Présentation du projet

Le projet LECTAUREP (LECTure Automatique de REPertoires) qui a débuté en 2018 est une initiative conjointe du Minutier central des notaires de Paris des Archives Nationales, de l’équipe ALMAnaCH (Automatic Language Modeling and Analysis & Computational Humanities) à Inria et de l’EPHE (Ecole Pratique des Hautes Etudes), en partenariat avec le Ministère de la Culture.

Une longue recherche informatique impliquant à la fois la mise en place d’outils de transcription collaborative et la reconnaissance automatique de l’écriture manuscrite s’est progressivement mise en place.

Le projet vise à repenser l’utilisation actuellement faite des registres des actes notariés, l’une des sources historiques les plus consultées aux Archives nationales, par les chercheurs et les utilisateurs des fonds d’archives notariales. Pour ce faire, le projet à instaurer un workflow de traitement de ces manuscrits à l’aide de l’intelligence artificielle pour la détection de texte (HTR) et d’information (NER), en développant une plate-forme pour corriger les transcriptions et les annotations qui en résultent, et en fournissant des métadonnées détaillées sur les documents.

A terme, la lecture profonde et sémantique sera utilisable dans le cadre d’approches quantitatives (nombre d’actes et / ou clients sur une ligne de temps, périodicité de l’activité du professionnel, rayon d’action de l’étude notariale par rapport aux adresses des clients, activité et clients dans une zone géographique donnée et cartographiée, fiscalité et fiscalité sur l’acte privé, etc.).

En 2020, LECTAUREP est entré dans une troisième phase et effectue la plupart de ces traitements en utilisant la plate-forme eScriptorium (PSL), qui est basée sur le système OCR clé en main appelé Kraken. En plus des fonctionnalités de base disponibles pour eScriptorium et des différents volontaires chargés de réaliser des corrections de transcription efficaces, des projets expérimentaux sont en cours.

Ce cahier de recherche présentera le projet, son équipe, la méthodologie inhérente au projet, les défis techniques posés par nos documents ainsi qu’un retour d’expérience de première main sur les outils et expériences réalisés.