L’écrit municipal suscite depuis plusieurs années un vif intérêt dans la communauté scientifique. Plusieurs publications et projets de recherche ont souligné la place décisive des registres de délibérations dans la culture politique du Moyen Âge et de la Renaissance.
Dans le cadre du partenariat entre le LIFAT-RFAI et le CESR-BVH, la recherche sur les algorithmes et méthodes d’apprentissage pour la transcription de livres imprimés anciens se poursuit. À ce titre, les travaux menés bénéficient en 2022 du financement d’un stage de 3 mois par le Réseau thématique de recherche DIAMS (RTR ; groupes Human in the Loop et Patri-Num), encadré par Thierry BROUARD (LIFAT-RFAI).
Informations sur le stage
Formation : niveau bac+5 en informatique
Dates : entre le 15 avril et le 15 juillet 2022, 3 mois
Lieu du stage : dans les locaux du LIFAT (64 av. Jean Portalis, 37200 Tours) avec déplacements possibles dans les locaux du CESR (59 rue Néricault-Destouches, BP 12050 – 37020 Tours Cedex) – 30 mn entre les deux sites via le tramway
Disciplines : Informatique / apprentissage, Patrimoine écrit (documents anciens)
Candidatures : CV et lettre de motivation à adresser par email à Thierry Brouard, thierry.brouard@univ-tours.fr
Présentation & contexte
Depuis de nombreuses années, le CESR et le LIFAT collaborent sur des thématiques de recherche, mais aussi dans le cadre d’enseignements. Au fil des années, le LIFAT a contribué à la construction du système d’information du CESR, et plus particulièrement du programme « Bibliothèques Virtuelles Humanistes » (BVH) à travers différents projets, notamment de transcription de documents anciens. Les deux principaux logiciels, AGORA et RETRO, ont plus de 15 années d’existence, et ont déjà fait l’objet d’évolutions majeures, en particulier à l’occasion de deux bourses successives « Digital Humanities » financées par Google en 2011 et 2012. Cependant, ces outils reposent sur des technologies aujourd’hui dépassées, au vu des avancées des techniques reposant sur l’apprentissage profond.
Dans le cadre du partenariat entre le LIFAT-RFAI et le CESR-BVH, les développements de fonctionnalités et d’interfaces du logiciel RETRO pour la transcription de livres imprimés anciens se poursuivent. Le projet bénéficie ainsi en 2022 du financement d’un premier stage [pourvu] de 3 mois financé et encadré par Thierry BROUARD (LIFAT) pour améliorer l’application et les IHM. Un second stage [encore à pourvoir en date du 1er mars 2022], soutenu par le Réseau thématique de recherche DIAMS (RTR), sera dédié à l’amélioration de l’IA avec une approche dite de clustering.
Figure 1 : Exemple d’interface graphique utilisateur pour la transcription d’un texte ancien
La transcription s’apparente à de l’OCR : on donne une image dans laquelle il y a du texte, et on ressort un fichier ASCII. Dans le cas des documents anciens, l’OCR est difficile, et les logiciels habituels, formés sur nos polices modernes et notre langue contemporaine (syntaxe, grammaire), ne dépassent pas les 20-30 % de bonne reconnaissance. Dans les documents anciens, orthographe et grammaire ne sont pas formalisées, et un même ouvrage rassemble souvent plusieurs langues (par exemple latin / grec / vieux français).
L’approche proposée commence par utiliser un algorithme d’apprentissage non supervisé (appelé aussi clustering) afin de rassembler les caractères qui se ressemblent le plus. L’utilisateur qui réalise la transcription donne alors, pour chaque groupe, le ou les caractères représentés. C’est donc l’humain qui fait la transcription, la machine essaie de minimiser le nombre de transcription à réaliser en regroupant au mieux les caractères qui se ressemblent.
Rémunération : entre 2076 € et 2 648 € brut mensuel, selon expérience.
Niveau d’études souhaité : Master 2
Expérience souhaitée : Indifférent
Missions
Assurer la poursuite de la description et de l’indexation des documents numérisés dans le cadre du programme de recherche « Bibliothèques Virtuelles Humanistes » (BVH) du Centre d’Études supérieures de la Renaissance (CESR – Université de Tours – UMR 7323 du CNRS), en vue de leur mise en ligne. L’essentiel du corpus numérisé à traiter est issu du projet partenarial Biblissima « Bibliothèques humanistes ligériennes » (BHLi) porté par la Bibliothèque municipale d’Angers, en partenariat avec les Bibliothèques du Mans et de La Flèche.
Le GdR Information, Signal, Image, viSion (ISIS) organise le 13 mai 2016 une journée autour du Traitement du signal et des images pour l’art et le patrimoine, à Télécom Paristech (amphi B310). Jean-Yves Ramel (Pr, LI Tours) présentera à cette occasion une partie des travaux effectués dans le cadre du projet Paradiit financé par deux Google Awards successifs en 2011 et 2012 et mené en collaboration avec l’équipe du programme BVH du CESR.
L’objectif de cette journée GdR ISIS est de réunir les chercheurs et industriels dont les travaux trouvent des applications dans le domaine de l’art, l’histoire de l’art ou du patrimoine culturel. En effet, le développement des technologies numériques notamment autour de l’image, est un enjeu important pour la préservation, la restauration, l’étude, la création et la diffusion des objets, monuments, œuvres, documents issus du domaine artistique et culturel. Réciproquement, les problèmes soulevés par ces problématiques posent de nouveaux challenges à la communauté scientifique de la vision par ordinateur et du traitement de l’image comme en témoignent l’augmentation des publications et la présence de sessions spéciales dans des conférences de référence de ces domaines.
Du manuscrit autographe à la théorie des brouillons
En mars 1847, Paul Lacroix (alias le Bibliophile Jacob) publia dans le Journal des débats l’annonce d’une découverte importante : il venait d’identifier, dans les collections de la Bibliothèque royale, un manuscrit du XVIe siècle dont les 146 feuillets renfermaient une copie du Cinquième livre de Rabelais. Ayant comparé son écriture à celle d’une lettre de Rabelais (dont l’authenticité s’avéra douteuse), Lacroix considérait ce volume comme autographe et y voyait le témoignage sûr de l’attribution du Cinquième livre à l’auteur du Pantagruel. Le manuscrit français n° 7981 (devenu depuis le manuscrit français 2156) ne pouvait manquer d’attirer l’attention des érudits ; il procurait notamment une version du texte très différente de l’édition originale imprimée en 1564 (soit onze ans après la mort de Rabelais) et comptait même plusieurs chapitres inédits.
BnF, manuscrit français 2156, f. 1 – Source : gallica.bnf.fr
Le principe de ce séminaire organisé par Marie-Luce Demonet est de partager travaux et études portant sur les textes à éditer (format papier et/ou numérique), annoter, interpréter, traduire ; sur la manière de les rendre intelligibles. Cette première séance portait sur Rabelais, une seconde est prévue (le 28 mai 2016) qui portera sur Montaigne.
Présentation de l’édition « Bouquins » des œuvres complètes de Rabelais
Quelques exemples de « translation »… et de ses difficultés
Le « matériau » Cinquiesme Livre
Quelques difficultés de transcription, encodage et traduction d’Alector de Barthélémy Aneau
État des lieux des projets « Rablissime » et « ReNom »
Extrait du bilan à mi-parcours de l’ANR « Montaigne à l’Oeuvre », 30 septembre 2014
Avec son partenaire de l’IRHT, l’équipe des BVH a lancé en 2013 le projet MONLOE, « Montaigne à l’œuvre », première phase d’un ensemble éditorial qui réunira les principales éditions des Essais, l’édition diachronique de l’exemplaire dit « de Bordeaux » (« EB », exemplaire annoté par Montaigne en vue d’une édition ultérieure), tous les ouvrages possédant la signature de Montaigne conservés dans les différentes bibliothèques publiques et privées dans le monde, tous les écrits de Montaigne et une sélection des sources majeures des Essais. Il offre aussi une reconstitution 3D de la « librairie » (sa bibliothèque personnelle). Les éditions principales des Essais sont présentées avec leurs fac-similés, et encodées en XML-TEI, y compris EB, cœur du projet qui permet d’étudier la dimension créative d’une œuvre : processus d’élaboration, additions et corrections, modifications des textes sources et des compilations, interventions d’auteur, invention de l’« essai » et des concepts les plus significatifs des Essais. Le traitement de la variation graphique tant de l’écriture de Montaigne que des différents usages orthographiques observables seront soumis aux traitements linguistiques appropriés, en vue d’observer la temporalité de la composition des Essais et la constitution d’un lexique de philosophie en langue vernaculaire. Intégré au programme des « Bibliothèques Virtuelles Humanistes », MONLOE permet de montrer et d’exploiter des ressources existantes et d’expérimenter des procédures nouvelles, avec des méthodologies en développement dans le domaine des humanités numériques : affichage page à page et parallèle de l’image et du texte, corpus textuel annoté permettant plusieurs niveaux d’analyse et de requête, identification des « mains » de Montaigne.
Ce stage organisé par l’équipe des BVH du CESR de Tours s’adresse à toute personne intéressée par la structuration XML de sources textuelles. Il se déroulera à la Maison des Sciences de l’Homme Val de Loire, à Tours, du mercredi 29 au vendredi 31 octobre 2014.