Du document d’archive au document texte en passant par la numérisation : mise en ligne de tutoriels vidéo
La transcription manuelle de sources manuscrites ou même imprimées est souvent une étape fastidieuse de la recherche, qui confine à l’irréalisable dans le cas où les sources à traiter sont trop nombreuses. Au cours des dernières années, les technologies de reconnaissance automatique de texte (Automatic Text Recognition, ATR) ont considérablement progressé et ont permis le développement d’outils comme Transkribus, eScriptorium, OCR4all ou OCR-D, qui facilitent le travail des chercheuses et chercheurs.
Pour autant, il n’est pas toujours simple de s’y retrouver dans les performances des différentes offres logicielles, ni de déterminer ce qui correspond à ce dont on a besoin. Les six tutoriels vidéo réalisés avec le soutien financier de DARIAH dans le cadre de l’appel « Workflows » ont pour objectif de remédier à cete difficulté. En suivant six étapes, les chercheuses et chercheurs ou ingénieur·es peuvent se familiariser avec le processus de reconnaissance automatique de texte, les questions à se poser avant de se lancer dans un tel projet, les critères à prendre en compte dans le choix des solutions logicielles, les concepts utilisés.
Pour réaliser ces tutoriels, Mareike König et moi avons eu la chance de pouvoir constituer une équipe de rêve dont la compétence en matière de reconnaissance automatique de texte n’est égalée que par leur disponibilité à mettre cette compétence au niveau des non-initié·es. Après une première séance de travail à Berlin en février 2023 au cours de laquelle le plan général a été élaboré et les équipes constituées, chaque team a préparé son ou ses unités vidéos. Celles-ci ont ensuite été (après une petite correction ortho-typo de l’anglais, un grand merci à Maya Haidar !) scénarisées sous la houlette de Paul Ramisch, et tournées à l’Institut Historique Allemand de Paris en novembre 2023.
Chacune des six étapes se présente sous la forme d’un tutoriel vidéo (voir la playlist YouTube) sous-titré en anglais, allemand ou français, ainsi que de billets de blog dans les trois langues (disponibles ic: https://harmoniseatr.hypotheses.org/). Un glossaire, également dans les trois langues, et quelques liens permettant d’aller plus loin en bibliographie, complètent le dispositif présenté sur le bloc “Harmonising ATR”.
Les tutoriels et leurs auteurices sont :
Etape 1: Débuter avec la transcription automatique de texte, par Ariane Pinche et Pauline Spychala: https://harmoniseatr.hypotheses.org/686
Etape 2: Où et comment obtenir des numérisations, par Anna Busch, David Lassner et Aneta Plzáková: https://harmoniseatr.hypotheses.org/3780
Etape 3: Prétraitement et optimisation des images, par Hippolyte Souvay et Larissa Will: https://harmoniseatr.hypotheses.org/3271
Etape 4: Analyse de mise en page, par Alix Chagué et Hugo Scheithauer: https://harmoniseatr.hypotheses.org/3487
Etape 5: Reconnaissance de texte et correction post-ATR, par Floriane Chiffoleau et Sarah Ondraszek: https://harmoniseatr.hypotheses.org/2866
Etape 6: Formats de sortie et réutilisation, par Floriane Chiffoleau et Sarah Ondraszek: https://harmoniseatr.hypotheses.org/2996

Après la présentation des tutoriels à l’Annual Event DARIAH à Lisbonne en juin 2024 (voir notre magnifique poster), les différentes ressources (tutoriels, entrées de glossaire) vont être présentées et disséminées sur Mastodon. Suivez-nous sur https://fedihum.org/@harmoniseatr pour en savoir plus… et dès que vous vous sentez prêt·es à vous lancer, commencez par vous orienter à partir de notre roadmap.
OpenEdition vous propose de citer ce billet de la manière suivante :
Anne Baillot (24 juin 2024). Du document d’archive au document texte en passant par la numérisation : mise en ligne de tutoriels vidéo. Digital Humanities à l'Institut historique allemand. Consulté le 22 avril 2025 à l’adresse https://doi.org/10.58079/11vk7