Édition numérique de textes : XML-TEI et encodage

Sciences de l'information · Master 1

Édition numérique savante : principes de la TEI, balisage structurel et sémantique.

Introduction

L'édition numérique savante ne se réduit pas à publier un texte en ligne : elle représente un document source sous une forme structurée, interrogeable et réutilisable. Le standard de référence est la TEI (Text Encoding Initiative), un ensemble de lignes directrices qui définit comment encoder en XML des textes littéraires, des correspondances, des registres ou des manuscrits.

Le principe central est la séparation entre le contenu encodé et sa présentation. Un même fichier TEI peut être transformé en page web, en PDF ou en jeu de données pour l'analyse. L'encodeur choisit un niveau de granularité : structure (chapitres, paragraphes), phénomènes de surface (ratures, additions), entités nommées (personnes, lieux, dates) ou apparat critique (variantes de témoins).

La TEI impose des choix éditoriaux explicites, documentés dans l'en-tête du fichier. Pour le professionnel de l'information, elle constitue un pont entre archives, bibliothèques et recherche : les entités peuvent être reliées à des référentiels d'autorité et les corpus déposés dans des entrepôts de données de la recherche.

Objectifs d'apprentissage

Expliquer les principes de la TEI et son architecture
Distinguer balisage structurel, sémantique et critique
Lire un en-tête TEI et en identifier les rubriques
Relier des entités nommées à des référentiels d'autorité
Évaluer le niveau d'encodage adapté à un projet d'édition

Concepts clés

TEI (Text Encoding Initiative): Consortium et lignes directrices XML pour encoder des textes de sciences humaines, structurés pour l'échange et la pérennité.
Séparation contenu/présentation: Le fichier encode la structure et le sens ; la mise en forme est produite séparément (feuilles de transformation).
En-tête TEI (teiHeader): Bloc de métadonnées décrivant le fichier, la source, le codage et les révisions.
Entité nommée: Personne, lieu, organisation ou date mentionnée dans le texte et encodée pour être identifiée sans ambiguïté.
Apparat critique: Dispositif signalant les variantes entre témoins d'un texte et les choix de l'éditeur.

Conclusion

La TEI donne aux humanités numériques un langage commun pour représenter des sources de façon rigoureuse et réutilisable. Son atout est la transparence : chaque choix d'encodage est explicite et documenté.

Le professionnel de l'information y trouve un terrain de collaboration avec les chercheurs : identifiants, métadonnées, dépôt et pérennité des corpus encodés.

Cartes

Que signifie TEI ?: Text Encoding Initiative, standard d'encodage XML des textes en sciences humaines.
Pourquoi encoder en XML plutôt que de saisir dans un traitement de texte ?: Le XML sépare structure et présentation, permet la validation, la réutilisation et l'interrogation du texte.
Que contient l'en-tête TEI ?: Les métadonnées du fichier : description bibliographique, de l'encodage, du profil du texte et historique des révisions.
À quoi sert un schéma (ODD/RelaxNG) en TEI ?: À définir et valider les éléments autorisés dans un projet donné, pour garantir la cohérence de l'encodage.
Quelle différence entre balisage structurel et sémantique ?: Le structurel marque les parties du document (titres, paragraphes) ; le sémantique marque le sens (personne, lieu, date).
Pourquoi lier les entités à des référentiels d'autorité ?: Pour lever les ambiguïtés, relier des corpus différents et exploiter les données liées.
Qu'est-ce qu'un témoin dans une édition critique ?: Un exemplaire ou une version manuscrite ou imprimée d'un texte, utilisé pour comparer les variantes.
Qu'est-ce qu'une feuille de transformation XSLT ?: Un programme qui convertit le XML en d'autres formats, par exemple HTML.
Pourquoi documenter les choix éditoriaux ?: Pour la transparence scientifique : le lecteur doit comprendre comment la source a été transcrite et normalisée.

Glossaire

XML: Langage de balisage extensible utilisé pour structurer des données de façon lisible par humains et machines.
Transcription diplomatique: Transcription qui reproduit le plus fidèlement possible la source, sans normalisation.
Normalisation: Régularisation de l'orthographe ou des abréviations pour faciliter la lecture et la recherche.
XSLT: Langage de transformation de documents XML.
Référentiel d'autorité: Base fournissant des identifiants stables pour des personnes ou des lieux.
Témoin: Version matérielle d'un texte utilisée pour l'établir.