Lancement d'OCR4all, un outil open source et gratuit de reconnaissance de caractères anciens pour les chercheurs en histoire et les archivistes

  • ocr_wurzburg.jpg

    Narrenschiff
    Page d'une version française du Narrenschiff de Sébastien Brant (Bibliothèque d'État et d'université de Dresde, CC BY-SA 4.0)
  • Imaginez un logiciel capable de reconnaître, presque à coup sûr, les lettres "e", "c", "v" ou "r" dans un texte ancien.

    Comment transformer les polices d'écriture d'ouvrages imprimés séculaires numérisés en des fichiers textes lisibles sur ordinateurs quand on n'est pas un expert informatique ? Ce défi, attendu par nombre d'historiens, d'archivistes et de chercheurs en sciences humaines, a été relevé par une équipe de recherche de l'Université de Würzburg, en Allemagne. Celle-ci vient de mettre à la disposition de la communauté scientifique un nouvel outil de reconnaissance automatique de caractères : OCR4all. Fiable et open source, il convertit les écrits historiques numérisés en fichiers texte avec un taux d'erreur annoncé de moins de 1%. Ergonomique et facile d'utilisation, il ne nécessite aucune expertise en programmation et est d'ores et déjà disponible gratuitement, avec explications et exemples, sur la plateforme GitHub.

    L'informatique et les sciences humaines main dans la main

    OCR4all a été créé par l'équipe du projet JMU Kallimachos, financé par le ministère fédéral allemand de l'éducation et de la recherche, et qui rassemble des chercheurs, des étudiants et des assistants en informatique appliquée, en intelligence artificielle et en sciences humaines numériques. La filière des études allemandes et romanes et des études littéraires a été également associée au développement d'OCR4all avec l'objectif de numériser l'ouvrage allemand le Narrenschiff (La Nef des fous) publié en 1494 par le Strasbourgeois Sebastien Brant. 

    A chaque imprimerie ses lettres

    Pour qui s'intéresse de loin à la reconnaissance automatique de caractères (OCR), le défi peut sembler modeste. Et pourtant : si l'OCR est une technologie mature et qui fonctionne très bien pour les polices de caractères modernes, il n'en était rien pour les polices historiques. Les lettres "e", "c", "v" ou "r", sont nottamment très difficiles à distinguer dans les textes anciens. "L'un des problèmes les plus importants était la typographie, explique Christian Reul, expert en IA et en informatique appliquée, directeur par interim de l'unité de numérisation ; l’une des raisons est que les premiers imprimeurs du 15e siècle n’utilisaient pas de polices uniformes. Leurs timbres d’impression ont tous été sculptés par eux-mêmes, chaque imprimerie disposant pratiquement de ses propres lettres." 

    À lire sur Archimag
    Les podcasts d'Archimag
    La photographie possède un pouvoir fascinant : celui de capturer un instant et de le figer pour l’éternité. Elle raconte des histoires, qu’elles soient personnelles ou collectives, qui traversent le temps et façonnent notre passé, notre présent et notre futur. C’est pourquoi les albums de famille jouent un rôle si important dans la construction de nos souvenirs. Mais avec l’avènement de l’intelligence artificielle générative, capable de créer des images de plus en plus proches de la réalité, une question se pose : comment cette technologie va-t-elle influencer notre mythologie familiale ? Serge Tisseron, psychiatre et docteur en psychologie, explore depuis longtemps nos relations avec les technologies. En cherchant à recréer une photographie de son enfance, il s’est intéressé aux liens entre mémoire, photographie et intelligence artificielle. Il revient sur l’origine de son livre "Le jour où j’ai tué mon frère - Quand l’IA fabrique la photographie de nos souvenirs", publié aux Éditions Lamaindonne.

    Serda Formations Archives 2025

    Indispensable

    Bannière BDD.gif