Les projets accueillis – BnF DataLab

WO(RK) IN PROGRESS.

Pour un catalogue numérique des dessins de Wolfgang Hambuger dit Wo (1917-1940)

Nathalie Raoux, chercheuse. UMR 8131 - Centre Georg Simmel, EHESS et CNRS.

Le projet vise à reconstituer, analyser et mettre en lumière l’œuvre du dessinateur et caricaturiste juif Wolfgang Hamburger, dit Wo (1917-1940), tombé dans l’oubli et dont la production n’a jamais été réunie ni étudiée. Construit à partir d’archives de première main, il développe un catalogue numérique raisonné, appelé à prendre la forme d’une collection enrichie, ainsi qu’une chronologie critique des dessins connus de l’artiste.

L’ensemble de ses dessins de presse constitue une traversée en coupe des années 1930 : nazisme, guerre d’Espagne, guerre sino-japonaise, accords de Munich, condition des exilés… Aussi, par-delà le seul sauvetage de la vie et de l’œuvre de Wo, la mise à disposition de ces dessins offre-t-elle une ressource documentaire de premier ordre pour les chercheurs, les historien·ne·s et les enseignants du secondaire, et ouvre un espace renouvelé pour l’histoire culturelle, visuelle et politique du XXᵉ siècle à travers le dessin de presse.

Modélisation d’un corpus littéraire à des fins de remédiation des archives du web littéraire

• Servanne Monjour, maîtresse de conférences. UMR 8599 – CELLF, Sorbonne Université et CNRS.
• Nicolas Sauret, maître de conférences. EA 349 - Paragraphe, Université Paris 8.

Ce projet de recherche et développement vise à concevoir une solution innovante de modélisation et de remédiation des archives du Web littéraire, à partir d’un dispositif informatique de forge logicielle (GIT), dans une perspective de sobriété numérique et de minimal computing.

Nous développerons ce projet autour des archives du collectif littéraire Général Instin (GI). Né dans les années 1990, le projet GI cristallise les principaux enjeux conceptuels des corpus éditorialisés : dissémination, autorité multiple, fragmentation, écritures en mouvement. Le GI incarne ainsi les mutations de la création littéraire numérique accompagnant l’histoire du Web.

Là où les Archives de l’Internet ont édité de nombreux parcours guidés fondés sur approche par « auteur » et par « site », nous proposons d’établir un modèle alternatif, fondé sur une approche par projet éditorialisé. Puisque cette littérature est caractérisée par sa dimension fortement performative, nous proposons d’envisager sa remédiation en nous inspirant des « parcours signés » imaginés par Bernard Stiegler. Pour effectuer ce travail de modélisation et de remédiation, nous mobiliserons un dispositif de forge logicielle (GIT/Gitlab), en tant que dispositif éditorial.

AljamiadoTech

Bridging Arabic and Latin Script

Nuria de Castilla, directrice d’Études. UMR 7192 – PROCLAC, École Pratique des Hautes Études-PSL, Paris.

Le projet AljamiadoTech vise à offrir un accès inédit aux manuscrits aljamiados conservés à la Bibliothèque nationale de France : il s’agit de textes en espagnol et en arabe écrits en caractères arabes et latins dans les communautés musulmanes de la Péninsule ibérique (les mudéjares et les morisques) entre les XVe et XVIIe siècles. En combinant normes de translittération, reconnaissance automatique (HTR) et édition numérique, le projet ambitionne de développer une chaîne reproductible permettant de produire des textes interrogeables et alignés sur les images IIIF.

AljamiadoTech livrera un corpus translittéré, des modèles HTR spécialisés ainsi qu’une édition numérique pilote, fournissant de nouveaux outils pour l’étude d’une littérature encore largement méconnue.

En mettant à disposition des données, des modèles et des standards réutilisables, AljamiadoTech constitue une avancée majeure pour l’analyse, la valorisation et la diffusion de la littérature aljamiada. Il jette également les bases d’un cadre méthodologique transposable à d’autres collections européennes similaires.

Pharmavigiscope

Explorer et analyser les espaces numériques de la pharmacovigilance : acteurs, discours et traces archivées du web de la surveillance du risque médicamenteux

Solène Lellinger, maîtresse de conférences. UMR 7219 – SPHERE, CNRS-Université Paris Diderot et Paris 1 Panthéon-Sorbonne.

PharmaVigiScope s’appuie sur les archives web conservées par la Bibliothèque nationale de France afin d’analyser la manière dont la vigilance sanitaire est construite et diffusée publiquement. À partir de sources issues d’acteurs institutionnels, scientifiques et industriels, le projet vise à retracer l’évolution des discours officiels autour de la pharmacovigilance, à cartographier le réseau français de surveillance du médicament via les contenus publiés par les centres régionaux de pharmacovigilance, à étudier le rôle des sociétés savantes dans la diffusion des recommandations professionnelles, et enfin à examiner la communication des industriels sur la surveillance des médicaments et leurs liens éventuels avec les institutions. Il s’inscrit dans le prolongement du projet ANR-25-CE36-3565 « VIGICAMENT - Vigilances et médicaments : mutations des acteurs et des pratiques de surveillance des agents thérapeutiques en France depuis 1970 ».

MAP

Mapping Armenian Paris

Chahan Vidal-Gorène, enseignant-chercheur. Responsable du master Humanités numériques, Ecole nationale des chartes.

Le projet MAP (Mapping Armenian Paris) vise à reconstituer et analyser l’activité commerciale, artisanale et industrielle de la diaspora arménienne à Paris au début du XX^e siècle. En exploitant les collections de presse arménienne publiée en France, le projet propose d’identifier et d’analyser les encarts publicitaires pour les catégoriser et les cartographier sur des plans de villes.

Ces publicités, destinées aux lecteurs de la diaspora et particulièrement nombreuses dans les années 1920 et 1930, constituent une source précieuse pour cartographier la présence arménienne dans la capitale. Le projet a pour ambition à la fois de développer des méthodes d’analyse de corpus patrimoniaux encore peu exploités et de proposer une valorisation numérique originale, sous la forme d’une carte interactive de Paris. Les données produites seront ouvertes, ouvrant de nouvelles perspectives de recherche en sciences humaines et sociales, et anthropologie du monde arménien.

De l’espace personnel à l’espace idéologique

Structuration et évolution des discours antiféministes sur Skyblog

• Guillaume Levrier, chercheur associé. CEVIPOF, Sciences Po.
• Tristan Boursier, chercheur associé. CEVIPOF, Sciences Po.

Ce projet de recherche analyse les premières formes de discours antiféministes en ligne à partir des archives de Skyblog (2003–2023), plateforme emblématique des sociabilités numériques francophones des années 2000-2010. Alors que les travaux existants se concentrent principalement sur les manifestations contemporaines de l’antiféminisme numérique, ce projet propose d’en restituer la profondeur historique en étudiant des expressions antérieures, développées dans un environnement sociotechnique distinct des grandes plateformes actuelles.

À partir des archives du Web conservées par la BnF et de l’usage du logiciel PANDORÆ, le projet constitue et explore des sous-corpus diachroniques afin d’identifier les motifs discursifs récurrents, les pratiques culturelles (textes, images, liens hypertextes) et les dynamiques relationnelles par lesquelles l’antiféminisme s’inscrit dans des espaces numériques semi-publics. L’analyse vise à mettre en lumière la manière dont l’antiféminisme peut se structurer autour de formes d’expressions ordinaires, informelles voir intimistes dans l’espace numérique particulier que sont les Skyblogs. Au-delà de l’étude de l’antiféminisme, le projet contribue à la réflexion méthodologique sur l’exploitation des archives du web et à la valorisation d’une collection encore peu étudiée.

BASHtr

Benchmark for Arabic-script Handwritten Text Recognition

Benjamin Kiessling, ingénieur de recherche. ALMAnaCH, Inria.

Le projet BASHtr entend remédier à l’état lacunaire de la reconnaissance automatique de textes (ATR) pour les écritures arabes, situation qui contraste avec l’importance historique majeure de ce patrimoine. Par l’établissement de conventions de transcription à portée générale et la constitution d’un corpus diachronique et non thématique, le projet vise à saisir l’immense variabilité des pratiques scribales. Cette approche a pour dessein de dépasser les limites inhérentes aux jeux de données spécialisés actuels.

Les livrables techniques incluent des conventions de transcription « vivantes » et publiques, conçues pour être réutilisables et évoluer dans le temps. Elles structureront un jeu de données fondamental destiné à l’entraînement de modèles généralisés. Enfin, des modèles de base exploitant les moteurs kraken et party seront mis à la disposition de la communauté.

ManjuGisunTranscript

L’HTR pour les langues à graphies non latines. Transcription et exploitation d’ouvrages en mandchou sur Gallica

Michela Bussotti, directrice d’études. École française d’Extrême Orient.

Ce projet vise à développer un modèle de reconnaissance d’écriture manuscrite (HTR) et un jeu d’entraînement spécifique à la langue mandchou, une langue toungouse parlée par les empereurs de la dernière dynastie impériale des Qing (1644-1911). La collection de documents en mandchou numérisés par la BnF représente l’opportunité de répondre au défi posé par l’absence actuelle de modèle HTR pour cette langue. Mené dans le cadre du projet ANR ChEDil (Dictionnaires sino-européens : manuscrits lexicographiques pour l’étude historique des échanges entre la Chine et l’Europe, fin XVI^e-début du XIX^e siècle), ce projet trouvera une application directe dans les travaux de ce programme. L’outil de transcription automatique et les données de transcription seront également mis à disposition en libre accès, facilitant ainsi les recherches de tout chercheur travaillant sur un corpus mandchou, une étape importante pour l’étude d’une langue jusqu’ici peu dotée en transcription librement accessible.

PaRAMHTRS

Philology And Resolution of Abbreviations in Manuscripts obtained by HTR at Scale

Thibault Clérice, chercheur. ALMAnaCH, Inria.

Le projet PaRAMHTRS s’inscrit dans la continuité du projet primé HTRomance (2022) et des collaborations fructueuses entre le BnF DataLab et Inria. Ce projet a pour ambition de réaliser, pour la première fois, des expérimentations à grande échelle sur les manuscrits médiévaux de la BnF en langues latine et vernaculaires, couvrant une période allant du VII^e au XV^e siècle. L’objectif principal du projet est de démontrer l’efficacité des modèles de reconnaissance d’écriture manuscrite (HTR) génériques, multilingues et graphématiques, développés par l’équipe dans le cadre des projets HTRomance et CATMuS depuis 2022. Dans cette optique, le projet PaRAMHTRS s’articule autour de deux axes principaux : la création de très grands corpus (diachroniques et non thématiques pour le latin, diachroniques et thématiques pour l’ancien français et l’italien), et la résolution automatique des abréviations dans les textes obtenus par HTR.

Étude computationnelle des corpus oraux anciens

Évolution du système phonétique du français au XX^e siècle

Juliusz Cecelewski, doctorant. UMR 7018 - Laboratoire de Phonétique et Phonologie.

Toute langue vivante est soumise à un changement incessant et inévitable. Tous ses niveaux évoluent, que ce soit à travers les emprunts visant à rattraper le progrès technologique, ou encore un lexique sans cesse renouvelé par les jeunes locuteurs. La prononciation n’échappe pas à cette dynamique, avec des changements perceptibles parfois même au sein d’une seule génération. L’objectif central du projet est de fournir une documentation expérimentale inédite sur l’évolution du système phonétique du français entre le XX^e et le XXI^e siècles, à travers une analyse acoustique automatisée des archives de la parole de la BnF. Outre son importance pour la linguistique du français, le projet vise à approfondir la compréhension de la mécanique interne et de la dynamique temporelle des processus de changement phonétique universels affectant différentes langues du monde. En effet, avec une documentation sonore considérablement plus riche que d’autres langues, le français constitue un cas d’étude particulièrement utile pour une investigation phonétique d’une portée théorique plus générale qu’une étude descriptive monolingue classique.

Galligeo

Une application de géoréférencement de cartes et plans de la BnF

Eric Mermet, ingénieur de recherche. TSE-R, consortium Huma-Num Projets Time Machine.

Galligéo est une application web existante, initialement développée comme preuve de concept dans le cadre du consortium Huma-Num Projets Time Machine. Elle permet de géoréférencer des cartes et plans provenant de Gallica. L’un des objectifs principaux du projet est de faire évoluer cette application en intégrant les retours des utilisateurs, recueillis lors d’ateliers organisés au BnF DataLab. Cette démarche vise à favoriser l’émergence d’une communauté d’utilisateurs pour échanger et collaborer, et qui seraient en mesure de constituer un fonds de cartes et plans géoréférencées. Le projet prévoit d’enrichir l’outil avec d’autres algorithmes de géoréférencement. Galligéo sera ainsi un outil précieux pour les chercheurs travaillant sur des données géohistoriques, tout en contribuant à valoriser les collections du département des Cartes et plans de la BnF.