L’encodage TEI : qui doit encoder ? Emmanuelle Morlock-Gerstenkorn de l’ISH de Lyon
CR par Hubert Guillaud. Relu et corrigé par Thierry Buquet.
E. Morlock travaille à l’accompagnement de projet autour d’éditions critiques, notamment des éditions de sources et de manuscrits, les dossiers de Bouvard et Pécuchet de Flaubert. Le sujet de l’atelier était proposé par Lou Burnard. Comment dans les Digital humanities l’imbrication du technique et du scientifique est-elle indissociable ? Qui doit encoder ? Qui peut encoder ? Les chercheurs et les techniciens peuvent-ils encoder ? Quels sont les rôles des uns et des autres ?
La TEI (Text encoding initiative) est une initiative communautaire née dans les années 90 ; c’est un système de description, modulaire, peu prescriptif, pas prêt à l’utilisation. Il n’y a pas de DTD TEI, il faut créer son propre manuel, sa documentation et cela permet d’encoder des textes très divers. La TEI est une explicitation du travail d’encodage. Les balises décrivent le rôle de chaque élément dans une structure. Normaliser c’est pas : fais comme moi, mais explique moi ce que tu fais ! L’encodage est une étape d’un processus global. Pour créer un manuel TEI, il faut comprendre sa source.
L’encodage n’est pas une fin en soi, c’est un moyen. C’est la partie la plus longue d’un projet qui est souvent manuelle et cela s’effectue dans un éditeur XML que personne ne souhaite utiliser. Heureusement, la gestion de projet permet de définir les choses, de travailler en équipe. La qualité de tout ce qu’on peut faire ensuite dépend de l’encodage qu’on réalise. La qualité est toujours un compromis entre la réponse à un besoin, un délai et un coût, qu’il faut partager. Les chercheurs, les transcripteurs du manuscrit de Flaubert n’ont pas encodé. Qui d’autre peut encoder ? La machine bien sûr, mais pour des encodages simples. Peut-on avoir des encodeurs dédiés ? Un encodage, c’est toujours un décodage avant d’être un réencodage. Il faut déchiffrer le manuscrit, ce que seul un expert peut faire… Le réencodage nécessite de traduire des éléments dans le codage : à partir d’un prébalisage scientifique permettant de choisir les éléments à encoder. On passe par une transcription, un pré-encodage et un pré-balisage… Pour cela, on utilise l’image originale, une transcription et le pré-encodage permettant d’identifier les éléments. À l’ISH, on s’est organisé dans un travail d’équipe selon les compétences et les tâches attribuées à chacun, permettant de définir plusieurs rôles (responsable scientifique, expert TEI, encodeur…). La question de l’outil dans l’encodage est toujours le serpent de mer : y aura-t-il un outil « user friendly » que les chercheurs voudront utiliser un jour ? Mais un éditeur Wysiwig ne sera jamais sémantique !
Jusqu’où le chercheur doit-il aller dans l’appropriation des guidelines de la TEI ? Le guide d’encodage suffit-il ? Ne limite-t-on pas l’usage et les possibilités par le bridage de l’encodage, par le pré-balisage ?
S’approprier un encodage n’est pas facile. Le transcrire aussi. Le pré-encodage permet justement de limiter ce qu’on va encoder avec un niveau de qualité précis et validé. Dans le manuscrit de Bouvard et Pécuchet, on a surtout considérer le montage de citations. Il fallait donner du sens aux éléments en même temps qu’on construisait le manuel. Les balises de la TEI ont des liens de dépendances, de hiérarchies. Elles sont adaptées aux textes, mais cela porte une logique interne.
Qui encode ? Cela dépend de ce qu’on encode… et cela nécessite tout de même des connaissances précises, comme connaître le grec si on encode Thucydide. La compétence scientifique est incontournable dans le décodage. Il est plus simple d’apprendre la TEI pour exprimer avec finesse beaucoup de choses. Le risque est d’encoder des choses inutiles. Il faut bien distinguer le décodage du réencodage.
Emmanuelle Corne, des éditions de la MSH de Paris, réfléchit, avec son équipe, à une TEI commune à toutes leurs publications. Quand on parle de balisage sémantique, du point de vue de l’éditeur, il reste encore l’encodage et le traitement de ces balises. Or, le passage par le stylage est souvent ce que peut faire le chercheur… Quelles compétences garde-t-on pour chacun, même si la chaîne de travail ajoute de la plus-value à chacun ? Jusqu’où voudrait-on qu’ils aillent dans l’usage et l’apprentissage de la TEI ?
Pour Denise Ogilvie, la TEI est cruelle car elle est très belle et permet d’expliciter beaucoup de choses avec beaucoup de finesse. Mais à part des projets d’édition, la manipulation des objets qu’on a isolé demeure extrêmement faible. Le décalage est cruel. On a l’outil pour isoler des éléments, les lier entre eux, les faire parler… Mais on n’a pas les outils pour mobiliser tout cela… Sans outils d’exploitation La TEI n’est-elle pas un terrible cul de sac ? Que peut-on faire de l’encodage TEI, au même niveau d’exploitation que les bases de données ? Comment croise-t-on des encodages TEI avec des bases de données ?
Emmanuelle Morlock approuve ces remarques et explique que c’est ce manque de démonstrativité qui freine les chercheurs. Comment un encodage permet plusieurs exploitations différentes ? On aura du mal à convaincre les chercheurs. Il faut aller voir le TEI Démonstrator de Lou Burnard, pour montrer plusieurs exploitations de textes en TEI. Il est facile de convaincre de l’avantage de la normalisation et de l’encodage. Les chercheurs doivent s’y mettre pour comprendre. Pour maîtriser le manuel, pour décider ce qu’il faut encoder et ne pas encoder
Pour Emmanuelle Corne, on fait trois choses si on encode en TEI : 1) on archive des données struturées ; 2) on se permet d’avoir plusieurs niveaux de désencodage et réencodage qui peuvent s’affiner ou pas ; 3) on se permet de semi-automatiser pour différents supports de publication.
On utilise pas au maximum le travail réalisé par l’encodage. Pour Denise Ogilvie, on ne peut pas en rester à une chaine de publication ! Emmanuelle Morlock signale que le projet Textométrie à Lyon va permettre de traîter des textes encodés en TEI. Pour Jean-Philippe Miagué, la TEI est victime de sa richesse. Parce qu’elle n’est pas une DTD simple, son exploitation nécessite d’absorber des choses différentes et l’automatisme n’est pas évident. L’un des frein de Textométrie est d’exploiter des corpus finalement très différents, mêmes s’ils utilisent tous la TEI.
Pour un chercheur en histoire travaillant sur l’Inquisition, et qui s’est interressé à la TEI, précise que celle-ci ne remplace pas Word pour faire de l’édition critique. Peut-on ajouter des couches d’analyses sémantiques impossibles aujourd’hui dans Word ? Individuellement, c’est possible, mais il faut saisir le texte, reconnaître ce qui est important, après il faut comprendre la TEI, le mettre en œuvre et exporter le texte dans un format lisible. Au final, ça se relève assez difficile. Alors qu’utiliser SQL et des bases de données semblait plus facile. Il y a une différence entre ce que l’on peut mettre dans l’encodage et la manière dont on peut l’exploiter ensuite.
Denise Ogilvie demande qu’on puisse tout de même concevoir plus d’outils d’exploitation que Millefeuille et TEI Demonstrator, On ne peut pas encoder sans pouvoir interroger… Soit on abandonne la TEI, soit on créé des instruments, soit on créé des exports…
La transformation XSLT ne suffit pas. L’exploitation éditoriale n’est qu’une exploitation. Mais il faudra toujours faire le pont entre les outils d’analyse statistique autour du texte et le texte encodé. L’encodage sémantique de la TEI doit pouvoir être mobilisé, tout en maintenant le lien avec la structure du texte, exige Denise Ogilvie. Si on fait un effort scientifique de description, il faut pouvoir non seulement les signaler, mais surtout pouvoir les exploiter.
Pour opérer l’exploitation des données, on ne peut pas inventer de systèmes génériques, mais peut-être imaginer des centres de compétences qui viennent aider le développement à façon. Les centres de ressources numériques existent déjà au CNRS, comme Telma. Mais on a du mal à sortir du travail à façon, spécifique à un projet, et réutiliser ensuite l’expertise d’un projet pour d’autres, car chaque corpus a souvent ses objectifs propres. D’autant que la TEI permet une personnalisation pour chaque projet.
Nicole Dufournaud, historienne : Il faut oublier Word car il auto-génère des caractères cachés qui apparaissent dans un éditeur XML. Encoder pour un chercheur en histoire est un peu comme une science auxiliaire. Elle a fait de la paléographie pour transcrire des sources, alors que beaucoup de chercheurs refusent la paléographie et traitent de textes qu’ils n’ont pas déchiffré eux-mêmes. L’encodage est une autre forme d’analyse qui permet de faire une autre lecture et d’approfondir cette lecture. L’apprentissage est colossal, mais en bout de course, la lecture est bien plus approfondie. C’est un atout pour le chercheur d’encoder, de baliser. Il est évident que quand on monte un projet TEI, il faut des chercheurs, des ingénieurs et surtout des informaticiens… C’est ce trio qui permet d’aboutir à un projet. C’est mieux pour l’encodage comme le produit de la recherche, car il y a aussi une réflexivité sur le texte. Pour l’après, il faut un informaticien pour exploiter le contenu encodé.
Emmanuelle Morlock explique que on si on augmente les ambitions, héla s ce n’est pas le cas pour les investissements. Il faut aussi payer l’informaticien, le traitement, le retraitement, la pérennisation…conclut Hervé Le Crosnier. Passer en numérique ce n’est pas économiser quelque chose, c’est créer l’avenir et cela coûte. On monte en ambition et cela monte les coûts. Beaucoup de projets se lancent dans la TEI, utilise la norme, sans bien évaluer l’investissement, l’utilité réelle que cela va représenter.
Denise Ogilvie explique que la TEI a de l’intérêt chaque fois que l’interrogation d’un texte complexe est en jeu. Elle travaille sur des inventaires où plusieurs couches d’informations permettent de tracer l’histoire d’un groupe d’archive. Il est très important pour elle que la structure du texte intervienne dans la structuration du document. Elle a besoin de la TEI, d’éditer ce texte, de voir et faire voir les annotations, mais il faut aussi que ce soit manipulable dans cette structure-là. Il faut proposer une édition à la lecture et en proposer l’interprétation, expliciter pas seulement le texte, mais aussi son interprétation, c’est ce qui justifie le coût de la TEI. Ce n’est pas qu’un manque de moyen, mais aussi un manque de réflexion collective. La TEI est la bonne solution à mon problème, mais il faut que je trouve la solution pour la faire apparaître.
Emmanuelle Morlock : Où en est-on ? On a un outil prometteur et adapté, mais il manque les moyens pour le montrer. Il manque de forums TEI sur le problème de l’exploitation car on regarde plutôt comment on encode, plutôt que ce que cela donne. Mais ce problème est général. La TEI créé de l’hétérogénéité, et nécessite uniquement des solutions ad-hoc. Il y a tout de même des listes de discussions comme TEI.fr qui permettraient de mettre sur le devant de la scène ces problèmes. Que peut-on proposer ? De mutualisation des utilisations possibles et de la recherche sur les TEI possible permettant de montrer des exemples concrets… Les informaticiens ne sont pas formés pour utiliser de la poésie ou des textes en sciences humaines.
Pour aller plus loin, l’inviation est lancée de participer aux Journées MUTec, La TEI en France, 9-11 juin 2010 à Lyon.
1 réponse
[…] de travail d’informations (C. Desenclos, D. Stutzmann). En écho à une autre journée (L’encodage TEI : qui doit encoder ? Emmanuelle Morlock-Gerstenkorn de l’ISH de Lyon) est revenue la question de l’intervention du chercheur dans un éditeur XML ou par […]