Archives par mot-clé : HTR

Transcrire les carnets d’Antoine d’Abbadie (1837-1848)

Le projet de recherche MSS-Abbadie a pour objectif de transcrire, analyser et éditer les carnets de notes du savant voyageur Antoine d’Abbadie qui séjourna en Éthiopie de 1837 à 1848. Il s’inscrit dans le cadre du plan quadriennal de la Recherche 2020-2023 de la BnF. Le dispositif engagé depuis 1994 permet de conduire des programmes de recherche autour de l’histoire et l’analyse des collections de la BnF et autour des sciences du livre et des bibliothèques. Le projet MSS-Abbadie bénéficie d’un partenariat avec le CNRS et l’INHA. 

Éthiopie : Carte N°4, Dambya et Lasta par Antoine d’Abbadie, Paris, 1866
Éthiopie : Carte N°4, Dambya et Lasta par Antoine d’Abbadie, Paris, 1866

Des carnets riches mais peu exploités

À cette période, très peu de voyageurs avaient encore séjourné dans la Corne de l’Afrique, ce qui fait d’Antoine d’Abbadie un pionnier. Ces carnets sont le fruit d’une intense activité scientifique : notes sur l’histoire des peuples éthiopiens, leurs langues, leur histoire, descriptions presque ethnographiques, relevés des droits de douanes et de marchés, relevés géographiques, listes de vocabulaire, notes sur la culture livresque, données économiques et sociales… ces notes couvrent des champs très divers. À l’exception des relevés géographiques, ces observations scientifiques furent peu réutilisées par Antoine d’Abbadie lui-même et très peu ensuite par les générations suivantes de chercheurs. Il y a une raison très concrète à cela : rédigées d’une écriture serrée, minuscule mais lisible, ces milliers de pages fragiles défiaient les chercheurs. La génération des reproductions en microfilms noir et blanc n’avait pas réellement rendu la consultation de ces écrits plus facile. Les numérisations couleur en haute définition adjointes aux outils de transcription collaborative permettent aujourd’hui de relever le défi et de mettre à disposition de la recherche le contenu de ces cahiers. Sur la vingtaine de carnets conservés au Département des Manuscrits de la BnF, 17 sont aujourd’hui numérisés et accessibles sur Gallica

Un outil de transcription collaborative 

Éditer de manière électronique pour rendre facilement accessible à tous le contenu de ces carnets constitue un défi par son ampleur. À l’écriture foisonnante tapissant les milliers pages dans tous les sens, s’ajoutent des croquis, des notations dans des langues et des écritures différentes, des tableaux… Le projet fait donc appel au plus grand nombre pour participer à la redécouverte de l’Éthiopie du début du 19è siècle dans les pas d’Antoine d’Abbadie sous la forme de la transcription collaborative. Il s’agit déchiffrer les notes de l’explorateur et les saisir de manière informatique sur une plateforme commune ouverte à tous. Cinq premiers carnets viennent d’être mis en ligne sur Transcrire.  

La plate-forme de crowdsourcing Transcrire a été développée dans le cadre du Consortium « Archives des ethnologues » afin de permettre la transcription des carnets de notes des voyageurs et scientifiques. Après plusieurs années d’existence qui ont permis de valider l’intérêt de la méthode, elle vient de faire peau neuve grâce à un financement Collex-Persée.  

Transcription en cours sur Transcrire
Transcription en cours sur Transcrire

Les carnets d’Antoine d’Abbadie vont être mis à disposition de la communauté des transcripteurs/trices progressivement et seront tous en ligne sur Transcrire d’ici la fin de l’année 2021. Il n’est pas exclu qu’à terme les correspondances scientifiques viennent les y rejoindre.  Ouvrir la transcription à un large public, spécialiste ou amateur, permet à chacun-e de transcrire en fonction de ses intérêts, de ses compétences et aussi tout simplement de sa disponibilité. 

Transcrire ces cahiers a pour objectif premier d’obtenir un texte exploitable c’est-à-dire dans lequel on puisse mener des recherches et qui soit éditable. Par ailleurs, la nouvelle version de Transcrire a l’avantage de conserver l’historique des contributions et permettra ainsi de créditer les transcripteurs/trices.  

Et ensuite ? 

Il était initialement prévu d’organiser plusieurs ateliers de transcription collective, ou « transcrithon ». En effet, ces événements permettent de répondre aux nombreuses questions que peuvent susciter le travail autour de textes complexes et hétérogènes (travail en cours d’élaboration, multiples graphies et signes diacritiques variés, découverte progressive des langues et des régions par Antoine d’Abbadie, mise en ordre des notes selon un système complexe, diversité des types de carnets, etc.). Les transcrithons sont aussi l’occasion de fédérer la communauté des transcripteurs/trices, et il est prévu d’en organiser un au splendide château d’Abbadia à Hendaye en fin de projet. Ces étapes ne sont pas abandonnées mais le contexte sanitaire actuel en repousse la réalisation à des dates inconnues.  

Dans un second temps, il s’agira d’éditer le texte transcrit en le structurant et en l’annotant. L’édition électronique en XML-TEI paraît particulièrement adaptée afin de créer un document numérique qui puisse être analysé, diffusé et édité.  

Mathilde Alain (assistante de recherche, BnF), Vanessa Desclaux (conservatrice département des manuscrits, BnF), Fabrice Melka (CNRS, IMAF), Anaïs Wion (CNRS, IMAF) 

Fil twitter : https://twitter.com/TranscrireAdA  

Participer à la transcription des carnets : http://transcrire.huma-num.fr/  

Vidéo de l’Atelier sur la transcription des écritures manuscrites

Le DataLab de la BnF a organisé le 26 janvier dernier un atelier sur la reconnaissance automatique et la transcription collaborative des écritures manuscrits de documents numériques dont le programme est à retrouver sous le lien suivant :

La vidéo des interventions est mise à disposition sur la plateforme Vimeo ou à retrouver ci-dessous :

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

Atelier sur la Transcription de l’écriture manuscrite

La transcription de l’écriture manuscrite constitue l’un des enjeux du travail de recherche et d’exploitation des collections numérisées : temps de traitement long, difficulté à industrialiser les procédés, question autour de la valorisation et du devenir des corpus transcrits. Face à ces questionnements, deux solutions semblent émerger :

  • La transcription collaborative sur des plateformes ouvertes à des contributeurs bénévoles participant à la transcription (et parfois à l’encodage) des manuscrits ;
  • La transcription automatique, qui utilise les techniques de reconnaissance d’image issues de l’IA (dit HTR : Handwritten Text Recognition), ou la transcription semi-automatique qui utilise le participatif pour corriger et annoter les documents en post traitement.


La BnF, en tant qu’institution patrimoniale et acteur de la recherche se pose également la question de solutions de transcription, qu’elle soit sous forme de plateforme participative, ou d’outils mis à la disposition des usagers pour traiter leurs corpus. A l’heure où les technologies semblent atteindre un certain niveau de maturité, d’autres questions viennent alors : comment fédérer une communauté autour d’une plateforme ; comment verser ces transcriptions dans les outils déjà existants ; comment accompagner les chercheurs sur ces nouveaux outils ?

A travers la présentation d’outils et de projet de recherche, cet atelier vise deux objectifs principaux :

  • partager les résultats de la recherche et fédérer une communauté d’usagers autour des outils qui seront mis à disposition dans le BnF DataLab ;
  • acculturer les acteurs aux traitements automatisés sur des collections qui jusqu’à présent échappaient à l’analyse de masse (manuscrits, tapuscrits, imprimés anciens, écritures non latines, etc.).

Programme

15h – Introduction générale de l’atelier / accueil des participants par Arnaud Laborderie

  • 1er partie : Transcription collaborative

15h05 : Jean-Philippe Moreux, BnF, expert scientifique Gallica : les projets de transcription collaborative et de correction d’OCR à la BnF.

15h15 : Pauline Charbonnier, Archives nationales, ingénieur d’études : Présentation du projet de plateforme collaborative Testament de poilus1.

15h30 : Vanessa Desclaux, BnF, conservatrice au service des manuscrits orientaux, Anaïs Wion, CNRS, chargée de recherche et Mathilde ALAIN, assistante de recherche : Les manuscrits d’Abbadie et la plateforme Transcrire2.

15h45 : Questions

  • 2e partie : Transcription automatique ( HTR)

16h15 : Emmanuelle Bermès, BnF, adjointe chargée des questions scientifiques et techniques auprès du Directeur des services et des réseaux : Introduction.

16h25 : Daniel Stökl Ben Ezra, EPHE, PSL, UMR 8546 AOrOc : Présentation de l’infrastructure HTR open source eScriptorium3.

16h40 : Alix Chagué, INRIA, ingénieure recherche et développement et Aurélia Rostaing, Archives nationales, conservatrice du patrimoine : présentation du projet Lectaurep4.

16h55 : Dominique Stutzmann, CNRS-IRHT, chargé de recherche : présentation de l’ANR Horae5.


Organisateurs

  • Marie Carlin, Arnaud Laborderie, Emmanuelle Bermès et Charlotte Clergeau

Informations pratiques

  1. TESTAMENTS DE POILUS, les contributeurs bénévoles ont participé à la transcription et à l’encodage au format informatique TEI des testaments de poilus, via la plateforme de transcription collaborative ouverte en janvier 2018 (https://testaments-de-poilus.huma-num.fr). Mise en ligne de l’édition numérique  https://edition-testaments-de-poilus.huma-num.fr/ []
  2. CARNETS D’ABBADIE, Ce projet de recherche a pour objectif, de transcrire, analyser et éditer les dix-sept carnets de notes du savant voyageur Antoine d’Abbadie, qui séjourna en Éthiopie de 1840 à 1852. Informations : https://actions-recherche.bnf.fr/BnF/anirw3.nsf/IX01/A2019000024_mss-abbadie-les-carnets-scientifiques-d-antoine-d-abbadie-en-ethiopie-1840-1852-numerisation-transcription-et-edition []
  3. ESCRIPTORIUM – interface de transcription automatique d’écritures manuscrites qui s’appuie sur Kraken et qui fournit des modèles de segmentation performant à utiliser sur divers corpus. Informations : https://ephenum.hypotheses.org/1412 []
  4. LECTAUREP, porté par les Archives nationales et Inria, élabore avec Kraken/eScriptorium des modèles de segmentation et de reconnaissance automatiques d’écritures manuscrites spécifiques à des répertoires d’actes de notaires, avec un volet participatif : https://lectaurep.hypotheses.org/ []
  5. HORAE (ANR, 2018-2021) vise à l’étude du texte des livres d’heures manuscrits du Moyen Âge : https://anr.fr/Projet-ANR-17-CE38-0008. La société Teklia et le laboratoire de linguistique LS2N sont associés à l’IRHT pour identifier les structures des livres d’heures et analyser la circulation des textes de dévotion au bas Moyen Âge. https://horae.digital/ []

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

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 []

Atelier : Penser, classer, modéliser. L’exemple du projet Foucault Fiches de Lecture. (13/11)

Inscrit au plan quadriennal de la recherche 2016-2019 de la BnF, le programme de recherche Corpus a pour objectif de construire un nouveau service de fourniture de corpus numériques à destination de la recherche. Un des axes explorés dans le cadre de ce projet consiste à accompagner les chercheurs dans leur appropriation des collections numériques. À cet effet, des ateliers d’échange sont régulièrement organisés entre des équipes de recherche partageant des enjeux méthodologiques, scientifiques et techniques similaires, ainsi que les personnels BnF experts des sujets abordés.
Cette année, nous suivons en particulier le travail de l’équipe de recherche travaillant sur le projet ANR Foucault Fiches de Lecture (FFL), dont le Service des manuscrits modernes et contemporains de la BnF est partenaire, afin d’étudier ses besoins en matière d’utilisation des données bibliographiques et plus globalement, sa pratique des humanités numériques. L’atelier « Penser, classer, modéliser », organisé en collaboration avec l’équipe travaillant sur le projet FFL et le département des Métadonnées de la BnF, se présente comme l’occasion de réfléchir ensemble, à partir d’un exemple concret, à des aspects de la modélisation et de l’enrichissement de données.


Le projet FFL a pour but de numériser, mettre en ligne, décrire et enrichir les manuscrits de notes de lecture de Michel Foucault, en utilisant une plate-forme numérique de travail collaboratif. Un prototype développé par l’équipe permet déjà de consulter les feuillets numérisés (environ 5700 feuillets actuellement), de les décrire et de les annoter : chaque utilisateur peut à la fois produire des métadonnées mutualisées et enregistrer des annotations privées. Basé sur les technologies RDF, le prototype permet également d’enrichir ces informations par un système de mashup et d’alignement avec les données bibliographiques et biographiques de data.bnf.fr1. Le projet vise ainsi à constituer une base de connaissances sur les sources de Foucault, ainsi qu’un référentiel terminologique du vocabulaire utilisé par le philosophe.

Parallèlement, des transcriptions seront réalisées, au moins pour une partie du corpus, en s’appuyant sur les fonctionnalités de la plate-forme eman. Afin de faciliter ce travail, l’utilisation du logiciel Transkribus (reconnaissance automatique d’écriture manuscrite) est envisagée : les résultats des tests réalisés2 laissent espérer que l’équipe disposera bientôt d’une grande quantité de textes produits automatiquement, qui serviront  de base pour la transcription manuelle, tout en permettant une indexation plein texte du corpus.

Il s’agit donc de réfléchir à l’articulation des données textuelles (provenant du relevé manuel des titres de fiches aussi bien que des transcriptions intégrales automatiques) avec les métadonnées renvoyant à des entités nommées (concepts, personnes, documents). Comment exploiter au mieux, structurer et harmoniser les différents types de données ? Un premier axe de travail consisterait à s’appuyer sur les index de notions réalisés pour les Cours au Collège de France, mais aussi sur des thesauri comme Rameau. Un deuxième axe serait d’utiliser les entités nommées déjà créées pour faciliter la correction des transcriptions automatiques et, réciproquement, d’utiliser les transcriptions pour le repérage et la création de nouvelles entités.

Modalités pratiques

Quand ? 13 novembre 2018, 14 – 17h30

Où ? Bibliothèque nationale de France, site François-Mitterrand (Quai François Mauriac, 75013 Paris), salle : Aquarium.

Comment ? Entrée libre sur réservation via cette page.

  1. Voir la présentation de ces fonctionnalités donnée lors de l’atelier Corpus précédent, le 10/07/2018 :
    https://f-origin.hypotheses.org/wp-content/blogs.dir/3226/files/2018/07/Slides_atelier_bnf_Corpus_2.pdf []
  2. https://halshs.archives-ouvertes.fr/hal-01794139v1 []