TEI (Text Encoding Initiative)

Depuis l’Antiquité, il est courant de marquer et d’annoter des textes en vue d’en faciliter l’étude ou la critique (pensons par exemple aux systèmes d’annotation médiévaux ou à l’appareil de symboles imaginé dès le III ^e siècle avant J.-C. par les philologues alexandrins).

Dans l’univers numérique, le marquage électronique (défini ici comme l’insertion dans un fichier électronique de marques liées au texte mais n’en faisant pas directement partie) a longtemps servi presque exclusivement à piloter des dispositifs d’impression ou d’affichage (photocopieuses, imprimantes, écran). C’est ce marquage qu’utilisent implicitement (*) la plupart des chercheurs en sciences humaines au travers des outils PAO du commerce.

Malgré ses mérites, ce marquage est, comme nous l’avons dit, orienté vers la production ou l’affichage du texte, et n’est donc pas conçu pour faciliter une exploration intellectuelle des documents. Peu à peu s’est donc imposée l’idée qu’il fallait recourir à un niveau de balisage moins dépendant des contraintes de production, et propice à des traitements de plus haut niveau sur les textes, parce qu’en décrivant la structure logique.

SGML (Standard Generalized Markup Language) est la norme actuellement la plus utilisée pour baliser logiquement des textes. Elle permet à tout utilisateur de définir, via l’écriture d’une DTD (Définition du Type de Document) un langage de balisage logique adapté à ses besoins.

La Text Encoding Initiative (TEI) est une DTD SGML accompagnée par un volume de « recommandations » ; les TEI « Guidelines » expliquant de quelle façon doit être utilisée la DTD. Cette DTD est adaptée principalement aux besoins de la communauté des chercheurs en sciences humaines (ou plus généralement à tout chercheur voulant explorer de vastes corpus textuels sous forme électronique). Elle permet au linguiste de baliser syntaxiquement des corpus, à l’historien de marquer dans un texte des dates, des noms de lieu ou de personnage, au chercheur en littérature d’étudier la stylistique ou la genèse d’un texte, etc.

Après quelques rappels historiques et une présentation informelle de la structure d’un texte TEI, nous décrivons les mécanismes mis en œuvre dans l’écriture de la DTD TEI (modularité, héritage, extensibilité).

Cette partie plus technique que les autres nécessite une bonne connaissance de SGML.

A la fin de cet article nous présentons quelques exemples de balisage TEI.

Les concepts et techniques liés au SGML sont exposés dans l’article « SGML » du présent traité.