HIS 2021 Casablanca/Atelier Wicri/Article version 1

Article en cours de rédaction

Cette page introduit un projet d'article pour le colloque HIS.7.

Projet de titre

Bibliothèques hypertextes pour la gestion et la valorisation du patrimoine

Sous-titre

Une application pilote avec la Chanson de Roland

Avant-propos pour le wiki

Cet article comporte un axe de réflexion technologique (bibliothèques numériques, hypertexte) pour laquelle les liens portent vers d'autres sites du réseau Wicri.

Avant-propos pour l'article

Cet article a été rédigé sur le site Wicri/Chanson de Roland. Ce qui relève des notes de bas de page dans un article imprimé est remplacé par des liens.

Suivre le lien :

• https://wicri-demo.istex.fr/wicri-chanson-roland.fr/index.php/ArticleHIS7

Introduction

Qu'est-ce qu'une bibliothèque numérique, au juste ?

Il y a 15 ans, Carl Lagoze, un des pionniers des archives ouvertes aux États-Unis posait cette question dans un article de référence [Lagoze 2005]. Le mot hypertexte était absent de cet article.

Au même moment, Wikipédia bouleversait le monde de la connaissance en réalisant une partie des rêves de Paul Otlet. Le réseau Wicri (Wikis pour les communautés de la recherche et de l'innovation) s'est alors appuyé sur cette approche pour proposer un réseau de sites encyclopédiques pour la recherche. Puis, des articles, des livres, y ont été réédités en mode hypertexte. Un site ressemble alors à une bibliothèque où les rayonnages sont remplacés par un substrat encyclopédique.

En 2021, la valorisation simultanée d'un ouvrage annoté par Paul Meyer et celle d'une suite musicale autour de la Chanson de Roland amène à approfondir cette réflexion, dans sa dimension technologique mais aussi historique. En effet, cette chanson de geste fait plonger dans le monde des bibliothèques du Moyen-Âge, avant l'imprimerie. Or les manuscrits deviennent librement accessibles sur le web. Ils ont fait l'objet de nombreux livres de références au XIX^e siècle, avant la généralisation des reproductions photographiques. Ces ouvrages, avec des points de vue souvent contradictoires, sont maintenant largement disponibles sur le Web. Des milliers d'articles contemporains explorent cet ensemble dans toutes les directions. Les chercheurs, les bibliothécaires ou les curieux ont besoin de manipuler, de comparer ces fragments et les autres textes qui en discutent. Comment rééditer ces écrits dans un ensemble hypertexte unifié pour favoriser tout type d'exploration.

Ces expériences nous amènent en fait à reposer la question :

• Qu'est-ce qu'une bibliothèque numérique pour le patrimoine au juste ?

Dans cet article, nous donnerons quelques réflexions sur l'évolution des bibliothèques numériques dans une dimension hypertexte. Nous présenterons différents volets de l'expérimentation Wicri dans les humanités numériques avec des exemples sur la Chanson de Roland. Nous présenterons ensuite les aspects originaux liés à cette œuvre. Enfin, nous discuterons de la généralisation des résultats vers d'autres domaines notamment pour la préservation du patrimoine.

Des bibliothèques de manuscrits aux bibliothèques hypertextes

Qu'est-ce qu'une bibliothèque ? Pour le dictionnaire TLF (Trésor de la langue française) c'est : « un lieu où est rangé une collection de livres ». Dans un premier temps nous allons donc approfondir la notion de livre numérique. Mais auparavant, nous donnerons quelques points de repères que la Chanson de Roland.

Quelques repères sur la Chanson de Roland

Le 15 aout 778, de retour d'Espagne, Charlemagne perd son arrière garde, dont Roland, préfet de la Marche de Bretagne, dans la bataille de Roncevaux. Dans une floraison de chansons et d'épopées à la gloire de l'empereur nait la légende de Roland (avec par exemple la traitrise de Ganelon, le son du cor, ou l'épée Durandal qui brise le rocher). Cette épopée est transcrite en manuscrits, objets de multiples copies (et adaptations), dont l'une datée du XIIe siècle est conservé dans un bon état à la bibliothèque Bodléienne à Oxford.

Elle sera cependant oubliée pendant plusieurs siècles. La légende donnera lieu à d'autres poèmes épiques comme par exemple l'Orlando furioso de l'Arioste qui donnera lieu à de multiples compositions musicales ; mais avec un récit assez éloigné du poème initial.

En 1835, Francisque Michel identifie à Oxford le plus ancien manuscrit sur la Chanson de Roland. Il s'en suit une très vive activité de transcriptions et de traductions (en France Léon Gautier, Paul Meyer...), avec des confrontations avec d'autres manuscrits.

Cette activité se poursuit au poursuit au XX^e siècle avec de nouvelles traductions (Joseph Bédier...), de multiples adaptations et des publications scientifiques. Sur Google Scolar la requête « Chanson de Roland » sélectionne 30.000 références.

Du papyrus à l'hypertexte en passant par le codex imprimé

Il y a environ 2200 ans, après 300 ans de rédaction en mode page (tablette d'argile, papyrus), le codex est apparue sous la forme d'un assemblage de feuillets (parchemins), où l'on peut tourner les pages et feuilleter. Les livres actuels en version papier ou la plupart des documents numériques simples (du fichier Word au PDF) conservent le même type d'organisation.

En 1985, avec les formats SGML puis XML 10 ans plus tard, les documents numériques se structurent en arborescences. Mais cette transformation, fondamentale pour les programmes, est souvent cachée aux utilisateurs.

En 2005, avec la technologie wiki, la notion de page est bouleversée. En effet, une page wiki peut être réduite à quelques caractères (une redirection) ou contenir le contenu intégral d'un ouvrage traditionnel. Un page peut contenir un programme (modèle) utilisable par un contributeur. Ce dispositif va permettre de retrouver une structuration en chapitres et de créer des documents de taille gigantesques manipulés par des milliers de contributeurs. Ainsi Wikipédia en français est un livre numérique de 1.700.000 pages lisibles.

Voici quelques exemples d'adaptations numériques d'ouvrages anciens pour lesquels le mode page doit être revisité en passant en mode numérique.

Pour la Chanson de Roland, le manuscrit d'Oxford est un codex. Il a une structure est un peu particulière : une simple suite de couplets, nommés laisses, sans paragraphage, sans numérotation (au départ), sans table des matières. Il aurait pu avantageusement être rédigé dans un volumen (en rouleau). Nous verrons plus loin que son passage en numérique a induit une profonde transformation en hypertexte (par exemple les laisses sont réparties sur différentes pages wiki). D'autres manuscrits devront être traités de façon analogue.

Toujours sur cette épopée, la structure des transcriptions et traduction au XIX^e siècle est très liée aux contraintes matérielles. Par exemple, la version critique de Paul Gautier est répartie sur 2 tomes. Le premier décline une transcription et une traduction avec un alignement sur les laisses du manuscrit. Le deuxième tome contient des notes qui pointent vers des numéros de vers. Leur passage en numérique peut bénéficier d'une profonde réorganisation dans un ensemble hypertexte .

Les dictionnaires sont également des documents dont la numérisation est particulière. Le cas du TLF est intéressant. Dans le projet initial de Paul Imbs, le dictionnaire a été conçu en 1960 avec un traitement informatique pour produire une collection papier. Dans les années 90, Jacques Dendien a repris les fichiers de compositions pour produire un ouvrage numérique, au départ géré un CD-ROM puis sur un site Web, le TLFi. Le livre est devenu un site Web. Dans l'expérimentation Wicri, des extractions sont réalisées à partir du TLFi pour produire des pages wikis (ou des rubriques de pages wikis). Le TLF devient un hypertexte au milieu d'autres hypertextes.

Dans ce contexte, que devient la bibliothèque ?

La bibliothèque : rayonnages, entrepôt numérique, hypertexte

Pour le TLF, nous avons vu, une bibliothèque est un lieu où l'on range des livres. Pour que l'on puisse ranger et retrouver des ouvrages, des dispositifs d'accompagnement ont été développés, plans de classements, fichiers matière, fichiers auteurs etc.

Une bibliothèque numérique est un dispositif informatique où l'on gère des livres numériques pour les retrouver avec un moteur de recherche.

En fait, dans un premier temps, jusqu'en 1990, l'automatisation des bibliothèques a consisté à informatiser les métadonnées de classement pour permettre à un OPAC de fournir un titre et une côte. Et puis, les documents ont été numérisés, avec un OCR souvent sommaire, mais qui permettait d'améliorer le moteur de recherche d'une bibliothèque. La plupart des entrepôts de données de type archives ouvertes fonctionnent dans ce paradigme.

En 2005, l'article de Carl Lagoze montre comment fédérer des réseaux de bibliothèques numériques par du moissonnage ou des requêtes simultanées avec des formats comme le Dublin Core. L'utilisateur ne sait plus quelle bibliothèque a répondu à sa requête. Ce phénomène est accentué avec l'irruption des triplets RDF. Mais le résultat d'une requête est généralement un document.

Quand les documents deviennent des hypertextes, il n'y a plus de frontière bien définie entre une bibliothèque numérique et ses documents. Un moteur de recherche délivre des fragments, ou des ensembles de fragments...

Avec les wikis, le même logiciel (MediaWiki par exemple) peut gérer un immense document (Wikipédia), ou bien une bibliothèque de document en textes intégral (WikiSource), ou encore un entrepôts d'objets multimedia structuré par des articles (Wikimedia Commons), etc.

L'ensemble des sites du projet Wicri est souvent présenté comme un réseau de bibliothèques numériques où cohabitent des parties encyclopédiques et des documents. Ces parties encyclopédique jouent en partie le même rôle que les fichiers matières dans une bibliothèque classique. L'image d'une bibliothèque où la couche encyclopédique remplace les rayonnages a donc été utilisée.

Dans le cas de la Chanson de Roland, l'ensemble des manuscrits et des ouvrages qui leur sont directement associés deviennent des hypertextes. La frontière entre la bibliothèque et les documents explose. Nous parlerons de bibliothèque hypertexte.

La bibliothèque : salle de lecture, scriptorium, learning center

De tout temps, la bibliothèque a été une salle de lecture. Cette fonction est devenue de plus en plus virtuelle avec l'extension du numérique, ou les chercheurs explorent les bibliothèques numériques.

Du temps des manuscrits, notamment dans les monastères, le scriptorium était un atelier où travaillaient les copistes, généralement sous la conduite d'un bibliothécaire. L'imprimerie avait déporté cette fonction chez les imprimeurs. Avec le numérique les fonctions éditoriales reviennent dans les bibliothèques.

Avec des CMS traditionnels (type HAL), la bibliothèque est un lieu de dépôt où le temps de travail est relativement limité. Avec les CMS à haut degré de paramétrage et d'interaction (exemple les modèles de MediaWiki), la bibliothèque numérique redevient un espace de travail collectif.

La conception même des services est bouleversée. En effet, sur un wiki, grâce aux modèles, leur réalisation peut être assurée par les contributeurs et non par des informaticiens. Des experts dans leur domaines d'applications peuvent devenir totalement indépendants s'ils acquièrent une formation technologique au numérique avancé.

Sur Wikipédia, la communauté des contributeurs joue un rôle d’apprentissage proche de celui des learnings centers des bibliothèques universitaires.

La genèse du projet Wicri/Chanson de Roland

L'expérience sur la Chanson de Roland est issue d'un concours de circonstances qui mérite d'être rapporté car il illustre la réactivité des approches étudiées dans ce projet. Voici donc les points de départ de cette aventure.

Pour le projet Wicri, l'expérience Wikipédia montre que des milliers de volontaires pouvent trouver du plaisir à construire un immense service de diffusion de connaissances. Le réseau Wicri a donc été créé pour tester cette approche sur un ensemble de bibliothèques thématiques ou régionales, au départ dédiées à la valorisation des recherches en cours. Des expérimentations ont été également menées en sciences humaines. Elles ont conduit à expérimenter des rééditions numériques, par exemple sur l'histoire de la Lorraine ou en musique.

Francisque Michel annoté par Paul Meyer

En 2011, suite au bon accueil d'une réédition d'un ouvrage d'Henri Lepage édité en 1852 sur le Palais Ducal de Nancy, l'équipe Wicri a été sollicitée pour assister un stagiaire en philologie.

En effet, la Bibliothèque universitaire de Lettres de Nancy (BUL) est dépositaire d'un fonds Paul Meyer dont l'un des objet de référence est « La Chanson de Roland et le Roman de Roncevaux des XII^e et XIII^e siècles » écrit par Francisque Michel et annoté par Paul Meyer. Cet ouvrage s'appuie sur le manuscrit d'Oxford. L'équipe Wicri avait donc apporté un soutien logistique pour rééditer cet ouvrage sur un wiki dédiée aux collections de la BUL en 2014.

D'Irish Mass à la Chanson de Roland

De façon totalement indépendante, sur un wiki dédié à la musique, en 2018, l'équipe Wicri a procédé à une mise en ligne des partitions d'une œuvre du compositeur Gilles Mathieu. Cette pièce, nommée Irish Mass (messe irlandaise), avait fait l'objet d'une œuvre régionale pour les chorales de la fédération A Cœur Joie Lorraine. Le site avait été construit pour permettre aux choristes de trouver des outils d'apprentissage et surtout, pour les chanteurs ou auditeurs curieux, de découvrir le contexte culturel et musical de l’œuvre.

Or Gilles Mathieu a aussi réalisé une suite sur la Chanson de Roland (qui avait été interprétée par la Chorale Universitaire de Nancy).

Un stage déclencheur

En 2021, le projet Wicri a été sollicité pour accueillir des stages d’étudiants en L3 sciences cognitives. Un des candidats avait une bonne culture musicale. Une mission de stage a été définie, en mai 2021, pour étudier le rapprochement numérique de la réédition de Francisque Michel avec une transcription de la suite musicale de Gilles Mathieu. L'idée était de s'appuyer sur le manuscrit d'Oxford (facilement accessible sur Wikimedia Commons) comme média intermédiaire.

Le problème s'est révélé beaucoup plus complexe et plus intéressant qu'il n'avait été imaginé. En effet, Gilles Mathieu, s'est appuyé sur une autre transcription du manuscrit, réalisée par Paul Gautier. Or Francisque Michel a des divergences d'interprétation. Par exemple, ces deux philologues ne sont pas d'accord sur le découpage du texte du manuscrit en couplets.

A ce point, il est utilise de préciser que ce sujet a été abordé avec des acteurs qui n'avaient aucune connaissance du monde des chansons de geste. Nous avons cependant réalisé très rapidement l'ampleur le sujet et son intérêt. Il a donc été décidé de mener une étude de faisabilité d'un projet de grande ampleur autour des multiples sources et travaux sur la Chanson de Roland.

La Chanson de Roland, expérience pilote dans les humanités numériques

En mai 2021, la Chanson de Roland est donc devenue une expérience pilote, avec la création d'un wiki dédié à ce sujet.

Cette section présente différents du projet Wicri qui seront repris par cette expérimentation. Une première section introduit les fonctions qualifiées d'encyclopédique. Une deuxième abordera différentes facettes des rééditions.

La base encyclopédique

De façon générale la première couche encyclopédique de Wicri est une fédération d'observatoires sur les recherches en cours. Nous l'avons vu, les travaux scientifiques sur (ou autour de) la Chanson de Roland sont abondants. Face à l'abondance de cette littérature, le wiki Wicri/Chanson de Roland intègre un observatoire qui est encore embryonnaire.

Sur chaque wiki, ce noyau est ensuite complété par des données propres au domaine (par exemple, la classification du vivant dans les domaines de l'environnement). Cet ensemble forme la base encyclopédique. L'expérimentation sur la Chanson de Roland permet d'approfondir cette réflexion dans le champ des applications du patrimoine. L'objectif actuel du projet est de l'explorer de façon transversale (sans chercher à l'exhaustivité dans les branches).

A partir de ce point le texte est souvent réduit à suite de notes ou doit être remanié en profondeur

Première étape : signalements et mises en fiches

La couche encyclopédique joue un premier rôle de glossaire alimenté de façon pragmatique (en fonction de l'intérêt des sujets) et non par ordre alphabétique.

Le mode d'alimentation est proche de celui de Wikipédia, où le nommage des objets ou concepts joue un rôle fondamental. MediaWiki, offre une palette de dispositifs, pour faciliter ce travail, et notamment les redirections et outils de gestion des pages. Citons également les pages de discussions ou les pages personnelles, où l'on peut déjà noter des informations brutes ou des questionnements. Pour faciliter la tâche des contributeurs, (et l'insertion dans le Web sémantique) le nommage de ces pages est, si possible, aligné sur Wikipédia.

Une fois les objets identifiés, un autre point fort de MediaWiki est la puissance des modèles qui donnent aux spécialistes d'un domaine une très grande autonomie de développements. Par exemple, sur Wikipédia, chaque communauté peut définir ses propres boîtes de description (infobox) pour décrire ces objets.

Le signalement des recherches en cours est basé sur les publications avec des métadonnées relativement classiques. L'identification des grandes revues (exemple Romania) ou des grands colloques (exemple : Rencesvals) est un premier point d'entrée pour localiser (et mettre en fiches) les personnalités essentielles (via les comités) les articles fondamentaux, les institutions dans leurs contextes géographiques actuels.

Avec l'introduction des indicateurs dans le vie académique depuis 30 ans, l'identification de ces éléments est relativement facile. Les acteurs et les organismes vont être répartis sur des pages wikis avec les liens vers d'autres pages affectés aux entités géographiques.

Au delà des recherches en cours plusieurs types de données doivent être pris en compte par exemple la littérature historique, et le sujet proprement dit.

Les éléments de la littérature historique (des manuscrits aux ouvrages des années 1950 en passant par les traductions du XIXe siècle) sont apparues plus complexes à identifier. Il faut par exemple intégrer les multiples variantes historiques des éléments bibliographiques (en s'appuyant notamment sur Data.bnf).

L'histoire de la Chanson de Roland, avec ses personnages, ses lieux, ses évènements ouvre un autre champ d'investigation où il faut expliciter ce qui relève de l'histoire où de la légende. Il faut également intégrer les autres récits (chansons de geste...) qui l'ont inspiré.

La Chanson de Roland est également une source de textes de références pour les études sur les langues médiévales.

Enfin, la Chanson de Roland a inspiré une multitude d’œuvres romanesques, théâtrales, musicales ou cinématographiques dans différentes régions pour différents publics.

La base encyclopédique est donc potentiellement très riche.

Réseaux sémantiques dans la base encyclopédique

Tous ces éléments doivent faire l'objet de fiches commentées en reliées dans la base encyclopédique.

MediaWiki propose un mécanisme de catégories hiérarchisées. Il permet de définir un thésaurus qui apporte un premier élément de structuration sémantique.

Le réseau Wicri utilise également les extensions sémantiques (Semantic MediaWiki). Elles permettent d'affecter un nom de propriété aux liens entre pages. Par exemple, dans la page décrivant le colloque Rencesvals 2020 Nancy, la mention de l'Université de Lorraine en tant qu'organisatrice est codifiée ainsi :

[[A pour organisateur::Université de Lorraine]]

Sur la page de l'Université, un modèle nommé {{Wicri voir aussi, université}} permet alors d'afficher automatiquement la liste des manifestations organisées par cette institution.

Ce modèle sémantique des organisations a été rodé dans des domaines où les chercheurs sont attentifs au signalement de leurs affiliations, où les organisations de colloques sont formalisées et où les pratiques liées à la science ouverte se généralisent. Ici, cette formalisation est plus complexe. Par exemple, dans les congrès de la Société Rencesvals, la notion de comité de programme est nettement plus floue, avec un comité d'organisation qui joue manifestement un rôle de sélection scientifique.

Chaque type de travail peut apporter ses propres relations sémantiques. Un étude sur les variantes orthographiques avait été réalisée autour de la réédition de l'ouvrage de Francisque Michel avec l'introduction d'attributs comme « A pour variante de Charlemagne ». Le travail sur les manuscrits décrit plus loin demande l'introduction de nouveaux attributs comme « A pour orateur ».

Pour les lecteurs, la navigation élémentaire est transparente (comme sur Wikipédia). Une formation légère permet de bénéficier d'une navigation experte. Pour les contributeurs, une petite formation est nécessaire pour utiliser une ontologie existante. L'adjonction de nouveaux attributs relève de la conception d'ontologies.

Les serveurs d'explorations pour enrichir la base encyclopédique

Pour enrichir de façon prospective la couche encyclopédique, le projet Wicri utilise des techniques d'explorations de corpus de publications.

Cette expérience est ancienne. En effet, dans les années 90, un projet nommé ILIB a été développé à l'INIST pour améliorer l'exploitation des bases Pascal et Francis en utilisant SGML pour les métadonnées bibliographiques. Un peu plus tard, au LORIA, une nouvelle version nommée DILIB, permettait d'assembler des modules en interface XMl pour générer des systèmes de recherche d'information incluant des fonctions infométriques (notamment des algorithmes de classification).

Dans les années 2000, les services proposés reposaient sur des corpus de métadonnées hétérogènes (exemple Pascal et Medline) mais bien structurés. Les résultats étaient généralement livrés sous forme de rapport accompagnés d'une extraction de quelques références bibliographiques pertinentes (par exemple 200 sur un ensemble de 5000 notices initiales).

Grâce au programme ISTEX, nous avons repris ce type d'expérimentation (150 sur quelques années). Une grande partie a été réalisée dans le cadre de travaux dirigés dans des master en science de l'information. Par rapport à la phase précédente l’infrastructure wiki a apporté des améliorations notables :

• Il est maintenant possible de traiter des documents en texte intégral (normalisation TEI notamment).
• Les rapports deviennent des pages wikis sur lesquelles on trouve notamment des projection géographiques.
• les corpus sont extérieurs au wiki mais sont visibles dans leur intégralité. Il est donc possible d'analyser la qualité statistique du corpus (en allant, par exemple, explorer des régions de faible occurrence)
• La génération des serveurs est réalisée à partir d'un paramétrage réalisé dans les pages du wiki (au lieu d'un assemblage assez complexe dans des scripts en shell d'unix).
• Des règles de curation peuvent être exprimées dans le wiki en s'appuyant sur la formalisation sémantique contenue dans le wiki.

Cohérence sémantique dans le réseau

Cette couche encyclopédique est en grande partie indépendant d'un domaine donné. Le réseau de wikis apporte alors une aide importante pour bâtir les fondations d'un nouveau wiki.

Le réseau actuel est un ensemble d'une vingtaine de familles multilingues à couverture géographique, un autre ensemble équivalent de sites scientifiques, quelques wikis spécialisés, et des wikis techniques. Un des wikis techniques (Wicri/Base) contient un ensemble d'un millier de modèles et métadonnées communes qui apporte un premier niveau de cohérence sémantique au réseau.

Rééditions numériques hypertextuelles

Les rééditions structurantes, puis éditoriales

Pour construire un observatoire des recherches dans un champ donné, la réalisation d'un ensemble sémantique de fiches relatives aux chercheurs, laboratoires, congrès, publications, entités géographiques est « relativement simple » et quantifiable. La fusion de 4 universités demande de nombreuses modifications dans le réseau mais qui restent facilement programmables.

En revanche la rédaction d'une page de synthèse sur « la recherche en Lorraine » sur Wicri, ou la tentative de reconstruire une page correcte sur le concept de métadonnées sur Wikipédia s'avèrent complexe et demande un travail de rédaction très conséquent.

Dans le réseau Wicri, les premières rééditions ont été motivées par le besoin d'offrir rapidement des textes de synthèse. Ainsi le premier exemple a été : le CPER (Contrat de plan état région) de la Région Lorraine en 2007. Le document a été en fait réédité pour permettre une meilleure lisibilité en ligne et l'insertion de liens et d'annotations sémantiques.

A l'occasion d'une action politique nancéienne sur la Renaissance, un premier test de réédition dans une perspective hypertexte a été réalisée sur un ouvrage écrit par Henri Lepage en 1852 sur le Palais Ducal de Nancy. Les opérations suivantes ont été réalisées :

• mise en ligne sous la forme d'un ensemble de pages wikis avec des mécanismes de navigation entre les chapitres,
• correction de l'OCR issu de Gallica, (ce texte devient réutilisable)
• insertion de nombreux liens sémantiques avec enrichissement du wiki sur l'histoire de la Lorraine (aspects structurants du domaine sur le wiki qui joue un rôle de glossaire)
• reprise d'une figure contenant de nombreuses ancres (sous la forme de lettres majuscules) par une carte cliquable.

Dans cet exemple, il s'agit bien d'une réédition d'un ouvrage et pas simplement d'un archivage. De son coté le wiki n'est plus simplement un ensemble de pages ou de fiches mais commence à ressembler à une bibliothèque.

Valorisation des publications

Pour les sciences de l'information, le projet Wicri implémente un réseau de bibliothèques, avec deux niveaux de validation. Trois wikis sont affectés à des communautés scientifiques (CIDE, H2PTM, VSST). Tous les articles acceptés peuvent donc y être transcrits, indexés, annotés, commentés dans les pages de discussion. Dans le contexte ISTEX, des étudiants (sous encadrement avancé) ont réalisé des serveurs d'exploration qui permettent d'éclairer la couverture de la communauté de ces colloques avec la production internationale. Sur cet ensemble, un wiki thématique commun (Wicri/Sciences de l'Information) va mettre en valeur les meilleurs articles.

Ces articles sont généralement transcrits en wikitexte pour bénéficier des mécanismes d'indexation sémantique (et être analysés par le moteur de recherche du wiki).

Concernant la Chanson de Roland, cette phase en en cours de démarrage. Elle pose quelques problèmes spécifiques :

1. Les pratiques liées à la science ouverte sont encore peu répandues dans la communauté scientifique concernée. Il est donc difficile de valoriser des articles récents.
2. La lecture de nombreux articles demande une solide érudition. Le wiki doit donc offrir une collection d'articles abordables par un plus large public.
3. Ces articles font des références aux manuscrits originaux et à leurs transcriptions et traductions historiques.

Ce dernier point fait l'objet des travaux prioritaires et sera détaillé dans la section suivante.

La musique

Le wiki Wicri/Musique introduit une dimension multimédia qui offre un volet très démonstratif dans la valorisation du patrimoine écrit. Dans une bibliothèque classique ou sur Gallica la lecture avancée d'un livre traitant de musique implique que le lecteur soit capable d'interpréter une partition. Sur Wikipédia ou dans le réseau Wicri la musique peut être immédiatement écoutée.

La technologie utilisée repose sur le logiciel de gravure musicale LilyPond. La musique y est codée dans un langage formel dont la syntaxe rappelle celle de TeX pour les mathématiques. Voici par exemple les premières notes d'au clair de la lune en si bémol majeur :

\relative c' { \time 4/4 \key bes \major bes4 bes4 bes4 c4 d2 c2 }

Les musiciens sont souvent partagés sur les avantages de cette pratique par rapport aux systèmes WYSIWIG, notamment pour les compositions conséquentes. Ici, de nombreux articles contiennent beaucoup de texte avec de courtes séquences musicales sur lesquelles plusieurs contributeurs peuvent intervenir.

Cette approche est mise en œuvre pour rééditer des articles issus notamment de Gallica. Des articles originaux ont été produits avec comme objectif éditoriaux d'aider les choristes interprétant des pièces de la Renaissance à comprendre les mécanismes de transcription à partir des partitions originales. Une pièce contemporaine (Irish Mass de Gilles Mathieu) a été rééditée sur une cinquantaine de pages wikis (soit des centaines de pages effectives), pour offrir des outils de travail à destination des choristes et des articles pour l'approfondissement du contexte et de la musique.

Le même travail est en cours de réalisation pour sa composition (oratorio profane) sur la Chanson De Roland.

Les dictionnaires

L'article carillon du Dictionnaire de musique de Jean-Jacques Rousseau (1767) a été l'un des premiers articles de réédition avec une partition sur Wicri/Musique.

Sur Wicri/Musique, à partir de ce premier essai, des travaux ont été menés pour permettre des comparaisons entre plusieurs dictionnaires :

• Le dictionnaire de Jean-Jacques Rousseau ;
• Le dictionnaire de musique de Sébastien de Brossard (1703) ;
• l'Encyclopédie de Diderot en 1751 (dans laquelle Diderot a rédigé les articles de musique)
• le Trésor de la Langue Française (1970 - 1990)

Les dictionnaires sont en fait « découpés en articles » pour que les définitions puissent être comparées.

Pour la TLF il est alors possible de rétablir des liens entre les entrées et les textes de référence. Ainsi sur Wicri/Santé l'introduction à la médecine expérimentale de Claude Bernard est rééditées car elle est très souvent citée dans le TLF pour les articles médicaux. Cet exemple montre la faisabilité d'un ensemble constitué d'un dictionnaire de langue en construction incrémentale avec un ensemble de textes réédités dans cette bibliothèque.

Pour la Chanson de Roland, le TLF utilise ce texte, notamment dans la transcription de Bédier, pour donner des attestations (exemple définition de mule).

Le chantier de la Chanson de Roland

Nous avons montré comment le Chanson de Roland pouvait bénéficier des expérimentations antérieures sur Wicri.

Cette section aborde les aspects originaux qui dépassent la vision encyclopédique. En effet, les manuscrits et ouvrages primaires (transcriptions et traductions) doivent être réédités dans une approche hypertexte.

Basés à l'origine sur une tradition orale cette épopée a donné lieu à de multiples variantes dont les éléments doivent être approchées.

La construction de cette bibliothèque numérique est donc une expérimentation significative d'une construction itérative d'un système de gestion de documents issus d'un patrimoine écrit anciens.

Les sources et la modélisation de leur réseau

Sources numériques hétérogènes

A partir d'une une histoire du VIII^e siècle, la Chanson de Roland a donc créé un large panorama d'informations patrimoniales hétérogènes : , des manuscrits du XII^e siècle, des ouvrages du XIX^e siècle, de multiples publications au XX^e siècle et des composition musicales, de la Renaissance (Rolando furioso) au XXI^e siècle. Toutes ces sources peuvent être rééditées, découpées, ré-assemblées dans une formulation hypertexte.

En 10 ans, des progrès considérables ont été accomplis dans l'accès aux sources numérisées. Un site comme Arlima en donne un panorama très abondant. Malheureusement, leur hétérogénéité dans les formats et protocoles est considérable. Voici quelques exemples.

Le manuscrit d'Oxford est accessible dans son intégralité sur Wikimedia Commons, avec une organisation séquentielle qui permet un téléchargement intégral des images avec restitution d'un parcours également séquentiel sur le wiki.

En revanche, d'autres manuscrits sont plus difficiles à localiser et à exploiter. Par exemple, à la BnF, la gestion des manuscrits est visiblement différente de celle des ouvrages imprimés. Ils ne sont pas toujours faciles à localiser dans Gallica. Pour le manuscrit de Châteauroux, la première page est accessible avec un fac-similé de bonne qualité à l'IRHT. En revanche les autres pages sont relativement complexes à téléchargées et elles sont encombrées par une inscription de propriété. En fait presque chaque manuscrit (Venise, Cambridge) dépend de son propre service de visualisation.

Pour les ouvrages imprimés du XIX^e, nous avons principalement utilisé 3 sources : Gallica, Internet Archive et WikiSource. Les qualités de numérisation et de performance OCR peuvent être très différentes sur les 2 premières. WikiSource fait partie des sites de la Wikimedia Foundation et utilise le moteur MediaWiki. Les documents sont alors relativement faciles à récupérer (avec les modèles de mise en forme). C'est notamment le cas pour la version critique de Léon Gautier de 1872.

Pour les ouvrages plus récents, la difficulté est d'ordre éditoriale. En effet, certains relativement hermétiques pour les non érudits. Il faut donc privilégier dans un premier temps ceux qui permettent d'acquérir cette érudition. Par exemple, nous avons réédité l'introduction de la version dite populaire de Léon Gautier de 1895.

Gestion des manuscrits

Dans un premier temps, une priorité s'est manifestée : la gestion des sources primaires (manuscrits), leurs transcriptions et leurs traduction. En effet, la plupart des articles contiennent des références sous la forme de numéro de vers ou de numéro de laisse.

L'organisation des manuscrits parait relativement simple. Un manuscrit est un ensemble de vers qui sont d'une part répartis sur un ensemble de feuillets recto verso, et d'autre part regroupés en couplets (laisses). Une laisse contient des vers en assonance et commence par une lettrine. Dans le manuscrit d'Oxford elles se terminent par une mention mystériuse « [Aoi] ». Une laisse peut être à cheval sur 2 pages.

En fait, dès que l'on cherche à aligner plusieurs ouvrages primaires (transcription) avec un manuscrit les divergences de numérotation sont omniprésentes. Ainsi la dernière laisse est numérotée CCXCI chez Roland Bédier, CCXCIII chez Edmund Stengel, CCXCVI chez Francisque Michel et CCXCVII chez Léon Gautier. En effet, le contenu de certaines laisses pose des problèmes d'interprétation.

Par exemple le feuillet 43 verso ne contient ni lettrine, ni mention AOI, mais est visiblement une charnière dans le récit. Il contient un vers de transition entre la partie dédiée à la mort de Roland et celle qui est dédiée au retour de Charlemagne  :

Morz est Rollant, Deus en ad l’anme es cels.

Or elle ne contient ni lettrine, ni mention AOI. En revanche un point apparait sur le manuscrit.

Les médiévistes ont des interprétations divergentes. Bédier et Gautier considèrent ce vers comme le début d'une nouvelle laisse. Michel en fait la fin de la précédente et Stengel propose une version sans changement de laisse (et donc avec un décalage dans le numérotation).

Pendant la mission de stage, un alignement a été tenté entre la version de Francisque Michel et le manuscrit en utilisant des catégories. Elle a permis de détecter quelques problèmes du même type. De même, les premiers travaux d'alignement entre l'oratorio de Gilles Mathieu et le manuscrit ont mis en évidence les divergences avec Léon Bédier.

En même temps, l'exploration des sources a mis en évidence un ouvrage de Stengel dans lequel la pagination suit le découpage en laisses du manuscrits d'Oxford.

La gestion du manuscrit d'Oxford est basé sur une première structure hypertexte basée sur les feuillets. A chaque feuillet est associé une page wiki qui est généralement organisée en 3 parties :

• pour le recto, l'association entre la fac-similé de la page du manuscrit et la transcription de Stengel (les liens sur les images sont actifs et permettent des navigations parallèles) ;
• même chose pour le verso ;
• la liste des laisses dans une numérotation propre au réseau Wicri.

Pour chaque laisse, une page wiki permet de retrouver le ou les feuillets dans lesquels elle est contenue.

Elle contient également un ensemble d'informations permettant de confronter les points de vue.

Les interactions entre un Oratorio profane, les manuscrits et les traductions

Pratiquement tous les documents offrant des analyses du manuscrit d'Oxford sont organisées autour des laisses. L'ensemble des pages wikis affectés à des laisses joue donc un rôle essentiel, la colonne vertébrale de l'hypertexte associé à un manuscrit.

Pour constituer son oratorio, Gilles Mathieu s'est appuyé sur la transcription de Léon Gautier pour structurer son oratorio en 10 mouvements qui sont proches de la mise en chapitre de l'ouvrage (exemple : La mort de Roland, ou la cité sur la colline qui correspond au conseil tenu par Marsile à Saragosse). Il a ensuite sélectionné quelques vers significatifs pour les mettre en musique. Cette musique donne un éclairage particulier aux couplets concernés. La réédition de l'oratorio va donc contenir des liens vers les laisses concernées (avec parfois un décalage de numérotation).

Réciproquement, dans chaque laisse concernée, le thème musical est explicité par une ligne mélodique.

La même approche est utilisée pour les traductions et transcriptions. Les textes sont souvent dupliqués pour être plus facilement accessibles aux lecteurs. Mais, de fait, un ouvrage donné est découpé en environ 300 fragments.

Ainsi, les pages associées aux laisses gèrent les interactions, avec les contenus suivants :

• des liens vers le ou les feuillets concernés,
• la liste des numérotations dans les divers ouvrages,
• quelques versions significatives, éventuellement avec les notes associées,
• s'il y a lieu, un extrait musical.

Résultats, analyses et perspectives

L'abondance des sources et travaux sur la Chanson de Roland pourrait mobiliser plusieurs experts pendant plusieurs années pour constituer une bibliothèque numérique significatives.

Quelles premières leçons pouvons nous tirer d'une expérimentation basée sur deux missions de stages (à caractère exploratoire) et deux à trois mois de travail significatif.

Un des premiers indicateurs est la taille du site au sens MediaWiki : 750 pages à contenu significatif (fiches ou articles) et 1.500 pages techniques (modèles, métadonnées). Le traitement de fond sur le manuscrit d'Oxford est réalisé à 50%.

Démonstrations, blogs, premières découvertes

La technologie utilisée permet de présenter très rapidement des premiers résultats intermédiaires. Pour notre projet, ils sont présentés à une liste de réflexion sur l'évolution de l'IST (40 personnes) et à un groupe de travail plus restreint.

parler ici de la présentation à Kos et des démos personnalisées.

Un blog intitulé « dialogue avec un compositeur » d'échanger avec Gilles Mathieu sur ses choix musicaux ou sa perception de l'épopée.

Nous avons présenté un dispositif qui permet à des spécialistes de faire progresser collectivement leur connaissance sur un domaine.

Pour les amateurs (médiévistes ou musiciens) curieux, il est donc possible d'offrir des ressources de vulgarisation. Un travail est engagé sur la réédition de l'édition populaire de Léon Gautier.

Du côté des médiévistes, nous sommes arrivé à un résultat intéressant en ayant localisé l'ouvrage imprimé où Paul Meyer a finalisé son travail d'annotation sur Francisque Michel.

 ...

Gérer l'incomplétude sans égarer le visiteur

L'approche wiki permet donc de diffuser très rapidement des résultats.

Elle pose cependant des problèmes qui sont ici exacerbés. En effet, la réflexion engagée dans Wicri s'attaque à la faisabilité de réalisations impliquant des centaines d'acteurs (Pascal, Francis TLF). Et, en pratique, l'équipe Wicri est actuellement constituée par une personne à temps plein (retraité), assisté ponctuellement par des ressources complémentaires limitées.

La gestion de l'incomplétude est donc, pour Wicri, un problème omniprésent.

Dans le cas de la Chanson de Roland, la volumétrie est déjà consistante. Par exemple, une décision portant sur une amélioration minime sur le contenu des laisses et demande 2 minutes par action peut entraîner 10 heures de travail (600 minutes). Wikipédia rencontre des problèmes analogues et sait les traiter en organisant des chantiers. Le même type d'approche doit pouvoir se dégager ici.

Par conséquence, les visiteurs sont confrontés, lors d'une exploration inopinée, à une multitude d'erreurs ou de liens brisés. Il faut donc travailler sur la constitution de complétude partielle autour d'un thème donné (par exemple les quatre premiers vers du manuscrit).

Cela fait surgir d'autres difficultés. Le fait d'ajouter un document explicatif sur un sujet donné a parfois tendance à ouvrir d'autres sujets, et donc d'autres sources d'incomplétude.

La gestion éditoriale d'un wiki est donc un élément fondamental.

Quelles compétences pour l'autonomie des acteurs du patrimoine

Au bout de quelques heures d'assistance, les problèmes syntaxiques sont dépassés et la manipulation d'un wiki parait facile. Ce sentiment peut s'avérer extrêmement trompeur et entrainer des désillusions parfois cruelles.

Et les grands projets de la connaissance

Les approches et technologies ici expérimentées sont largement utilisées au niveau mondial dans des applications souvent spécialisées. Le projet Wicri veut offrir, sur un sujet donné, ici la Chanson de Roland, une infrastructure commune pour multiples applications.

Conclusion

Progressivement et paradoxalement, sur un support numérique, nous avons travaillé comme les bibliothécaires, les copistes et... les savants avant l'invention de l'imprimerie. La bibliothèque n'était pas seulement un lieu de stockage de la connaissance mais avant tout un espace de travail et d'échange scientifique.

Notes

Bibliographie

[Lagoze 2005] ↑ Carl Lagoze,  et al. What Is a Digital Library Anymore, Anyway? In: D-Lib Magazine, 11 2005
Traduit dans la revue AMETIST : Qu'est-ce qu'une bibliothèque numérique, au juste ? Juin 2006

< http://www.dlib.org/dlib/november05/lagoze/11lagoze.html >

---