Visit ebookmass.

com to download the full version and

explore more ebook or textbook

Reinforcement Learning for Finance: Solve Problems

in Finance with CNN and RNN Using the TensorFlow
Library 1st Edition Samit Ahlawat

_____ Click the link below to download _____

https://ebookmass.com/product/reinforcement-learning-for-
finance-solve-problems-in-finance-with-cnn-and-rnn-using-
the-tensorflow-library-1st-edition-samit-ahlawat/

Explore and download more ebook or textbook at ebookmass.com

Here are some recommended products that we believe you will be
interested in. You can click the link to download.

The Art of Reinforcement Learning: Fundamentals,

Mathematics, and Implementations with Python 1st Edition
Michael Hu
https://ebookmass.com/product/the-art-of-reinforcement-learning-
fundamentals-mathematics-and-implementations-with-python-1st-edition-
michael-hu-2/

The Art of Reinforcement Learning: Fundamentals,

Mathematics, and Implementations with Python 1st Edition
Michael Hu
https://ebookmass.com/product/the-art-of-reinforcement-learning-
fundamentals-mathematics-and-implementations-with-python-1st-edition-
michael-hu/

Python for Finance: Mastering Data-Driven Finance 2nd

Edition

https://ebookmass.com/product/python-for-finance-mastering-data-
driven-finance-2nd-edition/

Financial Machina: Machine Learning For Finance: The

Quintessential Compendium for Python Machine Learning For
2024 & Beyond Sampson
https://ebookmass.com/product/financial-machina-machine-learning-for-
finance-the-quintessential-compendium-for-python-machine-learning-
for-2024-beyond-sampson/
Foundations of Finance (Pearson Series in Finance)

https://ebookmass.com/product/foundations-of-finance-pearson-series-
in-finance/

Machine Learning for Risk Calculations: A Practitioner's

View (The Wiley Finance Series) 1st Edition Ignacio Ruiz

https://ebookmass.com/product/machine-learning-for-risk-calculations-
a-practitioners-view-the-wiley-finance-series-1st-edition-ignacio-
ruiz/

978-1285429649 Principles of Finance (Finance Titles in

the Brigham Family)

https://ebookmass.com/product/978-1285429649-principles-of-finance-
finance-titles-in-the-brigham-family/

Practical Business Analytics Using R and Python: Solve

Business Problems Using a Data-driven Approach 2nd Edition
Umesh R. Hodeghatta
https://ebookmass.com/product/practical-business-analytics-using-r-
and-python-solve-business-problems-using-a-data-driven-approach-2nd-
edition-umesh-r-hodeghatta/

Fix IT: See and solve the problems of digital healthcare

1st Edition Thimbleby

https://ebookmass.com/product/fix-it-see-and-solve-the-problems-of-
digital-healthcare-1st-edition-thimbleby/
Reinforcement
Learning for
Finance
Solve Problems in Finance with
CNN and RNN Using the
TensorFlow Library
—
Samit Ahlawat
 Reinforcement
Learning for Finance
Solve Problems in Finance
with CNN and RNN Using
the TensorFlow Library

Samit Ahlawat
Reinforcement Learning for Finance: Solve Problems in Finance with CNN
and RNN Using the TensorFlow Library

Samit Ahlawat
Irvington, NJ, USA

ISBN-13 (pbk): 978-1-4842-8834-4 ISBN-13 (electronic): 978-1-4842-8835-1

https://doi.org/10.1007/978-1-4842-8835-1

Copyright © 2023 by Samit Ahlawat

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or
part of the material is concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way,
and transmission or information storage and retrieval, electronic adaptation, computer software,
or by similar or dissimilar methodology now known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark
symbol with every occurrence of a trademarked name, logo, or image we use the names, logos,
and images only in an editorial fashion and to the benefit of the trademark owner, with no
intention of infringement of the trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expression of opinion as to whether or not
they are subject to proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of
publication, neither the authors nor the editors nor the publisher can accept any legal
responsibility for any errors or omissions that may be made. The publisher makes no warranty,
express or implied, with respect to the material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Celestin Suresh John
Development Editor: Laura Berendson
Coordinating Editor: Mark Powers
Cover designed by eStudioCalamar
Cover image by Joel Filipe on Unsplash (www.unsplash.com)
Distributed to the book trade worldwide by Apress Media, LLC, 1 New York Plaza, New York, NY
10004, U.S.A. Phone 1-800-SPRINGER, fax (201) 348-4505, e-mail orders-ny@springer-sbm.com,
or visit www.springeronline.com. Apress Media, LLC is a California LLC and the sole member
(owner) is Springer Science + Business Media Finance Inc (SSBM Finance Inc). SSBM Finance
Inc is a Delaware corporation.
For information on translations, please e-mail booktranslations@springernature.com; for
reprint, paperback, or audio rights, please e-mail bookpermissions@springernature.com.
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook
versions and licenses are also available for most titles. For more information, reference our Print
and eBook Bulk Sales web page at http://www.apress.com/bulk-sales.
Any source code or other supplementary material referenced by the author in this book is
available to readers on GitHub (https://github.com/Apress). For more detailed information,
please visit http://www.apress.com/source-code.
Printed on acid-free paper
To my family and friends without whose support this book
would not have been possible.
Table of Contents
About the Author���������������������������������������������������������������������������������ix

Acknowledgments�������������������������������������������������������������������������������xi

Preface����������������������������������������������������������������������������������������������xiii

Introduction����������������������������������������������������������������������������������������xv

Chapter 1: Overview�����������������������������������������������������������������������������1
1.1 Methods for Training Neural Networks�����������������������������������������������������������2
1.2 Machine Learning in Finance��������������������������������������������������������������������������3
1.3 Structure of the Book��������������������������������������������������������������������������������������4

Chapter 2: Introduction to TensorFlow�������������������������������������������������5

2.1 Tensors and Variables�������������������������������������������������������������������������������������5
2.2 Graphs, Operations, and Functions���������������������������������������������������������������11
2.3 Modules��������������������������������������������������������������������������������������������������������14
2.4 Layers�����������������������������������������������������������������������������������������������������������17
2.5 Models����������������������������������������������������������������������������������������������������������25
2.6 Activation Functions��������������������������������������������������������������������������������������33
2.7 Loss Functions����������������������������������������������������������������������������������������������37
2.8 Metrics����������������������������������������������������������������������������������������������������������46
2.9 Optimizers�����������������������������������������������������������������������������������������������������77
2.10 Regularizers������������������������������������������������������������������������������������������������96
2.11 TensorBoard����������������������������������������������������������������������������������������������120

v
Table of Contents

2.12 Dataset Manipulation��������������������������������������������������������������������������������122

2.13 Gradient Tape��������������������������������������������������������������������������������������������126

Chapter 3: Convolutional Neural Networks���������������������������������������139

3.1 A Simple CNN����������������������������������������������������������������������������������������������140
3.2 Neural Network Layers Used in CNNs���������������������������������������������������������148
3.3 Output Shapes and Trainable Parameters of CNNs�������������������������������������150
3.4 Classifying Fashion MNIST Images�������������������������������������������������������������152
3.5 Identifying Technical Patterns in Security Prices����������������������������������������159
3.6 Using CNNs for Recognizing Handwritten Digits�����������������������������������������172

Chapter 4: Recurrent Neural Networks���������������������������������������������177

4.1 Simple RNN Layer���������������������������������������������������������������������������������������178
4.2 LSTM Layer�������������������������������������������������������������������������������������������������182
4.3 GRU Layer���������������������������������������������������������������������������������������������������186
4.4 Customized RNN Layers������������������������������������������������������������������������������188
4.5 Stock Price Prediction���������������������������������������������������������������������������������190
4.6 Correlation in Asset Returns�����������������������������������������������������������������������207

Chapter 5: Reinforcement Learning Theory��������������������������������������233

5.1 Basics���������������������������������������������������������������������������������������������������������234
5.2 Methods for Estimating the Markov Decision Problem�������������������������������240
5.3 Value Estimation Methods���������������������������������������������������������������������������241
5.3.1 Dynamic Programming�����������������������������������������������������������������������242
5.3.2 Generalized Policy Iteration����������������������������������������������������������������265
5.3.3 Monte Carlo Method���������������������������������������������������������������������������277
5.3.4 Temporal Difference (TD) Learning�����������������������������������������������������284
5.3.5 Cartpole Balancing�����������������������������������������������������������������������������305

vi
 Table of Contents

5.4 Policy Learning�������������������������������������������������������������������������������������������319

5.4.1 Policy Gradient Theorem���������������������������������������������������������������������319
5.4.2 REINFORCE Algorithm�������������������������������������������������������������������������321
5.4.3 Policy Gradient with State-Action Value Function Approximation������323
5.4.4 Policy Learning Using Cross Entropy��������������������������������������������������325
5.5 Actor-Critic Algorithms��������������������������������������������������������������������������������326
5.5.1 Stochastic Gradient–Based Actor-Critic Algorithms���������������������������329
5.5.2 Building a Trading Strategy����������������������������������������������������������������330
5.5.3 Natural Actor-Critic Algorithms�����������������������������������������������������������346
5.5.4 Cross Entropy–Based Actor-Critic Algorithms������������������������������������347

Chapter 6: Recent RL Algorithms�����������������������������������������������������349

6.1 Double Deep Q-Network: DDQN������������������������������������������������������������������349
6.2 Balancing a Cartpole Using DDQN���������������������������������������������������������������353
6.3 Dueling Double Deep Q-Network����������������������������������������������������������������356
6.4 Noisy Networks�������������������������������������������������������������������������������������������357
6.5 Deterministic Policy Gradient����������������������������������������������������������������������359
6.5.1 Off-Policy Actor-Critic Algorithm���������������������������������������������������������360
6.5.2 Deterministic Policy Gradient Theorem����������������������������������������������361
6.6 Trust Region Policy Optimization: TRPO������������������������������������������������������362
6.7 Natural Actor-Critic Algorithm: NAC�������������������������������������������������������������368
6.8 Proximal Policy Optimization: PPO��������������������������������������������������������������369
6.9 Deep Deterministic Policy Gradient: DDPG��������������������������������������������������370
6.10 D4PG���������������������������������������������������������������������������������������������������������373
6.11 TD3PG�������������������������������������������������������������������������������������������������������376
6.12 Soft Actor-Critic: SAC��������������������������������������������������������������������������������379

vii
Table of Contents

6.13 Variational Autoencoder����������������������������������������������������������������������������384

6.14 VAE for Dimensionality Reduction�������������������������������������������������������������389
6.15 Generative Adversarial Networks��������������������������������������������������������������399

Bibliography�������������������������������������������������������������������������������������403

Index�������������������������������������������������������������������������������������������������411

viii
About the Author
Samit Ahlawat is Senior Vice President in
Quantitative Research, Capital Modeling, at
JPMorgan Chase in New York, USA. In his
current role, he is responsible for building
trading strategies for asset management
and for building risk management models.
His research interests include artificial
intelligence, risk management, and
algorithmic trading strategies. He has given CQF Institute talks on artificial
intelligence, has authored several research papers in finance, and holds a
patent for facial recognition technology. In his spare time, he contributes
to open source code.

ix
Acknowledgments
I would like to express my heartfelt appreciation for my friends and
coworkers, in academia and the workplace, who encouraged me to write
this book.

xi
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
Preface
When I began using artificial intelligence tools in quantitative financial
research, I could not find a comprehensive introductory text focusing on
financial applications. Neural network libraries like TensorFlow, PyTorch,
and Caffe had made tremendous contributions in the rapid development,
testing, and deployment of deep neural networks, but I found most
applications restricted to computer science, computer vision, and robotics.
Having to use reinforcement learning algorithms in finance served as
another reminder of the paucity of texts in this field. Furthermore, I found
myself referring to scholarly articles and papers for mathematical proofs of
new reinforcement learning algorithms. This led me to write this book to
provide a one-stop resource for Python programmers to learn the theory
behind reinforcement learning, augmented with practical examples drawn
from the field of finance.
In practical applications, reinforcement learning draws upon deep
neural networks. To facilitate exposition of topics in reinforcement
learning and for continuity, this book also provides an introduction to
TensorFlow and covers neural network topics like convolutional neural
networks (CNNs) and recurrent neural networks (RNNs).
Finally, this book also introduces readers to writing modular, reusable,
and extensible reinforcement learning code. Having worked on developing
trading strategies using reinforcement learning and publishing papers,
I felt existing reinforcement learning libraries like TF-Agents are tightly
coupled with the underlying implementation framework and do not

xiii
Preface

express central concepts in reinforcement learning in a manner that is

modular enough for someone conversant with concepts to pick up
TF-­Agent library usage or extend its algorithms for specific applications.
The code samples covered in this book provide examples of how to write
modular code for reinforcement learning.

xiv
Introduction
Reinforcement learning is a rapidly growing area of artificial intelligence
that involves an agent learning from past experience of rewards gained
by taking specific actions in certain states. The agent seeks to learn a
policy prescribing the optimum action in each state with the objective of
maximizing expected discounted future rewards. It is an unsupervised
learning technique where the agent learns the optimum policy by past
interactions with the environment. Supervised learning, by contrast, seeks
to learn the pattern of output corresponding to each state in training
data. It attempts to train the model parameters in order to get a close
correspondence between predicted and actual output for a given set of
inputs. This book outlines the theory behind reinforcement learning
and illustrates it with examples of implementations using TensorFlow.
The examples demonstrate the theory and implementation details of the
algorithms, supplemented with a discussion of corresponding APIs from
TensorFlow and examples drawn from quantitative finance. It guides
a reader familiar with Python programming from basic to advanced
understanding of reinforcement learning algorithms, coupled with a
comprehensive discussion on how to use state-of-the-art software libraries
to implement advanced algorithms in reinforcement learning.
Most applications of reinforcement learning have focused on robotics
or computer science tasks. By focusing on examples drawn from finance,
this book illustrates a spectrum of financial applications that can benefit
from reinforcement learning.

xv
CHAPTER 1

Overview
Deep neural networks have transformed virtually every scientific human
endeavor – from image recognition, medical imaging, robotics, and self-­
driving cars to space exploration. The extent of transformation heralded
by neural networks is unrivaled in contemporary human history, judging
by the range of new products that leverage neural networks. Smartphones,
smartwatches, and digital assistants – to name a few – demonstrate the
promise of neural networks and signal their emergence as a mainstream
technology. The rapid development of artificial intelligence and machine
learning algorithms has coincided with increasing computational power,
enabling them to run rapidly. Keeping pace with new developments in
this field, various open source libraries implementing neural networks
have blossomed. Python has emerged as the lingua franca of the artificial
intelligence programming community. This book aims to equip Python-­
proficient programmers with a comprehensive knowledge on how to use
the TensorFlow library for coding deep neural networks and reinforcement
learning algorithms effectively. It achieves this by providing detailed
mathematical proofs of key theorems, supplemented by implementation of
those algorithms to solve real-life problems.
Finance has been an early adopter of artificial intelligence algorithms
with the application of neural networks in designing trading strategies
as early as the 1980s. For example, White (1988) applied a simple
neural network to find nonlinear patterns in IBM stock price. However,
recent cutting-edge research on reinforcement learning has focused

© Samit Ahlawat 2023 1

S. Ahlawat, Reinforcement Learning for Finance,
https://doi.org/10.1007/978-1-4842-8835-1_1
Chapter 1 Overview

predominantly on robotics, computer science, or interactive game-­

playing. The lack of financial applications has led many to question
the applicability of deep neural networks in finance where traditional
quantitative models are ubiquitous. Finance practitioners feel that the
lack of rigorous mathematical proofs and transparency about how neural
networks work has restricted their wider adoption within finance. This
book aims to address both of these concerns by focusing on real-life
financial applications of neural networks.

1.1 Methods for Training Neural Networks

Neural networks can be trained using one of the following three methods:

1. Supervised learning involves using a training

dataset with known output, also called ground
truth values. For a classification task, this would
be the true labels, while for a regression task, it
would be the actual output value. A loss function
is formulated that measures the deviation of the
model output from the true output. This function is
minimized with respect to model parameters using
stochastic gradient descent.

2. Unsupervised learning methods use a training

dataset made up of input features without any
knowledge of the true output values. The objective
is to classify inputs into clusters for clustering or
dimension reduction applications or for identifying
outliers.

3. Reinforcement learning involves an agent that

learns an optimal policy within the framework of
a Markov decision problem (MDP). The training

2
 Chapter 1 Overview

dataset consists of a set of actions taken in different

states by an agent, followed by rewards earned and
the next state to which the agent transitions. Using
the history of rewards, reinforcement learning
attempts to learn an optimal policy to maximize the
expected sum of discounted future rewards. This
book focuses on reinforcement learning.

1.2 Machine Learning in Finance

Machine learning applications in finance date back to the 1980s with the
use of neural networks in stock price prediction (White, 1988). Within
finance, automated trading strategies and portfolio management have
been early adopters of artificial intelligence and machine learning tools.
Allen and Karjalainen (1999) applied genetic algorithms to combine
simple trading rules to form more complex ones. More recent applications
of machine learning in finance can be seen in the works of Savin et al.
(2007), who used the pattern recognition method presented by Lo et al.
(2000) to test if the head-and-shoulders pattern had predictive power;
Chavarnakul and Enke (2008), who employed a generalized regression
neural network (GRNN) to construct two trading strategies based on
equivolume charting that predicted the next day’s price using volume-
and price-based technical indicators; and Ahlawat (2016), who applied
probabilistic neural networks to predict technical patterns in stock
prices. Other works include Enke and Thawornwong (2005), Li and Kuo
(2008), and Leigh et al. (2005). Chenoweth et al. (1996) have studied the
application of neural networks in finance. Enke and Thawornwong (2005)
tested the hypothesis that neural networks can provide superior prediction
of future returns based on their ability to identify nonlinear relationships.
They employed only fundamental measures and did not consider
technical ones. Their neural network provided higher returns than the
buy-and-hold strategy, but they did not consider transaction costs.

3
Chapter 1 Overview

There are many other applications of machine learning in finance

besides trading strategies, perhaps less glamorous but equally significant
in business impact. This book gives a comprehensive exposition of several
machine learning applications in finance that are at cutting edge of
research and practical use.

1.3 Structure of the Book

This book begins with an introduction to the TensorFlow library in
Chapter 2 and illustrates the concepts with financial applications that
involve building models to solve practical problems. The datasets for
problems are publicly available. Relevant concepts are illustrated with
mathematical equations and concise explanations.
Chapter 3 introduces readers to convolutional neural networks
(CNNs), and Chapter 4 follows up with a similar treatment of recurrent
neural networks (RNNs). These networks are frequently used in building
value function models and policies in reinforcement learning, and a
comprehensive understanding of CNN and RNN is indispensable for
using reinforcement learning effectively on practical problems. As before,
all foundational concepts are illustrated with mathematical theory,
explanation, and practical implementation examples.
Chapter 5 introduces reinforcement learning concepts: from Markov
decision problem (MDP) formulation to defining value function and
policies, followed by a comprehensive discussion of reinforcement
learning algorithms illustrated with examples and mathematical proofs.
Finally, Chapter 6 provides a discussion of recent, groundbreaking
advances in reinforcement learning by discussing technical papers and
applying those algorithms to practical applications.

4
CHAPTER 2

Introduction to
TensorFlow
TensorFlow is an open source, high-performance machine learning library
developed by Google and released for public use in 2015. It has interfaces
for Python, C++, and Java programming languages. It has the option of
running on multiple CPUs or GPUs. TensorFlow offers two modes of
execution: eager mode that can be run immediately and graph mode
that creates a dependency graph and executes nodes in that graph only
where needed.
This book uses TensorFlow 2.9.1. Older TensorFlow constructs from
version 1 of the library such as Session and placeholder are not covered
here. Their use has been rendered obsolete in TensorFlow version 2.0 and
higher. Output shown in the code listings has been generated using the
PyCharm IDE’s interactive shell.

2.1 Tensors and Variables

Tensors are n-dimensional arrays, similar in functionality to the numpy
library’s ndarray object. They are instances of the tf.Tensor object. A three-­
dimensional tensor of 32-bit floating-point numbers can be created using
code in Listing 2-1. Tensor has attributes shape and dtype that tell the
shape and data type of the tensor. Once created, tensors retain their shape.

© Samit Ahlawat 2023 5

S. Ahlawat, Reinforcement Learning for Finance,
https://doi.org/10.1007/978-1-4842-8835-1_2
Chapter 2 Introduction to TensorFlow

Listing 2-1. Creating a Three-Dimensional Tensor

1   import tensorflow as tf
2
3   tensor = tf.constant([[list(range(3))],
4                          [list(range(1, 4))],
5                          [list(range(2, 5))]], dtype=tf.
float32)
6
7   print(tensor)
8
9   tf.Tensor(
10   [[[0. 1. 2.]]
11   [[1. 2. 3.]]
12   [[2. 3. 4.]]], shape=(3, 1, 3), dtype=float32)

Most numpy functions for creating ndarrays have analogs in

TensorFlow, for example, tf.ones, tf.zeros, tf.eye, tf.ones_like, etc. Tensors
support usual mathematical operations like +, −, etc., in addition to matrix
operations like transpose, matmul, and einsum, as shown in Listing 2-2.

Listing 2-2. Mathematical Operations on Tensors

1   import tensorflow as tf
2
3   ar = tf.constant([[1, 2], [2, 2]], dtype=tf.float32)
4
5   print(ar)
6   <tf.Tensor: id=1, shape=(2, 2), dtype=float32, numpy=
7   array([[1., 2.],
8   [2., 2.]], dtype=float32)>
9
10   # elementwise multiplication

6
 Chapter 2 Introduction to TensorFlow

11   print(ar * ar)
12   Out[8]:
13   <tf.Tensor: id=2, shape=(2, 2), dtype=float32, numpy=
14   array([[1., 4.],
15   [4., 4.]], dtype=float32)>
16
17   # matrix multiplication C = tf.matmul(A, B) => cij =
sum_k (aik * bkj)
18   print(tf.matmul(ar, tf.transpose(ar)))
19
20   <tf.Tensor: id=5, shape=(2, 2), dtype=float32, numpy=
21   array([[5., 6.],
22   [6., 8.]], dtype=float32)>
23
24   # generic way of matrix multiplication
25   print(tf.einsum("ij,kj->ik", ar, ar))
26
27   <tf.Tensor: id=23, shape=(2, 2), dtype=float32, numpy=
28   array([[5., 6.],
29   [6., 8.]], dtype=float32)>
30
31   # cross product
32   print(tf.einsum("ij,kl->ijkl", ar, ar))
33
34   <tf.Tensor: id=32, shape=(2, 2, 2, 2),
dtype=float32, numpy=
35   array([[[[1., 2.],
36   [2., 2.]],
37   [[2., 4.],
38   [4., 4.]]],
39   [[[2., 4.],

7
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
Other documents randomly have
different content
sur lui, roula lourdement sur ses gonds et donna ouverture à la
chambre destinée à milady.
D’un seul regard, la prisonnière embrassa l’appartement dans ses
moindres détails.
C’était une chambre dont l’ameublement était à la fois propre à
une prison et propre à une habitation d’homme libre; cependant des
barreaux aux fenêtres et des verrous extérieurs à la porte décidaient
le procès en faveur de la prison.
Un instant toute la force d’âme de cette créature l’abandonna;
elle tomba sur un fauteuil, croisant les bras, baissant la tête, et
s’attendant à chaque instant à voir entrer un juge pour l’interroger.
Mais personne n’entra, que deux ou trois soldats de marine qui
apportèrent les malles et les caisses, les déposèrent dans un coin et
se retirèrent sans rien dire.
L’officier présidait à tous les détails avec le même calme que
milady lui avait constamment vu, ne prononçant pas une parole lui-
même, et se faisant obéir d’un geste de sa main ou d’un coup de
son sifflet. On eût dit qu’entre cet homme et ses inférieurs la langue
parlée n’existait pas ou était devenue inutile.
Enfin milady n’y put tenir plus longtemps, elle rompit le silence.
—Au nom du ciel, monsieur! s’écria-t-elle, que veut dire tout ce
qui se passe? Fixez mes irrésolutions; j’ai du courage pour tout
danger que je prévois, pour tout malheur que je comprends. Où
suis-je et que suis-je ici? suis-je libre: pourquoi ces barreaux et ces
portes? suis-je prisonnière: quel crime ai-je commis?
 —Vous êtes ici dans l’appartement qui vous est destiné, madame.
J’ai reçu l’ordre d’aller vous prendre en mer et de vous conduire en
ce château: cet ordre, je l’ai accompli, je crois, avec toute la rigidité
d’un soldat, mais aussi avec toute la courtoisie d’un gentilhomme. Là
se termine, du moins jusqu’à présent, la charge que j’avais à remplir
près de vous, le reste regarde une autre personne.
—Et cette autre personne, quelle est-elle? demanda milady; ne
pouvez-vous me dire son nom?...
En ce moment on entendit par les escaliers un grand bruit
d’éperons; quelques voix passèrent et s’éteignirent, et le bruit d’un
pas isolé se rapprocha de la porte.
 —Cette personne, la voici, madame, dit l’officier en démasquant
le passage, et en se rangeant dans l’attitude du respect et de la
soumission.
En même temps, la porte s’ouvrit; un homme parut sur le seuil
de la porte.
Il était sans chapeau, portait l’épée au côté, et froissait un
mouchoir entre ses doigts.
Milady crut reconnaître cette ombre dans l’ombre; elle s’appuya
d’une main sur le bras de son fauteuil, et avança la tête comme pour
aller au-devant d’une certitude.
Alors l’étranger s’avança lentement; et, à mesure qu’il s’avançait
en entrant dans le cercle de lumière projeté par la lampe, milady se
reculait involontairement.
Puis, lorsqu’elle n’eut plus aucun doute:
—Eh quoi! mon frère! s’écria-t-elle au comble de la stupeur, c’est
vous?
—Oui, belle dame! répondit lord Winter en faisant un salut moitié
courtois, moitié ironique, moi-même.
—Mais alors, ce château?
—Est à moi.
—Cette chambre?
—C’est la vôtre.
—Je suis donc votre prisonnière?
—A peu près.
—Mais c’est un abus affreux de la force!
—Pas de grands mots; asseyons-nous, et causons tranquillement,
comme il convient de faire entre un frère et une sœur.
Puis, se retournant vers la porte, et voyant que le jeune officier
attendait ses derniers ordres:
 —C’est bien, dit-il, je vous remercie; maintenant, laissez-nous,
monsieur Felton.
 XX
ENTRE FRÈRE ET SŒUR

Pendant le temps que lord Winter mit à fermer la porte, à

pousser un volet et à approcher un siège du fauteuil de sa belle-
sœur, milady, rêveuse, plongea son regard dans les profondeurs de
la possibilité, et découvrit toute la trame qu’elle n’avait pas même pu
entrevoir, tant qu’elle ignorait en quelles mains elle était tombée. Elle
connaissait son beau-frère pour un bon gentilhomme, franc
chasseur, joueur intrépide, entreprenant près des femmes, mais
d’une force au-dessous de la moyenne en intrigues. Comment avait-
il pu découvrir son arrivée? la faire saisir? pourquoi la retenait-il?
Athos lui avait bien dit quelques mots qui prouvaient que la
conversation qu’elle avait eue avec le cardinal était tombée dans des
oreilles étrangères; mais elle ne pouvait admettre qu’il eût pu
creuser une contre-mine si prompte et si hardie. Elle craignit bien
plutôt que ses précédentes opérations en Angleterre n’eussent été
découvertes. Buckingham pouvait avoir deviné que c’était elle qui
avait coupé les deux ferrets, et se venger de cette petite trahison;
mais Buckingham était incapable de se porter à aucun excès contre
une femme, surtout si cette femme était censée avoir agi par un
sentiment de jalousie.
Cette supposition lui parut la plus vraisemblable; il lui sembla
qu’on voulait se venger du passé, et non aller au-devant de l’avenir.
Toutefois, et en tout cas, elle s’applaudit d’être tombée entre les
mains de son beau-frère, dont elle comptait avoir bon marché, plutôt
qu’entre celles d’un ennemi direct et intelligent.
—Oui, causons, mon frère, dit-elle avec une espèce
d’enjouement, décidée qu’elle était à tirer de la conversation, malgré
toute la dissimulation que pourrait y apporter lord Winter, les
éclaircissements dont elle avait besoin pour régler sa conduite à
venir.
—Vous vous êtes donc décidée à revenir en Angleterre, dit lord
Winter, malgré la résolution que vous m’aviez si souvent manifestée
à Paris de ne jamais remettre les pieds sur le territoire de la Grande-
Bretagne?
Milady répondit à une question par une autre question.
—Avant tout, dit-elle, apprenez-moi donc comment vous m’avez
fait guetter assez sévèrement pour être d’avance prévenu non
seulement de mon arrivée, mais, encore du jour, de l’heure et du
port où j’arriverais.
Lord Winter adopta la même tactique que milady, pensant que
puisque sa belle-sœur l’employait, ce devait être la bonne.
—Mais dites-moi, vous-même, ma chère sœur, reprit-il, ce que
vous venez faire en Angleterre.
—Mais je viens vous voir, reprit milady, sans savoir combien elle
aggravait, par cette réponse, les soupçons qu’avait fait naître dans
l’esprit de son beau-frère la lettre de d’Artagnan, et voulant
seulement capter la bienveillance de son auditeur par un mensonge.
—Ah! me voir? dit sournoisement de Winter.
—Sans doute, vous voir. Qu’y a-t-il d’étonnant à cela?
—Et vous n’avez pas, en venant en Angleterre, d’autre but que
de me voir?
—Non.
—Ainsi, c’est pour moi seul que vous vous êtes donné la peine de
traverser la Manche?
—Pour vous seul.
—Peste! quelle tendresse, ma sœur!
—Mais ne suis-je pas votre plus proche parente? demanda milady
du ton de la plus touchante naïveté.
 —Et même ma seule héritière, n’est-ce pas? dit à son tour lord
Winter, en fixant ses yeux sur ceux de milady.
Quelque puissance qu’elle eût sur elle-même, milady ne put
s’empêcher de tressaillir, et comme, en prononçant les dernières
paroles qu’il avait dites, lord Winter avait posé la main sur le bras de
sa sœur, ce tressaillement ne lui échappa point.
En effet, le coup était direct et profond, La première idée qui vint
à l’esprit de milady fut qu’elle avait été trahie par Ketty, et que celle-
ci avait raconté au baron cette aversion intéressée dont elle avait
imprudemment laissé échapper des marques devant sa suivante; elle
se rappela aussi la sortie furieuse et imprudente qu’elle avait faite
contre d’Artagnan, lorsqu’il avait sauvé la vie de son beau-frère.
—Je ne comprends pas, milord, dit-elle pour gagner du temps et
faire parler son adversaire. Que voulez-vous dire? et y a-t-il quelque
sens inconnu caché sous vos paroles?
—Oh! mon Dieu, non, dit lord Winter avec une apparente
bonhomie. Vous avez le désir de me voir, et vous venez en
Angleterre; j’apprends ce désir, ou plutôt je me doute que vous
l’éprouvez, et afin de vous épargner tous les ennuis d’une arrivée
nocturne dans un port, toutes les fatigues d’un débarquement,
j’envoie un de mes officiers au-devant de vous; je mets une voiture
à ses ordres, et il vous amène ici dans ce château, dont je suis
gouverneur, où je viens tous les jours, et où, pour que notre double
désir de nous voir soit satisfait, je vous fais préparer une chambre.
Qu’y a-t-il dans tout ce que je dis là de plus étonnant que dans ce
que vous m’avez dit?
—Non, ce que je trouve d’étonnant, c’est que vous ayez été
prévenu de mon arrivée.
—C’est cependant la chose la plus simple, ma chère sœur:
n’avez-vous pas vu que le capitaine de votre petit bâtiment avait, en
entrant dans la rade, envoyé en avant, et afin d’obtenir son entrée
dans le port, un petit canot porteur de son livre de loch et de son
registre d’équipage? Je suis commandant du port, on m’a apporté ce
livre, j’y ai reconnu votre nom. Mon cœur m’a dit ce que vient de me
confirmer votre bouche, c’est-à-dire dans quel but vous vous
exposiez aux dangers d’une mer si périlleuse ou tout au moins si
fatigante en ce moment, et j’ai envoyé mon cutter au-devant de
vous. Vous savez le reste.
Milady comprit que lord Winter mentait et n’en fut que plus
effrayée.
—Mon frère, continua-t-elle, n’est-ce pas milord Buckingham que
je vis sur la jetée, le soir, en arrivant?
—Lui-même. Ah! je comprends que sa vue vous ait frappée,
reprit lord Winter: vous venez d’un pays où l’on doit beaucoup
s’occuper de lui, et je sais que ses armements contre la France
préoccupent fort votre ami le cardinal.
—Mon ami le cardinal! s’écria milady, voyant que, sur ce point
comme sur l’autre, lord Winter paraissait instruit de tout.
—N’est-il donc point votre ami? reprit négligemment le baron;
ah! pardon, je le croyais; mais nous reviendrons à milord-duc plus
tard, ne nous écartons point du tour tout sentimental qu’avait pris la
conversation: vous veniez, disiez-vous, pour me voir?
—Oui.
—Eh bien! je vous ai répondu que vous seriez servie à souhait et
que nous nous verrions tous les jours.
—Dois-je donc demeurer éternellement ici? demanda milady avec
un certain effroi.
—Vous trouveriez-vous mal logée, ma sœur? demandez ce qui
vous manque, et je m’empresserai de vous le faire donner.
—Mais je n’ai ni mes femmes, ni mes gens...
—Vous aurez tout cela, madame; dites-moi sur quel pied votre
premier mari avait monté votre maison, quoique je ne sois que votre
beau-frère, je vous la monterai sur un pied pareil.
 —Mon premier mari! s’écria milady en regardant lord Winter avec
des yeux effarés.
—Oui, votre mari français; je ne parle pas de mon frère. Au
reste, si vous l’avez oublié, comme il vit encore, je pourrais lui écrire
et il me ferait passer des renseignements à ce sujet.
Une sueur froide passa sur le front de milady.
—Vous raillez, dit-elle d’une voix sourde.
—En ai-je l’air? demanda le baron en se relevant et en faisant un
pas en arrière.
—Ou plutôt vous m’insultez, continua-t-elle en pressant de ses
mains crispées les deux bras du fauteuil et en se soulevant sur ses
poignets.
—Vous insulter, moi! dit lord Winter avec mépris; en vérité,
madame, croyez-vous que ce soit possible?
—En vérité, monsieur, dit milady, vous êtes ou ivre ou insensé;
sortez et envoyez-moi une femme.
—Des femmes sont bien indiscrètes, ma sœur! ne pourrais-je pas
vous servir de suivante? de cette façon, tous nos secrets resteraient
en famille.
—Insolent! s’écria milady.
Et, comme mue par un ressort, elle bondit sur le baron, qui
l’attendait les bras croisés, mais une main cependant sur la garde de
son épée.
—Eh! eh! dit-il, je sais que vous avez l’habitude d’assassiner les
gens, mais je me défendrai, moi, je vous en préviens, fût-ce contre
vous,
—Oh! vous avez raison, dit milady, et vous me faites l’effet d’être
assez lâche pour porter la main sur une femme.
 —Peut-être que oui; d’ailleurs j’aurais mon excuse: ma main ne
serait pas la première main d’homme qui se serait posée sur vous,
j’imagine.
Et le baron indiqua d’un geste lent et accusateur l’épaule gauche
de milady, qu’il toucha presque du doigt.
Milady poussa un rugissement sourd, se recula jusque dans
l’angle de la chambre, comme une panthère qui veut s’acculer pour
s’élancer.
—Oh! rugissez tant que vous voudrez, s’écria lord Winter, mais
n’essayez pas de mordre, car, je vous en préviens, la chose
tournerait à votre préjudice: il n’y a pas ici de procureurs qui règlent
d’avance les successions, il n’y a pas de chevalier errant qui vienne
me chercher querelle pour la belle dame que je retiens prisonnière;
mais je tiens tout prêts des juges qui disposeront d’une femme assez
éhontée pour venir se glisser, bigame, dans le lit de lord Winter, mon
frère aîné, et ces juges, je vous en préviens, vous enverront à un
bourreau qui vous fera les deux épaules pareilles.
Il continua, mais avec une fureur croissante:
—Oui, je comprends, après avoir hérité de mon frère, il vous eût
été doux d’hériter de moi; mais, sachez-le d’avance, vous pouvez me
tuer ou me faire tuer, mes précautions sont prises: pas un penny de
ce que je possède ne passera dans vos mains. N’êtes-vous pas déjà
assez riche, vous qui possédez près d’un million, et ne pouviez-vous
vous arrêter dans votre route fatale, si vous ne faisiez le mal que
pour la jouissance infinie et suprême de le faire? Oh! tenez, je vous
le dis, si la mémoire de mon frère ne m’était sacrée, vous iriez
pourrir dans un cachot d’État ou rassasier à Tyburn la curiosité des
matelots; je me tairai, mais vous, supportez tranquillement votre
captivité; dans quinze ou vingt jours je pars pour La Rochelle avec
l’armée; mais la veille de mon départ, un vaisseau viendra vous
prendre, que je verrai partir, et qui vous conduira dans nos colonies
du Sud; et, soyez tranquille, je vous adjoindrai un compagnon qui
vous brûlera la cervelle à la première tentative que vous risquerez
pour revenir ou en Angleterre ou sur le continent.
Milady écoutait avec une attention qui dilatait ses yeux
enflammés.
—Oui, à cette heure, continua lord Winter, vous demeurerez dans
ce château: les murailles en sont épaisses, les portes en sont fortes,
les barreaux en sont solides; d’ailleurs votre fenêtre donne à pic sur
la mer: les hommes de mon équipage, qui me sont dévoués à la vie
et à la mort, montent la garde autour de cet appartement, et
surveillent tous les passages qui conduisent à la cour; puis, arrivée à
la cour, il vous resterait encore trois grilles à traverser. La consigne
est précise: un pas, un geste, un mot qui simule une évasion, et l’on
fait feu sur vous; si l’on vous tue, la justice anglaise m’aura, je
l’espère, quelque obligation de lui avoir épargné de la besogne. Ah!
vos traits reprennent leur calme, votre visage retrouve son
assurance: Quinze jours, vingt jours, dites-vous, bah! d’ici là j’ai
l’esprit inventif, il me viendra quelque idée; j’ai l’esprit infernal, et je
trouverai quelque victime. D’ici à quinze jours, vous dites-vous, je
serai hors d’ici. Ah! ah! essayez. L’officier qui commande seul ici en
mon absence, vous l’avez vu, donc vous le connaissez déjà; il sait,
comme vous voyez, observer une consigne, car vous n’êtes pas, je
vous connais, venue de Portsmouth ici sans avoir essayé de le faire
parler. Qu’en dites-vous? Une statue de marbre eût-elle été plus
impassible et plus muette? Vous avez déjà essayé le pouvoir de vos
séductions sur bien des hommes, et malheureusement vous avez
toujours réussi; mais essayez sur celui-là, pardieu! si vous en venez
à bout, je vous déclare le démon lui-même.
Il alla vers la porte et l’ouvrit brusquement.
—Qu’on appelle monsieur Felton, dit-il. Attendez encore un
instant, et je vais vous recommander à lui.
Il se fit entre ces deux personnages un silence étrange, pendant
lequel on entendit le bruit d’un pas lent et régulier, qui se
rapprochait; bientôt, dans l’ombre du corridor, on vit se dessiner une
forme humaine, et le jeune lieutenant avec lequel nous avons déjà
fait connaissance s’arrêta sur le seuil, attendant les ordres du baron.
—Entrez, mon cher John, dit lord Winter, entrez et fermez la
porte.
Le jeune officier entra.
—Maintenant, dit le baron, regardez cette femme: elle est jeune,
elle est belle, elle a toutes les séductions de la terre, eh bien! c’est
un monstre, qui, à vingt-cinq ans, s’est rendue coupable d’autant de
crimes que vous pouvez en lire en un an dans les archives de nos
tribunaux. Sa voix prévient en sa faveur, sa beauté sert d’appât aux
victimes, son corps même paye ce qu’elle a promis, c’est une justice
à lui rendre; elle essayera de vous séduire, peut-être même
essayera-t-elle de vous tuer. Je vous ai tiré de la misère, Felton, je
vous ai fait nommer lieutenant, je vous ai sauvé la vie une fois, vous
savez à quelle occasion; je suis pour vous non seulement un
protecteur, mais un ami; non seulement un bienfaiteur, mais un
père; cette femme est revenue
en Angleterre afin de conspirer
contre ma vie; je tiens ce
serpent entre mes mains; eh
bien! je vous fais appeler et
vous dis: Ami Felton, John, mon
enfant, garde-moi et surtout
garde-toi de cette femme; jure
sur ton salut de la conserver
pour le châtiment qu’elle a
mérité. John Felton, je me fie à
ta parole; John Felton, je crois à
ta loyauté.
—Milord, dit le jeune officier,
en chargeant son regard pur de
toute la haine qu’il put trouver
dans son cœur; milord, je vous
jure qu’il sera fait comme vous
désirez.
Milady reçut ce regard en
victime résignée: il était
impossible de voir une expression plus soumise et plus douce que
celle qui régnait alors sur son beau visage. A peine si lord Winter lui-
même reconnut la tigresse qu’un instant auparavant il s’apprêtait à
combattre.
—Elle ne sortira jamais de cette chambre, entendez-vous, John,
continua le baron; elle ne correspondra avec personne; elle ne
parlera qu’à vous, si toutefois vous voulez bien lui faire l’honneur de
lui adresser la parole.
—Il suffit, milord, j’ai juré.
—Et maintenant, madame, tâchez de faire la paix avec Dieu, car
vous êtes jugée par les hommes.
 Milady laissa tomber sa tête comme si elle se fût sentie écrasée
par ce jugement. Lord Winter sortit en faisant un geste à Felton, qui
sortit derrière lui et ferma la porte.
Un instant après on entendait dans le corridor le pas pesant d’un
soldat de marine qui faisait sentinelle, sa hache à la ceinture et son
mousquet à la main.
Milady demeura pendant quelques minutes dans la même
position, car elle songea qu’on l’examinait peut-être par la serrure;
puis lentement elle releva sa tête, qui avait repris une expression
formidable de menace et de défi, courut écouter à la porte, regarda
par la fenêtre, et revenant s’enterrer dans un vaste fauteuil, elle
songea.
 XXI
OFFICIER

Cependant le cardinal attendait des nouvelles d’Angleterre, mais

aucune nouvelle n’arrivait, si ce n’est fâcheuse et menaçante.
Si bien que La Rochelle fut investie; si certain que pût paraître le
succès, grâce aux précautions prises, et surtout à la digue qui ne
laissait plus pénétrer aucune barque dans la ville assiégée, le blocus
pouvait cependant durer longtemps encore. Et c’était un grand
affront pour les armes du roi et une grande gêne pour M. le cardinal,
qui n’avait plus, il est vrai, à brouiller Louis XIII avec Anne
d’Autriche, la chose était faite, mais à raccommoder M. de
Bassompierre, qui était brouillé avec le duc d’Angoulême.
Quant à Monsieur, qui avait commencé le siège, il laissait au
cardinal le soin de l’achever.
La ville, malgré l’incroyable persévérance de son maire, avait
tenté une espèce de mutinerie pour se rendre; le maire avait fait
pendre les émeutiers. Cette exécution calma les plus mauvaises
têtes, qui se décidèrent alors à se laisser mourir de faim. Cette mort
leur paraissait toujours plus lente et moins sûre que le trépas par
strangulation.
De leur côté, de temps en temps, les assiégeants prenaient des
messagers que les Rochelais envoyaient à Buckingham ou des
espions que Buckingham envoyait aux Rochelais. Dans l’un et l’autre
cas le procès était vite fait. M. le cardinal disait ce seul mot: Pendu!
On invitait le roi à venir voir la pendaison. Le roi venait
languissamment, se mettait en bonne place pour contempler
l’opération dans tous ses détails: cela le distrayait toujours un peu et
lui faisait prendre le siège en patience, mais cela ne l’empêchait pas
de s’ennuyer fort, de parler à tout moment de retourner à Paris; de
sorte que si les messagers et les espions eussent fait défaut, Son
Éminence, malgré toute son imagination, se fût trouvée fort
embarrassée.
Néanmoins le temps passait, les Rochelais ne se rendaient pas: le
dernier espion que l’on avait pris était porteur d’une lettre. Cette
lettre disait bien à Buckingham que la ville était à toute extrémité;
mais, au lieu d’ajouter: «Si votre secours n’arrive pas avant quinze
jours, nous nous rendrons,» elle ajoutait tout simplement: «Si votre
secours n’arrive pas avant quinze jours, nous serons tous morts de
faim quand il arrivera.»
Les Rochelais n’avaient donc espoir qu’en Buckingham.
Buckingham était leur Messie. Il était évident que si un jour ils
apprenaient d’une manière certaine qu’il ne fallait plus compter sur
Buckingham, avec l’espoir leur courage tomberait.
Il attendait donc avec grande impatience des nouvelles
d’Angleterre qui devaient annoncer que Buckingham ne viendrait
pas.
La question d’emporter la ville de vive force, débattue souvent
dans le conseil du roi, avait toujours été écartée; d’abord La Rochelle
semblait imprenable, puis le cardinal, quoi qu’il eût dit, savait bien
que l’horreur du sang répandu en cette rencontre, où Français
devaient combattre contre Français, était un mouvement rétrograde
de soixante ans imprimé à la politique, et le cardinal était à cette
époque ce qu’on appelle aujourd’hui un homme de progrès. En effet,
le sac de La Rochelle et l’assassinat de trois ou quatre mille
huguenots qui se fussent fait tuer ressemblaient trop, en 1628, au
massacre de la Saint-Barthélemy, en 1572; et puis, par-dessus tout
cela, ce moyen extrême, auquel le roi, bon catholique, ne répugnait
aucunement, venait toujours échouer contre cet argument des
généraux assiégeants: La Rochelle est imprenable autrement que
par la famine.
Le cardinal ne pouvait écarter de son esprit la crainte où le jetait
sa terrible émissaire, car il avait compris, lui aussi, les proportions
étranges de cette femme, tantôt serpent, tantôt lion. L’avait-elle
trahi? était-elle morte? il la connaissait assez, en tous cas, pour
savoir qu’en agissant pour lui ou contre lui, amie ou ennemie, elle ne
demeurait pas inactive sans de grands empêchements; mais d’où
venaient ces empêchements? C’était ce qu’il ne pouvait savoir.
Au reste, il comptait, et avec raison, sur milady: il avait deviné
dans le passé de cette femme de ces choses terribles que son
manteau rouge pouvait seul couvrir; et il sentait que, pour une
cause ou pour une autre, cette femme lui était acquise, ne pouvant
trouver qu’en lui un appui supérieur au danger qui la menaçait.
Il résolut donc de faire la guerre tout seul et de n’attendre tout
succès étranger à lui que comme on attend une chance heureuse. Il
continua de faire élever la fameuse digue qui devait affamer La
Rochelle; en attendant, il jeta les yeux sur cette malheureuse ville,
qui renfermait tant de misères profondes et tant d’héroïques vertus,
et, se rappelant le mot de Louis XI, son prédécesseur politique,
comme lui-même était le prédécesseur de Robespierre, il se rappela
cette maxime du compère de Tristan: «Diviser pour régner.»
Henri IV, assiégeant Paris, faisait jeter par-dessus les murailles du
pain et des vivres; le cardinal fit jeter des petits billets par lesquels il
représentait aux Rochelais combien la conduite de leurs chefs était
injuste, égoïste et barbare; ces chefs avaient du blé en abondance,
et ne le partageaient pas; ils adoptaient pour maxime, car eux aussi
avaient des maximes, que peu importait que les femmes, les enfants
et les vieillards mourussent, pourvu que les hommes qui devaient
défendre leurs murailles restassent forts et bien portants. Jusque-là,
soit dévouement, soit impuissance de réagir contre elle, cette
maxime, sans être généralement adoptée, était cependant passée de
la théorie à la pratique; mais les billets vinrent y porter atteinte. Les
billets rappelaient aux hommes que ces enfants, ces femmes, ces
vieillards qu’on laissait mourir étaient leurs fils, leurs épouses et
leurs pères; qu’il serait plus juste que chacun fût réduit à la misère
commune, afin qu’une même position fît prendre des résolutions
unanimes. Ces billets firent tout l’effet qu’en pouvait attendre celui
qui les avait écrits, en ce qu’ils déterminèrent un grand nombre
d’habitants à ouvrir des négociations particulières avec l’armée
royale.
Mais au moment où le cardinal voyait déjà fructifier son moyen et
s’applaudissait de l’avoir mis en usage, un habitant de La Rochelle,
qui avait pu passer à travers les lignes royales, Dieu sait comment,
tant était grande la surveillance de Bassompierre, de Schomberg et
du duc d’Angoulême, surveillés eux-mêmes par le cardinal; un
habitant de La Rochelle, disons-nous, entra dans la ville, venant de
Portsmouth et disant qu’il avait vu une flotte magnifique prête à
mettre à la voile avant huit jours. De plus, Buckingham annonçait au
maire qu’enfin la grande ligue contre la France allait se déclarer, et
que le royaume allait être envahi à la fois par les armées anglaises,
impériales et espagnoles. Cette lettre fut lue publiquement sur
toutes les places, on en afficha des copies aux angles des rues, et
ceux-là mêmes qui avaient commencé d’ouvrir des négociations les
interrompirent, résolus d’attendre ce secours si pompeusement
annoncé.
Cette circonstance inattendue rendit à Richelieu ses inquiétudes
premières, et le força malgré lui à tourner de nouveau les yeux de
l’autre côté de la mer.
Pendant ce temps, exempte des inquiétudes de son seul et
véritable chef, l’armée royale menait joyeuse vie, les vivres ne
manquant pas au camp, ni l’argent non plus; tous les corps
rivalisaient d’audace et de gaieté. Prendre des espions et les pendre,
faire des expéditions hasardeuses sur la digue ou sur la mer,
imaginer des folies, les exécuter froidement, tel était le passe-temps
qui faisait trouver courts à l’armée ces jours si longs, non seulement
pour les Rochelais, rongés par la famine et l’anxiété, mais encore
pour le cardinal, qui les bloquait si vivement.
Quelquefois, quand le cardinal, toujours chevauchant comme le
dernier gendarme de l’armée, promenait son regard pensif sur ces
ouvrages, si lents au gré de son désir, qu’élevaient sous son ordre
les ingénieurs qu’il faisait venir de tous les coins du royaume de
France, s’il rencontrait un mousquetaire de la compagnie de Tréville,
il s’approchait de lui et le regardait d’une façon singulière, et ne le
reconnaissant pas pour un de nos quatre compagnons, il laissait aller
ailleurs son regard profond et sa vaste pensée.
Un jour où, rongé d’un mortel ennui, sans espérance dans les
négociations avec la ville, sans nouvelles d’Angleterre, le cardinal
était sorti sans autre but que de sortir, accompagné seulement de
Cahusac et de La Houdinière, longeant les grèves et mêlant
l’immensité de ses rêves à l’immensité de l’Océan, il arriva au petit
pas de son cheval sur une colline du haut de laquelle il aperçut
derrière une haie, couchés sur le sable, au soleil si rare à cette
époque de l’année, sept hommes entourés de bouteilles vides.
Quatre de ces hommes étaient nos mousquetaires s’apprêtant à
écouter la lecture d’une lettre que l’un d’eux venait de recevoir. Cette
lettre était si importante, qu’elle avait fait abandonner sur un
tambour des cartes et des dés.
Les trois autres s’occupaient à décoiffer une énorme dame-
jeanne de vin de Collioure; c’étaient les laquais de ces messieurs.
Le cardinal, comme nous l’avons dit, était de sombre humeur, et
rien, quand il était dans cette situation d’esprit, ne redoublait sa
maussaderie comme la gaieté des autres. D’ailleurs il avait une
préoccupation étrange, c’était de croire toujours que c’étaient les
causes de sa tristesse à lui qui faisaient la gaieté des autres. Faisant
signe à La Houdinière et à Cahusac de s’arrêter, il descendit de
cheval et s’approcha de ces rieurs suspects, espérant qu’à l’aide du
sable qui assourdissait ses pas, et de la haie qui voilait sa marche, il
pourrait entendre quelques mots de cette conversation qui lui
paraissait si intéressante; à dix pas de la haie seulement il reconnut
le babil gascon, et comme il savait déjà que ces hommes étaient des
mousquetaires, il ne douta pas que les trois autres ne fussent ceux
qu’on appelait les inséparables, c’est-à-dire Athos, Porthos et Aramis.
On juge si son désir d’entendre la conversation s’augmenta de
cette découverte; ses yeux prirent une expression étrange, et d’un
pas de chat-tigre il s’avança vers la haie; mais il n’avait pu saisir
encore que des syllabes vagues et sans aucun sens positif, lorsqu’un
cri sonore et bref le fit tressaillir et attira l’attention des
mousquetaires.
—Officier! cria Grimaud.
—Vous parlez, je crois, drôle, dit Athos se soulevant sur un coude
et fascinant Grimaud de son regard flamboyant.
Aussi Grimaud n’ajouta-t-il point une parole, se contentant de
tendre le doigt indicateur dans la direction de la haie et dénonçant
par ce geste le cardinal et son escorte.
D’un seul bond les quatre mousquetaires furent sur pied et
saluèrent avec respect.
Le cardinal semblait furieux.
—Il paraît qu’on se fait garder chez messieurs les mousquetaires!
dit-il. Est-ce que l’Anglais vient par terre, ou serait-ce que les
mousquetaires se regardent comme des officiers supérieurs?
—Monseigneur,
répondit Athos, car
au milieu de l’effroi
général lui seul avait
conservé le calme et
le sang-froid qui ne
le quittaient jamais;
monseigneur, les
mousquetaires,
lorsqu’ils ne sont pas
de service, ou que
leur service est fini,
boivent et jouent aux
dés, et ils sont des
officiers très
supérieurs pour leurs laquais.
 —Des laquais! grommela le cardinal, des laquais qui ont la
consigne d’avertir leurs maîtres quand passe quelqu’un, ce ne sont
point des laquais, ce sont des sentinelles.
—Son Éminence voit bien cependant que si nous n’avions point
pris cette précaution, nous étions exposés à la laisser passer sans lui
présenter nos respects et lui offrir nos remerciements pour la grâce
qu’elle nous a faite de nous réunir. D’Artagnan, continua Athos, vous
qui tout à l’heure demandiez cette occasion d’exprimer votre
reconnaissance à monseigneur, la voici venue, profitez-en.
Ces mots furent prononcés avec ce flegme imperturbable qui
distinguait Athos dans les heures du danger, et cette excessive
politesse qui faisait de lui dans certains moments un roi plus
majestueux que les rois de naissance.
D’Artagnan s’approcha et balbutia quelques paroles de
remerciement, qui bientôt expirèrent sous les regards assombris du
cardinal.
—N’importe, messieurs, continua le cardinal sans paraître le
moins du monde détourné de son intention première par l’incident
qu’Athos avait soulevé; n’importe, messieurs, je n’aime pas que de
simples soldats, parce qu’ils ont l’avantage de servir dans un corps
privilégié, fassent ainsi les grands seigneurs, et la discipline est la
même pour eux que pour tout le monde.
Athos laissa le cardinal achever parfaitement sa phrase, et,
s’inclinant en signe d’assentiment, il reprit à son tour:
—La discipline, monseigneur, n’a en aucune façon, je l’espère,
été oubliée par nous. Nous ne sommes pas de service, et nous
avons cru que, n’étant pas de service, nous pouvions disposer de
notre temps comme bon nous semblait. Si nous sommes assez
heureux pour que Son Éminence ait quelque ordre particulier à nous
donner, nous sommes prêts à lui obéir. Monseigneur voit, continua
Athos en fronçant le sourcil, car cette espèce d’interrogatoire
commençait à l’impatienter, que, pour être prêts à la moindre alerte,
nous sommes sortis avec nos armes.
 Et il montra du doigt au cardinal les quatre mousquets en
faisceau près du tambour sur lequel étaient les cartes et les dés.
—Que Votre Éminence veuille le croire, ajouta d’Artagnan, nous
aurions été au-devant d’elle si nous avions pu supposer que c’était
elle qui venait vers nous en si petite compagnie.
—Savez-vous de quoi vous avez l’air, toujours ensemble, comme
vous voilà, armés comme vous êtes, et gardés par vos laquais? dit le
cardinal, vous avez l’air de quatre conspirateurs.
—Oh! quant à ceci, monseigneur, c’est vrai, dit Athos, nous
conspirons, comme Votre Éminence a pu le voir l’autre matin,
seulement c’est contre les Rochelais.
—Eh! messieurs les politiques! reprit le cardinal en fronçant le
sourcil à son tour, on trouverait peut-être dans vos cervelles le secret
de bien des choses qui sont ignorées, si on pouvait y lire comme
vous lisiez dans cette lettre que vous avez cachée quand vous
m’avez vu venir.
Le rouge monta à la figure d’Athos, il fit un pas vers Son
Éminence.
—On dirait que vous nous soupçonnez réellement, monseigneur,
et que nous subissons un véritable interrogatoire; s’il en est ainsi,
que Votre Éminence daigne s’expliquer, et nous saurons du moins à
quoi nous en tenir.
—Et quand cela serait un interrogatoire, reprit le cardinal,
d’autres que vous en ont subi, monsieur Athos, et y ont répondu.
—Aussi, monseigneur, ai-je dit à Votre Éminence qu’elle n’avait
qu’à questionner, et que nous étions prêts à répondre.
—Quelle était cette lettre que vous alliez lire, monsieur Aramis, et
que vous avez cachée?
—Une lettre de femme, monseigneur.
—Oh! je conçois, dit le cardinal, il faut être discret pour ces
sortes de lettres; mais cependant on peut les montrer à un
confesseur, et, vous le savez, j’ai reçu les ordres.
—Monseigneur, dit Athos avec un calme d’autant plus terrible
qu’il jouait sa tête en faisant cette réponse, la lettre est d’une
femme, mais elle n’est signée ni Marion de Lorme, ni madame
d’Aiguillon.
Le cardinal devint pâle comme la mort, un éclair fauve sortit de
ses yeux; il se retourna comme pour donner un ordre à Cahusac et à
La Houdinière. Athos vit le mouvement; il fit un pas vers les
mousquetons, sur lesquels les trois amis avaient les yeux fixés en
hommes mal disposés à se laisser arrêter. Le cardinal était, lui,
troisième; les mousquetaires, y compris les laquais, étaient sept: il
jugea que la partie serait d’autant moins égale, qu’Athos et ses
compagnons conspiraient réellement; et, par un de ces retours
rapides qu’il tenait toujours à sa disposition, toute sa colère se fondit
dans un sourire.
 —Allons, allons! dit-il, vous êtes de braves jeunes gens, fiers au
soleil, fidèles dans l’obscurité; il n’y a pas de mal à veiller sur soi
quand on veille si bien sur les autres; messieurs, je n’ai point oublié
la nuit où vous m’avez servi d’escorte pour aller au Colombier-
Rouge; s’il y avait quelque danger à craindre sur la route que je vais
suivre, je vous prierais de m’accompagner; mais, comme il n’y en a
pas, restez où vous êtes, achevez vos bouteilles, votre partie et
votre lettre. Adieu, messieurs.
Et, remontant sur son cheval, que Cahusac lui avait amené, il les
salua de la main et s’éloigna.
Les quatre jeunes gens, debout et immobiles, le suivirent des
yeux sans dire un seul mot jusqu’à ce qu’il eût disparu.
 Puis ils se regardèrent.
Tous avaient la figure consternée, car, malgré l’adieu amical de
Son Éminence, ils comprenaient que le cardinal s’en allait la rage
dans le cœur.
Athos seul souriait d’un sourire puissant et dédaigneux.
Quand le cardinal fut hors de la portée de la voix et de la vue:
—Ce Grimaud a guetté bien tard! s’écria Porthos, qui avait
grande envie de faire tomber sa mauvaise humeur sur quelqu’un.
Grimaud allait répondre pour s’excuser. Athos leva le doigt et
Grimaud se tut.
—Auriez-vous rendu la lettre, Aramis? dit d’Artagnan.
—Moi, dit Aramis de sa voix la plus flûtée, j’étais décidé: s’il avait
exigé que la lettre lui fût remise, je lui présentais la lettre d’une
main, et de l’autre je lui passais mon épée au travers du corps.
—Je m’y attendais bien, dit Athos; voilà pourquoi je me suis jeté
entre vous et lui. En vérité, cet homme est bien imprudent de parler
ainsi à d’autres hommes; on dirait qu’il n’a jamais eu affaire qu’à des
femmes et à des enfants.
—Mon cher Athos, dit d’Artagnan, je vous admire, mais
cependant nous étions dans notre tort, après tout.
—Comment, dans notre tort! dit Athos. A qui donc cet air que
nous respirons? A qui cet Océan sur lequel s’étendent nos regards?
A qui ce sable sur lequel nous étions couchés? A qui cette lettre de
votre maîtresse? Est-ce au cardinal? Sur mon honneur, cet homme
se figure que le monde lui appartient; vous étiez là, balbutiant,
stupéfait, anéanti; on eût dit que la Bastille se dressait devant vous
et que la gigantesque Méduse vous changeait en pierre. Est-ce que
c’est conspirer, voyons, que d’être amoureux? Vous êtes amoureux
d’une femme que le cardinal a fait enfermer, vous voulez la tirer des
mains du cardinal; c’est une partie que vous jouez avec Son
Éminence: cette lettre c’est votre jeu; pourquoi montreriez-vous
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!

ebookmass.com