Manicule : un projet de plateforme de reconnaissance de l’écriture manuscrite (HTR) – Version Bêta
Porté au LaMOP par Pierre Brchrd accompagné par Nicolas Perreaux et Eliana Magnani, Manicule est un projet de plateforme de reconnaissance de l’écriture manuscrite (HTR) visant à appliquer à la transcription des textes du Moyen Âge les avancées techniques les plus récentes. Il entend mettre à disposition des données d’apprentissage et des modèles d’HTR, tout en proposant l’exploration de différentes méthodes de visualisation et d’interrogation textuelle poussée (plateforme NoSketchEngine). Manicule entend en outre accompagner le déploiement de différents programmes d’édition de texte et/ou de constitution de corpus textuels du laboratoire LaMOP, et plus largement de la communauté des médiévistes.
I. Modèle et transcription des documents
Dans cette version expérimentale, ont été transcrits par HTR plus de 50 000 numérisations de manuscrits (12 millions de mots) à l’aide du modèle Manicule Bêta : https://doi.org/10.34847/nkl.acd8tjdg
Ce modèle a été créé à destination du logiciel d’HTR Kraken (https://kraken.re). Ces données d’apprentissage sont disponibles sur l’entrepôt de données Nakala : https://nakala.fr/collection/10.34847/nkl.add6a65e. D’autres données seront ajoutées au fur et à mesure.
Les manuscrits sont majoritairement issus du corpus CBMA, mais aussi, à titre exploratoire, de manuscrits disponibles sur Gallica. Un listing est disponible à cette adresse.
II. Possibilités d’exploration
Il est possible d’explorer ces premiers résultats à l’aide du logiciel NoSketchEngine en sélectionnant le corpus Manicule-Beta : https://nosketch-engine.lamop.fr/#dashboard?corpname=manicule-beta
Après la recherche d’un terme, une liste de résultats est donc proposée par le logiciel NoSketchEngine. Il vous est possible de corroborer la transcription proposée par la visualisation du manuscrit entier (première icône) ou la ligne concernée (deuxième icône).
Parallèlement, les Manuscrits transcrits sont visualisables dans une instance Mirador:
https://manuscrits.lamop.fr/Manicule-Beta/
III. Réutilisation des résultats temporaires
Les transcriptions sont disponibles selon trois propositions
- Des textes brutes sous format PDF/Markdown sont sous Licence CC0 1.0 universel (CC0 1.0) : https://outils.lamop.fr/lamop/manicule/PDF/
- Des résultats de transcriptions issus du logiciel Kraken au format PageXML sont sous (licence Creative Commons Attribution Share Alike 4.0 International) : https://outils.lamop.fr/lamop/manicule/PageXML/. Si vous améliorez ces données, nous souhaitons que vous partagiez vos données.
- Un ensemble de mini sites Internet présentant un mixte de textes et d’images issus des manuscrits : https://manicule.lamop.fr/beta/
Pour rappel, les numérisations extraites des contenus de la BNF/Gallica sont soumises à des Conditions d’utilisation : https://gallica.bnf.fr/edit/conditions-dutilisation-des-contenus-de-gallica
Un exemple des résultats obtenus :
IV. Perspectives de travail
Ces premiers résultats permettent d’apporter quelques éléments de réponse quant à l’utilisation de l’HTR appliquée aux manuscrits médiévaux :
Au plan « énergique », dans la configuration disponible au LaMOP, une transcription « coûte » deux minutes de calcul. Il s’agit donc d’un point à ne pas négliger lors de la transcription d’un nombre conséquent de folios.
La visualisation des manuscrits s’appuie entièrement sur le protocole IIIF, protocole qui est présent à la BNF, mais pas encore systématisé dans d’autres institutions.
Les données d’apprentissage sont un chaînon essentiel de la HTR, nécessitant du temps humain. Leur fabrication peut toutefois s’appuyer sur les nombreuses données disponibles sur l’Internet. Dans le cas présent, différents ressources disponibles en Open Source ont été mobilisées.
Les premiers retours ont été positifs et le projet Manicule va accompagner deux projets de transcription.
Nous remercions le CNRS/TGIR HUMA-NUM, le Centre de Calcul IN2P3 (Lyon – France) et le Pireh (Pôle Informatique de Recherche et d’Enseignement en Histoire de l’Université Paris 1) pour la fourniture des ressources informatiques et de traitement des données nécessaires à ce travail.
OpenEdition vous propose de citer ce billet de la manière suivante :
_ (25 janvier 2023). Manicule : un projet de plateforme de reconnaissance de l’écriture manuscrite (HTR) – Version Bêta. Les carnets du LaMOP. Consulté le 11 février 2025 à l’adresse https://doi.org/10.58079/qq03