Liste des livrables

Corpus et Données

• Corpus source d’Antract [L2.1]
Corpus enrichi

      • Vidéos resegmentées par émission
      • Notices documentaires INA avec synchronisation complète des sujets

• Tapuscrits des commentaires [L2.2]
Corpus enrichi

      • Images des pages scannées
      • Textes des pages océrisées

• Corpus enrichi préparé pour consultation et analyse avec TXM [L2.3]
Corpus enrichi

      • Corpus des vidéos basé sur la transcription du commentaire audio
      • Corpus des notices documentaires
      • Corpus des valeurs de plan mentionnées dans le champ “Séquences” des notices documentaires

• Transcription de la piste audio des 1 262 éditions des Actualités Françaises [L2.4]

    • Transcriptions automatiques au format TRS de transcriber réalisées par le LIUM. Les transcriptions contiennent : les mots prononcés avec la ponctuation et les majuscules, la détection des entités nommées (7 catégories). Les locuteurs sont identifiés par un label commençant par “présentateur“ pour les voix off et “spk” pour les autres.
    • Transcriptions manuelles au format TRS réalisées à partir des transcriptions automatiques par la société ELYADATA. Les transcriptions n’ont pas été annotées en entités nommées, par contre les locuteurs (or voix off) sont pour la plupart identifiés par leurs noms et prénoms.

• Corpus enrichi mis en ligne pour consultation et analyse avec Okapi [L4.4]

    • Portail Okapi Antract (avec les fonctionnalités d’édition accessibles sur authentification) : Okapi

• Portail grand public [L4.5] :

    • Portail Okapi Antract (accès public en consultation/navigation au corpus enrichi) : Okapi

 

Logiciels et Plateformes

• Modules logiciels de transcription [L2.4]

• Modules logiciels d’analyse de l’image [L2.5]

    • FaceRec :

FaceRec : phase d’entraînement

FaceRec : phase de reconnaissance

• Modules logiciels de textométrie [L2.7]

    • Logiciel TXM :
      • Site : Textométrie TXM
      • Manuel utilisateur : Manuel de TXM
      • Article de référence (antérieur au projet) : Serge Heiden, Jean-Philippe Magué et Bénédicte Pincemin, « TXM : Une plateforme logicielle open-source pour la textométrie – conception et développement », in Bolasco, Sergio, Chiari, Isabella, Giuliano, Luca (éds), Statistical Analysis of Textual Data. Proceedings of 10th International Conference Journées d’Analyse statistique des Données Textuelles, Roma, Edizioni Universitarie di Lettere Economia Diritto, 2010, pp. 1021-1032, URL : https://halshs.archives-ouvertes.fr/halshs-00549779
    • Extension MediaPlayer :
      • À installer depuis le logiciel via le menu Fichier > Installer une extension.
      • Documentation de l’extension MediaPlayer : Extension Media Player
      • Publication scientifique : Bénédicte Pincemin, Serge Heiden, Matthieu Decorde, « Textometry on Audiovisual Corpora: Experiments with TXM software », in Ratinaud, Pierre, et Marchand, Pascal (éds), Proceedings of JADT 2020, Univ. Toulouse 3, 2020, URL : https://halshs.archives-ouvertes.fr/halshs-02779055
    • Utilitaires du projet Antract, notamment pour l’échange de sous-corpus avec Okapi :
      • Livrés avec TXM (depuis la version 0.8.2)
      • Tutoriel d’utilisation des utilitaires d’échanges entre TXM et Okapi : Tutoriel

• Outils logiciels [L4.2]

    • Logiciel Okapi :
      • Documentation de l’API, pour s’interfacer avec les autres logiciels du projet
      • Documentation utilisateur :

Tutoriel vidéo Création de corpus
Tutoriel vidéo Recherche avancée
Tutoriel vidéo Création de segment

 

Documents et Travaux de recherche

• Études transdiciplinaires [L3.2]

    • Cas d’usage et besoins
    • Retours d’expérience :

• Recherches historiques [L3.3]

    • Franck Mazuet, Le cinéma de l’événement. Histoire de la société de presse filmée Les Actualités Françaises (1945-1969), Thèse de doctorat en Histoire, dir. Pascale Goetschel, Université de Paris 1 Panthéon Sorbonne, 19 avril 2023.  https://www.theses.fr/s219637
    • Colloque international “Les actualités cinématographiques dans le monde après 1945”, Campus Condorcet, Aubervilliers, 18 septembre 2020 :

• Actes des workshops [L4.1]

    • Workshop point scientifique du 10 juillet 2018 à Paris
    • Workshop technologique du 27 mai 2019 à Sophia-Antipolis
    • Workshop point scientifique du 26 mars 2020 en distanciel : Enregistrement vidéo 26/03/2020
    • Workshop technologique du 17 septembre 2020 à Paris
    • Workshop scientifique Journée finale Antract du 14 juin 2022 : Enregistrement vidéo 14/06/20

• Ouvrage de synthèse [L4.2]

Jean Carrive, Pascale Goetschel et Franck Mazuet, (dir.). Pour une histoire outillée d’un corpus d’actualités filmées. Les Actualités Françaises (1945-1969), INA/L’Harmattan. À paraître.

Analyse sémantique avec Okapi

Consulter et annoter les films des Actualités Françaises en mode web sémantique avec Okapi

Le corpus et les résultats d’analyse du projet ANTRACT sont intégrés dans Okapi, plateforme client-serveur intégrant des fonctionnalités de documentation, de recherche d’information et de publication hypermédia au sein d’un même environnement entièrement fondé sur les technologies et standards du web sémantique. La plate- forme sert à la fois pour l’intégration des résultats d’analyse automatique, pour l’annotation manuelle et pour la présentation des résultats, le démonstrateur du projet étant un site web généré automatiquement.

Okapi

La textométrie étendue aux corpus multimédia : transcription synchronisée et retour à la vidéo source

Logiciel TXM : accès hypertexte à la vidéo depuis la concordance et le texte de la transcription

La textométrie observe les mots dans un ensemble de textes, de façon quantitative (statistiques) et qualitative (contextes d’emploi).

Plus largement que les textes (écrits), elle peut s’appliquer à la parole (orale), en recourant à une transcription qui fournit la représentation textuelle écrite nécessaire. Cependant, la transcription ne restitue jamais complètement les paroles originales : il peut y avoir des erreurs, des incertitudes sur le fait d’avoir bien compris ce qui a été dit, des choix (transcrire ou non une prononciation particulière) ; et il manque tout ou partie de ce qui vient avec les mots : l’intonation, les silences, les sons ambiants, les gestes ou l’entour visuel (ce qui est montré à l’image dans le cas des vidéos des Actualités Françaises). Pour une interprétation plus juste et plus riche d’une observation textométrique basée sur les mots, la possibilité de consulter la vidéo-source s’avère ainsi essentielle.

De fait, la méthodologie textométrique accorde depuis toujours une place centrale au “retour au texte”, à savoir la possibilité à tout moment de l’analyse de voir les mots dans leurs contextes d’emploi. Dans cette logique, le projet ANTRACT a permis de développer la méthodologie textométrique pour les corpus basés sur des documents vidéos en étendant le “retour au texte” à un “retour au document-source vidéo”.

Concrètement, des liens hypertextes permettent d’accéder précisément au passage vidéo concerné en cliquant depuis la page affichant une transcription ou depuis un contexte d’emploi (dans une concordance sur un mot). L’expérimentation pratique dans ANTRACT a également montré l’importance d’un accès distant aux vidéos, lorsque ces documents sources sont volumineux et qu’ils doivent être stockés de façon sécurisée. Ces différents aspects ont été intégrés dans l’extension MediaPlayer, qui permet d’étendre TXM à l’usage spécifique de corpus textuels issus de vidéos.

Pour en savoir plus :

Bénédicte Pincemin, Serge Heiden, Matthieu Decorde (2020), “Textometry on Audiovisual Corpora: Experiments with TXM software”, Proceedings of 15th International Conference on Statistical Analysis of Textual Data (JADT 2020), Toulouse, juin 2020, Univ. Toulouse.

[Textometry on Audiovisual Corpora ]

Okapi

Le corpus et les résultats d’analyse du projet ANTRACT sont intégrés dans Okapi, plateforme client-serveur intégrant des fonctionnalités de documentation, de recherche d’information et de publication hypermédia au sein d’un même environnement entièrement fondé sur les technologies et standards du web sémantique. La plate- forme sert à la fois pour l’intégration des résultats d’analyse automatique, pour l’annotation manuelle et pour la présentation des résultats, le démonstrateur du projet étant un site web généré automatiquement.

https://okapi.ina.fr

Présentation synthétique

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

Quelques résultats du projet Antract

Histoire : les Trente Glorieuses au prisme des Actualités Françaises

Pascale Goetschel (2019), “Les Actualités Françaises (1945-1969) : le mouvement d’une époque”, revue #1257, Université Paris 1, n°1, juin 2019, p. 34-39

Franck Mazuet, Le cinéma de l’événement. Histoire de la société de presse filmée Les Actualités Françaises (1945-1969), thèse soutenue le 19 avril 2023.

Matthieu Frey, La rencontre entre Philippe Leclerc et Jean de Lattre de Tassigny

Actes de la journée d’étude sur l’histoire mondiale des actualités cinématographiques pendant la seconde moitié du XXe siècle, Campus Condorcet, 18 septembre 2020 : Histoire mondiale des actualités cinématographiques durant la seconde moitié du XXe siècle-Part 1, Histoire mondiale des actualités cinématographiques durant la seconde moitié du XXe siècle-Part 2

 

Des avancées informatiques au service des sciences humaines et sociales

Jean Carrive (INA), “Un environnement numérique pour la recherche sur les archives audiovisuelles”, communication, journée ANTRACT du 13 juin 2022, Eurecom, Sophia-Antipolis

Sylvain Meignier (LIUM), “Progrès de la transcription automatique et retour d’expérience de la transcription manuelle”, communication, journée ANTRACT du 13 juin 2022, Eurecom, Sophia-Antipolis

Bénédicte Pincemin (IHRIM), Serge Heiden (IHRIM), Franck Mazuet (CHS), The textometric concept of active corpus, JADT 2022

Raphaël Troncy (Eurecom), Pasquale Lisena (Eurecom), Jorma Laaksonen (Aalto University), Understanding videos with face recognition: a complete pipeline and applications, 2022

Pasquale Lisena, When did De Gaulle and Eishenower met?, vidéo, slides, 2022

Bénédicte Pincemin, Serge Heiden, Matthieu Decorde (IHRIM), Textometry on Audiovisual Corpora, 2020

Franck Mazuet (CHS), “Le projet ANTRACT : l’intelligence artificielle au service de l’historien“, Culture et Recherche, ministère de la Culture, numéro thématique “Cinéma, audiovisuel, son”, 141, septembre 2020, p. 11-13

Analyse textométrique avec TXM

 

L’analyse des Actualités Françaises avec TXM

Logiciel TXM : quelles foules dans les Actualités françaises ? Les adjectifs qualifiant le mot “foule” dans les notices documentaires INA (volet de gauche), dans le commentaire audio (volet central) ; et les mots particulièrement présents dans les contextes de “foule immense” (cooccurrences, volet de droite).

 

Logiciel TXM : parle-t-on d’agriculture et des paysans dans les mêmes contextes ? Relevé des contextes d’usage et graphique de leur usage au fil du temps. L’agriculture rime avec modernité et contraste avec les paysans, dans les autres continents ou contestataires.

 

Logiciel TXM : sur- et sous-emplois du mot “foule” au fil des années (par rapport à la moyenne du corpus – écarts statistiques mesurés par les Spécificités – corpus des notices documentaires)

 

Logiciel TXM : Les personnalités au fil des années. Analyse factorielle des correspondances croisant les années (de 1945 à 1969) avec les 51 personnalités indexées dans au moins 20 notices documentaires de sujets des Actualités françaises.

 

Logiciel TXM : travail sur les successions de plan cinématographique telles que décrites dans le champ “Séquences” des notices documentaires INA. Les mentions de plan automatiquement repérées sont surlignées en rose ; dans le volet de droite, la même notice en ne conservant que les codes de plan, pour faciliter leur analyse.

 

Logiciel TXM : Visualisation de l’évolution des mentions de quatre types de plan ou d’angle de caméra dans les notices documentaires INA. L’abandon du plan porté (rouge) au profit du plan moyen (bleu), le style magazine des années 1950 avec les diapos-titre (vert), l’apparition (technique) du zoom dans les années 1960 (jaune).

 

Présentation des corpus

Documentation de la dernière version du corpus AF-VOIX-OFF :

AF-VOIX-OFF-V5-2022-04-27-documentation

Documentation de la dernière version du corpus AF-NOTICES :

AF-NOTICES-V4-2022-04-27-documentation

Environnement de travail avec TXM

Fiche installation TXM :

fiche_installation_txm_antract_230627

Mémo ressources TXM pour le projet ANTRACT :

memo_ressources_txm_antract_230627

Supports pédagogiques et notes des formations

Avertissement : le corpus AF-NOTICES a été profondément restructuré en octobre 2021 (à partir de la v3), les requêtes des documents antérieurs doivent être adaptées.

Tutoriel d’exploitation documentaire du corpus des Notices documentaires des Actualités françaises avec TXM :

TUTORIEL_exploitation_notices_180409

Formation TXM du 15 octobre 2018 :

antract_formation_txm_15octobre2018_230405

Notes des mini-ateliers TXM du 10 juillet 2019 :

txm_mini_ateliers_190710_230405

Notes de l’atelier du 16 janvier 2020 :

txm_atelier_200116_v1_230405

Tutoriel d’utilisation des outils d’échanges entre TXM et Okapi :

https://groupes.renater.fr/wiki/txm-info/public/chantier_antract#tutoriel_d_utilisation_des_outils_d_echanges_entre_txm_et_okapi

Quelques productions

Analyse historique

Pascale Goetschel, “Les Actualités françaises (1945-1969) : le mouvement d’une époque“, #1257, n° 1, juin 2019, p. 34-39.

Jean Carrive, Abdelkrim Beloued, Pascale Goetschel, Serge Heiden, Antoine Laurent, Pasquale Lisena, Franck Mazuet, Sylvain Meignier, Bénédicte Pincemin, Géraldine Poels, Raphaël Troncy, “Transdisciplinary Analysis of a Corpus of French Newsreels: The ANTRACT Project“, in Taylor Arnold, Stefania Scagliola, Lauren Tilton, Jasmijn van Gorp (eds), Special Issue on AudioVisual DH: Challenges and Possibilities, Digital Humanities Quaterly, 2021, 15, 1.

Fabien Théofilakis, “Entre les colonnes du Trône, la patrouille de France survole la place de la Nation : commémorer le 8 Mai et le 11 Novembre dans Les Actualités Françaises (1945-1969)“. Faire l’histoire des violences en guerre – Annette Becker, un engagement, Créaphis, p. 309-338, 2021.

Pincemin Bénédicte, Heiden Serge, Mazuet Franck, “The Textometric Concept of Active Corpus. Illustration by an Analysis Scenario based on Annotation then Projection“, in Michelangelo Misuraca, Germana Scepi, Maria Spano (eds), Proceedings of the 16th International Conference on Statistical Analysis of Textual Data, Naples, 6-8 July 2022, Vadistat Press, vol. II, p. 691-698.

Méthodologie et corpus

Bénédicte Pincemin, Serge Heiden, Matthieu Decorde, “Textometry on Audiovisual Corpora: Experiments with TXM software“, Proceedings of the 15th International Conference on Statistical Analysis of Textual Data (JADT 2020), Toulouse, juin 2020, Univ. Toulouse.

Pincemin Bénédicte, Heiden Serge, Mazuet Franck, “The Textometric Concept of Active Corpus. Illustration by an Analysis Scenario based on Annotation then Projection“, in Michelangelo Misuraca, Germana Scepi, Maria Spano (eds), Proceedings of the 16th International Conference on Statistical Analysis of Textual Data, Naples, 6-8 July 2022, Vadistat Press, vol. II, p. 691-698.

Bénédicte Pincemin (2022), “Une relecture de l’expérience d’accompagnement de l’utilisation de TXM au sein du projet ANTRACT : fécondité et limites de l’interdisciplinarité“, Journée finale du projet ANTRACT, Sophia-Antipolis, 14 juin 2022.

Bénédicte Pincemin (2020), “Observations par rapport aux possibilités de (Re)catégorisation automatique des Résumés et des Séquences des notices documentaires INA“, Document de travail, Projet ANR ANTRACT.

Serge Heiden

Serge Heiden est ingénieur de recherche au laboratoire IHRIM http://ihrim.ens-lyon.fr, École normale supérieure de Lyon (France), et responsable du groupe de recherche Cactus. Il est titulaire d’un doctorat en Informatique de l’Université Pierre et Marie CURIE Paris 6. Il a développé pendant deux décennies la méthodologie d’analyse de corpus textuels appelée ‘textométrie’ à travers son implémentation dans plusieurs logiciels d’application. Il est impliqué dans les activités de plusieurs consortium d’humanités numériques nationaux (CORLI – TGIR Huma-Num) et internationaux (TEI) ainsi que de conférences (JADT) et écoles d’été (MISAT). Il donne régulièrement des cours de formation professionnelle ou universitaire. Depuis 2007, il anime le développement de la plateforme TXM d’analyse de corpus textuels destinée à la fois aux ordinateurs personnels de chercheurs et à des serveurs web.

L’IHRIM développe le logiciel open-source TXM (https://textometrie.org) utilisé dans le projet pour l’analyse textométrique. Une extension logicielle dédiée à l’analyse des corpus multimédia (MediaPlayer) a été produite dans le cadre d’Antract : elle permet d’avoir des liens hypertextes ciblés pour naviguer entre les résultats d’analyses textométriques et la visualisation des passages vidéos synchronisés aux données textuelles considérées. Par ailleurs, les données des Actualités françaises ont été intégrées à TXM selon plusieurs types de corpus, en fonction des avancées des différents partenaires et des besoins des historiens, principalement : (a) un corpus TXM des notices documentaires de l’INA adapté à l’exploration fine des descriptions structurées, avec accès direct à la vidéo décrite par chaque notice [AF-NOTICES-V4-2022-04-27.txm] ; (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] ; et (c) un corpus TXM des vidéos elles-mêmes, articulant les sources vidéos des émissions, la transcription automatique du commentaire audio sujet par sujet, et les informations des notices documentaires INA [AF-VOIX-OFF-V5-2022-04-27.txm], dans lequel tout mot ou passage de la transcription audio donne directement accès à la lecture des vidéos sources (par retour au média depuis les concordances et éditions). Pour en savoir plus sur TXM pour l’analyse des Actualités françaises -> Page TXM

Daniel Luzzati

Daniel Luzzati est professeur émérite en linguistique, il est spécialiste du langage parlé et de sa grammaire. Il a participé à l’analyse des transcriptions du corpus de textes du projet ANTRACT.

Antoine Laurent

Antoine Laurent est professeur d’informatique. Ses domaines de recherche principaux sont le traitement automatique de la parole. Il a été responsable du développement du système de transcription du projet ANTRACT.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search