Transcrire les écritures manuscrites Kurrent et Sütterlin à l’aide d’un moteur de reconnaissance de texte (HTR) – Transkribus
Quand les bénéficiaires des aides à la mobilité du CIERA reviennent de leur travail de terrain ou d’archives en Allemagne, nous leur demandons de remplir un questionnaire d’évaluation de leur séjour de recherche. Cela permet d’avoir une idée plus précise de la façon dont s’est passé leur séjour et nous permet aussi de comprendre les problèmes qu’ont pu rencontrer ces jeunes chercheurs et chercheuses.
Des difficultés de lecture des sources pour les personnes explorant les archives manuscrites, même si elles possèdent un niveau d’allemand très avancé, sont souvent citées comme obstacles.
« La lecture des sources manuscrites en Sütterlinschrift, très difficile à déchiffrer ».
« Le déchiffrage de la Sütterlinschrift s’est avéré difficile dans les différents centres d’archives, étant donné que j’étais totalement profane dans ce domaine ».
« J’ai rencontré et rencontre encore certaines difficultés pour déchiffrer certains des documents manuscrits en Kurrentschrift ».
« Je suis en train de procéder au déchiffrage des documents, avec l’aide de mon tandem linguistique allemand, qui est historienne. Elle lit le Kurrent beaucoup mieux que moi et m’apprend ».
En effet, la Kurrentschrift est l’écriture cursive allemande utilisée dans les pays germanophones du 16e siècle jusqu’au début du 20e siècle. L’enseignement de la Kurrent((1)) est remplacé par celui de la Sütterlin((2)) à partir de 1911. Cette écriture « allemande » est répandue à cette époque dans les pays germanophones, mais aussi en Tchéquie, au Danemark et en Norvège pour être abandonnée en Allemagne en faveur de l’écriture latine à partir de 1941.
Voici un exemple de lettre manuscrite qui peut poser quelques difficultés de déchiffrage.
Transkribus,un moteur de reconnaissance de textes manuscrits
Pour tous ceux et celles qui n’ont pas la chance de bénéficier d’un tandem linguistique germanophone, historien et expert en écriture cursive allemande, Transkribus peut être d’une aide précieuse. Il s’agit d’un outil conçu pour faciliter la transcription et la reconnaissance de caractères dans des documents manuscrits. Cette application est capable de convertir automatiquement des textes manuscrits sous forme d’image en texte éditable.
Transkribus a été initié et développé par l’université d’Innsbruck qui coordonne aussi le perfectionnement du logiciel dans le cadre du projet READ (Recognition and Enrichment of Archival Documents – programme Horizon-2020-EU).
S’appuyant sur un moteur de reconnaissance de textes manuscrits (Handwritten Text Recognition ou HTR), Transkribus tire sa puissance de l’intelligence artificielle qui a été, en l’occurrence, beaucoup entraînée à l’aide de textes écrits en Kurrent et en Sütterlin.
Même si actuellement, on a le choix d’utiliser cette application sous deux formes, soit grâce au logiciel qui s’installe localement, soit grâce à la plateforme en ligne, il est peut-être conseillé de choisir directement la version en ligne, car le plan stratégique des développeurs privilégie une trajectoire « web only » à l’avenir((3)).
Transkribus offre dans sa version en ligne une interface conviviale et efficace pour télécharger ses documents sous format d’images (jpeg et png) ou de pdf pour les documents multipages.
Une fois le texte intégré dans l’application, on ouvre le document pour lancer la transcription automatique via le bouton « Start automatic transcription ».
L’étape de configuration de la langue et du type de document (manuscrit ou imprimé) permet aussi de choisir le modèle de reconnaissance à appliquer. La liste des modèles publics précise le nombre de mots et les langues qui ont servi à construire le modèle.
Le modèle utilisé par défaut pour les manuscrits est « The German Giant I » et pour les textes imprimés « Transkribus Print M1 ».
La liste des modèles étant sous forme de tableau, on peut trier les entrées par ordre alphabétique des modèles, mais surtout aussi par nombre de mots utilisés pour l’entrainement du modèle, par langue entraînée et par CER (Character error rate) pour se faire une meilleure idée des modèles existants et choisir le plus approprié à son propre corpus de textes.
Voici la transcription de la lettre donnée plus haut en exemple (ce n’est pas un texte sans faute, mais certainement beaucoup plus lisible que le manuscrit).
Geehrter Herr
Haben Sie d. Güte und
senden d. Conrecturbogen
meines Duosfa moll) nach
Stettin unter Folgender
Adresse: Componcitin
Emilie Mayer Stettin |
Pelican-Apotheke
Sie bald entgegen sehend
horhasungsvoll
ganz ergebenst
Emilia Mayr
Ce texte peut ensuite être corrigé manuellement et copié ou téléchargé sous différents formats.
Transkribus comme environnement de travail
L’interface Workdesk de Transkribus affiche les documents récents et on peut organiser ses documents et les classer par collections.
Trois champs de recherche et de filtre permettent de retrouver ses collections, ses documents par titre ou ID et le champ de recherche en haut à droite de l’écran lance même une recherche plein texte dans tout le corpus de documents numérisés et retranscrits.
Transkribus est pensé comme un outil collaboratif. Chaque collection peut être partagée avec d’autres utilisateurs à qui on peut assigner des rôles différents (Editor, Transcriber, Owner).
Transkribus intègre également un système de contrôle de versions successives de la transcription. En cliquant sur la date et l’heure affichée en haut à droite de l’interface, on ouvre l’historique des modifications qui permet de voir quel utilisateur est intervenu sur la transcription et à quel moment. En cas de problème, on peut aussi revenir sur une version plus ancienne du texte.
Les conditions d’utilisation de Transkribus
L’équipe qui développe et gère Transkribus est devenue une société coopérative Readcoop avec plus de 100 membres institutionnels.
La plateforme Transkribus peut être utilisée librement. Seules les transcriptions automatiques ne sont pas gratuites à volonté. Actuellement, avec la création d’un compte, on bénéficie de crédits pour traiter 500 pages manuscrits ou 3000 pages imprimées.
De nouvelles grilles tarifaires et formules d’utilisateurs sont annoncées et entreront en vigueur en août 2023. Il est prévu d’ajouter le traitement de 100 pages par mois dans la formule individuelle gratuite ainsi que des tarifs spéciaux pour le public académique((4)).
Par ailleurs, il existe un programme de bourse Transkribus (« Transkribus-Stipendienprogramm ») destiné aux étudiant.e.s, doctorant.e.s, aux enseignant.e.s et aux chercheurs et chercheuses.
L’appel d’offre est permanent et la procédure de candidature consiste en l’envoi d’un simple formulaire en ligne incluant une description du projet de recherche en cours et une estimation du nombre de crédits nécessaires pour la réalisation de son propre projet de recherche.
Pour apprendre à se servir de Transkribus et pour se documenter
La documentation est bien fournie sur la plateforme : https://readcoop.eu/transkribus/resources/
et il existe un canal Youtube pour les tutoriels vidéo :
https://www.youtube.com/@transkribus
Un tutoriel en français pour la version logiciel peut être installé localement
Perrin, Emmanuelle. Tutoriel Transkribus. 2019. hal-02472234. https://hal.science/hal-02472234/document
Pour suivre une veille critique concernant Transkribus, on peut consulter :
Graf, Klaus Archivalia (Weblog rund um das Archivwesen). https://archivalia.hypotheses.org/?s=transkribus
Une alternative Project PERO OCR
Le project PERO OCR https://pero-ocr.fit.vutbr.cz/index est un projet développé par l’Université des technologies de Brno en collaboration avec la Bibliothèque de Moravie et financé par le ministère de la culture tchèque.
Il s’agit d’une plateforme avec une interface très similaire à Transkribus, mais avec moins de fonctionnalités en ce qui concerne l’interface de travail et d’organisation.
La création d’un compte est gratuite et la transcription automatique semble l’être aussi. L’allemand est bien pris en compte et peut être traité. Pour le français en revanche il n’existe pas de modèle de transcription.
L’interface pour corriger les transcriptions générées a ici un code couleur très pratique :
Les lignes bleues sont transcrites et aucun problème n’a été détecté (ce qui ne veut pas dire qu’il n’y a pas d’erreur), les lignes rouges indiquent des anomalies et les lignes vertes sont celles qui ont été manuellement corrigées et / ou validées.
Une troisième application à tester si une occasion se présente : escriptorium
Escriptorium est un projet développé par le groupe de recherche scripta de l’université Paris PSL.
Il s’agit d’une application web offrant un espace de travail similaire à Transkribus pour gérer les différentes étapes de transcription de textes numérisés. Tout comme pour Transkribus, ces étapes peuvent être des processus manuels ou automatiques et s’appliquer à des documents imprimés ou manuscrits.
On trouve de nombreuses documentations autour du projet
- Un carnet de recherche qui accompagne le projet https://escripta.hypotheses.org/
- Un article de blog pour la prise en main de l’application https://lectaurep.hypotheses.org/documentation/prendre-en-main-escriptorium
- Des tutoriels vidéo https://ephenum.hypotheses.org/1412
- Et des explications détaillées pour installer le logiciel en local https://gitlab.com/scripta/escriptorium/-/wikis/full-install
En allemand aussi : https://ub-mannheim.github.io/eScriptorium_Dokumentation/Lokale_Installation_eScriptorium.html
Mais cette installation en local ne se fait pas en quelques clics. Il s’agit d’une application qui tourne dans un environnement Linux. Pour pouvoir l’utiliser en local sur un ordinateur Windows, il faut donc installer un système Linux virtuel et cela dépasserait le but de cet article.
Pour conclure, nous espérons que les projets Transkribus ou PERO OCR seront de bons amis pour les futurs bénéficiaires des aides à la mobilité du CIERA …
- https://de.wikipedia.org/wiki/Deutsche_Kurrents [↩]
- https://de.wikipedia.org/wiki/S%C3%BCtterlinschrift [↩]
- Andy Stauder in : The next generation of Transkribus #TUC22 https://www.youtube.com/watch?v=bv9Gie-hd88&t=140 [↩]
- https://readcoop.eu/new-subscription-model/ [↩]
OpenEdition vous propose de citer ce billet de la manière suivante :
Annette Schläfer (21 juillet 2023). Transcrire les écritures manuscrites Kurrent et Sütterlin à l’aide d’un moteur de reconnaissance de texte (HTR) – Transkribus. Germano-Fil. Consulté le 12 novembre 2024 à l’adresse https://doi.org/10.58079/p0zx
Bonjour,
Il y a une autre option à tester, très très efficace en reconnaissance de l’écriture manuscrite, même quasi illisible: https://pen2txt.com/