Base de français médiéval (BFM)

Institut d’histoire des représentations et des idées dans les modernités (IHRIM)
(UMR 5317), CNRS, ENS de Lyon
Site : http://txm.bfm-corpus.org/
Contact : Alexey Lavrentev

Présentation du projet

La Base de français médiéval diffuse un corpus numérique de 153 textes français écrits entre le IXe et la fin du XV siècle (près de 4 100 000 occurrences-mots). Elle est accessible librement et gratuitement par le grand public comme par le monde académique (plus de 300 utilisateurs enregistrés). L’accès est médiatisé par la plateforme TXM, qui offre un riche panel de fonctionnalités de recherche et d’exploitation des données numériques : création d’index, de concordances KWIC de mots ou de motifs textuels, vocabulaire de l’ensemble du corpus ou d’un texte particulier, navigation dans les pages d’édition, téléchargement de l’édition des textes libres de droits au format PDF, calcul de mots spécifiques à un sous-corpus, calcul de collocations, etc.

La BFM constitue une ressource textuelle pour les recherches menées dans des disciplines diverses : linguistique, littérature et histoire médiévales. Les recherches de l’équipe du projet portent sur la diachronie du français médiéval, le développement de méthodologies de recherche de corpus, la philologie numérique et le passage du latin au français.

Fonds concernés : Meilleurs manuscrits des textes emblématiques de l’histoire de la langue et de la littérature françaises au Moyen Âge (BnF et autres bibliothèques françaises et étrangères) numérisation de haute qualité nécessaire.

Contexte scientifique et institutionnel : Plusieurs projets d’édition numérique à l’ENS de Lyon, partenariat nationaux et internationaux (Consortium pour les corpus de français médiévaux, Presses universitaires de Caen, partenaires de projets ANR et ANR-DFG)

Formats et standards utilisés : XML TEI pour les textes (extensions BFM-MSS et XML TXM), SGBD compatible SQL pour les métadonnées, à convertir vers un format ouvert, possibilité d’export Dublin Core, TIFF et JPEG pour les images de facsimilés. Étude en cours pour l’usage du standard européen Multext EAGLES pour l’encodage du jeu d’étiquettes morphosyntaxique du français médiéval CATTEX.

Accessibilité : Les transcriptions des textes en XML-TEI et l’apparat philologique seront librement accessibles par téléchargement sous licence Creative Commons (CC BY-NC-SA 3.0 France) (cf. prototype de l’édition du Graal) ; l’accès aux métadonnées au format Dublin Core étendu par moissonnage automatique en OAI-PMH (WebOAI du consortium CAHIER) ; l’accès aux images de haute résolution dépend des conditions imposées par les bibliothèques.

Fonds disponibles en ligne (au 1er janvier 2017) :

  • Queste del saint Graal : Edition numérique interactive du ms. Lyon BM p.a. 77 : images numériques du manuscrit, édition « multi-facettes » du texte en ancien français, étiquetage morphosyntaxique, traduction en français moderne. Volumétrie : Images : 67 folios (267 colonnes) images JPG/300dpi ; Texte : 107 000 mots de transcription + 109 000mots de traduction ; BDD : même volume que le texte
  • Base de français Médiéval : Base de textes français du IXe au XVe siècle. Les textes sont interrogeables via le portail http://txm.bfm-corpus.org (plateforme TXM). Les éditions sont affichables en ligne et téléchargeables au format PDF librement (sans inscription). Une inscription (gratuite) est nécessaire pour interroger le corpus. Volumétrie : BDD (diffusable) : 153 textes, 4 100 000 mots.

Retour à la liste