3. LE PROJET GUTENBERG
[3.1. De 1971 à 2006 / Un pari sur 35 ans / Gestation puis persévérance / De dix à mille livres / De mille à dix mille livres / De dix mille à vingt mille livres // 3.2. La méthode adoptée // 3.3. La correction partagée // 3.4. Des collections multilingues // 3.5. Du passé vers l’avenir // 3.6. Chronologie]
Si le livre imprimé a cinq siècles et demi, le livre numérique a tout juste 35 ans. Il est né avec le Projet Gutenberg, créé en juillet 1971 par Michael Hart pour diffuser gratuitement sous forme électronique les oeuvres littéraires du domaine public. Site pionnier à tous égards, le Projet Gutenberg est à la fois le premier site d’information sur un réseau encore embryonnaire et la première bibliothèque numérique. Longtemps considéré par ses détracteurs comme totalement irréaliste, le Projet Gutenberg compte 20.000 titres en décembre 2006, avec des dizaines de milliers de téléchargements quotidiens. A ce jour, personne n’a fait mieux pour mettre les classiques de la littérature mondiale à la disposition de tous, ni pour créer à moindres frais un immense réseau de volontaires de par le monde, sans gâchis de compétences ni d’énergie.
3.1. De 1971 à 2006
= Un pari sur 35 ans
Les vingt premières années, Michael Hart numérise lui-même les cent premiers livres, avec l’aide occasionnelle de telle ou telle personne. Lorsque l’utilisation du web se généralise au milieu des années 1990, le projet trouve un second souffle et un rayonnement international. Tout en continuant de numériser des livres, Michael Hart coordonne désormais le travail de dizaines puis de centaines de volontaires de par le monde. Les collections atteignent 1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre 2000 et 4.000 livres en octobre 2001.
Trente ans après ses débuts, le Projet Gutenberg fonctionne à plein régime. La barre des 5.000 livres est franchie en avril 2002, celle des 10.000 livres en octobre 2003, celle des 15.000 livres en janvier 2005 et celle des 20.000 livres en décembre 2006. Avec 360 nouveaux livres par mois, 38 sites miroirs dans de nombreux pays, plusieurs dizaines de milliers de téléchargements par jour et des milliers de volontaires toutes équipes confondues.
Qu’ils aient été numérisés il y a trente ans ou qu’ils soient numérisés maintenant, tous les livres sont numérisés en mode texte, en utilisant l’ASCII (American standard code for information interchange) original sur sept bits, avec des règles précises pour le formatage. Grâce à quoi les textes peuvent être lus sans problème quels que soient la machine, la plateforme et le logiciel utilisés, y compris sur un PDA ou sur une tablette de lecture. Libre ensuite à chacun de convertir les livres dans d'autres formats, après avoir vérifié que les oeuvres sont également du domaine public dans le pays concerné.
En janvier 2004, le Projet Gutenberg essaime outre-Atlantique avec la création du Projet Gutenberg Europe. A la mission originelle s’ajoute le rôle de passerelle entre les langues et les cultures, l’objectif étant une bibliothèque d’un million de livres d’ici 2015, avec de nombreuses sections nationales et linguistiques. Tout en conservant la même ligne de conduite, à savoir la lecture pour tous à moindres frais, par le biais du texte électronique gratuit, indéfiniment utilisable et reproductible. Et, dans un deuxième temps, la numérisation de l’image et du son, dans le même esprit.
= Gestation puis persévérance
Revenons aux tous débuts du projet. Alors étudiant à l’Université d’Illinois (Etats-Unis), Michael Hart se voit attribuer 100 millions de dollars de «temps machine» par le laboratoire informatique (Materials Research Lab) de son université. Le 4 juillet 1971, jour de la fête nationale, il saisit The United States Declaration of Independence (Déclaration de l’indépendance des Etats-Unis, signée le 4 juillet 1776) sur le clavier de son ordinateur. En caractères majuscules, puisque les caractères minuscules n’existent pas encore. Le texte électronique représente 5 Ko (kilo-octets). Mais l’envoi d’un fichier de 5 Ko à la centaine de personnes que représente le réseau de l’époque aurait fait imploser celui-ci, la bande passante étant infime. Michael Hart diffuse donc un message indiquant où le texte est stocké (sans lien hypertexte toutefois, puisque le web ne voit le jour que vingt ans après), suite à quoi le fichier est téléchargé par six personnes. Le Projet Gutenberg est né.
Dans la foulée, Michael Hart décide de consacrer ce crédit-temps de 100 millions de dollars à la recherche des oeuvres du domaine public disponibles en bibliothèque et à la numérisation de celles-ci. Il décide aussi de stocker les textes électroniques de la manière la plus simple possible, au format ASCII, pour que ces textes puissent être lus sans problème quels que soient la machine, la plateforme et le logiciel utilisés. Au lieu d’un ensemble de pages reliées, le livre devient un texte électronique que l’on peut dérouler en continu, avec des lettres capitales pour les termes en italique, en gras et soulignés de la version imprimée.
Peu après, il définit la mission du Projet Gutenberg: mettre à la disposition de tous, par voie électronique, le plus grand nombre possible d’oeuvres du domaine public. «Nous considérons le texte électronique comme un nouveau médium, sans véritable relation avec le papier», explique-t-il beaucoup plus tard, en août 1998. «Le seul point commun est que nous diffusons les mêmes oeuvres, mais je ne vois pas comment le papier peut concurrencer le texte électronique une fois que les gens y sont habitués, particulièrement dans les écoles.»
Après avoir saisi The United States Declaration of Independence en 1971, Michael Hart poursuit ses efforts en 1972 en saisissant un texte plus long, The United States Bill of Rights (Déclaration des droits américaine). Cette Déclaration des droits comprend les dix premiers amendements ajoutés en 1789 à la Constitution des Etats-Unis (qui date elle-même de 1787), et définissant les droits individuels des citoyens et les pouvoirs respectifs du gouvernement fédéral et des Etats. En 1973, Michael Hart saisit The United States Constitution (Constitution des Etats-Unis) dans son entier.
D’année en année, la capacité de la disquette augmente régulièrement (le disque dur n’existe pas encore), si bien qu'il est possible d’envisager des fichiers de plus en plus volumineux. Michael Hart entreprend la numérisation de la Bible, composée elle-même de plusieurs «livres», qui peuvent être traités séparément et occuper chacun un fichier différent. Il débute aussi la saisie des oeuvres complètes de Shakespeare, une pièce après l’autre, avec un fichier pour chaque pièce. Cette édition n'est d’ailleurs jamais mise en ligne, du fait d’une loi plus contraignante sur le copyright entrée en vigueur dans l’intervalle, et qui vise non pas le texte de Shakespeare, tombé depuis longtemps dans le domaine public, mais les commentaires et notes de cette édition. D’autres éditions annotées appartenant au domaine public sont mises en ligne quelques années après.
Parallèlement, l’internet, qui était encore embryonnaire en 1971, débute véritablement en 1974, suite à la création du protocole TCP/IP (transmission control protocol / internet protocol). En 1983, le réseau est en plein essor.
= De dix à mille livres
En août 1989, le Projet Gutenberg met en ligne son dixième texte, The King James Bible. En 1990, les internautes sont au nombre de 250.000, et le standard en vigueur est la disquette de 360 Ko (kilo-octets). En janvier 1991, Michael Hart saisit Alice’s Adventures in Wonderland (Alice au pays des merveilles) de Lewis Carroll (paru en 1865). En juillet de la même année, il saisit Peter Pan de James M. Barrie (paru en 1904). Ces deux classiques de la littérature enfantine tiennent chacun sur une disquette standard.
Arrive ensuite le web, opérationnel en 1991. Le premier navigateur, Mosaic, apparaît en novembre 1993. Lorsque l’utilisation du web se généralise, il devient plus facile de faire circuler les textes électroniques et de recruter des volontaires. Le Projet Gutenberg rode sa méthode de travail, avec la numérisation d’un texte par mois en 1991, deux textes par mois en 1992, quatre textes par mois en 1993 et huit textes par mois en 1994. En janvier 1994, le Projet Gutenberg fête son centième livre avec la mise en ligne de The Complete Works of William Shakespeare (Les oeuvres complètes de William Shakespeare). La production continue ensuite d’augmenter, avec une moyenne de 8 textes par mois en 1994, 16 textes par mois en 1995 et 32 textes par mois en 1996.
Comme on le voit, entre 1991 et 1996, la production double chaque année. Tout en continuant de numériser des livres, Michael Hart coordonne désormais le travail de dizaines de volontaires. Depuis la fin 1993, le Projet Gutenberg s’articule en trois grands secteurs: a) «Light Literature» (littérature de divertissement), qui inclut par exemple Alice’s Adventures in Wonderland, Peter Pan ou Aesop’s Fables (Les Fables d’Esope) ; b) «Heavy Literature» (littérature «sérieuse»), qui inclut par exemple La Bible, les oeuvres de Shakespeare ou Moby Dick ; c) «Reference Literature» (littérature de référence), composée d’encyclopédies et de dictionnaires, par exemple le Roget’s Thesaurus. Cette présentation en trois secteurs est abandonnée par la suite.
Le Projet Gutenberg se veut «universel», aussi bien pour les oeuvres choisies que pour le public visé, le but étant de mettre la littérature à la disposition de tous, en dépassant largement le public habituel des étudiants et des enseignants. Le secteur consacré à la littérature de divertissement est destiné à amener devant l’écran un public très divers, par exemple des enfants et leurs grands-parents recherchant le texte électronique de Peter Pan après avoir vu le film Hook, ou bien la version électronique d’Alice au pays des merveilles après avoir regardé l'adaptation filmée à la télévision, ou encore l’origine d’une citation littéraire après avoir vu un épisode de Star Trek. Pratiquement tous les épisodes de Star Trek citent des livres ayant leur correspondant numérique dans les collections du Projet Gutenberg.
L’objectif est donc que tous les publics, qu’ils soient familiers ou non avec le livre imprimé, puissent facilement retrouver des textes entendus dans des conversations, des films, des musiques, ou alors lus dans d’autres livres, journaux et magazines. Les fichiers électroniques prennent peu de place grâce à l’utilisation du format ASCII. On peut facilement les télécharger par le biais de la ligne téléphonique. La recherche textuelle est tout aussi simple. Il suffit d’utiliser la fonction «recherche» présente dans n’importe quel logiciel.
En 1997, la production est toujours de 32 titres par mois. En juin 1997, le Projet Gutenberg met en ligne The Merry Adventures of Robin Hood (Les aventures de Robin des Bois) de Howard Pyle (paru en 1883). En août 1997, il met en ligne son millième texte électronique, La Divina Commedia di Dante (La Divine Comédie de Dante, parue en 1321), dans sa langue d’origine, en italien.
En août 1998, Michael Hart écrit: «Mon projet est de mettre 10.000 textes électroniques sur l’internet. (Ce sera chose faite en octobre 2003, ndlr.) Si je pouvais avoir des subventions importantes, j’aimerais aller jusqu’à un million et étendre aussi le nombre de nos usagers potentiels de 1,x% à 10% de la population mondiale, ce qui représenterait la diffusion de 1.000 fois un milliard de textes électroniques au lieu d’un milliard seulement.»
= De mille à dix mille livres
Entre 1998 et 2000, la moyenne est constante, avec 36 textes par mois. En mai 1999, les collections comptent 2.000 livres. Le 2.000e texte est Don Quijote (Don Quichotte) de Cervantès (paru en 1605), dans sa langue d’origine, en espagnol.
Disponible en décembre 2000, le 3.000e titre est le troisième volume de A l’ombre des jeunes filles en fleurs de Marcel Proust (paru en 1919), dans sa langue originale, en français. La moyenne passe à 104 livres par mois en 2001.
Mis en ligne en octobre 2001, le 4.000e texte est The French Immortals Series (La série des Immortels français), dans sa traduction anglaise. Publié en 1905 par la Maison Mazarin (Paris), ce livre rassemble plusieurs fictions d’écrivains couronnés par l’Académie française, comme Emile Souvestre, Pierre Loti, Hector Malot, Charles de Bernard, Alphonse Daudet, etc.
Disponible en avril 2002, le 5.000e texte est The Notebooks of Leonardo da Vinci (Les Carnets de Léonard de Vinci), qui datent du début du 16e siècle. Un texte qui, en 2008, se trouve toujours dans le «Top 100» des livres téléchargés.
En 1988, Michael Hart choisit de numériser Alice’s Adventures in Wonderland et Peter Pan parce que, dans l’un et l’autre cas, leur version numérisée tient sur la disquette standard de l’époque de 360 Ko (kilo-octets). Quinze ans plus tard, en 2002, on dispose de disquettes de 1,44 Mo (mégaoctets) et on peut aisément compresser les fichiers en les zippant. Un fichier standard peut désormais comporter trois millions de caractères, plus qu’il n’en faut pour un livre de taille moyenne. Un roman de 300 pages numérisé au format ASCII représente un mégaoctet. Un livre volumineux représente deux fichiers ASCII, téléchargeables tels quels ou en version zippée.
Cinquante heures environ sont nécessaires pour sélectionner un livre de taille moyenne, vérifier qu’il est bien du domaine public, le scanner, le corriger, le formater et le mettre en page.
Quelques numéros de livres sont réservés pour l’avenir, par exemple le numéro 1984 (eBook #1984) pour le roman éponyme de George Orwell, publié en 1949, et qui est donc loin d’être tombé dans le domaine public.
En 2002, les collections s’accroissent de 203 titres par mois. Au printemps 2002, elles représentent le quart des oeuvres du domaine public en accès libre sur le web, recensées de manière pratiquement exhaustive par l’Internet Public Library (IPL). Un beau résultat dû au patient travail de milliers de volontaires actifs dans plusieurs pays.
1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre 2000, 4.000 livres en octobre 2001, 5.000 livres en avril 2002, 10.000 livres en octobre 2003. Le 10.000e livre est The Magna Carta, qui fut le premier texte constitutionnel anglais, signé au début du 13e siècle.
Entre avril 2002 et octobre 2003, les collections doublent, passant de 5.000 à 10.000 livres en dix-huit mois. La moyenne mensuelle est de 348 livres numérisés en 2003.
Un CD «Best of Gutenberg» est disponible en août 2003 avec une sélection de 600 livres. En décembre 2003, date à laquelle le Projet Gutenberg franchit la barre des 10.000 livres, la quasi-totalité des livres (9.400 livres) est gravée sur un DVD. CD et DVD sont envoyés gratuitement à qui en fait la demande. Libre ensuite à chacun de faire autant de copies que possible et de les distribuer autour de soi.
Dix mille livres. Un chiffre impressionnant quand on pense à ce que cela représente de pages scannées, relues et corrigées. Cette croissance rapide est due à l’activité de Distributed Proofreaders (DP), un site conçu en 2000 par Charles Franks pour permettre la correction partagée. Les volontaires choisissent un livre en cours de traitement pour relire et corriger une page donnée. Chacun travaille à son propre rythme. A titre indicatif, le site conseille de relire une page par jour. C’est peu de temps sur une journée, et c’est beaucoup pour le projet.
= De dix mille à vingt mille livres
En décembre 2003, les collections approchent les 11.000 livres. Plusieurs formats sont désormais présents, à commencer par les formats HTML, XML et RTF, le format principal (et obligatoire) restant l’ASCII. Le tout représente 46.000 fichiers, soit une capacité totale de 110 gigaoctets. Le 13 février 2004, date de la conférence de Michael Hart au siège de l’UNESCO à Paris, les collections comprennent très exactement 11.340 livres dans 25 langues différentes. En mai 2004, les 12.581 livres disponibles représentent 100.000 fichiers dans vingt formats différents, soit une capacité totale de 135 gigaoctets, destinée à doubler chaque année avec l’ajout de plus de 300 livres par mois (348 livres en 2003 et 338 livres en 2004).
Parallèlement, le Project Gutenberg Consortia Center (PGCC), qui avait été lancé en 1997 pour rassembler des collections de livres numériques avec point d’accès unique, est officiellement affilié au Projet Gutenberg en 2003. Par ailleurs, à l’instigation du Projet Rastko, basé à Belgrade (Serbie), les activités du Projet Gutenberg Europe débutent en janvier 2004, avec la mise en ligne des cent premiers livres dans les mois qui suivent. La présence de plusieurs langues reflète la diversité linguistique prévalant en Europe. Cent langues sont prévues sur le long terme.
En janvier 2005, le Projet Gutenberg fête ses 15.000 livres, avec la mise en ligne de The Life of Reason de George Santayana (paru en 1906). En juin 2005, le nombre de livres s’élève à 16.000 et 42 langues sont représentées. Le 3 août 2005, outre l’anglais (14.590 livres), six langues disposent d’un nombre de livres significatif: le français (578 livres), l’allemand (349 livres), le finnois (225 livres), le hollandais (130 livres), l’espagnol (105 livres) et le chinois (69 livres).
Lancé en août 2001, le Project Gutenberg of Australia fête ses 500 livres en juillet 2005, tandis que le Project Gutenberg of Canada est en gestation, avec un suivi grâce à la liste PGCanada. Les choses sont en bonne voie pour un Projet Gutenberg au Portugal et aux Philippines.
En décembre 2006, le Projet Gutenberg franchit la barre des 20.000 livres, dont 10.000 produits par Distributed Proofreaders depuis octobre 2000. La moyenne est de 346 nouveaux livres par mois en 2006. Le nombre de nouveaux livres pour l’année 2006 s’élève à 4.146 alors qu’il était de 3 186 pour l’année 2005. S'il a fallu 32 ans pour numériser les 10.000 premiers livres, entre juillet 1971 et octobre 2003, il n’a fallu que trois ans et deux mois, d’octobre 2003 à décembre 2006, pour numériser les 10.000 livres suivants. Le Project Gutenberg of Australia approche les 1.500 livres (c'est chose faite en avril 2007). Le Projet Gutenberg Europe compte 500 livres.
La section Project Gutenberg PrePrints débute en janvier 2006 pour accueillir de nouveaux documents suffisamment intéressants pour être mis en ligne, mais ne pouvant être intégrés aux collections existantes sans traitement ultérieur par des volontaires, pour diverses raisons: collections incomplètes, qualité insuffisante, conversion souhaitée dans un autre format, etc. Cette section comprend 379 titres en décembre 2006.
Le site Project Gutenberg News débute en novembre 2006 à l’instigation de Mike Cook, le nouvel éditeur de la lettre d’information hebdomadaire et mensuelle. Le site offre par exemple les statistiques de production hebdomadaires, mensuelles et annuelles depuis 2001. La production hebdomadaire est de 24 livres en 2001, 47 livres en 2002, 79 livres en 2003, 78 livres en 2004, 58 livres en 2005 et 80 livres en 2006. La production mensuelle est de 104 livres en 2001, 203 livres en 2002, 348 livres en 2003, 338 livres en 2004, 251 livres en 2005 et 346 livres en 2006. La production annuelle est de 1.244 livres en 2001, 2.432 livres en 2002, 4.176 livres en 2003, 4.058 livres en 2004, 3.017 livres en 2005 et 4.146 livres en 2006.
3.2. La méthode adoptée
Qu’ils aient été numérisés il y a des années ou qu’ils soient numérisés maintenant, tous les livres sont numérisés en mode texte, en utilisant l’ASCII original. Présent dès les débuts de l’informatique et dénommé Plain Vanilla ASCII, cet ASCII sur sept bits traite 128 caractères, dont 97 caractères imprimables correspondant aux touches du clavier anglais ou américain (A-Z, a-z, chiffres, ponctuation et quelques symboles). Dans le cas de langues autres que l’anglais, on utilise des extensions de l’ASCII (appelées ISO-8859 ou ISO-Latin) prenant en compte les caractères accentués. Mais, même dans ce cas, le Projet Gutenberg propose systématiquement en complément une version ASCII sur sept bits sans accents. Sauf, bien entendu, dans le cas de langues non traduisibles en ASCII, comme le chinois, qui est encodé au format Big-5.
Dénommé à juste titre le plus petit dénominateur commun, l’ASCII sur sept bits est le seul format compatible avec 99% des machines et des logiciels, et pouvant être converti dans d’autres formats. Il sera toujours utilisé quand d’autres formats auront disparu, à commencer par les formats éphémères liés à quelques tablettes de lecture commercialisées entre 1999 et 2003 et déjà disparues du marché. Il est l’assurance que les collections ne deviendront jamais obsolètes, et survivront aux changements technologiques des prochaines décennies ou même des prochains siècles. Il n’existe pas d’autre standard aussi largement utilisé pour le moment, y compris l’Unicode, système d’encodage «universel» créé en 1991.
Le Projet Gutenberg propose toutefois certains livres dans d’autres formats, notamment dans les trois formats répandus que sont les formats HTML, XML et RTF. Des fichiers Unicode sont également présents. De plus, tout format proposé par tel ou tel volontaire (PDF, LIT, TeX et beaucoup d’autres) est généralement accepté, dans la mesure où un fichier ASCII est également présent.
Pour une conversion à grande échelle dans un format donné, le relais est passé à d’autres organismes. Par exemple Blackmask Online, qui puise dans les collections du Projet Gutenberg pour proposer des milliers de livres gratuits dans huit formats différents, tous issus du format Open eBook (OeB). Ou encore Manybooks.net, qui convertit les collections du Projet Gutenberg dans des formats lisibles sur PDA. Ou encore GutenMark, un outil permettant de reformater les livres aux formats HTML et LaTEX pour une lecture plus attractive ou de les reformater au format PDF pour une impression à la demande. Ou encore MobileBooks, qui propose 5.000 livres en Java pour lecture sur l’écran d’un téléphone portable. Ou encore Bookshare.org, la grande bibliothèque numérique destinée aux personnes aveugles et malvoyantes résidant aux Etats-Unis. Bookshare.org utilise les collections du Projet Gutenberg pour offrir les classiques du domaine public au format braille et au format DAISY, qui permet l’écoute du livre sur synthèse vocale.
En quoi consiste exactement le travail des volontaires, une fois reçue la confirmation que le livre est bien du domaine public? Il consiste à scanner le livre page après page, ce qui donne des fichiers numérisés en mode image, puis à utiliser un logiciel OCR (optical character recognition), qui permet de convertir chaque fichier image en un fichier texte. Il consiste ensuite à relire le contenu du fichier texte au regard de l’original (image scannée ou livre imprimé) en corrigeant les erreurs, à savoir dix erreurs par page en moyenne quand le logiciel OCR est de qualité.
Le livre est relu et corrigé à deux reprises par deux personnes différentes. Les livres anciens sont parfois saisis ligne après ligne si le texte original manque de clarté. Certains volontaires préfèrent également taper eux-mêmes des textes courts ou des oeuvres qu’ils aiment particulièrement. Mais les livres sont le plus souvent scannés et «OCRisés», puis relus et corrigés.
Contrairement à la numérisation en mode image (qui s’arrête à l’étape du scanner), la numérisation en mode texte permet la copie du texte, l’indexation, la recherche plein texte, l’analyse textuelle, une étude comparative entre plusieurs textes, etc. On peut aussi lancer une recherche à partir de la fonction «chercher» proposée par n’importe quel programme, sans logiciel de recherche intermédiaire.
Le Projet Gutenberg dispose d’un moteur de recherche pour l’ensemble de ses collections, grâce à un partenariat avec Google, avec mise à jour mensuelle. Tout comme une recherche sur les métadonnées (auteur, titre, descriptif, mots-clés) grâce à un partenariat avec Yahoo!, avec mise à jour hebdomadaire. Pour la recherche avancée (Advanced Search), la recherche multicritères (auteur, titre, sujet, langue, catégorie, classification, format, numéro) inclut désormais un critère supplémentaire de recherche plein texte (Full Text), à titre expérimental.
Les avantages de la numérisation en mode texte sont multiples. Les fichiers prennent peu de place et circulent d’autant plus facilement. Contrairement à d’autres formats, le téléchargement d’un livre au format texte ne requiert pas de bande passante large. Le fichier texte peut être copié à l’infini, et constituer la base de centaines de nouvelles versions numériques et imprimées, pour un coût pratiquement nul. A tout moment, on peut corriger les erreurs typographiques qui auraient pu subsister. Les lecteurs peuvent changer à volonté la taille et la police des caractères, ainsi que les marges ou le nombre de lignes par page. Le lecteur malvoyant peut grossir la taille des polices et le lecteur aveugle utiliser un logiciel de reconnaissance vocale. Tout ceci est nettement plus difficile, sinon impossible, avec nombre d’autres formats.
Si la correction par deux personnes différentes permet de mettre en ligne un texte fiable à 99,9%, le but n’est pas pour autant de créer des éditions faisant autorité, ou d’épiloguer sans fin avec un lecteur pointilleux sur le bien-fondé ou non d’un signe de ponctuation tel que deux points à la place d’un point virgule entre deux propositions.
Le Projet Gutenberg insiste régulièrement sur la nécessité de la relecture, qu’il juge essentielle. Utiliser directement des livres scannés puis convertis au format texte par un logiciel OCR, sans relecture, donne un résultat de bien moindre qualité, avec une fiabilité de 99% dans le meilleur des cas. L’étape de la relecture avec correction permet d’atteindre une fiabilité de 99,95%, un pourcentage élevé qui est aussi le standard de la Library of Congress.
Le Projet Gutenberg s’inscrit donc dans une perspective assez différente de la bibliothèque de l’Internet Archive (qui héberge également les collections du Projet Gutenberg, en tant que deuxième site de distribution et site de sauvegarde). Dans le cas de l’Internet Archive, les livres sont scannés puis «OCRisés», mais ils ne sont pas relus par des correcteurs s’attachant à traquer les erreurs. Plus rapide et moins fiable quant au résultat, la numérisation des livres sans relecture est aussi la méthode adoptée par Google, Microsoft et bien d’autres pour leurs propres bibliothèques numériques.
Disponible sur le site du Projet Gutenberg, le File Recode Service permet de convertir les fichiers d’un système d’encodage (ASCII, ISO-8859, Unicode, Big-5, etc.) à un autre. A l’avenir, un logiciel de conversion beaucoup plus puissant devrait permettre la conversion automatique dans bien d’autres formats (XML, HTML, PDF, TeX, RTF, BRF, etc.). Il sera également possible de choisir d’emblée la taille et la police des caractères, ainsi que le fonds d’écran. Une autre conversion très attendue est la conversion d’une langue à une autre par le biais d’un logiciel de traduction automatique. Une telle conversion pourrait être possible dans quelques années, quand ce type de logiciel aura gagné en qualité.
3.3. La correction partagée
La croissance rapide des collections depuis 2001 est due à l’activité de Distributed Proofreaders, site lancé en octobre 2000 par Charles Franks pour gérer la correction partagée entre les volontaires. A l’origine, il s’agit seulement d’intensifier la production de livres du Projet Gutenberg. Mais le succès est tel que le site devient la principale source des collections. En 2002, Distributed Proofreaders est officiellement affilié au Projet Gutenberg.
Les volontaires n’ont aucun quota à respecter. A titre indicatif, il est suggéré de relire une page par jour, si possible. Cela semble peu, mais une page multipliée par des centaines de volontaires représente un chiffre considérable. La progression est rapide. En 2003, une moyenne de 250 à 300 relecteurs quotidiens permet de produire entre 2.500 et 3.000 pages par jour, ce qui représente deux pages par minute. En 2004, la moyenne est de 300 à 400 relecteurs quotidiens produisant entre 4.000 et 7.000 pages par jour, à savoir quatre pages par minute. Distributed Proofreaders comptabilise un total de 3.000 livres en février 2004, 5.000 livres en octobre 2004, 7.000 livres en mai 2005, 8.000 livres en février 2006 et 10.000 livres en mars 2007, avec plusieurs milliers de volontaires dans le monde et une production de cinq livres par jour.
Le site a pour but de permettre à plusieurs correcteurs de travailler simultanément au même livre, sur des pages différentes. Le volontaire commence par s’inscrire. Il reçoit des directives détaillées. Ces directives concernent par exemple les parties en gras, en italique et soulignées, ou les notes, qui sont toutes traitées de la même manière. Un forum permet de poser des questions et de demander de l’aide si nécessaire. Quand le volontaire se connecte au site, il sélectionne le livre de son choix à partir d’une liste donnée. Une page du livre choisi apparaît simultanément en deux versions: d’une part l’image scannée, d’autre part le texte issu de cette image, produit par un logiciel OCR. Le relecteur compare les deux versions et corrige les différences. Un logiciel OCR étant fiable à 99%, cela représente une moyenne de dix erreurs à corriger par page. La page est ensuite sauvegardée. Le relecteur peut soit cesser le travail, soit opter pour la correction d’une autre page. Tous les livres sont relus et corrigés deux fois de suite et, la deuxième fois, uniquement par des correcteurs expérimentés. Les pages corrigées sont ensuite formatées selon des règles précises et assemblées par d’autres volontaires pour obtenir un livre numérique. Durant tout le processus, un livre donné est suivi par un responsable (project manager) qui s’assure du bon déroulement des opérations. Après la mise en forme suit la mise en ligne, avec indexation (titre, sous-titre, numéro de l’ebook et format) puis catalogage (dates de naissance et de décès de l’auteur, classification de la Library of Congress, etc.).
Les volontaires peuvent aussi travailler de manière indépendante, en s’adressant directement au Projet Gutenberg. Ils peuvent saisir leur livre préféré de bout en bout sur le traitement de texte de leur choix. Ils peuvent aussi scanner eux-mêmes un livre, le convertir en texte par le biais d’un logiciel OCR et faire les corrections nécessaires en comparant le résultat à l’original. Dans les deux cas, une deuxième relecture est faite par une autre personne. Toute participation est bienvenue, quelle que soit la méthode adoptée. Il est tout à fait possible de joindre des fichiers dans d'autres formats en complément du fichier ASCII.
Aussi bien pour Distributed Proofreaders (DP-INT) que pour Distributed Proofreaders Europe (DP Europe), de nouveaux volontaires sont bienvenus, y compris pour les livres en français. La tâche est immense. Comme indiqué sur les deux sites, «DP ne s’attend pas à un engagement inconditionnel de votre part. Corrigez des textes aussi souvent que vous le voulez, et le nombre de pages que vous voulez. Nous encourageons les gens à corriger une page par jour, mais vous êtes tout à fait libre de faire ce qui vous plaît. Nous espérons que vous vous joindrez à notre mission de préserver "la littérature mondiale dans un format gratuit et disponible pour tous".»
3.4. Des collections multilingues
Qu’en est-il exactement des langues? Dans un premier temps, le Projet Gutenberg est essentiellement anglophone, puisqu’il est basé aux Etats-Unis et qu’il sert en priorité la communauté anglophone nationale et internationale.
En octobre 1997, Michael Hart annonce son intention d’intensifier la production de livres dans d’autres langues. Début 1998, le catalogue comprend quelques oeuvres en allemand, en espagnol, en français (dix titres), en italien et en latin. En juillet 1999, Michael Hart écrit: «J’introduis une nouvelle langue par mois maintenant, et je vais poursuivre cette politique aussi longtemps que possible.»
Début 2004, 25 langues sont représentées. En juillet 2005, 42 langues sont représentées, dont l’iroquois, le sanscrit et les langues mayas. Outre l’anglais (14 548 livres le 27 juillet 2005), six langues disposent de plus de cinquante titres: le français (577 livres), l’allemand (349 livres), le finnois (218 livres), le hollandais (130 livres), l’espagnol (103 livres) et le chinois (69 livres). En décembre 2006, 50 langues sont représentées. Les langues comprenant plus de 50 titres sont l’anglais (17 377 livres le 16 décembre 2006), le français (966 titres), l’allemand (412 titres), le finnois (344 titres), le hollandais (244 titres), l’espagnol (140 titres), l’italien (102 titres), le chinois (69 titres), le portugais (68 titres) et le tagalogue (51 titres).
La quantité de livres progresse rapidement pour chaque langue. Pour le français par exemple, sur 11 340 livres disponibles le 13 février 2004, on comptait seulement 181 livres en français. Sur 15 505 livres disponibles le 16 mai 2005, on compte 547 livres en français. Soit trois fois plus en quinze mois. Sur 19 996 livres disponibles le 16 décembre 2006, on compte 966 livres en français, soit un peu moins du double en dix-huit mois. Le mouvement devrait sensiblement s’accélérer avec le lancement du Projet Gutenberg Europe en janvier 2004.
Les premiers titres disponibles dans la langue de Molière sont six romans de Stendhal et deux romans de Jules Verne, tous mis en ligne au début de 1997. Les six romans de Stendhal sont L’Abbesse de Castro, Les Cenci, La Chartreuse de Parme, La Duchesse de Palliano, Le Rouge et le Noir et Vittoria Accoramboni, et les deux romans de Jules Verne De la terre à la lune et Le tour du monde en quatre-vingts jours. A la même date, si aucun titre de Stendhal n’est disponible en anglais, trois romans de Jules Verne le sont : 20,000 Leagues Under the Seas (Vingt mille lieues sous les mers, mis en ligne en septembre 1994), Around the World in 80 Days (Le tour du monde en quatre-vingts jours, mis en ligne en janvier 1994) et From the Earth to the Moon (De la terre à la lune, mis en ligne en septembre 1993). Stendhal et Jules Verne sont suivis par Edmond Rostand avec Cyrano de Bergerac, mis en ligne en mars 1998.
A la fin de 1999, le «Top 20», à savoir la liste des vingt auteurs les plus lus, mentionne Jules Verne à la onzième place, et Emile Zola à la seizième place. Ils sont toujours en bonne position dans le «Top 100» actuel.
A titre anecdotique, le premier document illustré disponible toutes langues confondues est French Cave Paintings (Peintures des cavernes en France), mis en ligne dès avril 1995, avec une version XHTML ajoutée en novembre 2000. Il s’agit de quatre photos de peintures paléolithiques retrouvées dans une grotte de l’Ardèche (département de la région Rhône-Alpes). Ces photos sous droits ont été mises à la disposition du Projet Gutenberg par Jean Clottes, conservateur général du patrimoine, pour être largement diffusées.
En 2004, le multilinguisme devient l’une des priorités du Projet Gutenberg, tout comme l’internationalisation. Michael Hart prend son bâton de pèlerin vers l’Europe, avec des étapes à Bruxelles, Paris et Belgrade. Le 12 février 2004, il donne une conférence au siège de l’UNESCO (Organisation des Nations Unies pour l’éducation, la science et la culture) à Paris. Le lendemain, toujours à Paris, il anime un débat à l’Assemblée nationale. La semaine suivante, il s’adresse au Parlement européen à Bruxelles. Puis il rend visite à l’équipe du Projet Rastko à Belgrade, pour soutenir la création du Projet Gutenberg Europe (PG Europe) et de Distributed Proofreaders Europe (DP Europe).
Le lancement de DP Europe par le Projet Rastko en janvier 2004 représente une étape importante. DP Europe est calqué sur le site original de Distributed Proofreaders, pour gérer la relecture partagée du Projet Gutenberg Europe. Dès ses débuts, DP Europe est un site multilingue, qui prend en compte les principales langues nationales. En avril 2004, grâce à des traducteurs volontaires, le site de DP Europe est disponible en douze langues. L’objectif à moyen terme est soixante langues, et donc soixante équipes linguistiques, avec prise en compte de toutes les langues européennes. Quand il aura atteint sa vitesse de croisière, DP Europe devrait alimenter plusieurs bibliothèques numériques nationales et/ou linguistiques, par exemple le Projet Gutenberg France pour la France. Le but étant que chaque pays ou région ait son propre accès réseau autorisé (respectant la législation en vigueur dans le pays donné), qui sera un accès local au sein d’un réseau continental (dans le cas de la France, le réseau européen) et d’un réseau global (à l’échelle de la planète).
Quelques mots maintenant sur le Projet Rastko, qui s’est porté volontaire pour un pari aussi fou, catalysant du même coup les bonnes volontés européennes à l’est comme à l’ouest. Fondé en 1997, le Projet Rastko est une initiative non gouvernementale à vocation culturelle et pédagogique. L’un de ses objectifs est la mise en ligne de la culture serbe. Il fait partie de la Balkans Cultural Network Initiative, un réseau culturel régional couvrant la péninsule des Balkans, située au sud-est de l’Europe.
En mai 2005, Distributed Proofreaders Europe fête le centième livre numérisé par ses soins, avec mise en ligne de ces cent livres le mois suivant sur le site du Projet Gutenberg Europe. En décembre 2006, DP Europe comptabilise 400 livres numérisés. La règle utilisée pour définir le domaine public est l’équation «décès de l’auteur + 70 ans», qui correspond à la législation en vigueur dans l’Union européenne. DP Europe utilise l’Unicode pour pouvoir traiter des livres dans un grand nombre de langues. Créé en 1991 et largement répandu à partir de 1998, l’Unicode est un système d’encodage qui attribue un code unique à chaque caractère pour être en mesure de traiter toutes les langues, contrairement à l’ASCII qui ne peut traiter que l’anglais et quelques langues européennes.
3.5. Du passé vers l’avenir
Le pari fait par Michael Hart en 1971 est donc réussi. Le Projet Gutenberg compte 10 livres en août 1989, 100 livres en janvier 1994, 1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre 2000, 4.000 livres en octobre 2001, 5.000 livres en avril 2002, 10.000 livres en octobre 2003, 15.000 livres en janvier 2005 et 20.000 livres en décembre 2006, avec une prévision d’un million de livres d’ici 2015.
Mais les résultats du Projet Gutenberg ne se mesurent pas seulement à ces chiffres, qui restent assez modestes par rapport à la production imprimée. Les résultats se mesurent également à l’influence du projet, qui est considérable. Premier site d’information sur l’internet et première bibliothèque numérique, le Projet Gutenberg a inspiré bien d’autres bibliothèques numériques depuis, par exemple le Projekt Runeberg pour la littérature scandinave ou le Projekt Gutenberg-DE pour la littérature allemande, pour n’en citer que deux. Fondé en décembre 1992 par Lysator, un club informatique d’étudiants, en collaboration avec la Linköping University Library (Suède), le Projekt Runeberg regroupe 200 oeuvres appartenant à la littérature nordique. Créé en 1994, le Projekt Gutenberg-DE (désormais hébergé sur le site de l’hebdomadaire Der Spiegel) comprend 200 titres de littérature allemande et de littérature étrangère en allemand.
La structure administrative et financière du Projet Gutenberg se limite au strict minimum, avec une devise qui tient en trois mots : «Less is more.» Michael Hart insiste régulièrement sur la nécessité d’un cadre aussi souple que possible laissant toute initiative aux volontaires, et la porte grande ouverte aux idées nouvelles. Le but est d’assurer la pérennité du projet indépendamment des crédits, des coupures de crédits et des priorités politiques et culturelles du moment. Pas de pression possible donc par le pouvoir et par l’argent. Et respect à l’égard des volontaires, qui sont assurés de voir leur travail utilisé pendant de nombreuses années, si ce n’est pour plusieurs générations, d’où l’intérêt d’un format numérique qui soit toujours valable dans quelques siècles. Le suivi régulier du projet est assuré grâce à une lettre d’information hebdomadaire et mensuelle et des forums de discussion.
Les dons servent à financer des ordinateurs et des scanners, et à envoyer des CD et DVD gratuits à ceux qui en font la demande. Suite au CD «Best of Gutenberg» disponible en août 2003 avec une sélection de 600 titres et à un premier DVD disponible en décembre 2003 avec 9.400 titres, un deuxième DVD est disponible en juillet 2006 avec 17.000 titres sur les 19.000 titres que comprennent désormais les collections. Le contenu des CD et DVD est également téléchargeable sur le site de BitTorrent. Créé en 2000, le PGLAF (Project Gutenberg Literary Archive Foundation) emploie en tout et pour tout trois personnes à temps partiel.
Chose souvent passée sous silence, Michael Hart est le véritable inventeur de l’ebook. Si on considère l’ebook dans son sens étymologique, à savoir un livre numérisé pour diffusion sous forme de fichier électronique, celui-ci aurait 35 ans et serait né avec le Projet Gutenberg en juillet 1971. Une paternité beaucoup plus réconfortante que les divers lancements commerciaux dans un format propriétaire ayant émaillé le début des années 2000. Il n’y a aucune raison pour que la dénomination «ebook» ne désigne que l’ebook commercial et soit réservée aux Amazon, Barnes & Noble, Gemstar et autres. L’ebook non commercial est un ebook à part entière, et non un parent pauvre, tout comme l’édition électronique non commerciale est une forme d’édition à part entière, et tout aussi valable que l’édition commerciale. En 2003, les etexts du Projet Gutenberg deviennent des ebooks, pour coller à la terminologie ambiante.
En juillet 1971, l’envoi d’un fichier de 5 Ko (kilo-octets) à cent personnes aurait fait sauter l’embryon de réseau disponible à l’époque. En novembre 2002, le Projet Gutenberg peut mettre en ligne les 75 fichiers du Human Genome Project (Le séquençage du génome humain), chaque fichier se chiffrant en dizaines sinon en centaines de mégaoctets. Ceci peu de temps après sa parution initiale en février 2001, puisqu’il appartient d’emblée au domaine public. En 2004, la capacité de stockage des disques durs est telle qu’il serait possible de faire tenir l’intégralité de la Library of Congress sur un support de stockage coûtant 140 dollars US. Et quelques années seulement nous sépareraient d’une clé USB permettant de stocker l’intégralité du patrimoine écrit de l’humanité.
Qu’en est-il des documents autres que l’écrit? En septembre 2003, le Projet Gutenberg se lance dans la diffusion de livres audio. En décembre 2006, on compte 367 titres lus par une synthèse vocale (Audio Book, computer-generated) et 132 titres lus par l’être humain (Audio Book, human-read). Le nombre de ces derniers devrait fortement augmenter dans un proche avenir. Par contre, les titres lus par une synthèse vocale ne devraient plus être stockés dans une section spécifique, mais réalisés à la demande à partir des fichiers électroniques existant dans les collections générales. Les lecteurs aveugles ou malvoyants pourront utiliser une commande vocale pour demander le texte de tel ou tel livre.
Lancée à la même époque, la section The Sheet Music Subproject est consacrée aux partitions musicales numérisées (Music, Sheet). Elle est complétée par une section d’enregistrements musicaux (Music, recorded). Des sections sont également disponibles pour les images fixes (Pictures, still) et animées (Pictures, moving). Ces nouvelles collections devraient être développées dans les prochaines années.
Mais la numérisation des livres reste prioritaire. Et la demande est énorme. En témoigne le nombre de téléchargements, qui se comptent désormais en dizaines de milliers par jour. A la date du 31 juillet 2005, on compte 37.532 fichiers téléchargés dans la journée, 243.808 fichiers téléchargés dans la semaine et 1.154.765 fichiers téléchargés dans le mois. A la date du 6 mai 2007, on compte 89.841 fichiers téléchargés dans la journée, 697.818 fichiers téléchargés dans la semaine et 2.995.436 fichiers téléchargés dans le mois. Courant mai, la nombre de téléchargements mensuels atteint la barre des trois millions. Ceci uniquement pour le principal site de téléchargement, ibiblio.org (basé à l’Université de Caroline du Nord, Chapel Hill, Etats-Unis), qui héberge aussi le site du Projet Gutenberg. Le deuxième site de téléchargement est l’Internet Archive, qui met également à disposition une capacité de stockage considérable. Un «Top 100» recense les cent titres et les cent auteurs les plus téléchargés dans la journée, dans la semaine et dans le mois. Le Projet Gutenberg dispose de 38 sites miroirs répartis dans de nombreux pays, et il en cherche d’autres. La circulation des fichiers se fait aussi en mode P2P (peer-to-peer), qui permet d’échanger des fichiers directement d’un utilisateur à l’autre.
Les livres du Projet Gutenberg peuvent aider à combler la fracture numérique. Ils sont aisément téléchargeables sur PDA. Un ordinateur ou un PDA d’occasion ne coûte que quelques dollars ou quelques dizaines de dollars, en fonction du modèle. Certains PDA fonctionnent à l’énergie solaire, permettant la lecture dans les régions reculées et les pays en développement.
Lorsque, dans une dizaine d’années, les collections atteindront un million de livres, on pourra peut-être bénéficier de leur traduction simultanée dans une centaine de langues. En utilisant la traduction automatique qui, d’ici là, pourrait avoir atteint un taux de fiabilité de l’ordre de 99%, un pourcentage dont on est encore loin. En 2004, le Projet Gutenberg était en lien avec un projet européen envisageant un logiciel de traduction automatique relayé par des traducteurs (non pas des machines, mais des êtres humains), sur un modèle comparable à la technologie OCR relayée par des correcteurs (non pas des logiciels, mais des êtres humains) pour offrir un contenu de grande qualité.
35 ans après les débuts du Projet Gutenberg, Michael Hart se définit toujours comme un fou de travail dédiant toute sa vie à son projet, qu’il voit comme étant à l’origine d’une révolution néo-industrielle. Il se définit aussi comme altruiste, pragmatique et visionnaire. Après avoir été traité de toqué pendant de nombreuses années, il force maintenant le respect. Au fil des ans, la mission du Projet Gutenberg reste la même, à savoir changer le monde par le biais de l’ebook gratuit indéfiniment utilisable et reproductible. L’objectif reste lui aussi le même, à savoir la lecture et la culture pour tous à moindres frais. Quant à la mission, elle se résume en quelques mots: «encourager la création et la distribution d’ebooks», par autant de personnes que possible, et par tous les moyens. Tout en prenant les virages nécessaires pour intégrer de nouvelles idées, de nouvelles méthodes et de nouveaux supports.
D’après Michael Hart, le patrimoine écrit de l’humanité représenterait 25 millions de livres appartenant au domaine public, qui pourraient être collectés auprès des grandes bibliothèques nationales et régionales, à raison d’un exemplaire par livre, sans tenir compte des nombreuses éditions annotées et commentées. Si Gutenberg a permis à chacun d’avoir des livres grâce à l’invention de l’imprimerie, le Projet Gutenberg permet à chacun d’avoir une bibliothèque de livres grâce au stockage de ceux-ci sur un support numérique tenant dans un sac sinon dans une poche. Fin 2006, le Projet Gutenberg permet d'ores et déjà à chacun d’avoir une bibliothèque numérique de 20.000 livres, auxquels s’ajoutent les 75.000 livres provenant de diverses collections rassemblés par le Project Gutenberg Consortia Center (PGCC).
Laissons le mot de la fin à Michael Hart, à qui je demandais en août 1998 quel était son meilleur souvenir. A l’époque, il répondait: «Le courrier que je reçois me montre combien les gens apprécient que j’aie passé ma vie à mettre des livres sur l’internet. Certaines lettres sont vraiment émouvantes, et elles me rendent heureux pour toute la journée.» Quelques années après, il confirme que sa réponse serait toujours la même.
3.6. Chronologie
1971 (juillet): Saisie par Michael Hart de The United States Declaration of Independence (ebook #1) et diffusion d’un message auprès des cent premiers usagers du réseau. Le Projet Gutenberg est né.
1972: Saisie de The United States Bill of Rights (ebook #2).
1973: Saisie de The United States Constitution (ebook #5).
1974-1988: Saisie de la Bible et de plusieurs pièces de Shakespeare.
1989 (août): The King James Bible (ebook #10).
1991 (janvier): Alice’s Adventures in Wonderland (ebook #11).
1991 (juin): Peter Pan (ebook #16).
1991: Numérisation d’un livre par mois.
1992: Numérisation de deux livres par mois.
1993: Numérisation de quatre livres par mois.
1993 (décembre): Constitution de trois grands secteurs: Light Literature, Heavy Literature, Reference Literature.
1994: Numérisation de huit livres par mois.
1994 (janvier): The Complete Works of William Shakespeare (ebook #100).
1995: Numérisation de 16 livres par mois.
1996-1997: Numérisation de 32 livres par mois.
1997 (août): La Divina Commedia di Dante, en italien (ebook #1000).
1997: Lancement du Project Gutenberg Consortia Center (PGCC).
1998-2000: Numérisation de 36 livres par mois.
1999 (mai): Don Quijote, de Cervantès, en espagnol (ebook #2000).
2000: Création de la Project Gutenberg Literary Archive Foundation (PGLAF).
2000 (octobre): Conception de Distributed Proofreaders par Charles Franks pour permettre la correction partagée.
2000 (décembre): A l’ombre des jeunes filles en fleurs (vol. 3), de Proust, en français (ebook #3000).
2001 (août): Création du Project Gutenberg of Australia.
2001 (octobre): The French Immortals Series, en anglais (eBook #4000).
2001: Numérisation de 104 livres par mois.
2002: Affiliation officielle de Distributed Proofreaders au Projet Gutenberg.
2002 (avril): The Notebooks of Leonardo da Vinci, en anglais (ebook #5000).
2002: Numérisation de 203 livres par mois.
2003 (août): Edition d’un CD «Best of Gutenberg» contenant 600 livres.
2003 (septembre): Lancement de la section Project Gutenberg Audio eBooks.
2003 (octobre): Les collections doublent en dix-huit mois, passant de 5.000 à 10.000 livres.
2003 (octobre): The Magna Carta (ebook # 10000).
2003 (décembre): Edition du premier DVD, qui contient 9.400 livres.
2003: Numérisation de 348 livres par mois.
2003: Affiliation officielle du Project Gutenberg Consortia Center (PGCC) au Projet Gutenberg.
2004 (janvier): Lancement du Projet Gutenberg Europe par le Projet Rastko.
2004 (janvier): Lancement de Distributed Proofreaders Europe par le Projet Rastko.
2004 (février): Voyage de Michael Hart en Europe (Paris, Bruxelles, Belgrade).
2004 (février): Conférence de Michael Hart au siège de l’UNESCO, à Paris.
2004 (février): Visite de Michael Hart au Parlement européen, à Bruxelles.
2004 (octobre): 5.000 livres produits par Distributed Proofreaders.
2004: Numérisation de 338 livres par mois.
2005 (janvier): The Life of Reason, par George Santayana (ebook #15000).
2005 (mai): 7.000 livres produits par Distributed Proofreaders.
2005 (mai): 100 premiers livres produits par Distributed Proofreaders Europe.
2005 (juin): Le Projet Gutenberg compte 16.000 livres.
2005 (juin): Le Projet Gutenberg Europe compte 100 livres.
2005 (juillet): Premiers pas du Project Gutenberg of Canada.
2005 (octobre): 5e anniversaire de Distributed Proofreaders.
2005: Numérisation de 251 livres par mois.
2006 (janvier): Lancement de la section Project Gutenberg PrePrints.
2006 (février): 8.000 livres produits par Distributed Proofreaders.
2006 (mai): Création de la Distributed Proofreaders Foundation.
2006 (juillet): 35e anniversaire du Projet Gutenberg.
2006 (juillet): Edition d’un nouveau DVD, qui contient 17.000 livres.
2006 (novembre): Lancement du site PG News.
2006 (décembre): Le Projet Gutenberg compte 20.000 livres.
2006 (décembre): 400 livres produits par Distributed Proofreaders Europe.
2006: Numérisation de 346 livres par mois.
2007 (mars): 10.000 livres produits par Distributed Proofreaders.
2007 (avril): 1.500 livres pour Project Gutenberg of Australia.
2007 (juillet): Lancement de Project Gutenberg Canada.
2010 (estimation): Conversion automatique dans de nombreux formats.
2015 (estimation): Un million de livres au catalogue.
2015 (estimation): Conversion automatique dans cent langues différentes.