La constellation des chercheurs qui entoure Saint-John Perse forme un cercle étroit et savant qui admet pourtant les visiteurs de passage, ces étoiles filantes que, dans cette région polaire du ciel poétique, on  nomme perséides. Comme nous venons d'une constellation voisine qui gravite autour de Giraudoux, on autorisera peut-être les flashes intempestifs du touriste. Giraudoux et Saint-John Perse sont de la même génération (Giraudoux est l'aîné); ils ont embrassé, un peu par hasard et sur le tard, la carrière consulaire et diplomatique, après quelques essais littéraires qui leur ont valu, à l'un comme à l'autre, la protection de Philippe Berthelot et le patronage de Claudel, l'illustre devancier. Nés de la même couvée, ils ont dû se croiser bien des fois, dans les ambassades étrangères ou dans les couloirs du Ministère. Dès leur entrée en fonction, qui coïncide avec la guerre, ils ont des missions semblables, l'un en Amérique, l'autre en Chine, et  au terme de leur carrière, qui coïncide avec la seconde guerre mondiale, ils ont des postes de responsabilité dans le même gouvernement, l'un comme Commissaire à l'Information, l'autre comme Secrétaire général au Quai d'Orsay. Et pourtant nous n'avons guère trouvé le nom de Saint-John 
Perse (non plus que d'Alexis Leger) sous la plume de Giraudoux (il est vrai que nous n'avons pas fouillé les rapports consulaires). Et semblablement le nom de Giraudoux n'apparaît guère dans la correspondance de Saint-John Perse et nous ne l'avons rencontré qu'une seule fois dans le volume de la Pléiade, au détour d'une lettre adressée à Claudel: "Je n'ai pas revu Berthelot, pour ne le point importuner, mais j'ai su par Giraudoux que votre Protée avait fait son entrée en France dans la valise diplomatique"¹.  Mais cette  preuve de leur relation n'est pas celle de leur amitié et on a tout lieu de penser que les deux diplomates-écrivains ont été plutôt des rivaux que des camarades et qu'ils ont même cultivé à plaisir leur différence: Giraudoux, suivant en cela l'exemple de Claudel, n'a jamais caché son statut parallèle d'écrivain, et il lui arrivait de rédiger ou de corriger quelque manuscrit dans l'exercice de ses fonctions consulaires, tandis que Alexis Léger a voulu séparer radicalement l'écrivain et le haut fonctionnaire et s'est abstenu de publier en France durant son mandat. Au dilettantisme de l'un s'oppose le professionnalisme de l'autre. Et même en littérature leur destin diverge. Cette fois c'est Saint-John Perse qui suit l'exemple de Claudel et s'établit sur le haut plateau poétique, tandis que Giraudoux reste dans la vallée (il n'a écrit que des vers de mirliton) et papillonne dans les genres à succès, romans, essais et théâtre.
            On pourrait approfondir le parallèle mais notre objet est plutôt d'appliquer à Saint-John Perse le traitement électronique auquel nous avons soumis Giraudoux et quelques autres écrivains. Nous ne sommes pas certain d'avoir l'aval de Saint-John Perse pour une intrusion qui ressemble à une effraction. Mais tant d'écrivains ont été approchés, sans trop de respect, par l'ordinateur, de la Bible à Shakespeare et de Balzac à Proust, que l'autorisation expresse de l'auteur n'est plus nécessaire. Au reste les travaux de dépouillement ont été entrepris officiellement au sein même  de la Fondation Saint-John Perse, par l'un de ses membres, Éveline Caduc, qui a enregistré sur un support électronique l'oeuvre poétique de Saint-John Perse, telle qu'on la trouve dans l'édition de la Pléiade, soit neuf recueils répartis comme suit :

        Ces données textuelles ont été indexées, triées, comptées, référencées, bref soumises à divers traitements qui conduisent à l'hypertexte, c'est à dire à un état du texte où chaque mot est accessible en accès direct dans son environnement immédiat. Aux fonctions documentaires réparties sur la marge haute et horizontale de la figure 2, s'ajoutent les fonctions statistiques,  échelonnées sur la marge verticale, à droite.

        Cette base existe depuis longtemps, comme beaucoup d'autres consacrées à des monographies d'écrivains.² Si nous la présentons aujoud'hui, c'est parce qu'elle a bénéficié récemment de nouveaux développements, relatifs à la lemmatisation. Sous ce nom barbare, inconnu du Robert, se cache un traitement linguistique qui désambiguïse les homographes, si nombreux dans un texte français. L'exemple le plus fréquent est celui de l'article défini, dont la graphie se confond avec celle du pronom personnel de la troisième personne. Que dire de le, l', la et les, si la séparation des emplois n'est pas faite? Et que dire de que, si la distinction de la conjonction et du pronom relatif n'est pas établie? Parmi les mots-pleins la confusion n'est pas moins redoutable : marche et marcher partagent des formes communes (et aussi des sèmes communs), mais les graphies homographes se rattachent à des catégories concurrentes, entre lesquelles seul le texte permet de trancher. L'analyse est simple si l'on rencontre il marche ou la marche. Mais dans beaucoup de cas la recherche doit s'exercer plus en amont ou plus en aval. On utilisera pour ce faire un logiciel du commerce, Cordial, qui a pour fonction première de corriger les textes. Mais les concepteurs de ce produit sont ouverts à la recherche universitaire et une version particulière du logiciel est destinée aux laboratoires spécialisés dans le traitement automatique de la langue, auxquels elle fournit un outil d’analyse et non plus seulement de correction. Cette version, anciennement dénommée « Cordial Université », est maintenant distribuée sous l’étiquette ANALYSEUR et correspond à la version 7 (ou 8) du produit standard. Ce programme étant automatique n’est pas exempt d’erreurs. Mais il échappe à la fatigue, à l’inconstance, à la subjectivité et finalement au renoncement qui accompagnent les entreprises de désambiguïsation manuelle. On veillera à maintenir constant le choix des paramètres proposés selon les options qui sont cochées dans l'illustration ci-dessous. 

        Outre le code grammatical, Cordial ajoute de nombreux renseignements relatifs au traitement des expressions, à la fonction dans la phrase, à la place hiérarchique du mot dans l’arbre syntaxique, et même à la classe sémantique à laquelle le mot se rattache. Nous n’avons retenu que ce qui était strictement nécessaire à l’analyse, soit la moitié des possibilités offertes dans la figure 3, à savoir: le numéro du paragraphe, le numéro de la phrase, la forme, le lemme, le code grammatical détaillé (codegram) et la fonction. 
        Hyperbase prend alors en compte les  principaux éléments d’un tel fichier et les distribue séquentiellement dans quatre champs parallèles, voués respectivement aux formes, aux lemmes, aux codes et aux structures. La figure 4 met en correspondance les formes et les lemmes d’une même page de Saint-John Perse. On notera que les lemmes, dans la partie droite de l’écran, sont pourvus d’un indice numérique, afin de séparer les uns des autres les homographes. Ainsi le 7 (dans la grande chose) distingue l’article du pronom codé 5 (dans le furent). Ces codes simplifiés qui reproduisent la classification de Muller et de Labbé (1 verbe, 2 substantif, 3 adjectif, 4 numéral, 5 pronom, 6 adverbe, 7 déterminant, 8 conjonction, 9 préposition) n’appartiennent pas en propre à Cordial, mais ont été dérivés de l’analyse complète fournie par Cordial.

        Cette analyse complète est rendue visible, quoique peu lisible, pour peu qu’on sollicite le bouton CODE situé à droite de la barre de menu. Là aussi l’alignement est rigoureux, en sorte que l’on sait précisément à quel mot correspond telle ou telle analyse. Ces quatre champs sont sensibles au clic de la souris: tout objet que l’on désigne, qu’il s’agisse d’une forme, d’un lemme, d’un code ou d’une structure,  renvoie aux autres occurrences où le même objet est rencontré, les relations hypertextuelles s’appliquant aux quatre champs. Mais ces relations lient aussi ces champs entre eux, en sorte qu’en cliquant sur un code grammatical dans le champ de droite (par exemple _Vmii2pV, soit Verbe, non auxiliaire, indicatif, imparfait, 2e personne du pluriel, base de proposition), on obtient successivement en vidéo inverse tous les verbes qui répondent strictement à ce codage.

        L’indexation et toutes les opérations subséquentes sont alors répétées quatre fois, au niveau des structures syntaxiques (c’est à dire des séquences ordonnées des parties du discours), puis des codes grammaticaux, puis des lemmes, puis des formes. À l’issue de ce traitement, on obtient quatre index (figure 6) qui réagissent pareillement au clic de la souris. La forme (ou le lemme ou le code  ou la structure) qu’on désigne montre le détail de ses occurrences, parmi lesquelles l’utilisateur fait son choix pour se référer au texte.

        S’il s’agit d’un code, dont la signification peut être opaque, le décryptage est assuré et traduit en clair, comme dans l’exemple ci-dessus, relatif au code _afpmp_d, c'est à dire à un adjectif qualificatif, positif, masculin pluriel, dans un groupe objet indirect. Lorsqu’on veut, non plus reconnaître un code particulier, mais rassembler les mots qui ont reçu le même codage (par exemple pour constituer une concordance ou un histogramme), on est renvoyé à une page spéciale (figure 7) qui dénombre toutes les combinaisons possibles.Car Cordial pousse loin l’analyse, en relevant pour chaque mot la catégorie, la sous-catégorie, le genre, le nombre, la fonction et s’il s’agit d’un verbe le temps, le mode et la personne. Un clic dans une option provoque alternativement l’activation ou la désactivation correspondante. Certaines options sont impliquées ou exclues automatiquement, dès qu’une autre est choisie, de telle façon qu’il y ait toujours cohérence. Car il serait absurde de sélectionner le futur d’un substantif ou le féminin d’un verbe à l’infinitif. Chaque clic modifie le filtre dont l’affichage apparaît dans une fenêtre, en haut et à droite de l’écran, avec sa traduction en clair. Toute colonne non intéressée par la sélection est remplie par défaut par un joker, dont l’effet est d’admettre tout code qu’on rencontre à cet endroit. Ainsi dans l’exemple choisi la colonne 3 n’ayant pas été sélectionnée dans le code Af_ms___, tous les adjectifs seront retenus, quel que soit le degré, positif ou comparatif. De même le vide rencontré dans la colonne 7 laissera la sélection indifférente à la fonction dans la phrase.

        Une fois que la sélection est faite, elle est transmise à la fonction appelante, qui délivre un contexte, une concordance ou une liste, c’est à dire un tableau à deux dimensions dont chaque ligne dresse le profil d’une sélection grammaticale à travers le corpus et chaque colonne celui d’un texte du corpus à travers les codes grammaticaux. 
        Le choix des structures syntaxiques se  fait de la même façon en choisissant dans l’ordre les catégories  qui forment la séquence souhaitée, par exemple déterminant + adverbe + adjectif + substantif + pronom relatif, à chaque endroit de la séquence une constante (forme, lemme ou code grammatical détaillé) pouvant se substituer à la variable. Ainsi dans la figure 8 deux contraintes sont imposées à la sélection: l’adjectif doit appartenir au lemme beau et le verbe qui suit le relatif doit être au subjonctif (code _V_s). Si l’on ajoute que la fonction de chaque mot peut être isolée dans le code, et qu’un balisage sémantique est appliqué aussi au texte, on mesure combien l’étude, traditionnelle ou statistique, du texte s’enrichit de mille possibilités. 

        Ce n'est pas le lieu d'entreprendre l’exploitation d’un tel corpus lemmatisé, que vous préférons livrer dans sa pureté virginale aux spécialistes du poète. Là où l’étude des formes permet une première approche, celle des lemmes apporte le plus souvent une confirmation. Ainsi les 9 recueils de notre corpus se répartissent de la même façon lorsqu’est mesurée la distance entre leurs vocabulaires, lemmatisés ou non. De même les listes de spécificités obtenues pour chaque texte à partir des formes et des lemmes ont beaucoup d’éléments communs, quoique les informations qu’elles donnent pour les verbes soient beaucoup plus sûres si la lemmatisation a opéré le regroupement des formes fléchies. Mais dès qu’on aborde la syntaxe et les faits de style, l’étude des formes montre vite ses limites et ses faiblesses: l’approche biaisée des mots grammaticaux ne permet qu’une approximation timide, car beaucoup de mots-outils sont homographes et servent à plusieurs usages, comme les couteaux suisses. Sans lemmatisation préalable, bien des aspects du texte restent inaccessibles: le genre grammatical, le nombre, la fonction dans la phrase, le temps verbal, le mode , la personne, les parties du discours et leurs multiples combinaisons réalisées dans les syntagmes et les structures syntaxiques, des plus simples (digrammes ou trigrammes) aux plus complexes, tout cela échappe aux formes brutes. 
        C’est le verbe qui gagne le plus à l’étiquetage: si l’on s’intéresse à son contenu sémantique, le regroupement des formes d’un même verbe offre un avantage indéniable, et si l’on étudie un temps verbal et qu'on regroupe les verbes qui partagent le même codage et le même temps, l’avantage est encore plus net. Et faute de pouvoir aborder les points de vue qu’on vient de passer en revue,  c’est le système verbal qu’on voudrait étudier dans notre corpus, à titre d’exemple. Lorsqu’il s’agit de l’emploi des verbes, on a tout lieu de penser qu’un écrivain y porte attention. Le choix qu’il fait du passé ou du présent, de la première ou de la troisième personne, a des conséquences importantes pour la conduite du discours et une telle décision ne saurait être inconsciente. Le système verbal s’étageant sur plusieurs plans: le mode, le temps et la personne (sans compter le nombre, l’aspect et d’autres paramètres), on pourrait isoler successivement les trois plans principaux (les seuls que relève Cordial), ou bien les croiser  et, par exemple, consacrer une ligne du tableau à la troisième personne du pluriel du présent de l’indicatif des verbes auxiliaires (croisement de 5 variables). Pour une première approche il nous a paru prudent de ne retenir que les grandes divisions, sans croisement, mais sans exclusive. En étudiant ensemble, comme variables indépendantes, les modes, les temps et les personnes, on se donne le moyen de repérer lequel de ces trois paramètres est le plus discriminant, mais aussi  quelle interaction s’exerce entre les uns et les autres. 

        Une première réponse est dans le graphique ci-dessous (figure 9). On y voit que le mode n’est pas la pierre de touche qui puisse servir à classer les textes et les styles. Les modes apparaissent moins excentriques que les temps, à l’exception du participe qui s’éloigne vers le bas en s’associant aux auxiliaires pour constituer les temps composés. La voix la plus forte appartient au temps; c’est elle qui impose sa loi au discours, en le sommant de choisir entre le présent et l'imparfait (le passé simple, peu employé en poésie, hésite entre les deux). La tension la plus intense (sur le graphe la distance la plus longue) est en effet celle qui oppose le présent (en bas) à l’imparfait (en haut). Quant au passé composé, il se rapproche du présent auquel il se rattache formellement. Mais ce qui est le plus frappant, c'est l'entrecroisement des trois critères du verbe. Des alliances se nouent entre le futur, le subjonctif, l'impératif et la seconde personne, entre le conditionnel et l'imparfait, entre l'indicatif, le présent et la troisième personne. Certes ces réseaux d'influence sont parfois imposés par la grammaire (comme la concordance des temps) ou la logique (un impératif appelle la seconde personne). Mais ils dépendent aussi du genre littéraire. Ceux qu'on observe ici, là où prédomine la poésie, ne se retrouvent pas nécessairement dans le récit, où le rôle du verbe est plus important et plus différencié, l'évocation poétique se contentant souvent d'un présent intemporel.³

        Les choix étant ainsi offerts, comment réagissent les textes? Ils ont souvent des goût opposés, comme le suggère le graphique 10 qui représente conjointement les recueils Gloire des Rois et Vents. Là où le premier privilégie le présent, le second préfère l'imparfait. Le contraste se répercute à tous les points de la courbe, et le coefficient de corrélation (r = -0,73) est largement significatif. Si l'on envisage les autres recueils dans une analyse globale du corpus (analyse factorielle de la figure 11), on voit que le choix des Rois est partagé par les premiers recueils et que Vents est isolé sur la gauche, tandis que les derniers recueils (à l'exception des Oiseaux) s'orientent vers le haut du graphique. Ici comme sur d'autres plans, se manifeste l'évolution de l'écrivain.

        Cette évolution n'est pas véritablement linéaire. On constate des retours, des mouvements courbes qui rapprochent les périodes extrêmes. Ainsi l'étude de la ponctuation - qui est ici légitime puisque l'auteur a eu le loisir de corriger les épreuves sans rien abandonner aux protes - laisse apparaître des périodes favorables aux signes affectifs (l'interrogation, l'exclamation et la suspension dans Exil), d'autres qui cultivent la virgule et les phrases longues (Vents, Amers), les périodes extrêmes se partageant le point (Oiseaux, Chroniques) et le point-virgule (Éloges, Rois, Anabase).

        Suivant l'objet considéré, les variations dues au temps peuvent fluctuer. Mais si l'on considère le vocabulaire entier, la chronologie dessine une ligne stable et pure. La méthode pour calculer la distance entre deux recueils consiste à considérer tous les mots et à comparer leur répartition dans les deux textes confrontés. Si la répartition est régulière, cela rapproche les deux textes, si elle est déséquilibrée cela contribue à accentuer la distance. Mais il y a plusieurs façons de considérer les mots, selon qu'on s'intéresse aux graphies, aux lemmes, aux codes grammaticaux ou aux structures syntaxiques. Or quel que soit l'objet isolé, on obtient la convergence. La chaine chronologique se reconnaît dans les quatre graphiques qui rendent compte de ces distances dans la figure 13. Partout les trois premiers recueils se tiennent la main, partout les trois recueils intermédiaires occupent des positions proches, partout Chroniques voisine avec Oiseaux. 

        Non content d'offrir une information grammaticale très riche, Cordial  fournit encore des statistiques, dont certaines abordent le domaine de la sémantique et de la thématique. Un immense tableau est ainsi constitué qui comporte autant de lignes que de variables ou concepts répertoriés et autant de colonnes que l'on compte de textes dans le corpus. Une page spéciale (reproduite ci-dessous) donne accès à ces indices et en assure la gestion, par séries homogènes, de type grammatical, rythmique ou sémantique.

        Le résultat de l'analyse thématique confirme ce que nous avaient enseigné les études qui précèdent. Les recueils là aussi forment trois groupes de trois éléments, ordonnés selon la chronologie (dans l'analyse factorielle de la figure 15). Cette robustesse  et cette constance des résultats s'expliquent en partie parce que d'autres facteurs sont absents qui pourraient perturber les résultats, comme le genre littéraire. Les 9 recueils appartiennent en effet au même genre poétique. En revanche ce genre poétique est très conservateur: ni la révolution romantique, ni celle des surréalistes n'ont vraiment modifié la composition du stock lexical de la poésie, où, malgré ce qu'en dit Hugo, les mots nobles tiennent le haut du pavé et où le cochon n'a jamais eu droit de cité. Or dans un milieu rebelle au changement, les marques du temps s'observent malgré tout.

        Indépendamment de Cordial, on a essayé une autre approche fondée sur les corrélats et apparentée à la démarche du logiciel Alceste. Au lieu de recevoir leur étiquette de l'extérieur, d'un thesaurus préalablement constitué, on voudrait que les mots reconnaissent d'eux-mêmes leur parenté, du seul fait de leur voisinage dans les mêmes contextes. Pour ce faire, le programme comptabilise tous les mots-pleins (au moins ceux qui ne sont ni trop rares, ni trop fréquents) et enregistre toutes les rencontres, occasionnelles ou insistantes, avec les autres mots-pleins. Un lien est établi entre deux lemmes quand ils ont tendance à se rencontrer dans la même page. Le choix de la page permet d'échapper en partie aux contraintes syntaxiques qu'imposerait le choix d'une unité linguistique plus courte (syntagme, phrase ou paragraphe). L'élimination des mots fréquents et  des mots-outils concourt aussi à privilégier les relations sémantiques ou thématiques plutôt que les rapports de dépendance syntaxique. On notera enfin que la division en textes est ignorée. La cohabitation à longue distance dans un même texte n'entre pas dans le calcul. Seule compte la proximité immédiate dans la même page, là où l'on a le plus de chances de relever les isotopies.
        La figure 16 (c'est encore une analyse factorielle) rend compte de ses isotopies. La plus visible est observée sur la marge droite qui rassemble les termes exprimant la couleur et qui vont ensemble comme les nuances de l'arc-en-ciel (noir, blanc, rouge,  vert, or, couleur, feu). Le quadrant supérieur droit est dévolu au règne minéral (pierre, fer, terre), végétal (arbre, feuille) ou animal (bête). Le quadrant inférieur droit mêle, comme dans le recueil Amers, l'amour (amour, corps, main, coeur) et la mer (mer, marin, eau). Dans la moitié gauche, les termes sont plus abstraits ou plus symboliques: en haut ils évoquent le mouvement qui  apporte le nouveau (vent, chant, souffle, esprit, dieu, marche, route, vaste, nouveau); en bas ils parlent du temps (temps, jour, nuit, long).

        Si l'identité des recueils s'évanouit dans la figure 16, elle peut s'affirmer au contraire quand on fait le calcul très classique des spécificités, c'est à dire des éléments lexicaux auxquels un recueil fait plus volontiers appel. Nous prendrons pour exemple le  texte d'Amers(figure 17). La colonne de gauche consacrée aux graphies et celle de droite vouée aux lemmes s'accordent pour retenir deux thèmes principaux dans le recueil : l'amour (amour, amant, aimer, femme, heureux, tu, te toi, moi, nous, notre) et la mer (mer, vagues, vaisseaux, eaux, brise). Le thème amoureux se retrouve aussi  dans la figure 18, qui met en exergue les phrases les plus caractéristiques du recueil. Ce sont celles où se trouve la plus grande concentration des termes les plus spécifiques. Elles constituent un hymne à la femme. Ces listes ordonnées de mots-clés et d'extraits typiques s'accordent le plus souvent avec l'intuition et le sentiment littéraire du lecteur. 

        Mais la garantie de la lecture fait défaut lorsqu'il s'agit de codes grammaticaux ou de structures syntaxiques, qui peuvent échapper à la conscience du récepteur et même du rédacteur et qui acceptent, comme les graphies et les lemmes, les ca lculs de spécificité. Ainsi dans Amers la catégorie du féminin est-elle privilégiée, et celle du pluriel dans Vents.

Figure 18. Les phrases spécifiques dans Amers

        Quant aux structures rythmiques ou syntaxiques, leur approche est délicate, et leur récurrence n'est pas toujours sensible, même aux oreilles les plus fines. L'ordinateur qui maintient son attention sans défaillance sur de très longues distances peut reconnaître un rythme obsédant, comme celui d'un verset octosyllabique de la Genèse: "Et l'Esprit planait sur les eaux". La structure syntaxique qui sous-tend ce verset est codée sous la forme cdnvsdn, c'est à dire coordination + déterminant + nom + verbe + préposition + déterminant + nom. Elle est reconnue comme spécifique du recueil Amers, où se trouvent concentrés 16 des 32 exemples relevés chez Saint-John Perse et restitués dans la figure 19 (les exemples extraits de Amers ont le code Am sur la marge gauche). 

        On observera avec intérêt que la plupart de ces exemples sont également des octosyllabes et que le souvenir du verset biblique est reconnaissable dans les mots même: est sur les eaux, est sur les mers. Ainsi quand le rythme se fait souple et abandonne la mesure répétitive et trop prévisible du vers classique, l'ordinateur peut se substituer au métronome défaillant. On imagine quel profit pourrait en tirer l'étude du verset claudélien.
 

¹Lettre à Paul Claudel, Consul général de France à Hambourg, Paris, janvier 1914, la Pléiade, p. 726. 
²Le même logiciel Hyperbase, créé par nos soins, a été appliqué à de nombreuses intégrales (ou quasi intégrales): Rabelais, Montaigne, Corneille, Molière, La Fontaine, Racine, Pascal, Marivaux, Voltaire (partiellement), Rousseau, Chateaubriand, Balzac, Hugo (partiel), Baudelaire, Rimbaud, Sand, Flaubert, Maupassant, Verne, Proust, Eluard, Breton, Mammeri, Chraïbi, Gracq, Le Clézio, etc.
³Dans un roman, il arrive souvent que l'imparfait l'emporte sur le présent. Chez Saint-John Perse l'effectif de l'imparfait dépasse à peine le dixième du présent.