Télé: Déshabillons-les

Prolongement du blog sur les ondes.... Je vous donne rendez-vous dans la nouvelle émission bi-mensuelle de Public Sénat, jeudi de 18h45 à 19h30. Présentée par Hélène Risser, l'émission se veut « une mise à nu des ressorts dont usent les politiques pour convaincre, mettre en scène et parfois dissimuler ».

J'y tiendrai une chronique régulière sur, comme vous pouvez l'imaginer, les mots des politiques. Ce jeudi 27 septembre, ma chronique portera sur l'utilisation du « je » par Nicolas Sarkozy et les présidents de la Vè. Le reste de l'émission sera consacré à un dossier sur Bertrand Delanoë.

JEUDI 27 SEPTEMBRE - 18h45

REDIFFUSIONS

• Vendredi 28 Septembre - 04h30
• Vendredi 28 Septembre - 14h00
• Vendredi 28 Septembre - 22h00
• Samedi 29 Septembre - 05h30
• Samedi 29 Septembre - 23h40
• Dimanche 30 Septembre - 12h00
• Dimanche 30 Septembre - 20h00
• Lundi 1 Octobre - 03h55
• Lundi 1 Octobre - 10h35
• Dimanche 7 Octobre - 10h35

Fiche de l'émission ici.

N'hésitez pas à commenter après visionnage. Une nouvelle émission, surtout sur une petite chaîne sans grands moyens, ça demande des réglages !

---

A lire

• Version écrite plus détaillée de ma chronique

---

Voir la vidéo

Sarko: Grand chef à plumes (3)

Dernier volet de cette histoire de plumes (voir début: 1, 2)... Je vous avais promis de regarder comment se présentent les choses chez les autres candidats (les principaux, du moins, car je manque de matériau pour les autres, à part Arlette Laguiller, dont j'ai déjà parlé ici).

Voici donc les arbres de Ségolène Royal, François Bayrou et Jean-Marie Le Pen :

Les représentations sont conformes à ce qu'on connaît de la situation. L'arbre de Bayrou est intéressant, car, non seulement, il corrobore ce qu'on sait de lui, à savoir qu'il tient lui même le stylo, mais il montre aussi que la technique capte les aspects stylistiques et pas seulement thématiques. Bayrou a en effet, comme les autres, prononcé des discours sur des thématiques diverses au cours de sa campagne (voir dans la base Discours 2007). Le Pen semble aussi avoir une écriture composite, ce qui confirme sa mise sous tutelle stylistique pendant cette campagne. Quant à Royal, c'est elle qui a l'arbre le plus complexe, à part Sarkozy, bien sûr. La presse s’est fait l’écho à plusieurs reprises du côté collaboratif et collectif de son écriture. Les idées et les formules émergeaient paraît-il de groupes de réflexion, étaient discutées, retenues ou non par la candidate, fusionnées avec les siennes. Rien d'étonnant chez Ségolène Royal, qui a fait de la « démocratie participative » l’un des thèmes mêmes de sa campagne. Des cercles successifs étaient chargés de faire remonter des éléments et des notes de synthèses. « Elle travaille comme Mitterrand, avec plusieurs cercles en compétition, à géométrie variable, expliquait “un proche” dans Libération (10 février 2007). Elle identifie des personnes ressources, demande une note ou des éléments. Puis la synthèse se fait au plus près d'elle. » On sait que le dernier cercle comportait au moins une plume principale, Sophie Bouchet-Petersen, ex-trotskyste, théoricienne de la démocratie participative et d’après le Figaro (27 février 2007), auteur des formules chocs telles qu'ordre juste, et « réservoir d’idées de Ségolène Royal », mais d’autres noms ont circulé, comme celui d’Érik Orsenna...

En tout cas, ces représentations arborées sont fascinantes. Je vous les livre bien sûr à titre expérimental. Tout cela est à confirmer, recroiser, affiner, corroborer... Mais n'est-il pas intéressant de faire sortir les idées émergentes des laboratoires au plus près de l'actualité ? Les circuits classiques de la publication scientifique, sans doute bien plus contrôlés et bien plus sérieux (?) demandent des mois, et souvent des années avant que les résultats des recherches soient connus du public.

Sarko: Grand chef à plumes (2)

Comme promis avant-hier (lire le début), j’ai soumis 129 discours de Nicolas Sarkozy à la torture informatique (ses 63 discours de campagne, mais aussi ses discours depuis 2004 présents sur le site de l’UMP, et les discours postérieurs à son élection jusqu’à la fin août). J’ai examiné la parenté lexicale entre les différents textes, dans le but de voir si on retrouvait, par ce procédé tout à fait indépendant, la même classification que par le comptage des anaphores.

J’ai déjà parlé de cette technique (voir ici), et je récapitule brièvement pour les nouveaux lecteurs. On peut facilement calculer une « distance » lexicale entre deux textes, comme une distance entre les différentes villes sur une carte. Prenons par exemple deux discours A et B. On extrait la liste des mots de A, celle des mots de B. Plus ces listes se recouvrent, plus les textes sont considérés comme proches. On peut ensuite en quelque sorte reconstituer la carte du territoire en partant des distances calculées sur toutes les paires de textes. La méthode est analogue à celle utilisée par les biologistes pour représenter les parentés entre organismes vivants à partir des séquences d'ADN (arbre phylogénétique).

Appliquée aux discours de Nicolas Sarkozy, la méthode produit l’arbre ci-dessous. Chaque feuille de l’arbre représente un discours, et les discours sont d’autant plus proches dans l’arbre qu’ils sont proches du point de vue lexical.

On voit que l’arbre comporte quatre grandes branches, deux grandes et deux petites, qui correspondent vraisemblablement aux contributions des différentes plumes. La grande branche en haut à gauche (entourée par une ellipse) peut être attribuée sans hésitation à Henri Guaino. Les textes qui s’y trouvent sont (à un discours près) datés à partir de mai 2006, ce qui correspond à l’entrée en fonction officielle d’Henri Guaino auprès de Nicolas Sarkozy (c’est lui qui a écrit le discours de Nîmes le 9 mai 2006). On y trouve les grands discours de campagne : Périgueux, la Porte de Versailles, etc.

L’exception est un discours du 12 mai 2005, un plaidoyer en faveur du projet de traité constitutionnel européen au Palais des Sports de Paris, à quelques jours du référendum. La presse n’a pas mentionné de contributions d’Henri Guaino aux discours de Nicolas Sarkozy avant mai 2006, mais une contribution ponctuelle n’est pas impossible. On ne peut, bien sûr, exclure une erreur de classification de mon algorithme (les « signatures » stylistiques ne sont pas aussi fiables que les empreintes digitales ou l’ADN !), mais d’autres indices (comme la présence importante d’anaphores) semblent confirmer une présence au moins partielle de la « patte » Guaino.

Si l’on se penche sur la question des anaphores, justement, on s’aperçoit que la proportion d’anaphores dans les discours (voir méthode d’estimation ici) conduit à peu près exactement à la même catégorisation. Seuls huit cas divergent. Sur 129, ce n’est pas si mal.... Dans trois cas (en rouge sur la figure), le vocabulaire est majoritairement celui d’Henri Guaino mais la proportion d’anaphores est plutôt faible, dans cinq autres cas (en bleu), c’est l’inverse : la proportion d’anaphores trahit la présence de Guaino, mais le vocabulaire diverge en partie de son univers lexical habituel. Et encore, en regardant dans le détail, on voit que ce sont des cas difficiles, que j’avais déjà signalés (voir ici) : on est en présence de discours composites, où plusieurs plumes ont manifestement prêté leur main, comme par exemple le discours de la rencontre « Femmes et égalité des chances » à la Mutualité le 06/04.

Il est très étonnant de voir que des catégorisations obtenues par des critères tout à fait indépendants convergent aussi bien ! Les quelques cas de divergences sont d'ailleurs instructifs puisqu'ils montrent que les méthodes se complètent et permettent de détecter des discours polyphoniques. Je n'ai utilisé ici que deux indices, parenté lexicale et anaphores. On peut facilement imaginer d'en combiner un plus grand nombre (proportion de verbes dans le discours, longueur de phrases, etc.)... Quel degré de fiabilité peut-on obtenir ? Peut-on détecter des segments de discours attribuables aux unes et aux autres ? Ces questions sont ouvertes.

Je vous montrerai dans la suite de ce billet à tiroirs, comment la situation se présente chez les trois autres principaux candidats. Il y a de la plume qui volète (presque) partout...

---

Lire la suite

• Grand chef à plumes (3)
  

---

Pour en savoir plus

• Étienne Brunet, « Peut-on mesurer la distance entre deux textes ? », Corpus, Numero 2 La distance intertextuelle - décembre 2003, mis en ligne le 15 décembre 2004: http://corpus.revues.org/document30.html
• Barthélémy J.-P. & Luong X. (1987). « Sur la topologie d’un arbre phylogénétique : aspects théoriques, algorithmes et applications à l’analyse des données textuelles », Mathématiques et Sciences humaines, 100 : 57-80.
• Numéro spécial de la revue Corpus. La distance intertextuelle. En ligne : http://corpus.revues.org/sommaire52.html

Sarko: Grand chef à plumes (1)

Les temps ont bien changé depuis celui du général de Gaulle qui mettait un point d’honneur à écrire lui-même tous ses discours. Il s’aidait sans doute des notes de ses collaborateurs, mais il tenait seul la plume. Il faut dire que le style de campagne a lui aussi changé. Finie l’époque où une campagne présidentielle se faisait en deux mois avec quelques brèves apparitions télévisées et quelques meetings publics. Désormais, il faut tenir la scène au jour le jour sur le terrain et —surtout— dans les médias. A la moindre baisse de rythme, on parlera de trou d’air.

La dernière campagne a été exceptionnellement longue. Pour ne parler que de la période de septembre 2006 à mai 2007, ce ne sont pas moins de 175 discours que les quatre grands candidats ont prononcés en public dans les différentes villes de France (y compris outre-mer), dont 63 pour Nicolas Sarkozy à lui tout seul. Au cours du seul mois d’avril, le futur président a prononcé à lui tout seul 18 grands discours publics, sans parler, évidemment, des nombreuses conférences de presse, interviews, visites et réunions qui ont agrémenté son agenda. Cela représente plus d’un discours majeur tous les deux jours, soit en un mois 680 000 caractères, 114 000 mots, 5800 phrases… L’équivalent d’un beau roman.

Comment un homme (ou une femme) politique normalement constitué peut-il se livrer à un tel exercice intensif d’écriture tout en se déplaçant constamment d’un point à l’autre du territoire et en honorant le reste de son agenda (et parfois au passage des fonctions de ministre d'État...) ? La réponse est simple : pour la plupart d’entre eux, ce sont des collaborateurs qui écrivent les discours. Seul François Bayrou a, pendant cette campagne, écrit ses discours lui-même. Tous ses collaborateurs l’attestent. Cela ne veut pas dire, bien entendu, qu’il ne s’aide pas de leurs notes, et qu’il ne leur soumette pas des brouillons. Un autre homme politique connu pour produire lui-même ses discours était Jean-Marie Le Pen, dont le talent oratoire lui permettait d’ailleurs très souvent de les improviser en public. Dans cette campagne, toutefois, sa parole a été mise sous contrôle. On craignait peut-être les dérapages : plus d’improvisations, et, bien que peu d’informations précises aient filtré, j'ai trouvé dans ses textes la trace de plusieurs mains.

Le phénomène n’est pas nouveau. D’autres personnages politiques ont eu recours à ce que l’on appelait auparavant des « nègres », et que l’on appelle désormais de façon politiquement plus correcte des « plumes ». Ce fut le cas, notamment, de Jacques Chirac lors de la campagne de 1995, et sa plume de l’époque, Henri Guaino, s’est habilement recyclée, puisque c’est lui qui a écrit les discours majeurs de Nicolas Sarkozy pendant la campagne (et d’autres depuis, comme le discours devant le MEDEF). La différence dans la dernière campagne, est que les plumes ne sont plus perçues comme des artifices vaguement inavouables et honteux : désormais, on les montre, elles ont même les honneurs de la presse et paradent sur les plateaux télé.

Je vais essayer de vous montrer dans la suite de ce billet comment on peut retrouver par des moyens automatiques les discours écrits par les différentes plumes. Cette recherche s’apparente à une recherche en paternité. Chacun de nous laisse dans ses textes des traces stylistiques qui lui sont personnelles et qui permettent, si ce n’est d’identifier un auteur à coup sûr, mais du moins d’émettre de fortes hypothèses... J’ai montré dans d’autres billets [1, 2, 3, 4, 5] comment l’anaphore (c’est-à-dire la répétition des débuts de phrases) trahit la plume d’Henri Guaino. C’est un indice, mais il y en a beaucoup d’autres : choix du vocabulaire, mots fétiches et tics de langage, longueur des phrases, utilisation des temps verbaux, de la ponctuation, etc.

Cette « signature » stylistique des textes a été utilisée depuis les années 1960 dans les recherches d’attribution d’auteur. Le cas le plus célèbre est sans doute l’étude de Mosteller et Wallace, qui en 1964, ont mis fin à des décennies de controverses sur l’attribution des célèbres Federalist papers, une série de 85 essais parus sous pseudonyme aux Etats-Unis à la fin du XVIIIè siècle et appelant les habitants de l’État de New York à ratifier la Constitution. Vous vous souvenez aussi peut-être de la controverse qui a entouré la révélation par mon collègue Dominique Labbé des ressemblances étonnantes entre certaines pièces de Molière et celles de Corneille. L’idée que Corneille servait de plume à Molière court depuis quelques décennies, mais, environnée de « preuves » statistiques, l’affaire a fait grand bruit (voir ici et ici)...

Sarkozy et Guaino ne sont ni Molière ni Corneille, mais vous allez voir dans la suite qu'on trouve des choses intéressantes dans leurs textes.

---

Lire la suite

• Grand chef à plumes (2)
  
• Grand chef à plumes (3)
  

Lexique: Ségobidules

Après le sarkodico (ici et ici), le ségodico... La ségomanie a été moins créative : je ne trouve que 250 termes candidats (contre 560 pour sarko-), et beaucoup d'entre eux sont liés à la ségosphère, qui, elle, a été largement plus active que la sarkosphère : on y trouve beaucoup de pseudos, de noms de blogs, etc. Il faudrait trier.

On trouve bien sûr les ségobourdes, qui ont fait beaucoup parler, ou le pas très gentil ségodiche... Il y en a que j'aime bien, comme ségozille (en pure perte, finalement), ou segosaurus (je croyais que c'était des éléphants)...

sego segoactu segoagriculturedossier segoaine segoalaniche segoanhcq segoanna segoanne segoapotre segoasevres segoatelier segoatitude segoattitude segobagodoigt segoballadurlene segobesac segobeurk segoblog segoblogs segobmal segoboboboy segobodium segoboss segobourdes segobox segobr segobricensis segobrida segobrige segobuzz segocaraibes segocduvent segocentraque segocentrique segocentrisme segocentrix segochat segoche segochienne segochou segocon segocratie segocreteil segodemago segodeputes segodiche segodin segodinde segodiversite segoeducdossier segoele segoelen segoene segoenforce segoenzo segoeolienne segoetarlette segoetsarko segoetsarkoenterite segoevista segofalloy segofan segofanatik segofans segofav segofavre segofb segoffiele segofi segofile segofin segofleur segofoot segoforum segofraise segofrangy segofun segogate segogo segogobobo segogoboo segogocr segogocratie segogogolene segogol segogolaine segogole segogolene segogolhaine segohaine segohandisite segohapouatier segohiphop segohoho segoiene segoilot segoinde segoinus segoisborn segoisiller segoiste segoistes segojalm segojavascript segojc segojct segojo segojournal segojournalisme segojoy segojp segojpg segojudee segojugeeparlessiens segojulie segokiki segokis segokita segokonne segokotlo segokungnuya segol segolaine segolaisne segoland segole segolen segolenades segolene segolenelefevre segoleneparis segolenepresidente segoleneroyal segoleneroyalblog segoleneroyale segolenistes segolisme segoliste segolistes segolo segomadit segomanes segomania segomaniac segomaniaques segomarin segomaton segomedy segooolene segoooo segoooooooo segooooooooo segoooooooooo segooss segoousarko segoparis segopat segopaysbasque segophere segophile segophiles segophilus segophobe segophobes segophobie segophonie segopine segoplay segopodcast segopolitik segopoly segopr segopshere segoq segoqf segoqui segorama segoreine segorene segorevoir segorose segoroyal segoroyale segoroyalmix segosansmoi segosarko segosarkoscope segosaurus segosem segosept segoshere segoshow segosie segosille segosphere segosphereest segospherepaca segospheres segostar segostop segostrausfab segosuperdemago segosy segotesbonne segotic segotour segotousegaux segotude segoubaly segougou segoulah segouonligne segourac segouret segouverner segovadere segovaderetro segovilaine segovincennes segow segoweb segoweek segowiki segowin segowoman segowonderwoman segowool segoworld segowowow segowtte segowwbj segoxxx segoyal segoyale segoyalene segoyan segoyas segoyene segoyer segoyin segoyo segoyoroso segoyoupitralalacleweekend segozap segozebest segozette segozille segozouk segozy segozysme segozyste

Lexique : Sarkosyl et autres sarkotrucs (suite)

Je suis dilettante, mais têtu. Ça me chagrinait de voir Exalead se bloquer à 80 mots (lire le début), et ma réponse au commentaire de Dominique m'a fait apercevoir une façon de contourner cette limite (sérendipité, quand tu nous tiens...). Il suffit de répéter la même procédure avec toutes les lettres de l'alphabet : sarkoa.*, sarkob.*, sarkoc.*, etc. C'est évidemment un peu long, mais ce sont les ordinateurs qui travaillent, n'est-ce pas ?

J'ai ainsi récupéré 640 mots, dont environ 560 sont de bons candidats selon mes critères statistiques. Je vous les livre ci-dessous sous forme de nuage. Comme toujours, les plus gros sont les plus fréquents. En tout petit, quasi illisibles, les mots qui ont une fréquence inférieure à 10 et qui sont souvent des fautes d'orthographe ou des choses sans intérêt.

On trouve des sarkomots qui manquaient, comme sarkomania ou sarkoboy. Il y a en a d'autres que je découvre et que j'aime bien : sarkouille, sarkoquin, sarkomence etc. Je vous laisse explorer. Nous voilà en bonne voie pour construire le sarkodico !

sarko sarkoa sarkoabyssales sarkoaction sarkoactu sarkoadds sarkoadit sarkoadmire sarkoadsl sarkoaffichmur sarkoafrique sarkoaguler sarkoah sarkoaimequitterouen sarkoairline sarkoairlines sarkoalcoloo sarkoalelysee sarkoalertepop sarkoali sarkoamalte sarkoameaux sarkoamericain sarkoardise sarkoardize sarkoasso sarkoator sarkoators sarkoattack sarkoattitude sarkoau sarkoaufouquets sarkoaul sarkoaupif sarkoavotreecoute sarkoay sarkoazy sarkobad sarkobalade sarkoball sarkobanlieues sarkobeark sarkobebefacho sarkoben sarkoberlus sarkobession sarkobeurk sarkobeuze sarkobigbrothers sarkobis sarkobises sarkobite sarkoblabla sarkoblaireau sarkobleu sarkobligation sarkoblog sarkoblogmilitant sarkoblogs sarkoblunkett sarkoboat sarkobole sarkobombing sarkobongo sarkobooo sarkoboules sarkoboutef sarkoboy sarkoboys sarkoboyz sarkobra sarkobradantesque sarkobranlette sarkobsedes sarkobud sarkoburger sarkoburp sarkobus sarkobusch sarkobuse sarkobush sarkobushgaymardjuppe sarkobyl sarkoc sarkocaine sarkocam sarkocast sarkocenseur sarkocensure sarkocephalie sarkocescu sarkochampion sarkochat sarkochichi sarkochie sarkochien sarkochienchien sarkochine sarkocho sarkochoc sarkochon sarkocialisme sarkocide sarkocirkus sarkocirque sarkocise sarkociser sarkocityinnafire sarkocktail sarkoclash sarkoclint sarkoco sarkocom sarkocompatible sarkocompatibles sarkoconcourt sarkocontresego sarkoconversion sarkocop sarkocoque sarkocorico sarkocratie sarkocu sarkocufiage sarkoculte sarkocuzy sarkod sarkodanger sarkodead sarkodecideurs sarkodelirante sarkodemago sarkodent sarkodesfans sarkodetracteurs sarkodette sarkodidat sarkodisco sarkodisney sarkodisque sarkodit sarkodjeunes sarkodoc sarkodocile sarkodolatre sarkodomo sarkodose sarkodrive sarkodromeeeeeeeeeeeee sarkoe sarkoebbels sarkoel sarkoencore sarkoensemble sarkoetalors sarkoetm sarkoey sarkoezy sarkoface sarkofacho sarkofachos sarkofaille sarkofan sarkofanatique sarkofans sarkoferatu sarkofeux sarkoff sarkofficiel sarkofidead sarkofie sarkofillon sarkofisc sarkoflash sarkoflic sarkoflika sarkofolie sarkofolies sarkofrance sarkofred sarkofree sarkogadget sarkogagne sarkogaimadienne sarkogalland sarkogamer sarkogang sarkogate sarkogayzistes sarkogegene sarkogenda sarkogene sarkogenetique sarkogenome sarkogie sarkogito sarkogm sarkognac sarkogne sarkognito sarkognome sarkogodwining sarkogogoland sarkogogos sarkogoldwining sarkogood sarkogoud sarkogourou sarkoguaino sarkoguignol sarkogyre sarkogyres sarkoh sarkoherent sarkoheroe sarkoheros sarkohisation sarkohitler sarkoho sarkohoho sarkohypnotiques sarkohypnotisme sarkoi sarkoidien sarkoidisation sarkoidolatre sarkoidolatres sarkoienne sarkoier sarkoil sarkois sarkoisants sarkoisati sarkoisation sarkoise sarkoisee sarkoiser sarkoisme sarkoiste sarkoistes sarkoisy sarkoiznogood sarkoj sarkojardiland sarkojatte sarkojenesaiskoi sarkojetaime sarkojeunisme sarkojevo sarkojimbo sarkojoconde sarkojogger sarkojojo sarkojok sarkojoli sarkojordy sarkojournalisme sarkojournalistes sarkojuif sarkojuly sarkojunior sarkojup sarkokaerch sarkokail sarkokamikaze sarkokarcher sarkokarcherigene sarkokelb sarkokette sarkokifetou sarkokiller sarkoking sarkokir sarkokit sarkokland sarkoko sarkokodile sarkokoko sarkokorico sarkokoriko sarkokos sarkokotte sarkokouac sarkokouch sarkokoz sarkokozy sarkokraut sarkokrodiles sarkoku sarkokus sarkoky sarkokziste sarkol sarkoland sarkolandes sarkolandesval sarkolatre sarkolatres sarkolatrie sarkolatries sarkolene sarkoleon sarkologie sarkomachin sarkomadit sarkomail sarkomance sarkomane sarkomania sarkomaniac sarkomaniak sarkomaniaque sarkomaniaques sarkomanie sarkomap sarkomaton sarkome sarkomedefland sarkomedia sarkomedias sarkomedie sarkomedien sarkomedy sarkomefiobe sarkomence sarkomensonge sarkomenteur sarkomeur sarkomic sarkominator sarkoming sarkomingout sarkominus sarkomito sarkomix sarkommence sarkommuniste sarkomobile sarkomythe sarkomzy sarkonabo sarkonain sarkonanisme sarkonaparte sarkonapartisation sarkonapoleon sarkonar sarkonard sarkonasse sarkonator sarkonaute sarkonaze sarkonazi sarkonazie sarkonaziens sarkonazisme sarkonaziste sarkonazy sarkonazyste sarkondy sarkonegger sarkonerie sarkoneu sarkonews sarkonique sarkoniquetamere sarkonite sarkonnard sarkonnards sarkonnerie sarkonneries sarkonnexion sarkono sarkonocchio sarkonogoud sarkonoiac sarkonon sarkononmerci sarkonorepublic sarkonsensus sarkonul sarkony sarkonzy sarkoo sarkooff sarkoogle sarkooland sarkoolisme sarkoon sarkooo sarkoooo sarkooooo sarkoooooo sarkooooooo sarkoooooooo sarkoooooooooo sarkooooooooooo sarkoooooooooooo sarkoooooooooooooooo sarkoooooooooooooooooooooooooooo sarkoosy sarkooupas sarkoozy sarkopen sarkophage sarkophages sarkophile sarkophobe sarkophobie sarkopin sarkopipo sarkopolice sarkopoly sarkopopulisme sarkopresident sarkoprout sarkoq sarkoqtf sarkoqueen sarkoquel sarkoqufie sarkoqui sarkoquie sarkoquin sarkoquiz sarkoquizz sarkoqy sarkorac sarkoradar sarkoradarland sarkoradars sarkoraf sarkorafchi sarkorama sarkorangina sarkorap sarkoraptor sarkoreff sarkoregne sarkoremove sarkoreno sarkorepublique sarkoresistance sarkoresistant sarkoreunion sarkorgasme sarkorick sarkoride sarkorock sarkoroidelentourloup sarkoroscope sarkorou sarkoroyal sarkoroyale sarkorsi sarkory sarkorzi sarkorzy sarkosades sarkosego sarkosette sarkoshow sarkosi sarkosie sarkosien sarkosiste sarkospam sarkostiq sarkostique sarkosy sarkosyste sarkosystes sarkotaz sarkotek sarkotekno sarkotesbeau sarkotheque sarkothon sarkotidien sarkotine sarkotique sarkotiques sarkotiquesanonymes sarkotisque sarkotop sarkotron sarkotrouille sarkotterie sarkotusors sarkotv sarkoty sarkotype sarkouest sarkouillette sarkoumane sarkounie sarkousette sarkouzi sarkouzy sarkoval sarkovals sarkoveau sarkoverdose sarkovictoire sarkoville sarkovillon sarkovirus sarkovitch sarkovite sarkovny sarkowalker sarkowanetc sarkowarrior sarkowboys sarkowitz sarkoworld sarkowskile sarkowsy sarkowzi sarkowzy sarkox sarkoxis sarkoxite sarkoxjr sarkoxx sarkoxy sarkoyal sarkoyale sarkoyang sarkoyasu sarkoydi sarkoyen sarkoyenne sarkoyeti sarkoyote sarkoyotte sarkoyquement sarkoys sarkoysation sarkoyses sarkoysme sarkoyste sarkoyt sarkoyvele sarkoyy sarkoyz sarkoz sarkozette sarkozi sarkozie sarkozien sarkozienne sarkoziste sarkozistes sarkozix sarkozy sarkozyblog sarkozynews sarkozys sarkozysme sarkozyste sarkozystes

---

Lire la suite

• Ségobidules
  

Lexique : Sarkosyl et autres sarkotrucs

Mon ami Louis-Jean Calvet m’envoie ce matin un de ces mails dont il a le secret et qui ont l’art de me détourner des choses urgentes et importantes que je suis en train de faire (ou celles que je crois telles...) pour me lancer sur une piste tout à fait loufoque qui va me faire perdre deux heures en cogitations débridées... Ce qui montre bien, finalement, que toutes les choses urgentes et importantes que je devais faire ne l’étaient pas tellement. Un jour, je vous raconterai un conte persan : l’histoire du roi de Serendip (ancien nom de Ceylan, l’actuel Sri-Lanka), qui envoie ses trois fils à la recherche de ce qui existe de plus beau sur terre. Une vraie chose urgente et importante, mais les trois princes se laissent distraire constamment par des évènements inattendus qui leur font découvrir de magnifiques trésors, matériels ou spirituels qu’ils ne cherchaient pas... L’écrivain anglais Horace Walpole en a tiré vers 1750 le mot serendipité. Ca ne vous dit rien ? C’est devenu un mot à la mode pour ne pas dire qu’on est un peu dilettante...

Toujours est-il que Louis-Jean me demandait si j’avais une liste des mots qui commencent par sarko. Car c'est en train de devenir un préfixe. Vous avez sans doute déjà entendu ces expressions : sarkoland, sarkospam, sarkoshow, etc.

Seulement voilà : comment établir une telle liste? Interroger le dieu Godgle n’est pas une bonne idée, car comme la Pythie de Delphes, il ne comprend que les questions fermées (et de temps à autre fournit aussi des réponses confuses...). Pas besoin d’offrir un sacrifice sanglant, ni de s’asperger d’eau froide en entrant dans l’adyton, mais on ne peut en gros que demander « Ô grand Godgle, est-ce que le mot sarkotruc existe ? ». On ne peut pas lui dire « Sois gentil, si ça n’encombre pas trop tes serveurs, donne-moi la liste de tous les mots qui commencent par sarko... ».

Heureusement, il y a d’autres moteurs, placés moins haut dans le panthéon du Web, mais qui possèdent néanmoins de beaux talents. Ainsi, le moteur Exalead nous offre non seulement une interface bien plus agréable que celle de Google (qui en est resté un peu au Web 0.1...), mais aussi des fonctions de recherche plus évoluées. En cliquant sur « Recherche avancée », vous pourrez découvrir une possibilité assez sous-exploitée, à mon avis, mais qui dans le cas présent va nous être d’un grand secours : la recherche par expression régulière. Si vous êtes un geek, vous savez bien sûr de quoi il s’agit. Sinon, vous pouvez comprendre ça de façon très intuitive. Le point « . » signifie « n’importe quel caractère ». Par exemple, li.n correspond à lien, lion (et aussi lian, libn, licn, etc.). L’étoile signifie « le caractère précédent répété 0 à n fois ». Par exemple, hello* correspond à hell, hello, helloo, hellooo, etc.

La requête

sarko.*

signifie donc n’importe quel mot qui commence par sarko, suivi d’un nombre quelconque de caractères quelconques, c’est-à-dire tous les mots qui ont pour préfixe sarko-.

Vous pouvez essayer. Problème. Les mots sarko et sarkozy sont si fréquents qu’ils cachent tous les autres. C’est à peu près tout ce que vous allez réussir à obtenir. C’est là qu’entre en jeu une deuxième fonction (que connaissent tous les moteurs) : l’exclusion (signe « - » devant un mot). Si je demande

sarko.* -sarkozy –sarko

j’obtiens les pages qui contiennent sarkoland, sarkostique, etc. Mais, à nouveau, ces mots « cachent » les autres. Il suffit donc de continuer de façon itérative. J’exclus les mots rencontrés dans la première page de résultats (ceux qui sont en caractère gras), et ainsi de suite, jusqu’à épuisement du moteur...

Évidemment, je n’ai pas fait ça à la main. J’ai écrit un petit programme qui traite la chose automatiquement. Ça m’a permis de récupérer 80 mots qui commencent par sarko-. Je ne sais pas si c’est exhaustif, car on dirait qu’Exalead n’accepte pas plus de 80 mots dans zone de requête. Mais je dois avoir récupéré les plus fréquents.

On y trouve des fautes d’orthographe (sarkosy est incroyablement courant !), des dérivés (sarkosyste(s), sarkozysme, sarkozien(nne)) avec leur propres fautes d’orthographe éventuelles (sarkosiste), et des néologismes souvent assez drôles : sarkoland, sarkostique, sarkophage, sarkoshow, sarkolene, sarkoleon, etc.

Freq	Freq+Sarkozy	Mot	p
6658977	6658977	sarkozy	1.0000
1156718	638144	sarko	1.0000
176163	74394	sarkosy	1.0000
80695	17187	sarkozys	1.0000
64357	8213	sarkozi	1.0000
47424	19933	sarkoland	1.0000
43860	25282	sarkostique	1.0000
43343	33658	sarkozyste	1.0000
28693	23500	sarkozystes	1.0000
28269	19396	sarkozysme	1.0000
27339	10195	sarkophage	1.0000
26301	10	sarkoidose	0.0000
24101	26	sarkom	0.0000
22267	29	sarkophag	0.0000
20853	8170	sarkozix	1.0000
20364	225	sarkon	0.0000
19847	1495	sarkoy	0.0000
16341	1612	sarkos	0.2874
15697	4899	sarkotusors	1.0000
13908	8361	sarkoziste	1.0000
12785	8991	sarkozienne	1.0000
11621	10427	sarkoshow	1.0000
9171	3178	sarkoz	1.0000
8287	70	sarkor	0.0000
7845	4929	sarkozien	1.0000
7447	4209	sarkosi	1.0000
6913	2240	sarkome	1.0000
5498	68	sarkou	0.0000
5322	4915	sarkozynews	1.0000
5295	2627	sarkolene	1.0000
5097	4748	sarkoisation	1.0000
4958	3387	sarkozie	1.0000
4815	33	sarkot	0.0000
4690	3717	sarkofrance	1.0000
4357	3488	sarkospam	1.0000
4326	121	sarkocity	0.0000
4260	3179	sarkoblog	1.0000
3664	1637	sarkosiste	1.0000
3520	3425	sarkozyblog	1.0000
3017	2183	sarkoleon	1.0000
2648	1616	sarkosyste	1.0000
2594	211	sarkoman	0.0006
2580	1088	sarkonapartisation	1.0000
2333	41	sarkosyl	0.0000
2303	91	sarkomaa	0.0000
2131	1862	sarkonneries	1.0000
1981	1917	sarkominus	1.0000
1770	54	sarkocircus	0.0000
1636	688	sarkophobe	1.0000
1448	418	sarkory	1.0000
1293	655	sarkopipo	1.0000
1230	713	sarkosie	1.0000
1213	532	sarkosien	1.0000
1153	0	sarkoth	0.0000
1121	544	sarkophobie	1.0000
1055	206	sarkoattitude	1.0000
1002	168	sarkocirque	1.0000
880	309	sarkonazi	1.0000
781	757	sarkononmerci	1.0000
773	19	sarkov	0.0000
487	319	sarkorama	1.0000
415	67	sarkopin	1.0000
373	259	sarkothon	1.0000
364	179	sarkochienchien	1.0000
312	209	sarkosego	1.0000
297	23	sarkobot	0.1126
282	44	sarkomenteur	0.9988
248	85	sarkosette	1.0000
230	35	sarkocide	0.9952
215	114	sarkologie	1.0000
181	32	sarkoadit	0.9995
131	59	sarkoa	1.0000
129	68	sarkoier	1.0000
104	27	sarkoistes	1.0000
80	0	sarkospame	0.0002
34	6	sarkoraptor	0.9519
31	4	sarkoetalors	0.8068
20	4	sarkoresistant	0.9568
19	0	sarkoaffichmur	0.1351
2	0	sarkoali	0.8100

Je suis tombé sur des mots qui m’ont surpris. Par exemple, sarkosyl, que je ne connaissais pas. Non, ce n’est pas le médicament que prend le président (ça, c’est le Lexomyl) . Sarkosyl est le joli diminutif du N-Lauroylsarcosinate de sodium, ou si vous préférez (?) du N-MÉTHYL-N-(1-OXODODÉCYL)GLYCINATE DE SODIUM, C₁₅H₂₈NNaO₃

Il paraît que c’est un truc qui fait mousser, pour les shampoings ou les crèmes à raser. J’avais bien remarqué que Sarko était fantastique pour faire de la mousse et nous raser. Je sais enfin ce qu’il prend comme produit !

Mais vous me connaissez. Je ne pouvais pas me satisfaire de cette petite blague à deux sous. Il fallait que je systématise, que je mathématise, bref que je plombe cette petite découverte par ailleurs fort amusante. Y avait-il dans toute cette liste d’autres mots qui étaient de vrais mots, peu fréquents, évidemment, mais pas liés au grand Mousseux ? Comment faire ? En plus de dilettante, je suis paresseux (ça va souvent ensemble) et je n’allais pas me taper la série des 80 clics pour aller voir...

Petite idée. Prenons un des ces mots, mettons sarkotruc. S’il est lié au grand Mousseux, il doit apparaître fréquemment dans des pages où le nom Sarkozy apparaît aussi. Essayons : sarkoland = 47424 en tout, dont 19933 pages qui contiennent aussi sarkozy. 42%, pas mal. À l’inverse, des mots qui n’ont rien à voir avec Sarkozy ne devraient pas se trouver dans les mêmes pages que ce mot. Sauf que, pour toutes sortes de raison, cela arrive quand même : spam, pages de nouvelles qui contiennent à la fois les deux mots par hasard, etc.

Tout est donc question de fréquences. Du coup, tout en m’amusant (merci Louis-Jean) j’ai trouvé une excellente idée d’exercice pour mes cours de statistiques. Je vous la fait simple, je sens que j’ai déjà perdu beaucoup de monde au cours de ce billet... On a vu que sarkoland était associé à sarkozy dans 42% des cas. Quelle serait la fréquence moyenne des pages contenant sarkozy pour n’importe quel mot sarkotruc ? Je n’en sais rien du tout, mais je me suis fixé un seuil volontairement assez bas, 10%.

J’ai ensuite calculé pour tous les mots (automatiquement, toujours) le nombre de pages qui contiennent à la fois le mot en question et sarkozy (deuxième colonne dans la table). J’ai ensuite appliqué une loi mathématique moins médiatisée que le nombre d’Or, pi et tout ça, mais tout de même assez merveilleuse : la loi binomiale. Je ne rentre pas dans les détails, sous peine de perdre mon dernier lecteur (vous, apparemment : merci !), mais la dernière colonne de ma table donne la probabilité qu’il y a ait aussi peu de pages contenant à la fois les deux mots (sarkomuche et sarkozy, faut suivre !), étant donnée une proportion théorique de 10%... Pour la plupart des mots, cette probabilité est de 1 (ou quasi modo), mais pour d’autres mots elle est voisine de 0.

Ces mots-là sont donc suspects : ce sont de bons candidats à l’indépendance, probablement des mots qui n’ont rien à voir avec Sarkozy. J’ai fixé un seuil arbitraire de probabilité à 0,1, et voilà. Les mots suspects sont automatiquement marqués dans les lignes en couleur plus foncée dans la table.

Ça m’a permis de faire d’autres découvertes :

sarkoïdose : c’est le nom allemand de la BBS (sarcoïdose en français). Arrêtez, les geeks, ça ne veut pas dire Bulletin Board System. Cela veut dire maladie de Besnier-Boeck-Schaumann, autre nom de la lymphogranulomatose bénigne. Vous ne connaissiez pas ? Je vous avoue que moi non plus, mais Wikipedia m’informe que c’est une affection qui touche surtout les blacks (tiens, tiens : là où il y a du sarko...).

sarkom : C’est le nom du sarcome en allemand, à nouveau (et aussi dans d’autres langues, comme le suédois).

sarkophag : Allemand, toujours : sarcophage.

sarkoth : Une créature bizarre de World of Warcraft.

etc.

Les moteurs de recherche au service de l’exploration lexicale... Amusant, non ? Les gens d’Exalead pourraient nous proposer assez facilement une fonction qui permettrait d’afficher la liste de tous les mots qui commencent par (ou finissent par) un préfixe donné. Je suis sûr que ça aurait un franc succès.

Mais il faudrait que je m’arrête de donner des idées gratis, moi. Je ne m’enrichirais jamais avec ma serendipité si je continue comme ça. Les princes du Serendip pouvaient se permettre, eux, mais moi je ne suis qu’un pauvre universitaire mal payé !

---

Lire la suite

• Sarkosyl et autres sarkotrucs (suite)
• Ségobidules