Déverrouiller les archives coloniales avec l'intelligence artificielle. Réaliser la transcription automatisée de grandes collections historiques latino-américaines des XVIe et XVIIe siècles - Lancaster EPrints

Entre les XVIe et XVIIIe siècles, des millions de documents ont été produits à travers l'Amérique latine, rédigés à la fois par les colonisateurs espagnols et les peuples autochtones. Ces archives coloniales étaient écrites dans une variété de styles calligraphiques complexes et incluaient souvent des langues autochtones aux côtés de l'espagnol. Une telle diversité et l'ancienneté de ces documents ont rendu leur transcription et interprétation particulièrement difficiles, nécessitant une expertise paléographique spécialisée et une connaissance des langues historiques. En conséquence, de nombreuses informations historiques précieuses restent enfermées dans les archives, inaccessibles à la plupart des chercheurs et du public.\n\nLes avancées récentes en apprentissage automatique et en intelligence artificielle ont ouvert de nouvelles voies pour relever ces défis de transcription. Dans cette recherche, l'équipe a développé deux outils informatiques principaux pour aider à déverrouiller les riches données historiques contenues dans les archives coloniales. Le premier outil est un classificateur de documents historiques qui utilise des réseaux de neurones convolutifs (CNN) et des machines à vecteurs de support (SVM) pour identifier et catégoriser avec précision les différents styles calligraphiques présents dans les documents. Ce classificateur a démontré d'excellentes performances, atteignant des scores F1 supérieurs à 90 % pour la plupart des types d'écriture, indiquant un haut niveau de précision et de rappel.\n\nLa deuxième méthode informatique se concentre sur la reconnaissance de texte manuscrit (HTR). En utilisant la plateforme Transkribus, les chercheurs ont entraîné des modèles spécifiquement sur des manuscrits espagnols des XVIe et XVIIe siècles, ce qui a permis la transcription automatisée des textes manuscrits. Les résultats ont montré des taux d'erreur de caractères (CER) compétitifs, avec 5,25 % pour l'écriture Redonda, 8,92 % pour l'Itálica Cursiva, et 14,15 % pour le Procesal Simple. Ces taux d'erreur sont des réalisations remarquables compte tenu de la complexité et de la variation historique des styles d'écriture.\n\nEnsemble, ces outils automatisés permettent la transformation de documents d'archives auparavant « illisibles » ou inaccessibles en données numérisées et consultables. Cette avancée améliorera considérablement l'accessibilité des archives historiques latino-américaines, permettant aux bibliothèques, archives et chercheurs de déverrouiller des siècles d'informations qui étaient difficiles ou impossibles à déchiffrer. En fin de compte, ce projet représente une avancée majeure dans les humanités numériques, comblant le fossé entre la recherche historique et la technologie IA de pointe.\n\nLes implications de cette avancée technologique vont au-delà de la simple transcription. En automatisant la lecture et la classification de vastes collections de documents coloniaux, la recherche ouvre de nouvelles perspectives pour l'analyse historique, les études linguistiques et la préservation culturelle. Elle offre également des opportunités de collaboration entre historiens, informaticiens et communautés autochtones pour récupérer et réinterpréter leur passé commun. À mesure que ces techniques alimentées par l'IA continuent de s'améliorer, elles promettent de révolutionner la manière dont les documents historiques sont étudiés, préservant un patrimoine culturel inestimable pour les générations futures.