Qu'est-ce qu'IRaMuTeQ et que lui faut-il ?
IRaMuTeQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires) est un logiciel d'analyse de textes et de tableaux de données, qui s'appuie sur le logiciel de statistique R et sur le langage Python. Il est distribué sous licence libre GNU GPL v2 et développé par Pierre Ratinaud.
Sur un corpus d'entretiens, il propose notamment :
- les statistiques textuelles : nombre d'occurrences, formes les plus fréquentes, hapax ;
- les spécificités et l'AFC : le vocabulaire propre à chaque groupe défini par vos variables (par exemple hommes et femmes, ou cadres et employés) ;
- la classification selon la méthode Reinert : le découpage du corpus en classes de discours, très utilisée dans les mémoires et les thèses ;
- l'analyse de similitude : les mots qui apparaissent ensemble ;
- le nuage de mots.
Le vocabulaire à connaître
La documentation d'IRaMuTeQ emploie deux mots qu'il faut avoir en tête avant de préparer quoi que ce soit :
- le texte : l'unité de base du corpus. Un texte peut être un entretien, un article ou tout autre document. Pour un corpus d'entretiens, la règle la plus simple est un entretien = un texte ;
- le segment de texte : un morceau de texte découpé automatiquement par le logiciel lors de l'import, sur lequel travaille la classification.
Tout ce que vous savez sur la personne interrogée (âge, statut, terrain, date) passe par des variables étoilées écrites au début de chaque texte. C'est grâce à elles que vous pourrez comparer les groupes ensuite.
Le format d'un corpus IRaMuTeQ
Les règles ci-dessous viennent de la documentation officielle d'IRaMuTeQ (Loubère et Ratinaud). Elles ne sont pas des conseils de style : si elles ne sont pas respectées, l'import échoue ou les analyses comptent mal.
Un fichier texte brut
Le corpus est un fichier .txt, pas un document Word. La documentation recommande de garder la ponctuation : elle aide le logiciel à découper les segments de texte.
La ligne étoilée
Chaque texte commence par quatre étoiles (****), suivies d'une série de variables étoilées séparées par un espace. Chaque texte doit avoir au moins une variable étoilée.
**** *entretien_01 *sexe_f *age_30_39
Texte du premier entretien...
**** *entretien_02 *sexe_h *age_50_59
Texte du deuxième entretien...
L'écriture des variables
- Pas d'espace, pas de caractère spécial, pas d'accent : uniquement des lettres, des chiffres et le tiret bas (
_). La documentation donne l'exemple :*age 18 ansn'est pas un bon codage,*age_18en est un ;*entretien_d'Emilien'est pas un bon codage,*ent_emilieen est un. - La forme
*variable_modalitéest à privilégier :*sexe_het*sexe_fpermettent au logiciel de reconnaître une variable sexe avec deux modalités, h et f, et donc de faire des analyses complémentaires. - L'écriture doit être strictement identique d'un texte à l'autre :
*sexe_het*sexe_hommesont deux modalités différentes ;*sexe_h,*Sexe_het*sex_hsont trois variables différentes (la casse compte). Une seule faute de frappe crée une modalité fantôme.
Les thématiques (facultatives)
On peut découper un texte en thématiques avec une ligne qui commence par un tiret et une étoile (-*), par exemple -*parcours. Cette ligne ne contient rien d'autre. Si vous utilisez des thématiques, tous les paragraphes d'un texte doivent appartenir à une thématique : un paragraphe placé avant la première ligne -* n'est pas accepté.
Pour des entretiens semi-directifs, les thématiques peuvent correspondre aux grands thèmes de votre grille d'entretien. C'est utile si vous voulez comparer ce qui se dit sur chaque thème, mais cela demande de repérer les changements de thème dans chaque transcription.
L'étoile est réservée
Le caractère * sert à marquer les variables. Il ne doit pas apparaître dans le texte des entretiens : supprimez-le de vos transcriptions (notes entre astérisques, mots masqués du type « M*** »).
Préparer le corpus étape par étape
Étape 1 : transcrire les entretiens
IRaMuTeQ travaille sur du texte : chaque enregistrement doit d'abord devenir une transcription. Pour une analyse lexicométrique, le choix entre verbatim intégral et transcription épurée a des conséquences directes : les « euh », répétitions et tics de langage comptent comme des formes et pèsent dans les calculs. Les garder ou les retirer est un choix méthodologique, à décider avant de transcrire et à expliciter dans votre mémoire ou votre article. Les conventions sont détaillées dans notre guide du verbatim d'entretien.
Gardez une transcription par entretien et nommez les fichiers de façon régulière (entretien_01, entretien_02…) : ce nom servira de variable identifiant.
Étape 2 : décider quelles paroles garder
Un entretien contient deux voix : celle de l'enquêteur et celle de la personne interrogée. Si les questions et relances de l'enquêteur restent dans le corpus, leur vocabulaire entre dans les calculs au même titre que celui des enquêtés, et les mêmes formulations répétées d'un entretien à l'autre peuvent peser sur les classes de discours.
Deux options existent :
- ne garder que la parole des personnes interrogées, ce qui centre l'analyse sur leur discours ;
- garder l'ensemble, si l'interaction elle-même fait partie de votre objet.
Il n'y a pas de règle unique : choisissez en fonction de votre question de recherche et justifiez ce choix dans la partie méthodologique.
Étape 3 : pseudonymiser
Un corpus d'entretiens contient des données personnelles : noms, lieux, employeurs, détails de vie. Avant l'analyse et avant tout partage (directeur de recherche, co-auteurs, dépôt de données), remplacez les noms par des pseudonymes ou des codes, toujours les mêmes d'un entretien à l'autre (Marie Dupont devient P07 partout).
Le remplacement des noms ne suffit pas toujours. Une combinaison de détails (une petite commune, un métier rare, une date) peut permettre de reconnaître quelqu'un. Relisez chaque transcription en vous posant la question : un lecteur qui connaît le terrain pourrait-il identifier la personne ?
Gardez la table de correspondance à part (« Marie Dupont = P07 »), dans un emplacement sécurisé, séparé du corpus. Et gardez en tête qu'au sens du RGPD, un corpus pseudonymisé reste une donnée personnelle : tant qu'une table de correspondance existe ou qu'une personne reste reconnaissable, les obligations s'appliquent. Seule une anonymisation irréversible fait sortir les données du RGPD.
Le cadre à poser dès le terrain
- Information et consentement : les personnes interrogées doivent savoir que l'entretien est enregistré puis transcrit, y compris si la transcription passe par un prestataire ou un outil, pour quelles finalités, et quels sont leurs droits.
- Conservation et sécurité : fixez à l'avance la durée de conservation des enregistrements, des transcriptions et de la table de correspondance, stockez-les de façon sécurisée et inscrivez ces choix dans votre plan de gestion des données si votre projet en a un.
- Prestataire ou outil de transcription : il agit comme sous-traitant au sens du RGPD. Vérifiez qu'un accord de traitement des données (DPA) est prévu et où les données sont traitées. Pour AudiosTranscribe : traitement dans l'UE, audio effacé après la transcription, jamais conservé plus de 7 jours, et jamais utilisé pour entraîner une IA.
Pour le cadre légal, voir notre article transcription et RGPD, et rapprochez-vous du référent RGPD ou du DPO de votre établissement, qui connaît les règles propres à votre institution.
Étape 4 : coder les variables
Listez avant de commencer les variables dont vous aurez besoin pour vos comparaisons, et fixez leurs modalités une fois pour toutes. Un exemple de tableau de codage :
| Variable | Modalités | Exemple |
|---|---|---|
| Identifiant | 01, 02, 03… | *entretien_01 |
| Sexe | f, h | *sexe_f |
| Tranche d'âge | 20_29, 30_39, 40_49… | *age_30_39 |
| Statut | cadre, employe, independant | *statut_cadre |
| Terrain | urbain, rural | *terrain_rural |
Ce tableau, gardé à côté de votre corpus, évite les variantes qui créent des modalités en double (*statut_employe et *statut_employé, par exemple, la seconde étant de toute façon interdite à cause de l'accent).
Étape 5 : nettoyer le texte
- supprimez les étoiles du texte (voir plus haut) ;
- retirez les éléments qui ne sont pas de la parole : noms d'intervenants en début de ligne, horodatages, notes de transcription, si vous ne voulez pas qu'ils soient comptés comme des mots ;
- harmonisez l'orthographe des mots importants pour votre analyse (un même terme écrit de deux façons sera compté comme deux formes) ;
- pour les mots composés et les expressions (« aujourd'hui », « vis-à-vis »), IRaMuTeQ propose à l'import un dictionnaire des expressions qui les traite comme un seul mot. Seules les expressions présentes dans le dictionnaire de la langue sont concernées ; ces dictionnaires se trouvent dans le dossier
.iramuteq/dictionnairesde votre environnement utilisateur.
Étape 6 : enregistrer en UTF-8
La documentation d'IRaMuTeQ recommande de travailler en UTF-8. Attention : à l'ouverture du corpus, le logiciel propose par défaut l'UTF-8 sous macOS et Linux, mais le CP 1252 sous Windows. Si votre fichier est en UTF-8, choisissez explicitement UTF-8 au moment de l'import. Un mauvais encodage se repère tout de suite : les accents s'affichent sous forme de caractères étranges dans les résultats.
Pour assembler le fichier, utilisez un éditeur capable de gérer l'encodage (la documentation cite LibreOffice ; un éditeur de texte comme Notepad++ ou VS Code convient aussi) et enregistrez au format texte brut.
Exemple de corpus prêt à importer
Voici un corpus de trois entretiens, sans thématique. Les extraits sont fictifs, écrits pour illustrer le format : seule la parole des personnes interrogées a été gardée, les noms ont été remplacés et chaque texte porte les mêmes variables.
**** *entretien_01 *sexe_f *age_30_39 *statut_cadre *terrain_urbain
Au début je ne voyais pas l'intérêt de changer d'organisation. Ce qui m'a fait changer d'avis c'est la charge de travail, on n'arrivait plus à suivre.
Avec une collègue on a fini par tout reprendre à zéro, en se répartissant les dossiers par secteur.
**** *entretien_02 *sexe_h *age_50_59 *statut_employe *terrain_rural
Ici tout le monde se connaît, donc les changements passent par la discussion avant de passer par les réunions.
Le plus difficile a été d'expliquer aux anciens pourquoi on modifiait les horaires.
**** *entretien_03 *sexe_f *age_20_29 *statut_employe *terrain_urbain
Je suis arrivée après la réorganisation, donc pour moi c'est la façon normale de travailler.
Ce que je remarque surtout c'est qu'on se parle moins entre services.
Le même corpus avec des thématiques ajouterait, sous chaque ligne étoilée, des lignes comme -*parcours ou -*organisation, chaque paragraphe étant placé sous l'une d'elles.
Un vrai corpus est évidemment plus long : la classification par la méthode Reinert a besoin de suffisamment de texte pour former des classes stables. Après l'analyse, IRaMuTeQ indique le nombre de segments classés sur la totalité du corpus. Une faible part de segments classés signale en général un corpus trop court ou trop hétérogène. Le tutoriel de Camargo et Justo, référencé sur le site d'IRaMuTeQ, indique qu'une classification efficace suppose de retenir au moins 75 % des segments de texte (70 % selon d'autres auteurs), et suggère sinon de privilégier d'autres analyses, comme les spécificités. Mentionnez ce chiffre dans vos résultats.
Importer le corpus dans IRaMuTeQ
Dans IRaMuTeQ, ouvrez le menu Fichier > Ouvrir un corpus, puis choisissez votre fichier .txt. Une fenêtre d'indexation s'ouvre. Les réglages à vérifier :
- Encodage : celui de votre fichier, de préférence UTF-8 (pensez-y sous Windows, où le choix par défaut est CP 1252) ;
- Langue : la langue du corpus. IRaMuTeQ ne peut pas analyser plusieurs langues dans un même corpus : des entretiens en français et en anglais doivent faire deux corpus séparés ;
- Répertoire en sortie : IRaMuTeQ crée un dossier à côté du corpus pour y ranger les résultats ;
- Dictionnaire des expressions : à activer pour que les expressions avec tiret, apostrophe ou espace soient traitées comme un seul mot.
Vérifier l'import en deux minutes
- Lancez les statistiques textuelles : l'onglet Global affiche le nombre de textes et le nombre d'occurrences. Le nombre de textes doit être égal au nombre d'entretiens.
- Ouvrez le choix des variables (par exemple en lançant l'analyse des spécificités) et parcourez les variables et leurs modalités : une modalité en trop (
*statut_Cadreà côté de*statut_cadre) trahit une faute de codage.
Une fois le corpus indexé, toutes les analyses (statistiques, spécificités, classification, similitudes, nuage de mots) se lancent depuis ce corpus.
La lemmatisation
Avant la plupart des analyses, IRaMuTeQ propose de lemmatiser le corpus : les verbes sont ramenés à l'infinitif, les noms au singulier et les adjectifs au masculin singulier (« mangé, mangeons, mangera » deviennent « manger »). La lemmatisation se fait à partir de dictionnaires, sans désambiguïsation : un mot qui a plusieurs sens ou plusieurs natures grammaticales n'est pas départagé. Le nombre d'occurrences et de formes change selon que le corpus est lemmatisé ou non.
Gagner du temps avec l'export IRaMuTeQ d'AudiosTranscribe
La partie la plus longue de la préparation n'est pas l'analyse, c'est le passage de dizaines d'heures d'enregistrement à un fichier propre. AudiosTranscribe transcrit vos entretiens en séparant les intervenants, puis exporte directement au format IRaMuTeQ :
- un entretien ou tout un projet : l'export porte sur une transcription seule, ou sur le corpus d'un projet entier (jusqu'à 30 documents) rassemblé en un seul fichier ;
- un fichier .txt en UTF-8, avec une ligne étoilée par entretien (
**** *entretien_suivi du nom du document, nettoyé pour respecter les règles des variables) ; - le texte seul : une réplique par ligne, sans nom d'intervenant ni horodatage, et sans étoile dans le texte ;
- un filtre d'intervenants : vous choisissez quelles voix garder, par exemple pour retirer vos propres questions et ne garder que la parole des personnes interrogées ;
- le remplacement des noms listés : vous indiquez une liste « Nom réel = Code » (une ligne par remplacement), appliquée au texte, aux noms d'intervenants et au titre au moment de l'export. Le remplacement porte sur les mots entiers, sans tenir compte des majuscules, et votre transcription d'origine n'est pas modifiée.
Ce que l'export ne fait pas : il n'y a pas d'anonymisation automatique. Seuls les noms que vous listez sont remplacés ; les lieux, employeurs ou détails identifiants qui ne figurent pas dans votre liste restent dans le texte. La relecture de l'étape 3 reste nécessaire. De même, l'export ne crée qu'une variable (l'identifiant de l'entretien) : vos variables de codage (*sexe_f, *age_30_39…) sont à ajouter à la main sur chaque ligne étoilée.
Pour les autres logiciels d'analyse qualitative, les mêmes options existent avec un export pour MAXQDA et f4 (répliques horodatées) et un export WebVTT pour ATLAS.ti.
L'export IRaMuTeQ est inclus dans les offres payantes, ou disponible pour un document débloqué à l'unité avec la Mission. La transcription elle-même peut être testée gratuitement.
Les erreurs fréquentes
- Des espaces ou des accents dans les variables :
*âge 30 ansau lieu de*age_30. - Une casse irrégulière :
*Sexe_fdans un texte,*sexe_fdans un autre, ce qui crée deux variables. - Un texte sans variable étoilée : chaque ligne
****doit être suivie d'au moins une variable. - Des étoiles oubliées dans le texte, souvent dans des mots masqués ou des annotations.
- Un paragraphe hors thématique dans un corpus qui utilise des lignes
-*. - Le mauvais encodage à l'import, surtout sous Windows : les accents deviennent illisibles.
- Deux langues dans le même corpus.
- Les questions de l'enquêteur laissées par oubli, alors que l'analyse devait porter sur le seul discours des enquêtés.
- Des noms réels restés dans le texte, parce que la pseudonymisation n'a pas été relue.
Pour la partie qui précède l'analyse, voir aussi notre guide de l'entretien semi-directif et notre article sur la transcription d'un entretien de recherche.
Sources
- IRaMuTeQ, site officiel (Pierre Ratinaud) : présentation, licence GNU GPL v2, téléchargement
- Loubère L., Ratinaud P. (2014), Documentation IRaMuTeQ 0.6 alpha 3 : format des données en entrée, règles de formatage, indexation
- Camargo B. V., Justo A. M., IRaMuTeQ Tutorial (traduction anglaise de T. Forte) : seuil de rétention des segments de texte pour la classification
- IRaMuTeQ, page Documentation : tutoriels en français, portugais, espagnol et anglais
Les règles citées viennent de la documentation officielle. Le logiciel évolue : en cas de doute, vérifiez la version que vous utilisez.