La plate-forme e-Man présente des manuscrits hispaniques et francophones d’Afrique. Il s’agit le plus souvent de brouillons d’écrivains. Ces manuscrits représentent donc des étapes dans le processus de création des écrivains.
Afin d’étudier ces documents, les chercheurs doivent pouvoir en effectuer une transcription, c’est-à-dire taper à l’ordinateur tous les éléments qui figurent sur la page du manuscrit. Cela leur permet de citer des passages et de donner accès au contenu de ces documents de manière plus lisible et interrogeable que sous leur forme manuscrite. La transcription est déjà très utile dans le cas de publications papier en ce qu’elle permet de réduire le coût de l’impression par rapport à l’impression d’un manuscrit qui nécessiterait l’impression d’images en couleurs ou en niveaux de gris, plus coûteuse que l’impression en noir en blanc d’une transcription. Dans le cas d’une édition électronique, la transcription vient en complément du manuscrit. Transcription et manuscrit peuvent, en effet, aisément figurer côte à côte dans une bibliothèque virtuelle. C’est le résultat auquel nous souhaiterions aboutir dans le cas d’e-Man, qui est une bibliothèque virtuelle construite à partir du logiciel Omeka.
Transcrire et encoder simultanément
Transcrire un manuscrit s’effectue généralement dans un outil de traitement de texte (Word, Open Office, etc.). Puis vient l’étape de l’encodage, généralement dans un logiciel d’encodage professionnel de type Oxygen. L’encodage permet de structurer le document pour lui donner une forme similaire à la page de manuscrit. Il permet également d’effectuer des recherches avancées dans le texte : par exemple, si tous les noms de personnes ont été encodés en tant que « nom de personne », on pourra rechercher tous les noms de personnes dans un corpus donné. Si le texte à transcrire ne pose pas de problème de transcription particulier (peu d’ajouts interlinéaires, peu de ratures, peu d’ajouts de texte en marge, etc.), il convient d’effectuer la transcription dans un premier temps puis l’encodage dans un deuxième temps.
Au contraire, les manuscrits présents dans la plate-forme e-Man sont des brouillons qui comprennent nombre de ratures, d’ajouts de mots ou de phrases entre les lignes de la page ou dans les marges, etc. Or, un éditeur de texte ne permet pas d’écrire entre les lignes comme on le fait sur une feuille de brouillon. Il est donc compliqué de transcrire ce type de phénomène dans un éditeur de texte puis d’envisager de transférer le résultat en ligne. En effet, s’il est possible de barrer du texte dans un éditeur de texte, cela n’est ensuite pas bien reconnu en langage informatique au moment du transfert en ligne, d’où la nécessité d’encoder ce phénomène dans un langage spécifique. Dans le cas d’une édition électronique, transcrire et encoder dans une même phase pourrait donc représenter un gain de temps considérable.
La nécessité d’un encodage en XML-TEI adapté aux corpus d’e-Man
Le langage le plus approprié pour encoder des documents littéraires est le XML-TEI, le langage XML développé par le Consortium TEI. Celui-ci est particulièrement adapté pour encoder les manuscrits : en effet, le Consortium TEI a commencé, dans les années 1980, par développer des balises pour encoder les manuscrits anciens et, depuis, n’a cessé de développer de nouvelles balises pour adapter le XML-TEI à de nouveaux besoins. Ainsi, depuis 2011, on trouve un grand nombre de balises utiles pour encoder les phénomènes de critique génétique. Cependant, certaines balises ne peuvent s’insérer qu’à l’intérieur de balises , ce qui représente une contrainte trop importante pour notre projet. Nous avons donc fait le choix d’adapter certaines balises existantes et d’en créer d’autres afin de répondre au mieux à nos besoins.
Une barre d’outils d’encodage
Le logiciel le plus utilisé pour l’encodage est le logiciel Oxygen. Celui-ci est un logiciel propriétaire payant qui représente un coût pour toute structure souhaitant l’utiliser. De plus, ce logiciel n’est pas d’utilisation instinctive : il est le plus souvent utilisé par des professionnels de l’encodage. En effet, Oxygen ne possède pas de barre d’outils, ce qui rend son utilisation relativement fastidieuse : pour chaque phénomène, on doit en connaître la balise correspondante. Afin de faciliter la tâche des chercheurs qui souhaitent encoder leurs transcriptions, nous souhaitons développer une barre d’outils pour encoder tous les phénomènes à encoder : grâce à une barre d’outils, le chercheur pourra, en effet, surligner chaque mot ou groupe de mots à encoder et cliquer sur le bouton correspondant.
Les outils d’encodage existants
Outre le logiciel Oxygen, il existe d’autres outils d’encodage.
1- Le logiciel Transkribus (Université d’Innsbruck, Autriche)
Ce logiciel open source est disponible au téléchargement depuis mars 2015. Il comprend une barre d’outils d’encodage adaptable et un outil de reconnaissance de caractères. Il est à noter que la reconnaissance de caractères est une étape obligée dans ce logiciel. Il convient donc surtout aux corpus d’un auteur unique, seule manière de bénéficier de la capacité du logiciel de reconnaissance de caractères à apprendre à reconnaître les caractères après qu’on les lui a appris pour un premier échantillon de texte. Notre corpus comportant un nombre varié de graphies, nous avons écarté l’utilisation de ce logiciel.
2- Le plug-in Scripto du logiciel Omeka
Ayant développé notre plate-forme à l’aide du logiciel Omeka, nous nous sommes intéressés au plug-in de transcription collaborative Scripto que propose Omeka. Celui-ci fonctionne à partir du système MediaWiki. Les transcriptions figurent donc dans un wiki de transcription. Omeka fait apparaître les transcriptions du wiki dans la plate-forme. Ce plug-in Scripto pose un problème de double gestion de plate-formes (Omeka et wiki) et propose une barre d’outils qui ne reconnaît pas le XML-TEI. Nous excluons pas l’utilisation de ce plug-in. Toutefois, nous devons réussir à résoudre ces deux inconvénients si nous choisissons de l’utiliser.
3- Le wiki de transcription du projet Bentham (University College London)
Le Transcribe Bentham Project est un projet de transcription collaborative des manuscrits de Jeremy Bentham. Il a été élaboré par le University College London en 2010 à partir d’un wiki de transcription du système MediaWiki. Il propose une barre d’outils d’encodage en XML-TEI. Celle-ci est adaptée aux besoins spécifiques aux manuscrits de Jeremy Bentham. Ce wiki de transcription du UCL est proposé en téléchargement libre et est open source. Si nous arrivions à adapter la barre d’outils de ce wiki de transcription à notre projet, nous pourrions envisager de l’utiliser dans un wiki ou directement dans Omeka.
4- La barre d’outils Tiny MCE intégrée à Omeka
Omeka possède une barre d’outils en HTML. Il est possible de compléter la barre d’outils existante en ajoutant des boutons à celle-ci. Nous avons, par exemple, pu y ajouter un bouton « barrer » et une palette de couleurs. Cependant, il semble que le nombre de boutons intégrables soit limité.
En définitive, le choix de l’outil à utiliser pour créer notre barre d’outils d’encodage n’est pas arrêté.
La rédaction d’un manuel d’encodage
Si la barre d’outils que nous souhaitons créer n’est, pour l’instant, qu’à l’état de projet, la réflexion que nous avons menée a abouti à la rédaction d’un manuel d’encodage. Dans ce manuel, nous établissons la liste détaillée des balises XML-TEI que nous souhaiterions intégrer à une barre d’outils d’encodage, notamment des balises pour encoder les campagnes d’écritures propres à l’analyse génétique.