Version classiqueVersion mobile
OpenEdition Books

Read/Write Book 2

 | 
Pierre Mounier

Qu’est-ce que les humanités numériques ?

Du literary and linguistic computing aux digital humanities : retour sur 40 ans de relations entre sciences humaines et informatique

Lou Burnard

Note de l’éditeur

Ce texte est une transcription de l’intervention de Lou Burnard lors du séminaire « Digital humanities : les transformations numériques du rapport aux savoirs » animé par Marin Dacos et Pierre Mounier. Cette intervention, qui s’est déroulée le 16 décembre 2009, est disponible dans son intégralité sur le blog d’OpenEdition, L’Édition électronique ouverte, à l’adresse suivante : http://leo.hypotheses.org/3994

Texte intégral

Introduction

1Je me suis fixé le but ambitieux de proposer un point de vue sur quarante ans d’histoire, sous la forme d’une synthèse, plutôt que de vous présenter des faits les uns à la suite des autres. J’ai essayé d’extraire de mon expérience quelques principes généraux.

2Je commencerai en témoignant du fait que nous vivons de façon irréversible un âge numérique. J’expliquerai cela en présentant les trois périodes successives qui ont marqué le développement des relations entre sciences humaines et informatique, ainsi que les principes qui les ont portées. Enfin, pour parler de façon concrète, je présenterai le cas spécifique de mon expérience à Oxford, ce qui permettra d’approfondir l’état courant des recherches dans les sciences humaines et sociales (SHS) informatisées.

3Il y a toujours eu une vraie tension entre les deux méthodes opposées dont on peut se servir dans les sciences humaines et sociales et l’informatique ; une confrontation entre le texte et les données. Certains diront qu’on peut se servir d’un ordinateur pour faire du data processing, pour gérer des données : des chiffres, des faits, des observations, des objets, des tendances statistiques. Le texte, en revanche, est composé d’autres choses : de mots, d’une langue, de paroles, qui ont une existence tout à fait indépendante de leur représentation dans un format numérique. Les données numériques, elles, n’existent que dans leur expression informatisée. C’est précisément là que réside la tension entre les deux. Pour réussir à la lever, certains informaticiens proposent de traiter le texte comme s’il s’agissait d’une donnée.

4Pour revenir à mon expérience, lorsque j’ai commencé à travailler, on tapait sur des cartes qui comprenaient chacune 80 caractères. À cette époque-là, pour les informaticiens, le texte, c’était ces 80 caractères-là ; et à chaque texte correspondaient de grandes chaînes de caractères de 80 octets. Pourtant, le texte est évidemment d’une autre nature, puisqu’il possède sa propre structure, ses objets, ses idées, etc. Ce que les informaticiens trouvaient très difficile à comprendre, c’est le fait que les données elles-mêmes constituent une espèce de texte : elles ne sont pas objectives. Le chiffre 1 par exemple, possède une valeur mathématique, mais il ne veut rien dire s’il ne s’applique pas à quelque chose. Dans l’expression de son application, on effectue un acte d’interprétation, pour savoir si tel ou tel chiffre s’applique à tel ou tel événement, tel ou tel fait historique. Pour les méthodes les plus objectives, la difficulté réside donc précisément dans l’identification du phénomène d’interprétation. Un texte, ce n’est pas un ensemble d’octets, c’est une entité créée dans l’esprit de l’acteur – et c’est précisément cette question que je vais développer lors de ma présentation.

5Nos infrastructures de connaissances sont devenues tout à fait numériques, sans que l’on puisse faire machine arrière, induisant des changements dans les modèles économiques et commerciaux. Inutile, par exemple, de continuer à penser que l’on évolue toujours dans un monde de l’édition papier : cette époque est révolue. Par ailleurs, les technologies numériques nous viennent en aide en nous permettant de faire des choses de façon plus simple, plus efficace. Elles favorisent surtout la gestion de données à une échelle plus grande. Tout ce processus, issu d’un changement quantitatif, prend finalement la forme d’un changement qualitatif.

6Nous vivons dans une époque numérique. Pour preuve, les chercheurs qui entreprennent des recherches en littérature contemporaine par exemple, ou sur la communication quotidienne, ne peuvent pas se passer des données numériques. On pourrait toujours s’en passer, mais ce serait inepte. Les objets de nos sciences sont maintenant irrévocablement numériques même si les méthodes de travail n’en sont pas encore là. Cela dit, elles sont en perpétuelle évolution et on relève beaucoup de changements dans le genre de méthodes disponibles ainsi que dans leurs applications. C’est ainsi vrai du passage de l’hypertexte à l’hyperdata, d’un web de documents à un web de données, pour lequel la technologie est performante. Et même, s’il reste de nombreux problèmes à résoudre, ils ne sont pas d’ordre technologique mais d’ordre social, culturel et politique.

Le literacy and linguistic computing (LLC) (1960-1980)

L’Index Thomisticum

7À la fin des années 1940 et au début des années 1950, le père Busa, précurseur dans le domaine, a eu le premier l’idée d’avoir recours aux IBM mainframes pour créer une nouvelle édition de Thomas d’Aquin1. Il a commencé par constituer une équipe de cinq personnes dont le travail consistait à taper sur des cartes perforées tout l’ouvrage de Thomas d’Aquin et ce, dans l’optique de générer de façon automatique un index de chaque mot du corpus. L’Index Thomisticum a été rendu public en 1972.

Le Brown Corpus for Use on Digital Computers

8Dix ans plus tard, à l’université de Brown, Henry Kurcea et Nelson Francis lançait le chantier d’un corpus linguistique pour la description de la langue courante anglaise. Pour ce faire, ils ont eu l’idée d’indexer, au moyen de machines, tous les mots de la langue, dans toutes les variétés de discours. C’est ainsi qu’ils ont mis au point le Brown Corpus for Use on Digital Computers2. La première version dénombrait un million de mots, intégralement tapés à la machine, en majuscules, sur des cartes perforées. L’intérêt de ce projet réside dans le fait qu’il a été construit de façon systématique afin de décrire au mieux l’objet étudié : l’anglais. Les chercheurs ont donc dessiné un corpus en commençant par définir la langue et ont constitué des échantillons de livres, basés sur la fréquence d’occurrences présentes dans la bibliothèque et rendant compte de la diversité des genres et des domaines traités. (C’est une démarche que l’on peut critiquer, dans la mesure où une bibliothèque ne conserve pas de discours oral, qui est pourtant l’un des paramètres nécessaires à la description d’une langue.) Malgré cela, il faut remarquer que c’était la première tentative de normaliser, de standardiser la construction d’un corpus selon des principes statistiquement défendables.

Le British National Corpus

9Quelques années plus tard, nous avons eu recours au même type de démarche pour le British National Corpus. Les enjeux étaient les mêmes, bien que la technologie, entre temps, ait quelque peu évolué. Notre corpus, constitué d’après des principes cohérents et bien exprimés, était sensiblement plus grand puisqu’il comptait cent millions de mots. J’en fais mention parce qu’il s’agit d’une des étapes très importantes de l’évolution de l’application des technologies aux recherches en linguistique – une recherche qu’il serait impossible de mener sans la technologie. La constitution des corpus linguistiques ne peut en effet se faire qu’avec un ordinateur, à l’inverse des travaux philologiques qui peuvent se poursuivre sans technologie.

Le Thesaurus Linguae Graecae

10Le Thesaurus Linguae Graecae constitue mon troisième exemple3. Le projet, fondé sur des éditions scientifiques, a d’ailleurs rencontré des problèmes de droit, vis-à-vis des maisons d’édition. Dans les années 1970, Theodor Brunner, professeur de grec aux États-Unis, donnait des cours du soir sur la littérature grecque, à l’occasion desquels il évoquait notamment les possibilités de recherche sur les fonds littéraires grecs, pour y étudier le vocabulaire, les usages, etc. Lors de l’un de ses cours, une personne de l’auditoire, David Hewlett (fils du fondateur de Hewlett Packard), lui demanda combien coûterait la création d’une base de données qui rassemblerait tous les textes de la littérature grecque. Et c’est ainsi que David Hewlett a financé les travaux de Theodor Brunner. Celui-ci a constitué une équipe qui a commencé à taper tous les textes de littérature grecque disponibles, sans prendre tout à fait conscience des problèmes de droit posés par l’utilisation des éditions scientifiques déjà publiées – le problème était assez inédit à l’époque.

11Ils se sont également retrouvés confrontés à des problèmes d’encodage. En effet, les cartes perforées ne permettaient que l’enregistrement des 26 lettres de l’alphabet latin, en plus des chiffres et de quelques signes de ponctuation, pas celui de l’alphabet grec, ni des accents et esprits. Ils ont donc dû créer leur propre système d’encodage : le Beta Code4, une façon d’encoder les caractères grecs, sous format déguisé, en ASCII (le premier système d’encodage, inventé en même temps que les ordinateurs5). L’encodage en Beta Code a naturellement posé des difficultés par la suite, au moment de la conversion des textes en Unicode.

12Ces projets, bien que très importants pour le sujet qui nous intéresse ici, ne sont pas les seuls. J’aurais ainsi pu vous en présenter d’autres.

Quantifier les signes, établir des concordances

  • 6 La concordance est un procédé philologique hérité du Moyen Âge qui permet d’identifier toutes les f (...)

13Par ailleurs, c’est une chose que de vouloir créer une base de données textuelle, encore faut-il savoir ce que l’on souhaite en faire. Quels sont les enjeux d’une recherche fondée sur ce genre de données ? Pour la plupart des scientifiques de cette époque, il s’agissait de quantifier les signes, d’identifier des régularités statistiques dans les textes, d’établir des concordances6.

14En 1959, les Cornell University Press ont commencé la publication sur papier d’une série de concordances, sur tous les auteurs de la littérature anglaise, établies par ordinateur (recherche des occurrences en contexte pour chaque mot et tri). Cela a représenté un travail considérable, de même qu’un très grand nombre de pages, puisqu’à chaque occurrence d’un mot devait correspondre une ligne. L’équipe de Cornell University Press s’est rapidement aperçue que la consultation de l’outil informatique était largement préférable à la manipulation de tels volumes.

15La dernière date significative pour cette période correspond à la création du Centre de traitement électronique des documents (CETEDOC)7 à Louvain-la-Neuve en 1968. C’est un des premiers centres de recherche dédiés aux applications de l’informatique sur les études médiévales et classiques.

L’étude de distribution de fréquences, un moyen de définir la paternité d’un texte ?

16L’identification automatique de l’auteur d’un texte a fait partie des applications très en vogue à la fin des années 1960 et au début des années 1970. Et je dois dire que c’est une problématique qui soulève plus de questions qu’elle ne donne de réponses.

17Des études par ordinateur ont été conduites pour tâcher de déterminer si saint Paul était bien l’auteur de tel ou tel texte. Il s’agissait alors, en ayant recours aux propriétés statistiques et à partir du vocabulaire, d’identifier la paternité d’un texte. Les recherches ont été menées sur les mots les plus fréquents, car ce sont ceux dont l’usage et la répétition sont les plus significatifs : il est plus facile d’observer des variances entre plusieurs textes à propos des mots les plus employés.

18L’étude des distributions de fréquence appliquées aux mots les plus employés, a permis, selon les spécialistes, d’identifier des modèles de fréquence tout à fait caractéristiques de tel ou tel auteur. Ils auraient ainsi mis au jour l’existence d’une « empreinte digitale » qui caractériserait la manière dont chacun emploie les mots les plus courants d’une même langue. On serait donc en mesure, par l’analyse des distributions de fréquences et en analysant l’ensemble de ses œuvres, de définir l’empreinte digitale de tel ou tel auteur, saint Paul inclus.

19D’autres études de distribution de fréquence ont été menées, notamment par un Australien qui s’est intéressé à l’écriture de Jane Austen. Personnellement, je n’ai pas été convaincu par les conclusions auxquelles a abouti l’étude. Plus largement, il faut noter que ce type d’études repose sur une démarche fondée sur des évaluations statistiques qui ne semblent pas tenir compte de la diversité des modèles statistiques de distribution de fréquences (la distribution Poisson par exemple, qui ne ressemble pas aux distributions normales).

20Les outils les plus importants en literacy and linguistic computing sont la concordance – encore aujourd’hui d’ailleurs –, et les statistiques complexes. On dit implicitement que le style peut être quantifiable, peut être mesuré.

L’application de la technologie aux études historiques

  • 8 Robert William Fogel, Stanley L. Engerman, Time on the Cross : The Economics of American Negro Slav (...)

21À cette époque-là, de nombreuses études très intéressantes voient le jour. Par ces études, il s’agit d’améliorer les modèles statistiques de distribution, même si cela concerne un domaine de recherche qui n’est pas vraiment compris. On peut notamment faire mention de l’étude initiée en 1974 par Robert W. Fogel et Stanley L. Engerman, intitulée Time on the Cross : The Economics of American Negro Slavery8. Ces deux chercheurs ont conduit une analyse strictement numérique des enregistrements du système d’esclavage afin de déterminer si l’esclavage était un modèle économique plus rentable qu’un autre. Historiens de l’économie, leur démarche n’était pas idéologique mais purement informatique : ils ne s’intéressaient qu’aux faits et aux chiffres. Ils ont ainsi établi qu’un esclave était fouetté 0,7 fois par an, en moyenne. Ce faisant, ils ont perdu de vue que, comme je le disais au début, les nombres constituent un texte, une histoire. Dire qu’un esclave a été fouetté 0,7 fois par an n’enlève rien au fait qu’il a été fouetté. Cette étude, qui est fondamentale pour l’histoire économique et l’histoire de la traite des Noirs, était, à l’époque, complètement innovante du point de vue méthodologique. Les conclusions de cette enquête ont provoqué une avalanche de critiques et suscité de nombreux débats. L’application de la technologie aux études historiques en a tout de même sévèrement pâti, si bien qu’il faudra attendre pratiquement vingt ans pour pouvoir revendiquer une activité numérique appliquée à l’histoire sans être considéré comme un cliometrician du point de vue méthodologique.

22En 1976, les chercheurs travaillant en literary and linguistic computing fondent une revue, qui existe toujours : Literary and Linguistic Computing9.

23Depuis les années 1980, le champ des literary and linguistic computing est toujours en activité et tend à considérer le texte comme un phénomène statistique. C’est le cas notamment à l’ENS de Lyon avec le projet Textométrie10. Il existe cependant d’autres équipes en Italie et aux Pays-Bas, mais les projets les plus intéressants sont développés en France, notamment sur les rapports entre fréquence des mots et classes sociales.

L’humanities computing (1980-1994)

24Le paysage informatique a évidemment beaucoup évolué dans les années 1980-1990, avec des effets très signifiants sur les sciences humaines et sociales.

La procédure d’institutionnalisation

  • 11 NdE : le BBC Microcomputer System, ou BBC Micro, est une série de micro-ordinateurs construits par (...)
  • 12 En programmation, BASIC est un acronyme pour Beginner’s All-purpose Symbolic Instruction Code, qui (...)
  • 13 Arts and Humanities Data Service, http://www.ahds.ac.uk/

25Les années 1980 ont notamment été marquées par une abondance de gadgets en tout genre. Ce phénomène s’est également appliqué aux ordinateurs, qui ont connu beaucoup d’évolutions d’un point de vue technologique. Le monde scientifique a voulu se rapprocher de ces évolutions, convaincu que ces machines offriraient de nouvelles possibilités, quant à savoir lesquelles... Entraînant la nécessité d’apprendre et de former. On s’est alors mis à équiper tous les lycées d’ordinateurs. En Angleterre, par exemple, des BBC Micro11 ont été mis à la disposition des établissements pour apprendre la programmation BASIC12 aux lycéens. À une autre échelle, le gouvernement a financé la Computers in Teaching Initiative qui visait à apprendre aux enseignants les possibilités technologiques des ordinateurs. C’est également à cette époque qu’a été fondé, dans le domaine de la recherche, l’Arts and Humanities Data Service13conçu comme une infrastructure pour les centres numériques et les petites équipes déjà existants et animés par une volonté de questionner ces nouvelles pratiques.

26Voici quelques exemples des technologies créées à cette époque.

27La plus grande avancée technologique, c’est évidemment l’e-mail. N’oublions pas qu’à cette époque, le Web n’existe pas encore. La création des e-mails permet le développement des listes de diffusion. C’est ainsi qu’est fondée en 1987 la liste Humanist14, dont le grand succès est dû à la propension du milieu scientifique à l’échange et au partage des idées. Du reste, on retrouve là le principe de la correspondance que s’échangeaient les savants du xviie siècle.

  • 15 The University of Oxford Text Archive, http://ota.ahds.ac.uk/
  • 16 NdE : OCR soit optical character recognition, ou reconnaissance optique de caractères. Pour une déf (...)

28En 1976, à une époque où le questionnement portait sur l’établissement, la diffusion et la publication des textes numériques, j’ai fondé l’Oxford Text Archive15 sur une idée de partage des textes numérisés, de mutualisation des données numériques. De cette façon, le travail de numérisation fourni par l’un devenait profitable à l’autre, souhaitant travailler sur les mêmes données mais avec une approche différente. Nous disposions alors d’une des nouvelles machines OCR16, qui pouvait reconnaître l’alphabet latin, mais également les lettres grecques, turques, russes, mais non les lettres arabes (lettres conjointes). Nous avons simplement fait le lien entre les possibilités offertes par la machine et le travail d’archive. On proposait ainsi de numériser des textes pour les chercheurs des autres universités, à condition que la version numérique du texte soit versée dans notre fond d’archive.

29À cette même période, des maisons d’édition se sont intéressées à la technologie du cd-rom, puisqu’elles y ont vu la possibilité de vendre de nouveau des livres, notamment des dictionnaires. En 1988, l’Oxford English Dictionary a organisé une grande conférence à l’université de Waterloo (Canada), qui a réuni pour la première fois des experts lexicographes et des représentants de maisons d’édition pour discuter notamment de la lexicographie assistée par ordinateur17. Une tension a alors émergé entre les partisans de l’apparence du texte et les défenseurs des faits linguistiques.

30Dans le même temps, les pouvoirs publics ont commencé à financer des infrastructures de support pour l’application des technologies, à l’échelle nationale comme au niveau européen. Le domaine privé s’est quant à lui intéressé à la publication et à la commercialisation de textes sur supports numériques (à ce propos, tous les débats suscités par la création de Kindle se tenaient déjà il y a plus de vingt ans).

31De mon point de vue de non-expert, il me semble qu’une communauté s’établit de plusieurs manières. Dans le cas de l’humanities computing, cela passe par la création d’une liste de diffusion, reconnue des autres centres.

32La dimension institutionnelle de l’humanities computing s’illustre par la création de formations universitaires (qui permettent de recruter de nouveaux chercheurs), et l’évolution du domaine des humanities computing se trouve bien résumée dans cette phrase : « I used to read texts, but now I’m learning the tools to play with them. »

Le retour de l’histoire dans le champ des études de computing

33Si j’ai mentionné les historiens tout à l’heure, c’est parce qu’ils n’ont pas connu le même sort en Europe qu’aux États-Unis. En France notamment, quelques grands historiens, au nombre desquels Jean-Philippe Genet, pensaient que la numérisation des textes pourrait permettre d’identifier des faits susceptibles de soutenir ou de réfuter une théorie ou une hypothèse historique.

34Du côté allemand, Manfred Thaller a développé un logiciel fonctionnant comme une base de données textuelle avant l’heure, Kleio18 – que je ne suis jamais arrivé à faire fonctionner.

Le grand débat mené sur la définition de l’humanities computing

35Est-ce que l’humanities computing fonctionne comme une communauté établie sans raison formelle, sans théorie ? Qu’est-ce qui distingue un texte numérisé d’un texte non numérisé ? Les possibilités intrinsèques de l’un et de l’autre sont-elles vraiment différentes ? Au final, l’humanities computing, ne serait-ce qu’un ensemble de méthodes et de pratiques, fonctionnant comme une ingénierie ? Quels sont les éléments qui assurent la cohésion du domaine ?

36Pour répondre à cet ensemble de questions, nous avons commencé par nous interroger sur l’existence de scholarly primitives. On espérait ainsi lister les activités fondamentales de la science (la possibilité de rechercher des exemples, de faire des analyses de caractéristiques émergeant d’un ensemble de sources, de faire des liens des perceptions communes à deux auteurs, deux critiques, deux textes, etc.) pour voir s’il était possible de les adapter sur un support informatique. Notre questionnement portait sur l’existence d’outils et de méthodes capables d’optimiser les activités fondamentales de la science.

37Pour traiter par ordinateur les ressources du monde réel (livres, objets, œuvres d’art, etc.), il faut les encoder, les transformer dans un autre format. De mon point de vue, l’utilisation de l’OCR, l’utilisation d’un appareil photo, le fait de taper à la machine sont des formes d’encodage. Parce que dans chacun des cas, on part de quelque chose qui existe, pour en produire une représentation numérique qui peut ainsi être traitée, analysée automatiquement et enrichie. On met ainsi en place un cercle herméneutique virtuel, qui favorise l’enrichissement des ressources.

38Évidemment, l’encodage repose sur des modèles abstraits. Pour être plus concret, prenons l’exemple de la lecture. Lorsqu’on tient un livre, qu’on lit une page et que l’on identifie trois paragraphes sur cette page, cette identification est rendue possible parce qu’on dispose déjà d’un modèle abstrait qui correspond au concept de paragraphe. Un concept que l’on reconnaît en lisant la page en question. On peut donc créer un code qui signifie la présence des trois paragraphes. Peu importe la manière dont on s’exprime, ce qui compte, c’est le fait de reconnaître ces faits, à partir d’un modèle abstrait, dans lequel existent des choses telles qu’un paragraphe.

39On comprend donc la nécessité de pouvoir transmettre ces correspondances, ces interprétations : le monde scientifique a besoin d’une continuité. Dans le cas de la numérisation des textes, il s’agit de pérenniser les bits dont est composé un texte numérisé, sans pour autant avoir besoin de savoir ce que ces bits représentent. Et au-delà des bits, il faut préserver des métadonnées, qui expriment la portée de l’encodage, c’est-à-dire la portée des choses dans ce modèle abstrait que j’ai présenté. Tel est l’enjeu fondamental de la Text Encoding Initiative.

  • 19 Le terme de « link rot » s’emploie pour désigner la non-permanence des URL.

40Mais avant, je préfère évoquer l’ensemble des problèmes rencontrés avec des ressources numérisées : les ressources qui ne fonctionnent que sur une machine, la difficile localisation des données disponibles, la durée de vie des données, le link rot19.

La Text Encoding Initiative (TEI)

41Un mot maintenant sur la TEI20 qui est, à mon avis, le projet le plus important en humanities computing. À l’origine, il s’agissait de rendre possible la mutualisation des données en apportant une solution à l’immense variété des manières d’encoder – une véritable « tour de Babel ». En dépit du fait que tous les scientifiques tombaient d’accord sur les modèles conceptuels de représentation, chacun avait sa manière d’encoder et ses propres outils.

42La TEI a donc pris la forme d’un modèle unique, encyclopédique, de représentation des éléments signifiants d’un texte. Ce modèle a fait consensus car il a semblé évident à toute la communauté des chercheurs qu’il était nécessaire de marquer les paragraphes, les noms de personne – encore faut-il s’accorder sur ce que c’est qu’une personne : si saint Paul est une personne, peut-on en dire autant de Dieu ? – et d’une manière générale, de marquer tous les éléments devant être distingués dans un texte. La TEI a évolué pour adopter une architecture plastique, qui peut s’adapter aux nouveaux besoins et enjeux de la recherche.

43Pour illustrer mon propos, prenons l’exemple des tablettes de Vindolanda, ces tablettes de cire retrouvées dans les années 1980, lors de la fouille d’un fort romain du mur d’Hadrien, au nord de l’Angleterre21. Le principe est simple : il s’agissait d’écrire son texte sur la cire, puis une fois que le message était parvenu au destinataire, la cire pouvait être fondue pour écrire un autre message. Toutefois, des traces de texte subsistent sur le support en bois. On s’est alors interrogé sur la manière de transcrire ces écritures.

  • 22 NdE : cet exemple concerne encore les tablettes Vindolanda.

44Ici, par exemple22, le mot salutem. Les lettres s et a sont absentes, le l est présent, le u ajouté, la séquence t-e incertaine tandis que le m est visible. Dans la TEI, on a recours à un langage à balises pour représenter des formes de texte complexes comme celle-ci. Il s’agit d’ailleurs d’un projet collaboratif : on commence par se mettre d’accord sur la nature des faits à représenter, puis on cherche un moyen d’exprimer ce consensus ; tel est l’enjeu du balisage. Dans le cas des tablettes de Vindolanda, les métadonnées peuvent ajouter des précisions sur le lieu et les conditions de découverte, etc.

Les digital humanities (1994-…)

45En 1994, en pleine période de discussions théoriques sur l’encodage, le Web est arrivé, entraînant un développement exponentiel des capacités informatiques et générant une explosion du nombre de bibliothèques numériques et de projets de numérisation en masse. À tel point que l’informatique compliquée des années 1980 devient, dans les années 1990, un outil pratique et commode.

46C’est également l’époque de l’émergence du grid computing23, qui favorise le partage et la mise à disposition des informations, où que l’on se trouve – l’enjeu étant de pouvoir centraliser tous les processus dans une même machine, quelle qu’elle soit.

47La part d’implication des utilisateurs augmente également ; c’est l’émergence de la folksonomy24. À la différence d’une taxinomie, qui repose sur un principe de classement artificiel, consensuel et officiel des données, la folksonomy consiste en une classification portée par le plus grand nombre et effectuée sans médiation scientifique.

48La Library of Congress a lancé une expérience – et publié un rapport très intéressant à ce sujet –, en mettant en ligne un grand nombre de photos historiques sur Flickr, laissant ainsi la possibilité aux centaines de milliers d’utilisateurs de parcourir le fonds et d’en identifier les contenus25. Tous ces gens, reconnaissant ici un quartier de leur enfance, là un personnage, ont ainsi contribué à l’indexation précise du fond ; c’est ce qu’on appelle une folksonomy.

49C’est dans ce contexte-là que le cloud computing voit le jour : plutôt que de stocker mes photos sur mon ordinateur par exemple – et pour ne pas risquer de les perdre –, je les mets en ligne sur des serveurs distants.

50Il y aurait toute une histoire à réaliser sur l’édition scientifique, mais je n’en ai pas le temps.

51Un mot toutefois sur l’émergence d’infrastructures telles qu’ADONIS26 qui illustre l’intégration des projets numériques aux politiques de conservation du patrimoine, portées aussi bien au niveau national qu’à l’échelle européenne. La bibliothèque numérique Europeana27, financée par les États membres du l’Union européenne, en est un autre exemple. De même qu’en France, le projet Gallica, et en Angleterre, le programme élaboré par le Joint Information Systems Committee (JISC). On voit comment les ressources sont à présent mises à la disposition du grand public et non plus seulement accessibles par les scientifiques.

La distinction entre les textes numériques et les textes imprimés

52Lorsque je remets à quelqu’un un livre imprimé, la personne en question le possède alors que moi, je ne l’ai plus. En revanche, si je donne une copie d’un texte numérisé, nous sommes à présent deux à l’avoir. C’est une différence évidente, mais non moins fondamentale, dans la mesure où elle rend les modèles commerciaux de distribution des textes numériques difficiles à concevoir. Qu’est-ce qu’on achète vraiment quand on achète un contenu numérique sur iTunes, par exemple ? Achète-t-on la permission d’écouter une chanson ? La question de savoir si cela correspond aux possibilités offertes par les ressources numériques reste entière.

Le manifeste d’Open Source Development28

53L’open source, repose sur un principe de cession des droits d’auteur sur un logiciel. En effet, il est difficile pour un développeur de revendiquer la paternité de telle ou telle partie d’un logiciel, dans la mesure où le travail de l’un s’effectue dans la continuité des prédécesseurs et prépare le travail des suivants. Dans ce cas, autant céder ses droits sur le logiciel, et viser la rentabilité sur les activités de support, d’application. De plus, la mise à disposition gratuite du logiciel permet à chacun de le modifier, de l’améliorer.

54Les logiciels open source font naturellement débat dans l’industrie informatique, d’autant que la plupart des logiciels que l’on utilise aujourd’hui sont open source.

55On peut alors se demander s’il ne serait pas possible de transposer ce modèle opérationnel en informatique, dans le domaine des livres. Ne pourrait-on pas l’appliquer aux ressources numériques ? C’est dans cette optique que certains projets ont vu le jour. Cet état d’esprit est ainsi à l’origine du Digital Humanities Manifesto 2.0 rédigé par une équipe de l’université de Californie (UCLA) et qui comporte des idées très intéressantes. Les digital humanities n’y sont pas définies comme un champ unifié mais comme un ensemble de pratiques qui convergent vers l’exploration d’un univers où l’imprimé n’est plus le seul moyen de diffusion de la connaissance, de la science. Il se trouve absorbé par de nouvelles configurations multimédia. D’autre part, les outils numériques ont modifié la façon de produire et de diffuser les connaissances en sciences humaines et sociales.

56Deuxième élément important, l’économie des digital humanities est basée sur l’abondance et non sur la rareté.

Quid des millions de livres numérisés par Google ?

57En réponse à la question du traitement de la profusion des ressources numériques, John Unsworth développe une théorie fondée sur la non-lecture, selon laquelle dans toutes les situations de lecture, nous passons par des moments de non-lecture, d’absence de lecture. Il faut ainsi créer des outils qui permettent de balayer des millions de pages, d’entrer dans ces fonds considérables pour les décomposer et les recomposer à l’envi, d’en extraire les informations pertinentes en fonction des besoins, et d’en proposer la visualisation – le data mining. C’est ce que nous avions déjà mis en œuvre avec le Brown Corpus cité précédemment, en développant des outils statistiques favorisant les pattern recognition.

L’évolution de ces trente dernières années

58L’environnement de travail est passé du mainframe au network. Par ailleurs, l’outillage a évolué de la concordance vers le concept d’e-text, et donc finalement de ressource digitale, qui est beaucoup plus qu’un texte.

59Les problématiques liées aux travaux statistiques ont cédé la place aux questions d’analyse textuelle ou de description des ressources, afin d’être en mesure de les assembler entre elles. Les modalités de communication ont également évolué puisque les e-mails ont été relayés par des listes de diffusion, puis des sites internet et des blogs.

CLAROS29, un grand projet européen de mutualisation de données numériques

60L’université d’Oxford a développé le Lexicon of Greek Personal Names30, qui regroupe tous les noms attestés par les inscriptions antiques. L’université de Cologne a, quant à elle, fondé l’Arachne Archive31, une grande base de données consacrée à la sculpture. L’université de Paris 10, enfin, a mis au point un dictionnaire d’iconographie classique : Lexicon Iconographicum Mythologiae Classicae32. Toutes ces données ont donc été versées dans CLAROS, une base commune constituant un fonds de deux millions d’enregistrements traitant des mêmes objets. L’intérêt de cette démarche réside précisément dans la mutualisation de ces projets isolés, de façon à permettre aux antiquisants de brasser l’ensemble des données, d’étudier les objets selon les perspectives personnelles de chacun, en naviguant sans difficulté d’un document à l’autre.

61Tous ces projets reposent sur le même standard de représentation : XML TEI. C’est-à-dire qu’ils partagent tous un même modèle conceptuel, ayant recours à des technologies comme l’Unicode, le Javascript, et partagent une même volonté politique d’ouverture, de mutualisation et d’enrichissement des données.

62De cette manière, on peut repenser les caractéristiques d’une édition numérique.

63En conclusion, j’insisterai sur le fait que la spécificité des sciences humaines et sociales consiste en l’étude du texte, de l’objet textuel. Nous travaillons sur le texte, qui représente un discours, raconte une histoire, et tâchons d’expliquer ces histoires, ces contes, ces représentations. Nous sommes des experts de la maïeutique du texte, et c’est précisément ce qui définit la contribution des sciences humaines et sociales à l’élaboration du Web sémantique.

Notes

1 Corpus Thomisticum, http://www.corpusthomisticum.org/

2 Brown Corpus Manual, http://icame.uib.no/brown/bcm.html

3 Thesaurus Linguae Graecae, http://www.tlg.uci.edu/

4 TLG Beta Code Quick Refrence Guide, http://www.tlg.uci.edu/encoding/quickbeta.pdf, consulté le 17 août 2012.

5 ASCII Table and Description, http://www.asciitable.com/

6 La concordance est un procédé philologique hérité du Moyen Âge qui permet d’identifier toutes les façons d’utiliser un même mot dans un corpus donné.

7 CETEDOC, http://bcs.fltr.ucl.ac.be/dicland.html

8 Robert William Fogel, Stanley L. Engerman, Time on the Cross : The Economics of American Negro Slavery, Boston : Little, Brown and Co, 1974.

9 Literary & Linguistic Computing, http://llc.oxfordjournals.org/

10 Textométrie, http://textometrie.ens-lyon.fr/

11 NdE : le BBC Microcomputer System, ou BBC Micro, est une série de micro-ordinateurs construits par Acorn Computers Ltd pour le BBC Computer Literacy Project initié par la British Broadcasting Corporation. Créés pour une utilisation pédagogique, les ordinateurs de la gamme BBC Micro sont réputés pour leur modularité et la qualité de leurs systèmes d’exploitation. (Source : Wikipedia, http://fr.wikipedia.org/wiki/BBC_Micro, consulté le 17 août 2012).

12 En programmation, BASIC est un acronyme pour Beginner’s All-purpose Symbolic Instruction Code, qui désigne une famille de langages de programmations de haut niveau. (Source : Wikipedia, http://fr.wikipedia.org/wiki/BASIC, consulté le 17 août 2012).

13 Arts and Humanities Data Service, http://www.ahds.ac.uk/

14 Humanist Discussion Group, http://www.digitalhumanities.org/humanist/

15 The University of Oxford Text Archive, http://ota.ahds.ac.uk/

16 NdE : OCR soit optical character recognition, ou reconnaissance optique de caractères. Pour une définition, consulter la page dédiée sur Wikipédia, http://fr.wikipedia.org/wiki/Reconnaissance_optique_de_caract %C3 %A8res

17 Oxford English Dictionary, University of Waterloo, http://www.cs.uwaterloo.ca/~fwtompa/newoed-project.html

18 Kleio, http://www.hki.uni-koeln.de/kleio/old.website/tutorial/intro.htm

19 Le terme de « link rot » s’emploie pour désigner la non-permanence des URL.

20 TEI, Text Encoding Initiative, http://www.tei-c.org/index.xml

21 Vindolanda Tablets Online, http://vindolanda.csad.ox.ac.uk/

22 NdE : cet exemple concerne encore les tablettes Vindolanda.

23 Grid Computing, http://en.wikipedia.org/wiki/Grid_computing, consulté le 17 août 2012.

24 Folksonomie, http://fr.wikipedia.org/wiki/Folksonomie, consulté le 17 août 2012.

25 « Galerie de photos de The Library of Gongress », Flickr, http://www.flickr.com/photos/library_of_congress/

26 TGE-ADONIS, http://www.tge-adonis.fr/

27 Europeana, http://www.europeana.eu/portal/

28 Open Source Software Development, http://en.wikipedia.org/wiki/Open_source_software_development

29 CLAROS, http://explore.clarosnet.org/XDB/ASP/clarosHome/

30 Lexicon of Greek Personal Names, http://www.lgpn.ox.ac.uk/

31 Arachne, http://arachne.uni-koeln.de/drupal/

32 Lexicon Iconographicum Mythologiae Classicae, http://www.limc-france.fr/

Auteur

L’un des pères fondateurs de la Text Encoding Initiative (TEI), du Arts and Humanities Data Service et du British National Corpus. Actuellement chargé de mission auprès du TGE Adonis.

Acheter

Volume papier

Chargement

Unavailable