Texte ou image ?

Le journal Le Monde du 4 mars propose une page entière sur le projet de numérisation mené par Google et cinq bibliothèques. Bien évidemment, une interview de Jean-Noel Jeanneney donne l'impression d'une page équilibrée, raisonnable, informée...
Permettez moi ici de dire haut et fort : “on fait passer pour du journalisme la reprise des discours des public relation de la transnationale Google.” Cela devient épuisant de suivre à la trace les à-peu-près, les incertitudes, les oublis, les manipulations que l'on trouve dans la presse, et même maintenant dans notre journal que l'on considère trop souvent comme étant “de référence”.
Qu'apprend-on dans ces articles ? D'abord que le projet de Google est un projet de long terme, sur trois à six ans. Tiens, la vulgate croyait donc que ce serait pour hier ? Une première évidence : on ne numérise pas si facilement que cela. Ni pour peu d'argent. Oui, quand on cause d'argent, le journal tient encore la route. Mais pour le reste...
D'abord, comprenez-vous vraiment ce que le lecteur pourra avoir à sa disposition ? La citation de Claudine Mulard, ci devant correspondante à Los Angeles du Monde, mérite d'être commentée : “Depuis n'importe quel ordinateur, les internautes pourront consulter intégralement ces ouvrages, en mode texte. En revanche, ils n'auront pas la possibilité de les télécharger, de les sauvegarder ni de les imprimer depuis le site Google, qui a désactivé les fonctions copie et impression”.
Bon, c'est vrai, tout le monde ne peut pas être au fait des arcanes de l'internet. Mais tout de même ! Si je dispose d'un fichier en ”mode texte” par consultation, alors je dois pouvoir l'imprimer. C'est une fonction de base d'un ordinateur. Sinon... peut être est-ce que je ne dispose pas d'un fichier texte.
Pour en savoir plus, nous devons nous pencher sur l'article d'accompagnement : “Texte ou image, un choix crucial” par Stéphane Foucart. L'article commence évidemment par la mise en garde habituelle dès lors qu'on parle de Google : “Google est avare de détails sur les technologies utilisées”. Ca m'empêche pas de dire des choses, hein, on est journaliste ou on ne l'est pas. Alors florilège : “les livres seront numérisés en mode texte et non en mode image.” “les documents ainsi mis en ligne sont moins volumineux, plus souples d'utilisation et accessibles aux internautes connectés à bas débit”. Pas mal, voilà vraiment quelque chose d'important.
Toutefois, car évidemment il y a un toutefois, l'auteur a aussi interviewé quelqu'un de la Bibliothèque nationale de France, dont on brocarde au passage le projet Gallica, ça ne peut pas faire de mal. En deux mots ce spécialiste nous enseigne que la numérisation est toujours en mode image (sinon, ça consiste à faire une retranscription, et c'est un tout autre processus...), puis qu'ensuite, on extrait une représentation en mode texte de cette image. Parfait... Mais la véritable question est la qualité de ce “mode texte”. Le spécialiste affirme qu'elle est suffisante pour faire des recherches (qui sont de tout façon “probabilistes”), mais pas pour une lecture ou des citations. Mais est-ce qu'un journaliste peut croire un spécialiste, alors qu'il a des documents d'une grande entreprise, qui elle gagne de l'argent ? Alors, évidemment les internautes bas-débit auront quand même le “mode texte” (en HTML ?, XML ? TEI ?, en plain-vanilla ascii ? ) mais les pages apparaîtront dans Google Print sous un aspect proche de l'original.
Ne cherchez pas à comprendre, l'article vous le répète en conclusion : “Mais, là encore, les détails techniques ne sont pas connus.”. Ils sont pourtant simples : le mode texte permet d'indexer, et c'est une version de l'image de numérisation que l'on place dans la page de Google Print. Puis une simple et basique application en HTML et Javascript permet d'empêcher de sauvegarder l'image en question, ni de l'imprimer. Trois lignes de CSS pour le média “print”, un script javascript pour bloquer l'usage du “clic-droit”, qui habituellement permet de sauvegarder une image et de placer une image-cadre transparente au dessus de l'image numérisée.... Rien que de basique, et le tour est joué. Bon, ça ne durera pas longtemps, mais on trouvera bien quelqu'un pour demander qu'on mette des DRM sur les oeuvres du domaine public, et visiblement ça ne sera pas difficile de trouver des “journalistes” pour lui emboîter le pas.
Il y a un autre chemin, qui est plus escarpé, moins glamour, et qui consiste à faire bénéficier des images numérisées tous les laboratoires de recherche du monde pour qu'ils parviennent non seulement à produire un “mode texte”, mais aussi à repérer les diverses formes d'organisation du texte imprimé (titres, citations, renvois,... tout le “paratexte”) et proposent des versions “balisées” des documents du passé. Qui pourraient alors servir à la recherche (en lexicographie, en histoire, en littérature, à établir des concordances, des index, des études stylistiques...). Mais c'est une autre histoire... qui ne rentre pas dans le cadre du projet d'industrialisation et de massification de Google Print. Mais pourquoi pas dans un projet européen ?