Retours sur le Hackathon Alexandre – nov. 2022-mai 2023

Le Hackhathon Alexandre a été organisé par l’équipe du projet LiPol avec le soutien du consortium Distam dans le cadre de la 1ère campagne d’appel à accompagnement de projets numériques, lancée en 2022. Une nouvelle campagne sera lancée par le consortium à la rentrée universitaire 2023.

Relancer la recherche dans le champ de la littérature populaire levantine et en valoriser les œuvres phares, tel est le projet de LiPoL. Le « Hackathon Alexandre », qui s’est déroulé entre novembre 2022 et mai 2023, s’inscrivait totalement dans cette démarche. Hébergé à la Médiathèque de la MMSH dans le cadre de LiPoL et du chantier prioritaire « Horizons de Renouvellement des Études Arabes » (HoRÉA) du GIS MOMM, le hackathon bénéficiait du soutien du consortium Huma-Num Distam, de l’UMR 8167 Orient et Méditerranée, et de l’expertise de l’entreprise Calfa.

L’objectif premier du hackathon était de procéder à la transcription automatique de cinq manuscrits portant sur le Roman d’Alexandre (Sīraẗ al-Iskandar) en moyen-arabe et issus de bibliothèques européennes : les manuscrits Arabe 6148, Arabe 3684 et Arabe 3685 conservés à la Bibliothèque nationale de France (BnF), le manuscrit n°153 du Catalogue of Oriental Manuscripts de J. Macdonald (non disponible en libre accès) de la bibliothèque universitaire de Leeds (Royaume-Uni), et les manuscrits Ms orient A 2385 à Ms orient A 2393 de la Forschungsbibliothek Gotha de l’université d’Erfurt (Allemagne)¹. Au total, il s’agissait d’environ 4030 pages manuscrites à transcrire.

L’appel à candidature lancé en septembre 2023² a permis de réunir une équipe de 13 participant·es, dont 11 étudiant·es provenant de l’Université de Strasbourg, de l’Université de Lorraine, de Sorbonne Université et d’Aix-Marseille Université.

S’en tenant assez fidèlement au calendrier initial, le Hackathon Alexandre a suivi plusieurs étapes.
Une première étape a consisté en une formation à Aix-en-Provence à la Médiathèque de la MMSH, où l’équipe formée pour le hackathon s’est réunie les 29 et 30 novembre 2022. Pensées comme le point de départ du hackathon, ces deux demi-journées ont été l’occasion d’aborder des questions codicologiques (introduction aux manuscrits arabes avec Claire Cialone-Grégoire – ingénieure d’études pour le programme ANR LiPoL), littéraires, avec l’intervention de Georges Bohas – professeur des universités à l’ENS de Lyon – sur le Roman d’Alexandre, et techniques, avec une formation à l’HTR (Handwritting Text Recognition – reconnaissance de l’écriture manuscrite) dispensée par Anahide Kasparian membre de Calfa. Les participantes et participants ont ainsi appris à annoter et à transcrire les manuscrits afin de produire une « vérité terrain » (groundtruth) pour les besoins de l’intelligence artificielle développée par Calfa.

À l’issue de ces deux demi-journées, les participant·es sont ensuite reparti·es chacun et chacune de leur côté avec une dizaine de pages doubles manuscrites à annoter et à transcrire en autonomie sur la plateforme Vision de Calfa. À part quelques difficultés rencontrées lors de la transcription (gestion du temps et graphie parfois difficile à déchiffrer), l’expérience des participant·es a été très positive.

À partir de l’analyse de la mise en page, de la détection des lignes et de la transcription contrôlée du texte, l’équipe de Calfa a été en mesure de produire un modèle HTR qui a permis d’obtenir une prédiction du texte juste à environ 95 % sur l’ensemble des pages à transcrire. Livrés en avril 2023, les résultats obtenus étaient les suivants : 96,25 % de bonne reconnaissance pour le manuscrit Arabe 3684 (BnF), 96,00 % pour le manuscrit Arabe 3685 (BnF), 94,88 % pour le manuscrit Arabe 6148 (BnF), 92,14 % pour le manuscrit de la bibliothèque universitaire de Leeds et 90,38 % pour les neuf volumes du manuscrit de la bibliothèque de recherche de Gotha. Les résultats un peu moins précis produits pour ce dernier manuscrit s’expliquent par une graphie et une mise en page sensiblement différentes du reste du corpus. Une révision du modèle HTR à partir de l’annotation d’une centaine de pages supplémentaires a finalement permis d’obtenir un taux de réussite de 96 %.

Avec de tels résultats, la révision et la correction manuelles restent néanmoins nécessaires pour que les textes obtenus soient exploitables dans le cadre d’une édition. Une des « infidélités » assez récurrentes de la transcription automatique par rapport au texte manuscrit est une certaine confusion dans les diacritiques ; une autre est la séparation entre les mots.

Face à ce double constat, avec d’un côté, de bons résultats en termes de transcription automatique et d’un autre, un important travail de correction à prévoir, le Hackathon Alexandre nous a interrogés sur la place que prendra l’HTR dans la chaîne éditoriale des manuscrits, notamment des corpus volumineux tels que celui du Roman d’Alexandre en moyen-arabe. En ce qui concerne la présentation des résultats, le choix des outils n’est pas définitivement fixé, mais les critères retenus seront dans tous les cas l’ouverture des données et la stabilité des outils.

En conclusion, le Hackathon Alexandre a servi au moins deux objectifs. Le premier était l’extraction du texte d’une œuvre majeure de la littérature populaire. Une fois obtenu dans une version numérique, le texte peut être étudié dans ses aspects linguistiques et littéraires. Les limites et les interrogations qui subsistent sur l’obtention du texte ont été évoquées plus haut. Le deuxième objectif, qui s’est révélé très prégnant au cours du hackathon, a été la réflexion sur la mise en place d’un processus d’édition numérique des manuscrits, notamment des manuscrits présents en ligne dans les bibliothèques virtuelles : récupération des images via IIIF, annotation manuelle et HTR, correction et présentation des résultats, gestion des différentes versions du texte… Avec quelques ajustements ad hoc, cette chaîne d’édition (qu’il reste à concevoir plus précisément) devrait pouvoir être répliquée et permettre de traiter de vastes corpus manuscrits de la littérature populaire arabe.

Image à la une : extrait du manuscrit Ms orient A 2385 de la Forschungsbibliothek Gotha de l’université d’Erfurt [en ligne] https://dhb.thulb.uni-jena.de/rsc/viewer/ufb_derivate_00005081/Ms-orient-A-02385_004.tif

1. voir également Ms orient A 2386, Ms orient A 2387, Ms orient A 2388, Ms orient A 2389, Ms orient A 2390, Ms orient A 2391, Ms orient A 2392 [↩]
2. « Appel à candidature pour le Hackathon Alexandre – nov. 2022-mai 2023 ». In : Carnets de LiPoL : Littératures Populaires du Levant. Archiver, analyser et conter le Roman de Baybars au XXIe siècle. 2 juin 2021 [en ligne] https://lipol.hypotheses.org/790 [↩]