Retour sur la journée « Les processus de création et d’écriture à la lumière des corpus sériels numérisés. Le cas des Lettres françaises d’Aragon »

Compte-rendu de la journée du 5 décembre 2016, MSHS Poitiers

Compte rendu rédigé par Aurélia Vasile, MSH de Dijon

Cette journée de travail a réuni des chercheurs et ingénieurs qui travaillent sur un projet numérique autour des textes d’Aragon dans la revue Les Lettres françaises. Le laboratoire ITEM-CNRS (Institut des textes et manuscrits modernes) et l’équipe d’accueil FORELL (Formes et représentations en linguistique et littérature) soutenus par la MSHS de Poitiers, sous la responsabilité scientifique et technique de Luc Vigier et Richard Walter, ont démarré cette expérience sur la plateforme d’édition e-Man : http://eman-archives.org/

Ce projet a pour ambition de réaliser ce qui est appelé « une édition génétique numérique » : un dispositif d’abord intellectuel et ensuite technique pour retracer et reconstituer le processus de création de la pensée et du discours critique d’Aragon à travers ses articles publiés dans Les Lettres françaises et en lien avec ses ouvrages.

La journée a été aussi l’occasion de présenter d’autres retours d’expériences sur la numérisation de grandes collections ou de corpus sériels.

  • Numériser des corpus sériels par Richard Walter (ITEM, ENS-CNRS)

Richard Walter a souligné les enjeux du numérique dans le cadre de ce type de projet, plus précisément la numérisation et le traitement des corpus sériels. Avec une parution mensuelle entre 1942 et 1972, la collection des Lettres françaises comprend plusieurs centaines de numéros, ce qui nécessite une approche de contextualisation, d’authentification et de datation, sans oublier les questions juridiques et de labellisation institutionnelle à l’origine du projet.

Le nombre important de données associées à ce fonds ouvre la question des techniques et des normes de traitement (web sémantique, plateformes de diffusion, de stockage et d’archivage, « big data »). Il est également important de mentionner les limites du traitement de corpus sériel : gérer la volumétrie, la complexité de documents, la granularité de l’appareil critique, etc.

  • Le cas des Lettres française d’Aragon – Retours d’expériences par Alice Lebreton, Julie Morrison, Luc Vigier, équipe Aragon, ITEM (ENS-CNRS)

Luc Vigier, le responsable scientifique du projet a présenté plusieurs aspects du projet :

  • Un court historique de la revue (parution, direction), le rôle d’Aragon en tant que directeur.
  • La typologie des textes d’Aragon (ouvrage, articles, manuscrits), des manuscrits très propres, sans correction, sans ratures.
  • Des approches institutionnelles de traitement de ce corpus : la BNF a réalisé la numérisation des numéros de 1942 à 1944. Une édition critique complète ce travail de la BNF, en rajoutant des annotations et une mise en avant des pseudonymes : Les Lettres françaises et les étoiles 1942-1944 dans la clandestinité, François Eychart, Georges Aillaud, Le Cherche midi, 2008.
  • Volumétrie du corpus : 1500 numéros (environs 50 000 pages), mais l’équipe prévoit de numériser à ce stade un quart de la collection. Il est privilégié la numérisation en couleurs des documents d’origine.
  • Les limites juridiques : la numérisation et la mise à disposition posent un certain nombre de problèmes de droits et d’accès aux ressources, des limites soit imposées par les bibliothèques, soit par différents autres détenteurs de droits (droit sur les images, droits sur les textes). La solution provisoire est de proposer pour le moment un accès limité à la plateforme pour les chercheurs du projet, puis une publication a) de toutes les métadonnées et discours critiques b) des pages libres de droits ou avec droits négociés.
  • L’urgence de conservation : la numérisation de la revue n’est pas uniquement une question de mise à disposition pour les chercheurs, mais aussi une question de sauvegarde, exigé par l’état physique en cours de dégradation de la revue, en particulier pour les pages en couleurs.
  • L’objectif scientifique du projet : réaliser l’étude génétique de l’écriture d’Aragon, c’est-à-dire l’exploitation des pages du journal comme anticipation de l’écriture des romans d’Aragon, et aussi l’intégration des articles de presse dans la génétique de son œuvre. Cela demande alors de traiter les articles d’autres que ceux écrits par Aragon et cela permet aussi de faire la génétique du discours de l’art au XX siècle.

Julie Morrison est l’auteur d’une thèse de doctorat sur la prose critique et romanesque des années soixante dans l’œuvre d’Aragon. Sa présentation a mis en avant l’impact de la numérisation sur l’analyse de la génétique de l’écriture chez Aragon. L’objectif de ce projet serait de créer des liens entre des articles bien identifiés et bien décrits et de mettre en avant les éléments communs et récurrents (vocabulaire, stylistique, thématique) d’un article à l’autre permettant une visualisation de l’évolution de l’écriture d’Aragon des articles vers les romans. Julie Morrison a présenté un schéma qui regroupe sur un axe chronologique et transversal des textes (des articles ou des romans) de manière à montrer l’interconnexion sémantique entre des textes d’époques différentes.

Alice Lebreton, étudiante dans le master de Littérature et culture de l’image de Poitiers, a montré le jeu de relation à partir d’un seul numéro des Lettres françaises (n° du 4 novembre 1965). En plus des éléments de génétique textuelle, Alice Lebreton a mis en évidence le rôle génétique des illustrations de la revue dans l’émergence du discours d’Aragon.

  • Omeka & le corpus sériel, par Richard Walter

Omeka est l’outil de gestion des ressources dans le cadre du projet Les Lettres françaises. Richard Walter présente les principales fonctionnalités et limites de ce logiciel.

  • Outil « open source ».
  • Gestion de collection de documents, ce qui le recommande pour un travail archivistique et documentaire.
  • Mise en place d’expositions virtuelles (spécifique aux approches muséographiques).
  • CMS de « bibliothèque numérique » : il permet de publier rapidement et en masse (il permet de rendre accessible des documents).
  • Limites d’Omeka : il n’y pas encore de réelles possibilités d’en faire un outil d’édition critique ; il n’y a pas la possibilité d’interrogations qu’offre, par exemple, un outil ad hoc qui exploiterait directement une base MySQL.

Les deux projets suivants abordent des objets différents du point de vue historique, mais ils proposent des problématiques similaires et approches techniques pertinentes pour le développement du projet de traitement d’un corpus sériel.

  • Les Thrésors de la Renaissance, par Anne Reach-Ngo

Le projet Thrésors de la Renaissance vise à rassembler l’ensemble des ouvrages publiés à la Renaissance qui portent en leur titre le terme de trésor, écrit parfois thrésors ou thésaur. Il s’agit des ouvrages d’ordre encyclopédique, mais aussi des recueils d’anecdotes et des romans.  Objectifs et étapes dans le traitement du corpus :

  • Répertorier les ouvrages parus entre 1470 et 1630.
  • Numériser un exemplaire de chaque édition pour retracer l’histoire éditoriale.
  • Mettre en avant & transcrire le péritexte  (couverture, édition, auteur, préface, sommaire).

Anne Reach-Ngo a expliqué, à travers 4 exemples, la manière dont un texte prend des formes différentes en fonction des éditions et de l’époque de la création de ces compilations. Il est intéressant pour les chercheurs de pouvoir visualiser de manière comparative la forme que prennent ces textes et d’analyser le sens qu’ils acquièrent dans les différentes versions. Le traitement de ce corpus est en cours de réalisation.

Ce projet tente de rendre visible ce genre éditorial qu’est le « Thresor » et le recueil des multiples versions permet de définir et de « reconstituer » une œuvre qui ne peut pas être associée à un auteur, mais à la somme des versions éditoriales. La définition de l’œuvre passe par un travail de génétique éditoriale de ses différentes versions ce qui rejoint les préoccupations de l’équipe travaillant sur les textes d’Aragon dans Les Lettres françaises.

  • L’Édition électronique de contes populaires français, par Anne Garcia-Fernandez

Le projet, intitulé « E-Conte » a pour but de réaliser la numérisation et la mise à disposition des 4 volumes du catalogue des Contes Populaires Français de Paul Delarue et Marie-Louise Ténèze et d’accomplir, par ce biais, une forme de sauvegarde de cette ressource patrimoniale importante. Cela permet la pérennisation et l’accessibilité pour les chercheurs, mais aussi pour d’autres professions (psychologues, instituteurs, etc).

Anne Garcia-Fernandez a présenté les enjeux scientifiques de ce projet notamment les connexions entre les variations des différents contes et un conte type. L’index Thompson a catégorisé 23 classes (magie, animaux, motifs mythologiques, etc) de contes types.

Du point de vue technique une chaine de traitement semi-automatique a été mise en place comprenant une succession de 4 opérations : numérisation, ocr-isation (réalisée avec le logiciel gratuit Tesseract), structuration (formatage xml automatique) et modélisation (passage de xml en csv pour alimenter la plateforme Omeka).

L’automatisation des opérations est un aspect important du projet, cela étant possible grâce au format assez régulier des sources documentaires : la version imprimée comporte un affichage standard des titres, sous-titres, auteurs, numéros des pages, contenu, etc, ce qui favorise une reconnaissance de caractères et une structuration semi-automatique des informations (une relecture humaine est par la suite nécessaire). Le site est en cours de construction : http://cup-of-tales.huma-num.fr/

Cette structuration des données est en mesure d’apporter une valeur supplémentaire aux documents numérisés par rapport à la version papier, car elle peut contribuer à la mise en place de nombreux hyperliens permettant des renvois entre les données et ainsi une approche enrichie des ouvrages.

Compte rendu rédigé par Aurélia Vasile, MSH de Dijon.