Les projets de recherche – BnF DataLab

2025-2026

ManjuGisunTranscript

L’HTR pour les langues à graphies non latines. Transcription et exploitation d’ouvrages en mandchou sur Gallica

Michela Bussotti, directrice d’études. École française d’Extrême Orient.

Ce projet vise à développer un modèle de reconnaissance d’écriture manuscrite (HTR) et un jeu d’entraînement spécifique à la langue mandchou, une langue toungouse parlée par les empereurs de la dernière dynastie impériale des Qing (1644-1911). La collection de documents en mandchou numérisés par la BnF représente l’opportunité de répondre au défi posé par l’absence actuelle de modèle HTR pour cette langue. Mené dans le cadre du projet ANR ChEDil (Dictionnaires sino-européens : manuscrits lexicographiques pour l’étude historique des échanges entre la Chine et l’Europe, fin XVI^e-début du XIX^e siècle), ce projet trouvera une application directe dans les travaux de ce programme. L’outil de transcription automatique et les données de transcription seront également mis à disposition en libre accès, facilitant ainsi les recherches de tout chercheur travaillant sur un corpus mandchou, une étape importante pour l’étude d’une langue jusqu’ici peu dotée en transcription librement accessible.

PaRAMHTRS

Philology And Resolution of Abbreviations in Manuscripts obtained by HTR at Scale

Thibault Clérice, chercheur. ALMAnaCH, Inria.

Le projet PaRAMHTRS s’inscrit dans la continuité du projet primé HTRomance (2022) et des collaborations fructueuses entre le BnF DataLab et Inria. Ce projet a pour ambition de réaliser, pour la première fois, des expérimentations à grande échelle sur les manuscrits médiévaux de la BnF en langues latine et vernaculaires, couvrant une période allant du VII^e au XV^e siècle. L’objectif principal du projet est de démontrer l’efficacité des modèles de reconnaissance d’écriture manuscrite (HTR) génériques, multilingues et graphématiques, développés par l’équipe dans le cadre des projets HTRomance et CATMuS depuis 2022. Dans cette optique, le projet PaRAMHTRS s’articule autour de deux axes principaux : la création de très grands corpus (diachroniques et non thématiques pour le latin, diachroniques et thématiques pour l’ancien français et l’italien), et la résolution automatique des abréviations dans les textes obtenus par HTR.

Étude computationnelle des corpus oraux anciens

Évolution du système phonétique du français au XX^e siècle

Juliusz Cecelewski, doctorant. UMR 7018 - Laboratoire de Phonétique et Phonologie.

Toute langue vivante est soumise à un changement incessant et inévitable. Tous ses niveaux évoluent, que ce soit à travers les emprunts visant à rattraper le progrès technologique, ou encore un lexique sans cesse renouvelé par les jeunes locuteurs. La prononciation n’échappe pas à cette dynamique, avec des changements perceptibles parfois même au sein d’une seule génération. L’objectif central du projet est de fournir une documentation expérimentale inédite sur l’évolution du système phonétique du français entre le XX^e et le XXI^e siècles, à travers une analyse acoustique automatisée des archives de la parole de la BnF. Outre son importance pour la linguistique du français, le projet vise à approfondir la compréhension de la mécanique interne et de la dynamique temporelle des processus de changement phonétique universels affectant différentes langues du monde. En effet, avec une documentation sonore considérablement plus riche que d’autres langues, le français constitue un cas d’étude particulièrement utile pour une investigation phonétique d’une portée théorique plus générale qu’une étude descriptive monolingue classique.

Galligeo

Une application de géoréférencement de cartes et plans de la BnF

Eric Mermet, ingénieur de recherche. TSE-R, consortium Huma-Num Projets Time Machine.

Galligéo est une application web existante, initialement développée comme preuve de concept dans le cadre du consortium Huma-Num Projets Time Machine. Elle permet de géoréférencer des cartes et plans provenant de Gallica. L’un des objectifs principaux du projet est de faire évoluer cette application en intégrant les retours des utilisateurs, recueillis lors d’ateliers organisés au BnF DataLab. Cette démarche vise à favoriser l’émergence d’une communauté d’utilisateurs pour échanger et collaborer, et qui seraient en mesure de constituer un fonds de cartes et plans géoréférencées. Le projet prévoit d’enrichir l’outil avec d’autres algorithmes de géoréférencement. Galligéo sera ainsi un outil précieux pour les chercheurs travaillant sur des données géohistoriques, tout en contribuant à valoriser les collections du département des Cartes et plans de la BnF.

2024-2025

EUROWEB

Les élections européennes sur le web : vers un espace politique transnational ?

• Morgane Le Boulay, ingénieure de recherche. UMR 7363 – Sociétés, Acteurs, Gouvernement en Europe (SAGE), CNRS et université de Strasbourg ;
• Céline Monicolle, ingénieure d’étude. UMR 7363 – Sociétés, Acteurs, Gouvernement en Europe (SAGE), CNRS et université de Strasbourg.

Le projet EUROWEB entend utiliser les archives du web pour réexaminer la question de l’émergence d’un espace politique transnational lors des élections européennes. En quoi l’étude de pages web (sites Internet et comptes Twitter essentiellement) de différents types d’acteurs (partis politiques, candidats, Parlement européen, presse…) peut-elle améliorer les connaissances sur l’européanisation de l’espace politique opérée (ou non) lors de ces élections ? L’attention sera portée sur la présence de symboles ou de mots clés liés à l’UE, sur la mise en avant de l’appartenance des partis nationaux et des candidats à des partis et groupes politiques européens, mais aussi sur les contenus politiques. On pourra en effet comparer les enjeux politiques majeurs dans le domaine du web français lors de ces élections avec les débats au sein du Parlement européen ainsi que, dans le cadre d’un projet plus large, avec les archives du web allemandes. Une perspective longitudinale mettra en lumière les évolutions dans le temps.

Millenium

Le passage informatique à l’an 2000 : expression d’imaginaires et savoirs techniques dans une société pré-numérique

Céline Ferjoux, chercheuse associée. Centre d’Analyse et de Recherche Interdisciplinaire sur les Médias (CARISM), Panthéon-Assas Université.

Ce projet exploratoire se donne pour objectif de construire un terrain de recherche à partir d’un corpus multimodal, mobilisant des ressources de la BnF et principalement de la collection du dépôt légal de l’Internet français en les associant à celles de l’INA et à des corpus issus du web vivant afin d’établir une cartographie de la controverse socio-technique autour du passage informatique à l’an 2000, en France. En s’appuyant sur une multiplicité de sources, le questionnement portera sur plusieurs dimensions nécessaires pour délimiter les contours de cet événement, mais aussi analyser les imaginaires et les croyances associées au nouveau millénaire que cet événement traduit. L’étude du corpus et de la valeur médiatique et sémantique des discours permettra de situer ce moment dans la perspective d’une étude de la société pré-numérique et de la place des savoirs informatiques dans les imaginaires de la fin du XX^e siècle.

READ_Chinese

Recognizing Automatically Dunhuang Chinese Manuscripts

• Marc Bui, professeur. UMR 8546 – Archéologie & Philologie d’Orient et d’Occident (AOrOc), CNRS et Université PSL ;
• Frédéric Constant, professeur. UPR1198 – Équipe de Recherche sur les Mutations de l’Europe et de ses sociétés (ERMES), Université Côte d’Azur ;
• Costantino Moretti, maître de conférences. UMR8155 – Centre de recherche sur les civilisations de l’Asie orientale (CRCAO), École française d’Extrême-Orient ;
• Garance Chao Zhang, ingénieure de recherche. UMR8155 – Centre de recherche sur les civilisations de l’Asie orientale (CRCAO), École pratique des Hautes Études ;
• Colin Brisson, collaborateur scientifique.

Le projet READ_Chinese entend réaliser une transcription de l’ensemble des manuscrits du fonds Pelliot-Chinois de la Bibliothèque Nationale. Copiés entre le V^e et le XI^e siècle, ces documents sont d’une valeur inestimable pour l’histoire de la Chine médiévale et se distinguent par une diversité exceptionnelle de styles calligraphiques et de caractéristiques codicologiques. Au-delà de l’intérêt scientifique des transcriptions, le projet entend tirer profit de la diversité du fonds afin de développer une bibliothèque logicielle généraliste pour la transcription automatique des documents historiques chinois. Celle-ci sera mise à disposition de la communauté scientifique sous forme de paquet logiciel, permettant ainsi une amélioration significative de la qualité et de l’accessibilité des transcriptions des documents historiques chinois, ouvrant de nouvelles perspectives dans la recherche en études chinoises.

Une histoire culturelle du « sentiment maternel » depuis 1955

Anne-Laure Thomas Derepas, ingénieure de recherche. UAR 3611 – Institut des Systèmes Complexes de Paris Île-de-France (ISC-PIF), CNRS.

Depuis 2015 au moins, l’espace médiatique est occupé par la question des affects parentaux, souvent maternels et souvent négatifs (burnout, regret maternel, refus d’enfant…). L’injonction à devenir mère y semble constituée en débat de société. Or, si l’existence de cette injonction socio-culturelle est documentée, sa teneur exacte est peu étudiée et son inscription socio-historique peu précisée. Le bouleversement des rôles sociaux de genre, de la vie familiale et des pratiques reproductives de la deuxième partie du XX^e siècle se sont pourtant probablement accompagnés d’un changement du référentiel culturel encadrant l’entrée en maternité pour les femmes. Comment les représentations socio-culturelles construisant la maternité comme une évidence biographique voire biologique pour les femmes se sont-elles transformées ?

Pour répondre à cette question, ce projet propose d’examiner plusieurs espaces de discours choisis pour leur diversité, qu’ils soient experts profanes, explicitement normatifs ou à visée narrative : un corpus de 130 manuels de grossesse postérieurs à 1955; plusieurs milliers d’articles scientifiques et médicaux de la deuxième moitié du XX^e ; un ensemble de fictions ou autobiographies sur la maternité sont ainsi examinés. Afin de construire une histoire socio-culturelle du sentiment maternel, ces différents corpus seront étudiés sémantiquement et dans leur temporalité à l’aide de l’outil GarganText développé par l’Institut des Systèmes Complexes de Paris-Île-de-France.

Archives web et migrations numériques

Quentin Lobbé, post-doctorant. UMR 8577 – Centre d’analyse et de mathématiques sociales (CAMS), CNRS et EHESS.

Ce projet a pour but de plonger dans la mémoire du web, d’explorer les corpus d’archives web conservées à la BNF. En s’inspirant de la science des systèmes complexes, il étudiera l’émergence et les dynamiques temporelles de structures socio-culturelles ayant existées sur la toile il y a 10 ou 20 ans. Cette résidence se concentrera tout particulièrement sur les « migrations numériques » ; c’est à dire, le déplacement coordonné ou non de tout ou partie d’une communauté d’internautes d’un territoire du Web vers un autre. Grâce à l’aide du BnF DataLab, le projet tentera de développer des méthodes d’analyses qualitatives & quantitatives de ces migrations numériques.

Virtuel-Mucem

Histoire, interprétation et remédiation des sites web thématiques du MNATP et du Mucem (2005-2013)

Charles Riondet, chargé de projets numériques et open data. Musée des civilisations de l’Europe et de la Méditerranée (Mucem).

Le Musée national des arts et traditions populaires (MNATP) puis le Mucem ont produit ou participé à la réalisation de plusieurs sites internet thématiques entre 2005 et 2013. Véritables projets éditoriaux, ils ont été pendant une décennie un moyen privilégié de valorisation des collections et de la recherche du musée, notamment ses enquêtes-collectes, en particulier pendant la période de transition entre les deux musées. Le projet Virtuel-Mucem 2005/2013 vise à retracer l’histoire de ces sites thématiques et d’en permettre une remédiation à partir des archives du web de la BnF tout en s’interrogeant sur le regard que nous portons aujourd’hui sur ces formes historiques de médiation des collections, sur leur réactivation et leur patrimonialisation, comme objets et traces de la culture numérique des années 2000.