Une formation pour étudier et publier les textes arabes avec le numérique

Les 7, 8 et 9 décembre 2020, dans le cadre du Groupement d’Intérêt Scientifique Moyen-Orient et mondes musulmans (GIS MOMM), a eu lieu une formation intitulée « Etudier et publier les textes arabes avec le numérique ». Cette formation faisait suite à celle qui avait eu lieu le 9 juin 2020 sur l’initiative des GIS Asie, Afrique et MOMM, qui avaient pour objectif de faire un point sur leurs compétences numériques et d’aborder les différentes problématiques liées à la dématérialisation et les sciences ouvertes pour les études aréales extra-occidentales1

Ces journées étaient organisées par Noëmie Lucas, post-doctorante auprès du GIS MOMM, en lien avec Mercedes Volait et Julie Erismann. Les intervenants ont présenté les ressources et projets s’apparentant de près (ou de moins près) au traitement des textes numérisés en alphabet arabe, apportant des solutions techniques ou attirant l’attention sur certains points de vigilance. L’objectif était « d’introduire aux possibilités offertes par le numérique pour l’étude et la publication des textes arabes et de mener une réflexion autour des enjeux propres à ces textes ».

La formation a débuté lundi matin avec une introduction de Jean-Baptiste Camps à la philologie computationnelle, suivie par une présentation générale de la Text Encoding Intiative dans l’édition numérique savante par Elena Pierazzo.

Les interventions de lundi après-midi portaient plus particulièrement sur la philologie numérique et les textes arabes. A partir de sa propre expérience, Cornelis Van Lit a ainsi partagé ses réflexions et ses recommandations pour la numérisation, le traitement, l’analyse et le partage des manuscrits arabes, en mettant en perspectives les enjeux de la philologie numérique pour ces manuscrits tout en s’intéressant aux aspects techniques de l’entreprise. Son ouvrage Among Digitized Manuscripts. Philology, Codicology, Paleography in a Digital World (Brill, 2020) est disponible en libre accès au format PDF. Sébastien Moureau a quant à lui présenté deux outils qu’il a été amené à développer dans le cadre de ses recherches : la bibliothèque numérique Qawl et ses outils d’interrogation ; ChrysoCollate, un outil de collation de corpus de textes arabes.

Mardi, la journée était intitulée « Constituer, déchiffrer et encoder des corpus arabes à l’heure du numérique » et a été l’occasion pour les intervenants de présenter leurs projets respectifs. Maxim Romanov a parlé de l’Open Islamic Text Initiative (OpenITI), qui vise à proposer un vaste corpus de textes en alphabet arabe du monde musulman de la période prémoderne, pouvant être soumis à une analyse computationnelle, en évoquant également le projet KITAB mené par Sarah Savant. Dans l’intervention suivante, Zacharie Mochtari de Pierrepont et Manhal Makhoul de l’université de Gand ont présenté la plateforme Islamic History Open Data qui a pour objectif de mettre en libre accès un corpus de textes historiographiques manuscrits du XVe siècle. L’océrisation de ces textes est rendue possible grâce à un partenariat avec le projet Calfa, mené par Chahan Vidal-Gorène et qui a fait l’objet de la présentation suivante. Calfa a d’abord été conçu comme une base de données donnant accès à des dictionnaires enrichis d’arménien classique et moderne, mais le projet s’est ensuite élargi pour fournir des ressources technologiques pour le traitement des manuscrits arméniens numérisés2. D’autres langues d’alphabets non-latins peuvent bénéficier des outils d’océrisation élaborés par Calfa. En fin de journée, Adam Mestyan, Nour Kanaan, Hugh Cayless et Danah Younis du projet La Fabrique du Caire moderne ont présenté leur usage de la TEI pour l’encodage de la presse arabe du XIXe siècle.

La journée de mercredi était consacrée à l’analyse et à la publication des corpus arabes dans des environnements multilingues, avec trois interventions. La première a été menée par Bastien Kindt et portait sur le projet GREgORI qui permet la valorisation et l’analyse de corpus de textes dans les langues de l’Orient chrétien (grec, arménien, géorgien et syriaque) en s’appuyant sur un important travail de lemmatisation et de mise en concordance. Dans un deuxième temps, Mouhamadoul Khaly Wélé et Maud Ingarao ont présenté le site Coran 21-12, développé à l’Institut d’Histoire des Représentations et des Idées dans les Modernités (ENS Lyon), qui donne accès à ce jour à huit éditions du Coran en arabe, français, anglais, italien et latin, entièrement encodées pour permettre des comparaisons entre les différentes versions. Léda Mansour est intervenue en fin de journée pour partager son expérience de collecte et d’analyse des textes publiés en arabe sur le web, en particulier sur les réseaux sociaux.

En conclusion de ces journées, Mercedes Volait a avancé une définition des humanités numériques comme « une version renouvelée des savoirs existants » qui permet la réutilisation des données et la validation des travaux de recherche par la publication des sources. Se lancer dans des projets d’analyse et de fouille de texte avec des outils numériques nécessite un gros travail de réflexion pour adopter les outils les plus pertinents. C’est pour cela que pour évoluer dans ce domaine, il faut être un « centaure » selon la définition de Cornelis Van Til : avoir à la fois la fibre « humaniste » et la fibre « numérique ». Grâce à ce type de formation, les membres des projets liés aux humanités numériques peuvent se confronter à des problématiques qu’ils n’avaient pas envisagées de prime abord et ainsi affiner leurs compétences.

Pour en savoir plus sur ce qui s’est dit lors de cette très enrichissante formation, vous pouvez surveiller les carnets de recherche Philaranum tenus par Noëmie Lucas, qui publiera des résumés détaillés de chaque intervention. La mise en ligne de l’enregistrement des séances est également attendue d’ici février 2021.

  1. Les vidéos des cinq interventions du 9 juin 2020 sont en ligne sur la chaîne YouTube du GIS MOMM. []
  2. Voir : https://calfa.fr/explore. []

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.