Reconstitution historique de la moralisation humaine à partir d’associations de mots et de corpus textuels

Comment notre sens du bien et du mal évolue avec le temps

Pourquoi le tabagisme est-il passé du statut de pratique glamour à celui de source de honte, ou pourquoi l’esclavage est-il devenu, d’une institution banalisée, une indéniable indignation morale ? Cet article aborde une question apparemment simple : comment des idées, des pratiques, voire des personnes en viennent-elles à être perçues comme moralement bonnes ou mauvaises sur des décennies et des siècles ? En utilisant d’immenses collections d’écrits en anglais et des outils d’IA modernes, les chercheur·e·s construisent une sorte de « machine temporelle morale » qui suit le moment où des concepts acquièrent un poids moral — et si ce poids est positif ou négatif.

Transformer le langage en machine temporelle morale

Les auteur·rice·s présentent HistMoral, un cadre computationnel en accès libre qui reconstitue comment le jugement moral à l’égard de plus de 20 000 concepts a évolué au cours des 150 dernières années. Plutôt que d’interroger directement des personnes vivantes sur chaque concept, ils partent de vastes expériences d’associations de mots où des participant·e·s répondent à un mot-indice, par exemple « tabagisme », par ce qui leur vient à l’esprit. Si de nombreuses réponses sont des mots moraux comme « mauvais », « mal » ou « addiction », le concept est considéré comme fortement moralisé. Ces données psychologiques définissent deux mesures clés : la pertinence morale (dans quelle mesure un concept est pensé en termes moraux) et la polarité morale (si ces pensées morales sont essentiellement positives ou négatives).

Reconstituer des associations morales perdues à partir de textes anciens

Les archives historiques ne sont évidemment pas accompagnées de tests d’associations de mots, aussi l’équipe trouve-t-elle une solution astucieuse. Elle se tourne vers d’immenses archives textuelles comme le Corpus of Historical American English et le New York Times, qui couvrent conjointement plus d’un siècle et demi de langue écrite. À chaque décennie ou année, elles cartographient la fréquence d’apparition conjointe des mots et alimentent les phrases environnantes dans des modèles de langage modernes comme BERT pour capturer des nuances de sens. Ces motifs servent à construire un réseau où chaque mot est un nœud connecté à d’autres mots qu’il accompagne fréquemment, et où chaque nœud reçoit une riche représentation numérique de sa signification à cette époque.

Apprendre à un réseau à percevoir la moralité

Pour relier ces réseaux lexicaux historiques au jugement moral humain, les chercheur·e·s entraînent un réseau neuronal sur graphes — un type d’IA conçu pour travailler sur des réseaux — à prédire la pertinence et la polarité morales des mots pour les décennies récentes où existent des données d’associations humaines. Une fois que le modèle a appris comment les schémas de cooccurrence et de sens se rapportent aux impressions morales des gens, il peut être appliqué en arrière dans le temps, estimant comment les vues morales sur des concepts comme « tabagisme », « armes nucléaires » ou « jeux d’argent » ont augmenté ou diminué au fil des décennies. Le système produit des « trajectoires temporelles » morales continues qui révèlent, par exemple, comment le tabagisme s’est peu à peu transformé d’un statut relativement neutre à un jugement fortement négatif, en phase avec les campagnes de santé et la législation du milieu du XXe siècle.

Ce qui devient moral — et quand

Avec ces chronologies reconstituées en main, les auteur·rice·s testent si HistMoral se comporte comme on s’y attend. Les maladies et les dirigeants mondiaux — sujets que des recherches antérieures montrent souvent moraliser — reçoivent en effet des scores de pertinence morale plus élevés que des mots de comparaison. Les concepts liés aux guerres deviennent plus chargés moralement et plus négatifs pendant les conflits que pendant les périodes de paix. Sur 117 catégories, telles que « maladies », « relations familiales » ou « êtres surnaturels », le modèle révèle des tendances communes : les concepts liés aux maladies non seulement commencent avec une charge morale, mais deviennent de plus en plus marqués, tandis que les êtres surnaturels restent moraux mais perdent progressivement en importance. Les chercheur·e·s constatent aussi que les mots d’une même catégorie montrent souvent des trajectoires morales similaires, suggérant que des familles entières de concepts dérivent ensemble dans l’espace moral.

Moralité, argent et politique

Le cadre met également au jour des liens entre le langage moral et les changements économiques et politiques réels. En suivant les produits de consommation dans la couverture médiatique parallèlement aux statistiques fédérales de prix, les auteur·rice·s observent que lorsque des produits deviennent associés à des idées moralement plus négatives d’une année sur l’autre, leurs prix de détail augmentent souvent — peut-être en raison de taxes, de régulation ou de crises qui augmentent les coûts tout en suscitant une préoccupation morale. Dans le discours politique américain, les concepts qui gagnent en pertinence morale deviennent plus présents dans les débats au Congrès. Autour des élections présidentielles, différents sujets — comme l’environnement, la santé ou les impôts — fluctuent en intensité morale selon le parti qui remporte la victoire, ce qui suggère une interaction bidirectionnelle entre la préoccupation morale publique et la stratégie politique.

Pourquoi cette nouvelle perspective sur la moralité compte

Dans la vie quotidienne, le changement moral peut sembler soudain et mystérieux : une génération hausse les épaules devant un problème que la suivante considère comme une grave injustice. HistMoral montre que sous ces points de basculement se trouvent des déplacements progressifs détectables dans notre usage du langage au fil du temps. En combinant des théories psychologiques de la morale, des associations de mots humaines et l’IA moderne, ce cadre offre un moyen puissant de cartographier quand des concepts deviennent des foyers moraux, s’ils sont perçus comme des vertus ou des vices, et comment ces changements se rapportent à des événements sociaux, économiques et politiques plus larges. Pour le lecteur général, le message clé est que notre paysage moral n’est pas figé : il évolue selon des schémas que nous pouvons désormais commencer à mesurer, comparer et peut‑être même anticiper.

Citation: Ramezani, A., Stellar, J.E., Feinberg, M. et al. Historical reconstruction of human moralization with word association and text corpora. Nat Commun 17, 3412 (2026). https://doi.org/10.1038/s41467-025-67891-2

Mots-clés: moralisation, langage historique, associations de mots, réseaux neuronaux sur graphes, changement social