It was the tenth and final Information day organised by partners of the Europeana Newspapers Project.

The event was attended by a large audience: 88 people in total, among them researchers, librarians, digital content providers, cultural heritage professionals, IT specialists, archivists, audio-visual professionals and teachers.

The speakers at the Information day were equally diverse. Thanks to them, the audience learnt more about many aspects of the project and its possible applications. The day was also an opportunity for those within the project to gather more information on the expectations of researchers with regard to digitised historic newspapers.

The day was made up of three parts.

Round Table #1: Why Europeana Newspapers?

Moderated by Elisabeth Freyre from the BnF, this first round table set the scene for the rest of the day through three presentations, which gave a detailed view of the project, its activities and goals.

The first presentation from Philippe Mezzasalma, Head of the Press department at the Department of Law, Economics and Politics at the BnF, was entitled The digitised newspapers collections at BnF: success and limits of the first historic newspaper digitisation work. It focused on how the BnF became involved in Europeana Newspapers. See the slides.

The second presentation from Hans-Jörg Lieder, Head of the department of bibliographic services at the Berlin State Library, reminded participants of the scale of the Europeana Newspapers project. See the slides.

Ioannis Anagnotopoulos, Coordinating manager of the Europeana Newspapers project at the BnF, set out the contribution of the BnF to the project. See the slides.

He noted that Europeana Newspapers had:

• Enabled the aggregation of historical European newspapers;
• Raised visibility of the Europeana portal and of the portals of partner libraries;
• Brought in a notable improvement of search features, thanks to the semantic enhancement of the data and metadata relating to the selected corpus.

Round Table #2: Technical innovation helping users

The aim of the second part of the morning session, moderated by Jean-Philippe Moreux from the BnF, was to take an in-depth look at the technical innovations of the project.

Günter Mühlberger, Professor and project director at the University of Innsbruck, the university responsible for processing the 8 million pages of the Europeana Newspapers project using OCR presented How can Optical Character Recognition technology help users in their research? See the slides.

Claus Gravenhorst, Director of strategy at CCS (the company which has processed 2 million pages of the project using OLR from 5 partner libraries), then explain the work done by CCS on OLR via his presentation Optical Layout Recognition: From unstructured to structured newspaper data. See the slides.

Clemens Neudecker, Coordinator of the Europeana Newspapers project at the Berlin State Library, then presented Development of Named Entities Recognition for French Newspapers. See the slides.

Alaa Abi Haidar, Researcher in data mining and complex systems at the BnF and the LiP6 laboratory, rounded off this session with a presentation that focused further on the purpose and applications of Named Entity Recognition. See the slides.

Round Table #3: What are the uses, practices, and expectations for the users?

With the afternoon session, the focus was put on the use of the digitised corpus in the project and the expectations of users. The session was moderated by Marc Minon, director of Cairn which is a platform for French-speaking periodicals.

This round table aimed to explore how the digital environment has changed the work methodologies of researchers, and to show what role Europeana Newspapers can play in this changing environment through the experience of the following speakers:

• Laurent Martin, Professor and lecturer at institutions such as the University of Paris III Sorbonne-Nouvelle, researcher at the Integration and Cooperation laboratory for European environments (ICEE) and member of the History Committee of the Ministry of Culture;
• Philippe Tétart, Senior lecturer in History (University of Maine), researcher and expert consultant to the National Sports Museum;
• Sophie Kurkdjian, Doctor of History at the University of Paris I, researcher working with the BnF and associate researcher with the IHTP-CNRS;
• Olivier Hamon, engineer and specialist in web semantics, working in the research and development unit of the company Syllabs.

All attendees received promotional materials, including a leaflet about the project and a promotional postcard printed with a French newspaper. Both were provided in French.

Overall, the day was rated a success by those who attended. A survey circulated after the event showed that over 90% of participants rated the presentations as Good or Very Good, and said they intended to explore the content made available by the project.

The event was mainly aimed at a French speaking audience and a translation service from English to French was available. The whole event was also recorded on video and will shortly be made available on the BnF website.

Au sein de l’établissement, une équipe s’est constituée autour du projet Europeana Newspapers et met à sa disposition une diversité de compétences : le département Droit, économie, politique, qui abrite l’essentiel des collections de presse de l’établissement, sélectionne et met en valeur les périodiques mis à la disposition du projet ; le service de la Numérisation en réalise la coordination technique (extractions des pages, définition des entités nommées, contrôle qualité, etc) ; le département de l’Information bibliographique et numérique se préoccupe de l’aspect métadonnées ; le département des Systèmes d’information met en place les outils nécessaires à l’échange des données ; la délégation aux Relations internationales assure l’interface politique et administrative avec le Consortium du projet.

Spécificités, critères de choix et souhaits d’évolution

La BnF présente dans ce projet plusieurs particularités notables. Avec plus de 5 millions de pages de presse numérisées (dont près de 4 millions océrisées), la BnF propose sur le web une des plus importantes hémérothèques numériques en Europe ; ce qui la place au rang de contributeur le plus important du projet en nombre de fascicules de journaux numérisés fournis (1 385 727 pages pour l’OCR et 1 002 761 pages pour l’OLR). Il s’agit du seul corpus en français du projet. Les journaux proposés sont libres de droit, et centrés sur la période contemporaine, du début du XIXème siècle au milieu du XXème siècle. La BnF soutient, au sein du projet, une position ouverte mais prudente quant à la réutilisation de ses données.

Le choix des journaux quotidiens pour le projet européen s’est porté sur les documents numérisés les plus consultés sur la bibliothèque numérique de la BnF, Gallica, tant par les chercheurs professionnels que par le grand public. D’autre part, leur volumétrie (plus de 100 000 pages pour les grands quotidiens, divisés en dizaines de milliers de fascicules) rend la recherche, l’interrogation par sujet ainsi que la navigation dans le texte, plus complexes que celles des collections de monographies ou des revues savantes.  Ces difficultés sont accentuées par l’absence presque totale de tables ou d’index pour les quotidiens français. L’amélioration de l’OCR, la segmentation à l’article des fichiers numérisés et l’indexation des titres amélioreront donc de façon considérable la visibilité de ces collections de journaux et leur utilisation par les webnautes. L’identification des titres des articles depuis les moteurs de recherches est enfin attendue comme une possibilité de flux supplémentaire de nouveaux utilisateurs vers Gallica et vers le catalogue de la BnF.

Outre les attentes citées ci-dessus, la BnF attend du projet des outils permettant des usages renouvelés pour la valorisation des fonds, comme la recherche des entités nommées, qui ouvrirait des perspectives nouvelles pour le traitement des discours (et leur évolution) dans la presse. Intéressant plutôt les chercheurs institutionnels (linguistes, politistes ou historiens de la littérature en particulier), ces évolutions profiteraient aussi au grand public, permettant par exemple aux généalogistes d’accéder plus facilement aux données nominatives. L’affinement de la segmentation à l’article doit permettre de retrouver une navigation qui restitue le rubriquage d’origine. Ainsi, l’identification systématique des rubriques devrait faciliter la recherche thématique sur de longues périodes de publication, sans avoir à feuilleter fascicule par fascicule. Les études monographiques (personnages ou évènements) seraient facilitées par l’indexation des sujets, permettant en quelques clics la constitution de dossiers documentaires (les vénérables « revues de presse »). Enfin, les perspectives ouvertes par le projet doivent permettre à terme une utilisation quantitative des sources de presse permettant des études d’opinion sur le long terme.

Le devenu célèbre “J’accuse” d’Emile Zola

Le 13 janvier 1898, Emile Zola publie une défense du capitaine Dreyfus, accusé de haute trahison, sous la forme d’une lettre ouverte au président de la République Félix Faure en une de l’Aurore. Ce véritable réquisitoire fait de l’affaire une question publique, nationale, mettant au centre de l’argumentation la République et ses valeurs. Cet article fit trembler le régime sur ses assises.

Premiers résultats

Concernant l’impact d’Europeana Newspapers sur les réalisations et projets propres de la BnF, l’utilisation concrète des résultats du projet devrait contribuer à une ouverture plus large vers l’extérieur des métadonnées produites par l’établissement. D’autre part, outre le passage de la BnF au format METS/ ALTO, les systèmes d’informations devront à terme, accueillir des développements permettant l’implantation et la lecture de fichiers OLRisés.

La BnF a décidé de fournir au projet une sélection des plus grands quotidiens du XIXème et XXème siècles, tenant compte des équilibres politiques et des sensibilités philosophiques et religieuses. L’intérêt porté par ces journaux aux relations internationales et à l’Europe en particulier fut, bien entendu, un critère de choix. C’est donc 26 titres d’une grande qualité littéraire et journalistique qui sont proposés pour le projet.

Les questions principales à l’étape actuelle du projet sont le contrôle qualité des fichiers reçus (niveau de reconnaissance des textes, segmentation correcte des articles, etc) et la comparaison avec d’autres versions océrisées préalablement : quelle version proposer, peut-on (doit-on ?) garder une version des fichiers OCR précédents, quels outils pour le contrôle et la comparaison, quels critères et quelles méthodologies enfin faudrait-il mettre en place ? Comment le travail sur les entités nommées pourrait être pris en compte ?

Ces questions posées par le projet pourront conduire à la mise en place de nouvelles synergies entre les différentes entités de ce grand établissement. Plus largement, en fonction des thématiques, une sélection documentaire concertée pourrait voir le jour au niveau européen. Mais ce serait là le début d’une autre histoire, qui dépasserait de très loin les seuls journaux de la BnF et le périmètre du projet…

Cet article en anglais est disponible ici.