Lou Burnard : “Encoder l’oral en TEI : démarches, avantages, défis….”

Lou Burnard, a travaillé au sein de l’Oxford University Computing Services (OUCS) de 1975 à 2010. Très impliqué dans les « digital humanities » depuis les années 1990, il est notamment l’un des pères fondateurs du Text Encoding Initiative (TEI), du Arts and Humanities Data Service , et du British National Corpus. Il a rejoint le TGE Adonis en 2009, où il travaille à mi-temps.

Support de présentation : PDF

podcast :

Entretien avec Lou Burnard par Gabriel Bergounioux : partie 1, partie 2

Pour clore le séminaire annuel, Lou Burnard est venu nous présenter à la BnF les propositions de la TEI pour l’encodage des documents sonores et oraux. Un enjeu qu’il resitue dans la série complexe d’opérations techniques et conceptuelles relatives au traitement des sources orales par les chercheurs. Ce processus inclut :

–   Des techniques d’enregistrement de signaux sonores.

–  La nécessaire contextualisation de ces sources en vue de leur exploitation selon des angles d’approches multiples : historique, linguistique, anthropologique, etc.

–   Et enfin, l’important travail de transcription qui permet de décrire et de structurer l’oral sous une forme textuelle.

Ce travail de transcription à partir duquel l’encodage de l’oral devient possible dépend d’un processus de réécriture des énoncés oraux qui, comme le souligne Lou Burnard, suppose des choix et s’apparente déjà à un acte d’interprétation.

L’oral constitue en effet un objet particulièrement hétérogène qui renvoie à des styles de communication plus ou moins structurés : entretiens informels, fragments de conversation capturés avec des micros cachés, interviews, débats, interactions transactionnelles (achat), etc. Que va-t-on décider de représenter avant tout? Le contenu du message (analyse socio-historique) ou bien la manière dont il est exprimé (analyse linguistique) ? Sur quelle méthode de transcription orthographique va-t-on s’appuyer pour justifier la démarche de recherche ? Et jusqu’à quel degré de détail engager la description ?

Des figures de style qui structurent la conversation, en passant par leur découpage en énoncés, mots ou phonèmes jusqu’à la prise en compte de l’ambiance sonore et des modes de communication non verbaux, il n’existe pas de consensus académique sur les unités élémentaires pertinentes servant à la description de l’oral. D’où la prolifération de conventions qui, au sein des communautés, accompagnent ce travail de structuration « factice » des énoncés oraux et qui, jusqu’à présent, privilégient une lecture humaine de cette pluralité de point de vue.

Le défi selon Lou Burnard serait aujourd’hui de rendre ces modes de transcription compatibles avec des standards autorisant leur traitement informatique. Ce besoin de standardisation, soulignait   T. Schmidt[1], se fait de plus en plus sentir dans un contexte où l’émergence de grandes infrastructures numériques offre de nouveaux horizons pour regrouper et exploiter des corpus provenant de sources diverses.

La syntaxe XML TEI, issue du monde académique et à vocation pluridisciplinaire, met à disposition toute une gamme de propositions pour transcrire l’oral selon des schémas normalisés, à la fois lisibles par les humains et les machines. Elle permet en outre :

– De structurer les énoncés à travers un flux temporel <timeline> qui permet l’alignement avec la transcription et la synchronisation de séquences.

– De regrouper des énoncés sous la balise <div> et de les découper en segment de discours <s> attribué à un locuteur @who à un moment donné.

– D’introduire des métadonnées descriptives sur les locuteurs, les lieux, les organisations, le contexte ou d’anonymiser au contraire des personnes ou des entités nommées.

– D’opérer, au moyen de balises et d’attributs, une description très fine des différents phénomènes de communication oraux et non-oraux qui font partie du discours : pauses, chevauchements de paroles, changements d’intonation, de voix ou de langue, expressions vocalisées (tousser, rire, se moucher, grogner…), gestes, etc.

–  D’introduire des partis-pris scientifiques, des nuances, des lacunes, des doutes.

– D’utiliser des outils génériques et modulables, donc adaptables à des besoins spécifiques.

– De faire évoluer la théorie TEI en faisant des propositions qui ne perturbent pas les modèles « normalisés » préexistants.

Lou Burnard note en conclusion que les principaux obstacles à la normalisation des pratiques d’encodage – la fragmentation des communautés et l’immaturité théorique des standards – tendent désormais à s’estomper. La TEI présente certes encore des lacunes, mais elle a l’avantage de proposer une norme évolutive et non restrictive dont la richesse descriptive octroie aux chercheurs une grande liberté intellectuelle dans les choix d’encodage des données. Elle leur ouvre ainsi la possibilité de travailler de manière collaborative à l’enrichissement des balises répondant à des besoins ou des domaines de recherche spécialisés, à l’élaboration de schémas de structuration transversaux à l’étude de plusieurs corpus, et au développement des outils de traitement des corpus ainsi structurés.

Abigaël PESSES, TGE adonis

Crédits : images tirées du support de présentation de Lou Burnard.

Pour aller plus loin

Site officiel du consortium TEI et accès aux guides des bonnes pratiques

Accès à la liste de diffusion TEI

Références francophones :

Mutualisation des Expériences d’Encodage Textuel (MEET)

Une définition rapide de la TEI par Laurent Romary et Henri Hudrisier

Lot de billets sur les principes et fonctionnement de la TEI, les logiques XML vs RDF et la notion d’ontologie par Gautier Poupeau

Adresse de la liste de diffusion TEI française : tei-fr@cru.fr

 


[1] Thomas Schmidt, « A TEI-based Approach to Standardising Spoken Language Transcription », Journal of the Text Encoding Initiative [Online], Issue 1 | June 2011, Online since 08 June 2011, connection on 25 May 2012. URL : http://jtei.revues.org/142 ; DOI : 10.4000/jtei.142

Véronique Ginouvès « De l’enquête de terrain à l’archive orale : pourquoi et comment donner accès aux sources orales de la recherche ? « 

Séance du Jeudi 8 mars

Nationaal Archief

Véronique Ginouvès est Ingénieur de Recherche au CNRS, responsable de la phonothèque de la MMSH d’Aix en Provence et co-auteure du blog Les carnets de la phonothèque

Support de présentation de Véronique Ginouvès : PDF

Podcast :

Entretien avec Véronique Ginouvès par Caroline Cance : partie 1, partie 2, partie 3

Compte-rendu par Abigaël Pesses :

Bill Smith of KOAC with portable tape recorder, 1955, Archives de l’Etat de l’Orégon

Véronique Ginouvès travaille à la phonothèque d’Aix-en-Provence où elle rassemble et valorise des archives sonores recueillies par des chercheurs au cours d’enquêtes sur des terrains de l’aire méditerranéenne ou d’associations impliquées dans la sauvegarde du patrimoine régional. Des matériaux sonores – entretiens, musiques, contes ou fragments d’histoire orale – dont l’écoute autorise « la découverte d’un monde dans lequel on entre brutalement ». Mais pas seulement. Comme le souligne V. Ginouvès, lorsque J.C Bouvier et Phillippe Joutard ont créé la phonothèque à la MMSH en 1979, ces deux historiens voulaient donner accès aux sources orales de la recherche et, par-delà les références bibliographiques, aux conditions d’administration de la preuve scientifique. Un projet qui ouvrait de nouvelles perspectives pour interroger les méthodes d’investigation et de transcription des chercheurs issus des diverses disciplines SHS comme de réutiliser, recouper, ou revisiter leurs matériaux.

Laure Principaud, phonothèque MMSH

Cette idée à l’époque novatrice demeure encore peu explorée, voire sous-exploitée quand on considère le coût et le temps investis pour numériser, écouter, indexer ou mettre en ligne ces fonds sonores. Ce phénomène revêt d’ailleurs une dimension exponentielle avec l’avènement des technologies numériques qui s’accompagnent d’une tendance quasi boulimique à tout enregistrer et tout conserver de façon la plus exhaustive possible. Quel est donc l’intérêt pour le chercheur de déposer des archives dans une institution scientifique ? Comment faire en sorte que l’auditeur dispose de tous les éléments pour reconstituer le contexte de la recherche ? Qu’est-ce qu’un son inédit ? Et comment mettre à disposition de la société civile ces milliers d’heures d’enregistrement qui recouvrent une valeur de document tant scientifique que patrimonial ? Au cours de cette intervention, Véronique Ginouvès nous a fait partager la façon, dont au fil de son expérience du métier, de l’évolution des technologies et du contact avec les chercheurs, elle a été amenée à placer toutes ces questions au cœur de sa pratique de travail. L’archivage et encore moins la diffusion ne vont de soi, mais se situent à la croisée d’enjeux scientifiques, juridiques, éthiques, politiques et identitaires dont il faut prendre la mesure.

En effet, depuis plusieurs années les chercheurs, et les anthropologues en particulier, témoignent d’un nouvel engouement1 pour leurs archives. Cet intérêt répond au souci d’interroger l’évolution des méthodes d’enquête de cette discipline, mais s’explique également par la responsabilité nouvelle, promue par des organisations mondiales comme l’Unesco, de favoriser la réappropriation de ces archives par les populations d’origine2. Cette forme de restitution de l’archive l’entraîne dans un nouveau devenir aux contours indécis. Un « objet scientifique », produit dans un contexte de rencontre entre des chercheurs et des informateurs au cours d’une démarche d’enquête, devient un « objet de patrimoine », témoin de la mémoire des sociétés qui les réclament. La diffusion de ces sources, susceptibles de livrer des informations sensibles – traditions oubliées, savoirs locaux et procédés de fabrication, rumeurs, secrets de famille, propos calomnieux – peut dès lors faire l’objet de toutes formes de réutilisation3 à des fins politique, identitaire, artistique, commerciale ou autres. Comment divulguer ces documents sans porter préjudice aux droits des groupes ou à l’intégrité des personnes qui les ont formulés ? Et comment conserver l’authenticité de l’archive sans pour autant brider les formes de réappropriation de celle-ci ?

Véronique Ginouvès, confrontée à ce nouveau paradigme, a travaillé à la mise en place d’un dispositif qui, de la collecte à la valorisation, fournit un cadre éthique et juridique pour le dépôt des archives à la phonothèque par les chercheurs. En voici les grandes lignes :

Recourir à un contrat qui autorise les collecteurs et les témoins à co-construire le dépôt de l’archive. Ce contrat vise à redonner une place centrale au témoin en tant que « source de savoir » tout en reconnaissant le travail intellectuel du chercheur qui organise les conditions de cette énonciation. Cette nouvelle forme d’engagement donne ainsi aux informateurs, jusqu’alors systématiquement anonymisés, la possibilité d’acquérir des droits d’auteur sur ces ressources. De cette manière, ils sont mieux à même de donner un « consentement éclairé » sur les différents modes de diffusion et d’exploitation scientifiques ou patrimoniales de ces enregistrements tout en ayant des garanties de protection et de restitution.

Contextualiser l’archive afin de permettre sa réutilisation. Il s’agit d’une part, de rassembler des métadonnées qui détaillent au maximum les conditions de recueil de l’information – lieu, date, langue, identité des acteurs, méthodes d’enregistrement, ordre de classement donné par le chercheur, etc. – et d’autre part, de restituer ces documents au sein d’un corpus ou d’une collection qui leur donne sens et pallie à leur éventuel isolement.

Constituer un comité scientifique qui statue sur les questions éthiques relatives à chaque corpus, notamment pour évaluer les informations confidentielles dont la diffusion pourrait porter préjudice aux témoins.

Valoriser les archives en facilitant leur accès (catalogage, insertion dans des bases de données interopérables) et leur repérage par un travail d’éditorialisation de contenus qui les contextualisent4 , à l’image du carnet de la phonothèque .

Dans le prolongement de cette initiative, Véronique Ginouvès participe aujourd’hui à la mise en place d’un groupe de travail pour la rédaction d’un Guide de bonnes pratiques pour la diffusion électronique des données en sciences humaines et sociales.

Approfondir

Portail du patrimoine oral 

 

Références

  1. Marie-Dominique Mouton, « Les ethnologues et leurs archives. Passion, possession et appropriation », Journal des africanistes [En ligne], 78-1/2 | 2009, mis en ligne le 01 mars 2012, consulté le 20 mars 2012. URL : http://africanistes.revues.org/2542 []
  2. Ginouvès, Véronique, « Compte rendu : une après-midi sur le patrimoine culturel immatériel», in Les carnets de la phonothèque [en ligne], mis en ligne le 13 décembre 2010, consulté le 20 mars 2011 . URL : http://phonotheque.hypotheses.org/4297 []
  3. Éric Jolly, « Le Fonds Marcel-Griaule : un objet de recherche à partager ou un patrimoine à restituer ? », Ateliers du LESC [En ligne], 32 | 2008, mis en ligne le 20 août 2008, consulté le 20 mars 2012. URL : http://ateliers.revues.org/2902  []
  4. Cassé, Corinne, « Retours sur une méthodologie d’enquête », in Les carnets de la phonothèque [en ligne], mis en ligne le 9 mars 2012, consulté le 20 mars 2011. URL : http://phonotheque.hypotheses.org/6397 []

Joséphine Simonnot : « Présentation de TELEMETA, un outil de traitement des archives sonores de la recherche. »

Séance du Jeudi 12 janvier 2012

Joséphine Simonnot est ingénieur de recherche au Centre de Recherche en Ethnomusicologie (CREM) du LESC (UMR7186)

Support de présentation de Joséphine Simonnot : PDF

Podcast :

Entretien avec Joséphine Simonnot par Gabriel Bergounioux : partie 1, partie 2, partie 3

Compte-rendu par Abigaël Pesses :

Joséphine Simonnot,  ingénieur de recherche au Centre de Recherche en Ethnomusicologie (CREM), nous a présenté les fonctionnalités de la plateforme TELEMETA et le patient parcours de travail préalable à sa mise en production. Cette aventure, tant humaine que technique, remonte 12 ans en arrière lorsque Joséphine Simonnot se voit confier la responsabilité de valoriser un véritable trésor : le fonds d’archives sonores du Musée de l’Homme qui regroupe plus de 5000 collections de musique du monde et de documents sonores, notamment collectés au cours des premières grandes missions scientifiques telles que Dakar-Djibouti (1932) ou Ogooué-Congo (1946). Mais voilà, ce trésor repose sur des supports d’enregistrement variés, en majorité constitué de bandes magnétiques menacées par la décomposition chimique et l’oubli.

Comment donc assurer la conservation de ce patrimoine culturel immatériel ? Comment le rendre accessible à la communauté scientifique, ainsi qu’aux populations d’origine qui le réclament ?

De là, débute un vaste chantier de numérisation qui se couple rapidement avec la nécessité de créer un outil informatique, basé sur des technologies libres, capable de faciliter le méticuleux travail d’indexation des fichiers sonores entrepris en collaboration avec les chercheurs et les populations locales. Pour concevoir ce projet, Joséphine Simonnot va solliciter les compétences de différents experts : Guillaume Pellerin, un développeur orienté recherche, formé au Laboratoire d’Acoustique Musicale (LAM-CNRS/UPMC), Pascal Cordereix (BnF) et Véronique Ginouvès (phonothèque d’Aix-en-Provence), spécialistes des bonnes pratiques de catalogage et d’archivage de documents numériques sonores. Jean-Marc Fontaine et Hugues Genevois, du LAM, ont également joué un rôle important pour les choix techniques et ergonomiques. Cette synergie d’acteurs va aboutir à la réalisation d’une plateforme collaborative de travail, Telemeta, qui utilise des technologies tant ouvertes qu’innovantes pour permettre la description, la consultation et la diffusion en ligne de contenus sonores. Cela dans le respect des normes d’interopérabilité des données et en prévision de leur archivage pérenne.

Le projet porte aujourd’hui ses fruits. Rapidement après sa mise en ligne en juin 2011, les ethnomusicologues du CREM s’approprient aisément cette technologie qui transforme leurs pratiques de travail (actuellement 7130 enregistrements en ligne et 3000 fiches supplémentaires en 6 mois). En effet, il y a encore peu de temps, ces derniers ne pouvaient s’aider que de leurs oreilles et d’un chronomètre pour se repérer dans un enregistrement sonore.

Désormais, Telemeta leur propose un espace de travail dans lequel ils peuvent parcourir et visualiser le son en trois dimensions – temps, fréquence, intensité – avec la possibilité d’introduire des marqueurs temporels pour annoter un continuum sonore. L’application leur permet par ailleurs de compléter eux-mêmes les fiches documentaires, d’y joindre une image et de faire une recherche textuelle ou par zone géographique.

Cette palette d’outils contribue par là-même à affiner l’analyse de ces matériaux et à les enrichir de métadonnées sans lesquelles ces archives demeureraient inexploitables. Les chercheurs peuvent ainsi écouter et faire entendre à tout moment et presque en tout lieu leurs enregistrements. Cet accès facilité au fonds participe à son actuelle renaissance et rajoute du sens à leur ouvrage, tout en améliorant la visibilité de leurs travaux. Selon les mots de Dana Rappoport, ethnomusicologue au CNRS : « c’est une véritable révolution ». Ne serait-ce que par le retour, enfin possible, de ces enregistrements aux populations d’origine, légitimement concernées, ou la transmission qui s’opère entre les générations de chercheurs. En effet, grâce à cet outil et à internet, ces données sonores sont « libérées » de la contrainte des anciens supports analogiques, soumis à l’obsolescence des machines et à une inévitable détérioration.

A la demande du TGE ADONIS, qui soutient le développement de cette application depuis 2010, Joséphine Simonnot travaille actuellement à la production d’une version plus générique de Telemeta. Elle s’inscrit pour cela au sein d’un réseau de laboratoires et d’institutions partenaires en vue d’adapter ce système de dépôt d’archives à d’autres types de corpus ou à d’autres usages disciplinaires : gestion des formats vidéo, des métadonnées métiers et des modes de synchronisation son-texte-image. Cette séance de séminaire a notamment été l’occasion de dialoguer avec des linguistes pour identifier leurs pratiques et besoins spécifiques en la matière.

Crédits : images tirées du support de présentation de Joséphine Simonnot.

Approfondir :

Naviguer dans les collections des archives sonores de CREM:
http://archives.crem-cnrs.fr/

Tester la plateforme TELEMETA en tant qu’administrateur:
http://demo.telemeta.org/
login : demo
mot de passe : demo

Télécharger le CMS audio et obtenir les détails techniques relatifs à son utilisation, sur le wiki du projet : http://telemeta.org

Michel Jacobson : « L’archivage des données numériques : retours d’expérience sur des données orales »

Séance du Jeudi 10 novembre 2011

Michel Jacobson est chef de projet sur l’archivage électronique au Service Interministériel des Archives de France (SIAF)

Support de présentation de Michel Jacobson : PDF

Entretien avec Michel Jacobson par Gabriel Bergounioux : partie 1, partie 2, partie 3

Compte-rendu par Abigaël Pesses :

Le 10 novembre dernier, les équipes du TGE Adonis et du LLL (laboratoire Ligérien de Linguistique) de l’université d’Orléans ont eu le plaisir de recevoir Michel Jacobson à Orléans pour inaugurer la première séance du séminaire portant sur l’objet numérique sonore.  Michel Jacobson a ainsi pu nous faire partager le fruit de son expérience et de son parcours à travers cet objet qui, depuis le LACITO, un laboratoire de recherche du CNRS spécialisé sur l’étude des langues à tradition orale, au Centre de Ressources pour la Description de l’Oral (CRDO), l’ont conduit à devenir chef de projet au Service Interministériel des Archives de France (SIAF). Ce service rattaché au Ministère de la Culture a pour mission de définir la politique en matière d’archivage et de piloter le réseau des archives (communales, départementales, régionales,  nationales).

Michel Jacobson, partant des caractéristiques physiques du son et de leur transposition en unités informatiques binaires (bit : 0 et 1), a soulevé les différents enjeux relatifs à l’archivage de l’information numérique. Le passage de l’analogique au numérique présente en effet de nombreux avantages : copie à l’identique et à l’infini, facilité de stockage, de transmission et de traitement de l’information numérique. L’information n’en reste pas moins opaque, car codée, et suppose un dispositif particulier pour être lue, représentée, déchiffrée. Ce dispositif est composé d’une superposition complexe de strates qui interagissent entre elles : une couche matérielle – les supports (disques durs, DVD, mémoire flash),  elle -même  interprétée par une couche logicielle (système d’exploitation, pilotes, navigateurs, applications) et auxquelles se surajoute une couche de formats.

Ces formats  servent  à représenter des données numériques – sons, images ou textes – sous la forme d’un code compréhensible par des machines. L’information numérique codée dépend ainsi d’un empilement de technologies dont les évolutions constantes et rapidement obsolètes sont largement tributaires du marché. D’où la nécessité de mettre en place des procédures pour assurer la migration physique des documents afin de pouvoir les déchiffrer avec les technologies de son temps.

La nouveauté de l’archivage, souligne Michel Jacobson, c’est de conserver ces métadonnées de représentation, à savoir les formats, mais également leurs supports de lecture et la documentation qui spécifient les différentes méthodes d’encodage du contenu. Dans ce nouveau paradigme, il faut cependant ne pas perdre de vue que ce que l’on cherche à conserver, ce n’est pas tant la donnée numérique dans son format ou son support originel que son contenu informationnel. Et pour demeurer intelligible, une information numérique doit pouvoir être décodée.

Michel Jacobson est l’un des contributeurs au  guide des bonnes pratiques numériques disponible sur le site du TGE et dont l’objectif est d’aider les producteurs de données numériques à faire les bons choix dans l’usage des logiciels, des formats et des modes d’encodage des données.

Crédits : images tirées du support de présentation de Michel Jacobson

Approfondir :

Exemples de gestion de corpus oraux dans le réseau des Archives départementales :

Banque de l’Information Radiophonique des Deux Sèvres

Sauvegarde de la parole sarthoise

Collecte des témoignages oraux sur la Seconde Guerre Mondiale (Val de Marne)