Après un doctorat en géographie et une expérience de cartothécaire, Quentin Mercurol est devenu conservateur des bibliothèques. Son stage professionnel au Grand Équipement Documentaire du Campus Condorcet lors sa formation à l’Enssib avait pour objet une mission de réflexion sur la mise en œuvre d’un service de transcription des textes manuscrits à destination des publics chercheurs. Le texte présenté ici est le fruit de ce travail mené au GED, où Quentin Mercurol est responsable du département des Outils numériques.
Introduction
Transcrire un texte manuscrit, c’est opérer une extraction d’informations et une nouvelle mise en forme d’un texte pour en produire un autre, sur un autre support, qui lui reste fidèle. Dans la plupart des cas, il s’agit aujourd’hui de faire passer un texte de son format manuscrit initial à une chaine de caractères numériques sur ordinateur. Il s’agit d’une méthode tout à fait banale et routinière dans les SHS et dans le monde de l’édition, d’une activité souvent solitaire qui s’opère avant tout dans la pénombre des salles de consultations d’archives et de fonds patrimoniaux. La numérisation des documents manuscrits et la circulation des facsimilés numériques, produits par le chercheur ou par une institution culturelle, ont fait sortir l’activité de transcription des seules salles de consultation des institutions de conservation. Les lieux, les moments et les publics de ce face à face particulier avec le texte ont été en conséquence démultipliés. Aujourd’hui, les conditions de rencontre des individus avec les textes à transcrire sont totalement reconfigurées.
Deux évolutions majeures sont à noter. D’une part, le développement de l’infrastructure socio-technique du web 2.0 – dit web participatif – a fait potentiellement éclater la nature solitaire du travail de transcription. Le développement de plateformes web dédiées ont fait de ces tâches un moment où une variété d’individus, chercheurs ou non – mais qui y trouvent un intérêt bien senti – peuvent se réunir, collaborer et se coordonner ouvrant ainsi un nouveau cadre collectif de rencontre avec un patrimoine manuscrit. D’autre part, la multiplication des domaines d’application de l’apprentissage par intelligence artificielle font qu’il est possible que la tâche de transcription soit automatisable, par la création d’un modèle de reconnaissance d’écriture manuscrite (ou HTR, pour Handwritten Text Recognition). La production des données textuelles est alors majoritairement assurée par la machine : l’utilisateur produit lui-même, ou importe quand elles préexistent, des transcriptions manuelles qui seront employées comme données d’entrainements. Ces deux méthodes empruntent des voies différentes pour la réalisation d’une même promesse : celle de la production amplifiée, voire massifiée, de données textuelles numériques.
Les bibliothèques et institutions archivistiques étrangères, et parmi elles les plus prestigieuses, se sont pour beaucoup outillées pour développer et mettre à disposition des transcriptions de textes manuscrits. Face à la quasi absence de ce type de services dans le monde documentaire français, et dans une volonté de construire une politique de service en soutien au développement des humanités numériques, le Grand Equipement Documentaire (GED) du Campus Condorcet a souhaité initié une réflexion concernant la mise en œuvre d’outils de transcription, notamment pour la valorisation de très riches archives de la recherche que conserve et communique la (future) bibliothèque. Le propos qui sera développé dans cet article est le fruit d’un travail de stage qu’a permis d’accomplir le GED. Nous définirons dans un premier temps ce qui fonde la légitimité des bibliothèques à intervenir dans la transcription des textes manuscrits, pour ensuite préciser les enjeux et manières de faire propres à chaque méthode, collaborative ou automatique.
Transcrire en bibliothèques
Reconfiguration profonde de l’accessibilité des textes manuscrits
Transformer un texte manuscrit en chaines de caractères numériques permet de faciliter l’accès à ces documents manuscrits. C’est une assertion simple mais dont il ne faudrait pas amoindrir la portée. Car le moment historique qui s’est engagé avec la généralisation des textualités numériques – soit justement l’ubiquité dans notre quotidienneté de la présence et de l’utilisation des caractères numériques – a profondément reconfiguré notre rapport avec l’écriture cursive. Cette reconfiguration pourrait constituer une limite pour nos capacités d’accéder aux informations contenues dans les documents manuscrits. Les conséquences de la transition textuelle numérique sont complexes à appréhender, mais il est certain que nos relations dans les actes les plus routiniers et quotidiens avec l’écriture cursive – celle qui nous est propre et celle des autres – tendent à diminuer. Constat banal, mais ce que l’on pourrait appeler la « littératie cursive » – soit nos capacités à comprendre et à réutiliser les informations contenues dans les documents manuscrits écrits en cursif – s’en trouve atteinte. Et cette tendance n’est pas près de s’inverser : s’il est déjà difficile pour des scripteurs/lecteurs né au XXe de comprendre les écritures antérieures au XXe, on peut imaginer que ces difficultés ne feront que grandir dans le futur. Opérer la transcription des écritures cursives (contemporaines et plus anciennes) en des caractères numériques, c’est alors ouvrir la potentialité de leur accessibilité au plus grand nombre, et non simplement au cercle sans aucun doute restreint des paléographes de demain. C’est garantir la pérennité de l’accès aux documents conservés dans les fonds d’archives et de bibliothèques et permettre l’exploitation de la mine informationnelle qu’ils contiennent, sa réutilisation, son interrogation dans des processus de recherche d’informations.
De manière concomitante à cette question patrimoniale de l’intelligibilité dans le temps long des documents manuscrits, c’est l’accessibilité ici et maintenant à ces documents et à leurs contenus que permet leur transcription. Comme l’affirme Victoria Van Hyning : « de manière croissante, notre recherche est catalysée et jalonnée de recherches par mots dans les petits cadres blancs des catalogues, des moteurs de recherche et des bases de données : rechercher c’est souvent rechercher par mots »[1]. Un enjeu est donc d’adapter les modalités de recherche documentaire de plus en plus ancrées, celles de la barre de recherche, à des textes manuscrits qui en sont exclus. Il s’agit d’étendre à ces derniers les possibilités offertes par l’OCRisation pour l’accès aux textes imprimés et aux informations qu’ils contiennent. En d’autres termes, il importerait de rendre les textes manuscrits identifiables et lisibles par la machine pour maximiser leur « découvrabilité », en faisant potentiellement éclater les freins à leur utilisation : les difficultés de lecture peut-être, mais surtout la granularité de leur description, premier facteur d’accessibilité avant même le déchiffrement d’une graphie humaine. L’immense travail accompli par les archivistes de description à la boîte pourrait être précisé et affiné par un niveau de granularité d’accès à l’information des matériaux archivistiques impensable il y a peu : celui du mot, voir même de l’enchainement de caractères. C’est potentiellement toute l’indexation et la recherche au sein des matériaux archivistiques qui peuvent être repensées à l’aune de nouvelles possibilités offertes par l’automatisation de la transcription ou sa réalisation participative. Cet enrichissement des documents numérisés par la publication de leur transcription pourrait se faire par l’intermédiaire des bibliothèques numériques, voire des systèmes d’information archivistique.
Une autre déclinaison des opportunités liant l’activité de transcription à la notion d’accessibilité correspond à l’une de ses acceptions particulières : la possibilité offerte à des personnes en situation de handicap d’accéder à des informations. En effet, pour les personnes en situation de handicap visuel partiel, la transformation des textes manuscrits en texte numérique permet l’utilisation de dispositifs de grossissement de caractères (comme Zoomtext). Pour les personnes en situation de handicap visuel total, les textes numériques produits par transcription peuvent permettre l’utilisation de machine à lire et de tout autre logiciel de synthèse vocale permettant de restituer le contenu informationnel d’un texte manuscrit jusqu’alors pour elles inaccessible.
Accompagner la recherche par la structuration d’un « commun méthodologique »
Ces trois déclinaisons de la reconfiguration des conditions d’accès par la transcription des textes manuscrits en textes numériques ne signifient évidemment pas pour autant une conversion inéluctable (ni même souhaitable) vers des recherches plein-texte pour tout écrit manuscrit conservé par des institutions culturelles, patrimoniales ou de recherche. Le goulot d’étranglement que constitue l’étape inévitable de numérisation, autant que les limites propres aux méthodes automatiques ou participatives – respectivement le lourd processus d’apprentissage par la machine et l’organisation effective de la participation – interdisent toute forme d’exhaustivité. Lorsqu’il y a transcription, elle accompagne une intention particulière, qu’elle concerne la valorisation d’un corpus archivistique en particulier ou son exploitation dans une intention de recherche. C’est sans doute en grande partie dans l’accompagnement, le soutien et la promotion d’intentions de recherche que résident l’entière légitimité et la pleine pertinence des bibliothèques de recherche dans la mise en œuvre de services et d’outils de transcription. Certes, l’opportunité de présenter les données issues de la transcription dans une bibliothèque numérique est à saisir, et permettrait de concrétiser les enjeux d’accessibilité décrit plus haut. Mais la transcription des corpus manuscrits doit être d’abord orientée dans le cadre d’une offre de service qui permettrait aux bibliothèques de se positionner en tant que lieu de production de données nécessaires au travail scientifique, et ainsi de participer au renouvellement et à l’approfondissement des questionnements portés sur des corpus manuscrits par les chercheurs en SHS.
Car l’accessibilité accrue que permettent les nouvelles modalités de recherche dans les collections manuscrites transcrites « autorisent l’usager à identifier rapidement des sujets, des mots, des individus, des endroits et des évènements au sein des documents, mais aussi de changer la compréhension du contexte, démultipliant les possibilités de recherches. La génération de transcriptions lisibles par la machine va fournir la base pour des traitements informatiques sémantiques, linguistiques et géo-spatiaux avancés de matériaux historiques primaires. Les questions de recherche qui peuvent alors être posées aux manuscrits historiques changent : la manière dont les institutions peuvent communiquer et présenter les matériaux archivistiques sera elle aussi transformée. »[2]. De nouvelles pistes de recherche ont effectivement émergé grâce aux possibilités automatiques et participatives de transcription. Déjà, celle-ci a permis une meilleure représentation des textes manuscrits dans des bases de données textuelles d’où ils sont très souvent absents, et ce rééquilibrage est à même d’accompagner certains glissements thématiques et historiographiques dans la recherche [REF NDBP]. Surtout, de nombreuses opportunités de traitement informatique sur les textes numériques ainsi produits ouvrent la voie à de nouveaux chantiers de recherche. À titre d’exemple, la transcription automatique de plusieurs milliers de fiches de lecture de Michel Foucault dans le cadre du projet ANR Foucault Fiches de Lecture – où la BNF était partenaire – a permis d’explorer l’intertexte complexe des arrières cuisines du travail philosophique, et d’appliquer aux archives de Foucault lui-même sa conception des archives pour y déceler, dans la masse des documents, « le reflet de la pratique de la discontinuité historique que Foucault a essayé de décrire dans ses travaux. » [3]. La recherche d’occurrence de concepts, d’auteurs et d’œuvres autorise alors à mieux comprendre les relations complexes et discontinues que tisse le travail philosophique.
La transcription apparait comme une brique élémentaire de nombreux projets d’humanités numériques et l’une des conditions d’une multitude de traitements informatiques sur les textes : leur édition en XML TEI, l’analyse de grands corpus grâce à la textométrie, si la masse l’autorise, la fouille de texte (text mining), ou bien encore la reconnaissance d’entités nommées (nom, lieux etc.). Soit autant de méthodes qui permettent de renouveler le regard sur les textes et sur les questions que l’on peut leur poser, pour produire de nouvelles connaissances. Ainsi, pour une bibliothèque, participer à ce socle élémentaire de la transcription, c’est favoriser la transition numérique des pratiques de recherches en SHS. L’enjeux pour les bibliothèques est de structurer des instruments scientifiques, proposés sous la forme de services et d’accompagnement des équipes de recherche, qui puissent permettre le développement des projets de recherche en humanités numériques. Autrement dit, de structurer ces « communs méthodologiques » et ces « communautés de pratiques » qu’appellent le développement des humanités numériques , au-delà des découpages disciplinaires par lesquels se construisent les méthodes scientifiques. Une bibliothèque de recherche (telle que le GED) est tout à fait à sa place dans la mise en œuvre de « communs méthodologiques » en ce qu’elle articule l’ensemble de la chaine de tâches et de compétences nécessaires à sa concrétion. La présence de fonds riches et la bonne connaissance de ses collections de documents manuscrits, un savoir-faire déjà solide en matière de numérisation et de traitement de corpus, une expertise en gestion de données ainsi que le développement des missions d’accompagnement de la recherche, de valorisation et de formation qui lui incombent rendent tout à fait logique le développement de services de ce type, moyennant une montée en compétence sur les outils numériques nécessaires à leur mise en œuvre.
Si la transcription automatique et la transcription participative répondent de concert à des enjeux communs, ceux de l’accessibilité des documents manuscrits et le développement des humanités numériques, il n’en reste pas moins qu’ils ne résument pas l’ensemble des enjeux qu’impliquent la mise en œuvre de ces méthodes. Chaque méthode doit être déclinée en fonction d’enjeux qui leur sont propres. La transcription automatique demande par exemple une compréhension des enjeux techniques et organisationnels autour de l’entrainement de modèles d’apprentissage. Surtout, la dimension participative de la transcription est un enjeu en soi, qui pourrait être considéré de manière presqu’autonome aux enjeux que nous avons évoqués. En effet, les formes d’engagement des publics et la reconfiguration des partitions entre sciences et société, experts et non-experts, scientifiques et amateurs qu’impliquent la participation doivent être compris et appréhendés dans toutes leurs spécificités.
La transcription collaborative
Pourquoi des plateformes collaboratives en bibliothèque ?
En 1895, dans la Psychologie des foules – ouvrage fondateur de la psychologie sociale – Gustave Le Bon pouvait affirmer que « dans les foules, c’est la bêtise et non l’esprit, qui s’accumule ». Le développement des plateformes collaboratives de transcription ces dix dernières années tendent à démontrer que le savoir et les connaissances – « l’esprit » – trouvent des voies nouvelles dans leur production. C’est ainsi qu’une forme de sagesse des foules trouve une expression dans un web social qui démultiplie les possibilités d’intervention de collaborateurs d’horizons variés dans les processus scientifiques. Plus particulièrement, les plateformes de transcription collaboratives de textes manuscrits ont élargis aux sciences humaines et sociales les horizons d’une science participative[4] (ou citizen science dans le champs anglo-saxon) cantonnées jusque-là aux sciences naturelles[5]. Le projet inaugural Transcribe Bentham initié par le University College of London[6], a permis d’accélérer considérablement l’édition des œuvres complètes du philosophe ; les pratiques de transcription ont essaimé dans diverses disciplines des SHS grâce à la plateforme de projets Zooniverse[7] initiée par l’Université d’Oxford. Aujourd’hui de multiples initiatives locales en bibliothèques et en archives dans le monde anglosaxon, sans qu’ils soit possible de les dénombrer, fournissent des services de transcription, et de fait, les institutions culturelles les plus prestigieuses, la British Library[8] ou la Bibliothèque du Congrès[9] pour ne citer qu’elles, ont mis en place des outils et des projets de transcriptions collaborative de textes manuscrits. Ces plateformes sont même devenues un marché, comme le montre le succès commercial de FromThePage, solution logicielle gratuite, mais qui offre des services payants à de nombreuses universités et bibliothèques universitaires américaines. Quoiqu’il en soit, le développement de la transcription « crowdsourcée » fait que les universitaires anglo-saxons tentent de la réfléchir et de la poser en tant que méthode (scientifique) à part entière des « communs méthodologiques » participant au développement des humanités numériques, la soumettant à un examen critique similaire à d’autres méthodes des sciences sociales[10].
Cette méthode de la transcription participative – en voie de stabilisation, de légitimation et maturation avancée aux yeux des digital humanists nord-américains[11] – ne jouit pas d’une diffusion aussi forte auprès des bibliothèques françaises. Non pas que celles-ci n’aient pas réfléchi et agit pour le développement du crowdsourcing et des pratiques participatives : la définition de nouvelles relations aux publics, où priment cette idée de co-construction, sont au centre des réflexions et des actions, comme le démontre une littérature professionnelle abondante sur ces questions[12]. Mais ces réflexions ne prennent pas en compte les possibilités scientifiques de la participation. Cette faiblesse – voire cette absence – des sciences participatives en bibliothèque[13] contraste avec la forte implication récente de leurs tutelles dans cette question[14]. Pourtant ces dispositifs collaboratifs existent bel et bien dans le paysage français des pratiques de recherche en humanités numériques, et au plus près des chercheurs, soit qu’ils soient directement issus d’un projet de recherche (comme le projet Testaments de Poilus ou le projet Récital), d’un consortium (comme la plateforme Transcrire) ou adossés à un laboratoire de recherche (comme la plateforme grenobloise TACT). Quelles peuvent être alors les raisons spécifiques pour une bibliothèque de recherche telle que le GED d’investir la question de la transcription collaborative, si les outils existent par ailleurs ?
Déjà, un premier motif légitimant une bibliothèque à porter une plateforme web collaborative est de garantir une forme de pérennité à un outil et à des services qui y sont associés. Les quatre plateformes citées plus haut sont nées grâce à des programmes limités dans le temps et sont dépendantes de financements ponctuels. Testament de Poilus[15] a été initié dans le cadre de la mission pour le Centenaire, sur une logique projet balisée par une intention d’expérimentation et un corpus limité ; Récital[16] (pour REgistres de la Comédie ITALienne) a été développé dans le cadre d’une ANR ; Transcrire[17] est indissociable de l’implication financière du consortium « Archives des ethnologues[18] » (TGIR Huma-Num) qui touche à sa fin, et plus récemment du bénéfice d’un projet CollEx-Persée ; quant à TACT[19], son développement fait suite à un financement IDEX. Ainsi, ces plateformes vivent le temps de leurs financements. Leur fin souvent programmée – alors même que le stade de l’expérimentation peut être considéré ailleurs comme dépassé – pose la question de la pérennité de ces outils, de la perte des compétences nécessaires à leur bon fonctionnement et de l’élargissement de leurs usages potentiels et de leur périmètre éditorial, par essence limités dans la logique de projet. Ainsi, l’opportunité autant que le défi pour une bibliothèque comme le GED réside dans la pérennisation d’une plateforme souple et dans la construction d’une offre de service assez modulable pour qu’elle puisse intéresser une variété de corpus, d’intentions de recherche et de publics.
Aussi, une bibliothèque de recherche est un carrefour à la rencontre des différents éléments nécessaires à la production des transcriptions : les collections et archives manuscrites, les chercheurs, et une large communauté potentielle de transcripteurs. Du côté des collections, en plus du dépôt ou de la propriété des matériaux, il y a l’expertise des agents concernant le traitement de ces collections (chaine de numérisation, création et gestion de métadonnées descriptives, connaissance des fonds). Une logique de services à la recherche, de plus en plus présente dans les activités des bibliothèques universitaires permet d’identifier les besoins de transcriptions et des les accompagner. Et bien évidemment, la vie d’une bibliothèque est animée par ses publics, dans toute leur diversité potentielle, ceux qui fréquentent ses espaces physiques et numériques et qui peuvent forer une communauté potentielle de transcripteur. L’articulation de ces différents éléments est évidemment problématique, et constitue le cœur de la réussite de la plateforme de transcription. Comment assurer une qualité des transcriptions nécessaire à la conduite des projets de recherche, alors que ces données sont produites par des non-spécialistes aux motivations diverses ? Comment intéresser des publics à des collections et des projets de recherche ? Dans ce triptyque, c’est plus spécifiquement la manière d’engager les publics dans la participation sur la plateforme qui constitue le nerf du problème, et qui constitue évidemment le principal enjeu des sciences participatives. La réalisation de cet objectif d’engagement des publics est aussi et surtout une opportunité pour les bibliothèques, celle du renouvellement des relations des bibliothèques avec leurs publics alors directement impliqués dans la vie des services et des collections. L’engagement des publics et la promotion des pratiques de sciences participatives permettent d’incarner une dimension fondamentale de la science ouverte : « l’ouverture de la recherche ne se fait pas seulement par les chercheurs et pour eux, mais aussi, et dans la mesure du possible, pour que les personnes qui ne sont pas scientifiques puissent devenir parties prenantes d’une activité de recherche.[20] »
Les conditions pour assurer cet engagement des publics peuvent se décomposer en deux niveaux : d’une part les conditions internes qui par l’organisation et le fonctionnement de la plateforme permettent d’assurer la participation, et d’autre part les conditions externes qui permettent l’animation d’une communauté de transcripteurs.
L’organisation de la plateforme : les conditions internes de la participation
La première condition de la réussite de la participation concerne la morphologie de la plateforme, l’organisation de la transcription participative qu’elle autorise, les règles de transcription, le degré de spécialisation des fonctionnalités proposées, la ludification ou non de la transcription. Soit autant de paramètres qui ont une incidence première et directe sur le volume, la nature et les ressorts de la participation, qui doivent composer aussi avec les attendus en termes de qualité des données de transcription. L’analyse de la multiplicité des plateformes et des solutions techniques et pratiques mis en œuvre, et surtout les retours réflexifs déjà énoncés à propos de ces solutions, permettent d’identifier quelques éléments clefs, largement liés entre eux, qui influent fondamentalement sur la transcription. Plus qu’une série de bonnes pratiques, nous souhaitons ici présenter les différentes logiques qui déterminent les choix pour différentes solutions.
Identifier un contributeur ? Certaines plateformes ne demandent aucune information de connexion, particulièrement pour les projets de transcription constitués d’une série de micro tâches « myriadisées ». L’absence de compte libère au maximum la participation du frein possible que peut représenter l’inscription. En contrepartie, elle ne permet pas d’exclure des possibles – quoique que très marginaux dans le cadre des projets de transcription participatifs – les auteurs de vandalisme numérique, producteurs de transcription volontairement fautives. Elle ne permet pas de suivre et de contrôler l’activité des contributeurs, dont il ne s’agit alors pas de penser l’implication à long terme dans un projet mais plutôt d’en favoriser l’utilisation ponctuelle, sur des tâches de transcription simples, de mots ou de lignes, sans pouvoir réellement favoriser la production de « texte au kilomètre » et de réelle implication d’un contributeur dans la rencontre d’un scripteur et de sa création intellectuelle. La création d’un compte permet d’améliorer l’expérience d’utilisation et impliquer plus en avant les transcripteurs dans leurs tâches. Des tableaux de bord utilisateurs permettent aux contributeurs de visualiser leurs transcriptions, et d’y revenir au besoin, et d’avoir une vision globale de sa contribution. Les gestionnaires peuvent connaitre l’activité des contributeurs, non seulement pour identifier des vandales numériques, mais surtout pour répondre à en enjeu éthique central : la possibilité de créditer les contributeurs pour le travail effectué. Le suivi quantitatif des contributeurs autorise des démarches de ludification de la transcription, en permettant par exemple d’établir un classement des plus gros contributeurs, dans une compétition bon-enfant. Les comptes permettent aussi la mise en œuvre d’espaces conversationnels et d’échanges au sein d’une plateforme, que ceux-ci soient présents directement dans l’interface de la page à transcrire ou sur un forum, et permettent de construire la cohésion d’une communauté de transcripteurs autour d’un projet en cours.
Diriger le contributeur vers une transcription ? Une plateforme de transcription doit aider au mieux le contributeur à diriger sa contribution là où elle est la plus utile. Pour ce faire, la plupart des plateformes proposent des barres de progression qui indiquent le travail déjà effectué à diverses échelles : celle de la page, celle du document, celle du projet. Ces éléments d’information sur l’état d’avancement des transcriptions montrent de manière très simple le dynamisme d’une plateforme et permettent ainsi d’attirer de nouveaux contributeurs. En plus de diriger les forces là où elles sont nécessaires, l’affichage des progressions est une manière de communiquer sur un projet. Dans les modalités pratiques d’accès à un projet de transcription collaboratif s’active aussi un enjeu fort de la participation. La manière de présenter le projet, d’expliciter leurs contextes, ou de développer des biographies d’auteurs permettent de donner au transcripteur la direction d’un projet, son lien palpable avec et direct avec une direction de recherche, et permettre d’incarner l’utilité de la tâche à accomplir.
Comment transcrit-on ? Transcrire un texte manuscrit pour le transformer en une chaine de caractères numériques engage un processus d’interprétation du texte, soit un travail minimal d’édition de la part du contributeur. La totalité des informations qu’il contient n’est pas transposable telle quelle dans un éditeur de texte : les photos, les ratures, les tâches d’encre ou de gras disparaissent, des éléments de mise en pages sont omis dans la transcription numérique. Aussi, le transcripteur peut être pris dans des dilemmes infinis sur la manière de transcrire des syntaxes et des orthographes fautives, abréviations… Pour cadrer et homogénéiser au mieux ce travail interprétatif, des règles de transcription sont habituellement établies, et aisément consultables pour le contributeur, qui doit par ailleurs être clairement invité à les consulter. Dans la très grande majorité des plateformes, on applique ce que l’on appelle des règles de transcription diplomatiques, minimisant le plus possible l’interprétation du texte. On est alors invité à retranscrire ce que l’on pense voir, le texte tel qu’on pense qu’il apparait : fautes, abréviations sont transcrites telles quelles. Ces règles minimisent les questions que doit se poser le contributeur, elles constituent un frein potentiel en moins à la participation. Quoiqu’il en soit, s’assurer la transcription la plus fidèle qui soit au texte manuscrit dépend aussi des fonctionnalités proposées par l’éditeur de texte disponibles sur une plateforme. Certaines plateformes proposent de reproduire le texte barré ou souligné, d’autre s’en passe, pour simplifier la tâche de transcription. Le degré d’affinage de l’éditeur de texte dépend surtout de ce que le gestionnaire de projet, chercheur ou bibliothécaire, veut faire du texte produit. Une édition numérique peut demander une certaine précision typographique que ne demandera pas un besoin tourné seulement vers la recherche d’informations dans le texte. Le dépouillement de fonctionnalités de transcription simplifie la tâche pour l’utilisateur, mais cette simplicité peut limiter la satisfaction de besoins plus experts, nécessitant des tâches plus complexes et chronophages, limitant potentiellement le cercle des participants. Aussi, ces règles de transcription devront aussi pouvoir orienter le contributeur vers des ressources qui puissent l’aider à retranscrire : nombre de noms de lieux, de noms d’auteurs ou de patronymes, de termes techniques ou professionnels peuvent être difficiles à retranscrire parce qu’on ne les connait tout simplement pas. Il s’agira d’orienter le contributeur vers des moteurs de recherche généralistes, des bases de données géographiques (Google Maps ou GeoNames), des dictionnaires en ligne (comme l’excellent dictionnaire du CNRTL) ou plus simplement Wikipédia pour aider à la tâche de transcription.
Mais que faire de ces transcriptions ? Correspondent-elles aux attentes initiales ? Sont-elles d’une qualité suffisante pour qu’elles puissent être utilisées ? La qualité des données pose la question de leur validation. Pour Victoria Van Hyning, l’un des principaux freins pour les chercheurs à la mise en place de programme de transcription participatif tient au soupçon porté par ceux-ci quant à la qualité des données produites par des non-spécialistes. Ce soupçon est souvent le fruit de la méconnaissance des ressorts motivationnels de la transcription – qui permettent d’affirmer l’extrême rareté des actes de vandalisme numérique – et dans la manière dont chaque plateforme entend prendre en compte et répondre à cette question de la qualité des données. Le recul que dispense l’observation des différentes méthodologies de validation de transcription permet en grande partie de lever la plupart des doutes concernant la qualité des transcriptions produites. Il y a plusieurs manières de répondre à la question de la validité des données, qui définissent différents niveaux de responsabilité du contributeur par rapport à la transcription, et qui dessinent donc des degrés d’engagement différent dans une participation plus ou moins cadrée par des dispositifs de contrôle. Nous retiendrons les deux principales méthodes de validation que proposait en 2012 Ben Brumsfeld[21] : la voie unique de transcription (« single-track method ») et l’agrégation de transcriptions multiples (« multi-track method »).
Dans la première méthode, toutes les actions et corrections sont faites sur une seule transcription, les utilisateurs travaillent (possiblement) ensemble sur une page. Tous les changements sont enregistrés, et les hypothétiques actes et acteurs de vandalisme peuvent facilement être identifiés (et bannis si besoin). Le processus de validation peut varier. Dans certains (rares) cas, il n’y a pas de validation finale d’une transcription, qui est considérée comme toujours ouverte et éditable, suivant en ce sens un principe de non finitude du texte numérique (mais aussi de déconstruction de la notion d’autorité éditoriale), courant dans les humanités numériques. C’est le choix qui a été opéré dans les débuts de FromThePage. Dans la plupart des cas, les initiateurs d’un projet veulent garder la main sur la « version finale » d’un texte, faisant valoir un pouvoir éditorial de validation. Un statut spécial et des droits d’administration permettent de verrouiller une transcription lorsque la qualité est jugée suffisante, toute modification devient alors impossible et les transcriptions peuvent alors être exportées et publiées ailleurs (par exemple une bibliothèque numérique). C’est le choix qui a été fait par le projet Transcribe Bentham ou par le plugin Scripto utilisé par la plateforme Transcrire. La manière dont sont distribués ces droits d’administration varie : ils peuvent être l’apanage de « spécialistes », connaisseurs d’un corpus en particulier, chercheur, archiviste ou bibliothécaire ; ils peuvent être donnés à des contributeurs qui ont fait la preuve de leur compétence et de leur engagement dans la vie d’un projet. Il s’agit donc parfois de décentraliser l’autorité éditoriale, tout en conservant le contrôle de la qualité de transcription. Quel que soit le choix de la méthode de validation, l’importance capitale de l’affichage du crédit des transcriptions des contributeurs doit être encore soulignée : il permet d’engager une forme de responsabilité du transcripteur dans la transcription – si collective soit-elle – en même temps qu’il marque la reconnaissance de la part du gestionnaire de la plateforme pour la contribution.
Cette question de la confiance au contributeur est totalement diluée dans la deuxième méthode de validation : on agrège des transcriptions individuellement par des contributeurs, qui ne voient pas le travail des autres, pour les comparer. Des systèmes automatiser performent cette comparaison, pour valider ou remettre dans le circuit ces transcriptions. Largement utilisée et mise en œuvre par la plateforme Zooniverse, l’utilisation de cette méthode ne sera pas préconisée. Déjà, elle implique la production et la gestion d’une masse considérable de données, ce qui est coûteux en temps de travail et compétence. Comme le formule Victoria Van Hyning « ne pas faire confiance aux gens peut coûter très cher »[22]. Et d’autant plus que ce n’est pas efficace : la méthode de coproduction collaborative semble plus efficiente que l’agrégation de multiples transcriptions individuelles[23]. Aussi, l’agrégation multiple n’est pertinente que pour des types de documents dont il est possible et souhaitable de décomposer les tâches de transcription (données tabulées, recensements, registres etc.) et non pour de longs textes.
Nombre de plateformes ne se limitent pas aux tâches de transcription, et permettent d’en adjoindre d’autres afin d’ajouter à la production des chaines de caractères reproduisant le texte d’autres données, des annotations. L’ajout d’autres données que celles produites par la transcription permet de décrire au mieux les informations que le texte contient, ou de représenter sa morphologie structurelle avec plus de précision. Soit autant de choses qu’il est difficile de faire par l’intermédiaire d’un simple éditeur de textes. Ces fonctionnalités poussées de structuration du document suivent dans l’immense majorité un standard de représentation des textes en forme numérique, celui définit par le consortium TEI, utilisant le langage XML. Le XML-TEI permet de baliser le texte pour mieux décrire son organisation formelle autant que son sens, tout en permettant sa circulation par l’indépendance du standard de tout environnement logiciel particulier. Le balisage et l’encodage des textes en TEI répondent à des besoins de recherche tout à la fois commun et divers en humanités numériques : l’édition numérique, l’extraction d’information (nom de lieux, de personnes), la modélisation textuelle, la construction de base de données. Les plateformes étudiées disposant cette fonction proposent toutes le même process d’utilisation de la TEI[24] : les possibilités d’encodage se situent dans la continuité de la tâche de transcription, en partant du principe que le transcripteur, déjà confronté au texte et à son sens, peut aller plus loin dans le rendu de cette confrontation, et donc peut ajouter une couche dans la représentation textuelle. Il n’est pas nécessaire de maitriser le langage XML ni de soi même rédiger les balises pour l’encodage : une barre TEI est disponible, et permet de pouvoir baliser en cliquant sur les boutons correspondant dans la barre, après avoir surligné la zone à baliser. Les règles de transcription sont enrichies par des règles de balisage. La plateforme Testament de Poilus va jusqu’à proposer un tutoriel guidé par étape, qui correspond à la l’importance de l’utilisation de la TEI dans ce projet expérimental d’édition numérique participative. Cette possibilité de TEI doit donc répondre à des besoins de recherche concrets, et ce d’autant plus que l’encodage d’un texte complexifie et allonge nécessairement la tâche initiale de transcription. L’annotation en TEI demande généralement un rapport beaucoup plus dense au texte. Si l’on cherche à minima une transcription simple du texte, l’ajout de la tâche d’encodage s’avère contre-productive, en ce qu’elle peut dissuader et décourager la participation. L’utilisation experte de la TEI – même si elle est largement simplifiée par l’utilisation de boutons – implique sans doute une limitation de la participation. Mais dans le même temps, par la confrontation plus profonde au texte qu’elle propose, elle permet aussi un engagement plus profond du transcripteur sur la plateforme et un projet de recherche, et pourrait intéresser les contributeurs les plus engagés. C’est donc tout un arbitrage qu’il faut instruire entre des enjeux potentiellement contradictoires, si l’on songe à mettre en œuvre dans une plateforme web de transcription des fonctionnalités d’encodage et de balisage en TEI : entre maximisation quantitative de la participation et ajouts de fonctions plus expertes ; entre maximisation de la participation et besoins de recherche nécessitant le balisage du texte ; entre vitesse d’exécution de la transcription et lenteur d’exécution d’une annotation plus profonde ; entre des formes d’engagement des contributeurs inégales. Nous souhaitons souligner la qualité de la solution adoptée par la plateforme grenobloise TACT, en ce qu’elle permet une gestion modulable de la TEI[25]. Ainsi, c’est aux gestionnaires de projet de décider de la présence de la barre TEI, en fonction des besoins de recherche. La production d’une simple transcription est tout à fait possible. Si le projet nécessite l’encodage du texte, les gestionnaires de projet ont tout le loisir de créer leur propre schéma TEI correspond à la particularité de leur corpus et de leur questionnement de recherche ou de leur volonté éditoriale. La barre TEI est modulable par projet, et cette modularité peut être structurée par l’import de schémas TEI existants, par import d’un fichier RNG, obtenu par exemple avec l’outil ROMA[26] qui permet la génération sur mesure de schéma TEI. Aussi, l’interface permet de multiplier les vues sur la transcription : en plus de l’éditeur de transcription, il est possible de présenter la visualisation des balises TEI renseignées, ainsi que le fichier source TEI dans le langage XML.
Animation de communautés : les conditions externes de la participation
Ces conditions internes de la participation, celles qui sont réglées par la physionomie de la plateforme, structurent la manière dont une communauté de transcripteurs performe concrètement sa participation. Encore faut-il que ces transcripteurs soient dirigés vers cette plateforme, construisent un lien avec les projets et les institutions qui la portent pour qu’elle devienne un lieu numérique que l’on peut fréquenter plusieurs fois. David Lankes affirme, de manière polémique, que « les mauvaises bibliothèques construisent des collections ; les bonnes bibliothèques construisent des services ; les ‘grandes’ bibliothèques construisent des communautés »[27]. Assertion polémique, qui néanmoins pointe le cœur des enjeux pour la mise en service d’une plateforme participative de transcription en bibliothèque. En effet, c’est bien évidemment la communauté des transcripteurs qui fait vivre la plateforme et permet de créer et de partager des données textuelles de qualités, utilisables par tout un chacun. La capacité d’une bibliothèque à réunir et formaliser les contours de cette communauté – en un mot de l’animer – est un objectif à part entière.
Mais de quelle communauté parle-t-on ? Ou plutôt de quelles communautés ? Dans quels espaces mobiliser ces communautés potentielles ? Les types de participants prêts à s’investir dans la transcription participative sont divers, mais à la suite du travail de Thomas Colombera, Stéphane Dufournet et Soizic Cadiot, on peut de manière minimale distinguer trois grands types de communautés qui gravitent potentiellement dans le giron des bibliothèques : la communauté d’usagers, les communautés d’intérêt et les communautés potentielles. Chacune dessine des types de relations différenciées et plus ou moins denses aux espaces physiques et numériques (ou virtuels) que produisent les bibliothèques. La communauté d’usagers se définit par celle habituée à fréquenter les murs de la bibliothèque, à utiliser ces espaces physiques, d’y utiliser ces services. Les communautés d’intérêts tendent à s’identifier, dans le contexte d’une bibliothèque de recherche ou universitaire, à des communautés de connaissance. Elles réunissent des individus qui partagent un intérêt pour une discipline (par exemple la sociologie), un auteur (Bourdieu), une méthode, des instruments, une thématique ou encore un type de document ou d’archive (les carnets de terrain), que cet intérêt soit professionnel, pédagogique ou personnel. Ces communautés ne sont pas forcément usagères de la bibliothèque ; elles n’en restent pas moins atteignables et mobilisables par le biais des activités et des espaces numériques de la bibliothèque. Les communautés potentielles sont celles que les services et espaces de la bibliothèque ont le potentiel d’atteindre, qui ne fréquentent donc pas encore les espaces physiques et virtuels de la bibliothèque, mais qui pourraient le faire, en fonction de la politique d’offre de services de celle-ci. Vaste catégorie aux contours nécessairement flous, qui recoupe tout à la fois le périmètre possiblement recouvert par les communautés d’usagers et les communautés d’intérêts : cette catégorie ne fait que souligner leur potentialité. Elle n’en reste pas moins nécessaire pour appuyer un état de fait autant qu’un cap à maintenir : les contours de la participation sont incertains, il n’est pas possible a priori de maitriser la composition des communautés participantes ; il faut donc ouvrir au maximum la possibilité de participer. L’animation des communautés autour d’une plateforme de transcription doit prendre en compte ces distinctions, en ce qu’elles impliquent différents modes de communication et d’animation des communautés, qui s’entrecroisent souvent, mais qui n’en demandent pas moins à être distingués pour s’assurer de la définition d’une politique globale – ou du moins cohérente – d’animation des communautés.
Les transcripthons
Une bibliothèque est un lieu qui permet d’articuler ses espaces numériques à son espace physique, et d’entretenir un continuum entre eux, où communautés d’intérêts (ou de connaissance) et usagers peuvent se rejoindre. Il est possible d’utiliser les espaces physiques de la bibliothèque pour rendre tangible pour les usagers la plateforme web de transcription. Il s’agit aussi de faire de la plateforme une passerelle vers la fréquentation, ne serait-ce que ponctuelle, des espaces d’une bibliothèque. Pour désigner cette continuité, Lionel Dujol et Sylvère Mercier parlent de « dispositifs passerelles »[28]. L’organisation d’évènements au sein de la bibliothèque constitue le dispositif passerelle le plus évident pour assurer ce continuum. L’idée est de réunir physiquement des participants autour de l’utilisation in situ de la plateforme de transcription, dans un cadre ludique et détendu. Ces évènements sont connus en anglais sous le nom de transcribathon, et ont été mis en œuvre notamment dans le projet Transcribe Europeana[29] ou encore par la Folger Shakespeare Library[30]. En France, seule la plateforme TACT a, sous le vocable de Transcripthon, organisé de tels évènements, qui pourraient faire partie du programme d’action culturelle des bibliothèques, à l’occasion du lancement d’un projet de transcription. La bibliothèque peut proposer du matériel informatique, et bien évidemment son réseau WiFi pour la connexion d’ordinateurs personnels. Surtout, elle peut proposer un cadre convivial pour l’organisation de tels évènements. Assurer cette convivialité est une nécessité : on peut aisément l’assurer par de bonnes conditions d’accueil qui passent par des choses simples. Du café à disposition, de quoi grignoter, une disposition de l’espace peuvent faciliter les interactions entre les participants, les gestionnaires de projet et les personnels de la bibliothèque. Enfin, ce cadre est une occasion idéale pour les chercheurs ou bibliothécaires de communiquer sur leurs travaux et collections auprès d’un public potentiellement varié. Les transcribathons organisés par Europeana ou la Folger Library introduisent aussi une dimension ludique et compétitive : il s’agit d’une mise en compétition d’individus et d’équipes (des binômes, pour provoquer des débats et des échanges sur les textes), où, dans un temps limité (les plages temporelles peuvent varier de 30 min à 12h), il s’agit de transcrire un maximum de caractères. On peut aussi instaurer un nombre de caractères à atteindre. Le ou les gagnant-e-s, après validation d’une qualité minimale de transcription, peuvent se voir remettre des prix. L’intérêt de mettre en place ces dispositifs ludiques prête à discussion, en ce qu’ils ne sont pas destinés à tous les publics. Particulièrement adaptés aux publics étudiants, ou auprès du grand public, on peut douter de la pertinence de leur mise en place pour des communautés d’intérêt spécialisées. Loin de se limiter aux seuls murs des institutions porteuses des plateformes, les évènements de type transcripthon peuvent essaimer dans les lieux physiques des partenaires. Ils peuvent aussi, en omettant une part de convivialité, s’organiser en ligne, pour épouser au mieux le potentiel virtuel que représentent des communautés d’intérêt géographiquement dispersées.
Ces évènements, physiques ou virtuels ne sont qu’une modalité possible d’animation de communauté autour de la plateforme web de transcription. Ils sont dépendants dans leur succès de la stratégie de communication de l’établissement et de sa capacité à atteindre les différentes communautés visées (d’usagers, d’intérêt et potentielles). Les modes de communications doivent servir l’animation de la communauté des transcripteurs, et être en capacité – au-delà de la simple diffusion d’informations concernant la plateforme et ses projets – d’assurer l’existence d’un espace conversationnel virtuel assurant son dynamisme. La communication autour de la plateforme doit emprunter les voies classiques des initiatives de communication institutionnelle (supports physiques, communication numérique). Mais elle doit surtout se fonder sur la définition d’une identité de service propre, qui doit se poser en instance de base de la communication de la plateforme, dotée d’un nom, d’un logo, et d’un alias sur les réseaux sociaux. Il s’agit de systématiser la communication de la plateforme sur les espaces virtuels, et notamment sur les réseaux sociaux, en permettant le développement d’échanges entre les contributeurs ou potentiels contributeurs et les gestionnaires de la plateforme, et aussi de permettre les échanges entre les contributeurs. Il ne s’agira donc pas seulement de relayer des informations émanant de l’actualité de la plateforme, mais de faire vivre la communauté en ligne : relayer des « trouvailles » des transcripteurs, des gestionnaires ou des bibliothécaires dans les textes transcrits, interroger la communauté sur des difficultés de transcription, ou bien encore féliciter des contributeurs particulièrement investis, communiquer sur la progression des projets. Il s’agit d’inciter aussi les contributeurs au partage de contenus.
La transcription automatique
Principes
Si elles partagent avec les méthodes participatives une même finalité – l’amplification de la production de textes numériques –, la transcription automatique en diffère très largement. Les enjeux organisationnels et le travail nécessaire à la mise en acte de la science participative se déplacent vers la compréhension et l’utilisation d’outils logiciels particuliers qui permettent la reconnaissance des caractères manuscrits. En nous fondant sur notre pratique de deux outils transcription, Transkribus et eScriptorium, nous les décrirons et exposerons les enjeux liés à leur utilisation en bibliothèque.
Le fonctionnement de la reconnaissance d’écriture manuscrite, plus communément nommée « HTR » pour Handwritten Text Recognition met en jeu des technologies d’intelligence artificielle. Le problème de l’HTR fait partie « de l’un des plus vieux problèmes qui ait été posée à l’intelligence artificielle depuis son avènement dans les années 1950 », considéré comme « la mouche drosophile des chercheurs en IA »[31], à savoir le terrain de test pour différents algorithmes d’apprentissage, avant de s’attaquer à des tâches considérées comme plus complexes. Or si les chercheurs en IA viennent à considérer qu’en théorie cette question de la reconnaissance des écritures manuscrites est résolue, la rencontre pratique des algorithmes avec des diversités d’écritures plus ou moins difficiles à lire, avec des mises en page plus ou moins bruitée ou complexes rendent la création d’un service logiciel de reconnaissance des écritures un véritable défi. C’est justement ce défi qu’essaient de relever deux solutions récentes, Transkribus et eScriptorium. Ces deux outils diffèrent par leurs ergonomies, leurs performances, leurs fonctionnalités et leurs modèles économiques, mais ils n’en partagent pas moins un workflow identique pour arriver à la production de transcription automatique. Dans les deux cas, la reconnaissance est une reconnaissance de forme. Il s’agit de donner aux algorithmes de reconnaissance des « vérités de terrain », ou « ground truth » sur lesquelles la machine trouvera des exemples qui lui indiqueront le résultat à obtenir. Ces données d’apprentissage comprennent d’une part les images numérisées sur lequel le texte manuscrit est consigné, et d’autre part des transcriptions en caractères numériques, qui doivent représenter au mieux le contenu formel (et non sémantique) du texte. La correspondance entre le texte transcrit et l’image du texte manuscrit est fondamentale pour le bon déroulé de l’apprentissage et pour la qualité de la reconnaissance. Elle impose néanmoins un travail préalable aux transcriptions automatiques à proprement parlé considérable. On peut décomposer les différentes tâches nécessaires à l’apprentissage et communes aux deux outils comme suit :
- L’import de documents à transcrire, soit l’import des numérisations sur des serveurs où sont effectuées les différents traitements informatiques nécessaires à la reconnaissance.
- La segmentation des pages, qui vise à identifier, manuellement ou automatiquement, la structure formelle d’une page, ou autrement dit sa mise en page, son découpage en zones de textes et en lignes.
- L’identification de ces éléments formels permet d’y faire correspondre des données de transcriptions, manuellement en transcrivant directement par l’intermédiaire de ces outils, ou en important des données textuelles de transcriptions déjà existantes.
- La segmentation et la transcription correspondante constituent les données d’entrainement (vérités de terrain ou ground truth) sur lesquelles sera lancé l’entrainement d’un modèle de reconnaissance d’écriture manuscrite.
- Cet entrainement effectué, il sera alors possible de confronter des pages non transcrites à ce modèle, pour produire des transcriptions automatiques.
La fourniture de données d’entrainement est de loin l’étape la plus cruciale, la plus complexe et la plus chronophage pour l’utilisation efficace de ces outils. Il s’agit en effet de réunir une certaine masse critique de données d’entrainement, variable en fonction du corpus, de son hétérogénéité et des particularités de l’écriture. En conséquence, cet effort initial doit en valoir la peine, et la transcription automatique ne sera pertinente que pour les grandes volumétries, avec un scripteur unique. Les recommandations concernant la masse moyenne de données transcription peut varier énormément, et la communication d’un chiffre n’a que peu de sens. Disons tout de même qu’un minimum de 10 000 mots est un possible point de départ.
Transkribus
Transkribus est la première solution logicielle qui a permis l’utilisation des possibilités de l’HTR en dehors des laboratoires de recherche en IA et d’applications hyperspécialisées (comme la reconnaissance des chèques bancaires ou de codes postaux). Le projet est né en 2015 de la collaboration entre l’université d’Innsbruck, l’université polytechnique de Valence et l’université de Rostock, dans le cadre d’un projet H2020 financé par la Commission Européenne (projet READ pour Recognition and Enrichment of Archival Documents). Il a peu à peu fédéré autour de lui une communauté d’utilisateurs centrée sur les pays germaniques et nordiques, sans beaucoup d’implication au départ de la communauté française des humanités numériques. Depuis, plusieurs initiatives de recherche ont utilisé Transkribus. Le financement européen a permis l’affinage d’un algorithme, l’achat de machines et de serveurs, et le développement d’un logiciel client faisant le lien avec les serveurs, et plus généralement la structuration d’un véritable service d’HTR que peut utiliser n’importe quel utilisateur. Si dans le temps du financement européen (et donc du développement de Transkribus) l’accès était totalement gratuit, la fin des subsides en 2019 s’est concrétisé en octobre 2020 par la publication d’un nouveau modèle économique. Une coopérative européenne a été créée pour organiser le nouveau cadre de fonctionnement, de développement, de gouvernance et d’utilisation de Transkribus. Le cadre juridique suivi est celui de la coopérative européenne (European Cooperative Society ou SCE). L’utilisation est désormais payante pour toute transcription automatique.
L’utilisation de Transkribus est conditionnée par l’ouverture d’un compte utilisateur et le téléchargement de l’application client qui permet de lancer des opérations sur les serveurs où sont stockés les documents. L’import de document, leur segmentation, la transcription manuelle (ou l’import de transcription) restent non payants, ainsi que d’autres fonctionnalités particulières, comme par exemple l’utilisation d’un outil d’alignement automatique de transcription existantes aux images, appelé text2image. L’entrainement d’un modèle est lui aussi gratuit, mais nécessite d’obtenir l’autorisation de l’équipe de Transkribus pour activer la fonctionnalité. Il est possible de dériver des modèles déjà existants avec ses propres données. Il est aussi possible d’ouvrir les collections de documents à d’autres utilisateurs. La création de transcription peut donc passer par un travail collaboratif. C’est à l’étape du lancement de la reconnaissance automatique de caractère que le service devient payant, que le modèle utilisé pour la transcription automatique soit entrainé par nos soins ou fondé sur un modèle public (c’est-à-dire partagé par d’autres utilisateurs à l’ensemble des utilisateurs). Un système de crédit a été mis en place, attaché et géré à l’échelle du compte utilisateur. Un crédit permet la transcription d’une quantité plus ou moins grande de pages, en fonction des options utilisées. C’est ici le type de modèle utilisé qui détermine la quantité de pages qu’un crédit peut transcrire. Deux algorithmes permettent d’entrainer des modèles, PyLaia et HTR+. Un modèle entrainé par l’algorithme open-source PyLaia permet de transcrire une page par crédit. Un modèle entrainé par l’algorithme HTR+, plus efficace, permettra de transcrire 0,8 page par crédit. Le coût des crédits varie en fonction de trois critères : selon le fait que les crédits soient obtenus à la demande ou par abonnement (plus avantageux) ; selon la quantité de crédits obtenus en un achat à la demande ou lors d’un abonnement, les coûts étant dégressifs ; selon la participation de l’acheteur, individu ou institution, à la coopérative READ COOP. Ainsi, en fonction des combinaisons, les prix varient. En se limitant à l’utilisation de modèles entrainés par l l’HTR+, le cout à la page transcrite peut varier de 0,33 euros à 0,19 euros la page [32]. On peut estimer un coût moyen d’utilisation une bibliothèque autour de 0,25 euros la page mais ce chiffre n’est qu’indicatif, et les solutions d’achat doivent être évaluées en fonction d’une prévision d’activité sur une année d’utilisation. Une fois achetés, ces crédits peuvent être partagés avec d’autres utilisateurs.
Il est important de souligner que les pages transcrites automatiquement par l’utilisation d’un modèle de reconnaissance permettent l’utilisation d’une autre fonctionnalité, peut-être la plus intéressante de Transkribus. Il s’agit d’un module de recherche, appelé Key Word Spotting (KWS), qui autorise une recherche d’occurrences non pas le texte transcrit, et donc dans les enchainements de caractère numériques, mais dans les images elles-mêmes. Même si la traduction automatique est fautive (voire très fautive, jusqu’à 20% d’erreurs), ce mode de recherche permet de retrouver de manière très efficace des probabilités d’occurrences du ou des termes recherchés. Ainsi, c’est toute la granularité de la recherche dans les documents manuscrits qui est profondément reconfigurée, ouvrant la voie à de nouvelles possibilités d’indexation. Précisons aussi que des crédits peuvent être attribués par Transkribus à titre gratuit pour les projets pédagogiques ou les projets doctoraux, en prenant simplement contact avec ses équipes. Enfin, tout compte utilisateur nouvellement créé se voit crédit de 500 crédits, non partageables avec d’autres utilisateurs.
eScriptorium
Le projet eScriptorium est un projet bien plus neuf que Transkribus, totalement différent dans sa gestion et son ouverture. C’est une plateforme de transcription automatique, interface graphique d’un logiciel en ligne de commande nommé Kraken, développé par Ben Kiessling dans le cadre du projet Scripta de l’Université PSL. Il est plus précisément associé au projet eScripta qui tente de proposer un environnement intégré de traitement des documents numériques[33], associant outils des sciences traitant des matériaux écrits (histoire du livre, paléographie, codicologie etc.) pour d’autres disciplines des humanités et des sciences sociales autour de l’étude de l’écrit. Cet outil incarne très bien la constitution d’un de ces « communs méthodologiques » sur lesquels prennent appui les humanités numériques. Le projet Scripta fait graviter autour de lui l’EPHE, l’EHESS, l’IRHT, l’ENC, le Collège de France et l’ENS, et ouvre donc des potentiels de recoupements avec le périmètre institutionnel du Campus Condorcet. Aujourd’hui, l’outil tend de plus en plus à sortir de son périmètre initial, notamment grâce à l’activité de l’INRIA. L’heure est à son ouverture et à sa publicisation, ainsi qu’à son renforcement technique et institutionnel. L’outil est intégralement open-source, à l’inverse de Transkribus. A la différence de Transkribus, eScriptorium est une interface web, accessible depuis un navigateur, et ne nécessite pas d’installation particulière. Il est nécessaire d’obtenir un compte utilisateur, et cette attribution est aujourd’hui discrétionnaire, pour ne pas charger une infrastructure technique encore fragile. Quoiqu’il en soit, la plateforme est simple, son ergonomie manifeste, dans une épure de présentation qui tranche largement avec la pléthore de boutons de Transkribus. Mais eScriptorium propose moins de fonctionnalités : il n’y a pas (encore) d’équivalent à l’outil text2image, ni de Key Word Spotting, mais il s’agit de développements envisagés. L’outil propose toutes les étapes nécessaires pour la création de données d’entrainement. Il permet un travail collaboratif sur la création de données de segmentation et de transcriptions correspondantes. La principale différence de fonctionnement avec Transkribus consiste en la maitrise complète que l’utilisateur peut avoir sur les données s’entrainement et les modèles de reconnaissances créés, qui peuvent être téléchargés et partagés. Et l’utilisation de l’outil est totalement gratuite.
Transkribus ou eScriptorium ?
Pour objectiver un tant soit peu la comparaison entre ces deux outils, nous les avons confrontés tous deux au mêmes données d’entrainements, créées à partir de carnets manuscrits numérisés d’Anatole Le Braz, soit des archives initialement déposées à la Bibliothèque Yves-Le Gallo, comportant des fonds spécialisés sur la Bretagne et les pays celtiques[34]. Les images ont été obtenues par l’intermédiaire de la plateforme Transcrire[35] et de Fabrice Melka, qui nous a aussi fourni des transcriptions existantes, fruits du travail participatifs organisé par le biais de la plateforme. Nous n’avons pas nous même transcrit, mais importé des données de transcriptions déjà existantes. La qualité initiale des transcriptions (par ailleurs très bonnes) n’est pas un critère premier : il s’agissait surtout de comparer la performance des outils sur des données initiales similaires.
Le premier travail a été celui de la création de l’échantillon d’entrainement, en tentant de répondre à une question fondamentale que doit se poser tout projet d’entrainement de modèle de reconnaissance d’écriture manuscrite : comment représenter au mieux l’hétérogénéité d’un corpus manuscrit ? Conditions d’exécution de l’acte d’écrire, l’outil scripteur utilisé, le type de support ou bien la multiplicité des formes d’une écriture individuelle le long d’un parcours biographique constituent des éléments forts (parmi tant d’autres) qui informent une variabilité morphologique des écritures d’un corpus manuscrit. La création d’un échantillon doit donc représenter au mieux cette hétérogénéité potentielle. Plusieurs stratégies peuvent être adoptées :
- On peut partitionner le corpus en plusieurs sous-ensembles, puis créer des modèles différenciés pour chaque sous-ensemble. Cette solution peut être adoptée pour des corpus massifs d’un scripteur unique dont l’écriture a beaucoup évolué tout au long de sa vie. C’est la stratégie adoptée par Régis Schlagdenhauffen (IRIS) pour le traitement des carnets d’Eugène Wilhelm, soit 8 500 pages sur 66 ans d’écriture[36].
- On peut tenter de créer un seul modèle qui puisse tenter de représenter les variations de l’écriture, si celles-ci ne sont pas trop radicales. C’est la stratégie qui a été adoptées par le projet ANR Foucault Fiches de Lecture[37].
Nous avons opté pour cette deuxième méthode, dans la mesure où l’écriture d’Anatole Le Braz, malgré ses variations, présente de grandes régularités. D’abord, nous avons isolé trois carnets – totalisant 500 pages – que nous jugions représentatifs de l’écriture d’Anatole Le Braz, dans la mesure où ils cadrent l’ensemble de la plage temporelle de l’activité d’écriture représentée par les carnets versés sur Transcrire. Nous avons choisi ensuite 100 pages parmi ces 500 pages selon deux méthodes différentes :
- L’une aléatoire : 100 pages ont été prises au hasard dans les trois carnets, en utilisant un outil de Transkribus
- L’autre a tenté de confronter les « variations régulières » identifiables dans le corpus en identifiant des sous-ensembles d’écritures. Le principal discriminant a été l’outil scripteur utilisé, qui a permis d’identifier trois catégories d’écritures.
L’idée qui a présidé à la construction de ces deux d’échantillons était de les confronter chacun à des processus d’entrainement, afin de voir si la méthode de construction de l’échantillon avait une incidence sur la qualité de la reconnaissance. Ainsi, la question posée était celle de savoir si une analyse intellectuelle d’appréhension de la variabilité de l’écriture (2e méthode) – très lourde en terme de temps de travail et d’investissement – avait une plus-value importante pour améliorer la qualité de la reconnaissance.
nombre de pages | nombre de lignes | nombre de mots | Taux d’erreur Transkribus HTR+ | Taux d’erreur Transkribus PyLaia | Taux d’erreur eScriptorium | |
Echantillon aléatoire | 100 | 3370 | 25667 | 2,16% / 4,23% | 3,51% / 8,80% | 14,4% |
Echantillon construit | 100 | 3439 | 26188 | 2,46% / 4,91% | 5,90% / 9,60% | 15% |
Aléatoire + construit | 200 | 6809 | 51855 | 3,79% / 3,91% | 4,20% / 6,30% | NA |
Les résultats présentés plus haut demandent quelques points de clarification. Nous présentons deux résultats pour les modèles entrainés sous Transkribus : l’un correspond au taux d’erreur par caractère (CER pour Character Error Rate) concernant les pages utilisées pour l’entrainement : ce chiffre quantifie la capacité de l’algorithme à retrouver les vérités de terrains utilisées pour l’entrainement. Le deuxième chiffre, bien plus pertinent, correspond à la quantification de la réussite du modèle sur des pages de validation qui ne sont pas utilisées pour l’entrainement (soit des vérités de terrain qui sont mises de côté avant de lancer l’entrainement). Cette différenciation dans la mesure des résultats n’est pas proposée dans eScriptorium ; nous ne connaissons d’ailleurs pas précisément la métrique utilisée par eScriptorium pour communiquer les résultats de l’entrainement. Nous appelons donc à une grande prudence dans la lecture de ces chiffres et dans leur comparaison. Toutefois ces chiffres restent interprétables et permettent d’amorcer quelques pistes interprétatives :
- Autant sur Transkribus que sur eScriptorium, les échantillons produits aléatoirement ont entrainé de meilleurs résultats. Le travail entrepris pour l’appréhension « manuelle » de l’hétérogénéité du corpus ne s’est donc pas avéré payant. Ou du moins la méthode choisie n’a pas été efficace, ce qui ne présage en rien de la possible efficacité d’un autre découpage du corpus en d’autres sous-ensembles.
- En ce qui concerne Transkribus, l’algorithme HTR+ se révèle systématiquement meilleur que PyLaia. Aussi, la différence de coût entre les deux algorithmes – PyLaia est 20% moins cher qu’HTR+ – n’est pas assez importante pour inciter à l’utilisation de PyLaia, dont les performances sur notre corpus sont bien inférieures à ce que légitime la différence (les différences de performances sont bien supérieures à 20%)
- Les résultats sur eScriptorium sont a priori moins bons que sur Transkribus, les différences entre les chiffres se confirmant par une rapide analyse qualitative des résultats. Alors que le taux d’erreur sous Transkribus permet d’excellents résultats (constat à moduler en fonction des types d’écritures considérées) qui permettent une bonne lisibilité des transcriptions, les résultats obtenus sous eScriptorium, sans être en soit mauvais, proposent une expérience de lecture plus dégradée.
Entretenir un pluralisme des outils en humanités numériques
Ces meilleurs résultats apparents de Transkribus disqualifient-ils l’utilisation d’eScriptorium ? Ces meilleures performances légitiment-elles de payer pour de la transcription automatique, et de ne pas considérer l’option de gratuité que propose eScriptorium ?
Il est impossible et peu souhaitable de répondre fermement à cette question, dans la mesure où sa binarité n’a que très peu de sens. Il faut bien comprendre ce que l’on paie lorsque l’on utilise Transkribus. Utiliser Transkribus, c’est utiliser un service dont le cœur se situe dans l’accumulation des données de transcription et de modèles, qui sont mises à contribution pour tout nouvel entrainement de modèle. Autrement dit, lorsque l’on lance un entrainement sur Transkribus, cet entrainement ne part pas de rien, mais prend appui sur des quantités importantes de données et de modèles qui ont été versés sur les serveurs. L’algorithme se nourrit de cet héritage pour appréhender tout nouvel entrainement, ce qui explique en grande partie le surplus de performance observé. Cette accumulation interne de données est ce qui fonde – avec le code de l’algorithme – le secret industriel de Transkribus, et ce que monétise la coopérative. Le revers de ce modèle est l’érection d’un certain nombre de barrières pour l’utilisateur, qui n’est pas totalement maitre des modèles qu’il produit, sur lesquels il n’a donc pas la main. Il est impossible pour un utilisateur de récupérer un modèle et de le faire circuler hors de la plateforme. L’accumulation des modèles et l’amélioration de l’algorithme n’est assurée que de manière interne.
À l’inverse, chaque entrainement sur eScriptorium part de zéro : l’algorithme ne s’appuie pas sur la masse de données accumulées par Transkribus. Mais tout modèle sur eScriptorium est partageable et modifiable à l’envie, dans la mesure où l’utilisateur peut le télécharger et le faire circuler à sa guise. Ce que propose en filigrane eScriptorium, c’est une possible externalisation de l’accumulation de modèles et de données d’entrainement qui se fait de manière interne dans Transkribus. Les perspectives d’organisation communautaire de partage de modèle sont donc possibles, et commence à émerger. Des personnels de L’INRIA animent par exemple un espace de partage de données, sous la forme d’un GitHub, bien nommé HTR-United. L’intention de cet espace est « à terme, de partager […] – sous licence libre – des modèles pour les moteurs HTR demandés, afin que les projets les moins dotés puissent profiter de modèles. Ainsi, si vous partagez vos données, et suivant le rythme possible des autres partenaires, vous profiterez sûrement d’un modèle sous peu. Cependant, n’oubliez pas : il existe un cercle vertueux Transcription<->Entraînement qui permettra à terme – nous l’espérons – d’améliorer pour les plus jeunes projets les transcriptions partant de zéro » [38].
En guise de conclusion et de manière principielle, nous plaidons pour l’entretien d’un pluralisme des outils, actant l’orientation exposées par le « manifeste des digital humanities »[39] selon laquelle « l’ouverture fondamentale des digital humanities assure […] une approche pragmatique des protocoles et des visions, qui maintient le droit à la coexistence de méthodes différentes et concurrentes, au profit de l’enrichissement de la réflexion et des pratiques. ». Mais nous tenons aussi à préciser que le fonctionnement et la philosophie d’eScriptorium incarne bien mieux que Transkribus la communauté de valeurs mise en avant par ce même manifeste, valeurs largement partagées dans le monde de la recherche. Ainsi le manifeste constatait que « le numérique induit une présence plus forte des contraintes techniques et donc économiques dans la recherche ; que cette contrainte est une opportunité pour faire évoluer le travail collectif » tout en s’affirmant favorable « à la diffusion, à la circulation et au libre enrichissement des méthodes, du code, des formats et des résultats de la recherche ».
Une série de raisons légitimes permettent de considérer sérieusement une utilisation d’eScriptorium :
- La première tient donc au fait que l’outil incarne parfaitement certaines valeurs des humanités numériques, tout en réunissant autour de lui des acteurs éminents de cette « transdiscipline » situés dans le périmètre institutionnel du campus.
- Aussi, les perspectives de développement institutionnel, technique, infrastructurel, et communautaire autour de l’outil permettent d’envisager une amélioration probable de ses performances, auquel il reste des marges de progression. Rappelons encore une fois la jeunesse relative d’eScriptorium par rapport à Transkribus.
- Les bibliothèques peuvent prendre une part non-négligeable à la progression de cet outil, non pas dans son développement en terme technique et d’infrastructure, mais en tant que vecteur de partage et de circulation des modèles et données produites dans le cadre de l’accompagnement de projets de transcription.
- L’utilisation d’eScriptorium, du fait de sa gratuité, peut intéresser nombre de projets et d’intentions de recherche non financées, ou qui ne peuvent dégager un budget pour la transcription.
En revanche, d’autres raisons pragmatiques invitent à ne pas écarter l’utilisation payante de Transkribus :
- L’outil a fait les preuves de ses performances et de son efficacité.
- Sa fonctionnalité d’alignement du texte à l’image le rend incontournable (pour le moment) dans l’import de transcriptions existantes pour la création de données d’entrainement.
- Sa fonctionnalité de Key Word Spotting en fait un instrument sans concurrent (pour le moment) pour la recherche d’information dans les textes manuscrits.
- Ses coûts restent abordables si on les rapporte aux volumes de financements de projets ANR, et en moindre mesure Collex.
- Il peut être mis à profit rapidement pour des projets internes d’édition de corpus numériques.
Un autre argument à la faveur du maintien d’un pluralisme dans l’utilisation des outils de transcription automatique réside dans le fait qu’aucun des modèles de développement et de fonctionnement n’a encore donné de gages de leur pérennité. Transkribus vient de publier son modèle économique payant et rien ne nous dit que ce choix soit couronné de succès et que les communautés autrefois utilisatrices soient prêtes à payer pour un service de transcription automatique. EScriptorium est un projet encore en voie de structuration, et son fonctionnement pérenne est conditionné par la phase actuelle d’ouverture et de structuration de l’outil.
Un dernier argument plus pratique allant dans le sens de ce pluralisme technique réside dans l’utilisation croisée qui est possible de faire de ces deux outils. Ainsi que nous l’avons pratiqué, des fonctionnalités gratuites propres à Transkribus peuvent être utilisées pour l’entrainement de modèle dans eScriptorium. C’est ainsi que l’outil text2image de Transkribus a été utilisé au profit de l’apprentissage de modèles de reconnaissance sur eScriptorium. Il existe donc des passerelles entre les outils qu’il est facile d’exploiter, pour bénéficier de certaines fonctions de Transkribus et de la gratuité d’eScriptorium.
Conclusion
Conclusion
Les offres de services en bibliothèque en matière de transcription des textes manuscrits pourraient finalement tirer avantage des deux voies par lesquelles il est aujourd’hui possible d’amplifier la production des transcriptions. Loin de s’opposer, collaboration et automatisation peuvent s’articuler. Les plateformes collaboratives sont capables fournir une quantité de données de qualité utiles à la production des modèles de reconnaissance automatique des écritures manuscrites. Cette articulation est en elle-même problématique, et elle comporte une dimension éthique fondamentale : la contribution des transcripteurs volontaires ne saurait simplement être instrumentalisée pour informer les contours d’une intelligence artificielle. La transparence quant aux finalités de l’utilisation des transcriptions et la mise en œuvre de mécanismes de reconnaissance du travail des transcripteurs, tout autant que la conscience pour le contributeur de participer activement à un processus scientifique (à priori non marchand) permettent de donner des garanties éthiques à priori suffisantes. Quoiqu’il en soit, que ces méthodes soient articulées ou non, l’amplification possible des transcriptions par les bibliothèques incarne un positionnement possible souhaitable tout autant que légitime pour les bibliothèques dans l’écosystème en voie de structuration des humanités numériques. Par les fonds qu’elles conservent et qu’elles numérisent, par les compétences anciennes et nouvelles des professionnels de la documentation, et par les communautés qu’elles peuvent réunir (voire construire), les bibliothèques sont à même de répondre à l’un des enjeux majeurs des humanités numériques : la fourniture d’une amplitude de données nécessaire à leur envol.
Notes bibliographiques
[1] Victoria Van Hyning, « Harnessing crowdsourcing for scholarly and GLAM purposes », in Literature Compass, vol. 16, n°3-4, 2019 ; traduit par nos soins.
[2] Guenter Muehlberger et al. « Transforming scholarship in the archives through handwritten text recognition: Transkribus as a case study » in Journal of Documentation, vol. 75, n°5, pp 954-976, 2019.
[3] Marie Laure Massot et al. « Transcribing Foucault’s handwriting with Transkribus » in Journal of Data Mining and Digitial Humanities, 2019.
[4] « des formes de production de connaissances scientifiques auxquelles des acteurs non-scientifiques professionnels — qu’il s’agisse d’individus ou de groupes — participent de façon active et délibérée », selon la définition donnée par François Houllier et Jean-Baptsite Merilhou-Goudard dans un rapport destiné au MESRI « les sciences participatives en France, Etat des lieux, bonnes pratiques et recommandations », 2016
[5] si l’on exclut les dynamiques participatives observables de longue date en archives, l’implication de non-chercheurs dans le processus scientifique s’est principalement centrée sur le monde des sciences naturelles et tout spécifiquement sur les enjeux de protection de l’environnement et de la biosphère
[6] https://www.ucl.ac.uk/bentham-project/transcribe-bentham
[7] https://www.zooniverse.org/
[8] https://www.libcrowds.com/
[9] https://crowd.loc.gov/
[10] Voir Mark Hedges et Stuart Dunn, Academic Crowdsourcing and the Humanities : Crowds, Communities and Co-production, Chandos Publishing, 2019
[11] Voir la note de blog de Ben Brumsfeld, créateur de From The Page, URL : https://content.fromthepage.com/decade-in-crowdsourcing/ consulté le 13/10/2020
[12] Du côté des bibliothèques, on se contentera d’indiquer le dossier « pratiques participatives » introduit par Raphaëlle Bats (« La participation en bibliothèque : légitimités, formes et enjeux ») dans la revue Bibliothèque(s), n°83, 2016 ; dans le même numéro, voir l’article d’Imad Saleh et Mathieu Sandro, « Le crowdsourcing appliqué aux bibliothèques numériques ». On indiquera le mémoire DCB d’Ariane Neroulidis, Le crowdsourcing appliqué aux archives numériques : concepts, pratiques et enjeux, Enssib, 2015 ; ainsi que le mémoire de Damien Day, Enjeux, état des lieux et dynamiques de participation en bibliothèques, 2014.
[13] A l’exception notable de la bibliothèque du Muséum national d’histoire naturelle
[14] Du côté du MESRI, voir le rapport rédigé par François Houllier et Jean-Baptiste Merilhou-Goudard « Les sciences participatives en France. État des lieux, bonnes pratiques et recommandations », 2016 ; du côté Ministère de la Culture, voir le rapport du réseau Particip-Arc « Recherche culturelle et sciences participatives », 2019.
[15] https://testaments-de-poilus.huma-num.fr/ ;
[16] http://recital.univ-nantes.fr/#/ ; pour une présentation du projet, voir
[17] http://transcrire.huma-num.fr/
[18] https://ethnologia.hypotheses.org/
[19] https://tact.demarre-shs.fr/
[20] « la science ouverte à AgroParisTech », URL : https://www.universite-paris-saclay.fr/actualites/la-science-ouverte-agroparistech , publié le 24 septembre 2020, consulté le 15 novembre 2020.
[21] Créateur de FromThePage, qui tient plusieurs blogs dédiés à la transcription participative, http://manuscripttranscription.blogspot.com et https://content.fromthepage.com/ ; sur les méthodologies de validation, voir : http://manuscripttranscription.blogspot.com/2012/03/quality-control-for-crowdsourced.html ; consulté le 12 novembre 2020.
[22] Propos entendu au rendez-vous du Austrian Centre for Digital Humanities and Cultural Heritage, 13 octobre 2020
[23] Voir Samantha Blickhan et al., « Individual vs. Collaborative Methods of Crowdsourced Transcription » in Journal of Data Mining and Digital Humanities, 2019
[24] Voir le projet Transcribe Bentham, Testaments de Poilus, ou la plateforme TACTs
[25] Nous renvoyons ici à la captation vidéo d’une présentation de la plateforme à l’atelier Digit_Hum 2019 (PSL, 17 octobre 2019) : https://digithum.huma-num.fr/atelier/2019/8_marion_greslou_garciafernandez.php [consulté le 12/09/2020]
[26] https://roma.tei-c.org/
[27] R. David Lankes, «Beyond the Bullet Points: Bad Libraries Build Collections, Good Libraries Build Services, Great Libraries Build Communities», Virtual Dave…Real blog, 2012
[28] Lionel Dujol et Silvère Mercier, Médiation numérique des savoirs, des enjeux aux dispositfs, Éditions ASTED, 2017. Voir la version numérique en libre accès : http://mediation-numerique-des-savoirs.org/
[29] https://pro.europeana.eu/page/transcribathon
[30] https://folgerpedia.folger.edu/Transcribathon
[31] https://dataanalyticspost.com/la-reconnaissance-decriture-manuscrite-de-nouvelles-applications-pour-un-des-plus-vieux-problemes-dia/ [consulté le 14/12/2020]
[32] Le premier chiffre correspond à un achat de 1000 crédit à la demande (soit 800 pages en HTR+), le second à un abonnement annuel de 30 000 crédits (soit environ 24000 pages en HTR+) avec statut de sociétaire, comprenant dans le calcul le cout de la cotisation annuelle, mais ne prenant pas en compte le coût d’entrée que représente l’achat de parts.
[33] Voir la présentation du projet : https://escripta.hypotheses.org/about
[34] https://www.univ-brest.fr/crbc/menu/Biblioth%C3%A8que+Yves+Le+Gallo+%28UMS3554%29/Pr%C3%A9sentation+de+l%27UMS+3554
[35] https://transcrire.huma-num.fr/scripto/4/item
[36] Voir Régis Schlagdenhauffen, « Optical Recognition Assisted Transcription with Transkribus: The Experiment concerning Eugène Wilhelm’s Personal Diary (1885-1951) », in Journal of Data Mining and Digitial Humanities, 2020
[37] Marie Laure Massot et al. « Transcribing Foucault’s handwriting with Transkribus » in Journal of Data Mining and Digitial Humanities, 2019
[38] https://github.com/HTR-United/htr-united
[39] Voir https://journals.openedition.org/jda/3652 ; ce manifeste est le fruit d’une rédaction collective qui s’est tenue lors du ThatCamp parisien de mai 2010
OpenEdition vous propose de citer ce billet de la manière suivante :
Quentin Mercurol (29 juin 2021). Transcrire en bibliothèques ?Légitimité, enjeux et méthodes pour services aux chercheurs. DLIS. Consulté le 7 octobre 2024 à l’adresse https://doi.org/10.58079/nt3m
Une réflexion sur « Transcrire en bibliothèques ?Légitimité, enjeux et méthodes pour services aux chercheurs »