• 1 L’UMS est devenue, en janvier 2021, une UAR, unité d’appui et de recherche.
• 2 L’IHRF était alors une équipe d’accueil de l’université. Depuis janvier 2016, il a intégré l’Instit (...)
• 3 Projet French Revolution Digital Archive, remodelé depuis et dont le résultat est visible ici : htt (...)

2En 2011, la Bibliothèque interuniversitaire de la Sorbonne (BIS), l’unité mixte de service1 Persée (ENS de Lyon et CNRS) et l’Institut d’histoire de la Révolution française (IHMC-IHRF, université Paris 1 Panthéon-Sorbonne2) se sont associés dans le but de fournir une édition gratuite, aisément accessible en ligne et augmentée de fonctionnalités dépassant la lecture linéaire ou la recherche plein texte, du vaste corpus que constituent les Archives parlementaires de la Révolution française. L’idée était de donner accès sur le web aux cent deux volumes publiés, y compris les tomes les plus récents, encore sous droits (83 à 102), en y adjoignant un outillage spécifique. Les chercheur·se·s de l’IHMC-IHRF se sont chargé·e·s de définir cet outillage en collaboration avec la BIS, cette dernière assurant les opérations de traitement documentaire du corpus (détaillées infra) et Persée procédant aux traitements informatiques, de la numérisation – quand elle n’existait pas – jusqu’à la mise en ligne des volumes. De fait, le projet a pu gracieusement bénéficier de la numérisation des volumes 1 à 82, réalisée par l’université de Stanford pour son propre projet3.

• 4 https://www.idref.fr/
• 5 https://data.bnf.fr, http://viaf.org, https://isni.org

3Après numérisation, les volumes ont bénéficié d’une reconnaissance optique de caractères (OCR, optical character recognition) permettant une recherche par mots (en plein texte) et ont fait l’objet d’un traitement ayant deux visées : indexer les noms de personnes et séquencer l’intégralité du texte en unités intellectuelles cohérentes, qualifiées selon une typologie préétablie. Ces deux opérations, entièrement manuelles, ont été effectuées dans l’application que Persée utilise pour toute sa chaîne de production, jGalith (illustration 2). En raison du temps de traitement engendré par le caractère manuel du travail, l’indexation des noms s’est limitée aux noms apparaissant en gras dans les premiers volumes et en capitales dans les derniers, c’est-à-dire principalement ceux des députés prenant la parole lors des séances. Ces noms, aussi appelés « autorités personnes », alimentent le réservoir d’autorités de Persée et permettent la constitution d’un index des intervenant·e·s. Afin d’identifier sans ambigüité ces « autorités personnes », Persée a fait le choix de les aligner sur le référentiel IdRef4, tout comme le reste de la production scientifique prise en charge par Persée. Par le jeu des rebonds que permet cet alignement, les autorités ainsi définies ont également été liées à d’autres grands référentiels nationaux et internationaux : data.bnf.fr, viaf et isni5. Cette opération, réalisée par Persée, était alors manuelle et se faisait au fil du traitement.

• 6 https://archives-parlementaires.persee.fr/fr/orientations-scientifiques

4Le séquençage du texte s’est appuyé quant à lui sur une typologie, définie par les chercheur·se·s de l’IHMC-IHRF, qui regroupe une trentaine de catégories6. Il a été décidé de distinguer, d’une part, ce que les députés produisent et dont ils débattent et, d’autre part, ce que les députés reçoivent en provenance de l’extérieur de l’enceinte de l’Assemblée. Le premier ensemble regroupe les types suivants : amendements, appels nominaux, arrêtés des comités de l’Assemblée, correspondances des envoyés en mission, déclarations, proclamations et adresses de l’Assemblée, décrets, lois, demandes de congé, déroulements de séance, discussions, élections et nominations aux fonctions de l’Assemblée, instructions et circulaires, motions et motions d’ordre, projets de décret, projets de loi, rapports, renvois aux comités/commissions. Le deuxième ensemble contient les types suivants : adresses, pétitions ou lettres envoyées à l’Assemblée, arrêtés de collectivité, délibérations ou procès-verbaux de collectivités, discours des députations ou de citoyens à l’Assemblée, dons patriotiques et hommages, lettres. À ces deux grands ensembles s’ajoutent des documents dits « joints » : discours et opinions non prononcés, états et comptes, extraits de journaux et tableaux de données. Un dernier ensemble regroupe trois types propres à l’Ancien Régime : arrêts, correspondances et discours du roi, cahiers de doléances, discours et productions des ministres. Le glossaire, disponible en ligne, propose des définitions courtes de chacune de ces trente-trois catégories. Les définitions ont trois origines : elles sont tirées des dictionnaires contemporains de l’époque, fournies par les historien·ne·s de la période, ou proposées par les concepteur·trice·s du projet, au plus près des termes et usages de l’époque révolutionnaire. Les usages de certains mots pouvant changer d’une législature à l’autre, le glossaire ne peut prétendre à l’exhaustivité ni rendre compte du caractère polymorphe de tous les termes. Quand il y a hésitation pour classer une séquence textuelle, deux principes ont prévalu : sa finalité (par exemple, un projet de décret présenté en tant que tel mais qui, adopté en l’état, est finalement typé décret) et son contenu – une allusion ou une évocation à un type de document ne suffisent pas à typer l’extrait dans la catégorie correspondante (par exemple, un document ne sera typé lettre que s’il s’agit du texte de la lettre en question ; s’il y est juste fait allusion ou qu’un résumé en est fait, il s’agira alors d’une discussion).

• 7 https://www.collexpersee.eu/
• 8 http://info.persee.fr/perseides/
• 9 Le projet a été décalé de quelques mois et a finalement abouti en mars 2021 : https://www.collexper (...)

6La parution d’un appel à projet « Numérisation enrichie et services à la recherche », lancé par le groupement d’intérêt scientifique (GIS) CollEx-Persée7 en 2018, a permis d’inscrire l’édition des Archives parlementaires dans une nouvelle dynamique. Le projet porté par la BIS poursuivait quatre objectifs : l’accélération du traitement documentaire (indexation et balisage) par l’embauche de quatre personnes à mi-temps pour traiter rapidement une quinzaine de volumes supplémentaires ; le traitement, à rebours de l’ordre chronologique, de volumes sous droits (tome 102 et antérieurs) ; la construction d’un portail dédié, nommé « perséide »8, permettant de développer des fonctionnalités et modalités d’interrogation propres au corpus ; et l’organisation d’une journée d’études sur le corpus, dont les actes sont publiés dans ce numéro. Le projet a convaincu le jury, qui lui a octroyé une subvention de 70 000 € pour la période 2019-20209.

• 10 La liste des vingt-cinq agent·te·s de la BIS, des treize agent·e·s de Persée et des sept chercheur· (...)
• 11 Agence bibliographique de l’enseignement supérieur : https://abes.fr/
• 12 Gravures récupérées depuis data.bnf.fr, dbpedia ou le site web du Sénat.
• 13 « International Image Interoperability Framework », cadre d’interopérabilité pour la diffusion et l (...)
• 14 https://projectmirador.org : le code source de cet outil est libre.
• 15 Lesquels se sont entre autres appuyés sur des intégrant des ateliers d’UX design.
• 16 Le comité scientifique était composé de Michel Biard, Philippe Bourdin, Dominique Godineau, Hervé L (...)
• 17 Danka, https://www.danka.fr/

7Les résultats obtenus en mars 2021 dépassent certains des objectifs fixés10 : vingt-et-un volumes ont été traités, au lieu des quinze escomptés, et un travail de nettoyage d’autorités (désambiguïsation de noms, corrections de dates de naissance ou de mort, orthographe) et d’alignement a été mené. L’alignement, cette fois automatisé et rétrospectif, a été mené conjointement avec les équipes de l’ABES11. En mars 2021, plus de mille cinq cents noms ont été indexés, alignés et contrôlés pour s’assurer de la pertinence et de la qualité des données ainsi récupérées. Des fiches sur chaque député mettent ainsi à disposition des internautes un ensemble d’informations documentaires agrégées depuis des sources externes au site, telles qu’une brève biographie et une gravure – lorsqu’elle était récupérable depuis un réservoir moissonnable12. La perséide a été mise en ligne grâce à l’investissement de Persée, qui a entièrement développé la plateforme de diffusion (basée sur Drupal pour la diffusion des contenus documentaires et éditoriaux, et sur le protocole IIIF13 et la visionneuse Mirador14 pour la diffusion interopérable des documents numérisés et de leurs métadonnées), tout en s’appuyant sur les travaux15 du comité scientifique réuni pour le projet16. Les interfaces utilisateurs ont été conçues par une agence web de création ayant une expertise dans la diffusion de contenus documentaires et patrimoniaux17. En mars 2021 sont traités et mis en ligne les tomes 1 à 7, correspondant à l’ensemble des cahiers de doléances ainsi qu’à leur table d’index ; les volumes 8 à 33, correspondant à l’ensemble des séances de l’Assemblée nationale constituante du 5 mai 1789 au 30 septembre 1791, ainsi qu’à leur table d’index ; les tomes 95 à 102, correspondant aux dernières séances de la Convention nationale publiées du 26 thermidor an II (13 août 1794) au 12 frimaire an III (2 décembre 1794). Le travail se poursuit sur les volumes 91 à 94 en 2021.

• 18 Les cahiers de doléances sont exclus du tableau qui suit.

8Ce premier corpus en ligne, bien qu’encore incomplet, rend possible une première extraction permettant de commencer à exploiter les résultats du séquençage selon les catégories définies18.

• 19 Extraction faite à la date du 26 mars 2021.

9Outre l’aperçu qu’il fournit sur l’ampleur du travail effectué (plus de soixante-dix mille segments de texte isolés depuis le début du projet19), ce type d’extraction, et plus généralement la recherche par catégorie, acquerront au fur à mesure d’autant plus de pertinence que les volumes en ligne seront plus nombreux.

• 20 https://archives-parlementaires.persee.fr/fr/explorer/les-volumes/grille

11La liste des volumes20, dont la table des matières a été intégralement saisie, permet d’accéder très rapidement à un volume voulu, puis au passage précis souhaité. Chaque séquence est téléchargeable, au format image (photographie de la version papier originale) ou au format texte (transcription issue de l’OCR).

• 21 https://archives-parlementaires.persee.fr/fr/explorer/les-cahiers-de-doleances/grille

13L’interface dédiée aux cahiers de doléances21 donne accès aux mille trois cent cinq cahiers et permet un filtrage par mot du titre du cahier : nom de lieu ou mot apparaissant dans le nom du lieu (Ivry ou colonie par exemple), baillage, sénéchaussée, tiers-état, noblesse ou clergé. Chaque cahier peut ensuite être téléchargé isolément et dispose d’un identifiant qui le rend citable (via la fonction « copier URL ») et partageable sur les réseaux sociaux (liens vers Facebook et Twitter signalés par des pictogrammes).

• 22 https://archives-parlementaires.persee.fr/fr/explorer/les-deputes
• 23 La troncature est automatique de part et d’autre de la suite de caractères recherchée : bois donne (...)

14L’accès par intervenant·e22 – et il s’agit dans la majorité des cas d’un député – se fait par deux moyens : liste alphabétique ou recherche par nom ou partie de nom23. Pour chaque député, le lien vers tous les réservoirs d’autorités où l’intéressé est référencé est disponible. Le rebond vers les autorités Persée permet par exemple d’obtenir toutes les occurrences de la personne, quel que soit son rôle (auteur·trice, co-auteur·trice ou sujet) dans l’ensemble des ressources présentes sur Persée (comme les Annales historiques de la Révolution française et la Revue d’Histoire Moderne & Contemporaine, pour ne citer que deux exemples parmi plusieurs centaines de milliers de sources en ligne). Sous chaque intervenant·e répertorié·e sont fournis le nombre de ses « interventions » et un accès direct à chacune d’entre elles. Une intervention correspond à une occurrence du nom en gras ou en capitales. Par conséquent, si un député est interrompu deux fois dans un discours, son nom est relevé trois fois, une fois au début, deux autres fois à chaque reprise de parole. Le nombre total d’interventions, s’il constitue une première indication précieuse, est donc à nuancer par l’étude précise des textes. Enfin, la liste des « co-intervenant·e·s » donne accès à tous les orateur·trice·s intervenu·e·s durant la ou les même·s séance·s. Elle permet de savoir avec qui un député interagit le plus.

• 24 Ici aussi, la troncature est automatique de part et d’autre de la suite de caractères recherchée : (...)

15Le moteur de recherche principal, en attendant des re-paramétrages qui permettront d’exploiter toutes les informations saisies, offre déjà de riches possibilités d’exploitation. La recherche par mot (ou portion de mot24) propose une autocomplétion qui suggère un ensemble de termes correspondant au mot recherché par l’utilisateur. Deux types de contenus sont indexés pour la recherche : les Documents et les Personnes. Les champs indexés pour l’autocomplétion sont :

• 25 Les « entités nommées » qui font l’objet de recherches sont principalement des noms de personnes, d (...)

17Au terme de la phase du projet subventionnée par CollEx-Persée, plusieurs perspectives et souhaits d’évolution se dessinent. Il est nécessaire de poursuivre le travail sur les volumes restant (environ 60 % du corpus), en accélérant la vitesse de traitement. Cette accélération sera probablement à chercher du côté d’une solution au moins en partie automatisée, par recherche d’entités nommées25 dans un corpus préalablement océrisé. Ces nouvelles méthodes pourraient permettre l’ajout de potentialités à ce jour non réalisables, mais fortement souhaitées par les communautés d’utilisateur·trice·s, notamment la recherche et la visualisation par toponyme. Enfin, la qualité de l’OCR devra être améliorée, notamment sur les volumes dont la moins bonne qualité d’impression – en particulier les premiers – a occasionné une reconnaissance des caractères moins fiable.