Digital Editions and Text Processing

Dans ce billet de blog, découvrez un compte rendu de l’article « Digital Editions and Text Processing » de Dino Buzzeti, paru dans Text Editing, Print and the Digital World (2009).

On assiste actuellement à une utilisation de plus en plus massive des outils numériques en sciences humaines. Pourtant, les universitaires restent globalement réticents face à ces mutations, perdus entre des technologies trop complexes ou trop chronophages. L’ordinateur reste un outil purement technique. Pour Claus Huitfeldt, amener les chercheurs à être acteurs de ces technologies permettrait d’améliorer la situation.

En parallèle, une nouvelle vision de l’Informatique émerge, celle des éditions numériques, du transfert de connaissance du lecteur vers la machine. Elle interroge la représentation du texte : comment étudier un texte numérique, l’ordinateur peut-il analyser des données textuelles ?

État de l’art

L’analyse textuelle permet d’inscrire une sémantique et une structure sur les chaînes de caractères, données numériques linéaires. Cette étape doit permettre de visualiser la construction du texte, et de s’élever par rapport à son support. Par défaut, un ordinateur reste très primaire, sans outils adapté, comment pourrait-il par exemple analyser conjointement les deux phrases suivantes ?

Gall, amant de reine, alla, tour magnanime,
Galamment de l’arène à la tour Magne, à Nîme

En effet, il faut bien comprendre qu’un texte présente bien plus d’information qu’une chaîne de caractères. Pour transférer la lecture à l’ordinateur, il faut donc arriver à voir ces données textuelles comme des unités linguistique. Est-ce un contradiction ? D’un point de vue sémiotique, le texte est indéterminé : il y a plusieurs sens (pensez aux synonymes, à la polysémie…) qui dépendent généralement du contexte. Il faut réussir à distinguer et lier expression (ce qu’on lit) et contenu (ce qu’on comprend).

Expression et contenu

Chez Saussure, un signe linguistique possède deux facettes : le signifié désigne le concept, la représentation mentale, le signifiant englobe la forme et la sonorité, le visuel. Avec une grammaire entière logique, ces deux notions sont isomorphes : il n’y a pas d’ambiguïté dans le langage (le lecteur intéressé pourra se pencher sur le projet Lojban). Cette idée, que l’on retrouve parfois derrière l’intelligence artificelle, s’exprime dans la citation de John Haugeland :
« If you take care of the syntax, the semantics will take care of itself ».

En traitement automatique du langage, on pourrait faire un parralèle avec la modèle OHCO (Ordered Hierarchy of Content Objects) qui cherche à hiérarchiser complètement un texte pour extraire une représentation, en relation avec des langages de balisage comme le XML ou le SGML. Ces langages permettent d’établir une cartographie des structures, passant d’une chaîne linéaire à ensemble organisé des concepts, objets. Cette représentation permet de fixer le sens de l’expression, en développant un balisage structurel du document. Depuis 2004, l’UMR Métadif a lancé un projet de numérisation de l’édition 1905 du Larousse, dont une étape intermédiaire engendre un code XML pour chaque article :

<ENT> <AM>AFFAIBLISSEMENT</AM> <PR> (a-fè-bli-se-man) </PR> <CG> n. m. </CG> <DF> Diminution de force, d'activité, <EXT> au pr. et au fig. </EXT> </DF> </ENT> 

Cette notation permet de structurer un document et d’en établir une syntaxe. Plus que celà, les standards de balisage définissent des langages complets, qu’on peut considérer soit comme du texte soit comme une forme de notation métalinguistique.

  • Le balisage rend explicite ce qui est implicite dans le texte. Il ferait donc partie intégrante du texte.
  • Pour Wittgenstein, « that which mirrors itself in language, language cannot represent » (désolé pour cette citation en anglais…). Le seul moyen pour discuter du langage, c’est de se placer au delà. Le balisage de texte s’inscrirait dans un métalangage, une médiation du texte.

Pour l’auteur, cette ambiguïté est essentielle pour le fonctionnement du balisage. Prenons un exemple pour la comprendre. Dans un texte médiéval sans ponctuation, rajouter automatiquement une ponctuation ne modifie pas le sens, mais transforme la forme d’expression du texte. Elle fait alors partie du texte, mais peut se voir comme une notation métalinguistique de sa structure.

Le balisage permet-il par contre de retrouver le contenu associé à un texte numérique ? L’iniative BECHAMEL a pour but de structurer des corpus de données et de les analyser, avec une interprétation du balisage via un système d’inférence en langage Prolog. Mais dans l’interprétation du langage, il reste toujours à prendre en compte finement le contexte, car le sens d’un texte en dépend, que ce soit dans le texte (phrases précédentes par exemple) ou hors du texte (jeux de mots, contexte culturel…).

Conclusion

Dans ce document, Dino Buzzeti a proposé une méthode pour traiter l’information textuelle, sans pour autant tomber dans une représentation exhaustive de toutes les contraintes et composantes sémiotiques. L’outil informatique permettra pour lui d’améliorer le support par rapport aux représentations traditionnelles. Seule une forme améliorée du texte de bas niveau permettra une analyse de la sémantique et du contenu et – à terme – un transfert de compétence du lecteur vers la machine. Sans ce pas en avant, l’édition numérique serait vouée à ne pas évoluer face aux représentations conventionnelles du texte.


Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *