Corpus de textes transcrits et encodés

Pour rappel, Epistemon est un corpus de 50 textes en XML-TEI, disponibles à la consultation et au téléchargement depuis le site des Bibliothèques Virtuelles Humanistes.

Accès au corpus Epistemon.

Chaque année, nous nous efforçons d’enrichir ce corpus de nouveaux textes. C’est ainsi qu’en 2014, nos lecteurs ont pu découvrir trois publications :

• Anonyme, Les grandes et inestimables croniques : du grant et enorme geant Gargantua, Lyon, 1532
• Rabelais, Pantagruéline prognostication pour l’an 1533, Lyon, 1533
• Rabelais, L’île sonnante, 1562

Ce petit nombre de textes mis en ligne lors de l’année 2014 s’explique par le planning plus chargé des publications en 2015, autour des deux auteurs que nous traitons dans le cadre des projets MONLOE, Rablissime et ReNom. À venir dès le début d’année :

• Montaigne, Les Essais, L’Angelier, Bordeaux, 1588 (EB), Livre I
• Montaigne, Les Essais, Millanges, Bordeaux, 1580 (ed. synoptique)
• Rabelais, Gargantua (princeps), 1534-35
• Anonyme, Le Disciple de Pantagruel, 1538
• Rabelais, La Sciomachie, Lyon, 1549
• Rabelais, Cinquième Livre (manuscrit non autographe)

Nous l’annoncions lors de la précédente assemblée générale : Epistemon devient un corpus presque systématiquement semi-diplomatique/régularisé, dès lors que la transcription donne un état non-dissimilé et non-désabrégé de la langue. Ces traitements sont automatisés grâce au passage d’une feuille de style XSLT, qui permet de dissimiler les lettres ramistes (i/j et u/v qui ne sont pas distinguées dans les textes de la Renaissance) et de détilder les brévigraphes (lettres tildées marquant une abréviation). Ces scripts seront très prochainement disponibles et nous les présenterons plus en détail dans le cadre d’un article sur notre carnet d’hypothèses.

Pour information, ce script ajoute des balises XML-TEI qui permettent de conserver deux états du texte au sein du même fichier. Ici, un exemple pour le mot conseil :

 <choice><orig>cōseil</orig><reg>conseil</reg></choice>

Cet encodage nous permet ensuite un affichage dynamique entre les deux formes du mot :

Affichage au survol de la forme régularisée du mot.

Le corpus Epistemon est publié sur le site des BVH grâce à la plateforme XTF. Lorsque les ouvrages ont été numérisés par nos soins, nous proposons également un double affichage, texte/image, qu’il nous faudra encore parfaire, afin que la navigation soit plus agréable.

Affichage texte/image sur la plateforme XTF.

Ce double affichage ne bénéficie pas seulement au lecteur curieux de voir l’original, il nous permet bien souvent de traquer les coquilles dans la transcription et les manques dans notre encodage, lors de la phase de contrôle avant mise en ligne. L’outil devient donc à la fois une aide à la publication et une vitrine pour le corpus.

Un corpus outillé

Ce corpus a également pour vocation d’être outillé dans le cadre d’une perspective d’analyse de la langue. C’est pourquoi nous proposons, depuis un certain nombre d’années, un accès à Philologic depuis notre site web.

Accéder à Philologic depuis les BVH.

Hormis les possibilités de recherche sur les métadonnées, ou le concordancier offert par cet outil, nous aimons mettre en avant la possibilité de recherche par similarité, qui permet de trouver, en entrant la forme moderne d’un terme, les formes qui lui sont proches.

Recherche par similarité avec la requête “Autrefois”.

Enfin, les BVH ayant été sélectionnées dans le cadre de l’appel à projet BSN5 (Bibliothèque Scientifique Numérique), nous pourrons continuer notre collaboration avec l’équipe ICAR3 de l’ENS de Lyon, qui développe l’application de Textométrie TXM. Ce logiciel permet, entre diverses fonctionnalités (concordances, index, retour à l’édition, lexique, spécificités, sous-corpus, partitions…) d’obtenir certains visuels aidant, par exemple, à étudier l’utilisation de certains mots en diachronie.

Progression de l’utilisation de “dans” et “dedans” au sein du corpus Epistemon, de 1529 à 1616.

C’est dans ce sens que nous souhaitons travailler avec cette équipe, afin d’entrer plus avant dans toutes les spécificités de la langue riche et mouvante du français de la Renaissance.