Tous les outils religions
📊 Analyse du corpus
La photographie lexicale des 42 textes : richesse du vocabulaire, mots distinctifs, entités nommées, polarité émotionnelle, topics latents et similarité. Chaque outil dans son onglet, avec un mode d'emploi.
1. Vue d’ensemble du corpus
Données (JSON)La carte d'identité des 42 textes : taille, richesse de vocabulaire, longueur de phrase.
Comment lire ce graphique
Chaque ligne est un texte. TTRTTRType-token ratio : nombre de mots distincts divisé par le nombre total de mots. Mesure la richesse lexicale relative ; plus c'est haut, plus le vocabulaire est varié. mesure la richesse lexicale (mots distincts rapportés au total). « Mots/phrase » est la longueur moyenne de phrase. La pastille de couleur indique la catégorie : religieux, alt. traduction ou baseline séculière.
Chargement (vue d’ensemble)…
Ce que ça montre
Les textes couvrent des tailles très variées (d'environ 10 000 à 800 000 mots). Cette diversité est assumée ; un contrôle dédié (onglet Robustesse) vérifie que la longueur ne fabrique pas les écarts mesurés ailleurs.2. Vocabulaire distinctif
Données (JSON)Les mots les plus caractéristiques de chaque texte, ceux qu'on n'y attendrait pas par hasard.
Comment lire ce graphique
Calcul par TF-IDFTF-IDFTerm frequency–inverse document frequency : pondère un mot par sa fréquence dans un texte, atténuée par sa fréquence dans tous les autres. Fait ressortir les mots caractéristiques d'un texte. : un mot ressort s'il est fréquent dans ce texte mais rare dans les autres. Les mots-outils et les pronoms archaïques (thou, thee, ye, unto, hath…) sont retirés pour ne garder que le vocabulaire porteur de sens.
Chargement (vocabulaire)…
Ce que ça montre
On lit d'un coup d'œil l'univers propre de chaque texte : noms divins, lieux, objets rituels, vocabulaire de la tradition. C'est la signature lexicale brute, avant toute analyse rhétorique.3. Entités nommées (spaCy NER)
Données (JSON)Les noms propres les plus cités dans chaque texte, repérés automatiquement.
Comment lire ce graphique
Repérage par NERNERNamed Entity Recognition : repérage automatique des noms propres (personnes, lieux, organisations…) par le modèle spaCy. L'étiquette de type peut se tromper sur l'anglais archaïque, pas le nom lui-même. (modèle spaCy
en_core_web_sm). Filtre par type d'entité (PERSON, GPE = lieux, ORG, NORP = peuples/religions…). Le compte est le nombre d'occurrences. Sur l'anglais archaïque, l'étiquette de type se trompe parfois (un nom classé ORG au lieu de PERSON), mais le nom lui-même reste correct. Les très gros textes sont échantillonnés (mention affichée le cas échéant). Chargement (entités)…
Ce que ça montre
Le panthéon et la géographie de chaque texte apparaissent : qui parle, qui agit, où. Utile pour repérer d'un coup les figures centrales d'une tradition.4. Polarité émotionnelle (VADER)
Données (JSON)La tonalité émotionnelle de chaque texte, phrase par phrase.
Comment lire ce graphique
Mesure par VADERVADERAnalyseur de sentiment à base de lexique, calibré sur les réseaux sociaux. Donne une part de phrases positives, neutres, négatives. Sur anglais ancien, à lire en relatif, pas en absolu., un analyseur à base de lexique. La barre répartit les phrases du texte en positives (vert), neutres (gris) et négatives (rouge), pour un total de 100 %. VADER est calibré sur des écrits modernes : sur l'anglais ancien, à lire en relatif entre textes, pas comme une valeur absolue.
Chargement (sentiment)…
Ce que ça montre
La plupart des textes sont massivement neutres (registre narratif ou doctrinal). Les écarts de positif/négatif se lisent par contraste, jamais comme un « score de bonheur » absolu.5. Topics latents (LDA)
Données (JSON)Les grands groupes de mots qui reviennent ensemble, et leur dosage dans chaque texte.
Comment lire ce graphique
Détectés par LDALDALatent Dirichlet Allocation : détecte des groupes de mots qui apparaissent souvent ensemble (« topics ») puis estime la part de chaque topic dans chaque texte. Ce sont des clusters statistiques, pas des thèmes théologiques. : l'algorithme repère des groupes de mots co-occurrents (les « topics »), puis estime la part de chaque topic dans chaque texte. Dans la mixture, chaque couleur correspond à un topic et la largeur du segment à sa part (total 100 %). Ce sont des clusters statistiques, pas des catégories théologiques.
Chargement (topics)…
Ce que ça montre
Les textes d'une même famille partagent souvent un profil de topics proche. Mais comme les topics sont purement statistiques, ils mélangent parfois deux idées : à interpréter comme un indice, pas comme une vérité de sens.6. Similarité lexicale (cosinus TF-IDF)
Données (JSON)À quel point les textes se ressemblent deux à deux, par leur vocabulaire.
Comment lire ce graphique
Similarité cosinussimilarité cosinusMesure d'angle entre deux textes vus comme des vecteurs de mots : 1 = identiques, 0 = aucun mot commun. Sert ici à comparer la proximité lexicale. sur des vecteurs TF-IDFTF-IDFTerm frequency–inverse document frequency : pondère un mot par sa fréquence dans un texte, atténuée par sa fréquence dans tous les autres. Fait ressortir les mots caractéristiques d'un texte. : chaque case croise deux textes. Plus la case est foncée, plus ils se ressemblent lexicalement (1 = identiques, 0 = rien en commun). La diagonale (un texte avec lui-même) est laissée blanche. Une bordure bleue marque deux traductions du même texte.
Chargement (similarité)…
Ce que ça montre
La forte similarité des paires de traductions (Bible KJV / Douay, Coran Rodwell / Sale) valide la métrique. Un biais subsiste : Legge traduit à la fois le Tao Te Ching et les Analectes, ce qui les rapproche artificiellement. La ressemblance lexicale n'est pas une ressemblance de pensée.Méthodes & glossaire
Les termes techniques employés dans cet onglet et ailleurs dans la suite d'outils. Ils apparaissent aussi en pointillés dans les textes : survole-les pour la définition courte.
- TTR
- Type-token ratio : nombre de mots distincts divisé par le nombre total de mots. Mesure la richesse lexicale relative ; plus c'est haut, plus le vocabulaire est varié.
- TF-IDF
- Term frequency–inverse document frequency : pondère un mot par sa fréquence dans un texte, atténuée par sa fréquence dans tous les autres. Fait ressortir les mots caractéristiques d'un texte.
- NER
- Named Entity Recognition : repérage automatique des noms propres (personnes, lieux, organisations…) par le modèle spaCy. L'étiquette de type peut se tromper sur l'anglais archaïque, pas le nom lui-même.
- VADER
- Analyseur de sentiment à base de lexique, calibré sur les réseaux sociaux. Donne une part de phrases positives, neutres, négatives. Sur anglais ancien, à lire en relatif, pas en absolu.
- LDA
- Latent Dirichlet Allocation : détecte des groupes de mots qui apparaissent souvent ensemble (« topics ») puis estime la part de chaque topic dans chaque texte. Ce sont des clusters statistiques, pas des thèmes théologiques.
- similarité cosinus
- Mesure d'angle entre deux textes vus comme des vecteurs de mots : 1 = identiques, 0 = aucun mot commun. Sert ici à comparer la proximité lexicale.
- Cohen's d
- Taille d'effet : de combien d'écarts-types deux groupes diffèrent en moyenne. |d| ≥ 0,8 = grand effet, 0,5–0,8 = moyen, < 0,5 = petit. Indépendant de la taille de l'échantillon.
- z-score
- Nombre d'écarts-types entre une valeur et une moyenne de référence. z = +2 = nettement au-dessus, z = −2 = nettement en-dessous.
- FDR (Benjamini-Hochberg)
- Correction des comparaisons multiples : en testant 10 marqueurs à la fois, on attend des faux positifs par hasard. La valeur q corrigée (FDR) contrôle ce taux ; « robuste » exige q < 0,05.
- test de permutation
- On mélange au hasard les étiquettes religieux/séculier des milliers de fois pour voir à quelle fréquence l'effet observé apparaît par pur hasard. p_perm < 0,05 = effet improbable sous l'hypothèse nulle. Robuste pour petits échantillons.
- IC 95% bootstrap
- Intervalle de confiance estimé en ré-échantillonnant les données avec remise. S'il exclut 0, l'effet est jugé fiable.
- AUC
- Aire sous la courbe ROC : pouvoir d'un classifieur à séparer deux classes. 0,5 = au hasard, 1,0 = séparation parfaite.
- leave-one-out
- Validation où chaque texte est prédit par un modèle entraîné sur tous les autres. Teste la généralisation sur des données jamais vues.
- RAG
- Retrieval-Augmented Generation : ici, recherche par sens (et non par mots-clés) dans un index de passages, via des embeddings. Une requête en français retrouve des passages en anglais.
- embeddings
- Représentation d'un texte en vecteur de nombres capturant son sens, telle que deux passages proches en sens sont proches en distance. Modèle multilingue ici.
- ethos
- Registre de persuasion par l'autorité de la source (Aristote) : on croit parce que celui qui parle fait autorité (révélation, tradition, expertise).
- pathos
- Registre de persuasion par l'émotion (Aristote) : on adhère par crainte, espoir, admiration, indignation, plutôt que par démonstration.
- logos
- Registre de persuasion par le raisonnement (Aristote) : on est convaincu par l'argument, la définition, la réfutation, la logique.