Deep Learning with Python 2nd Edition François

Chollet pdf download

https://ebookfinal.com/download/deep-learning-with-python-2nd-
edition-francois-chollet/

Explore and download more ebooks or textbooks

at ebookfinal.com
We have selected some products that you may be interested in
Click the link to download now or visit ebookfinal.com
for more options!.

Deep Learning for Finance Creating Machine Deep Learning

Models for Trading in Python 1st Edition Kaabar

https://ebookfinal.com/download/deep-learning-for-finance-creating-
machine-deep-learning-models-for-trading-in-python-1st-edition-kaabar/

Thoughtful Machine Learning with Python Early Release

Matthew Kirk

https://ebookfinal.com/download/thoughtful-machine-learning-with-
python-early-release-matthew-kirk/

Learning Unix for OS X Going Deep With the Terminal and

Shell 2nd Edition Dave Taylor

https://ebookfinal.com/download/learning-unix-for-os-x-going-deep-
with-the-terminal-and-shell-2nd-edition-dave-taylor/

Machine Learning with Spark and Python Essential

Techniques for Predictive Analytics 2nd Edition Michael
Bowles
https://ebookfinal.com/download/machine-learning-with-spark-and-
python-essential-techniques-for-predictive-analytics-2nd-edition-
michael-bowles/
Programming Python with CD 2nd Edition Mark Lutz

https://ebookfinal.com/download/programming-python-with-cd-2nd-
edition-mark-lutz/

Learning OpenCV 5 Computer Vision with Python Fourth

Edition Joseph Howse & Joe Minichino

https://ebookfinal.com/download/learning-opencv-5-computer-vision-
with-python-fourth-edition-joseph-howse-joe-minichino/

Tensorflow for Deep Learning Reza Bosagh Zadeh

https://ebookfinal.com/download/tensorflow-for-deep-learning-reza-
bosagh-zadeh/

Python Machine Learning Second Edition Sebastian Raschka

https://ebookfinal.com/download/python-machine-learning-second-
edition-sebastian-raschka/

Deep Learning for Coders with fastai PyTorch AI

Applications Without a PhD 1st Edition Jeremy Howard

https://ebookfinal.com/download/deep-learning-for-coders-with-fastai-
pytorch-ai-applications-without-a-phd-1st-edition-jeremy-howard/
Deep Learning with Python 2nd Edition François
Chollet Digital Instant Download
Author(s): François Chollet
ISBN(s): 9781617296864, 1617296864
Edition: 2
File Details: PDF, 7.69 MB
Year: 2021
Language: english
SECOND EDITION

François Chollet

MANNING
Deep Learning with Python
Deep Learning
with Python
SECOND EDITION

FRANÇOIS CHOLLET

MANNING
SHELTER ISLAND
For online information and ordering of this and other Manning books, please visit
www.manning.com. The publisher offers discounts on this book when ordered in quantity.
For more information, please contact
Special Sales Department
Manning Publications Co.
20 Baldwin Road
PO Box 761
Shelter Island, NY 11964
Email: [email protected]

©2021 by Manning Publications Co. All rights reserved.

No part of this publication may be reproduced, stored in a retrieval system, or transmitted, in

any form or by means electronic, mechanical, photocopying, or otherwise, without prior written
permission of the publisher.

Many of the designations used by manufacturers and sellers to distinguish their products are
claimed as trademarks. Where those designations appear in the book, and Manning Publications
was aware of a trademark claim, the designations have been printed in initial caps or all caps.

Recognizing the importance of preserving what has been written, it is Manning’s policy to have
the books we publish printed on acid-free paper, and we exert our best efforts to that end.
Recognizing also our responsibility to conserve the resources of our planet, Manning books
are printed on paper that is at least 15 percent recycled and processed without the use of
elemental chlorine.

The author and publisher have made every effort to ensure that the information in this book
was correct at press time. The author and publisher do not assume and hereby disclaim any
liability to any party for any loss, damage, or disruption caused by errors or omissions, whether
such errors or omissions result from negligence, accident, or any other cause, or from any usage
of the information herein.

Development editor: Jennifer Stout

Technical development editor: Frances Buontempo
Manning Publications Co. Review editor: Aleksandar Dragosavljević
20 Baldwin Road Production editor: Keri Hales
PO Box 761 Copy editor: Andy Carroll
Shelter Island, NY 11964 Proofreaders: Katie Tennant and Melody Dolab
Technical proofreader: Karsten Strøbæk
Typesetter: Dennis Dalinnik
Cover designer: Marija Tudor

ISBN: 9781617296864
Printed in the United States of America
To my son Sylvain: I hope you’ll read this book someday!
 brief contents
1 ■ What is deep learning? 1
2 ■ The mathematical building blocks
of neural networks 26
3 ■ Introduction to Keras and TensorFlow 68
4 ■ Getting started with neural networks: Classification
and regression 95
5 ■ Fundamentals of machine learning 121
6 ■ The universal workflow of machine learning 153
7 ■ Working with Keras: A deep dive 172
8 ■ Introduction to deep learning
for computer vision 201
9 ■ Advanced deep learning for computer vision 238
10 ■ Deep learning for timeseries 280
11 ■ Deep learning for text 309
12 ■ Generative deep learning 364
13 ■ Best practices for the real world 412
14 ■ Conclusions 431

vii
 contents
preface xvii
acknowledgments xix
about this book xx
about the author xxiii
about the cover illustration xxiv

1 What is deep learning?

1.1
1
Artificial intelligence, machine learning, and deep
learning 2
Artificial intelligence 2 Machine learning 3 Learning
■ ■

rules and representations from data 4 The “deep” in “deep

■

learning” 7 Understanding how deep learning works, in

■

three figures 8 What deep learning has achieved so far 10

■

Don’t believe the short-term hype 11 The promise of AI 12

■

1.2 Before deep learning: A brief history of machine

learning 13
Probabilistic modeling 13 Early neural networks 14
■

Kernel methods 14 Decision trees, random forests, and

■

gradient boosting machines 15 Back to neural networks 16

■

What makes deep learning different 17 The modern machine

■

learning landscape 18

ix
x CONTENTS

1.3 Why deep learning? Why now? 20

Hardware 20 Data 21 Algorithms 22 A new wave of
■ ■ ■

investment 23 The democratization of deep learning 24

■

Will it last? 24

2 The mathematical building blocks of neural networks

2.1 A first look at a neural network 27
26

2.2 Data representations for neural networks 31

Scalars (rank-0 tensors) 31 Vectors (rank-1 tensors) 31
■

Matrices (rank-2 tensors) 32 Rank-3 and higher-rank

■

tensors 32 Key attributes 32 Manipulating tensors in

■ ■

NumPy 34 The notion of data batches 35 Real-world

■ ■

examples of data tensors 35 Vector data 35 Timeseries data

■ ■

or sequence data 36 Image data 37 Video data 37

■ ■

2.3 The gears of neural networks: Tensor operations 38

Element-wise operations 38 Broadcasting 40 Tensor product 41
■ ■

Tensor reshaping 43 Geometric interpretation of tensor operations 44

■

A geometric interpretation of deep learning 47

2.4 The engine of neural networks: Gradient-based
optimization 48
What’s a derivative? 49 Derivative of a tensor operation:
■

The gradient 51 Stochastic gradient descent 52 Chaining

■ ■

derivatives: The Backpropagation algorithm 55

2.5 Looking back at our first example 61
Reimplementing our first example from scratch in TensorFlow 63
Running one training step 64 The full training loop 65
■

Evaluating the model 66

3 Introduction to Keras and TensorFlow

3.1 What’s TensorFlow? 69
68

3.2 What’s Keras? 69

3.3 Keras and TensorFlow: A brief history 71
3.4 Setting up a deep learning workspace 71
Jupyter notebooks: The preferred way to run deep learning
experiments 72 Using Colaboratory 73
■

3.5 First steps with TensorFlow 75

Constant tensors and variables 76 Tensor operations: Doing
■

math in TensorFlow 78 A second look at the GradientTape

■

API 78 An end-to-end example: A linear classifier in pure

■

TensorFlow 79
 CONTENTS xi

3.6 Anatomy of a neural network: Understanding core

Keras APIs 84
Layers: The building blocks of deep learning 84 From layers ■

to models 87 The “compile” step: Configuring the learning

■

process 88 Picking a loss function 90 Understanding the

■ ■

fit() method 91 Monitoring loss and metrics on validation

■

data 91 Inference: Using a model after training 93

■

4 Getting started with neural networks: Classification and

regression 95
4.1 Classifying movie reviews: A binary classification
example 97
The IMDB dataset 97 Preparing the data 98 Building your
■ ■

model 99 Validating your approach 102 Using a trained

■ ■

model to generate predictions on new data 105 Further ■

experiments 105 Wrapping up 106 ■

4.2 Classifying newswires: A multiclass classification

example 106
The Reuters dataset 106 Preparing the data 107 Building
■ ■

your model 108 Validating your approach 109 Generating

■ ■

predictions on new data 111 A different way to handle the labels

■

and the loss 112 The importance of having sufficiently large

■

intermediate layers 112 Further experiments 113

■

Wrapping up 113
4.3 Predicting house prices: A regression example 113
The Boston housing price dataset 114 Preparing the data 114 ■

Building your model 115 Validating your approach using

■

K-fold validation 115 Generating predictions on new

■

data 119 Wrapping up 119

■

5 Fundamentals of machine learning

5.1 Generalization: The goal of machine learning
Underfitting and overfitting 122 ■
121

The nature of generalization

121

in deep learning 127

5.2 Evaluating machine learning models 133
Training, validation, and test sets 133 Beating a common-sense ■

baseline 136 Things to keep in mind about model

■

evaluation 137
5.3 Improving model fit 138
Tuning key gradient descent parameters 138 Leveraging better ■

architecture priors 139 Increasing model capacity 140

■
xii CONTENTS

5.4 Improving generalization 142

Dataset curation 142 Feature engineering 143
■ ■
Using early
stopping 144 Regularizing your model 145
■

6 The universal workflow of machine learning

6.1 Define the task 155
Frame the problem 155 Collect a dataset 156 Understand
■
153

your data 160 Choose a measure of success 160

■

6.2 Develop a model 161

Prepare the data 161 Choose an evaluation protocol
■
162
Beat a baseline 163 Scale up: Develop a model that
■

overfits 164 Regularize and tune your model 165

■

6.3 Deploy the model 165

Explain your work to stakeholders and set expectations 165
Ship an inference model 166 Monitor your model in the ■

wild 169 Maintain your model 170

■

7 Working with Keras: A deep dive

7.1 A spectrum of workflows 173
172

7.2 Different ways to build Keras models 173

The Sequential model 174 The Functional API 176 ■

Subclassing the Model class 182 Mixing and matching different ■

components 184 Remember: Use the right tool for the job 185
■

7.3 Using built-in training and evaluation loops 185

Writing your own metrics 186 Using callbacks 187 ■

Writing your own callbacks 189 Monitoring and visualization ■

with TensorBoard 190

7.4 Writing your own training and evaluation loops 192
Training versus inference 194 Low-level usage of metrics 195■

A complete training and evaluation loop 195 Make it fast with ■

tf.function 197 Leveraging fit() with a custom training loop 198

■

8 Introduction to deep learning for computer vision

8.1 Introduction to convnets
The convolution operation 204
202
■
The max-pooling
201

operation 209
8.2 Training a convnet from scratch on a small dataset 211
The relevance of deep learning for small-data problems 212
Downloading the data 212 Building the model 215 ■

Data preprocessing 217 Using data augmentation 221

■
 CONTENTS xiii

8.3 Leveraging a pretrained model 224

Feature extraction with a pretrained model 225 ■
Fine-tuning a
pretrained model 234

9 Advanced deep learning for computer vision

9.1 Three essential computer vision tasks 238
238

9.2 An image segmentation example 240

9.3 Modern convnet architecture patterns 248
Modularity, hierarchy, and reuse 249 Residual connections 251
■

Batch normalization 255 Depthwise separable convolutions 257

■

Putting it together: A mini Xception-like model 259

9.4 Interpreting what convnets learn 261
Visualizing intermediate activations 262 Visualizing convnet
■

filters 268 Visualizing heatmaps of class activation 273

■

10 Deep learning for timeseries

10.1
280
Different kinds of timeseries tasks 280
10.2 A temperature-forecasting example 281
Preparing the data 285 A common-sense, non-machine learning
■

baseline 288 Let’s try a basic machine learning model 289

■

Let’s try a 1D convolutional model 290 A first recurrent

■

baseline 292
10.3 Understanding recurrent neural networks 293
A recurrent layer in Keras 296
10.4 Advanced use of recurrent neural networks 300
Using recurrent dropout to fight overfitting 300 Stacking ■

recurrent layers 303 Using bidirectional RNNs 304

■

Going even further 307

11 Deep learning for text

11.1
309
Natural language processing: The bird’s eye view 309
11.2 Preparing text data 311
Text standardization 312 ■ Text splitting (tokenization) 313
Vocabulary indexing 314 ■ Using the TextVectorization
layer 316
11.3 Two approaches for representing groups of words:
Sets and sequences 319
Preparing the IMDB movie reviews data 320 Processing words ■

as a set: The bag-of-words approach 322 Processing words as a

■

sequence: The sequence model approach 327

xiv CONTENTS

11.4 The Transformer architecture 336

Understanding self-attention 337 Multi-head attention 341
■

The Transformer encoder 342 When to use sequence models over

■

bag-of-words models 349

11.5 Beyond text classification: Sequence-to-sequence
learning 350
A machine translation example 351 Sequence-to-sequence ■

learning with RNNs 354 Sequence-to-sequence learning with

■

Transformer 358

12 Generative deep learning

12.1 Text generation 366
364

A brief history of generative deep learning for sequence

generation 366 How do you generate sequence data? 367
■

The importance of the sampling strategy 368 Implementing ■

text generation with Keras 369 A text-generation callback

■

with variable-temperature sampling 372 Wrapping up 376 ■

12.2 DeepDream 376

Implementing DeepDream in Keras 377 ■ Wrapping up 383
12.3 Neural style transfer 383
The content loss 384 The style loss 384
■ ■ Neural style transfer
in Keras 385 ■ Wrapping up 391
12.4 Generating images with variational autoencoders 391
Sampling from latent spaces of images 391 Concept vectors ■

for image editing 393 Variational autoencoders 393

■

Implementing a VAE with Keras 396 Wrapping up 401 ■

12.5 Introduction to generative adversarial networks 401

A schematic GAN implementation 402 A bag of ■

tricks 403 Getting our hands on the CelebA dataset 404

■

The discriminator 405 The generator 407 The adversarial

■ ■

network 408 Wrapping up 410

■

13 Best practices for the real world

13.1 Getting the most out of your models
Hyperparameter optimization
412

413 ■
Model ensembling
413
420
13.2 Scaling-up model training 421
Speeding up training on GPU with mixed precision 422
Multi-GPU training 425 TPU training 428 ■
 CONTENTS xv

14 Conclusions
14.1
431
Key concepts in review 432
Various approaches to AI 432 What makes deep learning special
■

within the field of machine learning 432 How to think about

■

deep learning 433 Key enabling technologies 434 The

■ ■

universal machine learning workflow 435 Key network ■

architectures 436 The space of possibilities 440

■

14.2 The limitations of deep learning 442

The risk of anthropomorphizing machine learning models 443
Automatons vs. intelligent agents 445 Local generalization vs.
■

extreme generalization 446 The purpose of intelligence 448

■

Climbing the spectrum of generalization 449

14.3 Setting the course toward greater generality in AI 450
On the importance of setting the right objective: The shortcut
rule 450 A new target 452
■

14.4 Implementing intelligence: The missing ingredients 454

Intelligence as sensitivity to abstract analogies 454 The two poles
■

of abstraction 455 The missing half of the picture 458

■

14.5 The future of deep learning 459

Models as programs 460 Blending together deep learning and
■

program synthesis 461 Lifelong learning and modular

■

subroutine reuse 463 The long-term vision 465

■

14.6 Staying up to date in a fast-moving field 466

Practice on real-world problems using Kaggle 466 Read about ■

the latest developments on arXiv 466 Explore the Keras

■

ecosystem 467
14.7 Final words 467

index 469
 preface
If you’ve picked up this book, you’re probably aware of the extraordinary progress
that deep learning has represented for the field of artificial intelligence in the recent
past. We went from near-unusable computer vision and natural language processing
to highly performant systems deployed at scale in products you use every day. The
consequences of this sudden progress extend to almost every industry. We’re already
applying deep learning to an amazing range of important problems across domains as
different as medical imaging, agriculture, autonomous driving, education, disaster
prevention, and manufacturing.
Yet, I believe deep learning is still in its early days. It has only realized a small frac-
tion of its potential so far. Over time, it will make its way to every problem where it can
help—a transformation that will take place over multiple decades.
In order to begin deploying deep learning technology to every problem that it
could solve, we need to make it accessible to as many people as possible, including
non-experts—people who aren’t researchers or graduate students. For deep learning to
reach its full potential, we need to radically democratize it. And today, I believe that
we’re at the cusp of a historical transition, where deep learning is moving out of aca-
demic labs and the R&D departments of large tech companies to become a ubiquitous
part of the toolbox of every developer out there—not unlike the trajectory of web
development in the late 1990s. Almost anyone can now build a website or web app for
their business or community of a kind that would have required a small team of special-
ist engineers in 1998. In the not-so-distant future, anyone with an idea and basic coding
skills will be able to build smart applications that learn from data.

xvii
xviii PREFACE

When I released the first version of the Keras deep learning framework in March
2015, the democratization of AI wasn’t what I had in mind. I had been doing research
in machine learning for several years and had built Keras to help me with my own
experiments. But since 2015, hundreds of thousands of newcomers have entered the
field of deep learning; many of them picked up Keras as their tool of choice. As I
watched scores of smart people use Keras in unexpected, powerful ways, I came to
care deeply about the accessibility and democratization of AI. I realized that the fur-
ther we spread these technologies, the more useful and valuable they become. Accessi-
bility quickly became an explicit goal in the development of Keras, and over a few
short years, the Keras developer community has made fantastic achievements on this
front. We’ve put deep learning into the hands of hundreds of thousands of people,
who in turn are using it to solve problems that were until recently thought to be
unsolvable.
The book you’re holding is another step on the way to making deep learning avail-
able to as many people as possible. Keras had always needed a companion course to
simultaneously cover the fundamentals of deep learning, deep learning best practices,
and Keras usage patterns. In 2016 and 2017, I did my best to produce such a course,
which became the first edition of this book, released in December 2017. It quickly
became a machine learning best seller that sold over 50,000 copies and was translated
into 12 languages.
However, the field of deep learning advances fast. Since the release of the first edi-
tion, many important developments have taken place—the release of TensorFlow 2,
the growing popularity of the Transformer architecture, and more. And so, in late
2019, I set out to update my book. I originally thought, quite naively, that it would fea-
ture about 50% new content and would end up being roughly the same length as the
first edition. In practice, after two years of work, it turned out to be over a third lon-
ger, with about 75% novel content. More than a refresh, it is a whole new book.
I wrote it with a focus on making the concepts behind deep learning, and their
implementation, as approachable as possible. Doing so didn’t require me to dumb
down anything—I strongly believe that there are no difficult ideas in deep learning. I
hope you’ll find this book valuable and that it will enable you to begin building intelli-
gent applications and solve the problems that matter to you.
 acknowledgments
First of all, I’d like to thank the Keras community for making this book possible. Over
the past six years, Keras has grown to have hundreds of open source contributors and
more than one million users. Your contributions and feedback have turned Keras into
what it is today.
On a more personal note, I’d like to thank my wife for her endless support during
the development of Keras and the writing of this book.
I’d also like to thank Google for backing the Keras project. It has been fantastic to
see Keras adopted as TensorFlow’s high-level API. A smooth integration between
Keras and TensorFlow greatly benefits both TensorFlow users and Keras users, and
makes deep learning accessible to most.
I want to thank the people at Manning who made this book possible: publisher
Marjan Bace and everyone on the editorial and production teams, including Michael
Stephens, Jennifer Stout, Aleksandar Dragosavljević, and many others who worked
behind the scenes.
Many thanks go to the technical peer reviewers: Billy O’Callaghan, Christian
Weisstanner, Conrad Taylor, Daniela Zapata Riesco, David Jacobs, Edmon Begoli,
Edmund Ronald PhD, Hao Liu, Jared Duncan, Kee Nam, Ken Fricklas, Kjell Jansson,
Milan Šarenac, Nguyen Cao, Nikos Kanakaris, Oliver Korten, Raushan Jha, Sayak Paul,
Sergio Govoni, Shashank Polasa, Todd Cook, and Viton Vitanis—and all the other
people who sent us feedback on the draft on the book.
On the technical side, special thanks go to Frances Buontempo, who served as the
book’s technical editor, and Karsten Strøbæk, who served as the book’s technical
proofreader.

xix
Discovering Diverse Content Through
Random Scribd Documents
The Project Gutenberg eBook of Le Grand
Silence Blanc: Roman vécu d'Alaska
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Le Grand Silence Blanc: Roman vécu d'Alaska

Author: Louis-Frédéric Rouquette

Author of introduction, etc.: André Lichtenberger

Release date: September 22, 2020 [eBook #63260]

Most recently updated: October 18, 2024

Language: French

Credits: Produced by Laurent Vogel and the Online Distributed

Proofreading Team at https://www.pgdp.net (This file was
produced from images generously made available by The
Internet Archive/Canadian Libraries)

*** START OF THE PROJECT GUTENBERG EBOOK LE GRAND

SILENCE BLANC: ROMAN VÉCU D'ALASKA ***
 LOUIS-FRÉDÉRIC ROUQUETTE

Le
Grand Silence Blanc
Roman vécu d'ALASKA

Préface d'André LICHTENBERGER

PARIS
J. FERENCZI, ÉDITEUR
9, RUE ANTOINE-CHANTIN (XIVe)

Il a été tiré de cet ouvrage:

15 exemplaires sur papier vergé pur fil
des Papeteries Lafuma,
numérotés à la presse, de 1 à 15.

Copyright by J. Ferenczi, 1921.

 A TEMPEST,
chien d'Alaska,
qui à force de tendresse attentive m'a fait oublier les misères
humaines…

Freddy.
 PRÉFACE

Vous présenter mon ami Louis-F. Rouquette?

A quoi bon?
«… Né à Montpellier, en 1884, il y fit de complètes études
classiques où, de bonne heure, le démon qui le hante introduit un
grain de fantaisie. Il publie à quatorze ans ses premiers vers et
prononce au même âge sa première conférence, qui lui vaut, outre
des tonnerres d'applaudissements, une verte correction maternelle.
A vingt ans, il est à Paris, pour le conquérir. Laborieuse histoire…»
Bah, je m'arrête. Tournez quelques pages. Au premier chapitre
de ce livre, voyez Freddy.
Freddy n'est pas tout Rouquette. Rouquette n'est pas tout
Freddy.
Mais Freddy est sans doute:

«Un étranger vêtu de noir

Qui lui ressemble comme un frère.»

L'écrivain a trouvé en notre vieux monde la vie dure et les

hommes vils. Comme le poète de Musset, mais sous des cieux
autrement lointains que ceux où se limitait notre romantisme, il a
promené sa nostalgie.
Il ne s'est pas arrêté:
 «A Gênes, sous les citronniers,
A Vevey sous les verts pommiers,
Au Havre devant l'Atlantique.»

Il a franchi l'Océan. Et c'est dans les solitudes de l'Alaska,

proches du pôle, parmi les âpres contacts de la vie farouche et
brutale, qu'il a ressenti davantage les liens qui unissent l'individu à
l'humanité dont il est issu et dont il ne saurait s'abstraire. Freddy,
misanthrope, a dédié son livre à son chien Tempest. Celui de
Rouquette s'adresse à tous les hommes, et en particulier à ceux de
France.
*
* *

L'originalité des pages qui suivent est en effet double.

Nous sommes en ce moment, je ne dirai pas accablés (car je les
adore), mais abondamment comblés d'histoires d'aventures.
Au lendemain de la guerre, tandis que ses suites continuent de
nous opprimer, notre existence étant fort incommode, nous
éprouvons le besoin de nous réfugier ailleurs. La crise des transports
et des changes et l'encombrement des hôtels rendent malaisé de
voyager. Nos grands bienfaiteurs sont donc les romanciers qui, sans
nous forcer à quitter notre fauteuil, nous emmènent avec eux loin du
boulevard et des autobus, hors de portée du nouveau riche et du
prolétariat conscient.
Ces bienfaiteurs sont ou bien des écrivains français ou des
étrangers.
A part quelques excellentes ou admirables exceptions, les
écrivains français d'aventures ont souvent ceci de commun qu'ils
n'en ont jamais eu, et n'ont jamais mis les pieds dans les pays où ils
nous promènent. Nous avons donc leur seul génie pour guide. Cela
nous ménage parfois de délicieuses surprises, et offre d'autres fois
quelques inconvénients.
Les écrivains étrangers,—parmi lesquels nous faisons en ce
moment à bon droit aux Anglo-Saxons un traitement privilégié,—
écrivent sur les pays où s'est modelée leur âme. D'où la palpitation
robuste, intense et ardente des récits d'un London, d'un Conrad et
de plusieurs autres.
Ceux de Rouquette diffèrent de la plupart des romans français de
l'heure actuelle en ce qu'ils portent la directe empreinte d'une des
régions de mystère les plus évocatrices du globe.
Ils diffèrent des récits angle-saxons par le fait de la sensibilité et
de la culture foncièrement gréco-latine qui s'y réfracte.
La suprême Sagesse, L'Homme qui portait un Chapeau haut de
forme, La Bête sociable: je n'ai rien encore goûté d'analogue dans
notre littérature, puisque des raisons assez fortes ont empêché que
Daudet se soit amusé à récrire du Kipling.
En attendant que des œuvres prochaines achèvent d'imposer au
grand public la vision complète de son tempérament curieux et
sensible, ironique et généreux, je vous invite à savourer à leur valeur
les récits poignants et humoristiques d'un écrivain français qui ne
s'est formé ni dans les cénacles montmartrois, ni au sein des cloîtres
académiques, mais au contact étroit, douloureux et fécond de
l'immense vie, maîtresse inimitable.

André Lichtenberger.

Au moment de donner le «bon à tirer» de ce livre, on m'apprend que Jack

London a donné, à une de ses nouvelles, le titre: «Le Grand Silence Blanc.»
Je suis heureux, moi, qui, comme lui, ai vécu de longues heures de solitude
dans l'extrême Nord américain, d'avoir perçu, avec la même acuité, cette
sensation de grandeur et de silence qui pèse sur la Terre Blanche.
Avec joie je saisis l'occasion qui m'est donnée de pouvoir rendre hommage à ce
garçon du Far West, qui dans sa littérature a su conserver les rudes qualités de sa
race.
A l'heure où certains ont tendance à monnayer sa gloire,—comme d'autres ont
voulu se tailler des pourpoints dans le burnous d'Isabelle Eberardt—je veux
apporter à la mémoire de Jack London le tribut de mon entière admiration.
L.-F. R.
Le Grand Silence Blanc
Roman vécu d'Alaska
 I
UNE VISITE EN MANIÈRE DE
PRÉSENTATION

L'homme entra.
Il s'installa confortablement dans un fauteuil, posa son feutre à
côté de lui sur le tapis, croisa les jambes l'une sur l'autre et dit:
—Monsieur.
Il prononça: Mon Sieur, à la manière anglaise, puis il ajouta:
—Je suis Français.
Je lui présentai quelques paroles de bienvenue, mais il m'arrêta
d'un geste brusque de la main.
—C'est moi qui vous remercie, vous êtes un homme très occupé
et je vous dérange. Je sais, je sais. Je vous prendrai aussi peu de
minutes.
«La littérature, qu'elle soit de France, d'Angleterre ou d'un autre
pays, se vend pareillement à la moutarde, au cirage ou aux harengs
du capitaine Cook. On met des affiches, on roule le tambour, et l'on
crie, la main en porte-voix: Holà! vous qui passez, lisez le roman de
Monsieur Chose. Monsieur Chose est un homme célèbre. Sa dernière
production atteint cent éditions de mille exemplaires.
 «Selon le public, on dit encore «le roman de Monsieur Chose est
le meilleur des romans, les vieilles filles, les curés de campagne, les
membres de la Y. M. C. A. peuvent le lire, ou bien: ce roman-ci, les
vieilles filles, les curés de campagnes, les membres de la Y. M. C. A.
ne peuvent pas le lire.
«Dans les deux cas on achète, les uns pour avoir une littérature
«saine, morale, ad usum pucellarum», les autres parce qu'ils
s'attendent à trouver des situations graveleuses et des descriptions
croustillantes.
«Vous me pardonnerez, Mon Sieur, les ancêtres, je veux dire
ceux qui sont arrivés, ont loué tous les panneaux-réclames, tous les
emplacements en vue, les jeunes ont le bas de la muraille que les
autobus éclaboussent de crotte et que compissent souventes fois les
chiens, errants malgré les décrets de police.
Je risquai:
—Je ne vois pas…
Energique, l'homme me coupa la parole.
—Si, Mon Sieur, vous voyez et je suis venu parce que vous voyez
et que vous savez faire une place sur le panneau aux camarades qui
tirent la langue.
«Vous me plaisez. Il y a dix minutes, je ne vous connaissais pas,
mais l'idée que j'avais dressée dans mon cerveau était telle que je
vous aperçois. Excusez, Mon Sieur, je ne sais plus parler le français…
Je veux dire, vous êtes la représentation du type que je m'étais créé
sur votre nom. Ça ne vous arrive pas, à vous, Mon Sieur, de mettre
des… comme dites-vous?… des physionomies sur des noms?
Et sans attendre ma réponse, il poursuivait:
—Vos livres me plaisent. Vous ne posez pas à l'artiste, vous êtes
un bourgeois qui n'avez pas honte de votre bourgeoisie, all right! et
vous la dépeignez comme elle est. Vous auriez pu tout comme un
autre atteindre «le fort tirage» par des procédés outranciers, vous
n'avez pas voulu. Les académies vous font sourire, vous ne
monopolisez pas la vertu, vous ne jouez pas de l'adultère, c'est bien.
Vous êtes secourable aux apprentis des lettres, cela est mieux. Je
sais… je sais… Ne prenez pas votre air colonel, malgré votre masque
froid, derrière vos besicles, votre œil pétille. Malice? non, bonté.
C'est pourquoi je suis là.
Et comme pour prouver sa présence, l'homme se cala dans le
fauteuil, changea ses jambes de place, puis il continua.
—Qui je suis? Freddy. Parbleu, oui, j'ai un autre nom, comme
tout le monde, mais qu'importe. J'ai trente-six ans depuis… (il
regarda son bracelet-montre)… depuis 2 heures 35 minutes. Mais
trente-six ans bien employés…
Il resta un moment silencieux, comme poursuivant un rêve. J'en
profitais pour le dévisager à mon aise. La lampe éclairait en plein sa
figure. Trente-six ans, pas possible, je lui en aurais donné vingt-huit
ou trente, tout au plus. Mais, en examinant bien, le visage est
osseux, les joues creuses, ces rides qui guillochent les tempes… ce
pli amer qui tire la bouche… cet être-là a souffert… seules les lèvres
sont jeunes, d'un rouge vif, plus rouge et plus vif de la pâleur des
joues… Le front en pleine lumière découvre une intelligence éveillée
et les yeux brillent d'un feu sombre, dans la cavité des paupières.
Mais l'homme a reprit son discours.
—Je ne suis pas venu ici pour faire une confession. Je ne
fouillerais pas avec le crochet de Jean-Jacques les épaves de ma
jeunesse.
«Ce que j'ai fait? Mille métiers, mille misères disait ma mère, et
mon père ajoutait: oui, tu sais un tas de choses qui te permettront
de crever de faim toute ta vie… C'était sagesse!
«En effet, je peignais, je sculptais, je mettais en vers de huit à
douze pieds, le soleil, les oiseaux, les fleurs, le printemps, comme si
le soleil avait besoin de moi pour rayonner sa gloire, les oiseaux pour
lancer leurs trilles éperdus, les fleurs pour enchanter nos yeux, le
printemps pour faire croire au bonheur de notre âme!
«Le cercle étroit de la petite ville était trop restreint. Paris, voilà
le tréteau!
 «Vous n'attendez pas de moi que je vous dise les courses dans la
grande ville. Il ne s'agissait plus de triomphes, et de lauriers, mais
plus simplement de manger. La course à l'écu! C'est un championnat
comme un autre!
«Si j'ai mangé de la vache enragée… un troupeau, Mon Sieur, un
fameux troupeau… Bah! ces choses sont finies et les Arabes disent:
le passé est un mort.
«Les mille métiers, je les ai faits, les mille misères, je les ai
connues.
«J'ai été, voyons, que vous dirai-je? J'ai couru les journaux pour
placer «un papier». J'ai fait des chansons (vous faites trop bien le
vers, donnez-nous quelque chose de moins soigné… dans le goût
populaire) et la chanson vendue (quinze francs, Mon Sieur), on
touchait six centimes quand un chanteur voulait bien la mettre au
programme.
«Le théâtre, ce fut ma marotte, n'avais-je pas eu une pièce
primée, médaillée comme une bête au concours, lorsque j'avais seize
ans! «Vos actes, oui… très bien, portez-le donc à Monsieur un Tel qui
signera avec vous (moitié des droits d'auteur), plus une ristourne
d'un quart pour le régisseur, un autre quart pour le directeur». Je
pose zéro et je retiens tout.
«J'ai été secrétaire… J'ai beaucoup été secrétaire dans ma vie et
à ma mort, je ne désespère pas d'être embauché par M. Saint-
Pierre, secrétariat, service des entrées!…
«Secrétaire de théâtre (toujours!), cent cinquante francs par
mois; quatorze heures de travail par jour, un patron qui vomissait
des injures comme un autre parle ou respire… une brute
congestionnée qui avait une façon de se mettre les pouces dans les
poches de son gilet en disant: «Moi, je travaille pour l'Art!!!»
«Secrétaire de vagues gazettes, puis secrétaire d'un abbé… oui,
Mon Sieur, d'un bon abbé qui me faisait traduire Saint Jean
Chrysostome, et me payait quand il avait le temps. Il aimait à dire:
«Il fait bon vivre sous la crosse.» Hélas, sa crosse était dédorée! Il
n'avait plus d'argent cet homme, il ne pouvait pourtant pas en voler
pour moi!
«Puis, j'ai fait le trust des parlementaires d'un département, trois
députés, deux sénateurs, cent quarante francs par mois, mais la paie
était aussi irrégulière. Alors j'ai envoyé le Palais-Bourbon au diable,
j'ai pris une blouse et je me suis embauché sur un chantier comme
ouvrier peintre… oui, peintre… barbouilleur, quoi! J'ai fait du faux
bois dans une banque, j'ai passé au minium les fers à T d'un
immeuble sur les boulevards, j'ai couvert d'une couche «ignifuge»
les palissades de l'ascenseur du Métropolitain, station Barbès… je
travaillais de mes mains, je gagnais huit francs par jour… j'étais
heureux… Hélas! j'avais une marotte… Oui, le microbe littéraire, je
lâchai les brosses pour le porte-plume et j'entrai comme nègre chez
un de nos plus sympathiques auteurs qui… que… dont…
«J'ai des diplômes aussi, si ça vous intéresse, comme tout le
monde… j'en ai gagné que je n'ai même pas. J'ai fait deux thèses de
doctorat économique, trois thèses de médecine. J'ai donné ma
matière grise pour cinquante centimes la page, c'était bien payé
pour un «nègre».
«Et puis, las de courir Paris, le ventre vide, j'ai couru le monde
pour changer mes idées…
«J'ai pris ma chance, comme nous disons en Amérique, je me
suis promené de Rhadamès à Agadir, j'ai vu les oasis du Sud,
empanachées de palmes, j'ai couché dans des bordjs et sous la
tente, j'ai écouté, le soir, la chanson du sokar saharien qui montait
dans la pureté du ciel, droite comme une fumée aromatique, et j'ai
commencé à saisir intuitivement toute la grandeur, toute la beauté
mystérieuse des Simples… Ah! qu'on était loin de la course aux gros
sous sous le ciel barbouillé d'encre de la Ville!
«Je suis entré dans Marrakech, la cité rouge, trois fois ceinturée
de remparts, et, du haut de la casbah d'Agadir, j'ai longuement
regardé l'Océan qui berçait ses eaux vertes comme pour séduire
l'ardente terre barbaresque…
 «L'Amérique? J'y viens, Mon Sieur, si je la connais? Depuis Punta-
Arenas, dans le détroit de Magellan, jusqu'à Point-Barrow, à
l'extrême-pointe de l'Alaska…
«Ce que je faisais… Hé donc! toujours mille métiers, mille
misères!
«J'ai fait des conférences sur la littérature française, lorsque le
microbe littéraire prenait l'offensive. Entre temps, j'étais mineur aux
mines d'or, meneur de chiens et conducteur de traîneau.
«J'ai même représenté officiellement le gouvernement de la
République dans une grande foire, quelque part, là-bas, dans
l'extrême Far-West. C'était la guerre; comme sept conseils de
revision n'avaient pas voulu de moi pour les armées, je fis «de la
propagande»; c'était avant l'intervention américaine. Mais voilà, pour
«la propagande», il y avait un tas de braves gens «service armé» à
qui l'air de l'Amérique était favorable. Je fus «ce pelé, ce galeux,
haro»! De quoi se mêlait-il celui-là? On me le fit bien voir… Le chœur
des vieillards célébra sa victoire en dansant, sur le mode antique, la
danse du scalp.
«J'avais la bouche amère, comme après boire; j'aurais pu me
fâcher, raconter les petites fripouilleries qui sont monnaie courante…
Bah! A quoi bon?
«Je me suis enfoncé dans les solitudes vierges du Grand Nord.
Là, j'ai goûté vraiment le repos de ma chair et le repos de mon âme.
La vie était rude, mais j'avais la santé physique et morale.
«Au fait, c'est pour cela que je suis ici. Voici, Mon Sieur, quelques
papiers (eh! oui, toujours le fameux microbe), j'ai noté là, par à-
coup, les heures de paix et de solitude, les heures mornes aussi où
la désespérance agrippe le cerveau.
«Vous lirez ces choses… oui, merci, mais je voudrais plus encore.
«Moi, voyez-vous, Paris, ses combinaisons, ses truquages, c'était
bon pour ma carcasse de vingt ans; aujourd'hui, non… je lâche
tout… oui, Mon Sieur, je m'en retourne vers le Grand Silence Blanc
de ma Terre qui paye. Vous lirez, vous verrez; une fois qu'elle vous
tient, c'est pour toujours…
 «Je voudrais…
Pour la première fois, mon interlocuteur s'arrêta; il hésita, puis se
décidant:
—Je voudrais que vous le fassiez paraître… si cela est possible…
quelque part… Je ne le saurai pas, mais ça me fera plaisir tout de
même.
«A moins que vous trouviez la chose insuffisante, auquel cas je
vous demanderai de ne pas tenir compte de ma démarche et de
jeter au feu ces feuillets inutiles.»
L'homme se leva, prit son manuscrit, le posa sur la table, se
baissa pour prendre son chapeau et dit encore:
—Je vous salue… Mon Sieur!
Arrivé à la porte, il se retourna, fit trois pas en avant:
—A propos, si la chose paraît, excuse me, encore un service: je
voudrais que vous mettiez un nom sur la première page… Tempest…
Qui c'est? mon chien, parbleu! Croyez-vous que je dédie mon
bouquin à un homme!
Il leva les épaules et sortit…
*
* *

Ai-je rêvé cette scène singulière?

Pourtant, le manuscrit est là… L'écriture n'est pas très nette,
nerveuse, presque illisible; au diable soit l'animal!… S'il croit que je
vais déchiffrer ces hiéroglyphes… il peut aller au bout du monde, lui
et son manuscrit…
Et cependant, je l'ai lu et tel que je l'ai lu, je l'offre au public et je
supplie les lecteurs de croire que je n'y ai pas changé une virgule,
j'ai, tout au plus, corrigé les épreuves…
 II
LES TROIS RENCONTRES DE JESSIE
MARLOWE

Un garçon, que j'avais rencontré dans un bar de Montgomery-

street, à San-Francisco, m'avait assuré qu'on trouvait de l'or dans
une des îles de l'archipel de la Reine-Charlotte. «Mais, ajoutait-il,
confidentiellement, on tenait la chose cachée pour éviter un rush,
une poussée formidable.»
Ayant payé le tuyau de nombreuses tournées de whisky, il ne
m'en fallut pas davantage pour boucler mon maigre bagage et me
mettre en route vers les pays du Nord.
Je fis la chose en plusieurs étapes. N'avais-je pas dans ma
ceinture quelques centaines de dollars que j'avais arrachés à la terre
du côté d'Alhégany, dans le Nevada-County?
Je musais plusieurs jours à Portland, la ville des roses. Puis, un
matin, je pris le train pour Seattle où je m'arrêtais deux fois vingt-
quatre heures pour échanger un cordial shake-hand avec ma bonne
amie, Marcelle de J…, dont l'âme est fleurie de poésie comme un
églantier de France à l'avril.
*
* *
 La coquette villa où s'abrite, à Seattle, le consulat de France.
Devant la porte, au milieu d'un jardinet minuscule, un haut mât
avec, à la cime, la flamme tricolore.
A l'intérieur, deux petits salons où la volonté de l'hôtesse a su
faire revivre la grâce de la patrie lointaine.
Aux murs, quelques gravures d'un goût rare; sur un chiffonnier
Louis XVI, le Mercure de France fait une tache mauve, et Farrère est
présent avec ses Petites Alliées.
J'ouvre le livre, distrait, et ma pensée vagabonde.
Une voix prononce, derrière moi:
—Vous devez aimer Farrère?
—Beaucoup.
L'hôtesse m'observe et dit avec un anglicisme:
—Je pensais ainsi.
—J'aime les gens de mer. Tout ce qui vient de la mer m'attire.
J'aurais tant voulu être marin.
—C'est un regret?
—Oui, le grand regret de ma vie.
—Diable, quel amour!
—C'est un amour, aussi pour le satisfaire, j'ai tourné la difficulté:
ne pouvant être matelot, je suis voyageur!
—Je rends grâce à cette vocation qui nous permet de vous avoir.
C'est si rare que nous ayons quelqu'un qui vient de France.
—Ne comptez pas sur moi pour la dernière mode ou l'ultime
potin. J'arrive de France, si vous voulez, mais après un sérieux
crochet dans le Texas, l'Arizona et la Californie. Demain, je pars pour
l'Alaska.
Avec une pointe d'émotion, Mme de J… me parle alors de Paris,
du Paris qu'elle aime, du Paris littéraire et théâtral. J'écoute la
musique de sa voix. Des noms frappent mon oreille peu
accoutumée. De Max, Lavallière, Bartet, Robinne, c'est comme un
doux ronronnement qui berce mon âme, la calme et l'endort…
 Le nom d'un théâtre ou le titre d'un livre accroche de-ci, de-là,
ma pensée… c'est un film qui se déroule, je vois nettement les
tableaux et les scènes… Mais alors? L'Arizona brûlant que je viens de
parcourir à cheval, les Indiens Opi, hospitaliers et primitifs, la
Californie et mes bons camarades qui travaillaient avec moi dans la
mine?
Qui est dans le vrai?
Elle ou moi?
Mais le consul s'approche, souriant:
—Prendrez-vous un cocktail, cher?
Un cocktail, by Jove! Je suis bien à Seattle, dans l'Etat de
Washington, là-bas, à tous les diables, sur la côte du Pacifique.
*
* *

J'allais par mer à Victoria et de Victoria à Vancouver, où j'eus la

chance de trouver le jour même de mon arrivée un vieux cargo,
l'Abraham-Lincoln, qui faisait le service de la poste à travers le
méandre des îles.
La traversée? Un peu mouvementée, comme cela se doit dans
ces parages où l'on navigue dans des couloirs étroits, où le vent et la
mer s'engouffrent avec un bruit d'orgue.
Tant bien que mal, plutôt mal que bien, nous avons franchi le
détroit de Georgie que longe l'île de Vancouver.
On danse fortement lorsque, après les îles Scott, on pénètre dans
le Pacifique; mais, crachant, soufflant, faisant un bruit de vieille
quincaillerie, l'Abraham-Lincoln double enfin la pointe du cap Saint-
James. Et notre bon cargo contourne l'île Prevost, laisse sur la
gauche l'Houston-Stewart-channel et le Skincuttle-inlet.
Nous avons encore quelques coups de mer dans le Juan-Perez
Sound où s'égrène un chapelet d'îlots abrupts et sauvages.
On jette quelques sacs de dépêches à Lyelle, nous doublons l'île
Louise, après avoir fait escale à Skedans. Je débarque enfin à
Cumshewa, dans la grande île de Moresby, tandis que mon vieil
Abraham-Lincoln poursuit sa route vers Skidegate, dans Graham
Island, la plus importante des îles de l'archipel de la Reine-Charlotte.
*
* *

A Cumshewa, pas plus d'or que sous le pied d'un âne. Je vis
quelques jours sur mes économies et je serais mort d'ennui si je
n'étais embauché dans une fabrique de conserves de saumon.
Temps passé, douze jours. Un indigène haïda qui part à
Skidegate me propose de l'accompagner. Tope-là, en route vers le
nord, et me voilà mécanicien dans l'usine où l'on extrait l'huile des
chiens de mer.
Je regagne quelques dollars que j'ai la chance de doubler au
poker et je reprends mon bâton de voyageur, ce qui est une façon
de parler lorsqu'on saute de cargo sur steamer et de steamer sur
paquebot.
Il est plus facile d'entrer dans Graham Island que d'en sortir. Les
Abraham-Lincoln n'assurent, sur la côte, qu'un service postal très
approximatif, mais j'ai la chance de franchir l'Hecate strait avec des
compagnons qui vont à Port-Essington, dans la British Columbia, afin
de renouveler leur provision de whisky, opération de la plus réelle
importance.
«Bonne chance, camarade», et me voilà seul sur le pier en bois
de Port-Essington, cependant que, courbés sur leurs rames, mes
amis gagnent la haute mer.
Je prends une décision: le premier bateau, cargo à vapeur ou à
voile, qui passera dans un sens ou dans l'autre, j'embarque.
Dix-sept jours après, la Princess-Sophia, de la British Columbia
Coast Service, jette l'ancre de l'autre côté de Port-Essington, sur la
rive droite de la Skeena, à Prince-Rupert.
La destinée me pousse au Nord. En route donc pour la terre du
silence, terre du mystère, terre de la neige et de l'or: n'est-ce pas la
pay-dirt, la terre qui paye? Qui paye quoi? La volonté? La résistance?
Qui paye comment? Avec l'or arraché aux roches dures? Avec la
rigide beauté des paysages ou l'émerveillement des aurores
boréales?
Avec de l'or ou avec de la mort. L'une ou l'autre, plus souvent
l'une et l'autre. L'or conquis ruisselant entre les doigts comme l'eau
du torrent. La mort paisible qui vous couche, sur le linceul des
neiges polaires. Le corps s'enfonce et fait un trou, la neige pèse,
pèse, pèse. Le gel la durcit. Les traîneaux y tracent leur piste. La vie
va vite. Il y a des morts dessous. Qui le sait? Et l'âme s'en va, falote
et errante, dans l'immense nuit sans étoiles, avec la chanson du
Grand Nord qui la berce, en faisant craquer les branches, tandis que,
là-bas, brament les cariboos affolés par le rire aigu des loups, dont
le vent vient, soudain, de rabattre l'odeur.
Je pense à toutes ces choses sur le pont du Princess-Sophia,
assis sur mon bagage, les coudes sur les cuisses, les poings aux
tempes. L'hélice bat l'eau rythmiquement. Une brume grise
enveloppe la côte cependant toute proche. Le steamer suit le long
labyrinthe des îles et la côte déchiquetée. A droite, l'île du Prince-de-
Galles, entourée de sapins, sommeille et la nuit tombe à gauche sur
Ketchikon dont les feux rouge et vert trouent avec peine la brume.
Princess-Sophia. La Princesse Sagesse! Est-ce sagesse? Est-ce
folie de suivre cette route? L'hélice bat comme un cœur, «flouk,
flouk, flouk, flouk». Est-ce oui? est-ce non? Une vie nouvelle s'ouvre
devant moi et le vers de Térence vient sur mes lèvres: «Ce jour qui
t'apporte une vie nouvelle réclame, en toi, un homme nouveau.»
—Vous avez tort de rester là, garçon, la brume est mauvaise.
Je lève les yeux et rencontre le regard d'une femme, gainée dans
un vaste chandail gris.
Elle est debout, solidement plantée sur ses jambes, les mains
dans les poches de son chandail, le col lui cache le cou, le menton et
la bouche, et le polo rabattu, barre le front à la hauteur des yeux.
—Je suis Jessie Marlowe, et vous?
—Moi, Freddy.
 —Freddy qui?
—Freddy rien, Freddy tout court.
—Ah!
La femme prend un temps et ajoute:
—Vous ne devriez pas rester immobile, c'est toujours mauvais
dans ces régions. Marchez plutôt avec moi.
Et nous voilà, tous deux arpentant le «deck» du navire comme
deux vieux camarades.
—Vous venez pour la première fois?
—Oui, et vous?
—Moi, je suis déjà une vieille Yukoner. J'ai fait cinq fois le
passage.
—Et vous allez?
—A Dawson, rejoindre mon mari…
—Ah! vous êtes mariée.
Le ton sur lequel j'ai prononcé cette phrase fait rire Jessie d'un
rire qui sonne clair.
—Oui, j'ai marié Harry Marlowe, le sergent de la police montée.
La police montée canadienne! Le corps splendide qui n'aurait pas
son pareil si la Légion n'existait pas. On s'engage dans la police
montée comme dans la Légion, par coup de tête ou amour
d'aventures.
Les magnifiques bêtes humaines, aventureuses et folles, qui, de
l'Hudson à l'Alaska, à travers l'immensité silencieuse du Grand Nord
représentent la loi de Sa Majesté Britannique.
Depuis j'en ai rencontré, groupés ou solitaires, plusieurs
centaines au hasard de mes pérégrinations polaires et j'ai toujours
trouvé chez eux les qualités qui font les hommes forts: la générosité,
la droiture, la bonté et le courage.
Et cependant de la savoir, cette Jessie, à un autre, cet autre fût-il
sergent de la police montée, cela me crispe.
 Hé là, hé là! A quoi vais-je penser! Jessie Marlowe, il y a deux
quarts d'heure je ne soupçonnais même pas son existence… alors…
Alors, maintenant, je la connais. Voilà.
Le bateau tangue fortement, excellent prétexte pour saisir le bras
de ma camarade qui, du reste, ne se dérobe pas.
Sous la laine, je sens la chair ferme et la dureté des muscles.
C'est une femme souple et solide, mon amie Jessie Marlowe.
Mon étreinte se resserre.
—Venez-vous à l'entrepont, il y a des figures étranges de
Chechaquos.
En argot du Yukon, Chechaquos désigne tous les nouveaux venus
au travail de la mine, apprentis chercheurs d'or et chercheurs de
fortune.
Nous descendons; dans un fouillis invraisemblable gîtent, pêle-
mêle, des dynamos, des sacs, des barils, des caisses, des cordages,
des poutrelles de fer, un enchevêtrement de pics et de pioches, avec
çà et là, dans une encoignure, un être vivant qu'éclaire la lumière
jaune d'une lampe à huile que la houle balance.
Vers le milieu, la place est plus nette. Assis sur des seaux
renversés, quelques hommes jouent aux cartes sur une table
improvisée.
La partie est silencieuse et déjà la fièvre du gain stigmatise les
visages. On la reconnaît à ce froncement de sourcils si spécial et au
léger tremblement des doigts qui tiennent les cartons maculés.
Le vice humain s'étale sans forfanterie et sans honte. C'est brutal
comme une plaie.
Je me retourne. Je ne sais pourquoi, il m'a semblé voir dans les
yeux de ma compagne comme une lueur fauve. Oh! rien qu'une
lueur vite éteinte. Les narines se sont contractées vivement, oh! un
battement imperceptible!
J'ai dû me tromper, évidemment, puisque Jessie Marlowe dit d'un
air indifférent:
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebookfinal.com