Le traitement des notices

Le corpus obtenu par la méthode décrite dans le billet précédent est composé d’environ mille notices d’autorité qui présentent plusieurs types de défauts. Parmi les dizaines de milliers de notices d’autorité appartenant aux mondes arabo-musulmans, ce corpus a été retenu selon trois critères. 

– Le critère chronologique place une borne ne retenant que les auteurs nés avant 1900. 

– Le critère graphique retient dans ce corpus les auteurs ayant employé au moins une fois dans leur œuvre l’une des langues s’écrivant en abjad arabe comme cela est indiqué dans l’introduction de ce blog. 

– Enfin le critère informatique retient dans ce corpus les notices d’autorité n’étant pas liées avec au moins une de leurs références bibliographiques associées. Il s’agit donc de passer par les notices bibliographiques pour sélectionner les autorités à traiter. 

Chaque notice traitée dans le cadre du projet Mistara respecte des critères qui ont été mis en place grâce à une concertation entre les différents partenaires du projet ainsi que la validation des méthodes d’amélioration par l’Abes. C’est pour cette raison que chaque notice d’autorité enrichie ou créée porte la marque du projet sous la forme d’une indexation spécifique dans le catalogue du Sudoc.

Comme cela a été évoqué dans le billet précédent les zones à améliorer concernent différentes problématiques allant de la complexité de l’onomastique arabo-musulmane au défaut de lien entre les différents catalogues en passant par les problèmes de translittération.

Parmi les notices du corpus, celles qui portent sur des auteurs arabes sont largement majoritaires (±75%), suivis des auteurs persans (±15%) puis des auteurs turcs ottomans (±5%). Certains auteurs s’expriment dans plusieurs de ces langues, ce qui implique un traitement particulier comme nous allons le voir.

1 – L’onomastique arabo-musulmane.

Il ne s’agit pas ici de faire un rappel sur les usages onomastiques du monde arabo-muslman mais de mettre ces usages en perspective avec les contraintes du catalogage. 

C’est l’histoire de l’onomastique arabe qui a permis de fixer la borne chronologique du projet au 19ᵉ siècle. En effet les réformes sur l’état civil ayant eu lieu à cette période dans l’empire ottoman ont largement simplifié ces usages onomastiques. Il est donc moins fréquent de rencontrer ces problématiques dans les notices des auteurs “modernes”. Ces usages varient largement selon les contextes historique, géographique, scientifique et littéraires. Ainsi, une multitude de combinaisons des différentes composantes du nom d’un auteur peut faciliter la confusion : cheikh Al-Toussi s’appelle également cheikh Al-Ta’îfa alors que son nom complet est ‎Abū Ǧaʿfar ibn Muḥammad ibn al-Ḥasan al-Ṭūsī‎. Il convient dans ce cas de mener les recherches biographiques qui permettront d’insérer dans chaque notice toutes les formes du nom en inscrivant la forme la plus connue en point d’entrée privilégié de la notice. Il s’agit de s’assurer que le chercheur qui ne connaît qu’un seul de ces noms tombe bien sur la notice d’al-Toussi même s’il ne connaît que le libellé « cheikh Al-Ta’îfa » et ce, quelle que soit l’orthographe ou la translittération qu’il utilise.

Tezkéré ottomane d’Alep, un des premiers document d’identification individuelle : Document conservé au Centre des Archives Historiques de Damas. Date de 1883/1884

2 – Translittération, romanisation et point d’entrée privilégié. 

Le point d’entrée privilégié des notices d’autorité arabo-musulmanes est toujours doublé avec une zone pour l’écriture arabe et une zone pour la translittération ou la romanisation du nom.

Dans ce cadre, de nombreuses notices présentent des formes de translittération non conformes à la norme ISO en vigueur dans le catalogue du Sudoc. Cette norme n’a pas toujours été en vigueur et elle ne l’est toujours pas dans certaines institutions. Il convient alors d’insérer la translittération ISO en point d’entrée privilégié de la notice tout en conservant et en ajoutant les autres formes de translittération en tant que formes rejetées. Il est important d’introduire plusieurs systèmes de translittération dans les notices car il n’y a pas de consensus sur ce point entre les acteurs académiques, littéraires et médiatiques, ce qui a une répercussion directe sur l’efficacité des outils de recherche. S’ajoute à cela les différents systèmes de translittération de l’abjad arabe selon la langue utilisée. La translittération ISO du persan n’est pas totalement similaire à celle de l’arabe (http://transliteration.eki.) et pour cause, l’abjad arabe de l’arabe n’est pas strictement similaire à celui du persan, même s’il s’agit du même système d’écriture. Du point de vue informatique le codage des caractères persans n’est pas le même que celui des caractères arabes. Cela signifie que la même lettre est codée différemment selon la langue, ce qui est à l’origine de certains doublons et d’une mauvaise efficacité des moteurs de recherche.

Outre la question de la translittération, les multiples romanisations des noms doivent être prises en compte. Ce point est surtout valable pour les auteurs relativement célèbres dans le monde occidental dont le nom a été romanisé selon les contraintes phonologiques aboutissant à des transcriptions très différentes selon la langue en question : Jurji – Dzhirdzhi – Jorge – Corci (https://www.idref.fr/067036104)

La forme romanisée est à conserver en point d’entrée privilégié (champs 200 dans WiniBW) en parallèle de l’écriture arabe, seulement dans le cas où la personne est connue du lectorat occidental. Les exemples les plus célèbres illustrant ce point sont Avicennes pour Ibn Sina, Averoes pour Ibn Rushd et Maimonide pour Ibn Maimun,  dont les formes romanisées se sont éloignés, par déformation, de la forme originale arabe.

Cette méthode s’applique également aux auteurs aux noms occidentaux s’exprimant en langue orientale. Cela concerne les noms des auteurs arabes non musulmans et, dans une moindre mesure, des auteurs occidentaux ayant produit au moins une partie de leur œuvre en langue orientale.

3 – Références externes et sources d’enrichissement des bases de données. 

Dans le cadre d’une interopérabilité entre les différentes bases de données des référentiels nationaux, les notices des autorités arabo-musulmanes doivent systématiquement porter les références des bases externes (010, 035, 033 et 810) lorsque ces dernières existent. Cela permet un enrichissement mutuel et la prévention des doublons. Lorsque ces sources d’informations sont reconnues par le système grâce à leurs références pérennes de catalogage, elles sont insérées dans les zones 010 (Isni), 033 (Bnf) et 035 (Al-Kindi, Wikidata, Viaf). Parmi ces bases, le projet Mistara a intégré Al-Kindi comme une référence incontournable pour le domaine arabe. Ses permaliens seront cliquables dans les notices accessibles sur Idref.

Concernant les ressources numériques sans identifiants pérennes les sources d’informations sont insérées en 810, comme l’encyclopédie de l’islam, encyclopaedia Iranica et d’autres ressources sur lesquelles nous reviendrons par la suite dans ce blog.

Les premiers pas avec Bibliostratus (1)

La première étape du projet Mistara consiste à identifier un corpus d’entités personnes pour les dédoublonner, les corriger et les enrichir avant de tester un alignement avec d’autres bases de données externes (ALAM, Al-Kindi, MMSH). comme cela est évoqué dans le premier billet de ce blog. Cette première étape se divise en deux approches. Ce billet developpe la première approche choisie pour constituer le corpus. Des outils semi-automatisés de traitement de données et d’alignement ont fait l’objet de premiers tests dans ce cadre. Ainsi, des logiciels développés dans le cadre de la Transition bibliographique viennent appuyer techniquement la composition du corpus.

Bibliostratus est un outil d’alignement semi-automatique proposé par les agences bibliographiques, Agence bibliographique de l’enseignement supérieur (ABES) et la Bibliothèque nationale de France (BnF). Il a été conçu dans le cadre de la transition bibliographique. Cette expression sert à désigner un double chantier qui anime les bibliothèques : l’exposition des données des catalogues sur le web sous forme de données ouvertes et liées, la fusion des bases de production des référentiels d’autorités français administrées respectivement par la BnF et l’ABES au sein d’un futur et commun  « Fichier national d’entités » .

L’outil Bibliostratus permet d’aligner des données bibliographiques avec des données d’autorités à travers des catalogues locaux et nationaux. Il est composé de trois modules :

  • le premier sert à la conversion des données;
  • le deuxième sert à l’alignement ;
  • le dernier est destiné à l’export des données1.

Concernant la première étape du traitement, Bibliostratus permet d’identifier rapidement l’existence ou le manque de lien entre les notices bibliographiques et leurs notices d’autorité en interrogeant les champs 2XX (forme de l’autorité retranscrite du document) et 7XX (formes parallèles de l’entité) des notices bibliographiques. Il ne s’agit là que d’une des fonctions de l’application. Cette manipulation a donc été réalisée sur une liste de références de monographies en écriture arabe de la période classique, issues des collections anciennes de la Bulac. Cette première analyse fait ressortir qu’il manque environ 20% des liens attendus. Cela représente entre 1000 et 1500 notices d’autorité qui nécessitent un enrichissement important pour être conformes au modèle conceptuel IFLA-LRM / FRBR. Cet enrichissement comprend la correction des erreurs de translittération, l’ajout de variantes orthographiques et onomastiques d’un nom, l’ajout d’information biographiques et bibliographiques, la mention des éventuels identifiants correspondants issus des référentiels internationaux et nationaux (ISNI, VIAF, Ark de la BNF) ainsi que la correction des doublons. Ce défaut de qualité des notices d’autorités constitue la cause principale du manque de liens et de l’existence de doublons. Dans certains cas, les autorités mentionnées dans les notices bibliographiques n’ont aucune notice d’autorité correspondante existante dans Idref, le référentiel de l’ABES utilisé par le SUDOC, voire dans les bases internationles. Dans ce dernier cas, la création de la notice est indispensable.

Comme leur nom l’indique, l’efficacité de ces outils «semi»-automatisés s’arrête là ou le travail manuel humain s’impose comme seul recours fiable. La complexité et l’évolution des usages onomastiques du monde arabo-musulman ne peuvent être intégrés aux algorithmes de ces logiciels2. La correction des notices se fait donc manuellement via les outils professionnels de catalogage.

D’autres étapes du traitement, comme la création de liens et le dédoublonnage peuvent se faire avec l’assistance d’autres logiciels. Ils feront l’objet des prochains billets.


  1. Pour plus de détails sur ces fonctions : https://www.transition-bibliographique.fr/systemes-et-donnees/bibliostratus-alignement-donnees-catalogues/ []
  2. Les non-dits du nom : onomastique et documents en terres d’Islam : mélanges offerts à Jacqueline Sublet, sous la direction de Christian Müller et Muriel Roiland-Rouabah, 2013. Texte intégral : https://books.openedition.org/ifpo/5697. []

Qu’est ce qu’une mistara ?

De nos jours, le mot misṭara ou masṭara (pl. masāṭir) désigne en arabe littéral, ainsi que dans la plupart des dialectes arabes, une règle à tracer.

Image d'une page vierge portant l'empreinte d'une réglure à la mistara
Page vierge portant l’empreinte d’une réglure à la mistara (collections de la BULAC)

L’étymologie de ce lexème nous renvoie à la racine /sṭr/ donnant le verbe saṭara (2ème forme : saṭṭara) signifiant écrire, tracer une ligne mais aussi trancher avec une épée (kitāb muḥīt al-muḥīt, Buṭrus al Bustānī, 1867). Cette ligne, saṭr (pl. ʾasṭur) est initialement tracée par l’écrivain grâce à un tablette à régler, composé de morceaux de cartons et de fils, spécifiquement dédié à imprimer manuellement des lignes droites horizontales sur une page vierge1. C’est donc cet outil que désigne originellement notre terme.

De manière plus élargie, la racine /sṭr/ porte le sens de la correction, de la netteté et de la précision et donc, de la référence à suivre. En français, les expressions “suivre à la ligne” et “être sur la même ligne” évoquent ces caractéristiques. La ligne est donc une référence sur laquelle vient s’appuyer l’écriture afin de ne pas dévier de son chemin.

L’alignement des données par la correction des notices d’autorité est le principal objectif du projet Mistara, ce qui explique le choix de sa dénomination. Loin des morceaux de carton et des fils, les outils qui permettent cet alignement numérique sont d’une part informatiques et d’autre part normatifs. Cette norme, qu’elle concerne le catalogage, la translittération ou l’usage onomastique, joue le rôle de cette ligne sur laquelle viennent s’aligner des données à une échelle internationale.


Références :

‘Abd al‑Rahman al‑Ahdal, « La réglure à Zabid », Chroniques du manuscrit au Yémen [En ligne], 5 | 2008, mis en ligne le 19 novembre 2012, consulté le 26 mars 2020. URL : http://journals.openedition.org/cmy/1867 ; DOI : https://doi.org/10.4000/cmy.1867

IRHT. Codicologia, vocabulaire multilingue pour la description des manuscrits : http://codicologia.irht.cnrs.fr/ | Entrée Mistara.

  1. Le Kazimirksi, dictionnaire arabe-français, 2004, al-bouraq []

Mistara

Le projet Mistara associe les équipes de différentes bibliothèques arabisantes (BULAC, Institut du monde arabe, SCD Aix-Marseille Université, Maison Méditerranéenne des sciences de l’homme, section arabe de l’IRHT et Institut dominicain d’études orientales) et différents chercheurs dans le cadre d’un programme financé par le GIS Collex-Persée. Le carnet vise à faire connaître le projet et son avancement. Il rendra compte de la méthode de travail, des avancées, de la documentation rassemblée et présentera les différents outils onomastiques et la situation du catalogage des ressources en écritures arabes, du point de vue du signalement des autorités, des différents établissements partenaires. L’objectif est donner à voir l’avancement du projet pour élargir le cercle à d’autres partenaires.