Qu’est-ce que corpus, et à quoi sert-il ?

corpus est une plateforme web pour conduire une enquête sociologique empirique. Elle réunit des outils que l’on trouve d’ordinaire dans des logiciels séparés : registre des enquêtés et des consentements, entretiens et transcriptions, notes de terrain, questionnaires, données de réseau, codage, verbatims, bibliographie et export des données pour l’analyse statistique. Voici le problème qu’elle résout et comment elle fonctionne.

Le problème : une enquête, de nombreux logiciels

Une enquête classique par entretiens et questionnaire se présente ainsi. Les enregistrements sont sur un dictaphone ou dans un service en ligne. Les transcriptions sont dans un traitement de texte, souvent en plusieurs versions. Le codage se fait dans un logiciel d’analyse qualitative. Le questionnaire passe par un service en ligne, et les réponses sont nettoyées à la main dans un tableur. Les réseaux sont dessinés dans un logiciel de graphes, la bibliographie est dans un gestionnaire de références, et les consentements signés dans un classeur papier.

Chaque logiciel remplit bien sa fonction, mais ils ne sont pas reliés entre eux. Le lien tient aux noms de fichiers et à la mémoire de l’enquêteur. Il en découle des difficultés concrètes :

un même enquêté apparaît dans plusieurs fichiers sous des désignations différentes, et rapprocher son entretien, ses réponses et son consentement se fait à la main ;
on ne sait plus quelle version de la transcription ou du tableau est la bonne, ni ce qui y a été modifié ;
quelques mois plus tard, il est difficile de dire sur quels questionnaires a été calculé un pourcentage du chapitre, ou d’où vient un verbatim ;
les noms et coordonnées des enquêtés se retrouvent dans des noms de fichiers, des mails et sur des appareils personnels.

La solution : une seule plateforme pour toute l’enquête

Dans corpus, une enquête est un espace de travail unique. On y trouve :

le parcours de recherche : thème, problématique, question de recherche, hypothèses et méthodologie ; les modifications de la méthodologie sont enregistrées par versions justifiées ;
les enquêtés et les consentements : chaque enquêté est désigné par un code (par exemple P-014), son nom et ses coordonnées sont conservés à part, chiffrés ;
les entretiens et transcriptions, par versions : brute, nettoyée, anonymisée, traduite ;
les notes de terrain, avec les rubriques observation, propos, interprétation, réflexivité, et les archives de terrain ;
les questionnaires : éditeur, collecte par lien, saisie des questionnaires papier, règles de nettoyage et export vers R ;
le codage et les verbatims : grille de codage, codage des extraits, matrices codes × textes, accord inter-codeurs ;
les réseaux : un tableau « individu — type de lien — individu 2 » devient un graphe, avec ses indicateurs ;
la bibliographie : import RIS et CSL-JSON depuis un gestionnaire de références, mise en forme ISO 690 ou APA 7.

Tous les matériaux sont reliés par le code de l’enquêté. Sa fiche donne accès à ses entretiens, ses réponses au questionnaire, ses verbatims et son consentement.

La gestion des données

Les règles de gestion des données de corpus viennent des essais cliniques, où elles sont fixées depuis longtemps par la norme ALCOA+ (voir l’article dédié). Concrètement :

Les données brutes ne sont jamais écrasées. Le fichier déposé, la première version de la transcription et les réponses brutes au questionnaire restent inchangés.
Chaque traitement crée une nouvelle version. Nettoyer un texte ou un questionnaire ne modifie pas les données par-dessus : une version est créée, qui indique à partir de quoi et comment elle a été obtenue.
Chaque action est inscrite au journal : qui, quoi, quand, la valeur avant et après. Les entrées sont liées par une chaîne de hachage ; une entrée passée ne peut pas être modifiée sans que cela se voie.
Les décisions sont consignées avec leur justification. Par exemple : « on exclut les questionnaires remplis en moins d’une minute — signe d’un remplissage inattentif ».
Le consentement s’applique à tous les exports. Si un enquêté retire son consentement, ses matériaux sont exclus des exports, des verbatims, des statistiques et de l’API.

L’hébergement des données

La plateforme et les données d’enquête sont hébergées chez un prestataire français, sur des serveurs situés en France, et ne sont pas transférées hors de l’Union européenne. L’université ou le laboratoire reste responsable du traitement des données personnelles au sens du RGPD ; corpus intervient comme sous-traitant, et le contrat de sous-traitance est en préparation pour le pilote. La connexion se fait par mot de passe et code à usage unique reçu par e-mail.

Ce que corpus n’est pas

corpus n’analyse pas les entretiens à la place du chercheur : l’interprétation reste son travail. La plateforme ne remplace ni les logiciels statistiques, ni les langages de programmation, ni le traitement de texte : les données s’exportent dans des formats ouverts — CSV, JSON, DOCX, GraphML, script R — et restent lisibles sans corpus.

Pourquoi ce nom

Corpus signifie « corps » en latin. En sociologie comme en linguistique, le mot désigne l’ensemble des matériaux sur lesquels repose l’analyse. C’est précisément ce que la plateforme conserve : tout ce dont sont faites les conclusions de l’enquête.

Comment essayer

corpus se prépare actuellement à un pilote avec des équipes de recherche. L’accès se fait sur invitation. Écrivez à l’adresse indiquée sur la page contact : nous vous ouvrirons une enquête de démonstration aux données fictives et, pour le pilote, un espace dédié à votre laboratoire.