J’ai beaucoup d’admiration pour le projet PIND (Punk is not dead), ANR pilotée par Luc Robène et Solveig Serre, projet qui entre dans sa quatrième et dernière année. Je suis admiratif de l’énergie déployée par cette équipe pluridisciplinaire (histoire, sociologie, géographie, musicologie, etc.) pour organiser très régulièrement des journées d’études à Paris ou en région qui intègrent les acteurs (et parfois les actrices) des scènes punks locales – le site http://pind.univ-tours.fr/ permet de visionner toutes les captations de près de 30 journées déjà organisées.
Le projet ayant déjà trois ans, les premières productions éditoriales arrivent sur le marché – sur le marché car on reste malheureusement dans la valorisation académique classique avec des ouvrages payants – : le très documenté ouvrage de Pierre Raboud sur les débuts des scènes punk en France, Allemagne et Suisse (Fun et mégaphones, 2019, Riveneuve, 20 euros) sur lequel je reviendrai peut-être prochainement ; et ce Lexique franco-punk qui vient de sortir aux éditions Nova (15 euros).
Si j’aime beaucoup ce projet et si j’apprécie scientifiquement et humainement un grand nombre de ses membres, ce lexique me pose d’avantage de problèmes. Afin de ne pas rester dans l’implicite, je vais en exposer quelques uns. Et comme j’ai mieux à faire que descendre le travail des collègues (surtout quand je les apprécie), je propose ensuite une rapide analyse relationnelle de ce lexique qui pourrait également faire office d’initiation aux principales mesures et méthodes en analyse de réseaux (d’où la longueur pour moi inhabituelle de ce billet).
La mise en avant de certaines scènes (Bordeaux), voire de certains groupes (Strychnine), peut étonner. L’absence totale de certaines scènes ou de certains acteurs étonne davantage – je peux me tromper mais j’ai l’impression que les termes Angers, Black & Noir, Les Thugs sont absents ici. Choisir d’appeler une entrée (bienvenue) au machisme des scènes punks “Salope!” me gêne tout comme me gêne l’absence de toute bibliographie. Les biographies totalement dépolitisées de groupes qui posent ou ont pu poser problème (La Souris Déglinguée, Paris Violence) constituent un choix éditorial que je trouve regrettable. Ce sont des détails, les entrées étant suffisamment nombreuses et documentées pour qu’un lecteur ou une lectrice pourtant averti.e apprenne des tas de choses. Et là aussi, les acteurs sont associés au projet (Gilles Bertin, Christian Eudeline, Gogol premier et d’autres encore). Reste qu’il s’agit d’abord et surtout d’un ouvrage sur le punk français vu par le projet PIND en 2019.
Deux types de traitements ont été menés : une analyse sous forme de graphe unimodal orienté entrée – entrée ; une analyse du graphe biparti auteur.e.s – entrée. En langage non technique, je relève dans chaque entrée du lexique les entrées mentionnées et je représente ça sous forme de liens d’une entrée vers une autre ; puis je recopie la fin de l’ouvrage pour associer à chaque auteur.e les entrées écrites, seul.e ou en collaboration. Ce billet présente les analyses sur les liens entre entrées du lexique, j’attaquerai le graphe biparti après mes vacances. J’ai travaillé un peu rapidement et je n’ai pas pris le temps de contrôler toutes les pages du Lexique, n’hésitez pas à signaler les erreurs en commentaire, merci.
Connexité et réciprocité
Dans un graphe, la connexité désigne le fait de partir d’un sommet (ici une entrée) et de pouvoir rejoindre, via une suite de liens plus ou moins longue, les autres sommets. Autrement dit, si je prends une entrée au hasard dans le lexique, est-ce que je pourrai, de proche en proche, lire l’ensemble du lexique ? La réponse est non mais presque. Aucun lien ne pointe vers les entrées Martin Dupont, Damien Saez ou Zombies ; plusieurs entrées ne pointent vers aucune autre (Les années blanches, Les Sales Majestés, Strashooter). Mais à 28 exceptions près, un chemin existe entre 150 termes, ce qui montre une bonne connexité globale – le lexique comprend 178 entrées. Autre question, dans quelle mesure les liens sont-ils réciproques ? Si Chaussures pointe vers Fringues, l’inverse est-il vérifié ? 133 liens sont mutuels et 817 sont asymétriques (a pointe vers b, b ne pointe pas vers a) et cela semble logique : dans les entrées consacrées aux groupes, il y a très souvent un lien vers les entrées Concert, Guitares ou Labels ; il y a peu de raison pour que le lien soit indiqué dans l’autre sens (présence du lien du particulier vers le général et absence du lien inverse). Calculer la densité n’a pas un grand intérêt thématique, il est absurde d’imaginer que toutes les entrées puissent être connectées entre elles.
Diamètre
Le diamètre dans un graphe est le plus long des plus courts chemins, un plus court chemin étant la suite de liens la plus courte possible entre deux sommets donnés. Le diamètre est ici de 8 entre les entrées Abattoir et Archives.

Centralités
La mesure la plus classique de la centralité est le degré : combien de liens touchent-ils (sont-ils adjacents) à un sommet donné ? Le graphe étant orienté, on peut distinguer les sommets émettant beaucoup et ceux recevant beaucoup, s’agit-il des mêmes ? Labels, Festival, Mont-de-Marsan, Médias et Bordeaux reçoivent et envoient beaucoup ; DIY, Fanzines, Métal Urbain, Bérurier Noir et La Souris Déglinguée reçoivent beaucoup plus qu’ils n’envoient de liens. La corrélation entre les deux indicateurs est relativement faible (0.37), certaines entrées émettant beaucoup et ne recevant que très peu de liens (Recyclage, Punk des villes punk des champs par exemple).
Une autre mesure de centralité classique est l’intermédiarité (betweenness), à savoir le fait d’être placé sur des plus courts chemins entre sommets. La relation entre le degré (entrant + sortant) et l’intermédiarité montre une relation linéaire entre les deux indicateurs : les sommets ayant un degré élevé ont également une intermédiarité forte. C’est le signe d’un graphe en forme de boule centre-périphérie (appellation non contrôlée) comme le montre la figure illisible ci-dessous. C’est le type de graphes où une détection de communautés donnera un résultat (la machine fait toujours ce qu’on lui demande) sans intérêt et où, à l’inverse, l’utilisation de blockmodel est pertinente.

Blockmodel
Le principe du blockmodel est de regrouper les sommets en fonction de la position qu’ils occupent dans le graphe. Là où les algorithmes de détection de communautés regroupent les sommets fortement connectés entre eux, les blockmodels regroupent les sommets dont la position est équivalente. Un type de partition sera notamment les sommets qui émettent sans recevoir, les sommets qui reçoivent sans émettre et ceux qui émettent et reçoivent. La matrice ci-dessous montre une partition en 4 blocs (le sommet isolé a été supprimé avant le calcul) et la densité de liens à l’intérieur de ces blocs et entre un bloc et les trois autres (la matrice n’est pas symétrique). Si on colore les sommets sur la représentation noeud-lien, on observe bien la position périphérique du bloc 4 (en jaune) ; des explorations complémentaires seraient nécessaires pour étudier les trois autres blocs.
Une autre option possible est de centrer l’étude sur un sommet particulier (nommé ego), ses voisins (les sommets avec lesquels il est lié, appelés également alters) et les liens éventuels entre ces voisins, on parle d’approche par ego-network. On peut choisir les voisins d’ordre 1 (les sommets adjacents) à n. Si par exemple j’extrais l’ego-network d’ordre 2 de Mont-de-Marsan, j’obtiens un graphe comprenant 153 entrées (sur 178 au total) et 978 liens (sur 1081). J’étais trop jeune, par contre j’ai de grands souvenirs avec les Bérurier Noir et le graphe ci-dessous montre l’ego-network d’ordre 1 (31 sommets, 87 liens) tout d’abord en gardant ego (qui est lié à tout le monde, mais tantôt en émetteur, tantôt en récepteur, tantôt les deux simultanément) puis en le supprimant, ce qui modifie peu la structure d’ensemble en ne générant que trois sommets isolés.
D’autres traitements seraient évidemment possibles. Je replonge dans ces données dans une petite semaine (vacances) et, bien entendu, je fournirai très vite données et script R.
OpenEdition vous propose de citer ce billet de la manière suivante :
Laurent Beauguitte (25 octobre 2019). PIND, 2019, Lexique franco-punk – étude relationnelle (1). Espaces et radicalités. Consulté le 13 mai 2025 à l’adresse https://doi.org/10.58079/oj62
Une réponse sur “PIND, 2019, Lexique franco-punk – étude relationnelle (1)”