Nouvel axe thématique dans le département Histoire numérique de l’IHA : Reconnaissance automatique des caractères (ATR)

Les sources textuelles constituent la base de nombreux travaux historiques, que celles-ci soient manuscrites ou imprimées, photographiées dans les archives par les chercheur.e.s ou mises à disposition en ligne sous forme numérique par les centres d’archives, les bibliothèques et les musées. Plus il y a de contenus à déchiffrer, à lire et à analyser, plus il est important que les sources soient disponibles en texte intégral. Cela facilite non seulement la recherche et le traitement classique des textes sous forme de notes ou de citations, mais permet également l’utilisation de méthodes numériques pour l’analyse de ces derniers. En ce qui concerne les grands corpus de sources, tout ne doit aujourd’hui plus être transcrit à la main, les technologies de l’intelligence artificielle peuvent être d’une grande aide dans la réalisation de ces transcriptions. Bien que pratique, la mise en œuvre d’un flux de travail entièrement basé sur une telle technologie reste tout de même assez complexe et comporte de nombreux pièges méthodologiques…

ATR = OCR+HTR

Les technologies ATR, fondamentales pour la reconnaissance plein texte, se sont développées rapidement au cours des dernières années et continuent de le faire : ATR signifie Automated Text Recognition, le terme générique qui s’établit actuellement pour la reconnaissance de textes imprimés via Optical Character Recognition (OCR) d’une part et la reconnaissance de textes manuscrits via Handwritten Text Recognition (HTR) d’autre part.

Pour beaucoup, la première plateforme qui vient à l’esprit lorsqu’on parle de reconnaissance de textes manuscrits est probablement Transkribus, un programme basé sur l’IA, relativement simple à manipuler et qui peut également être utilisé dans un navigateur, mais qui devient payant à partir d’un certain nombre de pages à transcrire. La communauté active de Transkribus a développé de nombreux modèles réutilisables pour la reconnaissance de manuscrits de différentes époques. En France, eScriptorium, logiciel open source développé à PSL, est relativement répandu. Son usage est certes gratuit, mais nécessite, outre des connaissances techniques pour l’utiliser, une instance (à forte puissance de calcul) qui doit être soit mise en place soi-même, soit provenir d’un autre projet1.

Les historien.ne.s se posent mille questions, la plus facile étant de trouver l’application la plus adaptée à leurs propres sources. Il n’est donc pas si facile de s’orienter dans ce nouveau monde. Pourtant, l’ATR présente un énorme potentiel pour les chercheur.e.s travaillant en Histoire, si bien que nous souhaitons nous consacrer à ce thème à l’IHA durant les prochaines années et mettre en place un pôle de compétences chez nous.

Projet : HTR appliquée à un corpus médiéval

Ce nouvel axe se manifeste d’une part dans le projet de recherche sur les relations entre les universitaires et la population urbaine à Paris à la fin du Moyen Âge de Pauline Spychala, qui travaille comme post-doctorante dans le département Histoire numérique de l’IHA. Elle applique les techniques HTR à un grand corpus de textes manuscrits : les registres de plaidoyers du Parlement civil de Paris des XIVe et XVe siècles. La reconnaissance automatique des textes manuscrits est particulièrement utile pour obtenir assez rapidement un texte intégral brut de cette source, qui fournit des informations sur les procédures judiciaires. Mais la démarche comporte aussi de nombreux défis, comme la variabilité diachronique de l’écriture et la variabilité de la langue médiévale, ainsi que les distorsions et les effets des modèles de reconnaissance de texte générés sur la propre problématique historique. Dans son projet, Pauline Spychala teste différentes applications et plateformes pour la transcription semi-automatique de ces textes manuscrits et contribue ainsi à la critique des outils numériques (digital tool criticism).

Projet : Harmonising ATR-Workflows

D’autre part, l’accent est mis sur un projet de financement tiers soutenu par DARIAH-EU et mené par Anne Baillot (Univ. Le Mans) et Mareike König (IHA). Ce projet d’un an a pour objectif de permettre aux chercheur.e.s en sciences humaines d’utiliser de manière autonome les techniques ATR dans le cadre de leurs projets de recherche. Pour ce faire, un groupe international élabore des tutoriels en ligne destinés en particulier aux chercheur.e.s qui ne disposent pas de compétences technologiques approfondies. Parallèlement, le projet met en contact différents projets ATR existants afin de contribuer à une approche standardisée de l’utilisation de ces techniques. Le blog du projet se trouve à l’adresse https://harmoniseatr.hypotheses.org/. Sur Mastodon, le projet est présenté sous @harmoniseatr. Hashtag : #harmoniseatr

À vos agendas : atelier pratique ATR en septembre 2023

Pour toutes les personnes qui souhaitent appliquer elles-mêmes les techniques ATR à un corpus, nous recommandons notre atelier pratique. Il aura lieu les 7 et 8 septembre 2023 à l’IHA à Paris (avec le soutien financier de ALMAnaCH/INRIA, Département d’histoire de l’Université de Fribourg). L’atelier s’adresse en premier lieu aux doctorant.e.s et post-doctorant.e.s de toutes les disciplines des sciences humaines qui travaillent sur des sources allemandes et/ou françaises, indépendamment de l’époque à laquelle ces sources appartiennent. Les étudiants en master sont également les bienvenus. L’atelier est gratuit, une prise en charge forfaitaire des frais de déplacement peut être demandée. Aucune connaissance technique particulière n’est requise. L’annonce sera publiée dans les prochains jours sur ce blog.

__

Image mis en avant : Symbolbild ATR, Mareike König, CC-BY 4.0.



Citer ce billet
Mareike König (2023, 10 mai). Nouvel axe thématique dans le département Histoire numérique de l’IHA : Reconnaissance automatique des caractères (ATR). Digital Humanities à l'Institut historique allemand. Consulté le 23 février 2024, à l’adresse https://doi.org/10.58079/nkzr

  1. En Allemagne, les BU de Mannheim et de Tübingen soutiennent les institutions patrimoniales dans leur utilisation d’eScriptorium, comme on peut le voir ici sur le blog. []

Mareike König

Dr. Mareike König ist stellvertretende Direktorin am Deutschen Historischen Institut Paris. Sie leitet das deutschsprachige Blogportal für die Geisteswissenschaften de.hypotheses.org.

More Posts

Follow Me:
TwitterFacebook

Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail 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.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search