Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Le traitement de la donnée date – 1/04/22 CESCM

ATELIER DU GROUPE DE TRAVAIL « DATES ET FORMULES » DU CONSORTIUM SOURCES MÉDIÉVALES (COSME2) : « LE TRAITEMENT DE LA DONNÉE « DATE » DANS LES ÉDITIONS NUMÉRIQUES DE CORPUS DE SOURCES MÉDIÉVALES »

Organisation : Emilie Kurdziel (U. Poitiers/ CESCM) et Thomas Brunner (U. Strasbourg/ ARCHE).

La date est l’un des premiers critères d’identification et d’analyse de tout document ancien, et pour cette raison l’élément qui figure normalement en tête de toute édition, quelle que soit la nature du corpus (diplomatique, épigraphique, sigillographique, etc.). Dans les entreprises d’édition numérique et de bases de données, le traitement de l’élément date n’est pourtant pas sans poser problème. Cela tient à la diversité des modes d’expression de la date en usage au Moyen Âge, dans certains cas à l’absence de datation explicite et plus marginalement aux opérations de falsifications, qui imposent à l’éditeur de réattribuer à chaque document ou objet une date ou une fourchette de dates exprimée dans un système contemporain et standardisé. Or ces opérations de normalisation sont en elles-mêmes problématiques, par les choix qu’elles impliquent (quel format et quelles règles de datation adopter ? comment traiter des dates incertaines ? etc.) et parce qu’elles comportent un risque de déperdition d’information, lié à la rigidité des formulaires établis dans le cadre de l’édition numérique. Un autre enjeu est celui de l’interopérabilité.

Deux ateliers consacrés à ces problèmes sont organisés en 2022 (le 1er avril à Poitiers, à l’automne à Strasbourg) avec pour objectifs :

  • de dresser un état des lieux des pratiques et des problèmes en matière de traitement de l’élément « date » dans les corpus et bases de données numériques récents ou en cours d’élaboration ;
  • de recenser et d’évaluer les outils susceptibles de faciliter l’interopérabilité et les interrogations croisées (permettant par exemple l’analyse automatique de datation ou la mise en concordance des systèmes de datation médiévaux) ;
  • de penser les moyens d’une interrogation croisée des différents corpus (moteur(-s) de recherche(-s) commun(-s) ou partagé(-s)) et donc d’une interopérabilité renforcée, sur le critère de la date.
  • d’établir un référentiel (livre blanc) pour le traitement et l’encodage de l’élément « date » formulant des recommandations pour l’harmonisation du traitement de cette information dans les futurs corpus et bases de données de sources médiévales ;

Associant chercheurs et ingénieurs d’études actifs dans le champ des Humanités Numériques et étudiants avancés (master et doctorat), ces deux ateliers se conçoivent autant comme un temps d’élaboration scientifique que de formation.

L’atelier du 1er avril se tiendra au CESCM, de 9h30 à 17h en salle Berger.

Participants:

Thomas Brunner (U. Strasbourg, ARCHE) et Guillaume Porte (U. Strasbourg, ARCHE) : Le traitement des dates dans les bases de l’ARCHE sous Telma et Heurist (Chartae Galliae, Chirographum, Strasbourg XV, etc.)

Manon Durier (CESCM, ERC GRAPH-EAST) : La datation des inscriptions au sein du projet GRAPH-EAST : enjeux méthodologiques et solutions mises en œuvre

Philippe Jacquet (SIGILLA) : Enjeux et traitement de la date dans SIGILLA

Eliana Magnani et Nicolas Perreaux (LAMOP) : Enjeux et traitement de la date dans le Corpus Burgundiae Medii Aevi (CBMA), le Corpus des actes royaux (CARo) et les Cartae Europae Medii Aevi (CEMA)

Anne Massoni (U. Limoges, CRIHAM) et Rémi Crouzevialle (U. Limoges) : Enjeux et traitement de la date dans le projet COL&MON – Analyse spatiale du phénomène religieux (ANR-15-CE27-0005)

Cécile Treffort (U. Poitiers, CESCM) : L’évolution du traitement de la date dans le Corpus des inscriptions de la France médiévale

Hanno Wijsman (IRHT) : Enjeux et traitement de la date dans BIBALE

Morgane Uberti (Groupe TEAPIMEG, U. Complutense, Madrid) : Quand la date devient l’objet même du corpus : le projet ITLAMA (Inscribing Time from Late Antiquity to Middle Ages)

Discutants : Fatiha Idmhand (U. Poitiers, consortium CAHIER), Emilie Kurdziel (U. Poitiers, CESCM),

Contacts: emilie.kurdziel@univ-poitiers.fr ou thomas.brunner@unistra.fr

 

Atelier – Du parchemin à la fouille de données. Nouveaux outils pour la création, la formalisation et l’analyse des corpus médiévaux

Le numérique s’est aujourd’hui imposé comme un outil incontournable pour le médiéviste. Depuis plusieurs décennies, un certain nombre d’historiens et de philologues du Moyen Âge appuient en effet leurs travaux sur des éditions numériques et des bases de données, dont la conception a parfois été pensée dès le milieu des années 1960. Pourtant, en dépit des apparences, l’exploitation de ces instruments de recherche et de ces corpus demeure globalement en-deçà de leurs potentialités. Hormis quelques notables exceptions, rares sont les médiévistes à s’être engagés dans une approche quantitative globale et fouillée des ensembles documentaires numérisés. Sans être exclusives des lectures plus traditionnelles, de nouvelles méthodes d’analyse permettent d’interroger ces corpus de manière inédite. L’objectif de cet atelier sera d’offrir une première initiation à des outils informatiques de création, de formalisation et d’analyse des corpus textuels médiévaux. Il s’agira ici d’apprendre le maniement d’un certain nombre d’outils et de méthodes d’analyse que chacun pourra ensuite appliquer à son propre corpus.

Concrètement, l’atelier se propose de former les stagiaires à la création et au traitement complet d’un corpus textuel : de l’acquisition des données jusqu’à leur analyse statistique, en passant par la formalisation. Différentes problématiques seront abordées, à commencer par celle de la reconnaissance optique des caractères (OCR) et du traitement à appliquer aux données collectées pour les rendre exploitables dans le cadre d’une analyse numérique. Une large place sera également accordée à la question de la formalisation des corpus, à travers l’apprentissage de techniques de nettoyage de texte (« expressions régulières » ou regex), de lemmatisation et d’encodage de métadonnées. Enfin, la troisième partie de la formation sera consacrée à l’analyse historienne proprement dite. Les participants y apprendront à réaliser des enquêtes élémentaires à l’aide de l’outil TXM et à produire des visualisations de données pertinentes et efficaces. Des exercices pratiques seront proposés tout au long des séances, en vue de garantir une bonne assimilation de la formation.

Ce rendez-vous se clôturera par une journée de « hackathon » ouverte aux stagiaires ainsi qu’à des participants maîtrisant déjà les outils présentés lors de la formation. L’ambition de cette dernière journée sera double : il s’agira, d’une part, de mettre en application les notions apprises lors des étapes précédentes et, d’autre part, de construire ensemble un nouveau corpus textuel. Ce dernier sera ensuite mis librement à disposition de la communauté des médiévistes. En travaillant au sein de groupes restreints, les stagiaires seront amenés à nettoyer et à assurer le traitement d’un corpus déjà OCRisé, mais ne se présentant à l’heure actuelle que sous la forme d’un texte brut : celui des Cartulaires de Notre-Dame de Paris publiés par Benjamin Guérard au milieu du XIXe siècle.

Si vous souhaitez participer à cet atelier, merci de vous y inscrire avant le vendredi 27 septembre 2019 à l’adresse suivante : ateliernouveauxoutils@gmail.com . Nous vous serions reconnaissants de préciser si vous vous inscrivez à l’ensemble de la formation ou à la seule journée de hackathon. Quelques jours avant le début de la formation, les stagiaires recevront une liste d’outils qu’ils seront invités à télécharger et à installer sur leur ordinateur portable. La formation est gratuite et ouverte à tous (étudiants de Master, doctorants, postdoctorants, enseignants-chercheurs, …).

Structure du programme :

Lundi 28 octobre 2019

I. Acquisition et nettoyage des données
I.1. Du papier au numérique
I.2. OCRisation – Partie 1 : acquisition et pré-traitement
I.3. OCRisation – Partie 2 : post-traitement

II. Traitement, formalisation et création d’un corpus (début)
II.1. Nettoyer un texte : les regex ou « expressions régulières »
II.2. Lemmatisation (aspects théoriques)

Mardi 29 octobre 2019

II. Traitement, formalisation et création d’un corpus (fin)
II.3. Outils disponibles et formats d’entrée
II.4. Intégrer des métadonnées

III. L’analyse historienne
III.1. Enquêtes élémentaires
III.2. Visualiser les données

Mercredi 30 octobre 2019

IV. Hackathon – Ouvert à tous

 

Informations pratiques :

Campus Condorcet (Paris), le numéro du local sera communiqué ultérieurement.
28-30 octobre 2019

Comité organisateur :
– Paul Bertrand (UCLouvain)
– Étienne Cuvelier (ICHEC)
– Sébastien de Valeriola (ICHEC, UCLouvain, ULB)
– Nicolas Perreaux (UNamur)
– Nicolas Ruffini-Ronzani (UVSQ / UNamur)

Partenaires :

Consortium COSME2
TGIR Huma-Num
Campus Condorcet
Institut de Recherche et d’Histoire des Textes
« Quaresmi », laboratoire de recherche de l’ICHEC Brussels Management School
« H 37 – Histoire et culture graphiques », groupe de recherche de l’UCLouvain
« Pratiques médiévales de l’écrit », centre de recherche de l’UNamur

 

 

 

Le corpus épigraphique bourguignon (VIIIe-XVe s.): Des catalogues aux applications numériques

Journée d’études : 23 octobre 2018, 10h-17h

Galerie Colbert – Salle AVD (Architecture, Ville, Design), 1er étage – porte 133, 6, rue des Petits-Champs – Paris 2e

Palais-Royal – Musée du Louvre (Métro 1 et 7) et Bourse (Métro 3)

Dans le cadre de la collaboration établie par les programmes consolidés des CIFM (Corpus des Inscriptions de la France Médiévale  – CESCM-Poitiers) et CBMA (Corpus Burgundiae Medii Aevi  – LaMOP – Paris), leurs équipes ont constitué un corpus de plus de 1400 inscriptions bourguignonnes du VIIIe au XVe siècle, publiées ou inédites, écrites en différentes langues, latin et ancien français en particulier.

Le propos de cette journée d’études est de revenir sur le processus d’acquisition et de structuration des données du corpus et d’évaluer son potentiel d’exploitation pour la recherche historique au regard des différents traitements informatiques possibles, linguistiques et spatiaux. Il s’agit de discuter, sur la base des différentes expériences réalisées, aussi bien des caractéristiques propres du matériel linguistique des inscriptions que de leurs usages dans l’espace et dans le temps.

Cette journée d’études est ouverte à tous les intéressés. En vue de l’organisation matérielle, les collègues souhaitant assister à cette rencontre sont priés de nous informer de leur présence avant le 08 octobre 2018 : cbma.project@gmail.com

Porté par le LaMOP (Laboratoire de Médiévistique Occidentale de Paris – UMR 8589) et le CESCM (Centre d’études supérieures de civilisation médiévale – UMR 7302), ce projet bénéficie du soutien du LabEx haStec (en partenariat avec l’IRHT – Institut de recherche et d’histoire des textes – CNRS UPR 841, le Centre Jean Mabillon -EnC – EA 3624 et le LEM/CERCOR (Laboratoire d’Études sur les Monothéismes – UMR 8584 / Centre européen de recherche sur les congrégations et les ordres religieux) et du Consortium COSME2 (CNRS – TGIR Huma-Num).

Organisation et coordination scientifique :
Eliana Magnani, CNRS – LAMOP UMR 8589 eliana.magnani@univ-paris1.fr
Estelle Ingrand-Varenne, CNRS – CESCM UMR 7302
estelle.ingrand.varenne@univ-poitiers.fr

PROGRAMME

Acquisition et traitements

 10h – Introduction. Autour du corpus épigraphique bourguignon : chiffres, chronologie, langues – Eliana Magnani (CNRS, Lamop) et Estelle Ingrand-Varenne (CNRS, CESCM)

10h40 – De l’OCR à Philologic. Un parcours informatique – Pierre Brochard (CNRS, Lamop)

11h20 – Le matériel épigraphique révisé et complété. Le traitement des inscriptions de la fin des années 1990 à aujourd’hui – Aurore Menudier (CESCM) 12h-12h30 – Discussions

 Exploitations 

14h – La lemmatisation des inscriptions est-elle possible ? – Nicolas Perreaux (Université de Francfort)

14h40 – Les inscriptions d’après des expériences en SIG – Davide Gherdevich (Univ. Versailles-Saint-Quentin, DYPAC), Thomas Lienhard (Univ. Paris 1 Panthéon-Sorbonne, Lamop)

15h30 – Pause

16h – Discussions et tour de table conclusif

Mesures et ‘valeurs’ : autour de la question des poids et mesures

Groupe de travail « Mesures et ‘valeurs’ » – responsable Armand Jamme (CNRS -Ciham)

Les interrogations sur les mesures et ce qu’elles signifient sont depuis le début des études historiques un vrai serpent de mer. Les valeurs enregistrées dans les sources médiévales n’ont pas en effet la claire évidence arithmétique que paraît recouvrir leur expression chiffrée, non seulement parce qu’elles n’ont de sens que replacées dans un contexte économique et culturel précis, mais aussi à cause de la diversité des systèmes de comptes utilisés, sans évoquer ici le fameux « système monastique » étudié par David King. A cette complexité, vient s’ajouter la diversité des formes de restitution des abréviations et des chiffres par les éditeurs de textes médiévaux.

Les projets que le groupe M&V entendait développer, dans le cadre du consortium COSME2 orienté vers la création de référentiels, sont au nombre de trois :

  • bâtir un système permettant de dresser les soldes intermédiaires et finaux d’un registre de comptes édité en ligne et ses traductions graphiques ;
  • constituer une base de données décrivant les exercices comptables, dans toute leur diversité génétique, aujourd’hui conservés pour l’espace français du XIIIe siècle ;
  • réfléchir à la constitution d’un glossaire des monnaies médiévales offrant pour chaque espèce, outre sa description et son histoire, son poids réel en métal plus ou moins précieux.

Le premier est, à mi-parcours, en bonne voie, puisqu’un script résultant de l’invention d’un mécanisme permettant de totaliser des chiffres romains, exprimés parfois en recourant à des sommes exposées (VIXXXIII, par exemple), et bien évidemment intégrant les égalités qui sont à la base du système livre, sous, denier, sera adapté à titre de test sur une édition électronique à la fin 2018. Ceci peut laisser présager en fin de programme la création d’un système de traitement mathématique d’un grand nombre d’éditions numériques de textes comptables, même si les handicaps demeurent à ce jour importants.

Les échanges, longs mais nécessaires à l’élaboration des paramètres d’inventorisation ont abouti pour le second objectif à un plan de travail sous excel, qui permet de lancer à l’automne 2018 la production de la base et son interface de saisie. A terme cette BDD qui doit recevoir les analyses d’exercices comptables de diverses origines géographiques, institutionnelles et donc culturelles, devrait être publiée sur Thelma.

En revanche, le développement d’un projet de glossaire des monnaies, a été freiné par l’existence parallèle et simultané d’un projet de portail des monnaies françaises actuellement développé par l’EPHE et la BnF. Tout ceci nécessite de nouvelles discussions et une reconfiguration tant des objectifs que des méthodes pour parvenir à une vraie complémentarité des deux structures qui, pour avoir le même objet  et donc de nombreux éléments communs, n’en ont pas moins des paramètres d’analyse différents.

Membres de l’équipe :

Armand Jamme (CNRS)

Philippe Bernardi (CNRS),

Didier Boisseuil (Univ. Tours),

Marc Bompaire (EPHE),

Gaël Chenard (Arch. Dép. Vienne),

Florence Codine (BnF),

Harmony Dewez (Univ. Poitiers),

Christelle Loubet (Univ. Lorraine),

Shinya Mukai (Osaka Univ.)

G. Porte

A. Sablon du Corail (Arch. Nat.),

D. Sassu Normand

TELMA

Traitement Électronique des Manuscrits et des Archives

Porteur principal et responsable du projet : IRHT – Paul Bertrand (UCLouvain – Université de Louvain, membre associé à l’IRHT)

Membres IRHT, à titre principal : Paul Bertrand, Cyril Masset.

Partenaires : TGE Adonis puis COSME (Consortium Sources Médiévales), EnC jusqu’en 2009.

Dates : 2005-

Objectifs

TELMA –Traitement électronique des manuscrits et des archives– est une collection de l’IRHT, dédiée aux éditions critiques électroniques et à la publication de répertoires numériques de sources médiévales. Née en 2005 comme un centre de ressources numériques du CNRS en collaboration avec l’École nationale des Chartes, TELMA est devenu en 2009 une plate-forme de services (de l’aide et conseil jusqu’à la réalisation entière du corpus) et de diffusion (avec respect des normes et standards, interopérabilité entre les corpus et archivage pérenne des données). Son objectif est de mettre en ligne, à la disposition de la communauté scientifique, des corpus de sources et les instruments de recherche nécessaires à leur exploitation.

TELMA met à la disposition des chercheurs qui le souhaitent une expertise et des outils, afin de les aider à produire eux-mêmes des corpus édités et des outils d’érudition, de manière ergonomique et intuitive, en fonction des besoins et des nécessités des enquêtes.   La structure des corpus publiés est conçue avec les chercheurs, en suivant un modèle TEI de manière assez libre.

Un conseil scientifique valide et encadre désormais les projets en cours de publication ainsi que les choix techniques et scientifiques de la plate-forme. En 2017-2018, l’infrastructure technique mise en place en 2005 et revue en 2010-2011 a été complètement mise à jour (par G. Porte) pour favoriser l’interopérabilité des données. A cette occasion, plusieurs séries ont été constituées et les corpus de la série « Sources Diplomatiques » ont été rapprochés davantage encore pour des interrogations croisées plus fructueuses.

 

Résultats

Série « Sources Diplomatiques »

  • Chartae Galliae – base de données consacrée aux actes écrits relatifs à la France (dans ses frontières actuelles) jusqu’à la fin du XIIIe siècle, éd. B. Tock (UStrasbourg) http://www.cn-telma.fr/chartae-galliae
  • Chartes originales antérieures à 1121 conservées en France, base de données qui présente le texte, et bientôt les reproductions photographiques, de l’ensemble des chartes originales antérieures à 1121 conservées en France. La base de données permet la recherche des actes en fonction de leur auteur, de leur bénéficiaire et la recherche lexicale. Ed. CRULH, U. Lorraine. http://www.cn-telma.fr//originaux/index/
  • Chartes originales (1121-1220) conservées en France : Dans la continuité du projet « chartes originales antérieures à 1121 conservées en France », l’équipe de l’Axe Diplomatique du CRUHL a souhaité mettre à disposition des chercheurs les actes originaux produits entre 1120 et 1220 actuellement conservés en Lorraine. . Ed. CRULH, U. Lorraine. http://www.cn-telma.fr//originaux2/index/
  • Cartulaire de Nesle : cartulaire laïque de la seigneurie de Nesle (Côte-d’Or, arr. Montbard, cant. Laigne) est conservé au Musée Condé à Chantilly (série GB, XIV F 22). Ed. X. Hélary (CIHAM). http://www.cn-telma.fr//nesle/index/
  • Actes royaux – dans le cadre du Corpus Philippicum, la présente édition intègre des actes de Philippe III et de Philippe IV encore inédits, aussi bien en analyses qu’en éditions. A ce noyau initial, viendront s’ajouter d’autres éditions d’actes royaux au fur et à mesure de l’avancement des travaux des chercheurs. Ed. Corpus Philippicum, IRHT. http://www.cn-telma.fr//actesroyaux/index/
  • Ordonnances de l’Hôtel – dans le cadre du Corpus Philippicum, édition d’ordonnances inédites du registre JJ 57 du Trésor des chartes – Ed. Corpus Philippicum, IRHT – http://www.cn-telma.fr//ordonnances/index/
  • Enquêtes menées sous les derniers Capétiens – toujours dans le cadre du Corpus Philippicum, près de 150 enquêtes administratives datant du règne des derniers Capétiens. Notamment de Philippe IV le Bel avec quelques textes du règne de Philippe III et quelques textes datant des règnes des fils de Philippe IV. Ces enquêtes du Corpus Philippicum furent copiées dans la plupart des fonds d’archives de France. Il ne s’agit ici que d’un échantillon de l’ensemble des copies réalisées. Ed. Corpus Philippicum, IRHT. http://www.cn-telma.fr//enquetes/index/
  • Testaments royaux – édition de testaments royaux français édités et inédits. Ed. Corpus Philippicum. A paraître, 2018.
  • APOSCRIPTA database – Lettres des papes [telles qu’elles sont connues par leurs destinataires et non par les registres pontificaux, des origines à nos jours] (Ed. Julien Théry, CIHAM, 2018, en cours de publication).
  • Inventaire sommaire des chartes de la collection Moreau, BnF (Ed. Benoît-Michel Tock, U. Strasbourg, 2018, en cours de publication)
  • Projet « Bullaire franciscain » et « documentation franciscaine concernant l’Orient et la ‘‘Terre sainte’’ », Ed. I. Heullant-Donat, Université de Reims, CERHIC-EA 2616, 2016-2018, en cours de mise en ligne.
  • Ethiopian Manuscripts Archive : Un ensemble de textes issus des archives manuscrites du royaume chrétien d’Éthiopie. Cette édition est un projet collectif mené par des historiens et philologues travaillant sur la documentation manuscrite produite par le royaume chrétien d’Éthiopie entre le xe et le xxe siècle. Ed. A. Wion (IMAF). En cours de publication.

Série « Outils et Répertoires »

  • CartulR – Répertoire des cartulaires médiévaux et modernes – Répertoire évolutif de plus de huit mille cinq cents cartulaires manuscrits français médiévaux et modernes. Ed. P. Bertrand (IRHT-UCLouvain) – http://www.cn-telma.fr//cartulR/index/
  • Catalogue de manuscrits liturgiques médiévaux et modernes – Ce répertoire propose une série de notices de manuscrits liturgiques conservés en France, notamment ceux qui ne figurent pas dans les catalogues du chanoine Leroquais. Ed. J.-B. Lebigue (IRHT) – http://www.cn-telma.fr//liturgie/index/
  • Luxury Bound – corpus de près de 3700 manuscrits illustrés aux anciens Pays-Bas au Bas Moyen Âge, qui a été compilé, entretenu et mis à jour dans une base de données dans les années 1997-2010, éd. H. Wijsman (IRHT) http://www.cn-telma.fr//luxury-bound/index/
  • Base de données « Légendiers » (IRHT –Soc. Bollandistes –UNamur), 2015-2018, à mettre en ligne.
  • Leges Populi Romani : LEPOR (LEges POpuli Romani) est une base de données en cours d’élaboration qui, lorsqu’elle sera achevée, comprendra environ 880 notices, dont chacune sera consacrée à une loi comitiale du peuple romain. Ed. J.-L. Ferrari (AIBL).

Série « Textes »

  • Fruit d’une collaboration étroite entre spécialistes des textes antiques et spécialistes de l’iconographie gréco-romaine, la base CALLYTHEA met à disposition du public des textes poétiques de l’époque hellénistique, d’accès parfois difficile, qui évoquent ou relatent un épisode mythologique. Ed. ANR CAIM http://www.cn-telma.fr//callythea/index/
  • Le statut légal des minorités religieuses dans l’espace euro-méditerranéen – base de données des textes normatifs relatifs au statut juridique des minorités religieuses dans les sociétés chrétiennes et islamiques médiévales. Ed. projet européen RELMIN, John Tolan, U. Nantes. http://www.cn-telma.fr//relmin/index/
  • Lettres d’Yves de Chartres (Ed. Geneviève Giordanengo, 2018), à paraître en 2018.

Scriptorium.be

Scriptorium.be : base de données bibliographiques de la revue Scriptorium et du Bulletin codicologique, bibliographie courante des études relatives aux manuscrits médiévaux d’Europe

 

Scriptorium.be est la base de données bibliographiques de la revue Scriptorium, principale revue internationale relative aux manuscrits médiévaux d’Europe, et de sa partie bibliographique, le Bulletin codicologique, bibliographie courante recensant les publications scientifiques (articles de revue, monographies, ouvrages collectifs, catalogues et inventaires de manuscrits, catalogues d’exposition, etc.) publiées sur les manuscrits médiévaux depuis 1959. Mis en ligne en 2004, elle contient actuellement les données bibliographiques de plus de 26.000 publications signalées dans le Bulletin codicologique entre 1975 et 2017. 

Les utilisateurs peuvent effectuer des requêtes soit par mots clés sur un ou plusieurs champs (auteur, éditeur scientifique, titre, titre de revue, année d’édition, ISBN, etc.), soit par cote de manuscrit (ca 260.000 cotes encodées provenant des index des manuscrits cités dans Scriptorium et dans le Bulletin codicologique).

La base de données est gérée par le Centre International de Codicologique (CIC) ASBL (Groupe de contact « Codicologie » du FNRS) hébergé à la Bibliothèque royale de Belgique à Bruxelles.

Objectifs du soutien de COSME

Depuis 2013, le soutien du Consortium Sources Médiévales a pour objectif de :

  • Poursuivre l’encodage rétrospectif des anciens numéros du Bulletin codicologique (environ35.000 publications recensées entre 1959 et 2000) et des cotes de manuscrit.
  • D’améliorer l’interface de recherche et le système de gestion de la base de données SQL.
  • D’encoder les données bibliographiques des articles parus dans la partie Scriptorium (1946-2017).

Résultats et perspective d’achèvement

Entre 2013 et 2017, les différents techniciens engagés dans le cadre du projet ont permis d’avancer significativement dans l’encodage. 15.030 publications tirées Bulletin codicologique et 20.279 cotes de manuscrits ont été introduites dans la base de données. Les années 1983-2000 et 1976-1978 ont été complétement couvertes. Il reste environ 20.500 notices à encoder (+/- 205 jours d’encodage). Pour 2018, l’objectif est de réaliser la refonte complète de Scriptorium.be et d’encoder l’ensemble des articles de la partie Scriptorium.

Site web : www.scriptorium.be

Recherche par cote de manuscrit : http://www.scriptorium.be/search_manuscript.php

Recherche par mots-clés : http://www.scriptorium.be/search_review.php

Les cotes des manuscrits : construire un référentiel commun

Groupe de travail « Alignement des cotes de manuscrits » – 
Responsable : François Bougard (IRHT)

Le groupe de travail sur les cotes des manuscrits médiévaux et modernes se fixe pour objectif d’œuvrer à un meilleur repérage de cet élément d’identification essentiel des volumes qu’est la cote qui leur est assignée par les établissements de conservation (bibliothèques, archives, musées). L’enjeu est d’abord quantitatif étant donné le grand nombre de témoins. Mais il s’agit surtout de faire en sorte d’éliminer les ambiguïtés qui dérivent de l’hétérogénéité des libellés et surtout de leur côté changeant. Un même manuscrit peut avoir reçu pas moins d’une demi-douzaine d’appellations différentes en des temps récents, sans parler bien sûr de la stratigraphie des cotes anciennes antérieures au dépôt dans les fonds actuels. Cette diversité a pour effet que les recherches liées aux différents manuscrits sur internet ne donnent souvent que des résultats partiels et décevants, faute de pouvoir établir des liens faciles entre des informations pourtant disponibles.

La construction d’un référentiel commun passe par une opération d’alignement des cotes entre les différentes bases de données nationales et internationales. L’ÉquipEx Biblissima réalise ce travail pour les bases dont elle met en œuvre l’agrégation des données. La plupart de celles de l’IRHT sont concernées (Bibale, Initiale, Jonas, Fama, Pinakes, Iter liturgicum Italicum), et leur alignement se règle sur celui de la base Medium, répertoire informatisé centralisé des manuscrits reproduits ou recensés par l’IRHT, qui sert de réservoir commun.

COSME, de son côté, soutient depuis plusieurs années l’alignement non seulement des cotes mais aussi des établissements de conservation de la base scriptorium.be, qui rassemble les informations bibliographiques relatives à chaque manuscrit depuis la création de la revue homonyme en 1946 (Scriptorium. Revue internationale des études relatives aux manuscrits, est commune à la Bibliothèque royale de Belgique et à l’IRHT ; elle publie chaque année deux fascicules complémentaires du Bulletin codicologique, sous les auspices du Centre international de codicologie). Depuis l’été 2017, scriptorium.be est hébergé sur les serveurs de l’IRHT à Orléans, ce qui facilite le travail. Il s’agit d’une opération de longue haleine, qui concernera à terme 263 000 cotes et 35 000 références bibliographiques.

De même, COSME a soutenu la mise en place d’un outil de « recherche floue », qui permet de se libérer de la contrainte des points, des espaces ou de l’ordre dans le libellé des éléments constitutifs de la cote. Il s’agit pour l’instant d’une amélioration pour la consultation et la gestion interne des différentes bases et surtout de Medium.

En 2018 et 2019, le groupe de travail sur les cotes poursuit le soutien à l’alignement des informations de scriptorium.be (récupération et traitement des données de manière rétrospective selon le rythme de parution de la revue). Il élargit les opérations d’alignement des cotes vers d’autres « réservoirs », de façon à améliorer leur accessibilité. Un accord est en cours de finalisation avec les éditions Brepols pour les cotes des manuscrits renseignées dans la Bibliographie du Moyen Âge tardif (BAMAT, 26 fascicules parus depuis 1991, appelée à devenir eBAMAT) et dans l’incipitaire latin In Principio (un million d’entrées) : le but est d’offrir une clé d’entrée à ces stocks d’information par cote, en intégrant chacune d’elle, alignée, dans la base Medium, avec le lien correspondant.

Le travail de longue haleine sur les cotes s’inscrit aussi dans la réflexion internationale sur la mise au point d’un identifiant unique pour les manuscrits (ISMI : International Standard Manuscript Number). Ce projet, évoqué lors de trois rencontres à Paris en 2017 et 2018, est encore embryonnaire et suscite de multiples discussions. Il débouchera peut-être sur la mise au point d’une norme internationale ISO, comparable à celle qui existe pour l’ISBN et l’ISSN.

Membres du groupe :

François Bougard (IRHT),

Mickaël Lefèvre (KBR)

Cyril Masset (IRHT)

Véronique Trémault (IRHT)

CBMA (Chartae Burgundiae Medii Aevi)

Responsable Eliana Magnani (CNRS -LaMOP)

Consacré, lors de ses origines (2004), fondamentalement aux documents diplomatiques bourguignons médiévaux (plus de 29 000 chartes), le programme des Chartae Burgundiae Medii Aevi (CBMA) s’est engagé depuis 2016 dans une profonde évolution. En vue de constituer un corpus à la fois structuré et hétérogène de textes latins médiévaux sur la longue durée (Ve-XVe siècle), il a commencé à intégrer à sa base de données et à sa plateforme d’autres types documentaires (narratifs, théologiques, normatifs, épigraphiques…).

CBMA logoLe propos de ce nouveau projet est de mettre à la disposition des chercheurs, en accès libre, un corpus propre aux formalisations et aux recherches assistées par l’informatique (notamment les fouilles de texte et les SIG), géographiquement circonscrit[1], facilement accessible et adaptable, qui peut être utilisé pour lui-même mais aussi servir de point de comparaison avec d’autres corpus, ouvrant ainsi à des approches à différentes échelles : locales, régionales, européennes. Actuellement (2018), deux nouveaux corpus sont en cours de constitution, celui réunissant les inscriptions épigraphiques (plus de 1 400 unités), en collaboration avec le CESCM et le soutien de COSME2 et celui des textes hagiographiques (environ 380 textes), avec le soutien du Labex Hastec, opération portée par le LaMOP en partenariat avec l’IRHT, le CJM et le LEM/CERCOR.

[1] La Bourgogne est comprise ici d’après les juridictions ecclésiastiques médiévales : les diocèses d’Auxerre, Langres, Nevers, Autun, Chalon, Mâcon, Besançon.

 

 

Corpus épigraphique bourguignon

Responsables Eliana Magnani (CNRS – LaMOP), Estelle Ingrand-Varenne (CNRS – CESCM)

Avec le soutien de COSME2, deux équipes partenaires supportant des programmes de recherches consolidés, le Corpus des Inscriptions de la France Médiévale (CIFM) et le Corpus Burgundiae Medii Aevi (CBMA) ont mis en place le projet commun de réalisation du « Corpus épigraphique bourguignon ».

En 2018, les inscriptions épigraphiques du VIIIe au XIIIe siècle, publiées entre 1997 et 2000 dans les volumes 19 (Jura, Nièvre, Saône-et-Loire), 20 (Côte-d’Or) et 21 (Yonne) du Corpus des Inscriptions de la France Médiévale ont été extraites, corrigées et complétées par les inscriptions répertoriées par l’équipe d’épigraphistes poitevins mais qui demeuraient inédites, notamment celles des XIIIe, XIVe et XVe siècles[1]. Par ce travail préliminaire à l’intégration des textes à la base des données des CBMA, 1 418 inscriptions en latin et en français ont été réunies (417 publiées et 947 inédites)[2]. Le traitement de cet ensemble (dont sa lemmatisation), alors qu’il pose la question des corpus plurilinguistiques, figure parmi les chantiers qui seront développés dans les prochains mois.

[1] R. Favreau, J. Michaud, B. Mora, Jura, Nièvre, Saône-et-Loire, Paris, 1997 (Corpus des inscriptions de la France médiévale, 19) – http://www.persee.fr/doc/cifm_0000-0000_1997_cat_19_1 ; Id., Côte-d’Or, Paris, 1999 (Corpus des inscriptions de la France médiévale, 20) http://www.persee.fr/doc/cifm_0000-0000_1999_cat_20_1; R. Favreau, J. Michaud, Yonne, Paris, 2000 (Corpus des inscriptions de la France médiévale, 21) – http://www.persee.fr/doc/cifm_0000-0000_2000_cat_21_1.

[2] L’extraction des textes et des métadonnées à partir des volumes océrisés disponibles en ligne, a été réalisée par Pierre Brochard (CNRS-LaMOP). Aurore Menudier (CESCM-Poitiers, avec le soutien de COSME2) a assuré la révision et a complété le corpus.

Les ateliers du groupe “Lemmes”

Groupe de travail « Lemmes » – responsable Eliana Magnani (CNRS -LaMOP)

Le groupe de travail « Lemmes » s’est donné pour objectif initial l’aide au développement des outils de lemmatisation des langues médiévales (latin, français, anglais…) et l’incitation à la diffusion des corpus textuels lemmatisés. En effet, encore très peu connue et pratiquée par la communauté des historiens médiévistes, cette opération fondamentale à toute approche des grands corpus est pourtant indispensable dans le cas des langues médiévales très flexionnées et à très grande variation orthographique.

Quatre équipes françaises partenaires de COSME2 (Biblissima, EnC, IRHT, LaMOP) ainsi qu’une équipe allemande (Univ. de Francfort) qui s’est également associée aux travaux du groupe, développent actuellement des « tagueurs » et/ou des paramètres pour des tagueurs préexistants. Avec d’autres partenaires (comme le CESCM), ces équipes diffusent aussi des corpus textuels lemmatisés ou en projet de lemmatisation.

Le groupe de travail compte réunir un à deux ateliers par an pour décider en commun et mettre en œuvre son activité.

Dans ce cadre, le premier atelier (novembre 2017[1]) visait à faire le bilan des outils existants, des points d’achoppement des applications et des orientations et actions à développer. Différents « lemmatiseurs » ont été présentés : Collatinus (Y. Ouvrard, Ph. Verkerk), Pandora (J.-B. Camps), CompHistSem (T. Geelhaar), OMNIA (R. Alexandre), PALM (M. Aouini, C. Fletcher, A. Mairey), avec le constat que, quels que soient leurs objectifs (pédagogiques, lexicographiques, textométriques) ou leurs structures (lexique plus entrainement ; réseau de neurones), tous les outils (tagueurs et/ou paramètres) présentés sont estimés performants à environ 90% (±5%). Ce sont donc les 5-15% d’erreurs qui demandent réflexion, comme la reconnaissance des noms propres (personnes et lieux) qui figurent parmi les erreurs récurrentes d’étiquetage. Par ailleurs, il est apparu nécessaire de réaliser l’évaluation systématique et comparative des outils de lemmatisation.

Le deuxième atelier  (juin 2018[2]) s’est articulé autour de ces points : la présentation de deux recherches doctorales sur les entités nommées (M. Auoini, S. Torres), du projet « Opera latina » du LASLA (Univ. de Liège) (D. Longrée, M. Fantoli) et la discussion sur les modalités à adopter pour l’évaluation des outils de lemmatisation. Les débuts des tests donneront l’occasion à la tenue d’un troisième atelier (décembre 2018).

Le groupe s’est engagé également à développer des activités de diffusion (tableau comparatif de la structure des outils et paramètres de lemmatisation) et de formation, à mettre en place à partir de 2019.

[1] Voir le programme : Étaient présents à cet atelier : Renaud Alexandre, Mourad Aouini, Pierre Brochard, Jean-Baptiste Camps, Chris Fletcher, Simon Gabay, Łukasz Gagala, Tim Geelhaar, Jean-Philippe Genet, Marlène Helias-Baron, Estelle Ingrand-Varenne, Fabrice Jejcic, Anne-Françoise Leurquin, Eliana Magnani, Aude Mairey, Yves Ouvrad, Nicolas Perreaux, Coraline Rey, Evgeniya Shelina, Sergio Torres, Philippe Verkerk.

[2] Voir le programme : Étaient présents à cet atelier : Renaud Alexandre, Mourad Aouini, Bruno Bon, Olivier Canteaut, Thibault Clérice, William Diakité, Margherita Fantoli, Simon Gabay, Christopher Geekie, Jean-Philippe Genet, Dominique Longrée, Eliana Magnani, Aude Mairey, Krzysztof Nowak, Yves Ouvrard, Nicolas Perreaux, Coraline Rey, Michał Rzepiela, Sergio Torres, Philippe Verkerk.

Journée d’études COSME “Qu’est-ce qu’un corpus ?”

Journée d’études

Qu’est-ce qu’un corpus ?


lundi 7 novembre 2016 – 9h30-18h

Paris, IRHT – Salle J. Vielliard – 40 avenue d’Iéna

contact : cbma.project@gmail.com

Le propos de cette journée d’études est de s’interroger sur ce qui est (ou pourrait être) un corpus pour les historiens médiévistes.

À partir du xvie siècle, en reprenant l’une des acceptions médiévales du mot latin corpus pour désigner un ensemble d’écrits (à commencer par les Écritures et par la notion de corpus iuris), les érudits modernes et contemporains intitulent corpus plusieurs de leurs collections de documents édités. On en vient alors, depuis le xixe siècle, à appeler corpus n’importe quel ensemble de pièces. Cet usage se généralise sous la plume des médiévistes à partir des années 1980 mais, surtout, des années 2000, et s’inscrit en parallèle avec l’informatisation et avec la multiplication des numérisations et des bases de données.

Ce mouvement général, qui n’est pas propre à l’histoire médiévale, a suscité, cependant, dans certaines disciplines des sciences humaines et sociales, notamment par l’apport de la linguistique, une solide réflexion et conceptualisation sur ce qui est/fait un corpus. À la fois en utilisant corpus dans son acception lâche de collection, recueil ou compilation, et beaucoup plus rarement en référence à la notion de corpus issue de la linguistique, les médiévistes n’ont pas encore fait émerger une définition raisonnée ni une réflexion conceptuelle autour de ce terme.

Cette journée d’études ouverte à tous, organisée par l’équipe du programme des CBMA (Chartae Burgundiae Medii Aevi), avec le soutien du Consortium Cosme (CNRS), du Lamop (UMR 8589) et de l’IRHT, entend proposer un diagnostic et contribuer à ouvrir des pistes de recherches épistémologiques, heuristiques et méthodologiques partagées.

Programme : 

Matin
9h30 : Accueil
10h : Introduction. Les médiévistes et le corpus (Eliana Magnani – CNRS, Lamop UMR 8589)
10h30  : Histoire du corpus et corpus en histoire : éléments de        présentation théoriques et pratiques (Magali Guaresi – Univ. Nice Sophia Antipolis,  CMMC EA  1193, BCL UMR 7320)
11h : Discussion
11h20  : Le corpus : une structure historienne ou historique ? (Nicolas Perreaux – SFB 1095 Ressourcenregime und  Schwächediskurse, Frankfurt am Main)
11h50 : Discussion
12h10 : Corps des canons et corps du droit au Moyen Âge (Charles de Miramon – CNRS, CRH UMR 8558)
12h40 : Discussion

13h : Déjeuner

Après-midi
14h : Pour une définition ouverte et empiriste du corpus en                    histoire du Moyen Âge (Sébastien Fray – Univ. Saint-Etienne)
14h30 : Discussion
14h50 : La problématique du corpus dans l’historiographie anglo-normande (Ismérie Triquet – Univ. Rennes II)
15h20 : Discussion
15h40 : Pause
16h : Corpus, distinctiones, extravagantes, deperdita : les                lettres de Loup de Ferrières, les défis et les nouveux acquis (Michael I. Allen – University of Chicago)
16h30 : Discussion
16h50 : Tour de table et conclusions (Joseph Morsel – Univ. Paris 1, Lamop UMR 8589)
18h : Fin des travaux

Journée d’études “Qu’est-ce qu’un corpus ?”

Qu’est-ce qu’un corpus ?

Journée d’études
Lundi 7 novembre 2016 – 10h-18h
Paris, IRHT – Salle J. Vielliard – 40 avenue d’Iéna


Appel à communications

Le propos de cette journée d’études est de s’interroger sur ce qui est (ou pourrait être) un corpus pour les historiens médiévistes.

À partir du xvie siècle, en reprenant l’une des acceptions médiévales du mot latin corpus pour désigner un ensemble d’écrits (à commencer par les Écritures et par la notion de corpus iuris), les érudits modernes et contemporains intitulent corpus plusieurs de leurs collections de documents édités. On en vient alors, depuis le xixe siècle, à appeler corpus n’importe quel ensemble de pièces. Cet usage se généralise sous la plume des médiévistes à partir des années 1980 mais, surtout, des années 2000, et s’inscrit en parallèle avec l’informatisation et avec la multiplication des numérisations et des bases de données.

Ce mouvement général, qui n’est pas propre à l’histoire médiévale, a suscité, cependant, dans certaines disciplines des sciences humaines et sociales, notamment par l’apport de la linguistique, une solide réflexion et conceptualisation sur ce qui est/fait un corpus. À la fois en utilisant corpus dans son acception lâche de collection, recueil ou compilation, et beaucoup plus rarement en référence à la notion de corpus issue de la linguistique, les médiévistes n’ont pas encore fait émerger une définition raisonnée ni une réflexion conceptuelle autour de ce terme.

Cette journée d’études ouverte à tous, organisée par l’équipe du programme des CBMA (Chartae Burgundiae Medii Aevi), avec le soutien du Consortium Cosme (TGIR Huma-Num) et du Lamop (UMR 8589), entend proposer un diagnostic et contribuer à ouvrir des pistes de recherches épistémologiques, heuristiques et méthodologiques partagées.

Les propositions de communication (une dizaine de lignes environ) sont à envoyer par courriel avant le 30 septembre 2016, à Eliana Magnani  (eliana.magnani@gmail.com).

Contact : eliana.magnani@gmail.com

Liens utiles :
http://www.cbma-project.eu/
http://lamop.univ-paris1.fr/

Ecole d’été d’Avranches en partenariat avec Biblissima

La Ville et la bibliothèque patrimoniale d’Avranches, en partenariat avec le CRAHAM, la MRSH-Université de Caen et l’Equipex Biblissima, organisent une école d’été à Avranches du 29 août au 2 septembre 2016, sur le thème “Editer et cataloguer aujourd’hui : autour de la bibliothèque du Mont-Saint-Michel”.

Le programme est disponible sur le site de Biblissima : http://www.biblissima-condorcet.fr/fr/actualites/ecole-ete-a-avranches-editer-cataloguer-aujourd-hui-autour-bibliotheque-mont-saint-michel

Cette école initiera les participants aux outils numériques de l’édition et du catalogage de sources anciennes à partir des manuscrits et volumes imprimés de l’ancienne bibliothèque du Mont Saint-Michel conservés à Avranches. Elle alternera des conférences, ateliers pratiques et études de cas.

L’outil E-Cartae, développé avec le soutien de COSME, fera l’objet d’une présentation.

Le projet PALM – Plateforme d’Analyse Linguistique Médiévale

http://palm.huma-num.fr/PALM/

Responsables scientifiques : Jean-Philippe Genet, Christopher Fletcher, Aude Mairey (LaMOP)

La plateforme d’analyse linguistique PALM est une plate-forme d’analyse linguistique en ligne qui, associée à la bibliothèque de textes médiévaux disponibles en accès libre MEDITEXT, permet de constituer, de gérer et de lemmatiser automatiquement un corpus de textes en trois langues : latin, moyen français et moyen anglais. Les textes de la bibliothèque sont exportables sous trois formats (HYPERBASE, Lexico3 et TXM), soit sous leur forme originale, soit sous forme lemmatisée, l’objectif étant de permettre un traitement textométrique. La lemmatisation automatique repose pour chacune de ses langues sur un tagger et sur un dictionnaire, le tagger étant entraîné sur le dictionnaire. Mais la lemmatisation automatique laisse subsister une proportion non négligeable de formes ambigües (une forme qui peut correspondre à plusieurs lemmes différents, le contexte immédiat ne permettant pas de trancher) et de formes qui ne correspondent à aucun lemme du dictionnaire. La résolution des ambiguïtés et l’addition de nouveaux lemmes au dictionnaire enrichit donc celui-ci : au fur et à mesure de la lemmatisation des textes et après chaque campagne de lemmatisation importante, le couple tagger-dictionnaire est mis à jour et donc amélioré.

Après les quatre années du programme SAS financé par l’ERC, le logiciel qui fait fonctionner la plate-forme et qui a été développé par Mourad Aouini donne toujours pleine satisfaction ; Mourad Aouini, qui utilise le logiciel pour sa thèse de doctorat en ingénierie linguistique et est vacataire dans une équipe du CNRS, en a assuré la maintenance et a apporté des améliorations significatives. Il sera disponible pour l’entraînement des taggers si nous améliorons les dictionnaires : c’est d’ailleurs ce qui s’est passé pour le dictionnaire de moyen anglais, langue pour laquelle de nouveaux textes ont été introduits dans la bibliothèque par Christopher Fletcher et par Aude Mairey, tandis que les lemmatisations étaient validées par une philologue du CESCM de Poitiers. Le présent projet porte sur le latin médiéval, langue pour laquelle nous voudrions améliorer nos outils en profitant du fait que Mourad Aouini ne s’est pas encore éloigné de notre laboratoire. Le travail de lemmatisation a été commencé dans le cadre de SAS par Laura Albiero, mais elle a surtout utilisé des textes, d’ailleurs fort difficiles, de latin poétique insulaire. Le dictionnaire latin, grâce à son noyau primitif constitué par les lemmes issus du dictionnaire du latin médiéval conçu par Michel Parisse et Monique Goullet est cependant de bonne qualité, mais il doit encore être amélioré par le traitement de textes appartenant à des corpus que nous n’avons pas ou peu abordés jusqu’ici, comme les textes de latin scolastique. Par ailleurs, l’un des objectifs initiaux de MEDITEXT était de rassembler l’ensemble des textes ressortant du champ du politique en France, en Angleterre et il nous paraît utile de mettre à la disposition de la communauté scientifique à la fois le full-text et le texte lemmatisé. En effet, chaque utilisateur peut lemmatiser un texte pour son propre usage dans le cadre de son espace de travail mais cela prend un certain temps et tous les chercheurs n’ont pas forcément une bonne formation philologique dans nos trois langues de travail.

Il serait donc très utile de pouvoir mettre à la disposition de la communauté scientifique des versions lemmatisées de grands textes politiques médiévaux, puisque l’absence d’orthographe fait de la lemmatisation une phase préalable et nécessaire au traitement textométrique de ces textes. Nous avons donc projeté la lemmatisation systématique d’un corpus de textes politiques qui doit servir au développement de méthodes statistiques d’exploration des corpus diachroniques que Stéphane Lamassé et Jean-Philippe Genet ont l’intention de présenter au prochain colloque JADT à Nice en Juin 2016. Le corpus est constitué de 12 textes, auxquels seront ajoutés si possible ceux du Defensor Pacis de Marsile de Padoue, le De ecclesiastica potestate de Gilles de Rome, un sous-corpus de textes de soutien à Philippe le Bel et, plus tard, la traduction latine de la Politique d’Aristote. Le parti pris est celui de la diachronie, en rupture avec l’exigence canonique de la synchronie affirmée par les théoriciens de la linguistique de corpus. C’est que nous ne nous situons pas dans l’optique de la production des textes, mais dans celle de leur lecture (ou audition). Le De Civitate Dei de Saint Augustin figure ainsi dans ce corpus parce que c’est le livre « politique » le plus lu (et de très loin) pendant toute la période médiévale (comme l’atteste l’enquête BIB menée par Jean-Philippe Genet sur les « bibliothèques » individuelles anglaises de 1100 à 1550 et qui porte sur environ 40000 mentions de livres), le De Officiis de Cicéron ne reparaissant dans les bibliothèques qu’à la seconde moitié du XVe siècle. L’un des points forts du corpus est la présence du De Regimine principum rédigé par Gilles de Rome à l’attention du futur Philippe le Bel, le texte politique phare produit pendant la période médiévale, dont subsistent aujourd’hui plus de 300 manuscrits pour 29 versions en dix langues : il n’y a pas d’édition moderne de ce texte et grâce au programme SAS, le LAMOP a pu faire numériser le texte d’une édition romaine du XVIe siècle. Les deux textes de la fin du Moyen âge, le De vita, moribus et regimine principum adressé vers 1356-1358 à Pierre IV par l’Infant Pierre d’Aragon que nous devons à la générosité d’Alexandra Beauchamp et le Tractatus de Regimine Principum ad regem Henricum Sextum adressé vers 1438-1440 à Henri VI d’Angleterre sont là comme simples témoins de l’évolution de la langue du conseil politique, car leur diffusion a été très limitée à la différence de celle des autres textes qui peuvent presque tous être considérés comme des « best-sellers » médiévaux.

Le principal obstacle à la mise en place de ce corpus lemmatisé est celui du temps. Si environ 80% des formes sont lemmatisées automatiquement – mais même ces formes doivent être vérifiées, car un lemme nouveau peut être confondu avec un lemme déjà présent dans le dictionnaire ce qui génère une lemmatisation fautive – il reste environ 20% de formes correspondant à des lemmes nouveaux ou dont l’ambigüité doit être résolue. Grâce au soutien du consortium COSME, nous avons pu commencer ce travail, en lemmatisant le “De Regimine Principum” de Gilles de Rome. En utilisant les ressources linguistiques ainsi créées, nous allons pouvoir améliorer la performance de PALM pour la langue latine, suite au réentrainement des taggeurs et du enrichissement des dictionnaires à base de cette première lemmatisation.