Le corpus
Distribution des longueurs de lettres
La plupart des lettres sont brèves — écrites dans les heures précédant l'exécution — mais certaines dépassent le millier de mots : testaments politiques, adieux détaillés, instructions à la famille.
Chronologie des exécutions
Les dates d'exécution sont extraites automatiquement des notices biographiques du Maitron (motifs « fusillé le… », « exécuté le… »). Les pics correspondent aux grandes vagues de répression : les otages de l'automne 1941 (Châteaubriant, Nantes, Souge), les condamnations de 1942, puis le pic de février 1944 — le mois de l'exécution du groupe Manouchian, dit « de l'Affiche rouge ».
Géographie des exécutions
Les lieux d'exécution sont extraits des notices (« fusillé le… à… ») puis géolocalisés à la commune près : grands sites connus (Mont-Valérien, Châteaubriant, camp de Souge, citadelle d'Arras…) en coordonnées propres, et surtout résolution du nom de ville via le référentiel officiel des communes françaises (le département cité levant les homonymes) ; le centroïde départemental ne sert plus que de dernier recours. Le rayon est proportionnel au nombre de fusillés du corpus.
Qui étaient-ils ?
Chaque lettre est reliée à la notice biographique de son auteur. L'âge est calculé à partir des dates de naissance et d'exécution ; l'engagement est détecté par motifs dans la notice (Parti communiste, FTP, CGT, réseaux gaullistes, otages…). Une même personne peut relever de plusieurs catégories.
Âge au moment de l'exécution
Engagements repérés dans les notices
Le lexique des lettres
Les textes sont lemmatisés avec spaCy (chaque mot ramené à sa forme de base : « mourrai », « meurs » → mourir) et filtrés des mots-outils. L'étiquetage morphosyntaxique permet d'isoler noms, verbes et adjectifs — trois regards différents sur ce que disent les lettres.
Entités nommées
La reconnaissance d'entités nommées (NER, modèle fr_core_news_lg) repère les lieux, personnes et organisations cités dans les lettres elles-mêmes : les prisons (Fresnes), les prénoms des proches, le Parti, la Gestapo, l'Armée rouge. Les variantes de casse sont fusionnées et les faux positifs filtrés.
Références historiques et spirituelles
Qui les condamnés invoquent-ils dans leurs dernières heures ? La recherche par motifs mesure la part de lettres mentionnant chaque figure ou symbole.
Écrire selon son engagement
En croisant les notices et les textes, on compare le vocabulaire des fusillés communistes à celui des autres condamnés (otages non encartés, réseaux gaullistes, catholiques…). Part des lettres de chaque groupe contenant le terme :
Structure latente du corpus
Deux méthodes non supervisées, sans aucune annotation préalable : K-means sur vecteurs TF-IDF partitionne les lettres en deux familles — l'adieu intime (maman, papa, chérie) et l'adieu aux parents teinté de patrie ; LDA (allocation de Dirichlet latente) dégage des thèmes qui traversent les textes.
Regroupement K-means (k = 2)
Thèmes LDA
Concordancier
Outil classique de la linguistique de corpus (KWIC, keyword in context) : chaque occurrence d'un mot est affichée dans son contexte immédiat, avec l'auteur de la lettre. Utile pour vérifier une hypothèse née des statistiques.
Les lettres
| Nom | Âge | Exécution | Lieu | Engagement | Mots |
|---|
Méthode et outils
Acquisition
requests + BeautifulSoup parcourent l'index alphabétique du
Maitron et extraient, pour chaque fiche, la notice biographique (div.chapo)
et le texte de la lettre (blockquote.poesie). Requêtes espacées d'1,5 s.
Analyse linguistique
spaCy (modèle fr_core_news_lg) : tokenisation, lemmatisation,
étiquetage morphosyntaxique et reconnaissance d'entités nommées. Le grand modèle,
entraîné avec des vecteurs de mots, réduit nettement les faux positifs du NER.
Statistique textuelle
scikit-learn : vectorisation TF-IDF (pondère les mots distinctifs de chaque lettre) pour le K-means ; sacs de mots pour la LDA. Deux approches complémentaires du même corpus, reprises du chapitre 13 du livre.
Croisement biographique
Les notices du Maitron suivent un format quasi régulier — « Né le… à…, fusillé le… à… ; profession ; engagement » — qui se prête à l'extraction par expressions régulières : dates, âges, départements, lieux d'exécution et affiliations.
Ce projet constitue le chapitre 13 — le projet final — de :
Benoît Prieur, Traitement automatique du langage naturel avec Python — Le NLP avec spaCy et NLTK,
Éditions ENI, 2024 (ISBN 978-2-409-04498-4) — rafraîchi et étendu (NER, LDA, croisement biographique, cartographie).