Présentation du projet CORPUS à la BnF

CORPUS est un programme de recherche visant à préfigurer « un service de fourniture de corpus numériques à destination de la recherche« . Concrètement, il s’agit de fournir à des chercheurs des données et des outils pour les analyser, dans le respect du droit d’auteur et de la vie privée.

La Bibliothèque nationale de France met aujourd’hui à disposition plusieurs milliards de documents numériques – livres, périodiques, sites web, etc. – ,  une masse de données qui dépasse bien souvent les capacités de traitement de l’humain. Dans ce contexte d’abondance, mettre simplement à disposition un texte ne suffit plus : il est nécessaire de fournir des instruments qui permettent au chercheur d’aller au-delà du seul contenu.

Le projet bénéficie du développement des méthodes de fouille de textes et de données (en anglais text and data mining), qui ouvrent de nouvelles perspectives :  il est possible de questionner la place d’un texte dans un corpus, d’interroger ses métadonnées et ses occurrences.

Les acteurs du projet

Le projet est piloté par la direction des Services et des réseaux. Au sein de cette direction, trois départements/services sont impliqués : le département du Dépôt légal (plus précisément, le service du dépôt légal numérique), le département de la Conservation et le département des Métadonnées. Le département des Systèmes d’information est également fortement impliqué.
La BnF travaille en partenariat avec plusieurs équipes de chercheurs conventionnées, dans le but de créer des outils adaptés à leurs besoins et appliqués à des études de cas bien réelles. Trois partenaires participent à ce projet : Télécom ParisTech, OBVIL et l’équipe projet ANR Web90.

Le calendrier

Le projet CORPUS est inscrit au plan quadriennal de la recherche de la Bibliothèque nationale pour 2016-2019.
Chaque département/service de la BnF impliqué est pilote durant une année. A l’issue de l’année,  une journée d’étude ou un atelier est organisé pour faire état des travaux mené par les équipes. Pour le Service du dépôt légal numérique, qui était pilote pour l’année 2016, cela a pris la forme  d’ateliers et d’une journée de conférences le 23 novembre.
La dernière année du projet sera consacrée au bilan et à la synthèse des résultats obtenus par les trois départements. L’objectif est qu’une offre de service opérationnel ait été formalisée à l’issue de ces trois ans.


Laisser un commentaire

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