Mi-mars, je me suis attelée à la constitution d’un nouveau corpus de recherche, en vue, à courte échéance, de la rédaction d’un article, mais dont j’espère qu’il me servira – à plus longue échéance – de point de départ pour d’autres travaux. Par cette série de billets, je souhaite garder trace (et partager) un certain nombre de questions que je me suis posées, des outils que j’ai mobilisés et des problèmes que j’ai rencontrés pour acquérir puis traiter ce corpus d’images.

Nouveau chantier, nouveau corpus

Pour donner, en quelques mots, le contexte de ce nouveau chantier : il y a quelques semaines, j’ai répondu à l‘appel à contributions publié par Séverine Guillet et Fabrice Moulin pour un futur numéro de la revue Rubriques (UtPictura18), qu’ils souhaitent consacrer aux « Images d’architecture au tournant des Lumières », à travers les publications illustrées désignées sous l’appellation de « voyages pittoresques¹ ».

Il s’agit d’un ensemble éditorial que j’ai envie d’explorer de longue date (peut-être même avant les vues d’optique !), et j’ai sauté sur l’occasion, d’autant que l’appel offrait de nombreuses accroches à l’historienne de l’estampe que je suis. Ma proposition ayant été retenue, je m’attelle maintenant à la constitution du corpus d’étude que je vais mobiliser… ce qui n’est pas une mince affaire, vu l’ampleur des ouvrages dont il est question ! Rien que le Voyage pittoresque de la France de Laborde, ce sont 8 volumes, 1741 pages de texte imprimé et 368 planches d’illustrations !

Cette première étape du travail, rassembler numériquement le corpus, est cruciale à plusieurs égards et sera l’objet de ce billet.

Documenter la fabrique du corpus numérique

Cette constitution d’un corpus numérique est d’abord rendue nécessaire par les questions que je pose et l’approche que je propose. Pour le dire très succinctement, je souhaite interroger le rôle spécifique des graveurs dans la fabrique de ces grandes entreprises illustrées que sont les voyages pittoresques, et mieux comprendre comment s’organise leur travail ainsi que leur collaboration avec les différents acteurs impliqués (dessinateurs, auteurs, bailleurs de fonds, éditeurs, etc.).

Il y a plusieurs façons de répondre à ces questions. En 1985, Christian Michel a publié un article très fouillé sur la fabrique du Tableau général de l’Empire Othoman², à partir de la correspondance de Cochin et d’un mémoire relatif au procès qui avait opposé l’artiste à l’initiateur de l’ouvrage, Ignace Mouradgea d’Ohsson. Dans ces différents écrits, Cochin délivre de nombreuses et précieuses informations sur le montage financier de l’entreprise, la répartition du travail entre les différents acteurs, le rôle de chacun, que Christian Michel a mis en regard des dessins préparatoires et des gravures finales.
Si je vais tâcher d’adopter une approche similaire, qui s’appuie à la fois sur les sources archivistiques et sur l’examen du matériel graphique, je souhaite aussi expérimenter une autre approche, que je conçois comme complémentaire : celle de la mise en données et d’une lecture distante du corpus que je vais rassembler (visualisation statistique, visualisation de réseau d’acteurs). J’y vois l’occasion d’éprouver des outils et une méthodologie que j’avais déjà partiellement déployés dans mon travail de thèse et pour le projet du répertoire des Contredanses. C’est l’occasion de réinvestir ces outils, et d’aller, je l’espère, un peu plus loin, avec un autre objet et d’autres questions ; mais aussi de mesurer l’évolution de l’outillage à disposition, puisque quelques années me séparent maintenant de ces deux projets.

Si la dimension expérimentale est encore si importante pour moi ici, c’est qu’elle est en lien direct avec mon postdoc. Avec mes collègues, et en particulier Jean-Christophe Carius, j’interroge les flux de travail sur les images numériques déployés par les historiens et historiennes de l’art, et l’adéquation des outils disponibles avec leurs besoins spécifiques. Ce que je suis en train de faire dans le présent billet relève donc de l’auto-observation : je documente ma constitution d’un corpus dans le cadre d’un de mes projets de recherche.

De la nécessité de disposer des fichiers numériques HD pour (bien) travailler

La problématique de la constitution du corpus s’est posée de façon d’autant plus accrue que les objets numériques que j’étudie pour ce projet sont particulièrement complexes à manipuler dans les interfaces des bibliothèques numériques. Le format des ouvrages (de grands in-folio, généralement), leur volume (plusieurs centaines de pages) nécessitent, pour être exploré sur un écran, de naviguer sans cesse entre la vue d’ensemble (affichage mosaïque) et la vue zoomée, ce qui s’avère fastidieux. J’apprécie pour cela beaucoup l’interface (pourtant vieillotte) de la bibliothèque numérique d’Heidelberg, très maniable, avec ses volets modulables.

Au contraire, sur Gallica, qui subit depuis plusieurs mois de fortes perturbations, je suis sans cesse en difficulté : je ne cesse d’aboutir à des pages d’erreurs du fait de la trop grande fréquence de mes clics (je suppose que je suis assimilée à un robot du fait de mes requêtes rapprochées).

Cela avait déjà été très contraignant lorsque je préparais ma réponse à l’appel à communication, car je n’arrivais même plus à feuilleter les ouvrages. J’avais donc entrepris de télécharger tous les documents qui m’intéressaient au format PDF avec l’espoir de pouvoir les consulter plus aisément hors ligne. Malheureusement, la résolution des PDF n’est pas assez élevée pour restituer correctement les grandes planches gravées, et la lettre des estampes est trop pixelisée pour pouvoir y déchiffrer le nom des dessinateurs et des graveurs.

Cela a constitué un premier argument pour me décider à « acquérir » (télécharger) l’ensemble des images numérisées en HD. Disposer sur mon ordinateur de l’ensemble des pages numérisées (une page = un fichier) offre une plus grande fluidité de consultation : en mode mosaïque, feuilletage ou zoom, sans dépendre de la réactivité des serveurs des institutions patrimoniales. Cela me permet aussi d’extraire rapidement des clichés dont j’ai besoin.
Surtout, cela m’ouvre la possibilité de les exploiter dans les différents logiciels que je souhaite mobiliser pour indexer le corpus (Panoptic), organiser le corpus (Tropy) ou extraire le contenu textuel (océrisation). Je reviendrai ultérieurement sur ces différentes opérations et ces différents outils.

Le (non) choix des exemplaires

Pour le moment, j’ai retenu 14 ouvrages à étudier. Je n’entre pas dans le détail de pourquoi ces titres-là et pas d’autres, car c’est encore un aspect sur lequel je réfléchis, et qui sera discuté dans l’article. En revanche, il me semble intéressant de m’arrêter dans ce billet sur un autre point, celui du choix des exemplaires témoins que je vais étudier.

Pour chacune des 14 publications, je vais travailler à partir d’un exemplaire précis, issu de la première édition, conservé en bibliothèque publique, numérisé et disponible en ligne. Mon critère principal de choix est pragmatiquement la qualité de la numérisation (d’après l’original et non d’après un microfilm, avec une bonne résolution des images). Par habitude et parce que je travaille sur une production française, je me suis tournée vers Gallica, considérant la Bibliothèque nationale de France comme institution de référence pour de telles publications. Or, Gallica ne propose pas des numérisations de tous les ouvrages que je souhaite étudier : le Voyage pittoresque, ou Description des royaumes de Naples et de Sicile de Saint-Non, par exemple, n’est disponible qu’en version microfilmée, aussi lui ai-je préféré la numérisation d’un exemplaire conservé à la bibliothèque de Zurich et disponible sur E-Rara, le portail des imprimés numérisés des institutions suisses.
Pour d’autres ouvrages, faute de trouver une numérisation qui me satisfasse sur les grandes bibliothèques françaises ou européennes, je me suis tournée vers la collection du Getty Research Institute, accessible depuis Internet Archive (3 titres).

Dans cette sélection des exemplaires qui allaient composer mon corpus, les enjeux techniques de récupération des images ont primé sur tout autre critère, et cela n’est pas sans potentielles conséquences ultérieures, notamment sur le plan scientifique.

Lorsque l’on travaille sur les livres anciens, et plus encore sur ces grandes éditions parues en livraisons étalées dans le temps, le choix des exemplaires que l’on veut spécifiquement étudier doit théoriquement être réalisé avec soin, car ceux-ci peuvent varier. Le premier critère en jeu est celui de la complétude. Il arrive qu’une planche d’illustration manque, ou qu’un texte, par exemple le discours d’introduction, soit rare. Dès lors, la présence de cet élément confère une valeur supplémentaire aux exemplaires qui le contiennent.

Comme toutes ces grandes publications étaient diffusées en cahiers ou en livraisons, l’acheteur devait lui-même faire réaliser la reliure. À cette fin, l’éditeur délivrait des « instructions aux relieurs » pour indiquer où placer les images par rapport au texte ; instructions qui n’ont pas toujours été suivies, si bien que l’organisation des volumes d’un exemplaire à l’autre peut varier.

Des ouvrages de référence, manuels de bibliophilie, etc. fournissent généralement des indications précieuses qui permettent d’appréhender la complétude et le montage du livre que l’on est en train d’examiner. C’est ce que l’on appelle la collation³.

Dans mon cas, je ne me suis pas penchée a priori sur cette vérification des exemplaires que je retenais, considérant que les bibliothécaires des institutions de référence avaient elles-mêmes dû choisir « le meilleur exemplaire » (au sens le plus complet et représentatif) à numériser. Je sais qu’en vérité, ce n’est pas toujours le cas, d’autres contingences pouvant entrer en ligne de compte⁴.
J’ai donc repoussé cette vérification à une phase ultérieure, me disant que je pourrais toujours remplacer un exemplaire s’il ne me paraissait plus pertinent.

L’un des critères majeurs de sélection, en revanche, a été la possibilité de télécharger toutes les images composant un volume, au format image, en haute définition et en masse.

Téléchargement HD des images

En 2019-2020, face aux mêmes problématiques, j’utilisais des outils plus ou moins bricolés, des scripts en bash, webscraper… Pour télécharger dans Gallica les 600 vues d’optique du département des estampes, j’avais mobilisé Pyllica, un script Python développé par Pierre-Carl Langlais disponible sur GitHub. Ces derniers temps, du fait des restrictions de requêtage de l’API, je n’arrivais plus à faire tourner de façon satisfaisante le script. Je me suis donc tournée vers un script plus récent qu’un collègue, Pierre Husson, avait codé pour ses propres besoins, et qui prend en compte les évolutions de l’API de Gallica. Il s’agit toujours de Python, que j’ai pu exécuter directement dans Google Colab. L’opération a bien fonctionné, quoiqu’il ait parfois fallu que les scripts tournent pendant plusieurs heures pour télécharger un volume complet.

Pour Internet Archive, où j’ai trouvé quelques numérisations d’ouvrages qui me manquaient, issues des collections du Getty Research Institute, l’opération a été bien plus aisée, puisque l’interface du site propose de nombreuses possibilités de téléchargement : PDF en basse définition, haute définition, EPUB, texte … mais aussi l’ensemble des images en JPEG 2000 ou en TIFF. Ne souhaitant pas transformer les TIFF en JPG, j’ai préféré télécharger les JPEG 2000, ce qui ne s’est finalement pas avéré un choix judicieux puisque mes outils ultérieurs (Tropy et Panoptic) n’acceptaient pas ce format un peu vintage. J’ai quand même du tout convertir en JPG (et je me suis au passage rendue compte que la définition des fichiers n’était pas optimale pour mes besoins) ! Si c’était à refaire, je téléchargerais plutôt les TIFF.

Enfin, pour télécharger les exemplaires que j’avais sélectionné sur la bibliothèque numérique de l’INHA et sur E-RARA, la bibliothèque numérique suisse, j’ai testé l’outil IIIF-Downloader de Claudio Martino disponible sur GitHub. J’ai été soufflée du résultat et de la rapidité de l’extraction : à peine quelques minutes pour un ouvrage (et une petite heure pour les 2500 pages du Voyage pittoresque de Saint-Non !). L’outil, que j’ai exécuté dans mon terminal, m’a semblé assez facile à prendre en main et je le signale avec d’autant plus d’intérêt qu’il propose une interface graphique pour ceux qui ne seraient pas à l’aise avec la ligne de commande.
Je me suis demandée, rétrospectivement, si j’aurais pu utiliser le même outil pour télécharger les fichiers issus de Gallica : j’ai fait un test qui s’est soldé par une erreur, mais cela mériterait d’être investigué.
J’aurais également pu utiliser un outil similaire, développé par Ségolène Albouy, et qui semble prendre en compte les restrictions de chaque site internet institutionnel (particulièrement fortes dans le cas de Gallica).

Enfin, j’ai renoncé à télécharger certains ouvrages que j’avais initialement sélectionnés sur la bibliothèque numérique d’Heidelberg, parce que l’institution n’expose pas ses données en IIIF et ne semble pas disposer d’API : il aurait fallu développer un petit script sur mesure pour incrémenter les URL (qui sont fixes) des images individuelles et les télécharger en ligne de commande⁵.

A l’issue de l’ensemble de ces opérations, je me trouve en possession d’un dossier de 41 Go, contenant environ 13 000 fichiers images⁶, soit la numérisation des 14 titres que j’avais sélectionnés, pris dans quatre bibliothèques numériques : Gallica, l’INHA, E-Rara et Internet Archive (pour les exemplaires du Getty).

Ne pas multiplier les bibliothèques numériques « sources » était aussi un choix motivé par le souci d’assurer une certaine homogénéité des numérisations. En effet, chaque institution a ses propres règles et normes de prise de vue, et pour la suite du traitement, cela revêt une certaine importance : des différences de traitement colorimétrique, des choix de cadrage, la présence ou non de mires peuvent perturber les outils de similarité visuelle et en affaiblir les performances.

Cette phase de constitution numérique du corpus n’est donc pas seulement une étape technique ni une opération « neutre » : elle conditionne directement mes possibilités d’analyse dans des outils spécifiques et les choix que j’ai effectués (pour des raisons avant tout pratiques) sont susceptibles d’avoir un impact sur les résultats scientifiques (par exemple, si mon choix d’exemplaires témoins s’avérait peu judicieux).
Le prochain billet reviendra plus en détail sur les opérations de traitement du corpus et les outils mobilisés pour cela.

---

1. Caroline Jeanjean-Becker , « Les récits illustrés de Voyages pittoresques : une mode éditoriale », dans Béatrice Bouvier et Jean-Michel Leniaud (dir.), Le livre d’architecture, XVe-XXe siècle, Publications de l’École nationale des chartes, 2002, p. 23‑51, DOI: 10.4000/books.enc.1120. ↩︎
2. Christian Michel, « Une entreprise de gravure à la veille de la Révolution : le Tableau général de l’Empire Othoman », Nouvelles de l’estampe, n^o 84, 1985, p. 6‑25. ↩︎
3. « La collation est la description physique d’une édition particulière d’un livre ou d’un document. Elle permet l’identification et le classement d’une édition d’un ouvrage par les caractéristiques physiques qui le distinguent sur le plan bibliographique ». (Wikipédia) ↩︎
4. Les critères de choix varient beaucoup selon les établissements : certains priorisent les fleurons de leur collection, même si d’autres exemplaires sont déjà disponibles en ligne. D’autres institutions vont au contraire vérifier que l’ouvrage n’est pas déjà disponible avant de le numériser. Le constat que les exemplaires disponibles ne sont pas de bonne qualité (microfilm, résolution faible), ou que l’édition diffère, peut déclencher le choix de numériser de nouveau. Certaines bibliothèques se focalisent sur les ouvrages liés à leur domaine de spécialité (fonds locaux, fonds thématiques). La numérisation complète d’un fonds, d’une provenance, peut entraîner des doublons avec l’existant, etc. ↩︎
5. J’ai écrit à la bibliothèque pour demander une extraction des fichiers, malheureusement on m’a immédiatement renvoyé vers un service payant de fourniture de reproductions. ↩︎
6. Petite péripétie que je confesse pour éviter à d’autres la même erreur : dans une première phase, je n’avais pas renommé mes fichiers de façon normée, si bien que j’avais hérité des nommages de qualité diverse, produit par les institutions sources ou par les outils de téléchargement. Ce n’est qu’après avoir constaté que j’avais plusieurs fichiers p_435 et d’autres avec des noms incompréhensibles type gri_33125008279602 que je me suis décidée à uniformiser le nommage de mes 13000 fichiers… ↩︎

---

---