Réunion du groupe de travail « typologie textuelle » le 30 mai 2017, 14h-17h, à Paris

Dates : 30 mai 2017
Horaires : 14h – 17h
Lieu : CNRS (ITEM), 59/61rue Pouchet, Paris, salle 255, 2e étage

Rappel des objectifs :

L’idée est de réfléchir à la question de l’identification des genres de textes (littéraires ou non) et de mettre en place des solutions pour que ces identités génériques, produites par les auteurs de corpus, soient reconnues par ceux qui les consultent. Par exemple, si l’on attribue à un texte le genre « roman » ou « récit de voyage » ou « sonnet », que ces attributions soient intégrées dans les métadonnées du corpus afin que l’on puisse rechercher par ces facettes. Ce travail d’étiquetage générique est en soi un travail de recherche qui présente des difficultés, tant foisonnent des genres mixtes, composites, hybrides, distribués différemment selon les périodes, avec apparitions, disparitions et transformations. Actuellement nous disposons de thésaurus un peu trop figés pour tenir compte de la variété des textes, comme la classification Brunet-Parguez des bibliothécaires, ou faiblement hiérarchisés comme celle de Frantext. En outre, ils ne tiennent guère compte des langues ni des aires culturelles, et les classifications peuvent être tout à fait différentes dans d’autres pays.

Nous souhaitons aider les auteurs de corpus et les éditeurs de textes à élaborer leur thesaurus de façon cohérente et réutilisable par d’autres grâce à une « ontologie » des genres qui s’exprime à la fois dans une arborescence familière de type genre/ espèce ou sous-genre, et avec la souplesse des « nœuds » de graphes qui permettent d’envisager qu’un même texte relève de plusieurs genres : ainsi le sonnet pourra-t-il appartenir, dans un recueil de poésie comme les Amours de Ronsard ou les Fleurs du Mal, à un ensemble où il n’y a pas seulement des sonnets, mais où des liens pourront apparaître avec d’autres formes poétiques, voire à des traits définitionnels problématiques comme « lyrique », « épique », « satirique », etc. Il serait ainsi possible d’étiqueter un récit de voyage qui contient des inscriptions, des vers, des chansons, des dialogues, de façon à marquer ces segments et à faire en sorte qu’ils apparaissent dans une recherche aidée par un thésaurus « Cahier ». Celui-ci pourra aussi afficher des relations avec les paratextes, quelle que soit leur forme.

Un petit groupe de lancement a travaillé depuis la fin de l’année 2015 : la première étape a été l’installation d’un outil de constitution et d’affichage développé par la MOM, OpenTheso (avril 2016), testé avec la typologie de la Base du Français Médiéval enrichie de quelques éléments provenant de la typologie de la base Epistemon (Bibliothèques Virtuelles Humanistes) : ces tests ne se limitent nullement au domaine littéraire, ni aux périodes anciennes, puisque le tri peut se faire aussi en fonction d’une chronologie et de grands domaines. Les croisements possibles entre formes, styles et périodes apparaissent grâce à un outil de visualisation comme Gephi.

Le principe est que chaque genre (si limité soit-il) corresponde à ce qui est appelé dans l’ontologie d’OpenTheso un « concept » : cette notion permet de distinguer efficacement un ou plusieurs concepts qui porteraient le même nom. Par exemple, « chanson » peut renvoyer à un archi-genre de texte destiné à être chanté, dans une édition musicale, ou à un titre donné par un auteur à quelques poèmes seulement, sans relation réelle avec une mise en musique. Rien n’empêche d’attribuer deux « concepts » différents à un même nom. Il est possible de lier les concepts entre eux pour faire apparaître une relation d’inclusion ou une simple connexion : l’important est que chaque concept corresponde à un identifiant singulier, qui puisse être placé à un ou plusieurs niveaux de l’arborescence, les recoupements faisant apparaître des « nœuds ». Pierre-Yves Buard a proposé que ces identifiants possèdent chacun une URL spécifique et stable, comme les identifiants « ark » de la BnF pour les ouvrages. Même si la MRSH de Caen propose l’attribution de ces identifiants pour réaliser des tests, la gestion pourrait en être demandée à Huma-Num.

Ces principes ont été présentés lors du comité de pilotage et de l’assemblée générale de Cahier (novembre 2016) : les questions posées ont fait apparaître des difficultés non négligeables que le recours à OpenTheso devrait cependant résoudre, comme le placement des traductions dans l’arborescence.

Le groupe, étendu à tous les membres du consortium intéressés, voudrait continuer les tests et effectuer des travaux pratiques afin d’enrichir l’embryon de thésaurus et de mettre en œuvre concrètement l’étiquetage des textes et des corpus : si l’opération est relativement aisée avec des documents encodés en TEI du fait de l’organisation des métadonnées et des divisions balisées, elle peut s’appliquer aux bases qui ne sont pas (encore) en texte intégral, ou aux corpus qui ne sont pas en TEI. Dans les textes étiquetés on intègre à l’endroit voulu (métadonnées du header et/ ou dans les attributions des divisions <div>) un « idRef » qui renvoie au thesaurus organisé selon les identifiants des concepts.

La réunion du 30 mai sera consacrée à des travaux pratiques autour de corpus ou de textes que vous souhaitez associer à une telle typologie enrichie par des exemples.

Les travaux du groupe seront présentés et poursuivis lors de l’atelier « Les dispositifs numériques : des corpus aux usages » – Atelier de formation annuel du consortium CAHIER » le jeudi 28 juin après-midi à Bordeaux (MSH Aquitaine).

Consulter le Wiki de Cahier (par Alexei Lavrentiev) : https://groupes.renater.fr/wiki/cahier/typologie_textuelle