Archives par mot-clé : ANR

Penser, classer, modéliser. L’exemple du projet Foucault Fiches de Lecture

Dans le cadre du projet CORPUS, inscrit au plan quadriennal de la recherche 2016-2019 de la Bibliothèque nationale de France, l’atelier intitulé « Penser, classer, modéliser. L’exemple du projet Foucault Fiches de Lecture » a eu lieu le 13 novembre après-midi sur le site François-Mitterrand. Organisé dans une logique de partage d’expertise, il avait pour objectif de mener, à partir de l’exemple concret du projet Foucault Fiches de Lecture, une réflexion autour des problématiques liées à la modélisation et à l’enrichissement de données et, de manière plus générale, sur ce que les outils numériques peuvent apporter au travail de recherche sur un corpus d’archives.

Le projet Foucault Fiches de Lecture (FFL) est un projet ANR d’une durée de trois ans qui a pour objectif de numériser, mettre en ligne, indexer, décrire et enrichir les notes de lecture manuscrites de Michel Foucault, en utilisant une plate-forme numérique de travail collaboratif.

Fruit du partenariat entre PSL et l’ENS Lyon, le projet FFL, en fédérant des équipes de différents laboratoires de recherche (ArchiNum, Triangle, CAPHÉS et ITEM), repose sur une collaboration étroite entre chercheurs en sciences humaines et sociales et ingénieurs de recherche.

Suite au lancement de la numérisation par la BnF des fiches de lecture (fonds NAF 28740 acquis par le département des manuscrits de la BnF en 2013), aujourd’hui, à la fin de la première année du projet, un prototype de plate-forme développé par l’équipe d’ingénieurs offre aux chercheurs plusieurs fonctionnalités et ouvre de nouvelles perspectives de recherche. Elle permet d’abord de consulter les feuillets numérisés : actuellement environ 5 700 sur les 14 000 à numériser dans le cadre du projet et sur les 20 000 fiches présentes dans le fonds conservé à la BnF. Elle donne aussi la possibilité aux chercheurs de décrire et d’annoter ces fiches : chaque utilisateur peut à la fois produire des métadonnées mutualisées et enregistrer des annotations privées.


Prototype de la plate-forme Foucault Fiches de Lecture (FFL)

Basée sur les technologies du web sémantique, la plate-forme permet également d’enrichir ces informations par un système de mashup et d’alignement avec les données bibliographiques et biographiques de data.bnf.fr. En outre, elle fournit une transcription de chaque fiche. Cette transcription automatique est obtenue à l’aide du logiciel Transkribus qui, basé sur une technologie d’intelligence artificielle, après une phase d’apprentissage via des réseaux neuronaux, permet la reconnaissance d’écritures manuscrites ainsi qu’une recherche par mots clés. Malgré la nécessité d’un travail minutieux ligne par ligne, l’équipe a constaté un taux moyen de réussite de reconnaissance de l’écriture de 92%, une fois l’entraînement effectué. Enfin, les ingénieurs de recherche travaillent sur une fonctionnalité de cartographie pour permettre aux chercheurs de visualiser graphiquement les connexions entre les fiches et, à partir de ces connexions, de visualiser les réseaux de notions et d’auteurs. Le projet vise ainsi à constituer une base de connaissances sur les sources de Foucault ainsi qu’un référentiel terminologique du vocabulaire employé par le philosophe.

Exemple de transcription

Le passage des archives papier au numérique implique pour les chercheurs une nouvelle manière de les appréhender. La possibilité d’établir des liens hypertextuels entre les fiches et vers des ressources extérieures ainsi que d’obtenir des visualisations de données constitue des atouts majeurs du projet qui vise ainsi à offrir aux chercheurs un modèle de travail ouvert mais aussi une réflexion théorique sur les méthodes de travail de Foucault et ses archives, sa « bibliothèque ».

Réutiliser les données existantes

Ce corpus de fiches de lecture présente un statut hybride : plus qu’un texte, il constitue une banque de données bibliographiques. Dans leur matérialité, les fiches, accumulées pendant plus de trente ans, sont rangées dans des boîtes et des chemises selon un ordre thématique. Systématiquement, sur ces fiches, Foucault relève des références et attribue des concepts. Dans la dimension virtuelle de la plate-forme, ces références à des personnes, documents et concepts sont alignées, autant que possible, avec data.bnf.fr ou pointent vers le catalogue général de la BnF ou bien vers d’autres catalogues de bibliothèques lorsque la référence n’est pas présente sur data.bnf.fr. À ces métadonnées structurées, s’ajoutent les annotations produites par les chercheurs (par exemple des commentaires personnels ou des ajouts de références) et les transcriptions intégrales des fiches.

Comment alors tirer parti au mieux de ces différents types de données (métadonnées structurées, annotations et transcriptions) ? Cet enrichissement de données via data.bnf.fr pourrait-il être complété par le même travail à partir des transcriptions des fiches, du plein texte ?

Les index des Cours au Collège de France (thèmes et personnes) ont été fusionnés en un seul (l’index de 10 cours représente 200 pages), mais ils ne décrivent qu’une partie de l’œuvre (1970-1984) et se révèlent trop spécialisés autour des thèmes des cours ; l’équipe s’interroge alors sur la possibilité de créer un thésaurus à partir de notions ou d’utiliser un thésaurus existant pour décrire les concepts employés par Foucault afin de contrôler la création de nouvelles entités et d’améliorer la qualité des données textuelles.

Parmi les possibilités existantes, Rameau (Répertoire d’autorité-matière encyclopédique et alphabétique unifié), en tant que langage d’indexation matière répandu dans le monde des bibliothèques, semble au premier abord être une solution intéressante. Aux échanges entre chercheurs et ingénieurs de recherche, s’ajoute alors un autre domaine de compétences : celui des sciences de l’information. L’échange entre des experts de Rameau à la BnF et l’équipe de recherche a permis de déterminer que ce langage documentaire n’est pas adapté à une terminologie spécifique comme celle de Foucault. En effet, les catégories foucaldiennes ne recouvrent pas les concepts du thésaurus. Les concepts de Rameau se rapportent à une classification à vocation encyclopédique et universelle à l’opposé de l’indexation des fiches de lecture qui a vocation à tenir compte de la valeur sémantique dépendante de l’usage et du contexte d’emploi des termes par le philosophe. SKOS, en permettant la description des types de relations entre des catégories et donc en permettant la description non seulement de relations hiérarchiques mais aussi associatives, est proposé alors comme un possible cadre de départ pour formaliser les relations entre les concepts. 

Visualiser les données

Outre la question de l’enrichissement des données via des thesauri, d’autres questions se posent dans le cadre du projet autour de l’enrichissement de l’expérience de navigation et de recherche.

Comment permettre la navigation dans les données à partir des graphes ? Un des obstacles face auxquels l’équipe se trouve est en effet la difficulté à l’utiliser comme une carte pour accéder aux contenus. Cette difficulté semble résider plus précisément dans le fait que soit la quantité des données est trop élevée pour être exploitée (la carte devient illisible), soit la représentation risque de porter sur des éléments déjà connus. Quel est donc l’apport de la visualisation de données ? Peut-elle faire surgir des interprétations nouvelles ?

La cartographie que l’équipe vise à construire sert à naviguer dans les fiches, plutôt qu’à représenter les concepts eux-mêmes. À l’état actuel d’avancement du projet, cette cartographie sert à savoir ce qui a été saisi et voir quel philosophe ou quelle notion apparaît dans quelle fiche.

Exemple de graphe du projet FFL

Modéliser les données

L’enjeu du projet est de réunir des usages de recherche différents sur le matériau que constituent les fiches, mais sans les réduire à un dénominateur commun : quel modèle de données alors pour le travail collaboratif ? Comment associer travail personnel et collectif ? Comment faire face à l’hétérogénéité du corpus et des usages de recherche ? Le modèle élaboré par l’équipe a été donc structuré autour du principe de l’annotation, autrement dit un « modèle centré annotations ». Il tente de concilier l’hétérogénéité de ce que les fiches contiennent (représenté sous forme d’annotations) avec les éléments homogènes comme par exemple les titres.

À chaque élément saisi par le chercheur dans la plate-forme, ou à chaque annotation, sont rattachées des métadonnées : information de provenance (qui l’a saisie et quand), type de chaque information saisie et portée (quelle partie du corpus est couverte). Certaines informations sont privées et visibles uniquement par celui qui les a saisies, ou restreintes pour un groupe de personnes.

Exemples de fiches de lecture de Michel Foucault

Dans le modèle, chaque annotation est une ressource avec une URI. Son contenu peut être un littéral ou une entité avec elle-même une URI. S’y ajoutent les méta-métadonnées (type, catégorie comme analyse scientifique ou archivistique ou note éditoriale, auteur, date, conditions d’accès).

Graphe FFL

Enrichir  les données non structurées

Les participants partagent un constat : la personnalisation des outils a pour conséquence de faire diverger les projets. Dans le prototype du projet Foucault Fiches de lecture, un membre de l’équipe a fait un import en local des données de data.bnf.fr dont il avait besoin. Pour éviter ce phénomène, Omeka permet de travailler avec des plug-ins que l’utilisateur peut choisir d’ajouter à son site internet. Par exemple,  un plugin, LC suggest, permet d’intégrer les référentiels de la Bibliothèque du Congrès comme aide à la saisie. Un tel plug-in serait utile pour data.bnf.fr. Un membre de l’équipe du projet propose un appel à la communauté pour développer de tels plug-ins pour Omeka ou WordPress. La question de la maintenance des logiciels développés dans le cadre de projets de recherche se pose alors.

L’objectif de ces développements est d’avoir des fichiers TEI1 bien formés, sans obliger les chercheurs à apprendre la TEI qui est un langage assez technique. S’ils ont eu le temps de l’acquérir, les chercheurs n’ont guère le temps de maintenir ce savoir. Chaque chercheur membre du projet pourra lui-même annoter ses fiches avec des balises par simple clic.

La BnF a testé la reconnaissance d’entités nommées avec l’API Watson sur une dizaine de fiches transcrites à la main, pour les personnes, dates, lieux, et organisations : environ 70% des personnes sont identifiées et 40% des lieux. Les quantités, dates et durées sont bien reconnues. L’algorithme est peu performant avec les organisations. En revanche, les API commerciales ne savent vraiment pas reconnaître des titres d’œuvre. Il est possible de fournir à Watson le dictionnaire propre du projet pour améliorer les résultats.

Contribuer à la recherche grâce à la complémentarité entre plate-forme numérique et travail d’édition papier

L’ordre des fiches de lecture telles qu’arrivées à la BnF n’est pas forcément significatif. La construction d’un réseau intertextuel entre les fiches est un apport majeur rendu possible par le numérique. Il ne permet pas de découvrir un nouveau Foucault, mais la richesse de ses archives de travail. 

À partir du matériel conservé dans le fonds Foucault de la BnF, deux projets d’éditions en particulier sont en cours : la publication des cours et travaux antérieurs au Collège de France, dans la collection « Hautes études » des éditions Seuil/Gallimard et la réédition des Cours au Collège de France en édition de poche, dans la collection « Points » des éditions du Seuil.

Outre la publication d’un certain nombre d’inédits, la première série en particulier se propose aussi de valoriser le matériel qui accompagne les manuscrits de ces cours/travaux, à savoir le matériel venant des archives. Ce matériel, parmi lequel figurent les fiches de lecture, est fondamental pour l’édition des manuscrits, pour la rédaction des notes bibliographiques et des notes critiques. La question fondamentale qui se pose à l’éditeur est : comment faire pour retrouver les informations parmi les milliers de feuillets consultés ? La plate-forme élaborée dans le cadre du projet FFL apporte une réponse à ce problème. Quand le philosophe renvoie dans un manuscrit à une source bibliographique incomplète, la plate-forme permet de lancer une recherche par auteur par exemple et retrouver les fiches de lecture qui concernent cette source. Outre à améliorer la compréhension des données bibliographiques, la plate-forme aide le travail d’édition en permettant une recherche par notion qui fait ressortir des informations sur la bibliographie et l’emploi d’un certain terme.

Dans cette perspective, le projet FFL contribue en général à la réflexion autour des archives contemporaines et à la manière dont le numérique peut changer le rapport aux sources d’archives.

  1. Text Encoding Initiative []