🧪 Robustesse & méthode

Méthode et limites

• Sources : tous les textes proviennent de Project Gutenberg (domaine public).
• Corpus : 42 textes, 24 religieux sur 12 traditions, 2 alt. traductions, 16 baseline séculière/philosophique.
• RAG : 38 entités / 19 317 chunks, embeddings paraphrase-multilingual-mpnet-base-v2, FAISS L2. Recherche évaluée à recall@5 = 96,5 % sur 29 requêtes gold-standard.
• Marqueurs : 10 catégories, regex transparentes, normalisation /1 000 mots. Cohen's d + Welch + bootstrap CI95 + permutation + correction Benjamini-Hochberg (n=24 vs 16).
• Robustesse : réplication hors échantillon, classifieur LOO-CV (AUC 0,91, p=0,001), confond de longueur, détecteur d'idiomes, contrôle culturel, robustesse de traduction, projection PCA.
• Limites : regex de surface uniquement ; sur-représentation chrétienne (5/19) ; effets de traduction résiduels ; VADER approximatif sur anglais archaïque.
• Pipeline reproductible : ~/mythodologie/religion/scripts/, tout en git.

Glossaire

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.