Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Hyphe : un outil de constitution et de curation de corpus, pour cartographier le web du passé

Caractéristiques

Date2013 (1ère version)
Porteurmédialab (Sciences Po). Crédits : Mathieu JacomyBenjamin Ooghe-Tabanou & Guillaume Plique @ Sciences Po médialab
TypeOutil de constitution et d’annotation de corpus web fondé sur un crawler orienté recherche
Accès au codehttps://github.com/medialab/hyphe
Documentation
http://hyphe.medialab.sciences-po.fr
FonctionsConstitution et curation de corpus à partir du web et/ou du web archivé
Cartographie de communautés d’acteurs, de thématiques ou de controverses à différentes fenêtres temporelles
Comparaison diachronique de corpus
Sur quelles données : collections d’archives web concernées L’ensemble des collections de dépôt légal du web conservées à la BnF
Contexte d’utilisation à la BnF et conditions d’accès aux donnéesL’instance de Hyphe qui permet d’explorer les archives du web conservées à la BnF est accessible au sein du BnF DataLab. Les corpus peuvent être exportées au format GEXF ou tabulé.
LicenseOpen Source (AGPL 3.0 license)

L’outil en bref

Logiciel libre développé par le médialab (Sciences Po), Hyphe est un outil de constitution et de curation de corpus web fondé sur un crawler orienté recherche. L’analyse des liens hypertexte entre les pages, sites ou sous-sites web (“entités web”) permet de cartographier des communautés d’acteurs ou des controverses. De nombreux travaux de recherche fondés sur Hyphe sont référencés sur le Github de Hyphe.

 

Hyphe pour cartographier le web du passé

En 2022, une collaboration entre le médialab et la BnF a permis d’interfacer Hyphe avec les archives du web pour constituer des corpus issus du web archivé. Dans un second temps, Hyphe a été interfacé avec les collections d’archives web d’Internet archive et de l’INA. 

Usages

Hyphe peut être utilisé : 

  • dans une phase exploratoire, pour découvrir de nouveaux acteurs sur un sujet donné, repérer des acteurs centraux, explorer une collection d’archive web, 
  • comme outil de constitution, délimitation, curation de corpus de manière plus systématique, le processus de curation conduisant l’usager à formaliser les règles qui permettent de considérer que telle entité est ou non dans le corpus. 
  • pour cartographier le web d’une époque autour d’un acteur ou d’une thématique : les liens hypertextes sont interprétés comme révélant des communautés d’acteurs à une époque donnée, 
  • pour produire une analyse comparative et diachroniques des communautés sur un sujet donné à deux périodes distinctes : deux corpus sur le même thème ou à partir des mêmes entités à différentes époques
  • pour compléter une étude de corpus issu du web “vivant” dans le cas fréquent de sites disparus du web ou de liens rompus. 


Workflow  

  • définition d’une fenêtre temporelle : on indique qu’on va s’intéresser aux captures réalisées par la BnF entre deux bornes temporelles, autour d’une date centrale : par exemple “6 mois avant et après le 6 mai 2012”. Cf. How to.
  • définition de “web entities” de façon granulaire ou flexible. Une web entités peut correspondre à une page, un sous-domaine ou hôte, un site web, une combinaison de sites web. Elles correspondent à l’acteur ou à la notion que l’on veut étudier. 
  • la ou les web entités de départ sont crawlées pour repérer les liens sortants : de nouvelles web entités sont alors découvertes
  • un processus itératif permet au chercheur pour chaque web entité de préciser si elle appartient ou pas au corpus, et de la tagguer. Les nouvelles web entités retenues et examinées manuellement peuvent à leur tour être crawlées. Le corpus est ainsi constitué par extension progressive au fur et à mesure du travail de délimitation ou curation. 
  • le corpus peut être visualisé et exploré sous forme d’un réseau ou graphe de liens au sein de l’outil, ou exporté vers des logiciels d’analyse et de visualisation de réseau comme Gephi.

Enjeux

Hyphe propose un outillage et  une méthodologie pour constituer des corpus sur l’ensemble des collections d’archives web, y compris celles non indexées en plein texte. Il permet en ce sens de transposer ou d’étendre aux archives du web des méthodologies déployées sur le web vivant. L’interfaçage de Hyphe avec les archives du web s’est  accompagné d’une réflexion méthodologique sur ce que cartographier le web du passé signifie. Un Datasprint a été organisé par la bibliothèque de Sciences Po au BnF DataLab pour faire émerger ces enjeux épistémologiques et esquisser des solutions. Cf. le guide méthodologique produit lors du DataSprint ResPaDon. 

 


OpenEdition vous propose de citer ce billet de la manière suivante :
webcorpora (12 mai 2024). Hyphe : un outil de constitution et de curation de corpus, pour cartographier le web du passé. Web Corpora. Consulté le 9 novembre 2025 à l’adresse https://doi.org/10.58079/13wrh


Vous aimerez aussi...

1 réponse

  1. 23/07/2025

    […] de collecte des Skyblogs, initiées dès le milieu des années 2000. À l’aide de l’outil Hyphe, développé par le médialab de Sciences Po, elle explore les communautés formées autour des […]

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.