Introduction

1Les sciences humaines, ou humanités, ont en commun l’étude de la culture et du passé humains en s’appuyant sur toutes les sources de preuves imaginables. Pour le reste, elles sont très divisées, y compris en ce qui concerne les limites du champ. Tout agglomérat de disciplines ou de domaines censé représenter « les sciences humaines » est problématique. L’histoire et l’archéologie, par exemple, sont tantôt classées dans les humanités et tantôt dans les sciences sociales. Les lettres peuvent faire partie des sciences humaines, être classées à part ou être intégrées à des cursus de théâtre, d’architecture ou de design. Les programmes académiques en sciences humaines peuvent comprendre des départements de toute taille, de l’histoire antique aux langues étrangères et de la littérature aux cultures du Proche-Orient. N’importe lequel de ces départements peut abriter des chercheurs et chercheuses dotés de diplômes d’autres domaines. L’université de Californie à Los Angeles (UCLA), par exemple, regroupe plus de 150 départements et cursus de premier et second cycle et les affiliations de son corps professoral y sont multiples. Ainsi, le cursus d’humanités numériques y liste environ trente-cinq professeures et professeurs, qui relèvent de départements en sciences humaines, en sciences sociales, en sciences exactes et en formation professionnelle.

2Pour les besoins du présent ouvrage, les sciences humaines recouvrent ici les champs de recherche qui étudient la culture et le passé humains. Notre étude inclut aussi les chercheurs et chercheuses qui se reconnaissent dans cette catégorie, quelle que soit leur affiliation officielle. Les chercheurs en sciences humaines font preuve d’ingéniosité pour trouver de nouvelles sources de preuves, qu’elles soient matérielles ou numériques, statiques ou dynamiques, sur terre ou sous terre, très anciennes ou toutes récentes. À mesure que le monde s’est ouvert, ils ont repoussé les limites géographiques de leurs recherches. Avec la numérisation des objets matériels – textes, images, son, etc. –, les types de preuves accessibles se sont diversifiés. Les sciences humaines sont tout autant confrontées à un déluge de données que les autres disciplines, mais elles sont moins promptes à le désigner ainsi. Pour gérer le volume de matière qui s’offre à eux, les chercheurs empruntent des technologies et des méthodes de champs voisins et élaborent parfois les leurs. Ce faisant, ils commencent à penser en termes de données, de métadonnées, de standards, d’interopérabilité et de pérennité. Emprunter des techniques implique généralement d’emprunter des concepts. Ils ont aussi besoin de représenter des informations sous des formes maniables informatiquement.

3Le terme « données » (data), tel que défini au chapitre 2, désigne des entités qui servent à mettre en évidence des phénomènes à des fins de recherche. Le « travail scientifique des données » (data scholarship), tel que défini au chapitre 3, correspond à l’agencement des rapports entre données et recherche. Cet agencement est particulièrement complexe dans les sciences humaines et ne constitue pas toujours un cadre confortable pour les chercheurs et chercheuses concernés. En se penchant sur les manières dont ils identifient les sources de preuves qu’ils pourront utiliser comme données et comment ils gèrent ces dernières, on fait la lumière sur les défis qu’ils rencontrent et les composantes des infrastructures de la connaissance dont ils pourraient avoir besoin.

Les méthodes de recherche
et les pratiques en matière de données

4Les spécialistes des humanités observent l’activité humaine par les traces qu’elle laisse derrière elle, qu’il s’agisse d’artéfacts physiques, d’images, de textes ou d’objets numériques. Leurs méthodologies tendent vers l’explication idiographique, étudiant de près textes, objets, communautés et cultures. En travaillant avec de plus grandes quantités de données, l’explication nomothétique pourrait devenir réalisable, permettant aux mêmes questions d’être étudiées dans de nouveaux contextes.

5On peut faire remonter les humanités numériques à 1949, année où IBM s’est alliée à Roberto Busa, un prêtre jésuite, pour créer une concordance des œuvres complètes de Thomas d’Aquin. Ce projet de numérisation textuelle sur trente ans est désormais en ligne. Les outils, les services et l’infrastructure pour la recherche en sciences humaines continuent de s’étendre parallèlement au volume et à la variété des contenus numériques. Les technologies sont aujourd’hui si intégrées dans les pratiques que certains chercheurs et chercheuses considèrent l’expression « humanités numériques » comme une tautologie. Pour d’autres, ce terme reste utile pour signifier la variété grandissante des méthodes de recherche et des sources de preuve (Alarcón, 2000 ; Borgman, 2007, 2009 ; Burdick et al., 2012 ; Wouters et al., 2012).

6Les spécialistes des sciences humaines s’appuient largement sur des pièces uniques – lettres, mémorandums, traités, photographies, etc. – qui n’existent que sous forme physique. Beaucoup de ces sources sont stockées dans des archives d’universités, de musées, d’administrations et d’institutions publiques et privées. Les archivistes organisent ces pièces de manière à fournir leur contexte, s’efforçant généralement d’en maintenir autant que possible l’ordre original. Les instruments de recherche, qui peuvent exister en version imprimée ou en ligne, offrent un accès hiérarchique à des collections, des boîtes de documents et des éléments individuels. Les chercheurs et chercheuses doivent se rendre aux archives, repérer les boîtes pertinentes et en demander un petit nombre. À l’intérieur des boîtes, les documents peuvent être organisés en dossiers. Les usagères et usagers n’ont souvent le droit d’ouvrir qu’un dossier à la fois pour que les pièces restent dans l’ordre où elles ont été placées. Les archives adoptent des politiques très variées quant à l’usage de technologies personnelles. Certaines permettent aux usagers d’apporter leurs propres scanners. Beaucoup les autorisent à prendre des photographies à l’aide d’appareils numériques et à saisir des notes sur ordinateur. Néanmoins, dans un grand nombre d’archives, les seules technologies autorisées sont le papier et le crayon.

7Comparer des objets de recherche est essentiel pour de nombreuses formes d’études en sciences humaines. Ceux-ci peuvent être éparpillés au sein d’une archive ou à travers le monde ; c’est pourquoi les comparaisons se font souvent à partir des représentations de ces objets. Les scientifiques les représentent de nombreuses manières, par exemple en notant leurs caractéristiques, en prenant des photos ou en réalisant des croquis. Elles et ils s’appuient aussi sur des représentations d’autres personnes. Si l’original n’existe plus ou ne peut être observé directement, les chercheurs et chercheuses peuvent dépendre entièrement des représentations en tant que sources de preuve. La numérisation des objets et des représentations a transformé les méthodes de recherche reposant sur ces comparaisons. Les textes, les images, les sons et les autres entités – ou des fractions de celles-ci – peuvent être rapprochés comme jamais auparavant, soit côte à côte sur un écran, soit par modélisation informatique.

8Certains chercheurs et chercheuses en sciences humaines effectuent des observations, par exemple en enregistrant une langue orale ou en fouillant des sites archéologiques. Dans ce cas, les représentations des informations peuvent devenir des preuves irremplaçables. Les enregistrements de langues rares ou disparues constituent des ressources pour l’étude de la linguistique et des cultures. Les fouilles archéologiques perturbent le sol au point que les sites ne peuvent jamais retrouver leur état d’origine. Les artefacts sont déterrés et parfois emportés pour leur conservation et leur sécurité. De nombreuses formes de documentation sont saisies, par exemple des photographies, des scans 3D, des pesées, des notes détaillées et des emplacements précis. Des méthodes moins destructives – par exemple, des techniques d’imagerie comme la détection et télémétrie par ondes lumineuses, plus connue sous l’acronyme LIDAR – peuvent aussi être employées pour effectuer des observations sur les sites.

9Les spécialistes des sciences humaines, souvent en collaboration avec des scientifiques d’autres domaines, combinent de nombreuses sources de données et méthodes pour poser de nouvelles questions. Certaines et certains utilisent des systèmes d’information géographique pour cartographier des sites patrimoniaux. D’autres modélisent les activités sociales au sein de villes et d’autres lieux sur des dizaines ou des centaines d’années. D’autres encore font des expériences sur des formes numériques de texte, de poésie et d’édition (Burdick et al., 2012 ; Fitzpatrick, 2011 ; Frischer et al., 2002 ; Presner, 2010). Les méthodes de recherche des sciences humaines sont aussi fluides que leurs sources de données. Bien que les chercheurs et chercheuses aient été formés à des méthodologies propres à leurs domaines, ils ne disposent pas, contrairement aux spécialistes des sciences sociales, d’un substrat commun de pratiques et de cours de méthodologie. Ils acquièrent souvent leur savoir-faire grâce à un long mentorat et à la recherche indépendante. La durée moyenne d’un doctorat en sciences humaines est d’ailleurs bien plus longue que dans la plupart des sciences exactes et sociales.

Études de cas en sciences humaines

10Les études de cas de travail scientifique des données dans les sciences humaines s’intéressent à la création et à l’utilisation de collections numériques et à leur rapport à l’étude d’artefacts physiques. Elles ont été choisies pour illustrer la transition des objets matériels vers des objets numériques comme sources de preuve, la transformation du travail scientifique des données et les modalités, la temporalité et les raisons du choix d’utiliser certaines entités comme données. La première étude de cas recouvre deux exemples en histoire de l’art et archéologie antiques. Le premier est le projet CLAROS à l’université d’Oxford, une collaboration pluridisciplinaire pour créer un banc d’essai technologique pour les sites patrimoniaux, les monuments et les objets. Le deuxième exemple s’intéresse à l’analyse archéométallurgique du griffon de Pise, une sculpture de bronze ancienne. Dans ce dernier cas, des chercheurs et chercheuses aux expertises complémentaires ont collaboré pour rédiger des « biographies d’artefacts » pour des objets comme le griffon.

11Le deuxième cas concerne les études bouddhiques et se penche sur la manière dont un spécialiste de la philologie bouddhique chinoise utilise des corpus numériques en sus des textes et des artefacts physiques. La numérisation des textes, dont certains datent du iii^e siècle, a transformé la façon dont il mène ses recherches.

L’histoire de l’art et l’archéologie antiques

12L’histoire de l’art antique et l’archéologie sont des domaines de recherche qui se recoupent. Tous deux s’appuient sur des méthodes, des théories et des savoir-faire tirés des sciences humaines, sociales et exactes. Les artefacts mis au jour lors de fouilles architecturales sont étudiés pour leur valeur artistique et culturelle (Wiseman, 1964 ; Yoffee et Fowles, 2011). Les spécialistes des sciences sociales s’intéressent également à ces objets pour ce qu’ils révèlent des sociétés qui les ont créés et utilisés (Smith et al., 2012). Les archéométallurgistes et les spécialistes des matériaux les examinent pour identifier des métaux, des minerais, des céramiques, des teintures et d’autres caractéristiques physiques pouvant servir à les dater et à retrouver leurs origines (Northover et Northover, 2012). Les zooarchéologues étudient les restes animaux et le recours aux bêtes dans les sociétés, incorporant ainsi les sciences de la vie à l’étude des objets anciens (Crabtree, 1990).

13Les fouilles archéologiques représentent une source majeure de preuves scientifiques. Les types de données issues de fouilles résultent de différentes formes de recherche, pratiques professionnelles et époques de collecte. Au xix^e siècle, lors de l’âge d’or de l’archéologie où le forum romain et d’autres sites majeurs ont été mis au jour, les objets étaient souvent extraits du site et entassés pour être examinés. Seules quelques pièces étaient cataloguées ; il est probable que beaucoup étaient pillées. On ne conduisait pas d’inventaire exhaustif, pas plus qu’on ne notait soigneusement les positions d’origines des artefacts. Au xx^e siècle encore, on ne consignait les informations sur l’emplacement des objets qu’a minima. Les archivistes continuaient de recevoir des boîtes de photographies, de diapositives et d’autres formes de preuves sans légende sur des sites aussi importants que l’île de Pâques. Dans les bonnes pratiques actuelles, l’emplacement de chaque objet est noté méticuleusement, de même que de nombreux détails sur les circonstances des fouilles. Consigner les positions absolues et relatives de chaque pièce trouvée est aujourd’hui jugé essentiel pour comprendre leur contexte. Lorsque des vestiges sont découverts par hasard, il est moins probable qu’une documentation détaillée de l’endroit soit constituée. Par exemple, les agriculteurs et agricultrices continuent de trouver des épées de l’âge de bronze en labourant leurs champs ou en exploitant des tourbières (Faoláin et Northover, 1998).

14Beaucoup des collections des grands musées du monde ont été rassemblées sans vraiment se soucier du droit des pays à maîtriser leur patrimoine culturel. Jusqu’à la fin du xx^e siècle, les archéologues, aventurières et aventuriers pouvaient rentrer chez eux avec des cargaisons d’artefacts. Lorsque ces pièces patrimoniales ont pris de la valeur en tant qu’œuvres d’art et objets de collection, le trafic s’est intensifié. En 1970, l’UNESCO a adopté une convention pour contrôler le commerce des biens culturels. Les dispositions juridiques précises varient selon les pays et s’appliquent différemment aux objets d’art, aux manuscrits, aux spécimens, aux restes humains et ainsi de suite (United Nations Educational, Scientific and Cultural Organization, 1970, 2013). Les scientifiques reviennent désormais chez eux chargés de documents numériques, de photographies, d’images laser et d’autres représentations de leurs observations. Elles et ils constituent les données à partir desquelles ils rédigeront leurs publications de recherche et planifieront leurs prochaines investigations.

La taille compte

15Bien que les sciences humaines soient des disciplines mûres représentant des siècles d’érudition, la plupart de leurs projets de recherche n’impliquent qu’un ou deux chercheurs et chercheuses. Leurs sources de données peuvent présenter un gros volume et une très grande variété, mais leur vélocité est généralement faible. De nombreux chercheurs travaillent avec de petits sous-ensembles d’objets et de documents, passant des mois, voire des années, à inspecter et à rapprocher des sources de preuves disparates. Une seule fouille peut laisser des dizaines ou des milliers de traces. Les collections numériques en contiennent des millions. Le scannage en trois dimensions et en haute résolution d’artefacts peut produire des fichiers numériques de plusieurs gigaoctets, voire téraoctets.

Quand est-ce une donnée ?

16Quand il s’agit de déterminer ce qui peut devenir une donnée et quand les sciences humaines se trouvent dans une position similaire à celle des sciences sociales. Des domaines longtemps pauvres en données, pour reprendre l’expression de Sawyer (2008), croulent maintenant sous elles. Loin de convoiter un unique manuscrit rare, les chercheurs et chercheuses ont désormais accès à de vastes corpus d’écrits numérisés. Choisir ce qu’on utilisera comme preuve de quel phénomène est aujourd’hui plus difficile. Identifier des entités pouvant servir de données confère aux chercheurs un avantage concurrentiel. Ces entités peuvent être obscures ou se trouver sous nos yeux. Les objets servant de données dans d’autres domaines peuvent trouver un nouvel usage dans les sciences humaines et devenir de nouvelles formes de données. Ainsi, pour les astronomes, les observations des lunes de Jupiter par Galilée mettent en évidence des objets célestes, mais pour les historiennes et historiens des sciences, des religions et de la politique, elles constituent des preuves de la culture de l’époque.

17Pour ce qui est du travail scientifique des données, les sciences humaines se distinguent des sciences exactes et sociales sur plusieurs plans. Le premier est la place primordiale qu’elles accordent à l’interprétation et à la réinterprétation : le boson de Higgs ne peut être découvert qu’une fois, mais le Hamlet de Shakespeare peut être réinterprété à de nombreuses reprises. Le deuxième est la vaste variété des sources de données et l’expertise nécessaire à leur interprétation. Pour de nombreux types de travaux, les spécialistes des sciences humaines doivent parler ou lire plusieurs langues, se familiariser avec différents systèmes d’écriture et caractères et maîtriser la culture de nombreuses parties du monde. En effet, ce n’est qu’en connaissant le contexte de chaque objet étudié que l’on peut les comparer. La conséquence de ces deux caractéristiques est que les sources de données peuvent être réutilisées à maintes reprises et gagnent souvent en valeur à mesure qu’elles s’accumulent. Le revers de la médaille est qu’il est difficile d’appliquer des classifications qui transcendent tous les usages possibles des collections, puisqu’un même objet peut être représenté et interprété d’une myriade de façons différentes.

Sources et ressources

18Parce que n’importe quoi – ou presque – peut servir à mettre en évidence l’activité humaine, il est extrêmement difficile de délimiter ce qui constitue ou non une possible source de données pour la recherche en sciences humaines. Les musées, les bibliothèques et les archives opèrent ces délimitations en décidant quoi recueillir. Les rôles de ces trois « institutions de mémoire » se recoupent en grande partie, notamment en ce qui concerne les objets numériques. Chaque institution présente et ordonne ses pièces en fonction de ses missions. Sur ces plans, ce sont les bibliothèques qui sont les plus cohérentes, car elles recueillent majoritairement des documents publiés existants en de nombreux exemplaires. Sans être identiques, leurs mécanismes de catalogage et de classification sont suffisamment harmonisés de par le monde pour qu’un même livre soit décrit de manière similaire dans toute bibliothèque de recherche qui en possède un exemplaire. Il n’en va pas ainsi pour les musées et les archives. Deux objets semblables, comme les sculptures d’une danseuse par une même artiste, seront traités différemment selon s’ils sont accueillis par un musée des beaux-arts, un musée de la danse, une collection archivistique de pièces de cet artiste ou un musée culturel sur le pays ou la région dont l’artiste est originaire. De plus, des images numériques des sculptures peuvent être présentées et ordonnées de nombreuses manières dans d’autres collections. Le fait de devenir une source ou une ressource pour les sciences humaines dépendra de la forme de l’entité, de son genre, de sa provenance ou de son degré de transformation par rapport à son état originel.

Objets physiques ou numériques

19Les scientifiques qui étudient des objets matériels – papiers, papyrus, reliures, notations, encres, illustrations, technique, structure – ont besoin d’observer, manipuler ou éprouver les artefacts. Pourtant, peu de bibliothèques, d’archives et de musées leur permettent de toucher des objets rares, précieux ou fragiles. Si le contact est autorisé, ce sera souvent de manière brève et dans des conditions précises. Ainsi, les ouvrages rares sont souvent laissés ouverts à une page donnée pour limiter leur exposition à la lumière. Les tests sur le papier, les métaux et d’autres matériaux nécessitent la coopération des propriétaires de l’objet.

20En revanche, pour les savantes et savants qui étudient la teneur des documents, les représentations numériques valent bien les originaux, voire leur sont préférables. En effet, les images numériques peuvent être comparées côte à côte et examinées de près, feuilletées, imprimées et annotées. Les illustrations et des portions de pages peuvent être grossies, offrant des possibilités aux techniques analytiques microscopiques. Les textes et les images peuvent aussi être rendus plus nets, révélant des détails invisibles à l’œil nu.

Numérique ou numérisé

21Les ensembles numériques peuvent contenir des contenus qui étaient numériques dès l’origine, comme des livres et des articles de revue rédigés sur ordinateur, et des traces numérisées, qui sont des représentations de documents, d’images, d’enregistrements sonores ou d’autres objets créés sous forme physique ou analogique. La majeure partie des collections en sciences humaines sont constituées de représentations numérisées de ressources physiques et analogiques. On s’attend cependant à ce que cette proportion s’inverse maintenant que davantage de contenus naissent sous forme numérique.

Substituts ou contenu intégral

22Jusqu’aux années 1980 et aux progrès réalisés dans l’automatisation, les chercheurs et chercheuses dépendaient des catalogues papier et du courrier postal pour se renseigner sur l’emplacement d’ouvrages, de documents et d’artefacts. Lorsque des substituts numériques, comme des notices bibliographiques, des vignettes, des extraits audio ou vidéo ou d’autres représentations d’objets, sont apparus en ligne, ils ont pu identifier facilement ce qui existait et à quel endroit, ce qui leur a fait gagner beaucoup de temps de trajet et de moyens humains. Toutefois, si les catalogues en ligne et les autres instruments de recherche apportent vitesse, envergure et commodité à la recherche d’informations, les collections de substituts amènent rarement des transformations fondamentales dans la pratique scientifique.

23La mutation suivante de la recherche en sciences humaines a consisté à numériser intégralement les contenus, leur permettant d’être diffusés en ligne. Selon les méthodes de numérisation utilisées, ils peuvent être fouillés, combinés, modélisés et exploités comme des ressources en données. Un nombre énorme de livres ont été scannés et publiés en ligne, de même que des documents historiques, des images et des enregistrements audio et vidéo. Le nombre croissant de ressources anciennes ou obscures disponibles est une aubaine pour les lectorats de pays ou d’institutions n’ayant pas accès aux vastes collections des bibliothèques de recherche et a donc démocratisé la recherche de façon inattendue.

24Les substituts demeurent souvent nécessaires à la description, la localisation, la découvrabilité et l’authentification du contenu numérique. C’est surtout les ressources non textuelles qui dépendent de ces données substitutives. En effet, une image ou un extrait audio présente rarement un intérêt pour la recherche si on en ignore l’artiste, la date, la provenance, la propriété et d’autres informations contextuelles.

Images statiques ou représentations interrogeables

25La transformation suivante des pratiques de recherche en sciences humaines est survenue avec la diffusion des représentations interrogeables de textes, d’images, d’audio et de vidéo. L’exploitation du contenu numérique est une question de degré, qui va des images statiques aux objets enrichis d’informations sémantiques. Pour comprendre ces distinctions, l’exemple le plus simple est celui de la conversion de texte. Les premières méthodes de représentation mécanique de documents consistaient à saisir une reproduction visuelle de chaque page aussi parfaitement que la technologie de l’époque le permettait. Les photographies et les images numériques de pages ainsi obtenues sont plus faciles à diffuser que les exemplaires papier, mais ne présentent guère de fonctionnalités supplémentaires par rapport à un livre imprimé. Les utilisateurs et utilisatrices ne peuvent repérer les pages qui les intéressent qu’en consultant la table des matières – quand elle existe – ou en feuilletant le document. Une large part des ressources scientifiques ne sont encore disponibles que sous forme d’images de pages, scannées et enregistrées dans les premières versions de PDF (Portable Document Format) ou d’autres formats, dont beaucoup sont propriétaires.

26Pour rendre un texte interrogeable, les lettres et les mots individuels doivent être identifiables. Le texte peut être converti en le tapant à la main ou grâce à des technologies de reconnaissance optique de caractère (ROC ou OCR pour Optical Character Recognition). Les techniques de ROC remontent aux systèmes télégraphiques du début du xx^e siècle. Bien que ces technologies aient accompli de grands progrès, elles sont surtout efficaces sur du texte tapé dans des polices modernes sur un fond blanc et propre. Or, les ouvrages et les documents historiques ne remplissent que rarement ces critères. Convertir du texte imprimé dans les siècles passés reste un défi technique et un domaine de recherche pour la lexicographie et l’informatique.

27L’adoption en 1992 d’Unicode, un standard désormais intégré dans tous les principaux systèmes d’exploitation, les écrans d’affichage et les technologies d’impression, rend interrogeable tout texte créé numériquement dans une langue et un jeu de caractères modernes. Pour la conversion de texte, les technologies de ROC contemporaines peuvent identifier des caractères et les convertir en Unicode à condition qu’une correspondance existe (Unicode, Inc., 2013 ; ISO 10646, 2013). La numérisation massive de textes dans le cadre du Million Books Project ou de Google Books est devenue réalisable grâce à Unicode et à la ROC, même si le caractère suffisamment exact de la conversion pour la recherche reste sujet à débat (Duguid, 2007 ; Nunberg, 2009, 2010).

28Un texte scanné difficile à convertir par ROC sera interprété grâce au crowdsourcing (production participative). Le CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart, « test de Turing complètement automatisé pour distinguer ordinateurs et êtres humains ») est une technique astucieuse utilisée en sécurité web. Lorsque des internautes demandent un compte, un mot de passe ou d’autres privilèges, on leur enjoint de transcrire une série de lettres présentées comme un casse-tête. Environ deux cents millions de CAPTCHA sont résolus chaque jour, ce qui représente 150 000 heures de travail humain. ReCAPTCHA crée les casse-tête à partir de textes pour lesquels la conversion par ROC a échoué. Plus de quarante mille sites web utilisent reCAPTCHA pour transcrire des textes anciens. Ces agaçants casse-tête contribuent donc à l’exactitude de la transcription de texte, exploitant utilement le labeur humain (von Ahn et al., 2008 ; reCAPTCHA, 2013).

29Les textes bien antérieurs à l’époque de Gutenberg sont plus difficiles encore à interpréter et nécessitent une intervention humaine. Les scientifiques ont recours au crowdsourcing pour convertir des réserves de ressources rares. Ancient Lives, par exemple, est un projet Zooniverse pour transcrire des textes écrits sur des papyrus en Égypte il y a plus de mille ans. On présente aux bénévoles des images de papyrus et on leur demande d’y identifier des signes en marquant leur centre et en les appariant à une table de caractères connus. Identifier ne serait-ce que quelques signes ou d’autres caractéristiques d’un papyrus, par exemple ses dimensions, aide le projet scientifique à déterminer la teneur du document (Ancient Lives, 2013).

Chaînes de caractères interrogeables ou contenu enrichi

30Une transformation plus radicale encore des méthodes de recherche devient possible lorsque des ressources sont enrichies pour mieux les exploiter. Les sciences humaines ont été pionnières dans la représentation structurée de documents numériques à travers des entreprises comme la Text Encoding Initative (TEI) dans les années 1980. Les projets de numérisation de texte suivent encore aujourd’hui les normes de la TEI et les outils qui lui sont associés, avec des variations pour le latin et le grec, la musique et d’autres types de contenus (Text Encoding Initiative, 2013).

31Dans les sciences humaines comme dans les sciences exactes, la capacité à traiter tout un corpus de texte comme des objets numériques ouvre de nouvelles possibilités pour la recherche. Les chaînes de lettres, d’espaces et de signes de ponctuation interrogeables sont déjà plus utiles que les images de pages. Lorsque des informations sémantiques sur des mots, des phrases, des titres, des chapitres, des sauts de page, des noms de personnes, des lieux, des citations et d’autres éléments sont représentées, l’analyse s’en trouve considérablement enrichie. Par exemple, en texte brut, des mots comme « Paris » ou « brun » peuvent être repérés, alors que dans du texte encodé de manière sémantique, on peut distinguer la ville de Paris, le personnage de la mythologie grecque et le plâtre qui porte ce nom, ou encore le nom de famille Brun et la couleur. De même, des images, des sons et des vidéos peuvent être enrichis grâce aux tags et à l’encodage.

32Une fois que les caractères du texte, les notes de la musique et les autres séquences peuvent être traités comme des objets numériques, de nouvelles possibilités informatiques s’offrent aux scientifiques. BLAST, l’outil de recherche d’alignement mentionné au chapitre 5 pour apparier des séquences d’ADN, s’avère précieux pour les sciences humaines : il y est en effet employé pour repérer des textes historiques similaires, qu’ils soient en français du xviii^e siècle ou sur des papyrus, des séquences sonores semblables dans des collections musicales et de nombreuses autres formes de contenu (Altschul et al., 1990 ; Ancient Lives, 2013 ; Olsen et al., 2011).

33Les images peuvent également être enrichies grâce à des techniques d’imagerie au laser ou aux rayons X. Les palimpsestes, c’est-à-dire des documents sur lesquels on a écrit un nouveau texte, sont notoirement difficiles à déchiffrer. L’imagerie permet de séparer les couches d’écriture et d’accentuer et distinguer les gravures dans la pierre et le bois. Les matériaux anciens sont devenus un front de recherche dans des domaines comme l’optique (Knox, 2008 ; Miller, 2007 ; Salerno et al., 2007).

Les infrastructures de la connaissance

34L’éventail des collections, corpus et ensembles de données accessibles aux spécialistes des sciences humaines est vaste, étant donné les champs de compétence des musées, des archives, des bibliothèques, des monuments, des sites patrimoniaux et des ressources non institutionnelles de par le monde. Par ailleurs, l’expertise méthodologique de ces savantes et savants possède une longue et riche histoire. Rassembler toutes ces ressources et ces savoir-faire dans une infrastructure de la connaissance pour soutenir la recherche représente cependant une gageure. La diversité des ressources, leur éparpillement et la multiplicité des modalités d’accès constituent à la fois les forces et les faiblesses des sciences humaines. Même en restreignant la question à la recherche en art et en archéologie antiques, les limites des collections et des expertises restent floues.

35Les enjeux des infrastructures de la connaissance dans les sciences humaines en général et dans l’histoire de l’art et l’archéologie antiques en particulier diffèrent de façon importante de ceux des sciences exactes et sociales. Le premier est la distinction entre collections de recherche et collections grand public. Le financement des collections de recherche est minime comparé à celui d’ensembles similaires dans les sciences exactes. En effet, ces derniers, quand ils réussissent à attirer une large communauté, peuvent devenir des ensembles de données ressources, voire de référence, comme la Protein DataBank ou le Sloan Digital Sky Survey (National Science Board, 2005). Il est rare que les collections de recherche des sciences humaines accomplissent cette transition. Les collections grand public, comme celles des musées, des archives et des bibliothèques, présentent un grand intérêt pour la recherche. Néanmoins, chaque institution est investie de sa mission propre, sert sa propre communauté et dispose de son propre organe de gouvernance. La plupart s’adressent à un large public, dont les scientifiques ne représentent qu’une partie. Il est peu probable qu’on parvienne à unifier les collections et les services de ces organismes disparates en une infrastructure commune. On peut toutefois atteindre une certaine interopérabilité grâce à des accords sur les standards et les mécanismes de classification, mais des recoupements multiples restent nécessaires pour répondre aux besoins disparates des usagères et usagers potentiels.

36La deuxième différence, qui découle largement de la première, est le faible investissement direct réalisé dans les infrastructures des sciences humaines, comparé aux sciences exactes et sociales. Elles disposent de bien moins de fonds et les subventions qu’elles octroient sont donc plus modestes et de plus courte durée. La diversité des collections, des questions et des méthodes participe aux difficultés dans l’élaboration d’outils communs et fait de la pérennité une gageure perpétuelle (Borgman, 2009 ; Burdick et al., 2012 ; Zorich, 2008). Les départements universitaires en sciences humaines tendent aussi à bénéficier de moins de support technique et leurs personnels de recherche à disposer de moins de savoir-faire technique. Les exceptions sont bien sûr nombreuses : des poches d’expertise technique poussée existent dans certaines universités et un nombre croissant de pôles d’humanités numériques fournissent un soutien infrastructurel, au moins à l’échelle locale (Parry, 2014).

37Alors que, dans les sciences exactes, le partage de connaissances va souvent de pair avec des ensembles de données communs, dans les sciences humaines les communautés et les collections en ligne sont souvent plus indépendantes. Les chercheurs et chercheuses partagent néanmoins leur expertise et bâtissent des communautés au travers de réseaux sociaux comme H-Net (Humanities and Social Sciences Online). Ces sites permettent la discussion, l’examen, les offres d’emploi, les annonces de colloques et d’autres échanges d’informations.

Métadonnées

38Les métadonnées fournissent du contexte. Mais le contexte de qui ? Cette question est particulièrement litigieuse dans les sciences humaines. Pour les mêmes raisons qui ont conduit les approches éducatives fondées sur le « canon occidental » de la littérature et les « grands auteurs » (Bloom, 1994) à s’effacer au profit d’un éventail de ressources plus diverses, les méthodes conventionnelles d’organisation des connaissances se voient complétées par des démarches « post-coloniales ». Les méthodes classiques visent à établir un terrain d’entente entre les collections et les pratiques professionnelles. Parmi les exemples les plus connus, on citera les mécanismes de classification élaborés et perpétués par le Getty Trust et des partenaires tels que l’Art and Architecture Thesaurus, l’Union List of Artist Names, le Getty Thesaurus of Geographic Names et la Cultural Objects Name Authority. Ces mécanismes fournissent des métadonnées pour les noms, les lieux, les objets, les styles et leurs relations. L’Art and Architecture Thesaurus est largement utilisé dans les communautés d’histoire de l’art et d’archéologie antiques, mais l’emploi de la terminologie et les relations varient selon les applications (Baca, 1998, 2002 ; Borgman et Siegfried, 1992 ; Getty Research Institute, 2013 ; Harpring, 2010). Le modèle de référence conceptuelle CIDOC, développé depuis plusieurs décennies, est aujourd’hui mis en œuvre au sein des communautés muséales pour l’échange et l’intégration d’informations afin d’encoder les descriptions d’objets. Les projets en histoire de l’art et en archéologie antiques ont été les premiers à l’adopter (Binding et al., 2008 ; International Council of Museums, 2013).

39Ce type de mécanismes formels promeuvent la normalisation et l’interopérabilité des systèmes. Ils fournissent la structure rigoureuse nécessaire aux bases de données de conservation des musées, des archives et des bibliothèques. Cependant, la terminologie employée par les spécialistes pour représenter précisément des objets uniques est souvent étrangère aux visiteurs et visiteuses, ainsi qu’aux scientifiques qui posent des questions depuis d’autres points de vue. Les démarches alternatives cherchent à représenter le patrimoine culturel en utilisant le langage de ceux et celles qui le créent et l’utilisent. Parmi elles, on trouve les descriptions par crowdsourcing grâce à l’étiquetage d’images et l’élaboration « ascendante » de mécanismes de classification. Ces efforts pour « décoloniser » la langue du patrimoine culturel risquent, malgré l’intérêt qu’ils présentent en matière de participation du public et de valeur ajoutée pour les collections, de se faire au détriment de la normalisation (Marshall, 2008a, 2008b, 2009 ; Srinivasan et al., 2009a., 2009b ; Srinivasan, 2013 ; Steve: The Museum Social Tagging Project, 2013).

Provenance

40La provenance est un concept central des sciences humaines ; mais savoir de quelle provenance on parle pourrait être une question de recherche à part entière. Les scientifiques consignent les origines, la propriété, l’emplacement et les usages des objets, des documents, des textes ou des autres ressources patrimoniales dans le cadre de leur recherche. En histoire de l’art et en archéologie antiques, on distingue l’endroit où quelque chose a été fabriqué, celui où il a été découvert, ses usages et leur évolution. Déterminer la provenance peut impliquer de retracer la composition d’un objet, comme l’origine de la peinture, de la pierre, du métal, du bois ou des outils utilisés pour le fabriquer. D’autres démarches s’efforcent de reconstituer la fabrication d’un objet grâce aux méthodes et aux matériaux connus à l’époque envisagée. En histoire de l’art et en archéologie antiques, les objets de recherche ne sont pas toujours associés à des traces documentaires, voire peuvent être antérieurs à l’invention de l’écriture.

41La provenance, les métadonnées et les ontologies sont particulièrement difficiles à établir en histoire de l’art et en archéologie antiques, car le même élément peut être compris de nombreuses manières. Par exemple, une ancienne théière chinoise peut revêtir une importance en raison de sa céramique, de sa conception, de sa fabrication, de son âge ou de son rôle dans l’histoire du thé. Elle peut être remarquable parce qu’elle a été achetée sur la route de la soie ou qu’elle appartenait à une personne particulière, à cause du lieu de sa découverte ou des autres artefacts auxquels elle est associée. Ce ne sont là que quelques exemples de manières dont la provenance peut être consignée ou étudiée pour un objet donné.

42Les registres de conservation des collections de musées fournissent des renseignements de base sur les dates d’acquisition ou sur l’origine – quand elle est connue – des objets, mais les informations sensibles sur la propriété, les transferts et les dates et prix correspondants sont rarement incluses dans les documents publics. Les catalogues de vente aux enchères de grandes maisons telles que Christie’s et Sotheby’s comportent des descriptions détaillées et d’autres éléments de documentation qui peuvent aider à établir la provenance. Celle-ci peut représenter une question juridique complexe, puisque toutes les parties doivent se soumettre aux conventions de l’UNESCO et aux autres lois en vigueur (UNESCO, 1970). Comme en astronomie, la provenance des objets antiques peut s’avérer une régression à l’infini.

43Lorsque la propriété d’un artefact est litigieuse, la provenance passe souvent au premier plan. Sur fond de décennies de batailles juridiques avec la Grèce, le British Museum affirme être le propriétaire légitime des statues du marbre du Parthénon qu’il expose. Près de ces sculptures, le musée affiche des documents étayant l’autorité légale par laquelle il a acquis ces objets au xix^e siècle. Il juxtapose les statues grecques à celles d’autres civilisations antiques d’Égypte, d’Assyrie et de Perse (British Museum, 2013). Le musée de l’Acropole à Athènes situe des sections de la frise du Parthénon dans le contexte de l’histoire antique de la cité. En 2009, le musée s’est agrandi d’un nouveau bâtiment, comportant un espace d’exposition dix fois plus grand que celui de l’Acropole, dans l’espoir du retour des artefacts retenus depuis bien longtemps à Londres (Acropolis Museum, 2013).

Collections

44Les collections, ou ensembles de données, qu’elles soient matérielles ou digitales, sont une composante essentielle des infrastructures de la connaissance de toute discipline. L’histoire de l’art et l’archéologie antiques illustrent le degré de développement de ces ensembles de données pour la recherche, le grand public ou comme éléments d’une infrastructure.

45Les organismes de financement soutiennent le développement de certains ensembles de recherche, soit pour eux-mêmes, soit en tant que sous-produits de la recherche. Pour rester compétitifs, les chercheurs et chercheuses soumettent des projets qui prennent délibérément des risques avec de nouveaux médiums et formes d’arguments. Cependant, il est rare que les financeurs puissent faire des choix stratégiques sur les contenus à numériser pour le bien commun. Leur mode de décision est plutôt réactif : ils accordent des subventions aux meilleurs dossiers reçus chaque cycle. Par conséquent, la constitution de collections numériques est davantage orientée par l’offre que par la demande. Les communautés n’expriment que rarement d’une même voix leurs besoins en matière de collections et d’infrastructure, contrairement à l’astronomie.

46Les collections de recherche qui bénéficient d’une forte mobilisation disciplinaire deviennent parfois des ensembles de référence. La Cuneiform Digital Library a ainsi survécu, dans les années 1990, à sa transition de projet de bibliothèque numérique subventionnée à un système opérationnel bénéficiant d’un soutien institutionnel continu. Des tablettes cunéiformes autrefois contiguës sont désormais éparpillées dans des collections du monde entier. Elles sont cataloguées par type, genre, emplacement, période et autres caractéristiques. Les scientifiques peuvent étudier individuellement les objets ou en reconstituer d’autres numériquement grâce aux outils et aux ressources offerts par cette bibliothèque numérique (Cuneiform Digital Library Initiative, 2013).

47CLARIN (Common Language Resources and Technology Infrastructure), un projet européen de recherche en linguistique de corpus, travaille aussi sur la problématique globale des collections, de l’infrastructure et de la constitution de communautés. Il vise un « accès facile et pérenne » aux « données numériques sur la langue sous forme écrite, orale, vidéo ou multimodale ». Son action comprend le développement technologique, l’implication des utilisateurs et utilisatrices et des services interopérables à partir d’une fédération de référentiels de données en Europe (CLARIN European Research Infrastructure Consortium, 2013).

48Les organismes de financement en lettres et sciences humaines se sont intéressés plus directement aux questions d’infrastructure et de pérennité après plusieurs échecs flagrants. Ainsi, l’Arts and Humanities Research Council (AHRC) au Royaume-Uni a créé l’Arts and Humanities Data Service (AHDS) pour archiver des données issues de projets de recherche sur fonds publics et rendre leur réutilisation possible. Le système permettait la création et le dépôt de ressources numériques et fournissait plusieurs guides de bonnes pratiques. L’AHDS se préoccupait de la préservation des ressources en données plutôt que de la pérennisation d’environnements en ligne permettant de les interroger. Le financement a été interrompu en 2008 ; aujourd’hui, le site et une bonne partie de la documentation sont toujours en ligne, mais les ensembles de données ne sont plus interrogeables. La fermeture de l’AHDS a jeté le doute sur la volonté des organismes de financement et des communautés scientifiques de maintenir de telles ressources. Elle a soulevé des questions sur la sauvegarde de contenus d’arrière-plan dans des archives fermées, la pérennisation de sites web et de services actifs, la pérennité académique opposée à la pérennité technique, la sauvegarde opposée à la conservation et les utilisations et la demande pour ces collections (Arts and Humanities Data Service, 2008 ; Robey, 2007, 2011).

49Une autre initiative prometteuse en matière d’infrastructure qui n’a pas survécu est le projet Bamboo, financé de 2008 à 2012 par la fondation Andrew W. Mellon. Il s’agissait d’un investissement significatif dans la constitution de communautés, d’outils et de services pour les sciences humaines. À l’heure où nous écrivons, le projet est officiellement à l’arrêt : le site web et le wiki sont archivés et le code source est diffusé grâce à un référentiel public.

50Le souci de l’infrastructure et de la pérennité des organismes de financement dans les sciences humaines se manifeste dans les nouvelles exigences pour les plans de gestion des données ou les plans techniques. Les chercheurs et chercheuses doivent préciser comment l’accès aux données et aux technologies associées, ainsi que leur réutilisation, sera maintenu et pour combien de temps. Bien que toutes les collections et technologies n’aient pas vocation à garder indéfiniment une valeur, planifier leur continuité ou leur fin est devenue une étape des demandes de subvention (Arts and Humanities Research Council, 2012 ; McLaughlin et al., 2010). Des initiatives telles que ConservationSpace, qui est financé par la fondation Mellon, apportent leur aide dans la gestion de documentation pour la conservation de ressources (ConservationSpace, 2013).

51Une brève rétrospective des premiers ensembles numériques illustre quelques enseignements tirés en matière d’infrastructure. Le projet Gutenberg, les archives Beazley, le projet Perseus et Valley of the Shadows ont été lancés dans les années 1970 et 1980. Tous ont démarré comme des collections de recherche menées par un ou plusieurs scientifiques. Michael Stern créa les premiers « e-books » en 1971 en lançant le projet Gutenberg afin de donner accès à des livres en ligne et gratuitement, grâce aux ordinateurs de l’université de l’Illinois et à des bénévoles qui tapent les textes. Bien qu’académique, le projet ne pouvait numériser que des contenus tombés dans le domaine public. Or, il s’agissait rarement des versions de référence utilisées par les scientifiques. Le projet Gutenberg se veut aujourd’hui avant tout une source de livres électroniques gratuits et est financé par des dons, des subventions et d’autres partenariats (Hart, 1992, 2013).

52Les archives Beazley, créées en 1979 sur des ordinateurs centraux et dirigées par Donna Kurtz et d’autres salariés de l’université d’Oxford, se concentrent sur les représentations numériques d’objets d’art antiques. Conçu pour répondre aux besoins des écoles et du public, il a fait partie des collections récompensées par le Queen’s Anniversary Prize en 2009. En croissance et progrès perpétuels, les archives Beazley sont devenues le cœur du projet CLAROS, qui s’intéresse à l’infrastructure autant qu’aux collections (Burnard, 1987 ; Hockey, 1999 ; Kurtz et Lipinski, 1995 ; Moffet, 1992 ; Robertson, 1976).

53Le projet Perseus, mené par Gregory Crane de Tufts University depuis 1985, a démarré comme une base de données Hypercard de textes grecs et romains. En 1994, le système et les services avaient été soumis à des évaluations sociotechniques (Marchionini et Crane, 1994) et, en 1995, ils ont migré sur le Web naissant. Bien des générations technologiques plus tard, on le connaît désormais sous le nom de Perseus Digital Library, laquelle inclut des ressources artistiques, archéologiques et historiques de nombreuses époques et dans bien des langues. Crane et ses collègues poursuivent, grâce aux ressources de Perseus, leurs recherches sur l’Antiquité, ainsi que sur les technologies des bibliothèques numériques (Crane et Friedlander, 2008 ; Smith et al., 2002 ; Perseus Digital Library, 2009).

54Valley of the Shadow a été développé par Edward Ayers entre 1993 et 2007 pour accompagner ses recherches sur la guerre de Sécession et servir de ressource scientifique et pédagogique publique. Le système fournit un accès numérique à des ressources archivistiques, que de nouvelles formes de présentation et de consultation enrichissent. Ayers, ses collègues et ses élèves ont utilisé ces ressources pour rédiger des publications, dont un ouvrage récompensé par la bourse Bancroft, mais d’autres scientifiques y ont aussi puisé pour leurs travaux (Ayers et Grisham, 2003 ; Ayers, 2003, 2007). Bien qu’Ayers ait changé d’établissement depuis bien longtemps, l’université de Virginie a investi deux ans et environ 100 000 dollars pour conserver ces ressources, afin qu’elles restent accessibles et continuent de servir la recherche (Howard, 2014).

55Europeana et la Digital Public Library of America (DPLA) représentent deux exemples d’efforts stratégiques pour construire une infrastructure par l’agrégation d’ensembles numériques disparates, qui concernent tous deux les ressources patrimoniales (Europeana, 2013 ; Digital Public Library of America, 2013). Elles comprennent du contenu tiré de bibliothèques, de musées et d’archives, bénéficient de financements multiples et couvrent un large champ. Europeana rassemble des ressources de pays européens et la DPLA des collections basées aux États-Unis ; toutes deux ont noué des partenariats internationaux. L’Union européenne est l’un des principaux financeurs d’Europeana, tandis que la DPLA est une association à but non lucratif soutenue par des dons de fondations publiques et privées. Elles comportent des collections importantes qui peuvent servir à la recherche, mais aucune des deux n’aspire à être un ensemble de recherche pour une communauté particulière.

Les influences extérieures

56Dans les sciences humaines, l’accès aux ressources en données est particulièrement contraint par des facteurs externes. L’histoire de l’art et l’archéologie antiques peuvent être un terrain miné pour les personnels de recherche. Les artefacts sont souvent anciens, précieux et font l’objet de conflits de propriété. Leur gestion est régie par quantité de lois et de politiques, qui se contredisent souvent entre juridictions. Les parties prenantes sont nombreuses et en concurrence : scientifiques, universités, écoles, bibliothèques, musées, archives, gouvernements, propriétaires privés, marchands et grand public. Certains de ces problèmes économiques, éthiques et de propriété demeurent insolubles, quand d’autres font l’objet de négociations.

Économie et valeur

57Comme dans d’autres domaines, la valeur d’une ressource donnée dans les sciences humaines dépend souvent de son « emballage ». Certains objets antiques possèdent une grande valeur scientifique, d’autres une grande valeur financière, certains les deux et d’autres aucune. Les spécialistes de l’histoire de l’art et de l’archéologie antiques travaillent dans des économies multiples et en concurrence. Les ensembles de données développés à des fins scientifiques et ouverts à tous, comme le projet Perseus, les archives Beazley, Valley of the Shadow, l’Arts and Humanities Data Service, l’Archaeological Data Service et les ressources linguistiques de CLARIN ERIC, peuvent être considérés comme des réservoirs communs de ressources. Ils sont plus ou moins administrés par des membres de la communauté ; la pérennité et les passagers clandestins y posent problème. Il en va de même pour les collections rassemblées pour le grand public, comme la DPLA et Europeana. Une part importante de ces ensembles sont constitués de substituts numériques d’objets matériels et de textes dont les droits sont réservés. Ces objets et textes peuvent appartenir à des institutions publiques ou privées ou à des particuliers ; ce sont eux qui décident qui peut y accéder et à quelles conditions. Les scientifiques ont de plus en plus accès aux représentations d’objets, mais pas nécessairement aux objets eux-mêmes. Selon leurs méthodes et leurs questions de recherche, cette situation peut s’avérer plus ou moins satisfaisante.

58L’archéologie se dirige plus résolument vers l’accès ouvert aux données que la plupart des autres disciplines des sciences humaines. Ainsi, l’Archaeological Data Service, qui faisait originellement partie de l’AHDS, n’a pas fermé en 2008 avec lui, ce qui montre la demande pour ces collections. Certains organismes de financement britanniques exigent que les données soient versées dans ces ensembles et d’autres le recommandent. La communauté archéologique internationale a élaboré des principes directeurs pour la gestion et le dépôt des données et les scientifiques versent leurs matériaux de recherche dans cette collection, ainsi que dans d’autres (Archaeology Data Service, 2013 ; The Digital Archaeological Record, 2013 ; Journal of Open Archaeology Data, 2013 ; Open Context, 2013 ; Kansa, 2012 ; Kansa et al., 2007).

59L’accès aux données, aux collections matérielles et aux objets numériques est cependant inégal. Bien des ressources qui seraient utiles aux spécialistes de l’histoire de l’art et de l’archéologie antiques peuvent être considérées comme des biens de club et ne sont accessibles qu’à des individus répondant à certains critères. Ainsi, les États réservent souvent l’accès aux fouilles, aux sites, aux artefacts et aux documents à des scientifiques, personnels de recherche et fonctionnaires nationaux ou à des équipes menées par leurs ressortissants. Les embargos – explicites ou non – peuvent durer indéfiniment, jusqu’à ce que les autochtones soient prêts à publier leurs résultats ou aient terminé leurs travaux. Obtenir des rapports de recherche sur des sites archéologiques peut être très difficile ; des artéfacts, encore plus.

60Comme pour tout champ de recherche, accéder aux logiciels nécessaires à l’interprétation, à l’analyse ou la réutilisation de données peut s’avérer problématique. Le caractère généralisable des outils est en effet limité par la diversité des ressources et les nombreuses manières dont on peut les employer. Chaque collection et chaque projet tend à développer des logiciels maison. Même si les scientifiques divulguent leur code, maintenir le logiciel peut être plus difficile encore que pérenniser les collections correspondantes. Les difficultés de conservation de données disparates, des logiciels associés et des mécanismes d’interopérabilité semblent avoir contribué à la disparition de l’Arts and Humanities Data Service, du projet Bamboo et d’autres entreprises louables (Borgman, 2009 ; Robey, 2007, 2011, 2013 ; Unsworth et al., 2006 ; Zorich, 2008).

Droits de propriété

61La recherche en sciences humaines en général et en histoire de l’art et en archéologie antiques en particulier est profondément empêtrée dans les questions de droits de propriété. Dans ces domaines, les droits sur les données sont liés à la propriété des objets matériels et, parfois, de leurs représentations. Par exemple, les scientifiques peuvent contrôler leurs observations sur un objet ou un phénomène, mais ne pas avoir le droit d’en reproduire des images dans une publication. Des droits de propriété multiples peuvent s’appliquer à un même objet. Ainsi, les droits sur une photographie concerneront la ou le propriétaire de l’objet, la ou le titulaire des droits de reproduction, la ou le photographe et la maison d’édition qui publie la photographie. La réticence de certains musées à autoriser la reproduction d’images par les chercheurs et chercheuses entrave la numérisation de l’édition dans le monde de l’art (Whalen, 2009). Cependant, des initiatives récentes de versement d’images au domaine public pourraient grandement aider les scientifiques (Getty Trust, 2013). Maintenant que la notion de donnée arrive sur le devant de la scène des sciences humaines, les droits sur les données et les représentations pourraient devenir le prochain front des conflits de propriété.

Éthique

62Il existe plusieurs sortes de considérations éthiques en histoire de l’art et en archéologie antiques ; l’une d’elles est juridique. Les chercheurs et chercheuses sont en effet censés connaître les réglementations en vigueur et négocier de manière déontologique avec les musées, les conservateurs et conservatrices, les propriétaires, les autorités locales et les autres parties prenantes. Une considération connexe est celle du respect des objets. Les scientifiques se doivent de limiter les dommages occasionnés aux sites de recherche et aux artefacts. Par exemple, tester des métaux implique un échantillonnage méticuleux dans des recoins de l’objet.

63Il n’est pas rare d’observer des « périodes d’utilisation exclusive » de fait dans les domaines des sciences humaines qui étudient des textes rares et des produits culturels. Une fois que les chercheurs et chercheuses ont obtenu un accès aux ressources, ils souhaitent parfois les explorer en privé jusqu’à être prêts à publier. Les États peuvent encourager ce comportement, préférant que leurs propres scientifiques aient la primeur du patrimoine local au détriment de la communauté internationale. L’affaire des manuscrits de la mer Morte est un cas bien connu de contrôle local, souvent assimilé à de la rétention. Découverts dans le désert de Judée dans les années 1940, ils ont été conservés par des scientifiques israéliens jusqu’en 1991 et divulgués seulement sous la pression, à la suite de la diffusion d’un microfilm réalisé à des fins de conservation (Schiffman, 2002). Les manuscrits sont aujourd’hui plus largement accessibles, mais leur interprétation fait toujours l’objet de débats acrimonieux (Leland, 2013).

Mener des recherches en histoire de l’art
et en archéologie antiques

64Ces études de cas mettent en perspective, d’une part, la création d’une infrastructure pour l’histoire de l’art et l’archéologie antiques et, d’autre part, la recherche dans un domaine où très peu de ressources informationnelles existent sous forme numérique. CLAROS, « le monde de l’art sur le Web sémantique », construit une infrastructure à l’aide d’outils, de technologies et d’ensembles numériques conçus pour la recherche, l’éducation et l’usage par le public. Le projet – dont le nom était l’acronyme de Classical Art Research Online Services, « services en ligne de recherche en art antique » – est une émanation des archives Beazley, qui avaient commencé à numériser leurs collections d’antiquités à la fin des années 1970. CLAROS est basé à l’université d’Oxford, qui accueille quatre des plus belles collections universitaires au monde – l’Ashmolean Museum, le musée d’histoire naturelle, le musée d’histoire des sciences et le Pitt Rivers Museum –, et constitue un banc d’essai pour la recherche sur les bases de données multimédias. Conçu sur un logiciel open source, il comprend des outils d’intégration de données développés pour la zoologie, de reconnaissance d’image pour le génie et d’intelligence artificielle pour les services web. Les collections sont tirées de musées, de monuments et d’autres institutions patrimoniales d’Europe et d’Asie. Par ailleurs, CLAROS expérimente actuellement le modèle de référence conceptuel CIDOC de la communauté muséale afin de permettre l’interopérabilité entre ces ensembles (University of Oxford, 2013b ; Kurtz et al., 2009 ; University of Oxford Podcasting Service, 2011 ; Rahtz et al., 2011).

65Le griffon de Pise est un polar scientifique qui illustre les obstacles à la découverte d’information sur un objet matériel. Le griffon est une grande statue de bronze d’un animal mythique qui est restée perchée au sommet de la cathédrale de Pise, en Italie, pendant au moins trois siècles (voir figure 7.1). En retraçant sa provenance, une historienne de l’art en a trouvé une référence visuelle datant de la fin du xv^e siècle. D’autres éléments indiquent que le griffon a été retiré de son piédestal en 1828 avant d’être remplacé par une copie moderne. L’original se trouve aujourd’hui dans un musée proche de la cathédrale de Pise. Malgré plusieurs siècles de recherche en art, en histoire, en archéologie et dans d’autres disciplines, les origines du griffon, sa provenance et sa fonction font toujours débat. Les Pisans auraient pu l’acquérir auprès d’artistes locaux, dans un butin de guerre ou par d’autres moyens (Contadini et al., 2002 ; Contadini, 2010 ; The Pisa Griffin Project, 2013).

Figure 7.1. Le griffon de Pise

Les questions de recherche

66Les chercheurs et chercheuses en sciences humaines ont davantage tendance à problématiser un objet ou un phénomène qu’à poser des questions de recherche ou des hypothèses à éprouver. Néanmoins, leurs activités de recherche comportent des phases itératives comparables à celles des sciences exactes et sociales.

67Si la mission de CLAROS est vaste, son objectif de recherche central est de développer une plateforme technologique qui puisse être utile à un éventail de collections patrimoniales. Il s’agit d’un système fédéré et donc facilement extensible par d’autres partenaires. La plupart des traces répertoriées dans CLAROS comportent des images et de brefs descriptifs textuels, dont l’identifiant unique attribué par l’institution. Pour l’heure, chaque sous-ensemble est indépendant, mais il est prévu d’ajouter une fonction pour lier des objets entre les ensembles de CLAROS et des collections externes.

68La recherche sur le griffon de Pise vise à comprendre ses origines, sa provenance, sa valeur culturelle et ses diverses fonctions au cours de son existence. En somme, qu’est-il, d’où vient-il et comment est-il arrivé là ? Des artefacts antiques tels que le griffon de Pise n’ont pas une forme, une fonction ou un rôle statiques. Il pourrait avoir des origines islamiques ou chrétiennes et peut-être avoir été un objet sacré. L’hypothèse la plus probable – et la plus intrigante – sur sa fonction serait l’émission « de sons étranges et fascinants » lorsque le vent soufflait dans sa cavité depuis le sommet de la cathédrale (Contadini et al., 2002, p. 69). Afin d’éprouver les hypothèses et d’en trouver d’autres, on a procédé à des analyses métallurgiques sur le griffon. Il semblerait qu’il ait servi de cible de tir, car il porte des impacts de balle ; aussi des analyses balistiques sont-elles prévues. Grâce à la datation au carbone, l’année de création a pu être estimée entre l’an 1020 et 1250 de notre ère. Le cuivre vient certainement de Chypre, mais l’objet a été sculpté dans le sud de l’Italie, en Égypte ou en Espagne. Le griffon de Pise a connu un regain d’intérêt lorsqu’un lion de style semblable est apparu sur le marché de l’art new-yorkais au début des années 1990 (Contadini et al., 2002 ; Contadini, 2010). L’une des raisons qui rendent son étude complexe est qu’il est difficile à classer. Des objets similaires sont éparpillés dans des musées des beaux-arts, d’arts appliqués, d’archéologie, d’histoire naturelle, d’histoire locale et d’anthropologie.

La collecte de données

69En histoire de l’art et en archéologie antiques, de nombreuses activités peuvent être considérées comme de la collecte de données. Une première dimension de la collecte pour CLAROS est l’acquisition de contenus pour les bases de données, une seconde est le recueil d’informations sur les communautés d’utilisateurs des collections actuelles et potentielles et une troisième est la veille sur les technologies qui pourraient être appliquées à ces collections pour servir ces communautés. Ces dimensions interagissent de plusieurs façons.

70CLAROS ne peut recueillir que les traces que ses partenaires sont prêts à verser. Leur forme, leur teneur et leur intégrité varient grandement. Certaines institutions participantes ont accumulé leurs collections sur plusieurs siècles : la conversion de ces traces dure depuis trente ans, au cours desquels les normes, les pratiques et les technologies ont considérablement évolué. Elles comportent donc différents types et quantités d’informations sur l’origine, l’acquisition et la conservation des objets. La structure des traces et les mécanismes de classification varient aussi considérablement. CLAROS a commencé par intégrer deux millions de ces traces sur CIDOC, l’ontologie et la structure de données élaborée par la communauté muséale internationale. Ce projet est l’un des premiers à appliquer CIDOC à grande échelle (International Council of Museums, 2013 ; Kurtz et al., 2009).

71Les études sur les utilisateurs et les évaluations de système telles qu’elles se pratiquent en sociotechnique sont inhabituelles dans les sciences humaines, bien qu’un tel travail soit envisagé dans l’avenir de CLAROS. Faute d’études, l’interface utilisateur du banc d’essai a été créée en partant de ce que l’on savait de l’usage actuel des collections. Outre la recherche usuelle par mots-clés, l’ajout d’une fonction pour filtrer les vases grecs par forme et par couleur a ajouté de la valeur à la collection Beazley. Les partenaires issus de la zoologie, de l’informatique et du génie ont adapté leurs technologies aux nouveaux ensembles et aux publics envisagés. L’objectif était de garder une conception suffisamment ouverte pour pouvoir l’adapter si nécessaire à d’autres contenus et publics.

72La recherche sur le griffon de Pise combine des méthodes et des savoir-faire de l’histoire de l’art et de l’archéométallurgie : la collecte de données dans un domaine informe l’autre et vice versa. L’historienne de l’art a rassemblé des éléments sur la sculpture à partir de traces historiques et de travaux antérieurs. Ses sources comprennent des dessins, des sculptures sur bois, des gravures, des traductions d’inscriptions et des analyses stylistiques (Contadini et al., 2002 ; Contadini, 1993). L’archéométallurgiste a prélevé des échantillons à différents endroits sur la sculpture afin d’identifier les métaux de chaque partie de l’objet et les méthodes qui ont permis de les joindre. Pour déterminer quels échantillons prélever et comment les tester, il s’appuie sur les analyses historiques.

73Une grande partie des informations recherchées par l’archéométallurgiste concernent l’utilisation des métaux à ces époques et dans ces régions. Son travail est contraint par le manque de ressources numériques en ligne et par l’exclusivité de nombreuses traces pertinentes. Les analyses métallurgiques ne sont pas des tâches routinières, mais elles peuvent avoir été réalisées dans le cadre de la conservation, de l’évaluation, de la recherche de provenance ou de la contestation de l’authenticité. Lorsque des rapports d’analyses antérieures existent, ce n’est parfois que sur papier ou microfilm. Des traces concernant d’autres objets susceptibles d’éclairer les recherches de l’archéométallurgiste sont retenues dans les collections personnelles de propriétaires privés, de marchands et de scientifiques, y compris des archéométallurgistes ayant prélevé des échantillons. Le partage d’information repose largement sur les échanges interpersonnels. L’archéométallurgiste qui étudie le griffon de Pise a contacté des spécialistes par e-mail, téléphone et autres moyens afin de repérer des analyses métallurgiques pertinentes sur des objets similaires. Il a également beaucoup voyagé pour consulter des documents sur papier et microfilm.

L’analyse des données

74C’est au stade de l’analyse que les différences de méthode pour la représentation, la classification et l’organisation de l’information sont les plus manifestes. Le projet CLAROS a intégré une panoplie de traces issues des différentes institutions participantes dans une structure commune, élaboré des ontologies pour organiser les descriptions sémantiques d’objets et conçu des technologies pour exploiter les données résultantes. L’avantage d’encoder les descriptions d’objets avec le modèle de référence conceptuelle CIDOC est que celui-ci peut intégrer toutes les métadonnées possibles plutôt que de réduire les traces à leur plus petit dénominateur commun. L’architecture en « Web de données » utilisée en bio-informatique a été mise en place par des zoologues spécialisés en taxonomie. Elles et ils s’étaient en effet rendu compte que les problèmes sémantiques en biologie et en art antique étaient similaires. Ainsi, en anglais, les musées utilisent les termes artist et creator de façons différentes ; les collections de biologie ont quant à elles tendance à privilégier le terme insect à son synonyme bug. D’autres systèmes de classification distinguent clairement entre la ville de Paris et le plâtre du même nom, alors que les biologistes veillent à différencier les mots « mouche » et « voler », qui se disent tous deux fly (University of Oxford, 2013b ; Kurtz et al., 2009 ; Rahtz et al., 2011). L’interopérabilité de CLAROS s’est heurtée à des barrières technologiques dues à la disparité des formats anciens à intégrer. Les traces d’ores et déjà converties dans des formats de base de données XML et SQL étaient les plus simples à absorber. L’opération a été particulièrement difficile pour les traces destinées à des usages spécifiques, comme les bases de données relationnelles utilisées pour la composition d’ouvrages imprimés.

75À la suite de l’analyse des données sur le griffon de Pise, il est apparu qu’il valait mieux appréhender cet artefact comme un amalgame d’objets différents. En effet, des ornements et d’autres éléments semblent avoir été ajoutés et supprimés au cours des siècles depuis la réalisation originelle de la sculpture. Ainsi, des métaux de nombreuses provenances ont pu être incorporés au griffon que nous connaissons. L’historienne de l’art a retracé dans le temps les mentions du griffon de Pise et d’objets comparables pour tenter de le situer dans des contextes multiples et mouvants (Contadini, 2010). Les analyses métallurgiques sur la microstructure des échantillons ont révélé les différents minerais et la composition des alliages : cela aide à déterminer la mine d’où ils proviennent, les dispositions d’impuretés – qui révèlent la quantité de ferraille ajoutée –, l’époque approximative de création de l’objet et la méthode de fabrication probable. D’autres analyses du griffon comprennent des visualisations en deux et trois dimensions grâce au scannage numérique.

76Une fois au laboratoire de métallurgie, les échantillons sont préparés, polis et soumis à des tests de dureté et de composition. Ces tests et analyses microscopiques sont choisis en fonction d’hypothèses sur la composition des métaux et des limites de détection de chaque méthode. Certaines sont destructives, tandis que d’autres permettent de conserver l’échantillon. Les méthodes les moins destructrices sont préférables, puisque les échantillons peuvent être réanalysés avec de nouvelles technologies ou pour éprouver de nouvelles hypothèses. Les techniques actuelles permettent déjà une résolution en deçà du nanomètre, certaines analyses atteignent même le picomètre ou l’angström.

77Afin d’établir les origines des matériaux le plus précisément possible, l’analyse est approfondie grâce à l’examen d’archives, de brevets, de documents muséaux, de registres de conservation et de catalogues de ventes aux enchères. Savoir de quelle mine le métal a été extrait est nécessaire, mais insuffisant ; tout aussi importantes sont les connaissances sur le commerce autour des mines à l’époque présumée, sur l’utilisation du métal par les artisanes et artisans de la région où l’objet aurait été fabriqué, sur les influences sociales et politiques sur l’échange d’objets – telles que les routes commerciales et le pillage de guerre – et toute autre information contextuelle sur l’objet. Chaque progrès technologique, chaque avancée en matière d’accès aux ressources informationnelles permet d’obtenir de meilleures données. Ainsi, des artéfacts culturels tels que le griffon de Pise peuvent être réinterprétés indéfiniment à mesure que l’on en apprend sur eux.

La publication des résultats

78Les pratiques de publication de l’histoire de l’art et de l’archéologie antiques sont caractéristiques. Les collaborateurs et collaboratrices rapportent bien leurs découvertes à leurs communautés respectives, mais la structure des publications à plusieurs mains est inhabituelle. En effet, dans la plupart des disciplines, les travaux cosignés présentent un récit unique. Or, l’article de synthèse sur CLAROS, qui est une communication de colloque, est divisé en sections personnelles. Chacune est signée par l’un des auteurs et autrices ; seul l’un d’eux n’a pas sa propre section. Les autres collaborateurs et collaboratrices sont mentionnés nommément dans la première section, plutôt que dans les remerciements en fin de communication ou dans les notes de bas de page (Kurtz et al., 2009).

79Les recherches sur le griffon de Pise sont rapportées dans plusieurs publications et signées par différentes combinaisons d’auteurs et autrices. L’étude initiale sur le griffon de Pise est l’œuvre d’Anna Contadini, la principale historienne de l’art du projet, et a été publiée en italien dans un catalogue d’exposition. Ses différents articles sur cette statue ont été rédigés en anglais et en italien (Contadini, 1993, 2010). Un article de synthèse comparant le griffon de Pise et le lion de New York obéissent au même format compartimenté que celui sur CLAROS (Contadini et al., 2002). Les trois premières sections traitent du contexte historique et artistique : deux ont un seul auteur et une en a plusieurs. La dernière section, signée par Peter Northover, rend compte des analyses métallurgiques de manière détaillée, listant la composition des échantillons des différentes parties des deux objets, ainsi que d’un troisième qui serait lié au lion et au griffon. Les remerciements sont listés dans les notes de chaque section de l’article et la bibliographie est commune. On trouve également des images des objets étudiés. Dans les deux cas, les mérites de chacun dans la collaboration sont soigneusement répartis, ce qui est peut-être un héritage de la tradition de l’auteur solitaire dans les sciences humaines.

La conservation, le partage et la réutilisation des données

80Les difficultés de conservation, de partage et de réutilisation des données en histoire de l’art et en archéologie antiques proviennent de la diversité des entités pouvant être considérées comme des données dans ces situations, ainsi que des intérêts concurrents des parties prenantes.

81CLAROS se rapproche davantage d’un banc d’essai que d’une collection. En tant que banc d’essai, il est conçu pour être ouvert et interopérable avec des technologies de Web sémantique qui permettent à des tiers d’ajouter des mécanismes de classification, des interfaces utilisateur et d’autres fonctionnalités. En tant que collection, son ouverture permet de trouver un nouvel usage aux traces. La pérennité de CLAROS dépend de la continuité du financement, de l’engagement renouvelé des partenaires actuels et du développement de nouveaux partenariats ; or, tous ces éléments se sont avérés difficiles à garantir. Parce qu’il est peu probable qu’une institution remplace sa structure de données interne pour rejoindre le projet, CLAROS a choisi d’exporter les données de chaque système partenaire dans le modèle de référence conceptuelle CIDOC. Cette démarche se prête bien à un banc d’essai d’infrastructure, mais a peu de chances de motiver les institutions partenaires à harmoniser leurs systèmes. Les structures maison doivent généralement s’intégrer à des systèmes internes de gestion des finances, du personnel et des collections des archives et bibliothèques, ainsi qu’avec des systèmes tournés vers l’extérieur, comme les sites web publics, les visites virtuelles de musées, les collections fédérées telles que CLAROS et de grands services fédérés comme Europeana et la Digital Public Library of America.

82Les informations au sujet du griffon de Pise sont diffusées bien plus largement que ce que l’on observe habituellement dans d’autres domaines de recherche. Étant un objet imposant, unique et doté d’une grande importance historique, le griffon dispose de son propre site web, où figure la documentation du projet. Les recherches à son sujet peuvent éclairer des travaux dans de nombreux domaines des arts, de l’archéologie, de l’histoire, de la religion, de la culture, du commerce et de la métallurgie. Les publications constituent les traces durables de ces recherches. Les documents historiques sur lesquels elles sont fondées demeurent dans les bibliothèques, les archives, les services de conservation et les autres endroits où ils se trouvaient. Le projet crée des traces numériques volumineuses : scanographie, imagerie laser et photographie en haute résolution peuvent produire des fichiers de plusieurs gigaoctets, voire téraoctets. Ceux-ci ne sont pas diffusables tels quels et ces pratiques de partage ne sont pas courantes dans cette communauté (Contadini et al., 2002 ; Contadini, 2010 ; The Pisa Griffin Project, 2013).

83Dans les publications, les données issues de l’échantillonnage des métaux du griffon sont rapportées sous forme de tableaux, comme il est d’usage en métallurgie scientifique. Ces tableaux sont ouverts au sens où le lectorat y accède librement, mais pas au sens où ils consisteraient en des données structurées découvrables ou explorables informatiquement (Murray-Rust et Rzepa, 2004). La propriété et la diffusion des échantillons physiques sont un terrain peu exploré. En effet, les pratiques disciplinaires veulent que les minuscules échantillons résiduels restent en possession de l’archéométallurgiste. Bien que celui-ci considère que ses échantillons appartiennent toujours aux musées ou aux autres propriétaires des objets qu’il a étudiés, les documenter de manière à ce qu’ils puissent servir à d’autres représente un vaste chantier, dans lequel il compte se lancer à sa retraite.

Études bouddhiques

84Le bouddhisme, religion née il y a 2 500 ans, est pratiqué dans une grande partie de l’Asie et compte des disciples, un clergé et des érudites et érudits dans le monde entier. La doctrine bouddhiste est solidement documentée, des premiers manuscrits aux corpus numériques contemporains. On pense qu’en l’an 705, l’impératrice Wu de la dynastie Tang a fait imprimer et distribuer cent mille copies d’un texte bouddhique, accomplissant ainsi un grand pas dans la diffusion du papier et de l’imprimerie (Barrett, 2008). Les progrès de ces deux domaines sont étroitement liés en Asie de l’Est. L’impression sur bloc de bois y a été perfectionnée des siècles avant que Gutenberg ne mette au point son système d’encre et de caractères mobiles vers 1450.

85Les premiers textes bouddhiques remontent à plus de deux mille ans. En tant que textes sacrés, ils étaient transmis oralement en prose et en vers. Certains textes constituent des objets sacrés ; d’autres jouent un rôle liturgique ou savant. Le papier a été précédé de manuscrits sur écorces de bouleau, bambou, briques, tablettes d’argile et autres. Les textes ont ensuite été consignés dans différents systèmes d’écriture et langues, puis traduits de l’un à l’autre. Le bouddhisme s’est ainsi rapidement répandu par le truchement de la traduction, alors que les premiers pratiquants du christianisme, de l’islam et d’autres religions interdisaient souvent la diffusion de textes sacrés dans une langue différente de l’originale. La décision radicale de Martin Luther de traduire la Bible en allemand, par exemple, a fait connaître le protestantisme dans l’ensemble du monde germanophone du xvi^e siècle.

86Cette éthique de large diffusion des textes bouddhiques se poursuit aujourd’hui avec des projets de numérisation massive selon les normes scientifiques et technologiques les plus exigeantes. Les pratiques savantes se transforment à mesure que les textes deviennent accessibles et que les outils pour les étudier gagnent en sophistication. Parce que ces documents peuvent être étudiés dans beaucoup de domaines pour répondre à de nombreuses questions de recherche, les chercheurs et chercheuses emploient une multitude de moyens pour sélectionner les entités qui leur permettront de mettre en évidence des phénomènes. Cette étude de cas sur la philologie bouddhique chinoise traite de l’analyse textuelle, de la création de grands corpus numériques de textes sacrés et savants, des comparaisons de l’usage des artefacts physiques et des objets numériques et du rôle de ces corpus dans les nouvelles méthodes de recherche. La philologie est un domaine qui combine la linguistique, la littérature et l’histoire pour étudier des sources historiques textuelles.

87Les premiers textes bouddhiques peuvent être étudiés pour leur valeur historique, culturelle, artistique, linguistique et religieuse. La Chine, le Japon, l’Inde, le Sri Lanka, la Thaïlande, la Mongolie, le Tibet et la Birmanie/le Myanmar comptent parmi les pays où, historiquement, le bouddhisme a prospéré. Il est encore la religion majoritaire au Japon et dans de nombreuses autres régions d’Asie. En Occident, le bouddhisme tend à être un objet d’étude plus qu’une véritable discipline universitaire : les spécialistes en sont répartis dans des départements de religion, d’histoire, de langues, de civilisation et d’études régionales. Bien que la recherche sur le bouddhisme soit centrée sur les canons de textes sacrés, les questions, les méthodes et les médias de publication de chaque scientifique peuvent correspondre aux disciplines auxquelles elle ou il a été formé ou qu’elle ou il enseigne.

88De nombreux textes bouddhiques importants semblent avoir d’abord été rédigés en sanscrit et en d’autres langues indo-aryennes. Le sanscrit est une langue culturelle indo-européenne utilisée depuis longtemps en Inde, qui s’écrit dans plusieurs systèmes d’écriture modernes et dans de nombreux systèmes anciens. Les textes sanscrits et indo-aryens ont ensuite été traduits en chinois et en d’autres langues pour être diffusés et étudiés. Le système d’écriture chinois, qui est utilisé dans plusieurs langues, a été normalisé au iii^e siècle avant notre ère. Le chinois représentait la langue culturelle commune de l’Asie de l’Est, remplissant un rôle comparable à celui du latin dans l’Europe antique. Parce que ces textes ont été transmis sur des siècles, une expertise linguistique, historique et culturelle considérable est nécessaire pour les étudier. Par exemple, pour lire des textes bouddhiques traduits en chinois entre le ii^e et le v^e siècle de notre ère, un chercheur ou une chercheuse doit connaître le chinois, le sanscrit et les autres langues de la période. Idéalement, il doit aussi maîtriser les écritures dans lesquelles ces langues étaient alors rédigées.

La taille compte

89Les spécialistes du bouddhisme constituent une petite communauté éparpillée. Ses grands pôles se trouvent dans les régions du monde où cette religion est la plus pratiquée, principalement en Asie. Leurs ressources sont très variées et recouvrent de nombreux systèmes d’écriture, langues, régions et époques. Les chercheurs et chercheuses travaillent généralement seuls ou en petits groupes. Leurs méthodes reposent notamment sur une lecture méticuleuse des textes, ce qui engendre un petit nombre d’observations ; cependant, avec la croissance des corpus numériques bouddhiques, l’analyse automatisée devient possible. Les philologues bouddhiques commencent ainsi à expérimenter les technologies d’analyse de textes. Les outils de CLARIN pour la linguistique de corpus, que nous avons mentionné plus haut, sont parfois utilisables. De même, BLAST, un outil d’appariement ADN déjà adapté pour les textes historiques en français, pourrait contribuer à certaines questions de recherche de cette communauté.

Quand est-ce une donnée ?

90À l’origine, les textes bouddhiques sont religieux. Le choix des éléments probants y dépend de s’ils sont étudiés pour cette raison ou pour d’autres motifs savants. La diffusion des textes sacrés est un principe fondamental du bouddhisme : ses adeptes sont donc motivés pour les traduire, les éditer et les rendre accessibles au plus grand nombre. Ce processus a eu des effets exponentiels au cours des siècles. Chaque texte copié ou traduit peut être exploité pour créer encore plus d’exemplaires dans d’autres langues. Les travaux sur les textes et leur commentaire présentent aussi un intérêt pour la recherche, car ils ont aussi été copiés et traduits. Cet effet multiplicateur s’accélère avec le recours croissant à l’imagerie et à la numérisation, puisque chaque texte enregistré sous forme numérique peut servir à créer encore d’autres produits. La numérisation aide aussi les scientifiques à traiter les différents éléments comme des entités distinctes. En effet, une fois numérisés, les textes peuvent être étudiés dans leur ensemble, mais on peut également en examiner les phrases, les caractères, les frappes, la ponctuation ou d’autres unités. Ces entités peuvent être fouillées et combinées de nombreuses manières pour étudier différents phénomènes.

Sources et ressources

91Distinguer sources et ressources dans les études bouddhiques est particulièrement problématique en raison de la très longue histoire de ces œuvres. Les corpus numérisés de textes anciens constituent clairement des ressources. Pour être une source, un texte doit être considéré comme original – autre concept sujet à controverse dans les sciences humaines. Quelques distinctions nous permettront d’illustrer les difficultés à déterminer quand et comment quelque chose peut être traité en donnée.

Sources primaires ou secondaires

92La distinction entre sources primaires et secondaires est utile, mais floue. En philologie bouddhique, un texte original en sanscrit ou une traduction chinoise ancienne sont considérés comme des sources primaires, alors que les traductions et les travaux de recherche contemporains sur des textes anciens sont généralement tenus pour des sources secondaires. Dans les livres et les articles de revue, les bibliographies dressent parfois des listes séparées pour les sources primaires et secondaires. Les éditions critiques sont généralement considérées comme des sources primaires parce qu’elles présentent les textes sous une forme qui fait consensus. Elles rassemblent parfois plusieurs sources, produisant ainsi un format lisible au plus près des originaux.

93Ces distinctions reposent souvent sur une expertise pointue. Les textes bouddhiques anciens sont en effet bien plus difficiles à interpréter que les documents occidentaux. En philologie grecque et romaine, par exemple, on peut admettre certains postulats sur les pratiques à l’époque de l’empire unifié. C’est moins vrai dans le cas du bouddhisme : les pratiques culturelles associées à ces documents varient selon le pouvoir en place, la langue, la région, l’époque, le système d’écriture et bien d’autres facteurs. Par ailleurs, le chercheur ou la chercheuse doit aussi prendre en compte le rôle de la personne qui traduit ou transmet le texte. À certaines périodes de l’histoire de l’Inde et, parfois, de la Chine, le traducteur ou la traductrice pouvait légitimement modifier le texte ou s’abstenir de le faire. Même un texte sacré revêtait des sens différents selon les traductions, bien loin du littéralisme qui a cours dans la traduction des textes chrétiens. Les éditions critiques ont également une longue histoire et peuvent comprendre des corrections apportées aux textes. Certaines de ces éditions du xiii^e siècle sont aujourd’hui considérées comme des sources primaires.

Images statiques ou contenu enrichi

94Les études bouddhiques en général et la philologie en particulier reposent sur la capacité à comparer des textes, intégralement ou en partie. Les spécialistes étudient comment ils étaient compris dans différents contextes temporels, géographiques, linguistiques et culturels. Comparer les objets matériels originaux côte à côte est pratiquement impossible pour celles et ceux qui étudient des textes du v^e siècle ou antérieurs. En effet, rares sont ceux qui ont survécu sous forme physique : ils ne sont connus que grâce à des traductions ou des mentions ultérieures. Ceux qui restent sont précieux, fragiles et dispersés à travers le monde. La diffusion d’images statiques sur microfilms, de fac-similés sur papier, puis sur CD-ROM a permis pour la première fois aux spécialistes de confronter de nombreux textes. L’étape suivante a été la diffusion d’images statiques en ligne, les rendant plus largement accessibles encore.

95Au cours de la dernière décennie, la conversion de ces textes en représentations interrogeables et contenus enrichis s’est accélérée, conduisant à des avancées radicales dans l’exploitation de ces ressources historiques. Au lieu de visualiser une page, un dossier ou une boîte d’archives à la fois, les chercheurs et chercheuses peuvent maintenant comparer, combiner et extraire des informations de ces textes numériques. Leur relation aux textes s’en est trouvée changée de manière subtile et complexe, comme l’ont montré des études sur l’adoption du Thesaurus Linguae Graecae par les spécialistes de l’Antiquité (Ruhleder, 1994).

Les infrastructures de la connaissance

96La communauté des spécialistes du bouddhisme est unie par son intérêt pour ces textes. Ces chercheurs et chercheuses viennent de différentes disciplines, appliquent des méthodes et théories variées, lisent de nombreuses écritures et langues et travaillent dans diverses parties du monde. L’infrastructure de la connaissance commune dont ils disposent, pour autant qu’elle existe, est centrée sur les moyens d’accès aux textes bouddhiques. Il est rare qu’ils obtiennent des subventions pour autre chose que des frais de déplacement. Ils ne disposent pas d’un accès immédiat aux organismes de financement public qui pourraient permettre la numérisation des corpus, la création de référentiels, l’acquisition de technologies et d’outils, l’instauration de normes ou l’embauche d’assistantes et assistants. Dans la mesure du possible, ils s’appuient sur des sources trouvées en bibliothèques ou accessibles gratuitement en ligne. L’infrastructure de la connaissance de la communauté savante bouddhique dispose en revanche d’un soutien institutionnel dans la communauté religieuse qui fait vivre ces textes. Les monastères et autres centres religieux œuvrent activement à leur numérisation et à leur diffusion, souvent de concert avec la communauté scientifique.

97Les spécialistes en études bouddhiques partagent leur expertise grâce aux colloques, aux médias sociaux et aux technologies internet. H-Buddhism, par exemple, fait partie de H-Net, qui répond aux besoins de spécialistes des sciences humaines et sociales du monde entier. Ce site web actif comprend des listes de discussions, des recensions, des actualités, des offres d’emplois et d’autres annonces (H-NET 2013a, 2013b). Les chercheurs et chercheuses de domaines tels que le bouddhisme chinois peuvent organiser des réunions en ligne où ils lisent des textes bouddhiques, les interprètent, les traduisent et en discutent grâce à des technologies vidéo. Leurs publications incluent de longs remerciements aux collaborateurs et collaboratrices qui leur ont fourni des ressources, ont commenté leurs manuscrits et les ont aidés d’une manière ou d’une autre.

Métadonnées

98La question des métadonnées est aussi importante dans les études bouddhiques que dans les autres domaines des sciences humaines. La communauté de recherche n’est pas d’accord sur les versions de référence des textes, ni sur qui a écrit quel texte, ni même sur la notion de paternité. Il n’existe pour les études bouddhiques aucun mécanisme commun de classification comme l’Art and Architecture Thesaurus, ni de modèles de référence tels que CIDOC pour la version numérique des textes.

99Les mécanismes d’organisation, pour autant qu’ils existent, semblent être associés à des corpus spécifiques. La version numérique de référence du canon bouddhique chinois est établie d’après l’édition Taisho, élaborée dans les années 1920 et 1930. Cette version papier de référence du canon a été créée à des fins religieuses et savantes. C’est un texte gigantesque, constitué de cinquante-cinq volumes principaux et de quatre-vingts volumes annexes. Bien que coûteuse, elle est devenue une acquisition nécessaire pour les collections d’études asiatiques et bouddhiques des bibliothèques de recherche. La plupart des citations académiques ultérieures du canon bouddhique chinois renvoient explicitement à cette source, souvent à la page près (Takakusu et Watanabe, 1932). En 1998, la Chinese Buddhist Electronic Text Association (CBETA) a publié la première version numérique de l’édition Taisho, qui suit de près la version papier. Elle a conservé la même pagination afin de garantir la continuité historique de la recherche. Les éditeurs et éditrices de la CBETA ont amélioré le contenu en corrigeant la ponctuation, ce qui constitue une importante contribution scientifique. En effet, les marques de ponctuation permettent de déterminer, par exemple, si un mot chinois est un nom ou un verbe, ce qui influe profondément sur l’interprétation du texte. Le système comporte un balisage syntaxique et sémantique, que des outils peuvent exploiter pour sélectionner et comparer des portions du texte, mais n’instaure pas un vocabulaire de métadonnées ou un quelconque système de classification (CBETA Chinese Electronic Tripitaka Collection, 2013).

100En un sens, les méthodes de ces philologues produisent des métadonnées sur les textes qu’elles et ils étudient. En effet, les descriptions philologiques sont des interprétations, lesquelles constituent des métadonnées dans la mesure où elles aident à trouver et interpréter les textes. La limite entre données et métadonnées est floue, car une bonne part de l’activité de recherche consiste à produire des descriptions denses de phénomènes minces, comme le fait l’ethnographie (Geertz, 1973).

Provenance

101Plus les sources sont anciennes et plus les questions de provenance peuvent devenir complexes. On ne sait pas précisément quels sont les textes bouddhiques initiaux dont émaneraient les autres parce que les scientifiques n’ont pas réussi à dégager un consensus sur les dates de naissance et de mort du Bouddha. On estime aujourd’hui qu’il aurait vécu au iv^e ou v^e siècle avant notre ère. Les textes se transmettaient par oral et les premières versions écrites sont apparues vers le i^er siècle avant Jésus-Christ. Un manuscrit bouddhique indo-aryen du i^er siècle de notre ère a récemment été découvert : l’époque a pu en être déterminée grâce à des analyses paléographiques et à la datation au carbone (Falk, 2011). Les manuscrits indo-aryens sont antérieurs à tous les écrits chinois connus : ces derniers remontent au iii^e siècle après Jésus-Christ.

102L’ambiguïté de la provenance d’anciens manuscrits fait partie de la recherche en études bouddhiques. Les chercheurs et chercheuses comparent des textes en différentes langues, de la même époque ou non, pour tenter d’en identifier les auteurs et autrices, éditeurs et éditrices, traducteurs et traductrices et autres parties impliquées dans la création et la communication de ces textes. Certains chercheurs s’intéressent à la transmission des idées, d’autres à la langue et d’autres encore aux objets matériels. Les textes bouddhiques peuvent en effet apparaître non seulement sur des supports familiers tels que le bambou et le papier, mais aussi sur des objets du quotidien, comme les briques de Gopalpur qui se trouvent à l’Ashmolean Museum. La provenance même de ces briques est contestée (Johnston, 1938).

Corpus

103Les corpus tels que l’édition CBETA et les collections des bibliothèques, archives et musées sont des composantes de l’infrastructure de la connaissance des études bouddhiques. Les ressources sont éparpillées à travers le monde, mais leurs représentations peuvent être rassemblées grâce aux technologies numériques. Lors des dix ans de la CBETA, les spécialistes du bouddhisme ont applaudi l’influence transformatrice qu’elle a eue sur leur travail (Goenka et al., 2008). La CBETA n’est pas un système statique : elle continue d’ajouter du contenu et d’intégrer de nouvelles technologies à son projet. La version actuelle est enrichie d’encodage textuel, dont le XML et l’Unicode. Les dispositifs de recherche et de fouille de textes permettent aux utilisateurs et utilisatrices d’explorer les corpus, d’exporter les résultats dans d’autres outils analytiques et de transférer des extraits dans des logiciels de traitement de texte en conservant intacts les caractères, la ponctuation et les métadonnées. Le système n’est pas seulement utilisable sur ordinateur et dispose d’applications pour la majorité des appareils mobiles, des systèmes d’exploitation, des liseuses de livres électroniques et des médias sociaux.

104L’édition CBETA du canon bouddhique chinois continue de croître au-delà de la version papier grâce à la numérisation d’autres textes importants liés au bouddhisme. À l’heure où nous écrivons, la CBETA contient plus de 2 370 sutras et soixante-dix millions de mots chinois. Ce corpus est une ressource d’une ampleur inégalée pour les chercheurs et chercheuses qui effectuent des analyses linguistiques de textes bouddhiques chinois. L’édition CBETA est à son tour exploitée pour créer de nouveaux recueils en ligne. Par exemple, les Vietnamiens ont combiné une traduction automatique du corpus de la CBETA et des dictionnaires de vietnamien électroniques pour servir de base à leur propre édition en langue vernaculaire. Les savantes et savants vietnamiens corrigent et éditent les traductions automatiques (Nguyên et Nguyên, 2006).

105L’International Dunhuang Project (IDP), lancé en 1994 par le British Museum et qui regroupe aujourd’hui des partenaires du monde entier, est un autre exemple de contribution des collections à l’infrastructure des études bouddhiques. Dunhuang, en Chine, était un important comptoir commercial sur la route de la soie. Au début du xx^e siècle, une large cache de documents bouddhiques scellée depuis près de mille ans a été découverte non loin de la ville dans les grottes de Mogao. Les cinquante mille documents environ ont été dispersés par divers moyens dans des bibliothèques, des archives et des collections privées du monde entier, pour un résultat controversé. Parmi les documents figurait le fameux Sutra du Diamant, aujourd’hui en possession de la British Library. Cet important texte sacré est le premier livre imprimé à être clairement daté : 11 mai 868 (The British Library Board, 2013). L’IDP est un projet de catalogage et de numérisation de manuscrits, des peintures, des textiles et d’autres artefacts de Dunhuang et des sites archéologiques de la route de la soie orientale. À l’heure où nous écrivons, plus de quatre cent mille images sont disponibles sur le site (International Dunhuang Project, 2013). Elles sont librement accessibles à des fins éducatives et de recherche.

Les influences extérieures

106Les facteurs externes qui influent sur l’accès aux sources dans les études bouddhiques sont très spécifiques. Si son terrain n’est peut-être pas aussi miné que celui de l’histoire de l’art et de l’archéologie antiques, cette communauté est confrontée à ses propres contraintes économiques, éthiques et de propriété en ce qui concerne ce qu’elle peut traiter en donnée.

Économie et valeur

107En raison des principes de leur religion, les textes bouddhiques sont plus largement diffusés que la plupart des autres ressources historiques. Ils ne sont pas pour autant ouverts ou libres. L’énorme édition papier du canon bouddhique chinois est coûteuse : ces volumes peuvent être considérés comme des biens privés, disponibles à la vente. Néanmoins, une fois acquis par les bibliothèques, ils peuvent être vus comme des réservoirs communs de ressources dont l’usage est régi par les bibliothécaires et leurs communautés. Chaque bibliothèque, archive, musée et site historique possède ses propres règles sur qui peut étudier ses ressources et à quelles conditions.

108La CBETA, l’équivalent numérique de l’édition Taisho du canon bouddhique chinois, est un système en ligne ouvert et gratuit. Il en existe également des versions sur CD-ROM. La CBETA est un réservoir commun de ressources possédé et régi par l’association qui l’a élaborée et la maintient. La communauté bouddhiste investit dans ces ressources à la fois pour ses croyants et pour les scientifiques. La pérennité et les passagers clandestins sont moins problématiques que dans les domaines qui dépendent de subventions.

109Beaucoup de ressources importantes demeurent entre les mains de collectionneurs et collectionneuses privés, dont certains mettent leurs recueils à la disposition des chercheurs et chercheuses. Ces derniers peuvent d’ailleurs rassembler eux-mêmes des collections considérables au cours de leur carrière. Leurs publications et leurs bibliothèques privées deviennent des ressources précieuses qui seront léguées ou vendues à leur retraite ou à leur mort.

Droits de propriété

110Les problèmes de propriété sont généralement liés à la possession des artefacts matériels et à la diffusion des représentations des textes. Les questions peuvent être éthiques autant que juridiques. Des textes bouddhiques ont fait surface au xxi^e siècle lorsque des régions isolées d’Asie – en particulier l’Afghanistan, le Pakistan et le Tibet – se sont ouvertes. Certains constituent des découvertes exceptionnelles, en particulier les textes que l’on pensait disparus, car connus seulement par des mentions intertextuelles ou des traductions dans d’autres langues. Des documents précieux tombent parfois entre les mains de collectionneurs et collectionneuses privés, qui peuvent en refuser l’accès aux scientifiques. Des feuillets tirés de certains ouvrages sont vendus au marché noir : les textes concernés ont donc peu de chance d’être reconstitués. Des portions substantielles de textes récemment découverts ont disparu. D’autres sont détenus en secret pendant de longues années, connus uniquement d’un petit groupe de chercheurs et chercheuses et dévoilés au grand jour seulement quand ceux-ci sont prêts à publier leurs travaux sur ces textes (Allon, 2007, 2009).

Éthique

111Dans les études bouddhiques, les considérations éthiques sont subtiles et complexes. La religion, la recherche, la culture et la politique sont inextricablement mêlées. Par exemple, la diffusion des textes a été soutenue ou au contraire restreinte par les autorités selon les époques. La CBETA est un projet taïwanais, accessible au lectorat sinophone du monde entier. Les relations entre Taïwan et la Chine sont délicates et le bouddhisme représente une source de tensions au sein de la république populaire et vis-à-vis des États étrangers. Le dalaï-lama, lauréat du prix Nobel de la paix en 1989, vit exilé de son Tibet natal, une province indépendantiste de la Chine. Les scientifiques sont très conscients des tensions passées, présentes et potentiellement futures entre les institutions religieuses et politiques, ainsi que de leur influence sur l’accès aux ressources.

112La communauté bouddhiste affirme la valeur de ses textes en tant qu’artefacts culturels, historiques et linguistiques et encourage la recherche. À leur tour, les scientifiques respectent les traditions religieuses qui fondent les textes sacrés. Certains objets matériels appellent la vénération, mais la plupart conviennent à l’étude scientifique. Les textes constituent un substitut à la présence du Bouddha. Les artefacts qui l’évoquent sont enchâssés dans un endroit dédié du temple. Les inscriptions sur des briques peuvent être intégrées au mur d’un bâtiment pour le bénir. Les technologies numériques soulèvent des questions intéressantes, comme ce que pensent les moines bouddhistes de textes enchâssés dans un ordinateur ou un autre appareil.

Mener des recherches en études bouddhiques

113La présente étude de cas décrit les travaux récents d’un chercheur en philologie bouddhique chinoise. Pour l’un de ses projets, il a comparé des textes en différentes langues pour étayer une possible origine commune. Il en a tiré un article de revue, puis a repris l’étude de ces textes (Zacchetti, 2002). Un autre de ses projets consiste dans une édition critique synoptique d’importants textes sacrés chinois (Zacchetti, 2005). Depuis, ses travaux reposent largement sur la CBETA, ce qui a apporté de nouvelles questions, méthodes et sources de preuve à ses recherches.

114Le degré et l’ampleur de l’expertise nécessaire à l’étude de la philologie bouddhique chinoise donnent le vertige. Notre chercheur a effectué un parcours universitaire en études chinoises et en philologie, qui n’est pas sans rappeler la double formation en archéologie et en métallurgie du scientifique de l’étude de cas précédente. On notera en particulier le nombre et la variété des langues avec lesquelles il travaille, tout en enseignant et en publiant la plupart de ses travaux en anglais. La philologie classique suppose de connaître le latin et le grec, qui sont des langues proches de l’anglais ; notre chercheur les a apprises dans le cadre de sa formation. Sur cette base, il a assimilé le chinois, le sanscrit, le tibétain, le pali et le japonais. L’étude de ces langues et de leurs systèmes d’écriture n’est pas courante chez les scientifiques en Occident. La langue maternelle de notre chercheur est l’italien, dans laquelle il enseigne et publie également. Lorsqu’il donne un cours avancé sur l’histoire et la culture chinoises, il s’exprime en mandarin. Ses vastes compétences linguistiques sont un moyen en vue d’une fin : l’étude de l’histoire, de la culture et de la langue du bouddhisme telles que les anciennes civilisations asiatiques les ont consignées et appréhendées.

115Les corpus numériques et les dispositifs associés ont révolutionné la recherche linguistique en études bouddhiques chinoises. Notre chercheur appelle la CBETA son télescope, car il peut l’utiliser pour voir plus loin que jamais auparavant. Pour expliquer cette métaphore, il évoque son compatriote Galilée, qui a décrit comment une technologie nouvelle – un télescope amélioré par ses soins – lui permit de voir des phénomènes jusqu’alors invisibles. Le philologue compare aussi la CBETA et les recueils similaires à un microscope, car il peut examiner chaque texte de bien plus près. Il est en mesure de produire ses propres concordances sur des portions du texte, de les fouiller et de réaliser des comparaisons d’un nouveau genre.

Les questions de recherche

116Notre chercheur examine les liens intertextuels qui révèlent comment ces textes ont été communiqués et compris par différentes cultures à des époques et dans des lieux particuliers. Les questions qu’il traite dans l’article de revue ont émergé alors qu’il étudiait une version papier d’un ancien texte bouddhique chinois, où il a repéré une ressemblance avec un texte qu’il avait lu en pali, une langue ancienne de l’Inde. Établir un lien géographique ou culturel entre ces textes représenterait une importante découverte historique : en effet, on supposait jusque-là qu’ils étaient indépendants. Le texte chinois est le plus court des deux ; le pali est un chapitre d’un écrit plus long. L’hypothèse du chercheur est que les deux textes sont la traduction d’un texte indo-aryen antérieur, ce qui illustre le cheminement complexe des idées entre les cultures (Zacchetti, 2002).

117Les éditions critiques tentent d’établir l’esprit original du texte le plus complètement possible. Pour cela, elles en consignent la provenance, comparent leurs traductions et leurs variations et expliquent ce qu’on sait de leur contexte d’écriture, de circulation et d’utilisation. Les éditions critiques deviennent des sources primaires si elles sont acceptées comme des travaux de référence dans leur domaine. L’édition critique réalisée par notre chercheur est une analyse complète de textes similaires dans deux langues différentes. Il a consacré des années de travail à comparer trois chapitres d’un important texte bouddhique chinois avec leurs pendants en sanscrit. La section concernée du canon chinois est un texte unique, tandis que les équivalents sanscrits sont des tablettes issues de quatre textes différents, dont une partie jusque-là non publiée d’un manuscrit. En comparant les textes sanscrits avec la traduction chinoise, il en a déduit comment ils avaient été traduits des siècles auparavant et comment les concepts qu’ils contiennent étaient alors appréhendés par ces deux cultures (Zacchetti, 2005).

La collecte de données

118Le terme « donnée » ne faisait pas partie du vocabulaire usuel de notre chercheur avant que nous nous parlions pour les besoins de la présente étude de cas. Ses méthodes impliquent une sélection méticuleuse de termes, d’expressions, de concepts et de caractères dans les textes, que l’on assimilera aisément à une collecte de données. Parce qu’il effectue des comparaisons binaires, il dresse des tableaux à deux colonnes dans un traitement de texte. Lorsqu’il travaille sur des artefacts matériels, il effectue des recherches dans le texte artisanalement, puis saisit la description de ses observations dans le tableau. Lorsque les entités sélectionnées proviennent de la CBETA, il les saisit sous forme numérique en les copiant et collant dans son document. Le dispositif de la CBETA intègre les métadonnées du texte sélectionné dans les copier-coller, ce qui permet une sélection des données plus rapide et plus fiable. Certaines comparaisons sont effectuées ligne à ligne et d’autres, proposition à proposition. Chaque entrée est copieusement annotée d’informations sur sa source et sur les similarités et différences des éléments appariés. Notre chercheur gère ses tableaux à l’aide de conventions simples de nommage des fichiers, comme le numéro de chapitre du texte chinois.

119Dans l’article de revue et l’édition critique monographique, son but était d’interpréter les textes et plus particulièrement l’usage de la langue dans chacun d’eux. Ses recherches dépendent d’une panoplie d’outils et de ressources numériques, dont certains sont courants et d’autres conçus sur mesure par d’autres scientifiques. Un outil obscur qui lui est particulièrement utile est une source lexicographique en ligne sur les variantes historiques des caractères chinois (ministère de l’Éducation, République de Chine, 2000).

120Le texte chinois sur lequel notre chercheur a travaillé est un exemplaire papier, tandis que son équivalent en pali se trouvait dans un corpus numérique. Il étaye son argumentation à l’aide de l’histoire de ces documents et d’autres travaux scientifiques, tout en reconnaissant qu’il est difficile d’établir leurs origines de manière certaine. Il note par exemple les « originaux putatifs » de termes importants (Zacchetti, 2002, p. 79). Afin de rassembler des preuves, il recherche des sources numériques et papier, dont certaines se trouvent en bibliothèque, d’autres en ligne ou sur CD-ROM et d’autres encore dans la considérable collection de reproductions de textes qu’il a accumulés au cours de sa carrière. Il repère les traductions antérieures, ainsi que les bibliographies et catalogues anciens où ces textes sont mentionnés pour la première fois (Zacchetti, 2002, p. 75).

L’analyse des données

121Dans la démarche de notre chercheur en philologie bouddhique chinoise, l’analyse consiste à interpréter les éléments figurant dans ses notes et ses tableaux pour construire un argumentaire. L’article de revue présente ses analyses sous la forme d’une série de tableaux, avec le texte chinois à gauche et le pali à droite. Bien que l’article soit écrit en anglais, le commentaire comprend beaucoup de termes en chinois et en pali pour expliquer les comparaisons. Certains commentaires expliquent des expressions obscures ; d’autres comparent des interprétations littérales et métaphoriques des textes. Comme dans les revues juridiques, les notes de bas de page occupent parfois plus d’espace que le corps du texte ; comme dans les revues de sciences sociales, l’article commence par une revue de la littérature pour situer le propos et se termine par une discussion des résultats et une conclusion.

122Nous considérons la monographie comme une édition critique synoptique en raison des comparaisons ligne à ligne et proposition à proposition qu’elle contient. L’essentiel de l’ouvrage consiste en une comparaison des textes dans un tableau à deux colonnes, dont nous montrons un extrait à la figure 7.2 (Zacchetti, 2005, p. 157). Comme dans l’article de revue, les comparaisons sont abondamment annotées de commentaires en anglais et de références en chinois et en sanscrit. Certaines de ces notes confrontent des définitions de termes ou expliquent l’énumération des concepts. Les tableaux comparent des sources, des variantes et des traductions, mettant en évidence l’évolution de la langue et l’origine possible des textes. Les sources de notre chercheur comportent souvent des variantes anciennes de caractères chinois et sanscrit. Celles-ci sont difficiles à rendre précisément sous forme numérique, car elles n’existent pas dans Unicode. Une partie de l’analyse du chercheur consiste à translittérer, s’il y a lieu, le texte en caractères modernes afin de rendre le contenu plus accessible au lectorat contemporain. L’édition critique comprend en outre une longue réflexion sur la provenance de ces textes (Zacchetti, 2005).

La publication des résultats

123Les spécialistes du bouddhisme chinois publient leurs travaux dans des revues, des livres et des actes de colloques. Les publications philologiques reposent lourdement sur les citations textuelles. Celles-ci sont bien plus longues que les quelques mots autorisés par le droit de citation et représentent donc une pratique typiquement scientifique. Dans les deux publications que nous avons évoquées, le texte est présenté avec des jeux de caractères modernes, alors qu’une partie des caractères chinois sur lesquels notre chercheur a travaillé correspondent à d’anciennes écritures qui ne peuvent pas être représentées dans Unicode. Unicode étant aujourd’hui intégré à tous les logiciels et matériels grand public, ses écrits en anglais, en chinois et en sanscrits apparaissent correctement sur les écrans d’ordinateur et les imprimantes, du moins pour les écritures modernes. Certes, des problèmes peuvent survenir avec certains claviers et navigateurs, mais l’interopérabilité s’améliore. Bien que notre philologue travaille sur Microsoft Word, certains chercheurs et chercheuses en sciences humaines qui travaillent avec plusieurs systèmes d’écriture lui préfèrent le langage de composition LaTeX. La plupart des maisons d’édition acceptent l’un ou l’autre de ces formats ou des PDF pour les manuscrits.

Figure 7.2.

124L’article de revue de notre philologue est long de 23 pages, dont 134 notes de bas de page et trois pages de références (Zacchetti, 2002). Son édition critique synoptique en fait 469, divisées en trois parties comptant chacune plusieurs chapitres, plus différents appendices et une longue bibliographie (Zacchetti, 2005). Ce dernier ouvrage a été publié sous forme de monographie au Japon par un important centre de recherche en bouddhologie. Bien que les droits en soient réservés, le livre a été mis à disposition gratuitement en ligne au format PDF et a intégré d’autres ensembles de ressources bouddhiques en ligne. Une édition papier est également disponible. Les deux publications incluent de longs remerciements aux autres chercheurs et chercheuses qui ont lu le manuscrit, proposé des commentaires ou des ressources ou ont apporté leur aide d’une quelconque manière.

La conservation, le partage et la réutilisation des données

125Les méthodes de recherche et les pratiques professionnelles de notre chercheur ont beaucoup changé avec les progrès des technologies de l’information. Les possibilités dont il dispose pour conserver, partager et réutiliser ses données se sont étendues. Un bref historique de ses méthodes et technologies illustre cette transition. Il a soutenu son mémoire de premier cycle en études chinoises en 1994, deux ans seulement après l’adoption officielle d’Unicode. À l’époque, ce standard n’était pas encore largement installé dans les logiciels de traitement de texte, les imprimantes ou les affichages. Il existait en Asie d’autres logiciels pour enregistrer et représenter des jeux de caractères chinois, japonais et coréens, dont certains étaient déjà utilisés dans les bibliothèques de recherche en Occident.

126N’étant alors qu’un étudiant ne disposant pas de ces premières technologies pour représenter des caractères chinois, notre chercheur en herbe a rédigé son mémoire – en italien – sur un traitement de texte courant en ménageant des espaces vierges pour les caractères chinois. Il a ajouté les idéogrammes à la main sur l’impression finale qu’il a envoyée pour valider son cursus. Il n’existe donc aucune copie numérique de ce mémoire comportant les caractères chinois.

127Pour l’édition critique synoptique, il a eu recours à une ancienne génération de traitement de texte chinois. Le résultat, produit de plusieurs années de labeur, a été converti au format PDF pour être publié. Il a été largement diffusé en ligne, mais cette ancienne version de PDF ne pouvait représenter que des images de page statiques. Par conséquent, la publication n’est pas interrogeable et ne comporte aucune structure sémantique lisible par ordinateur. Le logiciel de traitement des textes des années 1990 qu’il utilisait a correctement rendu les jeux de caractères chinois et sanscrits, mais les fichiers ne sont plus pris en charge par les technologies d’aujourd’hui. En effet, ce logiciel n’a pas été largement adopté et les fichiers n’ont pas été migrés. La migration peut être rendue impossible par un encodage dans un format autre qu’Unicode, un logiciel qui n’est plus pris en charge, un stockage dans des formats physiques qui ne sont plus lisibles ou une combinaison de ces facteurs. Quelle qu’en soit la raison, la conséquence est qu’il n’existe plus de version lisible par ordinateur qui conserve la structure syntaxique et sémantique de cette œuvre majeure. La monographie est ouverte au sens où elle est librement accessible, mais pas au sens où son contenu est découvrable ou explorable par des ordinateurs. Cette situation est fréquente dans les sciences humaines et particulièrement problématique quand il s’agit d’un ouvrage de référence. Corriger ou mettre à jour le texte supposerait de produire une édition en repartant de zéro.

128Pour ses travaux actuels, notre chercheur veille à enregistrer et conserver ses données et métadonnées dans des formes lisibles par ordinateur. Ses données proviennent de sources diverses et variées. Il faut beaucoup de travail pour exploiter ces dernières et seuls quelques spécialistes travaillent au même moment sur un même texte. En organisant ses données au fur et à mesure, il sera d’autant plus capable de les réutiliser ultérieurement. Il peut aussi partager ses données et ses analyses avec d’autres. Bien que les échanges interpersonnels soient la forme de partage la plus courante dans cette communauté, il existe quelques référentiels numériques qui acquièrent des ressources bouddhologiques, comme celles qu’il a comparées dans sa monographie ouverte.

Conclusion

129Les sciences humaines sont les disciplines les plus difficiles à caractériser, car leurs limites sont les moins bien définies. De plus, tout regroupement de champs ou de domaines en leur sein est aussitôt contesté. C’est la diversité des objets d’études, des questions et des méthodes de recherche qui cause la difficulté à caractériser les données des sciences humaines. Un même objet peut être étudié de nombreuses façons, pour répondre à de nombreuses questions, à de nombreux endroits et époques. Chaque chercheur ou chercheuse peut présenter ses résultats de façon différente. Ces représentations deviennent alors des entités qui mettent en évidence des phénomènes. Chaque objet – et même chaque représentation d’objet – peut être réinterprété plusieurs fois. La capacité à interpréter ou à réinterpréter – que ce soient des artefacts tirés de fouilles archéologiques, des vases grecs, des textes bouddhiques, la transmission de savoir dans la Chine du iii^e siècle ou tout autre aspect de la culture humaine – à la lumière de nouvelles perspectives ou de nouveaux éléments constitue l’essence même de la recherche en sciences humaines. Cependant, cette capacité à réinterpréter dépend d’une forme d’infrastructure différente de ce qui existe dans les disciplines où les connaissances sont plus cumulatives. Élaborer des normes pour décrire des objets ou leur provenance conduit à demander qui est légitime pour établir des mécanismes de classification ou la documentation de provenance. Ces caractéristiques de leur activité de recherche, auxquelles s’ajoutent les fonds limités et les parties prenantes en concurrence, ont limité la capacité des spécialistes et des organismes de financement à développer une infrastructure commune.

130La première provocation – s’intéresser à qui possède les données de la recherche, les contrôle, y a accès et les pérennise permettra de déterminer comment leur valeur peut être exploitée et par qui – est particulièrement problématique dans le cas des sciences humaines. En effet, les ressources nécessaires aux spécialistes de l’histoire de l’art antique, de l’archéologie et des études bouddhiques sont éparpillées et chaque ensemble, collection ou corpus est régi et maintenu – ou non – par sa propre communauté. Les efforts pour construire une infrastructure, comme le banc d’essai de CLAROS, démontrent ce qu’il est possible d’accomplir en agrégeant des ensembles sur une plateforme commune et en les enrichissant grâce à de nouvelles fonctionnalités techniques. Des démarches similaires de fédération des ensembles sous-tendent les efforts infrastructurels tels que CLARIN, Europeana et la DPLA. Pour toutes ces entreprises, la pérennité représente un défi. La CBETA, élaborée par la communauté bouddhiste, semble disposer du soutien infrastructurel le plus durable.

131Transmettre des connaissances au fil du temps et dans différents contextes est difficile dans les sciences humaines, comme affirmé dans la deuxième provocation. Cependant, on commence à appréhender ce qui est nécessaire pour y parvenir. Dans les cas présentés ici, la capacité à comparer des objets et à les examiner de plus près est essentielle. Dans beaucoup de projets, confronter des représentations d’objets répond aussi bien, voire mieux, aux besoins de la recherche que la comparaison d’objets matériels. CLAROS permet de comparer des images de vases grecs côte à côte, de les faire pivoter et de les agrandir. Grâce à la CBETA, il est pour la première fois possible d’interroger et de confronter des textes bouddhiques chinois à grande échelle. Les images de caractères issus d’anciennes écritures peuvent être agrandies. Les visualisations en trois dimensions du griffon de Pise offrent des détails invisibles à l’œil nu. Bien que ces technologies poursuivent des objectifs de recherche semblables, elles ne sont pas transférables d’un contexte scientifique à l’autre. En effet, CLAROS n’a pas grand-chose à offrir à l’archéométallurgiste, même s’il comporte des collections qui l’intéressent, car les données ne contiennent pas les informations métallurgiques dont il a besoin. Le dispositif élaboré pour la CBETA constitue une puissante trousse à outils pour les chercheurs et chercheuses capables de travailler en chinois et qui sont experts dans son écriture et sa culture. Le défi pour cette infrastructure de la connaissance consiste à généraliser ses fonctionnalités de manière à pouvoir les transférer d’un domaine à l’autre.

132Pour ce qui est des troisième et quatrième provocations, les formes et les genres des publications dans ces domaines des sciences humaines sont distincts de ce qui se pratique dans les autres types de sciences. Dans nos deux exemples d’histoire de l’art et d’archéologie antiques, les articles sont divisés en courtes sections signées d’un auteur ou d’une autrice. Les publications en philologie bouddhique présentées dans notre étude se situent entre les pratiques des sciences exactes, qui fournissent de longs tableaux de données, et celles du droit, avec des notes de bas de page prenant parfois plus de place que le corps du texte. Bien que la diffusion des données ne soit pas courante dans ces domaines de recherche, une partie des travaux sont ouverts. Ainsi, CLAROS fournit son code en open source et constitue des recueils de traces qui sont accessibles aux institutions partenaires. Les données métallurgiques sur le griffon de Pise sont présentées sous forme de tableaux dans les articles qui le concernent. Les publications en philologie bouddhique étayent en détail leur argumentaire en présentant des comparaisons d’entités dans des tableaux. Aucune de ces actions ne correspond à la diffusion des données au sens où on l’entend dans les sciences exactes, mais elles remplissent les fonctions de la communication savante dans ces communautés.

133Enfin, il est important de rappeler l’histoire des infrastructures de la connaissance de ces domaines de recherche. Bien que le travail de réinterprétation soit continuel, il s’appuie sur des ensembles et une expertise accumulés au cours des siècles. Les connaissances se transmettent au fil du temps et entre contextes, certes, mais pas toujours bien ni facilement. Les spécialistes de l’art antique, de l’archéologie, de l’archéométallurgie et des études bouddhiques ont adapté leurs pratiques à beaucoup de nouvelles technologies – papyrus, imprimerie et papier, pour n’en citer que quelques-unes. Elles et ils avancent en terrain miné entre problématiques économiques, éthiques, de droits de propriété et de concurrence entre acteurs. Beaucoup utilisent les technologies de l’information de manière innovante, ce qui leur confère un avantage concurrentiel sur les autres chercheurs et chercheuses. Ils sont aussi confrontés aux risques posés par ces nouvelles technologies, en particulier le philologue incapable de récupérer ses données depuis les anciennes générations de logiciels dans lesquels il s’est investi. Une négligence bienveillante ne saurait suffire à préserver les traces culturelles qui ne sont enregistrées que sous forme numérique. À moins que des investissements substantiels soient réalisés dans l’infrastructure, ces traces disparaîtront, contrairement aux papyrus, aux tablettes cunéiformes, aux vases grecs et aux sculptures qui sont toujours étudiés aujourd’hui. Les infrastructures de la connaissance les plus résilientes dans ces disciplines sont les réseaux personnels des chercheurs. Ces derniers échangent des connaissances grâce à des médias nouveaux comme anciens ; ils partagent des idées et construisent des arguments par de longues discussions régulières ; ils fournissent un point d’entrée pour les ressources informationnelles qu’on ne peut trouver sur Internet, dans les catalogues de bibliothèques ou dans d’autres sources. Alors que le big data vient généralement à votre ordinateur, souvent, les chercheurs doivent aller à leurs données. Leurs infrastructures de la connaissance doivent d’une manière ou d’une autre s’adapter à ce mélange complexe de ressources intellectuelles, matérielles et numériques et fournir des moyens pour les exploiter au mieux.