Décoder les manuscrits de la Nouvelle-France | Objectif Monde : L'Hebdo
TV5MONDE Info
49 abonnés
19 mai 2024
La possibilité de lire aisément la masse de documents manuscrits de la Nouvelle-France fait rêver les mordus d’histoire et de généalogie. De nouvelles interfaces logicielles, qui font appel à l’intelligence artificielle, permettent aujourd’hui de transcrire, avec un faible taux d’erreurs, le récit du début de la colonie. Avec la transcription de milliers de pages vient la capacité de réaliser des recherches dans les textes et de redécouvrir des morceaux de la grande et de la petite histoire de la Nouvelle-France, de voir surgir des personnages oubliés de l’histoire
[Musique]
bienvenue pour un nouveau numéro
d'objectif monde l'bdo et si
l'intelligence artificielle permettait
de réécrire l'histoire au Québec des
manuscrits jusqu'ici illisible ont pu
être déchiffré et transcrits grâce à un
logiciel de reconnaissance automatique
la transcription de ces documents a
permis de lever le voile sur des pans
méconnus de l'histoire de la
Nouvelle-France ces territoires en
Amérique du Nord la Cadie la louisian ou
encore le Canada que la France a
colonisé au 16e et au 17e siècle c'est
un reportage d'André Bernard pour le
magazine découverte de Radio
Canada c'est une cathédrale
d'archive le repère des historiens et de
ceux et celles qui étudient pour le
devenir
[Musique]
on est à la bibliothèque et archive
nationale du Québec à Montréal la
BAQ devant nous des documents originaux
de l'époque de la
nouvelle-fance il date de 3 à 400
ans ça représente à peu près 1500000
pages conservé à travers le réseau de BQ
c'est le bloc d'archive le plus
important sur le premier empire colonial
français en dehors de la France chacune
de ces pages raconte la grande et la
petite histoire de la Nouvelle France il
y a des gens qui pensent que l'histoire
de la Nouvelle France tout dit on a tout
mis en ligne puis y a plus rien à faire
c'est pas parce que c'est en ligne que
les gens les ont lu
vu pas toujours lu parce que les
documents sont tous manuscrits et on
s'arrche vite les yeux à tenter de les
[Musique]
déchiffrer et sè historiens ont consacré
beaucoup de tempsour'
c'est autour de ses étudiants de
l'Université de
Montréal une des choses qui peut nous
aider quand on déchiffre un manuscrit
c'est d'essayer d'écrire dans le vide
faire ah tiens ça ça a l'air d'être un L
ça ça a l'air d'être un H ou un r ça
vous va je pas je pense que c'est un tu
as raison je su pas massure que c'est ça
la vieille méthode c'est de peine et de
misère j'ai transcrit ça puis je mets ça
dans mon ordinateur puis là je fais mon
article ou mon livre ça Meur dans mon
ordinateur le défi d'une double nature à
la fois transcrire une masse énorme de
documents mais aussi les
partager et là Maxime Goyet nous arrive
monsieur transcribus ça faisait
plusieurs moi qui m'expliquait
transcribus je ne comprenais pas parce
que moi je la vieille
méthode Maxime Goyet enseigne l'histoire
à l'université du Québec àimuski il
cirige le projet nouvelle-fance
numérique il rve de mettre en parallèle
les documents d'archive et leur
transcription donc je fouillis sur
internet je cherchais des choses comme
ça puis à je tombe sur un site web où je
vois transcribus c'est un logiciel qui
est une interface qui donne transcribus
c'est une nouvelle interface développée
par la coopérative read en
Autriche le système met à profit des
techniques d'apprentissage profond et
d'intelligence artificielle pour
transcrire des séries de documents
anciens je viens de découvrir un peu
Leal
que les historiens on cherche donc j'ai
je contacte ces gensl à hbrook en
Autriche puis ben on commence à
travailler avec des
étudiants le logiciel est aujourd'hui
capable de transcrire toutes sortes de
documents manuscrits y compris ceux de
la nouvelle-fance une apos on voit donc
l'image du document avec les polygones
qui encadrent le texte et on voit en bas
la transcription qui l'accompagne en
bleu en bleu mais pour en arriver là il
a fallu que des humains enseignent au
système à lire les documents manuscrits
en corrigeant graduellement ces erreurs
les professeurs d'histoire et leurs
étudiants on mis l'épaule à la roue mais
il reçivi un coup de main des
généalogistes comme Pierre
dubis frustquon est généalogiste c'est
l'incapacité de lire les actes de nos
ancêtres c'est ça qui est frustrant
alors c'est pour ça que on dit donner
les moyens de pouvoir les
lire avec le temps grâce à le
il sont des paléographes d'expérience
doués pour décoder des écritures souvent
illisibl et c'est leur expertise humaine
qu'on met à profit pour améliorer la
capacité de lecture des modèles
développés dans
[Musique]
transcribus' invire tu peux prendre la
parole aujourd'hui ils sont une
trentaine de bénévoles à répondre à
l'appel de la Scien participa on les les
Gard ce il
ption d' not il entra le logiciel
àonnaîre des graphies
particulires c'est la lettre L avec
le qui SEM c'est la lettre
Q
exposant presque toujours la dernièrere
du
motg phase
lequ plus
c'est de décoder les abréviations les
notaires les multipli entre pour
économiser l'ancre et le papier qui
coûtait
cher pour les lettres et les mots ambigu
les paléographes doivent obtenir un
consensus
bien alors ce serait plausible que ce
soit Pomier à la place de poivri to es
d'accord avec ça
aussi national pour les de destiner
comme ça ou après un entraînement ciblé
sur 200 pages de ce Greff par exemple le
T d'erreur du logiciel est réduit à
presque
rien
SP
pas une fois que le mod est au point on
peut lu demander de transcrire en
quelques heures tout le gre d'un notaire
soit près de 40 ans de
pratique
perform pe
faire 15000 20000 pages qu'on peut
transcrire 20000 pages à peu près à 4 5
% d'erreur c'est c'est
extraordinaire la possibilité nouvelle
de lire ce qui était ilisible change
tout pour les étudiants en histoire
c'est vraiment fascinant ça aiguise
notre curiosité honnêtement j'ai juste
le goût de continuer à lire c'est comme
on lit un
livre on se retrouve avec des étudiants
qui n'auraient jamais ouvert les
manuscrits et maintenant savent lire les
manuscrits grâce à la technologie tout
est possible à partir de là donc je
pourrais dire que je cherche dans un
seul document mais je pourrais dire que
je veux chercher dans tous les documents
que j'ai transcrit auquel j'ai accès
puis là ça peut être des milliers des
centaines de milliers des millions de
pages il a pas a plus de limite là c'est
qu'une fois que le manuscrit est
transcrit en fichier texte on peut faire
une recherche dans le texte exactement
comme on le fait pour les journaux
imprimés anciens et numérisés
pouir transcrire massivement ça ouvre la
voie à toutes sortes de recherches
souvent très pointu qui serait pas
possible à faire parce qu'on sera obligé
de lire page par page document après
document longtemp on comprend rien de ce
qui écrit c'est c'est vraiment très
difficile Dominique deslandre a
dépouillé les documents du premier
tribunal de Montréal Le Baillage à la
recherche de femmes et d'esclav dans les
procès civils et criminel en
nouvelle-fance il y a pas d'avocat les
gens se représentent euxmêm donc la
personne est interrogée elle explique
toutes sortes de choses des des
mouvements qu'elle a fait des fois elle
se met à pleurer des fois se à rire donc
on voit et on entend des personnes qui
n'ont laissé aucune autre trace que
celle-là qu'on trouve dans les
archives accéder à ces gens aux grands
comme aux petits événements de l'époque
ranime aussi des oubliés de l'histoire
de la
nouvelle-fance le premier acte du
premier registre d'audience est rédigé
par une femme qui s'appelle Marie
pourournin on voit entre demoiselle
Marie pourournin veuve de feu Jacques
euh Testard de la forêt deanderess au
fin de son exploit donc on voit ici au
fin de son exploit je peux aussi cliquer
sur la ligne ici hein c'est ça qui est
extraordinaire mais euh elle était
considérée comme la fondatrice de
l'Hôtel Dieu avec Jean Mans elle le
remplacé
c'est marié elle a eu deux enfants qui
sont devenus très célèbres et elle était
une marchande de fourrure donc là j'ai
juste à taper P o u R n i n et la voilà
qui apparaît et tous les textes sont ici
là puis j'ai 139
occurrenceces d'une femme complètement
inconnue c'est quand même
extraordinaire ça va nous permettre de
travailler plus en profondeur sur des
individus sur des lieux sur des sujets
des fois des sujets très terre à terre
ben la présence de chiens en
Nouvelle-France de champ en
Nouvelle-France B c'est des choses qui
passent en dessous du radar normalement
et donc vous voyez ça ouvre des
possibilités de faire du maillage ah oui
il y a une trace là il y a une trace là
donc c'est il y a des possibilités
énormes moi j'ai hâte d' a une
plateforme qui puisse nous rendre ça
disponible à tout le monde à l'ensemble
de la population n on veut travailler
pour le bien commun quand ça va être
rendu disponible on va pouvoir diremion
accomplit ici il y aurait un petit g
desg car il faut bien dire la
transcription de ces documents est un
premier pas mais la diffusion et le
partage avec le grand public présente
encore des défis d'abord qu'il y a un
cooup à l'utilisation de la technologie
donc là il y a des enjeux de propriété
d'image des centres d'archives la
plupart des archives sont publiques
celles que possède BQ il y a des
archives qui sont privées celles par
exemple ch ens chez les Ursulines chez
les jésuites chez les Augustines
plusieurs sont prêts à les partager mais
il reste encore du du travail à faire de
ce côté-là mais l'histoire est patiante
elle sera plus tôt que tard entièrement
transcrite et avec elle viendra un
nouvel accès à la vie en
Nouvelle-France retour sur le plateau
d'objectif monde l'bdo André Bernard
merci d'être avec nous en duplexe depuis
Radio Canada depuis Montréal merci à
vous merci également à Emmanuel abbé
professeur à l'École polytechnique
fédérale de Lausanne spécialiste en de
l'intelligence artificielle merci
d'avoir accepté notre invitation
première question à vous André Bernard
on a souvent tendance à envisager la
face cachée de Lia mais en l'occurrence
là elle permet vraiment de faciliter le
travail d'archivage et des chercheur
comment et est-ce que les archivistes
ont
accueilli favorablement ou avec beaucoup
d'entrains l'intelligence
artificielle ils l'ont accueilli avec un
énorme entrain puisque la majorité des
documents de la nouvelle-fance sont
manuscrit puisqu'il y avait pas de
d'imprimerie à l'époque et donc c'est un
c'est une ouverture et c'est un accès
absolument inoui à du matériel qui a été
lu mais parfois partiellement ou qui a
été transcrit mais partiellement donc ça
permet d'ouvrir tout le champ des
connaissances de ce qui a pas été lu en
entier donc vous comprendrez que c'est
absolument fabuleux donc c'est tout ce
ce patrimoine du 16e et du 17e qu'on
peut d'une certaine façon relire ou lire
plus en détail mais non seulement le
lire y accéder mais aussi le partager
parce que le logiciel permet aussi le
partage de ces documents donc deux
chercheurs ou ou qui travailleraient sur
des documents différents pourrai
totalement participer conjointement donc
pour eux c'est une d'une certaine façon
c'est une petite révolution que cette
cette possibilité de transcrire
massivement des documents André Bernard
on va revenir vers vous mais une
question à Emmanuel abbé l'intelligence
artificielle qui fait parler des
archives et des manuscrits on l'a vu
c'est fabuleux hein c'est une avancée
pour les chercheurs et pour les
historiens du monde entier mais est-ce
qu'il y a pas un petit danger quand même
parce que ces machines elles peuvent
quand même commettre des erreurs
euh c'est c'est ça va être ça risque
d'être un problème un sujet à l'avenir
ça par exemple de
confier la transcription de documents à
des machines alors oui bien sûr les
erreurs sont toujours un problème
l'application va donner quand même
différents degrés de gravité dans le cas
présent du documentaire il s'agit donc
de transcription de texte historique
déjà le tout d'erreur est est très bon
il il est bas dans ces applications là
car les méthodes récentes marchent très
bien dans le manipulation de texte euh
et en plus bien sûr le les conséquences
d'une erreur sont un peu moindes comparé
à d'autres applications comme par
exemple la santé la médecine ou même des
traductions dans des domaine politique
ou diplomatique après le problème c'est
que les méthodes actuelles elles ont un
système assez boîte noire assez opaque
et donc il y a cette difficulté à
comprendre comment la machine arrive à
sa réponse et donc à prédire quel type
d'erreur elle va pouvoir faire donc ça
c'est un travail qui est assez ouvert
actuellement et qui demande plus de
maîtrise le domaine du texte c'est
réellement le domaine où en ce moment
l'intelligence artificielle les plus
efficiente le plus efficace apporte le
plus de choses texte image et en fait
toute modalité qui est très représenté
dans les données dispon exactement c'est
ça qui gouverne les méthodes récentes le
nombre de données donc avec internet
avec la téléphonie on a énormément de
texte d'images de vidéos et on a
beaucoup de fluidité entre ces modalités
on peut aussi imaginer enfin que ces
manuscrits euh qui ont qui peuvent être
du coup davantage traduits convertis en
support audio pour une meilleure
accessibilité par exemple on peut
imaginer au au au mal ou au non voyant
c'est aussi une des vertus un dimension
vertueuse de l'a tout à fait oui PIR
permettre alors justement liia
maintenant arrive très bien à naviguer
entre les modalités de texte à image
même vidéo dans les dernières méthodes
et donc ça ça va permettre à des
personnes aant des handicaps de pouvoir
bénéficier de d'autres formats pour
l'information il y a aussi le côté tout
traduction de pour pouvoir traduire dans
des langues même des dialectes des
langues peu représenté sur internet donc
ça va vraiment permettre de diffuser
encore davantage démocratiser
l'information au-delà de ce qu'Internet
a réussi à faire André Bernard comment
ce logiciel a-t-il été entraîner afin
qu'il puisse retranscrire ses manuscrits
il a eu un entretien particulier un
entretien un un entraînement spécial
cette machine elle a eu un entraînement
spécial oui bien sûr l'entraînement
c'est un entraînement assisté d'une
certaine façon donc euh alors il y a des
modèles de transcription générique si on
veut qui ont été développé par la la
compagnie qui gère ce ce ce logiciel
maintenant l'avantage d'une certaine
façon pour les historiens ici c'est
qu'ils peuvent développer des modèles
plus spécifiques pour améliorer le
modèle générique si on veut et faciliter
son son travail de transcription au
niveau des documents de la
Nouvelle-France donc d'abord c'est en
français il y a naturellement la le la
terminologie de l'époque le lexique de
l'époque les abréviations dans les actes
notariés et cetera donc la façon de
procéder c'est qu'il à partir d'un
logiciel et d'un modèle générique on
entraîne on commence à entraîner de
façon superviser le logiciel on corrige
au fur et à mesure ces erreurs et puis
de fil en aiguille on arrive à réduire
le taux d'erreur qu'il pourra produire
sur un texte en particulier donc donnons
l'exemple de de deun notaire par exemple
euh qui aurait un GREF euh de je sais
pas 20 ou 25000 pages alors avec un
entraînement sur peut-être 200 ou 250
pages on arrivera à réduire le taux
d'erreur ce qui permettra ensuite de
transcrire l'ensemble du GREF sur
l'ensemble de période l'ensemble de la
période sur laquelle il a travaillé donc
c'est c'est c'est des outils qui sont
relativement performants euh parce qu'il
faut comprendre que ces ces textes-là
sont parfois euh ardus à lire quand même
faut le dire pour des néophyes alors la
machine apprend mais apprend avec l'aide
des humains alors c'est toujours le même
principe un peu c'est des réseaux de
neuron euh donc dans un premier temps il
y a des questions de segmentation
identifier où est le texte où sont les
les mots les phrases les lettres et
ensuite naturellement le réseau neurone
il va par Statistique statistiquement
parlant aussi va apprendre à à raffiner
en fait euh sa sa sa sélection et ça et
non pas sa compré mais sa lecture de ce
qui apparaît sur le document numérique
qui qui est le document le document
numérique du du document d'origine quoi
Emmanuel abbé André Bernard il emploie
le mode neurone c'est vraiment de
l'intelligence artificielle et puis
est-ce qu'on aurait peut-être pas
réinventer d'autres mots qui colleraient
mieux au cerveau de la machine des mots
qui sont d'habitude réservés au cerveau
humain alors c'est vrai que l'analogie
avec le cerveau humain est assez
distante même l'intelligence
artificielle se base sur des réseaux
neurones final finalement il y a pas
vraiment une une connexion très concrète
avec et c'est peut-être même un avantage
que il a a mais pour venir aussi sur le
degré de sophistique enfin à quel point
c'est vraiment de Lia ou pas c'est
surtout l'accent qui est mis sur la
partie numérisation dans ce reportage il
est bien fait de pouvoir chercher
rapidement de pouvoir faire du maillage
tout ça sont des bien fait d'avoir un
format digital et là dans ce reportage
lia est utilisé dans cette application
pour permettre cette transcription au MO
digital plus efficacement maintenant on
pourra aller au-delà de ça on pourra
avoir une IA un chatbot qui interagit
aussi pour l'analyse du document qui est
utilisé pour essayer de de investiguer
des thèses un peu pour jouer la le rôle
de l'historien ça ça sera peut-être
aller un peu plus dans les domaines
modernes de l'IA et justement André
Bernard c'est ce que vient de dire
Emmanuel Abé nous amène à une question
suivante est-ce qu'on peut pas redouter
à la longue que la machine finalement
écr é ou réécrivent l'histoire à la
place des chercheurs des historiens des
archivistes est-ce que c'est pas un
danger pour l'instant ce n'est pas une
une inquiétude qu'on nous a communiqué
mais c'est une inquiétude qui pourrait
éventuellement je je présume survenir
parce qu'à partir du moment où on donne
une transcription et un texte
naturellement on peut faire des
recherches dans le texte mais aussi on
peut c'està-dire questionner ces textesl
à partir d'autres logiciels
d'intelligence artificielle et de
l'intelligence artificielle générative
entre autres mais et et donc les mêmes
bien ou les
mêmes les mêmes failles pourraient
survenir à partir du moment où on on
demande à la machine de d'interpréter ou
de prendre un peu comme le disait
monsieur abbé de prendre un peu le rôle
de l'historien maintenant pour l'instant
l'historien encore toute sa place
c'est-à-dire dans ça reste un outil de
transcription donc ça reste l'historien
qui donne le sens du texte qui lui donne
sa perspective historique et cetera mais
qui sait dans l'avenir jusqu'où on
pourra aller avec avec ce ces
transcriptions mais aussi les les
logiciels qui qui qui srefferont
Emmanuel abbé euh là on parle du Canada
à propos du Canada on dit souvent que
Montréal accueille les plus grand
chercheur en recherche fondamentale sur
l'intelligence artificielle mais
aujourd'hui la plupart des logiciels en
matière d'intelligence artificielles
sont produits aux États-Unis euh on peut
vraiment dire que la concurrence elle
est rude euh
autour de l'IA ouais oui la concurrence
est rude il y a rarement eu un un
domaine qui a autant d'attention
d'investissement et d'attente euh c'est
vrai que beaucoup de développement
technologiques se font aux États-Unis
principalement les industries de la
Côte-Ouest euh et en même temps vous
faites bien de le dire au Canada il y a
le Canada a joué un rôle très important
dans le développement de l'IA euh
certains des découvertes majeures ont
été faite entre Montréal toronau euh et
donc ça a un rôle spécial dans
l'histoire de LiAl Canada avec notamment
le groupe de Benjo à mgil c'est
peut-être maintenant à l'Europe aussi de
de se joindre à la course notamment la
Suisse o il y a encore beaucoup à faire
ouais vous dites souvent en fait fait a
été inventé au Canada en partie oui
c'est c'est les États-Unis qui développe
voilà et
l'Europe la Suisse ne peuvent pas se
contenter de réguler en fait voilà on
doit aller a-delà de ça oui c'est bien
de réguler mais on peut pas se contenter
de ça oui c'est ça on a parlé he tout à
l'heure de la somme de la masse de
données he
qui ont é été nécessaires justement pour
que la transcription des textes pour que
les logiciels de texte
fonctionne vraiment bien on parle aussi
souvent de la voracité de lien en terme
d'énergie on pourra imaginer un jour des
des des des machines moins gloutones
dans un futur proche vous vous nous avez
donné un chiffre he par exemple c'est un
milliers de piscines en ce moment euh
piscin olympique ouisouais c'est ça pour
la consommation pour refroidir les les
serveurs des des modèles récents oui sur
une année alors tout à fait c'est l'un
des enjeux c'est un des enjeux donc on a
parlé tout à l'heure du problème du côté
opaque l'interprétabilité c'est un des
enjeux l'autre c'est bien sûr la
consommation l'émission aussi carbonique
alors là il y a beaucoup de travail à
faire en gros toutes ces t ces Ia
utilisent des algorithmes
d'apprentissage ces algorithmes
utilisent des structures mathématique et
de la puissance de calcul les méthodes
récentes sont très basées sur la
puissance deal calcul et maintenant il
faut qu'on travaille plus sur l'aspect
méthodologique sur l'aspect mathématique
pour pouvoir faire mieux avec moi donc
là il y a il y a beaucoup à faire pour
pouvoir réduire la consommation André
Bernard cesia elles ont aussi un coû et
toutes les bibliothèques et sans
d'archiv vont avoir les moyens d'avoir
recours à lia est-ce que ça risque pas
de créer en fait une vraie différence
entre ceux qui pourront s'offrir des
logiciels et et les autres sans sans
doute sans aucun doute parce que d'une
certaine façon on peut voir l'équation
de de deux côtés différents c'est-à-dire
euh d'une part la transcription manuelle
de ces documents-l est très coûteuse en
temps donc c'est et en argent
nécessairement donc souvent elle ne se
fait pas donc il y aurait une certaine
économie d'échelle à pouvoir le faire à
l'aide d'un logiciel maintenant le
l'utilisation du logiciel comme tel
n'est pas gratuite bien sûr euh ça
demande non seulement du temps d'usage
mais du temps de calcul et cetera une
dimension aussi qui n'est qui est loin
d'être banale c'est c'est-à-dire que
pour que les logiciels de transcription
fonctionnent généralement au départ il y
a une numérisation du document qui a été
fait alors c'est pas le cas partout euh
c'est aussi des questions de temps
d'argent et de de disponibilité de de
main d'œuvre pour préparer tous ces
documents-là et il y a aussi une autre
dimension qui euh ne faut pas oublier
c'est les les droits associés à ces
archives-là euh il y a des archives
publques mais il y a aussi des archives
privés qui appartiennent à des
communautés religieuses tout ça donc
comment on va gérer non seulement la
propriété mais la distribution l'accès
de tous ces documentsl comment on va
gérer aussi les interfaces entre l'outil
de transcription et l'interface qui sera
consulté par le grand public là aussi il
y a une portion de développement à faire
qui sera nécessairement
coûteuse donc oui c'est un premier pas
mais ce n'est peut-être pas
nécessairement disponible demain matin
pour le grand public du moins Emmanuel
abbé vous qui êtes professeur à le PF
l'École polytechnique de Lausanne est-ce
que vous ressentez un énorme une grosse
appétence un gros engouement pour lia de
la part des jeunes et puis ben ces
jeunes qui ont souvent un tropisme
écologiste très très développé une envie
d'écologie est-ce que ça les freine un
petit peu est-ce que ça ça les met dans
une situation peut-être un petit peu de
de contradiction alors oui l'engouement
est énorme on a même parfois de du mal à
suivre la demande
après l'aspect un peu paradoxal de
vouloir contribuer à ce domaine qui qui
est si important euh et le fait qu'il y
a cette problématique au niveau
écologique finalement elle est elle est
moins dérangeante dans un cadre
universitaire où justement l'aspect
méthodologique ou le fait de pouvoir
réfléchir avec nos cerveau comme
puissance plutôt que GPU pourrait donner
un avantage sur l'aspect purement bruit
de force
computationnel finalement permet de
renouer un peu les bout
merci Emmanuel ABB merci André Bernard
d'avoir été en duplexe pour nous depuis
Montréal merci à vous voilà c'est la fin
de ce nouveau numéro d'objectif monde
l'bdo vous pourrez la retrouver sur les
sites internet de la RTS et de TV5 Monde
à la semaine prochaine pour un nouveau
numéro d'objectif mond l'bdo
[Musique]
