Ateliers HTR

Après la numérisation des 26 registres de décisions du chapitre Notre-Dame de Paris des années 1326-1504 (plus de 14000 pages), l’objectif n° 1 du projet ANR est la transcription par reconnaissance optique, édition et exploitation sémantique des registres.

A cette fin, a été retenu l’outil libre e-Scriptorium. Un modèle d’apprentissage généré en utilisant l’outil libre Kraken a été élaboré pour aboutir à la meilleure transcription possible.

Interface d’e-scriptorium, à gauche, un feuillet d’un registre capitulaire, à gauche, la transcription

16 février 2021   Le projet d’édition des registres du chapitre, École nationale des Chartes

  • Darwin Smith – Lecture HTR et transcription collaborative (audio)
  • Hugo Regazzi – Récolement sélectif des manuscrits LL 105-LL 128
  • Julie Claustre – Le projet d’édition des registres du chapitre (audio)
  • Isabelle Bretthauer – Mise en page des registres capitulaires de Notre-Dame-de-Paris (audio)
  • Jean-Baptiste Camps et Nicolas Perreaux – Reconnaissance optique des caractères et des écritures manuscrites – le projet e-NDP (audio), diaporama
  • Jean-Baptiste Camps – L’HTR des registres de Notre-Dame : premiers essais (audio)

Entre juillet 2021 et juillet 2022, l’intelligence artificielle de reconnaissance du texte des registres a été mise au point lors de 4 ateliers collectifs (5 jours, une douzaine de transcripteurs) de correction des versions intermédiaires.

19 octobre 2021 ― Atelier de transcription automatique des registres capitulaires (coord. Sergio Torres)

16 novembre 2021 ― Atelier de transcription automatique  des registres capitulaires (coord. Sergio Torres)

18 janvier 2022 ― Atelier de transcription automatique des registres capitulaires (coord. S. Torres)

15 février 2022 ― La transcription automatique des registres capitulaires : résultats partiels

19-20 mai 2022 ― Ateliers de transcription automatique des registres capitulaires (coord. S. Torres)

À l’été 2022, la 6e version du modèle aboutit à un taux de précision de 90.2% et un CER (taux de caractères erronés) de 9.78%. Ce très bon résultat permet désormais d’envisager dans les prochains mois les post-traitements du texte acquis : en premier lieu, la détection automatique des entités nommées et le topic modelling, mais aussi l’édition scientifique de trois registres (LL 105, 108A et 117).

11 octobre 2022 ― Atelier de traitement du texte des registres capitulaires de Notre-Dame de Paris acquis par HTR (coord. S. Torres)

13 décembre 2022 ― Atelier d’annotation du texte des registres capitulaires, travail sur les entités nommées

14 avril 2023 ― Atelier d’édition des registres capitulaires

avril 2024 ― Mise à disposition des registres et du corpus textuel via l’application e-NDP