Présentation de la TEI

La TEI comme réponse à un besoin de standardisation des données textuelles

Le balisage de texte est né avec la technologie de texte. Et comme toutes les technologies rapidement popularisées, elle a subi, à ses prémisses, des variations personnelles et multiples. Et d’autres termes, au début du balisage de texte, chacun faisait comme il le souhaitait. Si cette méthode offrait une multiplicité d’idées qui ont sans doute fait émerger de nouveaux principes aujourd’hui utilisés, elle présentait un fort désavantage : des projets d’auteurs différents n’avaient aucune interopérabilité, car ils n’étaient pas découpés de la même façon. Alors, comment relier, classer, utiliser les textes digitaux ?

De cette question est née une nécessité d’un balisage générique, qui permettrait d’avoir une information accessible par tous, et surtout reconnaissable par la machine. La TEI, à l’origine un projet d’humanités numériques, a donc vu le jour en 1987, au cours d’un meeting au Vassar College de New York. Il s’agissait de mettre en place ses principes intellectuels pour la première fois. Depuis, la TEI a subi des évolutions régulières en fonction des besoins exprimés par ses utilisateurs.

Le but premier de la TEI n’est pas de donner un système de découpage strict des textes digitaux. C’est plutôt un ensemble de recommandations pour définir un format de texte qui permette l’échange de données et leur analyse. La TEI est indépendante du matériel comme des logiciels, rigoureuse dans sa définition des objets textuels, et compatible avec les standards qui ont existé avant elle.

La TEI comme un intermédiaire entre l’homme et la machine

Un document numérique n’est pas qu’une suite de caractères encodés. Il n’est pas non plus uniquement une séquence de formes lexicales. Un texte numérique a une structure et une signification, un contenu que l’auteur a voulu transmettre à l’autre. Il peut par conséquence avec plusieurs lectures différentes, être enrichi par des annotations, ou partagé à ses pairs. Le balisage et l’encodage d’un document en explicite la lecture. Si un texte brut est interprétable par l’homme, la machine en revanche ne pourra pas en traiter le sens.

La TEI vise à définir un ensemble de recommandations, de conseils et d’exemples qui servent à encoder un texte virtuel. En d’autres termes, elle sert à donner un sens interprétable par la machine comme pour l’homme, en passant par le balisage.

L’un des plus gros bénéfices de l’application de ce balisage dans le cadre de la recherche a été mise en exergue par le projet de l’édition digitale des lettres de Van Gogh. L’application réalisée permet aux utilisateurs de chercher les lettres sur des critères de contenu : les personnes ou les scènes s’y trouvant. Sans la TEI, qui introduit un balisage précis des textes concernés, ce type de critères de recherche sophistiqué aurait été impossible à appliquer.

La TEI fournit dans ce cas une manière nouvelle de s’approprier les textes, et une nouvelle manière d’utiliser les capacités technologiques pour la lecture.

Les conditions d’un balisage TEI

Le balisage a été défini comme “n’importe quel moyen de rendre explicite l’interprétation d’un texte.” Il sert, en règle générale, à marquer des morceaux de texte pour leur donner un sens lors de leur lecture par la machine. Le nom explicite des balises utilisées dans la TEI donne un sens compréhensible par l’homme lors de la récupération des informations qu’elles contiennent.

Le seul élément obligatoire pour qu’un texte respecte la TEI, c’est le TEIHEader, suivi d’un texte, ou d’un groupe de texte.

Le rôle du header est de fournir les informations descriptive du texte pour créer un entête électronique. C’est un peu comme la couverture et la quatrième de couverture d’un livre, applicable à n’importe quel document numérique. En utilisant le découpage TEI, ces informations deviennent lisibles et interprétables à la fois pour l’homme et pour la machine.

Exemples de header TEI d’un document

Utiliser la TEI pour les textes académiques

Qu’est-ce qu’un texte digital académique ?

Un texte académique digital est une modélisation de données utilisables pour la recherche grâce au balisage. Le découpage TEI appliqué à ces textes sert à illustrer la compréhension qui est faite de ce texte. En règle générale, on considère que les textes académiques digitaux se basent sur des données issues des humanités numériques. Pour autant, il ne suffit pas de digitaliser un texte pour en faire un document d’humanités numériques, utilisable et utile pour la recherche.

Un des exemples de cette distinction est le projet Gutenberg, réalisé en 1971. Le but de ce projet était d’encourager la création et la distribution de eBooks. Cette notion de partage en fait d’ailleurs l’un des premiers projets collaboratifs digitaux. La digitalisation des textes a posé problème à cause de l’absence de garanties sur l’exactitude de ceux-ci. Sans source fiable et identifiée, ces textes numériques ne pouvaient pas être utilisés pour la recherche.

Pour qu’un texte numérique soit considéré comme utile à la recherche, il doit respecter trois critères :

– Offrir la données essentielle dont on a besoin, comme les informations bibliographiques.

– Décrire les décisions éditoriales et la méthode de travail

– Utiliser des technologies et programmes Open Source, pour ne pas devenir obsolètes et pouvoir être transformés en d’autres formats. Cela le rend ainsi accessible au plus grand nombre.

Pour qu’il soit utilisable dans le cadre des humanités numériques, il doit  également  :

– Déclarer explicitement la théorie éditorale ou l’interprétation qui est soutenue, comme elle a été exprimée dans l’écriture du texte.

– Démontrer ou activer des recherches qui n’auraient pas pu voir le jour autrement. Par exemple, en explorant des interrogations anciennes d’une nouvelle manière et en faisant naître de nouvelles questions.

– Interagir avec d’autres textes digitaux et écosystèmes digitaux, comme des infrastructures de recherches.

Ce qu’apporte la TEI à ces textes

La TEI est devenue très influente dans le domaine des textes de recherche car elle permet – et même exige – que les projets humains soient lisibles par la machine. Dans son processus d’explicitation de chacun de ses critères, la TEI permet l’échange et l’accessibilité de nombreuses connaissances académiques.

Les limites de la TEI

Comme tout processus d’encodage, la TEI a quelques inconvénients. En l’occurence, il s’agit plutôt de limites, dûes au facteur humain.

La limite de temps disponible

Lors de l’encodage d’un texte académique en TEI, tout ne peut pas être automatisé. Il existe sans doute des éditeurs automatiques de TEI, mais la plupart des informations doivent être remplies au préalable par la main humaine. C’est un processus de création particulièrement chronophage, considérant que l’encodage d’un document est assi important que le texte qu’il contient. Il ne faut rien laisser au hasard, et la TEI étant codifiée de manière plutôt précise, numériser un ensemble de textes est une tâche fastidieuse et très longue.

La limite du support

Les documents papier dont on se sert pour les recherches ont parfois des déchirures, des coupures, des tâches, des marques qui sont ancrées dans leur histoire. Ces éléments scannables visuellement sont plus difficiles à représenter en TEI. Il existe la possibilité d’attribuer des balises spécifiques qui mentionnent des corrections, des modifications, des ajouts ou des suppressions, mais le document en devient rapidement illisible par l’homme, et traitable uniquement par la machine. La TEI pour la recherche est donc plutôt réservée aux textes “propres” qu’aux documents historiques.

---

---