Un post, histoire de placer des liens

C'est marrant, tout le monde parle de thématique, ces derniers jours : mes confrères Coyau et Popo, mais également R. Chartier dans un entretien au Monde.

Juste une citation : « Diderot n'aurait sûrement pas accepté la simple juxtaposition des articles, sans arbre des connaissances ni ordre raisonné, qui caractérise Wikipédia. » Qu'est-ce que je vous disais, hein ? :)

Thématique

Hier, Freewol se demandait, sur le Bistro, si ça ne serait pas une bonne idée de mettre tout en haut des articles la thématique principale à laquelle ils se rattachent. Évidemment, tout le monde lui a fait remarquer que les catégories servaient déjà à ça. Ainsi que les bandeaux de portails. Et qu'il suffit d'améliorer l'intro, après tout. Bref, que ce n'était probablement pas une très bonne idée de rendre le bouzin encore plus complexe.

Tout ça m'a rappelé qu'au début de Wikipédia, les catégories n'existaient pas. Certains articles utilisaient toutefois quelque chose de très similaire à ce que proposait Freewol (comme ici, sur Mars (planète) : pas en haut du texte, mais en bas). Comme quoi, ça remonte à loin.

L'idée des catégories, c'était de proposer une classification thématique automatiquement gérée par le logiciel, où des catégories racines contiendraient des catégories filles plus spécifiques, et ainsi de suite à la manière d'un arbre. J'imagine que l'idée de départ, c'était de faire une classification bibliographique rigoureuse. Forcément, comme tout le reste de Wikipédia, ça a dérivé (souvenez-vous : au début, WP, c'était pour apporter la Connaissance aux p'tits Africains... Heureux de voir que cette version 2.0 du fardeau de l'homme blanc s'est écroulée dans l'indifférence), et je suppose que la faute réside dans la possibilité de ranger un même article dans plusieurs catégories.

En fait, je parie que les conséquences de la multi-catégorisation n'ont pas été analysées à leur juste valeur. On a dû se dire un truc comme « ben ça va faire se dégager le thème principal », sans se soucier de savoir si ça existait vraiment, le thème principal. Évidemment, souvent, c'est juste un point de vue : le point de vue du bon sens ou de la pensée académique, certes, mais un point de vue quand même. Forcément, ça n'a pas résisté à l'usage...

À mon avis, l'un des enseignements de Wikipédia, c'est qu'il existe des tonnes de classifications thématiques : à la hiérarchisation traditionnelle, le site a substitué le réseau. Si c'est pas 2.0 à mort, ça... Maintenant, on va avoir des types qui vont nous bassiner avec la VRAIE thématique d'un article, mais c'est un autre problème.

La Wikipédia francophone est capitaliste et italienne

Je pense que vous l'avez compris : en ce moment, ma marotte, c'est de tripatouiller le graphe des catégories de WP. J'avance lentement et pas très efficacement, parce que je n'y connais pas grand chose et que je fais ça sur mon temps libre. Mais ça me donne des idées.

L'une de mes idées, c'est de trouver une méthode automatique de classification thématique d'une Wikipédia quelconque. Contrairement à ce qu'on pourrait imaginer, c'est nettement plus complexe qu'il n'y parait.

Comme vous le savez déjà bien entendu tous (car vous lisez attentivement ce blog et vous rappelez sans problème les posts d'il y a six mois), une équipe de chercheurs a déjà réalisé un calcul de cette couverture thématique pour en:. Leur idée, c'était de calculer le plus court chemin jusqu'à une catégorie de plus haut niveau. C'est assez pertinent, mais ça suppose :

• qu'il existe des catégories de haut niveau exploitables ;
• que les thèmes sont limités à ces catégories de haut niveau.

Le deuxième point est ennuyeux : l'une des caractéristiques de WP est justement de casser le modèle thématique habituel (limité à des trucs génériques comme "histoire", "géographie", etc.). Quant au premier point, il n'est tout simplement pas applicable sur fr:.

C'est là que je me dis : c'est pas grave, on doit bien pouvoir trouver d'autres méthodes. Par exemple, grâce à de savants calculs de centralité, il doit sûrement être possible de définir les catégories centrales. Et donc j'ai essayé. J'ai considéré le graphe comme non-orienté et j'ai calculé la distance moyenne de chaque catégorie à toutes les autres. Dans cette approche, Catégorie cachée est la plus centrale. En dehors des catégories de maintenance, il s'agit de Entreprise italienne. Mouais. Y'a encore du boulot, j'ai l'impression. Ou alors, cette approche est complètement hors de propos dès le début. Bref, fichtre.

En passant, si WP fait la différence entre les articles de l'espace encyclopédique et les autres, cette distinction n'est pas de mise en place pour les catégories, ce qui est assez ennuyeux pour mon approche : je n'ai aucun moyen générique pour dire automatiquement si une catégorie est encyclopédique ou pas. Forcément, ça limite.

PS : oui, je suis de retour. Non, ça ne va pas beaucoup mieux.