Planudea²
- Selon notre API, 4 134 épigrammes, de 311 auteurs

Corpus étudié actuellement

Livre VI (= 358 épigrammes votives) en traduction française (Waltz, les Belles Lettres)

3 Le projet d’édition numérique collaborative de l’Anthologie grecque

Hub pour l’Anthologie (textes, images, commentaires,…)
La plateforme : https://anthologiagraeca.org/
L’API : https://anthologiagraeca.org/api/

4 La variation dans l’Anthologie grecque

P. Laurens, L’abeille dans l’ambre : Célébration de l’épigramme de l’époque alexandrine à la fin de la Renaissance (2012, p. 117-130)

Stylistique : Concerne les mots et leur agencement, introduisant de multiples mais infimes modifications par quelques éléments déplacés ou par des substitutions d’ordre lexical ou stylistique

Rhétorique : Porte sur la forme générale des épigrammes ; l’impression est celle d’une multiplication à l’infini des possibilités d’expression d’une même idée

Paradigmatique : Conserve la structure de l’épigramme, mais en fait varier le sujet même, lequel est considéré comme une variable parmi d’autres

Concrètement, la variation consiste à reprendre un texte d’un prédécesseur ou contemporain et de l’adapter. On n’est pas très loin de ce qu’on appelle “plagiat” aujourd’hui, à la différence que le procédé était plutôt encouragé par les pratiques rhétoriques de l’époque. Le procédé prend de l’ampleur chez les épigrammatistes du III^e siècle. L’épigramme était le genre idéal pour la pratique de la variatio, se prêtant à des variations presque infinies. La simplicité de la forme permet en effet aux auteurs de s’illustrer en l’espace de quelques vers seulement. La taille du poème rend impossible à un poète d’épuiser la richesse d’un sujet à l’intérieur d’une unique épigramme. La reprise d’un même sujet, en le variant, permet d’en faire sortir toutes les facettes successivement. Il y a enfin une notion de défi : plus le thème a été traité, plus il est difficile de le varier, plus le triomphe est grand. Dès lors, les objets qui composent une épigramme issue d’une séquence de variation deviennent des variables, qui sont commutables. Selon Pierre Laurens, la variation peut être stylistique, rhétorique ou paradigmatique. La variation stylistique porte sur les mots et leur agencement: on innove en déplaçant des éléments, en modifiant le lexique et le style. La variation rhétorique progresse, s’attachant plutôt à l’objet, permettant au poète plus de liberté quant à l’organisation du poème. La variation paradigmatique enfin fait varier le sujet lui-même, le considérant comme une variable parmi d’autres.

4.1 Variation stylistique

AP, VI.13 (Léonidas de Tarente)	AP, VI.14 (Antipater de Sidon)
Les trois frères t’ont consacré, chasseur Pan, ces filets, pris par chacun à son genre de chasse : Pigrès, pour les oiseaux ; Damis, pour les quadrupèdes ; Cléitor, pour le peuple de la mer. Envoie-leur en échange une bonne chasse à l’un par les airs, au second par les bois, à l’autre par les grèves.	À Pan, trois frères ont consacré ces instruments de leur profession : Damis un panneau pour les bêtes des montagnes, Cleitor ces filets à poissons, Pigrès cet infrangible collet à prendre les oiseaux. Car jamais de leur chasse l’un dans les bois, l’autre dans les airs, l’autre sur les eaux, leur logis ne les a vus revenir les rets vides.

4.2 Variation rhétorique

AP, IX.719 (Léonidas de Tarente)	AP, IX.720 (Antipater de Sidon)
Myron ne m’a pas modelée, il se vante : c’est quand je paissais qu’il m’a écartée du troupeau et liée à ce socle de pierre.	Si Myron ne m’avait fixé les pieds à cette pierre, je paîtrais, génisse, avec les autres vaches.

4.3 Variation paradigmatique

AP, VI.16 (Archias)	AP, VI.17 (Pseudo-Lucien)
Pour toi voici, Pan, qui guettes du haut des sommets, des présents très variés que t’a consacrés un groupe de trois frères, prémices de leur triple genre de chasse: Damis, de ces panneaux qu’il tend aux bêtes sauvages; Pigrès, des collets à prendre les oiseaux, Cleitor, des filets à poissons. En échange, fais qu’ils continuent à être heureux, l’un dans les airs, le second dans la mer, le dernier dans les bois.	Trois courtisanes t’offrent ces jouets, bienheureuse Cypris, chacune des revenus de son travail spécial: Euphro, de ce que lui rapportent ses fesses, Cleio de ce qu’elle gagne en suivant les règles de la nature, Atthis enfin de ce qu’elle doit à son palais. En échange, souveraine, envoie à la première les profits que souhaite un garçon, à la seconde ceux que désire une femme, à l’autre ceux du troisième sexe.

Pour toi voici, Pan, qui guettes du haut des sommets, des présents très variés que t’a consacrés un groupe de trois frères, prémices de leur triple genre de chasse: Damis, de ces panneaux qu’il tend aux bêtes sauvages; Pigrès, des collets à prendre les oiseaux, Cleitor, des filets à poissons. En échange, fais qu’ils continuent à être heureux, l’un dans les airs, le second dans la mer, le dernier dans les bois.

Trois courtisanes t’offrent ces jouets, bienheureuse Cypris, chacune des revenus de son travail spécial: Euphro, de ce que lui rapportent ses fesses, Cleio de ce qu’elle gagne en suivant les règles de la nature, Atthis enfin de ce qu’elle doit à son palais. En échange, souveraine, envoie à la première les profits que souhaite un garçon, à la seconde ceux que désire une femme, à l’autre ceux du troisième sexe.

5 Méthodologie

Textes
↓
Annotation (manuelle) des variations
↓
Nettoyage et normalisation and normalization
↓
Représentations numériques
↓
Mesures de similarité entre paires d’épigrammes
↓
Algorithmes prédictifs
↓
Modélisation de la variation

5.1 Nettoyage et normalisation

48 combinaisons considérées

Avec ou sans l’application d’un anti-dictionnaire ;
Avec ou sans la normalisation de la casse ;
Avec ou sans la suppression de la ponctuation ;
Avec ou sans la suppression de l’accentuation ;
Avec ou sans traitement supplémentaire :
- Racinisation ;
- Lemmatisation.

5.2 Représentations numériques

4 représentations considérées

Sac de mots (binaire) ;
Sac de mots (pondéré tf-idf) ;
Ensembles de bi-grammes ;
Liste des formes en tenant compte de leur ordre d’apparition.

5.3 Mesures de similarité

5 mesures considérées

Similarité cosinus :
- Sac de mots (binaire) ;
- Sac de mots (pondéré tf-idf) ;
Coefficient de Jaccard :
- Sac de mots (binaire) ;
- Ensembles de bi-grammes ;
Distance de Damerau-Levenshtein (convertie en similarité):
- Liste des formes en tenant compte de leur ordre d’apparition.

5.3.1 Combinaisons les plus discriminantes

Représentations	Mesure de similarité	Application d’un anti-dictionnaire	Normalisation de la casse	Suppression ponctuation	Suppression accentuation	Traitement supplémentaire
Sac de mots (binaire)	Similarité cosinus	OUI	OUI	NON	OUI	Racinisation
Sac de mots (binaire)	Coefficient de Jaccard	NON	OUI	OUI	NON	Racinisation
Sac de mots (pondéré tf-idf)	Similarité cosinus	OUI	NON	NON	NON	Racinisation
Ensemble de bigrammes	Coefficient de Jaccard	NON	OUI	NON	NON	Racinisation
Liste séquentielle	Similarité Damerau-Levenshtein	OUI	OUI	OUI	NON	NON

5.3.2 Distribution des mesures de similarité des paires d’épigrammes selon leur classification (un cas de figure)

Pour chacune des 48 combinaisons possibles de nettoyage, on cherchait la méthode la plus discriminante (= distribution de similarité pour les variations confirmées la plus différente possible par rapport aux non variations).

X = Similarités Y = Distributions normalisées

Les non-variations ont une similarité cosinus très proche de 0

Les variations confirmées ont des plus hautes similarités cosinus. La courbe des variations confirmées se distingue en trois courbes, selon le type de variations. Les paradigmatiques ont une courbe qui s’apparente beaucoup à celle des variations. Les variations stylistiques ont un pic vers 0,4 ; cette mesure de similarité (cosinus avec la représentation sac de mots binaires) permet de discriminer, de séparer la courbe des stylistiques des non-variations. C’est un pattern qu’on a retrouvé dans la plupart des cas de figure. Stylistiques vs non variation. Notre modèle capture quelque chose pour les variations stylistiques. C’est sur celles ci que nous nous concentrons dans la suite

(Les stylistiques partagent donc bcp de formes entre elles) xxxxx

Notre chaîne de traitement offre une discrimination pour les variations stylistiques que nous cherchons maintenant à modéliser. Notre hypothèse est qu’une haute similarité (c’est-à-dire une valeur élevée sur l’axe des X) est indicatrice de la présence d’une variation.

En bas, similarité, à gauche, nombre (avec une distribution normalisée). La première pointe rouge qu’il y a effectivement bcp de non variations. (pcq ils sont pas similaires et ca montre que nos modèles marchent). Les variation stylistiques ont la valeur la plus élevée en terme de nombres.

5.4 Algorithmes prédictifs

3 algorithmes considérés

Arbre de décision ;
Régression logistique ;
Perceptron.

5.5 Évaluation des modèles

Évaluation des trois modèles entraînés. S’agit d’approches anciennes, on peut trouver bien plus perfectionné ajd mais ont l’avantage d’être interprétables. (même si le perceptron a une boite noire)

Perceptron et régression logistique : ont une précision équilibrée semblable.

Parviennent à bien classer les non variations. On remarque aussi qu’il est plus facile de prédire une non-variation, et ce avec les trois algo – même si on le biais qu’il y en a plus donc plus de probabilité que c’en soit une.

Plutôt bon pour classer les variations, malgré certaines qui échappent aux modèles.

Qqes non variations qui réussissent à se glisser dans les variations, on y reviendra dans la ccl.

L’arbre de décision en trois étages (trois règles très interprétables (telle valeur est-elle sous tel seuil ou non)) nous donne de meilleurs résultats. Énormément de règles pour obtenir une classification parfaite.

Besoin de classification plus complète voire plus créatives pour que les algo saisissent parfaitement ce qu’est ou non la variation.

–

Matrices de confusion: On veut une diagonale parfaite. On a 176 variations, tel algo en a correctement identifié n. Les non-var sont plus facilement faciles à identifier ! Les rapports de classification découlent juste des matrices de confusion.

Attention, le 1.00, c’est plutôt 0,999998, mais on a gardé le score parfait en guise d’encouragement.

Rappel / Précision Pêche au saumon ; 93 saumon + 5 bar MAIS il me manque 83 saumons dans l’océan, rappel est faible ; le 5 contribute à la précision de la première catégorie et au rappel de la seconde.

Précision équilibrée = Balanced accuracy

5.6 Arbre de décision [n = 3]

Un arbre de décision à 14 niveaux est nécessaire pour obtenir une classification parfaite des données d’entraînement.

5.7 Perceptron et régression logistique

6 Discussion

Les méthodes qui se concentrent essentiellement sur la similarité du vocabulaire sont un bon point de départ pour la modélisation des variations stylistiques.
Il est plus facile de détecter les non-variations que de discerner les variations stylistiques, ce qui suggère deux choses :
- Ce concept n’est pas limité au partage de vocabulaire ;
- Les non-variations ne partagent pas ou peu de formes.
D’autres représentations textuelles et méthodes d’analyse des données sont nécessaires pour modéliser les variations paradigmatiques et rhétoriques.

6.1 Apprendre des faux positifs et faux négatifs

Entre 17 et 47 % des variations répertoriées échappent encore aux modèles.

L’étude des faux négatifs permettra de trouver des caractéristiques textuelles communes et ainsi raffiner nos modèles.

Chaque méthode produit quelques faux positifs qui demandent une attention spéciale :

Comme dans le cas des faux négatifs, nous pouvons étudier leurs caractéristiques pour raffiner les modèles ;
Il est possible de trouver des variations qui ont échappé aux annotateurs et certaines paires d’épigrammes ont un statut ambigu.

Les méthodes utilisées se concentrent essentiellement sur la similarité du vocabulaire utilisé au sein des paires d’épigrammes. -> Intéressant parce qu’on s’intéresse à la stylistique mais on s’y intéresse parce que nos méthodes fonctionnent bien et vice versa
Les résultats préliminaires s’avèrent encourageants pour repérer la variation stylistique. -> Nous notions plus haut que ce type de variation use notamment d’une recherche de synonymes. Nos vrais positifs semblent pourtant invalider cette définition a priori, qui invoquait une innovation par le lexique : l’apport des méthodes algorithmiques nous pousse plutôt à caractériser la variation stylistique notamment par une reprise élevée de mots entre deux textes. Il s’agit là d’une hypothèse a priori pour la modélisation de la définition, qu’il nous restera néanmoins à prouver dans des travaux futurs.
Les faux négatifs sont plus nombreux
- Pour les variatons stylistiques, besoin de mesurer les synonymes (?) -> certaines variations stylistiques évidentes pour des lecteurs humains ne sont pas détectées par les algorithmes, notamment à cause d’un usage trop important de synonymes.
Enfin, entre 17 et 47% (cf. évaluation des modèles) des variations répertoriées échappent encore aux modèles, ce qui indique que d’autres représentations des données textuelles et mesures de similarité doivent être envisagées dans les prochaines étapes du projet pour discriminer ces paires d’épigrammes des non-variations. (dans tous les cas, on a 176 ; 30/176 = 17% ; 83/176 = 47%)

6.2 Exemple de faux faux positif : variation stylistique, rhétorique, simple topos ?

AP, VI.202 (Léonidas de Tarente)	AP, VI.272 (Persès de Thèbes)
Cette ceinture aux belles franges et, en même temps, ce vêtement, c’est Atthis qui, en relevant de ses couches, les a suspendus, fille de Lêto, au-dessus des portes de ton temple virginal, parce que tu l’as délivrée du fardeau de sa grossesse et que sans douleur elle a mis au monde un enfant vivant.	Cette ceinture, fille de Lêto, ce vêtement brodé de fleurs et ce soutien-gorge qui enveloppait étroitement ses seins, c’est Timaessa qui te les a consacrés, quand elle eut, après neuf mois, échappé au fardeau pénible d’un douloureux enfantement.

6.3 Exemple de faux négatif

AP, VI.13 (Léonidas de Tarente)	AP, VI.11 (Satrius)
Les trois frères t’ont consacré, chasseur Pan, ces filets, pris par chacun à son genre de chasse : Pigrès, pour les oiseaux ; Damis, pour les quadrupèdes ; Cléitor, pour le peuple de la mer. Envoie-leur en échange une bonne chasse à l’un par les airs, au second par les bois, à l’autre par les grèves.	Le chasseur Damis a consacré ce long panneau, Pigrès ce filet aux fines mailles pour attraper les oiseaux et le rameur de nuit Cleitor ce tramail à mettre les rougets : c’est à toi, Pan, que tous trois ont dédié ces instruments de leur travail ; sois propice à ces frères si pieux, accorde-leur leur provende de volatiles, de venaison et d’habitants des eaux.

7 Conclusion

Nous avons obtenu des résultats encourageants pour la formalisation du concept de variation stylistique dans le livre VI de l’Anthologie grecque (en traduction française).

Et la suite ?

Étendre nos expérimentations à l’ensemble de l’Anthologie grecque ;
Adapter nos méthodes computationnelles au grec ancien ;
Modéliser les variations rhétoriques et paradigmatiques.

8 Merci !

Audin, Yann, Mathilde Verstraete, et Marcello Vitali-Rosati. 2023. « Intelligence Artificielle Littéraire ». In Humanistica 2023. Épistémologie. Genève, Suisse: Association francophone des humanités numériques. https://hal.science/hal-04131573.

Carabantes, Manuel. 2020. « Black-box artificial intelligence: an epistemological and critical analysis ». AI & SOCIETY 35 (2): 309‑17. https://doi.org/10.1007/s00146-019-00888-w.

Coffee, Neil, Jean-Pierre Koenig, Shakthi Poornima, Christopher W. Forstall, Roelant Ossewaarde, et Sarah L. Jacobson. 2012. « The Tesserae Project: intertextual analysis of Latin poetry ». Literary and Linguistic Computing 28 (2): 221‑28. https://doi.org/10.1093/llc/fqs033.

Damerau, Frederick J. 1964. « A technique for computer detection and correction of spelling errors ». Communications of the ACM 7 (3): 171‑76. https://doi.org/10.1145/363958.363994.

Laurens, Pierre. 2012. L’abeille dans l’ambre : Célébration de l’épigramme de l’époque alexandrine à la fin de la Renaissance. 2e éd. Paris: Les Belles Lettres.

Levenshtein, Vladimir. 1966. « Binary codes capable of correcting deletions, insertions, and reversals ». Cybernetics and Control Theory 10 (8): 707‑10. https://www.mathnet.ru/eng/dan31411.

Mars, Mourad. 2022. « From Word Embeddings to Pre-Trained Language Models: A State-of-the-Art Walkthrough ». Applied Sciences 12 (17): 8805. https://doi.org/10.3390/app12178805.

Mellet, Margot, et Mathilde Verstraete. 2024. « Passés et présents anthologiques. Le projet d’édition numérique collaborative de l’Anthologie grecque ». In Communautés et pratiques d’écritures des patrimoines et des mémoires, Presses universitaire de Paris Nanterre. Intelligences numériques. Paris.

Naseem, Usman, Imran Razzak, Shah Khalid Khan, et Mukesh Prasad. 2021. « A Comprehensive Survey on Word Representation Models: From Classical to State-of-the-Art Word Representation Language Models ». ACM Transactions on Asian and Low-Resource Language Information Processing 20 (5): 74:1‑35. https://doi.org/10.1145/3434237.

Norvig, Peter. 2017. « On Chomsky and the Two Cultures of Statistical Learning ». In Berechenbarkeit der Welt? Philosophie und Wissenschaft im Zeitalter von Big Data, édité par Wolfgang Pietsch, Jörg Wernecke, et Maximilian Ott, 61‑83. Wiesbaden: Springer Fachmedien. https://doi.org/10.1007/978-3-658-12153-2_3.

Pöckelmann, Marcus, Janis Dähne, Jörg Ritter, et Paul Molitor. 2020. « Fast paraphrase extraction in Ancient Greek literature ». it-Information Technology 62 (2): 75‑89.

Raiaan, Mohaimenul Azam Khan, Saddam Hossain Mukta, Kaniz Fatema, Nur Mohammad Fahad, Sadman Sakib, et Sami Azam. 2024. « A Review on Large Language Models: Architectures, Applications, Taxonomies, Open Issues and Challenges ». IEEE Access 12. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10433480&tag=1.

Schubert, Charlotte. 2020. « Intertextuality and Digital Humanities ». it-Information Technology 62 (2): 53‑59.

Tarán, Sonya lidia. 1979. The Art of Variation in the Hellenistic Epigram. Vol. IX. Columbia studies in the classical tradition. Leyde: E. J. Brill.

Turing, Alan M. 1950. « Computing Machinery and Intelligence ». Mind LIX (236): 433‑60. https://doi.org/10.1093/mind/LIX.236.433.

Vitali-Rosati, Marcello, Margot Mellet, Servanne Monjour, Antoine Fauchié, Timothée Guicherd, David Larlet, et Enrico Agostini-Marchese. 2021. « L’épopée numérique de l’Anthologie grecque : entre questions épistémologiques, modèles techniques et dynamiques collaboratives ». Sens public, juillet. https://www.erudit.org/fr/revues/sp/2021-sp07034/1089649ar/.

Vitali-Rosati, Marcello, Servanne Monjour, Joana Casenave, Elsa Bouchard, et Margot Mellet. 2020. « Editorializing the Greek Anthology: The palatin manuscript as a collective imaginary ». Digital Humanities Quarterly 014 (1). http://www.digitalhumanities.org/dhq/vol/14/1/000447/000447.html.

Waltz, Pierre. 1931. Anthologie grecque. Anthologie Palatine. Vol. III (livre VI). Collection des Universités de France. Paris: Les Belles Lettres.

Intelligence artificielle littéraire (IAL). Définir formellement le concept de variation au sein de l’Anthologie grecque?

1 Projet Intelligence artificielle littéraire

1.1 Objectifs du projet

2 Corpus : l’Anthologie grecque

3 Le projet d’édition numérique collaborative de l’Anthologie grecque

4 La variation dans l’Anthologie grecque

4.1 Variation stylistique

4.2 Variation rhétorique

4.3 Variation paradigmatique

5 Méthodologie

5.1 Nettoyage et normalisation

5.2 Représentations numériques

5.3 Mesures de similarité

5.3.1 Combinaisons les plus discriminantes

5.3.2 Distribution des mesures de similarité des paires d’épigrammes selon leur classification (un cas de figure)

5.4 Algorithmes prédictifs

5.5 Évaluation des modèles

5.6 Arbre de décision [n = 3]

5.7 Perceptron et régression logistique

6 Discussion

6.1 Apprendre des faux positifs et faux négatifs

6.2 Exemple de faux faux positif : variation stylistique, rhétorique, simple topos ?

6.3 Exemple de faux négatif

7 Conclusion

8 Merci !

Intelligence artificielle littéraire (IAL).
Définir formellement le concept de variation au sein de l’Anthologie grecque?