Séminaire « Édition savante et humanités numériques »

Demain 9 novembre aura lieu la première séance du séminaire Édition savante et humanités numériques, à l’Institut national d’histoire de l’art.

Toutes les personnes intéressées sont bienvenues, quels que soient leur spécialité, leur statut et leur pratique de ces technologies toujours nouvelles. Ce séminaire de recherche est conçu comme un lieu de partage non seulement des connaissances, mais aussi des expériences et des questions.

Lectures d’été : New York Times, Musil et Léonard

1.

Le TAL a eu les honneurs de la presse généraliste américaine, cet été. Dans un article du New York Times, un chercheur italien, Franco Moretti, présente comme une révolution l’idée de distant reading – ne pas lire les livres, mais les traiter comme des données :

« As its name suggests, the Lit Lab tackles literary problems by scientific means: hypothesis-testing, computational modeling, quantitative analysis. Similar efforts are currently proliferating under the broad rubric of “digital humanities,” but Moretti’s approach is among the more radical. He advocates what he terms “distant reading”: understanding literature not by studying particular texts, but by aggregating and analyzing massive amounts of data. »

Le lecteur averti aura constaté qu’il s’agit ni plus, ni moins, que de textométrie ou de statistique textuelle classique — et, si j’en crois les exemples donnés, de statistique textuelle qui n’a pas fini de lire le manuel de Lebart & Salem, pourtant publié au milieu des années 90.

Le point le plus amusant, dans tout cela, est peut-être le fait que l’idée de « ne pas lire les livres pour pouvoir les comprendre » est présentée comme radicalement nouvelle et même proprement renversante1 :


Robert Musil, L’Homme sans qualités2

Comme d’habitude, lire Musil donne le sentiment diffus d’être en présence d’un roman dystopien / steampunk, qui ridiculiserait nos esprits si modernes en transposant leurs idées ‘neuves’ dans le Vienne fin de siècle, un peu à la manière des Cités Obscures.

2.

Plus sérieusement, je me demande ce qui fait que le TAL reste une discipline si mal connue et si mal comprise hors de ses départements, alors même qu’il s’agit de l’un des premiers champs explorés par l’informatique3, et que le grand public se trouve plus directement que jamais au contact de chacun de ses progrès (correcteurs d’orthographe omniprésents, reconnaissance vocale, traduction automatique, filtres anti-spams, etc.)

A chaque démo que je fais à quelqu’un d’extérieur au labo, il est manifeste que notre travail a quelque chose d’ésotérique, qui laisse toujours les profanes surpris de ce que nous savons faire (par exemple du résumé automatique ou des chatbots convaincants — en fait tout ce qui touche à la génération), et déçus, voire incrédules, lorsque nous annonçons que certaines choses sont difficiles ou fonctionnent imparfaitement (détecter la nature et la fonction du mot ‘de’ dans une phrase en français, par exemple).

L’image que les gens se font du TAL est sans doute un peu trop influencée par la culture populaire (où la conversation orale avec des machines est un problème réglé depuis longtemps). Mais en réalité, l’incompréhension a lieu à un niveau plus fondamental : pour un esprit humain, il est plus facile de comprendre un langage que de l’employer. Nos interlocuteurs sont donc sidérés de voir que les machines savent faire ce qui, pour eux, nécessite une compréhension avancée du langage alors qu’il leur « manque les bases ».

C’est en général à ce moment que les accusations de charlatanisme commencent à fuser. Un intervenant dans un de mes cours de Master avait ainsi expliqué que l’un des inconvénients des systèmes d’apprentissage automatiques, par rapport à ceux basés sur des règles écrites par des humains, est que leurs erreurs sont impossibles à expliquer au client sans passer pour un escroc. Rapidement, on se retrouve à expliquer à un interlocuteur médusé la statistique bayesienne et donc à détromper le client, qui pensait sincèrement que l’ordinateur comprenait les documents à traduire ou à classer.

3.

Quand j’essaie d’expliquer mon travail, je pense souvent la BD Léonard le génie : en plein XVIe siècle, Léonard invente des machines qui nous sont familières : télévision, lave-vaisselle, répondeur téléphonique, etc.

Ses inventions sont une mécanisation directe du procédé utilisé par les humains pour accomplir la tâche, et ne ressemblent donc absolument pas aux machines que nous connaissons.

De même que dans la réalité, les machines à éplucher les patates ne sont pas composées de dizaines de bras robotiques portant de petits économes, il est vain de vouloir utiliser les ordinateurs pour traiter le langage à la manière d’un être humain4. Notre travail consiste à comprendre ce qui peut être automatisé dans le traitement du langage, en identifiant des heuristiques, des régularités, des phénomènes reproductibles — c’est-à-dire en adoptant la perspective des machines.

  1. Quelques semaines plus tôt, on pouvait lire ailleurs un portrait dithyrambique de Erez Lieberman Aiden, toutologue de première force et (entre autres) instigateur du champ des ‘Culturnomics’, qui vise à reconstituer le « génome culturel » de l’humanité en analysant les trigrammes issus des campagnes de numérisation de Google Books.

    Si je me réjouis naturellement que la puissance d’analyse des techniques de TAL arrive jusqu’au grand public, je dois dire que je reste un peu sceptique sur la méthodologie employée. Sans même entrer dans le débat sur la composition du corpus (les historiens s’en sont chargés pour moi), je dirais simplement que quand on a sous la main la puissance de Google et la quantité invraisemblable de données qu’il possède, il est un peu dommage de se contenter d’un décompte de n-grammes. []

  2. Désolé, mon exemplaire a beaucoup d’heures de vol. []
  3. Voir par exemple l’article de Marcel Cori et Jacqueline Léon sur l’histoire du TAL []
  4. Ou alors on change de domaine, en allant vers l’intelligence artificielle. C’est une discipline passionnante mais dont les applications industrielles sont encore limitées. []

Anatomie d’un buzz

Samedi 17 avril 2010, M6 révèle que plusieurs joueurs de l’équipe de France de football ont été entendus comme témoins dans le cadre d’une enquête sur une affaire de proxénétisme impliquant une mineure. L’information est confirmée le lendemain “de source judiciaire”.

Pendant les deux jours qui suivent, plusieurs noms vont circuler, dans les médias puis sur internet : ceux des footballeurs en question, puis celui du proxénète présumé. Il s’avère que ce dernier n’est pas un inconnu complet : Abou Sofiane M. a été un candidat malheureux a une émission de télé-réalité.

Dans la journée du 20 avril, plusieurs personnes commencent à exhumer diverses vidéos le montrant en compagnie de célébrités, et à poster les liens sur divers réseaux sociaux, ainsi que sur twitter. Ces vidéos sont rapidement retirées de Dailymotion ou Vimeo1 .

Le 21 avril, le prénom de la jeune prostituée est révélé : elle s’appelle Zahia. Très peu de temps après, on peut lire le tweet suivant sur le compte de Vincent Glad, journaliste à Slate.fr (qui compte plusieurs milliers de followers) :

Le profil Facebook de Zahia est insuffisamment protégé, et n’importe quel membre de Facebook peut donc voir ses photos. Rapidement, ces photos sont téléchargées et hébergées ailleurs, puis mises à disposition sur twitter2 :

Le montage

Moins de quarante minutes plus tard, Woumpah, un autre membre de twitter (graphiste, 1500 followers environ) poste le message suivant :

Voici la photo en question :

C’est un montage assez grossier (techniquement), avant tout destiné à faire rire.

Une demi-heure plus tard, pour le posteur, l’affaire est close – on peut passer à autre chose3 :

Deux heures plus tard, pourtant, un premier rebondissement : Zataz, site d’actualités spécialisé dans la sécurité informatique, reprend le montage montrant Frank Ribéry et Zahia D., en le présentant comme une vraie photo :

L’erreur est vite corrigée, mais quelqu’un a déjà eu le temps de faire des captures d’écran :

Les journalistes s’en mêlent

Avec un différé de quelques heures, les médias professionnels commencent à prendre note d’une ‘affaire’, qui n’implique pour l’instant que quelques personnes, un blog et un mauvais montage photo :

Le 22 avril, une phase de backlash commence :

En effet, on peut lire sur twitter et sur divers blogs des messages dénonçants les personnes ayant mis à disposition les photos de Zahia. Les responsables s’excusent à demi-mots, suppriment des tweets particulièrement injurieux, etc. Parallèlement, le montage montrant Ribéry et Zahia D. continue son chemin jusque dans la presse papier :

Il est également repris sur plusieurs sites d’actualités ‘people’ :

A ce stade, il semble que les sites qui reprennent le montage photo n’ont plus la moindre idée de sa provenance, et se moquent de son authenticité4 . Ils évoquent parfois la possibilité d’une falsification (“La photo est-elle authentique ?”), mais plutôt pour se prémunir contre d’éventuelles accusations.

Le buzz a alors entièrement quitté twitter pour rejoindre le circuit classique de l’information. Sur twitter, il ne reste plus qu’à faire un dernier commentaire avant de passer à autre chose :

Conclusion

L’histoire de ce montage est parfaitement représentative de la circulation des buzz sur les réseaux francophones. Si les acteurs changent d’un buzz à l’autre, les schémas demeurent.

Cette étape correspond à la partie située tout en haut du célèbre diagramme de Hantz-Patterson5 :

L’exemple en lui-même est anecdotique, mais il permet néanmoins de constater un certain nombre de traits saillants :

  • les participants ont un regard critique sur leur propre action, même s’ils ne sont pas toujours pleinement conscients de leur influence (ou la refusent). On ne peut donc pas se fier à leur vision pour déterminer qui est influent et qui ne l’est pas.
  • sur les réseaux où l’information circule à grande vitesse (twitter, messageries instantanées, etc.), l’information a un cycle de vie similaire à celui des médias plus traditionnels – scoop, accélération / précipitation, ralentissement, remise en cause de la réaction de départ et promesse de ne plus s’emballer pour rien.
  • Ce cycle de vie est parallèle au cycle traditionnel, car son rythme est tellement plus rapide que la seule interaction possible est le moment où le buzz quitte twitter pour entrer dans la médiasphère.
  1. On peut supposer que cette réactivité et cette combativité ont contribué à pousser les internautes à aller fouiller toujours plus loin. C’est « l’effet Streisand« . []
  2. Je ne suis pas parvenu à retrouver les tweets d’origine pointant vers les photos de Zahia, ils ont sans doute été supprimés entre temps. []
  3. ‘‘Amandine du 38’’ est une adolescente qui poste sur Youtube des clips de hip-hop autoproduits particulièrement désastreux. David Bivas, quant à lui, s’est ridiculisé en improvisant un rap devant une caméra de télévision, tandis qu’il faisait la queue pour un concert de Snoop Dog. []
  4. Il est probable qu’entre temps, le montage a commencé à circuler par mail et par messagerie instantanée, c’est-à-dire dans des cadres où pratiquement personne ne se soucie de créditer la source d’origine, ni d’avoir un regard critique. []
  5. Ce diagramme a été créé uniquement à partir d’observations empiriques, et sa forme est avant tout destinée à moquer les spécialistes de la communication sur internet – du buzz, justement -, grands amateurs de diagrammes.
    Malgré tout, c’est la représentation la plus lumineuse que je connaisse des mécanismes de la circulation de l’information sur internet. []

Le texte en miettes

Mon doctorat porte sur le concept d’unité documentaire sur le web. Ce blog traitera donc des questions liées au statut du texte sur le web : au plan conceptuel, en adoptant le point de vue des SIC (modes de diffusion de l’information et des thématiques, place de l’auteur) ; et au plan technique, sous l’angle du traitement automatisé du langage (constitution, structuration et traitement de grands corpus textuels issus du web).

Vous trouverez récapitulées ci-dessous les hypothèses de départ de mon doctorat, telles qu’elles ont été présentées dans la partie scientifique de mon projet de recherche.

Le document contre la page

L’unité documentaire est fractale

A l’heure actuelle, le document web est généralement défini de manière mécaniste‭ ‬-‭ ‬dans la pratique,‭ ‬on considère qu’un fichier,‭ ‬une page web représentent un document.‭ ‬Ce qui le constitue comme unité documentaire est sa représentation informatique.‭ ‬Si cette approche a l’avantage d’être très simple à mettre en oeuvre,‭ ‬elle n’en présente pas moins des inconvénients majeurs‭ ‬-‭ ‬par exemple les articles présentés sur plusieurs pages‭ (‬pratique courante chez les éditeurs de contenus,‭ ‬pour maximiser les revenus publicitaires‭) ‬se trouvent considérés comme plusieurs documents ; ‬plus profondément,‭ ‬chaque page contient pratiquement toujours plusieurs types de contenus,‭ ‬plusieurs auteurs,‭ ‬plusieurs objectifs,‭ ‬plusieurs niveaux de lecture,‭ ‬toutes choses qu’une représentation‭ ’‬plate‭’ ‬fait disparaître.‭ En règle générale,‭ ‬cet état de fait ne pose guère de problèmes pour toute une catégorie de traitements.‭ Les outils d’extraction se contentent d’identifier un contenu principal,‭ ‬un auteur principal,‭ ‬d’estimer une date de publication,‭ ‬puis ignorent le reste de la page.‭ ‬En définitive,‭ ‬‬le document web est traité comme le document papier.‭ ‬

Les informations perdues dans le processus paraissent négligeables,‭ ‬jusqu’au moment où il est nécessaire de comprendre des phénomènes propres à internet.‭ ‬Comment circule l’information‭ ? ‬A quelle vitesse‭ ? ‬Dans quelle direction‭ ? ‬Qui s’exprime‭ ? ‬Qui est représentatif‭ ? ‬Qui est influent‭ ? Les informations nécessaires à étudier ces phénomènes ont été perdues lors du nettoyage de la page.

Même en faisant varier les traitements appliqués pour transformer la page web en document, il paraît impossible de définir une granularité satisfaisante.‭ ‬Le web imbrique toujours plusieurs niveaux de lecture encapsulés les uns dans les autres‭ ‬-‭ ‬il est fractal.‭ ‬Il est extrêmement malaisé de déterminer a priori une unité intrinsèquement meilleure,‭ ‬plus pertinente que les autres.‭ ‬Tout est relatif à la tâche qu’on souhaite accomplir,‭ ‬aux informations qu’on souhaite extraire,‭ ‬à la dynamique qu’on souhaite étudier.

La nécessité du contexte

La tentation existe de prendre directement le contrepied de l’approche qui fait correspondre document, fichier et page. Cela reviendrait à chercher à obtenir la segmentation la plus fine possible.‭ ‬Dans ce cas,‭ ‬l’idée est de découper chaque page en unités disposant chacune d’un auteur identifiable‭ (‬article,‭ ‬commentaire,‭ ‬tweet,‭ ‬lien‭)‬.‭ ‬Cela permet certes de subdiviser en unités cohérentes d’un certain point de vue,‭ ‬mais on se retrouve alors avec des informations qui ne sont compréhensibles qu’en contexte,‭ ‬sémantiquement incomplètes une fois détachées du contenu auquel elles font référence ou qu’elles commentent.‭ ‬On perd donc en cohérence sémantique ou pragmatique ce qu’on a gagné en précision.‭ En effet,‭ ‬les contenus produits sur internet sont très fréquemment des réactions à d’autres contenus pré-existants.‭ On‬ pense par exemple aux discussions et aux commentaires,‭ ‬qui sont privés de la majeure partie de leur sens si on ne sait pas d’où ils proviennent ‬-‭ ‬disons au moins qu’il y a une relation de dépendance sémantique entre le contenu dérivé et le contenu original.‭

La conversation

L’utilisation croissante de plateformes de gestion des contenus a eu des effets de bords très importants,‭ ‬notamment l’adoption pratiquement universelle du commentaire‭ (‬au point que c’est à ceux qui choisissent de ne pas laisser d’espace de commentaires sur leur site de se justifier‭ ‬-‭ ‬les commentaires sont le choix par défaut‭) :‭ ‬les spectateurs peuvent‭ ‘‬réagir‭’‬,‭ ‬et ils ne se privent pas de le faire.‭ ‬Le résultat est que sur internet,‭ ‬tout contenu donne lieu à une glose. Cette uniformité de surface cache au moins deux réalités‭ :‭ ‬la conversation‭ (‬entre lecteur et auteur,‭ ‬ou entre lecteurs,‭ ‬ou entre auteurs‭) ‬et la réaction‭ (‬exemple habituel‭ ‬ :‭ ‬les commentaires sur les sites de journaux‭)1 .

Mais la discussion se poursuit au-delà de la page d’origine‭ :‭ ‬dès lors qu’un lien circule,‭ ‬ce sont subitement des dizaines de conversations parallèles qui se tiennent,‭ ‬découlant d’un même contenu,‭ ‬telles les branches d’un arbre.‭ ‬C’est une réalité connue,‭ ‬que les spécialistes de la visualisation et de la cartographie des données s’occupent de représenter.‭ Dans notre domaine,‭ ‬l’important est de chercher à comprendre ce qui différencie les commentaires laissés sur la page hébergeant le contenu original des discussions qui se tiennent ailleurs,‭ ‬sur des pages ayant relayé le contenu original‭ ‬-‭ ‬de notre point de vue ‬l’essentiel est que la page-relais a ajouté une couche de sens.‭ ‬Elle est comme l’ombre portée par la page d’origine.‭

Le texte contre le sens

Le texte est non-linéaire

Un nouveau problème apparaît lorsque l’on entreprend d’analyser le texte des unités qu’on a découpées : le contenu textuel lui-même utilise de nombreuses techniques différentes pour transmettre un message. Le texte n’a plus seulement une valeur linguistique, et les techniques habituelles de TAL ne parviennent pas à traiter l’ensemble de ses usages.

On peut notamment prendre l’exemple de twitter : pour produire du sens avec 140 caractères seulement, les utilisateurs de twitter ont recours à différentes techniques : abréviations classiques, abréviations spéciques à twitter (RT), hashtags (qui contextualisent le message en l’intégrant à un discours collectif), noms d’utilisateurs (qui permettent d’interpeller publiquement un autre utilisateur), réponse à un autre tweet (et donc insertion dans une discussion), et surtout lien – l’impossibilité de poster du HTML sur twitter a conduit à l’utilisation des URL comme des symboles linguistiques.

En général, le TAL traite ces usages du texte comme des parasites et cherche à les éliminer, parce qu’ils interfèrent avec l’analyse linguistique normale. Ce faisant, on perd des informations essentielles (des informations dont un humain aurait besoin pour comprendre le message) parce qu’on cherche à traiter le texte sur internet comme du texte plat. Il arrive assez souvent qu’il ne demeure plus rien d’un tweet après le nettoyage. Son sens nous échappe alors totalement.

Or, si le TAL est effectivement démuni face à du texte hors-ligne (où seul le contenu textuel lui-même peut être utilisé pour savoir ce qu’est le texte analysé, ce qu’il contient, ce à quoi il est destiné, etc.), il n’y a pas de raison qu’il en aille de même sur internet. Si nous voulons réellement comprendre ce qui se passe, lorsque quelqu’un s’exprime sur internet, alors nous devons commencer par essayer de profiter des ressources que nous cherchons généralement à ignorer en les nettoyant.

Chaque partie de la page dispose de métadonnées, explicites ou implicites, qui permettent au lecteur humain de donner du sens à ce qu’il lit. Ce sont elles qui doivent nous permettre de comprendre le texte que nous analysons. Naturellement, elles ne peuvent être traitées par les moyens linguistiques qui sont habituellement mis en oeuvre pour les contenus textuels. Mais plutôt que de les supprimer, il me semble plus productif de les extraire et de les traiter à part.

Le problème du document semi-structuré

Le texte sur internet occupe une position particulière. Enserré dans un langage à balises et tendant de plus en plus vers la rigueur du XML, il reste cependant marqué par son histoire – sans même parler de l’empilement de langages et de standards utilisés actuellement, le problème est qu’on est toujours face à un amalgame entre structure et mise en forme. Avec des balises comme <em>, ou même plus simplement avec les liens, il devient nécessaire d’analyser le code source de la page pour déterminer la structure sémantique de son contenu textuel.

Bien que la page ait une structure, dans le cas général, cette structure n’est ni prévisible, ni documentée. Cette difficulté est tempérée par l’utilisation de plus en plus fréquente (désormais pratiquement universelle) de systèmes de gestion de contenus (CMS). Cette uniformisation relative des outils apporte une certaine régularité, notamment un usage pratiquement universel du XML. C’est cette régularité que nous envisageons d’exploiter pour automatiser le traitement des pages web.

L’originalité contre l’identité

Les auteurs sont multiples

Traditionnellement, on estime qu’une minorité extrêmement restreinte d’utilisateurs crée la majorité du contenu publié sur internet2 . Parallèlement, la généralisation des CMS a rendue extrêmement floue la frontière entre consommation, diffusion et production de contenus. Aujourd’hui, la pertinence de la distinction entre contenu original et contenu dérivé (distinction d’ordre juridico-économique, liée à notre conception de la propriété intellectuelle) n’est plus une donnée3 .

Parallèlement à la notion de document, il faudra donc également interroger l’idée d’auteur, les deux concepts étant intimement liés. Cette axe de recherche est sans doute l’un des plus ouverts, tant les problématiques qui s’y rapportent sont nombreuses :

  • Identification de l’auteur : sur la base d’indices de surface, linguistiques ou structurels, essayer d’établir un profil, une identité. Essayer de suivre cette identité sur différents documents
  • Clusterisation : sur des bases linguistiques, identifier des groupes, choisir des personnes représentatives.
  • Diffusion et influence : comprendre la place dans la chaîne de transmission des contenus – où la personne se trouve-t-elle dans le graphe ? Est-elle créatrice, consommatrice ou éclaireuse ?

Le texte est une couche de sens

Depuis la page sur laquelle il a été posté, un contenu arrive à ses consommateurs par le biais d’une infinité de ‘passeurs’ qui le relaient, le commentent, le subvertissent parfois4 .

Il faut donc traverser un grand nombre de couches avant d’accéder au document en soi Cette glose elle-même porte du sens – il suffit de penser, par exemple, à la légende d’une photo : une méta-information, une donnée extérieure au contenu principal peut en changer le sens du tout au tout.

Chacune des couches vaut finalement comme contenu, et pourtant toutes ne sont que des gloses du contenu de départ (ce qu’on appelle généralement ‘original content’) qui attend, derrière le lien. Sur twitter, la logique est poussée à l’extrême : l’OC n’est que le faire-valoir de celui qui va poster le lien – pour le dire en termes plus neutres, l’OC est la matière première, et le lien est le produit transformé. Le travail du découvreur est un travail de packaging. Il transforme un produit brut en produit consommable.

‘Original Content’

Le tweet, le post de blog, le statut Facebook sont donc autant des contenus en eux-mêmes que des portes vers le contenu de départ. Ce constat établi, demeure une question : le contenu final, celui qui ne renvoie plus vers aucun autre, est-il nécessairement le vrai contenu ?

Si on considère que chaque commentaire, chaque glose ajoute au sens de l’original et fait partie du même document (au sens où ils doivent être analysés ensemble pour faire sens), alors on comprend enfin pourquoi il est si problématique de délimiter les choses. Sur internet un document n’est jamais en version finale ; le nombre de ses auteurs n’est pas arrêté ; il peut disparaître ; ce qui compte n’est pas sa date de première publication, mais bien sa date de dernière mise à jour.

Conclusion provisoire

Le document est un faisceau

Nous proposons d’envisager le document sur internet comme une dynamique, un vecteur, un faisceau. Pour prendre une image : le flux va du contenu vers son consommateur, en étant relayé et commenté à chaque étape. En traversant chaque couche, il s’enrichit du sens qu’on dépose sur lui. Partant de là, on peut considérer que le document, c’est l’ensemble formé par le contenu d’origine et toutes les couches de glose qu’il a traversées pour arriver à un lecteur, au moment où ce lecteur en prend connaissance.

Résumons. La page web n’est pas un document. Elle est la cristallisation de plusieurs flux d’informations et de données, à un moment précis et dans un but précis (généralement l’affichage immédiat, mais ce n’est par exemple pas le cas lorsqu’elle est crawlée). Ces flux sont les documents. Leur incomplétude et leur instabilité sont constitutifs de leur nature. Il est impossible de les archiver en tant que tels.

  1. S’il fallait faire une hypothèse sur ce qui différencie les deux,‭ ‬je dirais que la question est celle de la distance symbolique perçue entre le lecteur et l’auteur‭ ‬:‭ ‬on tutoie un blogueur et on exige de lui qu’il participe,‭ ‬tandis qu’on s’adresse à un journaliste ou à un artiste sans attendre de réponse. []
  2. L’approximation communément admise est la règle du 1/10/100 : 1% de créateurs, 9% de remixeurs, 90% de consommateurs. []
  3. Penser par exemple à l’idée de ‘réponse vidéo’ lancée par Youtube : à ce stade, est-ce du contenu original ou dérivé ? La distinction fait-elle encore sens ? []
  4. Il est fréquent qu’un lien connaisse le succès parce que le contenu auquel il renvoie est jugé ridicule, et donc amusant. []