La révolution des données dans la recherche historique

L'analyse quantitative a fondamentalement remodelé la pratique de l'histoire sociale, la déplaçant au-delà des preuves anecdotiques et des études de cas de petite envergure vers des enquêtes systématiques et à grande échelle du passé. Les historiens utilisent maintenant régulièrement des outils de calcul pour explorer des ensembles de données qui s'étendent sur des siècles, reliant des dossiers individuels pour révéler les modèles de migration, de mobilité sociale, de structure familiale et d'inégalité économique.

La base de ce changement repose sur trois piliers : l'expansion massive des archives historiques numérisées, le développement de méthodes informatiques sophistiquées et la collaboration interdisciplinaire croissante entre historiens, démographes, sociologues et informaticiens. Chacun de ces éléments a renforcé les autres, créant une boucle de rétroaction qui accélère l'innovation. Pourtant, ce progrès soulève également des questions importantes sur la qualité des données, les biais algorithmiques et les limites de la quantification.

La numérisation et l'augmentation des données historiques

Les institutions du monde entier ont beaucoup investi dans la conversion des documents papier en formats lisibles par machine, créant de vastes corpus qui peuvent être recherchés, reliés et analysés à l'échelle. Les rapports de recensement, les registres paroissiaux, les inventaires de probabilité, les dossiers judiciaires et les collections de journaux existent maintenant sous forme de bases de données contenant des milliards de points de données. Des projets tels que IPUMS[ à l'Université du Minnesota harmonisent les microdonnées de recensement de plus de 100 pays, permettant des études comparatives de la composition des ménages, de la structure professionnelle et de la fécondité dans différentes régions et périodes. De même, les Archives nationales et FamilySearch ont numérisé des milliards de documents essentiels, fournissant du matériel brut pour les analyses longitudinales des cours de vie.

Les données historiques sont intrinsèquement mesquines : les noms sont exprimés de façon incohérente, les âges sont arrondis ou mal signalés, et des populations entières peuvent être omises ou sous-estimées. Le fameux « virage numérique » a donc obligé les historiens à se perfectionner au nettoyage, à la normalisation et à la validation des données. Les techniques comme le couplage probabiliste des données, qui utilise des comparaisons statistiques plutôt que des comparaisons exactes de chaînes, sont devenues des outils essentiels pour relier les individus à travers des ensembles de données disparates. Sans une attention particulière à la qualité des données, les analyses quantitatives risquent de reproduire les biais incorporés dans les documents originaux, en particulier ceux qui excluent systématiquement les femmes, les minorités et les pauvres.

Un seul recensement peut survivre pour une ville, mais les registres paroissiaux correspondants pourraient être perdus. Les historiens doivent donc travailler avec des données incomplètes, en utilisant des techniques d'imputation et des analyses de sensibilité pour tester la robustesse de leurs constatations. Le GDELT Project, qui surveille les événements mondiaux à partir de sources d'information, offre un aperçu de la façon dont les données en temps réel peuvent être utilisées pour étudier les mouvements sociaux contemporains, mais ses analogues historiques – tels que les journaux numérisés du XIXe siècle – exigent un calibrage minutieux pour tenir compte des changements dans les pratiques de reportage, la langue et les biais médiatiques.

Étude de cas : La transition démographique

Les chercheurs ont pu modéliser l'interaction entre les conditions économiques, les normes culturelles et le comportement démographique aux niveaux individuel et communautaire. Les premiers travaux du Cambridge Group for the History of Population and Social Structure ont démontré que la baisse de la fécondité en Angleterre a commencé bien avant la contraception généralisée, ce qui laisse entendre que les changements dans les attentes sociales et les schémas de mariage ont joué un rôle critique. Des études plus récentes utilisant des données de recensement connexes ont montré que la baisse de la fécondité a souvent précédé l'industrialisation en Europe, remettant en question l'hypothèse selon laquelle le développement économique était le principal moteur, ce qui a contraint les historiens à reconsidérer la relation entre le changement économique et la vie familiale, et elles soulignent la valeur des preuves quantitatives dans les tests de théories de longue date.

Méthodes informatiques au-delà des statistiques de base

L'histoire sociale quantitative moderne utilise une série de méthodes informatiques qui vont bien au-delà des corrélations simples et des tests chi-carrés. L'apprentissage automatique, l'analyse en réseau, l'analyse spatiale et le traitement du langage naturel sont devenus des outils standard pour extraire le sens de données historiques complexes.Ces méthodes permettent aux historiens de traiter un grand nombre de variables, de détecter des relations non linéaires et de visualiser des modèles qui seraient impossibles à discerner par une inspection manuelle.

Apprentissage automatique pour le couplage et la classification des enregistrements

L'une des applications les plus importantes de l'apprentissage automatique est l'enregistrement de l'information, c'est-à-dire l'identification de la même personne ou entité à travers différents ensembles de données historiques. Les premières méthodes de couplage se sont fondées sur une correspondance exacte des noms et des dates, qui ont mal fonctionné avec les variations orthographiques, les erreurs de transcription et les données manquantes. Les approches modernes utilisent des algorithmes d'apprentissage supervisés, comme les forêts aléatoires ou l'augmentation des gradients, pour peser plusieurs caractéristiques – similitude de nom, proximité de l'âge, lieu de résidence, profession – et pour calculer une note probabiliste de correspondance.

Les recensements historiques contiennent souvent des professions enregistrées dans un langage idiosyncratique, « baker », « maître boulanger », « vendeur de pain », etc., qui doivent être normalisées en une taxonomie cohérente. Les classificateurs supervisés formés sur des exemples codés manuellement peuvent obtenir une grande précision, libérant les historiens des heures de codage manuel fastidieux. Ces classificateurs peuvent ensuite être appliqués à des millions de documents, ce qui permet d'analyser la structure professionnelle au niveau national sur de longues périodes.

Traitement des langues naturelles et extraction de textes

Au-delà des ensembles de données structurés, les historiens se tournent de plus en plus vers des sources textuelles non structurées, des lettres, des journaux, des débats parlementaires et des brochures, pour une analyse quantitative. Les techniques de traitement des langues naturelles permettent aux chercheurs d'extraire des thèmes, des sentiments et des entités nommées à partir de millions de pages. La modélisation thématique, par exemple, peut révéler la structure latente d'un corpus en identifiant des groupes de mots co-occupés.

La reconnaissance des entités nommées (NER) est un autre outil puissant. En identifiant automatiquement les noms de personnes, les noms de lieux, les organisations et les dates, la NER permet la reconstruction des réseaux sociaux, la cartographie des modèles de mobilité et l'analyse quantitative de la géographie historique. La bibliothèque numérique HathiTrust, avec ses millions de livres numérisés, fournit un corpus énorme pour de telles analyses.

Systèmes d'information géographique et analyse spatiale

Les systèmes d'information géographique (SIG) sont devenus un outil indispensable pour les historiens sociaux. En géocodant les données historiques, en reliant les dossiers à des lieux précis, les chercheurs peuvent visualiser la répartition spatiale de la richesse, de l'ethnicité, de l'occupation et de la santé. Les données de recensement avec des cartes des infrastructures, de l'utilisation des terres et de la topographie ont révélé comment l'urbanisation a concentré la pauvreté dans certains quartiers tout en créant de nouvelles possibilités dans d'autres.

Impact sur l'histoire sociale Narratifs

L'infusion de méthodes quantitatives a non seulement changé la façon dont les historiens recueillent des preuves, mais aussi les histoires qu'ils racontent. Un effet notable a été de remettre en question des récits de déclin ou de progrès fondés sur des preuves sélectives. Des études à long terme sur la mobilité sociale, par exemple, ont montré que la mobilité intergénérationnelle aux États-Unis était en fait plus élevée à la fin du XIXe siècle et au début du XXe siècle qu'au cours des dernières décennies, ce qui complique les récits populaires d'une « terre d'opportunité » devenue plus rigide.

Les méthodes quantitatives ont aussi donné la parole à des groupes souvent réduits au silence dans les archives traditionnelles.En regroupant les données de nombreuses personnes, les historiens peuvent reconstituer les expériences des pauvres, des femmes et des minorités qui ont laissé peu de dossiers personnels.Par exemple, l'établissement de liens entre les dossiers des bénéficiaires de secours pauvres au cours des décennies a permis d'étudier la transmission intergénérationnelle de la pauvreté, comment les familles se sont développées et sont sorties de la dépendance.

Collaboration interdisciplinaire et nouveaux cadres

L'essor de l'histoire sociale quantitative a favorisé la collaboration entre les frontières disciplinaires traditionnelles.Les historiens travaillent aux côtés des démographes pour modéliser la dynamique de la population, avec des sociologues pour analyser les réseaux sociaux, et avec des informaticiens pour développer de nouveaux algorithmes. Des projets comme le projet Clio-Infra de l'Université d'Utrecht créent des ensembles de données globaux qui peuvent être utilisés par les sociologues de multiples domaines.Le Stanford Literary Lab réunit des chercheurs littéraires et des historiens pour analyser à l'échelle des corpus de texte.Ces collaborations ont produit de nouveaux cadres analytiques, comme «l'histoire profonde» qui s'étend sur des siècles et des siècles de données, et ont poussé les historiens à penser plus systématiquement à la causalité et aux preuves.

Responsabilités éthiques et méthodologiques

Les données historiques contiennent souvent des renseignements personnels sensibles — noms, adresses, relations familiales — qui appartiennent à des personnes qui ne peuvent consentir à leur utilisation. Les historiens doivent équilibrer la valeur de la recherche par rapport à la vie privée des morts et les archives numériques devraient, dans la mesure du possible, imposer des restrictions et une anonymisation appropriées. De plus, l'acte même de quantification peut déformer le passé. Réduire les vies en nombres risque de décolorer la texture de l'expérience humaine, et les modèles statistiques peuvent imposer une fausse précision sur les données incertaines. Les historiens ont la responsabilité de présenter leurs constatations quantitatives de manière transparente, y compris des énoncés clairs des limitations de données, des taux de données manquants et des choix méthodologiques.

Les modèles d'apprentissage automatique formés sur des données historiques peuvent perpétuer et amplifier les biais des responsables de documents originaux. Par exemple, un algorithme qui classe les professions pourrait apprendre à qualifier les métiers dominés par les femmes de « non qualifiés », même s'ils ont besoin d'une expertise considérable, reflétant les biais sexistes des recenseurs. Les historiens qui utilisent ces outils doivent tester activement ces biais et ajuster leurs modèles en conséquence. L'objectif n'est pas d'éliminer la subjectivité – c'est impossible – mais de la rendre visible et gérable.

Horizons futurs

La frontière de l'histoire sociale quantitative continue de s'étendre. Plusieurs tendances définiront probablement le domaine dans les années à venir. Premièrement, la numérisation des sources non occidentales — registres fiscaux des ottomans, archives impériales chinoises, archives coloniales africaines — permettra de réaliser des études comparatives véritablement mondiales. Les historiens pourront tester si les modèles observés en Europe se trouvent dans d'autres contextes et explorer les diverses voies par lesquelles les sociétés ont connu des changements démographiques, économiques et sociaux. Deuxièmement, les progrès de l'intelligence artificielle, particulièrement les grands modèles linguistiques, peuvent permettre une analyse plus nuancée des textes historiques, y compris la reconstruction du dialogue, l'identification des biais implicites et la production de documents synthétiques pour combler les lacunes dans les données.

La reproductibilité et la transparence deviendront de plus en plus importantes.À mesure que les flux de travail de la recherche deviendront plus complexes, les historiens devront adopter des pratiques issues de la science des données : partager des codes, des ensembles de données et de la documentation pour que d'autres puissent vérifier et exploiter leur travail.Les dépôts comme Dataverse[ et Résidoire de données qualitatives[ fournissent une infrastructure à cet effet, mais il faut des changements culturels.

L'analyse quantitative ne remplace pas l'artisanat de base de l'historien – interprétation critique, compréhension contextuelle et synthèse narrative – mais elle en est une amplification puissante. En embrassant ces outils tout en maintenant une position sceptique envers les données et les modèles, les historiens sociaux peuvent découvrir des modèles cachés depuis des siècles, tester des hypothèses qui sont restées sans conteste et raconter des histoires plus riches et plus factuelles sur le passé humain. Le chemin se poursuit, mais la direction est claire : les méthodes quantitatives resteront une force vitale dans l'histoire sociale pour un avenir prévisible.