Retour sur l’usage des textes littéraires comme matière poétique
Item
- Title
- Retour sur l’usage des textes littéraires comme matière poétique
- Description
-
Ce retour d’expérience porte sur l’utilisation des BMU_text comme matière poétique pour générer des poèmes associés aux rues. Ces fichiers rassemblent des extraits issus d’œuvres littéraires et sont liés à des groupes de photographies, afin de faire parler les images à partir d’un matériau textuel déjà chargé de références, d’images et de significations. Après les premiers tests comparatifs entre modèles, ChatGPT a été retenu comme outil principal pour produire les poèmes.
L’expérimentation a aussi permis de passer d’un test ponctuel à une méthode de production plus structurée. Comme les 365 BMU_text ne pouvaient pas être traités un par un, les fichiers ont été regroupés en lots avec Python afin de rendre le travail plus gérable. Les textes ont ensuite été envoyés manuellement dans ChatGPT sous forme de batchs, avec une attention particulière portée au nom des fichiers, conservé comme en-tête pour faciliter l’extraction et l’association de chaque poème à la bonne rue.
Cette étape a montré l’importance de tester et d’ajuster les prompts avant de lancer une production plus large. Les extraits littéraires enrichissent fortement l’écriture, mais ils peuvent aussi orienter le poème vers un effet de montage documentaire, surtout lorsque les sources contiennent des informations historiques, des dates ou des personnages connus. Le travail a donc consisté à trouver un équilibre entre inspiration littéraire, transformation poétique et lisibilité du lien avec la rue. - Succès / Avancées notables
- Mise en place une méthode plus organisée pour produire des poèmes à partir d’un corpus littéraire associé aux images.
- Le choix de ChatGPT comme modèle principal a permis de stabiliser le processus après les premiers tests comparatifs. Le modèle a été retenu pour sa capacité à suivre les consignes, à produire des textes cohérents et à s’adapter à différents styles d’auteurs.
- Problèmes rencontrés
- Le premier problème concerne la couverture du corpus. Les 365 BMU_text disponibles ne couvrent pas l’ensemble des BMU photographiques, qui sont beaucoup plus nombreux. L’expérimentation reste donc partielle par rapport à l’ensemble du corpus visuel disponible.
- Le volume de travail représentait aussi une difficulté importante. Même avec 365 BMU_text, il n’était pas réaliste de générer les poèmes un par un, surtout en répétant l’opération pour plusieurs styles d’auteurs. Le traitement manuel dans ChatGPT demandait donc une organisation par lots.
- Certains fichiers posaient problème parce qu’ils contenaient beaucoup plus d’extraits que les autres. Ces fichiers étaient plus difficiles à intégrer dans un batch standard, car ils risquaient de produire des réponses trop longues, trop chargées ou moins faciles à contrôler.
- Une autre limite est apparue dans la nature même des extraits littéraires. Comme certains textes contiennent des éléments historiques, des dates, des lieux précis ou des personnages connus, les poèmes pouvaient parfois prendre la forme d’un montage documentaire. Le résultat devenait alors moins poétique et plus proche d’une accumulation de références.
- Les prompts ne fonctionnaient pas immédiatement à grande échelle. Il fallait faire des tests avant de lancer les batchs, vérifier si la structure des réponses était exploitable, puis ajuster les consignes pour que ChatGPT produise des poèmes séparés, identifiables et récupérables correctement.
- Solutions apportées
- Les fichiers BMU_text ont été préparés avec Python sous forme de batchs. Cette solution a permis de rendre la production plus gérable : les fichiers ont été regroupés en lots d’environ 10, ce qui facilitait l’envoi manuel dans ChatGPT et la récupération des réponses.
- Pour faciliter l’extraction des résultats, le prompt demandait de conserver les noms de fichiers comme en-têtes. Cette contrainte a permis de parser ensuite les réponses et de rattacher chaque poème à la bonne rue. La structure de sortie est donc devenue aussi importante que la qualité poétique du texte.
- Le prompt a aussi été ajusté pour éviter que les extraits littéraires soient repris de manière trop documentaire. Il fallait orienter le modèle vers une transformation poétique des sources plutôt qu’une simple reformulation des éléments historiques ou descriptifs. Le travail a commencé avec le style de Calvino, puis les prompts ont été retravaillés pour Bonnefoy et Jaccottet une fois cette première série terminée.
- Actant ayant créé ce retour d'expérience
- Anjara Rafidison
Linked resources
| Title | Class |
|---|---|
 II. Génération poétique à partir de références littéraires associées à un corpus photographique |
Annotations
There are no annotations for this resource.