Aller au contenu principal

Fiabilité et suivi du livre

Publié le Mis à jour le 

Contrôler l’OCR d’un livre numérisé avant de citer ou republier son texte

Une recherche dans un livre numérisé passe souvent par un texte reconnu automatiquement. Ce texte facilite le repérage, mais peut modifier un nom, inverser des colonnes ou omettre une note. Pour citer un passage ou préparer une nouvelle édition, il faut revenir à l’image du document et garder la trace des corrections.

Réponse courte

Identifiez l’exemplaire numérisé, comparez l’OCR à des pages de structures différentes, contrôlez les passages utilisés et consignez vos corrections. Séparez le fichier brut, la transcription corrigée et les décisions de modernisation : ils répondent à des usages différents.

Illustration du travail : Rattacher une correction au fragment visible dans l'image.
Sommaire du guide : méthode, exemples et vérifications

Méthode pratique

Les étapes à suivre

Identifier le document de départ

Notez auteur, titre, édition, date, volume et identifiant du document numérisé. La pagination imprimée et le numéro de vue numérique peuvent différer : consignez les deux pour retrouver un passage.

Choisir des pages représentatives

Examinez une page courante, une page en colonnes, une table, une note et une page présentant des défauts d’impression. Un texte correct sur une seule page ne suffit pas à décrire tout le livre.

Contrôler l’ordre de lecture

Comparez le début et la fin de chaque bloc. Vérifiez que titres, colonnes, légendes et notes sont associés au bon passage ; un ordre incorrect peut changer le raisonnement même si les mots sont bien reconnus.

Relire les passages réutilisés

Contrôlez caractère par caractère les citations, noms, dates, quantités et signes de négation. Cherchez aussi les coupures de mots et les caractères confondus. Signalez les lectures incertaines.

Conserver un historique

Gardez l’OCR reçu, le texte corrigé, la référence à la vue et un relevé des interventions. Distinguez correction d’une reconnaissance fautive et modification éditoriale volontaire.

Exemples et méthode

Trois objets à ne pas confondre

L’image restitue la page numérisée, avec ses limites de cadrage ou de lisibilité. L’OCR est une reconnaissance automatique de cette image. La transcription relue est un travail éditorial : elle doit annoncer ses règles, notamment pour les graphies anciennes, les abréviations et les passages illisibles.

La BnF distingue l’analyse de la structure de page et la reconnaissance des caractères dans son contrôle OCR. Une impression dégradée, des colonnes ou des caractères difficiles influencent le résultat. Un indicateur global de qualité ne garantit donc pas l’exactitude du passage que vous souhaitez citer.

Trois objets à ne pas confondre
UsageContrôle prioritaireTrace à conserver
Chercher une occurrenceTester des variantes et vérifier la vueTerme recherché et page examinée
Citer une phraseComparer chaque caractère à l’imageÉdition, page imprimée et vue
Recopier un tableauVérifier cellules, unités et en-têtesImage du tableau et transcription relue
Préparer une rééditionDéfinir puis appliquer les règles de transcriptionVersion brute, version corrigée et interventions

Revenir au sommaire du guide

Exemples et méthode

Exemple fictif : une quantité lisible, mais mal reconnue

Un auteur prépare un chapitre d’histoire locale. Dans l’OCR, une quantité apparaît comme « 100 » ; sur la vue, le premier caractère est un « 1 » suivi d’un « 0 » dont une tache a été reconnue comme un second zéro. Il vérifie les unités et les lignes voisines avant d’utiliser le chiffre. Il note la correction et la vue consultée.

Ce cas demande un contrôle ciblé de tous les chiffres retenus dans le chapitre, puis une lecture de l’ordre des colonnes. Il ne justifie pas de remplacer automatiquement tous les « 100 » du document. Un doute qui persiste doit rester visible dans le relevé plutôt qu’être résolu par une supposition.

  • Conserver le texte brut avant les remplacements.
  • Relire les valeurs négatives, décimales et unités.
  • Ne pas annoncer un pourcentage de fiabilité sans préciser comment il a été obtenu.

Revenir au sommaire du guide

Exemples et méthode

Organiser une correction qui reste vérifiable

Travaillez par unité identifiable : vue, page ou paragraphe. Dans le registre, séparez texte OCR, lecture retenue, motif et état de validation. Pour un travail à plusieurs personnes, un second lecteur contrôle les passages importants sur l’image plutôt que sur la seule correction proposée.

Avant diffusion, cherchez des indices de problèmes répétés : notes mêlées au texte, mots collés, traits d’union en fin de ligne, confusions entre lettres et chiffres. Ce diagnostic sert à orienter la relecture. Il ne remplace pas le contrôle des citations ni la vérification des conditions de réutilisation du document.

Revenir au sommaire du guide

Exemples et méthode

Une erreur de reconnaissance peut former un mot parfaitement plausible

Cas fictif — Un texte numérisé fictif remplace un nom propre par un mot courant. Le correcteur orthographique ne le signale pas et la phrase reste lisible. Le mot erroné est ensuite repris dans un index de recherche. Une vérification limitée aux formes inhabituelles laisse donc passer une erreur qui modifie le document.

Comparez le texte reconnu à l’image source, en ciblant les éléments sensibles du projet : noms, chiffres, titres, notes et mots répétés. Une lecture fluide ne prouve pas l’exactitude documentaire. Conservez les passages incertains comme des lectures à revoir, sans les compléter seulement parce qu’une forme paraît plus naturelle.

Revenir au sommaire du guide

Exemples et méthode

Vérification pratique : une erreur de reconnaissance peut former un mot parfaitement plausible

L’équipe crée une liste de vérification pour les noms et les repères utilisés dans l’index. Elle compare leurs occurrences aux pages numérisées, puis distingue correction de reconnaissance et modernisation volontaire du texte. Ces opérations ne doivent pas se confondre dans le fichier préparé pour la lecture.

Recherchez les formes corrigées et leurs variantes dans le texte final. Vérifiez les liens de recherche et l’index qui peuvent conserver une ancienne erreur. Si l’image reste difficile à lire, gardez la limite visible dans le dossier plutôt que de présenter une proposition de lecture comme certaine.

  • Comparer les éléments sensibles à l’image.
  • Séparer reconnaissance et modernisation.
  • Revoir les index après correction.

Revenir au sommaire du guide

Passer à la pratique

Registre de contrôle OCR

Relier chaque correction à une vue et distinguer erreur de reconnaissance, lecture incertaine et choix de transcription.

  1. Identifier l’édition et noter les repères de vue et de page.
  2. Reporter seulement les passages comparés à l’image.
  3. Conserver l’OCR brut, puis noter lecture retenue, motif et validation.

Situation de travail. Exemple fictif : un chiffre dans un tableau est mal reconnu. Le contrôle sur la vue confirme la correction ; une graphie peu lisible reste signalée comme incertaine.

Exemple fictif à adapter au projet
Document / éditionVue / pageTexte OCRLecture retenueMotif / incertitudeValidation
Document fictif AVue 12 / page 810010Erreur de reconnaissance confirmée sur la vueRelu sur image
Document fictif AVue 24 / page 20Nom peu lisibleÀ déterminerNe pas compléter par suppositionDeuxième lecture à prévoir

Tous les dossiers pratiques

Les exemples sont fictifs. Comparez les situations à votre projet et relevez les points à vérifier auprès des interlocuteurs concernés.

points de contrôle

Ce qu'il faut vérifier avant de continuer

  • L’édition et le volume sont identifiés.
  • Chaque citation est comparée à la vue.
  • Les colonnes et notes suivent le bon ordre.
  • Les corrections restent traçables.

à éviter

Les erreurs fréquentes

Illustration : Correctrice vérifiant un sommaire, des onglets et des tableaux d'épreuves sans texte lisible, règle transparente et crayon, précision documentaire, lumière blanche douce
À éviter 01

Assimiler OCR et transcription validée.

Illustration : Une éditrice consulte une fiche bibliographique abstraite sur ordinateur et la compare à un livre papier à couverture neutre, bureau de librairie imaginaire, lumière naturelle
À éviter 02

Corriger partout après un seul exemple.

Illustration générée par IA : club de lecture imaginaire comparant un livre et son adaptation.
À éviter 03

Inventer la lecture d’un passage illisible.

vos questions

Questions fréquentes

Une recherche sans résultat prouve-t-elle qu’un mot est absent ?

Non. Une erreur de reconnaissance ou une graphie différente peut empêcher le repérage. Essayez des variantes et examinez les pages pertinentes.

Faut-il moderniser l’orthographe pendant la correction ?

Définissez cette décision séparément. Corriger une erreur de reconnaissance et moderniser volontairement un texte sont deux interventions différentes à documenter.

Peut-on citer directement le texte copié de Gallica ?

Comparez le passage à la vue de l’édition consultée, relevez la page et indiquez les interventions éventuelles. Vérifiez aussi les conditions de réutilisation applicables au document.

Mettre en pratique

Rattacher une correction au fragment visible dans l'image.

Pour ce contrôle, préparez : Vue ; lecture OCR ; lecture contrôlée. Choisissez un échantillon qui présente la difficulté décrite et conservez la version examinée.

Exemple fictif de contrôle : un terme suspect est vérifié occurrence par occurrence et les lectures encore incertaines restent signalées.

Préparer, observer et décider sur un cas précis
Point à préparerContrôle à menerTrace à conserver
VueIdentifier la valeur ou la pièce utilisée et le périmètre auquel elle se rapporte.Référence de la pièce et version examinée.
lecture OCRUn terme suspect est vérifié occurrence par occurrence et les lectures encore incertaines restent signalées.Observation précise et point à reprendre.
lecture contrôléeUne correction globale peut remplacer à tort une occurrence qui était déjà exacte.Décision argumentée : confirmé, à corriger ou encore incertain.
Quel point faut-il éviter de présumer dans ce travail ?

Une correction globale peut remplacer à tort une occurrence qui était déjà exacte. Pour le vérifier, un terme suspect est vérifié occurrence par occurrence et les lectures encore incertaines restent signalées.