1.1 Données ouvertes et liées du graphe Wikidata

Wikidata est une base de connaissances libre, éditée de manière collaborative et hébergée par la fondation Wikimedia. Son contenu étant placé sous licence CC0 (« Transfert dans le Domaine Public »), elle permet de centraliser l’accès aux données utilisées par différents projets Wikimedia (Wikipédia (2021)).

Les informations saisies dans Wikidata sont des données ouvertes “brutes” multilingues non supervisées qui sont liées, notamment, aux articles de l’encyclopédie contributive Wikipedia. Wikidata est à différencier de l’ontologie DBpedia¹ (figure 1) au sens où l’ontologie sous-jacente de Wikidata n’est pas formalisée a priori - ce qui est le cas de DBpedia -, mais elle émerge des usages et pratiques de la communauté Wikidata. En effet, les deux dispositifs à vocation encyclopédique diffèrent dans leurs finalités initiales. DBpedia est un effort de la communauté scientifique pour extraire des informations structurées du projet encyclopédique Wikipedia et les lier à d’autres formalismes de données du Web sémantique. Wikidata est un dispositif de curation² ou d’annotation de données par les contributeurs et contributrices de Wikipedia ou Wikidata.

La base Wikidata fournit un support à de nombreux autres sites et services au-delà des seuls projets de Wikimedia. Son contenu est exporté dans des formats standards et peut être lié ou aligné à d’autres ensembles de données ouvertes sur le Web des données³. Wikidata offre ainsi un large domaine d’informations générales sur notre univers ou ses représentations et des liens vers d’autres graphes ou bases de données. Il contient à ce jour plus de 100 millions d’items.
La dynamique de création collective de ce projet encyclopédique peut être saisie à l’oreille grâce à l’application développée par Stephen LaPorte et Mahmoud Hashemi.

1.2 Standard RDF du W3C

Le RDF (Resource Data Framework) est un cadre général de modélisation utilisé pour décrire formellement les ressources du Web⁴ via leurs métadonnées afin de permettre le traitement par inférence de telles descriptions. Développé par le W3C⁵, le RDF est le formalisme de base du Web sémantique.

Au sein de ce paradigme, un document ou une ressource consiste en un ensemble de triplets⁶, chacun associant un sujet, un prédicat et un objet :

• le “sujet” du prédicat représente la ressource à décrire,
  
• le “prédicat” représente un type de propriété applicable à cette ressource,
  
• l’“objet” représente une donnée, une autre ressource ou une valeur associée à la propriété (ou prédicat).

Le sujet et l’objet, dans le cas où ce sont des ressources, peuvent être identifiés par un identifiant unique de la ressource (URI⁷), une valeur ou être des nœuds anonymes. Le prédicat est nécessairement identifié par un identifiant unique de la ressource. Par exemple, la déclaration “Bob s’intéresse à Mona Lisa” est formalisée de la manière suivante :

Un dépôt de triplets RDF ainsi formé correspond à un multigraphe orienté étiqueté : chaque triplet correspond alors à une arête orientée dont l’étiquette est le prédicat, le sujet est le nœud source et l’objet est le nœud cible (figure 3).

1.3 Le langage SPARQL

SPARQL⁸ (prononcé sparkle, en français : « étincelle ») est à la fois un langage de requête et un protocole qui permettent de rechercher, d’ajouter, de modifier ou de supprimer des triplets RDF disponibles à travers le Web. Aujourd’hui, le Web de données (représenté par le nuage du Linked Open Data ou ses domaines) est interrogeable via des centaines de services SPARQL qui mettent à disposition de plus en plus de graphes de données ouvertes et liées comme c’est le cas du projet plurilingue Wikidata (Wikipédia (2022)).

Vocabulaire ou espace de noms

Dans Wikidata les entités et leurs coordonnées spatiales et temporelles sont modélisées selon les fragments de graphes lisibles par l’humain et la machine dans divers formats⁹ : XML, json, turtle, etc. Ces différents formats proposent une sérialisation différente d’un même modèle, le RDF. Ce sont des graphes de connaissances qui décrivent des entités et leurs relations. Pour Wikidata comme pour d’autres modèles de données, il existe un vocabulaire spécifique. En général, les ontologies du Web sémantique disposent d’un vocabulaire décrit au sein d’espaces de noms associés au micro-monde décrit.

Par exemple, pour modéliser les données des réseaux sociaux, il existe un vocabulaire dédié Friend of a friend (FOAF) ; pour les ressources bibliographiques, la BnF mobilise notamment le vocabulaire Functional Requirements for Bibliographic Records (FRBR) élaboré par la Fédération internationale des associations et institutions de bibliothèques (IFLA) etc. Un autre exemple est l’ontologie du domaine associée à la diffusion de la musique fondée en 2002 avec l’initiative MusicBrainz (Swartz 2002), “corne d’abondance des communs” musicaux, déployée avec l’émergence du Web.

L’espace de nom de l’ontologie de Wikipedia, DBpedia est accessible à cette URL : https://dbpedia.org/ontology/.

Préfixes et requêtes

À chaque vocabulaire utilisé pour construire la requête sont associés différents préfixes¹⁰. Dans le cas présenté, la déclaration du vocabulaire mobilisé (celui de Wikidata notamment) est intégrée aux packages utilisés. Toutefois, en général, il est nécessaire de le préciser dans l’en-tête de la requête SPARQL, sous une certaine forme :

PREFIX préfixe: <espace de nom>

Les éléments d’un triplet prennent alors la forme suivante :

prédicat = préfixe:propriété
domaine/co-domaine = préfixe:entité

Le préfixe identifie le cadre de définition de concept. Par exemple, l’entité “ville” peut être décrite par “la ville de l’urbaniste”, “la ville du géographe”, “la ville selon l’Insee”, etc. En effet, les ontologies et les vocabulaires sont généralement construits dans un cadre disciplinaire (histoire, épidémiologie, géographie, biologie, etc.) ou de domaine d’activité (bibliothèques, musées, archives, etc.). Il est donc possible de retrouver un même terme désignant une entité ou un concept, mais qui le définit différemment. Par exemple, supposons que les termes ou concepts d’un champ de l’urbanisme sont décrits dans l’espace numérique dans une page http://mondomaineurbanisme.fr/, et ceux d’un champ de la géographie dans une autre page http://mondomainegeographie.fr/ (toutes deux fictives ici). Les préfixes associés, respectivement PREFIX urba:<http://mondomaineurbanisme.fr/#> et PREFIX geo:<http://mondomainegeographie.fr/#> par exemple, permettent non seulement de simplifier la syntaxe : <http://mondomaineurbanisme.fr/#>:ville en urba:ville ou <http://mondomainegeographie.fr/#>:ville en geo:ville mais aussi de résoudre les questions de définition ou de polysémie d’un même terme (ici “ville”) dans deux domaines disciplinaires différents.

Classiquement, pour rechercher dans le vocabulaire DBpedia (dbo) des entités qui ont pour type ville dans le vocabulaire RDF (rdf), on peut écrire le triplet sous la forme suivante :

?city rdf:type dbo:city

sous réserve de déclarer en tête de la requête SPARQL les préfixes des vocabulaires DBpedia et RDF :

PREFIX dbo: <http://dbpedia.org/ontology/> 
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 

Puis, si on souhaite connaître leur pays de rattachement, dans le vocabulaire DBpedia, on peut écrire un second triplet :

?city dbo:country ?country

Au sein des deux triplets, le point d’interrogation ? permet de préciser, dans la requête, quelles sont les entités recherchées : des objets de type ville (dbo:city) dans la variable ?city et leur pays respectif (dbo:country) dans la variable ?country.

Avec la déclaration des espaces de noms et la simplification de la syntaxe utilisant des préfixes, il est possible d’interroger des graphes (bases de données dites NoSQL¹¹) au moyen d’un protocole SPARQL sur un point de présence (SPARQLEndPoint) au sein d’un réseau HTTP.

Dans la suite, plusieurs préfixes Wikidata spécifiques aux entités et aux types de propriétés sont utilisés. Dans le cadre de notre étude, le tableau suivant récapitule les classes et propriétés utilisées, ainsi que quelques préfixes du schéma Wikidata utilisés pour former les triplets :

Dans le cas où le prédicat de Wikidata est utilisé avec le préfixe p, ps ou pq, la donnée associée est une assertion (spécifiée dans la tableau par le suffixe -St), c’est-à-dire un autre triplet. Ces spécificités du graphe Wikidata sont abordées dans la partie 3.

2.1 Packages utilisés

Les packages utilisés pour réaliser l’ensemble de la chaîne de traitement présenté dans ce document sont les suivants :

• wikidataR¹² (et son extension WikidataQueryServiceR) : permet d’écrire une requête pour interroger le graphe de données Wikidata au moyen d’une interface de programmation d’application (API) pour le service de requêtes Wikidata en langage SPARQL¹³ ;
  
• rnaturalearth : met à disposition les données géographiques de Natural Earth ;
  
• sf : permet la gestion et la manipulation de données géographiques vectorielles ;
  
• dplyr : pour la manipulation des données ;
  
• mapview : pour l’affichage interactif de données géographiques (repose sur la librairie JavaScript Leaflet) ;
  
• tmap : pour la création de cartes thématiques ;
  
• ggplot2 : permet la production de graphiques basés sur la grammaire graphique (Wilkinson 2005) ;
  
• av : génère des vidéos à partir d’images ou de graphiques R ;
  
• patchwork : permet de combiner plusieurs graphiques ggplot2 dans la fenêtre graphique ;
  
• jpeg : permet l’import, l’enregistrement et l’affichage des images matricielles (format bitmap) ;

Vous pouvez utiliser les lignes de code suivantes pour installer ces packages :

# Liste des packages du CRAN nécessaires
liste_packages <- c("WikidataR",
                    "WikidataQueryServiceR",
                    "remotes",
                    "rnaturalearth",
                    "sf",
                    "dplyr",
                    "mapview",
                    "tmap",
                    "ggplot2",
                    "av",
                    "patchwork",
                    "jpeg")

# Packages à installer
liste_packages_a_installer <- liste_packages[!(liste_packages %in% installed.packages()[,"Package"])]

# Installation des packages manquants
install.packages(liste_packages_a_installer)

# Pour les versions les plus récentes de RStudio
# see https://stackoverflow.com/questions/78402917/compiling-error-for-packages-installation\
#-after-updating-to-r-4-4-on-ubuntu-22-0 et, le cas échéant, décommenter ci-dessous.
# install.packages("progress")

Les informations sur le système d”exploitation et les versions des packages utilisés pour générer ce notebook sont disponibleq en fin de document.

2.2 Données collectées

Plusieurs sources de données sont utilisées pour ce travail exploratoire :

1. des données issues du graphe Wikidata ;
   
2. une couche géographique Natural Earth ;
   
3. des fonds de carte accessibles via Leaflet.

Télécharger les données

3.3 Lister les œuvres du peintre et trouver leurs localisations géographiques

Dans cette seconde étape, on se propose de lister les œuvres de Johannes Vermeer avec leurs localisations. Au sein du graphe Wikidata, on fait l’hypothèse que les coordonnées de la localisation d’une œuvre, c’est-à-dire la valeur point(x,y), sont celles du musée ou de l’institution où l’œuvre est actuellement exposée ou située. Afin d’obtenir cette localisation à partir de l’identifiant du peintre, on trace un premier chemin du graphe tel qu’illustré dans la figure 6.

On utilise le terme SPARQL OPTIONAL pour permettre de collecter les données y compris dans le cas où l’information de localisation d’une œuvre n’existerait pas dans Wikidata.

Sélectionner les données œuvre, musée et coordonnées telles que {
    l'œuvre a pour peintre Johannes Vermeer;               # chemin principal
    en option {
                 l'œuvre est localisée dans un musee          # chemin optionnel
                 ce musée a pour localisation les coordonnées  # chemin optionnel
              }
}

SELECT ?oeuvre ?musee ?coord WHERE 
           { 
             ?oeuvre wdt:P170 wd:Q41264 . 
             OPTIONAL 
             {  
               ?oeuvre wdt:P276 ?musee . 
               ?musee wdt:P625 ?coord 
             } 
           }

 query <- "SELECT ?oeuvre ?musee ?coord WHERE \
           { \
             ?oeuvre wdt:P170 wd:Q41264 . \
             OPTIONAL \
             { \ 
               ?oeuvre wdt:P276 ?musee . 
               ?musee wdt:P625 ?coord \
             } \ 
           }"

## Exécution de la requête
data2_WR <- WikidataR::query_wikidata(query)

Sélectionner les noms des données oeuvre, musée et les coordonnées telles que { 
    l'œuvre a pour peintre Johannes Vermeer;                 # chemin principal
    en option {
                l'œuvre est localisée dans un musee           # chemin optionnel
                ce musée a pour localisation les coordonnées   # chemin optionnel
                }
    en langue anglaise (en)                                    # service Wikilabel
} 

SELECT ?oeuvreLabel ?museeLabel ?coord WHERE
                 {
                   ?oeuvre wdt:P170 wd:Q41264 .
                   OPTIONAL
                    {
                      ?oeuvre wdt:P276 ?musee . 
                      ?musee wdt:P625 ?coord
                    }
                   SERVICE wikibase:label
                    {
                      bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en".
                    }
                  }

query_label <- "SELECT ?oeuvreLabel ?museeLabel ?coord WHERE \
                 { \
                   ?oeuvre wdt:P170 wd:Q41264 . \
                   OPTIONAL \
                    { \ 
                      ?oeuvre wdt:P276 ?musee . 
                      ?musee wdt:P625 ?coord \
                    } \
                   SERVICE wikibase:label \
                    { \
                      bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                    } \
                  }"

## Exécution de la requête
data2_WQSR <- query_wikidata(query_label)

3.4 Premiers éléments d’analyse exploratoire

Sélectionner les données œuvre et leur nom telles que { 
   l'œuvre a pour créateur le peintre Johannes Vermeer;  # chemin principal
   en langue anglaise   (en)                              # service Wikilabel
} 
par ordre décroissant       # ordonne        

SELECT ?oeuvre ?oeuvreLabel 
WHERE
     {
       ?oeuvre wdt:P170 wd:Q41264
       SERVICE wikibase:label
               {
                bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en ".
               }
      }
ORDER BY DESC(?oeuvre)

query_valeur_simple <- "SELECT  ?oeuvre ?oeuvreLabel WHERE \
                        { \
                          ?oeuvre wdt:P170 wd:Q41264 \ 
                            SERVICE wikibase:label \
                            { \
                              bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                            } \
                        } \
                        ORDER BY DESC( ?oeuvre )"

## Exécution de la requête
resultats_oeuvres_valeur_simple <- WikidataQueryServiceR::query_wikidata(query_valeur_simple)

nrow(resultats_oeuvres_valeur_simple)

[1] 37

Sélectionner les données œuvre et leur nom telles que { 
   l'œuvre est liée à une assertion de création au peintre Johannes Vermeer; # chemin principal
   en langue anglaise   (en)                                                  # service Wikilabel
} 
par ordre décroissant       # ordonne     

SELECT ?oeuvre ?oeuvreLabel 
WHERE
     {
     ?oeuvre p:P170/ps:P170 wd:Q41264  
     SERVICE wikibase:label
             {
              bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en ".
             } 
     } 
ORDER BY DESC(?oeuvre)

query_declaration <- "SELECT ?oeuvre ?oeuvreLabel WHERE \
                      { \
                        ?oeuvre p:P170/ps:P170 wd:Q41264  
                            SERVICE wikibase:label \
                            { \
                              bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                            } \ 
                      } \ 
                      ORDER BY DESC( ?oeuvre )"
 
## Exécution de la requête
resultats_oeuvres_exhaustif <- WikidataQueryServiceR::query_wikidata(query_declaration)

nrow(resultats_oeuvres_exhaustif)

[1] 44

subset(resultats_oeuvres_exhaustif, !oeuvre %in% resultats_oeuvres_valeur_simple$oeuvre)

# A tibble: 7 × 2
  oeuvre                                   oeuvreLabel                          
  <chr>                                    <chr>                                
1 http://www.wikidata.org/entity/Q50987175 Portrait of a Woman                  
2 http://www.wikidata.org/entity/Q3739200  Girl with a Flute                    
3 http://www.wikidata.org/entity/Q28062107 Interior with man and woman at the h…
4 http://www.wikidata.org/entity/Q28060447 Christ and the woman taken in adulte…
5 http://www.wikidata.org/entity/Q20198312 The Geographer                       
6 http://www.wikidata.org/entity/Q20084490 Woman busy sewing in an interior     
7 http://www.wikidata.org/entity/Q17335893 A Man Reading                        

Sélectionne le nom des données œuvre et compte leur nombre de coordonnées distinctes telles que {
    l'œuvre a pour créateur le peintre Johannes Vermeer;      # chemin principal
                    localisation un musée.                     # chemin principal
    ce musée a pour localisation les coordonnées        # chemin principal (fin)
    en langue anglaise (en)                             # service Wikilabel
} 
pour chaque nom d'œuvre     # groupe
par ordre décroissant        # ordonne

SELECT ?oeuvreLabel (COUNT(DISTINCT?coord) AS ?count) 
WHERE
  {
   ?oeuvre p:P170/ps:P170 wd:Q41264 ; wdt:P276 ?musee .
   ?musee wdt:P625 ?coord
   SERVICE wikibase:label
        {
         bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en ".
        } 
   }
GROUP BY ?oeuvreLabel
ORDER BY DESC(?count)

query <- "SELECT ?oeuvreLabel \
                  (COUNT(DISTINCT?coord) AS ?count) WHERE \
          { \
              ?oeuvre p:P170/ps:P170 wd:Q41264 ; wdt:P276 ?musee . \
              ?musee wdt:P625 ?coord \
                    SERVICE wikibase:label \
                    { \ 
                      bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \".\
                    } \ 
          } \
          GROUP BY ?oeuvreLabel \
          ORDER BY DESC(?count)"


# Exécution de la requête
metadonnees_localisation_oeuvres_valeur_simple <- WikidataQueryServiceR::query_wikidata(query)

Sélectionne le nom des données œuvre et compte leur nombre de coordonnées distinctes telles que { 
    l'œuvre est liée à une assertion de création au peintre Johannes Vermeer;   # chemin principal
                                      de localisation au musée.                  # chemin principal
    ce musée a pour localisation les coordonnées        # chemin principal (fin)
    en langue anglaise (en)                             # service Wikilabel
} 
pour chaque nom d'œuvre     # groupe
par ordre décroissant        # ordonne

SELECT ?oeuvreLabel (COUNT(DISTINCT?coord) AS ?count) 
WHERE
  {
   ?oeuvre p:P170/ps:P170 wd:Q41264 ; p:P276/ps:P276 ?musee .
   ?musee wdt:P625 ?coord
   SERVICE wikibase:label
        {
         bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en ".
        } 
   }
GROUP BY ?oeuvreLabel
ORDER BY DESC(?count)

query <- "SELECT ?oeuvreLabel \
                  (COUNT(DISTINCT?coord) AS ?count) WHERE \
          { \
              ?oeuvre p:P170/ps:P170 wd:Q41264 ; p:P276/ps:P276 ?musee . \
              ?musee wdt:P625 ?coord \
                    SERVICE wikibase:label \
                    { \ 
                      bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                    } \ 
          } \
          GROUP BY ?oeuvreLabel \
          ORDER BY DESC(?count)"


# Exécution de la requête
metadonnees_localisation_oeuvres <- WikidataQueryServiceR::query_wikidata(query)

3.5 Troisième requête SPARQL : déclaration spatiale et temporelle

Comme illustré dans la figure 8, la localisation spatio-temporelle d’une entité est déclarée au moyen d’un prédicat direct (p:P276), qui permet l’accès à une forme complexe de localisation de l’œuvre choisie :

• dont les valeurs du prédicat ps:P276 sont des lieux (géographiques et institutionnels) caractérisés par l’ensemble des déclarations de localisations spatiales point(x,y), valeurs du prédicat wdt:P625 ;
  
• dont les valeurs des prédicats de type qualifiers de la déclaration ?lieu donnent des périodes temporelles (date de début : pq:P580, date de fin : pq:P582) ou date/point dans le temps de l’évènement associé pq:P585.

Sélectionne le nom des données musée, dates et coordonnées telles que { 
   l'œuvre choisie est localisée directement au lieu.                    # chemin principal
   ce lieu est lié dans une assertion de localisation à un musée;         # chemin principal 
           est lié dans une assertion de temporalité à une date de début; # chemin principal
           est lié dans une assertion de temporalité à une date de fin.   # chemin principal 
   ce musée a pour localisation les coordonnées .                         # chemin principal 
   en langue anglaise   (en)           # service Wikilabel
  } 

SELECT ?museeLabel ?dated ?datef ?coord 
WHERE  
    {
      wd:Q4660880 p:P276 ?lieu .
      ?lieu ps:P276 ?musee ; 
            pq:P580 ?dated ;
            pq:P582 ?datef .
      ?musee wdt:P625 ?coord .
      SERVICE wikibase:label
            {
             bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en ".
            }
    }

query <- "SELECT ?museeLabel ?dated ?datef ?coord WHERE \
          { \
            wd:Q4660880 p:P276 ?lieu . \
            ?lieu ps:P276 ?musee ; 
                  pq:P580 ?dated ;
                  pq:P582 ?datef . \
            ?musee wdt:P625 ?coord . \
                  SERVICE wikibase:label \
                  { \
                    bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                  }  \
          }"


## Exécution de la requête
data3_WQSR <- WikidataQueryServiceR::query_wikidata(query)

# Enregistrement des données en format csv
write.csv(x = data3_WQSR, file = "data/data3_WQSR.csv", row.names = FALSE)
# Import du fichier de données enregistrées
data3_WQSR <- read.csv("data/data3_WQSR.csv", row.names = NULL)

Sélectionner la donnée image telle que { 
    l'œuvre choisie a pour image une représentation numérique .   # chemin principal
} 

SELECT ?image 
WHERE
     {
      wd:Q4660880 wdt:P18 ?image
     }

query_image <- "SELECT ?image WHERE \
                { \
                  wd:Q4660880 wdt:P18 ?image \
                }"


## Exécution de la requête
image_oeuvre <- WikidataQueryServiceR::query_wikidata(query_image)

download.file(url = image_oeuvre[[1]],
              destfile = 'data/images/Q4660880.jpg',
              mode = 'wb')

4.1 Les œuvres de Johannes Vermeer

Les données issues de la seconde requête SPARQL (data2_WQSR) listent l’ensemble des œuvres de Vermeer et leurs localisations respectives (nom du musée et coordonnées géographiques quand elles existent) selon Wikidata. Avant de les cartographier, quelques traitements sont nécessaires :

1. Suppression des doublons et des œuvres sans aucune localisation renseignée ;
2. Calcul du nombre d’œuvres par musée (localisation) ;
3. Géoréférencement¹⁴ des musées abritant des œuvres de Vermeer.

data2_WQSR <- data2_WQSR[!is.na(data2_WQSR$coord), ]

data2_WQSR <- data2_WQSR[!duplicated(data2_WQSR[, c("oeuvreLabel", "museeLabel")]), ]

4.1.2 Regroupement par musée

Plusieurs œuvres semblent avoir été exposées dans les mêmes lieux. Afin de cartographier les musées ayant exposé différentes œuvres de Johannes Vermeer, nous réalisons un regroupement des œuvres par intitulé des musées (musee), tout en calculant le nombre d’œuvres que chacune de ces institutions a exposées au cours du temps. Pour cette opération, nous utilisons l’opérateur pipe (|>) qui permet d’enchaîner plusieurs fonctions de manière lisible.

library(dplyr)

nb_oeuvres_musee <- data2_WQSR |>
                      group_by(musees = museeLabel, coords = coord) |> 
                      summarise(nb_oeuvres = n())

Histogramme de répartition des musées en fonction du nombre d’œuvres de Vermeer exposées :

library(ggplot2)

ggplot(nb_oeuvres_musee, aes(x = nb_oeuvres)) +
    geom_histogram(binwidth=1, color="white")  + 
    scale_y_continuous(n.breaks = 8) +
    xlab("Nombre d'œuvres exposées") +
    ylab("Nombre de musées")

Graphique 1 : Distribution du nombre d’œuvres de Johannes Vermeer exposées par musée.

library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvres_musee$coords, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
musee_geo  <- st_as_sf(nb_oeuvres_musee, geometry)

library(mapview)

# Affichage interactif des musées, sur un fond de carte OpenStreetMap
mapview(musee_geo) 

library(tmap)

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Carte en symboles proportionnels
tm_basemap() +
tm_shape(musee_geo) +
tm_symbols(size="nb_oeuvres",
           scale = 3,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           id = "musees",
           popup.vars=c("Nombre d'œuvres :"="nb_oeuvres" )) 

library(rnaturalearth)

# Téléchargement et enregistrement d'un fond de carte "pays"
monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")

monde <- sf::st_read("data/world/ne_50m_admin_0_countries.shp", quiet = TRUE ) 

plot(st_geometry(monde))

musee_geo <- st_intersection(musee_geo, monde[, "ADM0_A3"])

4.1.6 Répartition par pays

Nous pouvons réaliser une représentation graphique de la distribution spatiale des musées. Pour cela, nous calculons le nombre total d’œuvres exposées par pays :

nb_oeuvres_pays <- musee_geo |> 
                      group_by(ADM0_A3) |> 
                      summarise(nb_oeuvres=sum(nb_oeuvres))

Nous pouvons ensuite construire le graphique :

# Graphique en barre - Nombre d'œuvres par pays
ggplot(data = nb_oeuvres_pays, 
       aes(x = reorder(ADM0_A3, -nb_oeuvres), y = nb_oeuvres, fill = ADM0_A3)) +
  geom_bar(stat = "identity") +
  scale_y_continuous(n.breaks=8) +
  ggtitle("Nombre d'œuvres de Johannes Vermeer exposées, par pays") +
  xlab("") +
  ylab("") +
  scale_fill_manual(values = c("#FC8D62", "#80B1D3"  ,"#E78AC3",
                               "#A6D854","#FFD92F","#E5C494",
                               "#FB8072","#BEBADA","#66C2A5",
                               "#FFFFB3","#8DA0CB")) +
  annotate(geom="text", 
           x = 6, 
           y = 9, 
           label = "*Une œuvre peut avoir été\n exposée dans plusieurs pays" ) +
  theme(legend.position = "none")

Graphique 2 : Représentation histographique du nombre de peintures de Johannes Vermeer exposées dans différents pays au cours du temps.

4.2 La “Dame assise au virginal”

Les données issues de la troisième requête SPARQL (“data3_WQSR”) contiennent l’ensemble des localisations renseignées pour l’œuvre de Johannes Vermeer “A Young Woman Seated at the Virginals” (ou “Dame assise au virginal” en français). Nous allons donc réaliser un processus de nettoyage et de géoréférencement très semblable à celui de la partie précédente.

data <- data3_WQSR[!duplicated(data3_WQSR$dated), ]

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(data$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
data_geo  <- st_as_sf(data, geometry)

# Regroupement par musée - Calcul du nombre total d'expositions
nb_expos_musee_geo <- data_geo |>
                        group_by(museeLabel) |>
                        summarise(nb_expos=n())

# Création du pop-up
content <- paste0( "<img  src='",
                   image_oeuvre[[1]],
                   "' width='180'><br /><b>",  
                   nb_expos_musee_geo$musee,
                   "</b><br />Nombre d'expositions de l'œuvre : <b>",
                   nb_expos_musee_geo$nb_expos,
                   "</b>")

# Affichage de la carte
mapview(nb_expos_musee_geo,
        zcol = "museeLabel",
        col.regions = "red",
        legend = FALSE,
        popup = content,
        map.types = "Esri.WorldImagery")

# Jointure spatiale points/pays
data_geo <-st_intersection(data_geo, monde[,"ADM0_A3"])

5.1 Période d’exposition du tableau

Pour manipuler facilement le temps, nous commençons par convertir les dates d’arrivée et de départ de l’œuvre dans chaque musée en format de type date.

data_geo$datef <- as.Date(data_geo$datef)
data_geo$dated <- as.Date(data_geo$dated)

Il est ensuite simple de calculer le nombre de jours de présence dans un musée :

data_geo$duree <- as.integer(data_geo$datef  - data_geo$dated)

Le tableau ayant été exposé à plusieurs reprises dans certains musées, nous calculons le nombre de jours total d’exposition par musée.

data_musee <- data_geo |>
                group_by(museeLabel, ADM0_A3) |> 
                summarise(duree = sum(duree), nb_expos = n())

Plusieurs informations collectées peuvent être cartographiées. Voici un exemple de carte interactive réalisée avec tmap, qui représente le nombre de jours d’exposition du tableau dans les différents musées.

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Construction d'une carte en symbole proportionnel
tm_basemap() +

tm_shape(data_musee) +
tm_symbols(size ="duree",
           col = "ADM0_A3",
           scale = 4,
           border.col="white",
           alpha = 0.7,
           lwd=0.1,
           border.alpha=0.5,
           title.col="Pays d'exposition",
           id = "museeLabel",
           popup.vars=c("Nombre total de jours :"="duree", 
                        "Nombre total de séjours :"="nb_expos")) 

5.2 Carte temporelle animée

La carte précédente ne permet pas de rendre compte de la trajectoire spatio-temporelle de l’œuvre. Une carte animée représentant la localisation de l’œuvre au cours du temps permettrait de formaliser son déplacement dans l’espace et dans le temps.

Pour cela, nous devons dans un premier temps choisir un pas de temps. La période de temps analysée est de presque 20 ans et le tableau peut avoir été exposé dans deux musées différents au cours d’un même mois. Nous choisissons donc de construire une carte animée réglée sur un pas de temps hebdomadaire, ce qui laissera le temps aux lecteur·rice·s de lire les informations affichées.

Un partir de ce pas de temps, nous créons un data.frame où chaque ligne représente une semaine calendaire située entre le 8 mars 2001 et le 13 janvier 2019 à l’aide de la fonction seq(). Nous créons également des colonnes vides qui permettront de conserver l’ensemble des informations de localisation de l’œuvre pour chaque semaine.

data_semaine <- data.frame(semaine = seq(min(data_geo$dated), max(data_geo$datef), "week"),
                           museeLabel = as.character(NA),
                           duree = as.integer(NA),
                           pays = as.character(NA),
                           geometry = NA)

Une boucle for permet de parcourir le tableau et d’obtenir les informations de localisation de l’œuvre si la date du premier jour d’une semaine ciblée data_semaine$week[i] est située entre une date d’arrivée et de départ dans le tableau data_geo. Si c’est le cas, on inscrit les informations du tableau data_geodans le tableau data_semaine.

for (i in 1:nrow(data_semaine)){

# Sélection des lignes où : date d'arrivée <= week[i] <= Date de départ
temp <-   data_geo[data_geo$dated <= data_semaine$semaine[i] & data_geo$datef >= data_semaine$semaine[i], c("museeLabel", "duree", "ADM0_A3", "geometry")]

# Si une ligne est sélectionnée, on l'ajoute dans l'objet 'data_semaine'
if (nrow(temp)==1){data_semaine[i,2:5] <- temp}

}

Nous modifions ensuite les valeurs restées manquantes, pour les semaines où la peinture n’a pas été exposée.

data_semaine <- data_semaine |>  
                    mutate(
                      # si musée non renseigné, remplace par "Emplacement inconnu"
                      museeLabel=case_when(is.na(museeLabel)~"Emplacement inconnu", TRUE~museeLabel),
                      # si pays non renseigné, remplace par "pays ?"
                      pays=case_when(is.na(pays)~"pays ?", TRUE~pays),
                      # si durée non renseignée, remplace par 0
                      duree=case_when(is.na(duree)~0, TRUE~duree)
                      ) 

Affichage du data.frame data_semaine :

Les coordonnées contenues dans la colonne geometry nous permettent de convertir ce data.frame en objet sf (couche géographique).

data_semaine <-st_as_sf(data_semaine)

Les données sont prêtes pour construire une carte animée qui représente la localisation de l’œuvre pour chaque semaine calendaire de 2001 à 2019. Pour cela, nous utilisons le package tmap, son mode plot (cartographique statique), sa fonction tm_facet (génère plusieurs cartes en fonction d’une variable) et sa fonction tmap_animation pour créer une carte animée en format vidéo.

# Cartographie en mode statique  
tmap_mode(mode = "plot")

# Création d'une carte stockée dans l'objet CARTE
CARTE  <- tm_shape(monde) +                      # Ajout fond de carte monde
          tm_polygons(col = "grey70", 
                  border.col = "grey60", 
                  border.lwd = 0.2) +
          
          tm_shape(data_semaine) +               # Ajout des musées, mais...
          tm_symbols(col = "red") +              
  
          tm_facets(along = "semaine",           # Une carte / semaine grâce à tm_facet
                    free.coords= FALSE, 
                    drop.units=FALSE)  +
      
          tm_layout(main.title ="",              # Gestion du titre
                    panel.label.fontface = 2,
                    panel.labels = paste0("Semaine du ", format(x = data_semaine$semaine, format = "%d %b %Y" )),
                    bg.color="lightblue") +
    
          tm_credits(bg.color = 'red',           # Affichage Nom des musées et Nombre de jours d'exposition
                     width = 0.5,
                     position = c('center', 'bottom'),
                     text = paste0(data_semaine$musees," (",data_semaine$pays,")\n",data_semaine$duree, " jours d'exposition"),
                     size = 1.2,
                     fontface = "bold",
                     col = 'white',
                     align = 'center')

Avec la fonction tm_facet, ce bout de code crée autant de cartes qu’il y a de lignes dans le tableau data_semaine.

Il est ensuite très facile de convertir cet objet list qui contient l’ensemble des cartes produites en fichier mp4 avec la fonction tmap_animation.

# Installation du package av
install.packages("av")

# Création du GIF
tmap_animation(tm = CARTE, 
               filename = "figures/peinture_en_voyage.mp4", 
               width=800, 
               height = 400, 
               fps = 15,                 
               outer.margins = 0)

Voilà le résultat !

6.1 Préparation des données

Une mise en forme des données est nécessaire pour construire ce type de frise chronologique avec ggplot2. Par exemple, le tri des données est important pour gérer l’ordre d’apparition des individus et des modalités sur le graphique.

Tri du tableau en fonction de la date (“dated”) d’arrivée dans chaque musée.

data_geo <- data_geo[order(data_geo$dated, decreasing = FALSE), ] 

Tri d’ordre d’apparition des modalités (levels) pour les variables “nomLabel” (= “musee”) et “ADM0_A3” (= “pays”) que l’on transforme en factor.

# Tri des "levels" des musées
data_geo$museeLabel <- ordered(as.factor(data_geo$museeLabel), levels = unique(data_geo$museeLabel))

# Tri des "levels" des pays
data_geo$pays <- ordered(as.factor(data_geo$ADM0_A3), levels = unique(data_geo$ADM0_A3))

Nous créons une nouvelle colonne qui sera utilisée comme étiquette dans le graphique. Dans cette colonne, les noms des musées n’apparaissent qu’une fois, uniquement pour la première exposition.

# Sélection des premières dates d'arrivée (s'il en existe plusieurs) pour chaque musée
fisrt_expo <- data_geo[!duplicated(data_geo$museeLabel), c("museeLabel", "dated")]

# Suppression de la colonne de géométrie 
fisrt_expo <- st_drop_geometry(fisrt_expo)

# Jointure par la date d'arrivée - ajout de la colonne label (nomLabel.y)
data_geo <- merge(data_geo, fisrt_expo, by="dated", all.x=TRUE)

Extrait du tableau de données après traitement :

6.2 Construction graphique

ggplot(data_geo, aes(x = dated, y = museeLabel.x))

frise <- ggplot(data_geo, aes(x = dated, y = museeLabel.x, color = pays)) +
                    geom_segment(aes(xend = datef, yend = museeLabel.x, color =  pays), size = 6)

# Affichage du graphique
frise

frise <-  frise +
          # Ajout d'une étiquette pour chaque segment représenté
          geom_text(aes(label = museeLabel.y, hjust =1.05), size = 3.5, show.legend = FALSE) +
          # Modification de la palette de couleurs (ADM0_A3)
          scale_color_manual(values = c("#7570b3", "#e7298a", "#66a61e", "#e6ab02", "#a6761d","#1b9e77", "#d95f02"))

# Affichage du graphique
frise

frise <- frise +
  
          # Modification de l'axe des abscisses
          scale_x_date(date_labels = "%Y", date_breaks = "2 year", minor_breaks = "1 year",
                           limits = c(as.Date("1994-01-01"),as.Date("2019-01-13")) ) +
  
          # Ajout d'un titre et d'un sous-titre
          labs(title = "Le voyage d'un tableau de Johannes Vermeer",
               subtitle = "Aux pays des musées, de 2001 à 2019") +
  
          # Paramétrage du "thème"
          theme(panel.grid.major.y = element_blank(),
                panel.grid.major.x = element_line(size = 0.2, colour = "#707073"),
                panel.grid.minor.x = element_line(size = 0.2, linetype = 3, colour = "#707073"),
                panel.border = element_blank(),
                panel.background = element_blank(),
                axis.text.y = element_blank(),
                axis.text.x = element_text(size=8.5, colour = "#FFFFFF"),
                axis.title = element_blank(),
                rect = element_rect(fill = "#2a2a2b"),
                legend.position =  c(.93, .25),
                legend.key = element_rect(fill  = "#2a2a2b"),
                legend.key.height = unit(0.4, 'cm'),
                legend.background = element_rect(fill  = "#2a2a2b"),
                legend.margin = margin(0.5,1,1,1),
                legend.title = element_blank(),
                legend.text = element_text(colour = "#FFFFFF",  size = 7),
                title = element_text(colour = "#FFFFFF", hjust = 1, vjust = 0),
                plot.margin=unit(c(1,1,0.5,1),"cm"))

# Affichage du graphique
frise

library(jpeg)

img <- readJPEG("data/images/Q4660880.jpg", native = TRUE)

library(patchwork)

        # Titre de l'image
frise + annotate("text", 
                 x = as.Date("1997-03-01"), 
                 y = 7, 
                 colour = "#FFFFFF", 
                 size = 3.4,
                 label = "Young Woman Seated\nat a Virginal  (1670)") +
  
         # Insertion de l'image
         inset_element(p = img, 
                       clip = TRUE, 
                       left = 0.04, 
                       right = 0.27, 
                       top = 0.95, 
                       bottom = 0.46)

7.1 Code reproductible

Copiez-collez les lignes de code suivantes dans une session Rstudio. Indiquez l’identifiant Wikidata de l’artiste peintre de votre choix ainsi que son nom en début de programme, puis exécutez !

Voici quelques exemples d’artistes peintres que vous pouvez requêter :

• Salvador Dalí Q5577
  
• Nandalal Bose Q3348980
  
• Kalervo Palsa Q320590
  
• Katsushika Hokusai Q5586
  
• Edvard Munch Q41406
  
• Pablo Picasso Q5593.

#-------------------------------------------------------------------------------------------------#
#                                                                                                 #
#                                   Exploration spatio-temporelle                                 #
#                                 de l'exposition des œuvres de Pablo Picasso                               #
#                                         Selon Wikidata                                        #
#                                                                                                 #
#-------------------------------------------------------------------------------------------------#    

#--------------------------------------- PACKAGES NECESSAIRES ------------------------------------#

# install.packages("WikidataQueryServiceR")
# install.packages("sf")
# install.packages("rnaturalearth")
# install.packages("ggplot2")
# install.packages("tmap")


######################################### CHOIX DE L'ARTISTE ######################################


ID <- "Q5593"
NOM <- "Pablo Picasso"


#---------------------------------------------- REQUETE ------------------------------------------#

library(WikidataQueryServiceR)

# Construction de la requête SPARQL avec l'identifiant (ID) indiqué
entite_peintre <- paste0("wd:",ID)
 
 query <-  "SELECT ?oeuvreLabel ?museeLabel ?coord WHERE \
{\
  ?oeuvre wdt:P170",entite_peintre," . \
    OPTIONAL \
      {\ 
        ?oeuvre wdt:P276 ?musee . \
        ?musee wdt:P625 ?coord \
      }\
    SERVICE wikibase:label \
    {\
    bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], fr,en \".\
    }\
}"

# Requête SPARQL
my_data <- query_wikidata(query)


#----------------------------------------- NETTOYAGE DES DONNEES -------------------------------------#

# Suppression des doublons
my_data <- my_data[!duplicated(my_data$oeuvreLabel), ]

# Suppression des entités (musées et institutions) sans coordonnées renseignées
my_data <- my_data[!is.na(my_data$coord), ]


#-------------------------------------- REGROUPEMENT PAR MUSEE -----------------------------------#

nb_oeuvre <- aggregate(oeuvreLabel ~ coord + museeLabel, data = my_data, FUN = length)
colnames(nb_oeuvre)[3] <- "nb_oeuvre"


#----------------------------------------- GEOREFERENCEMENT --------------------------------------#

library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvre$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
nb_oeuvre_by_museum <- st_as_sf(nb_oeuvre, geometry)



#------------------------------- ENRICHISSEMENT - JOINTURE SPATIALE -----------------------------#

library(rnaturalearth)
 
# Import de la couche géographique des pays
monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")



# Jointure spatiale
nb_oeuvre_by_museum <-st_intersection(nb_oeuvre_by_museum , monde[,"ADM0_A3"])


#---------------------------------- GRAPHIQUE NOMBRE ŒUVRES PAR PAYS ----------------------------#

# Regroupement par pays 
by_country <- aggregate(nb_oeuvre ~ ADM0_A3 , data = nb_oeuvre_by_museum, FUN = sum)


# Graphique 
library(ggplot2)

 ggplot(data = by_country, aes(x = ADM0_A3, y = nb_oeuvre) )  +
  geom_bar(stat="identity") +
  ggtitle(paste0("Nombre d'œuvres de ", NOM ,", par pays")) +
  xlab("") +
  ylab("") +
  theme(legend.position = "none",
        axis.text.x = element_text(size=8),
        axis.text.y = element_text(size=11))


#----------------------------- CARTOGRAPHIE - NOMBRE ŒUVRES PAR MUSEE ---------------------------#

 library(tmap)

 tmap_mode(mode = "view")
 tm_shape(nb_oeuvre_by_museum) +
 tm_symbols(size="nb_oeuvre",
           scale = 2,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="nb_oeuvre"))

7.2 Données et graphiques produits

Voici un exemple des données et graphiques produits avec l’artiste peintre et graveur norvégien Edvard Munch, ayant pour identifiant Wikidata : Q41406.

ID <- "Q41406"
NOM <- "Edvard Munch"

Dans un premier temps, le code permet de collecter l’ensemble des œuvres créées par l’artiste, ainsi que leurs localisations associées via une requête SPARQL :

Les données collectées font ensuite l’objet de deux représentations graphiques :

Enfin, le code construit une carte interactive représentant le nombre d’œuvres exposées par musée :