# Numérisation patrimoniale : OCR, HTR et IIIF Sciences de l'information · Bachelor 3 > Numériser, transcrire et diffuser le patrimoine : reconnaissance de texte et standard IIIF. ## Introduction Rendre un fonds patrimonial accessible en ligne suppose plusieurs étapes : numériser les documents dans de bonnes conditions, produire une version texte exploitable, décrire les objets et les diffuser selon des standards ouverts. Chaque étape a ses exigences techniques et ses limites. La reconnaissance optique de caractères (OCR) convertit l'image d'un texte imprimé en texte machine ; la reconnaissance de texte manuscrit (HTR), qui repose sur l'apprentissage automatique, fait de même pour les écritures manuscrites en entraînant un modèle sur des transcriptions de référence. La qualité dépend de l'état de la source, de la résolution et du modèle ; un contrôle humain reste indispensable. Pour la diffusion, le standard IIIF (International Image Interoperability Framework) permet à des institutions de publier des images selon une interface commune : un visualiseur peut afficher, zoomer ou comparer des documents provenant de plusieurs bibliothèques. En Suisse, des plateformes comme e-codices pour les manuscrits et e-rara pour les imprimés anciens illustrent cette logique de mise en ligne coordonnée. ## Objectifs d'apprentissage - Distinguer OCR et HTR et leurs conditions de réussite - Expliquer ce que permet le standard IIIF - Définir des paramètres de numérisation adaptés au patrimoine - Évaluer la qualité d'une transcription automatique - Identifier des plateformes suisses de diffusion patrimoniale ## Concepts clés - **OCR** : Reconnaissance optique de caractères sur des textes imprimés ; fiable sur des sources propres, moins sur les caractères anciens ou dégradés. - **HTR** : Reconnaissance de texte manuscrit par apprentissage automatique ; nécessite un modèle entraîné sur des exemples transcrits. - **IIIF** : Ensemble d'interfaces ouvertes pour diffuser et manipuler des images et leurs métadonnées entre institutions. - **Taux d'erreur de caractères** : Mesure de la qualité d'une transcription automatique par comparaison à une référence humaine. - **Numérisation de préservation** : Capture à haute résolution, sans compression destructive, destinée à servir de master pérenne. ## Conclusion La numérisation patrimoniale est une chaîne de décisions : numériser pour préserver, transcrire pour rendre exploitable, décrire pour retrouver, diffuser par des standards ouverts. OCR et HTR automatisent une partie du travail mais ne dispensent pas du contrôle. Grâce à IIIF, les collections suisses peuvent dialoguer avec celles d'autres institutions et s'intégrer aux projets de recherche en humanités numériques. ## Cartes ### Que fait l'OCR ? Il convertit l'image d'un texte imprimé en texte exploitable par machine. ### Quelle différence entre OCR et HTR ? L'OCR vise le texte imprimé ; l'HTR vise l'écriture manuscrite et exige un modèle entraîné. ### Que signifie IIIF ? International Image Interoperability Framework, standard de diffusion d'images. ### Quel avantage apporte IIIF à un chercheur ? Il peut afficher et comparer des images venant de plusieurs institutions dans un même visualiseur. ### Pourquoi corriger manuellement une transcription automatique ? Pour atteindre la qualité requise ; les erreurs affectent la recherche plein texte et l'analyse. ### Qu'est-ce qu'un master de numérisation ? Le fichier de haute qualité conservé durablement, dont on dérive des versions de consultation. ### Qu'est-ce que e-codices ? La bibliothèque virtuelle des manuscrits en Suisse, qui diffuse des manuscrits numérisés. ### Qu'est-ce que e-rara ? La plateforme suisse de diffusion d'imprimés anciens numérisés. ### Pourquoi des métadonnées sont-elles indispensables à la numérisation ? Sans description, les images ne sont ni retrouvables ni compréhensibles ; elles assurent aussi la traçabilité. ## Glossaire - **Résolution** : Nombre de points par unité de longueur d'une image numérisée. - **Modèle HTR** : Modèle d'apprentissage entraîné sur des transcriptions pour lire un type d'écriture. - **Manifeste IIIF** : Fichier décrivant un objet numérique et ses images pour un visualiseur. - **Plein texte** : Texte intégral d'un document indexé pour la recherche. - **Vérité terrain** : Transcription de référence produite par un humain pour entraîner ou évaluer un modèle. - **Droits d'auteur** : Droits sur les œuvres ; l'échéance du domaine public conditionne la diffusion en ligne. https://ruvy.ch/decks/-P5C_P2B3jddWq2bVjo-