Ce volume rassemble une série d’études portant sur les défis posés aux archéologues et aux historiens par la diffusion de l’analyse de réseaux dans leurs disciplines respectives. L’analyse de réseaux doit être entendue à la fois comme l’une (des) approche(s) interprétative(s) du social et comme un corpus d’outils méthodologiques permettant de traiter d’importants ensembles de données.

Le choix du terme challenge dans le titre est judicieux car il y a là un double défi à relever : celui-ci tient, d’une part, aux difficultés que rencontrent les archéologues et les historiens quand ils soumettent leurs données à ce type de traitement et, d’autre part, à la nécessité de faire sortir ces outils du cercle restreint de ses promoteurs – Carl Knappett évoque ainsi le risque que l’analyse de réseaux ne devienne une « activité de niche » (p. 30). Aussi cet ouvrage doit-il être pris pour ce qu’il est : une défense et une illustration de l’analyse de réseaux appliquée aux processus sociaux passés que les sources archéologiques et historiques permettent d’appréhender.

Dans la mesure où il est question uniquement d’analyse de réseaux formalisée sont laissés de côté les travaux qui font référence aux réseaux et aux interactions entre diverses entités sans expliciter leur cadre théorique et méthodologique, comme le précisent Tom Brughmans, Anna Collar et Fiona Coward, qui évoquent « des réseaux présents partout et nulle part » (p. 4). Les analyses de réseaux que ceux-ci conduisent ont en commun de ne pas étudier les entités (individus, sites archéologiques, etc.) de manière isolée et de postuler que les réseaux dans lesquels celles-ci sont engagées déterminent – au moins pour partie – leur comportement dans le passé. Ce type d’approche ambitionne donc de restituer les configurations (patterns) que dessinent ces relations et d’en explorer toutes les implications.

L’ouvrage, structuré autour de trois grandes parties, examine les questions d’ordre méthodologique et théorique posées par l’analyse de réseaux, puis aborde le problème central du traitement des données, avant de se focaliser sur les modèles de réseaux, dont les potentialités et les caractéristiques doivent être comparées avant d’opérer un choix. Les études des deux dernières parties contribuent à l’intelligibilité des problèmes posés dans la première, renforçant ainsi la cohérence de l’ensemble. Sans entrer dans le détail de chaque contribution, nous nous en tiendrons aux quelques interrogations fondamentales – mises en lumière par les auteurs – que ne peut manquer de susciter l’analyse de réseaux, qu’elles soient liées aux données mobilisées, au choix du modèle ou à l’interprétation des résultats.

La question des données se pose d’emblée, en particulier celle de leur incomplétude, à laquelle se heurtent régulièrement historiens et archéologues. Celle-ci constitue en effet, en matière d’analyse de réseaux, une source majeure d’incertitude en raison du formalisme et du quantitativisme qui caractérisent cette approche. Même lorsque le volume des artéfacts pris en compte est considérable, rien ne garantit que l’on dispose de l’ensemble de l’information nécessaire à la modélisation des réseaux sous-jacents : par exemple, pour le projet Southwest Social Networks (Swsn Project), Matthew Peeples et ses collègues ont travaillé à partir d’une base de données recensant 1 700 établissements, dont 700 ont livré 4,3 millions de fragments de céramiques et 150 des objets en obsidienne, décrits à l’aide de 6 000 caractérisations chimiques.

L’exploitation de ces données textuelles ou matérielles vise à définir les nœuds du réseau (vertices). Il peut s’agir d’individus, de sites ou d’objets, quoique Knappett précise, à juste titre, qu’ils consistent le plus souvent en des réseaux socio-matériels, c’est-à-dire composés à la fois d’hommes et d’objets. Or les nœuds peuvent être en eux-mêmes porteurs d’informations : pour les sites, il peut s’agir de la population ou des ressources disponibles. Ainsi, dans leur modélisation de comportements individuels, Anne Kandler et Fabio Caccioli font le choix d’introduire de l’hétérogénéité sociale afin de tester le biais que représente l’homophilie (soit le fait d’agir de manière identique à ceux qui partagent les mêmes caractéristiques) dans la décision d’adopter une innovation ou de la rejeter.

Les données doivent également permettre de caractériser les relations entre les différents nœuds : si les sources textuelles mentionnent le plus souvent la nature des connexions entre individus, la tâche se révèle plus complexe lorsqu’il s’agit, en archéologie, d’inférer à partir des traces matérielles des indications sur les comportements humains du passé. On peut noter, à cet égard, la grande diversité des liens envisagés – relations sociales, connexions physiques, proximité spatiale, circulation d’objets ou d’informations, etc. –, d’où la nécessité d’expliciter les hypothèses de départ sur la nature des relations entre les entités. Ainsi, dans le Swsn Project, les archéologues établissent des liens entre les sites présentant les mêmes assemblages céramiques, car ils postulent que cette similarité des corpus atteste de l’existence de connexions directes ou indirectes, matérielles ou immatérielles, entre les sites.

Toujours au sujet de l’imperfection des données, les auteurs mettent l’accent sur l’imprécision spatiale et temporelle de l’information disponible. Si les problèmes de localisation – en particulier la possibilité que des nœuds du réseau fassent défaut – sont importants, ceux posés par la résolution temporelle ne sont pas moindres. En effet, les données – notamment archéologiques – s’inscrivent dans des intervalles de temps variables, ce qui rend incertaine la contemporanéité des entités (pourtant déterminante pour « faire réseau ») et malaisée la perception de la dynamique des réseaux. Cet écueil conduit d’ailleurs Peeples et ses collègues à élaborer un traitement statistique des données (avec un phasage de cinquante ans) pour limiter les risques de non-contemporanéité à l’intérieur des réseaux reconstitués.

Autre difficulté à surmonter : le choix du « bon » modèle, à l’identification duquel plusieurs contributions sont consacrées. Ray Rivers, qui en teste plusieurs, insiste sur la nécessité d’évaluer la robustesse du modèle : compte tenu de l’incertitude qui caractérise les enregistrements archéologiques, les résultats obtenus ne doivent pas être sensibles à une faible modification des entrées (inputs), ni, pour un même ensemble de données, à la forme du modèle. Quant à Tim Evans, il propose une classification des modèles afin de faciliter le choix des chercheurs.

Reste à envisager l’interprétation des résultats, qui est étroitement liée aux instruments de mesure dont dispose l’analyse de réseaux, les plus utilisés ayant trait à la notion de centralité. Afin de tester la fiabilité de ces outils, Marten Düring, dans une étude portant sur les réseaux d’aide aux populations juives à Berlin en 1942, compare les résultats issus de l’étude empirique et ceux mis au jour grâce à l’analyse de réseaux. La recherche empirique ayant permis à Düring d’identifier les acteurs influents, il a pu tester la capacité des outils mathématiques à les faire émerger eux aussi. Si des résultats satisfaisants ont été obtenus pour les réseaux structurés par des acteurs stables, certaines personnalités de premier plan, situées à l’interface de plusieurs réseaux, n’ont toutefois pas été détectées. Un retour sur les données a permis à l’auteur d’expliquer les écarts constatés entre l’analyse empirique et le modèle quantitatif : celui-ci a, en réalité, favorisé un progrès de la connaissance.

Deux remarques s’imposent pour terminer. En premier lieu, il convient de souligner le caractère pluridisciplinaire de ces recherches, puisque des archéologues, des anthropologues et des historiens collaborent autant avec des sociologues et des mathématiciens qu’avec des physiciens, des informaticiens, etc. Seule la pluridisciplinarité permet en effet de s’affranchir – au moins partiellement – de la contrainte que représente le recours à des outils mathématiques, qu’il n’est pas donné à tous de maîtriser pleinement et qui pourrait donc rebuter certains chercheurs. En outre, elle seule contribue à réduire le risque d’« une application mécanique des méthodes de réseau […] ‘empruntées’ à d’autres disciplines » (p. 10), contre lequel Brughmans, Collar et Coward mettent en garde.

En second lieu, il faut saluer l’honnêteté des contributeurs, qui ont privilégié une approche critique de leurs travaux et n’ont pas passé sous silence leurs divergences. Ainsi, Astrid Van Oyen adopte un point de vue résolument critique sur l’analyse de réseaux au motif que celle-ci, en partant de catégories prédéfinies aux propriétés invariables, occulte de fait une étape du processus réflexif. Elle lui préfère la théorie de l’acteur-réseau, qui met l’accent sur les processus servant à construire des catégories stables ainsi que sur les work-nets Footnote ¹, nécessaires au maintien des entités et du réseau (appelé ici « constellations »), au lieu de considérer les catégories et les flux a priori.

Pour conclure, bien que ce volume collectif mobilise des références presque entièrement en anglais (à l’exception des travaux de Bruno Latour), il constitue un outil précieux pour ceux qui souhaitent mettre à profit l’analyse de réseaux dans le cadre de leurs études sur les sociétés du passé, tout en bénéficiant de l’éclairage que procure l’expérience d’autres chercheurs.