Projet de transcription de la correspondance active de Hector Berlioz sa sur Nanci Berlioz

Contexte

Ce projet a t cr dans le cadre du module Git dispens par M.Thibault Clrice pour le master 2 TNAH (Technologies Numriques Appliques l'Histoire) de l'cole nationale des chartes, pour l'anne 2021-2022.

L'objectif de ce devoir tait de collaborer plusieurs pour monter un projet de sources numriques tout en choisissant et utilisant des outils numriques nouveaux, en contrlant la qualit des donnes.

Il s'agissait de dfinir un corpus, et de le soumettre un processus d'HTR (Handwritten Text Recognition) l'aide de l'outil eScriptorium. Ce dernier est un logiciel libre permettant de segmenter un document, de le transcrire automatiquement l'aide d'un modle (voir ce lien pour un tutoriel). Les donnes ainsi obtenues ont ensuite t corriges, afin d'obtenir une transcription la plus pertinente possible. Ce dpt prsente et organise la restitution de ce travail.

Corpus retenu

Nous avons choisi de travailler sur la correspondance active de Hector Berlioz adresse sa sur Anne-Marguerite "Nanci" Berlioz. Cette correspondance est disponible en ligne (Source gallica.bnf.fr / Bibliothque nationale de France). L'ensemble des lettres adresses Nanci Berlioz reprsentait un volume trop important pour notre projet, aussi nous les avons slectionnes, par souci de cohrence, selon un ordre chronologique (voir le tableau de gestion) pour la liste exacte des lettres transcrites).

Au sein d'eScriptorium, nous avons choisi de soumettre notre corpus au modle d'entranement Modle Manuscrit 19e Lectaurep, fruit du projet Lectaurep (LECTure Automatique de REPertoires).

Les vrits de terrain produites par ce projet pourraient servir par la suite entraner des modles d'HTR.

Collaboratrices

Pour l'alignement, la transcription, la gestion de projet, les corrections :

• Ceard Lien
• Lebreton Fanny
• Sajdak Ccile

Architecture du dpt

Ce dpt est organis de la manire suivante :

1. Un dossier de comptes rendus de runions : ce dossier contient de la documentation sur les runions ayant permis de mettre en place le projet. D'autres choix ont, eux, t discuts dans les issues.
2. Un dossier "donnees" contenant un dossier par lettre transcrite, qui comprend :
   • Les transcriptions de la lettre au format XML (standard ALTO).
   • Les images de la lettre.
   • Un sous-dossier pour les transcriptions finales de la lettre au format texte.
   • Un sous-dossier pour les transcriptions brutes, telles que gnres par HTR sur eScriptorium, non corriges.
3. Un README de prsentation du projet (le prsent fichier).
4. Un fichier qui prsente les choix d'exports et les conventions de nommage que nous avons adopts.
5. Un tableau de gestion qui rcapitule les lettres transcrites, leurs liens vers Gallica. Il permet galement une gestion et une visualisation des tapes du projet.
6. Un fichier qui rcapitule les normes de transcription que nous avons adoptes.

tat du projet

Ce projet est termin. Cependant, il pourrait tre poursuivi par la suite afin de prendre en compte de nouvelles lettres de Berlioz.