Entretien avec Richard Walter, ingénieur de recherche CNRS, responsable de la plate-forme EMAN, à propos de la mise en place d’une fonctionnalité de tri alphanumérique prenant en compte les chiffres romains sur la plate-forme.

La plate-forme EMAN, pour Édition de Manuscrits et d’Archives Numériques, héberge et diffuse une soixantaine de projets de valorisation et d’édition de documents, proposant des corpus très variés, tant dans la nature des sources exploitées que dans la temporalité dans laquelle ils s’inscrivent. Depuis sa création en 2015, elle s’enrichit chaque année de nouveaux projets.

Une de ses grandes forces, d’autant plus dans le paysage de l’édition numérique aux pratiques parfois fluctuantes, est de proposer un cadre unique et adaptable à des corpus et des besoins très divers, dans le respect des standards établis et en veillant à l’interopérabilité des données. Ainsi, les développements et les améliorations demandés par certains porteurs de projets pourront bénéficier à tous.

La plate-forme est gérée Richard Walter, ingénieur de recherche CNRS, attaché au laboratoire THALIM, UMR CNRS-ENS-Sorbonne nouvelle, et chef de projets informatiques, notamment en Humanités numériques. En tant que responsable technique, il permet le bon fonctionnement de la plate-forme qui utilise le CMS Omeka. Il corrige les dysfonctionnements relevés et cherche à répondre aux besoins formulés par les différents membres des projets. C’est dans cette perspective d’amélioration constante des possibilités offertes aux porteurs de projets qu’émergent de nouvelles fonctionnalités, venant renforcer celles qui préexistent sur Omeka.

Au cours de l’année 2021, deux projets ont formulé le besoin d’améliorer la fonction de tri des contenus proposée jusqu’alors, car elle ne tenait pas compte des besoins spécifiques de leurs corpus qui utilisent les caractères particuliers que sont les chiffres romains. Il s’agissait du projet « Natale Conti, Mythologia, 1567-1627 : un laboratoire éditorial », porté par Céline Bohnert (CRIMEL, URCA, IUF), qui édite la mythographie de Natale Conti et possède un corpus conséquent de plusieurs milliers de fichiers ; et du projet ANR Transperse (CNRS,  CERMI, IRHT, LEM, LAMOP et des partenariats étrangers) donnant accès à une base de données qui « réunit l’ensemble des matériaux littéraires sur les quarante premières années du 5^e siècle en Perse sassanide », comme l’explique la page de présentation du projet. Il a pour responsables scientifiques Christelle Jullien et Florence Jullien et y participe Poupak Rafii Nejad, ingénieure de recherche au CNRS et interlocutrice de Richard Walter, au même titre que Céline Bohnert, au cours de l’élaboration de la nouvelle fonction de tri alphanumérique.

Ce billet retranscrit notre échange avec Richard Walter, au cours d’un entretien réalisé en mai 2023, portant sur la mise en place de cette fonctionnalité. Sans constituer un verbatim, les réponses sont reprises en substance. Elles permettent de mettre en lumière le processus d’amélioration de la plateforme en général et cette fonctionnalité inédite en particulier :

• Quels étaient les besoins initiaux qui ont conduit à la création d’une fonctionnalité particulière de tri alphanumérique ? Quels caractères empêchaient les systèmes classiques de tri de fonctionner correctement ?

Plusieurs remarques de la part de porteurs de projets, qui signalaient que les tris ne s’effectuaient pas correctement, ont conduit à envisager une nouvelle fonctionnalité de tri. Un des principes d’EMAN est de proposer des développements au fur et à mesure de l’évolution des projets et des besoins qui émergent. Plusieurs travaux ont porté sur les gestions de listes car de nombreux corpus parmi les projets hébergés sur EMAN sont conséquents, avec plusieurs centaines d’items. Le tri initial s’effectuait sur le système anglophone : caractères alphabétiques de A à Z, puis viennent les lettres accentuées et les chiffres.

Les corpus des projets Mythologia et TransPerse utilisant, en plus des caractères habituels, des chiffres romains, une nécessité scientifique et éditoriale d’en prendre compte dans le respect des intitulés du corpus a émergé. Les chiffres romains étant cependant considérés par la machine comme des lettres, dont le classement diffère de l’ordre alphabétique (le « C » a par exemple une valeur plus forte que le « I » en tant que chiffre romain mais apparaît avant alphabétiquement), il a fallu créer une fonctionnalité capable de repérer les lettres du « tri romain ».

Exemple de tri des chiffres romains, avec la fonctionnalité mise en place, dans la notice Mythologie, Paris, 1627 – II, 10 : De Pluton

• Quelles difficultés avez-vous rencontrées pour rendre efficace cette nouvelle fonctionnalité ? Les projets EMAN utilisant Omeka, cela engendre-t-il des contraintes particulières ?

Il s’agissait de demander à la machine de repérer les lettres isolées, ou des chaînes de caractères avec espaces placées avant et après le caractère, ou encore certains signes de ponctuation. Une première liste a ainsi été établie, puis elle a été complétée en fonction des échanges avec Céline Bohnert et Poupak Rafii Nejad, car certains cas de figure n’avaient pas été retenus sur la liste initiale (signes de ponctuation particuliers, usage ou non de la majuscule, etc.).

Il n’y avait en revanche aucune contrainte particulière liée à Omeka car il s’agit d’une fonctionnalité supplémentaire, que les porteurs de projets peuvent choisir d’activer ou non. Ce n’est pas un module spécifique mais une option qui, quand elle est activée, fonctionne comme un calque appliqué au système de tri présent sur Omeka. D’ailleurs, toutes les fonctionnalités spécifiques au projet EMAN que nous proposons, en plus de celles d’Omeka, sont optionnelles, elles ne sont jamais imposées ni automatiques, les porteurs de projets émettent des demandes d’activation en fonction de leur besoin.

• Qui a travaillé à la création de cette nouvelle fonction ? Comment avez-vous procédé ? Sans rentrer dans des précisions trop techniques, comment cela fonctionne-t-il ?

L’aspect technique et informatique est assuré par notre prestataire habituel Vincent Buard et moi-même. Les expérimentations ont mis à contribution les compétences de Céline Bohnert et Poupak Rafii Nejad. Les retours d’expériences continuels sur leurs corpus, et au cœur de leur projet, ont permis de rendre efficiente la fonctionnalité.

L’expérimentation a consisté tout d’abord à regarder si les systèmes de tri existants intégraient les chiffres romains mais les recherches se sont avérées infructueuses. Les corpus des deux projets ont servi de corpus test, les données étant basculées sur un système de bac-à-sable, ce qui permet de les manipuler sans les endommager ou contraindre l’utilisation des sites. Il a ensuite fallu lister tous les paramètres des métadonnées où pouvaient se trouver des chiffres romains puis nous avons établi un classement à prendre en compte par la machine lorsque la fonction est activée.

• Dans quelle mesure les échanges avec Céline Bohnert et Poupak Rafii Nejad ont-ils permis d’ajuster cette fonctionnalité de tri ? Quel est le processus entre les porteurs de projets et les ingénieurs qui proposent les solutions techniques ?

Les échanges sont primordiaux, car ce sont les retours des porteurs de projet qui permettent de vérifier si tout fonctionne comme on le souhaite. Ils permettent également de repérer des cas de figure oubliés. Par exemple Céline Bohnert est devenue « porteuse de données-test » au cours de l’élaboration de la fonctionnalité. Étant donné qu’elle a une connaissance approfondie de son corpus, elle pouvait analyser ou identifier les manques et réagir rapidement. Après une phase d’élaboration technique, l’étape d’échanges entre ingénieurs et porteurs de projet (ou méthode itérative) est essentielle pour valider les travaux. Ces échanges peuvent durer quelques semaines, voire quelques mois, car des situations inédites peuvent toujours émerger au cours de l’utilisation de la fonctionnalité. Si les retours se font plus rares au fil du temps, on peut commencer à considérer que la fonctionnalité mise en place a fait le tour de la question.

Avec les utilisateurs comme Céline Bohnert et Poupak Rafii Nejad, nous échangeons par mail ou au cours d’ateliers dédiés. Avec le prestataire, nous utilisons un système Redmine de gestion de tickets dans lesquels nous pouvions recenser les dysfonctionnements à résoudre.

Extrait d’un échange par mail et copie d’écran entre Céline Bohnert et Richard Walter.

• Comment sont financées ces recherches de nouvelles fonctionnalités ?

Les deux projets (Mythologia et TransPerse) ont financé la fonction de tri alphanumérique tenant compte des chiffres romains. Cela permet notamment de payer un prestataire pour aider au développement des fonctionnalités requises et pour effectuer la maintenance évolutive c’est-à-dire la résolution de cas de figures nouveaux ou la mise en place d’améliorations nécessaires. En l’occurrence, ces crédits viennent respectivement de l’IUF pour Mythologia, de l’ANR pour TransPerse.

• Les difficultés de tri liées à l’utilisation de chiffres romains ou de caractères spéciaux doivent être fréquentes dans les projets de valorisation numérique de documents patrimoniaux. D’autres projets utilisent-ils à ce jour cette fonctionnalité ou sont-ils voués à le faire ?

Le classement prenant en compte les chiffres romains est en effet très utile dans les projets mettant en valeur des documents patrimoniaux mais aussi dans les projets qui valorisent des corpus scientifiques. Difficile cependant de dire avec exactitude combien de sites l’utilisent sur EMAN, car bien que ces données puissent être récoltées, le travail d’ingénierie mené aujourd’hui se concentre sur la réponse aux besoins techniques et le temps manque pour générer des statistiques d’usages de fonctionnalités.

• Cette fonctionnalité va-t-elle évoluer ? Est-elle proposée en Open Access ?

Les codes n’ont pas été mis à disposition pour le moment mais l’annonce a été faite de cette nouvelle fonctionnalité et de la possibilité de nous contacter pour les obtenir. Les informations pourront être fournies à toute personne intéressée. À ce jour cependant, nous n’avons pas été contactés en ce sens.

Marion Aspe, pour le projet Mythologia.

 

 

---

---