Séminaire “Création de modèle(s) HTR”

Création de modèle(s) HTR pour les documents médiévaux en ancien français et moyen français entre le Xe et le XIVe siècle

L’utilisation croissante de l’HTR (handwritting text recognition) pour les documents médiévaux fait surgir de nombreuses questions éditoriales et de nouveaux investissements en termes de production de données. Il devient donc primordial d’essayer d’uniformiser les pratiques de transcriptions afin de pouvoir constituer des sets de données partageables et réutilisables pour en minimiser le coût.

Dans le cadre des projets CREMMA et CREMMALAB auxquels sont associés l’École nationale des chartes et le centre Jean Mabillon, l’organisation de ces ateliers a pour but de mener collectivement une réflexion sur la meilleure manière de transcrire les documents médiévaux aussi bien issus de corpus littéraires que documentaires afin de constituer des données de qualité qui permettront à terme d’entrainer des modèles pour l’HTR. 

Nous réfléchirons aux différents niveaux de précision possibles pour la transcription : d’une transcription allographétique à une transcription normalisée en tenant compte des problématiques éditoriales qui peuvent être extrêmement variées d’un projet à un autre, mais aussi des expériences utilisateur et des problématiques propres à l’entrainement d’un algorithme d’intelligence artificielle. En essayant de répondre à ces différentes exigences, nous chercherons à établir une méthode efficace pour transcrire des textes médiévaux afin de constituer les modèles les plus performants possibles, mais aussi les plus utiles à la communauté scientifique.

Au cours de ce séminaire, nous aborderons différents points : la nécessité d’harmoniser les données d’entrainement, le niveau de transcription, la segmentation des mots, l’utilisation de caractères spéciaux pour représenter les abréviations, les signes diacritiques ou les marques de correction. 

À l’issue de ces ateliers, nous espérons pouvoir produire un guide permettant de prescrire et surtout d’harmoniser les différentes descriptions qui pourront servir de données d’entrainement pour la constitution de modèles d’HTR. Chaque séance donnera lieu à un compte-rendu qui sera publié sur HAL et sur ce blog.

Nous prévoyons pour l’année universitaire 2021-2022 six séances de travail au rythme d’une séance par mois d’octobre à mars les deuxièmes mardis du mois de 16 h à 18 h. Les réflexions menées au cours de l’année seront exposées lors d’un colloque sur l’HTR pour les documents anciens qui aura lieu au printemps 2022.