Paléographie numérique: projets et perspectives

Durant le troisième « workshop » organisé à Venise en jonction avec l’université de Padoue et l’Ecole Polytechnique Fédérale de Lausanne, les réalisations et les perspectives de la paléographie numérique ont été présentées et discutées. Organisé d’une main de maître par Flavia De Rubeis, Frédéric Kaplan et Dorit Raines, le programme riche a été l’occasion d’échanges nombreux et fructueux.

Les concepts de Digital Palaeography et de Big Data du passé

Arianna Ciula (University of Roehampton) a ouvert la première séance avec l’autorité de celle qui, la première, a ouvert la voie à la paléographie numérique, en employant dès 2004 l’expression « digital palaeography », alors qu’aujourd’hui le concept est largement utilisé (cf. KPDZ, ESF Würzburg, DigiPal). Plusieurs idées fortes structurent sa contribution. Nous retenons une première ambivalence : les réticences envers la paléographie numérique trouvent leur origine dans la peur ou le sentiment d’incompréhension face aux techniques employées ; inversement, l’utilisation des technologies numériques n’est pas toujours suffisamment autoréflexive, par exemple sur les implications de la numérisation. Elle promeut un usage critique.

Elle distingue ensuite « digital » et « computational », et soutient que la paléographie numérique englobe la paléographie quantitative et doit se comprendre comme un pas dans la direction de la paléographie « intégrale » chère à Boyle, en lien avec la philologie, la linguistique et les sciences cognitives.

En revenant sur les fondements théoriques des transformations qui interviennent entre un texte et ses représentations et sur l’impossible retour à l’objet depuis sa représentation, si fidèle soit-elle,  et aussi fine que soit la modélisation (opération plus que jamais nécessaire), elle pointe l’un des écueils de la paléographie numérique, en particulier le risque d’un nouveau positivisme, d’une croyance indue en une preuve mathématique. En soulignant que l’activité scientifique s’est fondée sur une modélisation accrue, elle offre un paradoxe pour penser la paléographie numérique intégrale : le besoin double de construire et d’imaginer de nouveaux modèles, et celui de les déconstruire, de les dégonfler.

Frédéric Kaplan (EPFL-CDH-DHLAB, CM2271), dans son intervention parle de big data et de machine à remonter le temps. En présentant les 80 km d’archives couvrant mille ans d’histoire dans l’Archivio di Stato de Venise, il souligne combien l’analyse de l’histoire humaine du passé est impossible selon les moyens traditionnels, et comment on peut l’assimiler à l’exploitation actuelle du big data et à la constitution de bases de données comprenant les hommes, leurs relations, leurs interactions. Parmi les taxonomies et technologies mentionnées, il évoque aussi un futur probable de l’analyse des sources : le scan des livres fermés avec la possibilité de lire le texte. L’objectif est bien l’identification des mots (mots-clefs, entités nommées, concepts relationnels) pour créer des transcriptions accompagnées d’un niveau de certitude (confidence) à partir de la propagation de transcriptions partielles et en modélisant l’incertitude (variations orthographiques et niveaux de confiance de la reconnaissance, fuzzy matching techniques). Une idée très « linguistic turn » est d’associer ces données à un système d’information géographique, puisque l’urbanisme de Venise est assez stable, pour représenter non pas la Venise du passé, mais les possibles Venise du passé. Le grand saut du big data du passé est épistémologique plutôt que technique : il pose la question de l’éthique de la représentation et du traitement de l’incertitude dans l’hypothèse historique.

Les deux interventions suivantes, d’Andrea Mazzei et de Lorenzo Tomasin, explicitent les défis technologiques de la reconnaissance d’écriture manuscrite, depuis l’amélioration de l’image (séparation des transparences, redressement de lignes) jusqu’à l’exploitation de la transcription en cours par propagation (notamment calcul de coût de morphing) et exploitation des redondances textuelles (modèles statistiques et linguistiques). Appliqué à la plus ancienne traduction vernaculaire des statuts latins du doge Jacopo Tiepolo édictés en 1242 et à son témoin conservé à Venise (ms. du début du XIVe siècle), les résultats de la reconnaissance sont à 86 % au niveau du mot.

Paléographie épigraphique

La seconde session est ouverte par Flavia De Rubeis, qui fait le point sur la paléographie numérique appliquée aux inscriptions médiévales. Les avancées, dit-elle, sont faibles et le principe demeure souvent d’une mise en ligne de l’équivalent papier, avec des éditions, des commentaires historiques et des images séparées, ne permettant pas la recherche paléographique. Elle évoque notamment les Deutsche Inschriften Online et l’Epigraphic Database Bari. La publication des Inscriptiones medii aevi Italiae, en cours (troisième volume paru en 2011), n’a pas encore lieu sous forme électronique. En somme, les inscriptions restent exploitées essentiellement source historique et non pour leur forme. Le territoire norme et la dispersion du corpus imposeraient d’obtenir d’importantes ressources financières pour achever le corpus. Elle propose en conséquence un projet sur la ville de Venise pour étudier l’histoire épigraphique de la Sérénissime des Romains jusqu’au XVIIe s. À titre de comparaison, elle nous fait l’obligeance de mentionner le projet épigraphique de Poitiers intégré au projet ORIFLAMMS !

Giuseppe Salemi (Università di Padova) présente différentes techniques d’amélioration d’image, en particulier la captation multiple et la Reflectance Transformation Imaging (RTI), bien présentée par le site Cultural Heritage Imaging.  Les principes exposés sont ensuite présentés par Daniele Vitelli, à propos des fouilles de San Vincenzo. L’amélioration d’image automatisé est particulièrement bien mise en valeur par la découverte d’un plan partiel du monastère sur un tesson apparemment anépigraphe.

Oriflamms et DigiPal

Dans la troisième session, nous présentons le projet ORIFLAMMS tant dans ses enjeux d’analyse des formes sur le long temps historique pour appréhender l’invariant du cerveau humain et les codes sociaux qui régissent la communication graphique. Pour rendre hommage aux organisateurs, ces enjeux sont mis en valeur avec du matériau épigraphique vénitien et napolitain ! Le projet ORIFLAMMS obtient des résultats très positifs de l’alignement, qui permettent de faire porter l’analyse non pas sur une sélection de formes, mais sur toutes les formes d’un corpus.

Peter Stokes présente ensuite les dernières nouvelles de DigiPal, en particulier l’extension du système d’analyse qu’il a proposé dans son projet à de nouveaux projets, avec lesquels il collabore et qui sont l’occasion d’approfondir les développements réalisés dans le cadre de son ERC. Il évoque notamment ScandiPal (extension du modèle codicologique pour l’intégration de manuscrits démembrés et système d’information géographique, Matilda Watson), SephardiPal (manuscrits hébraïques du Portugal, Debora Matos), les inscriptions bilingues de la Thrace romaine, PIM (Police épigraphique monétaire, Florence Codine) et Models of Authority (chartes écossaises, affrontant le défi de la cursivité). Dans ces deux derniers projets, deux partenaires d’ORIFLAMMS sont, du reste, également associés. Peter Stokes repose la question avancée par Arianna Ciula, sur le positivisme et les fondements épistémologiques de la paléographie numérique et défend l’approche « manuelle » de l’architecture de DigiPal, en admettant qu’elle peut paraître « régressive » mais qu’elle entend (ré)-affirmer le rôle de l’expertise humaine, depuis la sélection des formes jusqu’à l’élaboration de la démonstration historique. Il donne ainsi une réponse adaptée aux défis de communicabilité de l’information paléographique, de la vérification et de la « vérité-terrain », de l’intelligibilité des méthodes informatiques (face à la « boîte noire »). Fil rouge de la discussion, et brochant sur les propos de F. Kaplan, il repose la question de la représentation de l’incertitude et de l’identification précise des questions auxquelles peuvent répondre les méthodes automatisées.

Dans la quatrième session, Dorit Raines et Luciano Pezzolo présentent le projet Testamenti. Il s’agit d’exploiter automatiquement les 300 000 testaments contenus dans les archives de Venise de 1300 à 1797. Le potentiel d’analyse historique est énorme, pour étudier l’âge et le genre des testateurs, leurs biens mobiliers et immobiliers, leur répartition, les bénéficiaires, les divisions de patrimoine et la nature des dons. Les informations des testaments pourraient en outre être mises en relation avec d’autres sources (registres de baptême, mariage, enterrements, inventaires après-décès, sources fiscales, etc.). Ils dressent ensuite un panorama de l’évolution des testaments et de leurs formulaires, avec les mots-clefs que le wordspotting pourrait aisément repérer pour préparer l’analyse automatique (e.g. “item”, “volio|voglio”, “laso|lasso” etc.). L’objectif idéal serait de l’extraction d’information et le remplissage automatique de la base de données.  Lors de la discussion, F. Kaplan rappelle l’un des thèmes de son intervention : pensant que l’extraction d’information est possible, il insiste sur l’impossibilité d’obtenir une extraction sans incertitude et sans erreur et qu’il faut donc penser à la valeur et au positionnement d’une telles base de données.

Le mouvement et l’avenir

Enfin, la table ronde finale, avec Marilena Maniaci, Nicoletta Giovè et Carlo Federici, est réjouissante en ces temps où, comme le souligne Marilena Maniaci, les discussions se font rares. Celle-ci remarque et regrette que la paléographie numérique, dans ses projets actuels, se concentre sur la morphologie, en laissant la composante dynamique de l’écriture, le ductus, être le grand absent. Sur ce point, il faut tout de même préciser que les travaux d’Hani Daher dans le cadre de l’ANR Graphem portaient précisément sur la décomposition en traits élémentaires de l’écriture et orientaient vers l’approche dynamique de l’écriture. De même le développement de l’application Formes à toucher (télécharger sur iTunes, code source sur github) visait également à promouvoir l’étude du ductus.

M. Maniaci pose aussi la question de ce que peut être la codicologie numérique et demande quelles sont les voies à inventer pour une codicologie qui ne soit pas seulement quantitative et à l’ère numérique, mais vraiment numérique (donc pas d’études d’ADN, pas de pédagogie via le numérique, pas de catalogage en ligne, pas seulement des bases de données). Nous pensons que le premier pas, sans doute, est l’analyse d’image pour faire porter les analyses de mise en page et de densité sur l’ensemble des manuscrits numérisés. A cela pourrait s’ajouter, dans bien des cas, l’analyse des côtés chair et poil, et, peut-être l’identification du type de parchemin. En outre, il faudrait porter les techniques du data mining sur les anciens catalogues pour en extraire les nombreuses informations de type codicologique qui y sont contenues. A propos d’une discussion récente sur la liste de la TEI et en présence d’Elena Pierrazzo, A. Ciula et nous-même appelons à participer aux échanges et à l’approfondissement du modèle de données pour la description des manuscrits.

Carlo Federici propose de voir un oxymore dans l’idée même de codicologie numérique, puisque le premier terme désigne l’étude de la matérialité et le second la médiation et la représentation. En outre il pointe le déséquilibre qui a pu exister entre des projets de numérisation (qui ne peuvent pas prétendre à pérenniser les manuscrits, tout au plus à les préserver en limitant leur utilisation) et des projets de restauration.

Nicoletta Giovè, dans une belle conclusion, commence par rappeler son parcours depuis des analyses statistiques sur cartes perforées et le gain évident qu’apporte l’image numérique dans nos recherches. Il manque néanmoins, affirme-t-elle avec conviction, un savoir numérique de base, c’est-à-dire une culture scientifique adaptée, ce qu’A. Ciula entre autres appelle digital literacy, qui intègre la compréhension des hypothèses épistémologiques aujourd’hui implicites de l’utilisation des techniques numériques. La discussion rappelle que la reproduction numérique est un outil de recherche, non un remplacement : c’est une constitution de source au même titre que créer une entrée de catalogage.

Nous naissons analogiques et nous mourrons analogiques : si la voiture n’a pas supprimé la marche à pied, on ne va pas aux mêmes endroits avec les deux moyens de locomotion.

 


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.