Introduction

Au XVIIIe siècle, la reprise d'un texte passe rarement par la citation littérale d’un passage. Elle se manifeste plutôt par des paraphrases, c'est-à-dire des formes d’appropriation reformulante qui peuvent inclure la reprise d’une idée avec autre lexique, le déplacement d’images, le réagencement rhétorique, ou l'emprunt d’un tour stylistique. Or, dès qu’on cherche à repérer ces phénomènes à l’échelle d’un corpus, on se heurte à une tension méthodologique : les opérations nécessaires à la comparaison automatique (extraction, nettoyage, segmentation, normalisation) renforcent la comparabilité, mais risquent d’effacer précisément les indices de contexte et de style qui rendent une parenté interprétable.

Cette communication présente un travail de détection de paraphrases à partir des Caractères de La Bruyère, comparé à un corpus d’œuvres du siècle des Lumières et de la période (un sous-ensemble exploratoire incluant Montesquieu, Diderot et Crébillon, appelé à être réévalué et élargi). Nous proposons un protocole d’extraction, de nettoyage et de comparaison de passages destinés à produire des listes de candidats, puis à affiner les méthodes en fonction d’une validation experte. La thèse défendue est que la détection de « paraphrases » n’est pas un simple problème de correspondance. Plutôt, chaque choix de représentation numérique du texte configure ce qui devient visible, ce qui se déforme et ce qui disparaît dans l’analyse.

Méthodologie

Les textes sont nettoyés et segmentés en fenêtres textuelles comparables, puis évalués au moyen de plusieurs familles de similarité afin de capter des proximités de nature différente. Les proximités lexicales reposent sur des représentations de type bag-of-words avec pondération TF‑IDF ; la recherche de motifs et de patrons phraséologiques utilise des n‑grammes ; enfin, des représentations vectorielles fondées sur des modèles de type BERT (sentence-transformers) permettent de proposer des rapprochements plus conceptuels. Les résultats sont agrégés en classements de paires candidates, accompagnés d’une trace complète du paramétrage (taille de fenêtre, normalisation, métrique, seuil) afin de rendre l’expérience reproductible et la discussion méthodologique possible.

Évaluation et annotation

L’évaluation ne se limite pas à une métrique globale. Un échantillon de paires est validé par lecture experte et annoté selon le type de transformation observé (reprise lexicale, substitution, réorganisation, amplification, déplacement de point de vue, emprunt de tournure). Cette étape sert à calibrer les seuils, mais aussi à qualifier les erreurs typiques : faux positifs dus à des patrons linguistiques et topoi partagés et faux négatifs liés à des réécritures profondes, à l’ironie ou à des variations de registre. Le résultat est un modèle plus précis, et des données annotées, tant positivement que négativement.

Conclusion

Les conclusions attendues sont doubles. D’une part, une cartographie de proximités hiérarchisées entre œuvres, utile pour formuler des hypothèses de circulation et d’influence sans confondre proximité numérique et preuve. D’autre part, une analyse des compromis introduits par chaque chaîne de traitement : ce que l’on gagne en comparabilité et ce que l’on paie en appauvrissement des signaux stylistiques. La contribution originale réside dans l’articulation entre chaîne de traitement reproductible, validation qualitative et interprétation littéraire, afin de faire de la distance textuelle un outil d’enquête critique plutôt qu’un verdict automatique.

Les modèles d'intelligence artificielle multimodaux prétendent résoudre la traduction entre médias artistiques en réduisant textes, images et sons à des vecteurs dans un espace latent. Pourtant, loin de résoudre l'intraduisible intersémiotique, cet aplatissement vectoriel le révèle à cause des compensations nécessaires au passage d’un langage verbal ou même médial à un autre.

La traduction intersémiotique, passage d'un système de signes à un autre (Jakobson, 1959), permet d’observer l'intraduisible dans les humanités numériques. Chaque médium dépend de matérialités spécifiques. Ces systèmes rendent l'équivalence parfaite structurellement impossible (Bennett, 2019 ; Tekgül Akın & Kiran, 2023).

Je prendrai ici deux cas de traduction. Le premier est une traduction de langue : The Raven d’Edgar Allan Poe par Baudelaire. Le second une traduction de langage médial : les deux itérations de Théorème de Pasolini (1968). Le second cas est d’autant plus intéressant que l'auteur a simultanément créé le roman et le film, négociant différemment les mêmes thèmes selon les affordances (Murray 2012) de chaque médium, ce qui révèle l’importance de la matérialité en tant que la somme des caractéristiques physiques des matériaux et technologies avec l’intervention de l’artiste (Hayles 2002).

Les modèles multimodaux tentant des traductions intersémiotiques similaires opèrent par compensation probabiliste. Cette compensation produit des artefacts intéressants, comme des « artefacts cognitifs » (Queiroz & Atã, 2019). Les « hallucinations », approximations et choix génératifs révèlent ce qui ne peut être aplati (media collapse : Impett & Offert 2026) dans l'espace latent.

Ma méthodologie combine analyse comparative et expérimentation : j'examine les négociations créatives chez Baudelaire et Pasolini, puis soumets des segments équivalents à des modèles multimodaux pour observer les stratégies de compensation algorithmique. Cette comparaison montre que l'aplatissement vectoriel révèle les spécificités médiatiques par contraste.

Cette recherche contribue à une compréhension critique des modèles multimodaux en humanités numériques. L'intraduisible n'est pas une défaillance technique, mais une effet corolaire de la création artistique. Les projets de numérisation et de remédiation doivent reconnaître que la traduction intersémiotique implique des pertes, des gains ainsi que des transformations créatives.