Versione classicaVersione mobile
OpenEdition Books

Archéologie de l’espace urbain

 | 
Elisabeth Lorans
, 
Xavier Rodier

Partie III. Modèles de villes et systèmes de villes

Comment raisonner visuellement sur le paramètre temps ? Réflexions et retours d’expériences

Reasoning about time: issues and feedback from experiences

Jean-Yves Blaise e Iwona Dudek

Abstract

This paper discusses how heritage architecture analysts handle time. It argues first that we are not equally equipped (in terms of concepts and formalisms) to handle space and time, in particular when dealing with historical data sets in which missing and uncertain information can be critical. It then focuses on time and on the recent contribution of visual analytics to the problems of time-oriented data and the uncertainty issue. We then propose a categorisation of the notion of uncertainty, and finally introduce and exemplify generic characteristics of time to reinforce the analyst’s capacity to perform cumulative, comparison-rich, reasoning tasks.

Testo integrale

1Analyser les évolutions d’un lieu bâti implique de façon générale de travailler sur un triangle « espace – temps – société », rencontre de contraintes spatiales (pente, climat, tissu urbain, etc.), d’un moment dans l’histoire (techniques et connaissances disponibles, contexte au sens large), et d’une série de facteurs humains – vision à rapprocher du modèle OH_FET que proposent Rodier et al. 2008 : 195-214. À chaque sommet de ce triangle seraient associés des modèles, et avec ces modèles des variables, permettant de caractériser le lieu et de mesurer ses transformations. La mise en corrélation des variations observées sur chaque sommet permettrait de proposer des explications multi-factorielles bien commodes comme la forme F apparaît au temps T du fait de l’émergence d’un état social S ou encore l’existence au temps T de formes comme F détermine l’état social S.

2Mais avons-nous aujourd’hui, avec l’influence grandissante d’outils informatiques privilégiant le paramètre espace, une réelle homogénéité dans les moyens d’étude, dans l’instrumentation conceptuelle et matérielle pour renseigner les différents sommets du triangle susmentionné ? Il nous semble qu’au contraire, sans doute parce que nous nous représentons plus facilement l’espace que le temps (ou tout simplement parce que la demande est encore mal formulée), nos méthodes et outils privilégient largement l’espace et son occupation. La variable temps reste peu formalisée et l’analyse des évolutions d’un lieu bâti, dans sa dimension temporelle, reste difficile à instrumenter : on tend encore à voir le temps comme linéaire et à l’exploiter comme un mécanisme de remplacement d’un état de l’espace par un autre.

3Dans cette contribution nous nous interrogerons sur une entrée par le paramètre temps, donc sur la manière de caractériser et de visualiser un moment, une période, un cycle, un ordre en tant que tels, autrement dit sur la façon de raisonner sur le paramètre temps. Nous le faisons en prenant appui sur les legs (fig. 1) et apports de la communauté visual analytics (anglicisme sans traduction consensuelle – essayons analytique visuelle) en la matière.

Fig. 1 – Visualiser le paramètre temps : legs et pratiques.
Le brillantissime « horaire des chemins de fer » d’E. J. Marey, redessiné et simplifié, d’après E.R Tufte (Tufte 2006). À chaque train Paris-Lyon correspond une ligne partant du haut vers le bas (chiffres cerclés sur fond gris, 1 à 4). À chaque train Lyon-Paris correspond une ligne partant du bas vers le haut (lettres cerclées sur fond noir, a à d). Les départs/arrivées sont distribués sur 24 heures. Plus le train est rapide plus l’angle (a) est grand. Chaque escale (b) est placée en lieu et durée. Les deux trains les plus rapides – 3 et c – sont dessinés avec un trait plus épais. Ce dispositif finalement très simple est l’archétype d’un dispositif de visualisation d’informations : il offre au lecteur non seulement des données brutes, mais le moyen de raisonner sur ces données, en mettant en évidence par exemple les points suivants :
– durée de chaque escale pour chaque train ;
– influence du nombre d’escales sur le temps de parcours ;
– ensembles des heures d’arrivées et de départ et nombre d’escales par train ;
– densités de départs/d’arrivée en fonction du moment dans la journée ;
– vitesse des trains de nuit par rapport aux trains de jour ;
– rapports vitesse/escales comparées trajets aller/trajets retour ;
– nombre de gares sur le trajet ;
– etc.
Il permet de faire des comparaisons terme à terme :
– jusqu’à Tonnerre, les trains 3 et 4 vont sensiblement à la même vitesse. À partir de là l’écart ne cesse de grandir ;
– les trains aller et retour les plus rapides partent à la même heure !
Mais aussi de se faire une vue d’ensemble :
– le nombre d’escales n’explique pas les différences de vitesse (voir train 2 – 5 escales – et train 3 – 6 escales –, pourtant train 3 est plus rapide que train 2).

PREMIERS CONSTATS

4L’analyse des évolutions d’un lieu bâti, dans sa dimension spatiale, s’appuie sur un nombre croissant de méthodes, de modèles et d’outils, en amont (Laser, LIDAR) et en aval (représentation tridimensionnelle, SIG). Pas toujours bien adaptés aux réalités des données en sciences historiques, ils pèchent aussi par leur faible prise en compte du paramètre temps – réduit à une suite de moments plus ou moins mal reliés les uns aux autres par des artifices informatiques dépendants de tel ou tel logiciel.

5Si nous voulons manipuler le paramètre temps, il nous faut dans un premier temps nous débarrasser du prisme déformant consistant à assimiler temps et datation. Dater, c’est repérer au sein d’un continuum présupposé un événement ponctuel ou une durée. C’est avant tout un problème d’extraction et d’analyse de données. S’intéresser à la variable temps c’est passer de cette donnée à une information, c’est-à-dire au résultat de son interprétation dans un contexte spécifique (Stenvert 1991).

6Si l’on cherche à raisonner sur des rythmes de changement comparés, sur des discontinuités, sur un ordre d’apparition plutôt que sur une datation, alors il devient indispensable d’approfondir notre description de la donnée temporelle, y compris dans ses insuffisances. La liste d’indicateurs que nous proposerons dans cette contribution est un premier pas dans ce sens. Elle ne prétend pas à l’exhaustivité : tout au plus essaierons-nous d’illustrer par l’exemple les notions avancées au travers de cas concrets relevant des sciences historiques et de souligner les difficultés particulières que l’on peut rencontrer en l’appliquant dans la vie réelle.

Objectifs et situation scientifique

7Il existe bien des façons d’aborder la question du temps, ici approches théoriques ou là applications concrètes, ici comme dimension à mesurer, là comme valeur à représenter.

8La première clarification à apporter est de distinguer ce qui relève de la caractérisation des changements marquant l’évolution d’un objet d’étude au cours du temps, et ce qui relève de l’exploitation de la variable temps pour elle-même. Dans le premier cas on se posera des questions de datation, d’établissement de chronologies, voire de classification des changements (Blaise et Dudek 2010 : 91-100). Dans le second, on cherchera des formalismes génériques, applicables à différents objets d’étude, aussi bien dans une logique d’analyse a posteriori – faits passés – que dans une logique de planification – relations d’Allen (Allen 1984 : 123-154) au plan théorique par exemple, lifelines (Plaisant et al. 1996 : 221-227), themeRiver (Havre et al. 2002 : 9-20) ou planningLines (Aigner et al. 2005 : 457-463), par exemple si l’on parle d’applications informatisées concrètes.

9Premier choix donc : nous traiterons ici de formalismes génériques permettant de manipuler des informations orientées vers le temps, autrement dit de l’exploitation de la variable temps pour elle-même. Deuxième choix : nous nous inspirerons d’expériences menées en la matière dans le champ visual analytics pour introduire des notions et des outils visuels favorisant la lecture de motifs.

Arrière-plan épistémologique

10Héritant de la cartographie comme de la statistique (Friendly 2006 : 16-56), la communauté scientifique infovis (Information – visualisation) et ses excroissances Knowledge Visualisation ou visual analytics s’intéressent aux dynamiques spatiales depuis longtemps. On retrouve ainsi les cartes figuratives de C.J. Minard décrites à la fois comme représentant l’excellence graphique chez un très grand nom de la visualisation d’informations, E.R. Tufte (Tufte 2006), et en bonne place chez G. Palsky (Palsky 1996). Les thématiques de la représentation des dynamiques spatiales et des données orientées temps sont aujourd’hui au cœur de nombreux travaux en visual analytics, à l’exemple de Keim et Zhang 2011 ; Aigner et al. 2007 ; Aigner et al. 2008 : 47-60 ; Kapler et Wright 2004 ; Dudek et Blaise 2011 ; Sabol et Scharl 2008 ou Lammarsch et al. 2009 : 44, et nous ne pourrons en faire ici le tour.

11Mais il est utile en préambule à cette contribution de définir sans ambiguïté le terme visualisation. Faire de la visualisation, au sens donné à ce terme ici, ce ne sera pas faire un dessin, fût-il interactif, animé, 3D, pour communiquer le résultat d’un processus cognitif ; ce sera assister par le graphique ce processus cognitif. Une visualisation ne sera donc pas un but, mais un moyen, une activité cognitive (Spence 2001).

12Parce que la spatialisation n’est pas le point d’entrée unique ou privilégié d’un dispositif de visualisation d’informations, à la carte (interface, interactive, dynamique) se substituent des dispositifs mettant en exergue d’autres facettes des jeux d’informations (qualité/densité des informations ou aspects temporels par exemple) (Dudek et Blaise 2008 : 362-367 ; Blaise et Dudek 2010 : 91-100).

13Ainsi détachée, épistémologiquement, des prismes de l’entrée spatiale, de la datation, et de l’objet d’étude unique, la communauté infovis ou visual analytics a pu s’interroger sur le paramètre temps de façon générique, et peut aujourd’hui apporter une contribution originale au raisonnement sur des évolutions relevant des sciences historiques.

COMPRENDRE ET SE REPRÉSENTER LE PARAMÈTRE TEMPS : MODÈLES PUIS INSTRUMENTS VISUELS

14Raisonner sur le paramètre temps ne se limite pas à un problème de type ou de qualité de la représentation graphique. Les travaux théoriques et appliqués menés autour de l’approche chrono-chorématique (Grataloup et Djament-Tran 2010) illustrent bien cette double nécessité : un modèle, puis des outils visuels. Ce qui est discuté au travers d’applications de cette approche à tel ou tel cas concret (débat qui n’est d’ailleurs pas la moindre des vertus de l’approche) c’est bel et bien une mesure de la distance séparant un modèle sous-jacent (découpage en épisodes par exemple) et le fait observé. Autrement dit, le graphique n’est qu’un vecteur, il n’existe comme outil de raisonnement intersubjectif que parce qu’un effort de modélisation a été fait en amont. Cet effort permet de mettre en comparaison ce que l’on pense savoir de tel ou tel couple lieu/chronologie, mais il peut aussi déboucher sur une ré-interrogation du modèle.

15La visualisation est alors l’étape permettant de faire jouer concepts, attributs, relations entre concepts et attributs, afin de dégager une compréhension globale de la dynamique temporelle étudiée. Mais avons-nous réellement conscience de l’étendue des caractères observables du paramètre temps (fig. 2), quand nous tentons par exemple de faire digérer des dates à un outil informatique/une suite logicielle ?

16Il nous faut donc dans un premier temps comprendre quels caractères sont à observer ou sont susceptibles de saisir/restituer efficacement une dynamique temporelle. C’est bien de cet aspect qu’il sera essentiellement question dans cette contribution, dès la section suivante. Néanmoins, il faut préciser que modéliser et visualiser le paramètre temps pose bien d’autres questions. Sans développer trop longuement, nous proposons un rapide survol de trois d’entre elles dans les sous-sections suivantes.

Fig. 2 – Le temps, mais quel temps ?
Ces différentes visualisations (auteurs) rendent compte d’une évolution en s’appuyant sur différents caractères du paramètre temps. En haut à gauche, à chaque cercle sur la carte, matérialisant la position d’un édifice, correspond un cercle de même taille, déporté au-dessus ou en dessous de la carte, au bout d’un segment de droite. Ce segment représente une durée (durée qui sépare la construction de l’édifice observé et la construction du plus vieil édifice au sein de la collection étudiée). En haut à droite, ces visualisations, appelées diachrogrammes, synthétisent sous la forme de points et d’intervalles ce que nous savons du développement d’un groupe d’édifices, à fins de comparaisons. Elles supposent de travailler en temps ordonné (les choses arrivent les unes après les autres), s’appuient sur le concept de temps discret (à comprendre comme équivalent des nombres Entiers), et utilisent ici une granularité d’un an. Enfin, les deux frises chronologiques en bas de la figure représentent comme la précédente le temps comme linéaire, mais elles introduisent une rupture (« fourchettes » le long de l’axe horizontal) de continuité : celle du temps ramifié. Autrement dit, ces différentes visualisations travaillent toutes sur la notion de temps, et pourtant s’appuient sur des choix et modèles très différents : datation ou relation d’ordre, points et/ou intervalles, granularités ad hoc, univocité ou multivocalité, etc.

Décrire des changements, temporels et spatiaux

17Nous avons précisé que caractériser les changements marquant l’évolution d’un objet d’étude au cours du temps ne doit pas être confondu avec caractériser la variable temps pour elle-même. En effet, comprendre et décrire des changements sur un objet d’étude impose une grille descriptive dépendante de l’objet étudié lui-même (états vs. flux, anthropique vs. naturel, etc.) : l’évolution d’un jardin (saisonnière et sur le long terme) ne requiert pas les mêmes mesures et indicateurs que l’évolution d’un édifice bâti. Alors que dans le premier cas, cycles courts et longs sont prépondérants, dans le second l’analyste sera tenté de s’en tenir à une vision linéaire, centrée sur la vie de personnages influents et sur quelques grandes transformations architecturales. Une bibliographie importante montre par exemple comment l’étude de transformations aux échelles du territoire, du parcellaire ou du bâti s’accompagne de descripteurs différents, pas toujours compatibles, et en tout état de cause décrivant l’effet du temps sur l’objet. En ce sens, elle ne nous intéresse pas directement ici.

Capter, décrire, structurer une information temps mal définie

18La notion d’incertitude temporelle est évidemment présente en sciences historiques, mais on se doit de noter que nombre d’analyses prédictives l’intègrent tout autant. Le météorologue prévoyant un épisode orageux le décrit avec des incertitudes spatiales et temporelles, et par une intensité probable. À une autre échelle de temps, le volcanologue identifie un risque d’éruption sur lequel pèse une incertitude temporelle importante, plus importante que son incertitude spatiale. Chaque discipline fait sienne la notion d’incertitude, les réalités opérationnelles qu’elle recouvre, les limites qu’elle impose à nos ambitions.

19 Thomson et al. introduisent une typologie de la notion d’incertitude fondée sur deux étages : un étage générique, partageable entre disciplines, fait de grandes catégories (crédibilité, complétude, précision, etc.), puis un étage spécifique au domaine traité, dans lequel chaque champ d’application impose sa ou ses sous-catégories. Le terme de précision peut ainsi recouvrir pour certains la résolution d’images satellitaires, pour d’autres la fréquence d’observations climatologiques, pour d’autres encore la qualité des détails architecturaux d’un inventaire.

20Même s’il est commode de poser en axiome le caractère unique des données historiques, il nous semble utile de nous interroger sur les moyens de catégoriser leurs incertitudes – et nous proposons une contribution dans ce sens, devant permettre de passer de l’incertitude précaution oratoire à l’incertitude objectivisée, de verbaliser cette part de doute qui fait l’épaisseur et la profondeur des données historiques (on comprendra ici par épaisseur les rapports temps du fait / temps du rapport et le caractère potentiellement multivocal de ce dernier ; et par profondeur la notion de dépendance entre jeux de données) (fig. 3).

Fig. 3 – Catégorisation de facteurs contribuant à une situation d’incertitude. Une liste organisée, ni définitive ni exhaustive, pour servir de matière à penser.

Représenter pour assister le raisonnement

21Partons de l’hypothèse qu’un jeu de caractères nous permettrait de raisonner efficacement sur l’évolution de notre objet d’étude au cours du temps. Encore faut-il passer de valeurs (quantitatives ou qualitatives) à une représentation graphique. Cette étape de transfert, appelée mapping, est à l’évidence un sujet à part entière, comme en témoigne notamment la sémiologie graphique de J. Bertin (Bertin 1998). Nous renvoyons donc le lecteur à la lecture de J. Bertin, à celle de R. Spence (2001), mais aussi aux travaux remarquables d’E.R. Tufte (2006).

22Mais avant de clore sur ce point, il est important de faire une courte mise au point. S’agissant de raisonner sur le temps, l’on serait tenté d’opérer un transfert temps vers temps, une sorte d’échelle temporelle remplaçant ce qu’est l’échelle cartographique dans la représentation de l’espace. Il n’y aurait plus conversion de concept entre temps et espace (du graphique) : la frise chronologique classique serait remplacée par des signaux visuels et/ou sonores répartis dans un temps entretenant avec le temps vrai du phénomène un rapport numérique donné. C’est plus ou moins l’idée sous-jacente à la cartographie animée, ou dans de nombreux dispositifs à vocation pédagogique à l’échelle de l’architecture (maquettes 3D simulant les différentes phases de construction d’une cathédrale par exemple). Cette approche peut effectivement révéler un fait, une discontinuité, une suite de changements. Mais comme le signale W. Aigner, elle n’est pas adaptée aux tâches d’analyse et de fouille : aucune comparaison directe n’est possible par exemple entre deux événements distants dans le temps (sauf à disposer d’un chronomètre dans chaque main…). Le transfert temps vers temps est une piste tentante, mais une piste qui jusqu’à aujourd’hui relève d’une démarche d’explication, scénaristique, plus que d’une démarche de visualisation d’informations.

LES CARACTÉRISTIQUES DU TEMPS COMME VARIABLE GÉNÉRIQUE

23Pour étudier l’évolution d’un lieu, l’analyste manipule des sources documentaires hétérogènes dont il extrait un jeu d’indications temporelles. La liste d’indicateurs que nous proposons a pour vocation de structurer et de résumer les choix que l’analyste devra faire face à ces indications s’il veut en tirer tous les enseignements, les comprendre et les reverser dans l’étude d’autres lieux. Ces choix doivent être faits en toute conscience, si l’on veut rendre lisibles et exploitables les arguments que nous avançons quant à l’évolution d’un lieu. Inspirée par les travaux cités plus haut de W. Aigner, la liste de caractères ci-dessous est augmentée/commentée au regard des exigences de l’analyse de dynamiques spatio-historiques.

Progression : temps linéaire versus temps cyclique versus pas de temps

24La notion de progression permet de distinguer l’analyse faite sur l’ensemble d’une évolution ou d’un parcours temporel (à la recherche de densités, de schémas de répartition d’événements, etc.) de l’analyse faite sur un motif se répétant à l’intérieur de cette évolution.

25Dans le premier cas, le plus courant, on compile des indications temporelles, on les classe chronologiquement, on les commente, et on les restitue souvent sous la forme d’une frise chronologique ou son équivalent.

26Dans le second cas, le fait observé ou l’œil de l’analyste imposent une lecture par cycles, propre à rendre compte de motifs temporels. Le temple d’Ise (Japon), reconstruit à l’identique tous les vingt ans (61e itération en cours), est l’archétype du fait cyclique.

27Mais distinguer n’est pas opposer : dans bien des cas, même très simples, il peut être fructueux d’analyser nos indications temporelles au travers de ces deux modes. L’exemple de la figure 4 montre que sur un cas pourtant banal, sur un jeu d’indications pourtant très limité, combiner temps linéaire et temps cyclique permet de mettre en évidence des informations bien différentes.

28Il faut néanmoins préciser que la recherche de cycles significatifs n’est pas chose aisée. Elle implique de donner à l’analyste les moyens (techniques) pour affiner itérativement le pas du cycle, et sa position. Elle sous-tend également le plus souvent l’existence de cycles réguliers sur le temps long : un même phénomène se répétant à la même vitesse aujourd’hui, hier, demain. Or lorsque l’on étudie des données historiques, il est bon de s’interroger sur la variabilité des cycles au cours du temps. Les saisons (réelles, marquées par la présence de neige par exemple) ont-elles toujours eu la même durée sur les siècles passés ? Non. A-t-on toujours bâti à la même vitesse, et partout ? Non. L’idée de génération – i. e. espérance de vie – est-elle stable dans le temps ? Non, encore non. Autrement dit, là où dans la communauté visual analytics on peut comme le fait W. Aigner limiter la notion de progression au couple linéaire vs. cyclique, parce qu’on suppose en creux la stabilité en valeur des comportements cycliques au cours du temps, il nous semble important, dans l’étude de dynamiques spatio-historiques, d’intégrer à la notion de progression celle d’un pas de temps potentiellement variable, permettant de rendre compte du caractère évolutif de certains motifs.

Fig. 4 – Combiner linéaire et cyclique.
En (a) une chronologie linéaire sur laquelle sont repérés différents indices ayant trait à la chapelle Sainte-Anne de Ceillac (b), située dans les Hautes-Alpes à 2 400 m d’altitude, visualisation orientée lecture de densités. En (c) une visualisation orientée lecture de cycle (1 cercle = 1 an, les indices les plus anciens sont les plus près du centre, les secteurs colorés indiquent la durée effective des saisons, avec le bleu hivernal prédominant compte tenu de l’altitude). Dans cette seconde visualisation on voit évidemment apparaître un motif clair (activité centrée sur les seuls mois d’août et septembre) et une exception (correspondant à une collecte de fonds faite durant l’hiver). En (d) localisation d’un événement récurrent sur un cadran annuel (chaque heure est un mois) : le pèlerinage de la Sainte-Anne (24 septembre). Données issues de Chardin 1996.

Structure : temps ordonné, ramifié, ou perspectives multiples

29La notion de structure rend compte du fait qu’une évolution n’est pas forcément résumable par une suite univoque d’états se succédant les uns les autres (temps ordonné). Au contraire, il arrive que (fig. 5) :

  • pour un ou plusieurs épisodes des indications contradictoires nous parviennent sans que nous puissions en écarter aucune (temps ramifié : entre le point P1 et le point P2 plusieurs chemins possibles) ;
  • des descriptions multiples et incompatibles nous soient transmises sur une évolution dans son ensemble (temps à perspective multiple).

30Cette notion, utilisée pour gérer par exemple des témoignages humains contradictoires sur une suite de faits, se révèle en réalité indispensable dès que l’on reconnaît la nécessité de restituer tout ce que l’on sait, plutôt que de ne restituer qu’une seule version, choisie sur tel ou tel critère, bon ou mauvais.

Fig. 5 – Le temps multiple – histoires parallèles.
Les graphes d’interactions potentielles (A), (B), (C) représentent trois scenarii alternatifs présents dans la bibliographie et établissant des relations d’antériorité possibles pour un édifice situé sur la place centrale de Cracovie : Kramy Bogate (« étalages riches », en vert), détruit en 1868. Il s’agit bien de trois récits différents : les édifices dessinés en jaune et bleu sur le plan ont bel et bien existé, mais leur relation au dernier Kramy Bogate reste discutée entre experts.
Cette visualisation place en ordre avant/après (temps ordinal) des états (rien ne se passe à notre connaissance sur l’édifice) et des transitions entre états (quelque chose, bien ou mal connu, se passe). Un état est représenté par un rectangle, portant un numéro (état 1, état 2, etc.), une transition est représentée par un cercle. La succession rectangles/cercles est interrompue ici ou là par des triangles marquant des alternatives (moments de doutes – plusieurs alternatives possibles quant à ce qui s’est passé). Ainsi le passage, ligne B, de l’état 2 à l’état 3 (rectangles verts numérotés 2 et 3) se lit de la façon suivante : un événement ou processus a bel et bien lieu (triangle vers le bas) mais au vu de nos indices deux alternatives sont possibles : soit il n’a pas eu de conséquences importantes (cercle clair) soit il a amené un changement morphologique majeur (cercle noir, rectangle marqué d’un point d’interrogation). Le cercle noir placé sous cette « fourchette » indique qu’en tout état de cause un changement morphologique majeur a eu lieu entre l’état 2 et l’état 3. Le passage, ligne C, de l’état 1 à l’état 2 (rectangles verts numérotés 1 et 2) se fait via deux alternatives dont la première se lit de la façon suivante : l’événement ou processus n’a peut-être pas eu lieu (triangle vers le haut, ligne pointillée directe vers le point suivant) mais s’il a vraiment eu lieu (triangle vers le bas) alors… et on se retrouve dans le même cas que dans l’exemple précédent.
On observera ici en (d) une relation en temps ordonné simple entre l’état 3 et l’état 4 (rectangles verts marqués 3 et 4) : 3 apparaît avant 4, une transition connue les séparant.
On observera également en (e) une relation cette fois-ci en temps ramifié (plusieurs chemins possibles) entre l’état 1 (rectangle jaune marqué 1) et la phase de destruction de l’édifice (représentée par un double cercle et un triangle rectangle horizontal).

Primitives : points versus intervalles

31Il est courant de distinguer un point – instant sans épaisseur si l’on s’en tient à une analogie temps/espace – et un intervalle, espace temporel épais entre deux points. Dans le champ des sciences historiques plusieurs problèmes majeurs méritent d’être soulevés :

  • établissement d’un point ou d’un intervalle à partir d’indications hétérogènes et plus ou moins floues : à quel intervalle correspond numériquement l’indication entre la fin du XIIe siècle et le deuxième quart du XIIIe siècle ? ;
  • repérage d’un point – correspondant à un événement ponctuel, avalanche par exemple – en l’inscrivant quelque part dans un intervalle – pendant l’hiver 1918. La donnée est un point, mais sa valeur numérique est un intervalle ;
  • la notion même de point, d’instant, peut être contre-productive : un incendie peut être vu comme se déclarant au point temporel P, mais il peut être très utile de le voir comme un intervalle pour rendre compte de sa progression et comprendre d’où il est parti (voir aussi Granularité) ;
  • un intervalle ouvert (avant 1344) est il un point ou un intervalle ? Associé à une première indication chronologique, non explicite, il peut être point de départ d’un intervalle, mais d’un intervalle au sein duquel l’analyste recherche un point ;
  • les points fixant l’intervalle peuvent être incohérents en nature (à gauche, un point repéré quelque part dans un intervalle – entre 1645 et 1663, à droite un point simple – 1655). Ils peuvent aussi être incohérents en qualité : un intervalle large peut être beaucoup plus fiable qu’une indication plus serrée mais peu crédible compte tenu des sources utilisées.

32En conséquence, dans ce champ d’application spécifique il est utile de pouvoir au moins distinguer la variable cible – point ou intervalle – de la variable outil – un intervalle englobant le plus souvent (fig. 6).

Segmentation : Temps ordinal versus Temps discret versus Temps continu

33Raisonner en temps ordinal c’est donner un ordre – a avant b – sans donner de valeur à a et/ou b. En phase de visualisation (fig. 7), cette modalité implique donc de s’affranchir d’une échelle temporelle continue. Au contraire, le temps discret – comparable aux nombres entiers – implique le découpage d’une séquence temporelle en unités de temps se succédant les uns aux autres de façon ininterrompue. Enfin, le temps continu est une notion omniprésente dans la description de phénomènes naturels comme l’érosion, mais peut aussi nous intéresser en image renversée, pour signaler des discontinuités.

Fig. 6 – Points et intervalles.
Gauche : dispositif tactichronie (représentation tactile du temps pour voyants et non-voyants, à fins didactiques, auteurs). En (a) une forme « épaisse » marque les intervalles de construction ou de transformation d’un édifice (ici l’église Św. Wojciecha), en (b) un point – le tournant de chaque siècle – est marqué par une primitive fine.
Droite : application de la métaphore temps concentrique (Quote) à la classification Dmochowski (Quote). Un point – variable cible – signale le début de construction des édifices (en jaunes, édifices classés Roman ; en bleu, édifices classés Gothique, plus on se rapproche du centre du cercle plus on se rapproche d’aujourd’hui – à chaque point sur les cercles concentriques correspond une localisation sur la partie spatiale au centre). En (c) un intervalle sert de variable outil là où les données ne permettent pas d’atteindre la variable cible.

Fig. 7 – Segmentation et analyses.
Gauche : Analyse en temps ordinal de six groupes étiquetés « Gothique » au sein de la classification Dmochowski. Chaque carré synthétise huit caractéristiques des édifices étudiés. La couleur de fond des carrés (une par ligne) représente une des catégories proposées par Z. Dmochowski (style/groupe dans le style). Un point jaune à l’intérieur du carré positionne l’édifice en x, y (long/lat). Longueur, nombre de chapelles et nombre de volumes intérieurs sont représentés sur trois axes, et forment ainsi comme les sommets d’un triangle. Enfin, un symbole dans le coin haut droit identifie le type de chevet. Cette visualisation permet de souligner des cohérences (b) ou des incohérences (a) au sein de ces groupes, et donc de questionner la classification elle-même.
Droite : application de la métaphore historySkyline (auteurs) à l’évolution des édifices situés sur la place centrale de Cracovie. La silhouette bleue montre le nombre de transformations cumulées année après année (temps discret), mises en contexte par différentes données historiques (démographiques, politiques, législatives, catastrophes naturelles). Les silhouettes grises informent sur le nombre et le type des sources historiques. Le dispositif se lit comme une frise chronologique, de gauche à droite, et permet d’analyser densité d’activité et rapports de causalité.

Granularité : Chronon et Granules

34Lorsque l’on travaille en temps discret, on utilise de facto une unité temporelle de base – appelée chronon. On notera que cette unité descend souvent à la seconde ou à la milli-seconde dans les suites logicielles – imposant pour l’analyste de faits historiques un transfert risqué du moins précis vers le plus précis, sans que nous ayons réellement les moyens de ce transfert en matière d’informations.

35Le chronon correspond souvent, faute de mieux, à la plus petite des unités temporelles communes au jeu d’indications temporelles que nous manipulons – année, mois, jour, rarement mieux pour ce qui concerne les données historiques. Autrement dit, sauf à surinterpréter les données, le chronon correspond à la donnée la moins précise au sein de ce jeu d’informations. Dans ce cas, il s’accompagne mécaniquement d’un effet d’aplatissage de données : si, face à des indications pour l’essentiel connues à l’année près nous nous servons de l’année comme chronon alors nous ne pourrons plus ordonner deux événements ayant eu lieu à l’intérieur de la même année. Il nous semble donc important en histoire d’autoriser des basculements temps discret/temps ordinal, qui seuls peuvent rendre compte exhaustivement de données fortement hétérogènes.

36La notion de granularité présentée par W. Aigner correspond au mécanisme de groupement de chronons pour former des unités temporelles significatives appelées granules (fig. 8) : semaine ou mois à partir du chronon jour par exemple. Une granularité fixe donc un cadre adapté aux besoins d’analyse de l’utilisateur, elle dépend du chronon choisi – lui-même lié aux données manipulées.

Ancrage : temps ancré versus temps flottant

37Raisonner en temps ancré, c’est raisonner sur une ou plusieurs indications temporelles correspondant à un moment précis au sein d’un continuum, qu’il soit datable ou non. C’est typiquement la démarche que l’on entreprend lorsque l’on établit la chronologie de construction d’un lieu. La notion de temps flottant correspond à l’inverse à une rythmique, une séquence, une suite d’événements ou de processus qu’il est impertinent de placer à un endroit particulier d’un continuum. L’archétype du temps non ancré est la journée de moine selon saint Benoît : une séquence temporelle existe, elle est même assez précise, mais son analyse ne requiert pas de l’attacher à tel ou tel jour. Pris dans un sens plus large, cette opposition temps ancré – temps flottant peut être élargie à l’idée d’un processus d’étude dans lequel certaines séquences temporelles pourraient être manipulées comme flottantes transitoirement.

Fig. 8 – Chronon et granules : grouper pour souligner.
Deux exemples d’utilisation d’une granule large (un siècle) pour souligner une question, un fait, une tendance. À gauche, activité de construction sur la place centrale de Cracovie, siècle par siècle – en bleu édifices en briques, en brun édifices en bois (noter un pic clair au XIXe s.). Droite, métaphore infosphere (auteurs) appliquée au cas du Fort Saint-Jean (Marseille), montrant en type et en nombre les sources documentaires relatives à l’édifice pour le XXe siècle (haut) et pour le XIXe siècle (bas) – chaque petite sphère autour du « globe » informationnel représente un triplet créneau temporel, niveau d’abstraction de la source, niveau de granularité spatiale qu’elle traite.

CONCLUSION

38Dans cette contribution nous avons cherché à évaluer dans quelle mesure des travaux récents en visual analytics peuvent être mobilisés pour renouveler la façon dont nous raisonnons sur le paramètre temps dans le contexte de données historiques. Bien qu’elle ait été à l’évidence plus méthodologique qu’applicative, notre contribution a mis en avant concrètement un jeu de caractéristiques génériques assez larges, devant permettre de perdre le moins d’informations possible en route (cycles, vitesse, densités, etc.), de rester aussi fidèles à la nature de ces informations que possible, d’aller au-delà de la monographie pour chercher des régularités, des relations. Elle souligne enfin la nécessité d’un regard critique et appliqué lorsque l’on s’aventure à franchir un pont méthodologique interdisciplinaire.

Bibliografia

BIBLIOGRAPHIE

Aigner W., Miksch S., Thurnher B. et Biffl S. 2005. PlanningLines : Novel glyphs for representing temporal uncertainties and their evaluation, in : Proceedings of the 9th International Conference on Information Visualisation (London, 2005), IEEE Computer Society Press : 457-463.

Aigner W., Miksch S., Müller W., Schumann H. et Tominski C. 2007. Visualizing time-oriented data – A systematic view, Elsevier Computers & Graphics 31 (3): 401-409.

Aigner W., Miksch S., Müller W., Schumann H. et Tominski C. 2008. Visual methods for analyzing time-oriented data, IEEE Transactions on Visualization and Computer Graphics 14 (1): 47-60.

Allen J. F. 1984. Towards a general theory of action and time, Artificial Intelligence 23 (2): 123-154.

Bertin J. 1998. Sémiologie graphique, EHESS, Paris (orig. 1967).

Blaise J.-Y. et Dudek I. 2010. Understanding changes in historic architecture, in: Proceedings of the 1st International Conference on Information Visualization Theory and Applications IMAGAPP/IVAPP (Angers, 2010): 91-100.

Chardin A. et Chardin G. 1996. Les chapelles, les oratoires et les croix du lieu de Ceilla, Les amis de Ceillac, Ceillac.

Dudek I. et Blaise J.-Y. 2011. Visualizing alternative scenarios of evolution in heritage architecture, in : Lindstaedt S. et Granitzer M. (dir.), Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies (Graz, 07-09 September 2011), ACM, New York.

Dudek I. et Blaise J.-Y. 2008. Infosphere : one artefact, two metaphors, three sort criteria, in : Proceedings VSMM 14th International Conference on Virtual Systems and. Multimedia 2008, Cyprus – Digital Heritage, Archeolingua, Budapest: 362-367.

Friendly M. 2006. A brief history of data visualization, in : Chen C., Hardle W. et Unwin W. (eds.), Handbook of computational statistics : data visualization, Springer-Verlag, Heidelberg : 16-56.

Grataloup C. et Djament-Tran G. 2010. E pluribus urbibus una : Modéliser les trajectoires de villes, Mappemonde, 100, 2010, 4-2010, [en ligne], http://mappemonde.mgm.fr/num28/articles/art10401.html.

Havre S., Hetzler E., Whitney P. et Nowell L. 2002. ThemeRiver: Visualizing Thematic Changes in Large Document Collections, IEEE Transactions on Visualization and Computer Graphics, 8 (1): 9-20.

Kapler T. et Wright W. 2004. GeoTime Information Visualization, in : Ward M. O. et Munzner T. (dir.), Proceedings of 10th IEEE Symposium on Information Visualization (InfoVis 2004) (Austin, 10-12 October 2004), IEEE Computer Society, Austin : 25-32.

Keim D. et Zhang L. 2011. Solving problems with Visual analytics, in: Lindstaedt S. et Granitzer M. (dir.), Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies (Graz, 07-09 September 2011), ACM Press, New York.

Lammarsch T., Aigner W., Bertone A., Gärtner J., Mayr E., Miksch S. et Smuc M. 2009. Hierarchical Temporal Patterns and Interactive Aggregated Views for Pixel-based Visualizations, in: Ebad B. et al. (dir.), Information Visualization, Actes du colloque 13th IEEE International Conference (Barcelona, 15-17 July 2009), IEEE Computer Society, Los Alamitos : 44-50.

Palsky G. 1996. Des chiffres et des cartes, Naissance et développement de la cartographie quantitative au XIXe siècle, CTHS, Paris, 331 p.

Plaisant C., Milash B., Rose A., Widoff S. et Shneiderman B. 1996. LifeLines : Visualizing Personal Histories, in : Proceedings of the SIGCHI conference on Human factors in computing systems (Vancouver, 1996), ACM Press : 221-227.

Rodier X., Saligny L. et Lefebvre B. 2008. Understanding Urban fabric with the OH_FET model based on social use, space and time, Archeologia e Calcolatori, 19 : 195-214.

Sabol V. et Scharl A. 2008. Visualizing Temporal-Semantic Relations in Dynamic Information Landscapes, in: Lars B. et al. (dir.), The European Information Society. Taking Geoinformation Science One Step Further, Proceedings of 11th International Conference on Geographic Information Science, Girona, 05 May 2008, Springer, Berlin, [en ligne], http://musil.uni-muenster.de/events/agile/.

Spence R. 2001. Information visualisation, Harlow, Addison Wesley, ACM Press.

Stenvert R. 1991. Constructing the Past: Computer-Assisted Architectural-Historical Research, Thèse de doctorat de l’Université d’Utrecht, Utrecht.

Thomson J., Hetzler B., Maceachren A., Gahegan M. et Pavel M. 2005. Typology for Visualizing Uncertainty, in: Proceedings of the SPIE-VDA 2005, SPIE/IS& T.

Tufte E.R. 2006. The Visual Display of Quantitative Information, Graphics Press, Cheshire, 197 p.

Indice delle illustrazioni

Legenda Fig. 1 – Visualiser le paramètre temps : legs et pratiques.Le brillantissime « horaire des chemins de fer » d’E. J. Marey, redessiné et simplifié, d’après E.R Tufte (Tufte 2006). À chaque train Paris-Lyon correspond une ligne partant du haut vers le bas (chiffres cerclés sur fond gris, 1 à 4). À chaque train Lyon-Paris correspond une ligne partant du bas vers le haut (lettres cerclées sur fond noir, a à d). Les départs/arrivées sont distribués sur 24 heures. Plus le train est rapide plus l’angle (a) est grand. Chaque escale (b) est placée en lieu et durée. Les deux trains les plus rapides – 3 et c – sont dessinés avec un trait plus épais. Ce dispositif finalement très simple est l’archétype d’un dispositif de visualisation d’informations : il offre au lecteur non seulement des données brutes, mais le moyen de raisonner sur ces données, en mettant en évidence par exemple les points suivants :– durée de chaque escale pour chaque train ;– influence du nombre d’escales sur le temps de parcours ;– ensembles des heures d’arrivées et de départ et nombre d’escales par train ;– densités de départs/d’arrivée en fonction du moment dans la journée ;– vitesse des trains de nuit par rapport aux trains de jour ;– rapports vitesse/escales comparées trajets aller/trajets retour ;– nombre de gares sur le trajet ;– etc.Il permet de faire des comparaisons terme à terme :– jusqu’à Tonnerre, les trains 3 et 4 vont sensiblement à la même vitesse. À partir de là l’écart ne cesse de grandir ;– les trains aller et retour les plus rapides partent à la même heure !Mais aussi de se faire une vue d’ensemble :– le nombre d’escales n’explique pas les différences de vitesse (voir train 2 – 5 escales – et train 3 – 6 escales –, pourtant train 3 est plus rapide que train 2).
URL http://books.openedition.org/pufr/docannexe/image/7690/img-1.jpg
File image/jpeg, 283k
Legenda Fig. 2 – Le temps, mais quel temps ?Ces différentes visualisations (auteurs) rendent compte d’une évolution en s’appuyant sur différents caractères du paramètre temps. En haut à gauche, à chaque cercle sur la carte, matérialisant la position d’un édifice, correspond un cercle de même taille, déporté au-dessus ou en dessous de la carte, au bout d’un segment de droite. Ce segment représente une durée (durée qui sépare la construction de l’édifice observé et la construction du plus vieil édifice au sein de la collection étudiée). En haut à droite, ces visualisations, appelées diachrogrammes, synthétisent sous la forme de points et d’intervalles ce que nous savons du développement d’un groupe d’édifices, à fins de comparaisons. Elles supposent de travailler en temps ordonné (les choses arrivent les unes après les autres), s’appuient sur le concept de temps discret (à comprendre comme équivalent des nombres Entiers), et utilisent ici une granularité d’un an. Enfin, les deux frises chronologiques en bas de la figure représentent comme la précédente le temps comme linéaire, mais elles introduisent une rupture (« fourchettes » le long de l’axe horizontal) de continuité : celle du temps ramifié. Autrement dit, ces différentes visualisations travaillent toutes sur la notion de temps, et pourtant s’appuient sur des choix et modèles très différents : datation ou relation d’ordre, points et/ou intervalles, granularités ad hoc, univocité ou multivocalité, etc.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-2.jpg
File image/jpeg, 110k
Legenda Fig. 3 – Catégorisation de facteurs contribuant à une situation d’incertitude. Une liste organisée, ni définitive ni exhaustive, pour servir de matière à penser.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-3.jpg
File image/jpeg, 137k
Legenda Fig. 4 – Combiner linéaire et cyclique.En (a) une chronologie linéaire sur laquelle sont repérés différents indices ayant trait à la chapelle Sainte-Anne de Ceillac (b), située dans les Hautes-Alpes à 2 400 m d’altitude, visualisation orientée lecture de densités. En (c) une visualisation orientée lecture de cycle (1 cercle = 1 an, les indices les plus anciens sont les plus près du centre, les secteurs colorés indiquent la durée effective des saisons, avec le bleu hivernal prédominant compte tenu de l’altitude). Dans cette seconde visualisation on voit évidemment apparaître un motif clair (activité centrée sur les seuls mois d’août et septembre) et une exception (correspondant à une collecte de fonds faite durant l’hiver). En (d) localisation d’un événement récurrent sur un cadran annuel (chaque heure est un mois) : le pèlerinage de la Sainte-Anne (24 septembre). Données issues de Chardin 1996.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-4.jpg
File image/jpeg, 212k
Legenda Fig. 5 – Le temps multiple – histoires parallèles.Les graphes d’interactions potentielles (A), (B), (C) représentent trois scenarii alternatifs présents dans la bibliographie et établissant des relations d’antériorité possibles pour un édifice situé sur la place centrale de Cracovie : Kramy Bogate (« étalages riches », en vert), détruit en 1868. Il s’agit bien de trois récits différents : les édifices dessinés en jaune et bleu sur le plan ont bel et bien existé, mais leur relation au dernier Kramy Bogate reste discutée entre experts.Cette visualisation place en ordre avant/après (temps ordinal) des états (rien ne se passe à notre connaissance sur l’édifice) et des transitions entre états (quelque chose, bien ou mal connu, se passe). Un état est représenté par un rectangle, portant un numéro (état 1, état 2, etc.), une transition est représentée par un cercle. La succession rectangles/cercles est interrompue ici ou là par des triangles marquant des alternatives (moments de doutes – plusieurs alternatives possibles quant à ce qui s’est passé). Ainsi le passage, ligne B, de l’état 2 à l’état 3 (rectangles verts numérotés 2 et 3) se lit de la façon suivante : un événement ou processus a bel et bien lieu (triangle vers le bas) mais au vu de nos indices deux alternatives sont possibles : soit il n’a pas eu de conséquences importantes (cercle clair) soit il a amené un changement morphologique majeur (cercle noir, rectangle marqué d’un point d’interrogation). Le cercle noir placé sous cette « fourchette » indique qu’en tout état de cause un changement morphologique majeur a eu lieu entre l’état 2 et l’état 3. Le passage, ligne C, de l’état 1 à l’état 2 (rectangles verts numérotés 1 et 2) se fait via deux alternatives dont la première se lit de la façon suivante : l’événement ou processus n’a peut-être pas eu lieu (triangle vers le haut, ligne pointillée directe vers le point suivant) mais s’il a vraiment eu lieu (triangle vers le bas) alors… et on se retrouve dans le même cas que dans l’exemple précédent.On observera ici en (d) une relation en temps ordonné simple entre l’état 3 et l’état 4 (rectangles verts marqués 3 et 4) : 3 apparaît avant 4, une transition connue les séparant.On observera également en (e) une relation cette fois-ci en temps ramifié (plusieurs chemins possibles) entre l’état 1 (rectangle jaune marqué 1) et la phase de destruction de l’édifice (représentée par un double cercle et un triangle rectangle horizontal).
URL http://books.openedition.org/pufr/docannexe/image/7690/img-5.jpg
File image/jpeg, 141k
Legenda Fig. 6 – Points et intervalles.Gauche : dispositif tactichronie (représentation tactile du temps pour voyants et non-voyants, à fins didactiques, auteurs). En (a) une forme « épaisse » marque les intervalles de construction ou de transformation d’un édifice (ici l’église Św. Wojciecha), en (b) un point – le tournant de chaque siècle – est marqué par une primitive fine.Droite : application de la métaphore temps concentrique (Quote) à la classification Dmochowski (Quote). Un point – variable cible – signale le début de construction des édifices (en jaunes, édifices classés Roman ; en bleu, édifices classés Gothique, plus on se rapproche du centre du cercle plus on se rapproche d’aujourd’hui – à chaque point sur les cercles concentriques correspond une localisation sur la partie spatiale au centre). En (c) un intervalle sert de variable outil là où les données ne permettent pas d’atteindre la variable cible.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-6.jpg
File image/jpeg, 249k
Legenda Fig. 7 – Segmentation et analyses.Gauche : Analyse en temps ordinal de six groupes étiquetés « Gothique » au sein de la classification Dmochowski. Chaque carré synthétise huit caractéristiques des édifices étudiés. La couleur de fond des carrés (une par ligne) représente une des catégories proposées par Z. Dmochowski (style/groupe dans le style). Un point jaune à l’intérieur du carré positionne l’édifice en x, y (long/lat). Longueur, nombre de chapelles et nombre de volumes intérieurs sont représentés sur trois axes, et forment ainsi comme les sommets d’un triangle. Enfin, un symbole dans le coin haut droit identifie le type de chevet. Cette visualisation permet de souligner des cohérences (b) ou des incohérences (a) au sein de ces groupes, et donc de questionner la classification elle-même.Droite : application de la métaphore historySkyline (auteurs) à l’évolution des édifices situés sur la place centrale de Cracovie. La silhouette bleue montre le nombre de transformations cumulées année après année (temps discret), mises en contexte par différentes données historiques (démographiques, politiques, législatives, catastrophes naturelles). Les silhouettes grises informent sur le nombre et le type des sources historiques. Le dispositif se lit comme une frise chronologique, de gauche à droite, et permet d’analyser densité d’activité et rapports de causalité.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-7.jpg
File image/jpeg, 150k
Legenda Fig. 8 – Chronon et granules : grouper pour souligner.Deux exemples d’utilisation d’une granule large (un siècle) pour souligner une question, un fait, une tendance. À gauche, activité de construction sur la place centrale de Cracovie, siècle par siècle – en bleu édifices en briques, en brun édifices en bois (noter un pic clair au XIXe s.). Droite, métaphore infosphere (auteurs) appliquée au cas du Fort Saint-Jean (Marseille), montrant en type et en nombre les sources documentaires relatives à l’édifice pour le XXe siècle (haut) et pour le XIXe siècle (bas) – chaque petite sphère autour du « globe » informationnel représente un triplet créneau temporel, niveau d’abstraction de la source, niveau de granularité spatiale qu’elle traite.
URL http://books.openedition.org/pufr/docannexe/image/7690/img-8.jpg
File image/jpeg, 270k

Autori

Chargé de recherche au CNRS, UMR 3495 MAP CNRS – MCC, Marseille

Chargée de recherche au CNRS, UMR 3495 MAP CNRS – MCC, Marseille

© Presses universitaires François-Rabelais, 2013

Condizioni di utilizzo http://www.openedition.org/6540