Donnees et methode

Comment mesurer la persistance memorielle – et pourquoi Google Ngram

Qu’est-ce que Google Books Ngram ?

Google Books Ngram Viewer est un outil qui mesure la frequence d’apparition d’une sequence de mots dans l’ensemble des livres numerises par Google Books – environ 8 millions d’ouvrages couvrant 1500 a 2019. La frequence est relative : elle indique combien de fois un nom apparait pour 100 millions de mots publies cette annee-la.

Exemple

"Harriet Martineau" apparait avec une frequence de 9,3 x 10^-8 en 1950. Cela signifie que sur 100 millions de mots publies cette annee-la, son nom apparait environ 9 fois -- dans des manuels, des biographies, des histoires de la pensee economique, des encyclopedies.

Ce que ca mesure

La frequence apres la mort d'un economiste mesure sa persistance memorielle : combien de temps la discipline continue de le ou la mentionner, et a quelle intensite.

Construction de la base

Etape 1 – Liste des economistes

La liste des economistes a ete constituee a partir de la page Wikipedia “List of economists” (scrapee en R, juin 2025). Apres nettoyage des doublons et des entrees non pertinentes, la base contient 1 556 noms.

Etape 2 – Identification du genre

Le genre a ete identifie automatiquement par le package R gender, qui utilise les bases de donnees de l’US Social Security Administration pour associer un genre aux prenoms. Apres nettoyage manuel des faux positifs evidents (institutions, villes, noms ambigus), la base retient 186 economistes avec un genre identifie avec confiance.

Etape 3 – Collecte des Ngrams

Pour chaque economiste, la frequence annuelle dans Google Books a ete collectee via l’API publique :

ngram_query <- function(name, start=1900, end=2000) {
  url <- paste0("https://books.google.com/ngrams/json?content=",
                URLencode(name),
                "&year_start=", start,
                "&year_end=", end,
                "&corpus=26&smoothing=3")
  resp <- httr::GET(url)
  data <- jsonlite::fromJSON(
    httr::content(resp, "text", encoding="UTF-8"))
  ts <- data$timeseries[[1]]
  data.frame(name=name, year=start:end, freq=ts)
}

Parametres techniques :

  • Corpus : anglais 2019 (corpus 26)
  • Lissage : 3 ans (parametre smoothing)
  • Periode : 1900-2000
  • Delai entre requetes : 2 secondes (respect du rate limiting)
  • Date de collecte : juin 2025

Limites connues :

  • Biais anglophone – les economistes publiant principalement en francais ou en allemand sont sous-estimes
  • Homonymes – un nom tres commun capture des mentions non pertinentes
  • Absence de distinction qualitative – etre cite positivement ou negativement compte de la meme facon

Statistiques descriptives

Statistiques descriptives de la base (N=186 economistes)
Genre N Freq. moy. (x10^-8) Freq. mediane (x10^-8) Freq. max (x10^-8)
Femmes 95 0.651 0.043 15.282
Hommes 91 7.234 0.215 555.106

Note : les frequences sont exprimees en 10^-8 pour la lisibilite. La frequence mediane est plus representative que la moyenne car la distribution est tres asymetrique (Adam Smith et John Stuart Mill tirent la moyenne masculine vers le haut).

Transparence et reproductibilite

NoteConditions d’utilisation des API
  • Google Books Ngram : API publique, usage non commercial et recherche academique autorise. Citation requise : Michel et al. (2011), Science.
  • Wikipedia : API Wikimedia, licence CC0 (domaine public).
  • Code complet disponible sur GitHub.
NoteAssistance IA

Le code R de collecte, de nettoyage et d’analyse a ete developpe avec l’assistance de Claude (Anthropic, 2025). Les choix methodologiques, les interpretations et les conclusions sont de la seule responsabilite de l’auteure. L’ensemble du code a ete verifie et valide avant utilisation.