Archives pour la catégorie analyse de réseaux

network2

L’analyse de réseaux au service de l’histoire des mondes sociaux

Le livre que j’ai publié à l’automne, consacré à l’histoire du rap en France laisse peu apparaître l’important travail d’analyse de réseaux qui a permis d’établir certains de ses résultats les plus significatifs. La place au sein d’un livre est limitée, le vocabulaire de l’analyse de réseaux est assez spécifique, et la représentation de graphes n’est pas évidente à intégrer – d’où ce sacrifice.

Pourtant, derrière l’affirmation de la naissance d’un « monde commun rap français » à partir du milieu des années 19901, comme derrière la description du rôle de labels indépendants comme Unik Records ou Jimmy Jay Productions2 se trouvent des analyses de réseaux, menées à partir de l’examen systématique des collaborations (featurings) publiées sur les albums de rappeurs francophones distribués en France.

A l’occasion du module « Analyse de réseaux » organisé cet été par Julie Pagis et Pierre Mercklé au sein de l’école thématique Quanti Lille, je suis intervenu pour présenter l’ensemble de Continue la lecture

  1. K. Hammou, Une histoire du rap en France, La Découverte 2012, p.169 et suiv. []
  2. Ibid., p.143 et suiv. []

Garbage in, garbage out

Ce qui se passe dans les salles de marché, dans l’univers de la finance est un subtile mélange de rationalité et d’irrationalité qui est bien fait pour tromper son monde. Car en effet, les bac +12 manipulent des outils mathématiques qui nécessitent d’avoir fait bac +12 et qui sont extraordinairement sophistiqués. Mais un modèle mathématique ne vaut jamais que ce que valent ses hypothèses. Et selon l’expression anglo-saxonne consacrée, « garbage in, garbage out ». C’est-à-dire saloperie à l’entrée, saloperie à la sortie. Donc vous avez des modèles extrêmement puissants en effet, mais qui sont nourris par des hypothèses qui sont ultra rudimentaires. Et c’est par le biais de l’input, sans lequel aucun modèle mathématique ne marchera jamais, c’est par le biais de l’input que s’insinue la croyance et l’opinion dans l’univers de la finance. Donc vous faites fonctionner des machines mathématiques sur-sophistiquées mais en les nourrissant avec du déchet intellectuel1.

Cette courte démonstration de l’économiste Frédéric Lordon vise le monde de la finance, mais elle résonne aussi comme un avertissement saisissant à l’égard des sciences sociales. Elle résume l’une des difficultés des raisonnements hypothético-déductifs qui s’appuient sur des calculs formels complexes. De la très classique régression linéaire jusqu’aux savants dosages mathématiques des derniers programmes d’analyses de réseaux, on s’affronte à un double danger quant à la qualité des hypothèses. En premier lieu, les modèles mathématiques et les programmes informatiques qui les implémentent reposent sur des hypothèses, et peuvent être inadéquats pour telle ou telle problématique particulière. Mais en outre, aucun jeu d’opérations statistiques ne peut se substituer au travail consistant à donner sens aux « résultats » qu’il produit. Il faut donc formuler des hypothèses sur l’interprétation des résultats elle-même.

En voici une illustration, piochée dans un article de science politique que j’ai lu récemment. Le texte synthétise habilement les théories concurrentes par lesquelles la pratique des questions écrites à l’Assemblée nationale a été analysée, et propose ensuite d’arbitrer entre ces théories à l’aide d’un corpus de questions écrites soumis à une analyse de régression linéaire. Mais des théories à la régression, il faut un ensemble d’hypothèses sur la façon dont les théories pourraient se décliner en résultats observables. Sans entrer dans le détail de l’analyse de l’auteur (par ailleurs fort intéressante), on peut relever cette hypothèse interprétative :

Je considère que les électeurs  d’une circonscription rurale ont plus de difficultés à trouver les informations dont ils ont besoin dans leurs relations avec l’État, et sont donc plus susceptibles de s’appuyer sur leur député pour trouver de l’aide. [...] La seconde mesure indirecte de la quantité de demandes des électeurs repose sur l’éducation. Je suppose que moins les électeurs sont instruits, plus ils tendent à se tourner vers leur député lorsqu’ils sont confrontés à des problèmes vis-à-vis de l’administration.

L’argument est avancé sans faire référence à des travaux antérieurs susceptibles d’appuyer l’interprétation, et les formulations semblent finalement mettre en œuvre une conception assez sommaire (et quelque peu paternaliste) du lien entre les électeurs et leurs représentants : les peu diplômés et les ruraux sont ignorants, donc ils posent plus de questions à leur député (qui, grand prince, relaie ces questions à l’Assemblée).

Le « démon de la poubelle » ne m’intéresse pas uniquement pour critiquer les collègues. Il traîne en effet à proximité de certaines de mes recherches actuelles. J’essaie d’approfondir mes analyses de réseaux chronologiques à l’aide d’un logiciel, Siena, dont le fonctionnement repose sur un modèle aux nombreux postulats2. Jusqu’où ne pas aller trop loin dans l’abstraction formelle, pour rester en mesure de dire quelque chose d’intelligible et de vraisemblable au terme d’un détour mathématique ? En attendant de trouver une réponse assurée à cette question pour l’enquête particulière qui m’intéresse, je surveille avec inquiétude ces centaines de featurings que Siena mouline. « Garbage in, garbage out ».

  1. Frédéric Lordon, « Nationaliser les banques ? Bonne idée », émission d’@rrêt sur images diffusée le 14 mai 2010 []
  2. exposés, et confrontés de façon stimulante à un terrain précis par Ainhoa de Federico de la Rúa, « L’analyse longitudinale de réseaux sociaux totaux avec Siena. Méthode, discussion et application », Bulletin de méthodologie sociologique n°84, 2004 []

Le rap en réseaux

J’ai découvert l’analyse de réseaux dans le cadre de ma thèse lorsque, frappé par le nombre de collaborations entre rappeurs (souvent appelées featurings), j’ai cherché une méthode pour examiner systématiquement cette pratique. Mon premier réflexe a été de dessiner un schéma des collaborations entre les artistes les plus connus – un premier graphe en somme. Peu après, j’ai assisté à une intervention de Claire Lemercier intitulé « Analyse de réseaux et histoire » (dont une version a depuis été publiée1), et lu l’ouvrage synthétique que Pierre Mercklé avait consacré à la question2 .

Les premières impressions que ce travail a suscité étaient à la fois stimulantes et banales. Effectivement, beaucoup de rappeurs collaborent avec beaucoup d’autres. Et alors ? S’il s’agissait simplement de retrouver, après un long détour et de savantes considérations méthodologiques, l’affirmation commune que dans le monde du rap, « tout le monde connaît tout le monde », l’intérêt de l’opération était limitée. Cela revenait, pour reprendre la formule frappante de Jeremy Boissevain3 , à « tuer des mouches à la dynamite ».

Dans un premier temps, ce sont les outils de mesure (et de réflexion) liés à la notion de centralité qui ont retenu mon attention4. Si une première approche des featurings entre rappeurs pouvait laisser penser que (presque) tout le monde collaborait avec (presque) tout le monde, dès que l’on considérait des périodes distinctes les choses se révélaient non seulement plus complexes, mais surtout plus intéressantes. Ce n’est en effet que progressivement, au cours des années 1990, qu’un usage du featuring comme technique de reconnaissance entre pairs se dessine puis se systématise, un processus que j’ai décrit dans un article de la revue Histoire & mesure5 . L’article, publié l’année dernière, n’est toujours pas disponible sur Cairn. On peut cependant en consulter une version sur Hal-SHS, ainsi que la brève annexe méthodologique qui précise les choix de construction du corpus de featurings étudié.

Ce premier travail, extrait de ma thèse, ne portait pas sur les hiérarchies que ces questions de centralité permettent de mettre au jour. Qui invite et qui est invité ? Qu’est-ce que les asymétries en matière d’invitation nous apprennent de la façon dont un monde social du rap fonctionne (ou a pu fonctionner sur la période étudiée : 1990-2004 pour l’essentiel) ? Pour répondre à ces questions, il fallait prendre en compte l’orientation des liens, c’est-à-dire considérer qu’inviter à faire un featuring n’est pas la même chose qu’être invité. C’est la piste que j’ai commencé à explorer lors d’un colloque consacré aux méthodes quantitatives en histoire de l’art, « L’Art de la mesure », dont les actes viennent de paraître6. Ma contribution y est intitulée : « Artistes, professionnels, stars. L’histoire du rap en français au prisme d’une analyse de réseaux ».

La structuration de scènes ou de mondes musicaux a également été examinée à propos du punk anglais (merci à B. Coulmont d’avoir attiré mon attention sur cet article), du jazz7 ou du rap américain8.

  1. Claire Lemercier, « Analyse de réseaux et histoire », Revue d’histoire moderne et contemporaine,  2005, no52-2 []
  2. Pierre Mercklé, Sociologie des réseaux sociaux, La Découverte, coll. Repères, 2004 []
  3. Jeremy Boissevain, « Network Analysis: A Reappraisal », Current Anthropology, vol. 20, n. 2, juin 1979, pp. 392-394 []
  4. voir par exemple Linton C. Freeman, « Centrality in Social Networks. Conceptual Clarification », Social Networks, 1978/79, pp. 215-239 []
  5. Karim Hammou, « Des raps en français au « rap français ». Une analyse structurale de l’émergence d’un monde social professionnel », Histoire & mesure vol. XXIV, no1, 2009 []
  6. Béatrice Joyeux-Prunel (dir.), L’Art de la mesure. Histoire de l’art et méthodes quantitatives, Paris : Éditions Rue d’Ulm, 2010 []
  7. voir notamment la thèse de David Grandadam []
  8. Reginald D. Smith par exemple []