Comprendre la composition des premiers légendiers en langue vernaculaire à l’aide des méthodes numériques : acquisition automatique du texte (HTR) et analyses stylométriques
Plan
Haut de pageTexte intégral
- 1 A. Vauchez, « Hagiographie », Dictionnaire encyclopédique du Moyen Âge, dir. A. Vauchez, coll. C. V (...)
1Les Vies de saints médiévales sont des récits terriblement stéréotypés, construits sur le principe de la réécriture et acceptés comme tels par les communautés du Moyen Âge1. Cette impression de redondance est encore accentuée pour les Vies en langue vernaculaire, car, si elles ne sont des traductions exactes des sources latines, elles en sont du moins des transpositions, voire un patchwork. Dans ce contexte, comment l’hagiographie vernaculaire se distingue de l’hagiographie latine ? Comment déceler quelles sont les motivations derrière ces nouvelles versions : nouveaux enjeux d’écriture, religieux, politiques, changement de public ?
2Quoiqu’on puisse remonter au xie siècle pour trouver les premières productions hagiographiques en français, comme la célèbre Chanson de saint Alexis, ces dernières, écrites en vers, sont bien différentes des Vies en prose des légendiers des xiiie et xive siècles. Dès le début du xiiie siècle, des légendiers en langue vernaculaire antérieurs à la plus ancienne des traductions de la Legenda aurea, circulent. En effet, sous l’impulsion du renouveau des abbreviationnes latins comme ceux de Jean de Mailly et de Barthélemy de Trente, de nouvelles compilations en langue vernaculaire sont apparues. Elles proposent un classement thématique faisant se succéder des Vies de saints apôtres, martyrs, confesseurs et saintes vierges. Dès la deuxième moitié du xiiie siècle, les légendiers s’enrichissent de traductions de la Legenda Aurea de Jacques de Voragine et quittent peu à peu, entre les xive et xve siècles, le classement méthodique pour s’aligner, à l’instar de leur modèle, sur un classement per circulum anni.
- 2 A.-F. Labie-Leurquin, « Composition, usage et diffusion du légendier picard », Des saints et des li (...)
3Les mécanismes qui régissent leur ordonnancement font l’objet de recherches récentes, qui montrent que les premiers recueils de Vies de saints en français ne possèdent pas à l’intérieur de leurs grandes subdivisions (apôtres, martyres, vierges et confesseurs) une organisation stable2. L’ordre des Vies y étant redistribué de famille en famille. C’est pourquoi nous proposons une étude non pas au niveau d’une Vie ou d’un dossier isolé, mais à l’échelle des légendiers dans leur intégralité pour essayer de mieux comprendre la spécificité des versions en langue vernaculaire, ainsi que leurs systèmes de compilation. Une telle approche permettrait non seulement d’attribuer certains textes et d’identifier dans les légendiers en langue vernaculaire des microcompilations primitives jusqu’ici passées inaperçues, mais aussi d’étudier l’histoire de la transmission de ces microcompilations dans les légendiers postérieurs pour retracer l’évolution de leur circulation et de leurs usages.
Composition des légendiers français
4Les légendiers français sont le résultat d’un système de compilation complexe. À l’échelle des manuscrits complets, ils sont formés de grands ensembles dont les textes se sont accumulés au cours du temps. Paul Meyer distingue des familles de légendiers qu’il nomme par des lettres. Les trois principales sont les familles A sur les saints apôtres, B sur les saints martyrs et C composée de récits plus divers : saints confesseurs et saintes vierges, et parfois l’ajout de saints et saintes locaux. Toutefois, ces blocs thématiques présentent de grandes variations internes d’un manuscrit à un autre (Fig. 1).
Fig. 1 : Composition des légendiers français, extrait de l’article J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric analysis » (2021), Fig. 1.

- 3 G. Philippart, Les Légendiers latins et autres manuscrits hagiographiques, Turnhout, 1977 (Typologi (...)
- 4 A. Pinche, Édition nativement numérique du recueil hagiographique « Li Seint Confessor » de Wauchie (...)
5À plus petite échelle, il semblerait que, dans ces blocs thématiques, certaines Vies soient liées entre elles. À l’instar des récits hagiographiques en langue latine qui auraient circulé sous forme de libelli thématiques ou d’« auteur »3, les versions françaises pourraient avant leur intégration dans des légendiers avoir d’abord fonctionné elles aussi sous forme de microséries. Le recueil hagiographique des Seint Confessor de Wauchier de Denain, composé de huit dossiers de saints, en est un bel exemple. Sa structure tout en symétrie développe des enjeux de compositions raffinés (mouvements thématiques et spatiaux) qui ne peuvent être étudiés que dans un contexte sériel4. En repérant ces livrets et en étudiant leur composition, nous voulons tenter d’identifier les « scribes-auteurs » des séries, leurs objectifs ou encore leur public (religieux, laïque, aristocrate, savant, urbain). Enfin, l’étude de l’agrégation de microcompilations dans des manuscrits plus amples pourrait expliquer l’instabilité de leur ordonnancement, car ces livrets auraient été insérés d’abord comme des blocs cohérents, puis démantelés au fil des copies pour proposer des compilations plus proches de la Légende dorée.
6Pour étudier un tel corpus, nous mettrons à profit une méthode mixte entre étude de la tradition manuscrite et approches computationnelles mêlant reconnaissance automatique d’écriture et stylomérie. Les méthodes numériques, en cours d’expérimentations et de perfectionnements dont nous présentons ici des résultats intermédiaires, permettront des prospections non seulement au niveau de la composition des légendiers, mais aussi de s’appuyer sur le contenu textuel des sources.
Acquérir le corpus à l’aide de HTR
- 5 P. Kahle, S. Colutto, G. Hackl, et alii, « Transkribus - A Service Platform for Transcription, Reco (...)
- 6 B. Kiessling, « Kraken - an Universal Text Recognizer for the Humanities », Utrecht, CLARIAH, 2019, (...)
- 7 B. Kiessling, R. Tissot, P. Stokes, et alii, « EScriptorium: An Open Source Platform for Historical (...)
7La reconnaissance automatique d’écriture, dite HTR (handwritten text recognition), est la capacité d’une machine à accepter en entrée des pixels issus de la numérisation d’un manuscrit et à restituer chacun des caractères du texte de la source sous forme de points de code (unicode) lisibles par des ordinateurs. Les progrès techniques de ces dernières années en matière d’intelligence artificielle et de réseaux neuronaux ont permis de produire automatiquement des données textuelles à partir de documents numérisés, réduisant ainsi considérablement le travail de transcription manuelle nécessaire à toute étude de corpus. Des outils comme Transkribus5 ou Kraken6 et son interface eScriptorium7 offrent des interfaces graphiques pour faciliter l’utilisation de l’HTR par des non-spécialistes, que ce soit pour appliquer ou constituer des modèles de reconnaissance, mais aussi pour créer des données d’entraînement, appelées vérités terrain.
8En effet, l’HTR s’appuie sur l’apprentissage machine. Ainsi, on peut entraîner un modèle HTR à « lire » un certain type de document en lui donnant un corpus d’entraînement semblable aux sources dont on veut acquérir le texte. Cet entraînement peut se faire de manière récursive selon un cercle vertueux où le corpus d’entraînement est alimenté de plus en plus rapidement (Fig. 2).
- 8 A. Pinche, « CREMMALAB | Constitution de corpus en ancien français pour l’HTR », https://cremmalab. (...)
- 9 A. Pinche, « Cremma Medieval », 2022, [En ligne : https://github.com/HTR-United/cremma-medieval].
- 10 A. Chagué, T. Clérice, L. Romary, « HTR-United : Mutualisons la vérité de terrain ! », 2021, [En li (...)
- 11 La liste du corpus complet est donné dans le read-me du dépôt Github, https://github.com/HTR-United (...)
- 12 https://fromthepage.com/stanfordlibraries.
- 13 Geste: un corpus de chansons de geste, dir. J.-B. Camps, collab. E. Albarran, A. Cochet, L. Ing, Pa (...)
- 14 https://maritem.hypotheses.org.
- 15 Nous remercions tous les transcripteurs qui nous ont consacré leur temps précieux.
9Dans le cadre du projet CREMMALab8, des modèles de reconnaissance automatique d’écriture capables de transcrire un large spectre de documents des xiiie et xive siècles ont été confectionnés et mis à disposition avec leurs données d’entraînement dans le dépôt CREMMA Medieval9 et sur le catalogue HTR-united10. Le corpus est né de strates successives11 : d’un premier noyau composé du dossier de saint Martin du manuscrit fr. 412 de la Bibliothèque nationale de France, puis d’ajouts successifs (projets de la Stanford Library, grâce aux transcribathons organisés par Laura Morreale12), mais aussi de projets de l’École nationale des chartes, comme l’édition de la Chanson d’Otinel13 ou encore le projet Maritem14. Les derniers ajouts sont ceux de projets extérieurs qui ont bénéficié des premiers modèles et qui en échange ont partagé dix pages de vérités de terrain15.
- 16 A. Pinche, « Guide de transcription pour les manuscrits du Xe au XVe siècle », 2022, [En ligne : ht (...)
10La constitution du corpus a également permis de mettre en place des préconisations de transcription afin d’optimiser la formation des modèles HTR et de produire des données homogènes et partageables16. La qualité des données d’un corpus, à notre avis, est l’une des clés pour entraîner un modèle robuste avec un corpus d’une taille raisonnable, tout en garantissant la cohérence des prédictions HTR : un tilde sera toujours rendu par le même signe, etc. Cette homogénéité est par ailleurs nécessaire au traitement informatique du texte produit.
11La constitution de ce corpus a permis d’entraîner plusieurs modèles HTR en cherchant toujours plus de généricité dont :
- 17 A. Pinche, T. Clérice, « HTR-United/cremma-medieval: 1.0.1 Bicerin (DOI) », Zenodo, 2021, DOI: 10.5 (...)
- 18 La précision (accuracy) est calculée sur le base du CER (caracter error rate).
13- Cortado 2.0.019, 95,54 % de précision.
- 20 K. Christensen, A. Pinche, S. Gabay, « Gallic(orpor)a: Traitement des sources textuelles en diachro (...)
14Le modèle Bicerin a uniquement été entraîné sur les données de Cremma Medieval tandis que Cortado a été entraîné à partir des données de Cremma Medieval, mais également avec des données issues du projet Gallic(orpor)a20 incluant des incunables et des manuscrits du xve siècle. Les deux modèles possèdent des performances satisfaisantes, mais surtout une bonne capacité à s’adapter à des documents différents.
15Nous avons testé les deux modèles sur deux documents différents : le manuscrit 17 229 du fonds français de la Bibliothèque nationale de France et le manuscrit Comites Latentes 102 de la Bibliothèque de Genève, tous deux du xiiie siècle (Tab. 1). Ces deux manuscrits font partie du corpus de légendiers français dont nous souhaitons étudier la composition.
Tab. 1 : Scores des modèles HTR Cortado et Bicerin.
BnF, Ms, fr. 17 229 |
BDG, Comites Latentes 102 |
|
Cortado 2.0.0 |
92,71 % |
96,57 % |
Bicerin 1.1.0 |
91.64% |
95,43% |
- 21 F. Moretti, Distant reading, Londres, 2013.
- 22 M. Eder, « Mind your corpus: systematic errors in authorship attribution », Literary and Linguistic (...)
16Les résultats sont déjà très satisfaisants. Le modèle Cortado est capable de produire des prédictions HTR qui pourront être exploitées (Fig. 3 et 4). En effet, pour une lecture distante (distant reading21), et plus précisément pour une analyse stylométrique, un texte avec jusqu’à 15 % de bruit (erreurs sur les caractères) n’affecte pas les algorithmes22. On peut donc en conclure que les outils à disposition aujourd’hui sont en capacité de produire des textes de qualité suffisante pour une exploitation quantitative.
Fig. 4 : Exemple de prédiction du modèle HTR Cortado sur le manuscrit Genève, BDG, Comites Latentes 102.

Comprendre les collections à l’aide de la stylométrie
- 23 Part of Speech, plus ou moins la nature grammaticale du mot.
17La stylométrie est un domaine de la linguistique qui utilise la statistique pour décrire les propriétés stylistiques d’un texte. Elle est utilisée pour identifier le style d’un auteur pour, par exemple, proposer des attributions d’auteur dans le cas de textes anonymes, comme dans le cas de nos compilations. La stylométrie procède selon une approche quantitative. Elle recense les unités objectivées d’un texte qui peuvent varier en fonction des approches (feature) : n-gramms, lemmes, POS23, mots-outils.
- 24 J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric (...)
- 25 En outre, n’ayant été entraîné que sur le manuscrit 412, le modèle ne pouvait pas être utilisé sur (...)
18À l’occasion de la conférence Digital Humanities de 2019, avec mes collègues Jean-Baptiste Camps et Thibault Clérice, nous avions utilisé la stylométrie pour chercher les séries hagiographiques possiblement d’une même plume dans le manuscrit fr. 412 de la Bibliothèque nationale de France24. Cette expérience nous avait permis de vérifier les hypothèses de Paul Meyer sur la constitution des légendiers français en grandes familles (dans notre cas les familles A, B et C), ainsi que d’examiner les groupes de Vies issues potentiellement d’un même auteur dans un corpus largement anonyme. La tâche était ici relativement simplifiée par l’étude d’un manuscrit unique écrit par une seule main. Toutefois, traiter des corpus médiévaux demande de relever de nombreux défis liés à la matérialité même du texte, notamment avec les récits hagiographiques qui peuvent être très courts (et donc rendre une analyse stylométrique difficile). En outre, du bruit peut être introduit dans le texte initial avec des erreurs de copie, des innovations, auquel on doit ajouter le bruit généré par les erreurs de l’HTR. Enfin, les abréviations et les variations graphiques complexifient le processus de lemmatisation, parfois nécessaire pour nuancer les « effets de main » des copistes. Quoique pour cette première expérience le modèle HTR entraîné n’avait pas encore des résultats très satisfaisants, autour de 85 % de précision25, nos résultats furent concluants. Les légendiers A, B et C de Paul Meyer apparaissaient dans l’arbre stylométrique qui, par ailleurs, confirmait le regroupement des huit Vies de Wauchier de Denain (en rouge sur Fig. 5).
Fig. 5 : Arbre stylométrique issu de l’analyse du manuscrit Paris, BnF, fr. 412, extrait de l’article J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric analysis » (2021), Fig. 10.

- 26 P. Meyer, « Légendes hagiographiques en français », Histoire littéraire de la France, vol. 33, Pari (...)
- 27 Dans un premier temps, tous les manuscrits sélectionnés devront comporter plusieurs Vies de Wauchie (...)
19L’analyse avait également révélé des rapprochements intéressants, déjà évoqués par Paul Meyer26, comme la série récurrente dans les témoins des Vies de saint Sixte, Laurent, Hippolyte et (Pantaleon) ou encore de sainte Agathe, Luce, Agnès, Christine et Cécile. D’autres résultats ont pu sembler plus étonnants, comme le rapprochement systématique de la Vie de saint Lambert de Liège avec les Vies de Wauchier de Denain. Ainsi, afin de poursuivre ces recherches, nous souhaitons étendre l’exploration sur une trentaine de légendiers français27.
- 28 Manuscrit sur lequel nous avons également testé nos modèles HTR.
- 29 Méthode non supervisée à partir de la distance de Manhattan.
20À l’occasion des Ateliers 2022 CBMAhag : Hagiographie, corpus électroniques, nouvelles recherches, nous avons procédé à une rapide expérience sur un manuscrit de la famille E des légendiers, à savoir le manuscrit Comites Latentes 102 de la Bibliothèque de Genève28. Ce manuscrit a l’avantage de présenter un très grand nombre de Vies et surtout un réarrangement de ces dernières plus important que les représentants du légendier C. Cette rapide analyse est limitée, car elle a été directement menée sur des prédictions HTR, sans développement des abréviations et sans lemmatisation. Les analyses proposées ici ne sont donc que des hypothèses. La méthode utilisée est la même que celle mise en place par J. -B. Camps lors de la conférence Digital Humanities 201929. Différents types de features ont été utilisés : les 3-gramms et les mots-outils moins sensibles aux attractions thématiques. L’intégralité des arbres stylométriques doit être prise avec recul (Fig. 6 et 7). Toutefois, les deux arbres présentent des résultats intéressants. La plupart des Vies de Wauchier de Denain sont regroupées ensemble (en rouge sur la figure 6 et en bleu sur la figure 7), à l’exception des Vies de saint Brice et de saint Jérome qui sont les plus volatiles, très certainement à cause de leur petite taille.
Fig. 6 : Arbre stylométrique généré à partir du texte brut et du légendier E, manuscrit Genève, BDG, Comites Latentes 102.

Fig. 7 : Arbre stylométrique généré à partir d’une liste de mots outils et du légendier E, manuscrit Genève, BDG, Comites Latentes 102.

21La piste d’un recueil de saintes issue d’une même main semble de plus en plus forte avec le rapprochement des Vies de sainte Agathe, Luce, Agnes, Christine (en vert clair, sur les figures 6 et 7). Il manque par rapport aux analyses précédentes la Vie de sainte Cécile, mais celle-ci n’est pas présente dans le manuscrit de Genève, d’où l’intérêt d’ouvrir l’étude à une multitude de manuscrits. Ces résultats sont par ailleurs cohérents avec certains éléments textuels. En effet, ces Vies de saintes entretiennent des liens thématiques entre elles. La Vie de sainte Luce s’inscrit dans la continuité de la Vie de sainte Agathe :
- 30 Manuscrit Paris, BnF, fr. 412, fol. 72v°, Vie de sainte Luce.
« Aussi com la cites de Cathenense est secorue et aidie par seinte Agathe ma seror, aussi sera ceste citez aidie et socorue par moi, se uoz auez foi et creance en nostre Signor30 »
22En outre, Agathe et Luce sont deux saintes Siciliennes, l’une originaire de Catania et l’autre de Syracuse. Les Vies de sainte Luce et de sainte Agnes ont également des points communs. La Vie de sainte Luce s’achève à Rome, là où commence la Vie de sainte Agnes. Toutes deux sont menacées d’être envoyées au bordel par un prétendant éconduit. Enfin, sainte Christine et sainte Agathe sont toutes deux patronnes de la ville de Palerme (Sicile) et les deux Vies présentent le thème commun du supplice de la poitrine arrachée.
23Dans cette nouvelle analyse, la Vie de saint Lambert n’est pas regroupé avec les Vies de Wauchier de Denain. C’est donc une piste à poursuivre. Plusieurs hypothèses s’offrent à nous. Ce sont deux Vies de saint Lambert différentes et la notice de la base Jonas de l’IRHT qui lie le texte aussi bien au manuscrit fr. 412 de la Bibliothèque nationale de France qu’au manuscrit Comites Latentes 102 de la Bibliothèque de Genève est erronée31. Sans aller aussi loin, il est également possible que le texte ait été remanié et que la plume de Wauchier de Denain ne soit plus identifiable. Il est donc nécessaire de revenir au texte. Autre possibilité, nous sommes face à des erreurs de stylométrie, soit un faux positif dans la première étude, soit un faux négatif dans l’analyse du manuscrit de Genève. Quoiqu’il en soit, il faudra trancher la question par une étude en close reading et par la poursuite des analyses stylométriques sur les autres témoins qui contiennent des Vies de Wauchier de Denain et de saint Lambert.
24Ainsi, nous avons proposé un rapide panorama de nos recherches du moment et à venir. La mise en place de la phase d’acquisition du texte est presque complètement achevée grâce à la confection d’un modèle HTR générique pour les manuscrits des xiiie et xive siècles. Un peu de temps doit encore être consacré au traitement du texte pour obtenir des résultats de stylométrie plus solides : résolution des abréviations, lemmatisation, amélioration de la liste des mots outils (stop words), etc. On peut également se demander, si un tel projet ne serait pas l’occasion de mettre à disposition les prédictions HTR pour permettre à d’autres chercheurs de travailler sur ces corpus, et de donc de développer en parallèle de ces études une chaîne d’éditorialisation des manuscrits hagiographiques. Il serait alors nécessaire d’augmenter la qualité de l’HTR au-dessus de 95 %, à l’aide de procédés d’affinage des modèles HTR. Augmenter un peu la qualité des données permettrait de valoriser plus aisément l’ensemble de la chaîne et de s’inscrire dans une dimension de partage des textes et de science ouverte.
Notes
1 A. Vauchez, « Hagiographie », Dictionnaire encyclopédique du Moyen Âge, dir. A. Vauchez, coll. C. Vincent, Paris, 1997, I, p. 707-708.
2 A.-F. Labie-Leurquin, « Composition, usage et diffusion du légendier picard », Des saints et des livres : Christianisme flamboyant et manuscrits hagiographiques du Nord à la fin du Moyen Âge, Turnhout, 2021, (Hagiologia, 17), p. 79 ‑133.
3 G. Philippart, Les Légendiers latins et autres manuscrits hagiographiques, Turnhout, 1977 (Typologie des Sources du Moyen Âge Occidental, 24-25).
4 A. Pinche, Édition nativement numérique du recueil hagiographique « Li Seint Confessor » de Wauchier de Denain d’après le manuscrit fr. 412 de la Bibliothèque nationale de France, Thèse de doctorat, Université Lyon3, 2021.
5 P. Kahle, S. Colutto, G. Hackl, et alii, « Transkribus - A Service Platform for Transcription, Recognition and Retrieval of Historical Documents», 14th IAPR International Conference on Document Analysis and Recognition (ICDAR), vol. 4, 2017, p. 19‑24, DOI : 10.1109/ICDAR.2017.307
6 B. Kiessling, « Kraken - an Universal Text Recognizer for the Humanities », Utrecht, CLARIAH, 2019, [En ligne : https://dev.clariah.nl/files/dh2019/boa/0673.html.
7 B. Kiessling, R. Tissot, P. Stokes, et alii, « EScriptorium: An Open Source Platform for Historical Document Analysis », International Conference on Document Analysis and Recognition Workshops (ICDARW), 2019, p. 19, DOI : 10.1109/ICDARW.2019.10032.
8 A. Pinche, « CREMMALAB | Constitution de corpus en ancien français pour l’HTR », https://cremmalab.hypotheses.org. CREMMALab est un projet financé par le DIM (recherche financée par la Région Île-de-France) MAP (Matériaux anciens et patrimoniaux) et lié au projet d’infrastructure CREMMA (Consortium pour la reconnaissance de l’écriture manuscrite des matériaux anciens).
9 A. Pinche, « Cremma Medieval », 2022, [En ligne : https://github.com/HTR-United/cremma-medieval].
10 A. Chagué, T. Clérice, L. Romary, « HTR-United : Mutualisons la vérité de terrain ! », 2021, [En ligne : https://hal.archives-ouvertes.fr/hal-03398740].
11 La liste du corpus complet est donné dans le read-me du dépôt Github, https://github.com/HTR-United/cremma-medieval/blob/main/README.md.
12 https://fromthepage.com/stanfordlibraries.
13 Geste: un corpus de chansons de geste, dir. J.-B. Camps, collab. E. Albarran, A. Cochet, L. Ing, Paris, 2016-, DOI: 10.5281/zenodo.1744918, http://github.com/Jean-Baptiste-Camps/Geste.
14 https://maritem.hypotheses.org.
15 Nous remercions tous les transcripteurs qui nous ont consacré leur temps précieux.
16 A. Pinche, « Guide de transcription pour les manuscrits du Xe au XVe siècle », 2022, [En ligne : https://hal.archives-ouvertes.fr/hal-03697382]. Les transcriptions de Cremma Medieval sont « graphématiques ». C’est à dire qu’elles suivent les graphies du texte et conservent les abréviations. Toutefois les variations de formes de lettre, comme le s long, ne sont pas prises en compte, voir D. Stutzmann, « Paléographie statistique pour décrire, identifier, dater… Normaliser pour coopérer et aller plus loin ? », Codicology and Palaeography in the Digital Age 2, dir. F. Fischer, C. Fritze, G. Vogeler, coll. B. Assmann, M. Rehbein, P. Sahle, Norderstedt, 2010, p. 247-277.
17 A. Pinche, T. Clérice, « HTR-United/cremma-medieval: 1.0.1 Bicerin (DOI) », Zenodo, 2021, DOI: 10.5281/zenodo.5235186.
18 La précision (accuracy) est calculée sur le base du CER (caracter error rate).
19 https://github.com/HTR-United/cremma-medieval/releases/tag/2.0.0.
20 K. Christensen, A. Pinche, S. Gabay, « Gallic(orpor)a: Traitement des sources textuelles en diachronie longue de Gallica », DataLab de la BnF, Paris, 2022, [En ligne : https://hal.archives-ouvertes.fr/hal-03716534]. Voir également, « GitHub - Gallicorpora/. github : Gallic (orpor) a : extraction, annotation et diffusion de l’information textuelle et visuelle en diachronie longue », [En ligne : https://github.com/Gallicorpora/.github].
21 F. Moretti, Distant reading, Londres, 2013.
22 M. Eder, « Mind your corpus: systematic errors in authorship attribution », Literary and Linguistic Computing, 28/4 (2013), p. 603 ‑614.
23 Part of Speech, plus ou moins la nature grammaticale du mot.
24 J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric analysis: Evaluating Paul Meyer’s hagiographic hypothesis », Digital Scholarship in the Humanities, 36/Suppl_2 (2021), p. ii49‑ii71, DOI : 10.1093/llc/fqab033.
25 En outre, n’ayant été entraîné que sur le manuscrit 412, le modèle ne pouvait pas être utilisé sur d’autres manuscrits.
26 P. Meyer, « Légendes hagiographiques en français », Histoire littéraire de la France, vol. 33, Paris, 1906, p. 328‑458.
27 Dans un premier temps, tous les manuscrits sélectionnés devront comporter plusieurs Vies de Wauchier de Denain pour vérifier la cohérence des arbres stylométriques.
28 Manuscrit sur lequel nous avons également testé nos modèles HTR.
29 Méthode non supervisée à partir de la distance de Manhattan.
30 Manuscrit Paris, BnF, fr. 412, fol. 72v°, Vie de sainte Luce.
31 https://jonas.irht.cnrs.fr/consulter/oeuvre/detail_oeuvre.php?oeuvre=1958.
Haut de pageTable des illustrations
![]() |
|
---|---|
Titre | Fig. 1 : Composition des légendiers français, extrait de l’article J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric analysis » (2021), Fig. 1. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-1.jpg |
Fichier | image/jpeg, 164k |
![]() |
|
Titre | Fig. 2 : Exemple de cycle(s) d’apprentissage d’un modèle HTR. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-2.jpg |
Fichier | image/jpeg, 55k |
![]() |
|
Titre | Fig. 3 : Exemple de prédiction du modèle HTR Cortado sur le manuscrit Paris, BnF, fr. 17 229. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-3.jpg |
Fichier | image/jpeg, 178k |
![]() |
|
Titre | Fig. 4 : Exemple de prédiction du modèle HTR Cortado sur le manuscrit Genève, BDG, Comites Latentes 102. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-4.jpg |
Fichier | image/jpeg, 147k |
![]() |
|
Titre | Fig. 5 : Arbre stylométrique issu de l’analyse du manuscrit Paris, BnF, fr. 412, extrait de l’article J.-B. Camps, T. Clérice, A. Pinche, « Noisy medieval data, from digitized manuscript to stylometric analysis » (2021), Fig. 10. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-5.jpg |
Fichier | image/jpeg, 551k |
![]() |
|
Titre | Fig. 6 : Arbre stylométrique généré à partir du texte brut et du légendier E, manuscrit Genève, BDG, Comites Latentes 102. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-6.jpg |
Fichier | image/jpeg, 193k |
![]() |
|
Titre | Fig. 7 : Arbre stylométrique généré à partir d’une liste de mots outils et du légendier E, manuscrit Genève, BDG, Comites Latentes 102. |
URL | http://journals.openedition.org/cem/docannexe/image/19452/img-7.jpg |
Fichier | image/jpeg, 362k |
Pour citer cet article
Référence électronique
Ariane Pinche, « Comprendre la composition des premiers légendiers en langue vernaculaire à l’aide des méthodes numériques : acquisition automatique du texte (HTR) et analyses stylométriques », Bulletin du centre d’études médiévales d’Auxerre | BUCEMA [En ligne], Collection CBMA, mis en ligne le 29 novembre 2022, consulté le 22 juin 2025. URL : http://journals.openedition.org/cem/19452 ; DOI : https://doi.org/10.4000/cem.19452
Haut de pageDroits d’auteur
Le texte seul est utilisable sous licence CC BY-NC-SA 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Haut de page