L’HTR des langues peu dotées dans les programmes de recherche et dans les établissements de conservation français (1/2)

Organisée à la BnF le 14 février 2024, en partenariat avec le consortium HumaNum DISTAM, cette journée d’étude permet de faire le point sur les projets de recherche en cours et sur la place de l’HTR (Handwritten Text Recognition) dans les établissements français conservant des manuscrits.

La reconnaissance optique des écritures manuscrites (handwritten text recognition  - HTR), étape préalable à toute entreprise d’analyse ou de fouille de texte, pose des défis spécifiques pour les graphies non latines (arabe, arménienne, chinoise, hébraïque, etc.). Depuis quelques années, différents projets d’HTR ont ainsi été lancés ou menés à bien notamment dans le cadre du programme CollEx Persée, de projets soutenus par l’Agence nationale de la recherche (ANR), des travaux du DataLab de la BnF ou de projets de coopération numérique que l’établissement mène à l’international.

La plupart parviennent à des taux de reconnaissance supérieurs à 90%, mais avec une marge de progression qui semble limitée en l’état actuel des technologies employées, et un défi qui est celui de la correction des textes extraits.

La journée d’étude se propose de faire un point sur ces avancées et ces défis avec les porteurs actuels de projets de reconnaissance automatique d’écriture en langues peu dotées en matière d’HTR. Il s’agira de s’interroger sur les capacités de progression des outils utilisés, sur ce que recouvrent exactement les taux de reconnaissance obtenus, sur les perspectives que cette mise à disposition massive d’extractions de textes manuscrits ouvre pour la recherche en termes de lecture distante et de traitement automatique de la langue ainsi que sur la normalisation des modèles et la publication des modèles et des données d’entrainement. On examinera enfin la place de l’HTR dans les programmes des établissements de conservation français, ainsi que l’intégration des extractions obtenues dans les bibliothèques numériques.