EPHE Copy Party

Affiche EPHE Copy Party

L’EPHE fait sa Copy Party le 16 mars 2016, dans la salle de lecture au 4 rue Valette1, de 10h à 20h. Une Copy Party est un événement où il est possible de venir pour faire des copies des documents conservés et mis à disposition par la bibliothèque. Cet événement vise à faire connaître l’exception de copie privée et sa réforme de 2011.

Pour rappel, l’exception de copie privée a été élargie2 : il n’est pas nécessaire d’être le propriétaire du document pour bénéficier de cette exception, car depuis le 20 décembre 2011, la copie privée est possible à partir de « sources licites », comme une bibliothèque.

Quelques règles simples pour s’assurer de la légalité des copies réalisées lors de cet événement : il faut les faire avec son propre matériel amené spécialement pour l’occasion (comme un smartphone, un appareil photo ou un scanner portable) et il est déconseillé de se prêter le matériel entre participants (emprunter un appareil à l’un des participants pour réaliser la reproduction et se l’envoyer ensuite par mail ne respecte pas la jurisprudence3 ).

Le Service Commun de la Documentation des Bibliothèques et des Archives (SCDBA) de l’EPHE invite donc les usagers4 à venir copier les documents qu’elle possède, mais que faire une fois les documents copiés sur un support numérique ?

Pour commencer à répondre à cette question, un peu de technique.

Qu’est-ce que la numérisation des textes ?

Un livre en cours de numérisation
ANRT. Livre en cours de numérisation. 14 mai 2012. Disponible sur https://www.flickr.com/photos/80358908@N06/

La numérisation consiste en la transcription d’un élément du monde réel, nécessairement infini en un élément du monde discret et donc fini (0 ou 1). C’est pourquoi, plutôt que de parler d’immatérialité du document numérique il serait plus judicieux de parler de discrétisation, mais c’est un autre débat…

La numérisation, appliquée à un texte, est simplement la création d’une image numérique à partir de celui-ci. Lors de la Copy Party, il sera possible de se munir d’un appareil photo numérique, d’une tablette ou d’un smartphone, voire, pour les plus équipés d’un scanner portable pour créer ces copies numériques. À l’aide de ces outils, vous procéderez à des numérisations de texte.

Techniquement, la numérisation se divise en deux étapes : l’échantillonnage et la quantification.

L’échantillonnage consiste à définir un ensemble de valeurs pour un espace ou un temps donné. Par exemple, sur un texte, une grille va être appliquée et découpera ainsi l’espace à étudier ; chaque carré se nomme alors un échantillon. Cet échantillonnage peut être plus ou moins précis en fonction du rendu souhaité : plus le nombre d’échantillon sera important, plus l’image produite sera de qualité (figure 1). Cette qualité sera retraduite par le DPI (Dot Per Inch), qui exprime le nombre d’échantillon par pouce.

Grille de numérisation
figure 1. Une grille est appliquée sur le “réel” lors de la numérisation d’un texte ; plus le nombre de lignes et de colonnes est élevé, plus la numérisation sera de qualité

La quantification est l’étape par laquelle pour chaque échantillon, une valeur proche de celle analysée, issue d’un ensemble fini, sera mémorisée. Dans le cas d’une image, cette valeur déterminera la couleur de l’échantillon. Ainsi, plus l’ensemble de valeur possible sera grand, plus fidèle sera la représentation et l’image occupera plus de place.

Une fois ces deux étapes finies, on obtient une image qui peut éventuellement être compressée, avec ou sans perte de qualité.

Pour approfondir votre travail sur ces textes, vous pouvez souhaiter disposer de ces textes dans un format qui en permette son exploitation (.doc, .txt, etc). C’est là que l’OCR entre en ligne de compte.

Qu’est-ce que l’OCR ?

Loupe sur un texte
Pixabay. Mieux voir. 17 Septembre 2014. Disponible sur https://pixabay.com/fr/loupe-calligraphie-vue-agrandie-449860/

La reconnaissance optique de caractère (OCR) se présente souvent sous la forme de logiciel qui, à partir d’une image, repère le texte contenu dans celle-ci et l’extrait pour le rendre exploitable directement sur l’outil numérique. L’OCR correspond à la transformation d’un fichier image en un fichier texte. Le format de sortie peut être :

  • un fichier pdf, sur lequel le texte peut être sélectionné,
  • un fichier .txt,
  • un fichier traitement de texte de type Word ou libreOffice Writer.

Les logiciels ont de nombreuses fonctionnalités spécifiques, mais les principes de base restent identiques. Le logiciel embarque une base de données de modèle de lettre.

Le logiciel va tenter d’identifier des lignes de texte en se basant sur l’alignement bas de pixels foncés. Ensuite, à l’intérieur de chaque ligne, le logiciel déterminera des caractères en se basant sur les limites gauche et droite des pixels foncés.

Il analyse ensuite les caractères ainsi identifiés et les compare aux modèles contenus dans sa base de données, qui contiennent différentes polices typographiques pour chaque lettre. Notons que dans certains cas, des caractères fondamentalement différents peuvent s’avérer similaires dans des polices différentes (figure 2). Dès lors un résultat d’OCR contiendra potentiellement des erreurs ; c’est pourquoi, une océrisation efficace nécessite des images d’une résolution et d’une qualité importantes.

caracteres
figure 2. Le H et le N, dans des polices différentes peuvent se ressembler et les logiciels d’OCR pourront être amenés à produire des erreurs.

Pour pallier à ces erreurs, les logiciels prennent en charge de plus en plus de fonctionnalités. Ils embarquent par exemple aujourd’hui des dictionnaires ; le logiciel compare alors les mots identifiés à ceux présent dans le dictionnaire.

Malgré cette haute définition et, des erreurs sont et seront toujours présentes. Aujourd’hui les logiciels affichent des taux d’erreurs entre 1% et 19%.

Donc, vous pouvez vous rendre à la Copy Party et recourir à l’OCR, d’autant que juridiquement, vous en avez le droit…

Ce que dit le droit …

Le Code de la Propriété Intellectuelle stipule que « les copies ou reproductions [sont] strictement réservées à l’usage privé du copiste et non destinées à une utilisation collective »5. Toute forme d’usage public des copies est donc strictement interdit, sauf si elles s’insèrent dans d’autres exceptions, comme la courte citation ou l’exception pédagogique.

L’usage privé interdit donc l’envoi par mail à des tiers et le partage sur les réseaux sociaux  des copies réalisées durant cet événement.

En revanche, il est possible d’effectuer des copies des oeuvres reproduites lors de la Copy Party pour les stocker sur un ordinateur personnel, une clé usb ou un service de stockage dans le cloud, voire même de les océriser…

Comment Océriser les documents copiés à la Copy Party ?

… Car océriser des documents n’est plus seulement réservé aux professionnels. Depuis la fin de la protection de l’invention par un brevet, des versions libres, des versions en ligne et des applications sur mobile sont apparues.

Des versions sur PC libre…

Le logiciel d’OCR libre le plus reconnu est Tesseract. Il s’agit d’un développement par la société HP entre 85 et 95 qui a ensuite était ouvert à la communauté et récupéré par la firme Google. Il est aujourd’hui considéré comme le plus performant des logiciels libres d’OCR.  Ce logiciel fonctionne sur toutes les plateformes (Windows, Linux, Mac OS).

Concernant Tesseract, il est important de noter qu’il n’est livré avec aucune interface graphique. Pour ceux que la console effraie, il existe des interfaces comme OCRFeeder ou encore OCROpus.

Des versions en ligne…

L’informatique se passe désormais dans les nuages et de nombreux services en ligne vous proposent de l’OCR. Ces services peuvent être gratuits ou payants. En voici quelques exemples :

L’OCR avec Google Drive

L’omniprésence du géant américain et sans doute due aussi à ces fonctionnalités qui facilitent la vie. Par exemple, il est possible de déposer n’importe quel fichier image contenant du texte sur Google Drive et simplement en l’ouvrant avec google docs, le fichier sera océrisé et il sera possible d’accéder au contenu textuel du fichier.

I2OCR

I2OCR vous permet simplement et sans inscription de procéder à l’océrisation. Il suffit de sélectionner la langue, le fichier ou l’url. On obtient ensuite un texte dans un bloc de saisi que l’on peut modifier, copier et coller. Cette méthode est inadaptée à des textes trop longs.

ABBYY Fine Reader Online

Ce logiciel dans le cloud est payant et a été créé par un éditeur de logiciel historique dans le domaine de l’OCR. Le coût est peu élevé (40 euros pour 2400 vues) et l’éditeur garanti une reconnaissance des caractères tant sur les documents scannés que sur les photos de texte. Les 10 premières vues sont offertes.

Des applications mobiles (Android)…

Les applications mobiles, comme les services en ligne sont nombreuses. La plupart du temps elles fonctionnent sur le mode freemium ou avec de la publicité.

CamScanner (disponible sur Android et Apple) est une ‘appli’ qui fait de l’OCR de manière annexe ; sa grande force est au moment de la capture des images, puisqu’il est possible de les rogner et de jouer avec les contrastes de manière très simple. Ensuite, chaque projet peut contenir plusieurs pages, chaque page étant une vue capturée à l’aide de l’appareil photo du smartphone ou de la tablette. C’est sur ces vues qu’il est possible d’appliquer un OCR, mais celui-ci est de qualité médiocre et ne reconnaît pas les structures de texte et les signes typographiques particuliers (comme un texte sur deux colonnes par exemple).

PDF Scanner est une appli qui est particulièrement intéressante au niveau de la capture. Comme Cam Scanner elle permet des petites opérations rapides sur les images, mais offre en plus la correction de la perspective. Un petit module OCR est également embarqué, mais il n’est pas brillant.

Une dernière appli, qui prolonge encore les fonctionnalités au niveau de la capture : Droid Scan Lite. Cette appli détecte automatiquement les bords du document et corrige automatiquement la perspective. En revanche, il n’y a pas d’OCR embarqué.

Pour conclure…

Il est donc possible d’effectuer des traitements sur les copies, dès lors qu’elles demeurent dans le cadre privé. Les applications sur smartphone Androïd sont très performantes au niveau de la capture des images : elles offrent la possibilité de retravailler l’image de manière assez fine, mais sont peu efficaces au niveau de l’OCR.

Pour un résultat performant, il peut être utile de procéder à une division du travail : la capture peut être de grande qualité avec un smartphone et l’appli pdfScanner et ensuite ce fichier peut être océrisé avec des outils plus performants, en ligne ou non.

Dans tous les cas, l’étape préalable est de se rendre à la Copy Party !

  1. Voir le plan []
  2. LOI n° 2011-1898 du 20 décembre 2011 relative à la rémunération pour copie privée [en ligne]. In Journal Officiel, n° 0295 du 21 décembre 2011, p. 21546. Disponible sur : http://www.legifrance.gouv.fr/affichTexte.do?cidTexte=JORFTEXT000025001493&categorieLien=id []
  3. Cass. Civ. 1re 07.03.1984 n°82-17016 []
  4. L’événement est ouvert à toutes les personnes membres  PSL ou du Campus Condorcet []
  5. Code de la propriété intellectuelle, article L122-5 []

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.