De l’index papier à l’indexation automatique

Dans le cadre des travaux sur la Reconnaissances d’Entités Nommées (REN) réalisés à partir du projet Himanis (registres du Trésor des chartes, Paris, Archives nationale, JJ35-JJ211), nous travaillons actuellement à l’amélioration des modèles pour associer les entités nommées reconnues à une identification précise et désambiguïsée.

Nous avons donc commencé notre travail à partir des référentiels papiers fournis par l’index de l’inventaire des registres JJ 37-50 afin de disposer de données à entrainer.

I.                   Etat des données

 

Originellement, l’index se présente sous la forme de deux tables : une pour les sujets et une pour les personnes et les lieux. Chaque entrée dispose d’un nom, d’éventuelles entrées subordonnées, d’éventuels renvois vers des entrées associées et d’une série de références qui correspondent aux entrées d’inventaire contenant cette entrée d’index. L’ensemble se présente sous la forme suivante :

Illustration n° 1

 

Cet index a ainsi été numérisé en même temps que l’inventaire qu’il accompagne, puis traité par OCR et structuré dans un document XML conforme aux spécifications de la Text Encoding Initiative, en adoptant la forme suivante :

Illustration n°2

 

Ce travail a permis de mettre à plat toutes les entrées présentes dans l’index et de former un référentiel contenant 4229 sujets, 7795 noms de lieu et 6534 noms de personnes.

II.                 Des entrées liées et structurées

Continue reading De l’index papier à l’indexation automatique

L’alignement texte-image à l’épreuve d’une copie fidèle (cartulaire de Clairmarais, une bulle d’Innocent IV)

Les opérations d’examen et de correction de l’alignement texte-image au moyen de l’outil Transkribus ont déjà été largement expérimentées sur une quinzaine de cartulaires français (voir nos précédents billets).

Deux nouveaux manuscrits ajoutés au corpus des cartulaires alignés

En dernière date, deux cartulaires originaires de Reims ont été soumis au même travail de vérification :

  • Cartulaire de l’abbaye bénédictine Saint-Nicaise de Reims (Reims, BM 1843 ; XIIIe siècle)

Lien vers la numérisation (BVMM) : https://bvmm.irht.cnrs.fr/mirador/index.php?manifest=https://bvmm.irht.cnrs.fr/iiif/5165/manifest

Édition Jeannine COSSÉ-DURLIN, Cartulaire de Saint-Nicaise de Reims (XIIIe siècle), Documents, études et répertoires, vol. 59, Paris, 1991 (https://gallica.bnf.fr/ark:/12148/bpt6k3337176s.texteImage)

  • Cartulaire de l’abbaye cistercienne Notre-Dame de Clairmarais (Troyes, AD Aube, 3 H 3700 ; XVe siècle)

Lien vers la numérisation (BVMM) : https://bvmm.irht.cnrs.fr/mirador/index.php?manifest=https://bvmm.irht.cnrs.fr/iiif/32117/manifest

Édition Pamela Stucky SKINNER, The Cartulary of Clairmarais, a monastery of Cistercian nuns, France C. 1220-1460. Edition and commentary, University of Iowa, 2005 (https://search.proquest.com/dissertations/docview/304989007/fulltextPDF/1363D97CA8672A6EC5C/178)

Un acte pontifical assez fidèlement copié

Une bulle d’Innocent IV, datée du 3 septembre 1246, a notamment été copiée dans le cartulaire de Clairmarais (f. 105r-106v).

Dans l’eschatocole, le scribe s’est montré particulièrement soucieux de restituer avec fidélité la teneur de l’original, et en particulier certains signes graphiques ainsi que la répartition physique des éléments textuels tels qu’ils se trouvaient sur le parchemin :

  • la rota pontificale.
  • un monogramme.
  • la disposition des témoins en deux listes, la première étant divisée en deux colonnes.
  • la représentation de croix figurées accompagnant les témoins.
Illustration n° 1 (Troyes, AD Aube, 3 H 3700, f. 106v).

Les signes graphiques précédemment énumérés (dans l’ordre visuel, de gauche à droite : rota ; monogramme ; listes de témoins munis de croix figurées) sont rassemblés juste avant la datation.

Continue reading L’alignement texte-image à l’épreuve d’une copie fidèle (cartulaire de Clairmarais, une bulle d’Innocent IV)

Noms de personnes et noms de lieux. L’annotation des entités nommées dans les cartulaires français

À la suite des opérations d’alignement texte-image qui nous ont conduit à examiner sur Transkribus le texte d’un certain nombre de cartulaires français (voir nos précédents billets consacrés à l’alignement), nous avons soumis la quasi-totalité de ce corpus à une nouvelle expertise consistant cette fois à repérer et annoter les noms de personnes et les noms de lieux. Cette tâche s’avère indispensable à la reconnaissance des entités nommées par l’outil informatique. Nous avons pu mettre en place une politique de travail pragmatique et adaptée aux spécificités linguistiques des manuscrits étudiés. Ce billet pourra dès lors nourrir la réflexion sur les enjeux de l’indexation automatique.

Continue reading Noms de personnes et noms de lieux. L’annotation des entités nommées dans les cartulaires français

L’alignement texte-image : un corpus de cartulaires augmenté de six nouveaux manuscrits

À la suite de huit premiers cartulaires (voir notre précédent billet), nous avons poursuivi les opérations d’alignement texte-image sur six nouveaux manuscrits. Ce travail est mené en parallèle d’un autre chantier en cours, à savoir la reconnaissance des entités nommées (une tâche à laquelle seront consacrés de prochains billets).

Ce billet décrit les nouveaux cas de figure auxquels nous avons été confrontés et donne des statistiques à jour.

Les cartulaires formant les nouveaux manuscrits ajoutés au corpus

  • Cartulaire de Navarre, dit de Charles II, roi de Navarre (Pau, Archives départementales des Pyrénées-Atlantiques, E 513), ci-après « Navarre »

Numérisation du manuscrit en ligne : http://earchives.le64.fr/archives-en-ligne/ark:/81221/r13615z7dvnv8k/f1

Édition : Véronique LAMAZOU-DUPLAN (dir.), Anne GOULET et Philippe CHARON, Le Cartulaire dit de Charles II roi de Navarre – El cartulario llamado de Carlos II rey de Navarra, Pampelune : Gobierno de Navarra, Université de Pau et des pays de l’Adour, 2010 (Corpus documental para la historia des Reino de Navarra, Seccion III : Codices y cartularios, 1).

  • Cartulaire de l’abbaye cistercienne Notre-Dame de Vauluisant (Paris, BnF, latin 9901), ci-après « Vauluisant

Numérisation du manuscrit en ligne sur Gallica : https://gallica.bnf.fr/ark:/12148/btv1b9066751j.image

Édition : William Owen DUBA, The Cartulary of Vauluisant, a critical edition, dir. C. Berman, PhD, Univ. of Iowa, 1996.

Nous remercions très chaleureusement Bill Duba qui nous a communiqué le fichier électronique de son édition pour faciliter nos travaux.

  • Cartulaire des commanderies templières de Sommereux et de Neuilly-sous-Clermont (Paris, BnF, nouvelles acquisitions latines 1934), ci-après « Sommereux »

Numérisation du manuscrit en ligne sur  Gallica : https://gallica.bnf.fr/ark:/12148/btv1b10038924c

Édition : Comte de LOISNE, Cartulaire de la commanderie des Templiers de Sommereux, Paris-Beauvais, 1924 (Publications de la Société académique de l’Oise. Documents, 9).

Numérisation de l’édition :

http://www.templiers.net/cartulaires/index.php?page=sommereux-introduction

  • Cartulaire blanc de l’abbaye Saint-Denis (Paris, Archives nationales, LL 1157), ci-après « Saint-Denis »

Manuscrit numérisé par les Archives nationales, images intégrées à l’édition électronique.

Édition numérique assurée par l’École des Chartes : Olivier GUYOTJEANNIN (dir.), Cartulaire blanc de Saint-Denis. Le chapitre de Tremblay-en-France [AN, LL 1157, p. 463-490] ; Le chapitre de Rueil-[Malmaison] [AN, LL 1157, p. 499-534], 2001- (Éditions en ligne de l’École des chartes, 3)

Numérisation du manuscrit : http://saint-denis.enc.sorbonne.fr/les-textes/cartulaire-blanc/parcourir.html

Numérisation de l’édition : http://www.enc.sorbonne.fr/cartulaireblanc/index.php. Nous le signalons tout en précisant que nous n’avons pu y accéder en raison d’une panne informatique sur laquelle Vincent Jolivet et David Fourcaud ont eu l’amabilité de nous éclairer.

  • Cartulaire de l’abbaye cistercienne Notre-Dame de Fervaques (Paris, BnF, latin 11071), ci-après « Fervaques »

Numérisation du manuscrit sur Gallica : https://gallica.bnf.fr/ark:/12148/btv1b100363358

Édition dactylographiée par Chris SCHABEL, avec la collaboration de Russell L. FRIEDMAN,  The Cartulary of Fervaques Abbey, a Cistercian Nunnery.

Nous remercions très chaleureusement Chris Schabel qui nous a communiqué le fichier électronique de son édition pour faciliter nos travaux. Notre travail sur Fervaques a étonnamment bénéficié du contexte sanitaire actuel. En effet, Chris Schabel a mis à profit le confinement du printemps 2020 pour achever son travail d’édition.

Numérisation de l’édition :

https://www.academia.edu/42605288/The_Cartulary_of_Fervaques_Abbey_a_Cistercian_Nunnery

  • Cartulaire de l’abbaye cistercienne Notre-Dame et Saint-Edme de Pontigny (Paris, BnF, latin 9887), ci-après « Pontigny »

Numérisation du manuscrit sur Gallica : https://gallica.bnf.fr/ark:/12148/btv1b9077685k.image

Édition : Martine GARRIGUES, Le premier cartulaire de l’abbaye cistercienne de Pontigny : XIIe-XIIIe siècles, Paris, 1981 (Collection de documents inédits sur l’Histoire de France, 14). Edition numérisée sur Gallica : https://gallica.bnf.fr/ark:/12148/bpt6k6244433s/

Ce corpus sera bientôt augmenté des cartulaires de deux abbayes champenoises : celui de Saint-Nicaise de Reims (Reims, Bibliothèque municipale, 1843), et celui de Notre-Dame de Clairmarais (Troyes, Archives départementales de l’Aube, 3 H 3700).

Remarques historiques sur l’hétérogénéité du corpus de cartulaires

Les manuscrits qui nous intéressent dans ce billet nous ont amenés à traiter plus de 872 images, ce qui représente une masse un peu moins importante que précédemment (1156 images pour les huit premiers cartulaires).

Le tableau ci-dessous permet de s’en rendre compte, de la même manière qu’il fait apparaître le nombre exact de mots et de lignes qui ont été soumis aux opérations d’alignement.

 

Cartulaire Saint-Denis Navarre Vauluisant Sommereux Fervaques Pontigny TOTAL
Nombre d’actes dans l’édition 408 132 415 212 102 3518
Nombre d’actes traités sur Transkribus 408 212 102 1910
Actes en latin 355 28 415 211 47 2731
Actes en français 53 102 0 1 55 274
autre 2 2
Nombre de mots contenus dans l’édition 123054 92486 67960 36973 42601 801373
Nombre de mots traités sur Transkribus 123054 67960 36973 42601 442580
Nombre d’images 968 213 110 85 131 62 3119
Nombre de lignes manuscrites avec texte aligné 18069 13494 3859 4610 61965

Le nouveau corpus de 6 cartulaires est assez homogène sur le plan de sa répartition chronologique, les XIIe, XIIIe et XIVe siècles étant assez également représentés.

En revanche, l’hétérogénéité du corpus se voit tout d’abord dans l’origine géographique des manuscrits étudiés, cette dernière étant plus étendue par rapport aux huit précédents cartulaires. En plus des institutions religieuses franciliennes et bourguignonnes, nous rencontrons également des cartulaires de Picardie (Sommereux, Fervaques) et fortement méridionaux (Navarre).

Le statut des producteurs est lui aussi plus diversifié : Navarre est un cartulaire laïque, tandis que Sommereux provient d’une commanderie templière.

Remarques techniques sur l’hétérogénéité

La variété caractérise tout autant la politique générale de travail appliquée à certains des cartulaires.

En effet, tous n’ont pas été intégralement traités.

Ces lacunes assumées peuvent découler de l’état de conservation du manuscrit. Ainsi, Fervaques n’étant préservé que par gros fragments, notre expertise sur ce cartulaire ne pouvait être que partielle. Dans Pontigny, l’écriture de certains actes ou de portions d’actes étant très mal préservée, ces derniers n’ont pas été édités et n’ont donc pas été étudiés dans le cadre des opérations d’alignement via Transkribus.

Nous avons été également guidés par la prise en compte exclusive de cartulaires ayant fait l’objet d’éditions disponibles sous forme électronique.

Pour l’édition de Saint-Denis, notre travail est préliminaire et ne sera pas publié en l’état. En effet, des corrections sont encore en cours à l’Ecole nationale des chartes grâce à M. Olivier Guyotjeannin et Mme Florence Clavaud. Notre travail devra donc être adapté lors de la publication de la nouvelle version. Pour l’heure, notre corpus de travail contient en tout 968 images, nous n’en avons retenu que 200, à savoir quatre sections d’images (405-420 ; 461-526 ; 535-625 ; 733-763), en tout 429 actes sur les 2616 copiés dans le manuscrit. Ce vaste échantillon correspond à l’édition électronique ELEC (travail confié à une équipe dirigée par Olivier Guyotjeannin). Certes, le texte qui en résulte ne concerne pas absolument tous les actes (les diplômes et autres actes royaux n’ont pas été inclus car ils ont déjà été édités auparavant), mais l’ensemble n’en demeure pas moins imposant.

D’un cartulaire à l’autre, les dispositions variables du texte sur l’image ont-elles aussi joué sur nos conditions de travail. Si Vauluisant et Pontigny sont moins volumineux que les autres manuscrits (voir le précédent tableau), la présence de quatre colonnes par image (association d’un feuillet verso à gauche et d’un recto à droite) a en moyenne doublé voire quadruplé (par rapport aux images ne comportant qu’une masse de texte ou deux colonnes) le nombre de lignes à examiner par image.

À l’inverse, pour Navarre et Saint-Denis, le fait d’avoir pu travailler sur des numérisations en couleurs a pu faciliter notre travail, notamment lorsqu’il était question de bien distinguer les rubriques des teneurs d’actes.

Opérations de resegmentation et d’alignement, des pratiques en évolution

Nous avons globalement conservé la même philosophie de travail que pour le précédent ensemble de cartulaires. Néanmoins, plusieurs des manuscrits étudiés dans ce billet ont fait surgir de nouvelles difficultés liées à des spécificités techniques, paléographiques et diplomatiques. Il nous a dès lors fallu adapter et diversifier nos pratiques.

Opérations particulières et massives de resegmentation (Vauluisant, Saint-Denis et Pontigny)

Le travail d’alignement sur Vauluisant a été interrompu à plusieurs reprises par la nécessité de rétablir, pour certaines images, une segmentation en actes correcte.

Par exemple, à l’image 18, les deux colonnes du feuillet verso apparaissaient réunies dans une seule et même Text Region. L’alignement automatique qui en a résulté distinguait les colonnes mais la numérotation des lignes était complètement bouleversée (alternance d’un numéro de la première colonne suivi d’un autre relevant de la seconde). Pour rétablir le bon ordre de lecture du texte, il aurait été assez pénible de devoir procéder à la renumérotation manuelle de l’ensemble des lignes, ce qui aurait impliqué de devoir rétablir ligne par ligne les éléments textuels successifs. La solution la plus commode s’est alors imposée, et elle s’est décomposée en plusieurs étapes : suppression de la Text region défectueuse ; recréation ex nihilo d’une Text Region pour chaque colonne  ; utilisation de l’onglet « Tools » de Transkribus pour recréer les lignes de chacune de ces deux nouvelles TR ; récupération du texte correspondant dans les fichiers TXT issus de la récupération des données textuelles éditées ; une fois le texte collé sur la première ligne du haut de l’image, mise à profit de la fonction « Text2Image » qui permet de relancer l’alignement automatique avec « Himanis » comme modèle de reconnaissance textuelle. Une fois cette procédure scrupuleusement appliquée, nous avons pu alors procéder au travail classique d’examen et de correction de la concordance texte-image.Illustration n°1 (Vauluisant, image 18).

À gauche (version antérieure à la correction de l’alignement), les deux colonnes de texte étaient confondues dans une seule Text Region (surlignée en vert). À droite (version actuelle), elles sont séparées en deux TR distinctes.

Ces opérations de resegmentation ne nous ont pas toujours permis de créer des Text Regions respectant scrupuleusement la disposition du texte manuscrit. Il en a été ainsi à l’image 51 de Vauluisant, à la troisième colonne, où une rubrique marginale est quasiment accolée au texte de la quatrième colonne. Un espace physique de séparation étant souhaitables entre les TR, nous n’avons pas eu d’autre choix que de dessiner une Region dont le texte est légèrement tronqué, ce qui, nous le verrons, a pu avoir des conséquences sur l’alignement automatique généré par Transkribus.

Illustration n°2 (Vauluisant, image 51).

La rubrique située en marge centrale concerne un acte copié dans la TR de gauche, mais elle est accolée à la bordure d’un autre acte situé dans la seconde Text Region. La segmentation qui en résulte est donc nécessairement imparfaite.

Le même cartulaire nous a mis en présence d’un cas exceptionnel de défaut de segmentation où il ne nous a pas paru nécessaire de procéder à un remaniement complet des TR. Sur l’image 91, les deux colonnes du feuillet gauche avaient là encore reçu une unique Text Region. Mais cela n’a pas posé de difficultés : d’une part, les numéros automatiques de lignes étaient quasiment tous correctement répartis d’une colonne à l’autre et se suivent de manière logique (à l’exception des dernières lignes de la première colonne que nous avons renumérotées à la main) ; d’autre part, le texte manuscrit ne couvrait qu’environ la moitié du feuillet. Nous avons donc décidé de laisser telle quelle la TR précitée.

Illustration n°3 (Vauluisant, image 91).

Les deux colonnes de texte étant largement incomplètes, la TR unique a été conservée car elle n’entrave pas l’ordre de lecture du texte.

Avec Saint-Denis, la resegmentation a pris une ampleur massive car il nous a fallu retailler plus de la moitié des images (102 images sur les 200 concernées par l’alignement).

Le travail préliminaire sur Pontigny a lui aussi rendu nécessaire un travail de resegmentation à grande échelle. Pour ce cartulaire, nous avons tenté une opération inédite : distinguer les rubriques et les teneurs d’actes par des rubriques différenciées. Les TR engendrées ont parfois été tributaires de la manière dont l’image apparaissait sur l’écran. Par exemple, à l’image 4, les rubriques marginales de gauche sont en partie cachées par une bande noire à l’emplacement du parchemin : les Text Regions coïncident donc difficilement avec le texte manuscrit (une situation qui est donc comparable à ce qui a été dit plus haut à propos de Vauluisant image 91). À partir de l’image 21 de Pontigny, les rubriques plein-texte sont bien plus nombreuses que les rubriques marginales, et sont parfois à la suite immédiate de l’acte précédent. Le cas se présente notamment à l’image 41, quatrième colonne, où la fin de l’acte 287 et les premiers mots de la rubrique de l’acte 288 se trouvent sur la même ligne manuscrite. Cet état graphique a posé dans des termes nouveaux la question de l’adéquation entre le texte et les Text Regions. Afin de rester fidèles à la distinction entre les TR-rubriques et les TR-teneurs d’actes, le choix a été fait de créer deux TR accolées sur la ligne en question. Le degré de précision de la fonction « ciseau » sur Transkribus n’étant pas extensible à l’infini, nous avons dû du même coup mettre en place deux TR pour la rubrique de l’acte 288.

Illustration n°4 (Pontigny, image 4).

Les rubriques entourées en violet sont en partie mangées par une bande noire au niveau de la tranche du manuscrit.

Illustration n°5 (Pontigny, image 41).

Les premiers éléments textuels de la rubrique (Gaudridus de Sor-) sont isolés de la fin de l’acte 287 et du début de l’acte 288 par une TR et une ligne graphique dédiées.

La phase de segmentation dans Pontigny nous a également obligés à être attentifs à la succession logique des numéros de Text Regions. Dans ce cartulaire, nous avons rencontré à plusieurs reprises des actes copiés dans la marge inférieure du feuillet correspondant, et la numérotation manuscrite proposée par le scribe a dès lors bouleversé l’ordre de lecture visuel du texte. Il en est ainsi à l’image 22, où, pour les actes 162 et 165, il a fallu non seulement ajouter des TR spécifiques, mais aussi veiller à ce que leurs numéros soient corrects : pour ce faire, un rapide recours aux « Items visibility » nous a permis de nous en assurer.

Illustration n°6 (Pontigny, image 22).

La position infra-marginale des actes 162 et 166 (entourés en violet) avait tout d’abord bouleversé la logique de numérotation automatique des actes situés en plein texte.

Examen et corrections de l’alignement texte-image : nouveaux cas particuliers

Problèmes d’alignement induits par la qualité aléatoire des numérisations et de la conservation du parchemin et de l’écriture

Pour rappel, l’image 4 de Pontigny présente un défaut de numérisation provoqué par une bande noire localisée au niveau de la tranche du manuscrit (voir plus haut, illustration n°4) et qui cache une partie du texte manuscrit. Une lacune similaire est notable à l’image 7 où une rubrique est partiellement dissimulée au niveau de la bordure externe du parchemin. Pour l’un et l’autre de ces exemples, les Text Regions imparfaitement constituées ont dès lors donné lieu à un alignement automatique incomplet. Cependant, en nous fiant au texte édité, il nous a parfois été possible de deviner la place de certains éléments textuels manquants voire les césures entre les lignes, quitte à créer de facto des lignes graphiques manquantes (par exemple sur l’image 15 de Pontigny, ligne 19-9). La discordance visuelle image-texte ne conduit donc pas obligatoirement à l’emploi des “supplied”.

Illustration n°7 (Pontigny, image 15).

Cette rubrique d’acte est elle aussi en partie dissimulée par une bande noire (voir un cas similaire à l’Illustration n°4). De ce fait, à gauche (version antérieure à la correction de l’alignement), l’alignement automatique n’avait pu prendre en compte le –cto final, la rubrique se terminant alors en ligne 19-8. À droite (version actuelle), une ligne graphique a été créée à la main pour les éléments manquants, quitte à déduire leur présence grâce au texte édité.

Mais la plupart des difficultés rencontrées sont moins dues à la numérisation qu’à des dégradations constatées sur le parchemin et qui peuvent nuire à la bonne lecture du texte.

Ces altérations affectent en particulier Vauluisant et Fervaques. Les images 53 à 55 de Vauluisant sont fortement endommagées, comme si le parchemin avait trempé dans l’eau : une bonne partie du texte a quasiment disparu. Il nous a été possible de recréer à la main les lignes graphiques, et parfois de restituer correctement la place des éléments textuels (comme cela se voit à la ligne 3-29 de l’image 54), mais dans l’ensemble, pour les images précitées, le travail d’alignement a été fortement compromis, ce qui nous a contraints à recourir massivement au “supplied”. À propos de Fervaques, les dégâts observés sur le parchemin résultent du parcours particulier de ce manuscrit qui, comme nous l’avons dit, ne nous est parvenu que par fragments.

Illustration n°8 (Vauluisant, image 54).

L’altération patente du parchemin a rendu très difficile l’alignement concernant les dernières lignes de la première colonne. Pour ce qui est du bas de la seconde, nous avons dû renoncer à lui assigner des lignes graphiques, le texte, et encore moins ses éventuelles césures, ne pouvant être replacé avec précision.

L’endommagement du parchemin peut également consister en des froissements impactant de nouveau l’écriture. Nous le voyons notamment sur les images 7 et 8 de Sommereux où plusieurs lignes graphiques sont de ce fait partiellement occultées.

Illustration n°9 (Sommereux, image 7).

Dans l’encart du haut (version antérieure à la correction de l’alignement), le froissement du parchemin avait donné lieu à une ligne 1-34 incomplète et dont la numérotation était d’ailleurs fautive (la fin de la ligne manuscrite ayant étonnamment reçu le n°1-33). La correction, visible dans l’encart du bas (version actuelle), a consisté à supprimer la 1-33 avant d’allonger vers la droite la 1-34, cette dernière devenant de ce fait la nouvelle 1-33.

Il arrive aussi que les feuillets soient souillés par des tâches. Il en est ainsi sur l’image 62 de Pontigny : les éléments textuels impliqués n’étaient donc pas reconnus par Transkribus dans le cadre de l’alignement automatique. Là encore, il nous a fallu corriger des lignes graphiques, généralement en les allongeant.

Illustration n°10 (Pontigny, image 62).

Dans l’encart du haut (version antérieure à la correction de l’alignement), une tâche sur le parchemin a généré plusieurs lignes graphiques incomplètes (les éléments manquants sont entourés en violet). Dans l’encart du bas (version actuelle), les lignes concernées ont été revues.

 Les bords du parchemin peuvent être déchirés, ce qui aboutit une fois de plus à la disparition d’éléments textuels, comme par exemple dans Vauluisant image 101.

Illustration n°11 (Vauluisant, image 101).

La bordure du feuillet étant largement déchirée, plusieurs débuts de lignes manuscrites sont amputés. Les lettres manquantes sont restituées dans le texte édité (encarts violets).

Sont également à signaler des perforations du parchemin, comme à l’image 12 de Pontigny (1ère colonne) où la présence d’un trou avait d’abord généré une cascade de lignes surnuméraires, désorganisées voire déformées.

Illustration n°12 (Pontigny, image 12).

En haut (version antérieure au travail d’alignement), un trou dans le parchemin avait sectionné plusieurs lignes manuscrites, aboutissant à plusieurs lignes graphiques excédentaires et ne se suivant pas de manière logique. En bas (version actuelle), la correction a consisté à rétablir la bonne succession de lignes graphiques, et donc à ignorer la perforation.

Ces perforations ne posent parfois aucune difficulté en termes d’alignement automatique. L’image 38 de Vauluisant comporte un petit trou, mais les lignes graphiques le surplombent. Ces dernières n’ont donc pas eu à être remaniées.

Illustration n°13 (Vauluisant image 38).

Le trou est visible sur la partie droite du parchemin. Cependant, l’alignement automatique a généré des lignes graphiques correctes car passant au-dessus de l’altération (contrairement au cas précédent, voir l’Illustration n°12).

Un parchemin endommagé n’engage pas systématiquement l’état de conservation de l’écriture. Sur l’image 104 de Vauluisant (4e colonne), nous voyons là encore une altération qui est vraisemblablement antérieure à l’intervention du copiste qui a minutieusement réparti son texte de part et d’autre de la perforation. L’image 76 de Fervaques présente un cas similaire, avec un trou en diagonale auquel le scribe s’est adapté.

Illustration n°14 (Vauluisant, image 104).

Le scribe s’est accommodé d’un parchemin d’emblée perforé. Son travail contourne largement l’altération.

Illustration n°15 (Fervaques, image 76).

L’habileté du copiste est de nouveau perceptible à l’occasion d’une perforation en biais (certes peu visible du fait de la numérisation).

En dépit de ces dégradations physiques, le travail d’alignement a pu être quelques fois facilité par des interventions postérieures à la confection du cartulaire. Par exemple, pour reprendre l’image 101 de Vauluisant, la ligne 2-29 a été en partie reconstituée par un scribe plus récent. Ce dernier y a restitué une fin de rubrique (placée en interligne du fait des contraintes physiques occasionnées par la déchirure externe) et la première lettre de Omnibus. On nous fera remarquer qu’il nous aurait été possible de deviner la présence de ces éléments textuels même en l’absence de telles réécritures.

Illustration n°16 (Vauluisant, image 101).

Les restitutions textuelles effectuées sur le parchemin sont localisées par les encarts violets.

L’écriture peut quand même être altérée malgré un relatif bon état de préservation du feuillet. L’image 79 de Vauluisant montre un cas extrême. Dans les colonnes 1 et 2, les lignes manuscrites sont encore visibles, mais le texte est bien trop mal conservé. Dans l’impossibilité de proposer un alignement un tant soit peu correct, nous avons également renoncé à corriger ou créer la plupart des lignes graphiques qui avaient d’ailleurs été largement délaissées par Transkribus lors de la phase automatique. Un “supplied” généralisé était alors incontournable.

Illustration n°17 (Vauluisant, image 79).

Les difficultés de lecture étant trop flagrantes, l’alignement automatique, si imparfait, soit-il, a été laissé tel quel, ce qui a notamment concerné plusieurs lignes graphiques qui ne couvrent pas l’intégralité du texte (colonne de droite).

En dehors des altérations du parchemin et de l’écriture, signalons aussi la présence d’éléments matériels étrangers pouvant impacter la numérisation. L’image 83 de Vauluisant fait ainsi apparaître un encart de papier intercalé et qui dissimule une grande partie du texte d’un feuillet.

Illustration n°18 (Vauluisant, image 83).

Un morceau de papier a été inséré en cet endroit du cartulaire. De ce fait, les lignes graphiques situées à gauche de cet élément étranger sont très incomplètes, mais toujours est-il qu’elles correspondent à la partie visible du texte manuscrit.

Problèmes d’alignement découlant d’écritures atypiques et d’autres particularités graphiques

Sur ce point, le travail d’alignement a dû prendre en compte à la fois la disposition physique du texte manuscrit et des variations paléographiques parfois déroutantes.

Les actes “in-several-parts” sont encore présents quoique dans une moindre proportion par rapport aux précédents cartulaires. Les éléments textuels externalisés peuvent consister en une section minime de l’acte concerné. Ainsi, à l’image 107 de Vauluisant, acte 399, les deux lignes finales de la liste de témoins ont été reportées dans la marge inférieure du feuillet. Le respect de l’ordre logique de lecture a impliqué la renumérotation des lignes concernées.

Illustration n°19 (Vauluisant, image 107).

La fin d’acte est dispersée. Elle commence à la ligne 4-37 (37 sur l’illustration) et se termine aux lignes 4-38 et 4-39 (tout en bas, encart violet). La présence de cet acte-in-several-parts nous a conduit à bouleverser la numérotation des lignes graphiques et donc l’ordre logique de lecture sur le feuillet (les lignes 4-40 à 4-43 étant visuellement placées avant les 4-38 et 4-39 mais devant être lues à la suite de ces dernières).

L’écriture peut empiéter sur la marge. Cela apparaît notamment à l’image 54 de Pontigny, sur la dernière ligne de l’avant-dernier acte. Cette situation avait d’abord engendré deux lignes graphiques distinctes qu’il a fallu fusionner.

Illustration n°20 (Pontigny, image 54).

En haut (version antérieure au travail d’alignement), la seconde ligne se termine en marge droite. La partie marginale avait reçu une ligne graphique spécifique (la 18, entourée en violet) et numériquement placée avant le début de la ligne manuscrite en plein-texte. En bas (version actuelle), la ligne en marge a été supprimée, tandis que l’ancienne ligne 19 (renumérotée en 18) a été allongée.

Dans certains cas, la continuité des lignes manuscrites est entravée par divers éléments visuels : un trait, comme sur l’image 47 de Vauluisant, ou encore des blancs repérables notamment sur l’image 20 de Pontigny. Pour les trois images citées, la réunion de lignes graphiques surnuméraires en une seule BL a de nouveau été de mise.

Illustration n°21 (Vauluisant, image 47).

En haut (version antérieure au travail d’alignement), un trait (encart violet) a non seulement alourdi la ligne manuscrite mais aussi généré trois lignes graphiques (46, 45 puis 44). En bas (version actuelle), la nouvelle ligne 44 embrasse tout le texte, trait inclus.

Illustration n°22 (Pontigny, image 20).

En haut (version antérieure au travail d’alignement), le millésime d’une formule de date a été indiqué avec des lettres fort espacées (encarts violets), ce qui a généré plusieurs lignes graphiques excédentaires. En bas (version actuelle), la fusion des trois lignes a été effectuée.

L’alignement automatique excessif peut aussi découler de lignes dont l’encre imbibe le parchemin au point d’être encore visible sur le folio suivant. Le cas est apparu sur l’image 85 de Fervaques, feuillet gauche, où la machine avait proposé des lignes graphiques qui renvoient en fait à du texte de l’image 84, des lignes que nous avons tout de même laissées en place car pour l’image 85 le texte à aligner concerne le feuillet droit.

Illustration n°23 (Fervaques, image 85).

Le feuillet gauche doit être considéré comme vierge. Les lignes graphiques générées par Transkribus correspondent en réalité à du texte présent sur le feuillet droit de l’image 84.

 L’alignement doit tout autant composer avec des éléments figurés tels que des monogrammes de chancellerie royale. Ces derniers sont assez fréquents dans Saint-Denis.

Sur l’image 462 de ce cartulaire, le monogramme avait d’abord provoqué la scission en deux lignes graphiques de la ligne de texte indiquant la vacance de la fonction de chancelier (Data vacante cancellaria).

Illustration n°24 (Saint-Denis, image 462).

En haut (version antérieure au travail d’alignement), le monogramme de chancellerie avait bouleversé l’alignement, la ligne de Data vacante cancellaria ayant été fractionnée. En bas (version actuelle), la correction de l’alignement a consisté en quelque sorte à ignorer l’élément figuré.

Sur l’image 547 du même manuscrit, l’alignement a demandé des corrections encore plus minutieuses. Le monogramme s’était retrouvé littéralement cerné par des lignes surnuméraires dont la réfection manuelle s’est avérée fastidieuse.

Illustration n°25 (Saint-Denis, image 547).

En haut (version antérieure au travail d’alignement), les éléments textuels situés à droite du monogramme avaient reçu des lignes graphiques excédentaires. En bas (version actuelle), elles ont été supprimées au profit de celles de gauche qui ont été allongées. Les micro-lignes 4-9 et 4-13 (4 et 9 sur l’illustration) ont été conservées car elles n’engagent pas de texte.

En guise de compléments d’informations relatives à Saint-Denis, pointons du doigt d’autres particularités d’écriture ayant influencé le travail d’alignement :

  • Dans les titulatures d’actes d’officiaux, le mot officialis est très souvent abrégé, ce que la machine n’a généralement pas reconnu, conduisant à une césure fautive lorsque le mot est situé en fin de ligne (voir le cas ci-dessous de l’image 545).

Illustration n°26 (Saint-Denis image 545).

En haut (version antérieure au travail d’alignement), le mot abrégé officialis (à la fin de la première ligne manuscrite) avait été abusivement coupé (encarts violets). En bas (version actuelle), il a été replacé en entier à sa bonne place.

  • Ce défaut de coupure affecte également le nom Dyonisius qui, sans que cela ne nous surprenne, est très fréquent dans le cartulaire en question sachant l’identité du producteur.

Illustration n°27 (Saint-Denis image 576).

En haut (version antérieure au travail d’alignement), la césure du mot Dyonisii n’a pas été prise en compte par la machine. En bas (version actuelle), elle a été restituée (encarts violets).

Problèmes d’alignements dus à des discordances texte-édition

Ce problème a déjà été signalé dans le précédent billet. Il convient également de souligner des cas inédits de décalages entre le texte et l’image.

Tout d’abord, nous retrouvons des exemples de césures impossibles à restituer à cause d’erreurs ou de choix de rédaction imputables à l’éditeur. Ces incohérences concernent en particulier les mentions de millésimes (voir par exemple l’image 611 de Saint-Denis) ou de lieux (Pontigny, image 4).

Illustration n°28 (Saint-Denis, image 611).

Sur le manuscrit, millesimo en toutes lettres est censé être coupé par une fin de ligne, mais l’éditeur donne une version abrégée en M°CC° tandis que la machine a quand même proposé une coupure (encarts violets). La césure Mil- ne peut donc pas être reproduite dans le travail d’alignement.

Illustration n°29 (Pontigny, image 4).

L’impossibilité de restituer la césure vient cette fois de la présence d’un s en trop dans l’édition du mot Autisiodorum.

Des inversions de mots à la fin de la ligne peuvent là encore impacter la césure (Pontigny, image 22).

Illustration n°30 (Pontigny, image 22).

Sur le manuscrit, le mot militis est coupé par une fin de ligne. Mais cette césure ne peut pas être mise en valeur par le travail d’alignement car dans l’édition ce mot est placé après jam defuncti (inversion signalée par les encarts violets).

Le traitement particulier appliqué aux marques d’éditeur est là aussi une résurgence. Par exemple, sur l’image 7 de Navarre, l’éditeur avait signalé un blanc (bien visible sur le parchemin), une remarque qui a survécu à l’import des données textuelles sur Transkribus.

Illustration n°31 (Navarre, image 7).

La ligne manuscrite fait apparaître un blanc qui a fait l’objet d’une marque d’éditeur. Cette dernière a reçu un “supplied”.

Ces reliquats d’annotations éditoriales ont été fort nombreux lors du travail d’alignement effectué sur Pontigny : elles consistent la plupart du temps en des appels de notes sous forme de lettres minuscules.

La discordance texte-édition est parfois salvatrice pour la bonne compréhension du texte. Sur l’image 23 de Vauluisant, au tout début d’une formule d’adresse, le rubricateur n’a pas fait figurer la première lettre du mot « Omnibus ». L’éditeur l’a restituée à bon droit.

Illustration n°32 (Vauluisant, image 23).

L’initiale O d’Omnibus n’étant pas présente dans le manuscrit, l’éditeur l’a indiquée entre crochets.

Le problème des actes cancellés n’est pas non plus une nouveauté. Il impose le recours au “supplied” lorsque l’éditeur a tenté de replacer les éléments textuels manquants en faisant appel par exemple à des actes originaux, comme sur l’image 58 de Pontigny.

Illustration n°33 (Pontigny, image 58).

L’acte barré a été cancellé. Cependant, l’éditeur a tout de même fait apparaître son texte, ce qui nous a conduit à employer un “supplied” massif.

Au-delà des suppressions effectuées par le scribe, certaines copies d’actes dans les cartulaires nous apparaissent amputées pour des raisons qui nous échappent. Le cas est apparu sur l’image 50 de Vauluisant, au niveau du passage entre la seconde et la troisième colonne. L’éditeur a été en mesure de reconstituer le texte manquant, mais nous n’avons pas pour autant été dispensés du “supplied “.

Illustration n°34 (Vauluisant, image 50).

Le texte en “supplied” correspond aux éléments textuels ajoutés par l’éditeur après la dernière ligne de la seconde colonne.

Les ajouts de texte par l’éditeur concernent en particulier les listes de témoins ou de souscripteurs, comme le montre par exemple l’image 51 de Vauluisant.

Illustration n°35 (Vauluisant, image 51).

Les éléments en “supplied” correspondent à des témoins supplémentaires renseignés par l’éditeur à partir d’autres états de la tradition manuscrite de l’acte.

Signalons à présent des nouveautés en termes de discordances texte-image.

La table des matières de Vauluisant (images 4 et 5) a été intégrée au texte examiné sur Transkribus. Malheureusement, l’alignement de cette section liminaire du manuscrit a été un parcours du combattant car les données textuelles à traiter incluaient un nombre incalculable de mentions marginales accompagnant les titres d’actes mais dont la place a été extrêmement mal restituée par la machine. Ici, l’emploi du “supplied” a donc été quasiment systématique pour chaque ligne.

Illustration n°36 (Vauluisant, image 4).

Avec l’alignement de la table des matières de Vauluisant, le recours au “supplied” a atteint une fréquence exceptionnelle : beaucoup trop d’éléments textuels, souvent minimes, n’étaient pas à la bonne place, et il aurait été bien trop long de les remettre systématiquement sur la bonne ligne.

La discordance est parfois tellement flagrante qu’elle nous interdit tout traitement. Par exemple, sur l’image 53 de Pontigny, la fin de la ligne manuscrite 22-14 et le début de la suivante marquent une césure pour le mot presentivit . Cependant, le texte édité propose presentia investivit. Or, l’un de nos principes de travail est de ne pas appliquer de “supplied” à des portions de mots. Il aurait été vain d’intervenir d’une quelconque manière en coupant presentia ou investivit. Autre exemple de décalage surprenant sur l’image 15 de Sommereux où une rubrique proposée par l’éditeur ne convient absolument pas à la leçon manuscrite.

Illustration n°37 (Pontigny, image 53).

Il y a une contradiction entre la leçon manuscrite (presentia) et le texte proposé par l’éditeur (presentia investivit).

llustration n°38 (Sommereux, image 15).

Le manuscrit donne la rubrique De eodem, mais celle proposée par l’édition n’est pas correcte (De decima rupticii de Arion).

Défauts techniques de l’alignement automatique par Transkribus

Dans Saint-Denis et Pontigny où de très nombreuses images ont dû être resegmentées, un réalignement systématique a été nécessaire, et pour ce faire il nous a fallu suivre un protocole strict sur Transkribus via notamment l’onglet “Layout”. Une fois les lignes graphiques correctement créées, la machine était censée répartir le texte (ce qui ne nous dispensait pas pour autant des opérations classiques d’examen et de correction de l’alignement). Mais des messages d’erreur pouvaient survenir.

Les corrections s’imposaient aussi dans des cas plus isolés de lignes graphiques défectueuses voire pour de vastes lacunes en matière d’alignement.

Les lignes générées par Transkribus peuvent être incomplètes quand elles ne couvrent pas l’intégralité de la ligne manuscrite. Par exemple, la deuxième colonne de Vauluisant image 51 présentait au début un alignement imparfait en plusieurs endroits successifs, plusieurs lignes manuscrites étant dotées chacune de plusieurs lignes graphiques incomplètes et accolées. Il convenait donc d’effectuer à la fois des suppressions et élargissements de lignes. L’image 56 de Pontigny donne à voir un défaut d’alignement encore plus fragrant, la totalité d’une colonne ayant été partiellement traitée par la machine.

llustration n°39 (Vauluisant image 51).

En haut (version antérieure au travail d’alignement), on peut voir cinq lignes manuscrites qui ont été mal alignées lors de la phase automatique : sans que l’on puisse l’expliquer (ni le parchemin ni l’écriture ne présentent d’altérations) et dans un ordre numérique illogique, des débuts de lignes graphiques coexistent avec des lignes surnuméraires, les unes comme les autres ignorant le milieu du texte. En bas (version actuelle), la correction a permis de réduire le nombre de lignes manuscrites et d’intégrer les zones textuelles auparavant délaissées. 

Illustration n°40 (Pontigny, image 56).

La partie gauche de la colonne avait été totalement ignorée par l’alignement automatique.

L’alignement était tout aussi mauvais quand des lignes graphiques couvraient bien trop de texte. Le cas s’est présenté avec l’image 107 de Vauluisant : sur le feuillet gauche, la présence de deux Text Regions n’a pas empêché la présence d’une longue ligne chevauchant les deux colonnes.

Illustration n°41 (Vauluisant, image 107).

En haut (version antérieure travail d’alignement), la première ligne surplombait les deux TR correspondant aux deux colonnes de texte respectives. En bas (version actuelle), la scission a été faite.

Inversement, des lignes graphiques chevauchantes ont pu être épargnées lorsqu’elles n’entravaient pas l’enchaînement logique des éléments textuels. Cette exception était valable dans Pontigny sachant les choix de segmentation atypiques opérés dans ce cartulaire (séparation des rubriques et des teneurs d’actes en Text Regions dédiées). Voir ci-dessous l’exemple de l’image 42 : une ligne graphique embrasse une fin d’acte et un début de rubrique.

Illustration n°42 (Pontigny, image 42).

La ligne graphique chevauchante est reliée à deux TR (tracé géométrique vert).

L’absence pure et simple d’alignement automatique peut être repérée à une plus vaste échelle, Peuvent être concernées quelques lignes défectueuses (par exemple, image 17 de Pontigny), mais aussi un acte entier (même cartulaire, image 44).

Illustration n°43 (Pontigny, image 17).

Lors de la phase automatique, une partie non négligeable du texte n’avait reçu aucun alignement.

La numérotation automatique des lignes graphiques a posé à son tour son lot de difficultés. Par exemple, toujours dans Pontigny, image 12, la dernière ligne de la TR 3 aurait normalement dû être automatiquement placée en ligne 3-12, mais, situation absurde, la machine l’a placée bien loin en ligne 5-13 ! Cet éclatement des lignes relatives à une Text Region pouvant être synonyme de confusion d’éléments textuels, nous avons jugé préférable de supprimer la ligne concernée avant de la refaire complètement.

L’imperfection de l’alignement tient aussi à la physionomie technique des lignes graphiques. Par exemple, dans Pontigny image 28, la ligne 24-1 est constituée des deux derniers mots de l’acte 207 et du début de rubrique de l’acte suivant. La ligne graphique automatique s’est avérée tronquée : la BL bleue convenait bien à l’intégralité de la ligne, mais la ligne rouge L ne se poursuivait pas au-delà de la portion relevant de l’acte 207. Dans ce cas, le défaut technique s’explique par le fait que la ligne en question est accompagnée de deux Text Regions, l’une relative à l’acte 207, l’autre au 208. Mais dans d’autres cas, cette bizarrerie nous paraît absurde, comme sur Pontigny, image 56, ligne 12-1.

Illustration n°44 (Pontigny image 28).

Avant que nous ne procédions à la correction de l’alignement, la baseline rose ne prenait en compte que les deux premiers mots de la seconde ligne graphique (mense augusti), alors même que la line bleue couvrait l’intégralité de la ligne manuscrite. Néanmoins, le changement de TR (après augusti) permet d’expliquer cette lacune.

Illustration n°45 (Pontigny, image 56).

Là encore, le défaut d’alignement concernait la seconde ligne graphique. Cette dernière n’embrassait pas la totalité du texte en dépit d’une TR qui correspond bien à ce dernier.

Le même cartulaire nous a mis aussi en présence de lignes graphiques à l’aspect très étrange, par exemple des micros-BL intercalaires et inutiles, notamment à l’image 6.

Illustration n°46 (Pontigny, image 6).

La micro-ligne graphique (signalée par l’encart violet) était d’autant plus étroite qu’absurde. Elle a été supprimée lors de la correction de l’alignement.

Les rubriques d’actes : un espace d’innovation pour le travail d’alignement

Vauluisant et les cartulaires suivants ont donné lieu à une série de réflexions sur les pratiques d’alignement spécifiques aux rubriques d’actes. Ces dernières, généralement distinguées des autres éléments textuels édités par des barres verticales ou des astérisques, sont nombreuses quoique non systématiques. Par exemple, dans Sommereux, elles sont absentes de l’image 61 à 76. Leur forte diversité graphique nous a conduit à innover nos politiques de traitement, quitte à proposer des solutions atypiques.

Des rubriques très variées et aux principes de traitement adaptés

Rubriques simples, complexes et hybrides : places visuelles sur le parchemin et par rapport au texte

Nous trouvons tout d’abord des rubriques simples : elles sont en pleine ligne ou en marge.

Les rubriques en pleine ligne sont les plus commodes à aligner. Elles consistent en une seule ligne (Sommereux, image 8) ou une sorte de paragraphe séparant deux teneurs d’actes, un retour à la ligne étant fréquemment effectué par le scribe au début et à la fin de la rubrique (comme parfois dans Saint-Denis). De telles rubriques sont d’autant plus faciles à traiter quand la ligne graphique ne pose pas de problèmes.

Illustration n°47 (Sommereux, image 8).

Au centre, avec une écriture moins foncée, la rubrique est brève et tient en une seule ligne.

Illustration n°48 (Saint-Denis, image 516).

La rubrique, cette fois écrite avec une encre rouge et assez longue, est clairement isolée de la fin de l’acte précédent et du début du suivant par des retours à la ligne liminaires.

D’autres rubriques sont rédigées dans les marges du feuillet, un isolement qui facilite là encore l’alignement dans la mesure où la zone de texte concernée forme un bloc homogène non pollué par des éléments extérieurs. Nous en trouvons un nombre important dans Pontigny.

Illustration n°49 (Pontigny, image 3).

Exemple de feuillet où les rubriques marginales sont nombreuses.

Plus complexes à travailler sont les rubriques situées à droite du texte. Leur principale caractéristique est d’être visuellement accolées aux dernières lignes de l’acte précédent ou aux premières lignes de l’acte suivant. La rubrique peut ainsi avoir tendance à s’étendre vers le bas en suivant l’axe de la colonne de texte, comme cela se voit par exemple sur l’image 34 de Vauluisant. Elle peut aussi s’allonger sur les côtés, comme le montre l’image 5 de Fervaques ou encore l’image 40 de Sommereux. L’alignement est dès lors impacté par cette impression de désordre visuel, et il convient de bien distinguer, au sein de chaque ligne graphique concernée, les éléments textuels relevant de la rubrique et de l’acte (l’isolement des rubriques par les barres verticales ou des astérisques n’en étant que davantage justifié).

Illustration n°50 (Vauluisant, image 34).

La rubrique commence à droite de la première ligne. Ramassée sur le côté droit, elle se poursuit sur cinq portions de lignes.

Illustration n°51 (Fervaques, image 5).

La rubrique s’étend sur les côtés.

Illustration n°52 (Sommereux, image 40).

La rubrique n’est pas présentée de manière très logique. Son tout début consiste en un seul mot (De) tandis que le reste occupe une partie importante de ligne manuscrite.

Qu’elles soient en pleine ligne ou à la droite du texte, la disposition physique des rubriques semble adaptée par les scribes en fonction de la teneur d’acte. Ces contraintes sont flagrantes quand une rubrique est légèrement coupée par une initiale ornée, comme cela apparaît sur l’image 52 de Pontigny.

Illustration n°53 (Pontigny, image 52).

L’initiale ornée annonçant la notification de l’acte empiète sur la rubrique, ce qui avait abouti à un alignement automatique défaillant car la ligne graphique ignorait les mots abrégés que est.

Apparaissent enfin des rubriques hybrides car adoptant diverses dispositions en leur sein. Ainsi, l’image 5 de Fervaques précitée comporte aussi une rubrique commençant à la suite de l’acte précédent mais avec une partie en pleine ligne.  mais se terminant à la droite du texte.

Illustration n°54 (Fervaques, image 5).

La rubrique est d’autant plus atypique que sa partie centrale est en pleine ligne.

Enfin, d’autres rubriques échappent à toute catégorisation. Sur l’image 50 de Pontigny, une rubrique débute brièvement à la fin d’un acte, à droite … pour se terminer dans la marge opposée !

Illustration n°55 (Pontigny, image 50).

Il s’agit un cas exceptionnel de rubrique éclatée. Son début (en bleu) est situé dans le corps de texte, mais sa suite et sa fin (encart violet) sont rejetées dans la marge gauche du feuillet.

Ce constat de variété s’applique tout autant à l’échelle du cartulaire entier. Si les images 3 à 6 de Pontigny ne comportent quasiment que des rubriques marginales, la suite du manuscrit est marquée par une alternance inégale entre les trois premiers types précédemment identifiés : les rubriques en pleines lignes se multiplient passée l’image 20, tandis que les marginales tendent à se manifester de nouveau à partir de l’image 50.

L’alignement des rubriques : nouveautés dans le traitement des discordances texte-image

La profusion de rubriques à traiter nous a conduit à mettre en place de nouveaux “supplied”.

L’image 17 de Vauluisant illustre bien la variété de nos pratiques en la matière. Dans la seconde colonne, une rubrique commence à la ligne 6-20, sur la même ligne que la fin de l’acte précédent. La solution la plus simple a été de ramasser la totalité de la rubrique en 6-20, ce qui a impliqué d’apposer un “supplied” aux éléments textuels concernés. Cette pratique commode ne pose des difficultés qu’en cas de césures de mots, ce qui est le cas pour le mot Cresenci que l’on retrouve en 6-20 et 6-21. Le “supplied” massif précité nous a empêché de restituer cette coupure textuelle. Le décalage texte-image est double, mais il permet un traitement relativement aisé des rubriques disposées à la droite des lignes relevant des teneurs d’actes.

Illustration n°56 (Vauluisant, image 17).

Le début de la rubrique (Renaudus de Cresen-) est localisé à la fin de la ligne accentuée par du bleu. Les encarts violets donnent à voir la césure appliquée sur le manuscrit au mot Cresenci, cette dernière ne se retrouvant pas dans le “supplied” appliqué à la partie éditée finale de la rubrique.

La troisième colonne de la même image présente un autre type de “supplied” propre au traitement des rubriques. Sur la ligne 7-30, la rubrique débute après le premier mot de l’acte correspondant. La restitution de l’ordre logique de lecture a conduit là encore à rassembler les éléments textuels sur une seule ligne initiale (ainsi qu’il en a été dans le cas précédent), mais aussi à mettre en “supplied” la totalité de la rubrique.

Illustration n°57 (Vauluisant, image 17).

Le traitement de la rubrique rend nécessaire un décalage vis-à-vis de la leçon manuscrite. Tandis que sur le cartulaire le début de la rubrique (Stephanus de Villa Nova) est bien situé à la ligne 7-30, son équivalent édité a quand même reçu un “supplied” tout comme l’ensemble de la rubrique après que celle-ci ait été ramassée sur la ligne précitée.

Ces usages n’ont pas toujours revêtu une telle ampleur lorsque nous étions en présence de rubriques assez brèves. Par exemple, à l’image 7 du même cartulaire, première colonne, nous voyons une rubrique disposée sur deux lignes (2-26 et 2-27). Aucune césure de mot n’étant visible entre ces deux lignes, il était donc possible de laisser intacte la ligne 2-27, à condition là aussi de mettre en “supplied” son contenu (autre cas d’inversion de l’ordre de lecture généré par le rapport rubrique-teneur d’acte sur le manuscrit).

Illustration n°58 (Vauluisant, image 7).

Les éléments textuels de la fin de la rubrique sont toujours présents à la ligne éditée 2-27.

Le traitement des rubriques aboutit parfois à des solutions hybrides, comme sur la quatrième colonne de l’image 12 de Vauluisant. La rubrique est disposée sur trois lignes. Là encore, l’absence de coupure lexicale a permis d’éviter de ramasser la totalité de la formule sur la première ligne. En revanche, les deux suivantes ont été rassemblées en ligne 7-15. Une fois de plus l’alignement de la rubrique donne lieu à une présentation atypique, seule la première ligne étant strictement en exacte adéquation avec le texte manuscrit.

Illustration n°59 (Vauluisant, image 12).

Seule la deuxième partie de la rubrique est en “supplied”.

L’inversion de l’ordre de lecture, préalablement identifiée comme une des raisons de l’emploi du “supplied”, s’explique aussi par la disposition non conventionnelle de certaines rubriques. Sur l’image 42 de Vauluisant, le dernier mot d’une rubrique a été placé par le scribe au-dessus du reste, ce qui occasionne une évidente discordance visuelle. Le mot en question, une fois placé sur la ligne de texte édité du dessous, a dès lors été mis en “supplied”. Une telle inversion de l’ordre de la lecture de la rubrique n’est pas spécifique à Vauluisant. Nous la retrouvons par exemple dans Saint-Denis, image 503. Précisons qu’ici, dans la version antérieure à notre intervention, le bout de rubrique concerné s’était vu automatiquement assigner une ligne graphique spécialement dédiée, et ce en raison de la présence de capitales romaines. Cet alignement excessif a pu dès lors être conservé dans la mesure où il illustrait la fragmentation de la rubrique.

Illustration n°60 (Vauluisant, image 42).

L’encart violet indique la fin de la rubrique que le scribe a placée visuellement parlant avant son début. Le “supplied” ne s’applique qu’au dernier mot (antecessorum) et non à l’avant-dernier (possessionem) car ce dernier fait l’objet d’une césure sur le manuscrit.

Illustration n°61 (Saint-Denis, image 503).

La rubrique est physiquement disposée de la même manière que dans l’illustration précédente.

Les rubriques sont parfois fort dispersées sur le parchemin, ce qui aboutit à un traitement similaire. Sur l’image 106 de Vauluisant, nous voyons une rubrique complètement désordonnée, avec non seulement une inversion de la succession logique des lignes, mais aussi une inversion fin-début !

Illustration n°62 (Vauluisant, image 106).

Sur le manuscrit, l’inversion des éléments textuels est encore plus flagrante : les trois premiers mots de la rubrique (Dietus de Triangulo) étant physiquement situés au centre de la seconde ligne.

L’image 32 de Fervaques donne à voir un autre exemple de présentation aberrante sur le cartulaire : une rubrique est littéralement encadrée par un début et une fin d’actes, le tout sur une seule et même ligne graphique !

Illustration n°63 (Fervaques, image 32).

Reconnaissable à l’oeil nu, la séparation entre la fin d’acte, la rubrique et le début d’acte était toutefois difficilement perceptible par la machine, d’où un énième recours au “supplied”.

Il va sans dire que ces récentes diversifications dans l’emploi du “supplied” n’annulent pas la vocation initiale de ce dernier, à savoir marquer visuellement du texte jugé excédentaire. Ainsi, sur l’image 34 de Vauluisant, ligne 4-17, la présence du “supplied” s’explique d’une part par la réunion de l’ensemble de la rubrique, d’autre part par le traitement infligé au mot nostri qui est un ajout imputable au texte édité.

Illustration n°64 (Vauluisant, image34).

L’encart violet signale le mot nostri qui est en trop dans l’édition. Le “supplied” qui en découle se confond avec celui appliqué à une grande partie de la rubrique.

Rubriques in-several-parts

Dans la continuité des actes “in-several-parts”, les “rubriques in-several-parts” (expression que nous avons librement créée) échappent aux catégorisations qui viennent d’être élaborées. Nous évoquerons plusieurs cas particuliers.

La partition physique de la rubrique est aisée à repérer lorsque ses deux morceaux sont placés à peu de distance l’un de l’autre et qu’ils sont bien visibles à l’œil nu. Dans Pontigny image 48, une rubrique commence en plein texte mais se termine juste à côté en marge droite.

Illustration n°65 (Pontigny, image 48).

Le début et la fin de la rubrique tiennent en deux Text Regions accolées, la TR 18 et la TR 19, cette dernière étant identifiée par l’encart vert. Nous sommes donc en présence d’une rubrique éclatée mais dont les deux morceaux sont entièrement rédigés en pleine ligne.

Le traitement est plus délicat quand les portions de rubriques sont séparées par de nombreux éléments textuels. Sur l’image 108 de Vauluisant, nous avons affaire à deux rubriques dont les fins respectives sont tout bonnement rejetées en fin de colonne correspondante ! En l’absence de césures de mots, il nous a été permis de laisser en place les fins de rubriques à condition de renuméroter les lignes graphiques concernées (en vue de restituer la numérotation logique en fonction de l’ordre de lecture).

Illustration n°66 (Vauluisant, image 108).

Une des deux rubriques précitées se terminant dans la marge inférieure du feuillet. De ce fait, la ligne 4-29 (29 sur l’illustration), qui correspond à l’avant-dernière de la rubrique concernée, est physiquement située après les lignes 4-31 à 4-42 (31 à 42 sur l’illustration) qui sont celles de l’acte correspondant.

L’image 85 du même cartulaire présente une configuration plus subtile. Une rubrique est scindée par une invocation trinitaire. Cette dernière apparaît avec une graphie et une similaires aux derniers mots de la rubrique : la distinction entre la rubrique et la teneur d’acte n’étant pas évidente, il nous a fallu nous fonder sur le texte édité pour considérer qu’il y avait bien là une rubrique en plusieurs parties.

Illustration n°67 (Vauluisant, image 85).

Surligné en bleu, le début de la rubrique à la ligne 5-13 (13 sur l’illustration). Il est séparé de la fin (encart violet) par plusieurs lignes constituant l’invocation de l’acte. La seule intervention de notre part a consisté à ramasser la totalité de la rubrique en 5-13, ce qui nous a évité toute manipulation sur les lignes graphiques.

Ces rubriques éclatées ne sont pas épargnées par l’inversion des éléments textuels, comme le montre l’image 88 du même manuscrit où la fin de rubrique, reléguée dans la marge, est située à gauche de son début.

Illustration n°68 (Vauluisant, image 88).

La fin de la rubrique (de nemore Erschegiarum) est isolée dans la marge gauche, et précède physiquement le début (Iosberti Magni de Villa Mauri).

 

L’alignement texte-image à l’aune de huit cartulaires. Principes et applications

Constitution d’un corpus aligné texte-image : un chantier en cours et ses grands principes

Dans le cadre du projet européen HOME (« History of Medieval Europe »), la section de Paléographie latine de l’IRHT s’est récemment attelée à l’import numérique des textes en libre-accès provenant d’éditions de cartulaires. En raison notamment de leur ancienneté, ces éditions sont bien loin de répondre aux exigences actuelles de la critique scientifique des textes médiévaux. Mais elles permettent un accès rapide et commode à tout un ensemble de transcriptions qui, une fois abritées sur le logiciel Transkribus, peuvent être mises en corrélation immédiate avec les originaux manuscrits, une image correspondant à une page de cartulaire ou à une ouverture (un verso et un recto).

La concordance page à page a été élaborée manuellement par comparaison de l’édition et de la numérisation. Puis, grâce à l’outil « Text2Image » de Transkribus et au modèle (« base model ») « HIMANIS Chancery M1+ », le plus adéquat pour les écritures et langues ici concernées, le texte est aligné sur l’image avec les paramètres suivants :

Illustration n°1.

Des essais ont en effet montré que, sur les manuscrits complexes, le risque est trop élevé de perte de texte. Nous avons donc préféré aligner de force tout le texte, même potentiellement fautif. Le paramètre « use hyphens », qui permet d’insérer des sauts de ligne à l’intérieur des mots, s’est bien avéré plus lent, mais dans l’ensemble très efficace.

Ensuite, il a fallu procéder à une vérification systématique de l’alignement entre texte édité et texte manuscrit.

Définition d’un corpus de cartulaires 

L’entreprise a porté sur un corpus hétérogène de huit cartulaires français datables des XIIe-XIVe siècles et provenant d’institutions religieuses principalement franciliennes et bourguignonnes. Aux références des manuscrits ont été systématiquement indiqués les liens des numérisations qui nous ont permis l’import des images sur Transkribus. Nous signalons aussi les éditions anciennes en y ajoutant, quand cela était nécessaire, le lien vers les éditions critiques en TEI de l’Ecole des Chartes (via le site « Cartulaires d’Île-de-France-Elec » : http://elec.enc.sorbonne.fr/cartulaires/).

  • Cartulaire de l’hôtel-Dieu de Pontoise (Paris, BnF, latin 5657, ci-après « Pontoise » ; https://gallica.bnf.fr/ark:/12148/btv1b10039103d ), édition Joseph DEPOIN, Cartulaire de l’Hôtel-Dieu de Pontoise, publié avec des notes, d’après les originaux, Pontoise : Société historique du Vexin, 1886 (Documents édités par la Société historique du Vexin) : http://elec.enc.sorbonne.fr/cartulaires/html/Pontoise-S-Martin.html 
  • Cartulaire de l’abbaye de chanoines réguliers victorins de Notre-Dame de la Roche (Paris, BnF, latin 10996, ci-après « Notre-Dame de la Roche » ; https://gallica.bnf.fr/ark:/12148/btv1b100389713 ), édition Auguste MOUTIÉ, Cartulaire de l’abbaye de Notre-Dame de la Roche de l’ordre de Saint-Augustin au diocèse de Paris, d’après le manuscrit original de la Bibliothèque impériale, enrichi de notes, d’index et d’un dictionnaire géographique, suivi d’un précis historique et de la description de l’ancienne abbaye, d’une notice sur la paroisse et la seigneurie de Lévis et de notes historiques et généalogiques sur les seigneurs de Lévis, Paris : H. Plon, 1862 : http://elec.enc.sorbonne.fr/cartulaires/html/Roche.html
  • Deux cartulaires provenant de l’abbaye de Port-Royal des Champs ou Porrois (Paris, BnF, latin 10997 et 10998, ci-après « Port-Royal 1 » et « Port-Royal 2 » : https://gallica.bnf.fr/ark:/12148/btv1b9065849h ; https://gallica.bnf.fr/ark:/12148/btv1b90658483 ), édition Adolphe DE DION, Cartulaire de l’abbaye de Porrois au diocèse de Paris, plus connue sous son nom mystique Port-Royal, premier volume, 1204-1280, Paris : Alphonse Picard et fils, 1903 : http://elec.enc.sorbonne.fr/cartulaires/html/Port-Royal.html
  • Deux cartulaires produits par le chapitre cathédral Notre-Dame de Chartres (Paris, BnF, latin 10094 , ci-après « Chartres 1 », https://gallica.bnf.fr/ark:/12148/btv1b9076698w,  et Paris, BnF, latin 10095, ci-après « Chartres 2 » :  https://gallica.bnf.fr/ark:/12148/btv1b100356854), édition Eugène DE LÉPINOIS et Lucien MERLET, Cartulaire de Notre-Dame de Chartres d’après les cartulaires et titres originaux, Chartres, Société archéologique d’Eure-et-Loir, 1862-1865, 3 vol. : http://elec.enc.sorbonne.fr/cartulaires/src/Chartres-N-D.xml
  • Deux cartulaires issus de l’abbaye cistercienne Notre-Dame de Molesmes (Dijon, Archives départementales de la Côte-d’Or, 7 H 6 et 7 H 7, cartulaires 142 et 143, respectivement surnommés « Petit » et « Grand » cartulaire, ci-après « Molesmes 1 » et « Molesmes 2 » https://manuscrits.cbma-project.eu/), édition Jacques LAURENT, Cartulaires de l’abbaye de Molesme ancien diocèse de Langres 916-1250 : recueil de documents sur le nord de la Bourgogne et le midi de la Champagne, Paris, 1907-1911, 2 vol.

La diversité de cet ensemble documentaire (environ un millier d’images traitées) se voit aussi en termes de nombre d’images traitées par cartulaire :

Code

Date

URL

Images

Actes édités

Lignes

Mots

Pontoise

XIVe s.

 

131

182

3100

28378

Notre-Dame de la Roche

XIIIe s.

 

73

98

1941

14247

Port-Royal1

XIIIe s. (milieu)

139

199

3022

24627

Port-Royal2

XIIIe s. (fin)

 

39

54

1097

11143

Chartres1

XIIIe s.

 

135

127

2987

27803

Chartes2

XIIe s. (fin)

 

173

184

4201

35191

Molesmes1

XIIe s. (1/2)

 

148

279

4629

56948

Molesmes2

XIIIe s.

 

318

122

4343

26499

Total

 

 

1156

1245

25320

224836

À première vue, nous pourrions penser que le Grand cartulaire de Molesmes ait mobilisé une part importante de nos efforts (environ un tiers du nombre total d’images). Cependant, le nombre d’images est ici trompeur car l’éditeur a laissé de côté une grande partie des actes contenus dans ce manuscrit (à peu près 50 % du texte manuscrit). D’autres billets détailleront les particularités des différentes éditions.

L’hétérogénéité de notre corpus est enfin perceptible en termes de numérisation. Contrairement aux six autres, les deux cartulaires retenus pour Molesmes présentent la particularité d’être disponibles en couleurs. Par ailleurs, contrairement aux sept autres manuscrits, les textes constituant Molesmes 2 ont été copiés à deux colonnes par page.

Forts de ces données textuelles manuscrites et éditées, nous avons dès lors édicté deux grands principes qui nous ont guidés tout au long de notre travail qui, précisons-le, sera poursuivi à propos d’autres cartulaires.

Une tâche focalisée sur l’alignement texte-image

Pour les cartulaires étudiés, Transkribus donne à voir des images segmentées en régions (« Text Regions ») et dotées de « lines » et « baselines » (ou lignes graphiques). La région la plus grande correspond généralement à une page, ce à quoi s’ajoutent d’autres zones de texte qui ne se limitent pas à la seule teneur des actes copiés dans les cartulaires.

Illustration n°2 ( Notre-Dame de la Roche, image 51).

L’image est d’abord divisée en plusieurs régions distinctes par des encadrés verts et d’ampleur inégale :  les régions 4 et 6 correspondent au texte manuscrit qui nous intéresse, tandis que les régions 1, 2 et 5 renvoient à des annotations marginales variées. En soulignement rouge et en encarts bleus, nous trouvons les « baselines » et les « lines » : chaque ligne est numérotée et renvoie à une portion du texte édité, ce dernier étant rassemblé dans la partie inférieure de la page Transkribus.

Laissant largement de côté les régions correspondant à la foliotation, aux rubriques ou encore aux annotations marginales, nous nous sommes concentrés sur les seuls textes des actes, toujours dans le cadre d’une vérification de la concordance avec les textes édités. Il s’agissait alors de vérifier, pour chaque image et ligne par ligne, que les « lines » et « baselines » générées par Transkribus concordaient bien avec la portion de texte publié correspondante. De manière générale, nous n’étions pas tenus de modifier l’aspect des lignes Transkribus, sauf dans des cas particuliers qui seront détaillés plus bas. L’exigence de stricte adéquation impliquait davantage de bien respecter les coupures de texte d’une ligne à une autre, qu’il s’agisse d’une césure au sein d’une phrase ou au sein d’un mot, le logiciel offrant un tiret spécifique de coupure. Quand cela était nécessaire, il a fallu restituer la césure, notamment lorsque cette dernière faisait défaut d’une image à une autre.

Illustration n°3 (Chartres 2, image 20).

Une césure coupant un mot (avec le tiret spécial entouré en violet), en l’occurrence « pertinere » entre les lignes 2-1 et 2-2.

Respect de l’ordre du texte édité

Le choix a été fait de respecter scrupuleusement l’ordre du texte édité et de faire en sorte qu’il corresponde bien à la bonne image. Pourtant, au cours de notre travail, en raison des répétitions de formulaires ou de la présence de passages similaires, la correction ligne à ligne nous a permis de voir des erreurs dans la coupure entre les pages. Il nous est aussi arrivé de voir le même problème dans des éditions qui indiquent le passage des pages de façon fautive pour la même raison. Dans ces rares cas, il s’est avéré nécessaire de déplacer des éléments textuels sur une image précédente ou suivante.

La philosophie de notre travail était de conserver le texte édité, même s’il nous paraissait peu fidèle à l’original manuscrit, un défaut qui a été tout particulièrement constaté dans Pontoise où ont été déplorées chez l’éditeur de nombreuses erreurs de transcription et lacunes dans la restitution des teneurs d’actes. En effet, d’une part, toute correction entraîne la création d’une édition hybride, qui ne serait ni l’identique du texte édité, ni non plus de la qualité qu’exigerait une édition critique actuelle. D’autre part, dans notre chaîne de traitement, il faut rapporter les coordonnées des lignes sur l’image à un document maître dans un format à colonnes sur lequel nous ferons la reconnaissance d’entités nommées ; pour ce faire, l’absence de modification facilite le traitement.

Des écarts jugés mineurs tels que des inversions de mots au sein d’une même phrase n’ont pas été relevés dans la mesure  où ils n’affectaient pas l’ordre du texte au sein de la ligne.

Toujours est-il que nous nous sommes autorisé à prendre en compte les discordances textuelles entre données manuscrites et données éditées lorsque ces dernières semblaient flagrantes, c’est-à-dire bien trop éloignées de la leçon du cartulaire. Les éléments textuels concernés ont alors reçu, toujours sur Transkribus, un tag dit « supplied » (un soulignement en rouge), qui permettra d’ignorer ces passages dans la phase suivante d’apprentissage HTR.

Le « supplied » s’impose généralement quand nous avons affaire à un mot ou groupe de mots en trop par rapport au texte manuscrit.

Illustration n°4 (Pontoise, image 64).

A la ligne 2-5, l’expression « la velle de feste saint Marc », mise en « supplied » n’est pas présente sur le texte manuscrit du cartulaire.

Autre cas de discordance, dans Chartres 1 où le rubricateur n’a probablement pas terminé sa tâche. De ce fait, en tout début de titulature, la première lettre ou la totalité du nom de l’auteur d’acte (comme par exemple à l’image 50, ligne 1-13) sont-elles fréquemment absentes mais l’éditeur a choisi de replacer dans son travail ces éléments textuels manquants dans le manuscrit.

Illustration n°5 (Chartres 1, image 50).

A la ligne 1-13, en encadré violet, le nom « Raginaldus » a été considéré par l’éditeur comme faisant partie du texte.  Mais il est absent du manuscrit, d’où une nouvelle fois le recours au « supplied ».

Des principes à l’épreuve de cas particuliers

Notre travail a dû prendre en compte un certain nombre de particularités voire de problèmes tenant à la fois aux conditions de travail offertes par Transkribus, à la qualité des éditions employées ainsi qu’aux possibilités de mise à profit de l’outil numérique.

Problèmes d’import et défauts de segmentation

Problèmes d’import sur Transkribus

La récupération des textes d’éditions, au moyen du IIIF fourni entre autres par Gallica, doit normalement produire, pour chaque cartulaire, une synchronisation image-corps de texte correspondant. Les textes édités ont de ce fait été conservés dans deux types de fichiers TXT : un fichier pour l’ensemble de l’édition ; un fichier pour chaque image.

Cependant, dans de rares cas, la concordance image-texte n’a pas immédiatement fonctionné. Par exemple, dans Chartres 1, l’image Transkribus 20 donnait à voir un texte transcrit qui ne convenait pas au texte manuscrit. Ce problème s’est retrouvé sur les images suivantes, dix pages ayant sauté lors de l’import. Les images manquantes ont donc dû être ajoutées à la main. Toujours en termes d’import de données et concernant le même cartulaire, nous avons même pu constater, à partir de l’image 87, une absence totale de textes qu’il a fallu également restituer au cas par cas.

Problèmes de segmentation des lignes graphiques

Numérisation en double page non distinguée

Dans Port-Royal 1, plusieurs images sont apparues avec des défauts de segmentation. Les images 63, 65 ou encore 66 n’étaient chacune dotées que d’une seule Text Region couvrant les deux feuillets numérisés. Cette situation atypique entravait la qualité de l’alignement car nous étions en présence de lignes graphiques dont les numéros étaient alternés d’un feuillet à l’autre.Illustration n°6 (Port-Royal 1, image 63).

Version antérieure à la correction de l’alignement. Les lignes graphiques apparaissaient dans un ordre incohérent avec la logique de lecture du texte manuscrit.

Il s’est donc avéré nécessaire de rétablir une lecture logique du texte manuscrit. La renumérotation manuelle des lignes aurait été bien trop fastidieuse. Il nous a donc fallu adopter une procédure spécifique : suppression de la zone précitée ; création de deux Text Regions pour l’image ; resegmentation des lignes. L’opération a dû être reconduite pour les images 10 et 27 de Port-Royal 2, ainsi que pour l’image 6 de Molesmes 2.

Altérations du parchemin et de l’écriture manuscrite

Des difficultés d’alignement, voire de lecture et d’interprétations des données textuelles manuscrites ont pu augmenter la difficulté de notre entreprise.

Ces embûches peuvent tenir tout d’abord à la conservation aléatoire du parchemin : de telles altérations sont surtout visibles dans les deux cartulaires de Molesmes.

Il peut s’agir de déchirures de feuillet. Tel est le cas dans Molesmes 1, image 70, lignes 2-35 à 2-40 : Transkribus avait produit plusieurs lignes de part et d’autre d’une fente recousue. Il nous a fallu alors corriger la succession des lignes graphiques. L’image 8 de Molesmes 2, lignes 2-33 à 2-35, a donné lieu à une contrainte similaire, et ce en raison de la présence d’un trou dans le parchemin.

Illustration n°7 (Molesmes 1, image 70).

Version antérieure à la correction de l’alignement. La déchirure du parchemin est visible dans l’encart violet, et les lignes que l’on trouvait d’abord de part et d’autre de cette altération.

Les dégâts physiques peuvent aller jusqu’à une disparition partielle. Dans Molesmes 1, image 98, toute la partie inférieure de la page 81 a disparu. L’évaluation de l’alignement n’a pas posé ici de problème car Transkribus avait bien opéré la distinction entre le texte de cette page et celui correspondant à l’image 83 dont une partie est effectivement visible à travers le trou.

Illustration n°8 (Molesmes 1, image 98).

L’amputation partielle du parchemin est bien visible, mais Transkribus a généré un bon alignement automatique.

Au contraire, dans l’image 127 dont le coin inférieur gauche est déchiré, la ligne 5-45 a été réduite car l’expression « et in curia » appartenait en réalité à l’image 125.

Illustration n°9 (Molesmes 1, image 127).

La ligne 5-45 après traitement.

L’effacement partiel de l’écriture manuscrite peut lui aussi impacter l’alignement, comme on le voit dans Molesmes 1, image 100, lignes 3-38 à 3-42 : la quasi-disparition de certains éléments textuels rend quelque peu hésitante l’appréhension des débuts et de fins de lignes, ainsi que les éventuelles césures. Concernant un doute quant à l’éventuelle coupure d’un mot, signalons Chartres 1, image 93 : Baptiste » est-il contenu en entier sur la fin de la ligne 1-44, où déborde-t-il sur le début de la ligne suivante ?

Illustration n°10 (Chartres 1, image 93).

Le mot « Baptiste » peut être lu entièrement ou en partie à partie de la fin de la ligne 1-44.

Dans d’autres cas, l’altération est due à la tranche du cartulaire qui peut compresser du texte. Il en est ainsi dans Port-Royal 1, image 63, ligne 1-15 : il n’est pas évident de déterminer si le mot « dicte », qui se trouve en fin de ligne, doit être mis ou non en « supplied ».

Illustration n°11 (Port-Royal 1, image 63).

Le choix de mettre en « supplied » le mot « dicte » (présent dans le texte édité) n’est pas d’une pertinence assurée.

Corrections ciblées de lignes graphiques

Modifications de l’aspect des lignes

Nous concentrer sur l’alignement texte-image aurait dû nous dispenser de modifier l’apparence de certaines lignes graphiques produites par Transkribus. Par exemple, en début d’acte, la quasi-totalité des lignes rencontrées n’englobent pas les initiales rubriquées. Il arrive aussi que des lignes débordent quelque peu sur la marge du texte ou encore sur des annotations marginales comme des griffes de scribe. Corriger systématiquement ces défauts de lignage aurait considérablement alourdi la charge de travail et n’aurait de toute façon pas amélioré la reconnaissance du texte édité par la machine : dans ces cas, nous n’avons pas touché aux lignes.

Cependant, une réadaptation de la ligne graphique s’est parfois avérée indispensable afin qu’elle coïncide mieux avec le texte édité. Quand la modification s’imposait, il était beaucoup plus simple de supprimer la ligne pour en recréer une nouvelle plus juste. En effet, les lignes de Transkribus étant bien souvent une succession de points, l’augmentation ou la réduction de la longueur de la ligne point par point aurait été bien trop laborieuse, surtout si l’opération était amenée à être répétée.

La plupart de ces réajustements ont été justifiés dans le cas de lignes trop courtes et n’embrassant donc pas la totalité du texte correspondant : un exemple type dans Molesmes 1, image 85.

Illustration n°12 (Molesmes 1, image 85).

Version antérieure à la correction de l’alignement. De nombreuses lignes ont dû être manuellement refaites en raison de leur longueur insuffisante.

Inversement, il nous est arrivé de rencontrer un nombre excessif de « lines » et « baselines » sur une seule ligne de texte manuscrit. Ainsi, dans Pontoise image 18, ligne 2-5, un espace blanc entre deux éléments textuels avait conduit Transkribus à générer deux lignes qui ont donc été supprimées au profit d’une seule.

Illustration n°13 (Pontoise, image 18).

Version antérieure à la correction de l’alignement. Au centre de l’encart violet, un espace blanc avait d’abord conduit la machine à générer deux lignes graphiques dont la numérotation était d’ailleurs inversée.

La pluralité des lignes graphiques sur une seule ligne de texte manuscrit a pu être maintenue lorsqu’une fin d’acte était suivie d’un bout de rubrique, comme dans Pontoise, image 29, lignes 2-16 et 2-17, ou encore d’un début de notification ainsi que cela se voit dans Molesmes 1, image 41, lignes 2-34 et 2-35.

Illustration n°14 (Pontoise, image 29).

La ligne 2-16 (fin d’un acte) est distincte de la 2-17 (début de la rubrique de l’acte suivant).

Illustration n°15 (Molesmes 1, image 41).

La ligne 2-34 (fin d’un acte) est distincte de la 2-35 (début de la notification de l’acte suivant).

À propos des lignages excessifs, et dans le cas précédemment évoqué des défauts de segmentation (Port-Royal 2, image 63), nous trouvions aussi des lignes qui parcouraient abusivement les deux feuillets : là encore, une scission était incontournable.

Toutefois, dans la mesure où il convient aussi de souligner le relatif perfectionnement de la machine en matière de détection de lignes graphiques correctes, ajoutons que la présence d’actes cancellés n’a la plupart du temps pas eu d’influence sur l’alignement. Il en est ainsi dans Port-Royal 2, aux images 11 et 27, où les lignes passent sans discontinuité au-dessus des ratures apposées par le scribe.

Illustration n°16 (Port-Royal 2, image 11).

Ici, l’acte cancellé n’a pas gêné le bon alignement automatique des lignes graphiques.

Modifications de l’ordre de lecture des lignes

Dans Molesmes 1, est parfois apparue la nécessité d’inverser l’ordre de lecture des lignes graphiques quitte à créer un écart avec le premier coup d’œil jeté sur le texte manuscrit. Sur l’image 104, lignes 3-32 et 3-33, et visuellement parlant, un début de notification précède la souscription finale de l’acte précédent. Cependant, pour conserver dans le bon ordre les données textuelles, la numérotation automatique des lignes par Transkribus a donné lieu à une inversion de ces deux éléments, ce qui est correct. Cette situation se reproduit pour les lignes 3-42 et 3-43.

Illustration n°17 (Molesmes 1, image 104).

Après traitement, inversion visible des deux lignes 3-32 et 3-33.

 En revanche, image 59, lignes 2-11 et 2-12, nous avons dû procéder manuellement à l’inversion des numéros, le mot « Brié » apparaissant initialement à la suite de l’adresse de l’acte suivant.

Illustration n°18 (Molesmes 1, image 59).

Après traitement, même inversion des lignes 2-11 et 2-12.

 Un acte en plusieurs parties peut lui aussi être soumis à un traitement particulier. Nous n’en avons trouvé qu’une seule occurrence dans Molesmes 2, image 78, où la ligne 3-13 renvoie à une addition marginale. Pour respecter à la fois l’ordre de lecture du texte manuscrit mais aussi du texte édité, la seule solution possible a été de fusionner en une seule région la ligne et l’addition, puis de couper en deux la ligne 3-13, ce qui a produit un bouleversement nécessaire des numéros de lignes.

Illustration n°19 (Molesmes 2, image 78).

Après traitement, l’alignement est adapté en fonction de la présence d’une addition marginale. Cette dernière fait l’objet, dans le corps de l’acte, d’un renvoi « I » qui sépare les lignes 3-13 et 3-20.

Une prise de distance parfois nécessaire à l’égard du texte édité

Le respect scrupuleux de l’ordre du texte édité ne nous a pas empêchés de nous écarter de la leçon de l’édition, et ce dans des conditions bien précises.

Traitement des marques d’éditeur

Ainsi en est-il d’abord des marques d’éditeur que nous avons mis en « supplied » lorsqu’elles avaient survécu à l’import de données sur Transkribus. Par exemple dans Pontoise image 100, ligne 2-24, l’éditeur a fait part d’une hésitation de transcription à propos d’un mot, ce qui a donné lieu à une note infra-texte sous cette forme : « Boue ou de la Bove ? » : nous avons souligné en rouge « ou de la Bove ? ».

Césures impossibles en raison de discordances texte manuscrit-texte édité

La graphie adoptée par l’éditeur peut parfois être éloignée de la leçon manuscrite sans que pour autant la transcription soit entièrement fautive. Dans Chartres 1, image 87, lignes 4-33 et 4-34, nous lisons un « ducentesimo » au sein de la date de temps. Or, l’éditeur a choisi de restituer cet élément de millésime par des capitales romaines (« CC° »). Ce parti-pris s’est avéré problématique en termes de vérification de l’alignement car « ducentesimo » était coupé par un saut de ligne : la césure n’a donc pas pu être effectuée au sein du texte édité.

La présence d’interlignes a pu donner lieu à des difficultés similaires.

La confrontation du texte manuscrit et du texte édité fait parfois surgir des éléments textuels que l’on trouve en interlignes sur divers feuillets de cartulaires, comme par exemple dans Chartres 1, image 49, lignes 1-3 à 1-6. Dans ce cas, il s’agit de mots situés entre d’autres portions de texte au sein d’une même ligne, ce qui ne pose pas de difficulté en termes d’alignement.

Illustration n°20 (Chartres 1, image 49).

Les lignes graphiques correspondant aux interlignes (lignes 1-3 et 1-5) ont été entourées en violet.

L’image 30 présente un autre cas de figure davantage problématique. Sur le feuillet verso, les lignes 1-11 à 1-38 correspondent à une liste de témoins dont les titres ont été systématiquement placés en interlignes par le cartulariste, un peu à la manière de parenthèses. Ce choix d’ordonnancement paléographique pose d’ailleurs une question fondamentale pour le diplomatiste : s’agit-il d’une reproduction de l’acte original ou d’un ajout du scribe soucieux de préciser l’identité des témoins dont il a mémoire ? Aux lignes 1-16, 1-21 et 1-26, les noms « Hubertus », « Fulcherius » et « Gaufridus » devraient faire l’objet d’une césure (« Hu- », « Ful- » et « Gau- »). Cependant, leurs fonctions respectives, à savoir celles de camérier, de prêtre et de diacre étant en interlignes hauts, nous n’avons pas eu d’autre choix que de garder les noms en entier dans les lignes précitées et donc de renoncer à la coupure lexicale afin de respecter notre principe de respect de l’édition.

Illustration n°21 (Chartres 1, image 30).

Version antérieure à la correction de l’alignement. Aux lignes 1-21, 1-26 et 1-33, les césures de noms entraient en conflit avec les titres d’individus placés en interlignes.

Rubriques rajoutées par l’éditeur

Nous nous sommes aussi éloigné du texte édité à propos de certaines rubriques qui, dans nos exigences de travail, n’étaient pas considérées comme faisant pleinement partie des teneurs d’actes. À l’inverse, l’éditeur de Molesmes 1 a intégré dans son texte ces rubriques, allant jusqu’à les restituer en tant que propositions entières en majuscules (notamment avec la formule « ITEM UNDE SUPRA » qui apparaît fréquemment dans le manuscrit, par exemple aux images 25 et 26). Le recours au « supplied » s’est de nouveau imposé.

Ajouts éditoriaux à partir de chartes originales : listes de témoins et de souscripteurs, invocations trinitaires

Le décalage entre texte manuscrit et texte édité s’est enfin manifesté quand l’éditeur complétait la leçon des cartulaires par des extraits plus ou moins longs tirés de chartes originales. Ces discordances ont été particulièrement repérées dans Molesmes 2. Par exemple, à l’image 11, ligne 4-29, la formule de corroboration et la liste de souscriptions proposées par l’éditeur ont été mises en « supplied » car elles étaient totalement absentes dans le cartulaire. Cas intermédiaire avec l’image 170, ligne 5-13, où le cartulariste a restitué une partie de la liste de témoins, abrégeant le reste avec la formule « et multi alii » : là aussi, l’éditeur a tenu à énumérer la totalité des testimonia. Dans le même manuscrit, les invocations trinitaires, largement ignorées par le manuscrit jusqu’à l’image 228, ont été généralement réinsérées par l’éditeur : les images 149, 150 ou encore 169 ont ainsi reçu des « supplied ».

 

Un copiste mauvais lecteur, mais fidèle : le cartulariste de Fervaques et l’official de Laon

Dans le cadre du projet HOME, Sergio Torrès, Paul Chaffenet et moi procédons à l’alignement d’éditions de cartulaires sur les images numérisées (sur ce point, un futur billet ou une série de billets donnera un ensemble de remarques) et, ce matin, je travaillais sur l’édition du cartulaire de Fervaques préparée par Chris Schabel et Russell Friedman (The Cartulary of Fervaques Abbey, a Cistercian Nunnery, 2020, en ligne : https://www.academia.edu/42605288/The_Cartulary_of_Fervaques_Abbey_a_Cistercian_Nunnery) à partir du manuscrit Paris, Bibliothèque nationale de France, Latin 11071, numérisé sur Gallica (https://gallica.bnf.fr/ark:/12148/btv1b100363358).

Avant toute chose, nous tenons à les remercier très chaleureusement de leur générosité et des facilités qu’ils nous accordent pour travailler sur leur édition.

Dans deux cas, les éditeurs ont été surpris par l’incohérence du texte et je pense pouvoir les expliquer par un raisonnement paléographique :

Le formulaire des officiaux de Laon, tel qu’on le voit sur différents actes originaux, notamment dans le ms. Paris, Bibliothèque nationale de France, Picardie 290, numérisé sur Gallica (https://gallica.bnf.fr/ark:/12148/btv1b10036137d), donne généralement la date par le millésime et le mois (“millesimo… mense …”), mais peut aussi donner le jour, auquel cas , soit millésime suivi d’un jour (feria …, sabbato) et sa relation à une fête. Bref, dans la formulation du f. 6v, “anno Domini .M. ducentesimo septuagesimo … feria .iiija. ante Nativitatem beati Johannis baptiste”, on n’attend que la fin du millésime. Un autre acte de l’official de Laon, bien que plus tardif, nous donne une solution satisfaisante : , avec le mot “secundo” avant “sabbato”. Si on zoome , on voit clairement comment “scd=o” peut être transformé en “sti” avec la seconde partie de “d” avec un “o” ouvert semblant être une attaque de “v” plutôt qu’une ligature “do”.

Le copiste essaie de rendre le plus fidèlement possible un mot qu’il ne parvient pas à lire.

Pour le deuxième cas, un autre acte de l’official de Laon, c’est le même jeu. La construction syntaxique est claire : “se quitasse recognoverunt (…) quamdam vineam”. Ce que je viens de remplacer par “(…)” doit être autonome. Vu le profil scribal de notre copiste, je propose de voir “predicta” qui, sur l’original, devrait être écrit avec l’hampe du “p” un peu détachée de la boucle, ce qui donne un trait vertical + tilde + “o” et “dicta” interprété par notre cartulariste comme il a pu.

Qu’est-ce qu’un acte ?

(billet écrit en collaboration avec Dominique STUTZMANN)

1         Introduction et contexte

Le projet européen HOME (« History of Medieval Europe ») prend la suite du projet HIMANIS. Si HIMANIS portait sur la diplomatique publique des registres de chancellerie, HOME se consacre à un plus vaste corpus et intègre la diplomatique privée avec plusieurs objectifs : indexer le texte de 2000 cartulaires médiévaux ; intégrer la reconnaissance d’entités nommées ; proposer une approche par unités textuelles (« actes ») qui est historiquement plus pertinente.

La section de Paléographie latine de l’Institut de Recherche et d’Histoire des Textes a récemment révisé la segmentation en actes d’une soixantaine de registres de la chancellerie royale française du XIVe siècle (Paris, Archives nationales, JJ 35-JJ 91), en tout plus de 22000 actes. En tant que support écrit, l’acte non seulement sert à créer ou confirmer une action juridique par des moyens de validation appropriés, mais il peut aussi être vu de prime abord comme une unité visuelle et graphique (un début, un milieu et une fin se succédant de manière logique sur un ou plusieurs feuillets, par exemple lorsqu’il s’agit d’une copie dans un cartulaire). Pourtant, les registres de chancellerie qui nous préoccupent renferment des formes diplomatiques visuellement variées qui nous amènent à nous interroger sur la définition même de l’acte. Sans prétendre résoudre un tel questionnement qui dépasserait très largement le cadre informatif de ce billet, nous évoquerons ici des situations atypiques rencontrées lors de l’examen des manuscrits étudiés.

Ces derniers font partie d’un ensemble archivistique et diplomatique plus vaste, à savoir 199 registres dits du « Trésor des Chartes », rédigés en latin et en moyen français, couvrant les années 1302-1483 (environ 68000 actes pour plus de 83000 pages), et numérisés et accessibles sur la BVMM (« Bibliothèque virtuelle des manuscrits médiévaux »).

En matière d’analyse d’image, ce travail sur les registres de chancellerie s’inscrit dans la continuité directe d’un autre projet mené par la Section de Paléographie latine et nommé HIMANIS (« Historical MAnuscript Indexing for user controlled Search »). Cette entreprise avait donné lieu à une nouvelle numérisation des sources précitées sur une plateforme désormais hébergée par HUMA-NUM (http://himanis.huma-num.fr/himanis/), permettant, grâce à l’intelligence artificielle, la recherche plein-texte dans de telles sources.

2         Segmentation en actes : définition et formats

2.1         Pourquoi segmenter en actes  ?Granularité physique et granularité textuelle

La segmentation en actes implique d’appréhender les registres de chancellerie non pas en unités-pages (ainsi que cela apparaît sur les interfaces BVMM et HIMANIS), mais en unités-textes : une unité-page peut dès lors correspondre à une ou plusieurs unités-textes. Il est légitime de considérer que l’acte doit être doté d’une autre unité, cette fois d’ordre graphique et visuelle, en d’autres termes, qu’il doit coïncider avec un bloc de texte contenu sur ou un plusieurs feuillets. Pourtant, l’examen nous a donné à voir d’autres réalités bien plus complexes.

2.2         Fichiers

Pour appréhender cette réalité de l’acte royal dans les registres de chancellerie, nous avons non seulement bénéficié des images numérisées dans les deux plateformes précitées ainsi que des listes d’actes consultables dans les inventaires publiés et manuscrits, mais aussi :

  • de fichiers XML au format PAGE en grande partie préparés durant le projet HIMANIS et indiquant les zones de textes (« Text Region » sur Transkribus) correspondant à chaque image 
  • de fichiers Excel mettant en concordance
    • le numéro HIMANIS propre à chaque acte, le folio de début et éventuellement de fin d’acte, le numéro d’inventaire
    • le numéro de volume et de feuillet avec le nom d’image. Le système de nommage des Archives nationales lors de la numérisation avait spécifié un nom d’image correspondant théoriquement au numéro de feuillet, avec les suffixes « R_A » pour les images correspondant aux feuillets recto et « V_A » pour les versos, mais un démarrage de la numérotation au plat supérieur et la suppression des pages blanches font qu’il est très rare que le nom d’image corresponde réellement au numéro de feuillet.

2.3         Logiciel de vérification de cohérence

Forts de ces outils de travail, nous avons pu avoir à notre disposition un script python (mis en œuvre via le logiciel Anaconda) présentant de manière systématique la segmentation en actes propre à telle ou telle image. En théorie, une zone de texte correspond à l’une ou l’autre de ces quatre possibilités :

  • Un début d’acte (abrégé AI : « Act-Initial »)
  • Un acte médian, à savoir un bloc de texte occupant la totalité de l’image (AM : “Act-Middle”)
  • Une fin d’acte (AF : “Act-Final”)
  • Un acte complet sur un seul feuillet (AC : “Act-Complete”)

Sur une page, la première zone peut être un AC ou un AF, tandis que la dernière peut relever d’un AI ou d’un AC, et ce en fonction du nombre d’actes présents sur les pages actuelles et suivantes.

 

Le schéma ci-dessous représente six pages avec les zones de texte et indique le nombre de débuts d’acte : pour N zones de texte, il peut y avoir soit N débuts d’actes, soit (N-1) débuts d’actes si la première zone est une fin d’acte (« AF »). Une page sans début d’acte mais avec une zone de texte est un milieu d’acte (« AM ») ou la partie finale d’un acte (« AF »), ce que l’on ne peut trancher qu’avec des informations supplémentaires, soit l’indication de la fin d’acte (c’est une information dont on ne dispose pas toujours), soit le compte de zones et de débuts d’acte de la page suivante (s’il y a un « AF » en tête, alors la zone de la page précédente est un « AM »).

Le nombre d’actes est bien entendu très variable selon les images. Le volume JJ 58 est un cas particulier dans la mesure où il contient surtout des résumés d’actes, ce qui génère beaucoup de numéros sur certains feuillets.

Notons enfin que l’attribution de Text Regions ne concerne pas l’intégralité du registre : sont normalement exclus les pages blanches ainsi que des textes non retenus dans la liste des numéros HIMANIS, par exemple les tables d’actes que l’on peut trouver au début du manuscrit.

Si ces métadonnées générées par l’outil informatique avaient été correctes et complètes, le logiciel aurait conféré le bon statut à chaque zone de texte selon ses caractéristiques. 

 

2.4         Problèmes rencontrés

Pourtant, à la lecture du script, sont apparues de nombreuses erreurs (« ERROR » sur python), une multitude d’images présentant des défauts de segmentation ou des incohérences entre les zones et les fichiers des débuts d’actes.

2.4.1        Segmentation des Text Regions

Le cas le plus fréquent concerne des pages sous-segmentées, par exemple à propos du folio 9r du volume JJ 54B (image 11R_A). Initialement, l’image n’avait reçu qu’une seule Text Region alors qu’elle contient deux actes (le 18 et le 18bis). Il a donc fallu la diviser en deux zones de texte adéquates.

D’autres images ne présentaient aucune segmentation, comme nous le voyons dans le volume JJ 64 où 21 d’entre elles ont dû être munies d’au moins une zone de texte.

Ces problèmes successifs ont rendu nécessaire la vérification et la correction de la segmentation en actes pour l’ensemble des images relatives aux registres de chancellerie JJ 35 à JJ 95. Par la suite, ce corpus a été arrêté à JJ 91 inclus en raison de l’absence de métadonnées consultables via python pour les quatre derniers volumes. Le travail manuel de resegmentation a en tout concerné plus de 3500 images et a dû parfois être appliqué à des volumes entiers (JJ 66, JJ 71, JJ 74 et JJ 77).

 

2.4.2        Problèmes de numérisation

 

Les erreurs découlent tout d’abord de problèmes liés à la numérisation.

2.4.2.1         Pages blanches

Signalons tout d’abord le cas des pages blanches. Les Archives Nationales les ont généralement supprimé lors de la réception des images. Néanmoins, un certain nombre d’entre elles  sont tout de même intégrées dans le corpus et ont reçu, par défaut, une zone de texte unique couvrant la page.

En conséquence, le script de vérification a pu, selon les informations fournies par les tableaux de concordance et de segmentation, soit ignorer les pages sans zone, soit les reconnaître correctement pour ce qu’elles sont (par exemple, pour le feuillet 8v du volume JJ55 : « //////// Folio 8v is a blank page  //////// »), soit encore attribuer des labels erronés AI, AM, AF, AC pour des pages.

2.4.2.2         Pages non reproduites

Les défauts de numérisation peuvent aussi correspondre à des pages qui n’ont tout simplement pas été reproduites. Cela concerne entre autres les folios 358r à 361v inclus du volume JJ 81.

2.4.2.3         Images en double

A l’inverse, certains feuillets ont été numérisés deux fois, par exemple le folio 247r du volume JJ 56, ou encore à la suite les folios 276v et 277r du volume JJ 59.

2.4.2.4         Erreurs de nommage des feuillets

Ces situations ont produit de nombreux décalages, en particulier sur la BVMM, entre noms d’images et numéros de feuillets et, par conséquent, des discordances entre zones de textes et actes tels qu’ils apparaissent à l’aune des inventaires.

 

2.4.3        Volumes et inventaires

2.4.3.1         Feuillets disparus, mais avec contenu connu par les tables liminaires

 

En lien avec les problèmes de numérisation, des feuillets peuvent faire défaut dans certains volumes. Cette lacune est particulièrement flagrante dans le volume JJ 64 où l’on trouve l’acte 238 au folio 132v, mais ce dernier est immédiatement suivi de l’acte 270 au feuillet suivant pourtant numéroté 133r. Les actes 239 à 269 ont donc été déclarés « en déficit ».

2.4.3.2         Restauration de reliure avec déplacement de feuillets : JJ 89

Les déplacements de feuillets affectent aussi le volume JJ 89 : le cahier correspondant aux actes 729 à 758 a été réinséré entre le 716 et le 717. Cette incohérence est issue d’une restauration de reliure qui est intervenue après la conception de l’inventaire relatif à ce registre.

2.4.3.3         Inventaires incomplets

L’inventaire manuscrit concernant le volume JJ 82 a été saisi aux Archives Nationales. Pour une raison inconnue, il ne couvre pas l’intégralité du volume et s’arrête après l’acte 452 au f. 313v alors qu’il y a près de 700 actes connus dans le registre. Aussi la concordance image-acte ne peut-elle évidemment pas être vérifiée et validée.

 

3         Définir l’acte pour le segmenter

Ces embûches numériques et matérielles nous ont conduits à ne pas toujours suivre la numérotation des actes proposée par les inventaires : d’une part, la philosophie de ces derniers est de dénombrer l’ensemble des textes produits par la chancellerie (et donc pas seulement les seuls actes royaux qui nous intéressent ici), et d’autre part nous avons pu observer une évolution dans les pratiques d’inventorisation. Se pose dès lors la question de la définition de l’acte à segmenter.  

 

3.1         Une pratique évolutive d’inventorisation

3.1.1        Non-actes inclus avec numéros d’actes : titres de registres

Les inventaires ont parfois attribué des numéros d’actes spécifiques aux titres de registres, comme par exemple au folio 1r du volume JJ 45.

Mais les inventaires plus récents ont une tendance grandissante à ignorer ces rubriques initiales, ainsi que cela apparaît notamment dans le volume JJ 86 où, au folio 21r, le titre n’a pas été pris en compte.

3.1.2        Actes royaux non retenus : ordonnances

Certains actes n’ont pas fait de description ou de numérotation quand ils relèvent d’un autre processus d’élaboration ou quand ils ont déjà été décrits. Ainsi, l’introduction portant sur le volume JJ 41 indique : « Sur les feuillets restés blancs du dernier cahier de ce registre (folios 114 v-122 v [Ce verso est folioté 123 par erreur, tandis que le recto est folioté 122] ont été transcrites 5 ordonnances de Louis X le Hutin, numérotées 209 à 213. Les 4 premières ont déjà été analysées ci-dessus sous les nos 78, 109, 160 et 131. ». Ces ordonnances ne sont pas reprises par l’inventaire, mais ne peuvent évidemment pas être distinguées par l’analyse automatique d’image.

3.1.3        Listes de destinataires

Les listes de destinataires témoignent d’une autre variante de traitement. Les inventaires publiés dans les années 1950 considéraient ces listes comme faisant partie de l’acte royal et ne les mentionnaient même pas : voir par exemple à propos de l’acte 440 du volume JJ 58 (folio 50r) où la liste de destinataires est ainsi considérée (elle est signalée en bleu dans l’illustration n° 1).

                   Illustration n° 1 (JJ 58, f.50r)

Cette pratique change dans les inventaires ultérieurs. Nous le voyons notamment dans le volume JJ 85 : au folio 77r, juste après l’acte 156, la liste (encart bleu dans l’illustration n° 2) a été divisée par l’archiviste en fonction du nombre de destinataires, ce qui a généré la création des actes 157 à 177.

                    Illustration n° 2 (JJ 85, f.77r)

 

3.2         Actes cancellés

 

Les actes cancellés n’ont pas non plus toujours été pris en compte par les inventaires. Par exemple, pour le folio 119r du volume JJ 69, l’inventorisation ignore un début d’acte rayé par le scribe et placé entre la fin de l’acte 280 et l’acte complet 281 (voir l’illustration n° 3 où l’acte cancellé en question est signalé par un encart bleu). Notre choix a été d’intégrer ce texte cancellé dans notre liste d’actes en lui attribuant le numéro 280bis.

                   Illustration n° 3 (JJ 69, f.119r)

 

3.3         Actes en plusieurs parties

La prise de distance à l’égard des inventaires nous a également amenés à créer une catégorie originale d’actes que sont les actes en plusieurs parties. Il s’agit d’actes ayant reçu des additions ou des corrections et dont la cohérence textuelle est dès lors bouleversée. Il en est ainsi au folio 99v du volume JJ 46 : la fin de l’acte 168 est dotée d’une croix figurée marginale renvoyant à une partie additionnelle située au bas du feuillet, ces deux éléments textuels (signalés en bleu dans l’illustration n° 4) étant séparés par l’acte 169.

                    Illustration n° 4 (JJ 46, f.99v)

 

Cette dispersion peut aussi s’étaler sur plusieurs feuillets. Dans le volume JJ 76, l’acte 20 commence au folio 21r, mais il se termine en 2r et 2v ! L’examen des registres de chancellerie a permis d’identifier en tout 45 de ces actes dont les métadonnées ont été rassemblées dans un fichier Excel à part.

 

4         Qu’est-ce qu’un acte ? Regards croisés du diplomatiste et de l’informaticien

 

L’analyse d’image par ordinateur procède linéairement, page après page, et de haut en bas. Si le diplomatiste aborde pleinement les textes, il peut lui arriver d’en oublier la réalité matérielle ou de la faire passer au second plan de ses investigations. Notre travail centré sur la segmentation en actes a cherché à réconcilier ces deux réalités.

Notre approche systématique, exigée par la mise en œuvre d’outils informatisés exploitant le document médiéval même à travers sa numérisation, a permis de mettre en lumière les imprécisions et les changements dans les procédures d’inventorisation et, ce faisant, dans la perception de ce qui constitue un « acte » de la chancellerie royale.

Par prudence, nous avons souvent choisi de ne pas redéfinir un « acte », mais de suivre l’exemple de nos illustres prédécesseurs, même quand nous étions confrontés à des incohérences et à des numérotations fondées sur des principes d’inventorisation mouvants. Deux raisons justifient cette précaution. Tout d’abord, la mise à profit de l’intelligence artificielle ne doit pas empêcher de reconnaître la qualité du travail des archivistes, diplomatistes et « humanistes » (au sens anglo-américain) et de se fonder sur des données existantes. De plus, il n’était pas question de modifier à grande échelle l’ordre et le nombre des actes car il aurait été encore plus difficile d’assurer une traçabilité des informations et une navigation entre inventaires publiés et images. Redéfinir l’acte au sens diplomatique du terme est bel et bien hors de l’objectif du projet HOME et de la présente correction des données de segmentation, qu’il s’agisse des registres de chancellerie ou plus largement des cartulaires.

 

 

Le roi de France et ses frontières : le discours de la frontière dans les registres du Trésor des chartes

A l’occasion de l’appel à communication « Frontières spatiales, frontières sociales » pour le 51e congrès de la SHMESP (Perpignan, 21-24 mai 2020) et en référence au slogan du CNRS “dépasser les frontières”, voici quelques remarques préliminaires pour l’étude du “discours de la frontière”.

La plateforme Himanis (désormais hébergée par Huma-Num) permet l’étude diachronique de l’emploi du mot « frontière » dans les actes enregistrés par la chancellerie royale de 1302 à 1483 dans les registres dits du « Trésor des Chartes » — étude à compléter par la mesure des biais qui touchent l’analyse lexicographique dans un corpus de cette ampleur. Une telle étude doit forcément s’inscrire à la suite des observations de C. Gauvard sur la violence aux frontières du royaume et le discours politique qui la décrit en lien avec la “propagande royale” [1], et de la géographie historique de D. Nordman et L. Dauphant[2]. Elle peut néanmoins apporter une perspective originale sur la conception territoriale du royaume et l’évolution du mot et de ses emplois, que seule une approche exhaustive peut mettre en lumière.

Les éditions d’intérêt régional offre une entrée dans le vocabulaire de la chancellerie royale (Poitou, 1302-1483[3] ; Paris 1328-1350[4] ; Paris 1420-1436[5]), comme les éditions de formulaires (O. de Morchesne[6]). Ensuite viennent les inventaires analytiques de la série JJ des Archives Nationales : tout d’abord ceux à visée systématique et chronologique, couvrant, pour la partie publiée, les années 1302-1350 et les règnes de Philippe le Bel [7], de ses fils [8], puis de Philippe de Valois [9], et, sous forme manuscrite, le règne de Jean le Bon (registres JJ 80-95), puis, les inventaires à visée géographique (Gascogne 1304-1568[10], Languedoc et Rouergue 1302-1502 [11], Loire moyenne 1350-1502 [12]). Dans ce vaste ensemble, seuls 43 actes édités font mention de « frontière » (graphies diverses, en latin comme en français) et 81 actes sont analysés ou indexés avec le même mot de « frontière ».

Nombre d’actes contenant le mot « frontière(s) » dans leur texte ou dans le regeste des édition
Nombre d’actes dont le regeste ou l’index contient le mot « frontières » dans les inventaires analytiques

Dans le cadre du projet européen de recherche Himanis (http://himanis.huma-num.fr/himanis/), 199 volumes de registres et de formulaires, formant un ensemble de 83158 pages numérisées, ont été « lus » et indexés grâce à l’intelligence artificielle. Cette réussite technologique permet de passer outre l’incomplétude des inventaires et éditions. Le décompte du nombre d’occurrences ne suffit pas : une titulature ou des actes plusieurs fois insérés ou vidimés troublent des statistiques portant sur des nombres faibles[13]. La recherche en plein texte permet surtout de dresser un panorama plus complet, comprenant non seulement les attestations de mots, de leurs quasi-synonymes, mais aussi des absences dans des contextes où ils pourraient intervenir.

Au début de la période étudiée, le mot « frontière » est plus neutre dans le domaine occitan et désigne la limite du territoire. En revanche, en langue d’oïl, comme le soulignait déjà L. Febvre[14], il s’agit étymologiquement de la ligne de front, donc de la limite territoriale où des armées s’opposent. Les cooccurrences de « frontière » sont les garnisons (« stabilita », subst. fém., e.g. JJ 55 , f. 54v, n° 115) et les châteaux, face aux « ennemis », pour faire ou prévenir la « guerre ». Les chevauchées de la guerre de Cent ans permettent de distinguer le combat (guerre) et la zone immobile (frontière)[15]. En conséquence, la frontière ne désigne pas la limite du royaume, mais le péril permanent[16], dont l’état (largement supposé) justifie l’armement des habitants, mais surtout autorise l’action du prince (impôt, grâce, rémission). Ce discours de « propagande » se maintient à la Renaissance[17].

Ad stabilitas fronteriarum Flandrensium tam per terram quam per mare dispositas transmittendum (AN JJ 55, f. 54v, n° 115) http://himanis.huma-num.fr/himanis/index.php/ui/show/chancery/109/112?q=%5B+stabilitas+fronteriarum+%5D&debug=&feedback=1&t=1&r=

Si ces observations ne font que préciser un état connu, parmi les apports de cette enquête, il y a les mobilités qui ne sont pas thématisées comme liées au passage d’une limite-frontière (au sens actuel) tels que des voyages, expéditions militaires, pèlerinages ou émigrations définitives (telle personne, née en Allemagne, mais résidant dans le royaume depuis longtemps), et, par certaines expressions, mêmes les fuites hors du royaume. Les crimes commis à l’étranger et faisant l’objet de lettres de rémission sont caractérisés comme « hors des mettes de nostre royaume », expression qui est autrement liée soit à la production ou contrefaçon de monnaie[18], soit à d’autres juridictions.

Une chronologie plus fine de la notion de « frontière » comme limite du royaume peut être esquissée avec l’apparition d’expressions hybrides et des inversions de champs lexicaux :

  • E.g. JJ 135, f. 143r, n° 262 : « Que comme ladicte ville soit situee pres des fins et mettes de nostre royaume es destrois et dangiers des contez de Foiz et d’Arminhac et pres d’aucunes forteresses occupees par noz ennemis, lesquelz par long temps leur ont fait grant guerre », avril 1389 [a.st.] ;
  • JJ 160, f. 266v, n° 374 « comme ladicte ville soit situee et assise es fins et mettes de nostre royaume en païs de frontiere de noz ennemis », 25 juin 1406.
Rare expression mêlant “mettes” et “pays de frontière”

Enfin, la reconquête des terres sous Charles V permet de lexicaliser, face à une frontière d’occasion, des « pays de frontière » qui sont effectivement aux marges géographiques du domaine de souveraineté. Si l’expression des « pays de frontière » reste principalement attachée au Nord du royaume, on voit dans les registres du Trésor des chartes l’évolution qui va permettre le passage du sens ancien au sens actuel, la fusion de la limite juridictionnelle et de la limite militaire.


[1] Claude Gauvard, Crime, État et société en France à la fin du Moyen âge: «de grace especial», Histoire ancienne et médiévale 24 (Paris: Publ. de la Sorbonne, 1991), 253‑63.

[2] Frontières de France :  de l’espace au territoire   XVIe-XIXe siècle, Bibliothèque des histoires (Paris: Gallimard, 1998); Léonard Dauphant, « Le royaume des quatre rivières :  l’espace politique français, 1380-1515 » (Champ Vallon, 2012); Léonard Dauphant, « Le royaume des Quatre Rivières : l’exemple de la frontière de la Meuse de Philippe IV à François Ier », in Frontières oubliées, frontières retrouvées : Marches et limites anciennes en France et en Europe, éd. par Michel Catala, Jean-Claude Meuret, et Dominique Le Page, Enquêtes et documents (Rennes: Presses universitaires de Rennes, 2016), 221‑34, http://books.openedition.org/pur/34315.

[3] Paul Guérin et Léonce Celier, Recueil des documents concernant le Poitou contenus dans les registres de la chancellerie de France, 14 vol., Archives historiques du Poitou (Poitiers: Société des archives historiques du Poitou, 1881), http://gallica.bnf.fr/ark:/12148/bpt6k209478j.

[4] Jules Viard, Documents parisiens du règne de Philippe VI de Valois (1328-1350) : extraits des registres de la chancellerie de France, 2 vol. (Paris: H. Champion, 1899).

[5] Auguste Longnon, Paris pendant la domination anglaise (1420-1436) : documents extraits des registres de la Chancellerie de France (Paris: H. Champion, 1878).

[6] Odart Morchesne, Le formulaire d’Odart Morchesne, dans la version du ms BnF fr. 5024, éd. par Olivier Guyotjeannin et Serge Lusignan, Mémoires et documents de l’École des chartes 80 (Paris: École des chartes, 2005).

[7] Jean Glénisson et Jean Guérout, Registres du trésor des chartes: inventaire analytique, 1: Règne de Philippe le Bel, éd. par Robert Fawtier, André Chamson, et Archives nationales, Inventaires et documents (Paris: Impr. Nationale, 1958).

[8] Jean Guérout, Registres du Trésor des chartes, 2: Règnes des fils de Philippe le Bel. 1. Règnes de Louis X le Hutin et de Philippe V le Long, éd. par Robert Fawtier, Registres du Trésor des chartes (Paris: S.E.V.P.E.N, 1966); Henri Jassemin, Aline Vallée, et Jean Guérout, Registres du Trésor des chartes, 2: Règnes des fils de Philippe le Bel. 2. Règne de Charles IV le Bel, Registres du Trésor des chartes (Paris, 1999).

[9] Archives nationales, Registres du Trésor des chartes: inventaire analytique, 3. 1: Règne de Philippe de Valois JJ 65 à 69, Registres du Trésor des chartes. (Paris: SEVPEN puis Archives nationales, 1978); Archives nationales, Registres du Trésor des chartes: inventaire analytique, 3. 2: Règne de Philippe de Valois JJ 70 à 75, Registres du Trésor des chartes. (Paris: SEVPEN puis Archives nationales, 1979); Archives nationales, Registres du Trésor des chartes: inventaire général et index généraux, 3. 3: Règne de Philippe de Valois JJ 76 à 79, Registres du Trésor des chartes. (Paris: SEVPEN puis Archives nationales, 1984).

[10] Charles Samaran, La Gascogne dans les registres du Trésor des chartes, éd. par Comité des travaux historiques et scientifiques, Collection de documents inédits sur l’histoire de France. Série in-8° 4 (Paris: Bibliothèque nationale, 1966), http://gallica.bnf.fr/ark:/12148/bpt6k6243594h.

[11] Yves Dossat, Anne-Marie Lemasson, et Philippe Wolff, Le Languedoc et le Rouergue dans le Trésor des chartes, éd. par Comité des travaux historiques et scientifiques, Collection de documents inédits sur l’histoire de France : Section d’histoire médiévale et de philologie : Série in-8 ° 16 (Paris: Comité des travaux historiques et scientifiques, 1983), http://gallica.bnf.fr/ark:/12148/bpt6k62483417.

[12] Archives nationales, Les pays de la Loire moyenne dans le Trésor des chartes: Berry, Blésois, Chartrain, Orléanais, Touraine, 1350-1502 Archives nationale, JJ 80-235, Collection de documents inédits sur l’histoire de France 22 (Paris: CTHS, 1993), http://gallica.bnf.fr/ark:/12148/bpt6k6244424t.

[13] E.g. titulature de Gaucher de Châtillon, lieutenant du roi « es frontieres de Flandres » ; acte de nomination des maîtres des eaux et forêts « es frontieres de nostre royaume ou en autres lieus », 14 août 1331.

[14] Lucien Febvre, « Frontière », Bulletin du Centre international de synthèse, section de synthèse historique 5 (1928): 31‑43.

[15]  E.g. « noz guerres tant de Gascoigne comme es frontieres de Flandres », JJ 73, f. 243r, n° 307.

[16] E.g. JJ 149, f. 16r, n° 40 : l’Auvergne est un « pays de frontière » ;  JJ 68, f. 418v, n° 220 : Caen est « de si prez assise sur le frontieres [sic] de la mer que elle vient en la dicte ville .ii. fois de jour et de nuit et est en grant peril de estre de jour en jour perdue et gastee par les ennemis de nostre royaume ».

[17] Isabelle Paresys, « Chapitre 8. Frontière, justice et image de soi en Picardie sous François Ier », in Aux marges du royaume : Violence, justice et société en Picardie sous François Ier, Histoire moderne (Paris: Éditions de la Sorbonne, 2016), 302‑38, http://books.openedition.org/psorbonne/2617.

[18]  E.g. JJ 42A, f. 66r, n° 3 ; JJ 54A, f. 47r, n° 612 ; JJ 56, f. 93r, n° 209 ; JJ 115, f. 168r, n° 344.

Is the Admiral “unknown”(1) by the French Royal Chancery Registers?

This post is following the recent post by MAXIME GELLY-PERBELLINI with the same topic, but with a different research mater. Primary sources about the French royal admiralty for the medieval period are rather scarce and one looking for the Admiral of France will at first be very disappointed when looking in the French Royal Chancery Registers. Would it be? In fact the query “admiral” or “admiraldum” with all its declination in the HIMANIS search engine will only return one hit in French (JJ112, fol. 51v) and none in Latin, and for that one will have to take down the confidence level to 14 . For having gone through the printed inventories and through the registers manually, we can say that the Admiral of France is indeed present in the registers more than once. What is the reason for that?

Firstly, the word « admiral » was not part of the trained model. The recognizer have to read it by himself without previously knowing the word. Secondly, the word in itself is subject to reading error, for it contains a sequence of multiple similar downstrokes.

So, how to find the Admiral (or the Visdmiral) in the corpus? While looking in the complete list of indexed words I’ve found following word variation: adjural, annual, adminal and Anviril. The same problem occurs with the Visadmiral, as the computer read Visammal, Visauvel, Visanmal or Visaumal. Clearly, as the computer have to read the word without being previously trained with this word in particular, it is the sequence of “m”, “i” and “r” that causes the reading error. Below a quick summary of all the query that merit to find the foresail admiral. For consistence, all queries have been performed with 14 confidence level.

  • Admiral @14 > 1 hit
    • Adjural @ 14 > 34 hits
    • Annual @ 14 > 25 hits (majority of false hit)
    • Adminal @ 14 > 32 hits
    • Anviril @14 > 1 hit

The present version of HIMANIS did not use any dictionary for the word recognition, only a 5gram model. In future development, correcting the list of indexed words automatically by injecting linguistic reference will certainly help improve the recognition.

Having access to the list of indexed word certainly help to find the admiral, but it is not a panacea and does not resolve all the problems. With 4.000.000 words the complete list of indexed word is very difficult to handle on a basic computer..

One can also take benefit of the recal module. But for that you already need to have some good hits and explore how the computer read the word. That is how, in one case when the word “admiral” is separate in two parts ( “ad” and “val”), we found one more occurrence..

(1) The office of admiral of France is still today not very well known. See Mathieu Le Hunsec, « L’amiral, cet inconnu », Revue historique des armées [Online], 266 | 2012, Online since 06 September 2012, connection on 23 November 2018. URL : http://journals.openedition.org/rha/7393 


Searching For Witchcraft In The Registers Of The Trésor Des Chartes (French Royal Archives)

This article offers some solutions to the limits of full-text search in Himanis provided by the exploration of indexation mistakes. It is based on my ongoing work on witchcraft in the Trésor des Chartes (French royal archives). The Trésor des Chartes contains the royal archives beginning with Philippe the Fair.

Research and current status of research

In the current status of my research, the study of the cases of witchcraft recorded in the JJ series of the Trésor des Chartes (medieval registers of the French royal chancery) was carried out partially and was not the object of a systematic survey within this enormous corpus.

In the registers of the Chancery, these cases are mainly met in the forms of letters of remission for individuals charged with witchcraft or for individuals charged with the murder of a man or a woman suspected to be a sorcerer or a sorceress.

In the context of my PhD research, which is focused on the repression of witchcraft in the Kingdom of France in the late Middle Ages, I am attempting to conduct this investigation, particularly by providing editions of these unstudied or unedited letters of remission that concern cases of witchcraft.

From the preliminary study on this question, an early inventory of these cases of witchcraft in the Trésor des Chartes was released mostly thanks to historiography. It was established from the analytical inventories of the JJ series and from the founding work of Pierre Braun1 and Claude Gauvard2. It enabled the identification of 90 acts contained in the registers of the Chancery reporting cases of witchcraft.

Continue reading Searching For Witchcraft In The Registers Of The Trésor Des Chartes (French Royal Archives)

À la recherche de la sorcellerie dans le Trésor des Chartes

Cet article se propose  de développer quelques pistes d’exploitation des erreurs d’indexation de Himanis, en se fondant notamment sur certaines limites de la recherche en plein-texte de la plateforme en ligne. Ce travail s’appuie, pour cela, sur les recherches que je mène actuellement sur la sorcellerie dans le Trésor des Chartes.

Recherches et état de la recherche

Les cas de sorcellerie présents dans la série JJ du Trésor des Chartes ne sont connus, en l’état actuel de la recherche, qu’au bénéfice d’études ponctuelles et n’ont fait l’objet d’aucune enquête systématique au sein de ce corpus monumental.

Dans les registres de la Chancellerie, ces cas se rencontrent principalement sous la forme de lettres de rémission accordées à un individu accusé d’avoir pratiqué la sorcellerie, ou encore à un individu s’étant rendu coupable du meurtre d’un homme ou d’une femme suspecté d’être sorcier ou sorcière.

Dans le cadre de la thèse que j’entreprends actuellement sur la répression de la sorcellerie au sein du royaume de France à la fin du Moyen Âge, j’entends rouvrir ce dossier, en proposant notamment une édition des lettres de rémission, inédites ou non éditées, qui présentent des cas de sorcellerie.

À partir des premiers travaux sur la question, un inventaire de ces cas de sorcellerie dans le Trésor des Chartes avait pu être dressé. Cet état des connaissances devait beaucoup à l’historiographie. En effet, établi à partir des inventaires analytiques déjà publiés de la série JJ et à partir des travaux fondateurs de Pierre Braun1 et de Claude Gauvard2, il permettait d’identifier quelque 90 actes conservés dans les registres de la Chancellerie faisant état de cas de sorcellerie.

Continue reading À la recherche de la sorcellerie dans le Trésor des Chartes

Himanis et READ : de nouvelles perspectives

HIMANIS a, depuis le début, des liens avec l’infrastructure READ (Recognition and Enrichment of Archival Documents, https://read.transkribus.eu/), financée par l’Europe et porteuse du logiciel Transkribus. En effet, l’Université polytechnique de Valencia est partenaire de READ.

L’IRHT et le CNRS sont en train de signer une convention de partenariat avec READ pour pouvoir travailler ensemble de façon plus intégrée et préparer l’avenir, maintenant qu’HIMANIS est achevé et pour après la fin du financement européen de READ. On devait simplement signer un “Memorandum of Understanding”, mais les complexités légales du CNRS font que le “Memorandum” préparé le 12 juin 2017 et que quatre-vingts institutions ont déjà signé sans modification a dû être revu et n’est toujours pas signé par le CNRS…

Mais cela ne nous empêche pas de travailler ! Et voici les résultats…

Nous avons envoyé à READ les images du corpus ainsi qu’une extraction du texte “brut” des actes édités pour lesquels Sébastien Hamel avait repéré les “zones” sur les images (1726 zones sur 1263 images: 1334 zones pour l’édition de Guérin, 75 pour l’édition de Viard), ainsi que les liens nécessaires pour utiliser l’édition du formulaire de Morchesne. READ a aligné les éditions ligne à ligne, à la main (contrairement à ce que nous avons fait dans Himanis, où l’alignement a été fait automatiquement, mais, en conséquence, avec des résultats de moindre qualité).

A partir de cela, READ vient d’entraîner des “modèles optiques” pour la reconnaissance de l’écriture manuscrite et a testé sur quelques dizaines de pages. Les résultats sont très impressionnants, comme le montrent les captures d’écran suivantes.

Transkribus : acte avec transcription alignée (vérité terrain)
Transkribus : même acte avec transcription automatique
Calcul du pourcentage d’erreur mot (WER) et d’erreur caractère (CER)
Comparaison des textes des deux versions

La comparaison des deux versions montre l’excellente qualité des modèles entraînés, d’autant que de nombreuses “erreurs” de transcription sont des artefacts de l’édition (présence de ponctuation, segmentation de mots et apostrophes…).

Il reste à faire pour étendre la reconnaissance de texte en séparant le corpus d’entraînement et le corpus de test, mais ces résultats absolument extraordinaires sont plus qu’encourageants !

Plain text access to two centuries of medieval registers (French royal chancery)

Artificial Intelligence has unlocked the access to the text of medieval manuscripts! The partners of the European research project HIMANIS implemented, for the first time, the indexing and plain text querying of thousands of pages of medieval manuscripts. The large scale of the corpus and the possibility to search in plain text for handwritten sources are unheard of in medieval studies, so that the results present a major shift for historians. The challenge of multilingualism, script variation and abbreviations, which are crucial for HTR on medieval sources, has been successfully met.

Overview presentation: Dominique Stutzmann, Christopher Kermorvant, Enrique Vidal, Sukalpa Chanda, Sébastien Hamel, Joan Puigcerver Pérez , Lambert Schomaker, Alejandro H. Toselli, “Handwritten Text Recognition, Keyword Indexing, and Plain Text Search in Medieval Manuscripts”, Digital Humanities 2018 Puentes-Bridges: Book of Abstracts Libro de resúmenes (Mexico City, 26-29 June 2018), Mexico, 2018, p. 298-302, PDF en ligne [http://dh2018.adho.org/wp-content/uploads/2018/06/dh2018_abstracts.pdf], HTML [https://dh2018.adho.org/en/handwritten-text-recognition-keyword-indexing-and-plain-text-search-in-medieval-manuscripts/], XML [https://dh2018.adho.org/wp-content/uploads/2018/05/STUTZMANN_Dominique_Handwritten_Text_Recognition__Keyword_In.xml]

Follow us on Twitter: @himanis6
Search engine: http://bit.ly/himanis-search
User manual: https://himanis.hypotheses.org/105
Official website: https://himanis.org

Himanis users: an emerging community!

The HIMANIS web presence is complex: the present weblog https://himanis.hypotheses.org/ , the beta version of the search engine provided by Univ. Politecnica Valencia http://prhlt-kws.prhlt.upv.es/himanis/, the twitter account (@Himanis6), the official website https://himanis.org/

Some statistics show that we are having an emerging, large community of users.  A growing number of people are reading this blog: ca. 12’500 unique visitors in 2017, with more than 34’000 pages visited; 7’400 and 30’000 pages visited for the first six months of 2018.

There are also 301 followers on Twitter, which is a good start.

On MONK, there is very intense use, with amazing statistics (more than 1 million actions, partly from bots).

Last but not least, on the public search engine, there have been:

  • more than 813’000 search actions: around 40’000 queries per month from Oct. 2017 to May 2018, jumping at 495’455 queries in June 2018 (hurray!)
  • more than 15’000 user feedback actions, from all over the world (see map below)

Georgraphic origin of the users who participate in crowdsourcing the corpus

Statistiques de consultation du blog Himanis en 2017

Statistiques de consultation du blog Himanis de janvier à juin 2018

 

HIMANIS Project New Conference on 29 May 2018 at the Archives Nationales

A second conference from the project HIMANIS (Historical Manuscripts for user-controlled Search), about handwriting recognition by computers of the ancient writings, is held on Tuesday, May 29, 2018 at the Archives Nationales (Paris site – Hôtel de Soubise, chambre du Prince).

Since 2015, the Archives Nationales became an associated partner with the IRHT-led HIMANIS (Historical Manuscripts for User-controlled Search) research project, which goals were to study the records of the French Royal Chancery of the 14th and 15th centuries. The major technological challenge was to carry out computer recognition of medieval writing that was sufficiently reliable to provide the community with a full-text search engine of the registers, many of which were not yet covered by inventories or index. A web interface, combining access to images, transcripts and archival analyzes, has also been developed.

Continue reading HIMANIS Project New Conference on 29 May 2018 at the Archives Nationales

HIstorical MANuscript Indexing for user-controlled Search

Search OpenEdition Search

You will be redirected to OpenEdition Search