Les premières mesures d’épuration à la Libération

À la fin de l’été 1944, l’épuration de la scène française suscite un vif intérêt dans l’opinion publique. Les arrestations d’immenses vedettes comme Sacha Guitry, Mireille Balin, Alice Cocéa, Pierre Fresnay, Josseline Gaël, Ginette Leclerc, Mary Marquet, Albert Préjean, Viviane Romance ou encore Tino Rossi font les gros titres des journaux. « Chez les artistes, il y a une émulation remarquable. C’est à qui rejoindra Sacha Guitry », raille le journal Ce soir le 28 septembre 1944 Footnote ³⁸ . Décrivant l’arrestation de l’actrice Dita Parlo, la journaliste Madeleine Jacob se montre toute aussi mordante : « Les arrestations de personnalités parisiennes, ‘ça rend’, comme on dit en jargon commercial. Alors, vous pensez, une vedette de cinéma Footnote ³⁹ . » La réouverture programmée des théâtres fait redouter des incidents publics, car un certain nombre d’artistes ont déjà été suspendus par diverses commissions provisoires d’épuration rattachées à des théâtres, à des syndicats ou aux sociétés de droits d’auteur. Dans ce contexte, le monde du spectacle fait l’objet des toutes premières mesures gouvernementales liées à l’épuration professionnelle. Dès le 15 septembre, une première « commission consultative d’épuration des industries du spectacle » se réunit 7 rue de la Paix dans l’ancien siège du Comité d’organisation des entreprises de spectacles Footnote ⁴⁰ . Présidée par l’homme de théâtre Pierre Renoir et rattachée à l’administration des Beaux-Arts qui dépend du ministère de l’Éducation nationale, elle est composée de seize membres, tous masculins, choisis pour la plupart au sein des mouvements de résistance et représentant toutes les activités de la profession. Cette participation des « différents membres de la famille du spectacle » est censée garantir « l’impartialité des débats et la sérénité des sentences » Footnote ⁴¹ .

Recouvrant l’ensemble de l’industrie du spectacle à Paris et en région parisienne – aussi bien les théâtres subventionnés et les théâtres dramatiques et lyriques que les cabarets, music-halls, cirques et tournées partant de la capitale Footnote ⁴²  –, la nouvelle instance, qui croule sous les dossiers, prononce des suspensions professionnelles allant de 1 à 12 mois d’activité. Il apparaît rapidement que ces interdictions manquent de base juridique, si bien qu’une nouvelle « Commission gouvernementale d’épuration du spectacle » (CGES) est instituée le 13 octobre 1944 par une ordonnance du ministre de l’Éducation nationale René Capitant, en charge des Beaux-Arts Footnote ⁴³ . Désormais présidée par un magistrat, la CGES n’a plus juridiction sur les personnels artistiques des établissements subventionnés – la Comédie-Française, la Réunion des théâtres lyriques nationaux (qui rassemble l’Opéra Garnier et l’Opéra-Comique) et les théâtres de l’Odéon et du palais de Chaillot –, passibles de la seule épuration administrative à travers des commissions ad hoc . Malgré ce resserrement, la nouvelle commission embrasse toujours un trop grand nombre de professions aux statuts hétérogènes, allant des différents artistes de scène (musiciens, comédiens, danseurs, artistes de music-halls, etc.) jusqu’aux décorateurs et aux machinistes, en passant par les metteurs en scène et directeurs de spectacles, ou encore les entrepreneurs de tournées. Elle peine à instruire les centaines de dossiers qui lui parviennent et suscite l’impatience des directeurs de théâtre, soucieux de connaître le sort des artistes qu’ils souhaitent engager. En outre, la CGES est contestée jusque dans ses décisions : les suspensions de travail qu’elle prononce ne sont pas irrévocables, car elles doivent d’abord être ratifiées par un arrêté du ministre de l’Éducation nationale.

Surtout, ses jugements sont entachés d’arbitraire. Ainsi la CGES, considérant que la moitié du personnel des spectacles serait susceptible d’être sanctionnée du fait de sa collaboration massive aux émissions artistiques de la radio allemande d’occupation, décide-t-elle de ne juger que les artistes ayant perçu plus de cent cachets à Radio-Paris. Cette clémence douteuse fait écho à une autre décision encore plus lourde de conséquences : celle du Comité de libération du cinéma français (CLCF). Celui-ci, pourtant très actif dans l’épuration des personnels techniques, décide très tôt de ne pas verser à l’instruction de la CGES les noms des acteurs qui ont tourné pour la Continental Film. Or cette filiale française de l’UFA allemande a été la principale société de cinéma en France durant l’Occupation, avec à son actif une trentaine de films qui ont « fait travailler au moins un tiers des professionnels du cinéma en France Footnote ⁴⁴  ». Le CLCF ne transmet pas davantage les fiches de post-synchronisation recensant les doublures des films de propagande allemands Footnote ⁴⁵ . Une telle iniquité est dénoncée par le « comité du spectacle » d’un certain « Club Saint Just » composé d’écrivains et d’artistes : « Car enfin, cette indulgence est si anormale qu’elle en devient blessante. Le comédien est-il un outil verbal, une machine parlante qui émet des mots dont il ignore le sens Footnote ⁴⁶  ? »

Le comité national d’épuration des professions d’artistes dramatiques, lyriques et de musiciens exécutants

Pour faire taire les polémiques et tenter de mieux ajuster la législation à ce monde social complexe, le gouvernement se voit contraint de procéder à de nouvelles subdivisions et institue, par l’ordonnance du 17 février 1945, un « comité national d’épuration des professions d’artistes dramatiques, lyriques et de musiciens exécutants » (CNE). Les artistes exerçant « leur art directement devant le public ou par l’intermédiaire du cinématographe ou de la radiodiffusion Footnote ⁴⁷  » sont donc désormais distingués des personnels techniques et des personnels de direction des entreprises de spectacles Footnote ⁴⁸ . Siégeant 3 rue de Valois au siège de l’administration des Beaux-Arts, le CNE est présidé par l’avocat général Côme et bénéficie d’une structure juridique qui faisait défaut aux deux instances précédentes : ne requérant plus la signature du ministre, ses décisions sont souveraines et sans appel.

Le nouveau comité ne commence pourtant ses travaux qu’à partir du 23 juillet 1945, soit cinq mois après sa création, et ce alors qu’il est tenu d’instruire des centaines de dossiers, dont ceux des commissions précédentes, très nombreux, qui n’ont pas encore fait l’objet d’un arbitrage ministériel. Il reprend aussi plusieurs dossiers d’artistes classés sans suite par la justice politique tout comme ceux jugés en cour de justice ou en chambres civiques mais ayant bénéficié d’un non-lieu. De fait, les comités chargés de l’épuration professionnelle n’avaient pas à se ranger à l’autorité de la chose jugée, ce qui, du reste, n’était pas prévu dans les textes de loi Footnote ⁴⁹ . Le CNE ne remet donc l’essentiel de ses avis qu’à la fin de l’année 1946 Footnote ⁵⁰ . La presse résistante dénonce cette épuration tardive qui vient parfois suspendre brutalement des comédiens en pleine représentation : « L’épuration du spectacle ne doit pas être une vulgaire séance de Guignol Footnote ⁵¹  », condamne France Libre .

Caractéristiques des individus

Le tableau des individus comporte donc 378 lignes et se divise en 6 colonnes correspondant à autant de caractéristiques individuelles. Quatre premières variables concernent les mentions « nom », « date de naissance », « sexe », « profession ». Cette dernière variable est déclinée en douze modalités : comédiens, acteurs, artistes lyriques, musiciens d’orchestre, chefs d’orchestre, choristes, solistes classiques, chansonniers, danseurs, acrobates, circassiens, humoristes. Une cinquième variable distingue les familles artistiques (musique classique, variétés, music-hall, cinéma, théâtre classique, théâtre de boulevard, cirque). À ces cinq variables nous en avons ajouté une sixième, le « degré de notoriété ». Si les taxinomies selon les modes d’expression (théâtre/cinéma/musique) ou les genres esthétiques (savant/populaire ou classique/variétés) sont relativement classiques, cette attention au degré de notoriété (vedettes/anonymes) est moins attendue. Cette prise en compte est pourtant cruciale dans l’étude de l’épuration, dès lors que s’est posée, et ce à tous les échelons du processus – judiciaire, administratif, professionnel –, la question de la responsabilité des élites. La Résistance avait pensé cette échelle de responsabilité : « L’ennemi ne doit plus pouvoir valoriser ses émissions et films distractifs par un seul nom de vedette française [alors qu’un] comédien pauvre peut jouer dans les films – de la Continental Films – s’il peut prouver, par la suite, qu’il a fait ce qu’il a pu pour gagner autrement sa vie Footnote ⁵⁷ . »

Or, devant les commissions, la notoriété semble plutôt avoir agi en faveur des inculpés. Le cas de Tino Rossi est à cet égard significatif. Accusé d’intelligence avec l’ennemi dans le cadre de l’affaire de la Gestapo française de la rue Lauriston, il est écroué 3 mois à Fresnes. La célébrité est remise en liberté provisoire le 4 janvier 1945 et voit son dossier classé sans suite en novembre 1946 Footnote ⁵⁸ . Entre-temps, le CNE instruit son dossier durant l’automne 1945 et établit une liste éloquente de galas en faveur de la collaboration, tels ceux des 6 et 7 juin 1941 en marge de l’exposition « La France européenne » au Grand Palais, ou encore le concert du 1 ^er  mai 1942 au théâtre de l’Empire devant les légionnaires de la Légion des volontaires français contre le bolchévisme, dans le cadre de l’exposition internationale « Le bolchevisme contre l’Europe ». Comparaissant le 15 décembre 1945, Tino Rossi n’est pourtant condamné qu’à 4 mois d’interdiction, qui plus est rétroactivement, à compter du 15 septembre 1944… Il en va de même de Maurice Chevalier. Également arrêté à la Libération, le chansonnier a pu compter sur la protection active de Louis Aragon pour échapper à l’épuration judiciaire, puis s’est racheté une conduite en chantant dans les nombreux galas donnés par le parti communiste à la Libération. Ainsi « blanchi » par le premier parti de France, Chevalier est relaxé par le CNE, lequel conclut le 30 novembre 1945 à l’absence de sanctions. Le dossier d’instruction conservé aux Archives nationales est pourtant à charge. On y trouve là aussi une liste manuscrite recensant moult galas, des interviews dans divers journaux, notamment le Pariser Zeitung en novembre 1942, ou encore la mention d’une « propagande inlassable pour Pétain en 1941-1942 sur les scènes de la zone non occupée et à la radio Footnote ⁵⁹  ».

Le facteur de la notoriété semble dès lors appeler un examen rigoureux, mais comment formaliser la catégorie de la « vedette » (ou de la « star ») en une variable statistique ? La célébrité – ou la notoriété – n’est-elle pas une construction sociale particulièrement instable, dont les schèmes de perception jusqu’aux systèmes de valeurs varient selon les mondes sociaux, et, à l’intérieur de ces derniers, selon les instances d’expertise ? Nous nous sommes toutefois résolus à appréhender la notoriété comme une « sorte de quantité sociale Footnote ⁶⁰  », en attribuant à chaque artiste de notre corpus un « indice » échelonné de 0 à 2. On pourrait arguer du fait qu’un tel codage recèle une part problématique d’arbitraire et d’approximation, notamment parce qu’il prend le risque d’effets de seuil, de même qu’il ne parvient pas à saisir la variable « temps ». Cela posé, si la notoriété n’est pas un indice constant ni même monotone, puisque pouvant tour à tour croître ou décliner dans le temps, elle a valeur de curseur relativement fiable pour appréhender le phénomène de l’épuration, immédiatement consécutif à l’Occupation et se déroulant dans une durée relativement courte. Plus encore, si la célébrité a joué dans les jugements, une catégorisation simple suffit à en déceler la trace, car il est peu probable que les commissions aient, consciemment ou non, été influencées par une mesure excessivement fine du degré de célébrité, d’autant que l’indice extrême de « 2 » distingue uniquement les personnalités à l’époque consacrées dans leur champ respectif – virtuose classique renommé, star du grand écran, vedette de la chanson, etc. –, étant entendu qu’une chanteuse lyrique aussi admirée que la cantatrice Germaine Lubin n’a jamais accédé à la « célébrité superlative Footnote ⁶¹  » d’une Arletty. L’indice « 0 » renvoie quant à lui au grade des anonymes, des « sans noms » sur les affiches, dans les colonnes de la presse ou dans les annonces radiophoniques. Enfin, l’indice « 1 » identifie une catégorie intermédiaire d’artistes qui, sans appartenir à l’olympe des « idoles », n’en ont pas moins un nom. C’est sans surprise la catégorie la plus fournie, où l’on retrouve aussi bien les actrices Charlotte Lysès et Corinne Luchaire que le chanteur lyrique René Hérent ou le pianiste Jean Hubeau.

Des incriminations

Outre les caractéristiques des individus, nous avons travaillé sur deux types de données factuelles : les faits reprochés et les peines prononcées. À partir de deux types de sources (listes récapitulatives et procès-verbaux des séances des trois instances d’épuration), nous avons abstrait 25 grands types d’incriminations (tabl. 1) – étant entendu qu’un même individu a pu s’en voir reprocher plusieurs. Toutes les qualifications sont explicitement mentionnées dans les archives ou induites de mentions concordantes dans les dossiers d’épuration : ainsi de la mention « relations avec l’occupant », que l’on a classée en « relations sexuelles » uniquement lorsqu’elle cohabitait avec la qualification de « maîtresse » ou d’« amant ». Puisque nous nous concentrons sur les liens entre incriminations et peines, il a fallu écarter 27 individus dont l’étude des dossiers n’a pas permis d’identifier les faits reprochés – ce qui ramène notre corpus d’analyse de 378 à 351 individus. Puis, étant donné qu’il y a eu parfois plusieurs délibérations sur un même individu dans une même instance, nous n’avons conservé que la dernière, faisant apparaître les incriminations finalement retenues.

Tableau 1

–Incriminations, par ordre décroissant d’individus concernés

L’épuration professionnelle du monde du spectacle ne retient quasiment aucune charge pour « vichysme » : c’est essentiellement la collusion avec l’occupant qui est stigmatisée, reprenant en cela les différentes « listes de critères » rédigées durant l’Occupation et vraisemblablement mises à disposition des commissions d’épuration Footnote ⁶² . Il n’est pas étonnant non plus que le « jugement des pairs », inévitablement moins normatif qu’un relevé de greffe des cours de justice, offre une grande granularité dans les faits de collaboration reprochés, entre les « voyages en Allemagne organisés par l’occupant » et le « travail en Allemagne » distincts à dessein du travail « pour des établissements contrôlés par les Allemands », de la collaboration à Radio-Paris ou encore des « concerts organisés par/pour les Allemands ».

Si les incriminations sont variées Footnote ⁶³ , elles se concentrent toutefois sur trois grands faits de collaboration : le travail à Radio-Paris, les galas de propagande et, enfin, le travail en Allemagne. L’incrimination Radio-Paris s’explique bien sûr par le caractère massif du travail artistique pour la radio allemande, mais aussi par le fait qu’il a constitué, pour les épurateurs, une faute immédiatement objectivable. En effet, l’important fichier du poste, abandonné par l’occupant dans sa fuite et transmis à la justice, a permis de préciser pour chaque artiste le nombre exact de cachets perçus, avec la mention des montants, des titres et des dates des émissions concernées. C’est du reste ainsi qu’a pu être distinguée dans notre corpus la collaboration aux émissions artistiques (RPA) de celle aux émissions de propagande (RPP). Cette surreprésentation des faits de collaboration à Radio-Paris fait ressortir en retour la quasi-inexistence de l’incrimination pour la collaboration aux tournages de la Continental (CON) : elle n’est mentionnée que dans les dossiers de 8 prévenus, et encore, au milieu d’autres incriminations Footnote ⁶⁴ . Ainsi de l’actrice Ginette Leclerc Footnote ⁶⁵ et des deux vedettes Danielle Darrieux et Suzy Delair, à qui l’on reproche le fameux voyage de propagande en Allemagne et en Autriche effectué en mars 1942. Jamais étudiée en tant que telle, l’existence d’un régime de clémence officieux du CLCF à l’endroit des acteurs et actrices de la Continental se trouve objectivée par notre examen systématique de l’ensemble du processus d’épuration des arts du spectacle.

Modélisation et visualisation des données

Il est bien sûr tentant de modéliser les 25 incriminations identifiées dans les données en s’appuyant sur les techniques factorielles éprouvées (analyse en composantes principales [ACP], analyse des correspondances multiples [ACM]) qui permettent d’analyser et, dans une moindre mesure, de visualiser les correspondances entre des variables et des individus Footnote ⁶⁶ . Toutefois, lorsque les modalités (soit les valeurs possibles pour toutes les variables) sont nombreuses et les disparités d’effectifs importantes, des effets de distorsion non négligeables peuvent apparaître, au risque de masquer certaines correspondances et d’en surreprésenter d’autres. Nous choisissons plutôt ici de modéliser l’espace des incriminations sous la forme d’un graphe Footnote ⁶⁷ biparti (fig. 1), soit un réseau dont les nœuds sont de deux types (en l’occurrence les incriminations et les individus) et dans lequel les arêtes relient obligatoirement des nœuds de types différents (ici, une arête relie un individu à une incrimination si celle-ci est présente dans son dossier). Cette cartographie relationnelle et dynamique donne à voir simultanément et immédiatement les individus reliés à une seule incrimination ainsi que les groupes d’interaction : elle conduit naturellement à une visualisation efficace des individus présentant conjointement deux incriminations (ou plus) et permet ainsi de circuler dans ces données avec beaucoup d’aisance, facilitant de fait la réflexion et, partant, l’analyse.

Figure 1

– Représentation des individus et des incriminations sous la forme d’un graphe biparti

Note : Cette modélisation, présentée ici en capture d’écran, est en réalité interactive (disponible sur https://julienrf.shinyapps.io/StatEp/) ; on peut ainsi naviguer dans l’espace des incriminations.

L’usage des tests de significativité

La distinction entre effet réel et artefact statistique, posée dès le xviii ^e  siècle par le médecin et mathématicien John Arbuthnot puis par Pierre-Simon de Laplace, est au cœur de la question de la significativité en statistique. Systématiquement mobilisés dans les sciences expérimentales à partir du début du xx ^e  siècle, les tests de significativité demeurent d’un usage encore trop sporadique en histoire. Ces tests consistent à mesurer la compatibilité entre une hypothèse et les données recueillies en calculant la probabilité (appelée valeur- p ) d’observer ces données-ci sous cette hypothèse-là. Plus la valeur- p est faible, plus les données plaident contre l’hypothèse – jusqu’à atteindre p  = 0 lorsque les données observées sont incompatibles avec l’hypothèse. À l’inverse, plus la valeur- p est élevée, plus il est probable d’observer les données en question. La démarche statistique classique, dite « fréquentiste », consiste à rejeter une hypothèse lorsque la valeur- p est très faible. Encore faut-il être capable de calculer la valeur- p , ce qui n’est pas toujours possible. Pour le comprendre, donnons encore ici l’exemple d’un jeu de « pile ou face » : l’hypothèse « la pièce n’est pas faussée » permet de calculer des valeurs- p , car elle implique que chaque lancer donne le résultat « pile » avec une probabilité de 1/2. Sous cette hypothèse, observer 2 « pile » d’affilée correspond à une valeur- p de 1/2 x 1/2 = 1/4, soit 25 %. En revanche, l’hypothèse « la pièce est faussée » ne permet pas à elle seule de calculer la probabilité d’obtenir 2 « pile » d’affilée ; il faut ajouter une hypothèse précisant le biais de la pièce, par exemple « la pièce tombe 2 fois plus souvent sur ‘pile’ que sur ‘face’ ». Sous ce jeu d’hypothèses, la valeur- p des données « 2 ‘pile’ d’affilée » serait égale à 2/3 x 2/3 = 4/9, soit 44,4 %.

Dans le cas qui nous intéresse, l’hypothèse d’un traitement moins sévère pour les grandes vedettes ne définit pas un cadre probabiliste suffisant : pour calculer une valeur- p sous cette hypothèse, il faudrait en ajouter d’autres qui préciseraient le biais de sévérité de la commission à l’encontre des anonymes, par exemple en supputant un nombre précis de mois d’interdiction supplémentaires. Pour éviter ce type de spéculations, on a alors recours à une stratégie qui consiste à tester une hypothèse de référence neutre ( H₀ ) équivalente à « la pièce n’est pas faussée », en l’occurrence donc celle d’un traitement non différencié entre vedettes et anonymes. Si la valeur- p des données sous l’hypothèse neutre est très faible, on pourra être amené à conclure que les données plaident contre l’hypothèse neutre – et donc, dans notre cas, qu’il est difficile, étant donné les observations, de soutenir qu’il n’y aurait pas eu de traitement différencié des vedettes. Ici, sous l’hypothèse neutre, la probabilité d’observer une peine moyenne inférieure d’environ 2 mois et demi pour les grandes vedettes par rapport aux anonymes est de p  = 3 %. Comment interpréter ce chiffre ? Les sciences expérimentales ont longtemps retenu comme seuil critique des valeurs- p inférieures à 5 % pour s’autoriser à rejeter l’hypothèse de référence d’un test – on qualifie alors de significatif le résultat étayé par les observations. De prime abord, ce seuil de 5 % pourrait paraître faible, mais il traduit en réalité une prudence dans l’inférence. Ce choix s’apparente en quelque sorte au principe de présomption d’innocence qui prévaut dans les tribunaux : en cas de doute sur la culpabilité d’une personne, il ne peut y avoir de condamnation ; le juge ou les jurés doivent être convaincus de la culpabilité au-delà de tout doute raisonnable. Suivant cette règle, nous pourrions conclure, à partir de nos seules observations, à l’existence d’une mesure de clémence envers les grandes vedettes. Mais avec quelle force peut-on l’affirmer ; autrement dit, quel poids donne à notre conclusion une valeur- p de 3 % ? Car en termes statistiques, la valeur- p n’exprime rien d’autre que la probabilité d’observer les données sous l’hypothèse de référence, ce qui n’équivaut absolument pas à la probabilité que l’hypothèse de référence soit vraie étant donné les observations recueillies. Il faut donc trouver une manière de saisir le « sens » de la valeur- p , sans tomber dans le travers de l’utilisation d’un seuil dichotomique illusoire entre résultat significatif et absence de résultat Footnote ⁷⁰ .

De la « significativité » à la valeur- s

Des réflexions récentes en statistique fournissent de nouveaux dispositifs cognitifs pour mieux appréhender le « contenu de probabilité » d’une valeur- p . L’un d’entre eux, selon nous particulièrement opérant, consiste à déplacer comme nous l’avons fait plus haut la valeur- p dans un problème empirique très simple : on cherche à déterminer si une pièce est faussée ou non à partir des seuls résultats d’un jeu de pile ou face. Une valeur- p de 50 % correspond à l’observation d’un « pile » sur un lancer et une valeur- p de 25 % à l’observation de deux « pile » sur deux lancers, nous l’avons vu. L’information contenue dans la valeur- p peut dès lors être communiquée directement par le nombre  s de « pile » auquel elle correspond. Mathématiquement, cela revient à remplacer la valeur- p par une transformée appelée valeur- s Footnote ⁷¹  : s  = 1 correspond à une valeur- p de 50 %, s  = 2 correspond à une valeur- p de 25 %, etc. Une faible valeur- p équivaut donc à une grande valeur- s , c’est-à-dire à une grande série de « pile » obtenus dans des lancers consécutifs, ce qui invite à remettre en cause l’hypothèse de référence : « la pièce n’est pas faussée ». Cette transformation de la valeur- p en résultats d’un jeu de pile ou face nous semble extrêmement bien adaptée aux traitements statistiques dans les sciences humaines et sociales : en fournissant un dispositif cognitif relativement simple pour appréhender le contenu de probabilité d’une valeur- p , elle évite bien des biais d’interprétation et permet d’adopter aisément une logique formelle d’administration de la preuve.

Si l’on reprend le cas des vedettes, la valeur- p de 3 % calculée sur la base de nos observations correspond à s  = 5. Autrement dit, nous sommes dans la même situation que si nous avions observé 5 « pile » sur 5 lancers : nous commencerions à sérieusement douter du caractère non faussé de la pièce Footnote ⁷² . Ce résultat vient-il pour autant invalider définitivement notre hypothèse de référence d’une plus grande sévérité à l’endroit des vedettes ? Certes, on peut raisonnablement affirmer que les peines observées chez les vedettes sont effectivement moindres que celles appliquées aux autres artistes (dans la même mesure que 5 « pile » d’affilée est un résultat suspect). Mais peut-on pour autant en déduire que la notoriété a joué comme un facteur de réduction des peines ? Une telle conclusion serait trop hâtive, car elle négligerait encore la question de l’homogénéité des incriminations : si les vedettes ont été moins sévèrement condamnées, c’est peut-être tout simplement qu’elles se sont moins compromises ! Il s’agit maintenant de distinguer l’influence de différents facteurs (ici les incriminations, l’appartenance à tel ou tel groupe, etc.) sur une variable (ici la peine). Ce problème est évidemment bien connu dans l’ensemble des sciences, et se traite notamment avec des techniques dites de régression, introduites au tout début du xix ^e  siècle. D’où la nécessité à présent de se déplacer dans l’espace des incriminations, soit l’ensemble des individus positionnés relativement aux faits apparaissant dans leurs dossiers d’épuration Footnote ⁷³ . Nous allons d’abord étudier cet espace pour lui-même, comme nous l’avons fait pour les peines, avant de mettre en œuvre une généralisation des techniques de régression (appelée modèle linéaire généralisé, soit GLM pour Generalized Linear Model Footnote ⁷⁴ ) dans un cadre contemporain d’inférence algorithmique multimodèle.

Tester mais pas trop

Si nous travaillons toujours sur un échantillon de 351 individus, dans l’espace des incriminations, le nombre de variables à mettre en regard des caractéristiques individuelles augmente considérablement, puisqu’il passe de 1 (la peine) à 25 (les incriminations). Tout en étant très loin du traitement de données massives ( Big Data ), on pourrait facilement sombrer dans un océan de chiffres. Certes, la mise à disposition des données constitue en soi une bonne pratique de recherche, mais leur présentation exhaustive est souvent rébarbative. Un procédé courant consiste alors à ne présenter que les chiffres pour lesquels on dispose d’hypothèses d’interprétation, au risque de manquer de rigueur. En effet, cette démarche exploratoire n’échappe pas à deux biais. Le premier est commun à toute analyse post hoc , soit un examen d’hypothèses suggérées a posteriori par un seul jeu de données et qui ne peuvent pas être testées sur un jeu de données indépendant. Il faut également garder à l’esprit que la simple multiplication des tests augmente la probabilité de trouver un résultat significatif : pour donner un exemple, si une procédure de test présente un taux d’erreur de 5 % (soit 1/20), on peut s’attendre à ce qu’en moyenne un test sur 20 produise un « faux positif » Footnote ⁷⁵ .

Par prudence méthodologique, il convient donc de combiner expertise disciplinaire ( field expertise ) et observations statistiques, celles-ci s’inscrivant dans un faisceau d’indices dont le caractère et la pertinence d’ensemble permettent d’étayer un résultat. Certaines observations vont alors conforter tout ou partie des hypothèses, tandis que d’autres révéleront des faits qui seraient autrement passés inaperçus. Par exemple, tentons d’identifier comme monde social distinct l’ensemble des artistes que les civils et militaires allemands ont associés au Paris bei Nacht Footnote ⁷⁶  : le Gai Paris était peuplé de « centaines de petites femmes [aux] empanachements délirants Footnote ⁷⁷  », d’obscurs acrobates, de « divettes de seconde zone » et d’humoristes sans gloire tout autant que de clowns illustres tels les Fratellini ou d’artistes immensément populaires comme Suzy Delair ou Tino Rossi. Il était aussi identifié par ses lieux dédiés au divertissement (music-halls, cabarets, boîtes de nuit, cirques, etc.) et par un certain parfum de transgression dont l’occupant raffolait – au point même d’exiger la présence de nombre de ces artistes dans ses propres cabarets, de Berlin à Munich Footnote ⁷⁸ . Révélée par les archives de l’épuration, cette pression ciblée sur le Gai Paris se trouve très solidement étayée par les données : un tiers des artistes du Gai Paris se voient ainsi reprocher d’avoir travaillé en Allemagne (TAL), contre 8 % parmi les autres artistes ( s  = 33). L’hypothèse selon laquelle ce Gai Paris a été surreprésenté dans les galas (GAL) organisés par divers journaux et partis collaborationnistes est également confirmée, avec là encore un tiers de la catégorie Gai Paris contre 9 % chez les autres professions ( s  = 27). Il en va de même du sous-groupe des vedettes, qui se voit lui aussi sans surprise surreprésenté dans l’incrimination « galas » Footnote ⁷⁹  : en effet, le succès de ces manifestations qui réunirent parfois jusqu’à plusieurs milliers de spectateurs reposait très largement sur la célébrité des têtes d’affiche.

Cela posé, cette démarche statistique rudimentaire croisant des catégories (groupes prédéfinis) et des incriminations trouve rapidement ses limites pour analyser de manière simultanée des correspondances multiples – c’est, du reste, la raison d’être des outils d’analyse factorielle. Cependant, la présence d’un nombre élevé de variables avec des modalités à très faibles effectifs conduit à des résultats peu lisibles et difficilement interprétables du fait de l’enchevêtrement de plusieurs modalités au centre du plan. En l’occurrence, une analyse des correspondances multiples (ACM Footnote ⁸⁰ ) projette – si l’on ne conserve que les deux premières composantes – un nuage de points à 25 dimensions sur deux axes principaux qui capturent moins d’un sixième de sa dispersion totale Footnote ⁸¹ . Néanmoins, cette ACM suggère plusieurs correspondances intéressantes que nous n’avions pas anticipées : ainsi de certains faits que l’on voit plus systématiquement reprochés aux femmes qu’aux hommes ; outre les attendues « relations sexuelles » (SEX), on repère des « propos anti-nationaux » (PRO), une « attitude pro-allemande » (ATT) et des « relations avec l’ennemi » (REL). On retrouve bien ici la vision ultra-sexuée de la collaboration mise au jour par différents travaux en gender studies , où la « collaboration sentimentale » Footnote ⁸² voisine avec les représentations du « sexe dit faible qui manie la menace et se complaît dans la délation Footnote ⁸³  ». Certes, seules les corrélations entre femmes/sexe et femmes/relations bénéficient de solides valeurs- s dans l’ensemble des correspondances. Mais l’ACM ouvre une piste qu’il convient désormais d’explorer plus avant afin de déceler l’existence d’une singularité tangible des femmes dans l’espace des incriminations.

Incriminations au féminin

Pour tenter de répondre formellement à ce dernier point, l’abstraction mathématique vient montrer son efficacité. Notre question peut en effet se formuler comme un problème de singularité d’une position au sein d’un espace relationnel. Mathématiquement, il ressemble à ceux rencontrés en géographie et sociologie urbaines dans l’étude de la ségrégation socio-spaciale.

Reprenons notre représentation de l’espace des incriminations sous la forme d’un graphe biparti Footnote ⁸⁴  : l’idée est d’explorer l’espace à partir de chaque nœud/individu comme si ce dernier se « promenait » de manière aléatoire sur les arêtes du réseau. En géographie urbaine, on imagine un marcheur qui sort de chez lui et explore la ville au hasard. En moyenne, à quel rayon doit-il aller autour de son point de départ pour avoir une image assez précise de la composition globale de la population ? Dans une ville bien mélangée, cette distance est courte, alors que dans une ville très ségrégée elle est de l’ordre de la taille de la ville. Dans notre cas, à chaque pas de la marche aléatoire sur le réseau, on calcule parmi les individus déjà rencontrés la proportion d’un groupe donné – qu’il s’agisse des femmes, des vedettes, des fonctionnaires, du Gai Paris, etc. Lorsque tout le réseau a été exploré par le « marcheur » Footnote ⁸⁵ , cette proportion est évidemment égale à celle du groupe dans l’ensemble de l’échantillon. S’il s’avère que la distribution des individus dans l’espace est indépendante des groupes (c’est-à-dire que les incriminations se distribuent uniformément sur l’ensemble du corps social), un marcheur n’aura en moyenne pas besoin d’explorer une grande partie du réseau pour connaître assez bien la part de chaque groupe dans l’échantillon global : il pourra se contenter d’un nombre de pas bien inférieur au nombre d’individus dans le réseau. En revanche, si certains groupes ont des positions singulières, le nombre de pas nécessaires tendra à être plus grand, signalant alors la présence d’hétérogénéités dans l’espace des incriminations. En l’espèce, l’existence d’une ségrégation des femmes dans l’espace des incriminations ( s  ≥  52), suggérée dans l’ACM « propos anti-nationaux », « attitude pro-allemande », « sexe » et « relations avec l’ennemi », peut désormais être confirmée. Certes, l’incrimination « sexe » étant utilisée exclusivement contre les femmes, elle contribue évidemment à singulariser leur position dans l’espace des incriminations (fig. 2). Mais il suffit de mobiliser la même méthode dans l’espace des incriminations autres que « sexe » pour constater que cette singularité n’est pas uniquement due à cette incrimination. Si l’on examine à présent les vedettes vis-à-vis des anonymes, l’hétérogénéité apparaît nettement moins marquée que pour la distinction artistes femmes vs  hommes. Cette observation suggère l’existence d’une véritable clémence à l’égard des vedettes, comme nous allons l’établir à l’aide de techniques de régression (en l’occurrence, de GLM). En revanche, pour les artistes femmes, nous verrons que ces techniques sont insuffisantes, et qu’il faudra mobiliser des approches plus novatrices pour établir, en la saisissant dans sa spécificité, la discrimination envers les femmes : car celle-ci ne s’est pas tant jouée dans une variation du degré de sévérité pour un même jeu d’incriminations qu’au travers du processus d’épuration dans son ensemble.

Figure 2

– Analyse multi-échelles de la « ségrégation » des femmes dans l’espace des incriminations

Note : Ces deux graphiques représentent les faisceaux des trajectoires de convergence vers la proportion réelle de femmes dans l’échantillon global (soit 34 %). Pour chaque nœud du réseau (l’espace des incriminations), on trace l’évolution de la proportion moyenne de femmes parmi les individus rencontrés au gré d’une marche aléatoire partant de ce nœud. Il s’agit ensuite de comparer les trajectoires obtenues sur le réseau avec la distribution observée du genre (à gauche) et celles obtenues sur un réseau « randomisé », c’est-à-dire présentant la même structure mais où l’on a réalisé une permutation aléatoire du genre des individus (à droite). Dans ce dernier cas, la convergence des trajectoires est nettement plus rapide (le faisceau se resserre plus vite autour de la moyenne), ce qui indique la présence d’hétérogénéités notables dans le réseau réel.

Des incriminations aux peines

Peut-on par exemple postuler l’existence dans la CGES d’une relation systématique entre le type d’incrimination et la lourdeur de la peine, sur le mode d’un barème plus ou moins implicite ? Le cas échéant, est-il possible de l’inférer à partir des données ? Sachant qu’une échelle de peine a été établie lors de la préparation des textes législatifs encadrant l’épuration artistique, nous émettons l’hypothèse qu’il est possible de bien représenter les peines exprimées en mois d’interdiction comme une fonction affine ou linéaire des incriminations, à savoir que la variable dite de réponse (ici la peine) peut s’écrire comme une somme de contributions proportionnelles à chacun des facteurs (ici les incriminations). La variable peine prend des valeurs entre 0 et 12, et les facteurs sont représentés par des variables indicatrices (ainsi, la variable indicatrice « Radio-Paris propagande » I_RPP vaut 1 si l’incrimination « Radio-Paris propagande » apparaît dans le dossier, 0 sinon). On peut citer l’exemple de la Radiodiffusion française qui fixa un barème de 15 jours d’interdiction par cachet perçu à Radio-Paris : la fonction linéaire reliant réponse et facteurs – le « modèle de régression linéaire » – prend alors la forme d’une simple relation de proportionnalité, à savoir peine = 15 jours × nombre de cachets. Si un facteur apparaît dans un modèle, ce peut être avec un coefficient positif s’il aggrave la peine, ou négatif s’il la réduit – jouant en quelque sorte comme une circonstance atténuante. En l’absence d’un barème explicite, il faut explorer l’ensemble des modèles de régression linéaire – des formules de barème – susceptibles d’être reconstruits à partir des 25 incriminations. Dans la mesure où chacune des incriminations peut ou non être retenue, il existe 2 ²⁵ soit 33 554 432 modèles possibles – sans parler des interactions possibles entre variables. Une manière de procéder pour la sélection et la hiérarchisation de facteurs (ici les incriminations ou les caractères) consiste à classer les modèles en fonction d’un critère de qualité Footnote ⁸⁶ . S’il est courant de ne conserver que le modèle le plus probant (soit une inférence mono-modèle), des avancées algorithmiques permettent aujourd’hui d’utiliser des techniques d’inférence multi-modèles Footnote ⁸⁷  : au lieu de ne conserver que le modèle (ici, la formule de barème) décrivant le mieux les données, on travaille à partir des cinq, dix, voire cent meilleurs modèles. Ceci permet de limiter les risques de surinterprétation d’artefacts, inhérents à l’inférence mono-modèle.

Dans notre situation, on s’attend à ce que soient retenues comme facteurs des incriminations ayant pesé lourdement et systématiquement sur les peines, quand bien même elles concerneraient peu d’individus ; en revanche, les incriminations qui n’ont pas eu d’effet systématique sur les peines – qu’elles concernent ou non un grand nombre d’individus – ne seront pas retenues. Cinq facteurs apparaissent dans plus de 80 des 100 meilleurs modèles : la « collaboration notoire » (CNT), la participation aux « émissions de propagande de Radio-Paris » (RPP), les « propos anti-nationaux » (PRO), le « travail pour le poste allemand de Radio-Stuttgart » (RSS) et les « bénéfices et avantages divers tirés des relations avec l’occupant » (BEN). Considérant que les incriminations CNT, RSS et BEN ont certes conduit à des peines sévères mais représentent peu de cas, nous réduisons l’échantillon en retirant les individus concernés par celles-ci. Sont confirmés comme facteurs principaux d’aggravation des peines la collaboration aux « émissions de propagande de Radio-Paris » ainsi que les « propos anti-nationaux ». À partir des coefficients calculés par le GLM, nous obtenons un barème d’un peu moins de 2,5 mois d’interdiction Footnote ⁸⁸ pour « Radio-Paris propagande » ( s  = 10) et de presque 3 mois pour « propos anti-nationaux » ( s  = 9). Ces nouveaux résultats sont notables pour l’étude de l’épuration artistique, car si la participation à des émissions de propagande constituait une faute tangible, ce n’était pas le cas des « propos anti-nationaux », par nature difficilement objectivables et, surtout, sujets à interprétation, voire à manipulation. Qu’une telle incrimination en définitive assez hasardeuse ait pu conduire à un barème de 3 mois d’interdiction supplémentaire rejoint donc ici les logiques propres au jugement des pairs pointées par François Rouquet pour l’épuration administrative, avec la batterie des « délits mineurs d’opinion, des attitudes ambiguës, des disputes locales Footnote ⁸⁹  ».

Si nous resserrons l’échantillon autour des seuls artistes du Gai Paris, le fait d’avoir effectué des tournées en Allemagne (TAL) – facteur pour lequel on observe un coefficient négatif – apparaît en revanche comme un facteur d’atténuation des peines. Mais corrélation ne vaut pas causalité ( cum hoc ergo propter hoc ) : il pourrait encore ici s’agir d’un pur artefact statistique, car les individus ayant en commun cette incrimination pourraient avoir écopé de peines moins lourdes pour des raisons totalement autres. Les techniques de régression permettent d’affiner nos premiers résultats statistiques, qui faisaient uniquement état d’une forte surreprésentation du Gai Paris dans l’incrimination TAL. Ceci invite à se demander si cette variable ne révélerait pas, en creux, un profil d’individus ayant bénéficié d’une relative clémence. Nous avons déjà souligné le fait que l’occupant s’était montré extrêmement pressant à l’endroit des artistes du Gai Paris, maniant la menace et l’intimidation – surtout auprès des plus jeunes – pour qu’ils se produisent en Allemagne dans des cabarets ou encore dans des usines. Nous pouvons alors raisonnablement penser que les commissions d’épuration, convaincues de la réalité de ces pressions, se sont montrées clémentes à l’égard de ces artistes partis jouer en Allemagne – d’autant plus qu’elles prévoyaient des mesures « d’absolution » si la personne incriminée pouvait établir l’existence de contraintes suffisantes pour « avoir paralysé sa propre volonté » Footnote ⁹⁰ .

Revenons maintenant à l’échantillon complet pour introduire comme facteurs du GLM les caractères des individus (sexe, famille professionnelle, etc.). Les incriminations jouent désormais le rôle de variables de contrôle permettant de distinguer dans les peines la part « expliquée » par celles-ci et la part relevant d’un traitement différencié des groupes. Si un caractère définissant un groupe apparaît dans une « formule de barème » avec un coefficient positif, cela signifie qu’à incriminations égales (« toutes choses égales par ailleurs » donc), un individu présentant ce caractère s’est généralement vu plus sévèrement condamné qu’un autre ne le présentant pas. On découvre alors ici que le facteur de la notoriété a joué un rôle particulièrement fort d’atténuation des peines, contribuant à réduire les sentences d’1 mois et demi pour les artistes de notoriété 1 et jusqu’à plus de 3 mois pour les artistes de notoriété 2 ( s  = 9) ! Rappelons notre hypothèse de référence neutre, à savoir l’existence d’une plus grande sévérité à l’endroit des vedettes. Nous avions vu que l’observation de peines moyennes plus faibles ne permettait aucunement à elle seule de faire de la notoriété un facteur aggravant ou atténuateur des peines Footnote ⁹¹ . Il est désormais établi que les épurateurs tendaient à être plus indulgents à l’endroit des artistes de renom. Plus encore, la notoriété est le seul facteur à ressortir de manière franche parmi les caractères des individus. En revanche, le facteur « femme » reste équivoque : s’il est retenu dans les meilleurs modèles proposés par le GLM, c’est avec un coefficient tantôt positif, tantôt négatif, et jamais avec un bon niveau de confiance ( s  < 1). Il faut dès lors aborder cette question avec d’autres outils pour comprendre la nature positive ou négative d’une éventuelle discrimination à l’égard des femmes dans les peines prononcées par la CGES. Il est important ici de souligner que le recours à une utilisation simple de la régression sans inférence multimodèle aurait conduit à une erreur d’interprétation, puisqu’en se fondant sur un seul modèle, le caractère aurait très bien pu ne pas être retenu et, s’il l’avait été, un seul coefficient serait apparu, soit positif, soit négatif. On aurait alors conclu à tort que le fait d’être une femme, à incriminations égales avec un homme, avait uniformément aggravé ou atténué la peine.

Modéliser l’épuration par un réseau bayésien causal

Nous concentrant sur la CGES, nous partons cette fois d’un graphe dit complet et orienté, qui comporte comme nœuds la totalité des modalités des variables (genre, familles professionnelles, notoriété, incriminations et peines) et comme arêtes la totalité des liens orientés (entre chaque paire de nœuds  A et  B , il y a donc deux liens : un de  A vers  B et un de  B vers  A ). Il s’agit ensuite de décimer des liens du graphe selon trois règles : tout d’abord, la temporalité des variables (c’est-à-dire qu’un genre peut conduire à une peine, mais l’inverse n’est pas possible) ; puis, une règle de probabilité croissante ( A  conduit à  B si la probabilité de  B dans le sous-échantillon défini par  A est plus grande que la probabilité de  B dans le sous-échantillon restant) ; enfin, une règle d’inférence (plus difficilement compréhensible pour les « non-initiés » aux statistiques) suivant laquelle on décime encore certaines arêtes selon un principe de maximisation de la vraisemblance du graphe, étant donné les observations recueillies dans notre corpus – parmi tous ceux encore possibles, on choisit le réseau d’arêtes ayant la plus grande probabilité de produire les données observées. Le résultat de cette procédure d’apprentissage de structure est donc un réseau bayésien inféré (appris) à partir des données, en l’espèce un réseau dit de « Suppes-Bayes » (fig. 3), qui traduit visuellement et saisit mathématiquement la structure d’ensemble du processus, depuis les caractères des individus jusqu’aux peines, en passant par les incriminations.

Figure 3

– Réseau de Suppes-Bayes obtenu par apprentissage sur les caractères des individus, les faits reprochés et les peines prononcées par la CGES

Note : La taille d’un nœud est proportionnelle au sous-échantillon correspondant. Pour qu’il puisse exister une arête d’un nœud  A vers un nœud  B , il faut que  A soit antérieur ou contemporain à  B et que la probabilité de  B dans le sous-échantillon défini par  A soit plus grande que la probabilité de  B dans le sous-échantillon restant. Plus  A renforce la probabilité de  B , plus l’arête est épaisse.

Code couleur : En bleu et vert, les caractères des individus ; en jaune, la notoriété ; en blanc, les incriminations ; en noir, les peines.

Acronymes : GAL.1 correspond à la présence de l’incrimination gala, GAL.0 à son absence. Peine. n correspond à une peine de n  mois d’interdiction. Pour les acronymes d’incriminations, voir le tableau 1.

Cet outil de visualisation des probabilités conditionnelles permet d’explorer les données avec beaucoup d’aisance. Nous retrouvons ici logiquement des associations commentées plus haut, comme l’appartenance au Gai Paris qui augmente la probabilité de se voir reprocher la participation à des galas de propagande (GAL). Le réseau mis ici en place permet de préciser la nature de cette probabilité en donnant à voir des interactions plus fines : ainsi, le lien entre Gai Paris et « tournées en Allemagne » (TAL), jusqu’alors établi par les tests de statistique élémentaire, se fait en réalité surtout par l’intermédiaire des danseurs et des circassiens. D’autres associations encore moins évidentes se dégagent nettement. Par exemple, le réseau donne à voir que la « collaboration notoire » (CNT) a fortement renforcé la probabilité de recevoir la peine maximale (12 mois). Ce lien fort entre la peine maximale et une incrimination qui semble de prime abord difficilement objectivable incite à confronter cette observation à l’étude des dossiers individuels. Et il s’avère en effet que l’incrimination « collaboration notoire » (CNT) s’est fondée sur des faits de collaboration graves et avérés. Plus subtil encore : il apparaît clairement dans la figure 3 que le fait d’être une femme augmente sensiblement la probabilité d’écoper d’une peine de 6 mois, ce qui constitue le premier signal d’une différence de traitement entre hommes et femmes en matière de condamnations, résultat aussi neuf qu’intrigant.

Nous pouvons aller encore plus loin pour tenter d’évaluer l’éventuelle nature discriminatoire du processus dans son ensemble. À l’instar de Francesco Bonchi et de ses co-auteurs, nous appliquons sur notre réseau de Suppes-Bayes une variante de l’algorithme « PageRank » (inventé en 1998 par les fondateurs de Google) appelée « Personalized PageRank Footnote ⁹⁴  ». L’algorithme de Google consiste à attribuer un score (son rang ou « rank » en anglais) à chaque nœud d’un réseau (en l’occurrence une page sur Internet) en calculant le nombre de visites qu’il recevrait d’un marcheur ou d’une marcheuse aléatoire évoluant sur ce même réseau. Si, comme dans l’espace des incriminations, le « marcheur » se promène au hasard en suivant généralement les arêtes du réseau, on introduit également un processus de « téléportation » aléatoire : à des instants aléatoires, le marcheur « saute » vers n’importe quel nœud du réseau au lieu d’aller forcément vers un nœud voisin. Dans le cadre d’un tel processus, la théorie des probabilités – plus spécifiquement celle des chaînes de Markov – permet de calculer la probabilité pour le marcheur de se trouver sur un nœud donné après un nombre de pas donné. On peut alors démontrer mathématiquement que lorsque le nombre de pas tend vers l’infini, cette probabilité converge vers une valeur constante pour chaque nœud : « PageRank » calcule cette valeur constante et la définit comme score pour chaque nœud. Ainsi, sur le réseau des pages du Web Footnote ⁹⁵ , le score calculé par Google correspond à la probabilité, au bout d’un temps long, de se trouver sur cette page, quel que soit le point de départ de la navigation. « Personalized PageRank » quant à lui varie quelque peu en ce qu’il privilégie certains nœuds du réseau vers lesquels le marcheur va se téléporter préférentiellement lorsqu’il interrompt sa marche sur les arêtes, ce qui permet d’attribuer des scores prenant en compte des nœuds de départs spécifiques.

Dans notre cas, nous choisissons comme nœuds privilégiés l’ensemble des attributs caractérisant les individus du corpus : pour chacun d’entre eux, tout nœud correspondant à une peine se voit attribuer un score calculé par l’algorithme « Personalized PageRank ». En additionnant l’ensemble de ces scores, nous obtenons un coefficient de discrimination par individu. Il devient alors possible d’observer la distribution des coefficients de discrimination pour des groupes sur lesquels nous souhaitons resserrer l’analyse. Il apparaît ainsi que les coefficients de discrimination des artistes femmes tendent à être plus élevés que ceux des artistes hommes (fig. 4). Cette observation – résultat attesté par une très bonne valeur- s  = 25 – fait enfin apparaître que c’est bien l’ensemble du processus (soit le jeu des incriminations et des peines) qui n’est pas indifférent au genre, puisqu’il conduit plus systématiquement les femmes que les hommes vers des sanctions – ce qui ne veut pas dire que les sanctions prononcées contre les femmes furent systématiquement plus lourdes, ou moins lourdes.

Figure 4

– Distribution du coefficient de discrimination dans la CGES en fonction du genre

Note : La distribution correspondant au groupe des femmes (en vert et en trait plein) est décalée vers la droite par rapport à celle des hommes (en jaune et en pointillé). Ceci signale une tendance à des coefficients plus forts chez les femmes, attestant la discrimination.

Il devient même possible d’identifier la « nature » de cette discrimination, en examinant cette fois des coefficients de discrimination sur des sous-ensembles des peines (inférieures ou égales à n  mois, ou supérieures ou égales à n  mois). On découvre alors que les femmes ont été plus sévèrement condamnées que les hommes sur la partie basse de l’échelle des peines (par exemple, à 6 mois d’interdiction là où un homme aurait écopé de 3 mois ou seulement d’un blâme) et, en revanche, moins sévèrement sur la partie haute (par exemple, à 6 mois là où un homme aurait écopé de 9 ou 12 mois) Footnote ⁹⁶ . Il s’agit là d’un résultat totalement inédit et fondamental qui invite à formuler de nouvelles hypothèses sur les représentations de la collaboration au féminin au sein de ces commissions d’épuration exclusivement masculines. Remarquons de nouveau que sans le recours à l’analyse algorithmique conçue grâce au travail interdisciplinaire, le phénomène de convergence vers le milieu de l’échelle des peines (6 mois) lorsqu’il s’est agi de condamner des femmes serait resté purement et simplement « caché » dans les données.

D’autres sous-groupes pourront être analysés à cette aune, tel celui du Gai Paris, que notre méthode (réseau de Suppes-Bayes et « Personalized PageRank ») permet d’identifier comme subissant une discrimination ( s  = 29). Là encore, c’est bien l’analyse statistique qui nous offre un faisceau d’indices permettant de guider l’analyse historique. En l’occurrence, cette nouvelle approche invite à repenser cette catégorie d’artistes relativement ignorés des élites cultivées, socialement peu insérés et surtout moins protégés par une structuration syndicale dont nous avons souligné le rôle.