Data.bnf.fr, les documents

« il y devrait avoir quelque coercition des lois contre les écrivains ineptes et inutiles, comme il y a contre les vagabonds et fainéants. »
(Montaigne, Essais III,  « Chapitre IX. De la Vanité »)

Ce billet présente une application d’exploration des notices data.bnf.fr (livraison avril 2016), issues du catalogue général de la BNF. J’ai eu l’occasion de présenter cette base au LitLab de Franco Moretti (Stanford, 19 mai 2016), une question résumera leur impression. On m’a demandé : « connaissez-vous le délai d’acquisition d’un livre par la BnF ? », je n’ai pas tout de suite compris la question (en américain), Moretti a répondu pour moi : « il y a tout, avant même que cela soit en librairie, c’est la Loi ». Nous avons un instrument de recherche unique au monde, soyons fiers de la politique publique d’ouverture des données de la BnF. Ces explorations auraient pu commencer bien plus tôt, le catalogue est informatisé depuis les années 1990 (cf. Le Roy Ladurie 1995, 1996), mais l’ouverture des données élargit l’audience à plus de curiosités et de compétences. Évidemment les notices n’épuisent pas toute l’histoire de la pensée, il ignore ce qui s’est écrit dans les lettres, dans la presse, ce qui s’est dit dans les salons, et data.bnf.fr ne comporte que 80 % des notices du catalogue général (E. Cavalié 2016). Cette source est à considérer comme un fonds cohérent, avec ses biais et ses trous ; l’enquête qui suit est une tentative de prise en main globale, posant quelques précautions méthodologiques. Inévitablement, je touche à beaucoup de périodes et domaines où je ne suis pas compétent, mon intention est surtout de susciter l’intérêt des spécialistes pour ces données.

Merci à Raphaëlle Lapôtre, responsable des données data.bnf.fr depuis 2015, pour toutes ses idées et conseils. Merci à Didier Alexandre pour son idée du réseau des auteurs  par leur contributions communes, c’est la raison initiale de ce billet (et du code). Merci à Franco Moretti, qui m’a offert son livre Atlas du roman européen, 1997, dans sa traduction de 2000, notamment pour le chapitre sur « Le marché du roman vers 1850 » qui m’a beaucoup appris sur ce que l’on peut tirer d’un catalogue.

FRBR, critique d’une ontologie spéculative

Data.bnf.fr exporte ses notices en réseaux “RDF”, selon le modèle FRBR : Functional Requirements for Bibliographic Records, 1997, par l’IFLA, International Federation of Library Associations and Institutions.

Bibliothèques, modèle théorique FRBR

Ce quadruple étagement est théoriquement très pertinent et permettrait de suivre toutes les éditions d’une même œuvre.

  • Work – Goethe, Faust, 1808.
  • Expression – Goethe, Faust, français, traduction par Nerval, 1828.
  • Manifestation – Goethe, Faust, traduction de Nerval, édition par Maurice Allemand, Paris : Garnier frères, 1969.
  • Item – Le Faust chez Garnier, 3 copies à Tolbiac.

Critique par l’absurde — Le niveau item concerne la gestion interne des exemplaires d’une bibliothèque, il n’est pas accessible dans les données data.bnf.fr. Les problèmes commencent dès le niveau work. Pour Goethe, le besoin a eu le temps d’apparaître et l’information a pu être vérifiée. Mais si l’on prend seulement Marcel Pagnol, il est considéré comme l‘auteur principal de 467 documents écrits (éditions et rééditions), mais la BnF ne lui reconnaît que 3 œuvres (Le château de ma mère, La gloire de mon père, Topaze ; mais pas Le temps des secrets ou Jean de Florette). On peut se dire que c’est un travail en cours, qu’un jour le catalogue sera parfaitement corrigé, mais est-ce que la norme est seulement possible ? Une histoire peut s’exprimer (expression) comme un film, un enregistrement sonore, évidemment un livre. Soit la Manon des sources de 1986 (film de Claude Berri), est-ce une adaptation du roman de Pagnol de 1963 (L’eau des collines comportant Jean de Florette et Manon des sources) ou une reprise de son film de 1952 (Manon des sources), ou les 2 ? Tous ceux qui ont vu le film ne peuvent plus lire le livre sans voir le Papet sous les traits d’Yves Montand ou Manon avec le corps d’Emmanuelle Béart. En toute logique, dans le modèle FRBR, il faudrait donc que le film de 1986 soit aussi une œuvre (work) qui modifie le livre de Pagnol de 1963, car il fournit les images dans la tête du lecteur, et un livre n’existe pas si on ne le lit pas. Sans ironie, et prouvant la sagesse critique des conservateur de la BnF, Raphaëlle Lapôtre m’a donné l’exemple paradoxal et radical de Pierre Ménard, auteur du “Quichotte” (Borges), dont le plagiat est une œuvre par le seul décalage chronologique, comme le sont aussi les traductions, ou une grande édition d’un auteur. FRBR suppose une sorte d’héritage objet venu de l’informatique, il impose au catalogueur une métaphysique platonicienne qui est tout simplement plus fausse que le modèle antérieur des titres conventionnels. Le thème de Manon des sources n’existe pas dans quelque ciel des idées dont le document ne serait qu’une manifestation, le document est la seule réalité tangible d’une bibliothèque. Les clés d’indexation sont des regroupements très utiles, mais toujours des interprétations.

  • 8 423 213 notices de documents (livres, images, cartes, partitions, sons, films…),
  • 189 626 notices d’œuvres (correspondant à 677 039 documents).

BNF vs. Amazon — La grande majorité des documents ne sont pas réédités, encore moins adaptés en films ou traduits, ils ne manifestent, ou n’expriment, aucune œuvre. Sans responsabilité d’administration de ces données, je peux me permettre une réflexion libre, en délaissant les spéculations ontologiques sur ce qu’est un document pour me demander : à quoi sert le catalogue ? On peut considérer deux types d’usagers, le chercheur, mais surtout à l’avenir, le grand public. Quelqu’un qui a aimé la Manon des sources de Claude Berri devrait trouver la notice de la BnF dans ses premiers résultats de recherche, et avant qu’une librairie en ligne ne le fasse, la BnF devrait proposer un lien vers toutes les éditions de Pagnol en ordre de dates les plus récentes, ainsi que vers le film de 1952. L’institution a la mission et la possibilité de l’exhaustivité désintéressée. Pour l’instant, la notice permet juste d’apprendre que c’est une adaptation de Pagnol, dans lequel il faut aller chercher soi-même pour trouver les documents concernés. Une clé de regroupement Manon des sources serait très utile, elle ne présumerait pas que c’est une œuvre, que tel ou tel document aurait plus d’autorité dans la généalogie du film, mais resterait indicative, au même titre qu’une indexation sujet. Il suffirait de croiser ensuite avec les propriétés du documents pour par exemple trouver les traductions (langue) ou les films, sans que le modèle décide pour l’usager si un livre audio est une adaptation ou juste une édition.  Ce n’est rien de plus que le système actuel des titres conventionnels, avec cependant le souhait d’être plus exhaustif. Gageons que plusieurs personnes y ont pensé dans le vénérable château à quatre tours, et qu’ils cherchent un partenariat d’entreprise pour financer l’effort.

Documents — Quelles sont donc les données les plus fiables ? La notice d’un document (manifestation) est aussi sûre que la conscience du catalogueur qui le tient en main, et les consignes de l’époque. Toutes les notices ont un titre, sauf quelques documents d‘archives qui d’ailleurs n’entrent pas dans cette étude. Tous les documents ont un type, probablement inféré des départements de la BnF (texte : 6,58M, image : 816K, son : 578K, film : 207K, multimédia : 113K…), mais il est encore un peu difficile d’isoler certaines sortes de documents comme les cartes ou les partitions. La date semble relativement fiable, 708K de documents sont sans date, dont 460K de textes (7%). Cette marge d’erreur semble répartie régulièrement lorsque le nombre de documents est projeté sur une chronologie, remarquons tout de même un pic 1900 pour des documents non textuels du XXe (Publication: «[S.l.]: [s.n.], [ca 1900]). 1,13M de documents n’ont pas de langue, ce qui n’est pas surprenant pour les images sans paroles, mais cela concerne tout de même 731K de textes (11%). Ce taux d’absence est variable selon les années et peut monter jusqu’à 29% pour 1906, on observe une grande amélioration à partir de 1970, avec un taux résiduel de 0,5% aujourd’hui qui peut s’expliquer par les livres d’images ou les multilingues. Il faudra donc interpréter cette dimension avec prudence. Le lieu de publication a été extrait de l’adresse bibliographique, 1,1M de documents sont sans lieu, dont 502K des textes (8%), dont 3,25K des textes en français (8%). Le taux d’erreur varie beaucoup selon les années, il monte jusqu’à 36% pour 1789 ; mais il est en général inférieur à 3% après 1820, avec un plateau plus élevé entre deux guerres, pour tomber vers 0,5% depuis 1990. Un nombre de pages peut être extrait automatiquement de la description, mais cette donnée est très sensible à la finesse du script et aux pratiques de catalogage d’une époque. Je trouve pour l’instant un taux d’absence de l’information qui varie de 55% à 5% selon les années, avec des pics et des creux qu‘il faudrait expliquer par l’histoire de la BnF. On observe par exemple une très bonne reprise du catalogue révolutionnaire, une augmentation des erreurs de 1900 (18%) à 1958 (50%), puis une amélioration brutale ensuite (1960 : 20%) avec pourtant un pic en 1985 (26%) pour finir vers 5% aujourd’hui.  Il est même possible d’inférer un format de livre des description (in-4°, in-12°…), mais cela concerne à peine 10% des textes.

Rôles — Les autorités personnes sont soigneusement renseignées, j’ai ici déjà exploré la structure de l’information et sa fiabilité. Les autorités collectivités ne seront pas analysées ici, ce qui signifie qu’il n’est pas encore temps de mesurer le nombre de documents sans auteur. Une personne est liée à plusieurs types de notices, les périodiques et les spectacles qui ne seront pas explorés ici, et bien sûr les documents. Le lien se résume à un code de rôle qui définit le type de contribution, 9,64M de contributions sont enregistrées. La documentation propose 510 rôles différents, 440 sont utilisés pour les personnes, avec quelques rôles principaux qui couvrent la majorité des relations : auteur (47%), compositeur (9%), éditeur scientifique (8%), traducteur (3%), illustrateur (2,8%), chanteur (2,4%)… La responsabilité intellectuelle principale d’un document écrit, outre le rôle d’auteur, comporte aussi les rôles d’auteur présumé (0,07%), auteur adapté (0,5%), auteur prétendu (0,01%), auteur autre (0,02%), responsable intellectuel (0,7%) ; les chiffres qui suivront regrouperont tous ces rôles lorsqu’il sera parlé d’auteur. Cette modélisation est particulièrement sage, notablement agnostique sur l’identité des personnes dont on ne sait pas le métier, sauf par inférence sur leurs rôles dans les documents. Un peintre peut n’être connu que comme auteur s’il n’a jamais été enregistré comme illustrateur, c’est d’autant plus prudent s’il a encore de la vie devant lui pour changer de métier.

De cette analyse, il résulte un modèle assez simple, compatible avec une base de données SQL.

Databnf simplifié, modèle SQL

SQL — Les promoteurs de RDF seront un peu déçus, mais le serveur de triplets de la BnF est un moteur de base de données relationnelles. L’informatique est une physique, il ne suffit pas d’inventer une syntaxe pour faire abstraction des masses de données à déplacer et des temps de parcours. Pour produire un graphique, il faut une requête pour chaque point. Si chaque chiffre demande une transaction à travers tout l’internet, plus un parcours de réseau pour atteindre un rang dans une table, autant concevoir et optimiser ses tables pour ses graphiques. Ainsi par exemple, dans ce modèle on constatera quelques redondances dans la table des contributions (writes : booléen, rôle d’auteur de document de type texte ; date : copie du même champ de la table document ; dead : booléen, quand la contribution date d’après la mort de la personne). À l’usage, il apparaît en effet qu’une requête sera d’autant plus efficace qu’elle se limite à une table, avec un index comportant toutes les colonnes concernées, dans le bon ordre. On apprend à connaître les stratégies d’optimisation de son moteur de base de données préféré avec l’instruction EXPLAIN, renversant une autre fiction technologique, des requêtes efficaces ne sont pas identiques selon les implémentations, quand bien même la syntaxe du langage soit strictement conforme à la norme SQL92. Il suffit par exemple d’oublier une troisième ou une quatrième colonne dans un index, et le temps de requête est multiplié par 10, 100, ou part pour toujours dans les limbes des requêtes mortes avant d’être nées, le timeout. Attendre sa courbe plusieurs minutes n’est pas une variable négligeable de la science, car on finit par donner trop de prix à ce que l’on attend longtemps, comme cette unique courbe d’effectif que Le Roy Ladurie commente pendant 24 pages quasi sportives sur les attaques et les faux-plats. Il ne faut pas hésiter à reconstruire toutes ces données pour multiplier et croiser les expériences. L’effet démonstratif est encore plus appuyé lorsque l’on peut rendre la courbe assez rapide pour être interactive, le lecteur peut manipuler lui-même et construire aussi son interprétation, ou demander celles qui correspondent à sa recherche.

Chronologie

Si le graphique n’apparaît pas, sortir d’https. BnF, projection chronologique du catalogue, voir ce graphique dans une autre fenêtre.

Le nombre de titres français par an observe une croissance exponentielle avec des moments de troubles. On peut découper plusieurs périodes, essentiellement dues aux progrès des technologies (parallèles à ceux de l’enseignement) :

  • 1472–1600, peu de livres en français ;
  • 1600–1789, âge classique, de 300 à 2000 titres par an ;
  • 1789–1815, troubles de la Révolution et de l’Empire ;
  • 1815–1870, industrialisation, de 2000 à 10 000 titres/an ;
  • 1870–1962, un siècle de guerres, perturbations autour de 10 000 titres/an ;
  • 1962–…, photocomposition, de 10 000 à 70 000 titres/an.

Cette courbe confirme largement les pics et les crans déjà observés ici avec des données Google : les guerres mondiales, mais aussi 1870, et les révolutions.

Pages — Le nombre moyen de pages par document apporte des précisions qui croisent utilement le nombre de titres. Les précautions à prendre ont été expliquées plus haut, mais cela reste une variable intéressante et classique pour les historiens du livre, afin par exemple de distinguer un imprimeur de bibles ou un presseur d’affiches. Les phénomènes sont confirmés avec les données Google, peut-être moins représentatives que la BnF sur le nombre de titres (doublons), mais plus exactes sur le nombre de pages, car elles correspondent à des images numérisées. Ainsi pendant la Fronde (1648–1653), le nombre de titres catalogués va doubler, mais en même temps, le nombre de pages va chuter, car les étagères se rempliront de placards et de libelles. Cette forme de l’agitation révolutionnaire s’observe aussi pour 1789, 1830, 1848, et même les Cent-jours (1814). Les guerres, par contre, diminuent le nombre de titres, ainsi que le nombre de pages, suite aux restrictions de papier.

1968 — La Ve République depuis 1958 introduit de nouveaux phénomènes. Sur un fond de croissance exponentielle du nombre de titres (photocomposition, généralisation de l’offset, informatisation), on observe un pic du nombre de pages par livre en 1968, puis une chute ensuite. L‘histoire est trop belle, mais on voudrait penser que la révolution étudiante a été préparée par une grande concentration intellectuelle en noir et blanc, qui s’est dissoute ensuite dans l’explosion de titres en quadrichromie. Cette dilution des titres s’observe aussi aux Etats-Unis du Gilded Age, entre la guerre de sécession et 1913 : explosion démographique, progrès de l’alphabétisation, croissance du nombre de titres, et une diminution relative du nombre de pages ; ce que l’on peut interpréter comme un moment de démocratisation de la culture. En 1979, la Distinction de Bourdieu voyait déjà l’opposition entre un capital culturel ancien qui se distingue par les lettres, et une classe montante de cadres moyens en couleur, avec chaine hi-fi, télévision, photographie…. Depuis les années 1980, le nombre de pages augmente de nouveau, ce qui n’exclue pas que le nombre de mots par page diminue, car sans pouvoir le mesurer avec ces données, on sait l’importance prise par l’illustration, la bande-dessinée ou la littérature pour enfants. Depuis 2008, on observe un pallier dans le nombre de titres, les arbres ne montent pas au ciel, le temps de loisir du lecteur est limité, le marché ne peux pas éternellement absorber plus de livres. La crise dans l’édition est durable parce qu’elle ne peut pas retrouver les taux de croissance de 1960, l’industrie se restructure pour faire baisser les coûts autour d’un niveau de production désormais stabilisé.

Histoire quantitative et événementielle — Cette première prise de contact avec data.bnf.fr trace comme un plan en coupe de l’histoire de France. Depuis Marc Bloch, on a pu opposer une histoire quantitative du temps long à une histoire documentaire de l’évènement. La perte des phénomènes brefs n’est pas un effet obligatoire des méthodes quantitatives, c’est la conséquence de petites séries, difficiles à réunir, et souvent interrompues. Si la courbe plus haut avait été dressée à la main par sondages, il aurait été très imprudent de se fier à un pic de 1814 qui pouvait passer en dessous du taux d’erreur. La révolution du big data, ce n’est pas tant la méthode ou l’interprétation que la possibilité de réunir plus rapidement des séries complètes, où chaque accident peut être examiné dans le détail des occurrences. C‘est une révolution scientifique dans les sciences humaines. Pour l’instant, il faut étalonner les instruments sur ce qui est connu, en y apportant des preuves comptables. C’est sur les franges que l’on va découvrir des faits nouveaux qui ne réfuterons pas les réponses anciennes mais produiront de nouvelles questions.

Paris

Paris, place éditoriale, voir ce graphique dans une autre fenêtre.

Fiabilité — Le catalogue est très sensible à l’actualité parisienne, parce que la grande majorité des textes en français sont publiés par la capitale. L’apparente fiabilité du champ lieu sur l’ensemble du corpus (8% de sans lieu) concerne surtout les documents récents. Lorsque la courbe est projetée sur l’Ancien-Régime, l’erreur moyenne est beaucoup plus élevée (24%), et Paris varie en raison inverse des documents sans lieu, laissant supposer qu’ils sont surtout de Paris. Il vaut mieux pour l’instant ne rien conclure pour cette période avec ce champ. Après la Révolution, l’information est plus fiable.

Province au XIXe On observe plusieurs grandes périodes. De 1825 (82%) à 1878 (55%), l’importance de Paris semble décroître, mais le nombre moyen de pages des titres parisiens reste largement supérieur, les publications régionales augmentent en nombre mais diminuent en pages. La part de la province est donc surtout prise par des documents courts. Le brusque changement vers 1880 s’explique peut-être par la loi sur la presse ou une réorganisation des collections, nous recherchons une explication. Ensuite, la part de Paris est beaucoup plus stable, sauf durant l’Entre-deux-guerres. Il faut éviter de sur-interpréter les variations durant cette période, 11% des documents n’ont pas de lieu en 1923, c’est suffisant pour expliquer le creux apparent de Paris au même moment. La Province semble mieux supporter les troubles historiques, en tous cas le nombre de pages y est plus stable, sauf durant la première guerre mondiale (territoires en guerre et occupés). À partir de 1958, la Province observe une variation parallèle au nombre de pages parisien, en restant toujours inférieur. La baisse apparente de la part de Paris aujourd’hui n’est pas seulement l’effet de la régionalisation, on aura quelques indices en observant les lieux les plus fréquent par périodes, avec leur nombre de pages moyen.

  • 1815–1870 : Paris, 67 %, 135 p.; Lyon, 2,32 %, 108 p. ; Bruxelles, 1,52%, 157 p. ; Lille, 1,11 %, 106 p. ; Limoges, 1,03 %, 144 p. ; Tours, 0,94 %, 194 p. ; Rouen, 0,87 %, 83 p. ; Strasbourg, 0,86 %, 52 p. ; Toulouse, 0,86 %, 75 p. ; Bordeaux, 0,82 %, 41 p.
  • 1870–1962 : Paris, 64 %, 170 p. ; Lyon, 1,60 %, 106 p. ; Tours, 1,10 %, 185 p. ; Bruxelles, 0,93 %, 153 p. ; Versailles, 0,88 %, 20 p. ; Toulouse, 0,76 %, 123 p. ; Limoges, 0,74 %, 129 p. ; Bordeaux, 0,70 %, 92 p. ; Lille, 0,68 %, 114 p. ; Genève, 0,60 %, 147 p.
  • 1962–… : Paris, 58,2 %, 231 p.; Grenoble, 1,38 %, 156 p. ; Bruxelles, 1,34 %, 215p. ; Genève, 0,97 %, 243 p. ; Toulouse, 0,93 %, 150 p. ; Lyon, 0,87 %, 158 p. ; Rennes, 0,63 %, 176 p. ; Montréal, 0,54 % 212 p. ; Arles, 0,53 %, 206 p. ; Nantes, 0,51 %, 164 p. ; Saint-Denis, 0,46 %, 156 p.

Francophonie — Bruxelles reste une place importante et prestigieuse, avec un nombre de pages supérieur ou comparable à Paris. Genève est devenue une place du même ordre, tant par le nombre de titres que le prestige. Par contre, les villes régionales françaises remplissent une fonction éditoriale différente de la capitale, avec un nombre moyen de pages par titre d’autant plus bas qu‘elles produisent peu, surtout au XIXe s. On observera cependant une évolution du territoire après 1960, avec l’apparition notoire de la technopole de Grenoble (la moitié des titres viennent de l’université Grenoble 2). On remarquera aussi le réveil culturel de la Bretagne (Rennes et Nantes), du Québec, avec Montréal qui remplit une fonction similaire à Bruxelles et Genève par le nombre de page, ou de Arles, avec plusieurs réussites éditoriales récentes : Actes Sud, Honoré Clair, Philippe Picquier. Enfin, on voit monter de plus en plus de villes autour de Paris, le prix du mètre carré obligeant les éditeurs à s’installer derrière le périphérique : Saint-Denis, mais aussi plus bas dans le tableau, Issy-les-Moulineaux, Montrouge, Levallois-Perret, ou Versailles ; dont le nombre de pages indique un rôle subalterne à Paris.

Centre fragile — L’importance culturelle de Paris pour le français reste donc écrasante. La tendance semble à la baisse 1972 : 70%, 2014 : 51%, laissant espérer un peu plus de place pour le reste de la francophonie, d’autant plus que l’effectif global des sorties a beaucoup augmenté. Cependant la quantité moyenne de pages par titre reste sensiblement supérieure à Paris, à l’exception de grandes villes francophones non française : Bruxelles, Genève, et Montréal ; ou d’un cas comme Arles. Cette centralité influence nécessairement la vie culturelle, qui devient très sensible à ce qui arrive à la capitale (famines, révolutions, guerres, crises).

La part des siècles

Géologie du catalogue, voir ce graphique dans une autre fenêtre.

Siècles de naissances — Le catalogue sédimente les siècles. Le graphe cumulatif ci-dessus montre le nombre de titres attribués à des auteurs morts à la date de publication. Ce lien est plus fiable que les œuvres (works) pour représenter la part des rééditions dans les publications d’une année. À une autre échelle, la ligne pointillée indique le nombre de titres imputables aux vivants. Les couches sont colorées selon la date de naissance de l’auteur, afin par exemple d’observer si le XIXe s. publie plus de XVIIe que de XVIIIe. La périodisation est forcément une convention, pourquoi couper à 1690 ou à 1710 ? L’examen de la démographie des auteurs montre toutefois que la progression n’est pas homogène, elle est sensible à l’histoire. Ainsi la Terreur, ou la fin du règne de Louis XIV, ont eut beaucoup d’effet sur les vocations, si bien que le découpage séculaire des histoires de la littérature n’est pas une pure numérologie, elle résulte aussi de faits historiques. Il faut cependant tenir compte de l’âge de l’auteur au moment de l’événement. Ainsi la guerre 1914 affecte profondément la carrière des personnes de plus de 20 ans, comme Apollinaire (1880–1918). Il en résulte des périodes assez traditionnelles, avec quelques réglages pour ne pas diviser les générations les plus célèbres de l’anthologie. On remarquera un Moyen-Âge qui commence très tôt, afin d’inclure les pères de l’Église, beaucoup plus édités que les néo-platoniciens, qui ne peuvent pas être distingués par leur date de naissance.

  • Antiquité, né avant 150 ;
  • Moyen-Âge, né entre 150 et 1450, à partir de Tertullien (155–222) ;
  • Renaissance, né entre 1450 et 1600, à partir de Machiavel (1469–1527) ;
  • XVIIe s., né entre 1600 et 1680, à partir de Corneille (1606–1684) ;
  • XVIIIe s., né entre 1680 et 1780, à partir de Marivaux (1688–1763) ;
  • XIXe s., né entre 1780 et 1880, à partir de Stendhal (1783–1842) ;
  • XXe s., né après 1880, à partir d’Apollinaire (1880–1918) ;

Les vivants mangent les morts — Dès 1500, les vivants ont plus de titres que les morts (jusqu’à 76 000 contre 9 500 en 2008), mais les proportions varient. La courbe des titres posthumes est affectée par les mêmes creux que l’ensemble, mais sans les pics, à part une anomalie vers 1990 (le Grand-Récolement, révision du catalogue pour le déménagement de la Bibliothèque Nationale vers la BnF à Tolbiac). Pendant la Révolution par exemple, les éditions anciennes sont remises à plus tard, par contre, les auteurs vivants sont très actifs (mais avec moins de pages). Quelques précautions sont nécessaires en lisant ce différentiel, l’apparence visuelle dépend du maxima durant la période observée. Il suffit de mettre la Révolution dans la chronologie de l’Ancien-Régime pour que les Lumières semblent mornes, parce que les effectifs allant croissant, le pic le plus récent écrase les phénomènes précédents. Sans trop se tromper on peut tout de même constater que la Restauration et la Monarchie de Juillet ont une activité élevée d’édition patrimoniale, avec même un pic en 1826 qui ne sera  dépassé qu’après la révolution de 1848, sur un fonds général de croissance des titres. Après la guerre de 1870, l’activité éditoriale reprend immédiatement, tant pour les morts que pour les vivants. Le choc de 1914 est plus important, la reprise est plus longue, ensuite l’édition classique semble souffrir particulièrement de la crise de 1929. Après 1945, la reprise des éditions patrimoniales a été plus rapide que pour les nouveautés. Serait-ce l’effet de la politique du Comité national des écrivains, voulant refonder la France sur ses classiques ? Après 1962, la croissance logarithmique et le Grand-Récolement de 1990 n’autorise plus à tirer des conclusions.

Géologie des siècles — Les siècles apparaissent en pente douce, car le phénomène est continu. Ainsi, la Renaissance n’oublie pas le Moyen-Âge d’un coup, il persiste longtemps (par les livres religieux). Cependant, il faut reconnaître un pic des éditions classiques entre 1525 et 1550 ; Cicéron, Galien, Aristote, (Érasme), Térence, Lucien de Samosate, Hippocrate, Ovide ou Virgile sont dans l’ordre les auteurs les plus édités de la période. Après 1600, les auteurs antiques sont moins souvent imprimés (moyenne de 1500 à 1600 : 82, de 1650 à 1750 : 44), malgré un contexte de progression des titres (de 300 à 2500). L’Antiquité ne semble pas remplir l’espace ouvert par les progrès de l’imprimerie, son étiage en chiffre absolu reste comparable tout au long des siècles. Ce n’est pas la seule période qui semble ainsi se stabiliser avec le temps. Le XVIIe siècle fait ainsi un retour à la Restauration (1816–1830 : 186), mais il se stabilise ensuite ; 1832–1847 : 131, 1849–1869 : 147, 1873–1913 : 140, 1920–1938 : 126, 1947–1962 : 141 ; tandis que l’effectif global de titres passe de 2111 en 1816, à 11 115 en 1962. La moyenne est un chiffre délicat à manipuler dans ces périodes secouées, les conclusions pourrait être orientées si l’on joue sur les bornes ; il semble cependant qu’à un taux de croissance continu sur 5 siècles, les vagues de titres perdent de leur épaisseur après une génération, une guerre ou une révolution, mais ne disparaissent jamais et trouvent un équilibre, à un ordre de grandeur relatif à la taille initiale. Ainsi par exemple, il n’est pas pertinent de mesurer l’importance du XVIIe s. relativement à tout ce qui se publie dans les années 1980, le stock de titres reste le même, l’espace ouvert par les progrès techniques est rempli par les nouveautés, les rééditions sont à observer en valeur absolue. Ainsi au XIXe s. ou au XXe s., l’âge classique se maintient avec moins de titres que le siècle des Lumières, qui en a moins que le XIXe s., maintenant installé durablement au catalogue depuis 1945.

Antiquité, langues anciennes, et traductions

Antiquités mortes et vivantes, voir ce graphique dans une autre fenêtre.

Langues anciennes et vivantes — L’Antiquité concerne plus d’une langue, trois dominent le catalogue des imprimés : le latin, le grec ancien, mais aussi les traductions en français. On observera ainsi la quantité de titres en latin médiéval ou moderne, car c’est une langue restée longtemps vivante à l’Université, et qui l’est encore pour l’Église (Jean-Paul II est la personne qui signe le plus de titres durant son pontificat, 1978–2005, après Barabara Cartland, et un auteur de guides de voyages). Le partage entre les périodes est le même que ci-dessus, discutable, mais étalonné sur les auteurs fréquents, le latin médiéval va de Tertullien à l’Imitation de Jésus Christ, le latin moderne commence avec Luther.

Les différentes courbes sont très affectées par les événements historiques, avec cependant aussi, des  mouvement séculaires. On retrouve le pic de l’Antiquité pendant la Renaissance,  en notant cette fois qu’il s’agit surtout de latin ancien. Le latin vivant diminue durant tout l’Ancien-Régime. Après la Révolution, le nombre de traductions dépasse les types de latin, c’est un genre éditorial très sensible aux restrictions des guerres. Après 1945, le renouveau des antiquités est visible, et notamment le grec (le Grand-Récolement invite à ne pas interpréter plus loin).

Conclusion

Avec 70 000 titres par an depuis la crise de 2008, l’édition imprimée a probablement touché un plateau séculaire. On ne peut pas imaginer actuellement une nouvelle croissance du livre (imprimé ou numérique), il n’y a pas de gisement de nouveaux lecteurs, la part des étudiants pour une classe d’âge plafonne, et l’Internet offre de plus en plus de sources de textes, tout en diminuant le temps de loisir pour lire. Pour les décennies à venir, il vaut mieux compter que le nombre annuel de titres n’augmentera plus, mais se redistribuera. Les guides touristiques, les dictionnaires et autres ouvrages de références diminuent déjà, de même pour les livres de cuisine. Le besoin de fictions écrites persistera, il n’a pas disparu après un siècle de cinéma, au contraire, mais on peut imaginer une évolution comme le phénomène des séries, où un texte sera mis au point en temps réel sur la réaction des lecteurs en ligne, par une équipe de scénaristes. Une histoire est un flux qu’il est plus rentable de vendre par abonnement. Il est au fond irrationnel d’imprimer du texte jetable qui n’est lu qu’une fois, ou des bases de données qui sont consultées mais pas lues en entier. Osons une prophétie, le livre, comme ensemble cohérent et clos se resserrera sur ce que l’on relit, notamment, les classiques, et les livres pour enfants. Combien de personnes relisent et offrent Tintin ou Astérix toute leur vie ?

Perspectives

Data.bnf.fr comporte d’autres données qui ne sont pas explorées ici, d’autres billets sont à prévoir.

  • reprendre la démographie des auteurs personnes
  • les auteurs organisation
  • les documents ayant une œuvre pour sujet
  • lexicométrie des titres
  • l’indexation sujet
  • les notices spectacles et expositions
  • les compositeurs joués dans les disques

Bibliographie

Ce sera encore une fois une bibliographie indigente, ma carrière universitaire étant ratée depuis le moment où elle n’a pas commencé, je n’ai pas d’ascenseurs à renvoyer pour que l’on me cite.

 


Frédéric Glorieux

Ingénieur informatique

More Posts - Twitter - Flickr

Publié par

Frédéric Glorieux

Ingénieur informatique

Une réflexion au sujet de « Data.bnf.fr, les documents »

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.