Version classiqueVersion mobile

Qu’est-ce que la Text Encoding Initiative ?

 | 
Lou Burnard

Introduction

Texte intégral

1La « Text Encoding Initiative » (TEI) est l’un des projets les plus durables et influents du champ aujourd’hui appelé « humanités numériques ». Son but est de fournir des recommandations pour la création et la gestion sous forme numérique de tout type de données créées et utilisées par les chercheurs en sciences humaines, comme les sources historiques, les manuscrits, les documents d’archives, les inscriptions anciennes et bien d’autres. Comme son nom l’indique, son objet premier est le texte plutôt que le son ou la vidéo, mais elle peut être utilement appliquée à toute forme de données numériques. Il est important de souligner qu’elle a été créée et est maintenue par la communauté scientifique, pour son propre usage. Dans ce petit ouvrage nous tenterons d’expliquer la nature et les buts de la TEI et de donner quelques exemples concrets de la façon dont elle peut être utilisée dans un assortiment de projets de création de ressources numériques. Mais avant cela, nous allons tenter de répondre à une question que les textes introductifs comme celui-ci ont tendance à négliger : pourquoi, tout d’abord, prendre la peine d’utiliser la TEI ? Après tout, presque tout le monde sait utiliser un logiciel de traitement de texte pour créer des documents numériques, ou un logiciel de gestion de bases de données pour créer et gérer de l’information, ou un simple éditeur pour créer des pages web. Quel avantage y a-t-il à apprendre le XML ou la TEI pour faire la même chose ?

2Il existe beaucoup de réponses, mais nous en aborderons trois en particulier. La première est que le XML TEI s’intéresse au sens du texte plutôt qu’à son apparence. La deuxième est que le XML TEI est indépendant de tout environnement logiciel particulier. La troisième est que le XML TEI a été conçu par la communauté scientifique, qui est aussi en charge de son développement continu.

Le sens avant le format

3Si vous accordez plus d’importance aux mots de votre texte et à leur sens qu’à la façon dont ils sont disposés sur la page, vous rencontrerez bien vite des limites frustrantes en utilisant un traitement de texte classique. La plupart de ces logiciels trouveront facilement pour vous, parmi des centaines de pages de texte, toutes les occurrences de la chaîne de caractères Paris. Mais pour une recherche intelligente – pour laquelle Paris, nom d’une ville du Texas, est distingué de celui de la capitale française, ou du prénom d’une starlette américaine – il faut plus que cela. Comme Coombs et al. l’ont souligné dès 1987, il y a une différence significative entre la façon dont un chercheur considère des ressources textuelles et la façon dont la plupart des systèmes automatisés de préparation de documents sont conçus. Pour reprendre une expression souvent citée, si ce que vous voyez est ce que vous obtenez (« What you see is what you get », ou Wysiwyg), alors vous n’obtenez que ce que vous voyez : les systèmes qui se préoccupent essentiellement de réduire l’écart entre ce que l’on voit à l’écran et ce que l’on saisit au clavier ont tendance, pour arriver à ce résultat, à réduire l’expression et le stockage des informations sous forme numérique à l’apparence des chaînes de caractères, plutôt qu’à leurs propriétés linguistique ou leur fonction. Vous pouvez ajuster à volonté la police, la taille, l’alignement ou la couleur de chaque occurrence du mot Paris dans votre document; mais vous ne pouvez pas utiliser un logiciel de traitement de texte pour indiquer, de manière fiable et systématique, quelles occurrences sont des noms de personne et lesquelles sont des noms de lieu.

Indépendance des logiciels

4Si vous souhaitez partager les ressources textuelles que vous créez avec d’autres personnes (ou avec vous-même à quelques décennies de distance), vous devriez aussi vous préoccuper de la tendance de nombreux systèmes informatiques à appliquer leur propre façon de stocker l’information. Dans quelle mesure est-il possible d’utiliser dans un logiciel différent un document ou une base de données préparés avec votre logiciel préféré du moment ? Peut-on les transférer de votre PC vers un Mac puis vers un Linux sans perte d’information ? Bien sûr il existe des logiciels permettant la conversion entre les dizaines de formats de fichiers différents qui sont actuellement en usage. C’est la bonne nouvelle. La mauvaise nouvelle est que de telles transformations sont sans cesse nécessaires, qu’elles sont parfois complexes et coûteuses à réaliser, et qu’elles provoquent régulièrement des pertes d’information. Même au sein d’un même style de logiciels, la réelle interopérabilité reste problématique : un document préparé avec un traitement de texte (disons Word) n’aura pas forcément le même aspect lorsqu’on l’ouvre avec un autre (disons Open Office) ; tout comme une base de données créée par Filemaker Pro peut (ou non) être facile à convertir vers une autre utilisant Microsoft Access, et vice versa.

5L’information contenue dans un document XML TEI a exactement le même aspect pour tous les logiciels qui l’utilisent. Il n’y a pas de tour de magie accessible uniquement à un logiciel particulier tournant dans un environnement particulier. Un fichier XML TEI, comme les autres fichiers XML, est simplement une séquence de caractères lisibles, sans codes secrets incrustés. En effet, un document XML TEI représente un texte sans prêter aucune attention au logiciel qui pourrait être utilisé pour le visualiser, l’analyser ou l’entreposer. Au contraire, le contenu d’un document XML TEI représente directement ce que son créateur considère significatif dans sa structure et son contenu. Si une chaîne de caractères est identifiée par l’encodeur comme le nom d’une personne ou d’un lieu, ou un mot étranger, ou le titre d’une chanson, ou un passage au discours direct par exemple, la TEI offre des moyens pour l’identifier. Il peut être souhaitable de visualiser les titres de chansons en italique lorsqu’on les imprime, mais d’ajouter des liens vers un enregistrement dans une base de données lorsqu’on les montre sur un site web. Il peut être souhaitable d’inclure (ou d’exclure) les passages au discours direct ou les mots étrangers lorsqu’on réalise une analyse du vocabulaire d’un texte. Les textes sous forme numérique peuvent être utilisés de bien des façons, après tout : c’est pour cela que nous les créons. Si l’on n’a besoin que d’une nouvelle copie d’un vieux livre, une photocopie numérique suffira. Mais si le but est de rendre un texte ancien accessible à toutes sortes de nouveaux lecteurs, alors il ne suffira pas de reproduire son apparence sur la page. Le XML TEI nous offre un cadre pour représenter tout ce que nous considérons important à propos d’un texte, et non pas uniquement son apparence, afin que les logiciels puissent agir sur les différentes caractéristiques identifiées, générant de nouvelles visualisations et de nouvelles perspectives. En conséquence, prendre des décisions quant à l’encodage XML TEI à utiliser est toujours une activité scientifique, impliquant systématiquement un choix conscient.

Dirigé par sa communauté

  • 1 Note de la traductrice : nous avons conservé ici le terme anglais de « Humanities computing », en l (...)

6La TEI a été d’abord développée, il y a plus de trente ans, comme un projet de recherche dans le champ alors émergent du « Humanities computing »1. L’idée originelle était de proposer un ensemble de recommandations sur la façon dont les chercheurs devraient créer des ressources textuelles « lisibles par ordinateur », qui soient adaptées aux besoins de la recherche – dans la mesure où un consensus existait sur le sujet –, mais qui soient également extensibles, puisque ces besoins changent et évoluent. Cette combinaison de flexibilité et d’un intérêt centré sur les besoins scientifiques d’une communauté particulière fait de la TEI un cas particulier parmi les autres efforts de standardisation, et est également l’un des facteurs expliquant sa longévité. Dans un sens strictement darwinien, la TEI évolue en répondant aux changements qui sont considérés bénéfiques par sa communauté d’utilisateurs, tout en ignorant ceux qui ne le sont pas. Cette forte implication de la communauté d’utilisateurs présente aussi des avantages pour le novice : la connaissance et l’expertise de la TEI peuvent aujourd’hui facilement se rencontrer dans la plupart des disciplines des sciences humaines, et ne sont pas recluses dans une zone obscure des sciences de l’information. Des institutions telles que la liste de discussion TEI (TEI-L) sont un témoignage saisissant de la nature hétérogène de la communauté TEI, tout en démontrant sans cesse son ouverture, sa convivialité, et son empressement à porter assistance au débutant.

7Le but de ce livre est de présenter un échantillon des nombreux types d’encodage TEI, sans trop entrer dans les détails d’aucun d’entre eux. Nous espérons qu’il sera accessible à un large public, incluant aussi bien le digital humanist pratiquant que ceux qui n’ont pas encore totalement succombé aux attraits de l’ordinateur. Pour le comprendre, il suffit d’avoir des notions très générales sur les technologies XML, et un intérêt pour les problèmes traditionnels des études textuelles. Vous devez avoir à l’esprit qu’utiliser la TEI ne signifie pas utiliser toute la TEI : bien au contraire, la plupart des utilisateurs de la TEI ne font usage que d’un sous-ensemble très restreint de ce qu’elle propose. Mais vous êtes seul(e)s à pouvoir décider du sous-ensemble qui convient le mieux à vos besoins.

8Le premier chapitre de cet ouvrage donne une brève présentation du contexte technique des concepts XML qui sous-tendent l’encodage TEI. Le deuxième chapitre décrit la façon dont les documents TEI sont structurés, et est suivi par de nombreux exemples typiques dans le troisième chapitre « Variété des structures textuelles ». Les deux chapitres suivants explorent avec plus de détails la corne d’abondance de la TEI, traitant d’abord de certaines caractéristiques textuelles partagées par la plupart des documents, puis de quelques-unes des possibilités plus spécifiques proposées par le système TEI. Le chapitre six décrit l’en-tête TEI, la première de couverture numérique d’un document TEI qui fournit ses métadonnées. Le septième chapitre « Personnaliser la TEI » aborde les moyens d’adapter le système TEI aux besoins de projets particuliers. Nous concluons avec une explication de la façon dont la TEI elle-même est organisée, son présent et son avenir.

Notes

1 Note de la traductrice : nous avons conservé ici le terme anglais de « Humanities computing », en l’absence de traduction communément acceptée pour le nom de cette étape dans le développement des humanités numériques.

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search