Les corpus des sciences humaines du numérique en Nouvelle-Aquitaine_


Qu’est-ce qu’un corpus pour e-c@na? Pour répondre à cette question, nous avons d’abord travaillé sur la notion de “corpus d’auteurs”. 

Dans un premier temps, nous avons soumis aux bibliothèques du territoire un sondage permettant de situer, de leur point de vue, la notion de “corpus d’auteurs”. L’enquête, lancée en même temps qu’une autre, mise en place par la BnF dans le cadre du projet de “Pôle associé régional”, a recueilli les réponses de toutes les bibliothèques universitaires de la région. Seules les bibliothèque de lecture publique des anciennes régions Poitou-Charentes et Limousin n’ont pas répondu. Les réponses recueillies nous ont montré qu’il était nécessaire d’étendre la notion de “corpus d’auteurs” à celle “d’ensemble de documents” constituant un “patrimoine littéraire”. Face aux nombreuses entreprises de numérisation portées, en particulier, par des structures de conservation et de valorisation des patrimoines littéraires (bibliothèques, archives, etc.), étendre cette définition permet d’assurer l’échange entre la recherche et les institutions chargées de numériser. 

Pour définir le “corpus d’auteur”, François Rastier1 propose de partir du texte et de son lien avec un ensemble :

le texte [peut être entendu] comme l’unité minimale et le corpus comme l’ensemble dans lequel cette unité fait sens.

La contextualisation auctoriale est fréquente lorsqu’il s’agit de définir le “corpus”, c’est ainsi que Thomas Lebarbé, en lien avec l’écrivain Stendhal et le projet d’édition numérique de ses journaux intimes, proposait lui aussi d’étendre la notion de “corpus” en incluant des “sous-corpus” (genre du journal, textes sur l’art, etc.)2.

Selon une même approche analogue, le consortium CAHIER a lui aussi proposé d’ouvrir la notion d’auteur en l’associant à la production:

L’auteur est donc une personne ayant produit une “oeuvre” relevant de la littérature, de la philosophie ou plus largement d’une production liée à une activité artistique et/ou professionnelle (journalisme, critique, enseignement, etc.).

Les professionnels des bibliothèques ou médiathèques de la région ont eux aussi une définition “large” du “corpus d’auteurs” qu’ils conservent et communiquent: le “corpus” est l’ensemble de documents constitué autour de l’auteur entendu comme écrivain, poète, philosophe, etc. ou comme personnage ayant produit une “oeuvre” écrite et/ou iconographique. Et ce, qu’il soit historien de l’art3, journaliste4, homme politique5 ou plus largement un érudit fasciné par des sujets aussi divers que le folklore local6 ou le spiritisme7.

Les raisons pour lesquelles ces corpus sont entrés dans les collections de ces structures : les auteurs “régionaux”, c’est-à-dire originaires du territoire, sont majoritaires.

Nous avons pu constater que les “corpus d’auteurs” préservés par les institutions de la région réunissent des documents aussi divers que des manuscrits, des archives, des coupures de presse, des imprimés ou des photographies. Soulignons à cet égard le fonds Jean Vautrin (1933 – 2015) conservé par la Médiathèque Jean Vautrin de Gradignan (33) qui réunit des papiers mais aussi de nombreuses photographies, des sources sonores et documents numériques (disques durs, ordinateurs, clés USB, etc., un nouveau type de fonds qui posera, à l’avenir de nombreuses questions aux chercheurs). 

Les types de documents qui constituent ces corpus d’auteurs. On notera la grande diversité de ces derniers.

 

Il est intéressant de noter que seule la moitié des corpus repérés par notre étude a fait l’objet d’un signalement numérique via les catalogues des bibliothèques. En revanche, lorsqu’ils ont été signalés, les fonds font souvent l’objet d’une politique de numérisation.

Pour ces numérisations, les pratiques de ces professionnels visent souvent, en premier lieu, la conservation des documents et le traitement interne sans mise en ligne. Selon les cas, les bibliothèques peuvent mettre en ligne des facs-similés numériques consultables en mode image (avec ou sans OCR). Toutefois, très peu prennent en charge la transcription du texte.

En revanche les pratiques de valorisation web par l’éditorialisation (exposition virtuelle, blog, réseaux sociaux, etc.) sont assez communément répandues. de nombreux projets développés autour de ces corpus visent la valorisation (conférences ou lectures publiques, expositions en ligne ou physique et projets pédagogiques) mais assez peu l’exploitation scientifique: 70% des répondants nous ont signalé avoir des difficultés à mettre en place des partenariats avec la recherche et 100% des professionnels nous ayant répondu signalent être intéressés par la mise en réseau que nous souhaitons développer.

 

Pour conclure, e-c@na a proposé de définir le corpus comme “un ensemble cohérent de documents renseignant sur l’œuvre d’un auteur ou sur une question posée par la recherche scientifique“. Nous étendons la notion de corpus au-delà du seul cadre auctorial pour intégrer la question de recherche.

A suivre…

Cite this article as: Jessica de Bideran, "Les corpus des sciences humaines du numérique en Nouvelle-Aquitaine_," in e-C@NA, 03/11/2018, https://ecana.hypotheses.org/34.


Edit : Pour compléter ce court billet, on pourra consulter le rapport d’enquête ALCA portant sur les collections patrimoniales des bibliothèques de Nouvelle-Aquitaine

 

  1. François Rastier, Arts et sciences du texte, PUF, Paris, 2001. []
  2. Thomas Lebarbé, “Du corpus littéraire au corpus linguistique : dématérialisation, restructuration, lectures rhizomatiques et analyses linguistiques des manuscrits“, Corpus, 8, 2009, 221-239. []
  3. Citons à titre d’exemple Charles Marionneau (1823 – 1896), peintre et historien de l’art dont une grande partie de l’oeuvre est conservée par la bibliothèque municipale de Bordeaux. []
  4. Tel Guy de Pierrefeux, pseudonyme de Daniel Auschitzky (1864 – 1937) dont les écrits sont gérés par le Service d’Archives communales de Lège-Cap Ferret (33). []
  5. A l’image de Louis Barthou (1832 – 1934) dont la Médiathèque des Gaves (64) conserve de nombreux documents. []
  6. Tel Félix Arnaudin (1844 – 1921) linguiste, folkloriste, historien, ethnologue, poète et photographe de la Haute-Lande dont les fonds sont éparpillés entre le Musée d’Aquitaine et la bibliothèque municipale de Bordeaux. []
  7. A l’image de Marcelle Prat de Jouvenel (1896 – 1971), auteure d’ouvrages sur le spiritisme dont les œuvres sont conservées par le Service d’Archives communales de Lège-Cap Ferret (33). []

2018 – Définition des contours du projet, réunion d’une équipe opérationnelle, méthodologie et calendrier

Construction d’Alexandrie. Histoire d’Alexandre. – Bruges. 1470. ©BNF

e-c@na part du constat suivant : il n’existe pas de réseau en “Humanités numériques” ni de solution mutualisée et institutionnalisée pour accompagner les projets de numérisation et d’exploitation de corpus d’auteurs en Nouvelle Aquitaine. Les projets de l’équipe Archivos de Poitiers ou de l’équipe TELEM avec Mauriac en ligne, portés par les Universités de de Poitiers et de Bordeaux-Montaigne ont souhaité s’associer pour tenter d’apporter une réponse au problème et d’associer leurs expertises pour développer un pôle fédérateur dans l’accompagnement des projets sur les corpus d’auteurs dans le cadre d’une collaboration entre les chercheurs de tous les établissements scientifiques et culturels de la Nouvelle Aquitaine. 

Une équipe représentative des établissements de la région Nouvelle-Aquitaine a été réunie et différents partenaires issus du milieu de l’enseignement et de la recherche, et du milieu de la Culture ont été sollicités pour atteindre les objectifs de e-c@na.

Constitution d’une équipe et d’un réseau de partenaires

Porteurs du projet

  • Philippe Baudorre, professeur de littérature française du XXe siècle, responsable du programme régional « Mauriac en ligne », vice-président du Centre François Mauriac de Malagar et président de son conseil scientifique.
  • Fatiha Idmhand, professeur de langue et civilisation ibériques à l’université de Poitiers, responsable du programme ANR-CHispa de 2014 à 2017 et coordinatrice adjointe du Consortium CAHIER (TGIR HumaNum), auquel sont rattachés ces deux projets.

Comité de pilotage

Fatiha Idmhand (Université de Poitiers), Philippe Baudorre (Université Bordeaux Montaigne), Jessica de Bideran (Université Bordeaux Montaigne)

Comité scientifique

Composé de scientifiques impliqués dans des projets autour de corpus d’auteurs de Nouvelle Aquitaine. La liste détaillée des membres de ce comité est disponible dans l’article “Les membres du réseaux”, ainsi que sur la page “A propos” :

  • Serge Linkès (CNU 9, La Rochelle)
  • Cécile Chantraine Braillon (CNU 14, La Rochelle)
  • Olivier Le Deuff (CNU 71, Bordeaux Montaigne)
  • Julien Baudry (SCD Bordeaux) 
  • Maria-Caterina Manes-Gallo (CNU 71, Bordeaux-Montaigne)
  • Lola Thion (CNU 14, UPPA)
  • Pascal Plas (CNU 22, Université de Limoges)
  • Alina Nastase (CNU 09, Académie de Poitiers)

Centres de recherches et équipes associées

TELEM («Textes, Littératures : Écritures et Modèles» EA 4195)

L’équipe d’Accueil TELEM, créée en 2005, rassemble enseignants-chercheurs et doctorants qui travaillent sur le langage, la langue, les textes et les cultures. Leur objet : les corpus littéraires et non littéraires. Elle est constituée en Centres et en Programmes. Les centres (CEREO, CECAES, Mauriac, Modernités, Montaigne, TELANCO) sont des structures pérennes reconnues au national et à l’international ; les programmes ont une durée calquée sur les différents contrats quinquennaux, et leurs axes de recherches sont des déclinaisons de deux programmes principaux : Axe A « Écritures à la limite » et Axe B « Fictions, Savoirs, Territoires ».

CRLA – Archivos (UMR 8132, Université Poitiers et Institut des textes et Manuscrits Modernes) et MSHS de Poitiers

Le CRLA-Archivos est né en 1995 de la fusion du Centre de Recherches Latino-Américaines de l’Université de Poitiers (CRLA) et du GDR 1190 « Archives de la Littérature Latino-Américaine et des Caraïbes du XXe siècle » (CNRS-Université de Paris X-Nanterre) et est membre de l’Unité Mixte de Recherche ITEM (Institut des textes et manuscrits modernes, UMR 8132 du CNRS). Le CRLA-Archivos est hébergé par la MSHS de Poitiers (membre du Réseau National des MSH), qui est dotée d’une importante plateforme de numérisation avec des scanners de pointe et une salle dédiée à la préservation des manuscrits. Cette plateforme s’inscrit dans le réseau des plateformes SCRIPTO du RnMSH.

Le fonctionnement du CRLA-Archivos est organisé autour de trois tâches principales : la recherche en littérature et en génétique des textes, la conservation et la préservation des patrimoines littéraires, et l’édition papier et numérique (avec notamment une expertise sur la chaîne de traitement des archives : choix et sélection des logiciels des métadonnées à des fins de recherches et de moissonnage, interopérabilité, chaînes éditoriales et relations avec les principales infrastructures nationales CAHIER et HumaNum lesquelles, à leur tour, sont en relation avec les opérateurs et infrastructures internationales comme DARIAH). 

MICA (MÉDIATIONS, INFORMATIONS, COMMUNICATION, ARTS, Université Bordeaux Montaigne, EA 4426)

Laboratoire de recherche en Sciences de l’information et de la communication et en Arts, il est le premier laboratoire français en nombre de chercheurs sur ces thématiques (68 enseignants chercheurs membres à temps plein ; 90 doctorants). 

Le laboratoire MICA se donne pour objectif l’analyse des modes de médiation et de communication des sociétés contemporaines (étude des flux de connaissances et d’information ; impact du développement des pratiques numériques sur les interactions) afin d’en éclairer les transformations et les évolutions.

Consortium CAHIER

Consortium interdisciplinaire de projets numériques, essentiellement éditoriaux et autour des corpus d’auteurs. Il constitue un espace d’échanges, d’expertise et de mutualisation de ressources, visant à améliorer la description des corpus, favoriser la reconversion et la pérennisation des formats, l’interopérabilité des données, l’évolution des métadonnées dans la perspective du web sémantique, la valorisation des productions, la promotion du libre accès aux corpus, proposer des ateliers de formation, faire connaître et tester différents outils de traitement des données… 

TGIR Huma-Num 

Très Grande Infrastructure de Recherche née en 2013. La TGIR Huma-Num a vocation à construire une infrastructure numérique de niveau international pour les SHS. Elle structure une communauté de consortia et de MSH constituées en réseau qu’elle accompagne dans les projets ayant pour objet les données de la recherche. Elle œuvre pour la promotion du libre accès et la FAIRisation des données de la recherche. 

Acteurs et partenaires institutionnels du Ministère de la culture

Les membres d’e-c@na dépendent de l’Enseignement supérieur et de la recherche, mais nos initiatives de médiation numérique autour de corpus d’auteurs ont pu compter sur la participation d’établissements culturels publics (archives, bibliothèques). Les corpus hébergés par ces institutions ont vocation à être exploités à la fois par le corps scientifique et pédagogique. Le secteur de la recherche peut contribuer aux actions de ces secteurs en mettant à disposition des infrastructures permettant la numérisation, la mise en ligne et l’exploitation des corpus. Logiquement, e-c@ana a réuni des partenaires issus de ces différents milieux et contribué à leurs propres politiques culturelles.

DRAC Nouvelle-Aquitaine (Direction Régionale des Affaires Culturelles)

Organisme public qui travaille de concert avec les collectivités territoriales (compétences partagées) pour identifier, structurer, accompagner des projets culturels et patrimoniaux. Dans le cadre d’e-c@na, nous sollicitons la DRAC Nouvelle-Aquitaine afin d’être accompagnés dans l’identification des candidats à l’accompagnement à la numérisation et/ou à la valorisation, la validation des projets et l’obtention de financements justifiés par le pendant culturel de nos activités et le statut des structures accompagnées.

Définition du projet et d’une méthodologie

L’équipe opérationnelle réunie et les partenaires identifiés, le projet doit désormais être défini et cadré. 

Questions préalables pour dessiner les contours du projet

1/ Qu’est ce qu’un Corpus ? 

Un corpus est un construit, un ensemble de textes , d’images rassemblés autour d’un auteur. En 2018, durant la première phase du projet, Jessica de Bideran a déployé une enquête dans les différentes bibliothèques de la régions, dont les réponses devaient permettre à la fois de cerner ce qu’était un corpus pour ces bibliothèques, et d’identifier, parmi leurs fonds, quels seraient les candidats à la numérisation et/ou à l’accompagnement à la mise en ligne et à la valorisation. 

2/ Enjeux identifiés autour des données : 

=> Accessibilité (plateforme, moissonnage, référencement) ?

=> Exploitation (collecte, traitement, métadonnées, outils / usages envisagés) ?

=> Interopérabilité (métadonnées, formats) ?

Délimitation des axes de recherche et répartition du travail en pôles de compétences

La conduite du projet s’est fondée, dans un second temps, sur la répartition de différents axes de travail entre les membres de l’équipe et les partenaires, en fonction des compétences historiques de chacun. 

Les axes de travail définis sont les suivants : 

  • Réflexion théorique et scientifique, management du projet et constitution
  • Numérisation et construction des fichiers / Saisie des métadonnées
  • Édition en ligne d’images, de données textuelles et de textes
  • Questions éthiques et droits
  • Exploitation des données (outils), diffusion et valorisation

Par la suite, ces axes de recherche, qui soulèvent des questions souvent transversales, ont conduit à une répartition du travail par grands pôles de compétences sur les questions de qualité des données, d’accessibilité des données et d’exploitation des données, que nous avons détaillés dans un précédent billet.

Programmation sur 3 ans

Les objectifs à atteindre, au terme des trente-six mois du programme sont doubles : rendre visibles et faire émerger les projets en Humanités Numériques de la région Nouvelle Aquitaine à l’échelle nationale et internationale par la création d’un pôle de ressources et de compétences pour les corpus d’auteurs ; constituer un espace permettant aux projets développés dans les universités de la région de se retrouver pour échanger et mutualiser les ressources et solutions.

  • 2018 – Etat des lieux, exploration scientifique et ateliers

Poursuite du travail d’enquête et de recensement des corpus littéraires numérisés ou susceptibles de l’être sur le territoire de la Nouvelle-Aquitaine, des solutions techniques utilisées, des problèmes rencontrés, des outils numériques existants. Le formulaire d’enquête, après avoir été envoyé aux bibliothèques municipales, sera envoyé aux centres d’archives de Nouvelle-Aquitaine. 

Proposition de formations avec la création d’une Ecole d’hiver à destination des doctorants (EnExDi)

Exploration scientifique, par l’organisation d’ateliers pratiques et de réflexions thématiques. Ces ateliers permettront d’expérimenter des protocoles et des outils, leurs résultats et les observations effectuées permettront de trouver et d’élaborer des solutions techniques et informatiques aux problèmes identifiés. Par exemple, un premier atelier “Métadonnées” se tiendra à La Rochelle en Juillet 2018. A partir d’un corpus extrait du Fonds Kessel, il s’agira de travailler sur la notion de “Réseaux d’amitiés” : Comment travailler sur cette notion dans le cadre d’une optimisation des métadonnées? Avec quelle démarche? La textométrie suffit-elle? Quelle exploration pédagogique? etc.

  • 2019 – Poursuite de la prospection, implication croissante dans les projets régionaux

Assurer une veille et un suivi des appels à projet du Ministère de la Culture et de la Communication avec un volet pédagogique fort (à l’instar du projet d’Alina Nastase sur La Bête Humaine d’E. Zola, exploité sous la forme d’un jeu vidéo).

Poursuite des ateliers de formation et d’exploration scientifique et thématique. 

Organisation de manifestations : Datathons, éditathons, journées d’études,… (Datathon sur les données de la recherche sur la guerre d’Espagne et l’exil républicain espagnol)

  • 2020 – Présentations et rencontres publiques, bilans et livrables

Poursuite des enquêtes, du travail d’exploration et d’analyse scientifique, de l‘accompagnement des projets régionaux autour des humanités numériques et des corpus d’auteurs et de l’implication dans le milieu de la culture avec le suivi des appels à projet du Ministère de la Culture et des projets accompagnés par la DRAC Nouvelle-Aquitaine.

à suivre…