Séance 5 du 26 avril 2016 – Iramuteq, une approche statistique textuelle instrumentée des corpus qualitatifs et quantitatifs

Mardi 26 avril dernier s’est tenue, à l’Université de Bretagne Occidentale (UBO), la cinquième séance du cycle de rencontres et d’échanges autour du traitement et de l’analyse quantitative de données en SHS (Plan d’accès).

Pour l’occasion, nous avons eu le plaisir d’écouter une présentation de Sarah Bellemare (CRPCC – Université de Bretagne Occidentale) et Mathilde Lavrilloux (CRPCC – Université de Bretagne Occidentale) consacrée à l’utilisation du logiciel Iramuteq. Voici donc, en substance, les points importants que ces deux chercheures ont abordés et nous présentent dans ce carnet d’hypothèses.

 

Même si Alceste ou Iramuteq sont devenus des « standard des analyses textuelles à la française » (Jenny, 1999), avant toute utilisation d’un logiciel de traitement statistique des données textuelles, il est important de s’interroger sur le sens de la démarche, notamment, d’une part sur la nature du corpus et son adaptation à la stratégie de la recherche et d’autre part sur la méthode envisagée : nous permettra-t-elle de répondre aux objectifs de recherches? Ceci relève des fondements théoriques de la méthode et de leur compatibilité avec les fondements théoriques de nos disciplines respectives. Il est donc important d’avoir à l’esprit que « le choix d’un outil d’analyse devrait surtout dépendre de trois éléments : les choix méthodologiques, la constitution du corpus, le moment de l’analyse statistique » (Fallery, B. et Rodhain F., 2007, p.3).

Notre choix s’est porté sur Iramuteq car dans le cadre de notre discipline, la psychologie sociale, ce type de méthode de traitement lexicométrique est souvent utilisé dans les travaux inscrits dans la théorie des représentations sociales (Geka, M. et Dargentas, M., 2010 ; Reinert, M., 1990, 2001, 2008 ; Ratinaud, P ; et al., 2009, 2012, 2014), révélant sa pertinence lorsque l’on souhaite cartographier la dynamique du discours des différents sujets engagés dans une interaction (Reinert, 1999 ).

Notre communication s’est donc composé de deux parties, l’une plutôt théorique portant son attention sur Pierre Ratinaud et Pascal Marchand, les concepteurs d’Iramuteq et sur quelques généralités sur le logiciel. L’autre partie pratique a consisté en la manipulation, en direct, du logiciel, ce qui nous a permis d’aborder les étapes incontournables avant toute manipulation de l’application, ainsi que les problèmes et limites rencontrés au cours de celle-ci.

Tout comme la démarche Alceste qui permet de mettre en évidence la manière selon laquelle l’homme construit sa réalité (Reinert, 1997), la méthode Iramuteq propose un ensemble de traitements et d’outils pour l’aide à la description et à l’analyse de corpus textuels, afin d’appréhender l’organisation d’un corpus et de dégager les éléments fondamentaux de celui-ci ; la méthode Alceste (appelé « méthode Reinert » dans le logiciel) étant implémentée dans l’interface. Rappelons que la méthode Alceste « consiste à effectuer plusieurs découpages du corpus en «unités de contexte », à réaliser des comparaisons et des regroupements du corpus segmenté selon les lexèmes contenus, puis à chercher les distributions stables, « c’est-à-dire, indépendantes de l’arbitraire de chaque découpage» (Reinert, 1998, p.292). La méthode Iramuteq propose aussi des analyses supplémentaires non fournies par la méthode Alceste, telles que : analyse prototypique, analyse de similitudes, nuages de mots.

Avant d’envisager de lancer une analyse, plusieurs étapes sont nécessaires :

  • Avoir un corpus
  • Préparer le corpus
  • Enregistrer le corpus sous format spécifique pour Iramuteq
  • Ouvrir le logiciel
  • Charger le corpus formaté
  • Appliquer les analyses

L’étape de préparation du corpus est très importante et demande du temps selon le volume de celui-ci, qu’il soit quantitatif (association de mot, questionnaire…) ou qualitatif (entretiens semi-directifs, directifs, tweets, discussion de forum…).

Il s’agira dans un premier temps de « nettoyer » le corpus, pour cela certaines règles sont à respecter :

  • Neutralisation des formes en plaçant entre deux « tirets bas » la forme à neutraliser (ex : _didascalie_) ;
  • Respect d’unité de sens avec les « tirets bas » à ajouter entre les mots, exemple : « plan national de nutrition santé » devient « plan_national_de_nutrition_santé » ;
  • Conservation de la ponctuation ;
  • Attention particulière à l’orthographe (homogénéisation du corpus) ;
  • Homogénéiser les langues si le corpus en contient plusieurs n’en garder qu’une, le logiciel permet de traiter plusieurs langues (français, anglais, espagnol, italien, portugais, le suédois et le grec sont encore en expérimentation) ;
  • Enregistrement au format texte brut (.txt) avant de pouvoir charger le corpus formaté dans le logiciel.

Dans un second temps, il faudra choisir les variables à appliquer. La procédure est la même que celle de la méthode Alceste. Une fois les variables choisies quelques règles sont à respecter. La première est qu’il est préférable de choisir des noms de variables courts, pour éviter les problèmes au moment de la projection sur les plans factoriels, pour que les noms de variables ne se superposent pas, ce qui facilitera leur lisibilité. La seconde règle est que les variables doivent prendre la forme suivante « étoile suivie du nom de la variable » et ne contenir que des lettres et des chiffres. Ce qui définit le nombre de textes dans iramuteq sont les lignes étoilées commençant par quatre étoiles. A tire d’exemple, voici une ligne étoilée tirée d’une étude réalisée auprès d’étudiants de psychologie et de STAPS sur les représentations sociales du régime :

**** *S_76 *Sex_F *Age_18 *IMC_25 *Sport_oui *R_non *Pop_Sta

Grâce à cette ligne étoilée nous pouvons savoir en référence à un tableau de codage, réalisé avant construction des lignes étoilées, que les réponses mises en évidence sont celles du sujet numéro 76 (*S_76), il s’agit d’une femme (*Sex_F), elle est agée de 18 à 22 ans (*Age_18), elle a un IMC situé entre 18 et 25 (*IMC_25), elle déclare être sportive (*Sport_oui), elle ne déclare n’avoir jamais pratiqué de régime (*R_non) et enfin elle est en STAPS (*Pop_Sta).

La réalisation d’un tableau de codage est importante pour se souvenir des codes attribués aux variables.

Il peut être intéressant au cours de la création des variables d’ajouter des lignes étoilées thématiques, elles indiquent que dans le même texte on aborde une nouvelle thématique. Sa construction est la suivante « tiret et étoile suivie du nom de la thématique » (-*thématique). Voici un exemple de construction de ligne étoilée suivie d’une ligne étoilée thématique :

**** *var1_mod1 *var2_mod3

-*thematique_1

texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte

-*thematique_2

texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte

**** *var1_mod2 *var2_mod1

Vous pouvez retrouver toutes les recommandations concernant le formatage sur le site d’Iramuteq à l’adresse suivante: http://www.iramuteq.org/documentation/formatage-des-corpus-texte.

En outre, au cours de notre « expérience Iramuteq », nous avons été confrontées à des problèmes et limites de deux ordres. Les premiers concernent le corpus et son formatage. En effet, en tant que néophytes, la préparation du corpus (nettoyage et choix des variables) peut s’avérer fastidieuse. Quant à l’interprétation des résultats, il est primordial de bien connaître son corpus en amont pour interpréter les profils de classes générées, présentées dans le dendrogramme et les analyses factorielles de correspondances (AFC). Et les deuxièmes concernent le fonctionnement et la première prise en main de l’application qui demande à tout novice de recourir à de l’aide proposée, soit sur le site internet, où des documentations très accessibles permettent de résoudre rapidement les difficultés rencontrées, soit en faisant appel à des personnes ressources, elles-mêmes utilisatrices expérimentées de la méthode Alceste ou Iramuteq, et enfin des formations sont possibles.

Pour conclure, il nous semble nécessaire de rappeler que c’est au moment de la phase d’interprétation des résultats que l’on peut avoir réellement accès au sens des classes et des graphiques générés. Il est important de revenir à son corpus initial pour en interroger le sens, car la question de l’origine du discours est évacuée des résultats (le « qui parle » n’est plus mis en évidence). Le sens peut se rechercher, selon les objectifs de la recherche, en s’appuyant par exemple sur l’articulation des classes entre elles, sur les lexèmes (ou formes actives) de chaque classe, les formes supplémentaires (ou mots outils), les segments répétés et les variables illustratives associées à chaque classe ou les regroupements de segments de texte (RST) caractéristiques de chaque classe (ou UCE caractéristiques sous Alceste) ainsi que les « antiprofils » (les mots/formes significativement absents de la classe). Enfin, il semble intéressant de noter la complémentarité des méthodes d’analyse de contenu, assistées ou non par ce qui est appelé « les CAQDAS » (« Computer Aided Qualitative Data AnalysiS » logiciels d’aide et d’assistance à l’analyse de données qualitatives tels que NVIVO ou ATLAS.ti) qui facilitent et automatisent les procédures d’analyse, avec les approches statistiques textuelles instrumentées telles qu’Alceste ou Iramuteq.

 

Par Sarah Bellemare et Mathilde Lavrilloux

 

Bibliographie

Aubert-Lotarski, A. et Capdevielle-Mougnibas, V. (2002). Dialogue méthodologique autour de l’utilisation du logiciel Alceste en sciences humaines et sociales : « lisibilité » du corpus et interprétation des résultats. JADT 2002 : 6es Journées internationales d’Analyse statistique des Données Textuelles.

Bataille M., Ratinaud P., 2010. La polysémie des éléments centraux des représentations sociales : épistémologie factorielle et explorations graphiques avec iRaMuTeQ. 10 éme Conférence Internationale sur les Représentations Sociales. Tunis : Université de Tunis, 4 juillet 2010.

Dalud-Vincent M. (2011). Alceste comme outil de traitement d’entretiens semi-directifs : essai et critiques pour un usage en sociologie », Langage et société, 1(135), 9-28.

Ducos, A., Bonnet, V., Marchand, P., Ratinaud, P., 2014. Classification d’un corpus hétérogène : la page Facebook de soutien au « bijoutier de Nice » (septembre 2013). In Actes des 12eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2014, Paris, p. 225‑238.

Fallery, B. et Rodhain F. (2007). Quatre approches pour l’analyse de données textuelles : lexicale, linguistique, cognitive, thématique. XVIème Conférence Internationale de Management Stratégique. Montréal, 6-9 Juin 2007.

Geka, M., Dargentas, M. (2010). L’apport du logiciel Alceste à l’analyse des représentations sociales : l’exemple de deux études diachroniques. Les Cahiers Internationaux de Psychologie Sociale, 85, 111-135.

Jenny, J. (1999). à propos des fondements théoriques et des présupposés des logiciels d’analyse textuelle. Débat avec Max Reinert. Langage et Société, 90, 57-85.

Marchand P., Ratinaud P., 2012. L’analyse de similitude appliquée aux corpus textuels : les primaires socialistes pour l’élection présidentielle française (septembre-octobre 2011). In : Actes des 11eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2012. Liège. p. 687‑699.

Marty E., Marchand P., Ratinaud P., 2013. Les médias et l’opinion: éléments théoriques et méthodologiques pour une analyse du débat sur l’identité nationale. Bulletin de méthodologie sociologique, vol. 117, n°1, p. 46‑60.

Mathé, T., Beldame, D., Hebel, P. (2014). Evolution des représentations sociales du bien manger. Credoc, N°316.

Naziri, D., & Dargentas, M. (2011). La parentalité dans un couple lesbien : enjeux et questionnements. Cahiers de psychologie clinique, 37(2), 201-229. Lien CAIRN : www.cairn.info/revue-cahiers-de-psychologie-clinique-2011-2-page-201.htm

Ratinaud P., 2009. IRaMuTeQ : Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires. http://www.iramuteq.org

Ratinaud P., Dejean S., 2009. IRaMuTeQ : implémentation de la méthode ALCESTE d’analyse de texte dans un logiciel libre, Modélisation Appliquée aux Sciences Humaines et Sociales (MASHS2009). Toulouse : Université de Toulouse, 10 juin 2009.

Ratinaud P., Marchand P., 2012. Application de la méthode ALCESTE à de « gros » corpus et stabilité des « mondes lexicaux » : analyse du « CableGate » avec IRaMuTeQ. In : Actes des 11eme Journées internationales d’Analyse statistique des Données Textuelles, JADT 2012, Liège, p. 835‑844.

Ratinaud, P., 2014. Visualisation chronologique des analyses ALCESTE : application à Twitter avec l’exemple du hashtag #mariagepourtous. In Actes des 12eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2014, Paris, p. 553‑565.

Reinert M. (1987), « Classification descendante hiérarchique et analyse lexicale par contexte : Application au corpus des poésies d’Arthur Rimbaud », Bulletin de Méthodologie Sociologique, 13, p. 53-90.

Reinert M. (1990), « Une méthode de classification des énoncés d’un corpus présentée à l’aide d’une application », Les cahiers de l’analyse des données, XV, 1, p. 21-36.

Reinert M. (2001), « Alceste, une méthode statistique et sémiotique d’analyse de discours ; application aux “Rêveries du promeneur solitaire” », Revue française de psychiatrie et de psychologie médicale, V, 49, p. 32-36.

Reinert M. (2008), « Mondes lexicaux stabilisés et analyse statistique de discours », JADT 2008, 9e Journées internationales d’analyse des données textuelles.

Rouré H., Reinert M. (1993), « Analyse d’un entretien à l’aide d’une méthode d’analyse lexicale », JADT 1993, Paris, ENST, p. 418-428.

Roy, N. & Garon, R. (2013). Étude comparative des logiciels d’aide à l’analyse de données qualitatives : de l’approche automatique à l’approche manuelle. Recherches qualitatives, 32(1), pp. 154-180.

Truc G. (2011). Analyser un corpus illisible ? Le logiciel Alceste confronté à des registres de condoléances », Langage et société, 1(135), 29-45.

 

Sites internet

http://www.iramuteq.org

http://www.r-project.org

http://www.python.org

Exemple d’une autre utilisation d’Iramuteq : https://presnumorg.hypotheses.org/187

 

Affiche

AFFICHE 26 avril 2016


1 réflexion sur « Séance 5 du 26 avril 2016 – Iramuteq, une approche statistique textuelle instrumentée des corpus qualitatifs et quantitatifs »

  1. Levy

    je voudrais tenter de corréler les investissements en immatériels faits par un palace et la tendance des avis laissés sur TripAdvisor sur un décade. est-ce que ce logiciel est adapté à cette recherche par avis et adjectif qualifiants ou disqualifiant telle ou telle prestation de service

    Répondre

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.