↓
Développé au sein du Machine Visual Culture research group dirigé par Leonardo Impett à la Bibliotheca Hertziana, à Rome (Max Planck Institute), le Corpus Explorer est une interface d’exploration des archives secondée par plusieurs modèles d’intelligence artificielle. Conçu comme un bureau digital à destination des chercheurs, des curateurs et des fonds d’archives, il propose une manière nouvelle de visualiser les grands corpus au sein d’un dispositif critique de vision et d’analyse, à la fois humain et algorithmique.
Distant viewing : ouverture d'un champ de vision limité dans l’espace et le temps
Le champ de vision humaine est limité dans l’espace et le temps. Sa capacité de mémoire aussi.
L’enjeu n’est pas nouveau. Autrefois, des scientifiques, des historiens et des anthropologues pouvaient passer des décennies à réunir la matière à étudier, restant parfois dans l’incapacité d’observer sur une seule et même surface l’ensemble de leur corpus, qu’il s’agisse de documents ou des systèmes qui les agencent. Au distant reading proposé par Franco Moretti, qui substituait à la lecture attentive d’un texte l’observation de milliers d’entre eux , a succédé la vision à distance (distant viewing) théorisée par Taylor Arnold et Lauren Tilton, qui consiste à appliquer des méthodes computationnelles à l’observation d’archives numériques à très grande échelle . L’agrégation d’archives au sein d’interfaces numériques malléables a permis au regard d’atteindre, en quelques clics, une échelle perceptive d’un ordre de grandeur encore jamais atteint.
Ces nouvelles méthodes d’observation, apportées par les humanités numériques aux sciences humaines, ont introduit de nouvelles pratiques de curation et de valorisation des archives. La table d’inspection numérique est ce que l’on aime appeler « la table de montage », selon l’expression de Georges Didi-Huberman, qui la conçoit, dans le prolongement de la pratique iconographique des atlas et du montage eisensteinien, comme un espace mental et matériel d’agencement des images qui, dans leurs écarts et leurs connexions, génèrent de la pensée critique . L’interface digitale devient ainsi un espace hybride de montage, de curation et de valorisation des archives, à la fois humain et computationnel, dans la lignée des cultural analytics amorcées par Lev Manovich.
Les systèmes d'intelligence artificielle, des machines à percevoir
Dans le contexte des interfaces d'exploration et d'analyse d'archives, l'emploi des systèmes d'IA permet non seulement d'accéder à des échelles monumentales et infinitésimales par le traitement automatique des données contextuelles, visuelles et sonores : métadonnées, reconnaissance de formes, de sons, etc., mais aussi d'affiner les filtres par lesquels nous percevons cette matière.
Dans ce contexte, les paramètres de perception dépendent d'un côté des documents auscultés. Par exemple, le traitement de la matière filmique intègre des paramètres relatifs au médium tels que la composition des photogrammes, les échelles de plan, les mouvements de caméra, les différentes formes filmiques, la composition sonore, tandis que les documents littéraires requièrent une prise en compte de la matérialité du papier, de la disposition des textes et des images sur la page, jusqu'à la reconnaissance et à la retranscription des manuscrits. À chaque type de document sa grammaire définissant ses méthodes d'analyse, d'indexation et ses modalités d'interaction.
Opérationnaliser un regard analytique
D'un autre côté, ils dépendent de l'hypothèse de recherche et du regard analytique propre au chercheur, au curateur ou à l'artiste. Le Corpus Explorer est conçu pour opérationnaliser un regard analytique sur une matière traitée.
Par exemple, le corpus étudié dans le cadre de la thèse de Marta Pizzagalli (Università della Svizzera italiana, Lugano), intitulée Intermedial combinations in Guido Gozzano’s work. A study of poems and prose in their periodical publication, 1905-1916 , se compose de quinze magazines illustrés italiens publiés entre 1900 et 1916. À ce jour, six d’entre eux ont été analysés avec le Corpus Explorer : La Lettura, Corriere dei piccoli, La Donna, Bianco, rosso e verde, La Grande illustrazione et Lettura sportiva, pour un total d’environ 24 000 pages. En mesurant à grande échelle la mise en page de ces magazines, à savoir le nombre d’images par page, leur position et la portion de surface qu’elles occupent, peut-on voir se dessiner une ligne éditoriale propre à chaque magazine, et en suivre l’évolution au cours du temps ?
Il permet, en d'autres termes, de doubler le regard humain par celui d'une machine, de l'externaliser pour qu'il traite cette matière (l'analyse, l'indexe et la donne à voir), mais aussi et surtout pour que la perception du modèle lui-même soit rendue visible.
Une subjectivation double
Il est donc question d'une subjectivation double : la vision humaine est paramétrée et détermine les paramètres de perception de la machine. Mais la machine elle-même perçoit d'une façon qui peut échapper aux chercheurs, elle est une subjectivité algorithmique située dont les présupposés doivent être questionnés, pas un regard neutre. Alors, qu'il s'agisse d'employer les IA pour examiner la matière culturelle ou d'utiliser cette matière comme révélateur des biais et sensibilités algorithmiques, la particularité de cette interface est d'utiliser plusieurs modèles d'IA afin d'en constater et d'en mesurer les effets différents sur le traitement d'un même corpus. Elle offre en outre une meilleure transparence des outils de vision par ordinateur qui traitent ces données généralement en toute opacité.
Le Corpus Explorer est donc une interface de visualisation des archives, un outil d'observation et d'analyse secondé par des modèles de perception algorithmiques aux capacités différentes de la vision humaine, il est aussi une interface facilitant l'interprétabilité des IA (AI interpretability) dans une certaine mesure. Cette interprétabilité prend plusieurs formes : la visualisation des zones de l’image sur lesquelles un modèle fonde sa reconnaissance et sa retranscription en langage naturel, la projection des documents dans l’espace de représentation du modèle (UMAP et PCA), où leurs proximités dessinent sa manière de classer le monde, ou encore la comparaison des résultats d’un modèle à l’autre. Des méthodes plus récentes, comme les sparse autoencoders, permettent d’isoler les concepts qu’un modèle a appris à distinguer.
Les espaces latents d'archives
Aujourd'hui, les algorithmes ne génèrent pas seulement des fausses archives à partir de celles qui ont servi à leur entraînement. Les modèles entraînés sur d’immenses ensembles d’images et de textes deviennent eux-mêmes des archives d’un genre nouveau. Antonio Somaini propose de penser leurs espaces latents comme des « méta-archives », en ce qu'ils ne sont pas des lieux de conservation, encore moins de consultation des archives, mais des structures de compression et de transformation de la mémoire culturelle . Interroger la manière dont ces modèles perçoivent revient à interroger la forme que prend notre accès au passé. Réflexions que l’on retrouve au cœur du documentaire Reinscribing the Dondorf, réalisé par Ania Szczepańska en 2026.
Il est donc important de questionner ces algorithmes et de les considérer comme des regards situés et des prismes perceptifs dont on doit mieux connaître les caractéristiques, les mécanismes et la provenance afin d'en questionner les biais, les absences ou les effacements.
Le Corpus Explorer cherche moins à démontrer les possibilités de l’intelligence artificielle qu’à les mettre à l’épreuve des archives, et inversement. En rendant visibles les filtres perceptifs à travers lesquels les documents sont désormais indexés, traités et consultés, il offre une meilleure transparence méthodologique et facilite l’accès aux humanités numériques depuis les sciences humaines et propose une valorisation des archives au sein d’un médium de la perception hybride, plus transparent et problématisé.
Contactez-nous pour toute question ou toute éventuelle collaboration !