= [Citation]
Olivier Gainon, fondateur de CyLibris et pionnier de l’édition
littéraire en ligne, écrit en décembre 2000: "Il faut que le réseau
respecte les lettres accentuées, les lettres spécifiques, etc. Je crois
très important que les futurs protocoles permettent une transmission
parfaite de ces aspects - ce qui n’est pas forcément simple (dans les
futures évolutions de l’HTML ou des protocoles IP, etc.). Donc il faut
que chacun puisse se sentir à l’aise avec l’internet et que ce ne soit
pas simplement réservé à des (plus ou moins) anglophones. Il est
anormal aujourd’hui que la transmission d’accents puisse poser problème
dans les courriers électroniques. La première démarche me semble donc
une démarche technique. Si on arrive à faire cela, le reste en découle:
la représentation des langues se fera en fonction du nombre de
connectés, et il faudra envisager à terme des moteurs de recherche
multilingues."
= ASCII
Communiquer dans plusieurs langues implique d’avoir des systèmes
d'encodage adaptés à nos alphabets ou idéogrammes respectifs.
Le premier système d'encodage informatique est l’ASCII (American
standard code for information interchange). Publié en 1968 aux États-
Unis par l’American National Standards Institute (ANSI), avec
actualisation en 1977 et 1986, l'ASCII est un code standard de
128 caractères traduits en langage binaire sur sept bits (A est traduit
par "1000001", B est traduit par "1000010", etc.). Les 128 caractères
comprennent 33 caractères de contrôle (qui ne représentent donc pas de
symbole écrit) et 95 caractères imprimables: les 26 lettres sans accent
en majuscules (A-Z) et minuscules (a-z), les chiffres, les signes de
ponctuation et quelques caractères spéciaux, le tout correspondant aux
touches du clavier anglais ou américain.
L'ASCII permet uniquement la lecture de l’anglais et du latin. Il ne
permet pas de prendre en compte les lettres accentuées présentes dans
bon nombre de langues européennes, et à plus forte raison les langues
non alphabétiques (chinois, japonais, coréen, etc.). Ceci ne pose pas
de problème majeur les premières années, tant que l’échange de fichiers
électroniques se limite essentiellement à l’Amérique du Nord. Mais le
multilinguisme devient bientôt une nécessité vitale. Des variantes de
l’ASCII (norme ISO-8859 ou ISO-Latin) prennent en compte les caractères
accentués de quelques langues européennes. La variante pour le
français, par exemple, est définie par la norme ISO-8859-1 (ISO-Latin-
1).
Créé en décembre 1995 par Yoshi Mikami, informaticien à Tokyo (Japon)
dans la société Asia Info Network, le site bilingue anglais-japonais
"The Languages of the World by Computers and the Internet" (Les langues
du monde sur ordinateur et internet) est connu aussi sous le nom de
Logos Home Page ou Kotoba Home Page. Le site donne un bref historique
de chaque langue, ses caractéristiques, son système d'écriture, son jeu
de caractères et enfin la configuration du clavier dans la langue
donnée. Yoshi Mikami est également co-auteur (avec Kenji Sekine et
Nobutoshi Kohara) de "Pour un web multilingue", publié en août 1997 en
japonais par les éditions O'Reilly avant d'être traduit en anglais, en
allemand et en français (version française parue en septembre 1998).
Yoshi écrit en décembre 1998: "Ma langue maternelle est le japonais.
Comme j'ai suivi mes études de troisième cycle aux États-Unis et que
j'ai travaillé dans l'informatique, je suis devenu bilingue
japonais/anglais américain. J'ai toujours été intéressé par différentes
langues et cultures, aussi j'ai appris le russe, le français et le
chinois dans la foulée. A la fin de 1995, j'ai créé sur le web 'The
Languages of the World by Computers and the Internet' et j'ai tenté de
donner - en anglais et en japonais - un bref historique de toutes ces
langues, ainsi que les caractéristiques propres à chaque langue et à sa
phonétique. Suite à l'expérience acquise, j'ai invité mes deux associés
à écrire un livre sur la conception, la création et la présentation de
pages web multilingues, livre qui fut publié en août 1997 dans son
édition japonaise, le premier livre au monde sur un tel sujet."
Comment voit-il l'évolution vers un web multilingue? "Il y a des
milliers d'années de cela, en Égypte, en Chine et ailleurs, les gens
étaient plus sensibles au fait de communiquer leurs lois et leurs
réflexions non seulement dans une langue mais dans plusieurs. Dans
notre monde moderne, chaque État a le plus souvent adopté une seule
langue de communication. A mon avis, l'internet verra l'utilisation
plus grande de langues différentes et de pages multilingues - et pas
seulement une gravitation autour de l'anglais américain - et un usage
plus créatif de la traduction informatique multilingue. 99% des sites
web créés au Japon sont en japonais!"
= Unicode
Avec le développement du web, l’échange des données s’internationalise
de plus en plus. On ne peut plus se limiter à l’utilisation de
l’anglais et de quelques langues européennes, traduites par un système
d’encodage datant de 1968. De plus, le passage de l’ASCII original à
ses différentes extensions devient vite un véritable casse-tête, y
compris au sein de l’Union européenne, les problèmes étant entre autres
la multiplication des variantes, la corruption des données dans les
échanges informatiques ou encore l’incompatibilité des systèmes, les
pages ne pouvant être affichées que dans une seule langue à la fois.
Publié pour la première fois en janvier 1991, l’Unicode est un système
d'encodage "universel" sur 16 bits spécifiant un nombre unique pour
chaque caractère. Ce nombre est lisible quels que soient la plateforme,
le logiciel et la langue utilisés. L’Unicode peut traiter 65.000
caractères uniques et prendre en compte tous les systèmes d’écriture de
la planète. A la grande satisfaction des linguistes, il remplace
progressivement l’ASCII. L’Unicode dispose de plusieurs variantes en
fonction des besoins, par exemple UTF-8, UTF-16 et UTF-32 (UTF: Unicode
transformation format). Il devient une composante des spécifications du
World Wide Web Consortium (W3C), l'organisme international chargé du
développement du web.
L’utilisation de l’Unicode se généralise en 1998, par exemple pour les
fichiers texte sous plateforme Windows (Windows NT, Windows 2000,
Windows XP et versions suivantes), qui étaient jusque-là en ASCII.
Mais l’Unicode ne peut résoudre tous les problèmes, comme le souligne
en juin 2000 Luc Dall’Armellina, co-auteur et webmestre d’oVosite, un
espace d’écriture hypermédia: "Les systèmes d’exploitation se dotent
peu à peu des kits de langues et bientôt peut-être de polices de
caractères Unicode à même de représenter toutes les langues du monde;
reste que chaque application, du traitement de texte au navigateur web,
emboîte ce pas. Les difficultés sont immenses: notre clavier avec ses ±
250 touches avoue ses manques dès lors qu’il faille saisir des Katakana
ou Hiragana japonais, pire encore avec la langue chinoise. La grande
variété des systèmes d’écriture de par le monde et le nombre de leurs
signes font barrage. Mais les écueils culturels ne sont pas moins
importants, liés aux codes et modalités de représentation propres à
chaque culture ou ethnie."
Patrick Rebollar, professeur de littérature française au Japon et
modérateur de la liste de diffusion LITOR (littérature et ordinateur),
donne son sentiment en janvier 2000: "Il s'agit d'abord d'un problème
logiciel. Comme on le voit avec Netscape ou Internet Explorer, la
possibilité d'affichage multilingue existe. La compatibilité entre ces
logiciels et les autres (de la suite Office de Microsoft, par exemple)
n'est cependant pas acquise. L'adoption de la table Unicode devrait
résoudre une grande partie des problèmes, mais il faut pour cela
réécrire la plupart des logiciels, ce à quoi les producteurs de
logiciels rechignent du fait de la dépense, pour une rentabilité qui
n'est pas évidente car ces logiciels entièrement multilingues
intéressent moins de clients que les logiciels de navigation."
= ASCII et/ou Unicode
Le Projet Gutenberg est fondé dès 1971 par Michael Hart pour numériser
les oeuvres littéraires et les mettre gratuitement à la disposition de
tous. Qu’elles aient été numérisées il y a des années ou qu’elles
soient numérisées maintenant, toutes les oeuvres sont numérisées en
mode texte, en utilisant l’ASCII original sur sept bits ou, pour les
langues avec accents, l'ASCII sur huit bits prenant en compte les
caractères accentués. Mais, même dans ce cas, le Projet Gutenberg
propose aussi systématiquement en complément une version ASCII sur sept
bits sans accents. Sauf, bien entendu, dans le cas de langues non
encodables en ASCII, comme le chinois, qui est encodé au format Big-5.
Surnommé à juste raison "le plus petit dénominateur commun", l'ASCII
sur sept bits est le seul format compatible avec 99% des machines et
des logiciels, et pouvant être converti dans de nombreux autres
formats. Il sera toujours utilisé quand d’autres formats auront
disparu, à commencer par les formats éphémères liés à quelques
appareils de lecture lancés entre 1999 et 2003 et déjà disparus du
marché. Il est l’assurance que les collections ne deviendront jamais
obsolètes, et survivront aux changements technologiques des prochaines
décennies ou même des prochains siècles. Il n'existe pas d'autre
standard aussi largement utilisé, y compris l'Unicode, système
d'encodage "universel" créé en 1991. Ce jusqu'en 2008, date à laquelle
les deux systèmes d'encodage sont également représentés sur le web.
Le Projet Gutenberg propose certains livres dans d’autres formats que
l'ASCII, notamment dans les trois formats répandus que sont les formats
HTML, XML et RTF. Des fichiers Unicode sont également présents. De
plus, tout format proposé par tel ou tel volontaire est généralement
accepté (PDF, LIT, TeX et beaucoup d'autres), dans la mesure où un
fichier ASCII est également présent.
En ce qui concerne les langues, le Projet Gutenberg est essentiellement
anglophone, puisqu’il est basé aux États-Unis et qu'il sert en priorité
la communauté anglophone nationale et internationale. En octobre 1997,
Michael Hart annonce son intention d'intensifier la production de
livres dans des langues autres que l'anglais. Début 1998, le catalogue
comprend quelques oeuvres en allemand, en espagnol, en français (dix
titres), en italien et en latin. En juillet 1999, Michael écrit:
"J'introduis une nouvelle langue par mois maintenant, et je vais
poursuivre cette politique aussi longtemps que possible."
Le multilinguisme devient ensuite l'une des priorités du Projet
Gutenberg, tout comme l'internationalisation, avec le Project Gutenberg
Australia (créé en août 2001), le Projet Gutenberg Europe (créé en
janvier 2004), le Project Gutenberg Canada (créé en juillet 2007), et
d'autres Projet Gutenberg à venir dans divers pays. Dans le Projet
Gutenberg original, 25 langues sont représentées en janvier 2004 et 42
langues en juillet 2005. Dès ses débuts en janvier 2004, Distributed
Proofreaders Europe (DP Europe) est un site multilingue, qui prend en
compte les principales langues nationales. Ce site est calqué sur le
site original de Distributed Proofreaders, pour gérer la relecture
partagée entre les volontaires. En avril 2004, grâce à des traducteurs
volontaires, le site de DP Europe est disponible en douze langues.
L'objectif à moyen terme est un site en soixante langues, et donc
soixante équipes linguistiques, avec prise en compte de toutes les
langues européennes. DP Europe utilise l'Unicode et non l'ASCII, pour
pouvoir traiter des livres dans un grand nombre de langues.