Category Archives: News

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).

 

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.

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

Nouveau corpus, nouvelles heures

Vingt registres supplémentaires ont été intégrés à l’interface de recherche. Parmi les nouvelles recherches possibles, nous trouvons une nouvelle preuve de la présence quotidienne des livres d’heures.

Paris, Arch. nat., JJ 179, fol. 81v, n° 150

A la Saint-Martin, le 11 novembre, 1447, Raoul est trouvé noyé dans un estang. Suicide ou accident ? Ses parents demandent grâce au roi pour que le doute ne jette pas le déshonneur sur la famille et n’empêche pas l’application des règles normales d’héritage. Que reste-t-il dudit Raoul au bord de l’étang ? Son livre d’heures, son manteau, ses chaussures et son chapeau (« et ses heures, mantel, patins et chappel estans sur ladicte chausee pres de la bonde dudit estang ») !
Revenant du Mexique, je souhaite à tous une bonne fête des Morts…

Concluding conference of the HIMANIS project on 27 October 2017

To celebrate the achievements and the end of the HIMANIS project, the Institut de Recherche et d’Histoire des Textes (IRHT) is organizng a conference on Friday, 27 October 2017, to present, explain and discuss the impact of handwriting recognition technologies for medieval studies and heritage institutions.

The European project HIMANIS (HIstorical MANuscript Indexing for user-controlled search), led by the IRHT, brought together several research teams in engineering sciences, both private (A2iA, France), and public (PRHLT-UPVLC, Spain and Alice-Groningen Univ., The Netherlands), with the support of the National Archives and the National Library of France.

The main result of this project is that it is now possible to carry out keyword searches in the corpus of registers of the French royal chancery of the 14th and 15th centuries. For the moment there are 167 volumes of the National Archives series, JJ 7 – JJ 209 and 20 volumes of the Bibliothèque nationale de France. The interface (still preliminary) can be accessed at the following address: http://prhlt-kws.prhlt.upv.es/himanis/. It is a test interface, which will evolve in the coming months, with additional manuscripts and new functionalities, notably to
navigate between the results, to display the regests and editions. HIMANIS also aims at computer-assisted analysis of the different hands involved in each volume, to study the functioning of the royal chancellery and the progressive construction of the centralized state of the French monarchy.

Entry is free but registration is required: Registration form.

Continue reading Concluding conference of the HIMANIS project on 27 October 2017

Job: Research Fellow position for the HORAE project / Ingénieur de recherche pour le projet HORAE

Job description / Fiche de poste (pdf) :

IRHT-HORAE-ResearchFellow-Ingénieur

I got a job for you… (Paris, Bibliothèque nationale de France, Dép. MSS, Rothschild 2535 (24 b)

English version: Research Fellow / Ingénieur de recherche
    Position focus
    Required Education, Skills and Experience
    About the project HORAE
    Host institution
    Salary
    How to Apply

Version française: Ingénieur de recherche en analyse de sources
    Missions
    Compétences
    Le projet HORAE
    Institution d’accueil
    Rémunération
    Candidature

 

Research Fellow / Ingénieur de recherche en analyse de sources

Institution: Institut de Recherche et d’Histoire des Textes

Location: Paris, France

Application Due: 31 Oct. 2017

Type: Full Time

Duration: 1 year, renewable until 3 years

Starting Date: between January 1, 2018 and April 1, 2018

 

The Institut de Recherche et d’Histoire des Textes (CNRS) invites applications for a Research Fellow (“Ingénieur(e) de recherché en analyse de sources”) for the project “HORAE – Hours, Analysis, Editions” (ANR-17-CE38-0008), under the supervision of Mr. Dominique Stutzmann, Principal Investigator.

Continue reading Job: Research Fellow position for the HORAE project / Ingénieur de recherche pour le projet HORAE

“disant ses heures” : from HIMANIS to HORAE

We are delighted to announce that the French research agency is funding the HORAE project (ANR-17-CE38-0008). HIMANIS also highlights why it is important with one example:

Disant ses heures… (Paris, Archives Nationales, JJ44, fol. 98r)

un certain lieu ou il estoit alé disant ses heures

(translation: a place where he went saying his Hours; image Paris, Archives Nationales, JJ44, fol. 98r)

In another example, the book of hours of a Jehannette, daughter of Jehan Petit is central to the plot, since it is the cause of the crime! Used to force a date with the young Jehannette, it created a fight between the father and the daughter’s friend…

Thomas, par esbatement print les heures de ladite Jehannette qui estoient sur une fenestre dudit hostel en la presence de ladite Jehannette et de son consentement les emporta et dist a ycelle Jehannette qu’elle les alast querir a vespres en l’eglise, laquelle lui respondi que si feroit elle. Et tantost aprés, ledit Jehan Petit ala aprés ledit Thomas ou cymetiere de ladite eglise ou il estoit et de felon courage lui dist qu’il lui rendist ses heures, ou si non qu’il l’en poursuiroit et que faulsement et mauvaisement il les lui avoit emblees.

qu’il lui rendist ses heures (Paris, Archives Nationales, JJ 162)

At the core of the late medieval society…

HORAE (Hours – Recognition, Analysis, Editions) is a cross-disciplinary research project studying religious practices and experiences in the late Middle Ages through the books of hours, the absolute medieval best seller. In a public-private partnership, it gathers three partners in the Humanities and Computer Science: the Institut de Recherche et d’Histoire des Textes (IRHT, UPR 841), the private company TEKLIA and the Laboratoire des Sciences du Numérique de Nantes (LS2N, UMR6004). Books of hours forms, with more than 5000 preserved manuscripts, a vast and crucial ensemble to understand the medieval mindset. Yet, their textual content is very scarcely studied, although the massive production of such a large number of manuscripts is a pivotal cultural and industrial phenomenon to the profound changes in the medieval religious life. Not only a proto-industrial book production arises and the economics of demand shifts to the economics of offer, but also the awakening of the individual and the internalization of faith take places in an increasingly church controlled world. Books of hours are at the same time deluxe objects, implying social staging, and intimate objects, with devotional, memorial and eschatological challenges.

HORAE combines the research and expertise of all three partners in artificial intelligence applied to Computer Vision and image analysis, in Natural Language Processing (NLP), and in book history and religious practices. The research project aims at creating an integrated chain from image treatment to producing new knowledge by placing the end user at the center of the developments, by managing formats, interoperability and long term preservation, but also ergonomics and data visualization.The aims encompass: (1) re-using the many digitized manuscripts, which are online but underused resources; (2) new open source software for Handwritten Text Recognition (HTR); (3) tools for segmentation and plagiarism detection, adapted to the transcription of medieval manuscripts produced by the machine in order to identify the texts in the books of hours; (4) identifying and editing unpublished texts; (5) visualization of manuscript clusters, which share the same textual characteristics in the order of the different parts (Officium Beatae Mariae Virginis, votive offices, suffrages, prayers), but also in the order of textual units to identify the liturgical use; (6) studying the diffusion and circulation of devotional and liturgical texts at the end of the Middle Ages in order to better understand the cultures and faith in the 13th c.-16th c.

With its aims and methods, HORAE profoundly changes the ways of doing research in auxiliary sciences and tackles the challenges of big data. Books of hours have been too scarcely studied until new because they are too numerous, too complex and their text is very repetitive: now, their very number, repetitions and complexities make possible for this project to develop new and efficient technologies and methodologies and gain new knowledge on the Middle Ages.

 

 

NEW : improved fonctionalities for correcting query results

We improve the way to correct the results by adding two new functionalities:

1/ After a query, on the spotted words, when you click on the word you are asked if the word is correctly spotted. Not entirely sure of the result you got, we add a third option (“not sure”)  to “correct” or “incorrect”.

2/ When clicking on a word to see if it has been recognized, you have now a dropdown menu suggestions of the recognized word in order of confidence. You can now just select the correct answer from the list rather then typing it. Of course, if none of the suggested result is good you can still type the correct word manually.

The bounding box surrounding the word now appears and they are in color (green, yellow, red or grey) so you can have an idea of the confidence level of the word you are going to select. And don’t worry if the suggest word in the bounding box have nothing to do with the one you clicked: the system will only take into account the pixel on which you clicked on.

Lemmatized search is on it’s way. We are still testing it on a small sample of the corpus but it will be implement in the coming month.

NEW : documents from BNF added to HIMANIS

New documents have just been added to the HIMANIS search engine. The new documents come from BNF digitized microfilm available on Gallica and that are related to the French royal chancery. Those are either originals or copies of chancery registers that are for various reasons located at the BNF rather then at the AN. Actual shelf marks of the chancery registers of the Trésor des Chartes come from the system put in place around 1380 by Gerard of Montaigu in the last version of his inventory of the libri utiles (actual JJ 115) who numbered the registers from I (JJ 11) to CXV (JJ 115). When the JJ serie was organized, between 1852 and 1854, numerous registers where added to the original serie that were not originaly in it:

  • Some came from what was considered by Montaigu as libi inutiles (JJ 42B, 79B, 267 à 270, 288, JJNN et JJOO).
  • Others came from the J serie (JJ 20, 24B -24D, 274 and 304-320) or even P (JJ 30B), Q1 (JJ 24A2) and X (JJ 54B) series.
  • Numerous are inventories and copies from the 13th to the 18th century (JJ 12A-JJ 128, JJ 9A, 9B, 27A-27C, 271-273, 275-303, 534-5884 et JJ A-JJ K).

In 1862 an exchange of documents took place between the AN and the BN and all of the above (except JJ 27C, 272 and 273) have been transferred to the BN in exchange for various inventories (nowadays JJ 12B-127).

Registers

– Français 5291 (ex JJ18): http://gallica.bnf.fr/ark:/12148/btv1b9059263p

– Français 10187 (ex JJ27B: http://gallica.bnf.fr/ark:/12148/btv1b90611100

– Français 18437 (ex JJ20): http://gallica.bnf.fr/ark:/12148/btv1b9063320p

– Latin 9778 (ex JJ27): http://gallica.bnf.fr/ark:/12148/btv1b90683044

– Latin 9784 (original of JJ47 and JJ277): http://gallica.bnf.fr/ark:/12148/btv1b9080793k

– Latin 9988 (final copy of JJ30A): http://gallica.bnf.fr/ark:/12148/btv1b9077723t

– Latin 9996 (inventory = JJ275 and 276): http://gallica.bnf.fr/ark:/12148/btv1b9076749r

– Latin 10919 (ex JJ29): http://gallica.bnf.fr/ark:/12148/btv1b9065926v

– Latin 10932 (ex JJ17): http://gallica.bnf.fr/ark:/12148/btv1b90807673

We also add the available chancery formularies and protocols.

Ptotocols and Formularies

– Latin 4763: http://gallica.bnf.fr/ark:/12148/btv1b9076661v

– Français 5024: http://gallica.bnf.fr/ark:/12148/btv1b9059518w (Formulary of Odart Morchesne, digital edition from ENC http://elec.enc.sorbonne.fr/morchesne/)

– Français 5030: http://gallica.bnf.fr/ark:/12148/btv1b90602939

– Français 5271: http://gallica.bnf.fr/ark:/12148/btv1b90604893

– Français 5318: http://gallica.bnf.fr/ark:/12148/btv1b9060505r

– Français 5727: http://gallica.bnf.fr/ark:/12148/btv1b9060472t

– Français 5909: http://gallica.bnf.fr/ark:/12148/btv1b9060762g

– Français 6022: http://gallica.bnf.fr/ark:/12148/btv1b9060611t

– Français 6142: http://gallica.bnf.fr/ark:/12148/btv1b9060599t

– Français 14371 (chancery protocol): http://gallica.bnf.fr/ark:/12148/btv1b9007185x

– Français 18674: http://gallica.bnf.fr/ark:/12148/btv1b9062281q

Accessing the full text of the Trésor des Chartes’ registers! (beta version)

HIMANIS project

Looking for the word “abbatisse” in plain text of the Tresor des Chartes’ registers

The HIMANIS project is funded by the Joint Programming Initiative on Cultural Heritage and Global Change” (JPI-CH) of the European Union. The partners are developing cost-effective solutions for querying large sets of handwritten document images. It gathers Computer Science, Humanities and Cultural Heritage institutions in order to produce technology to generate new, research-based knowledge from historical manuscripts. As a challenging and particularly interesting case study, the large collection of the Trésor des Chartes’ registers produced by the French royal chancery (Paris, Archives Nationales, JJ35 – JJ211).  The expected outcomes of this project are:

  1. a new indexing/searching technology for historical manuscripts
  2. a new paradigm to study our historical heritage, as conveyed by manuscripts, by using full text search technology.
  3. a new vision of the raise of nation states in Europe via a new study of the corpus under this paradigm.

Now we are proud to announce that we reach the two first goals of our project!  You can search the plain text in the Trésor des Chartes’ registers and provide feedback: It is ready to be used and tested by all interested users worldwide!

http://prhlt-kws.prhlt.upv.es/himanis/

You can search the plain text in the Trésor des Chartes’ registers and provide feedback!

How to search?

Query settings

Home page of the HIMANIS indexing and search engine

  • A query box is provided to type the queries
    • The search engine is case insensitive (“Paris” and “paris” retrieve the same results). The search engine allows for “AND”, “OR” and “EXPRESSION” queries (see below).
    • Abbreviations are not queried as they appear in the images; instead the corresponding expanded forms are used. For example, use “paris” to find “Paris”, “par.”, “par^s”, “Pars.”, etc.
    • Query text must be diacritcs-folded (e.g., “sebastien”, rather than “Sébastien”).
  • A confidence box and slider are provided to express a confidence threshold which determines the desired precision-recall tradeoff. The default is 50%. A higher value results in higher precision (little or none wrong spots) and lower recall (some, or many existing instances of the query may not be retrieved); a lower value results in lower precision (some, or many wrong spots) and higher recall (all or most the existing instances can be retrieved).
  • A ‘Max. results’ box is provided to express the maximum number of spots to be retrived and shown. For example, if this number is set to 20 and the confidence is set to 40%, the system shows at most 20 spots with confidence higher than 40%; and if no (or 0) confidence is set, the system retrieves at most 20 spots with the highest confidence.

    Query settings

Search: AND, OR, SEQUENCE

The search engine allows compound queries (boolean AND, OR, NOT) and “sequences”. For compound queries, the results are computed at Page level, and the number of matches is the total number of word occurrences matching the query.

  • Relations are interpreted at the full page-image level.
  • The operators are: AND: “&&” (or just blank space), OR: “||”, NOT: “-” (before the words which have to be negated). Parenthesis “(“, “)”, can be used for grouping
  • For “Sequence”, the number of match is computed at Page level and one match corresponds to the complete expression.
  • A query can be a sequence of words, expressed using the symbols “[” and “]”. Sequences are not exact strings; they allow (a few) extra words to appear among the stated words. Examples: “[ludovico francorum]” (where “francorum” is an expanded abbreviastion) would retrieve pages with strings such as “ludovico franc.”, “Ludovico rege franc.”, “ludovico dei gra. francorum”, etc. In the current system version, sequences can not be mixed with boolean operators.

Queries: NOT

“france – flandres”: pages with at least one instance of “france” but with no instance of “flandres”

Queries: mixed AND/OR/NOT with parentheses

“paris && (france || flandres)”: pages with at least one instance of “paris” AND at least one instance of either “france” OR “flandres”, or both

Navigation through the results

The current presentation of results is bound by the hierarchy of the collection and we know that it is not always easy to flip through the results. We ask for your patience and your help!

We ask for your patience and your help!

It is possible to:

  1. browse all registers
  2. browse all pages in one register
  3. see the list of registers with the number of matching pages (not the number of matches in the volume)
  4. see the list of pages with the number of matches

Queries are interpreted, and results are shown, hierarchically. For example, assume a collection is composed of many Volumes and each Volume of many Pages. Then, if the query is issued at the top collection level, the system first shows the Volumes where the query may appear with confidence above the threshold specified. Then if the same query is issued for a specific Volume, the system shows all the Pages where the query may appear with a confidence above the threshold. Finally if it is issued for a specific Page, the system shows locations where the words involved in the query may appear. In the PRHLT interface, default levels of the hierarchy are called: “Home”, “Collection”, “Chapter” and “Page”.

The navigation from one page goes either to the previous or the next one in the same volume, or back to a higher level (volume or corpus). There is no possibility to jump directly to the next match.

To go back to the superior level, please navigate with the breadcrumb.

Number of volumes with at least one match (and average confidence)

List of volumes with at least one match and number of pages with at least one match

List of pages in the volume and number of matches on the page

Matches on the page

  1. Miniatures. At each level of the hierarchy (except at the lowest one, the page level), the system shows the elements of this level by means of miniature images, with some information associated; namely,
    1. an identifier of the element,
    2. a bar representing the confidence of the system that the query appears somewhere in this element
    3. the number of elements in the lower level where the query may appear with a confidence above the threshold specified.
  2. By hovering the mouse over the confidence bar, the actual confidence value is shown.
  3. Pan and Zoom: When a (part of a) page image is shown, it can be explored by moving the mouse while holding its right button. In addition, the mouse wheel can be used to zoom in and out.
  4. If a word appears more than once in a text line, only the instance with greatest confidence is shown.
  5. The approximate locations of spotted queries in each page are marked with rectangles (called “bounding boxes”) surrounding the corresponding words. The color of a rectangle expresses the degree of confidence the system has in the corresponding spot. Exact confidence values can be seen by hovering the mouse over the rectangles.

Your feedback is needed!

YOU CAN GIVE YOUR FEEDBACK

On the spotted words

When you see the results of a query a “word level”, you can click on the word and you are asked if the word is correctly spotted. Please help us and say “correct” or “incorrect”.

Giving feedback on spotted words

If you see a missed word

In the example below, the word “pedagiis” has been correctly spotted on the lower right part of the image.

Correct and missed matches on one page

If you double-click on the image, you can add the word to our index!

Inserting the correct transcription for a word

Hints for the Chancery collection

  • Click on the Chancery miniature with no query to see the 147 Volumes indexed, each showing the number of images it contains (ranging from less then 100 to more than 1000).
  • Queries can be formulated at any level: full Collection (Chancery), specific Chapter (Volume JJ…), or individual Page.
  • Remember to use the Confidence and/or Max.results levers depending on the precision-recall tradeoff you wish to achieve.
  • The number of the “page” indicated is the number of the file.
  • There are 147 volumes; 32 additionnal volumes are being digitized by the French National Archive

In the near future…

This is a presentation of the Beta Version. In a near future, you will be able to scroll through the results and provide feedback directly on a hit list of the results.

You will be able to get the correct foliation of each image and retrieve metadata from the inventories and text editions.

IRHT’s interface proposal to access the Chancery corpus: aligning and merging early modern inventories (tables of contents), 20th c. inventories and indexes, partial editions, and the result of automated indexing performed in the HIMANIS project

TEI as a format for archive inventories? At which level is the “text”?

As mentioned in previous posts, we are dealing with plenty of inventories in the HIMANIS project: handwritten systematic inventories, printed ones, cardboard files, geographic inventories, indexes, etc.

Now, the issue we have, is of the coherence of the formats we are using. The text edition we use as a training data set and ground truth, namely the Actes royaux du Poitou edited by Paul Guérin and converted by the Ecole nationales des Chartes, is in TEI-P5 format. There are twelve independent TEI files. This is normal because it is a text edition.

But what would you do with inventories? Some are plain text, some are in EAD format. We could convert them to TEI and consider that these inventories are, each of them, one “text”, so that we could convert each of them to a single TEI file, using the <body> to render the core of the inventory.

For the systematic inventories, we also could consider that each of the inventories contains “manuscript descriptions”: each register can be rendered within a <msDesc> and each text is a <msItem> within the <msContents> part.

The volumes which are copied the one from the other (such as JJ 42B and JJ41) makes it difficult to keep the same structure, except if you want to multiply the descriptions, with one <msDesc> for each of the registers and each <msItem> having the same content but the respective foliation.

In HIMANIS, we are making a new choice: considering each volume as a <TEI> entity (combining them thanks to <teiCorpus>), whose text gathers the <group> of all contained royal charters, each of which being a <text>. The abstract and analysis remains in the <front> part, with an empty <body>.


This solution is, obviously, borderline, since we end up having no text in the whole TEI document, but it is an opening towards a future in which the text could be added as if it where a scholarly digital edition. On the top of that, of course, it allows us to homogenize all source formats, including the text editions, at the (almost) the same level towards an integrated environment. (Not exactly the same level, since the <TEI> file for Guérin is one volume of the edition, not one volume of the register).
For all comments of the community, we are grateful!

Update on the inventories of the Chancery registers

Inventory of Archives Nationales, JJ 84 (11v-12r)

On December 5, during our second plenar meeting, held in Valencia (Spain), we discussed (among other topics) various issues that we have encountered with the inventories of the French royal chancery registers. Until the HIMANIS project, those were the only tools available to find particular information in those registers. They exist in different formats: printed or handwritten; some are already converted in EAD (in different flavours), but, despite the efforts of the Archives Nationales, not all available for the general public yet.

As we intend to use these inventories in the project in order to collect correct identifications for place and person names, as well as to evaluate the precision/recall of indexing, we need to have them in a interoperable electronic format (TEI / EAD).

The oldest inventory which we will use, and the only one covering the entire corpus, is the three volume manuscript inventory made in the nineteenth century by A. Longnon and A. Coulon, providing very short Latin summaries for each document. This inventory was retyped by the Archives Nationales and converted in the EAD format.

A second series of inventories encompass the geographical inventories which were elaborated for Gascogne; Languedoc and Rouergue; Berry, Blésois, Chartrain, Orléanais, Touraine. They cover the whole corpus (JJ 35 – JJ 266), but not all the acts in the corpus as they are limited by the region that they are interested in. It is also a short summary with index. We converted the OCR made by Gallica and converted them into TEI as already mentioned a year ago in our post on Named entities and ground-truth: progress report

Modern systematic inventories elaborated by the Archives Nationales come in different formats: printed, typed or are still at manuscript stage (Registres du Trésor des Chartes, Inventaires analytique, 6 vol. in 3 t.).

  • T. I: Philippe IV (1300-1314) [JJ 37 – 50]
    • OCR by AN; EAD with subjects index coded
    • Index (place names + persons) : TEI by IRHT
  • T. II: Fils de Philippe le Bel (1314-1328)
    • T.II.1 : Louis X, Philippe V (1314-1321) [JJ 50 – 60]: EAD by AN
    • T.II.2 : Charles IV (1322-1328) [JJ 61 – 64]: TEI by IRHT
    • No index existing
  • T. III: Philippe de Valois (1328-1349)
    • T. III.1 1328-1349 [JJ 65A – 69]: OCR by IRHT; TEI
    • T. III.2 1336-1346 [JJ 70 – 75]: OCR by AN; EAD
    • T. III.3 1339-1350 [JJ 76 – 79B]: OCR by AN; EAD
    • Index (subjects, person, place names, chancery notes): OCR by IRHT; TEI

Typed unpublished inventories have been retyped by the Archives Nationales (AN) :

  • Jean II and Charles Dauphin
    • JJ 80 – JJ 81: OCR by AN; plain text converted to TEI
    • JJ 83: OCR by AN; .xls to be converted to TEI
    • JJ 82 – 95: Ms. Index on cardboard files (persons and subjects) about 30.000 files; re-typed by AN
    • JJ 96 – 97: Ms. Index on cardboard files (persons, place names, subject): 4.500 files; retyped by AN
  • Charles V (1364-1366)rc
    • JJ 96 to JJ 98: abstracts and index in .xls to be converted to TEI

Last but not least, our main concern were with the 12 inventories that  were still in handwritten stage (JJ84-95 or about 1400 pages). Those where remained in the manuscript (JJ84-95 for the reign of Jean II and a part of Charles V). We therefore asked our partner A2ia if they can perform HTR on those. But how did we proceed to achieve this task?

 

First, the AN provided us with high resolution reproduction of those 12 inventories, or 1429 pages, at 300 dpi in tiff format. We then produce ground truth, which consisted of the 4 first pages of each inventories (1079 lines of text). Then A2ia trained and performed HTR. We were lucky as the inventory have only one hand and as the layout is very stable from one inventories to the other. Using a standard French model and lexicon from the printed inventories, this operation was able to be carried out quickly in less then 4 weeks and produced results that went beyond our expectations with a very high recognition rate and transcript almost usable as is.