Le consortium CAHIER (Corpus d’Auteurs pour les Humanités : Informatisation, Édition, Recherche). Oeuvres et édition numérique

vignetteEn quelques années, l’ensemble des activités d’enseignement, de réflexion et d’édition critique ont basculé sur un support numérique, ainsi que, sans doute, une grande partie de nos occupations personnelles et sociales. Parallèlement, les modes de validation du savoir et l’autorité même de l’institution universitaire se sont trouvés modifiés par la diffusion mondialisée et ouverte[1], jusqu’à la dispersion anarchique des sources de savoir et des corpus textuels primaires. Il importe donc de mesurer l’immense apport des bibliothèques en ligne et des moteurs de recherche dans le domaine des études littéraires et philosophiques, dans l’ordre non seulement de la diffusion du savoir, mais aussi des conditions et des modalités de la recherche. L’émergence des humanités numériques va de pair avec une perte d’insularité disciplinaire et géographique et l’accès permis, par les bases de données, au contexte culturel et aux détails d’une aventure textuelle, offre le projet d’une lecture active de l’œuvre et d’une forme novatrice d’appropriation de la critique, désormais plus ouverte au débat et à l’intelligence collective.

De même, l’édition numérique circonvient – ou complète – le pouvoir traditionnel de l’éditeur en promouvant des formes d’autopublication ou de publication ouverte où les équipes de recherche se sont rapidement engagées, tandis que l’importance accrue des communautés disciplinaires ou non (sociétés savantes et associations), d’outils plus larges comme HAL et academia.edu, voire des réseaux sociaux généralistes (FaceBook, LinkedIn), affecte ainsi peu à peu les stratégies personnelles et institutionnelles de diffusion et de valorisation du savoir. Ces mutations imposent de penser, dans sa dimension épistémologique, politique et économique, la conversion numérique des humanités, alors même que les réflexions actuelles sur l’histoire matérielle du livre et de la lecture (entraînée dans une accélération rapide où les déterminations technologiques exercent ce que Roger Chartier nomme une perturbation de « l’ordre des discours[2] »), nous conduisent à la redécouverte de vastes corpus anciens et encouragent de nombreuses initiatives d’analyse et d’exploitation de ceux-ci.

C’est ce contexte, favorisant la prolifération d’entreprises académiques de numérisation de corpus, et le besoin croissant de soutiens juridiques et de recommandations techniques comme d’échanges méthodologiques, qui sont à l’origine de la création du consortium CAHIER.

Manuscrit Stendhal

Manuscrits de Stendhal conservés à la Bibliothèque municipale de Grenoble : vues numérisées des pages, transcriptions et descriptions, « Anecdote » 1797, projet Manuscrits de Stendhal, Traverses 19-21 (EA3748, Université Stendhal-Grenoble 3)
http://manuscrits-de-stendhal.org/index2.php?show=unique&idpage=683

 

 

Un consortium improbable

Lorsque ce consortium a été proposé en juin 2011, la constitution rapide d’une telle fédération de chercheurs s’occupant de « corpus d’auteurs » était fort improbable. Les spécialistes ne disposaient pas d’une structure qui permette d’organiser une communauté partageant le souci de diffuser des sources et des données concernant des auteurs, des écoles, des œuvres ou des thématiques, des corpus philosophiques ou relatifs à l’histoire des arts. La réunion de douze membres fondateurs[3] a permis de proposer un premier noyau de projets ou de laboratoires (suivant le cas) formé à partir d’auteurs (Stendhal, auteurs francophones, Montesquieu, Molière, Flaubert, Montaigne, Descartes, philosophes polonais, Horace, rhétoriciens), connus ou moins connus, de l’Antiquité à l’époque contemporaine. Nous avons tenu compte des consortiums déjà créés par les linguistes (Corpus Écrits et IRCOM) et par les anthropologues, et qui allaient être suivis par de nouveaux projets en histoire ancienne et médiévale, histoire politique, archéologie, géographie et musicologie, et d’autres encore en formation. Les linguistes partagent de façon évidente des préoccupations communes avec CAHIER de traitement des données textuelles, et certains projets appartiennent à deux consortiums.

Le périmètre de CAHIER est donc défini par différence, mais sans rigidité excessive, et reste ouvert à de nouvelles contributions. En deux ans, le nombre de projets adhérents a doublé[4] : nous ne partions pas, comme les linguistes, de fédérations existantes qui pouvaient déjà constituer une base presque exhaustive de laboratoires concernés . Nous savions que les littéraires et les philosophes, qui ont leurs propres associations, appartiennent à des réseaux souvent fragmentés par périodes (antique, médiévale, moderne, contemporaine) et que les méthodologies sont rarement partagées en diachronie sur des objets communs, la configuration des laboratoires étant extrêmement variable selon les établissements. Aucune association, en lettres, ne regroupe tous les spécialistes de littérature française ou étrangère. En revanche, on ne compte plus les « Association des Amis de X », dont la vie est parfois presque fusionnelle avec un laboratoire, parfois complètement étrangère au monde de la recherche.

Lecture et ouverture des données

La politique de structuration des laboratoires d’excellence, dans ou hors des PRES ou des IDEX, pouvait aller à l’encontre d’une fédération nationale indépendante des grandes concentrations d’écoles et d’universités. Même s’il était prévisible de retrouver un tiers des projets dans les établissements de Paris et de ses environs, et à Lyon, trois MSH sont fortement impliquées dans CAHIER en région (Caen, Val de Loire[5], Alpes). Chaque projet intéressant la communauté peut y trouver sa place, pourvu qu’il réponde aux critères généraux qui ont présidé à la création de l’IR Corpus et confirmés par Huma-Num, et aux critères spécifiques de CAHIER au moment des négociations avec le ministère : notamment, dans le cadre général (et encore assez vague) des « humanités numériques », l’ouverture des données pour l’édition des textes sources, en relation avec la Bibliothèque Scientifique Numérique, les presses universitaires et le CLEO. Or ces textes qui sont la plupart du temps du domaine du « patrimoine » littéraire ou scientifique représentent potentiellement un double marché : d’abord un marché éditorial puisque traditionnellement une édition critique, même peu annotée, est mise en forme, publiée et diffusée par un éditeur commercial, et ce texte entre alors dans un système de circulation des biens et des valeurs opposé par principe à l’accès gratuit aux textes en ligne ; ensuite un marché symbolique, celui de la valeur scientifique liée, que cela soit avéré ou non, à l’existence d’un objet en papier, sur lequel est apposé un nom d’éditeur scientifique et celui d’une marque reconnue, de préférence un éditeur commercial jouissant de l’estime académique. On sait bien que cet objet-livre est aussi l’un des critères d’évaluation d’un recrutement ou d’une carrière, ce qui n’est pas du tout le cas de ces objets immatériels souvent peu formatés que sont les textes numériques. Le lien avec l’établissement minutieux du texte semble distendu, voire annulé, l’auteur et son éditeur évanescents et éminemment pillables. On ne sait plus ce qui est à soi ou à autrui et la page de papier semble un rempart —dérisoire— à cette usurpation de propriété.

L’édition numérique : sans marque ni qualités ?

À cause de cette valeur symbolique, bien plus qu’à cause des maisons d’édition qui essaient de survivre, le texte numérique qui nous rassemble tous peut aussi produire un effet clivant. Plusieurs porteurs de projets éditoriaux ne souhaitent pas entrer dans le consortium par peur de diffuser leurs données en dehors de l’édition papier, et les seuls corpus admis seraient ceux qui bénéficient aussi d’une « marque » identique à celle de l’éditeur, même si de fait les moyens des universités et grandes écoles excluent qu’ils y soient abonnés. Pour avoir accès aux éditions numériques des auteurs majeurs de la littérature française, par exemple, dans les éditions autorisées, il faut s’acquitter d’une contribution élevée. Mais pour qui éditons-nous ? Pour la postérité ? Pour nourrir un curriculum vitae ? Ou pour diffuser des textes sûrs au plus grand nombre, tâche qui risque bien d’être assurée par d’autres circuits, et libres, comme Wiki-sources ? Paradoxalement, il est heureux qu’il y ait les pirates qui scannent ou récupèrent comme ils le peuvent les éditions savantes et les diffusent de façon anonyme, et permettent à tout lecteur de lire des classiques ou des œuvres singulières et méconnues. Ainsi la littérature est-elle disséminée grâce à et malgré ses éditeurs académiques : les pilleurs se considèrent comme « légitimes » dans la mesure où ils s’approprient des travaux souvent déjà financés par l’État. L’une des premières tâches du consortium a été d’organiser la discussion avec les éditeurs, de mettre en place un groupe de réflexion sur les questions juridiques, qui travaille avec les autres consortiums. Ce groupe a rédigé une première série de recommandations pour faire comprendre aux éditeurs scientifiques qu’ils peuvent maintenir leurs droits sur les versions originales de leurs textes tout en signant des contrats —négociés— avec les éditeurs commerciaux et les ayants droit, selon un modèle public-privé où chacun a intérêt à protéger la propriété intellectuelle sans empêcher la plus grande diffusion de textes enrichis d’une valeur scientifique.

Manuscrit Flaubert

Mise en ligne d’un manuscrit et de sa transcription: exemple d’une page préparée pour le “second volume” de Bouvard et Pécuchet de Flaubert (Collections Bibliothèque municipale de Rouen, Cote g226 – vol. 3 – f°011 – Recto, http://www.dossiers-flaubert.fr/cote-g226_3_f_011__r____). Projet Bouvard, LIRE (UMR 5611)

Redistribution des rôles

Le numérique oblige à la pluridisciplinarité, qu’on le veuille ou non : les outils de traitement des données textuelles sont développés par des informaticiens, des linguistes ou par des ingénieurs ayant une formation en sciences humaines et en informatique, qui ne peuvent être en aucune manière considérés comme de simples exécutants. Le développement ou l’application de ces outils ne peut plus s’effectuer dans un rapport éloigné de commanditaire à prestataire, mais de collaboration étroite et permanente, qui demande des efforts d’adaptation réciproque : processus évident, mais établi sur la longue durée et qui nécessite des ateliers communs. Les littéraires découvrent ou redécouvrent leur approche spécifique en se frottant aux autres disciplines, notamment à l’informatique et au traitement automatique du langage, aux statistiques, aux outils du web sémantique et aux systèmes de géoréférencement, qui ouvrent de nouvelles perspectives à la recherche sur les textes. La proximité et les différences entre les disciplines des humanités (philosophie, lettres, histoire, histoire de l’art) à propos du document ou du texte numérique génèrent des discussions de fond sur ce qu’est un « texte », un « document », une « archive », dans une approche par l’objet qui remet en question ou fortifie les présupposés théoriques.

Manuscrit Montesquieu

Lecture de la transcription et du manuscrit simultanément : projet Montedite, édition électronique des Pensées de Montesquieu (CRHQ, UMR 6583, CNRS/Université de Caen) http://www.unicaen.fr/services/puc/sources/Montesquieu/index.php

Réflexion sur l’encodage

L’un des effets majeurs du consortium et de ses activités est l’avancée de l’appropriation : loin d’être adoptée sans réflexion la méthode d’encodage en TEI, qui a pu être présentée comme le standard incontesté en matière d’encodage des textes,  est examinée, testée et adaptée dans les différents ateliers organisés depuis deux ans. Rappelons brièvement les nombreux enjeux méthodologiques de ce format d’encodage normalisé qui impose une distinction du contenu et de son affichage en permettant des visualisations variées et adaptées à des projets différenciés : elle promet continuité et transformation par un principe d’intervention explicite, comme l’intégration possible à des outils de contextualisation permettant de produire des sites comme des univers textuels de recontextualisation en intégrant un savoir externe (entités nommées, métadonnées, linked data). Avec les méthodes d’encodage de la TEI ont pu se déployer autant les avantages du close reading (le texte peut être dénarrativisé, pensé comme une base de données, le pattern-matching peut aider l’herméneutique, l’analyse heuristique de la structure conduit à penser l’« énonciation éditoriale »), que du distant reading, puisque le balisage offre la perspective d’une analyse groupée de textes, voire de corpus hétérogènes ou jamais précédemment réunis dans une démarche épistémologiquement empirique.

Les stages d’initiation ou d’encodage avancé (Tours et Paris, 2011, 2012 et 2013), les ateliers portant sur les brouillons (2013), sur le flux éditorial (Caen 2012, Grenoble 2013), les journées de travail sur les entrepôts OAI (2013) et sur le langage XSLT (2014) sont l’occasion d’échanges et de discussions sur les métadonnées et l’intégration des analyses d’experts dans les champs de description. Chercheurs et ingénieurs tentent de parvenir à un consensus sur des entités aussi fondamentales que le texte, l’auteur, les genres, et les divergences, dont on connaissait bien sûr l’existence, apparaissent comme de véritables nœuds scientifiques lorsqu’il s’agit de proposer aux moteurs de recherche des critères et des filtres efficaces. Le vocabulaire doit en être, autant que possible, multilingue, afin de préserver les spécificités des corpus et de distinguer ce qui pourrait relever d’ontologies hétérogènes[6].

Manuscrit Montaigne

Les Essais de 1588 annotés par Montaigne (BM de Bordeaux) et la transcription en TEI des parties manuscrites, projet Monloe, CESR (UMR7323, CNRS, Université de Tours).

Vers de nouvelles compétences

Ces rencontres favorisent également les échanges avec les métiers de la culture, avec les documentalistes et bibliothécaires pour l’harmonisation des pratiques dans des domaines qui se recoupent maintenant en partie : en élaborant les métadonnées de leurs corpus, les chercheurs se rapprochent des pratiques des catalogueurs, tandis que les spécialistes du livre décrivent aussi les contenus des corpus, avec leurs propres méthodes d’indexation.

Les activités du consortium rayonnent bien au-delà du cercle de ses membres, comme on le voit dans les rencontres, stages et conférences des Digital Humanities, du consortium TEI, des réseaux des humanités numériques déployés en Europe et dans le monde, comme le soutien de notre consortium au moteur de recherche PhiloLogic de l’Université de Chicago en témoigne[7]. CAHIER cherche actuellement à déployer une plate-forme (projet Web-OAI) visant à la fois au regroupement et à la visibilité de projets du consortium, comme à l’exposition de ses corpus avec le protocole OAI-PMH afin de permettre son référencement dans des outils tels qu’Isidore, projet potentiellement partageable avec d’autres consortiums. Il doit aussi se préoccuper des questions d’archivage (avec le CINES et leurs spécialistes dans HUMA-NUM), faire progresser la confiance dans le partage des données et des méthodes, agir pour que les humanités numériques aient une place dans les cursus universitaires, de la licence au doctorat, et combler le retard français dans la reconnaissance de nouveaux métiers.

Marie-Luce Demonet
Responsable du consortium CAHIER
Directrice de la Maison des Sciences de l’Homme Val de Loire (Orléans-Tours), Institut Universitaire de France
Projet « Bibliothèques Virtuelles Humanistes », Centre d’Études Supérieures de la Renaissance, Université de Tours. Equipex Biblissima

Alexandre Gefen
Responsable des projets numériques du CELLF, Paris IV, Labex Obvil
Fondateur du site fabula.org, membre du comité de pilotage de cahier


[1] Sur cette diffusion, notamment la question de l’open access et des archives ouvertes, voir Carl Lagoze, et al. (dir.), Open Archives Initiative Object Reuse and Exchange. ORE User Guide – Primer, disponible en ligne : www.openarchives.org/ore/1.0/primer ; John Willinsky, The Access Principle : The Case for Open Access to Research and Scholarship, Cambridge (Mass.), The MIT Press, 2005 ; Christine Aubry (dir.), Les Archives ouvertes : enjeux et pratiques. Guide à l’usage des professionnels de l’information, Paris, ABDS éditions, 2005 ; Unesco, European Commission et German Commission for Unesco, Open Access, Opportunities and Challenges : A Handbook, Luxembourg, Office for Official Publications of the European Communities, 2008 ; disponible en ligne : http://unesco.de/fileadmin/medien/Dokumente/Kommunikation/Handbook_Open_Access_ English.pdf.

[2] Voir notamment, de Roger Chartier, « Lecteurs et lectures à l’âge de la textualité électronique », in Gloria Origgi et Noga Arikha (dir.), Texte. Le texte à l’heure de l’Internet, Paris, Bibliothèque publique d’information, Centre Georges Pompidou, 2003, p. 17-50 ; id., « L’écrit sur l’écran. Ordre du discours, ordre des livres et manières de lire », Entreprises et histoire, no 43, 2006/2, p. 15-25 ; id., « L’avenir numérique du livre », Le Monde, 26 octobre 2009 ; id., « La mort du livre », Communication & Langages, no 159, 2009, p. 57-66. A. Gefen vient d’achever une réflexion sur les effets de redistribution des formes de lecture induits par le numérique, sous le titre « Les deux lectures », texte à paraître aux Presses universitaires de Bordeaux, 2013, in Comment lira-t-on demain ?, sous la direction d’Olivier Bessard-Banquy.

[3] CESR-BVH (Tours), CELLF-CEPM (Paris IV), Traverses-Stendhal (Grenoble III), ICAR-LinCoBaTo (Lyon ENS), ITEM (Flaubert, Proust, Paris ENS), ERHO (Paris III), RARE (Grenoble III), LIRE-Bouvard (Lyon II/ ENS), IHPST-E-lv (Paris), MSH Caen (projets Ichtya, Descartes, Malaterra, Montesquieu), Institut Desanti (Lyon ENS), IRHT-humanisme, Lyon-Montesquieu (ENS-IHPC).

[4] Avec l’adjonction des projets Tchitchérine (Triangle, Lyon ENS), Sociorama (Reims/ Liège), Livre italien (MSH Caen), LIRE-Dumas (ENS), Michelet (Paris VII), D’Alembert (Paris VI), Flaubert (Rouen), BiPram (Lyon ENSSIB), HyperDonat (Lyon Hisoma).

[5] À l’origine, le Centre d’Études Supérieures de la Renaissance, UMR 7323, Université de Tours, était seul porteur du consortium. Depuis 2012, CAHIER est géré conjointement par le CESR et la MSH Val de Loire (Orléans-Tours). Le site est hébergé par l’Université Paris IV.

[6] Voir M.-L. Demonet, « Faceting text corpora », communication donnée à la TEI Conference, Rome, 5 octobre 2013.

[7] https://sites.google.com/site/philologic3/


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.