Google Books et la numérisation incomplète

Depuis plusieurs années, je suis devenu un utilisateur régulier des bibliothèques numériques que sont Gallica, Internet Archive et Google Books. Je recherche en particulier des ouvrages illustrés faisant partie du domaine public : récits et guides de voyages, albums pittoresques, revues de géographie, atlas…

Je dois bien le reconnaître : Google Books m’est très utile dans le cadre de mes recherches. Le nombre d’ouvrages numérisés est impressionnant et une bonne partie de mon corpus de thèse est constitué de guides de voyage du XIXe siècle disponibles sur ce site web. Dans ce billet, je souhaite cependant mettre l’accent sur les inconvénients de cette bibliothèque numérique, dont certains invitent à une réflexion profonde quant aux conditions et choix de numérisation.


Note : Cliquer sur les images pour les ouvrir en grand (nouvel onglet)


La qualité des numérisations présentes sur Google Books est assez inégale. Si la plupart des ouvrages ont été scannés correctement, d’autres présentent malheureusement des erreurs ou des manques importants.

On peut distinguer deux catégories principales de numérisation incomplète :

  1. celle qui relève des choix conscients de ce qui est à numériser et ce qui est laissé de côté
  2. celle qui relève des erreurs de manipulation involontaires

Du texte, oui, mais avec les images c’est mieux !

 

Il est clair que le service Google Books a comme objectif principal de numériser des livres pour procéder à la reconnaissance optique de caractère et proposer ensuite à ses utilisateurs des outils comme la recherche plein-texte. Ce choix assumé de la primauté du texte pose la question du statut des cartes et illustrations présentes dans les livres et revues numérisées. Visiblement, pour Google, ces matériaux relèvent de l’accessoire.

L’exemple le plus frappant est celui des planches dépliables (cartes, vues, panoramas…), présentes dans les ouvrages illustrés, notamment ceux ayant un intérêt géographique. J’ai relevé de nombreux cas de livres numérisés par Google pour lesquels les planches n’ont systématiquement pas été dépliées, et donc pas été numérisées en entier. L’utilisateur peut certes constater la présence du plan ou de l’illustration dans l’ouvrage, mais il doit se contenter de cela et ne peut pas la voir dans son intégralité. Contrairement aux exemples présentés plus loin dans ce billet, il ne s’agit pas ici d’une mauvaise manipulation, mais bien d’un choix conscient de ne pas numériser ces planches. Des raisons de conservation (format, fragilité) peuvent être avancées pour expliquer ce choix.

A) Karl Baedeker, Die Schweiz. Handbuch für Reisende, K. Baedeker, 1852, panorama entre les p. 74 et 75.

B) Collection de cartes géographiques, vues, marines, plans et portraits, relatifs aux voyages du capitaine J. Meares, traduit de l’anglois, par J. B. L. J. Billecocq,… chez F. Buisson, 1794, planche XXII.

C) Benjamin Franklin Edmands, Boston School Atlas, R.S. Davis, 1841, carte p. 7.

Dans l’exemple suivant, la planche n’a pas été dépliée alors qu’il s’agit d’un plan de ville illustré : c’est pourtant bien le matériau cartographique qui constitue l’élément principal de l’ouvrage !

D) Kiessling et comp., pub., Plan illustré de la ville de Bruxelles et de ses faubourgs avec un guide de l’étranger à Bruxelles…, Kiessling, 1860.

Personnellement, je trouve que ce cas pose une question importante quant aux choix et conditions de numérisation, qui mériterait d’être véritablement discutée. Le choix de Google Books est défavorable à l’étude et la valorisation du patrimoine cartographique et iconographique. D’ailleurs, cela m’intéresserait beaucoup de connaître précisément les obligations mentionnées dans les contrats signés entre Google Books et les institutions culturelles dont les collections sont numérisées. Est-ce que ce choix de ne pas déplier les planches est celui de Google Books ou des commanditaires de la numérisation, pour des raisons de conservation des documents ?


Tour d’horizon des autres ratés

 

Voyons maintenant d’autres cas de numérisation incomplète, dus à des erreurs de manipulation.

Couvrez ces doigts que je ne saurais voir !

Je ne pouvais pas présenter les numérisations incomplètes et ratées de Google Books sans évoquer les fameux doigts et parties de mains que l’on trouve parfois, au détour d’une page. Enveloppés le plus souvent dans des gants roses, il s’agit bien sûr des doigts des personnes chargées de numériser les ouvrages.

En général, ces doigts ne gênent pas vraiment la lecture et l’étude, car ils sont présents sur des pages vierges (pages de garde, entre les cartes) ou de couverture.

E) A. Dupont, Histoire des campagnes de France en 1814 et 1815: Ornée de portraits, plans et cartes, 1828, plat verso (4e de couverture).

F) Karl Baedeker, Südbayern, Tirol und Salzburg, Steiermark, Kärnthen, Krain, Istrien und Württemberg: Handbuch für Reisende, K. Baedeker, 1862, entre les p. 30 et 31.

G) Sir Julius Vogel, The Official Handbook of New Zealand, Wyman & sons, 1875, entre les p. 63 et 64.

Il arrive aussi que les doigts masquent une partie de la page scannée, et donc du texte, de la carte ou de l’illustration, ce qui est bien plus embêtant.

H) Nicolas Sieur Tassin, Les plans et profils de toutes les principales villes et lieux considerables de France. Ensemble les cartes generales de chacune province, et les particulieres de chaque gouuernement d’icelles, Vanlochon, 1638, vue de Verdun.

Dans certains cas, les doigts ont été « effacés », mais on remarque leur empreinte.

I) K. Baedeker, Deutschland nebst Theilen der angrenzenden Länder bis Strassburg, Luxemburg, Kopenhagen, Krakau, Lemberg, Ofen-Pesth, Pola, Fiume: Handbuch für Reisende, Volume 2, K. Baedeker, 1864, p. 6.

Page not found !

Il vous est peut-être déjà arrivé cette mésaventure : vous avez trouvé un ouvrage très intéressant, un passage en particulier correspond justement à ce que vous cherchiez. Et là, pas de chance, vous constatez qu’une des pages est manquante ! Et oui, malheureusement, il arrive parfois que certaines pages n’aient pas été numérisées par Google. C’est vraiment frustrant, d’autant plus lorsque l’on doit procéder à une reconnaissance optique de caractère sur un extrait d’ouvrage qui se trouve être incomplet.

Une question de vitesse

Certaines pages ont été tournées trop rapidement par la personne en charge de la numérisation, entraînant un scan raté.

J) Suede et Norwege. Avec planches: 1,4, Didot, 1838, vue de la ville d’Eskilstuna (numérisation ratée).

Un autre cas est celui des pages déformées en partie ou en totalité, ou complètement floues, à cause d’une mauvaise manipulation.

K) Thomas Cook Ltd, Cook’s Cruise to the Mediterranean, the Orient and Bible Lands…,Thos. Cook & Son, 1902, photographie de Notre-Dame de Paris.

L) Catalogue général des livres composant les bibliothèques du département de la marine et des colonies. Tome III, Géographie et voyages, Paris, Imprimerie royale, 1840, p. 73.

Problème de couleur

Comme pour la qualité de la numérisation, le mode colorimétrique choisi varie également selon les fichiers. Le plus souvent, les illustrations et les cartes ont été scannées en noir et blanc, ce qui les rend difficilement lisibles et complique leur étude. Certains documents numérisés virent quant à eux au rouge ou au bleu.

M) William Coxe, Voyage en Pologne, Russie, Suède, Dannemarc…, Chez Barde, Manget et Compagnie, 1786, portrait entre les p. 6 et 7.

N) Karl Baedeker, Die Rheinlande von der Schweizer bis zur Holländischen Grenze, Schwarzwald, Vogesen, Haardt, Odenwald, Taunus, Eifel, Siebengebirge, Nahe, Mosel, Lahn, Ahr, Wupper und Ruhr, K. Baedeker, 1856, vue de Freiburg entre les p. 90 et 91.


La numérisation nécessite vérification

 

Le plus frappant dans le cas de Google Books, c’est de constater que cette numérisation à la chaîne ne semble pas être suivie par une vérification systématique des fichiers produits.

Je ne suis pas un spécialiste de la numérisation, mais lorsque je scanne des cartes, des guides de voyage ou des revues géographiques, je passe ensuite un certain temps à vérifier le fichier PDF obtenu. Il s’agit de rogner les marges inutiles, scanner à nouveau une page si la numérisation a été ratée, supprimer les pages mal scannées et les doublons, pivoter des pages lorsque c’est nécessaire…

Apparemment, pour Google le temps c’est de l’argent, et lorsque l’on regarde certains fichiers disponibles sur le site, cette absence de vérification saute aux yeux.

La marque des doigts effacés prouve bien que ces fichiers ont fait l’objet d’un post-traitement (voir les images H et I) . Pourquoi alors ne pas avoir supprimé dans certains documents les pages dont la numérisation est complètement ratée (et a été ensuite refaite correctement) ? Ces doublons sont devenus inutiles dans le fichier produit et mis en ligne. Cela donne en tout cas l’occasion aux utilisateurs de Google Books de découvrir ces ratés au détour d’une page.

                           

O) Karl Baedeker, Italien: Handbuch für Reisende, Volume 2, K. Baedeker, 1866, p. 317 (scannées deux fois).

                               

P) Karl Baedeker, Die Rheinlande von der Schweizer bis zur Holländischen Grenze, Schwarzwald, Vogesen, Haardt, Odenwald, Taunus, Eifel, Siebengebirge, Nahe, Mosel, Lahn, Ahr, Wupper und Ruhr, K. Baedeker, 1856, p. 246 (scannée deux fois).

                             

Q) Karl Baedeker, Oesterreich und Ungarn:Handbuch für Reisende, K. Baedeker, 1873, p. 211 (scannée deux fois).


ScanFail

La thématique de ce billet m’a donné l’idée de créer le Tumblr ScanFail, pour donner à voir la multitude de cas de numérisations ratées et/ou incomplètes. Vous trouverez sur Scanfail différents exemples de pages avec des doigts, floues, déformées, des planches non dépliées… Je précise à chaque fois la référence de l’ouvrage dont est extraite chaque image, donc vous pourrez aller constater vous-même sur Google Books !

Pour voir l’ensemble des pages d’un ouvrage disponible sur Google Books, le mieux est de cliquer sur l’icône suivant (aperçu) :


Teaser : Mon prochain billet concernant Google Books sera consacré aux restrictions géographiques appliquées à des documents du domaine public.


P-S : Si vous avez un avis ou un retour d’expérience sur cette question du choix de ce qui est numérisé / ce qui n’est pas numérisé, n’hésitez pas à l’écrire dans les commentaires !

Citer ce billet : Damien Petermann, "Google Books et la numérisation incomplète", L'image de Lyon [carnet de recherche], 23 mars 2017.
[En ligne] URL : https://imagelyon.hypotheses.org/337 (consulté le 21 septembre 2017)


2 réflexions au sujet de « Google Books et la numérisation incomplète »

Laisser un commentaire

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