LES MUTATIONS DU LIVRE © 2007 by Marie Lebert is licensed under
CC BY-NC-SA 4.0. To view a copy of this license, visit
https://creativecommons.org/licenses/by-nc-sa/4.0/
LES MUTATIONS DU LIVRE
MARIE LEBERT
NEF, University of Toronto, 2007
Copyright © 2007 Marie Lebert
Daté de septembre 2007, un livre de synthèse de 1971 à nos jours, basé sur le
suivi de l'actualité francophone et internationale, et issu des multiples liens
tissés sur la toile avec nombre de professionnels du livre au fil des ans. La
version originale est disponible sur le NEF:
http://www.etudes-francaises.net/dossiers/mutations.htm
TABLE
1. En quelques mots
2. Introduction
3. Le Projet Gutenberg
4. Des livres à vendre sur le web
5. Les auteurs tissent leur toile
6. Les éditeurs sur le réseau
7. La mue des bibliothèques
8. Une vaste encyclopédie
9. Le livre numérique
10. Les supports de lecture
11. Une information multilingue
12. De nombreux défis
13. Conclusion
14. Chronologie commentée
15. Remerciements
16. Commentaires
17. Sites et pages web
18. Index
1. EN QUELQUES MOTS
«Les mutations du livre» est un livre de synthèse de 1971 à nos jours, basé sur
le suivi de l'actualité francophone et internationale, et issu des multiples
liens tissés sur la toile avec nombre de professionnels du livre au fil des ans.
L’internet et les technologies numériques bouleversent le monde du livre.
Imprimé sous de multiples formes depuis plus de cinq siècles, le livre se
convertit. Si le livre imprimé a toujours sa place, d’autres supports se
développent, et les habitudes de travail changent. On voit apparaître les textes
électroniques, les bibliothèques numériques, les librairies en ligne, les
éditeurs électroniques, les encyclopédies en ligne, les oeuvres hypermédias, les
logiciels de lecture et les appareils de lecture dédiés. Le web devient une
vaste encyclopédie et le patrimoine mondial est en cours de numérisation. Le
papier électronique est pour bientôt. Basé sur une centaine d’entretiens, ce
livre tente de faire le tour de la question. Il est complété par une chronologie
détaillée et une liste de sites web.
Marie Lebert est chercheuse et journaliste. Elle s’intéresse de près aux
changements apportés par les technologies numériques dans le monde du livre et
celui des langues. «Après De l'imprimé à Internet (00h00, 1999), Le Livre 010101
(NEF/Numilog, 1993-2003) et le Dictionnaire du NEF (2003-2007), la journaliste
la plus assidue de la sphère cyberbibliophile nous livre un nouvel état des
lieux de la révolution numérique engagée au milieu des années 90 dans le secteur
du livre et de la culture. La chronologie méticuleuse et sourcée de Marie Lebert
retend le fil d'Ariane que l'on croyait définitivement perdu avec le brouillage
sémantique de ces dernières années.» (Marc Autret, juillet 2007)
Ce livre est issu des multiples liens tissés sur le Net des études françaises
(NEF), fondé en mai 2000 par Russon Wooldridge, professeur à l’Université de
Toronto (Canada). Le NEF se veut d’une part «un filet trouvé qui ne capte que
des morceaux choisis du monde des études françaises, tout en tissant des liens
entre eux», d’autre part un réseau dont les «auteurs sont des personnes oeuvrant
dans le champ des études françaises et partageant librement leur savoir et leurs
produits avec autrui», deux belles définitions qui conviennent aussi à ce livre
et aux nombreux entretiens, études et enquêtes qui l'ont précédé. L'ensemble de
ces travaux est librement disponible en ligne sur le NEF.
2. INTRODUCTION
L’internet et les technologies numériques bouleversent le monde du livre.
Imprimé sous de multiples formes depuis plus de cinq siècles, le livre se
convertit. Si le livre imprimé a toujours sa place, d’autres supports se
développent, et les habitudes de travail changent. On voit apparaître les textes
électroniques, les bibliothèques numériques, les librairies en ligne, les
éditeurs électroniques, les encyclopédies en ligne, les oeuvres hypermédias, les
logiciels de lecture et les appareils de lecture dédiés. Le web devient une
vaste encyclopédie et le patrimoine mondial est en cours de numérisation. Le
papier électronique est pour bientôt.
Apparu en 1974, l’internet est d’abord un phénomène expérimental enthousiasmant
quelques branchés. A partir de 1983, il relie les centres de recherche et les
universités. Suite à l’apparition du web en 1990 et du premier navigateur en
1993, il envahit notre vie quotidienne. Les signes cabalistiques des adresses
web fleurissent sur les livres, les journaux, les affiches et les publicités. La
presse s’enflamme pour ce nouveau médium. La majuscule d’origine d’Internet
s’estompe. Internet devient l’internet, avec un «i» minuscule. De nom propre il
devient nom commun, au même titre que l’ordinateur, le téléphone, le fax et le
minitel. La même remarque vaut pour le World Wide Web, qui devient tout
simplement le web.
Alors que leur vie professionnelle était relativement stable jusque-là, les
professionnels du livre doivent composer avec un outil nouveau venu bousculer
l’imprimé pluricentenaire. Antagonisme ou complémentarité? L’internet avale-t-il
vraiment le monde de l’imprimé? L’internet révolutionne-t-il vraiment le monde
du livre, au même titre que l’imprimerie en d’autres temps? Certains annoncent
même la mort prochaine du papier traditionnel et son remplacement par le papier
électronique.
Au début des années 2000, des milliers d’oeuvres du domaine public sont en accès
libre sur le web. Les libraires et les éditeurs ont pour la plupart un site web.
Certains naissent directement sur le web, avec la totalité de leurs
transactions s'effectuant via l’internet. De plus en plus de livres et revues ne
sont disponibles qu’en version numérique, pour éviter les coûts d’une
publication imprimée. L’internet devient indispensable pour se documenter, avoir
accès aux documents et élargir ses connaissances. Le web devient une gigantesque
encyclopédie, une énorme bibliothèque, une immense librairie et un médium des
plus complets. De statique dans les livres imprimés, l’information devient
fluide, avec possibilité d’actualisation constante.
A ceci s’ajoute la mise au point de technologies numériques pour faire passer
les oeuvres du papier à l’écran, pour concevoir des logiciels de lecture et pour
mettre au point des appareils de lecture. Le livre imprimé doit désormais
compter avec le livre numérique, qu’on peut lire sur son ordinateur, sur son
assistant personnel (PDA), sur son téléphone ou sur un appareil dédié. Des
écrivains explorent les possibilités offertes par l’hyperlien et le courriel
pour créer des oeuvres d’un genre nouveau.
Contrairement aux pronostics un peu rapides de quelques spécialistes
enthousiastes, le livre imprimé n’est pas menacé pour autant, loin s’en faut, et
il est un peu tôt pour pleurer la mort du papier. On a désormais deux supports -
papier et numérique - au lieu d’un seul. Si les lecteurs sont maintenant
nombreux à utiliser les ressources offertes par le numérique, peu d'entre eux
sont devenus pour autant des adeptes du «zéro papier», et beaucoup restent
amoureux du livre imprimé, à la fois pour son côté pratique et pour le plaisir
de l’objet.
Le livre imprimé a cinq siècles et demi. Le livre numérique a tout juste 35 ans.
Il est né avec le Projet Gutenberg, créé en juillet 1971 par Michael Hart pour
distribuer gratuitement les oeuvres du domaine public par voie électronique. Si
on le réduit à son aspect commercial, il est né en mai 1998 avec la mise en
vente des premiers titres numériques par les éditions 00h00.
Signe des temps, en novembre 2000, la British Library met en ligne la version
numérique de la Bible de Gutenberg, premier livre à avoir jamais été imprimé.
Datant de 1454 ou 1455, cette Bible aurait été imprimée par Gutenberg en 180
exemplaires dans son atelier de Mayence, en Allemagne. 48 exemplaires, dont
certains incomplets, existeraient toujours. La British Library en possède deux
versions complètes, et une partielle. En mars 2000, dix chercheurs et experts
techniques de l’Université Keio de Tokyo et de NTT (Nippon Telegraph and
Telephone Communications) viennent travailler sur place pendant deux semaines
pour numériser les deux versions complètes, légèrement différentes.
Le présent livre se base à la fois sur le suivi de l’actualité et sur une
centaine d’entretiens menés par courriel dans nombre de pays et sur plusieurs
années, les mêmes personnes étant souvent interviewées plusieurs fois. Il ne
prend malheureusement pas en compte - ou si peu - les vastes domaines que sont
les manuels d’enseignement et les livres pour enfants. On ne parle donc ni du
cartable électronique ni de Harry Potter, excepté pour son édition en braille.
Les quelque 250 pages de ce livre ne peuvent couvrir les multiples facettes d’un
sujet qui évolue sans arrêt. Tenter de faire le tour de la question ne signifie
pas prétendre à l’exhaustivité, malheureusement. On s’est également efforcé
d’éviter le jargon informatique réservé aux initiés, ce qui n’est pas toujours
facile. Tout en restant modeste, parce que tenter de concilier analyse et
synthèse est loin d’être évident. Et coller à l’actualité tout en gardant le
recul nécessaire est souvent une gageure.
Ce livre se veut francophone, sans souci de frontières. On privilégie les
informations concernant l’ensemble de la Francophonie, plutôt que celles
provenant d’un pays donné. Tout en accordant une large place à la communauté
anglophone, pour des raisons évidentes, l’internet ayant débuté en Amérique du
Nord avant de s’étendre au monde entier. On n’oublie pas non plus le grand pôle
technologique qu’est l’Asie. Nombreuses sont les informations concernant
l’ensemble de la planète, l’internet n’ayant pas de frontières.
Autre originalité du présent livre, la quasi-totalité des informations émane de
l’internet. Les premiers sites sont «épluchés» directement sur le web dès ses
débuts, à l’époque où il est encore embryonnaire. Le travail se poursuit au fil
des ans, en suivant l’actualité sur la vaste encyclopédie que devient le web.
Les entretiens sont conduits via l’internet après avoir trouvé les courriels des
personnes concernées sur leurs sites respectifs. Les échanges se poursuivent
d’année en année, à distance et en personne. La totalité des entretiens, études,
enquêtes et analyses est disponible en ligne sur le Net des études françaises
(www.etudes-francaises.net/entretiens/), basé à l’Université de Toronto
(Canada).
3. LE PROJET GUTENBERG
[3.1. De 1971 à 2006 / Un pari sur 35 ans / Gestation puis persévérance / De dix
à mille livres / De mille à dix mille livres / De dix mille à vingt mille livres
// 3.2. La méthode adoptée // 3.3. La correction partagée // 3.4. Des
collections multilingues // 3.5. Du passé vers l’avenir // 3.6. Chronologie]
Si le livre imprimé a cinq siècles et demi, le livre numérique a tout juste 35
ans. Il est né avec le Projet Gutenberg, créé en juillet 1971 par Michael Hart
pour diffuser gratuitement sous forme électronique les oeuvres littéraires du
domaine public. Site pionnier à tous égards, le Projet Gutenberg est à la fois
le premier site d’information sur un réseau encore embryonnaire et la première
bibliothèque numérique. Longtemps considéré par ses détracteurs comme totalement
irréaliste, le Projet Gutenberg compte 20.000 titres en décembre 2006, avec des
dizaines de milliers de téléchargements quotidiens. A ce jour, personne n’a fait
mieux pour mettre les classiques de la littérature mondiale à la disposition de
tous, ni pour créer à moindres frais un immense réseau de volontaires de par le
monde, sans gâchis de compétences ni d’énergie.
3.1. De 1971 à 2006
= Un pari sur 35 ans
Les vingt premières années, Michael Hart numérise lui-même les cent premiers
livres, avec l’aide occasionnelle de telle ou telle personne. Lorsque
l’utilisation du web se généralise au milieu des années 1990, le projet trouve
un second souffle et un rayonnement international. Tout en continuant de
numériser des livres, Michael Hart coordonne désormais le travail de dizaines
puis de centaines de volontaires de par le monde. Les collections atteignent
1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre
2000 et 4.000 livres en octobre 2001.
Trente ans après ses débuts, le Projet Gutenberg fonctionne à plein régime. La
barre des 5.000 livres est franchie en avril 2002, celle des 10.000 livres en
octobre 2003, celle des 15.000 livres en janvier 2005 et celle des 20.000 livres
en décembre 2006. Avec 360 nouveaux livres par mois, 38 sites miroirs dans de
nombreux pays, plusieurs dizaines de milliers de téléchargements par jour et des
milliers de volontaires toutes équipes confondues.
Qu’ils aient été numérisés il y a trente ans ou qu’ils soient numérisés
maintenant, tous les livres sont numérisés en mode texte, en utilisant l’ASCII
(American standard code for information interchange) original sur sept bits,
avec des règles précises pour le formatage. Grâce à quoi les textes peuvent être
lus sans problème quels que soient la machine, la plateforme et le logiciel
utilisés, y compris sur un PDA ou sur une tablette de lecture. Libre ensuite à
chacun de convertir les livres dans d'autres formats, après avoir vérifié que
les oeuvres sont également du domaine public dans le pays concerné.
En janvier 2004, le Projet Gutenberg essaime outre-Atlantique avec la création
du Projet Gutenberg Europe. A la mission originelle s’ajoute le rôle de
passerelle entre les langues et les cultures, l’objectif étant une bibliothèque
d’un million de livres d’ici 2015, avec de nombreuses sections nationales et
linguistiques. Tout en conservant la même ligne de conduite, à savoir la lecture
pour tous à moindres frais, par le biais du texte électronique gratuit,
indéfiniment utilisable et reproductible. Et, dans un deuxième temps, la
numérisation de l’image et du son, dans le même esprit.
= Gestation puis persévérance
Revenons aux tous débuts du projet. Alors étudiant à l’Université d’Illinois
(Etats-Unis), Michael Hart se voit attribuer 100 millions de dollars de «temps
machine» par le laboratoire informatique (Materials Research Lab) de son
université. Le 4 juillet 1971, jour de la fête nationale, il saisit The United
States Declaration of Independence (Déclaration de l’indépendance des
Etats-Unis, signée le 4 juillet 1776) sur le clavier de son ordinateur. En
caractères majuscules, puisque les caractères minuscules n’existent pas encore.
Le texte électronique représente 5 Ko (kilo-octets). Mais l’envoi d’un fichier
de 5 Ko à la centaine de personnes que représente le réseau de l’époque aurait
fait imploser celui-ci, la bande passante étant infime. Michael Hart diffuse
donc un message indiquant où le texte est stocké (sans lien hypertexte
toutefois, puisque le web ne voit le jour que vingt ans après), suite à quoi le
fichier est téléchargé par six personnes. Le Projet Gutenberg est né.
Dans la foulée, Michael Hart décide de consacrer ce crédit-temps de 100 millions
de dollars à la recherche des oeuvres du domaine public disponibles en
bibliothèque et à la numérisation de celles-ci. Il décide aussi de stocker les
textes électroniques de la manière la plus simple possible, au format ASCII,
pour que ces textes puissent être lus sans problème quels que soient la machine,
la plateforme et le logiciel utilisés. Au lieu d’un ensemble de pages reliées,
le livre devient un texte électronique que l’on peut dérouler en continu, avec
des lettres capitales pour les termes en italique, en gras et soulignés de la
version imprimée.
Peu après, il définit la mission du Projet Gutenberg: mettre à la disposition de
tous, par voie électronique, le plus grand nombre possible d’oeuvres du domaine
public. «Nous considérons le texte électronique comme un nouveau médium, sans
véritable relation avec le papier», explique-t-il beaucoup plus tard, en août
1998. «Le seul point commun est que nous diffusons les mêmes oeuvres, mais je ne
vois pas comment le papier peut concurrencer le texte électronique une fois que
les gens y sont habitués, particulièrement dans les écoles.»
Après avoir saisi The United States Declaration of Independence en 1971, Michael
Hart poursuit ses efforts en 1972 en saisissant un texte plus long, The United
States Bill of Rights (Déclaration des droits américaine). Cette Déclaration des
droits comprend les dix premiers amendements ajoutés en 1789 à la Constitution
des Etats-Unis (qui date elle-même de 1787), et définissant les droits
individuels des citoyens et les pouvoirs respectifs du gouvernement fédéral et
des Etats. En 1973, Michael Hart saisit The United States Constitution
(Constitution des Etats-Unis) dans son entier.
D’année en année, la capacité de la disquette augmente régulièrement (le disque
dur n’existe pas encore), si bien qu'il est possible d’envisager des fichiers de
plus en plus volumineux. Michael Hart entreprend la numérisation de la Bible,
composée elle-même de plusieurs «livres», qui peuvent être traités séparément et
occuper chacun un fichier différent. Il débute aussi la saisie des oeuvres
complètes de Shakespeare, une pièce après l’autre, avec un fichier pour chaque
pièce. Cette édition n'est d’ailleurs jamais mise en ligne, du fait d’une loi
plus contraignante sur le copyright entrée en vigueur dans l’intervalle, et qui
vise non pas le texte de Shakespeare, tombé depuis longtemps dans le domaine
public, mais les commentaires et notes de cette édition. D’autres éditions
annotées appartenant au domaine public sont mises en ligne quelques années
après.
Parallèlement, l’internet, qui était encore embryonnaire en 1971, débute
véritablement en 1974, suite à la création du protocole TCP/IP (transmission
control protocol / internet protocol). En 1983, le réseau est en plein essor.
= De dix à mille livres
En août 1989, le Projet Gutenberg met en ligne son dixième texte, The King James
Bible. En 1990, les internautes sont au nombre de 250.000, et le standard en
vigueur est la disquette de 360 Ko (kilo-octets). En janvier 1991, Michael Hart
saisit Alice’s Adventures in Wonderland (Alice au pays des merveilles) de Lewis
Carroll (paru en 1865). En juillet de la même année, il saisit Peter Pan de
James M. Barrie (paru en 1904). Ces deux classiques de la littérature enfantine
tiennent chacun sur une disquette standard.
Arrive ensuite le web, opérationnel en 1991. Le premier navigateur, Mosaic,
apparaît en novembre 1993. Lorsque l’utilisation du web se généralise, il
devient plus facile de faire circuler les textes électroniques et de recruter
des volontaires. Le Projet Gutenberg rode sa méthode de travail, avec la
numérisation d’un texte par mois en 1991, deux textes par mois en 1992, quatre
textes par mois en 1993 et huit textes par mois en 1994. En janvier 1994, le
Projet Gutenberg fête son centième livre avec la mise en ligne de The Complete
Works of William Shakespeare (Les oeuvres complètes de William Shakespeare). La
production continue ensuite d’augmenter, avec une moyenne de 8 textes par mois
en 1994, 16 textes par mois en 1995 et 32 textes par mois en 1996.
Comme on le voit, entre 1991 et 1996, la production double chaque année. Tout en
continuant de numériser des livres, Michael Hart coordonne désormais le travail
de dizaines de volontaires. Depuis la fin 1993, le Projet Gutenberg s’articule
en trois grands secteurs: a) «Light Literature» (littérature de divertissement),
qui inclut par exemple Alice’s Adventures in Wonderland, Peter Pan ou Aesop’s
Fables (Les Fables d’Esope) ; b) «Heavy Literature» (littérature «sérieuse»),
qui inclut par exemple La Bible, les oeuvres de Shakespeare ou Moby Dick ; c)
«Reference Literature» (littérature de référence), composée d’encyclopédies et
de dictionnaires, par exemple le Roget’s Thesaurus. Cette présentation en trois
secteurs est abandonnée par la suite.
Le Projet Gutenberg se veut «universel», aussi bien pour les oeuvres choisies
que pour le public visé, le but étant de mettre la littérature à la disposition
de tous, en dépassant largement le public habituel des étudiants et des
enseignants. Le secteur consacré à la littérature de divertissement est destiné
à amener devant l’écran un public très divers, par exemple des enfants et leurs
grands-parents recherchant le texte électronique de Peter Pan après avoir vu le
film Hook, ou bien la version électronique d’Alice au pays des merveilles après
avoir regardé l'adaptation filmée à la télévision, ou encore l’origine d’une
citation littéraire après avoir vu un épisode de Star Trek. Pratiquement tous
les épisodes de Star Trek citent des livres ayant leur correspondant numérique
dans les collections du Projet Gutenberg.
L’objectif est donc que tous les publics, qu’ils soient familiers ou non avec le
livre imprimé, puissent facilement retrouver des textes entendus dans des
conversations, des films, des musiques, ou alors lus dans d’autres livres,
journaux et magazines. Les fichiers électroniques prennent peu de place grâce à
l’utilisation du format ASCII. On peut facilement les télécharger par le biais
de la ligne téléphonique. La recherche textuelle est tout aussi simple. Il
suffit d’utiliser la fonction «recherche» présente dans n’importe quel logiciel.
En 1997, la production est toujours de 32 titres par mois. En juin 1997, le
Projet Gutenberg met en ligne The Merry Adventures of Robin Hood (Les aventures
de Robin des Bois) de Howard Pyle (paru en 1883). En août 1997, il met en ligne
son millième texte électronique, La Divina Commedia di Dante (La Divine Comédie
de Dante, parue en 1321), dans sa langue d’origine, en italien.
En août 1998, Michael Hart écrit: «Mon projet est de mettre 10.000 textes
électroniques sur l’internet. (Ce sera chose faite en octobre 2003, ndlr.) Si je
pouvais avoir des subventions importantes, j’aimerais aller jusqu’à un million
et étendre aussi le nombre de nos usagers potentiels de 1,x% à 10% de la
population mondiale, ce qui représenterait la diffusion de 1.000 fois un
milliard de textes électroniques au lieu d’un milliard seulement.»
= De mille à dix mille livres
Entre 1998 et 2000, la moyenne est constante, avec 36 textes par mois. En mai
1999, les collections comptent 2.000 livres. Le 2.000e texte est Don Quijote
(Don Quichotte) de Cervantès (paru en 1605), dans sa langue d’origine, en
espagnol.
Disponible en décembre 2000, le 3.000e titre est le troisième volume de A
l’ombre des jeunes filles en fleurs de Marcel Proust (paru en 1919), dans sa
langue originale, en français. La moyenne passe à 104 livres par mois en 2001.
Mis en ligne en octobre 2001, le 4.000e texte est The French Immortals Series
(La série des Immortels français), dans sa traduction anglaise. Publié en 1905
par la Maison Mazarin (Paris), ce livre rassemble plusieurs fictions d’écrivains
couronnés par l’Académie française, comme Emile Souvestre, Pierre Loti, Hector
Malot, Charles de Bernard, Alphonse Daudet, etc.
Disponible en avril 2002, le 5.000e texte est The Notebooks of Leonardo da Vinci
(Les Carnets de Léonard de Vinci), qui datent du début du 16e siècle. Un texte
qui, en 2008, se trouve toujours dans le «Top 100» des livres téléchargés.
En 1988, Michael Hart choisit de numériser Alice’s Adventures in Wonderland et
Peter Pan parce que, dans l’un et l’autre cas, leur version numérisée tient sur
la disquette standard de l’époque de 360 Ko (kilo-octets). Quinze ans plus tard,
en 2002, on dispose de disquettes de 1,44 Mo (mégaoctets) et on peut aisément
compresser les fichiers en les zippant. Un fichier standard peut désormais
comporter trois millions de caractères, plus qu’il n’en faut pour un livre de
taille moyenne. Un roman de 300 pages numérisé au format ASCII représente un
mégaoctet. Un livre volumineux représente deux fichiers ASCII, téléchargeables
tels quels ou en version zippée.
Cinquante heures environ sont nécessaires pour sélectionner un livre de taille
moyenne, vérifier qu’il est bien du domaine public, le scanner, le corriger, le
formater et le mettre en page.
Quelques numéros de livres sont réservés pour l’avenir, par exemple le numéro
1984 (eBook #1984) pour le roman éponyme de George Orwell, publié en 1949, et
qui est donc loin d’être tombé dans le domaine public.
En 2002, les collections s’accroissent de 203 titres par mois. Au printemps
2002, elles représentent le quart des oeuvres du domaine public en accès libre
sur le web, recensées de manière pratiquement exhaustive par l’Internet Public
Library (IPL). Un beau résultat dû au patient travail de milliers de volontaires
actifs dans plusieurs pays.
1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre
2000, 4.000 livres en octobre 2001, 5.000 livres en avril 2002, 10.000 livres en
octobre 2003. Le 10.000e livre est The Magna Carta, qui fut le premier texte
constitutionnel anglais, signé au début du 13e siècle.
Entre avril 2002 et octobre 2003, les collections doublent, passant de 5.000 à
10.000 livres en dix-huit mois. La moyenne mensuelle est de 348 livres numérisés
en 2003.
Un CD «Best of Gutenberg» est disponible en août 2003 avec une sélection de 600
livres. En décembre 2003, date à laquelle le Projet Gutenberg franchit la barre
des 10.000 livres, la quasi-totalité des livres (9.400 livres) est gravée sur un
DVD. CD et DVD sont envoyés gratuitement à qui en fait la demande. Libre ensuite
à chacun de faire autant de copies que possible et de les distribuer autour de
soi.
Dix mille livres. Un chiffre impressionnant quand on pense à ce que cela
représente de pages scannées, relues et corrigées. Cette croissance rapide est
due à l’activité de Distributed Proofreaders (DP), un site conçu en 2000 par
Charles Franks pour permettre la correction partagée. Les volontaires
choisissent un livre en cours de traitement pour relire et corriger une page
donnée. Chacun travaille à son propre rythme. A titre indicatif, le site
conseille de relire une page par jour. C’est peu de temps sur une journée, et
c’est beaucoup pour le projet.
= De dix mille à vingt mille livres
En décembre 2003, les collections approchent les 11.000 livres. Plusieurs
formats sont désormais présents, à commencer par les formats HTML, XML et RTF,
le format principal (et obligatoire) restant l’ASCII. Le tout représente 46.000
fichiers, soit une capacité totale de 110 gigaoctets. Le 13 février 2004, date
de la conférence de Michael Hart au siège de l’UNESCO à Paris, les collections
comprennent très exactement 11.340 livres dans 25 langues différentes. En mai
2004, les 12.581 livres disponibles représentent 100.000 fichiers dans vingt
formats différents, soit une capacité totale de 135 gigaoctets, destinée à
doubler chaque année avec l’ajout de plus de 300 livres par mois (348 livres en
2003 et 338 livres en 2004).
Parallèlement, le Project Gutenberg Consortia Center (PGCC), qui avait été lancé
en 1997 pour rassembler des collections de livres numériques avec point d’accès
unique, est officiellement affilié au Projet Gutenberg en 2003. Par ailleurs, à
l’instigation du Projet Rastko, basé à Belgrade (Serbie), les activités du
Projet Gutenberg Europe débutent en janvier 2004, avec la mise en ligne des cent
premiers livres dans les mois qui suivent. La présence de plusieurs langues
reflète la diversité linguistique prévalant en Europe. Cent langues sont prévues
sur le long terme.
En janvier 2005, le Projet Gutenberg fête ses 15.000 livres, avec la mise en
ligne de The Life of Reason de George Santayana (paru en 1906). En juin 2005, le
nombre de livres s’élève à 16.000 et 42 langues sont représentées. Le 3 août
2005, outre l’anglais (14.590 livres), six langues disposent d’un nombre de
livres significatif: le français (578 livres), l’allemand (349 livres), le
finnois (225 livres), le hollandais (130 livres), l’espagnol (105 livres) et le
chinois (69 livres).
Lancé en août 2001, le Project Gutenberg of Australia fête ses 500 livres en
juillet 2005, tandis que le Project Gutenberg of Canada est en gestation, avec
un suivi grâce à la liste PGCanada. Les choses sont en bonne voie pour un Projet
Gutenberg au Portugal et aux Philippines.
En décembre 2006, le Projet Gutenberg franchit la barre des 20.000 livres, dont
10.000 produits par Distributed Proofreaders depuis octobre 2000. La moyenne est
de 346 nouveaux livres par mois en 2006. Le nombre de nouveaux livres pour
l’année 2006 s’élève à 4.146 alors qu’il était de 3 186 pour l’année 2005. S'il
a fallu 32 ans pour numériser les 10.000 premiers livres, entre juillet 1971 et
octobre 2003, il n’a fallu que trois ans et deux mois, d’octobre 2003 à décembre
2006, pour numériser les 10.000 livres suivants. Le Project Gutenberg of
Australia approche les 1.500 livres (c'est chose faite en avril 2007). Le Projet
Gutenberg Europe compte 500 livres.
La section Project Gutenberg PrePrints débute en janvier 2006 pour accueillir de
nouveaux documents suffisamment intéressants pour être mis en ligne, mais ne
pouvant être intégrés aux collections existantes sans traitement ultérieur par
des volontaires, pour diverses raisons: collections incomplètes, qualité
insuffisante, conversion souhaitée dans un autre format, etc. Cette section
comprend 379 titres en décembre 2006.
Le site Project Gutenberg News débute en novembre 2006 à l’instigation de Mike
Cook, le nouvel éditeur de la lettre d’information hebdomadaire et mensuelle. Le
site offre par exemple les statistiques de production hebdomadaires, mensuelles
et annuelles depuis 2001. La production hebdomadaire est de 24 livres en 2001,
47 livres en 2002, 79 livres en 2003, 78 livres en 2004, 58 livres en 2005 et 80
livres en 2006. La production mensuelle est de 104 livres en 2001, 203 livres en
2002, 348 livres en 2003, 338 livres en 2004, 251 livres en 2005 et 346 livres
en 2006. La production annuelle est de 1.244 livres en 2001, 2.432 livres en
2002, 4.176 livres en 2003, 4.058 livres en 2004, 3.017 livres en 2005 et 4.146
livres en 2006.
3.2. La méthode adoptée
Qu’ils aient été numérisés il y a des années ou qu’ils soient numérisés
maintenant, tous les livres sont numérisés en mode texte, en utilisant l’ASCII
original. Présent dès les débuts de l’informatique et dénommé Plain Vanilla
ASCII, cet ASCII sur sept bits traite 128 caractères, dont 97 caractères
imprimables correspondant aux touches du clavier anglais ou américain (A-Z, a-z,
chiffres, ponctuation et quelques symboles). Dans le cas de langues autres que
l’anglais, on utilise des extensions de l’ASCII (appelées ISO-8859 ou ISO-Latin)
prenant en compte les caractères accentués. Mais, même dans ce cas, le Projet
Gutenberg propose systématiquement en complément une version ASCII sur sept bits
sans accents. Sauf, bien entendu, dans le cas de langues non traduisibles en
ASCII, comme le chinois, qui est encodé au format Big-5.
Dénommé à juste titre 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 d’autres formats. Il sera toujours utilisé quand d’autres
formats auront disparu, à commencer par les formats éphémères liés à quelques
tablettes de lecture commercialisées entre 1999 et 2003 et déjà disparues 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
pour le moment, y compris l’Unicode, système d’encodage «universel» créé en
1991.
Le Projet Gutenberg propose toutefois certains livres dans d’autres formats,
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 (PDF, LIT, TeX et beaucoup d’autres) est généralement
accepté, dans la mesure où un fichier ASCII est également présent.
Pour une conversion à grande échelle dans un format donné, le relais est passé à
d’autres organismes. Par exemple Blackmask Online, qui puise dans les
collections du Projet Gutenberg pour proposer des milliers de livres gratuits
dans huit formats différents, tous issus du format Open eBook (OeB). Ou encore
Manybooks.net, qui convertit les collections du Projet Gutenberg dans des
formats lisibles sur PDA. Ou encore GutenMark, un outil permettant de reformater
les livres aux formats HTML et LaTEX pour une lecture plus attractive ou de les
reformater au format PDF pour une impression à la demande. Ou encore
MobileBooks, qui propose 5.000 livres en Java pour lecture sur l’écran d’un
téléphone portable. Ou encore Bookshare.org, la grande bibliothèque numérique
destinée aux personnes aveugles et malvoyantes résidant aux Etats-Unis.
Bookshare.org utilise les collections du Projet Gutenberg pour offrir les
classiques du domaine public au format braille et au format DAISY, qui permet
l’écoute du livre sur synthèse vocale.
En quoi consiste exactement le travail des volontaires, une fois reçue la
confirmation que le livre est bien du domaine public? Il consiste à scanner le
livre page après page, ce qui donne des fichiers numérisés en mode image, puis à
utiliser un logiciel OCR (optical character recognition), qui permet de
convertir chaque fichier image en un fichier texte. Il consiste ensuite à relire
le contenu du fichier texte au regard de l’original (image scannée ou livre
imprimé) en corrigeant les erreurs, à savoir dix erreurs par page en moyenne
quand le logiciel OCR est de qualité.
Le livre est relu et corrigé à deux reprises par deux personnes différentes. Les
livres anciens sont parfois saisis ligne après ligne si le texte original manque
de clarté. Certains volontaires préfèrent également taper eux-mêmes des textes
courts ou des oeuvres qu’ils aiment particulièrement. Mais les livres sont le
plus souvent scannés et «OCRisés», puis relus et corrigés.
Contrairement à la numérisation en mode image (qui s’arrête à l’étape du
scanner), la numérisation en mode texte permet la copie du texte, l’indexation,
la recherche plein texte, l’analyse textuelle, une étude comparative entre
plusieurs textes, etc. On peut aussi lancer une recherche à partir de la
fonction «chercher» proposée par n’importe quel programme, sans logiciel de
recherche intermédiaire.
Le Projet Gutenberg dispose d’un moteur de recherche pour l’ensemble de ses
collections, grâce à un partenariat avec Google, avec mise à jour mensuelle.
Tout comme une recherche sur les métadonnées (auteur, titre, descriptif,
mots-clés) grâce à un partenariat avec Yahoo!, avec mise à jour hebdomadaire.
Pour la recherche avancée (Advanced Search), la recherche multicritères (auteur,
titre, sujet, langue, catégorie, classification, format, numéro) inclut
désormais un critère supplémentaire de recherche plein texte (Full Text), à
titre expérimental.
Les avantages de la numérisation en mode texte sont multiples. Les fichiers
prennent peu de place et circulent d’autant plus facilement. Contrairement à
d’autres formats, le téléchargement d’un livre au format texte ne requiert pas
de bande passante large. Le fichier texte peut être copié à l’infini, et
constituer la base de centaines de nouvelles versions numériques et imprimées,
pour un coût pratiquement nul. A tout moment, on peut corriger les erreurs
typographiques qui auraient pu subsister. Les lecteurs peuvent changer à volonté
la taille et la police des caractères, ainsi que les marges ou le nombre de
lignes par page. Le lecteur malvoyant peut grossir la taille des polices et le
lecteur aveugle utiliser un logiciel de reconnaissance vocale. Tout ceci est
nettement plus difficile, sinon impossible, avec nombre d’autres formats.
Si la correction par deux personnes différentes permet de mettre en ligne un
texte fiable à 99,9%, le but n’est pas pour autant de créer des éditions faisant
autorité, ou d’épiloguer sans fin avec un lecteur pointilleux sur le bien-fondé
ou non d’un signe de ponctuation tel que deux points à la place d’un point
virgule entre deux propositions.
Le Projet Gutenberg insiste régulièrement sur la nécessité de la relecture,
qu’il juge essentielle. Utiliser directement des livres scannés puis convertis
au format texte par un logiciel OCR, sans relecture, donne un résultat de bien
moindre qualité, avec une fiabilité de 99% dans le meilleur des cas. L’étape de
la relecture avec correction permet d’atteindre une fiabilité de 99,95%, un
pourcentage élevé qui est aussi le standard de la Library of Congress.
Le Projet Gutenberg s’inscrit donc dans une perspective assez différente de la
bibliothèque de l’Internet Archive (qui héberge également les collections du
Projet Gutenberg, en tant que deuxième site de distribution et site de
sauvegarde). Dans le cas de l’Internet Archive, les livres sont scannés puis
«OCRisés», mais ils ne sont pas relus par des correcteurs s’attachant à traquer
les erreurs. Plus rapide et moins fiable quant au résultat, la numérisation des
livres sans relecture est aussi la méthode adoptée par Google, Microsoft et bien
d’autres pour leurs propres bibliothèques numériques.
Disponible sur le site du Projet Gutenberg, le File Recode Service permet de
convertir les fichiers d’un système d’encodage (ASCII, ISO-8859, Unicode, Big-5,
etc.) à un autre. A l’avenir, un logiciel de conversion beaucoup plus puissant
devrait permettre la conversion automatique dans bien d’autres formats (XML,
HTML, PDF, TeX, RTF, BRF, etc.). Il sera également possible de choisir d’emblée
la taille et la police des caractères, ainsi que le fonds d’écran. Une autre
conversion très attendue est la conversion d’une langue à une autre par le biais
d’un logiciel de traduction automatique. Une telle conversion pourrait être
possible dans quelques années, quand ce type de logiciel aura gagné en qualité.
3.3. La correction partagée
La croissance rapide des collections depuis 2001 est due à l’activité de
Distributed Proofreaders, site lancé en octobre 2000 par Charles Franks pour
gérer la correction partagée entre les volontaires. A l’origine, il s’agit
seulement d’intensifier la production de livres du Projet Gutenberg. Mais le
succès est tel que le site devient la principale source des collections. En
2002, Distributed Proofreaders est officiellement affilié au Projet Gutenberg.
Les volontaires n’ont aucun quota à respecter. A titre indicatif, il est suggéré
de relire une page par jour, si possible. Cela semble peu, mais une page
multipliée par des centaines de volontaires représente un chiffre considérable.
La progression est rapide. En 2003, une moyenne de 250 à 300 relecteurs
quotidiens permet de produire entre 2.500 et 3.000 pages par jour, ce qui
représente deux pages par minute. En 2004, la moyenne est de 300 à 400
relecteurs quotidiens produisant entre 4.000 et 7.000 pages par jour, à savoir
quatre pages par minute. Distributed Proofreaders comptabilise un total de 3.000
livres en février 2004, 5.000 livres en octobre 2004, 7.000 livres en mai 2005,
8.000 livres en février 2006 et 10.000 livres en mars 2007, avec plusieurs
milliers de volontaires dans le monde et une production de cinq livres par jour.
Le site a pour but de permettre à plusieurs correcteurs de travailler
simultanément au même livre, sur des pages différentes. Le volontaire commence
par s’inscrire. Il reçoit des directives détaillées. Ces directives concernent
par exemple les parties en gras, en italique et soulignées, ou les notes, qui
sont toutes traitées de la même manière. Un forum permet de poser des questions
et de demander de l’aide si nécessaire. Quand le volontaire se connecte au site,
il sélectionne le livre de son choix à partir d’une liste donnée. Une page du
livre choisi apparaît simultanément en deux versions: d’une part l’image
scannée, d’autre part le texte issu de cette image, produit par un logiciel OCR.
Le relecteur compare les deux versions et corrige les différences. Un logiciel
OCR étant fiable à 99%, cela représente une moyenne de dix erreurs à corriger
par page. La page est ensuite sauvegardée. Le relecteur peut soit cesser le
travail, soit opter pour la correction d’une autre page. Tous les livres sont
relus et corrigés deux fois de suite et, la deuxième fois, uniquement par des
correcteurs expérimentés. Les pages corrigées sont ensuite formatées selon des
règles précises et assemblées par d’autres volontaires pour obtenir un livre
numérique. Durant tout le processus, un livre donné est suivi par un responsable
(project manager) qui s’assure du bon déroulement des opérations. Après la mise
en forme suit la mise en ligne, avec indexation (titre, sous-titre, numéro de
l’ebook et format) puis catalogage (dates de naissance et de décès de l’auteur,
classification de la Library of Congress, etc.).
Les volontaires peuvent aussi travailler de manière indépendante, en s’adressant
directement au Projet Gutenberg. Ils peuvent saisir leur livre préféré de bout
en bout sur le traitement de texte de leur choix. Ils peuvent aussi scanner
eux-mêmes un livre, le convertir en texte par le biais d’un logiciel OCR et
faire les corrections nécessaires en comparant le résultat à l’original. Dans
les deux cas, une deuxième relecture est faite par une autre personne. Toute
participation est bienvenue, quelle que soit la méthode adoptée. Il est tout à
fait possible de joindre des fichiers dans d'autres formats en complément du
fichier ASCII.
Aussi bien pour Distributed Proofreaders (DP-INT) que pour Distributed
Proofreaders Europe (DP Europe), de nouveaux volontaires sont bienvenus, y
compris pour les livres en français. La tâche est immense. Comme indiqué sur les
deux sites, «DP ne s’attend pas à un engagement inconditionnel de votre part.
Corrigez des textes aussi souvent que vous le voulez, et le nombre de pages que
vous voulez. Nous encourageons les gens à corriger une page par jour, mais vous
êtes tout à fait libre de faire ce qui vous plaît. Nous espérons que vous vous
joindrez à notre mission de préserver "la littérature mondiale dans un format
gratuit et disponible pour tous".»
3.4. Des collections multilingues
Qu’en est-il exactement des langues? Dans un premier temps, le Projet Gutenberg
est essentiellement anglophone, puisqu’il est basé aux Etats-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 d’autres langues. Début 1998, le catalogue comprend quelques
oeuvres en allemand, en espagnol, en français (dix titres), en italien et en
latin. En juillet 1999, Michael Hart écrit: «J’introduis une nouvelle langue par
mois maintenant, et je vais poursuivre cette politique aussi longtemps que
possible.»
Début 2004, 25 langues sont représentées. En juillet 2005, 42 langues sont
représentées, dont l’iroquois, le sanscrit et les langues mayas. Outre l’anglais
(14 548 livres le 27 juillet 2005), six langues disposent de plus de cinquante
titres: le français (577 livres), l’allemand (349 livres), le finnois (218
livres), le hollandais (130 livres), l’espagnol (103 livres) et le chinois (69
livres). En décembre 2006, 50 langues sont représentées. Les langues comprenant
plus de 50 titres sont l’anglais (17 377 livres le 16 décembre 2006), le
français (966 titres), l’allemand (412 titres), le finnois (344 titres), le
hollandais (244 titres), l’espagnol (140 titres), l’italien (102 titres), le
chinois (69 titres), le portugais (68 titres) et le tagalogue (51 titres).
La quantité de livres progresse rapidement pour chaque langue. Pour le français
par exemple, sur 11 340 livres disponibles le 13 février 2004, on comptait
seulement 181 livres en français. Sur 15 505 livres disponibles le 16 mai 2005,
on compte 547 livres en français. Soit trois fois plus en quinze mois. Sur 19
996 livres disponibles le 16 décembre 2006, on compte 966 livres en français,
soit un peu moins du double en dix-huit mois. Le mouvement devrait sensiblement
s’accélérer avec le lancement du Projet Gutenberg Europe en janvier 2004.
Les premiers titres disponibles dans la langue de Molière sont six romans de
Stendhal et deux romans de Jules Verne, tous mis en ligne au début de 1997. Les
six romans de Stendhal sont L’Abbesse de Castro, Les Cenci, La Chartreuse de
Parme, La Duchesse de Palliano, Le Rouge et le Noir et Vittoria Accoramboni, et
les deux romans de Jules Verne De la terre à la lune et Le tour du monde en
quatre-vingts jours. A la même date, si aucun titre de Stendhal n’est disponible
en anglais, trois romans de Jules Verne le sont : 20,000 Leagues Under the Seas
(Vingt mille lieues sous les mers, mis en ligne en septembre 1994), Around the
World in 80 Days (Le tour du monde en quatre-vingts jours, mis en ligne en
janvier 1994) et From the Earth to the Moon (De la terre à la lune, mis en ligne
en septembre 1993). Stendhal et Jules Verne sont suivis par Edmond Rostand avec
Cyrano de Bergerac, mis en ligne en mars 1998.
A la fin de 1999, le «Top 20», à savoir la liste des vingt auteurs les plus lus,
mentionne Jules Verne à la onzième place, et Emile Zola à la seizième place. Ils
sont toujours en bonne position dans le «Top 100» actuel.
A titre anecdotique, le premier document illustré disponible toutes langues
confondues est French Cave Paintings (Peintures des cavernes en France), mis en
ligne dès avril 1995, avec une version XHTML ajoutée en novembre 2000. Il s’agit
de quatre photos de peintures paléolithiques retrouvées dans une grotte de
l’Ardèche (département de la région Rhône-Alpes). Ces photos sous droits ont été
mises à la disposition du Projet Gutenberg par Jean Clottes, conservateur
général du patrimoine, pour être largement diffusées.
En 2004, le multilinguisme devient l’une des priorités du Projet Gutenberg, tout
comme l’internationalisation. Michael Hart prend son bâton de pèlerin vers
l’Europe, avec des étapes à Bruxelles, Paris et Belgrade. Le 12 février 2004, il
donne une conférence au siège de l’UNESCO (Organisation des Nations Unies pour
l’éducation, la science et la culture) à Paris. Le lendemain, toujours à Paris,
il anime un débat à l’Assemblée nationale. La semaine suivante, il s’adresse au
Parlement européen à Bruxelles. Puis il rend visite à l’équipe du Projet Rastko
à Belgrade, pour soutenir la création du Projet Gutenberg Europe (PG Europe) et
de Distributed Proofreaders Europe (DP Europe).
Le lancement de DP Europe par le Projet Rastko en janvier 2004 représente une
étape importante. DP Europe est calqué sur le site original de Distributed
Proofreaders, pour gérer la relecture partagée du Projet Gutenberg Europe. Dès
ses débuts, DP Europe est un site multilingue, qui prend en compte les
principales langues nationales. En avril 2004, grâce à des traducteurs
volontaires, le site de DP Europe est disponible en douze langues. L’objectif à
moyen terme est soixante langues, et donc soixante équipes linguistiques, avec
prise en compte de toutes les langues européennes. Quand il aura atteint sa
vitesse de croisière, DP Europe devrait alimenter plusieurs bibliothèques
numériques nationales et/ou linguistiques, par exemple le Projet Gutenberg
France pour la France. Le but étant que chaque pays ou région ait son propre
accès réseau autorisé (respectant la législation en vigueur dans le pays donné),
qui sera un accès local au sein d’un réseau continental (dans le cas de la
France, le réseau européen) et d’un réseau global (à l’échelle de la planète).