9 janvier, Matthieu Pelingre (IDMC, Université de Lorraine) : Indexation automatique de cartes postales anciennes.
Résumé
Les cartes postales anciennes présentent une source encore peu exploitée d’informations historiques et il est primordial de les préserver, ainsi que de les indexer, pour les générations futures. Elles constituent des documents patrimoniaux riches qui combinent des informations visuelles et textuelles, mais l’indexation manuelle de grandes collections numérisées est extrêmement coûteuse en temps et en ressources. Nous développons donc une approche complète de bout en bout pour l’indexation automatisée des cartes postales historiques, qui intègre des techniques de vision par ordinateur et de traitement du langage naturel.
Notre pipeline end-to-end actuelle utilise un modèle YOLOv12 fine-tuné pour détecter les types de texte et les marqueurs postaux, EasyOCR pour la transcription des textes, CamemBERT pour la reconnaissance d’entités nommées permettant la géolocalisation automatique, et des modèles DINOv2 pour la classification visuelle du contenu selon dix thèmes sémantiques. Un ensemble de SVM One-Vs-Rest prédisent ensuite des mots-clés pour les images dépourvues de descriptions textuelles, à l’aide des embeddings d’images issus de DINOv2. Les marques postales complexes sont, quant à elles, segmentées par un modèle YOLO de segmentation avant retranscription par un LLM.
Notre jeu de données comporte 4 293 cartes postales numérisées provenant de la région Grand Est en France (années 1890 – 1930). Nos résultats montrent que, parmi les derniers modèles YOLO, le modèle YOLOv12x optimisé atteint une précision moyenne pondérée de 0,829 pour la détection. Le modèle DINOv2 affiné atteint une précision moyenne pondérée de 0,914 pour la classification des images, tandis que CLIP et d’autres modèles de classification ne dépassent pas 0,83. Enfin, la reconnaissance d’entités nommées permet de géolocaliser 52 % des cartes postales. L’implémentation de techniques d’explicabilité, comme le Grad-CAM pour vérifier la cohérence des résultats de DINOv2, nous permet également de nous assurer de l’efficacité de notre méthodologie et de la consistance des résultats obtenus.
L’ensemble de données indexées qui en résulte offre de multiples points d’accès via une interface web interactive permettant une exploration basée sur la géolocalisation et un filtrage multicritères. Une première version du jeu de donnée comportant les zones de détection des textes et marqueurs postaux, ainsi que la transcription des textes imprimés est également disponible sur Recherche Data Gouv.
Intervenant
Matthieu Pelingre est ATER en deep learning à l’Institut des sciences du Digital, Management et Cognition (IDMC) de l’Université de Lorraine.
Captation
6 février, Victor Gay, La base Jean Nicolas. La rébellion française, 1661–1789.
Résumé
Cette intervention vise à présenter la base de données « Jean Nicolas ». Élaborée à partir des fiches manuscrites issues d’une enquête collective dirigée par l’historien Jean Nicolas pendant près de 30 ans, cette base de données détaille les modalités d’environ 8 500 événements rébellionnaires ayant eu lieu en France entre 1661 et 1789—hors Révolution française. Au-delà de la description du contenu de la base de données, cette intervention décrit le processus concret (et complexe) de construction de cette enquête collective, des premières publications de Jean Nicolas sur le sujet en 1973-1974 à son ouvrage final paru 2002. Elle vise aussi à mettre en place un appareil critique quantitatif permettant d’évaluer la représentativité des événements présents dans la base.
Intervenant
Victor Gay est enseignant-chercheur au département de sciences sociales et comportementale de l’École d’Économie de Toulouse (TSE) de l’Université Toulouse Capitole. Ses travaux en histoire économique, économie du travail et économie politique portent notamment sur les conséquences économiques de la Première Guerre mondiale, et s’appuient sur la production de grandes bases de données historiques.
