[Ressources] Trouver le chemin du recueil

Travailler sur plusieurs œuvres, elle-même composées de plusieurs éditions, et constituées de plusieurs pièces pose des difficultés d’ordre pratique. J’ai rapidement eu besoin de réaliser des repérages dans mes lectures, d’annoter les textes et de trouver un support où garder trace de mes hypothèses de recherche¹. Pour cette raison, j’ai beaucoup travaillé à partir des chemins de fer des œuvres².

Qu’est-ce qu’un chemin de fer ?

Un chemin de fer offre une vue synoptique de l’œuvre. La visualisation de l’ouvrage fonctionne par simplification : elle réduit les feuillets, éventuellement les schématise selon les particularités de la mise en page et permet de gagner en maniabilité.

Le chemin de fer est aussi couramment utilisé afin de naviguer dans un livre. On le retrouve dans des logiciels de traitement de texte (volet gauche des documents).

La mise à plat des œuvres m’a également permis de comprendre et mettre en avant l’organisation des Jardins de poésie (regroupement thématique de poème, sections, effet d’imbrication, etc.). En effet, la question de l’organisation des recueils est centrale dans l’étude des œuvres poétiques³. L’organisation des œuvres, effets de cohésion et marques de la structuration imaginées par les auteurs, mais aussi les traducteurs, compilateurs,  et imprimeurs-libraires, est l’objet de nombreux travaux. Pour cause, il peut rapidement être difficile de se repérer dans ses labyrinthes dont la progression ne suit pas les péripéties d’un récit. Même quand un scénario donne sens à l’ordonnancement des poèmes, comme c’est le cas du Jardin de plaisance et fleur de rhétorique, la structuration reste soumise à interprétation⁴.

Projet Fil@nthrope

Reste qu’il n’est pas simple de fabriquer un chemin de fer à la main. Afin de gagner en efficacité, j’ai travaillé avec des étudiants en informatique et réseaux de l’Université de Haute-Alsace à un prototype de logiciel permettant de générer automatiquement une visualisation de l’œuvre sur le modèle du chemin de fer. Le projet Fil@nThrope, engagé entre 2017 et 2019, en collaboration avec Jonathan Weber (IRIMAS, UHA), permet donc d’automatiser la création de chemins de fer en partant d’une reproduction numérique d’une édition de l’œuvre au format pdf. Ce logiciel  repose sur un algorithme de segmentation de l’image opérationnel depuis février 2018. Il fonctionne en délimitant chaque zone de la page et en l’associant à une qualification type « texte », « titre », « lettrine » ou « illustration » auxquels un identifiant et des coordonnées seraient donnés.

Équipes

Ce projet a été mené en collaboration avec des étudiants de 3e année du cycle d’ingénieurs en informatique et réseaux à l’ENSISA Lumière de l’Université de Haute-Alsace, Baptiste Refalo, Liuyan Pan, Rachel Noireau, Mehdi El Ahmar et Mouad Bounabi encadré par Jonathan Weber, au laboratoire IRIMAS (anciennement MIPS). Leur procédure utilise le deep learning⁵, afin d’optimiser la reconnaissance des différents éléments de mise en page. En générant des données d’entraînement sur une petite quantité de pages représentatives, les informations sont ensuite traitées automatiquement et peuvent, si nécessaire, être corrigées à la main ou gagner en précision. Le traitement numérique peut effectuer de façon systématique certaines tâches de repérage. 20 % du document doivent être découpés préalablement et triés manuellement, procédé qui génère des données d’entraînement. Grâce au deep learning, une répétition automatique de l’opération prend en charge les 80% restants du fichier.

Prototype

À partir d’un premier prototype réalisé à la main, nous avons réfléchi à la manière dont pourraient être transposées la segmentation des zones et leur caractérisation sur un support numérique.

Premiers résultats

Fonctionnement pratique et objectifs

La première étape d’utilisation du logiciel est de segmenter le document PDF. Une interface permet ensuite de traiter les pages en délimitant manuellement des zones dont les coordonnées sont enregistrées dans un fichier XML. Après ce travail manuel, le chemin de fer est créé⁶.

L’export en PDF : Une fois la visualisation synoptique réalisée à une échelle adaptée aux besoins (c’est-à-dire de plus ou moins près et avec un nombre adaptable de vignettes par pages), le chemin de fer peut être exporté en PDF.

Ajout d’une option « Correction » : La modification des erreurs liées au traitement par l’algorithme peut se faire à partir de la visualisation globale sans revenir dans la première interface de traitement. La correction est malgré tout enregistrée. Ce choix permet de ne pas régénérer systématiquement la totalité du chemin de fer (cette opération prend du temps contrairement à la correction qui est rapide et directement introduite au fichier XML).

Allées des jardins et chemin de fer

1. La porosité entre la source du chercheur et sa recherche ne laisse actuellement que très peu de traces. Les outils mis à notre disposition et les pratiques de partage des résultats de la recherche sont le plus souvent construits dans l’optique d’une démonstration et s’adaptent à la production d’un travail abouti, parce que rendu présentable. L’usage du chemin de fer permet une méthode de recherche reposant sur un appareil analytique au service de projets en cours et ayant un caractère fondamentalement expérimental. Il est possible de la matérialiser à l’aide d’un schéma de l’œuvre servant de réceptacle aux examens d’un corpus. [↩]
2. Voir sur ce sujet Marine Parra, « Du Parterre de la rhétorique aux lectures numériques : la métaphore horticole au filtre du “chemin de fer” », Réforme, Humanisme, Renaissance, 2018, n^o 86, p. 57-70. <https://www.cairn.info/revue-reforme-humanisme-renaissance-2018-1-page-57.htm>. [↩]
3. en témoigne les actes du colloque international Pratiques et théorie du recueil qui s’est déroulé à Rennes (2002), voir Irène Langlet (dir.), Le Recueil littéraire : pratiques et théorie d’une forme, Rennes, Presses universitaires de Rennes, 2003. [↩]
4. Voir Jane Taylor, “La mise en mélange au XV^e siècle : feuilleter le Jardin de Plaisance“, Le Goût du lecteur à la fin du Moyen Âge, Paris, Le Léopard d’Or, 2006, p. 47-63. [↩]
5. Le deep learning est une combinaison de méthodes d’apprentissage automatique évolutive. [↩]
6. Le logiciel d’automatisation reste perfectible et des améliorations sont encore nécessaires. J’espère pouvoir améliorer plusieurs points, notamment le système de citation des pages et de correction. J’ai néanmoins pu constituer les chemins de fer des œuvres de mon corpus primaire, ce qui était mon objectif principal. [↩]

---

---