
Archives de catégorie : Acquisition


[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.

- 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 ».

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

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 ».

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

- 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.

- 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.


- 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.


- 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.

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).

Réutiliser les données : un droit à la paresse ?
À l’occasion de la quatrième journée des Journées EVEille 2022 consacrées aux principes FAIR, j’ai souhaité explorer quelques pistes de réflexions sur la réutilisation des données, en adoptant sans surprise le point de vue un peu particulier d’une chercheuse en lettres1.
Arrêtons-nous d’abord sur le mot en lui-même.
Réutiliser des données, cela n’aura échappé à personne, implique une action *a minima* en deux temps : utiliser d’abord, puis utiliser encore. Le verbe se focalise sur ce second temps, cette suite donnée à une action précédemment exécutée, qui doit être préparée en amont. Réutiliser implique donc un double usage. Pour cette raison, la réutilisation peut s’avérer vertueuse ; vertueuse au sens économique d’« enchaînement de mécanismes dont le cumul entraîne l’amélioration d’une situation ». Pour les plus optimistes d’entre nous, ou les plus mercantilistes, la fructification est aussi le signe d’un gain potentiel d’énergie : « Ce qui est fait n’est plus à faire », dit l’adage. Certes. Mais ce qui est fait peut quand même être refait, voire re-refait, selon un mouvement itératif infini. Le faire peut être répété, reproduit, amélioré même. « Vingt fois sur le métier remettez votre ouvrage », préconise un autre proverbe.
Continuer la lecture- Voir l’enregistrement de cette introduction sur la chaîne UHA pod des journées EVEille. [↩]

[Estrades-Eveille] CR Chaîne éditoriale 3/5 : que faire des données une fois acquises ?

[Estrades-Eveille] CR Chaîne éditoriale 2/5 : l’acquisition des données pour l’édition critique numérique
