Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

De quelques solutions techniques et méthodologiques employées pour le projet de recherche

Le projet de recherche « Du Cnepa à l’INSEI, des sources pour l’histoire de l’éducation spéciale et de l’enseignement spécialisé puis inclusif », débuté en novembre 2023, a deux objectifs :

  • compléter l’histoire de l’INSEI, demeurée lacunaire en raison de l’absence de traitement des archives institutionnelles de l’établissement
  • comprendre les relations entre l’institution et les politiques nationales sur l’éducation et le handicap (que ce soit la manière dont ces politiques ont fait évoluer l’établissement ou à l’inverse comment ce dernier a participé à leur élaboration).

Afin de répondre à ces deux objectifs, plusieurs axes de travail ont été établis : le classement du fonds d’archives institutionnelles matérielles et numériques, l’inventaire et l’indexation des revues publiées par l’institution et des mémoires réalisés en son sein, ainsi que la création d’un fonds d’archives orales. L’ensemble de ces sources sont ensuite mises à disposition des chercheurs membres du projet de recherche, par le biais de fichiers numériques ou de consultation directe. Le partage des analyses issues de leurs travaux se fait via ce carnet de recherche en ligne, des publications et la participation à des journées d’études.

Ces différents chantiers ont induit la mise en œuvre de méthodologies de travail et de solutions techniques spécifiques, développées par l’archiviste, les documentalistes, les chargés d’édition et les chercheurs du projet. Elles sont par ailleurs discutées collégialement au sein de l’équipe de recherche lors d’une réunion mensuelle. C’est dans le but de partager ces méthodes, d’en indiquer les bénéfices et les défauts, mais également de bénéficier des conseils de la communauté hypothèses que cet article a été rédigé. Chaque axe méthodologique y est détaillé au sein d’une section, en dehors de l’axe archivistique qui fera l’objet d’un article dédié.

Le traitement des mémoires

Le traitement des mémoires rédigés par les stagiaires et étudiants accueillis à l’INSEI s’est enclenché en raison de contingences logistiques. En effet, le déménagement futur des locaux a posé la question du devenir de ce fonds. Or, contrairement aux thèses, les universités ne sont pas obligées de conserver les mémoires réalisés en leur sein. La question est laissée à la discrétion des institutions.

Trois solutions s’offrent à ces dernières : détruire les mémoires, en conserver un échantillon ou bien conserver l’ensemble du fonds. Après des échanges en interne ainsi qu’avec le ministère de l’Éducation nationale, il a été décidé de conserver l’ensemble des mémoires. En effet, l’INSEI étant un établissement national unique en son genre, les mémoires qui y sont produits sont souvent des réflexions et des recherches inédites. Ils portent en outre la trace d’institutions liées au handicap aujourd’hui fermées et sans archives. Compte tenu de ces spécificités, il n’était donc pas possible de procéder à un échantillonnage. Un critère de pure représentativité statistique aurait conduit à une perte de connaissance, tandis qu’un critère thématique aurait comporté un grand nombre de biais.

Un chantier de traitement des mémoires a donc été lancé, incluant un classement, un inventaire, une indexation ainsi que des mesures de conservation préventive (déménagement dans des locaux de stockage sains et numérisation partielle).

La première étape a été de rassembler et de classer les mémoires. En effet, ils étaient plus ou moins rangés dans l’ordre alphabétique d’auteurs et mélangés avec des archives institutionnelles. La majorité des fonds concernent les mémoires des DDEEAS, c’est-à-dire des stagiaires préparant le diplôme de directeur d’établissements d’éducation adaptée et spécialisée. Ils couvrent une période de 1961 à 2000 et proviennent autant de l’ancien centre de Beaumont-sur-Oise que de celui de Suresnes.

La seconde étape a été l’inventaire et l’indexation des mémoires. Seuls ceux datés de 1997 à 2000 émanant du centre de Suresnes étaient répertoriés dans la base de données du centre de documentation de l’INSEI. Le manque de temps ne permettant pas aux équipes de faire ce dernier directement sur cette base, l’inventaire s’est fait sur un fichier Excel. 3 550 mémoires y sont répertoriés.  Ils ont ensuite été indexés avec les entrées suivantes :  Nom ; Nom de jeune fille ; Prénom ; Centre de formation ; Titre ; Sous-titre ; Établissement (décrit dans le mémoire) et/ou dispositif ; Mots-clés ; Académie ; Département ; Numérisation ; Numéro de carton. Tous les mémoires n’ont pas été indexés avec des mots-clés. Seuls ont été notés les mots-clés saisis par les auteurs.

Une fois ces actions menées, la dernière étape a consisté à prendre des mesures de conservation préventive. Les mémoires étant stockés dans une cave (humide et soumise à des inondations récurrentes), décision a été prise de les stocker temporairement au sein des magasins de la bibliothèque de CY Cergy Paris Université. Tous les mémoires y ont été envoyés en janvier 2024 (soit 180 cartons). Une seconde mesure de conservation a été menée, celle d’en numériser une partie. Afin de ne pas détruire lesdits mémoires au cours du processus, il a été décidé d’utiliser un scanner à plat, choix qui a rendu l’opération d’autant plus chronophage. Il a fallu les massicoter, les numeriser recto-verso et les relier de nouveau. Néanmoins, en raison du déménagement préventif, seule une partie des mémoires a été scannée.

Ce travail, qui a duré toute l’année 2023, porte déjà ses fruits. Dans le cadre de l’université d’été de l’INSEI (juin 2023), les mémoires évoquant les écoles de plein air ont été numérisés afin d’être analysés et présentés lors d’une exposition. De même, une chercheuse a consulté les mémoires qui concernaient les DOM-TOM afin de pouvoir les étudier.

La numérisation des revues

La numérisation des ouvrages et des revues au centre de Suresnes a débuté durant les années 2000. Seul le service des publications possédait un scanner à plat et les travaux de numérisation étaient surtout liés à la mise en page des ouvrages et de La nouvelle revue de l’AIS. La numérisation pour conservation a été lancée à la demande du centre de documentation. L’opération consistait surtout en la restauration des couvertures des ouvrages abîmés afin d’en imprimer de nouvelles, mais aussi en la numérisation complète d’ouvrages uniques et très empruntés. Citons ainsi la numérisation du rare rapport de François Bloch-Lainé, Étude du problème général de l’inadaptation des personnes handicapées de 1967, document introuvable dans les autres centres et qui était régulièrement demandé à la bibliothèque.

Figure 1 : Exemple de restauration numérique de couverture.

La technique employée était relativement laborieuse car il fallait scanner chaque page pour obtenir dans un premier temps un dossier d’une centaine de fichiers-images en JPEG ou en PDF. Dans un second temps, il fallait assembler les pages en un fichier PDF unique à l’aide du logiciel Acrobat Pro.

Cette demande de numérisation s’est accrue au fil du temps avec le développement de la formation à distance. Les professeurs des écoles en formation en distanciel – les options D, E et F du Capsais – bénéficiaient de cédéroms contenant une multitude de livrets pédagogiques, soit générés par les logiciels de traitements de texte, soit par le fruit de la numérisation d’ouvrages.

Anecdote, ce travail était également effectué lors des départs à la retraite de certains enseignants formateurs. Ces derniers repartaient avec un cédérom, véritable compilation « best of » de leurs écrits et de leurs productions. Plusieurs formateurs retraités toujours très actifs resollicitaient ensuite le service des publications pour numériser des fascicules et des ouvrages écrits dans les années 1990, qui n’étaient plus diffusés.

À partir de 2010, l’arrivée au centre d’un parc d’une dizaine de photocopieurs en libre accès destinés aux personnels, stagiaires et formateurs, l’utilisation en formation des logiciels de diaporamas, la mise en place de plateformes d’éditions comme Hal, Cairn.info et OpenEdition et l’enseignement en distanciel ont changé la donne. Le service de la reprographie a alors vu le nombre de demandes de copies papier considérablement chuter. Afin de diversifier les missions de ce dernier, il a été envisagé par le centre de documentation et le service des publications de numériser les anciennes revues, notamment le Bulletin de liaison des maîtres d’EPA et de maisons de cure. Cette idée fut rapidement abandonnée en raison des problèmes inhérents au service informatique du centre qui souhaitait alléger les espaces de stockage numérique de l’établissement.

En 2020, avec le départ annoncé de l’institution et face au constat de l’état déplorable du stockage du fonds documentaire de l’INSHEA, l’équipe du projet de recherche a lancé une campagne de numérisation de toutes les revues spécialisées initiées par les trois centres (Beaumont-sur-Oise, Paris-Cronstadt et Suresnes). Ce chantier était l’une des facettes du projet appelé « Ginkgo » devenu en 2023 le projet actuel du carnet de recherche. La numérisation des collections avait deux objectifs : garantir une sécurité supplémentaire de conservation tout en protégeant les collections « papier » et améliorer l’accès de ces fonds aux lecteurs du centre de documentation et aux chercheurs.

La première technique employée fut la numérisation avec un photocopieur doté d’une fonction de scanner. L’opératrice, la responsable de la reprographie, scannait page par page le document pour obtenir un seul fichier PDF volumineux (environ 40 Mo). Nous avions choisi en effet une résolution de 300 DPI. De fait, il était nécessaire d’avoir une résolution importante pour éviter des fichiers finaux trop pixélisés car certains documents étaient mal imprimés.

Le fichier PDF était alors transféré au service des publications pour une série de traitements numériques précis avec le logiciel Acrobat Pro d’Adobe : rédaction des propriétés du document (métadonnées), recadrage des pages, rotation des pages avec tableaux ou illustrations en format paysage, création de signets de navigation, océrisation des éléments textuels. L’océrisation (reconnaissance optique de caractères) permet de transformer un PDF image en fichier texte, ce qui permet la recherche de mots.

Figure 2 : Exemple de signets de navigation dans le fichier PDF. Les signets – à droite de la couverture – permettent la navigation dans le document. Ici, le Bulletin de liaison des maîtres d’EPA et de maisons de cure, juillet 1961

Quatre collections de revues ont été ainsi numérisées : Les Cahiers de Beaumont (Cnefases), 77 numéros, Le Courrier de Suresnes (Cnefei) : 69 numéros, le Bulletin de liaison des maîtres d’EPA et de maisons de cure (Cnepa puis Cnefei) : 44 numéros, et la Revue du Cerfop (Paris-Cronstadt) : 32 numéros.

L’ensemble de ces opérations étaient chronophage. Il fallait compter environ 1h30 pour numériser un ouvrage de 150 pages, avec en plus des risques d’oublis de pages, ou de pages mal numérisées. La visite en janvier 2023 du siège du Comité universitaire d’information pédagogique (CUIP) nous a permis de découvrir une technologie plus rapide avec les scanners spécifiques aux ouvrages et aux revues. En effet, le CUIP avait commencé à numériser avec ce type d’appareil. La numérisation prenait moins de dix minutes pour un résultat impeccable. Il suffisait de déposer la revue dans un chargeur, de configurer la numérisation en recto seul ou en recto-verso et au bout de quelques minutes, le fichier PDF était disponible sur un ordinateur relié au scanner. Point négatif notable, cette opération nécessitait de dégrader le document papier en massicotant la tranche et la reliure.

Figure 3 : Photo du scanner à chargeur.

Le service des publications a donc décidé d’investir dans un scanner dédié uniquement à la numérisation, un modèle DS-30000 de chez Epson. Deux nouveaux fonds ont ainsi été traités : les fiches des stagiaires DDEEAS et une partie des mémoires issus de cette formation. Sur 3 550 mémoires conservés, 1 159 ont été numérisés (plus de vingt mémoires numérisés par jour). Certains d’entre eux ont été particulièrement difficiles à traiter en raison de pages au grammage très fin et très fragile, de l’ajout de plans grand format, de documents type pop-up, de photos collées, d’objets… Lorsque nécessaire, des clichés ont été intégrés aux fichiers PDF grâce au logiciel Acrobat Pro.

Figure 4 : Exemple de fiche des stagiaires “directeurs”.
Figure 5 : Exemple de mémoire de stagiaire directeurs, 1982.

Actuellement, ce travail est une opération collective qui se poursuit avec d’autres fonds et utilise les deux techniques de numérisation sen fonction de la nature et la fragilité des documents. Les priorités sont définies par l’archiviste de l’INSEI, selon l’actualité du déménagement des fonds de la bibliothèque vers les locaux de l’université de Cergy-Pontoise et les thèmes de notre groupe de recherche.

Le chantier d’archives orales

Le choix de lancer un programme d’entretiens, dans le but de produire des archives orales, est arrivé très tôt dans le projet de recherche. L’enjeu est de compléter et de combler les lacunes des archives matérielles de l’INSEI, causées par les destructions des archives ou par l’opacité de l’écrit. Un objectif mémoriel sous-tend donc également le chantier.

Les entretiens sont menés selon la méthode de Florence Descamps, historienne de référence sur les archives orales en France[1]. Nous renvoyons à son ouvrage méthodologique L’historien, l’archiviste et le magnétophone pour davantage de précisions. Tous les entretiens sont encadrés par un contrat, signé par la direction de l’INSEI, l’interviewer et le témoin. Par ailleurs, le projet a la chance de pouvoir bénéficier du prêt de matériel et d’un studio d’enregistrement de la part du service audiovisuel de l’INSEI, le MediaLab.

Dès la préparation des entretiens réalisés dans le cadre du projet d’archives orales s’est posée la question de la transcription. Les entretiens durant a minima deux heures (six pour les plus longs), il a semblé indispensable de leur adjoindre une version écrite, bien que cette dernière écrase des informations (ton, silences, rires). La transcription manuelle ayant été écartée en raison de son caractère chronophage, deux membres de l’équipe ont rencontré un ingénieur d’études de l’INSEI qui avait déjà étudié cette question. Il nous a présenté le logiciel Whisper. Ce logiciel de reconnaissance vocale automatique, open-source, a été développé par OpenAI[2]. La procédure d’installation du logiciel, et la puissance requise pour faire fonctionner ce dernier, nous ont poussés à privilégier la solution proposée par Huma-Num, c’est-à-dire un hébergement extérieur. Pour rappel, « Huma-Num IR* est une infrastructure de recherche « étoile », du ministère de l’Enseignement supérieur et de la Recherche, mise en œuvre par le CNRS avec le campus Condorcet et Aix-Marseille université »[3].

Afin de pouvoir utiliser la plateforme Huma-Num et ses outils, un compte a été créé et une description du projet a été complétée. Cela nous a notamment permis d’accéder à l’espace ShareDocs de la plateforme où se trouve l’outil SpeechToText (Whisper). Ce dernier est « un service de retranscription automatique fondé sur le modèle d’apprentissage Whisper utilisant des principes de l’intelligence artificielle générative »[4]. Utiliser les outils de la plateforme Huma-Num permet ainsi de bénéficier de la puissance requise pour transcrire les entretiens dans un temps rapide et sans mobiliser toutes les ressources de notre propre machine. En effet, l’infrastructure utilise « un serveur de calcul dédié à cette tâche, hébergé au centre de calcul de l’IN2P3 du CNRS à Villeurbanne. Une capacité de 6 cartes GPU NVIDIA génération Ada Lovelace (L4) est affectée pour une capacité de traitement de 11.000 heures par mois. Suivant la durée du fichier et le nombre de dépôts simultanés, le délai de traitement peut aller d’1 à 24 heures »[5].

L’utilisation de cette infrastructure et de ses outils a aussi été privilégiée pour assurer la sécurité des données :  les fichiers ne sont pas conservés au-delà de 21 jours par Huma-Num. Cette mesure est d’autant plus importante que les entretiens contiennent un grand nombre de données personnelles, dont l’utilisation est régie par le RGPD. Dans les faits, une fois la transcription réalisée, nous supprimons manuellement les fichiers (audio et texte) de la plateforme. Les éléments transcrits sont disponibles en plusieurs fichiers .txt (et autres). Deux fichiers sont particulièrement utiles : – un fichier précisant l’horodatage du texte par rapport au fichier audio, permettant de retrouver rapidement un passage à l’écoute de l’entretien – l’autre fichier étant la transcription intégrale.

Attention, bien que l’outil fournisse des résultats satisfaisants, l’utilisation de la transcription en l’état est impossible. Comme toute IA générative, la transcription peut contenir des « hallucinations » ou des « boucles ». Par ailleurs, on observe un appauvrissement et un lissage avec une suppression de certaines réactions (tels que les « ah », les rires, le langage est retravaillé parfois pour convenir à l’IA, etc.), des noms propres sont mal compris ou mal orthographiés[6]… De même, la différenciation des intervenants peut contenir des erreurs, notamment quand ces derniers ont un timbre de voix similaire.  En résumé, cet outil permet de gagner un temps précieux, mais ne se soustrait pas à une vérification humaine. Ainsi, toute transcription est relue par un membre de l’équipe du projet qui réécoute l’intégralité de l’entretien et corrige la transcription issue de la plateforme.

Conclusion

La force du projet de recherche « Du Cnepa à l’INSEI, des sources pour l’histoire de l’éducation spécialisée puis inclusive » réside en trois points :

– le soutien humain et financier de l’INSEI, sans lequel les avancées auraient été beaucoup plus modestes,

– la préservation d’un fonds d’archives et documentaire conséquent et quasi intouché en dépit de conditions de conservation précaires ;

– enfin et surtout, la force d’une équipe de recherche composée de profils épars, (documentalistes, archiviste, chargés d’édition, chercheurs), dont le travail en bonne intelligence permet d’agréger les compétences de champs professionnels trop souvent segmentés.

Thérèse Barbier, Anaelle Lahaeye, Vincent Le Calvez, Robin Mailhac

Notes


[1] DESCAMPS, Florence, L’historien, l’archiviste et le magnétophone : De la constitution de la source orale à son exploitation, Paris, Institut de la gestion publique et du développement économique, 2005.

[2] https://openai.com/index/whisper/ [Consulté le 02/12/2024]

[3] https://www.huma-num.fr/quest-ce-que-l-ir-huma-num/ [Consulté le 02/12/2024]

[4] https://documentation.huma-num.fr/sharedocs-traitement/ [Consulté le 02/12/2024]

[5] Idem.

[6] Voir : https://www.css.cnrs.fr/fr/whisper-pour-retranscrire-des-entretiens/ [Consulté le 02/12/2024]


OpenEdition vous propose de citer ce billet de la manière suivante :
Vincent Le Calvez (17 février 2025). De quelques solutions techniques et méthodologiques employées pour le projet de recherche. Du Cnepa à l'INSEI. Consulté le 22 janvier 2026 à l’adresse https://doi.org/10.58079/13gx0


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.