Archives mensuelles : janvier 2016

Accordi dei Garzoni: registres et contrats

Nous devons l’existence de la série Accordi dei Garzoni à l’activité de la Giustizia Vecchia. En effet, en application de lois du XIIIème et XIVème siècles, l’une des responsabilités de cette ancienne magistrature était d’enregistrer les contrats d’apprentissage conclus dans les diverses corporations de métiers à Venise. Ces lois témoignent d’une volonté de la part des autorités publiques de réguler le travail, et plus particulièrement celui des jeunes enfants et des domestiques (cf. post sur la Giustizia Vecchia).

Si tous les maitres et corporations sont loins d’avoir respecté les instructions — pourtant réitérées régulièrement —  des Giustizieri vecchi, un enregistrement régulier et continu des contrats a tout de même été assuré sur plusieurs siècles. Les Accordi dei Garzoni en sont une des traces les plus complètes et les mieux conservées, avec 32 registres couvrant 200 ans de 1575 à 1772.

registri_garzoniReduced_maud_10-12-15-small
Boites contenant les registres de la série Accordi dei Garzoni

Les registres

Les registres des Accordi dei Garzoni comportent de 400 à 600 pages en moyenne et sont dans l’ensemble en bon état. Le premier registre (n°151) commence le 9 Juin 1575 et le dernier (n°182) se termine le 20 Mai 1772. La couverture de l’intervalle est continue dans l’ensemble, avec cependant des lacunes au début et à la fin du XVIIème siècle. L’ensemble contient environ 55 000 contrats.

pilaRegistri2_maud10-12-15 copyfoglieti_maud_10-12-15 copy

Les registres comprennent de 3 à 6 enregistrements de contrat par page, chacun formant un paragraphe de 6 à 10 lignes précédé de la date.  Une note additionnelle apparaît parfois dans la marge, témoignant d’une rectification ou modification apportée a posteriori au  contrat. L’enregistrement des contrats était réalisé par différentes personnes, d’où des écritures manuscrites fort différentes. Le déchiffrement de ces écritures est aujourd’hui réservé à des paléographes expérimentés, connaisseurs du dialecte vénitien et familiers des nombreuses abbriéviations utilisées.

Giustizia-vecchia_Accordi-dei-garzoni-b-115-reg-158_0036_018-r
Accordi dei Garzoni, boite 115, reg 158, folia 18r.

 

Les contrats

La grande majorité des contrats ont été enregistrés en suivant le même ‘patron’,  c’est-à-dire en consignant les même informations. Prenons un exemple:

baldisera
Contrat de Baldisera de Zuanantonio; boite 112, reg 151, folia 18r

pas évident à lire !

Ce contrat, à l’instar de tous les autres, donne des informations à propos de:

  • l’identité des personnes concernées: l’Apprenti, le Maître et potentiellement un Garant. Dans notre exemple Baldisera de Zuanantonio, agé de 8 ans, s’engage à travailler auprès du maitre Francesco Philippo, engagement garanti par son père Zuanantonio. Des renseignements tels que l’âge, la résidence, l’origine géographique sont souvent mentionnés.
  • la profession enseignée et l’atelier où se déroule l’apprentissage. Ici Baldisera apprendra l’art de peindre les coffres (depentor da casse) dans l’atelier du maitre peintre situé a San Baggio.
  • les diverses conditions du contrat, avec le salaire (ici 20 ducats), la mention d’éventuels bénéfices en nature, la durée du contrat (ici 8 ans), et bien souvent d’autres détails.

La régularité des informations fournies est un atout majeur: elle permet la systématicité de l’étude des contrats et facilite grandement la définition d’un modèle de données.

 

Auteur: M. Ehrmann

Des sources aux ressources, les Garzoni sur le Web sémantique

La série documentaire des Accordi dei Garzoni comporte 32 registres où sont consignés plus de 55,000 contrats d’apprentissage, de la fin du XVIème à la fin du XVIIIème siècles à Venise (cf. post sur registres et contrats). Offrant de multiples indications sur qui embauchait qui, pour apprendre quel métier et sous quelles conditions, ces registres constituent une précieuse source d’information quant à  l’écosystème de l’apprentissage venitien.

Comment exploiter cette source historique? Comment collecter la masse d’information et la rendre accessible à tous?

La partie computationelle du projet Garzoni est dédiée au développement d’un système d’information géo-historique afin de collecter, traiter et exploiter l’information contenue dans les Accordi dei Garzoni. Ce développement se fait sur un mode incrémental, avec la “construction” progressive de l’information, suivant les principales étapes suivantes:

  1. Acquisition des documents: numérisation
  2. Acquisition des données: modélisation et annotation des documents
  3. Traitement des données: normalisation, désambiguïsation et inférence
  4. Exploitation des données: recherche et visualisation

Si l’étape (1) peut paraître relativement triviale, il convient de ne pas sous estimer son importance: la qualité des images acquises affecte leur facilité de traitement, tant par des humains que par des machines.

L’étape (2) correspond à l’extraction de l’information contenue dans les documents. Il s’agit d’annoter les contrats d’apprentissage en fonction d’un modèle et de stocker de manière appropriée l’information recueillie.

Le préambule indispensable de cette étape  correspond à la modélisation du domaine, soit l’identification des concepts, des entités et de leurs relations. En bref: quels sont les éléments qui nous intéressent dans les contrats d’apprentissage? Ces derniers sont définis en fonction des documents (l’apprentissage tel que vu au travers des contrats) et des objectifs d’étude du projet (économie, famille, flux migratoires, etc.). Ils sont  structurés en une ontologie exprimée selon le language de représentation de connaissances OWL (Web Ontology Language) du W3C. Cette formalisation permettra par la suite des inférences automatiques.

Une fois équipés d’un modèle, il est possible de procéder à la transcription et annotation des documents. Pour ce faire, nous développons une interface web, appelée DHCanvas, qui permet de visualiser et annoter des images de documents: l’utilisateur peut sélectionner un segment d’image, le transcrire, lui attribuer différentes étiquettes sémantiques et spécifier des attributs. Les principaux atouts de cette interface sont la conservation du lien entre l’annotation (déjà une interprétation) et la source (le segment d’image), la gestion d’annotations concurentes et sa totale compatibilité avec les standards de représentation de resources digitales et d’annotations (IIIF, Shared Canvas Model et Open Annotation Model). Plus de détails sur DHCanvas dans un prochain billet.

Le format de représentation et le mode de publication suivent les standards du web sémantique: chaque entité, concept, propriété ou relation est une ressource RDF (Resource Description Framework, un format  pour la représentation et l’échange de données) et est publiée selon les principes de Linked Data.

Au terme de cette phase d’annotation, nous obtenons un ensemble de ressources, constitué de segments d’images et d’instances du modèle.

Ces données sont cependant encore difficilement exploitables, car présentant de nombreuses variations:

  • variation linguistique, avec les problèmes classiques de synonymie (plusieurs formes linguistiques – un concept ou entité) et d’homonymie (une forme – plusieurs concepts ou entités). Il importe donc de normaliser, c’est-à-dire identifier les variantes d’un même concept ou d’une même entité (principalement pour les professions,  lieux et personnes).
  • variation de saisie hiérarchique, avec des entités relevant de différents niveaux de généricité/spécificité. C’est le cas des noms de lieux, qui peuvent correspondre à des village, villes, régions ou pays.

Il importe donc, en étape (3), de traiter les données pour en faciliter l’exploitation. Cela comporte:

  • normalisation et désambiguïsation,
  • inférence, et
  • étabissement de liens vers d’autres datasets.

Enfin, l’étape (4) correspond au développement d’une interface pour l’exploration des données, laquelle permettra de rechercher une entité précise, de visualiser le network des personnes, et d’avoir une vue statistique d’ensemble des différentes facettes du dataset. Plus d’information sur le prototype prochainement.

Auteur: M.Ehrmann