A titre historique, le site Library 2000 présente un condensé des recherches menées entre octobre 1995 et octobre 1997 par le MIT/LCS (Massachusetts Institute of Technology / Laboratory of Computer Science). Pragmatique, le projet Library 2000 a consisté à étudier pendant deux ans les problèmes posés par le stockage en ligne d’une très grande quantité de documents, puis à développer un prototype sensé économiquement viable en l’an 2000, prototype grâce auquel plusieurs grandes bibliothèques numériques sont mises en ligne à compter de novembre 1997.
En ce qui concerne les images, les problèmes de bande passante s’estompent. Après avoir proposé avec enthousiasme des images en pleine page très agréables à l’oeil mais excessivement longues à apparaître à l’écran, nombreux sont les sites qui optent ensuite pour des images de format réduit, avec possibilité de cliquer ou non sur ces images pour obtenir un format plus grand. Cette présentation reste souvent la norme ensuite, même avec la généralisation de l’internet à débit rapide. Le passage du petit format ou grand format est désormais rapide sinon immédiat, à la grande satisfaction des iconographes, photographes et autres amateurs d’images.
= Numérisation: mode texte ou image
Qui dit bibliothèque numérique dit numérisation. Pour pouvoir être consulté à l’écran, un livre peut être numérisé soit en mode texte soit en mode image.
La numérisation en mode texte implique la saisie d’un texte. Elle consiste à patiemment saisir le livre sur un clavier, page après page, solution souvent adoptée lors de la constitution des premières bibliothèques numériques, ou alors quand les documents originaux manquent de clarté, pour les livres anciens par exemple. Les années passant, la numérisation en mode texte consiste surtout à scanner le livre en mode image, puis à le convertir en texte grâce à un logiciel OCR (optical character recognition), avec relecture éventuelle à l’écran pour corriger le texte obtenu puisqu'un bon logiciel OCR serait fiable à 90%.
La version informatique du livre ne conserve pas la présentation originale du livre ou de la page. Le livre devient texte, à savoir un ensemble de caractères apparaissant en continu à l’écran. A cause du temps passé au traitement de chaque livre, ce mode de numérisation est assez long, et donc nettement plus coûteux que la numérisation en mode image. Dans de nombreux cas, il est toutefois très préférable, puisqu’il permet l’indexation, la recherche et l’analyse textuelles, une étude comparative entre plusieurs textes ou plusieurs versions du même texte, etc. C’est la méthode utilisée par exemple par le Projet Gutenberg, fondé dès 1971, ou encore la Bibliothèque électronique de Lisieux, créée en 1996.
La numérisation en mode image correspond à la photographie du livre page après page. La version informatique est le fac-similé numérique de la version imprimée. La présentation originale étant conservée, on peut feuilleter le texte page après page à l’écran. C’est la méthode employée pour les numérisations à grande échelle, par exemple pour le programme de numérisation de la Bibliothèque nationale de France (BnF) et la constitution de sa bibliothèque numérique Gallica. La numérisation en mode texte est toutefois utilisée pour les tables des matières, les sommaires et les corpus de documents iconographiques, afin de faciliter la recherche textuelle.
Pourquoi ne pas tout numériser en mode texte? La BnF répond en 2000 sur le site de Gallica: «Le mode image conserve l’aspect initial de l’original y compris ses éléments non textuels. Si le mode texte autorise des recherches riches et précises dans un document et permet une réduction significative du volume des fichiers manipulés, sa réalisation, soit par saisie soit par OCR, implique des coûts de traitement environ dix fois supérieurs à la simple numérisation. Ces techniques, parfaitement envisageables pour des volumes limités, ne pouvaient ici être économiquement justifiables au vu des 50.000 documents (représentant presque 15 millions de pages) mis en ligne.»
Concepteur de Mot@mot, logiciel de remise en page de fac-similés numériques, Pierre Schweitzer insiste sur l’utilité des deux modes de numérisation. «Le mode image permet d’avancer vite et à très faible coût, explique-t-il en janvier 2001. C’est important car la tâche de numérisation du domaine public est immense. Il faut tenir compte aussi des différentes éditions: la numérisation du patrimoine a pour but de faciliter l’accès aux oeuvres, il serait paradoxal qu’elle aboutisse à se focaliser sur une édition et à abandonner l’accès aux autres. Chacun des deux modes de numérisation s’applique de préférence à un type de document, ancien et fragile ou plus récent, libre de droit ou non (pour l’auteur ou pour l’édition), abondamment illustré ou pas. Les deux modes ont aussi des statuts assez différents: en mode texte ça peut être une nouvelle édition d’une oeuvre, en mode image c’est une sorte d’"édition d’édition", grâce à un de ses exemplaires (qui fonctionne alors comme une fonte d’imprimerie pour du papier). En pratique, le choix dépend bien sûr de la nature du fonds à numériser, des moyens et des buts à atteindre. Difficile de se passer d’une des deux façons de faire.»
= Gallica