Retour d’expérience du Hackathon Ecomedia – Pictoria x BNF Datalab – Groupe “Skyblog se met au vert”
Compte rendu réalisé par Emmanuelle Bermes et Marina Hervieu. La vidéo de la restitution du groupe est disponible à cette adresse : https://youtu.be/ea7Y8XT0jDU?si=XA-q6qJZkukGOi2z .

L’équipe du projet SkyTaste, qui s’intéresse à la collection Skyblog de la BnF et en particulier à la culture visuelle de la plateforme, avec la participation de deux étudiants du Master TNAH de l’ENC, Ismène Lemaire et Jules David, ont répondu présents au Hackathon organisé par Pictoria en novembre 2025 au BnF DataLab. Dans ce billet, elle revient sur son expérience, détaille le corpus étudié et les premiers résultats de recherche.
Le contexte et le corpus
Les archives du web à la BnF, la collection Skyblog
Cherchant à explorer davantage le contenu visuel de la collection Skyblog de la BnF, l’équipe du projet SkyTaste a saisi l’occasion de participer au Hackathon Ecomedia pour explorer une notion encore jamais étudiée dans les skyblogs jusqu’à ce jour : l’écologie. Et oui, Skyblog s’est-il mis au vert au cours de son histoire ?
Concomitant à l’existence de la plateforme Skyblog, née en 2002 et morte en 2023, l’écologie prend de plus en plus de place dans les débats politiques du quotidien, et, à raison, elle devient une préoccupation partagée par les citoyens. Ces discours sont-ils présents dans Skyblog ? Les défenseurs de l’environnement se reconnaissaient-ils en communauté sur Skyblog ? Quelles sont les images qui accompagnent les discours ? Que nous disent les skyblogs de l’écologie véhiculée par les médias du début du XXIème siècle ? Voici les quelques questions que nous nous sommes posées et pour lesquelles quelques ébauches de réponses ont été données.
Le corpus Ecomedia : processus d’extraction et aperçu
Le projet Skybox de la BnF a mis en place une boîte à outils, appelée Skybox. Parmi les fonctionnalités disponibles, il est possible d’effectuer une recherche sur l’ensemble des pseudos, un nom d’emprunt choisi par l’internaute auteur du blog et qui reflète bien souvent un sujet, une passion, une idée, une ville. En dressant une liste de mot-clés qui appartiennent au champ lexical de l’écologie, on peut espérer trouver un certain nombre de skyblogs pertinents sur le sujet. Après cette première étape, il convient de consulter chaque skyblog pour vérifier, en un clin d’œil, que le contenu correspond en effet à ce qu’énonce le pseudo. Si ce n’est pas le cas, les skyblogs sont exclus du corpus.
Finalement, 85 skyblogs sont choisis – ce chiffre n’est pas représentatif car, sur les 12.6 millions de skyblogs, il n’y a pas que 85 skyblogs qui ont l’écologie pour sujet. Mais nous décidons de travailler sur un petit corpus car le temps de travail consacré à son étude ne pourra durer qu’un jour et demi. Il faut donc être concis et rapide pour espérer obtenir des résultats et tester le plus d’approches.
Puis, un autre critère déterminant est le nombre d’articles recensés par skyblog : plus il y a d’articles, plus il y a de chance que le skyblog soit constitué d’images. En effet, un article de skyblog peut contenir 0 à 7 images. Finalement, le corpus de 85 skyblogs contient 8175 articles pour 9586 images.
Après une étape importante de traitement des données d’extraction qui nécessite de générer et de trier des permaliens associés aux blogs (un blog peut se constituer de plusieurs milliers de pages mais toutes ne sont pas utiles pour notre étude comme les pages rouleaux, pages fans, sources, page player mp3, page profil), nous mettons en place notre approche multimodale de recherche : le texte, l’image et le réseau du corpus seront les dimensions étudiées.
Les pistes et résultats de recherche
Au cours du hackathon, l’équipe a croisé deux approches de recherche pour explorer le corpus. Nous avons adopté une approche multiscalaire (
scalable-reading
) afin d’étudier le corpus dans sa globalité. Dans un second temps, cette approche nous a permis de révéler d’autres échelles d’études et d’identifier plusieurs formes de militantisme : le militantisme radical, le militantisme tendre et un ensemble de sous-groupes d’images catégorisées comme sensibles et ayant pour sujet la torture animale, les catastrophes environnementales et des photographies vernaculaires. Cette première approche est mise en regard avec une approche multimodale réalisée à l’aide des outils mobilisés, mis à disposition par le BnF DataLab ou testé dans le cadre du Hackathon. Ainsi pour chaque thématique, nous avons mené une étude visuelle, textuelle et en réseau.
Une vision d’ensemble
A l’échelle des 85 skyblogs et grâce à notre approche multimodale, nous avons pu répondre aux questions suivantes :
- Le vert constitue-t-il la couleur dominante dans les skyblogs consacrés à l’écologie ? Grâce à l’outil Panoptic1 nous constatons que le fond d’écran, le style des écritures ou les images publiées dans le premier billet du blog, déclinent une palette de verts : le vert pâle, le vert pomme ou le vert fluo l’emportent sur les ¾ du corpus.
- Les défenseurs de l’écologie sur Skyblog font-ils communauté ? De toute évidence, oui une communauté se reconnaît même si elle n’est pas homogène et très recentrée. Grâce à l’outil Hyphe2, nous observons qu’un tiers des skyblogs seulement sont liés entre eux, dont laprotectionanimale, union-ecologie, nature1616, sauvons-les-requins, ecologieearth, greenpeacetoulouse, abalapollution, non-au-rechauffement, sauvonsvitelaplanete, ecologie-c-la-vie. La majorité des skyblogs du corpus sont isolés. Hyphe permet de consolider le corpus et, éventuellement de l’élargir, si le temps nous avait permis d’ajouter les autres skyblogs liés entre eux mais que nous n’avions pas identifié dans la recherche par pseudo.

Capture d’écran de la visualisation du réseau de liens des 85 skyblogs réalisé à l’aide de l’outil Hyphe.
Un cas d’étude : des contenus sensibles aux catégories de militantisme
Qui dit défense de l’environnement, dit aussi dénonciation de la violence faite à la nature. Les images qui en rendent compte visent souvent à sensibiliser et peuvent, à leur tour, produire une forme de violence pour celles et ceux qui les regardent. Comment mobiliser les outils de computer vision pour se protéger des images sensibles ?
Dans notre cas, les images sensibles représentent des photographies d’animaux morts, dépecés, tranchés ou chassés. Des ailerons de requins sont rangés en rang d’oignon, des baleines sont chassées, des tortues se sont étouffées de plastique et d’autres animaux de mer ont échoué sur la plage. La torture animale est largement représentée. Le bleu de l’océan se mélange majoritairement au rouge sang de la torture.

Capture d’écran des images sensibles sur la torture animale réunies à l’aide de l’outil Panoptic.
Grâce à l’utilisation de l’outil Orange Data Mining3, nous observons que les mots les plus cités dans les articles associés aux images, sont, ans aucun étonnement, liés à la préservation animale : “conservation”, “animaux”/”animal”, “ours”, “extinction”, “humains”, “extinction”l. On aurait pu s’attendre à voir émerger un mot en relation avec les mondes marins et leurs animaux, toutefois c’est le mot “forêt” qui vient bousculer nos représentations sensibles.
Il nous permet d’explorer un autre cluster d’images lié aux catastrophes environnementales. La fonte des glaces et la montée des eaux, la déforestation et les incendies, les tempêtes cycloniques et celles de neige, et enfin les marées noires sont respectivement représentés par les couleurs des éléments naturels : bleu et vert, rouge et orange, blanc et noir.

Capture d’écran des images sensibles sur les catastrophes environnementales réunies à l’aide de l’outil Panoptic.
Un autre symbole revient fréquemment dans les skyblogs : celui de la planète Terre, de sa photographie prise depuis l’espace jusqu’aux multiples variations de son image. La planète brûle et la moitié de sa surface est recouverte de flammes, la planète suffoque et elle tousse dans un nuage de pollution, la planète fond sur un cône de glace.
Le plus étonnant encore dans cette exploration du corpus est de constater que ces images sont partagées par des skyblogs qui se reconnaissent entre eux. Comme on peut le voir dans l’image ci-dessous, ils sont liés. Nous formulons ainsi la première hypothèse selon laquelle les skyblogs diffusant des images violentes font partie des militants que nous catégorisons comme radicaux et qui cherchent à dénoncer les violences et à sensibiliser le public.

Visualisation des skyblogs qualifiés de “militantisme radical à l’aide de l’outil Hyphe.
A l’inverse, nous qualifions comme “militantisme tendre” tous les skyblogs qui publient des images d’amour de la nature, de la planète en forme de cœur, des photographies attendrissantes d’animaux. Force est de constater que ces skyblogs ne sont pas reliés entre eux, ils sont isolés. Ils n’ont pour lien que leur pseudo évoquant l’écologie et la protection de la biodiversité. Ces skyblogs cherchent davantage à revendiquer la beauté du vivant.

Nuage de mots réalisé à partir des articles associés aux images qualifiées de « sensibles et vernaculaires » à l’aide de l’outil Orange Data Mining.
Enfin, une dernière catégorie d’images qualifiées de sensibles regroupe les photographies de vacances où la nature, prise en photo et mise en récit, sert avant tout à évoquer les vacances. Ces clichés sont particulièrement personnels et intimes et montrent des familles à la plage, sur un bateau, en montagne, ou au restaurant. Le nuage de mots généré à partir de cette catégorie montre en effet que la nature est davantage liée aux loisirs à la montagne (été comme hiver), au repos au soleil, et à la famille (des prénoms sont cités).
Même si ces images vernaculaires n’ont pas pour sujet l’écologie, elles font des skyblogs un témoin historique des expériences de vacances au début du XXIe siècle.
Conclusion
Pour conclure, notre participation au Hackathon nous a permis de consolider notre workflow, de la constitution du corpus à son extraction et à son étude. Les diverses analyses réalisées montrent que l’approche multiscalaire, alternant lecture proche et lecture distante, ainsi que l’approche multimodale (texte, images, liens) sont pertinentes pour confirmer les hypothèses de recherche et faire émerger les différentes caractéristiques d’un corpus.
Nous aurions voulu disposer de plus de temps pour effectuer des recherches sur l’origine des images : d’où viennent-elles ? Comment se fait-il que plusieurs skyblogs partagent la même image ? Appartiennent-ils à une blogosphère écologiste ? Qui ne se souvient pas des vues de la Terre prises du ciel par Yann Arthus-Bertrand et de ce cœur que la nature a miraculeusement créé au cœur d’une forêt : pourquoi sont-elles autant présentes alors qu’elles ne sont pas toutes contemporaines aux skyblogs ?
Plus globalement, l’équipe est contente de cet essai et remercie vivement les étudiants pour leur participation et les équipes de Pictoria, du BnF DataLab et du dépôt légal du web pour l’organisation et l’implication au Hackathon.
Bref, c’était bien mais trop court ! A quand le prochain Hackathon?

1 Panoptic est un outil créé par le laboratoire CERES et spécialement conçu pour la recherche en sciences humaines et sociales. Il permet d’explorer et d’annoter de large corpus d’images, soit par similarité visuelle ou par description textuelle. L’outil dispose également d’un nouveau plugin “colors” qui permet de calculer les couleurs dominantes dans les images et de les regrouper sous la forme d’un nuancier. L’utilisation de l’outil par les chercheurs et son installation sur plusieurs machines virtuelles du DataLab, spécialement conçues pour l’événement, font l’objet d’une expérimentation en cours de développement par les équipes du Dépôt légal du web.
Alié, Félix, Bouté, Édouard et Gödicke, David. « Explore large datasets of images with Panoptic ». In : FOSDEM. Bruxelles, Belgium : Université Libre de Bruxelles, fév. 2025.
2 Hyphe est un crawler web développé par le Medialab de SciencesPo Paris. Une instance de l’outil est connectée aux archives du web et est disponible sur toutes les machines du DataLab. L’outil permet de visualiser les réseaux de liens à partir d’une URL. On peut ainsi observer les liens entrants et sortants pour chaque URL de notre corpus et, de façon itérative, préciser jusqu’à combien de niveaux de liens on souhaite poursuivre notre exploration du réseau.
Ooghe-Tabanou, Benjamin, Jacomy, Mathieu, Girard, Paul et Plique, Guillaume. « Hyperlink is not dead! » In : Proceedings of the 2nd International Conference on Web Studies. WS.2 2018. New York, NY, USA : Association for Computing Machinery, 3 oct. 2018, p. 12-18.
3 Orange Data Mining est un logiciel libre de traitement, de fouille et de visualisation de données qui nécessite très peu de programmation. Il offre une trentaine de types de visualisation intéractive dont ceux liés aux corpus textuels comme les nuages de mots. Cet outil a été installé pendant le hackathon sur une machine virtuelle du DataLab.
OpenEdition vous propose de citer ce billet de la manière suivante :
fleber (19 janvier 2026). Retour d’expérience du Hackathon Ecomedia – Pictoria x BNF Datalab – Groupe “Skyblog se met au vert” Consortium-HN pictorIA. Consulté le 11 février 2026 à l’adresse https://pictoria.hypotheses.org/6332

