ACTES du colloque national La loi numérique et après ?

à une gamme d'outils de recherche et d'exploitation. Le champ couvert par Persée a été
progressivement élargi – des SHS vers les sciences de la vie – et inclut maintenant tout type de
publication scientifique.
Les axes stratégiques de Persée sont notamment la valorisation de collections de publications
scientifiques et la structuration des contenus afin de faciliter les recherches et analyses.
Les données contenues dans Persée proviennent d’images numérisées qui sont traduites en
fichiers de textes, notamment grâce à l’utilisation d’un logiciel de reconnaissance optique de
caractères (OCR). La volumétrie est de presque 630 000 documents en texte intégral. Des
métadonnées sont ensuite ajoutées (Erudit schema, TEI). Ces métadonnées peuvent être
bibliographiques (DC / MODS / marcXML) et pour les autorités (MADS).
L’intérêt des chercheurs pour l’analyse de l’évolution des corpus a mené à de nombreuses
demandes de réutilisation des données Persée.
Plusieurs questions se posent pour l’avenir. Par exemple comment va évoluer le cadre
juridique de Persée ? Comment mieux associer Persée aux activités externes de création
d’outils de services aux chercheurs ? Comment rediffuser les résultats du TDM et les données
annotées ? C’est la question de la mise en place d’un tiers de confiance a également été
abordée.
Présentation de Charles Huot
Structurer le non-structuré
Charles Huot, Corporate Development Officer à Expert System, a présenté les activités de sa
société dans le domaine du text and data mining, en détaillant des cas d’application et certaines
difficultés liées. Charles Huot a notamment présenté :
1. Deux exemples d’API disponibles en version test, COGITO smart content et COGITO
Intelligent Api. Cette dernière API permet d’extraire plusieurs types d’information d’un
article, telles que des catégories, des noms (de personnes, d’organisations, de villes
mentionnées), des mots clés et expressions. De plus, le système analyse des
informations sur le style de l’article (lisibilité, vocabulaire utilisé, conjugaison, syntaxe,
etc.).
2. Le projet Luxid Navigator, dans le domaine médical. Des informations médicales sont
récupérées (depuis des établissements ainsi que MEDLINE) puis réorganisées. Les
données concernent notamment des essais cliniques en cours ou à venir, des brevets,
des experts par thématiques, des publications. Les articles sont accessible en résumé
seul ou texte intégral et comportent des métadonnées (mots clés associés, informations
les auteurs, date de publication et source). La base intègre également des informations
46