Vers des méthodes et pratiques communes dans les projets d’humanités numériques (séminaire « Les p’tits déj’ ‘Humanités numériques’ de l’IRHT », 22/03/19)

Hortus sanitatis, Epernay, BM Inc. 3017

Le 22 mars, nous avons discuté de la standardisation des méthodes dans les projets d’humanités numériques, avec Marie Bisson, Pierre-Yves Buard, Anne Goloubkoff (malheureusement excusée) (Pôle « Document numérique » de la MRSH de Caen) et Cyril Masset et Henri Seng (Pôle numérique, IRHT – CNRS).

On trouvera ci-dessous le compte rendu de l’intervention de l’équipe de Caen, que je remercie pour les éléments de présentation communiqués.

Marie BISSON, Pierre-Yves BUARD, Anne GOLOUBKOFF – Pôle Document numérique (MRSH – Université de Caen Normandie – CNRS) : « Du laboratoire de textes à l’édition de sources : outils et méthodes du pôle Document numérique »

Introduction (Pierre-Yves Buard)

Une source écrite constitue un ensemble de données variées qui peuvent être considérées et exploitées dans des configurations à géométrie variable. L’enjeu est de concevoir un outillage qui va permettre au chercheur de tenir son propos sur les données. La contrainte est de disposer d’informations exploitables et récupérables, pour ensuite produire de nouvelles données qui devront être à leur tour exploitables et récupérables.

On mentionne la difficulté d’imposer des standards uniques, et l’intérêt de plutôt tenir compte et respecter les standards existants.

La notion de FAIR data est évoquée :

  • findable (trouvable)

  • accessible

  • interopérable

  • reusable (réutilisable)

FAIR data

Concept de FAIR data

Le travail prend en compte deux standards :

  • XML EAD (Encoded Archival Description : http://www.loc.gov/ead/), qui permet de communiquer avec les institutions de conservation

  • XML TEI (Text Encoding Initiative : https://tei-c.org) : une quarantaine de projets partenaires du Pôle utilisent la TEI

Les projets partenaires du pôle Document numérique (http://www.unicaen.fr/recherche/mrsh/document_numerique/projets) constituent des corpus en XML TEI ou XML EAD et mettent en commun des données factorisées dans des bases d’autorités.

Projets partenaires du pôle Document numérique

Le dispositif technique comprend :

  • un serveur de fragments (base de données XML commune)

  • le client XML, XMLMind XML Editor, permet de se connecter au serveur de fragments pour les éditer

  • un moteur d’affichage propose une organisation graphique pour la consultation en ligne

système documentaire Pôle Document Numérique

Système documentaire du pôle Document Numérique pour l’édition de sources en XML-TEI

De cette manière, des données issues de différentes disciplines sont traitées avec le même dispositif.

Application des méthodes pour les laboratoires de textes et pour les éditions matérielles (Marie Bisson)

Deux axes :

  • les projets mis en ligne en tant que laboratoires de textes

  • les projets publiés par un éditeur matériel (principalement les Presses universitaires de Caen)

Les acteurs :

  • auteur-éditeur scientifique

  • pôle Document numérique : ingénieur en analyse de sources et éditeur de corpus numérique

  • réviseur

  • éditeur matériel (comité éditorial, secrétaire de rédaction)

Les exemples sont tirés du travail fait sur les inventaires anciens dans le cadre de l’Equipex Biblissima (https://projet.biblissima.fr/), qui a abouti à l’ouverture de la collection Thecae aux Presses universitaires de Caen (https://www.unicaen.fr/services/puc/sources/thecae//accueil).

Le laboratoire de textes

=> pas d’éditeur matériel

Chaîne de travail :

définition du projet (auteur) > définition des besoins numériques (auteur / pôle Document numérique) > construction des outils numériques (Pôle) > formation et installation matérielle (Pôle) > aller-retour des fichiers XML (auteur / Pôle) > sources établies (auteur) et mise en ligne (Pôle)

Définition du projet

Dans la définition du projet par l’auteur-éditeur scientifique, les éléments suivants doivent être précisés :

  • auteur(s)

  • texte(s), taille du corpus

  • éditeur(s) scientifique(s)

  • type d’édition (diplomatique, critique, génétique), usages à respecter ou non

  • support(s) de publication (papier, électronique, site laboratoire, éditeur matériel)

Définition des besoins numériques

L’auteur définit ses souhaits de réalisations numériques en partenariat avec le Pôle :

  • XML natif ou via une conversion (existence préalable d’une base données, de fichiers texte, d’un tableur… qui devront être transformés par le Pôle)

  • besoin d’outils d’édition XML => création d’un environnement de balisage sous XMLMind XML Editor, construit avec des « briques » (ensemble de commandes pour l’édition et de feuilles CSS pour la visualisation) d’environnements existants ou de nouvelles

  • budget

  • modèle de site web voulu

  • besoin d’outils d’analyse, d’impression, de moteur de recherche : ces informations sont importantes à connaître dès le départ car elles détermineront les caractéristiques du schéma d’encodage et donc les outils d’encodage mis à disposition

Construction des outils numériques
  • éventuelles chaînes de transformation des données du format ancien vers XML

  • un ou plusieurs environnements de balisage pour le programme XMLMind XML Editor

  • un prototype de site web pour consulter les données avec le moteur d’affichage MaX construit dans le cadre de l’equipex Biblissima par le Centre de Ressources Technologiques pour les TIC de l’université de Caen

  • les éventuels autres outils d’analyse

Formation et installation matérielle

Le Pôle forme les éditeurs aux outils créés. Un manuel d’utilisation est rédigé pour chaque environnement. Les environnements sont installés par le Pôle sur les machines (PC, MAC, Linux).

Aller-retour des fichiers XML

Les éditeurs encodent leurs sources selon le schéma défini en amont grâce aux environnements de balisage. La circulation des fichiers permet :

  • d’éventuels ajustements au niveau de l’environnement de balisage

  • une validation des fichiers

  • la vérification de la normalisation de l’encodage

  • la mise en ligne des fichiers sur le démonstrateur, afin de les visualiser d’une autre manière et de réaliser un prototype de publication

Établissement des sources et mise en ligne

Les données sont stabilisées à un moment par l’auteur-éditeur, dans un format respectant le schéma défini en amont. Le démonstrateur est affiné en vue de la mise en ligne publique.

Exemples de corpus
  • le corpus du Sanderus electronicus, publication prévue au sein de la collection Thecae, mise en ligne uniquement, deux volumes, environ 370 pages chacun, avec identification des auteurs

  • le corpus des inventaires mauristes, des milliers de pages, dont le premier volume publié est la Bibliotheca Bibliothecarum Manuscriptorum Nova de 1738 (deux volumes, 1670 pages)

  • le corpus des inventaires anciens du Mont Saint-Michel, 147 pages, publication multisupport prévue, papier et web, objectif d’identifier tous les volumes, de distinguer les différentes mains, d’indexer les auteurs, oeuvres et lieux

Besoins numériques particuliers :

  • les fichiers de la Bibliotheca Bibliothecarum Manuscriptorum Nova de Montfaucon et du Sanderus electronicus sont issus d’un traitement de texte. Ils ont donc été stylés et transformés en XML-TEI au moyen d’une chaîne de traitement Open office vers TEI distribuée par l’infrastructure de recherche Métopes (http://www.unicaen.fr/recherche/mrsh/document_numerique/projets/metopes)

  • les inventaires du Mont Saint-Michel sont réalisés nativement en XML

L’encodage de base (listes et notices introductives) est cohérent pour les trois corpus mais les inventaires du Mont Saint-Michel et le Sanderus Electronicus emploient un encodage spécifique pour l’indexation, qui aura une répercussion sur le site web.

Des corpus ont été testés pour construire l’environnement d’encodage des inventaires anciens, avec des demandes de spécificités en fonction des particularités des corpus) :

  • transcription de l’inventaire de Saint-Évroux par F. Duplessis avec encodage des interventions de l’auteur (suppressions, trous, ajouts)

  • encodage des liens entre volumes, oeuvres, identifications par E. Kuhry sur l’édition de l’inventaire d’A. Sanderus

  • encodage de différents aspects codicologiques sur des inventaires grecs

  • transformation de la transcription de la BBMN stylée sous un traitement de texte en XML-TEI au moyen d’une chaîne de traitement

Plusieurs années de tests d’environnements (E. Kuhry, M. Bisson) ont permis de stabiliser un schéma et de construire un environnement permettant :

  • la transcription des inventaires

  • l’encodage des données philologiques (normalisation graphique, interventions diverses)

  • l’encodage des données d’autorités

  • l’encodage des données codicologiques des volumes décrits

  • l’identification des volumes

  • des notes scientifiques

Un manuel a été rédigé pour faciliter l’utilisation de l’environnement (http://www.unicaen.fr/recherche/mrsh/sites/default/files/public/document_numerique/InventairesAnciens_methodologie.pdf).

Cet environnement est maintenant disponible sur le site du pôle Document numérique (http://www.unicaen.fr/recherche/mrsh/document_numerique/outils/inventairesAnciens) et sur le portail Biblissima (https://outils.biblissima.fr/fr/outils-edition-xml/).

Il est utilisé pour différents projets :

  • les inventaires mauristes

  • les inventaires de Gembloux

Il a fait l’objet de formations

  • école d’été Biblissima 2016 à Avranches

  • séminaire numérique du Craham 2019

Il reçoit des mises à jour régulières :

  • ajout de la notion de notice pour chaque inventaire, qui permet de normaliser la description de tous les inventaires (Possesseur(s), Date, Répertoire(s), Analyse, Source(s), Édition(s), Bibliographie), et de construire le futur moteur de recherche avancé de la collection

  • ajout de l’indexation des références bibliographiques grâce à un module Zotero

Le respect du schéma défini pour les inventaires anciens grâce à l’environnement de balisage permet de :

  • mettre en ligne un inventaire édité de cette manière dans Thecae-LAB (bientôt disponible)

  • visualiser les corpus en version béta et les relire

À un moment, l’éditeur scientifique peut demander une publication par un éditeur matériel (publication de la Bibliotheca Bibliothecarum Manuscriptorum Nova en novembre 2018 dans la collection Thecae : https://www.unicaen.fr/services/puc/sources/maur/accueil )

L’édition matérielle aux Presses universitaires de Caen

L’édition matérielle fige le corpus de manière définitive.

Critères à respecter
  • Expertise/Révision par un chercheur du domaine de spécialité, acceptation par la commission éditoriale (validation par les pairs)

  • Normalisation (correction ortho-typographique, complétude et normalisation des références bibliographiques)

  • Stabilité et citabilité : l’éditeur matériel garantit que l’édition sera citable de manière pérenne

Dépôt du projet

Étapes :

  • dépôt des textes auprès du comité éditorial des PUC ou de la collection visée

  • expertise technique

  • décision finale par la commission éditoriale des PUC ou par le comité éditorial de la collection

Épreuvages

L’auteur fournit des épreuves de révision sous forme papier et électronique aux PUC :

  • le paratexte sous sa forme originale (traitement de texte)

  • les fichiers XML transformés par le Pôle. Le Pôle restitue le contenu dans une forme lisible par un réviseur (flux de textes et flux de notes distingués)

  • éventuellement l’accès au démonstrateur du site qui a été mis en place par le PDN avec :

    • index

    • options d’affichage

    • bibliographie si utilisation de Zotero

Les PUC envoient le dossier à un réviseur (d’après une liste fournie par l’auteur).

La spécificité de Thecae réside dans une labellisation en 3 niveaux :

  • label 1 : établissement du texte + notice par inventaire

  • label 2 : établissement du texte + notice par inventaire + 1 type d’annotation

  • label 3 : établissement du texte + notice par inventaire + identification des volumes + indexation oeuvres, personnes, lieux

Le corpus doit être parfaitement homogène sur le plan de l’annotation quel que soit le label.

La révision de l’ouvrage et l’édition papier s’envisagent seulement pour le label 3. Pour les deux autres labels, un des membres du comité éditorial de la collection se porte garant.

Révision et validation

Le réviseur engage sa responsabilité scientifique en cautionnant la publication.

Relecture, mise en ligne et mise en forme papier

Les Presses universitaires de Caen (secrétaire d’édition) vont réaliser :

  • la relecture et la transformation du paratexte

  • la relecture de la source en XML (notes scientifiques, métadonnées)

  • le traitement et la vérification des images

  • la mise en page sous InDesign du flux XML transformé par le Pôle pour la version papier

  • la relecture avec l’auteur et le Pôle jusqu’à validation

Le Pôle va s’occuper, pour la version électronique, de la mise en ligne des fichiers XML et HTML sous mot de passe, et de la mise en ligne publique après validation par les PUC et l’auteur.

Démos : l’exemple du programme de recherche Ichtya

Programme Ichtya :
  • co-ridigé par Brigitte Gauvin et Thierry Buquet du Centre Michel de Boüard

  • équipe de 3 chercheuses et 3 ingénieur.e.s.

  • éditions critiques bilingues multisupports (électronique et papier)

  • constitution d’un corpus numérique de sources latines consacrées à l’ichtyologie

  • bibliographie numérique sur la thématique ichtyologique

  • un thésaurus numérique des poissons et créatures aquatiques

Exemple : édition du Liber de piscibus de l’Hortus sanitatis (2013-2014, cf https://www.unicaen.fr/puc/sources/depiscibus/accueil)

Hortus sanitatis. Livre IV, Les Poissons, Catherine Jacquemard, Brigitte Gauvin et Marie-Agnès Lucas-Avenel (éd.) Collection Fontes & Paginæ, Caen, Presses universitaires de Caen, 2013

 

Édition électronique du Liber de piscibus de l’Hortus sanitatis

En cours de réalisation : livres 6 et 7 du Liber de Natura rerum de Thomas de Cantimpré et livre 24 du De animalibus d’Albert Le Grand.

Constitution et contrôle des données
  • bibliothèque Ichtya :

    • sources latines consacrées à l’ichtyologie, contenues dans un laboratoire de textes : encodage en XML-TEI selon la structure hiérarchique (livre, chapitre, section, paragraphe) – pas d’éditeur matériel, pas de citabilité

    • identification des citations

    • indexation des noms de poissons => lien vers la notice du thesaurus

Bibliothèque de sources latines sur l’ichtyologie

  • thesaurus des poissons et créatures aquatiques

    • base de données en XML-TEI

    • un fichier XML avec un identifiant pour chaque forme de poisson trouvée dans le corpus de la bibliothèque Ichtya

    • structure hierarchique : notices mères et formes secondaires dans notices filles

    • notes de relation d’équivalence entre formes

  • bibliographie partagée sous Zotero avec identifiant unique pour chaque référence, vers lequel pointent les éditions, les textes de la bibliothèque Ichtya et les notices du thesaurus

Organisation du travail

Organisation du travail dans le cadre du projet Ichtya

Conclusion et perspectives (Pierre-Yves Buard)

Le laboratoire de textes permet aux chercheurs :

  • l’expérimentation

    • solutions de balisage et d’annotation

    • exploitations scientifiques et éditoriales

    • fourniture des flux et des outils => possibilité de reproduire les expériences

  • l’étude des sources de manière indépendante des formes de diffusion

  • le questionnement du rapport à l’objet

L’extraction de graphes à partir de l’encodage en XML-TEI permet de :

  • produire des solutions de recherche avancées qui incluent les éléments et la nature de leurs relations

  • fournir de nouveaux accès aux données (dynamiques, schémas)

=> gain d’expressivité amené par les ontologies et les graphes

Exemple de la base ichtyologique : visualisation des réseaux

  • sommets (nœuds XML TEI identifiables)

    • noms de poissons latins

    • noms de poissons modernes

  • arêtes (liens entre deux nœuds XML TEI : sous structure, attributs)

    • « variante de »

    • « lié à »

    • « identifié comme »

Représentation des relations entre entités présentes dans le thesaurus ichtyologique


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.