CRCAO / News

Outils et méthodes computationnels

October, 01 2026 - April, 28 2027 - Atelier

Programme prévisionnel 2026-2027

Séances de présentation et d’échange

Vous trouverez ci-dessous le programme des quatre séances prévues cette année. Certaines informations seront précisées ou complétées prochainement. Comme l’année dernière, les séances se dérouleront en format hybride. Les informations pratiques seront communiquées à l’approche de chaque séance.

Lundi 19 Octobre 2026, 14h : Marie Bizais-Lillig (Université de Strasbourg)

https://visio.numerique.gouv.fr/nhr-owgb-ffb

Fouille de texte en chinois classique : enjeux et perspectives

Cet atelier se propose de présenter différentes stratégies dans l’exploration outillée de corpus en chinois classique afin d’illustrer les enjeux et perspectives propres aux langues peu dotées dans le champ des études computationnelles. Des cas concrets permettront de mettre en évidence l’intérêt de la structuration d’un corpus en vue d’y compter certaines occurrences et de les retrouver en contexte. Cette étape de la présentation s’appuiera sur deux formats très courants, le JSON et le XML selon les standards de la TEI (Text Encoding Initiative). Par ailleurs, depuis quelques années, des modèles de langue permettent de projeter les corpus dans un espace sémantique. Cependant, les langues anciennes et rares sont insuffisamment documentées pour que les modèles fonctionnent aussi bien sur des corpus dans ces langues. Des stratégies seront présentées, qui permettent de dépasser ces limites et d’analyser de manière plus fine sur de tels corpus sans travail de structuration ou d’enrichissement chronophage. Enfin, les intelligences artificielles génératives constituent un levier pour extraire des données complexes de grands corpus. L’illustration montrera l’importance de la prise en compte des enjeux de confidentialité, de reproductibilité, d’adéquation des modèles en amont, ainsi que de structuration des résultats à l’arrivée.

Lundi 7 décembre 2026, 14h : LIAO Shueh-Ying (CNRS)

Un LLM qui ordonne des événements : raisonne-t-il, ou se souvient-il ?

Si nos textes de référence sont exactement ceux que les modèles de langue ont déjà lus, que prouve un modèle qui remet nos événements dans le bon ordre ? L’ordre peut venir d’un raisonnement ; il peut aussi venir de la page, lue et retenue. Vus du résultat, les deux se ressemblent, et le score ne les distingue pas.

Q’est-ce qu’une date dans un corpus ? Le champ qui l’accueille annonce un jour, un mois, une année. Ce qu’il contient est souvent une reconstruction, un intervalle de trois mois, ou le désaccord de deux autorités que la saisie a tranché sans le dire. Cette question-là se pose dans toutes les aires, avec des calendriers et des conventions de datation qui ne se recouvrent pas.

L’intervention déroulera cela sur un cas : les Annales des Printemps et Automnes (春秋 Chūn Qiū), une chronique qui date ses entrées règne par règne, assez canonique pour figurer dans les données d’entraînement de n’importe quel modèle, ce qui en fait moins un objet d’étude qu’un banc d’essai. Un contrôle simple, appliqué en séance, y sépare le raisonnement du souvenir ; il vaudrait tel quel sur toute chronique datée, dans n’importe quelle aire.

C’est enfin la discussion que cette séance cherche : que cache le champ « date » de vos propres matériaux ? S’agit-il d’une reconstruction, d’un intervalle, d’un désaccord ? Que vous faudrait-il pour croire à un chiffre qu’un modèle en extrait ? Chacune et chacun est invité à apporter un exemple, une question ou un besoin.

Mercredi 3 février 2027, 14h : Vincent Goossaert (EPHE)

Les données de crta.info et leurs utilisations pour des analyses quantitatives de l’histoire des livres religieux et des dieux chinois

Cette présentation introduira rapidement la base de données ouverte crta.info qui décrit les éditions des textes religieux chinois, pour ensuite montrer deux de ses usages possibles pour des analyses à grande échelle. L’un de ces usages est une analyse quantitative de la production de livres religieux imprimés, surtout à l’époque moderne (1520-1920) : où, quand, quoi, qui ?… Le second est une analyse des dieux présents dans les textes, qui sont indexés dans crta.info. Cette indexation permet de reconstituer des réseaux sociaux entre hommes et dieux créés ou reflétés par les textes, dont je montrerai plusieurs exemples.

Mercredi 28 avril 2027, 14h : Colin Brisson (EPHE)

Identification des scribes dans les manuscrits de Dunhuang

Formation XML : appel aux personnes intéressées

Un environnement de travail numérique sur les textes est actuellement développé au CRCAO pour répondre aux besoins de plusieurs membres du laboratoire en matière de traitement des sources primaires. Il réunit notamment des fonctions d’édition XML, de gestion et d’interrogation de données, de traitement de texte et de traduction assistée par intelligence artificielle.

L’objectif est d’intégrer l’encodage et le traitement numérique directement dans le travail quotidien du spécialiste des textes, tout en automatisant autant que possible les opérations techniques et répétitives. Les données ainsi produites peuvent ensuite être exploitées de différentes manières : constitution et interrogation de bases de données, analyse de réseaux, comparaison de textes, annotation, traduction, etc.

Le développement porte actuellement sur des usages liés aux sources chinoises, japonaises et tibétaines. Les fonctionnalités consacrées aux sources chinoises sont les plus avancées, mais nous cherchons des collaborateurs qui souhaiteraient nous aider à mieux adapter l’environnement aux pratiques, aux besoins et aux difficultés propres au japonais et au tibétain.

À la suite d’un premier atelier organisé le 9 septembre 2026, d’autres séances de formation, de démonstration et de test seront proposées en fonction des besoins et des intérêts des membres du laboratoire. Elles seront l’occasion d’apprendre les bases du XML à partir de sources réelles, mais aussi d’expérimenter différentes manières d’appliquer ces méthodes à ses propres recherches et de faire évoluer les outils à partir des usages et des retours des chercheurs.

Aucune connaissance préalable de XML n’est nécessaire.

Les personnes intéressées, qu’elles souhaitent simplement découvrir ces méthodes, les essayer sur leurs propres sources ou participer plus activement à leur développement, sont invitées à prendre contact : daniel.morgan@college-de-france.fr, garance.zhang@ephe.psl.eu