Reconnaissance de caractères (OCR) et correction participative

L’utilisation d’un logiciel d’OCR permettant de reconnaître les caractères d’un texte génère fatalement des erreurs (typographies, annotations, disparités du papier…). Pour y remédier, on peut faire appel à de la main d’œuvre dans des pays où le coût en est réduit (Madagascar, Viêt-Nam…). On peut aussi utiliser les possibilités du web 2.0 et permettre aux internautes intéressés par tel ou tel document de corriger son texte océrisé de manière participative, à l’image de l’encyclopédie participative Wikipedia.
Ainsi, en 2008, le texte des anciennes thèses de l’Ecole Nationale Vétérinaire de Toulouse a été ainsi en grande partie corrigé sur Wikisource (projet affilié à Wikipedia) et, plus récemment, en 2010, la Bibliothèque nationale de France a livré 1400 livres sur Wikisource afin que leurs OCR soient corrigés.
A l’étranger, l’Australian Newspapers Digitisation Program offre la possibilité aux internautes de corriger directement sur sa plate-forme de diffusion le texte océrisé de journaux anciens.
De son coté, Google a racheté la société qui a développé Captcha, une solution logicielle destinée aux sites qui souhaitent se prémunir des attaques de robots. Lors de la création de comptes, l’internaute doit recopier un mot déformé afin de prouver qu’il n’est pas un robot. Ce faisant, il participe à la correction du texte océrisé dans le cadre du programme Google Books.


Laisser un commentaire

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