Les trajectoires et leurs ingrédients. Comment articuler données séquentielles et variables catégorielles, par Pierre Bataille (Vendredis Quanti, 25 octobre 2019)
La thèse de Pierre Bataille, intitulée « Des cheminements sur la voie royale », portait sur les parcours des anciens élèves des ENS de Saint-Cloud, Fontenay-aux-Roses et Lyon, entre 1981 et 1987. L’approche mise en œuvre se situait au croisement de deux perspectives : d’une part, en termes de « trajectoires », ce que l’intégration d’une grande école fait aux lauréats, et de l’autre, en termes de « carrières », ce que les lauréats font de leur passage dans une grande école. Pour saisir cette distinction théorique entre « trajectoires » et « carrières », on peut se reporter à De Coninck et Godard (1990), qui distinguent les deux approches suivantes : il y a selon eux, d’une part, des approches « archéologiques », qui expliquent l’orientation et la dynamique des parcours individuels par leurs « coordonnées d’origine », et raisonnent en termes de « balistique » et donc de trajectoires ; et il y a, d’autre part, les approches « structurales », qui expliquent les orientations et la dynamique des parcours individuels par leur structure, autrement dit par le séquençage et l’enchaînement des étapes qui les jalonnent, et leur évolution historique. Ce sont les approches de ce second type qui raisonnent plutôt en termes de « carrières »
Il y a donc deux tropismes différents : d’une part le tropisme « balistique » de la ligne de départ, dans lequel une impulsion initiale (par exemple la socialisation) détermine une trajectoire ; et d’autre part le tropisme de la ligne d’arrivée, dans la mesure où les « carrières » sont souvent saisies par leur produit fini idéal, qu’on finisse « déviant », « énarque » ou « anorexique ». Dans le cadre de la présentation du jour, la question de Pierre Bataille est de déterminer comme se saisir méthodologiquement et analytiquement de l’articulation entre l’approche séquentielle en termes de carrières et l’analyse de l’incidence des « ingrédients » individuels (Cf. Bidart, Longo et Mendez, 2012) (« capitaux », « dispositions », etc…) sur le cours des trajectoires individuelles. Différents outils peuvent être mobilisés, comme les diagramme « alluviaux », où on peut suivre des flux et des bifurcations, mais ces outils restent très descriptifs. Et généralement, les deux approches sont mises en œuvre séparément. D’une part, l’analyse archéologique conduit aux tableaux croisés, aux analyses factorielles et surtout aux analyses de régressions, permettant de rechercher et d’identifier les déterminants ou les causes des phénomènes observés. Et d’autre part, l’analyse structurale s’incarne en particulier dans l’analyse de séquences, qui permet d’appréhender l’ordre et l’enchaînement des événements et des étapes. C’est l’outil privilégié si on s’intéresse à la dimension processuelle des parcours individuels, notamment dans les espaces artistiques (Abbott et Hrycak, 1990 ; Giuffre, 1999 ; Accominotti, 2009 ; Dubois et François, 2013)… Jusqu’à parfois en oublier leur « mise en espace social » (Darmon, 2010).
Dans la présentation d’aujourd’hui, les données utilisées proviennent de l’enquête Musicians LIVE, menée à l’Université de Lausanne avec Marc Perrenoud, et portant sur les trajectoires de musiciens « ordinaires » suisses contemporains (Perrenoud, 2007). L’enquête a porté sur un groupe de 123 musiciens en activité en Suisse romande en 2013-2014, par calendriers de vie et questionnaires. Elle a permis d’identifier les montants et les sources des revenus musicaux, dont on analyse ensuite l’évolution, pour répondre à la question de l’impact de la digitalisation sur les manières de gagner sa vie avec la musique, et au-delà pour essayer de saisir les processus par lesquels on devient un musicien.
A partir de la formalisation des carrières des musiciens en séquences de revenus, deux étapes ont été mises en œuvre successivement (Macindoe et Abbott, 2004) : d’abord, le calcul de la matrice des distances (Studer et Ritschard, 2016), et ensuite l’analyse de cette matrice et le regroupement des séquences en clusters. L’opération produit donc une variable catégorielle, indiquant les différentes « classes » auxquelles appartiennent les séquences. Mais ce faisant, on « retombe » donc sur une analyse « basique » de relations entre variables catégorielles, ce qui a pour inconvénient de négliger la richesse et la spécificité de l’information séquentielle. Autrement dit on retombe sur le problème même qu’on voulait éviter au départ, qui conduit à refaire de l’analyse par les variables et des régression (Abbott, 2016).
Le défi est donc de garder la notion de distance au cœur de l’analyse et trouver un moyen (simple) de croiser cela avec des variables catégorielles. On va utiliser pour cela du Multidimensional Scaling (MDS), autrement dit une analyse factorielle qui est appliquée à la matrice des distances entre séquences. Le MDS est souvent utilisée à des fins descriptives (cf. Piccarreta et Lior, 2010) : en rangeant les séquences selon leurs coordonnées sur les principaux axes, on voit les structures principales d’opposition entre séquences. On construit ensuite des cartes avec les individus, qui fonctionnent exactement comme des ACM, mais avec les séquences encore une fois représentées sur les axes. Et enfin, on peut projeter sur ces cartes des variables catégorielles en supplémentaires (voir graphique ci-dessous).

Le résultat montre une distribution triangulaire, opposant ceux dont les revenus musicaux sont faibles, et au sein de ceux qui ont des revenus musicaux plus importants, entre ceux qui les perçoivent depuis récemment, et les musiciens plus installés.
Références bibliographiques
Abbott Andrew et Hrycak Alexandra, 1990, « Measuring Resemblance in Sequence Data: An Optimal Matching Analysis of Musicians’ Careers », American Journal of Sociology, pp. 144-185.
Accominotti Fabien, 2009, « Creativity from Interaction: Artistic Movements and the Creativity Careers of Modern Painters », Poetics, 37(3), pp. 267-294, 02/11/2019.
Bidart Claire, Longo M.E. et Mendez A., 2012, « Time and Process: An Operational Framework for Processual Analysis », European Sociological Review, 29(4), pp. 743-751.
Darmon Muriel, 2010, La socialisation, Paris, Armand Colin, coll. « 128 ».
De Coninck Frédéric et Godard Francis, 1990, « L’approche biographique à l’épreuve de l’interprétation. Les formes temporelles de la causalité », Revue française de sociologie, vol. 31, n° 1, pp. 23-53, https://www.persee.fr/doc/rfsoc_0035-2969_1990_num_31_1_1078?pageid=t1_53.
Demazière Didier, Jouvenet Morgan et Abbott Andrew, 2016, Andrew Abbott et l’héritage de l’école de Chicago, Paris, Éditions de l’EHESS.
Dubois Sébastien et François Pierre, 2013, « Career Paths and Hierarchies in the Pure Pole of the Literary Field: The Case of Contemporary Poetry », Poetics, 41(5), pp. 501-523.
Giuffre K.A., 1999, « Sandpiles of opportunity: success in the art world », Social Forces, 77, pp. 815–832.
MacIndoe Heather et Abbott Andrew, 2004, « Sequence Analysis and Optimal Matching Techniques for Social Science Data », in Bryman Alan et Hardy Melissa Hardy (dir.), Handbook of Data Analysis, Londres, Sage, pp. 387-406.
Perrenoud Marc, 2007, Les musicos : enquête sur des musiciens ordinaires, Paris, La Découverte.
Piccarreta Raffaella et Lior Orna, 2010, « Exploring Sequences: a Graphical Tool Based on Multi‐dimensional Scaling », Journal of the Royal Statistical Society: Series A (Statistics in Society), 173(1), pp. 165-184.
Studer Matthias et Ritschard Gilbert, 2016, « What Matters in Differences Between Life Trajectories: A Comparative Review of Sequence Dissimilarity Measures », Journal of the Royal Statistical Society: Series A (Statistics in Society), 179(2), pp. 481-511.