[Retour d’expérience] Transcrire avec Transkribus – Premiers pas

Transkribus est une plate-forme complète pour la numérisation, la reconnaissance de textes basée sur l’IA, la transcription et la recherche de documents historiques https://readcoop.eu/transkribus/download/.

Usage de Transkribus eXpert  pour la transcription automatisée de textes imprimés, à partir d’un document PDF.

Exemple de transcription automatisée sur Transkribus à partir d’un document PDF – Trésor des bons esprits français [1602], section « Meslanges »

  • Mais… comment faire de la transcription automatisée sur Transkribus ? Première étape

Il faut tout d’abord téléverser le document que l’on veut transcrire. Allez donc sur « Extract and upload images from PDF » et cliquez sur « Upload ».

Téléverser un document PDF sur Transkribus (1)

Afin de bien téléverser le document, il est nécessaire de rafraîchir la page.

Téléverser un document PDF sur Transkribus (2)

Pour commencer à transcrire votre fichier sur Transkribus, il faut sélectionner les pages du document que vous souhaitez transcrire automatiquement et activer le processus de segmentation des pages concernées. Allez donc sur « Tools », sélectionnez « Find Text Regions », cliquez sur le premier « Run » et choisissez « oui » dans « Layout Recognition ».

Traitement d’un document PDF pour la transcription automatisée

Il faut finalement choisir le modèle pour obtenir la transcription automatisée du texte. Allez sur le deuxième « Run » et sélectionnez votre modèle.       

Choisir le modèle pour la transcription automatisée du texte

  • Exporter le document transcrit – Deuxième étape

Après avoir complété le processus de transcription automatisée, il est possible d’exporter le document en plusieurs formats. Dans ce cas, nous avons opté pour un format XML.

Exporter le document transcrit dans le format de sortie XML – Trésor des bons esprits français [1602], section « Meslanges »

  • Premières interventions sur le fichier généré par Transkribus – Troisième étape

Au niveau du texte, l’opération de transcription automatisée comporte un travail de correction manuelle. Ce type de travail permet également d’identifier les coquilles typographiques et les erreurs récurrentes générées, dans ce cas, par l’outil Transkribus.

Correction manuelle des coquilles typographiques – Trésor des bons esprits français [1602], section « Meslanges »

Erreurs récurrentes identifiées sur la base du corpus Trésor des bons esprits français [1602], section « Meslanges »

  • Interventions successives sur le texte généré par Transkribus – initiation à l’encodage – Quatrième étape

A ce stade, il est important de réfléchir également à la mise en place du texte généré par Transkribus. Quelles modifications peut-on apporter au document transcrit? Nous vous en proposons un exemple, à partir du travail mené sur un corpus-test du XVIIe siècle.

Réfléchir à l’encodage pour la mise en place du texte – Trésor des bons esprits français [1602], section « Meslanges »

Encodage pour la mise en place du texte – Trésor des bons esprits français [1602], section « Meslanges »

  • Balisage pour la régularisation du texte – Cinquième étape

Suite au travail de correction manuelle de la transcription et de réflexion à la structuration du texte à la faveur d’un premier encodage, nous nous sommes intéressée au processus de régularisation. Le passage de la transcription automatisée à la régularisation demande de longues réflexions, ainsi que l’établissement d’un protocole de balisage précis.

Régularisation de la transcription – Trésor des bons esprits français [1602], section « Meslanges »

Bilan Transkribus

Est-il difficile de faire de la transcription automatisée sur Transkribus ?

Non, il faut tout simplement suivre les étapes que nous avons montrées plus haut. De plus, le travail de transcription automatisée sur Transkribus ne prend pas beaucoup de temps : le processus de transcription ne demande en effet que quelques minutes.

L’outil Transkribus assure-t-il une bonne qualité de transcription automatisée des textes ?

En général, Transkribus permet d’obtenir une transcription fidèle au texte original. Néanmoins, des erreurs typographiques ou d’espace ont été repérées au fur et à mesure. Les cas les plus évidents concernent les « s longs » totalement remplacés par un « s » rond, le « e » transcrit, à maintes reprises, de manière différente, le tilde et la cédille qui ne sont pas reproduits. En revanche, les apostrophes et l’esperluette sont maintenus, ainsi que la différence entre majuscule et minuscule. 

Quel est le temps estimé pour corriger manuellement la transcription automatisée réalisée avec Transkribus ?   

Étant donné que la transcription automatisée présente des coquilles typographiques rares ou bien des erreurs plutôt récurrentes, le travail de relecture a demandé, dans notre cas, des temps de réalisation différents (10 – 25 minutes par fichier).



Citer ce billet
Michela Lagnena (2022, 21 septembre). [Retour d’expérience] Transcrire avec Transkribus – Premiers pas. Eveille. Consulté le 2 mars 2024, à l’adresse https://doi.org/10.58079/ommg

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.