Version classiqueVersion mobile
OpenEdition Books

Qu’est-ce que la Text Encoding Initiative ?

 | 
Lou Burnard

La corne d’abondance de la TEI, partie I

Texte intégral

1Dans ce chapitre et le suivant, nous abordons et donnons des exemples de quelques-uns des éléments définis dans l’ensemble de la TEI. Les éléments abordés dans le présent chapitre seront probablement utiles dans presque tous les types de projets d’encodage ; ceux abordés au chapitre suivant sont plus spécialisés. Il faut souligner que notre seul but ici est de donner une idée de la grande variété d’éléments offerte par la TEI ; pour une information complète les Guidelines doivent toujours être consultées.

Les bornes

2Nous avons noté plus haut que la TEI est utilisée le plus souvent pour représenter l’organisation d’un livre en composants tels que chapitres, paragraphes, etc., ou d’un poème en vers et strophes. Mais les livres et les poèmes imprimés existent aussi en tant qu’objets physiques, qui sont typiquement faits de pages avec un recto et un verso. Pourquoi la TEI ne propose-t-elle pas un élément <page> pour représenter chaque page d’un livre ? N’est-il pas au moins aussi important de savoir sur quelle page commence une phrase que de savoir qu’elle se trouve dans le cinquième paragraphe du second chapitre de la neuvième sous-section d’une œuvre ? Ne souhaiterions-nous pas être capables de visualiser sur écran un texte paginé de la même façon qu’il l’est dans la source originelle ?

3La réponse à ces questions parfaitement sensées est étonnement complexe. En fait, la TEI propose bien un élément permettant de baliser les limites des pages (<pb>), mais il s’agit d’un élément qui doit être placé au début du texte transcrit pour chaque page :

<body xml:lang="en">
	 <pb n="42"/>
	 <p>Ce paragraphe débute sur la page numéro 42…<!-- plus de texte ici -->
	 <pb n="43"/>
	 <!-- encore plus de texte ici -->… et se termine au milieu de la page numéro 43.</p>
	 <p>Ce paragraphe beaucoup plus court débute et se termine sur la page 43.</p>
</body>

4Un examen attentif de l’exemple ci-dessus peut expliquer pourquoi un élément <page> qui entourerait tout le texte d’une page (plutôt qu’un élément vide <pb> qui ne fait que marquer le début d’une page) n’est pas possible. En XML et dans les langages de balisage similaires, il existe une règle absolue : les éléments définis par les balises doivent être imbriqués les uns dans les autres. Si nous commençons un élément <page>, et qu’ensuite à l’intérieur nous commençons un élément <p>, la syntaxe nous oblige à fermer ce <p> avant que nous puissions fermer l’élément <page>, même s’il est bien connu que les paragraphes s’étalent bien souvent au-delà des limites d’une page.

5Les utilisateurs d’XML (et avant cela de SGML) ont essayé depuis des décennies de trouver de meilleures façons de représenter les structures textuelles sans être bloqués par cette contrainte, et nous n’entrerons pas ici en plus de détails dans la discussion du « problème de chevauchement ». Notons simplement qu’une façon bien établie que propose la TEI pour résoudre ce problème prend la forme des balises « bornes » (milestones), dont <pb> est probablement l’exemple le plus fréquent. Alors que les balises normales dans un document XML marquent explicitement à la fois le début et la fin d’un élément, et entourent donc toujours quelque chose, une balise borne marque simplement un point où quelque chose change, mais n’entoure rien. La borne numéro 42 sur la route allant de Londres à Bath marque le point où commence la quarante-deuxième section de la route. Nous pouvons supposer que si nous continuons nous allons atteindre une borne numéro 43, qui marquera le point où commence la quarante-troisième section, et donc (puisqu’une portion de route ne peut appartenir à deux sections en même temps) le point où se termine la quarante-deuxième section – mais cela n’est pas explicitement marqué.

6Les éléments <lb> (« line break », changement de ligne), <cb> (« column break », changement de colonne), et <gb> (« gathering break », début de cahier pour des folios) sont dans ce sens tous des bornes. En plus de cela, la TEI offre un élément générique <milestone> (borne) qui peut être utilisé pour marquer tout type d’unité qui ne dispose pas de son propre mécanisme. Par exemple, considérons la pratique (commune au xixe siècle) de publier des romans sous forme de feuilletons. Nous pourrions souhaiter marquer les limites des épisodes individuels, même s’ils ne correspondent pas forcément très bien à l’organisation interne du roman en série de chapitres (il arrivait parfois à Charles Dickens, par exemple, de terminer un épisode par un « cliffhanger » en milieu de chapitre). Un élément <milestone unit=“épisode” n=“12”/> peut être utilisé pour représenter le point où l’« épisode » numéro 12 commence, indépendamment de la structure des éléments <div> et <p> utilisés pour le texte lui-même.

7Cet élément générique peut bien sûr être utilisé pour tout type de changement, pas uniquement pour des unités structurelles. Une analyse narrative pourrait être représentée en utilisant des éléments <milestone> pour marquer les points auxquels la voix narrative change ; une analyse stylistique pourrait les utiliser pour marquer les points de variation stylistique. Il existe aussi d’autres éléments spécifiques qui agissent à la façon des bornes, par exemple pour indiquer les changements de qualité de la voix dans la transcription du discours oral, ou les changements de main dans la transcription d’un manuscrit.

Langues et systèmes d’écriture

8À moins d’être une balise vide de type borne, chaque élément d’un document TEI peut contenir du texte brut, du « contenu élémentaire », ou, cas de loin le plus fréquent, du « contenu mixte ». Le texte brut consiste en des caractères représentés à l’aide du standard Unicode ; le contenu élémentaire consiste en d’autres éléments XML, et le contenu mixte combine les deux. Les éléments et attributs TEI sont utilisés pour associer au contenu des propriétés, sémantiques ou autres, de telle façon qu’un processeur puisse le traiter correctement dans des situations variées. Une propriété particulièrement importante est la langue dans laquelle le contenu textuel est exprimé ; une autre est la façon dont le contenu textuel est affiché ou mis en forme. Ces propriétés sont potentiellement importantes à presque tous les niveaux : nous pourrions vouloir dire qu’un document entier utilise une langue spécifique, ou que c’est le cas de quelques mots seulement ici ou là ; nous pourrions vouloir dire que l’intégralité d’un document a été saisie dans une fonte de style romain d’une taille donnée, et ensuite indiquer quelles parties utilisent une autre fonte ou une autre taille. Parce que de telles informations peuvent potentiellement s’appliquer à tout document, la TEI propose des attributs globaux pour les spécifier.

Langues

9L’attribut global @xml:lang est le moyen recommandé pour indiquer la langue dans laquelle le contenu d’un élément est exprimé. Comme le suggère le préfixe xml:, cet attribut est commun à tous les documents XML : il n’est pas défini par la TEI mais par le W3C, comme une partie de la définition de XML. Sa valeur s’applique hiérarchiquement à tous les éléments contenus par l’élément, à moins d’être redéfinie :

<div xml:lang="la">
	 <s>Pars haec latine composita est.</s>
	 <s xml:lang="fr">Mais cette phrase est en français.</s>
	 <s>Vita brevis, ars longa.</s>
</div>

10Ici, nous spécifions que tout l’élément <div> utilise la langue identifiée par le code « la », c’est-à-dire le latin (les codes utilisés proviennent du standard ISO 639 pour les identifiants de langues). Puisqu’il est contenu dans cette <div>, il n’est pas besoin de rappeler cette information pour le premier élément <s>. Le deuxième élément <s>, en revanche, redéfinit cette valeur, et indique que son contenu est en français (la langue identifiée par le code « fr »). Le troisième élément est à nouveau en latin. Pour connaître la langue du contenu d’un élément, un processeur doit d’abord chercher à définir si cet élément, ou un de ses ancêtres, fournit une valeur pour @xml:lang. Comme vous pouvez l’imaginer, l’ancêtre le plus proche est celui qui s’applique, s’il y en a plus d’un. Supposons par exemple que la deuxième phrase de l’exemple ci-dessus contienne aussi une expression anglaise. Une telle expression doit être balisée avec un élément bien sûr : l’élément <foreign> est conçu pour de tels cas, où nous souhaitons simplement montrer qu’une séquence de contenu utilise une langue différente :

<div xml:lang="la">
	 <s>Pars haec latine composita est.</s>
	 <s xml:lang="fr">Mais cette phrase est en français, <foreign xml:lang="en">damn it</foreign>.</s>
	 <s>Vita brevis, ars longa.</s>
</div>

11Les codes utilisés pour identifier la langue peuvent (comme c’est le cas ici) être des codes standards de deux lettres ; des codes plus complexes peuvent être utilisés pour distinguer des variantes géographiques ou sociales, ou pour distinguer la même langue écrite avec différents alphabets. Ces codes, et les manières de les utiliser, sont définis par l’ISO plutôt que par la TEI, et nous n’entrerons pas dans plus de détails ici.

Caractères non standards

12Nous avons noté plus haut qu’un document TEI est un document XML, et est donc exprimé au moyen de caractères Unicode. Le standard Unicode, au moment de la rédaction de cet ouvrage, couvre une très grande proportion des systèmes d’écriture passés et présents, mais, logiquement, ne tente pas de standardiser des systèmes d’écriture dont l’étude ou la définition est encore en cours, pas plus qu’il ne tente de fournir des codes pour chaque caractère possible ou chaque variante de glyphe qu’il est possible de rencontrer dans l’étude de documents anciens. Pour ces raisons, la TEI propose un élément <g> qui peut être utilisé pour marquer la présence dans un document de caractères ou de glyphes pour lesquels il n’existe pas de code standard Unicode.

13Supposons par exemple que nous étudions un ensemble de manuscrits caractérisés par une forme très particulière d’une lettre (disons le R) ; nos transcriptions TEI peuvent distinguer cette variante de glyphe de la forme habituelle de cette même lettre en utilisant un élément <g> pour marquer la variante. Le contenu de <g> peut simplement être une forme normalisée, ou bien l’élément peut être vide ; dans tous les cas, il portera un attribut @ref pointant vers un élément <glyph>, dans lequel nous aurons défini la nature, la fonction, l’apparence, le nom, etc., de cette variante. Supposons donc que nous avons identifié et décrit trois formes variantes de la lettre R, en leur donnant les codes R1, R2, R3. Nous pourrions alors représenter les occurrences individuelles de ces formes comme <g ref='#R1'/>, <g ref='#R2'/> ou <g ref='#R3'/>. Les définitions associées peuvent être fournies par l’élement <charsDecl> de l’en-tête TEI, comme il en sera question plus bas.

Rendu

14Le terme anglais rendition (que nous traduisons ici par rendu) est utilisé dans le contexte de la TEI pour décrire la façon dont un élément est mis en forme ou présenté, sur écran ou sur une page. La TEI n’est pas un système de mise en forme de documents, et (comme nous l’avons suggéré plus haut) a généralement pour but de faciliter un encodage fidèle au sens d’un texte plutôt qu’un encodage reproduisant son apparence, ou son apparence souhaitée. C’est un des multiples aspects qui distinguent la TEI des systèmes généralement utilisés pour le traitement de texte, comme nous l’avons noté plus haut. Néanmoins, reconnaissant qu’il peut être important de conserver des informations sur le rendu originel d’un document à des fins d’analyse (notamment parce qu’il se peut que cette apparence soit la seule chose qui puisse être décrite de manière sûre dans un document ancien), la TEI propose un certain nombre de mécanismes pour encoder ces données. Soulignons une fois encore que la fonction d’un tel balisage du rendu est toujours de décrire l’apparence ou le rendu d’un ou plusieurs documents source. Bien sûr, il est probable qu’en visualisant un texte encodé d’une telle manière on souhaitera obtenir une apparence similaire en utilisant des technologies différentes, mais ce n’est pas nécessairement le cas.

15La méthode la plus simple est d’utiliser l’attribut global @rend. Cet attribut opère d’une manière similaire à l’attribut @xml:lang évoqué plus haut : il précise une valeur codée pour le rendu associé à un élément et (à moins d’être redéfinie) à ses enfants. Cependant, à la différence de @xml:lang, les valeurs disponibles pour l’attribut @rend ne sont pas définies formellement, que ce soit par la TEI ou par un autre organisme, même si un nombre assez limité de codes sont utilisés par convention. L’encodeur est libre de créer son propre ensemble de valeurs et de les appliquer systématiquement s’il le souhaite.

16L’attribut @rendition, en revanche, opère plutôt comme l’attribut @ref de <g>, dans le sens où il fait référence à une définition (ou un ensemble de définitions) donnée ailleurs. L’encodeur est ainsi contraint à la fois d’utiliser seulement un ensemble spécifié de valeurs de rendu, et de fournir (ou faire référence à) une forme de définition de la signification souhaitée pour chacune de ces valeurs.

17De telles « définitions de style » sont bien sûr facilement exprimées en utilisant un langage d’encodage conçu pour un logiciel de mise en page, comme un navigateur web ou un logiciel de traitement de texte. La TEI vous autorise à exprimer vos définitions dans n’importe quel langage de votre choix. Actuellement, une recommandation du W3C bien établie, appelée CSS (Cascading Style Sheets) est la plus pratique, puisqu’elle est à la fois puissante et très largement implémentée. La syntaxe de ce langage est très simple et peut même être utilisée directement dans un document TEI, soit pour fournir le rendu par défaut d’un élément, ou pour redéfinir ce rendu par défaut en utilisant encore un autre attribut global : @style.

18Montrons maintenant comment chacune de ces méthodes peut être utilisée pour encoder le court passage suivant, tiré d’un livre scolaire du début du xviie siècle.

Figure 3. Extrait de Henry Care, The Tutor to True English (1687), p. 70

Figure 3. Extrait de Henry Care, The Tutor to True English (1687), p. 70

19Dans ce passage, nous pouvons observer des séquences de mots en caractères gothiques, en caractères romains normaux, et en italiques. Nous pouvons spéculer sur les raisons de cette variation typographique, mais supposons que, pour commencer au moins, nous voulions simplement l’enregistrer. Nous pourrions alors adopter un encodage comme le suivant :

<p rend="romain">
	 <lb/>And here note, for a Caution against <hi rend="italique">Extrava-
	 <lb break="no"/>gance</hi>, and for encouragement to <hi rend="italique">Frugality</hi> and 
	 <lb/>good Husbandry in all People, especially <hi rend="italic">Youth</hi>,
</p>
<p rend="gothique"> 
	 <lb/>That <hi rend="romain">every Penny</hi> any Person spends
	 <lb/>idly, would purchase a <hi rend="romain">Yard</hi> (that is three <lb/>foot) square, and somewhat above, of as <hi rend="romain">
	 <lb/>good Land</hi> as most in England, to <hi rend="romain">him 
	 <lb/>and his Heirs for ever.</hi>
</p>

20Cet encodage utilise l’élément borne <lb> pour marquer explicitement le début des lignes typographiques. Il utilise aussi un nouvel élément <hi> (abréviation de highlighted, mis en valeur). Cet élément n’a pas de sémantique particulière – il indique simplement que son contenu se distingue visuellement de ce qui l’entoure, un peu de la même façon que <foreign> montre simplement que son contenu est dans une langue différente de ce qui l’entoure. La nature de cette distinction n’est pas complètement précisée puisque cet encodage n’explique pas ce que signifient les valeurs « romain », « italique » ou « gothique », et il n’y a pas non plus de moyen de fournir une telle explication, à part une note documentaire. Bien sûr, un lecteur humain saura plus ou moins ce que signifie « italique », mais un programme informatique ne le saura probablement pas. Imaginons au contraire que nous ayons fourni des définitions (exprimées en CSS) à l’emplacement destiné à cet usage dans le <teiHeader> :

<rendition xml:id="it" scheme="css">font-family: roman; font-style: italic</rendition>
<rendition xml:id="ro" scheme="css">font-family: roman; font-style: normal</rendition>
<rendition xml:id="go" scheme="css">font-family: unifraktur cursive</rendition>

21Une fois ces définitions en place, nous pourrions simplifier un peu notre exemple :

<p rendition="#go">That <hi rendition="#ro">every Penny</hi> any Person spends idly…</p>

22N’importe quel programme informatique peut maintenant traiter la CSS directement, et afficher notre texte d’une manière visuellement marquée.

23Qui plus est, puisque les expressions CSS sont en fait très simples, nous pourrions simplement utiliser l’attribut @style pour les fournir directement à l’intérieur de notre texte :

<p style="font-family: roman">And here note, for a Caution against <hi style="font-style:italic">Extravagance</hi>, and for encouragement to <hi style="font-style:italic">Frugality</hi> …</p>

24Comme nous l’avons noté plus haut, l’élément <hi> n’a pas de sémantique, il indique simplement qu’une partie du document encodé a un aspect significativement différent. Dans les projets d’encodage à grande échelle, l’identification de telles variations peut être la seule chose réalisable. Dans des projets travaillant avec des ressources très anciennes, visuellement complexes ou difficilement compréhensibles, il peut aussi être très difficile de faire plus que de mentionner que « cette partie du texte est visuellement distincte d’une certaine façon ». Mais pour la vaste majorité des projets d’encodage TEI, il est généralement considéré à la fois souhaitable et possible d’ajouter de la valeur à un encodage en s’arrêtant pour réfléchir au pourquoi d’une mise en forme visuellement distincte dans la source. Lorsqu’une réponse à cette question peut être apportée avec un certain degré de confiance, un encodage nous montrant ce qui a motivé la décision originelle de mise en forme est plus susceptible d’être utile.

25Il est assez aisé de lister les principales raisons qui peuvent pousser un imprimeur à choisir de distinguer visuellement certains mots dans un texte imprimé selon les conventions élaborées en Europe occidentale durant les trois derniers siècles. Les mots dans une langue étrangère sont presque toujours distingués, comme le sont les mots sur lesquels l’auteur met un certain degré d’emphase linguistique. Les titres et les termes techniques sont par convention distingués visuellement lorsqu’ils apparaissent dans de la prose. Jusqu’à une période récente, les mots indiquant les noms de personnes, de lieux ou d’abstractions étaient également distingués visuellement par convention.

26Notez que nous utilisons ici la notion de mise en valeur (highlighting en anglais) pour inclure toute forme de relief visuel, qu’il s’agisse d’un passage en italique inclus dans un autre mis en forme pour l’essentiel en caractères romains, ou l’inverse, ou (comme ci-dessus) un passage en caractères romains inclus dans un autre mis en forme pour l’essentiel en caractères gothiques. Si nous étendons le sens de cette notion pour inclure des passages entourés par diverses sortes de guillemets, la liste des motivations possibles de la mise en valeur s’élargit pour inclure les passages au discours direct, les éléments référencés ou cités d’une source externe ou que l’auteur veut indiquer comme ne lui appartenant pas, les mots qui sont discutés plutôt qu’utilisés, etc.

27La TEI propose des éléments qui permettent à l’encodeur de faire toutes ces distinctions sémantiques et bien d’autres dans les simples mots d’un texte, guidé par les indices visuels implicites dans le rendu originel d’un document, et la compréhension qu’en a l’encodeur. C’est souvent un moyen utile pour distinguer des passages ambigus d’un texte. Dans un article de revue contemporain, par exemple, un passage en italique peut être une expression en langue étrangère, le titre d’un autre article, d’un film ou d’une chanson, un terme technique, ou une expression que l’auteur souhaite mettre en valeur. En utilisant la balise appropriée (<foreign>, <title>, <term> ou <emph> respectivement), l’encodeur enrichit le texte et en facilite un traitement plus intelligent, par exemple pour lister les titres de travaux mentionnés dans un document, en excluant les expressions mises en valeur ou les mots en langue étrangère.

28Ces balises peuvent aussi être utilisées même lorsqu’aucune mise en valeur n’a été appliquée, bien sûr. L’attribut @rend est aussi disponible sur tous ces éléments, si bien que l’encodeur peut dire à la fois ce qu’il pense qu’indique un passage mis en valeur, et dans quelle mesure il est visuellement remarquable, s’il y a lieu.

Noms et dates

29Nous avons mentionné plus haut la convention voulant que l’on distingue visuellement les noms de personnes, de lieux, etc., dans un texte imprimé. Cette pratique, qui était généralisée jusqu’au milieu du xixe siècle, témoigne d’un désir bien établi des lecteurs de distinguer clairement les noms des autres mots, un désir qui demeure partagé par les encodeurs numériques des temps modernes. Identifier ce qui est souvent désigné comme les « entités nommées » du reste d’un océan de mots est une tâche tout aussi importante pour le linguiste d’aujourd’hui construisant un système de traitement du langage, ou pour l’historien numérique actuel retraçant des réseaux sociaux au sein d’un corpus de correspondances du xviiie siècle, que pour les services secrets d’aujourd’hui qui tentent de traquer les références à des personnes suspectées de terrorisme dans de vastes ensembles de données de surveillance.

30La TEI propose plusieurs éléments pour encoder de telles choses une fois qu’elles ont été identifiées. Le plus générique d’entre eux est probablement <rs> (abréviation de referring string, chaîne de référence) qui peut être utilisé pour baliser toute séquence de mots dont l’encodeur considère qu’elle fait référence à une entité telle qu’une personne ou un lieu, même si la référence ne prend pas la forme d’un nom mais d’une référence pronominale (« elle », « le roi »), d’une expression déictique (« cette fille », « le type que nous avons vu jeudi »), ou d’un idiome (« la Ville Lumière », « the big apple »). Mais lorsque une référence de ce type ne contient qu’un ou plusieurs noms à proprement parler, elle devrait être encodée en utilisant l’élément générique <name>.

31Les éléments <rs> et <name> ont tous deux un attribut @type qui peut être utilisé pour distinguer le type d’entité qui est nommée, de telle façon que, par exemple, le lieu <name type="place">Londres</name> puisse être distingué du célèbre journaliste <name type="person" >Londres</name>. Cependant, la TEI propose aussi des balises spécialisées qui vous permettent de faire la même distinction, et d’autres, avec plus de précision. Ces éléments plus spécialisés distinguent les noms qui font explicitement référence à différents types d’entités. Ils proposent donc <persName>, <placeName>, <orgName> pour exprimer l’affirmation que le nom fait référence à une personne, un lieu ou une organisation respectivement. Il est également possible d’identifier des composants significatifs de ces noms : la TEI propose les éléments <surname>, <foreName>, <altName> (pour un nom alternatif, comme un surnom par exemple), <roleName> (pour un rôle socialement défini tel que « Lady », « Monseigneur », « maître », etc.), <genName> (pour un nom de génération comme « Junior », « l’Ancien », etc.) et bien d’autres. Pour les noms de lieux, la TEI distingue des composants permettant de situer le nom dans un contexte socio-politique comme <settlement>, <region>, <country>, et aussi des composants comme <geogName> pour n’importe quel nom purement géographique comme le « mont Sinaï » ou la « mer Méditerranée », qui peuvent encore être décomposés en un nom (« Sinaï », « Méditerrannée ») et le nom d’un caractère géographique (« mont », « mer »).

32Ces éléments sont particulièrement utiles lorsqu’on a affaire à des documents d’archives, pour lesquels l’indexation des noms de personnes et de lieux mentionnés dans un document est une préoccupation majeure, mais ils peuvent être utiles dans tout type d’édition électronique ou étude lexicale.

  • 1 “On the first of February 1792 Father Job Bishop and Elder Edmond Lougee came from New Lebanon N.Y. (...)

33Imaginons par exemple que nous préparons une édition électronique d’une source primaire telle que les Current Record of Events from 1792 to 1885, As Recorded by the Shaker Community of Canterbury, New Hampshire (un manuscrit conservé dans les collections spéciales de la Hamilton College Library). Ce document du xixe siècle commence par la phrase suivante : « Le premier jour de février 1792 le Père Job Bishop et le Doyen Edmond Lougee arrivèrent de New Lebanon N.Y. pour organiser et établir une communauté de croyants à Canterbury N.H.1 »

34Nous pourrions nous contenter de simplement enregistrer la présence de noms propres (« Père Job Bishop », « Canterbury », etc.) en utilisant l’élément <name> comme ceci :

<p>Le premier jour de février 1792 le <name>Père Job Bishop</name> et le <name>Doyen Edmond Lougee</name>arrivèrent de <name>New Lebanon N.Y.</name> pour organiser et établir une communauté de croyants à <name>Canterbury N.H</name>.</p>

35Même ce balisage minimal permet de distinguer facilement les noms de personnes et de lieux mentionnés, et ainsi de les traiter séparément du reste du texte, par exemple pour construire un index des noms, ou pour lier ces références à des informations complémentaires sur la personne ou le lieu concerné.

36Un balisage plus précis, cependant, distinguerait les composants des noms qui (comme c’est souvent le cas) combinent le nom de famille (« Bishop », « Lougee ») avec des noms indiquant un rôle social (« Père », « Doyen ») et des prénoms (« Job », « Edmond »). De telles distinctions ne peuvent être rendues explicites que par un balisage approprié - « Bishop », qui signifie « évêque », pourrait être aussi bien un rôle qu’un nom de famille, selon le contexte. De la même façon, à l’intérieur d’un <placeName>, il est utile de distinguer le nom d’une région administrative ou autre, telle qu’un état nord-américain, du nom d’une implantation, en anglais settlement (la TEI utilise ce terme neutre de préférence à d’autres termes comme « ville », « village », « cité », etc., qui sont difficiles à définir hors d’un contexte très précis).

<p>Le premier jour de février 1792 le <persName>  <roleName>Père</roleName><forename>Job</forename><surname>Bishop</surname></persName> et le <persName><roleName>Doyen</roleName><forename>Edmond</forename><surname>Lougee</surname></persName> arrivèrent de <placeName><settlement>New Lebanon</settlement><region>N.Y.</region></placeName> pour organiser et établir une communauté de croyants à <placeName><settlement>Canterbury</settlement>, <region>N.H.</region></placeName></p>

37Par définition, un nom fait référence à une entité spécifique (une personne ou un lieu) mais les recherches historiques ou généalogiques ne seraient guère stimulantes si cette référence était toujours sans ambiguïté et directe. Cet « Edmond Lougee » est-il la même personne que l’« Edmund Lougee » enregistré dans d’autres sources ? Un peu plus loin dans la source, il est fait mention d’un « Doyen Lougee » : s’agit-il de la même personne ? Comme toujours, la TEI ne peut pas vous aider à résoudre de telles questions, mais elle vous donne les moyens d’exprimer la réponse (si vous la trouvez).

38Proposer une forme standardisée pour un nom a été, de longue date, une préoccupation des bibliothécaires et catalogueurs. Pour les œuvres littéraires et les personnes, ainsi que pour les géographies contemporaine et classique, il existe des travaux de référence bien établis ou « fichiers d’autorités » qui offrent un point de référence utile pour un grand nombre des entités qui peuvent être nommées dans un document TEI ; pour d’autres, nous pouvons trouver certaines formes d’informations canoniques dans d’autres références en ligne comme wikipedia ou ancestry.com. L’une des façons d’exprimer clairement qui est selon nous cet « Edmond Lougee » parmi les nombreuses personnes possibles serait donc de donner une référence à une fiche en ligne faisant autorité pour cette personne :

 … <persName ref="http://records.ancestry.co.uk/​Edmund_Lougee_records.ashx?pid=24762763"> Doyen Edmond Lougee </persName> …

39Cependant, puisque bien peu de personnes mentionnées dans des documents d’archives de ce type sont susceptibles de disposer de telles fiches, il sera souvent nécessaire pour un projet de définir ses propres fichiers d’autorités, comprenant une série d’enregistrements, un pour chaque individu identifié. La TEI propose des éléments additionnels qui peuvent être utilisés pour enregistrer ce type d’informations avec beaucoup de détails : l’information biographique ou prosopographique par exemple peut être rassemblée au sein d’un élément <person>, tandis que l’information géographique peut être rassemblée au sein d’un élément <place> ; si l’on procède ainsi, alors l’attribut @ref peut être utilisé pour pointer vers ces descriptions :

<persName ref="#P1234"> Doyen Edmond Lougee </persName>
<!-- … -->
<person xml:id="P1234"> 
	 <p>Edmund ou Edmond Lougee est né à Exeter Newmarket, Rockingham, New Hampshire, USA en 1731 de John Lougee et Anne Gilman. Il a épousé Hannah Lord et a eu 7 enfants. Il est décédé le 3 juin 1807 à Loudon, New Hampshire, USA.</p>
</person>

40Notons que cet exemple fournit un simple résumé des informations disponibles sur le Doyen Lougee au sein de l’élément <person> référencé. Il aurait pu, de manière alternative, être construit en utilisant des éléments spécialisés tels que <birth> (naissance), <death> (décès), <marriage> (mariage), <relation> etc.

41Il peut cependant être suffisant, pour les besoins d’un projet, de fournir avec chaque référence un code arbitraire, ou une forme normalisée du nom, incluant éventuellement des dates ou un repère de génération pour rendre cette forme unique. L’attribut @key est destiné à cet usage :

<persName key="Lougee, Edmond (1731-1807)"> Doyen Edmond Lougee </persName>

42La normalisation au moyen de valeurs d’attributs est un mécanisme proposé fréquemment dans la TEI. Il est particulièrement utile lorsque quelque chose qui devrait avoir toujours le même format pour être reconnu par un moteur de recherche ou un processeur apparaît de fait dans un document sous différentes formes, dont certaines peuvent avoir un intérêt ou une importance quelconque. Si nous souhaitons retrouver dans ce document toutes les références à des événements se passant avant ou après une certaine date, par exemple, la tâche sera bien plus aisée si les dates utilisent toutes une représentation standard. Dans l’exemple ci-dessus, nous pourrions donc choisir d’encoder la première date comme ceci :

<p> 
	 <date when="1792-02-01">Le premier jour de février 1792</date> …
</p>

43en utilisant la recommandation du W3C pour la mise en forme des dates. L’attribut @when utilisé ici nous permet d’associer une date à un point précis dans le temps. La TEI propose aussi un ensemble d’autres attributs qui peuvent être utilisés de manière combinée pour exprimer des concepts temporels variés :

<p> 
	 <date notAfter="1792-02-28" notBefore="1792-02-01">En février 1792</date> …
</p>
<p> 
	 <date from="1792-02-01" to="1792-02-07">Pendant la première semaine de février 1792</date> …
</p>

Tableaux, figures et bibliographies

44Les documents, dans le monde réel, contiennent de nombreux composants non-textuels ou semi-textuels comme des figures ou des tableaux, ainsi que des composants textuels qui ont leur propre structure interne comme les index ou les bibliographies. En particulier lorsque la TEI est utilisée pour encoder un nouveau document, mais aussi lorsqu’il est nécessaire d’indiquer la présence de tels composants dans un document existant, l’encodeur ne peut se passer d’éléments tels que <table>, <figure> ou <bibl>, que nous allons présenter tour à tour brièvement dans les sections suivantes.

Tableaux

45Un tableau est une manière d’organiser des bribes d’information textuelle en lignes (ou colonnes) composées de cellules. La plupart des systèmes de production de documents ont développé des moyens très élaborés pour indiquer combien de cellules d’un tableau doivent être affichées, mais ces moyens sont essentiellement absents du modèle de tableau de la TEI. Dans la TEI, un élément <table> (tableau) est composé de <row>s (lignes), qui sont composées de <cell>s (cellules). Un tableau TEI ne peut donc pas être aisément représenté comme une série de colonnes. Il existe un attribut @role qui permet d’indiquer si une ligne particulière contient des noms de colonnes ou des données, et il existe des attributs @rows et @cols qui peuvent être utilisés pour indiquer si une ligne ou une cellule s’étale sur plus d’une ligne ou colonne respectivement.

46Supposons que nous rencontrions le tableau (imaginaire) suivant dans un document que nous encodons :

Fruits pomme banana cerise datte
Noix amande noix du Brésil noix de coco noix de Saint-Jacques pistache

47Dans notre version TEI, nous pouvons signifier que la première colonne de cellules fournit les titres pour les lignes correspondantes, et aussi que la troisième cellule de la première ligne s’étale sur deux colonnes.

<table>
	 <row>
		 <cell role="label">Fruits</cell>
		 <cell>pomme</cell>
		 <cell>banane</cell>
		 <cell cols="2">cerise</cell>
		 <cell>datte</cell>
	 </row>
	 <row>
		 <cell role="label">Noix</cell>
		 <cell>amande</cell>
		 <cell>noix du Brésil</cell>
		 <cell>noix de coco</cell>
		 <cell>noix de Saint-Jacques</cell>
		 <cell>pistache</cell>
	 </row>
</table>

Figures

48Tout type de composant graphique tel qu’une illustration, un graphique ou un diagramme peut être inclus dans un document, parfois en tant que composant séparé comme un frontispice ou des planches d’illustration séparées, parfois en tant que partie d’une division du texte. De telles figures contiennent souvent des en-têtes ou des titres, qui peuvent éventuellement être associés à un texte courant ou une image. Pour les encoder, la TEI propose un élément <figure> qui contient typiquement au moins un élément <graphic> et un ou plusieurs éléments <head>, mais d’autres éléments textuels peuvent également être utilisés si l’illustration contient du texte.

49L’élément <graphic> est une sorte de pointeur spécialisé. Son attribut @url pointe vers l’endroit où se trouve une représentation numérique de l’image concernée. Les attributs @scale (échelle), @width (largeur) ou @height (hauteur) sont proposés pour spécifier la taille désirée de l’image lorsqu’elle est affichée.

50Considérons l’exemple suivant, tiré de Punch, une célèbre revue humoristique britannique du xixe siècle :

Figure 5. John Leech, Domestic Bliss, dessin dans Punch, vol. 13 (juillet 1847), p. 14

Figure 5. John Leech, Domestic Bliss, dessin dans Punch, vol. 13 (juillet 1847), p. 14

51Nous pourrions l’encoder comme ceci :

<figure type="cartoon" place="topLeft"> 
	 <head rend="caps">Domestic Bliss</head>
	 <graphic url="vol13p14.png"/>
	 <sp>
		 <speaker rend="italic">Wife of your bussum.</speaker>
		 <p rend="smallcaps">
			 <q>“Oh! I don’t want to interrupt you dear. I only want some money for Baby’s socks—and to know whether you will have the mutton cold or hashed.”</q>
		 </p>
	 </sp>
	 <figDesc>L’intérieur d’une maison dessiné par Leech, montrant un homme échevelé en robe de chambre assis à un bureau couvert de papiers, avec sa femme, deux jeunes enfants (l’un d’entre eux tapant sur un tambour), et un chat.</figDesc>
</figure>

52Dans notre encodage, nous avons transcrit le texte sous le dessin en utilisant l’élément <sp> évoqué plus haut, pour montrer que le texte est présenté sous forme de dialogue. Nous avons aussi utilisé l’élément <figDesc> pour entourer du texte additionnel, qui n’est pas présent dans la figure elle-même, mais donne des métadonnées utiles qui peuvent être affichées comme une alternative à l’image, ou utilisées pour indexer son contenu.

Références bibliographiques

53Les références bibliographiques, comme celles qui sont généralement incluses sous forme de bibliographie ou de liste de références à la fin d’un article scientifique, ou dans une note de bas de page, sont des éléments très communs dans les écrits scientifiques. Il est utile de distinguer explicitement de tels éléments et en particulier leurs composants (auteur, titre, maison d’édition, date de publication, etc.), à la fois pour rendre plus faciles les recherches les concernant, et pour rendre plus facile leur mise en forme. Lorsque de grandes quantités de ces références doivent être manipulées, des outils spécialisés tels que Zotero, qui peut importer et exporter au format TEI, offrent un moyen efficace de les gérer, mais ces références peuvent être traitées exactement de la même façon que tout autre composant d’un document TEI, qu’elles apparaissent dans le corps du texte, dans une division séparée au sein des parties annexes, ou dans l’en-tête.

54Dans les écrits scientifiques, on donne par convention les références dans un format standard, dans lequel les éléments apparaissent dans un ordre bien arrêté, et utilisent une mise en forme donnée. Que ce soit dans une note de bas de page ou dans une liste de références, un livre sera typiquement décrit d’une manière similaire à celle-ci :
Cameron, D. (1995) Verbal Hygiene. London and New York: Routledge.

55Le balisage TEI peut être utilisé pour montrer quelle partie de cette référence est le titre, laquelle est le lieu de publication, etc. La TEI propose deux éléments distincts à cet effet : <biblStruct> et <bibl>.

56L’élément <biblStruct> offre une vue « structurée » ou centrée sur les données d’une référence bibliographique, dans laquelle chaque partie de la description (auteur, titre, etc.) est balisée séparément, et traitée comme si elle faisait partie d’une base de données. Notez que la ponctuation n’est pas autorisée entre les composants, parce que différentes visualisations peuvent être nécessaires pour différents styles bibliographiques. Un balisage détaillé comme ci-dessous permet d’obtenir facilement ce résultat : le programme de mise en forme choisit simplement les éléments nécessaires, dans l’ordre requis, en insérant la ponctuation selon le style requis.

<bibl xml:id="Cameron1995">
	 <monogr><
		 author>
			 <surname>Cameron</surname>
			 <forename>Deborah</forename>
		 </author>
		 <title>Verbal Hygiene</title>
		 <imprint>
			 <publisher>Routledge</publisher>
			 <pubPlace>London</pubPlace>
			 <pubPlace>New York</pubPlace>
			 <date>1995</date>
		 </imprint>
	 </monogr>
</bibl>

57L’élément <monogr> indique ici ce que les spécialistes de bibliographie appellent une monographie, c’est-à-dire un travail individuel, par opposition à une référence de dépouillement analytique comme un article de revue scientifique.

58L’élément <bibl> propose une vue moins structurée, plus centrée sur le texte d’une référence bibliographique, dans laquelle la ponctuation est autorisée entre les éléments balisés, en même temps que tout élément textuel. L’ordre des composants n’est pas fixé. Cet élément est utile lorsque l’encodeur souhaite suivre les conventions du catalogue (généralement imprimé) dont sont tirées les références, ou pour lequel elles sont destinées.

59En utilisant cet élément, nous pourrions baliser cette référence d’une façon plus proche de la version originale, au prix d’un traitement un peu plus compliqué par la suite :

<bibl>
	 <author>Deborah Cameron</author>: 
	 <title level="m">Verbal Hygiene.</title> London, New York: Routledge. <date>1995</date>
</bibl>

60La plupart des éléments disponibles dans <biblStruct> sont aussi disponibles (mais optionnels) dans <bibl>. Il est donc possible d’utiliser l’un ou l’autre élément pour effectuer un balisage détaillé de tout type de référence bibliographique. Nous donnerons d’autres exemples plus loin.

61Lorsqu’un livre est mentionné dans le texte, particulièrement s’il est mentionné plus d’une fois, il est courant d’utiliser une référence abrégée telle que « Cameron 1995 ». Pour lier une telle référence à une description bibliographique plus complète, nous pouvons utiliser l’attribut @target sur un élément <ref> ou <ptr> :

<p>Humans have <q>a healthy obsession with language</q>(<ref target="#Cameron1995">Cameron 1995</ref>). It would be surprising if we did not…</p>

Notes

1 “On the first of February 1792 Father Job Bishop and Elder Edmond Lougee came from New Lebanon N.Y. to organize and establish a community of Believers at Canterbury N.H.” [Notre traduction]

Table des illustrations

Titre Figure 3. Extrait de Henry Care, The Tutor to True English (1687), p. 70
URL http://books.openedition.org/oep/docannexe/image/1309/img-1.jpg
Fichier image/jpeg, 97k
Titre Figure 5. John Leech, Domestic Bliss, dessin dans Punch, vol. 13 (juillet 1847), p. 14
URL http://books.openedition.org/oep/docannexe/image/1309/img-2.jpg
Fichier image/jpeg, 334k