Des requêtes comme interface :
modéliser et analyser un jeu de données ouvertes
sur l’histoire du roman français des Lumières (1750–1800)

Christof Schöch
Université de Trèves, Allemagne

Interfaces des Lumières.
(Dé)constructions numériques d’un héritage

09 Oct 2025

Introduction

Plan

1 – Introduction
2 – Contexte : Mining and Modeling Text
3 – Création de la base de données
4 – Interfaces donnant accès aux données
- Les données en RDF
- L’interface du navigateur
- L’interface du SPARQL endpoint
- L’interface fédérée
5 – Exemple : Épistolarité et libertinage
6 – Conclusion : conséquences

Dans ce qui suit, je vais :
Tout d’abord expliquer un tout petit peu ce que c’est que “Mining and Modeling Text” / MiMoText
Ensuite, présenter commleftent nous avons construits cette base de données
Puis, et c’est le centre de ma présentation, vous montrer plusieurs manières dont ces données peuvent être abordés, ou mobilisés
Cette présentation est inspiré du concept des “interfaces” diverses tels que les exposé Christophe dans son ouvrage sur ce concept
Il y a notamment :
- Les données en quelque sorte brutes, peu accessibles
- Une interface web dans laquelle on peut naviguer et chercher
- Une interface de requêtes, capable de générer des tableaux de données aussi bien que des visualisations
- Cetter interface intègre aussi des capacités d’interconnexion technique (API), qui permet de lier nos données à celles d’autres ressources sur le web.
En conclusion, je vais brièvement réfléchir sur ce qu’une telle base de données change pour notre rapport à l’histoire littéraire.

Contexte : Mining and Modeling Text

MiMoText, projet interdisciplinaire

Projet interdisciplinaire : littérature, humanités numériques, informatique
Coordination : ‘Trier Center for Digital Humanities’ (Université de Trèves)
Financement : région de la Rhénanie-Palatinat (Forschungsinitiative)
Objectif : expérimenter une approche ‘data-driven’ de l’histoire littéraire
Réalisation : base de données Wikibase / linked open data

MiMoText : projet collaboratif, merci à tou(te)s !

Création de la base de données

Aperçu général de ‘MiMoText’

L’idée de MiMoText, c’était de réunir l’histoire littéraire, le machine learning, et les linked open data
Pour cela, on a utilisé trois sources:
- Les métadonnées bibliographiques
- Les textes primaires, cad les romans
- Des ouvrages d’histoire du roman
Le processus était le suivant
- Extraire de manière automatoque des informations de ces trois sources
- Les modélises en LOD, afin de les réunir dans une seule base de données
- Analyser ces informations résunis pour apprendre qqch sur l’histoire du roman des Lumières
Quelques valeurs qui nous tiennent au coeur
- Mise-en-réseau : tout est lié, internement et vers des ressources externes
- Ouverture : utiliser des technologies open source, rendre tout accessible
- Collaboration : un effort collectiv et collaboratif ; nécessairement par l’approche interdisciplinaoire
- Multilingue : la modélisation sémantique nous permet de définir des concepts et de les dotér “d’étiquettes” en plusieurs langues (anglais, allemand, francais)

Pilier 1 : La Bibliographie du genre romanesque français

Pilier 2 : littérature primaire (200 romans, 1750–1800)

En partie : double-keying => modèle OCR => texte intégral
Encodage : en XML-TEI, avec métadonnées (conforme au schéma ELTeC)
Méthodes d’analyse : Topic modeling, stylométrie, entités nommées etc.

Pilier 3 : Ouvrages d’histoire littéraire

Corpus de chapitres sur le roman des Lumières
Guide d’annotation => annotations manuelles (avec INCEpTION)
Intégration de MiMoTextBase et/ou Wikidata => identification des entités
Création de triplets sur les auteurs et les romans (genres, thèmes, etc.)
(Machine learning sur les données annotées…)

Modélisation sémantique des résultats en LOD

Module 1: Thèmes
Module 2: Espaces
Module 3: Formes narratives
Module 4: Oeuvres littéraires
Module 5: Auteurs
Module 6: Mapping
Module 7: Références
Module 8: Versions & publication
Module 9: Terminologie
Module 10: Bibliographie
Module 11: Scholarly publications

Interfaces

(1) Les données modélisées en RDF

Fragment du ficher RDF format Turtle (sur Aline et Valcour)

wd:Q1085 a wikibase:Item ;
    wdt:P22 "95.36" ;
    wdt:P5 wd:Q855 ;
    wdt:P4 "Aline et Valcour ou le roman philosophique, écrit à la Bastille un an avant la Révolution de France, orné de quatorze gravures, par le citoyen S***"@fr ;
    wdt:P24 "Girouard"@fr,
        "Paris"@fr ;
    wdt:P9 "1795-01-01T00:00:00Z"^^xsd:dateTime ;
    wdt:P23 "1793  Bien que portant la date de 1793, cet ouvrage ne fut publie qu'en 1795."@fr ;
    wdt:P26 "8t. en 4 v. in-18"@fr ;
    wdt:P25 "xiv + 315, 503, 575, 374p."@fr ;
    wdt:P27 "Lettres, avec récits intercalés 1re personne"@fr ;
    wdt:P28 "Paris, province, royaume de Butua"@fr ;
    wdt:P29 "Déterville, Valcour; Eugénie, Aline"@fr ;
    wdt:P30 "aventures romanesques, voyages, libertinage"@fr ;
    wdt:P31 "horreur et cruauté"@fr ;
    wdt:P2 wd:Q2 ;
    wdt:P12 wd:Q12 ;
    wdt:P36 wd:Q2969,
        wd:Q3126,
        wd:Q3039,
        wd:Q2952,
        wd:Q2776,
        wd:Q3087,
        wd:Q2864,
        wd:Q2988 ;
    wdt:P33 wd:Q42 ;
    wdt:P32 wd:Q3521,
        wd:Q3243,
        wd:Q3776,
        wd:Q3497 ;
    wdt:P21 <https://github.com/MiMoText/roman18/blob/master/plain/files/Sade_Aline.txt>,
        <https://github.com/MiMoText/roman18/blob/master/XML-TEI/files/Sade_Aline.xml>,
        <https://github.com/MiMoText/roman18/blob/master/plain/files_non_modernized/Sade_Aline.txt> ;
    wdt:P10 wd:Q3521 ;
    wdt:P40 "+297960"^^xsd:decimal ;
    wdt:P13 <http://www.wikidata.org/entity/Q629452> ;
    p:P22 s:Q1085-b985e0cd-f8a1-4b83-8869-f6ef0ec85719 .

(2) L’interface du navigateur

Navigateur : Rendre lisibles les données

(2) Accès à travers le SPARQL endpoint

SPARQL : les requêtes comme interface des données

PREFIX : la localisation des données
SELECT : les informations à rassembler
WHERE : les critères de sélection
SERVICE : p.ex. les labels (en différentes langues)
GROUP BY / ORDER BY (l’ordre des résultats)

Requête avec tableau des résultats

Requête avec visualisation des résultats

(3) L’interface fédérée

Prérequis pour la fédération

Fédération simple
- Données ouvertes avec API (interface technique)
- Fiches d’autorité (personnes, oeuvres, lieux, thèmes)
- Mapping d’identifiants
Fédération bi-directionelle
- propriété “MiMoTextID” sur Wikidata
- MiMoTextBase acceptée par Wikidata

Comment cela fonctionne dans MiMoText

Requête avec fédération : MiMoText => Wikidata

Fédération Wikidata => MiMoText

Exemple : Épistolarité et libertinage

La question : Est-ce qu’il y a un roman épistolaire libertin après 1782 ?

van Crugten-André (1997): “le genre épistolaire est à peine représenté dans le roman libertin après Laclos” [=1782]
Benoît Melançon (2004): article sur le “roman épistolaire libertain tardif”, c’est-à-dire après 1782.
Consensus qu’il y a un lien étroit entre libertinage et épistolarité
Mais un manque de clarté sur son extension temporelle exacte

Clarification ? Données de la MiMoTextBase

Requête 1 : romans 1782–1800

Requête 2 : Romans épistolaires 1782–1800

Requête 3 : Romans libertins 1782–1800

Requête 4 : Roman épistolaire liberin 1782–1800

Requête 5 : Thème élargi : libertinage, erotisme et/ou passion

Requête 6 : Forme élardie : romans décrits avec le mot “lettre(s)”

Une réponse ?

Bien sûr, tout est question de définitions
Notre modélisage nous permet de ‘moduler’ les définitions dans les requêtes
- Epistolarité : cateǵorie sémantique ou séquence de lettres
- Libertinage: thématique explicite ou élargie
En fonction de la définition, entre 2 et 8 romans libertins épistolaires après 1782
En plus, deux romans pertinents décrits par Benoît Melançon qui manquaient dans MiMoText !

Conclusion

Ce que fait une base de données au savoir d’histoire littéraire

Non pas des faits, mais des ‘assertions’ (générées, sourcées, contextuelles)

Une ‘atomisation’ du savoir historique : 336.000 micro-assertions au lieu d’une synthèse en prose

Une transparence dans la production des savoirs

Une mise en réseau du savoir : notre base n’est qu’une parmi d’autres

Naviguer la réduction de la complexité à travers la modélisation sémantique, et le détail des sources

Une manière d’intégrer des données hétérogènes (modélisage sémantique et granularités variables)

Les interfaces et leur effets

Une interface multilingue : affichage des labels en français, allemand, anglais

Un challenge des interfaces : multiplicité, complexité, apprentissage nécessaire

Fédération : un aspect essentiel du LOD, mais pas facile à réaliser

Ouverture : prérequis pour toute fédération, nécessité première

Un grand merci

Pour en savoir plus

Tutoriel : https://docs.mimotext.uni-trier.de
SPARQL endpoint : https://query.mimotext.uni-trier.de
MiMoTextBase : https://data.mimotext.uni-trier.de
MiMoText Ontology : https://github.com/MiMoText/ontology
Publication de référence : ‘Smart Modeling for Digital Literary History’, 2022.

References

Hinzmann, Maria, Matthias Bremm, Tinghui Duan, Julia Konstanciak, Julia Röttgermann, Moritz Steffes, Christof Schöch, and Joëlle Weis. 2024. “Patterns in modeling and querying a knowledge graph for literary history [preprint].” In Pattern Theory in Language and Communication, edited by Sabine Arndt-Lappe, Milena Belosevic, Peter Maurer, Claudine Moulin, Achim Rettinger, and Sören Stumpf. Trier: TCLC. https://doi.org/10.5281/zenodo.12080340.

Martin, Angus, Vivienne G. Mylne, and Richard Frautschi. 1977. Bibliographie du genre romanesque français, 1751-1800. Mandell.

Röttgermann, Julia. 2024. “The Collection of Eighteenth-Century French Novels 1751-1800.” Journal of Open Humanities Data 10 (1): 31. https://doi.org/10.5334/johd.201.

Schöch, Christof, Maria Hinzmann, Julia Röttgermann, Katharina Dietz, and Anne Klee. 2022. “Smart Modelling for Literary History.” International Journal of Humanities and Arts Computing 16 (1): 78–93. https://doi.org/10.3366/ijhac.2022.0278.

Appendix 1 : Bonus slides

Literary History 101

Goals of literary history
- Collect and document knowledge about literature over time
- Contextualize literature, document reception of literature
- Provide explanations for the ‘evolution’ of literature
Organizational principles
- Nations, periods, movements/currents, genres, authors
- Authors and works: themes, forms, characters, setting, plot, etc.
- Similarities and differences, continuities and change

Machine Learning for Literary History

Fundamentally, ML involves detecting relations between simple and complex properties of texts
- Simple properties (features): we can observe in texts (e.g.: word forms)
- Complex phenomena (classes): relevant to our research (e.g.: direct speech or themes)
We use this approach primarily for literary information retrieval
- We may annotate part of our texts and train a new model
- Or we may use an existing model (or unsupervised approaches)
- Evaluate the performance of the model on the annotated data
- And then identify complex phenomena in unannotated text

Linked Open Data for Literary History

How does “Linked Open Data” actually work?
There are subjects, predicates and objects
Subjects are entities such as authors or works
Objects are other entities, so authors and works; but also topics, locations, values, strings, etc.
Predicates link subject and object, like a verb
This results in very simple statements, so-called “triples”
However, they are modeled “semantically”, which means the meaning of all classes and predicates is formally modeled, and usually linked to authority files.
And this also means it is inherently multilingual: every class, every property has an identifier, but also labels in multiple languages.
The potential of LOD only unfolds with a large number of simple statements
This seemingly simple structure is very powerful, because it is so generic
To illustrate this power, one could liken it to chess: simple rules with lots of possibilities
All the information we identify, using text and data mining, from our texts, is expressed in this way.
A knowledge graph is created, which may become part of the so-called “semantic web”