Journée d’étude : « Quels usages aujourd’hui des bibliothèques numériques ? Enseignements et perspectives à partir de Gallica »

Journée d’étude organisée par la Bibliothèque nationale de France, le labex Obvil et Télécom ParisTech

Argument

Ces dernières années, les interfaces d’accès aux collections numériques des bibliothèques patrimoniales, archives et universités ont vu leur audience croître en même temps que le nombre et la diversité des documents mis à disposition. Cette croissance s’est accompagnée d’un élargissement des publics et des usages, facilité par la dissémination des contenus numérisés à travers le web, avec l’intervention de nouveaux médiateurs (communautés d’intérêt ou de pratique, etc.) et la possibilité d’agréger à ces contenus d’autres ressources ou de les enrichir par des dispositifs collaboratifs. Or, alors que se développent à grande vitesse les humanités numériques, les informations restent parcellaires sur les utilisateurs de ces collections, sur leur manière de les découvrir et de les utiliser, en particulier la logique d’interrogation (structurée et finalisée ou au contraire associative, voire aléatoire) et les effets de ces nouveaux usages sur la connaissance, les méthodologies et les corpus.

Faisant suite à un projet de recherche de 10 mois porté par la Bibliothèque nationale de France, le labex Obvil et Télécom ParisTech, cette journée a pour but d’examiner, à travers l’exemple de Gallica, bibliothèque numérique de la BnF et de ses partenaires, l’évolution des usages des collections patrimoniales numérisées, afin de mieux comprendre la manière dont celles-ci sont perçues et intégrées dans des stratégies de recherche, professionnelles et amateurs. Portées par des expertises variées (sociologie, ethnographie, science des données, humanités, etc.), l’approche retenue croise des méthodes qualitatives et quantitatives. Si Gallica est un objet privilégié d’observation, compte tenu du nombre de documents qu’elle propose (4 millions) et de son audience (40 000 visites/jour), c’est bien sa place dans un réseau de ressources, en ligne mais aussi bien hors ligne, qui intéresse la présente journée.

Programme prévisionnel

Matinée (9h30-12h30) :

  • Accueil, par Arnaud Beaufort (BnF), Milad Doueihi (labex Obvil), Valérie Fernandez (Télécom ParisTech)
  • Comment les usagers deviennent acteurs de Gallica, par Sophie Bertrand et Philippe Chevallier (BnF)
  • Matérialité des pratiques studieuses à l’heure du numérique, par Marc Jahjah (Université de Haute-Alsace)
  • « Je pars d’un sujet, je rebondis sur un autre » : une étude qualitative auprès d’utilisateurs de Gallica au service d’un dispositif d’enquête global, par Valérie Beaudouin et Isabelle Garron (Télécom ParisTech)
  • Résultats de l’enquête en ligne auprès des gallicanautes, par Jacques Bonneau (TMO régions)

Après-midi (14h30-17h30) :

  • Vidéo-ethnographie d’usagers de Gallica, par Nicolas Rollet (Télécom ParisTech)
  • Une autre approche des usages : Observation des usages au moyen de tests utilisateurs, par Nicolas Esposito (Gobelins, l’école de l’image)
  • Modélisation des comportements à partir de l’analyse des logs de Gallica, par Adrien Nouvellet (Télécom ParisTech)
  • Ce que les bibliothèques numériques font à la recherche, par Didier Alexandre (labex Obvil)

Information pratiques

Mercredi 3 mai 2017
9h30-17h30, accueil à partir de 9h
BnF, site François-Mitterrand – Petit auditorium
Quai François Mauriac, Paris 13e
Accès par l’entrée EST, face au 25 rue Émile Durkheim (marches) ou avenue de France (de plain-pied), à proximité de l’entrée du cinéma MK2-Bibliothèque.
Entrée libre dans la limite des places disponibles.
Inscription gratuite et obligatoire : https://usages_bib_num_gallica_mai2017.eventbrite.fr

Bibliothèque de l’Arsenal : soirée d’hommage à Paulette Pérec

Paulette Perec

Disparue le 5 novembre 2016, Paulette Perec avait fait toute sa carrière à la BnF, du département des Imprimés aux Estampes avant d’aller à la bibliothèque de l’Arsenal. L’Association Georges Perec et la BnF organisent une soirée en son hommage le vendredi 3 mars, à la fois jour anniversaire de Paulette et celui de la mort de Georges Perec. Un montage de photos, d’archives sonores et audiovisuelles, des interventions de proches et d’anciens collègues ainsi que des lectures par Camille Bloomfield et Benjamin Lazar évoqueront cette femme de conviction.

Informations pratiques

Vendredi 3 mars 2017, 18h30 à 20h, grand salon de la bibliothèque de l’Arsenal.
Bibliothèque de l’Arsenal, rue de Sully, 75004 Paris (métro Sully-Morland).
Entrée libre dans la limite des places disponibles
Réservation obligatoire : 01 53 79 49 49 ou visites@bnf.fr ou auprès de Jean-Luc Joly (jljoly@neuf.fr).

Colloque international : L’enseignement de la littérature avec le numérique

colloque-grenoble-bandeauEn collaboration avec la Bibliothèque nationale de France, l’UMR 5316 LITT&ARTS CNRS (Université Grenoble Alpes) et le Groupe en Littératie Médiatique Multimodale (Université du Québec à Montréal) organisent un colloque qui se propose d’examiner comment, dans l’enseignement de la lecture et de l’écriture littéraires, les ressources numériques (supports didactiques, outils de production et de diffusion) font évoluer la configuration des textes étudiés en classe et leurs approches scolaires.

Argument

Les recherches dans le champ des humanités numériques invitent le domaine de l’éducation, en l’occurrence celui de la didactique de la littérature, à tenir compte de la mutation des corpus, des textualités et des genres numériques/numérisés ainsi que des pratiques d’enseignement-apprentissage soutenues par les supports et outils technologiques. Ainsi les savoirs en didactique de la littérature sont appelés à contribuer à ce que Doueihi appelle l’évolution de l’humanisme numérique (2011)1

Le numérique, dans l’enseignement de la littérature, permet de développer de nouvelles configurations des textes, des supports didactiques et des productions inédites (Chartier, 2012 ; Davallon, Desperet-Lonnet, Jeanneret, Le Marec & Souchier, 2003). Les supports technologiques (écran, ordinateur tablettes, objets connectés) et leurs outils (sites, logiciels, web) ouvrent de nouveaux espaces d’apprentissage et de nouveaux usages scolaires (Brunel & Quet, 2016): multimodalité (Lacelle, Lebrun, Boutin, 2012), interactivité et hypertextualité (Bouchardon, Broudoux, Deseilligny & Ghitalla, 2007) sont prises en compte dans des dispositifs didactiques d’enseignement de la littérature. Grâce à ces circulations et topographies nouvelles, des résonances inédites sont rendues possibles entre textes de provenance ou d’époque différentes, entre textes littéraires et commentaires métatextuels, écrits et œuvres issues d’autres modes sémiotiques (images, sons et cinétique), édition de récits classiques et genres numériques, univers culturels que tout, a priori, oppose (Vandendorpe, 2012). Les programmes peu à peu, prennent acte de ces évolutions, et orientent la discipline français, intégrant des objets à lire et à produire évolutifs, ou prescrivant des modalités didactiques adaptées. De même, dans les classes, des pratiques de lecture et d’écriture se créent, liées à l’usage d’outils devenus coutumiers, à des gestes professionnels spécifiques, à des objets ou à l’enseignement de compétences nouvelles.

Le colloque se propose ainsi d’examiner comment, dans l’enseignement de la lecture et de l’écriture littéraires, les ressources numériques (supports didactiques, outils de production et de diffusion) font évoluer la configuration des textes étudiés en classe et leurs approches scolaires.

Informations pratiques

Les 7 et 8 mars 2017
Maison des Sciences de l’homme,
Université Grenoble Alpes, 38 Saint Martin d’Hères
Site internet du colloque : http://litmedmod.ca/grenoble
  1. Milad Doueihi, Pour un humanisme numérique, Paris : Éditions du Seuil, 2011, 177 p. []

Journée d’études du projet ANR DEF19 : « Marges et périphéries du monde du livre au XIXe siècle » (23/2)

Cette journée d’études est le deuxième événement scientifique organisé dans le cadre du projet ANR DEF19 (Dictionnaire des éditeurs français du XIXe siècle). Un premier rendez-vous, le 23 octobre 2015, intitulé « Dictionnaires et répertoires des gens du livre, en Europe et dans le monde. Expériences et perspectives », a permis de confronter les expériences d’entreprises de recensements effectuées dans différents espaces géographiques.

Cette deuxième journée d’études aura pour thème les périphéries et les marges de l’activité éditoriale au XIXe siècle. À l’heure en effet où les grands éditeurs parisiens ou provinciaux ont pour beaucoup fait l’objet d’études historiques et sont donc relativement bien connus, le recensement entrepris par le projet DEF19 a pour ambition de faire sortir de l’ombre quantité de figures inconnues. Cette rencontre se propose donc de réfléchir aux enjeux historiographiques et méthodologiques de cette redécouverte des éditeurs marginaux, moins connus et/ou moins étudiés.

Programme

Jeudi 23 février : Maison de l’étudiant, Espace « Représentation »

9h00 : Accueil des participants à la maison de l’étudiant
Session 1. Images, cartes, partitions : faire l’histoire des imprimés spécifiques (prés. Jean-Charles Geslot, CHCSC)
9h30 : Dominique Lerch (CHCSC) – Pour une histoire de l’imprimerie lithographique
9h55 : Gilles Palsky (Université de Paris 1 Panthéon-Sorbonne, UMR 8504 Géographie-cités) – Voir le monde. Les atlas généraux et universels dans l’édition française du XIXe siècle
10h20 : Marguerite Sablonnière (Bibliothèque nationale de France) – Recenser les éditeurs de musique au XIXe siècle : sources et instruments de travail

Session 2. Feuilles volantes, feuilles interdites : les productions marginales au prisme de la recherche (prés. Jean-Yves Mollier, CHCSC)
11h20 : Anne Urbain (CHCSC) – De rose et d’ombre : éditer et publier la littérature érotique dans la seconde moitié du XIXe siècle (France, Belgique).
11h45 : Florence Ferran (Université de Cergy-Pontoise, Laboratoire AGORA, EA 7392) – Des imprimés à la marge ? Les éphémères sur l’art des Lumières et leur patrimonialisation au 19e siècle.

Session 3. Face au pouvoir et à la censure : stratégies éditoriales, stratégies de recherche (prés. Marie-Claire Bosq, CHCSC)
14h00 : Flavien Bertran de Balanda (Université de Paris IV-Sorbonne, Centre d’histoire du XIXe siècle) – Nains et girafes. Contourner la censure : les stratégies de publication marginale dans la France du premier XIXème siècle (1799-1830)
14h25 : Odile Krakovitch (Archives nationales) – Les éditeurs de chansons sous le Second Empire : censure ou tolérance ?

Session 4. Richesse des archives privées et des correspondances (prés. Patricia Sorel, CHCSC)
15h30 : Vanessa Alberti (UMR LISA – Université Pascal Paoli) – L’apport des archives privées à la connaissance des éditeurs corses
15h55 : Philipp Leu (CHCSC) – La Bibliothèque artistique et littéraire. Pratiques éditoriales et enjeux économiques de la maison d’édition de La Plume

Le demi-journée sera suivie d’un cocktail à la maison de l’étudiant.

Vendredi 24 février : Bibliothèque universitaire, Auditorium

9h00 : Accueil des participants

Session 5. L’apport des archives économiques (prés. Viera Rebolledo-Dhuin, CHCSC)
9h30 : Olivier Chaïbi (ESPé-UPEC) – Les éditeurs de manuels scolaires à l’épreuve de la massification de l’enseignement. Les leçons des faillites au Tribunal du Commerce
9h55 : Louis André (Université Rennes 2) – Marchands et fabricants de papier dans le monde du livre au XIXe siècle
10h20 : Gilles Feyel (Université Paris II Panthéon-Assas, Institut Français de Presse) – Une imprimerie de province, de l’artisanat à l’industrie (1822-1914). Les archives de l’imprimerie Durand, à Chartres (Eure-et-Loir)

Session 6. Recenser les gens du livre : la genèse des dictionnaires des gens du livre (prés. Jean-Dominique Mellot, BnF)
11h20 : Corinne Bouquin (Bibliothèque nationale de France) – Le Dictionnaire des imprimeurs lithographes : genèse, structure et évolutions
11h45 : Marie-Cécile Bouju  (Centre de recherches historiques – Université Paris 8) – Un « Maitron des ouvriers du livre et du papier » : enjeux, méthodologie et perspectives d’un dictionnaire biographique du mouvement ouvrier
15h-17h : Visite du site et du musée national de Port-Royal des Champs

Informations pratiques

Maison de l’étudiant
1, allée de l’astronomie
78280 Guyancourt

Bibliothèque Universitaire
45 boulevard Vauban
78280 Guyancourt

Entrée libre dans la limite des places disponibles. Le transport vers le site à partir de l’université et le retour (gare de Saint-Quentin en Yvelines) sont pris en charge.

Inscription obligatoire

Résumés des communications

Enregistrer

Journée d’étude sur le dessin de presse : « Années 1960 – Hara Kiri : regards sur un art corrosif » (15/3)

Le magazine mensuel Hara Kiri, fondé en 1960 par François Cavanna et Georges Bernier (alias Le Professeur Choron), a marqué d’un fer rouge une époque mythique pétrie d’insolence joyeuse au nom de toutes les libertés. Il a ouvert ses pages à de nombreux dessinateurs devenus célèbres comme Fred, Gébé, Reiser, Siné, Topor, Wolinski et bien d’autres. C’est de ce bouillonnement d’inventions audacieuses et provocatrices qu’est né Charlie Hebdo en 1970. La journée d’étude s’attachera à présenter la naissance et l’évolution du « Journal bête et méchant » et donnera la parole à trois jeunes dessinateurs, Dorthe Landschultz, Pascal Gros et MRIC, invités à se pencher sur l’art très particulier de Topor dont on commémore cette année les 20 ans de sa disparition.

Continuer la lecture de Journée d’étude sur le dessin de presse : « Années 1960 – Hara Kiri : regards sur un art corrosif » (15/3)

Appel à chercheurs 2017-2018 de la Bibliothèque nationale de France

La BnF publie son appel à chercheurs, afin de s’associer le concours de chercheurs pour l’année universitaire 2017-2018. Cet appel propose aux chercheurs un soutien financier au travers de bourses de recherche pour un montant total de 50 000 euros, grâce à la générosité de la BnF et de ses mécènes. L’appel à chercheurs de la BnF s’adresse aux masterants et doctorants. Les candidats peuvent proposer spontanément des sujets de travaux. Afin d’éviter la dispersion des propositions, trois axes de recherche sont indiqués.

Professeur Metchnikoff [le scientifique travaillant au microscope]
Professeur Metchnikoff [le scientifique travaillant au microscope]

Thèmes de recherche

Modalités pratiques

L’appel à chercheurs de la BnF est disponible sur le site : https://bnf-aac-2017-18.sciencesconf.org/.
Les candidats peuvent y trouver toutes les informations nécessaires, notamment sur les axes thématiques ou les sujets proposés par les départements de collections.

Les candidatures sont à formuler directement sur le site dédié sciencesconf.org. Les dossiers de candidature doivent réunir :

– Fiche de candidature complétée ;
– Curriculum vitae ;
– Liste des publications du candidat ;
– Présentation du sujet de recherche proposé (4 pages maximum) ;
– Projet de valorisation envisagé (2 pages maximum) pour les candidats à une bourse de recherche (Fondation Louis Roederer, Mark Pigott, chercheur postdoctoral) ;
– Lettre de présentation de la part d’une personnalité qui peut apprécier vos travaux et vous recommander (2 au maximum).

Pour toute information relative à la soumission de votre candidature, merci de contacter la Bibliothèque à l’adresse suivante : appelachercheurs@bnf.fr

Date limite d’envoi des candidatures : 24 avril 2017

Les secrets du palimpseste d’Archimède

En partenariat avec la Fondation des sciences du patrimoine, se tiendra le 2 mars 2017 à la Bibliothèque nationale de France, site François-Mitterrand, une conférence1 portant sur l’utilisation de méthodes avancées de rayons X pour le décryptage de manuscrits anciens.

La science au service des manuscrits

Uwe Bergmann, physicien de l’université de Stanford (États-Unis, SLAC), travaille depuis le début de sa carrière scientifique sur les synchrotrons, ces accélérateurs de particules qui produisent des microfaisceaux de rayons X très intenses.

Il est aujourd’hui professeur invité de la Fondation des sciences du patrimoine2. Il raconte : « Un jour, ma mère m’a montré une édition du magazine Géo qui comportait un article sur le manuscrit le plus ancien des textes d’Archimède (IIIe siècle après J.-C.). Cette copie, datée du Xe siècle, regroupe des traités du savant grec, dont certains étaient inconnus. Au XIIIe siècle, le manuscrit a été recouvert par d’autres textes copiés par des moines et, au XXe siècle, par des peintures religieuses réalisées par des faussaires sur plusieurs
pages. L’article précisait qu’une équipe de chercheurs travaillait à décrypter le palimpseste. Je les ai contactés et nous avons monté un projet utilisant la spectrométrie de fluorescence X. Cette méthode permet de détecter, derrière les autres inscriptions, les métaux présents dans les encres ferrogalliques employées au Xe siècle. Aujourd’hui, l’ouvrage est entièrement numérisé3 et une édition complète des traités du livre a été publiée par Cambridge University Press. Après ce projet, j’ai continué à étudier les manuscrits anciens. »

graph
Révélation du texte sous-jacent du palimpseste dit d’Archimède grâce à l’imagerie par fluorescence X © The Exploratorium, www.exploratorium.edu et Will Noel, The Walters Art Museum.

Lettres secrètes et chefs-d’oeuvre cachés

Un autre projet conduit par Uwe Bergmann a consisté à décrypter les
partitions de l’opéra Médée de Luigi Cherubini (1760-1842), mutilées par le compositeur lui-même, qui en avait recouvert une partie. Les experts en spectrométrie ont permis de ressusciter la version intégrale de ce chef d’oeuvre. Depuis une dizaine d’années, les recherches sur les techniques d’imagerie dans le domaine patrimonial, qui avaient jusque-là concerné surtout les oeuvres d’art, se sont étendues aux manuscrits. D’autres projets sont en cours dans le cadre de la Fondation des sciences du patrimoine : le projet REX4 sur les lettres échangées secrètement entre Marie-Antoinette et le comte de Fersen, conservées aux Archives nationales, ou REMAC sur les manuscrits médiévaux de la Bibliothèque municipale de Chartres. Enfin, dans le cadre d’IPANEMA, une nouvelle ligne de lumière dédiée à l’étude des matériaux du patrimoine, implantée au sein du synchrotron SOLEIL, démarrera en 2017. Elle permettra l’imagerie rapide de matériaux anciens aux rayons X : un outil innovant dont les applications à la connaissance et la conservation du patrimoine, culturel comme naturel, sont appelées à se multiplier.

Sylvie Lisiecki
Délégation à la communication

Informations pratiques

Le jeudi 2 mars 2017, 18h30-20h
Bibliothèque nationale de France , site François-Mitterrand, Petit Auditorium

Entrée libre dans la limite des places disponibles.

  1. Les traités d’Archimède enfin déchiffrés. Les rayons X au service de la connaissance et de la valorisation des manuscrits. []
  2. Plus précisément au synchrotron SOLEIL (Paris-Saclay,
    laboratoire IPANEMA du CNRS) []
  3. Cf. archimedespalimpsest.org []
  4. Projet financé par la Fondation des sciences du patrimoine, en partenariat avec les Archives nationales, le Centre de recherche sur la conservation, l’université de Cergy-Pontoise et avec la participation de l’Institut national du patrimoine et de la Cité de la musique. []

Colloque : Visions de l’histoire : l’écriture visuelle du temps

Affiche Colloque Visions de l'histoire
© Shahn – 1935 – N.Y. Public Library

Organisé en partenariat avec le CNRS, Sciences PO Paris, l’université Paris-I et le Collège de France, ce colloque entend questionner la généalogie des imaginaires individuels et collectifs des époques qui se condensent en autant d’« identités visuelles ». À travers le cinéma, la bande dessinée, la photographie, le jeu vidéo, l’illustration, les manuels scolaires, la télévision, la littérature pour enfants ou encore les objets commerciaux et les publicités, les images de l’inactuel investissent sans cesse les clichés du temps et performent de nouveaux traits et repères de périodicité. Cette rencontre reviendra sur différentes approches historiennes des études visuelles et sur les rapports entre temps et image qu’elles impliquent.

Programme

Jeudi 2 février

20h Projection du film Häxan de Benjamin Christensen (1922).
Présentation et discussion avec Christian Delage.
Dans le cadre du cycle « Un film, une histoire » (IHTP avec le soutien du CNC)

Vendredi 3 février

9h15 Allocution de bienvenue par Patrick Boucheron, professeur au Collège de France

9h30 Adrien Genoudet, Université Paris VIII/ATER au Collège de France
En guise d’introduction : « Percer le Noir Antérieur »

10h15 Christian Delage, Professeur à l’Université Paris VIII ; Gil Bartholeyns, Maître de conférence à l’Université Paris VIII ; Anne Besson, Maîtresse de conférence à l’Université d’Artois
Table Ronde – « Approches historiennes des études visuelles » 1ère partie

11h30 Christian Delage, Gil Bartholeyns, Anne Besson
Table Ronde – « Approches historiennes des études visuelles » 2e partie

14h30 Isabelle Paresys, Maîtresse de conférence à l’Université Lille III
« Le costume historique de cinéma comme écriture visuelle d’une époque : l’exemple de la Renaissance »

15h Laurent Cuvelier, Sciences Po Paris/ATER à l’Université Lille III
« Visualité des éphémères – les usages de l’affiche dans les représentations visuelles du passé, XVIIIe-XIXe siècles ».

16h30 Guillaume Mazeau, Maître de conférences à l’Université Paris I
« Visualiser l’histoire immédiate de la Révolution »

17h Clément Weiss, Doctorant à l’Université Paris I
« Récupérer la subversion : les images du Paris muscadin, du pavé aux curiosités »

18h Conclusion de la journée par Daniel S. Milo, Maître de conférences à l’EHESS)

Samedi 4 février

9h30. Accueil
10h Vincent MARIE, Docteur en histoire, professeur au lycée Philippe-Lamour de Nîmes
« L’imaginaire de l’Egypte ancienne par la bande dessinée : un dialogue avec les temporalités »

10h45 Sylvain VENAYRE, université de Grenoble et Etienne DAVODEAU, auteur de bandes dessinées
« Dépasser le roman national par la Bande : repenser les temps »

13h  Table ronde animée par Valérie Hannin, directrice de la rédaction de la Revue L’Histoire (sous réserve)
avec William BLANC, historien, Ségolène LE MEN, université Paris X et Vincent MARIE
« Médiation des temporalités par l’image : enseignement secondaire et vulgarisation »

15h30 Discussion animée par Etienne Anheim, directeur d’études à l’EHESS
Patrick BOUCHERON
, professeur au Collège de France, Antoine LILTI, directeur d’études à l’EHESS et Dominique KALIFA, université de Paris I
« Renaissance, Lumières et Belle Epoque : chrononymes et écriture visuelle »

18h Conclusion des deux journées par André GUNTHERT, maître de conférences à l’EHESS

Informations pratiques

  • Jeudi 2 février : cinéma le « Reflet Medicis » (Paris 5e) à 20h.
  • Vendredi 3 février : Collège de France, 11, place Marcelin Berthelot (Paris 5e) Salle 2. De 9h15 à 18h30.
  • Samedi 4 février : Bibliothèque nationale de France, site François-Mitterrand, Petit auditorium. De 9h30 à 18h30.
  • Entrée libre dans la limite des places disponibles.

La Grande Guerre sur le web : un éclairage inédit

Place de l'Hôtel de Ville bombardée, Américains dans la ville reconquise, Fismes, 12-9-18, BDIC (Marne, collection Valois)
Place de l’Hôtel de Ville bombardée, Américains dans la ville reconquise, Fismes, 12-9-18, BDIC (Marne, collection Valois)

« Le devenir en ligne du patrimoine numérisé : l’exemple de la Grande Guerre », projet soutenu par le labex Les passés dans le présent1, est le fruit d’une collaboration entre la Bibliothèque nationale de France, la Bibliothèque de documentation internationale contemporaine et Télécom ParisTech. Il vient de s’achever après trois ans de recherches interdisciplinaires (2013-2016), occasion de revenir sur quelques résultats remarquables.

Pourquoi la Grande Guerre ?

Les sources documentaires numérisées autour de la guerre 14-18 offraient un terrain favorable à l’observation des usages du patrimoine en ligne, du fait de l’intensité des activités qu’elles suscitent sur le web. Par ce projet de recherche, il s’agissait de mieux comprendre la manière dont ces sources circulent, sont utilisées et valorisées sur le web. À travers, mais également au-delà de l’objet singulier du patrimoine 14-18, ce projet de recherche a permis d’éprouver des outils d’analyse du web rigoureux et de dégager des axes forts de réflexion pour la valorisation du patrimoine en ligne.

Un choix original : la fouille des « archives du web »

L’analyse du web français de la Grande Guerre s’est appuyée, dans un premier temps, sur 500 sites collectés dans le cadre du dépôt légal d’internet. Elle a mobilisé pour ce faire des outils de cartographie et de traitement automatique de la langue, qui furent pour la première fois appliqués aux « archives du web » conservées à la BnF. Si le cadre du dépôt légal est contraignant en termes d’accès aux données (limité aux emprises de la BnF et des institutions habilitées), il permet d’offrir des collections riches et raisonnées, dont les règles de production et de conservation sont transparentes pour la recherche. Les liens entre sites étant conservés dans la collecte, ils permettent de cartographier un réseau, repérer ses nœuds, ses zones de plus ou moins forte densité, en restituer également la dynamique. Ce travail pionnier a permis d’adapter les outils existants de fouille aux formats collectés, de telle manière qu’ils puissent, à terme, être réutilisés sur d’autres corpus du dépôt légal de l’internet.

Sur la carte du web français de la Grande Guerre ainsi obtenue, la place centrale d’un forum – le « Forum pages 14-18 » -, a pu être vérifiée, tandis que les réservoirs documentaires (Gallica, Mémoire des hommes, etc.) se sont révélés un élément fortement structurant car ils assurent le contact entre deux zones qui communiquent peu entre elles : les sites institutionnels et les sites amateurs. En complément, le traitement automatique du contenu du Forum pages 14-18, incluant les liens hypertextes dans les messages, a permis d’avoir une appréciation quantitative des usages documentaires à l’intérieur de ce collectif : la place croissante qu’y tiennent les images et la prépondérance des fils de discussion sur l’histoire des soldats. Au-delà de ces informations quantitatives, des entretiens approfondis avec des acteurs du web de Grande Guerre ont permis de mieux comprendre les pratiques d’échanges, de publications, mais aussi d’apprentissage de ces communautés en ligne, dont le Forum pages 14-18 offre un témoignage majeur, par le nombre d’inscrits et de messages échangés.

Consulter le rapport en ligne de la phase 2 du projet : Valérie Beaudouin, Zeynep Pehlivan, « Cartographie de la Grande Guerre sur le web » (91 pages)

Une veille raisonnée sur la dissémination d’un corpus remarquable

En dernière phase du projet, une veille méthodique a été mise en place afin de suivre de manière raisonnée durant 14 mois les réutilisations d’un fonds remarquable, récemment mis en ligne sur la bibliothèque numérique L’Argonnaute sous licence ouverte : 110.000 photographies de la Grande Guerre conservées par la BDIC et connues sous l’appellation « Albums Valois » (service photographique de l’Armée). L’objectif était de mesurer les effets visibles de la mise en ligne de ces albums sur le web, au plus près de leurs citations et réutilisations, et d’évaluer l’impact de différentes formes de médiation.

Malgré les actions de communication et de médiation, nulle viralité n’a été observée ; plutôt une lente montée des réutilisations où, à nouveau, les usages amateurs prédominent, et que seuls les médias traditionnels (dans ce cas précis : un concours organisé par un quotidien régional) sont en mesure d’accélérer de manière notable. Cette expérimentation souligne la difficulté pour les fonds patrimoniaux numérisés d’exister sur le web : y susciter de l’appétence et de la circulation, encore plus de l’interaction.

Consulter le rapport en ligne de la phase 3 du projet : Lionel Maurel, Josselin Morvan, « Les circulations sur le web d’un corpus numérisé : l’exemple des albums Valois » (75 pages)

Ce projet fera l’objet d’un livre collectif, à paraître fin 2017, où les résultats de la recherche seront enrichis de témoignages et d’approches complémentaires.

  1. « Le devenir en ligne du patrimoine numérisé : l’exemple de la Grande Guerre » est un projet de recherche conduit par la BnF, la BDIC et Télécom ParisTech dans le cadre du Labex Les Passés dans le présent, Investissements d’avenir, réf. ANR-11-LABX-0026-01. Il a impliqué directement : Nicolas Auray, Valérie Beaudouin, Philippe Chevallier, Lionel Maurel, Josselin Morvan, Zeynep Pehlivan, Peter Stirling. []

Les collections Rothschild dans les institutions publiques françaises

Développé par l’INHA en partenariat avec le musée du Louvre, la Bibliothèque nationale de France et le Service des musées de France, le programme « Les collections Rothschild dans les institutions publiques françaises » arrive au terme de son activité de recherche et de recensement pour aboutir à la phase de publication de ses résultats qui prend plusieurs formes.

Conduit par Pauline Prevost-Marcilhacy pendant plusieurs années et placé sous la responsabilité de Chantal Georgel, conseillère scientifique à l’INHA, le programme a consisté en une étude globale et approfondie visant à recenser et valoriser l’ensemble des donations faites par les membres de la famille Rothschild aux institutions françaises. Outre le répertoire de toutes les donations de la famille Rothschild entrées dans les institutions publiques françaises de 1873 à nos jours, le programme avait pour but de permettre l’accès à l’ensemble de ces dons grâce à un portail, dont la réalisation a été confiée à l’INHA. Signalons l’engagement et l’action de la famille Rothschild qui, par l’entremise de M. Eric de Rothschild, a contribué financièrement au projet.

S’agissant de la BnF, le corpus des collections issues de la famille Rothschild s’élève à plus de 25 750 documents de toute nature signalés dans les différents catalogues : livres, dessins, gravures, autographes, manuscrits, médailles, auxquels s’ajoutait un quart de collection non signalées, concernant surtout des objets (monnaies provenant de deux legs, ceux d’Adèle de Rothschild (1843-1922), veuve Salomon de Rothschild en 1922 et d’Adélaïde de Rothschild (1853-1935), veuve Edmond de Rothschild en 1934, ainsi que 1722 fers à dorer).

Ainsi, au terme de plusieurs années de recensement, de dépouillements de collections et d’inventaires,  le 24 novembre dernier s’est tenue une rencontre réunissant de nombreux chercheurs impliqués dans le programme.

Dans le même temps paraissait une volumineuse somme en trois importants volumes coédités par le musée du Louvre, la BnF et les éditions d’art Somogy, identifiant environ cent vingt mille oeuvres d’art (oui, 120 000 !) données à plus de deux cents institutions par la famille Rothschild. Cet ouvrage propose ainsi une vision synthétique et inédite des collections rassemblées par les différentes générations de la famille, tout en remettant en perspective chaque don dans un ensemble.

Ces trois volumes consacrés à ce mécénat artistique hors du commun témoignent de la diversité et de la pluralité des goûts et des choix des différents collectionneurs et en offrent un panorama chronologique.

Le sommaire des trois volumes est consultable sur le site internet des éditions Somogy, à l’adresse : http://www.somogy.fr/livre/les-rothschild?ean=9782757202128

rothschild

Pour compléter cette publication imprimée et l’ouvrir au numérique,  un portail Rothschild a été lancé à l’adresse : http://collections.rothschild.inha.fr

portail-rothschildLe site permet d’accéder à plusieurs ressources :

Outre les collections des trois principaux partenaires du projet, la base répertorie également environ 6 000 notices d’œuvres de la Villa Ephrussi de Rothschild de Saint-Jean-Cap-Ferrat et quelque 500 notices se référant à la salle des curiosités de la Fondation Nationale des Arts Graphiques et Plastiques (FNAGP, ancienne Fondation Salomon de Rothschild), 11 rue Berryer dans le 8e arrondissement.

Captations de la Journée d’étude : Enseigner le fait religieux aujourd’hui

Le 12 octobre 2016, la Bibliothèque nationale de France organisait la journée d’étude : Enseigner le fait religieux aujourd’hui. La responsabilité sociale des religieux dans leurs enseignements ? qui réunissait Odon Vallet, spécialiste des religions, le Père Eric Morin, directeur de l’Institut Supérieur de Sciences Religieuses, Collège des Bernardins, Rachid Benzine, islamologue chercheur associé au Fonds Ricœur, Ron Naïweld, historien, CNRS, Centre d’études juives, et Maxime Prieto, proviseur du lycée Marcelin Berthelot à Pantin.

Les captations sonores et vidéos de la journée sont désormais accessibles en ligne.

Cliquer sur l’image ci-dessous :

161012_enseigner_fait_religieux

Captation sonore : http://multimedia.bnf.fr/conferences/mp3/161012_enseigner_fait_religieux.mp3

Publication : « Pascal, le cœur et la raison »

pascal_web
Pascal, le cœur et la raison : couverture

Publié à l’occasion de l’exposition « Pascal, le cœur et la raison », présentée par la Bibliothèque nationale de France sur le site François-Mitterrand, Galerie 1, du 8 novembre 2016 au 29 janvier 2017, l’ouvrage au titre éponyme a été dirigé par Jean-Marc Chatelain, directeur de la Réserve des livres rares de la BnF, avec les contributions érudites de Dominique Descotes, Rémi Mathis, Philippe Sellier et Laurent Susini.

Mathématicien, physicien, inventeur, philosophe, moraliste, théologien… : la Bibliothèque nationale de France conserve la plus riche collection des œuvres manuscrites et imprimées de Blaise Pascal, ce penseur hors norme, toujours actuel, et qui échappe à toute tentative de portrait exhaustif. Et c’est à l’occasion d’une exposition d’envergure qui lui est dédiée qu’elle fait paraître cet ouvrage, inspiré des trois ordres pascaliens : ordre des corps, régi par les déterminations de la nature et de la coutume ; ordre de l’esprit, placé sous la juridiction de la raison ; enfin ordre du cœur, qui obéit à la loi de l’amour. Son propos suit un cheminement qui nous fait découvrir le contexte historique (le « corps » de l’histoire) de l’œuvre, puis les deux versants du travail de la raison (l’esprit), jusqu’au moment où cette dernière est confrontée aux questions qui la déconcertent : le vide, le hasard, l’infini ou… la grâce (l’ordre du cœur). L’ensemble fait ainsi (re)surgir les recherches et les écrits, lapidaires, d’une figure majeure de la révolution scientifique du XVIIe siècle, la réflexion sur la logique et l’argumentation d’un maître du discours, dont témoignent les Provinciales, pour enfin aboutir à ce dépassement, accompli par les Pensées : une œuvre majeure, au style d’une étonnante modernité – tout comme l’est la réflexion de son auteur –, mais demeurée inachevée et qui comme tout « portrait » selon Pascal « porte absence et présence ». Le volume abonde en commentaires éclairants sur le parcours intellectuel de cette figure éminente de la pensée et de la culture de notre pays, il donne aussi à voir des documents aussi précieux qu’évocateurs, tel ce feuillet autographe des Pensées où se déchiffre « l’homme [qui] passe infiniment l’homme », ou bien encore l’exemplaire de leur édition originale dans son état le plus ancien connu.

Liste des contributeurs

Outre 190 notices d’oeuvres, l’ouvrage comprend les contributions suivantes :

  • Introduction : Jean-Marc Chatelain
  • Les mondes de Pascal : Rémi Mathis
  • Pascal géomètre : Dominique Descotes
  • Pascal écrivain : Laurent Susini
  • L’introuvable livre des Pensées : du manuscrit autographe aux éditions de Port-Royal : Jean-Marc Chatelain
  • Pascal, prophète existentialiste : Philippe Sellier

Informations pratiques

Description : broché, 192 p., 50 illustrations, 16,5 x 22 cm
Date de parution : 3 novembre 2016
ISBN/EAN : 978-2-7177-2721-0 / 9782717727210
Editeurs : BnF Éditions
Distributeur : Seuil-Volumen
Prix : 39 euros

Publication : Richelieu : quatre siècles d’histoire architecturale au coeur de Paris

De 2010 à 2012, la Bibliothèque nationale de France a mené un programme d’étude du fonds de dossiers d’archives et de plans des architectes successivement attachés à la Bibliothèque nationale aux XIXe et XXe siècles.

Cet ensemble est composé des dossiers des travaux d’entretien comme des campagnes de grands travaux lancées par les architectes Visconti, Labrouste, Pascal, Recoura, Roux-Spitz et Chatelin. Plusieurs milliers de documents graphiques non inventoriés complétaient les écrits.

Grâce à tout ce travail préliminaire mené sur les sources, la BnF et l’INHA font paraître une somme retraçant l’histoire des constructions et aménagements successifs des bâtiments du site Richelieu depuis le XVIIe siècle.

couverture_richelieu
Richelieu. Quatre siècles d’histoire architecturale au cœur de Paris, sous la direction d’Aurélien Conraux, Anne-Sophie Haquin et Christine Mengin, Paris : BnF Éditions : INHA, 2017.

L’histoire débute avec la construction de l’hôtel du duc de Chevry en 1635, racheté et développé par Mazarin qui souhaitait un palais pour ses collections ;

fragment_de_lambris_peint_btv1b54100104w
Fragment de lambris peint provenant de l’Hôtel Chevry-Tubeuf : putto tenant une guirlande, assis sur un socle dont la partie centrale est ornée d’une figure féminine assise

puis, l’installation progressive de la Bibliothèque royale dans les locaux laissés par la Compagnie des Indes en 1721 ; la transformation du site par Henri Labrouste et l’inauguration de la fameuse salle portant son nom en 1868 ; l’achèvement du site par Jean-Louis Pascal puis Alfred Recoura, et enfin la densification opérée par Michel Roux-Spitz, jusqu’au projet actuel de l’architecte Bruno Gaudin.

plans_densemble_du_quadrilatere_richelieu_btv1b530379914
Plans d’ensemble du Quadrilatère Richelieu (1854-1984). 1954 : relevés. Plan du sous-sol. Architecte responsable : Michel Roux-Spitz (1888-1957)

La parole est donnée aux responsables des trois institutions qui occupent le site (BnF, INHA et Ecole nationale des chartes) ainsi qu’aux architectes du projet de rénovation.

Alors que les 14 et 15 janvier 2017 le grand public est invité à visiter le nouveau site désormais désigné Richelieu, Bibliothèques, Musée, Galeries et fédérant les collections patrimoniales de la Bibliothèque nationale de France, de l’Institut national d’histoire de l’art et de l’École nationale des chartes1, l’ouvrage offre plus de 200 images permettant de retrouver l’esprit des lieux  : plans originaux, plans de reconstitution, axonométrie, schémas d’implantation, photographies, estampes. Elle proposent, en même temps qu’une chronique visuelle, de nouveaux outils de compréhension de cet ensemble architectural hors du commun.

Dirigé par Aurélien Conraux alors qu’il dirigeait la mission pour les archives de la BnF, Christine Mengin, conseillère scientifique pour l’histoire de l’architecture à l’Institut national d’histoire de l’art, et Anne-Sophie Haquin, décédée avant la parution de l’ouvrage et à laquelle nous rendons hommage, l’ouvrage fait intervenir des archivistes, des historiens de l’architecture, des conservateurs des bibliothèques, des administrateurs et des architectes, maîtres d’œuvre des travaux contemporains.

Sommaire

  • Préface : Eric de Chassey, Laurence Engel
  • Introduction : Aurélien Conraux, Christine Mengin
  • Formation et déformation d’un monument parisien : Alexandre Gady
  • Les décors du palais Mazarin : Bénédicte Gady, Barbara Brejon de Lavergnée
  • 1728. Un duel sans merci entre l’Architecte et le Bibliothécaire : Françoise Bléchet
  • La bibliothèque absolue d’Etienne-Louis Boullée : Jean-Philippe Garric
  • La Bibliothèque sous la Révolution française et le Conservatoire : Jean-François Foucaud
  • Henri Labrouste. Modernité et tradition dans le Paris haussmannien : Alice Thomine-Berrada
  • L’administrateur et l’architecte. Une cohabitation orageuse : Marie Galvez
  • L’isolement de la Bibliothèque : Bruno Blasselle
  • Louis-Emile Durandelle, photographe des travaux : Charlotte Leblanc
  • Jean-Louis Pascal et Alfred Recoura. Un duo de grands constructeurs : Anne Richard-Bazire
  • Jean-Louis Pascal, architecte et muséographe : Félicity Bodenstein
  • Michel Roux-Spitz. Une modernisation de l’intérieur : Simon Texier, Léa Muller
  • La « Nationale » dans l’objectif de Gisèle Freund : Dominique Versavel
  • Julien Cain et Michel Roux-Spitz, une estime réciproque : Martine Poulain
  • « Toute la mémoire du monde » d’Alain Resnais : Alain Carou
  • La Bibliothèque nationale en quête d’espace : Christine Mengin
  • Rénover Richelieu : Jacqueline Sanson
  • Jean-Christophe Ballot, l’oeil du chantier : Aurélien Conraux
  • Pour une nouvelle bibliothèque de l’Institut nationale d’histoire de l’art : Antoinette Le Normand-Romain
  • La bibliothèque de l’Ecole nationale des chartes en ses murs : Jean-Michel Leniaud
  • Ouvrir le Quadrilatère : entretien avec Bruno Gaudin et Virginie Brégal
  • Restaurer la salle Labrouste : entretien avec Jean-François Lagneau
  • Annexes (sources, bibliographie, chronologie, etc.)

Informations pratiques

298 pages, 200 illustrations, 24,5 × 28 cm
Date de parution : 19 janvier 2017
ISBN/EAN : 978-2-7177-2565-0 / 9782717725650, 978-2-917902-33-2
Editeurs :

  • BnF Éditions
  • INHA
  1. Programme du week-end Portes ouvertes du site Richelieu, http://www.bnf.fr/fr/evenements_et_culture/anx_expositions/a.170115_portes_ouvertes_richelieu.html []

Journée d’étude : Éducation artistique au patrimoine écrit et graphique

word-cloud-enfant1L’Agence régionale du livre et de la lecture de Haute-Normandie et le Centre régional des lettres de Basse-Normandie organisent, en partenariat avec la BnF, une journée d’étude autour du patrimoine et de l’éducation artistique et culturelle. Cette journée aura lieu le 19 janvier 2017 au Pôle régional des Savoirs à Rouen. Elle a pour objectif de présenter un regard croisé sur des actions pédagogiques régionales centrées sur le patrimoine, et s’adresse à tout professionnel exerçant dans le milieu scolaire (enseignant, conseiller pédagogique, documentaliste, bibliothécaire…).

Programme

Accueil café : 9h

9h15-9h30 : Ouverture de la journée

9h30– 12h30 :

  • « Le développement de l’EAC dans les bibliothèques territoriales », Colin Sidre, Chargé de mission publics jeunes, éducation artistique et culturelle et cohésion sociale, Service du Livre et de la Lecture, Direction générale des médias et des industries culturelles, Ministère de la Culture et de la Communication
  • « L’offre pédagogique de la BnF : études de cas » : Jérôme Fronty, chef du service de l’action pédagogique, BnF
  • « Les ressources en ligne de la BnF mobilisables par les enseignants et les professionnels du livre » : Catherine Schneider, adjointe au chef de service de l’action pédagogique, BnF

12h30 : Pause déjeuner (libre) 

14h-16h : ateliers sur inscription

Atelier 1 : Conception d’outils pédagogiques

  • « Chasse au trésor », découverte ludique du patrimoine écrit et architectural de la bibliothèque du fonds ancien « église des jésuites », Stéphanie Goubaud, Médiatrice du livre, Nathalie Limosin, Responsable du fonds patrimonial de la Bibliothèque d’Alençon
  • Réalisation de « carnets de voyage », médiation autour de l’exposition « le Goût de l’Egypte », Anne Tenhaef, responsable du service des publics, Céline Muzaton, Médiatrice culturelle au Scriptorial d’Avranches
  • Réalisation de livrets patrimoniaux à destination du public scolaire, Olivier Nidelet, Responsable du fond patrimonial, Bibliothèques de Dieppe

Atelier 2 : Comment monter une action patrimoniale en partenariat

  • « Archives en herbe », Typhaine Garnier, Médiatrice culturelle à l’IMEC, Bernard Baillaud, Professeur relais au service éducatif de l’IMEC
  • « Lettres de Joseph Dézarnaud à sa femme 1914-1915 – recherche ouverte sur un corpus inédit », Benoît Lautridou, Chargé de mission au Centre Académique de Recherche-Développement en Innovation Expérimentation de l’Académie de Caen
  • Le partenariat des bibliothèques de Fécamp et du service « archives-patrimoine » de la Ville : actions éducatives à thèmes pour les scolaires accompagnées d’un guide, en lien avec les différentes structures patrimoniales de Fécamp, Yves Devarieux, Responsable du fond patrimonial et Nathalie Gaston, Chargée des publics (Archives, Bibliothèque patrimoniale, Musée et Patrimoine), Ville de Fécamp

Atelier 3 : Le patrimoine et les publics jeunes éloignés

  • Les Ailes de Caïus, « Les courts du temps », Loïc Bodin, Directeur artistique, Sylvia Carboni, Coordination & Mécénat
  • Enfants en situation de handicap et patrimoine : un travail de partenariat avec l’IDEFHI. Marianne Lombardi, responsable du département des publics, Munaé

16h – 16h30 Restitution des ateliers par des rapporteurs

Modalités pratiques

Lieu : Pôle régional des savoirs
115, boulevard de l’Europe
76100 Rouen

Inscription sur la plateforme Evenbrite

Approches innovantes pour la presse ancienne numérisée : fouille et visualisation de données

Cet article décrit comment une technique innovante de reconnaissance de mise en page (OLR, optical layout recognition) appliquée lors d’un grand projet européen de numérisation de la presse ancienne (Europeana Newspapers, 2012-2015) a été utilisée dans une expérience de fouille de données ciblant les métadonnées quantitatives de quotidiens numérisés. Les fichiers numériques de six titres de journaux français des collections de la BnF ont ainsi été analysés avec des techniques d’extraction et de visualisation de données démontrant des voies prometteuses pour la production de connaissances sur la presse ancienne, à l’usage des acteurs des bibliothèques numériques (gestionnaires de programmes de numérisation, conservateurs et médiateurs des collections de presse), ceux du champ des humanités numériques mais aussi le grand public utilisateur des bibliothèques numériques. Démonstration est également faite de l’intérêt de ces métadonnées quantitatives pour la recherche d’information.

I. Introduction : Quelles données ?

Les bibliothèques regorgent de données numériques et elles en produisent quotidiennement de nouvelles : des métadonnées bibliographiques sont créées ou mises à jour dans les catalogues décrivant des collections ; des données d’usage sur les bibliothèques et leur public sont collectées ; des documents numériques sont produits par la numérisation des contenus conservés dans les bibliothèques.

Mais ces données et métadonnées numériques ressortent-elles du concept de big data ? Et sont-elles des cibles légitimes pour du data mining ? Leur volume réduit (douze millions de notices pour le catalogue de la BnF) n’incite-t-il pas à quelque précaution ? Le critère de la volumétrie n’est pas pertinent, si l’on en croit Viktor Mayer-Schoenberger et Kenneth Cukier : “(…) big data refers to things one can do at a large scale that cannot be done at a smaller one, to extract new insights or create new forms of value (…)” [1]. À une large échelle donc, mais en regard de l’activité concernée (“my big data is not your big data” [2]), avec des moyens différents de ceux satisfaisant les besoins métier nominaux, et avec pour objectif de « créer du neuf » : de nouvelles relations (auteur, lieu, date, etc.) sont construites au-dessus de catalogues publics (OPAC) [3] ; le pilotage des bibliothèques s’adosse à l’analyse des données de fréquentation et de lecture [4] ; une histoire des pages de une de quotidiens est élaborée à partir des données extraites d’une bibliothèque numérique [5], [6].

Est-il possible de donner à voir de l’inédit en fouillant les métadonnées descriptives de la presse patrimoniale numérisée pendant le projet Europeana Newspapers1 ? L’expérimentation décrite dans cet article tente de répondre à cette hypothèse, en présentant d’abord un processus de création d’un jeu de métadonnées quantitatives, puis des méthodes d’analyse et d’interprétation et de réutilisation de ces données ; et finalement quelques considérations sur les enjeux de qualité des données.

II.    Créer de nouvelles données

A.    Le jeu de données Europeana Newspapers

Six quotidiens nationaux et régionaux des collections de la BnF (1814-1945) font partie du corpus traité en OLR (Optical Layout Recognition) par le projet Europeana Newspapers. Le traitement OLR consiste en la description de la structure logique de chaque fascicule et de ses articles (emprise spatiale, titre et sous-titre, etc.) à l’aide des formats METS et ALTO [7] et en la classification des types de contenus (information, feuilleton littéraire, programme des spectacles, publicités, etc., au format MODS).

Figure 1. OLR : principe
Figure 1. OLR : principe

B.    Des documents numériques aux données dérivées

Contenus OCR et OLR sont des sources de métadonnées quantitatives décrivant des « grains » de contenus. Notre hypothèse est que compter ces grains (fig. 2) produit une information porteuse de sens :

  • l’OCR (format ALTO) est une source de métadonnées quantitatives relatives à des grains de contenus élémentaires : nombre de mots, d’illustrations, de tableaux, etc.
  • l’OLR (format METS) est également une source de métadonnées quantitatives décrivant des objets informationnels de plus haut niveau : articles, sections (regroupement d’articles), types de contenu.
Figure 2. Les métadonnées quantitatives d’une page
Figure 2. Les métadonnées quantitatives d’une page

En s’appuyant sur cette conjecture, des documents numériques est donc dérivé un jeu de métadonnées bibliographiques (titre du journal, date de publication) et quantitatives (nombre de pages, articles, mots, illustrations, publicités, etc.) pour chaque fascicule analysé. Des scripts Perl ou XSL (fig. 3) sont utilisés pour extraire certaines métadonnées du manifeste METS décrivant le fascicule (par ex. le nombre d’articles) ou des fichiers OCR associés (par ex. le nombre de mots). Le jeu de données créé contient environ 5,5 millions de métadonnées élémentaires exprimées selon des formats de données usuels (XML, JSON, CSV).

Figure 3. Processus de production des données dérivées
Figure 3. Processus de production des métadonnées dérivées

Ce principe de production de données dérivées offre plusieurs avantages. En tout premier lieu, pour le consommateur des données :

  • prêtes à l’emploi : pas de documents à extraire des magasins numériques et à analyser,
  • d’usage aisé (notamment CSV, JSON), à comparer à la complexité des formats XML métiers (ALTO, METS, MODS, etc.),
  • légères : 80 Mo pour les métadonnées dérivées, 1 To pour le corpus EN-BnF,
  • abondantes : 5,5 M de métadonnées atomiques.

Pour le producteur, notons que ces données sont faciles à produire et à diffuser (par exemple sous la forme d’archives ZIP par titre de presse, par période, etc.) et n’impliquent aucun enjeu de propriété intellectuelle, puisqu’il s’agit de métadonnées dérivées n’incluant pas les contenus originels.

III.   Faire parler les données

A.    Analyse statistique : évaluer, dimensionner, anticiper

Certaines données quantifient une réalité dont l’analyste a une connaissance ou une intuition préalable. C’est le cas d’informations statistiques aidant au pilotage d’actions de numérisation ou de valorisation des contenus. Le jeu de métadonnées pourrait alors être un échantillon représentatif de la collection ou du corpus, les informations recherchées étant majoritairement des mesures statistiques. Citons quelques exemples :

  • Post-correction automatique de l’OCR : la connaissance de la moyenne des mots imprimés dans un fascicule de presse (5 760 mots par page pour le corpus EN-BnF) permet de dimensionner la puissance de calcul nécessaire pour corriger algorithmiquement et au fil de l’eau l’OCR entrant dans une chaîne de numérisation.
Figure 4. Nombre moyen de mots par page
Figure 4. Nombre moyen de mots par page
  • Programmes de numérisation et valorisation : la densité en articles d’une collection de presse numérique est une donnée ayant un impact potentiel sur les processus et les coûts. Cette dimension varie fortement en fonction des périodes et des titres de presse (fig. 5).
Figure. 5. Nombre moyen d’articles par fascicule et par titre
Figure. 5. Nombre moyen d’articles par fascicule et par titre
  • Banque d’images : dans la perspective de la création d’une banque d’illustrations de presse, une analyse statistique élémentaire éclaire sur les titres de presse richement illustrés et quant au nombre total d’illustrations potentiellement exploitables (427 000, 97 % au XXe siècle).
Figure 6. Nombre moyen d’illustrations pour 1000 pages (XIXe, XXe siècles)
Figure 6. Nombre moyen d’illustrations pour 1 000 pages (XIXe, XXe siècles)

Appelés à commenter ces résultats, historiens ou conservateurs établiront aisément des liens avec la réalité documentaire qu’ils connaissent :

  • « Bien sûr, Le Matin est un quotidien apparu durant l’âge d’or de la presse d’information moderne (1890-1914), emblématique de ses innovations : il est fortement structuré en articles et richement illustré. » ( fig. 5, courbe marron : fig. 6 : plus de 6 000 illustrations en moyenne pour 1 000 pages).
  • « Le Journal des Débats politiques et littéraires (JDLP) fondé en 1789 est l’héritier des gazettes : il conserve au fil de son histoire un système de rubriquage moins dense en articles que les quotidiens nés à la fin du XIXe et il est économe en illustration. » (fig. 5 : courbe orange ; fig. 6 : 225 illustrations pour 1 000 pages)

Les mesures statistiques collectées permettent d’enrichir cette connaissance avec des données précises (moyennes, totaux, maxima) et représentatives (car collectées sur de vastes échantillons, voire sur la totalité de la collection), qui constituent une aide précieuse pour les activités de gestion de l’écosystème de toute bibliothèque numérique, de la numérisation à la valorisation.

B.  Visualisation de données : découvrir des connaissances

L’histoire des méthodes de recherche sur des contenus documentaires ou archivistiques est en partie déterminée par une autre histoire, celle de la numérisation de l’information, et partant de la numérisation patrimoniale, des premiers programmes en mode image à la restructuration des documents et à la description sémantique des contenus atomiques. Les modalités d’interaction des chercheurs avec les corpus numériques ont évolué simultanément, du feuilletage à la fouille de données, sans oublier l’étape de la recherche en texte intégral. En quelques décennies, l’œil du chercheur se sera posé sur microfilms, images numériques, listes de résultats de recherche plein texte, pour finalement s’éloigner des documents, en déléguant à des algorithmes (analyse d’images et de documents, analyse statistique, traitement automatique de la langue, modélisation des textes, visualisation de données) la tâche  de nourrir une nouvelle pratique, la lecture distante (telle que théorisée par Franco Moretti [8]).

La communauté des humanités numériques applique des techniques de visualisation de données depuis déjà fort longtemps2. S’agissant de l’étude des périodiques numérisés, une méthodologie tout à la fois rationnelle et pragmatique devrait prendre en compte les particularités de ce type documentaire, notamment sa nature composite (de l’information politique aux programmes de radio, sans oublier feuilleton, critique littéraire et petites annonces) et chaotique (OCR bruité). Citons par exemple les travaux du projet PRELIA3, de la plateforme Médias 194 ou encore ceux de Ryan Cordell (notamment l’identification de motifs textuels à grande échelle malgré les défauts de qualité du texte océrisé5, fig. 7).

Figure 7. “Viral Texts Project, Mapping Networks of Reprinting in 19th-Century Newspapers and Magazines”, Ryan Cordell, Northeastern University (Boston), 2015.
Figure 7. “Viral Texts Project, Mapping Networks of Reprinting in 19th-Century Newspapers and Magazines”, Ryan Cordell, Northeastern University (Boston), 2015.

Appliquée au jeu de métadonnées d’un titre spécifique, la visualisation de données permet de circonscrire l’analyse à l’histoire du titre considéré. Déployé au contraire à l’échelle du jeu de métadonnées complet, elle met en lumière l’histoire de la presse quotidienne française sur deux siècles. Dans tous les cas, le praticien sera libre de sélectionner et d’affiner la granularité de la visualisation, depuis l’échelle du fascicule jusqu’à celui d’une année de publication ou d’une période temporelle plus large. Et il faudra chaque fois régler la « distance de lecture » et évaluer son impact sur les enjeux d’interprétation. Les exemples suivants donnent quelques cas d’application de ces principes.

Le rôle de l’image dans la presse quotidienne est un sujet de recherche classique [5],[9] que fouille de données et outils de visualisation peuvent enrichir en données factuelles (micro-faits comme macro-tendances). Ainsi la courbe singulière décrivant la une du supplément du dimanche du Petit Journal (fig. 8) met en évidence l’apparition de l’illustration pleine page en couverture (29 novembre 1890).

Figure 8. Nombre moyen d’illustrations en une (Le Petit Journal, 1884-1920)
Figure 8. Nombre moyen d’illustrations en une (Le Petit Journal – Supplément illustré, 1884-1920)

En poursuivant sur cette thématique de l’image, la figure 9 montre que le nombre d’illustrations en une du Petit Parisien (courbe bleue) dépasse la moyenne par page dès 1902, pour suivre ensuite une croissance exponentielle : dans les années 1930, la une contient 45 % des illustrations d’un fascicule de 8 à 10 pages.

Figure 9. Nombre moyen d’illustrations par page (Le Petit Parisien, 1876-1944 ; en bleue, la une)
Figure 9. Nombre moyen d’illustrations par page (Le Petit Parisien, 1876-1944 ; en bleue, la une)

Les facteurs de forme de la presse quotidienne ont varié au fil des siècles. La figure 5 permet de situer une des transitions majeures dans la décennie 1880, avec deux familles de titres, les « anciens », basés sur le système du rubriquage (Le Gaulois, Le Journal des débats politiques et littéraires), et les autres (Le Matin, Le Petit Parisien, Ouest-Eclair) qui naissent avec ­– ou adoptent rapidement –, une mise en page « moderne », avec des caractéristiques qui sont celles de notre presse contemporaine : page de une graphique, titre en bandeau, granularité de l’information à l’article. Cette typologie et son évolution entre XIXe et XXe siècles est illustrée avec un graphe à bulles (fig. 10) combinant les trois facteurs de modernité de forme que sont nombre moyen d’articles par page (x), d’illustrations par page (y) et en une (z, diamètre des bulles).

Figure 10. Typologie des six titres de presse du corpus Légendes : XIXe s. : 19 ; XXe s. : 20 ; PJI : Le Petit Journal supp. illustré ; JDPL : Le Journal des débats politiques et littéraires ; OE : Ouest-Eclair éd. de Rennes ; G : Le Gaulois ; PP : Le Petit Parisien ; M : Le Matin
Figure 10. Typologie des six titres de presse du corpus
Légendes : 19 : XIXe s.  ; 20 : XXe s. ; PJI : Le Petit Journal supp. illustré ; JDPL : Le Journal des débats politiques et littéraires ;
OE : Ouest-Eclair éd. de Rennes ; G : Le Gaulois ; PP : Le Petit Parisien ; M : Le Matin

Autre registre de métadonnées disponible, la classification réalisée durant le traitement OLR des types de contenus (texte, illustration, tableau et publicité, ou plutôt « réclame ») autorise une analyse documentaire poussée. La figure 11 montre par exemple l’impact de la Grande guerre sur l’activité économique de la presse et permet d’évaluer le délai de retour au niveau d’avant-guerre (10 ans).

Figure 11. Répartition des contenus par type (Le Matin, 1884-1942)
Figure 11. Répartition des contenus par type (Le Matin, 1884-1942)

De telles métadonnées quantitatives, ordonnées selon des dimensions à la fois temporelle et éditoriale (les titres de presse) et éventuellement croisées avec les contenus eux-mêmes (les textes océrisés), constitue un terrain fertile en hypothèses de recherche. Par ailleurs, la classification des types de contenus sera d’une grande aide pour les chercheurs ciblant un type de contenus spécifique (comme il a été dit, la presse quotidienne est un média composite : extraire un sous-corpus d’une collection de presse numérique reste un challenge technique). Ainsi d’une étude portant sur la formation de la chronique boursière dans la presse quotidienne [10], pour laquelle les données quantitatives offrent un accès direct au corpus cible, les tableaux présents dans la presse quotidienne étant majoritairement utilisés pour les cotations (fig. 12).

Figure 12. Nombre de tableaux par jour de semaine, Le Journal des débats politiques et littéraires (Pierre-Carl Langlais, 2016)
Figure 12. Nombre de tableaux par jour de semaine, Le Journal des débats politiques et littéraires (Pierre-Carl Langlais, 2016)

C.    Visualisation de données pour la médiation numérique

La visualisation de données offre également des perspectives novatrices en matière de redécouverte et de réappropriation des documents décrits par ces données. En effet, les méthodes et outils de visualisation de données sont en mesure d’aider les bibliothèques numériques à diversifier les modalités de parcours de leurs collections, en allant au-delà des classiques accès par recherche en texte intégral et feuilletage de pages.

La figure suivante montre ainsi une visualisation interactive de la moyenne de mots par page du Journal des débats politiques et littéraires sur toute sa durée (1814-1944, plusieurs dizaines de milliers de numéros, un point par numéro). Les franches ruptures et autres singularités mises en évidence par ce graphe invitent l’utilisateur à entrer dans la collection de presse via une nouvelle dimension, sa densité en mots. Cette dimension est exprimée par une métaphore visuelle à laquelle est associée une seconde dimension, le temps, à travers lequel le promeneur numérique se déplace (avec une fonctionnalité de zoom).

Figure 13. Nombre moyen de mots par page (Journal des débats politiques et littéraires, 1814-1944)
Figure 13. Nombre moyen de mots par page (Journal des débats politiques et littéraires, 1814-1944)

Les ruptures observées trouvent leur explication dans les changements successifs de maquette et/ou de format, motivés tant par les innovations techniques survenues dans la fabrication du papier ou l’imprimerie, comme étudié par les historiens de la presse [11] (1er déc. 1827 : 3 colonnes, 330×450 mm ; 1er oct. 1830 : 4 colonnes; 1er mars 1837 : 400×560 mm ; 1er janv. 1896 : typographie plus dense) que par le contexte politique (4 août 1914 : réduction à 2 pages et 3 colonnes puis retour à 6 colonnes le 8 août). Les valeurs aberrantes peuvent aussi révéler des trésors documentaires, ainsi des cas de censure telle que pratiquée durant la Grande guerre (voir ainsi le 22 mai 1915). Ici le vide, soit la disparition d’un texte, est découvert en l’affichant. Et les données racontent plusieurs histoires (pour paraphraser Edward Tufte [12]), la Grande, celle de la presse imprimée, celle du Journal des débats.

Il est intéressant de noter que ces documents singuliers, révélés par l’action conjuguée d’une métadonnée quantitative et d’une métaphore visuelle, resteraient cachés, perdus dans la profusion documentaire, pour qui se lancerait dans leur quête muni des outils classiques que sont recherche par critère bibliographique et interrogation par mot clé.

Comme on l’a vu, la visualisation de données en masse fait ressortir des valeurs singulières. En matière d’illustration, un graphe similaire au précédent mais appliqué à la dimension « nombre d’images » met en évidence des fascicules richement illustrés du Journal des débats politiques et littéraires (fig. 14), qui s’avèrent être des suppléments illustrés (27 mars 1899, 201 illustrations), mais également des événements clés de l’histoire du titre, comme la première illustration publiée (dans une publicité, le 11 mai 1828).

Figure 14. Nombre d’illustrations par fascicule (Journal des débats politiques et littéraires, 1814-1944)
Figure 14. Nombre d’illustrations par fascicule (Journal des débats politiques et littéraires, 1814-1944)

Faits et informations extraits grâce aux techniques de fouille et de visualisation de données gagneront à venir enrichir d’autres supports de médiation, qu’ils soient numériques ou non. Dans le premier cas, on pourra citer blog, dossier pédagogique, frise chronologique (fig. 15), etc.

Figure 15. Frise chronologique
Figure 15. Frise chronologique du Journal des débats politiques et littéraires

Autre exemple, une exposition sur l’histoire de la presse [13] souhaitant scénographier l’évolution des formats de papier et les liens entre innovations techniques, cadre économique et politique éditoriale, pourrait s’appuyer tant sur des documents physiques (fig. 16, en haut) que sur l’expression graphique d’une analyse statistique des formats de page (calculés à partir des informations extraites des images numérisées, fig. 16, en bas). Il serait tentant de rattacher ce cas illustratif aux tensions entre micro-histoire et histoire quantitative. Opposition artificielle dans le cadre de la mission de médiation qui échoit aux musées et bibliothèques : sélectionner quelques documents exemplaires ou travailler sur une (très6 ) longue série de documents/données n’est pas antinomique.

Figure 16. Evolution des formats de papier (Journal des débats politiques et littéraires, 1814-1944)
Figure 16. Evolution des formats de papier (Journal des débats politiques et littéraires, 1814-1944)

Classiquement, ce graphe met en lumière tant que les valeurs moyennes et leurs transitions que des points atypiques, tels ce numéro à 24 mots par page (2 mai 1899) qui s’avère être le plan de l’Exposition universelle de Paris, ou encore un courrier commercial consécutif à la loi sur la presse de 1851, ainsi que les événements historiques singuliers (eu regard des conditions de publication de la presse quotidienne) que sont les périodes de déclaration de guerre.

D.    Interroger les métadonnées quantitatives

Utiliser des outils adaptés contribue à améliorer l’efficacité de la fouille de données. BaseX7 est une de ces solutions simples et élégantes (au même titre que les systèmes NoSQL) permettant d’agglomérer tous les fichiers de métadonnées au format XML et d’interroger l’ensemble avec des requêtes XPath/XQuery. Dans le cadre d’une action de médiation numérique consacrée à un titre de presse ou pour l’ensemble du jeu de données, une telle requête identifiera par exemple toutes les pages « graphiques », c’est-à-dire celles à la fois pauvres en mots et incluant au moins une illustration. Des centaines de pages sont ainsi extraites du corpus (fig. 17 : bandes dessinées, dessins de presse, portraits, cartes, partitions, publicités, etc.), autant de documents remarquables qu’il aurait été fort laborieux de découvrir par un dépouillement (fût-il numérique) de la collection.

Figure 17. Exemples de résultat : (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k658372q/f11.item">1</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k7158889/f8.item">2</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k6840321/f4.item">3</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k557319t/f1.item">4</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k522950j/f4.item">5</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k469111r/f14">6</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k657927g/f14.item.zoom">7</a>)
Figure 17. Exemples de résultat : (1), (2), (3), (4), (5), (6), (7)

E.    Valoriser les métadonnées quantitatives

Les documents imprimés constitutifs des bibliothèques patrimoniales numériques ne sont pas des textes anonymes et indifférenciés. Ils présentent tous des facteurs de forme singuliers, ils sont tous héritiers de la longue histoire de l’imprimé. Prendre en compte leur matérialité afin de favoriser les usages numériques qui en sont faits est une hypothèse légitime. En particulier dans le cas de la presse ancienne numérisée, du fait de sa profusion8 et de sa nature composite : des centaines d’articles par fascicule, jusqu’à 15 000 mots par page (souvent bruités en sortie du traitement OCR) pour les grands formats du début du XXe s., de nombreux registres de discours : éditorial, information, loisirs, annonces, etc. Comme le souligne Ryan Cordell, “even digitized periodicals remain voluminous, messy, provocatively difficult” [14].

Par conséquent, il fait sens d’alimenter les outils d’accès et d’interrogation des collections de presse avec les métadonnées quantitatives issues de l’OLR ou l’OCR, elles-mêmes porteuses d’une information relative à la forme des documents physiques. En termes d’usage, la figure 18 montre deux exemples de requêtes avancées combinant des critères bibliographiques, par mot-clé et relatifs à la structure logique (en gras : titre d’article, corps de l’article, article incluant un tableau, etc.). Ces requêtes très expressives, proches du langage naturel, sont particulièrement adaptées à la recherche d’information au sein d’un portail de presse.

Figure 18. Sources de données d’un moteur de recherche pour la presse et requêtes avancées
Figure 18. Sources de données d’un moteur de recherche pour la presse et requêtes avancées

La bibliothèque numérique Trove (http://trove.nla.gov.au) est un exemple emblématique de cette approche. La figure 19 montre son formulaire de recherche avancée et ses critères de structure (types de contenu, longueur de l’article, article illustré).

Figure 19. Trove : formulaire de recherche avancée (extrait)
Figure 19. Trove : formulaire de recherche avancée (extrait)

Cette approche trouve un cas d’application voisin dans la recherche d’images au sein d’une collection de presse numérisée, riche en ressources iconographiques comme il a été dit (cf. fig. 6). En s’appuyant sur les sources d’information à disposition (métadonnée « nombre d’illustrations » ; texte de légende et de titre d’article fournis par l’OLR et l’OCR), il est possible d’interroger la collection à cette fin. Les métadonnées quantitatives jouent alors le rôle d’un simple index (au sens informatique du terme).

Un démonstrateur basé sur le jeu de métadonnées augmenté du texte des légendes a été développé.  Utilisant une API REST et des scripts XQuery interrogeant la base, il autorise l’expression de requêtes mêlant critères bibliographique et mot-clé. La figure 20 montre un exemple de recherche iconographique portant sur la statue de la liberté9. Onze illustrations sont trouvées, à comparer aux quinze documents présents dans la collection d’images de Gallica (extraites selon la seule métadonnée bibliographique « titre »).

Figure 20. Recherche d’illustrations « statue de la liberté » (exemples) : (1), (2), (3), (4), (5)
Figure 20. Recherche d’illustrations « statue de la liberté » (exemples) : (1), (2), (3), (4), (5)

Dans de nombreux cas, l’iconographie de la presse pourra couvrir les lacunes de la collection d’images. Ainsi l’exemple suivant consacré à la bataille de Málaga, événement absent de la collection d’images mais bien sûr traité par la presse quotidienne française de 1937 (quinze illustrations).

Figure 21. Recherche d’illustrations « bataille de Málaga » (exemples) : (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k585512z.item.zoom">1</a>), (<a href="http://gallica.bnf.fr/ark:/12148/bpt6k5855106.item/f8">2</a>)
Figure 21. Recherche d’illustrations « bataille de Málaga » (exemples) : (1), (2)

Ce démonstrateur d’un moteur de recherche d’illustrations de presse a permis de mettre en  lumière les points suivants :

  • L’iconographie présente dans la presse quotidienne est complémentaire d’une collection d’images « classique » (photographies, dessins), avec une forte couverture des thématiques histoire, société, culture populaire, vie quotidienne, etc. Pour l’étude des XIXe et XXe siècles, la presse, premier média de masse, est une ressource sans pareil. Par contre, la presse quotidienne est très peu illustrée avant 1870 (il faut attendre le tournant des XIXe et XXe siècles pour que se généralise le photoreportage, permis par l’amélioration des techniques de prise de vue et l’invention de la similigravure).
  • Pour la presse spécialisée (scientifique, professionnelle, sports, loisirs, etc.) et la presse magazine, l’iconographie n’a peu ou pas d’équivalent dans la collection d’images. Ainsi, l’exemple précédent de la bataille de Málaga appliqué au titre emblématique de l’histoire de la presse magazine qu’est Regards permettrait de dévoiler des photographies de Robert Capa et Gerda Taro (ou Henri Cartier-Bresson et Willy Ronis sur d’autres reportages).
Figure 22. Recherche d’illustrations dans <a href="http://gallica.bnf.fr/ark:/12148/bpt6k7635923b/f6.image">Regards </a>: « bataille de Málaga »
Figure 22. Recherche d’illustrations dans Regards : « bataille de Málaga »
  • Elle offre un plus large registre de types iconographiques : dessin, photographie, caricature, extrait de film, carte, bande dessinée, publicité, etc. (cf. fig. 17).
  • Les 427 000 illustrations des 637 000 pages du corpus EN-BnF sont à mettre en regard des dimensions de la collection d’images de Gallica (950 000 illustrations pour 400 000 documents). Rapporté à une collection de 5 millions de pages de presse, le nombre d’illustrations potentiel avoisinerait les 3 millions.
  • Les illustrations sont légendées à 80 % dans le corpus EN-BnF. À défaut de légende, le titre de l’article peut être utilisé, ou encore le premier paragraphe de l’article.
  • La qualité de l’iconographie de la presse va de médiocre à correct, du fait des techniques de reproduction et d’impression.

Et que dire des monographies imprimées ? Leur OCR contient bien évidemment des informations quantitatives quant à leur contenu : mot, tableau, illustration (voir [15] pour la démonstration de l’intérêt d’une utilisation extensive de ce principe). Le même mode opératoire pourrait leur être appliqué à des fins de recherche iconographique, en s’appuyant sur :

  • la classification en divers types d’« illustrations » opérée automatiquement par certains moteurs OCR (tableaux, timbres, annotations manuscrites, ornements et autres culs-de-lampe),
  • une annotation réalisée par un opérateur humain lors de la numérisation (la BnF demande l’identification des cartes et des partitions musicales),
  • des algorithmes de détection appliqués en post-traitement  contribuant à affiner la description des images en les classant selon leur mode de production (dessin au trait, photographies) ou encore leurs caractéristiques (noir et blanc/couleur, taille).

La figure 23 présente un scénario type de recherche iconographique dans les collections d’imprimés, où cartes, schémas et photographies de la planète Mars sont identifiées grâce à des critères de forme (« page illustrée ») et de type (« cartes »). Là encore, les éventuelles lacunes de la collection des cartes (100 000 cartes dans Gallica, aucune de Mars) peuvent être compensées par l’iconographie présente dans les imprimés.

Figure 23. Recherche iconographique dans les imprimés (exemples de résultats) : (1), (2), (3), (4), (5)
Figure 23. Recherche iconographique dans les imprimés (exemples de résultats) : (1), (2), (3), (4), (5)

IV.   Contrôler la qualité des données

La qualité des données dérivées influence la validité des analyses et interprétations (notamment visuelles, voir [4],[16] sur cette problématique). En effet, des données irrégulières en nature ou discontinues dans le temps pourraient introduire des biais. Une étude qualitative doit donc impérativement être menée au préalable à toute analyse interprétative.

Et dans tous les cas, les informations de qualité relatives aux collections ou au corpus numériques (taux OCR, manques, niveau de structuration, etc.) gagnent à être communiquées aux utilisateurs finaux – monde académique comme grand public –, par souci de transparence. Une utilisation ultérieure fiable de ces collections et corpus repose en partie sur ce prérequis.

La presse quotidienne des XIXe et XXe siècles se caractérise par une bonne homogénéité de forme, ce qui induit une cohérence et une granularité constantes des métadonnées dérivées du corpus (fascicule, page, article, etc.). Par ailleurs, la démarche employée (fouille de données massive, le fondement de toute approche big data [17]) rassure quant à sa représentativité. Une analyse statistique peut également aider à fournir les informations nécessaires de couverture temporelle et de distribution des données (fig. 24). On constate par exemple que la période 1814-1867 est sous-représentée (par un seul titre, le JDPL). Par contre, la visualisation simultanée du nombre de titres périodiques10 actifs année par année (information extraite du catalogue général de la BnF, courbe bleu) montre que la distribution du corpus est relativement bien corrélée à la production éditoriale.

Figure 24. Répartition des données du corpus (en rouge) et des titres de périodique actifs (en bleu) – 1810-1945
Figure 24. Répartition des données du corpus (en rouge) et des titres de périodique actifs (en bleu) – 1810-1945

Comme on vient de le voir, les corpus eux-mêmes peuvent  contribuer à leur propre validation qualitative. Ainsi une visualisation en calendrier des données disponibles pour un titre de presse (fig. 25) montre les rares manques, ce qui laisse à penser que son avatar numérique est représentatif de la réalité documentaire sous-jacente [18].

Figure 24. Visualisation des manques d’un titre de presse numérisé (JDPL)
Figure 25. Visualisation des manques d’un titre de presse numérisé (JDPL)

Ou encore, préalablement à une étude sur l’apparition de la chronique boursière dans la presse française s’appuyant sur les contenus typés « tableau » ([10], cf. fig. 12), cette hypothèse sera validée empiriquement par les brusques inflexions constatées en 1914 et 1939 (cf. fig. 26), étant connu et établi par ailleurs le fait historique du quasi-arrêt des tableaux de cotation et de la chronique boursière durant les deux guerres mondiales.

Figure 25. Nombre moyen de tableaux par fascicule
Figure 26. Nombre moyen de tableaux par fascicule
Conclusion

Cette étude a montré que les métadonnées quantitatives de fascicules de journaux, a priori peu disertes, s’expriment haut et fort lorsqu’interrogées à la bonne distance. Ce constat s’explique par le type documentaire, la presse quotidienne, sujet idéal pour une structuration fine (« à l’article ») et partant la création d’un ensemble cohérent de métadonnées sérialisées selon une dimension temporelle.

Pour une bibliothèque numérique, créer et diffuser de telles métadonnées quantitatives – par simple téléchargement ou par tout autre moyen (API, interface web d’interrogation) – donne aux chercheurs un terrain d’étude prêt à l’usage pour des actions de fouille de données dans des disciplines variées (histoire de la presse, de l’imprimé, du journalisme ; sciences de l’information ; sociologie, etc.) relevant du champ et des pratiques des « humanités numériques ». Mais ces métadonnées sont susceptibles de s’appliquer à d’autres catégories d’usage, qu’il s’agisse de gestion de la bibliothèque numérique, de médiation numérique ou encore de consultation des collections numériques.

Par ailleurs, le mode opératoire rend cette expérimentation généralisable, à plusieurs titres :

  • Le traitement OLR est désormais un standard en matière de numérisation des collections de presse patrimoniales.
  • La génération de métadonnées quantitatives ne nécessite qu’un traitement informatique élémentaire.
  • L’exploitation de telles métadonnées peut s’appuyer sur une grande variété d’outils de fouille et de visualisation de données, qui ne nécessitent le plus souvent que des compétences informatiques basiques.

Enfin, ses résultats appellent plusieurs suites possibles :

  • Expérimenter sur d’autres types documentaires présentant une cohérence de forme et une dimension temporelle : revues et magazines du XXe, premiers livres imprimés du XVIe s. etc.
  • Fournir les résultats aux chargés de collection et de médiation numérique des portails numériques (dans le cas de la BnF, bnf.fr et data.bnf.fr) afin de les éditorialiser au fil d’actions de médiation de la collection numérique (présentation des titres de presse, frise chronologique, etc.).
  • Mettre à la disposition des acteurs de la recherche des jeux de métadonnées quantitatives prédéfinis (par titre de presse, par date, etc.) et/ou une infrastructure technique de livraison de documents numériques11 dans laquelle les spécificités de la presse numérisée seraient prises en compte (sélection de corpus par critères multiples : titre, date, titre de rubrique, type de contenu, etc.).
  • Enrichir les moteurs de recherche avec ces métadonnées quantitatives afin de décrire le plus fidèlement possible tant la forme matérielle que la structure sémantique de la presse numérisée.

Nous pensons que cette étude a mis en évidence le bénéfice pour les bibliothèques numériques à utiliser les méthodes et outils du champ des humanités numériques. Et fournir ainsi de meilleurs services à tous leurs utilisateurs, y compris ceux de la communauté des humanités numériques, en mettant à leur disposition des corpus numériques plus riches et mieux structurés.

Les scripts, les jeux de données dérivées et les graphes décrits dans cet article sont librement disponibles : http://altomator.github.io/EN-data_mining. Ils ont été créés avec des outils open source (BaseX, Highcharts, Google Charts, timeline.knightlab).

Bibliographie
  1. K. Cukier, V. Mayer-Schönberger, Big Data: A Revolution That Will Transform How We Live, Work, and Think, Eamon Dolan/Houghton Mifflin Harcourt, 2013.
  2.  R. Green and M. Panzer , “The Interplay of Big Data, WorldCat, and Dewey”, in Advances In Classification Research Online, 24(1).
  3. M. Teets and M. Goldner, “Libraries’ Role in Curating and Exposing Big Data”, Future Internet 2013, 5, 429-438.
  4. R. Lapôtre, “Faire parler les données des bibliothèques : du Big Data à la visualisation de données”, Library Curator memorandum, ENSSIB, 2014. http://www.enssib.fr/bibliotheque-numerique/notices/65117-faire-parler-les-donnees-des-bibliotheques-du-big-data-a-la-visualisation-de-donnees
  5. The Front Page, http://dhistory.org/frontpages.
  6. T. Sherratt, “4 million articles later…”, June 29, 2012.
    http://discontents .com .au/ 4-million-articles-later
  7. C. Neudecker and L. Wilms, KB National Library of the Netherlands, “Europeana Newspapers, A Gateway to European Newspapers Online”, FLA Newspapers/GENLOC PreConference Satellite Meeting, Singapore, August 2013.
  8. F. Moretti, Graphes, cartes et arbres. Modèles abstraits pour une autre histoire de la littérature. Les Prairies Ordinaires, 2008. Trad. de l’anglais, Verso, 2005.
  9. L. Joffredo, “La fabrication de la presse”. http://expositions.bnf.fr/presse/arret/07-2.htm
  10. P.-C. Langlais, “La formation de la chronique boursière dans la presse quotidienne française (1801-1870). Métamorphoses textuelles d’un journalisme de données”. Thèse de doctorat en science de l’information et de la communication, CELSA Université Paris-Sorbonne, 2015.
  11. G. Feyel, La Presse en France des origines à 1944. Histoire politique et matérielle, Ellipses, 2007.
  12. E. Tufte, The Visual Display of Quantitative Information, Graphics Press, 2001.
  13. “SCOOP, une histoire graphique de la presse”, musée de l’Imprimerie, Lyon, 2015.
  14. R. Cordell, “What has the Digital Meant to American Periodicals Scholarshipˮ, American Periodicals, 26.1 2016.
  15. Lease Morgan, E., “Use and understand: the inclusion of services against texts in library catalogs and discovery systems”, Libray Hi Tech, Vol. 30, Issue 1, pp. 35-59.
  16. Y. Jeanneret, « Complexité de la notion de trace. De la traque au tracé » In : Galinon-Mélénec Béatrice (dir.). L’Homme trace. Perspectives anthropologiques des traces contemporaines. CNRS Editions, Paris, 2011.
  17. E. Aiden, J.-B. Michel, Uncharted: Big Data as a Lens on Human Culture. New York : Riverhead Books, 2013.
  18. A. Dunning, and C. Neudecker, “Representation and Absence in Digital Resources: The Case of Europeana Newspapers”, Digital Humanities 2014, Lausanne, Switzerland. http://dharchive.org/paper/DH2014/Paper-773.xml
Citer ce billet : Jean-Philippe Moreux. “Approches innovantes pour la presse ancienne numérisée : fouille et visualisation de données”. Dans Carnet de la recherche à la Bibliothèque nationale de France [En ligne]. https://bnf.hypotheses.org/208 (consulté le 30 décembre 2016).
  1. http://www.europeana-newspapers.eu/ []
  2. Cf. par ex. John Burrows, “Textual Analysis”, in A Compagnion to Digital Humanities, 2004 []
  3. http://prelia.hypotheses.org []
  4. http://www.medias19.org []
  5. https://viraltexts.org []
  6. Ici très exactement 47 799. []
  7. basex.org []
  8. Qui ne manque pas de faire écho à notre ère d’abondance informationnelle… On peut estimer à 120 millions de pages de presse la collection patrimoniale de la BnF, le catalogue général recensant environ 130 000 titres (presse et revues confondues). En 2012, 129 millions de pages étaient déjà numérisées en Europe (The “State of the Art”: A Comparative Analysis of Newspaper Digitization to Date, 2015. https://www.crl.edu/sites/default/files/d6/attachments/events/ICON_Report-State_of_Digitization_final.pdf) []
  9. http://basexapplication.2ftbeuqbi2.eu-central-1.elasticbeanstalk.com/rest/?run=findCaptionedIllustrations.xq&fromDate=1886-01-01&keyword=statue.*liberté. Demander à l’auteur l’accès à l’API. []
  10. De périodicité inférieure au mois. []
  11. Ce point sera abordé par le projet de recherche BnF « Corpus » (2016-2018), qui a pour objectif l’étude des services que peut rendre une bibliothèque en matière de fouille de textes et de données à destination de la recherche. []

Êtes-vous déjà entré à l'intérieur d'une encyclopédie ?