CHD — Méthode Reinert
La Classification Hiérarchique Descendante pour découvrir les mondes lexicaux d'un corpus.
La Classification Hiérarchique Descendante (CHD), ou méthode Reinert, est le cœur de l'analyse textuelle structurale. Elle répond à :
Quels sont les grands thèmes qui structurent mon corpus, sans que je les définisse à l'avance ?
C'est une méthode exploratoire et non supervisée : elle découvre les classes thématiques (les « mondes lexicaux ») par elle-même.
L'intuition
Des mots qui apparaissent souvent ensemble dans les mêmes fragments de texte relèvent probablement d'un même thème. La CHD regroupe les segments selon ces co-occurrences, faisant émerger des classes au vocabulaire homogène.
Dans un corpus sur l'IA en éducation, la CHD pourrait dégager :
- une classe « usages pédagogiques » (élève, apprentissage, cours, exercice…)
- une classe « craintes éthiques » (risque, données, dépendance, contrôle…)
- une classe « aspects techniques » (algorithme, outil, plateforme, machine…)
Les étapes (méthode Reinert)
-
Segmentation — le corpus est découpé en UCE (Unités de Contexte Élémentaires), des fragments d'environ 40 mots.
-
Matrice — on construit un tableau croisant les UCE (lignes) et les formes pleines (colonnes) : présence/absence de chaque mot dans chaque segment.
-
Classification — par bipartitions successives, l'algorithme sépare les UCE en classes maximisant les contrastes de vocabulaire.
-
Caractérisation — pour chaque classe, un test du χ² (chi-deux) mesure quels mots la caractérisent le plus.
Lire les résultats
Le dendrogramme
Un arbre montre comment les classes se sont formées et se rattachent les unes aux autres. Les classes qui se séparent tôt (en haut) sont les plus opposées.
Les classes
Chaque classe est décrite par :
- son poids (% des segments du corpus) ;
- ses mots caractéristiques, classés par valeur du χ² ;
- des segments représentatifs (UCE typiques) qui donnent à lire la classe.
Le χ² comme indice de caractérisation
Plus le χ² d'un mot est élevé dans une classe, plus ce mot y est sur-représenté par rapport au reste du corpus. C'est lui qui « signe » le monde lexical.
Les trois modes de classification
Comme IRaMuTeQ, POSAC propose trois modes (méthode Reinert) :
| Mode | Unité classée | Quand l'utiliser |
|---|---|---|
| Simple sur segments (UCE) | fragments de ~40 mots | défaut — corpus longs (entretiens, articles) |
| Simple sur textes | chaque document entier | corpus de textes courts (réponses, tweets) |
| Double (robustesse RST) | deux partitions croisées | quand on veut vérifier la stabilité des classes |
Le mode double et la robustesse
Le mode double reclasse le corpus à une seconde granularité, puis mesure la concordance entre les deux partitions (Adjusted Rand Index). Un score proche de 100 % signifie que les classes sont robustes — elles ne dépendent pas du découpage choisi.
Profils et antiprofils
Chaque classe est décrite par deux faces :
- le profil — les mots sur-représentés (χ² positif), qui définissent la classe ;
- l'antiprofil — les mots significativement absents (χ² négatif). Ce que la classe évite est parfois aussi parlant que ce qu'elle privilégie.
L'outil de navigation
POSAC affiche une matrice χ² formes × classes : pour chaque forme, son degré d'association à chacune des classes. On repère ainsi les mots transversaux (présents partout) et les mots discriminants (concentrés sur une classe).
Le corpus colorié
Enfin, POSAC affiche le corpus colorié : chaque segment est surligné de la couleur de sa classe d'appartenance. On lit ainsi directement, dans le texte, comment les mondes lexicaux se distribuent — utile pour vérifier la cohérence des classes sur des extraits réels.
Paramètres dans POSAC
- Nombre de classes (2 à 8) : combien de mondes lexicaux rechercher.
- Taille des UCE : longueur des segments (~40 mots par défaut).
- Mode : segments, textes ou double (voir ci-dessus).
Combien de classes choisir ?
Il n'y a pas de « bon » nombre absolu. Commencez avec 3 ou 4 classes, examinez leur cohérence, puis ajustez. Une classe interprétable et stable vaut mieux qu'un grand nombre de classes floues.
Précautions d'interprétation
- La CHD propose une structure ; c'est le chercheur qui nomme et interprète les classes (l'IA de POSAC peut suggérer des labels, à valider).
- Un corpus trop petit ne génère pas assez de segments → réduisez le nombre de classes.
- Les classes ne sont pas des « vérités » mais des régularités statistiques à confronter au contenu réel des segments.