La (abrégé en TEI, en français « initiative pour l’encodage du texte ») est un format de balisage et une communauté académique internationale dans le champ des humanités numériques visant à définir des recommandations pour l’encodage de ressources numériques, et plus particulièrement de documents textuels. Depuis 1987, le modèle théorique s’est adapté à différentes technologies, d’abord sous la forme d’une DTD SGML, puis XML. Dans sa version P5 (2007), le schéma TEI est représenté dans plusieurs langages, et notamment, Relax NG. Le schéma TEI est un noyau autour duquel gravitent beaucoup d’activités coordonnées sous forme de comités démocratiques et internationaux pour, notamment, conduire la maintenance et la croissance du schéma, rédiger la documentation, développer des outils génériques, assurer le support sur des listes de diffusions et faire connaître le format.

Objectifs Selon l'un de ses fondateurs, Lou Burnard, le but de la TEI est de « fournir des recommandations pour la création et la gestion sous forme numérique de tout type de données créées et utilisées par les chercheurs en Sciences humaines et sociales ».

Les trois principales raisons d'utiliser la TEI sont selon lui les suivantes : « XML-TEI s'intéresse au sens du texte plutôt qu'à son apparence » ; « XML-TEI est indépendant de tout environnement logiciel particulier » ; « XML-TEI a été conçu par la communauté scientifique qui est aussi en charge de son développement continu ».

Origine : les « principes de Poughkeepsie »

Le projet TEI a commencé le aux environs de New York, à Poughkeepsie. Une conférence organisée avec un cofinancement de la fondation nationale américaine pour les sciences humaines () et de l’Union européenne a résulté en un texte définissant ses objectifs. Bien avant la fondation du W3C, un groupe se proposait de définir des recommandations pour l’encodage des textes informatiques. Après plus de trente ans, ces principes restent d’actualité pour décrire l’intention de la TEI, tant dans ses documents et son code, que son organisation. Le plus simple est de proposer une traduction de ces principes pour comprendre de quoi il s’agit..

vignette|1991, les financeurs et les comités de la TEI

Les recommandations visent à fournir un format standard pour favoriser l’échange de textes dans les sciences humaines et à suggérer des principes abstraits pour l’encodage des textes. Elles doivent définir une syntaxe recommandée pour ce format, définir un métalangage pour la description des structures d’encodage de textes, puis décrire ce format et ces structures, à la fois dans ce métalangage et en langage naturel.

Les recommandations doivent également proposer des ensembles de conventions d’encodage adaptés à plusieurs applications différentes. Notamment, il faut qu'elles incluent un ensemble minimal de conventions pour l’encodage de nouveaux textes. Les recommandations seront rédigées par plusieurs commissions coordonnées par un comité d’organisation représentant les principaux organismes impliqués (financièrement ou pas).

On distinguera :

la documentation (métadonnées) des textes (), la représentation des composants textuels (), l’analyse et l’interprétation du texte (), la définition du métalangage, la description de structures textuelles proposées ou existantes ().

La compatibilité avec des standards existants sera maintenue le plus longtemps possible. Plusieurs grandes bibliothèques de textes sont d’accord sur le principe de soutenir les recommandations de la TEI dans leur fonction de format d’échange, encourageant tous les commanditaires à soutenir le développement d’outils pour faciliter cet échange. La conversion de textes numériques existants vers ce nouveau format implique la traduction de leurs conventions dans la syntaxe du nouveau format. Aucune information supplémentaire n'est exigée pour la conversion dans ce nouveau format.

La TEI est donc une organisation qui se réunit pour définir un format d’encodage. Dès l’origine sont distingués la représentation des composants textuels, qui ne dépend pas d’un ou plusieurs chercheurs et peut valoir pour une communauté large sur le long terme, et l’interprétation propre à une expérience, un projet de recherche, une école, ou une discipline. Cette information s’est jusqu’ici inscrite sous forme de balises, dans un schéma XML (ou SGML) ; mais elle est aussi réfléchie comme des principes abstraits, indépendants de toutes technologies, afin de faciliter l’importation en provenance d’autres formats, ainsi que le transcodage dans les formats futurs.

Historique (schéma et organisation)

1988-1990 : TEI Proposal 1 (TEI P1), Guidelines for the Encoding and Interchange of Machine-Readable Texts, dir. Michael Sperberg-McQueen et Lou Burnard 1990-1992 : TEI P2, phase d’expansion 1993-1994 : TEI P3, considérée comme la première version complète. 1995-1999 : promotion et valorisation non financée. 2000 : naissance du TEI Consortium. 2001-2007 : TEI P4, introduction de XML (maintien de SGML). 2007-… : TEI P5 sur sourceforge. (abandon de SGML).

vignette|Nombre d’éléments des recommandations TEI de la P3 à la P5.

La TEI a été initiée en 1987 par trois sociétés savantes, l, l' et l'.

À l'heure actuelle, le « TEI Consortium » est une institution sans but lucratif financée par ses 64 membresInformation du 1 août 2013. Source : http://members.tei-c.org/Institutions, parmi lesquels on compte : le Research Technologies Service. à l'université d'Oxford (Royaume-Uni) ; le Scholarly Technology Group. à l'université Brown (États-Unis) ; un groupe francophone de recherche, à Nancy, composé de l'ATILF, de l'INIST, et du LORIA ; lElectronic Text Center et lInstitute for Advanced Technology in the Humanities. à l'université de Virginie (États-Unis) ; OpenEdition (France).

Le consortium s’organise en différentes instances.. La TEI Board of Directors. (conseil d’administration) décide de la direction stratégique et de la gestion financière. La TEI Technical Councilhttp://www.tei-c.org/Activities/Council/index.xml (conseil technique) maintient et développe les recommandations ainsi que les systèmes TEI. Les TEI Workgroups. (groupes de travail) sont des groupes spécialisés conduits par le conseil technique qui doivent faire des propositions concrètes pour les recommandations (ex : bibliographie, encodage de caractères…). Finalement, les TEI Special Interest Groupshttp://www.tei-c.org/Activities/SIG/index.xml (groupes d’intérêt spécifique) sont des groupes qui travaillent autour d’un sujet en lien avec la TEI mais pas nécessairement destiné à alimenter les recommandations (ex : outils, correspondances, enseignement…).

Exemple introductif

Pour illustrer la philosophie de la TEI, voici comment pourrait être codé un extrait du Cid de Pierre CorneilleExemple issu de Jacques Ducloy, « L'édition scientifique en numérique - illustrée avec Hamlet et Le Cid en TEI », sur le site du projet Appropriation par la recherche des technologies de l'IST (ARTIST), 3 février 2006..

On cherche à représenter : Acte II, Scène 2DON RODRIGUEÀ moi, Comte, deux mots.LE COMTE         Parle.DON RODRIGUE                 Ôte-moi d'un doute.Connais-tu bien Don Diègue ?LE COMTE         Oui.DON RODRIGUE                 Parlons bas, écoute.Sais-tu que ce vieillard fut la même vertu,La vaillance et l'honneur de son temps ? Le sais-tu ?

Avec le langage HTML, on aurait une codification limitée aux aspects « mise en page ».

<h1>Acte II, Scène 2</h1> <br /> <b>DON RODRIGUE</b> À moi Comte, deux mots. <br /> <b>LE COMTE</b>   ...  Parle

Avec le schéma TEI, on obtiendrait ceci : <div type="act" n="II" xml:id="II"><head>Acte II</head> <div type="scene" n="2" xml:id="II2"><head>Scène 2</head> <sp><speaker>Rodrigue</speaker> <l part="I">À moi, comte, deux mots.</l></sp> <sp><speaker>Comte</speaker> <l part="M">Parle</l></sp> <sp><speaker>Rodrique</speaker> <l part="F">Ôte-moi d'un doute</l> <l>Connais-tu bien Don Diègue ?</l></sp> <sp><speaker>Comte</speaker> <l part="M">Oui</l></sp> <sp><speaker>Rodrigue</speaker> <l part="F">Parlons bas, écoute.</l> <l>Sais-tu que ce vieillard fut la même vertu,</l> <l>La vaillance et l'honneur de son temps ? Le sais-tu ?</l></sp> ... </div> ... </div>

La TEI permet de décrire la structuration du texte tel qu'il a été conçu et non son rendu final (présentation). En fait, « les conventions élaborées dans le cadre du TEI visent à permettre la description de la manière dont un document a été créé ainsi que la façon dont il a été structuré : pages, paragraphes, lignes, chapitres, dialogues, soulignements, ajouts marginaux, ratures, etc. ».

Cet exemple montre notamment l'imbrication des actes et des paragraphes : deux éléments <div> imbriqués (avec un langage comme XPath, il est alors possible d'extraire un acte ou une scène), le découpage du dialogue par des éléments <sp>, la définition des interlocuteurs par des éléments <speaker> (il est possible facilement de lancer des requêtes pour localiser les endroits où Rodrigue cite Chimène) ainsi que la précision de la description de la versification par des éléments <l> (ligne) avec des indications sur la position d'un élément de dialogue en début, fin ou milieu de vers grâce aux attributs part.

Notion de balisages Structure globale <teiHeader> : métadonnées du fichier <text> : texte transcrit <front> : pièces pré-liminaires (privilège, dédicace, table des matières...) + page de titre <titlePage> <body> : corps du texte <back> : pièces post-liminaires (privilège, index, errata...)

Structure des métadonnées <titleStmt> (title statement) : ensemble des informations sur le titre du document numérique et ceux qui l’ont créé. <title> : titre du document numérique <author> : auteur du document numérique (si document natif) <editor> : responsabilité secondaire du document numérique (si document natif) <respStmt> : responsabilité intellectuelle (= collaborateurs sur le fichier numérique, ex. le transcripteur, l’encodeur etc.) <name> : nom de la personne concernée <resp> : fonction <date> : date

Comparaison avec d’autres schémas

La TEI n’est pas le seul langage de balisage de document. Sa naissance doit beaucoup à la normalisation officielle de SGML ISO 8879:1986 qui posait déjà les principes fondamentaux qui inspirent TEI. En effet, une application SGML doit distinguer strictement un schéma (DTD), une feuille de style isolant les informations de présentation, et des documents purement sémantiques, balisés selon ce schéma.

Vers la même époque sont apparues d’autres applications SGML dont certaines existent encore, DocBook (1991), EAD (1993), ou HTML (1993). Ces trois exemples permettront de mieux situer TEI par comparaison avec d’autres milieux et besoins s’emparant de la même norme SGML. Docbook, EAD et HTML permettent de bien situer la différence de TEI parce que beaucoup de membres de la communauté connaissent très bien ces autres schémas et se situent relativement à eux. S’intéressant d’abord à l’encodage des textes du patrimoine, ce schéma concerne surtout les milieux académiques, les institutions de conservation (bibliothèques, archives), et parfois un peu, les maisons d’édition.

Docbook Dès sa naissance, Docbook s’est concentré sur la documentation technique, et plus particulièrement, informatique. En associant le développement logiciel UNIX (commercial et libre) avec un éditeur de livres informatique O'Reilly, le schéma s’est donné d’emblée plusieurs destinations à satisfaire automatiquement à partir d’un même document balisé : impression papier, man page (manuel UNIX pour la console), puis HTML. La communauté est organisée comme un projet logiciel libre, avec un comité qui se réunit régulièrement pour présider à la croissance ordonnée du schéma selon les propositions des utilisateurs.