Projet de bout en bout : traitement d'une collection d'archives avec l'intelligence artificielle — L'intelligence artificielle dans l'histoire et l'archivage

Gains :

Capacité à traiter une collection selon un flux de travail en 7 étapes, de la sélection éthique à la publication, avec un point de contrôle humain à chaque étape
Comprendre comment les points de contrôle précoces empêchent une erreur (date/nom erroné) de se propager tout au long de la chaîne
Capacité à appliquer les principes de préservation du fichier maître, de non-économie de vérification et de déclaration de l'utilisation de l'IA dans un projet holistique

Les unités précédentes couvraient des compétences individuelles : numérisation, transcription, métadonnées, numérisation, traduction, vérification, analyse de modèles, récupération, préservation et éthique. Cette dernière unité combine tout. Un véritable projet d'archives vit ces étapes non pas séparément mais comme un flux de travail interconnecté. Ici, nous verrons comment traiter une collection du début à la fin avec un processus soutenu par l'IA mais contrôlé par l'homme, étape par étape et avec une chaîne de contrôle.

L’objectif est de positionner l’IA comme un partenaire qui « accélère chaque étape mais n’a pas le dernier mot sur aucune étape ». Lorsque vous aurez terminé cette unité, vous vous retrouverez avec une méthode holistique qui transforme une pile désordonnée de documents en une collection prête pour la recherche, vérifiée et éthiquement propre.

Scénario : ce que nous avons

Supposons que vous receviez une collection de 250 documents : certains imprimés (correspondance imprimée, publicités), d'autres manuscrits (lettres, cahiers), de dates différentes, certains contenant des données personnelles sensibles. Objectif : numériser, transcrire, cataloguer et mettre cette collection à disposition des chercheurs. Décomposons le processus en sept étapes.

Flux de travail en sept étapes

Phase 1 — Évaluation et sélection éthique. Apprenez d’abord à connaître la collection. Quels documents contiennent des données personnelles sensibles ? Quel est le statut du droit d’auteur ? Y a-t-il une sensibilité culturelle ? Cette analyse détermine quels documents peuvent être transmis aux outils d'IA basés sur le cloud et lesquels seront traités uniquement dans un environnement fermé/approuvé. Si cette étape est ignorée, l’ensemble du projet est en danger éthique.

Étape 2 — Numérisation. Numérisez des documents en haute résolution (au moins 300-400 DPI, bon contraste). Gardez les fichiers originaux (maîtres) intacts ; Tout le traitement se fera sur les copies.

Étape 3 — Extraction de texte. Appliquez l’OCR pour les documents papier et le HTR pour les manuscrits. Demandez à l'IA de nettoyer la sortie brute avec des instructions de « relecture sécurisée » – erreurs optiques/de reconnaissance uniquement, aucun commentaire sur le contenu, endroits illisibles [?]. Lecture alternative et contrôle paléographe pour l'Ottoman/manuscrit.

Étape 4 — Métadonnées et catalogage. Faire rédiger des métadonnées standards (Dublin Core/ISAD(G)) pour chaque document ; Avec l'autorisation de "laisser le champ inexistant vide". Mappez les termes du sujet à la liste contrôlée. Vérifiez les dates et les noms avec la documentation.

Étape 5 — Enrichissement et structuration. Extraire des entités (personne/lieu/organisation), normaliser, produire des schémas de relations et de chronologie. Vérifiez chaque modèle dans le document ; Il n’y a pas de liens artificiels ni de chronologie.

Étape 6 — Accéder aux outils. Produire un aperçu d'un instrument de recherche pour la collecte ; Basez la section historique uniquement sur des notes vérifiées. Marquez clairement les restrictions d’accès (confidentialité/droit d’auteur).

Étape 7 — Vérification, déclaration et publication. Vérifiez une dernière fois les champs critiques (date, nom, devis, référence). Déclarer l’utilisation de l’IA. L'expert donne son accord définitif ; La collection est ouverte à la recherche.

Astuce : placez un "point de contrôle humain" à chaque étape : un expert valide le résultat de l'IA avant de passer à l'étape suivante. Sans ces points de contrôle, une erreur dès la première étape (une date mal lue) se propagera tout au long de la chaîne et finira par s'infiltrer dans le catalogue, le modèle et le guide.

Tableau de la chaîne de contrôle

Scène

Le travail de l'IA

point de contrôle humain

1. Contrôle éthique

Marquage des données sensibles

Décision d'installation

2. Numérisation

(Amélioration de l'image)

Qualité, protection maître

3. Extraction de texte

OCR/HTR + correction sécurisée

Vérification du nom/date/lecture

4. Métadonnées

projet de norme

Confirmation des champs, correspondance des termes

5. Modèle

entité, relation, chronologie

Validation dans le document

6. Outil d'accès

Projet d'instrument de recherche

Historique et approbation des contraintes

7. Libération

—

Approbation finale, déclaration

trois mini-cases

Cas 1 — Erreur de chaîne détectée. Dans un projet, en phase 3, la date d'un document indiquait « 1868 » au lieu de « 1888 ». Si le point de contrôle de l'étape 3 n'avait pas détecté cette erreur, la date aurait été répartie sur le catalogue (4), la chronologie (5) et le guide (6). Grâce au point de contrôle, le bug a été corrigé en un seul endroit. Leçon : une vérification précoce empêche l’erreur de se propager dans la chaîne.

Cas 2 — La sélection éthique a sauvé le projet. 18 des 250 documents contenaient des données sensibles sur des personnes vivantes. L’examen éthique de la phase 1 les a signalés ; ces 18 documents ont été traités en milieu fermé, le reste avec des outils standards. Cela aurait constitué une grave violation si l’analyse avait été ignorée et si tout avait été téléchargé sur le cloud. Leçon : la vérification éthique est la première étape, pas une solution ajoutée plus tard.

Cas 3 — Temps et efforts. En utilisant la méthode traditionnelle, il faudrait environ 8 à 10 mois pour traiter entièrement une collection de 250 documents. Grâce au flux de travail de point de contrôle pris en charge par l’IA, le processus a été réduit à environ 3 mois. Mais les économies ne sont pas venues du fait que « l’IA faisait tout », mais du fait que « l’IA faisait le travail mécanique, en se concentrant sur la vérification humaine ». Le temps consacré à la vérification n'a pas diminué ; Le temps consacré aux travaux mécaniques a diminué.

Quatre modèles copiables

1) Plan initial du projet :

J'ai une collection de [nombre] documents : [mélange d'imprimés/manuscrits], [période], dont certains peuvent contenir des données sensibles. Créez un plan de workflow en 7 étapes pour numériser et cataloguer cette collection : précisez la tâche de l'IA et le point de contrôle HUMAIN à chaque étape. Donnez la priorité au contrôle éthique.

2) Liste de contrôle de transition d'étape :

J'ai terminé l'étape [nom de la scène]. Produire une check-list des points critiques que je dois vérifier avant de passer à l'étape suivante : quels faits (date/nom/référence) doivent être vérifiés, quelles erreurs peuvent se propager dans la chaîne ? J'ai l'approbation finale; Vous me donnez la liste de contrôle.

3) Contrôle qualité de bout en bout :

Ci-dessous se trouvent toutes les couches d'un document traité : transcription, métadonnées, actifs extraits. FIGUREZ DES INCONCEPTS entre les couches : une date dans la transcription correspond-elle aux métadonnées, les entités existent-elles réellement dans le texte ? Imposition d'une correction ; Générez une liste d'incohérences. Calques : [ici]

4) Clôture et déclaration du projet :

Dans ce projet de collection, j'ai utilisé l'IA dans les étapes suivantes : [liste]. Pour la documentation du projet : (1) quel support de l'IA a été utilisé à quelle étape, (2) comment la vérification humaine a-t-elle été effectuée, (3) quelles sont les limites/contraintes – rédigez une note de clôture honnête et rédigez une déclaration d'utilisation de l'IA qui les inclut.

Invite faible/Invite forte

Faible :

Traitez minutieusement cette collection avec l’IA et préparez-la pour la recherche.

Une seule instruction « faire n’importe quoi » contourne le contrôle éthique, les points de contrôle et la vérification ; les erreurs se propagent tout au long de la chaîne.

Fort :

Mettez en place un workflow en 7 étapes pour cette collection, avec un point de contrôle humain à chaque étape. Que la première étape soit le contrôle éthique/vie privée. Le résultat produit par l’IA à chaque étape sera vérifié avant de passer à l’étape suivante ; marquez les faits critiques (date/nom/référence). A aucun moment l’IA n’a le dernier mot.

La différence : la structure par étapes, la priorité éthique, les points de contrôle et le principe « les gens ont le dernier mot » rendent l'ensemble du projet sûr et défendable.

Erreurs courantes

Laisser le contrôle éthique pour la fin. L'analyse de la confidentialité/des droits d'auteur est la première étape ; S'il est ajouté ultérieurement, la violation s'est déjà produite.
Contourner les points de contrôle. Une erreur non vérifiée se propage tout au long de la chaîne.
Ne protège pas le fichier maître. Si l'original n'est pas conservé intact, le retour devient impossible.
Économie sur vérification. L’IA raccourcit le travail mécanique ; Si le temps de vérification est raccourci, la qualité diminue.
Ne pas déclarer l’utilisation de l’IA. La transparence fait partie de la crédibilité scientifique de la collection.

En résumé

Un projet d'archives de bout en bout relie les compétences individuelles dans une chaîne de contrôle : analyse éthique, numérisation, extraction de texte, métadonnées, modèle, outil de récupération et publication. À chaque étape, l’IA accélère le travail mécanique ; A chaque étape, un point de contrôle humain a le dernier mot. Le contrôle éthique est la première étape, le fichier principal est protégé, les erreurs sont détectées tôt afin qu'elles ne se propagent pas dans la chaîne et l'utilisation de l'IA est déclarée honnêtement. Les économies ne viennent pas de l’IA qui fait tout, mais de l’être humain libéré du travail mécanique et se concentrant sur la vérification. L’IA s’accélère ; L’homme garantit l’exactitude et l’intégrité de l’histoire.

Tâche de candidature

Sélectionnez une petite collection (10 à 20 documents ; votre propre matériel ou un ensemble d'échantillons). Créez un workflow en 7 étapes avec le modèle « plan de démarrage du projet ». Exécutez au moins deux documents via ce flux : analyse éthique, extraction de texte, métadonnées et couche de modèles. Vérifiez chaque étape avec une « liste de contrôle de transition d’étape ». Enfin, documentez votre utilisation de l’IA avec le modèle « clôture et déclaration de projet ». Notez quelles erreurs ont été détectées lors des premiers points de contrôle.

liste de contrôle

[ ] J'ai effectué la vérification de l'éthique et de la vie privée dès la première étape.
[ ] J'ai gardé les fichiers maîtres intacts.
[ ] J'ai mis un point de contrôle humain à chaque étape.
[ ] J'ai vérifié les faits critiques avant qu'ils ne se propagent dans la chaîne.
[ ] J'ai déclaré l'utilisation de l'IA lors de la clôture du projet.

Examen de module

1. Quel est le positionnement le plus approprié pour l’intelligence artificielle dans l’histoire et l’archivage ?

A) L’IA est un outil de synthèse, d’édition et de rédaction ; Les commentaires, les critiques de la source et la responsabilité finale appartiennent à l'expert ✔
B) L'intelligence artificielle peut décider seule de l'authenticité et de la signification du document, à la manière d'un historien
C) L'intelligence artificielle ne fonctionne que pour traduire du texte, elle n'a rien à voir avec d'autres tâches d'archivage
D) Puisque l’intelligence artificielle est toujours plus impartiale que les humains, l’interprétation historique devrait lui être laissée.

Description : Intelligence artificielle ; C'est un assistant qui édite, numérise, traduit et produit des brouillons de texte. La critique de la source, l'interprétation, l'établissement de la relation de cause à effet et la décision finale appartiennent à l'expert ; Une sortie non vérifiée peut conduire à une source fabriquée, à une fausse date ou à un anachronisme.

2. Quelle est l’hallucination produite par l’intelligence artificielle dans la recherche historique ?

A) L'intelligence artificielle traite un document très lentement
B) L'intelligence artificielle fabrique une source, une citation ou un événement inexistant comme étant réel ✔
C) Un document est physiquement endommagé
D) Un catalogue d'archives n'est pas à jour

Explication : L'hallucination se produit lorsque l'intelligence artificielle fabrique en toute confiance des informations, des sources, des citations ou des événements qui n'existent pas réellement. Bien que sa forme semble parfaite, son contenu n’est pas réel ; Par conséquent, dans chaque catalogue de référence, chaque citation doit être vérifiée à la source originale.

3. Quelle est la meilleure approche pour faire corriger une sortie OCR par l’intelligence artificielle ?

A) Demander au texte d'être fluide et beau et de compléter logiquement les parties manquantes.
B) Lui permettre de corriger tous les nombres et dates en fonction du contexte
C) Lui demander de corriger uniquement les erreurs de reconnaissance optique, de laisser des zones illisibles [?] et de ne pas modifier les chiffres/dates ✔
D) Demander à l'élève de compléter les mots illisibles avec la supposition la plus probable.

Explication : La règle d'or en matière de correction OCR est de corriger uniquement les erreurs évidentes de reconnaissance optique (telles que rn en m, l en 1) ; ne pas interpréter ou compléter le contenu du texte. Les zones illisibles sont marquées d'un [?] ; Les chiffres et les dates ne sont pas modifiés, ils sont vérifiés avec l'image.

4. Que faut-il demander à l’intelligence artificielle lorsqu’il s’agit de lire un mot dont la voyelle n’est pas écrite dans un texte ottoman ?

A) Donner une lecture unique et précise, accélérant ainsi le travail
B) Sélectionner le mot qui rendra le sens le plus fluide et remplir les blancs
C) Compléter les parties illisibles à partir de ses propres connaissances générales.
D) Proposer des alternatives de lecture possibles et marquer les zones ambiguës au lieu d'imposer une lecture définitive ✔

Explication : En turc ottoman, les voyelles courtes ne sont pour la plupart pas écrites ; Une seule différence voyelle/lettre (abul et kabul, wali et vali) change complètement le sens. Ainsi, au lieu d’imposer une lecture définitive, il convient de s’interroger sur les alternatives possibles, de préserver les zones illisibles et de laisser la décision finale au paléographe.

5. Quel est le moyen le plus efficace de prévenir les hallucinations lorsque l'IA produit un projet de métadonnées (enregistrement de catalogue) ?

A) Accorder explicitement la permission de laisser ce champ vide s'il n'est pas inclus dans le document ✔
B) Demander que chaque champ soit rempli et ne soit pas laissé incomplet.
C) Estimation d'une date en fonction du contenu de documents non datés
D) Permettre à l'intelligence artificielle de générer le code de référence

Description : La pression de remplissage force l'IA à créer le document en devinant la date ou le créateur qui ne figure pas dans le document. La meilleure protection contre cela est d'accorder explicitement la permission de laisser le champ vide s'il ne figure pas dans le document ; De plus, les termes du sujet sont mappés à un vocabulaire contrôlé.

6. Comment positionner une synthèse documentaire réalisée par intelligence artificielle dans la recherche historique ?

A) Comme preuve fiable pouvant être directement citée
B) Comme carte de découverte qui vous dirige vers le document lui-même ; Les preuves sont tirées du document original ✔
C) Comme ressource adéquate pouvant remplacer le document lui-même
D) Comme texte pouvant être utilisé dans l'étude sans jamais revenir au document

Description : Le résumé est une carte de découverte, pas une preuve. Il y a quelque chose comme ça dans ce document, il est dit d'aller voir ; Cela ne dit pas exactement ce qui est dit dans le document. Si un événement, une citation ou des données doivent être inclus dans l’étude, ils doivent être repris textuellement du document original.

7. Quelle est la bonne manière d’éviter les anachronismes lors de la traduction d’un document historique en vue de sa publication ?

A) Remplacer tous les termes de période par l'équivalent le plus proche d'aujourd'hui
B) Transmettre le texte de la manière la plus fluide et moderne possible
C) Laissez les titres de périodes et les noms d'institutions uniques et ajoutez une explication ✔
D) Adapter les noms propres à leur usage actuel

Explication : L'anachronisme est le mauvais transfert d'éléments d'une période à une autre. Changer les titres d'époque, les noms d'institutions et les noms de personnes en termes d'aujourd'hui transporte le lecteur dans un monde qui n'appartient pas à l'époque. La bonne méthode consiste à conserver le terme de période et à ajouter une explication à côté.

8. Comment s'assurer qu'une référence d'archive (nom du fonds, numéro de dossier) donnée par l'intelligence artificielle est réelle ?

A) Faire confiance à la référence car son format semble correct
B) En demandant à nouveau à l'IA si la référence est correcte
C) Accepter la référence comme vraie car elle est convaincante et détaillée
D) En trouvant et vérifiant personnellement la référence dans le catalogue d'archives ou une source fiable ✔

Description : L’intelligence artificielle peut produire des références dont la forme est parfaite mais qui n’existent pas réellement ; Une référence fictive se présente sous la même forme qu'une référence réelle. La seule façon de prouver qu'une référence existe est de la retrouver là où se trouve la source originale (catalogue d'archives, bibliothèque).

9. Comment évaluer un modèle trouvé lors de l’analyse de modèles (NER, réseau, chronologie) avec l’intelligence artificielle ?

A) Comme hypothèse qui doit être vérifiée dans le document ; point de départ, pas résultat ✔
B) Comme conclusion définitive ne nécessitant pas de vérification
C) C'est un fait objectif incontesté car numérique.
D) Un résultat qui peut être étudié directement car il a découvert l'intelligence artificielle

Explication : Chaque modèle est une hypothèse, pas une preuve. Les entités doivent être liées à la source, les différentes orthographes (de la même personne/du même lieu) doivent être normalisées avec l'approbation humaine, les chiffres doivent être interrogés pour détecter les données manquantes et les biais d'échantillonnage, et les événements non datés ne doivent pas être chronologisés.

10. Pourquoi la section sur l’histoire biographique/institutionnelle d’un instrument de recherche nécessite-t-elle une attention particulière ?

A) Cette section est sans importance et peut être publiée sans vérification
B) Puisque l'intelligence artificielle peut ajouter des événements fabriqués, de fausses dates et des titres dans cette section, elle ne doit s'appuyer que sur des sources vérifiées ✔
C) L’intelligence artificielle peut être utilisée en toute sécurité car elle ne commet aucune erreur dans l’écriture de l’histoire.
D) Seuls les chercheurs remplissent cette section, l'archiviste n'est pas intéressé

Description : La section historique est l'endroit où les hallucinations s'insinuent le plus souvent : l'IA peut insérer des événements inexistants, de fausses dates et des titres inventés tout en écrivant un texte fluide à partir d'informations générales sur une personne ou une institution. Cette section doit être basée uniquement sur des sources vérifiées.

11. Comment l'intelligence artificielle doit-elle répondre à la question factuelle d'un chercheur dans un service de référence (consultation) ?

A) La réponse à la question doit être donnée directement et comme un fait certain.
B) Doit produire une date ou un nom crédible et le transmettre au chercheur.
C) Au lieu de donner des faits directement, il devrait diriger le chercheur vers la collection et la source pertinentes ✔
D) Il doit fournir une réponse complète afin que le chercheur n'ait pas besoin d'aller à la source.

Explication : Dans le service de référence, l'intelligence artificielle ne doit pas donner une réponse factuelle directe, mais doit diriger le chercheur vers la source. Parce que la réponse factuelle directe donnée par l’intelligence artificielle peut être fabriquée et le chercheur peut la confondre avec la source. Au lieu de dire « La réponse est la suivante », il faudrait dire « Regardez ces documents de cette collection ».

12. Quelles opérations sont acceptables et répréhensibles lors du traitement d’une image de document endommagée avec l’intelligence artificielle ?

A) Toutes sortes d'opérations sont gratuites, y compris le remplissage des pièces manquantes.
B) Aucune action ne doit être entreprise, l'image ne doit jamais être touchée
C) Remplir les sections manquantes est l'action la plus précieuse car elle complète le document.
D) Les manipulations de lisibilité telles que le contraste/bruit sont acceptables ; Il n'est pas pratique de remplir les parties manquantes avec des suppositions ✔

Explication : Les procédés améliorant la lisibilité (contraste, éclairage, réduction du bruit) sont acceptables car ils ne modifient pas le contenu ; Cependant, remplir les parties manquantes/illisibles par des suppositions présente le risque de produire ce qui ne figure pas dans le document, c'est-à-dire une contrefaçon historique. L'original est conservé, les transactions sont enregistrées.

13. Que faut-il faire avant de traiter un document d'archive contenant des données personnelles sensibles ?

A) Analyse de la confidentialité et anonymisation si nécessaire ou utilisation d'un outil fermé/approuvé ✔
B) Télécharger le document directement dans un véhicule public sans même y penser
C) Ignorer les problèmes de confidentialité pour des raisons d'efficacité
D) Surmonter les restrictions d'accès pour des raisons d'efficacité

Divulgation : le téléchargement de documents contenant des données sensibles identifiant des personnes vivantes (santé, religion, origine ethnique, adresse) vers des outils publics basés sur le cloud peut constituer une grave violation de la vie privée. Un contrôle de confidentialité doit être effectué en premier, l'anonymisation ou un outil fermé/approuvé doit être utilisé si nécessaire.

14. Quel est l'objectif principal d'un point de contrôle humain dans un projet d'archive de bout en bout ?

A) Ralentir le travail de l'intelligence artificielle et retarder le projet
B) Pour éviter qu'une erreur (date/nom incorrect) dans une étape ne soit enchaînée à toutes les étapes suivantes ✔
C) Augmenter le travail humain et abandonner complètement l’automatisation
D) Veiller à ce que l’intelligence artificielle ait le dernier mot

Description : Un point de contrôle humain à chaque étape garantit que le résultat de l'IA est vérifié avant de passer à l'étape suivante. Sans cela, une erreur dès la première étape (une date mal lue) se propagerait tout au long de la chaîne à travers le catalogue, le modèle et le guide. Une vérification précoce garantit que l'erreur est corrigée en un seul endroit.

15. Qu’exigent la transparence et l’authenticité dans l’utilisation de l’intelligence artificielle en sciences humaines et sociales ?

A) Garder secret l’utilisation de l’intelligence artificielle, en veillant à ce que personne ne le sache
B) Présenter chaque texte produit par l'intelligence artificielle comme sa propre idée originale
C) Déclarer honnêtement l'utilisation de l'intelligence artificielle et ne pas présenter ses résultats comme son propre travail original ✔
D) Partager uniquement les résultats sans expliquer les méthodes

Description : La transparence comprend l'enregistrement du fait qu'une transcription, des métadonnées ou une traduction ont été produites à l'aide de l'intelligence artificielle ; L'originalité nécessite de ne pas présenter un commentaire produit par l'intelligence artificielle comme sa propre idée originale. Ceci est essentiel pour la vérification par les chercheurs ultérieurs et pour l’intégrité académique.