Travail sur les tapuscrits
Les tapuscrits des commentaires ont été scannés et océrisés, et l’INA a produit une expérimentation de mise en correspondance automatique avec les documents filmés, en utilisant conjointement les textes issus, d’une part, de la transcription automatique de la parole et, de l’autre, de l’OCR. Les tapuscrits scannés sont disponibles sur Okapi, avec alignement au sujet. Les tapuscrits océrisés sont disponibles dans le corpus enrichi.
Transcription automatique de la parole
Comme prévu, le LIUM a procédé à une transcription entière en début de projet avec les systèmes existants. Un second système, plus adapté aux caractéristiques du projet, a été développé et a permis de transcrire à nouveau le corpus avec un niveau de qualité très supérieur. Ce nouveau système s’appuie sur les tapuscrits et les notices. Sur la dernière année du projet, une correction manuelle des transcriptions automatique a été effectuée.
Textométrie
L’IHRIM a produit plusieurs types de corpus pour l’analyse avec TXM en fonction des avancées des différents partenaires et des besoins des historiens : (a) un corpus TXM des notices documentaires de l’INA adapté à l’exploration fine des descriptions structurées [AF-NOTICES-V4-2022-04-27.txm, 5 versions successives] ; (b) un corpus TXM des valeurs de plan mentionnées dans les notices pour l’analyse de la grammaire cinématographique [AF-PLANS-V2-2021-10-11.txm, 3 versions successives] ; (c) un corpus TXM multimédia des fichiers vidéos re-segmentés en émissions (par le partenaire INA) et de la transcription automatique de leur piste audio (partenaire LIUM) [fichier AF-VOIX-OFF-V5-2022-04-27.txm, 7 versions successives] ; (d) un corpus TXM exploratoire des OCR de tapuscrits [fichier AF-CMT-OCR-2-TT.txm]
Analyse des images
EURECOM a tout d’abord réalisé des tests de classification d’image et de classification des valeurs de plans. Dans un second temps, EURECOM a développé plusieurs versions de FaceRec, une plateforme open source permettant d’identifier des personnalités présentes à l’image en donnant simplement son nom, https://github.com/D2KLab/FaceRec. La plateforme utilise les images collectées sur le Web pour construire des modèles visuels permettant de les reconnaître. La plateforme offre une interface permettant à un utilisateur de contrôler les images qui seront sélectionnées pour la construction des modèles ou encore pour visualiser les résultats de la reconnaissance automatique, http://facerec.eurecom.fr/visualizer/?project=antract. Dans sa toute dernière version, la plateforme permet également de reconnaître des personnes qui apparaissent de manière récurrente dans les vidéos sans que l’on sache forcément les nommer.
Plateforme Okapi
Le consortium a choisi pour plateforme d’intégration des résultats et de démonstration des résultats du projet d’utiliser la plateforme Okapi développée par l’INA. Okapi est le résultat de plusieurs projets de recherche, et en particulier du projet Campus AAR financé par l’ANR. Il s’agit d’une plateforme client-serveur intégrant des fonctionnalités de documentation, de recherche d’information et de publication hypermédia au sein d’un même environnement Web entièrement fondé sur les techniques et standards du web sémantique. La plateforme a été adaptée aux besoins des utilisateurs SHS du projet. Une passerelle d’interopérabilité entre Okapi et TXM a également été réalisée dans le but d’échanger des corpus entre les deux outils. Les fonctionnalités de segmentation d’Okapi ont été utilisées pour améliorer les alignements erronés de sujets.
Études transdisciplinaires
Les recherches menées au cours du contrat doctoral portant sur l’histoire de la firme de presse filmée Les Actualités Françaises ont exposé les liens entre les mutations technologiques, les parcours professionnels et l’écriture de l’information. Les outils du projet ANTRACT, notamment la plateforme TXM, ont permis de mettre en évidence l’existence d’une grammaire cinématographique standardisée des journaux filmés des Actualités Françaises et ont ainsi apporté une contribution majeure à l’historiographie de la presse filmée de la seconde moitié du XXe siècle. L’équipe d’historiens, qui a également fédéré quelques chercheurs extérieurs au consortium, a travaillé dans deux directions principales. La première a consisté à mettre en évidence ses besoins à partir de sujets de recherche identifiés comme significatifs au début du projet (“foules” – nom commun très présent dans les notices et les “voix off”, personnalités), et à les transmettre aux partenaires technologiques (occurrences de termes, d’images…). Ce premier temps du projet a ainsi permis aux historien.nes de nourrir un dialogue riche avec leurs collègues des laboratoires technologiques pour les plus avancé.e.s, encore à venir pour celles et ceux rentrés plus tardivement dans le projet.
La deuxième direction a consisté à organiser des rencontres, fructueuses entre historien.ne.s et collègues des laboratoires technologiques : premiers retours d’expérience ; moments de formation interne au projet ; organisation d’ateliers pratiques autour de la reconnaissance automatique du texte, du son, de l’image. Ces rencontres ont permis à l’équipe des historien.nes de commencer à s’approprier les outils technologiques et à appréhender le type de questions à poser aux laboratoires partenaires. L’outil Okapi, disponible en septembre 2019, a eu un rôle de levier important en matière de recherche.
Sur l’ensemble de la période, des séances régulières de travail ont donné lieu à des présentations, orales ou écrites, du projet. Celles-ci ont permis :
1/ d’envisager les différentes étapes d’enrichissement des corpus
2/ de conduire une élaboration collective et progressive de l’ouvrage final
OpenEdition vous propose de citer ce billet de la manière suivante :
antract (29 juin 2023). Présentation synthétique. ANTRACT. Consulté le 15 mai 2025 à l’adresse https://doi.org/10.58079/b8v8