Stylométrie : Delta de Burrows et attribution d'auteur

Humanités numériques · Master 1

Mesurer le style par les mots fonctionnels : Federalist Papers, Delta, Stylo et limites.

Introduction

La stylométrie cherche à caractériser le style d'un auteur par des régularités quantifiables, le plus souvent la fréquence des mots les plus courants (articles, prépositions, pronoms), peu contrôlés consciemment par l'écrivain. L'étude de Mosteller et Wallace (1964) sur les Federalist Papers, dont 12 textes étaient d'auteur contesté entre Hamilton et Madison, en est un jalon : leurs analyses attribuent ces textes à Madison.

En 2002, John Burrows propose le Delta (« Delta: a measure of stylistic difference and a guide to likely authorship », Literary and Linguistic Computing). On calcule les fréquences relatives des N mots les plus fréquents du corpus, on les standardise en scores z, puis la distance entre deux textes est la moyenne des écarts absolus. Plus le Delta est faible, plus les styles sont proches. Des variantes existent, comme le Delta cosinus de Smith et Aldridge (2011). Le package R Stylo (Eder, Rybicki, Kestemont) met en œuvre ces méthodes avec dendrogrammes, analyse en composantes principales ou positionnement multidimensionnel.

Les résultats dépendent du genre, de l'époque, de la traduction et de la taille des textes (quelques milliers de mots au moins). L'attribution d'auteur n'est donc qu'un indice : en 2013, des analyses de Patrick Juola et Peter Millican ont soutenu que le roman signé Robert Galbraith était de J. K. Rowling, avant l'aveu de l'autrice.

Objectifs d'apprentissage

Expliquer le principe et la limite des mots fonctionnels en stylométrie
Décrire pas à pas le calcul du Delta de Burrows
Interpréter dendrogramme, ACP et MDS
Évaluer la robustesse d'une attribution (genre, taille, corpus de référence)

Concepts clés

Pourquoi les mots fonctionnels ?: Très fréquents et peu liés au sujet, ils révèlent des habitudes d'écriture largement inconscientes.
Calcul du Delta: Standardiser en z-scores les fréquences des N mots les plus fréquents, puis calculer la moyenne des différences absolues entre deux textes.
Visualiser les distances: Dendrogrammes (classification hiérarchique), ACP et MDS révèlent les regroupements d'auteurs.
Fiabilité: Dépend du corpus de référence, de la taille des textes, du genre et de la période ; les résultats sont des indices à confirmer.

Conclusion

La stylométrie offre des indices quantitatifs, jamais des preuves absolues. Sa force est de rendre l'argumentation reproductible ; sa faiblesse, de dépendre des choix de corpus.

Une bonne pratique combine plusieurs mesures, teste la sensibilité aux paramètres et confronte les résultats à la critique philologique traditionnelle.

Cartes

Quel est le principe de la stylométrie ?: Caractériser le style d'un texte par des traits quantifiables, notamment la fréquence des mots les plus courants.
Qui ont mené l'étude classique sur les Federalist Papers ?: Frederick Mosteller et David Wallace (1964).
Qu'est-ce que le Delta de Burrows ?: Une mesure de distance stylistique entre textes à partir des scores z des mots les plus fréquents.
Pourquoi standardise-t-on les fréquences en scores z ?: Pour donner un poids comparable à chaque mot, y compris les moins fréquents.
Que signifie un Delta faible entre deux textes ?: Que leurs styles (selon les mots retenus) sont proches.
Quel package R est répandu en stylométrie ?: Stylo.
Quelle visualisation représente des regroupements hiérarchiques ?: Le dendrogramme issu d'une classification hiérarchique.
Citez deux facteurs qui perturbent l'attribution d'auteur.: Le genre littéraire et la période, ainsi que la traduction ou la taille insuffisante des textes.
Quel cas contemporain médiatisé a utilisé la stylométrie ?: L'identification de J. K. Rowling comme autrice de The Cuckoo's Calling, signé Robert Galbraith, en 2013.

Glossaire

Stylométrie: Étude quantitative du style linguistique.
Mot fonctionnel: Mot grammatical très fréquent (le, de, que).
MFW: Most Frequent Words : les mots les plus fréquents d'un corpus.
Score z: Valeur centrée-réduite indiquant l'écart à la moyenne en écarts-types.
Dendrogramme: Arbre représentant des regroupements hiérarchiques.
Attribution d'auteur: Détermination de l'auteur probable d'un texte à partir d'indices.