IA |

La clôture, non le bûcher

Sun, 06 Sep 2026 00:00:00 +0000

Dans un entrepôt de North Las Vegas, Amazon fait tourner une machine qui tranche le dos des livres d’occasion. Les feuillets passent au scanner, puis le papier part au pilon. Le y a vu un autodafé des temps modernes, et n’a reculé devant aucun poncif : Savonarole, des photos de banque d’images montrant des livres d’allure rare et, comme il se doit, le bûcher de Berlin. Les grands quotidiens, on s’en doute, ont gardé la tête plus froide, mais ont laissé flotter la même comparaison. Pour indignés qu’ils soient, ces articles ménagent singulièrement l’industrie de l’IA. À qui reviendra le savoir ainsi numérisé ? Cette question attendra que nous en ayons fini avec les fariboles de l’autodafé.

Un scanner n’est pas un bûcher

Détruire un exemplaire ne fait pas, à soi seul, de la numérisation destructive l’héritière des bûchers de Savonarole ou des autodafés nazis. Ces gestes tiraient leur sens de ce qu’ils condamnaient, et des raisons de la condamnation. Ce pauvre moine de Savonarole, qu’on traîne dans toutes les querelles d’autodafé, appelait les fidèles à brûler une partie de leurs biens en signe public de pénitence ; les bûchers nazis mettaient en scène une répudiation d’un autre ordre, en proclamant que les auteurs des livres brûlés n’avaient plus leur place dans la vie culturelle allemande. Dans les deux cas, la destruction était un spectacle. La numérisation destructive, procédé courant dans les campagnes de numérisation, vise tout autre chose : on sacrifie l’exemplaire pour en garder le contenu. Le livre est détruit, le texte dématérialisé. Ceux qui brandissent Fahrenheit 451 se souviendront peut-être que les pompiers de Bradbury ne mettaient pas le texte de côté pour plus tard.

a ajouté à l’émoi en titrant sur des « livres rares », formule que les autres médias ont reprise en chœur. Or un libraire cité par l’enquête elle-même précisait que ces commandes en gros , ce qui désigne pour l’essentiel des éditions parues depuis l’apparition de ce numéro, vers 1970. C’est le fonds des vide-greniers et des boutiques d’Emmaüs, ces livres qu’un prochain rangement de cave enverra à la déchetterie. Avant de proclamer la catastrophe culturelle, on pourrait consulter le catalogue de la bibliothèque : ce sont précisément les publications que les bibliothèques de dépôt légal ont pour mission de conserver. Un ISBN ne garantit pas, il est vrai, qu’un exemplaire de dépôt ait survécu ; mais la rareté sur le marché de l’occasion ne prouve pas davantage la disparition d’un texte.

Le pilon détruit l’exemplaire, et avec lui les envois et les notes marginales qu’il pouvait porter. Les exemplaires dont les annotations ou la provenance ont une valeur historique méritent d’être repérés et conservés, avant, si possible, qu’ils n’atteignent le marché de l’occasion. On peut aussi s’inquiéter de voir fondre le nombre d’exemplaires des titres épuisés ; mais il faut alors se demander pourquoi leurs ayants droit ne les réimpriment pas et n’ouvrent pas l’accès aux fac-similés numériques qui existent déjà. Les chercheurs connaissent la scène : Google Books trouve le passage qu’il vous faut, puis vous en tend un extrait de trois lignes, tiré d’un livre qu’on ne peut ni acheter neuf ni lire en ligne. Il y a là des pertes dont on peut débattre. Elles ne changent pas un scanner en bûcher nazi.

Le commerce du livre, du reste, pilonne ses invendus depuis toujours, et par routine. Rien qu’en France, on estime que , soit environ 60 % du tonnage retourné aux distributeurs. Cela s’appelle gérer un stock. Exemplaires en surnombre et titres d’occasion devenus rares posent des questions d’accès différentes ; mais détruire du papier n’est pas en soi de la censure, ni de la tyrannie.

Plus de livres, meilleure IA ?

Que des entreprises d’IA achètent et numérisent des livres est, à vrai dire, une bonne nouvelle. Une technologie à qui l’on reproche sans cesse sa compréhension superficielle de la culture humaine s’en imprègne davantage ; on aurait pu attendre des universitaires qu’ils s’en félicitent.

Le web est un pauvre succédané de la mémoire écrite d’une langue. Une bonne part de ce qui s’est écrit dans une langue, des romans et des mémoires aux chansons populaires et aux conversations transcrites, n’est jamais passée de l’imprimé au web ; bien des livres ont survécu à leur éditeur. Les verser dans les données d’entraînement compte surtout là où il n’y a guère autre chose : quelques livres de plus en anglais n’apportent qu’un gain marginal, mais dans une langue mal représentée, ces mêmes livres peuvent faire la différence entre un système utilisable et un système inutile. Que ces outils aient leur place dans nos services publics ou dans notre vie de tous les jours, c’est affaire de débat public ; mais partout où nous décidons de nous en servir, nous devrions pouvoir le faire dans notre langue.

Les commandes signalées en Espagne et aux Pays-Bas donnent à l’enjeu linguistique un tour concret. En mai, décrivait un libraire de Badalona qui recevait commande sur commande, surtout d’ouvrages documentaires en catalan : livres d’histoire, manuels techniques, vieux actes de colloques. En août, la presse néerlandaise rapportait une demande adressée à De Slegte pour . La langue de ces livres mérite au moins autant d’attention que le sort de leurs reliures. C’est peut-être trop demander au Daily Mail ; mais les journaux plus sobres eux-mêmes n’ont presque rien dit des langues en cause.

Les accords de licence avec les grands éditeurs peuvent aussi fournir une matière précieuse, mais leurs catalogues numériques ne couvrent qu’une fraction de ce qui a paru sous forme imprimée : les livres jamais numérisés, ou dont l’éditeur n’a plus les droits, restent hors de l’offre. Même généreux, un accord de licence ne saurait tenir lieu d’histoire de l’édition, et encore moins d’histoire d’une culture. Acheter des exemplaires d’occasion, c’est aller chercher ce qui se trouve au-delà de ces frontières commerciales.

Crier au vol n’est pas un argument

Parler de « vol » n’avance pas davantage. En juin 2025, deux tribunaux fédéraux américains ont jugé que, dans les affaires dont ils étaient saisis, l’entraînement de modèles de langue sur des livres relevait du fair use. Dans , le tribunal a insisté sur le caractère transformatif de l’entraînement : les livres servaient à bâtir un système capable de produire une expression nouvelle. Un modèle peut retenir des passages par cœur, mais entraîner un modèle sur un livre ne rend pas le texte entier disponible sur commande. L’absence de reproduction littérale ne lève pas non plus toutes les objections : dans , le juge a averti que les œuvres produites par l’IA pourraient inonder le marché, et que la preuve d’un tel préjudice pourrait faire échec au fair use ; mais ces plaignants-là n’avaient rien produit de sérieux quant au préjudice subi par leurs propres œuvres. Aucune des deux décisions ne donne carte blanche aux entreprises d’IA ni ne tranche le débat moral. Elles nous obligent à distinguer trois choses : comment les livres sont acquis, comment les copies sont conservées, et ce que l’entraînement en fait. Qualifier le tout de « vol », c’est laisser ces questions sans réponse.

Soit dit en passant, la décision Anthropic fournit au massicot sa raison d’être. Le tribunal a validé la numérisation d’exemplaires achetés, et condamné l’accumulation de livres piratés dans une bibliothèque permanente, pour laquelle l’entreprise a ensuite . Si la numérisation a passé, c’est en partie parce que chaque exemplaire imprimé était détruit dans l’opération : la copie numérique le remplaçait, et ne sortait pas de l’entreprise. La destruction qui bouleverse tant de monde a donc aidé Anthropic à faire reconnaître son programme de numérisation comme un usage loyal. Acheter, numériser, jeter : voilà, dans ce cas, la voie licite. Le massicot est ici un instrument de mise en conformité. Acheter des exemplaires règle la question de l’acquisition ; cela ne donne à personne, par soi-même, le droit de partager le corpus qui en sort.

On a de bonnes raisons de vouloir que l’IA puise dans plus de langues, plus de travaux savants, plus de ce monde qui existait avant internet. Ces raisons ne s’évanouissent pas parce qu’une entreprise qui nous déplaît y a trouvé un filon.

Une indignation d’emprunt

Revenons donc au Daily Mail. Son article s’inscrit dans , campagne menée par des patrons de presse et des éditeurs pour obtenir pour l’IA. Deux substitutions commodes font tout le travail : les géants du numérique tiennent lieu d’IA, et les ayants droit tiennent lieu de créativité britannique. On invite le lecteur à défendre la culture pendant que les éditeurs en négocient le prix de vente. Les universitaires qui font circuler l’article pourraient se demander quelle cause sert leur indignation.

Les géants du numérique et les se disputent sur le montant du loyer, mais ni les uns ni les autres ne s’en prennent à la clôture. La fable de l’auteur solitaire dépouillé par un géant de la tech cache ce que de coûteux accords de licence offrent aux deux camps : les éditeurs sont payés, et les géants obtiennent un marché où leurs rivaux plus modestes n’ont pas les moyens d’entrer. Peter Thiel a dit sans détour la préférence de la Silicon Valley : .

Les licences ne mènent pas fatalement là. Un accès abordable et non exclusif pourrait servir les petits développeurs. Mais un système qui oblige chaque nouvel entrant à négocier des accords coûteux avec les grands ayants droit fait de la surface financière une condition d’entrée ; et un paiement présenté comme une concession aux industries culturelles finit par acheter une protection contre les rivaux de demain.

L’IA n’appartient pas aux géants du numérique

Il y a plus grave. Trop de critiques de l’IA prennent ses plus gros fournisseurs pour le domaine tout entier. Les produits occupent les gros titres ; la recherche et le développement qui se font hors de ces entreprises disparaissent du champ. Les géants ne sauraient rêver malentendu plus commode : leur ambition de posséder le domaine devient le postulat même de la critique qu’on leur adresse. Le monopole n’est pas encore acquis ; le tenir pour tel, c’est leur rendre un immense service.

L’IA libre permet de bâtir et d’adapter des systèmes qui reflètent une plus grande diversité de langues, de cultures et de formes d’expression. Pour les pays d’Europe, d’Afrique et d’Amérique latine, comme pour la Corée du Sud, le Japon et l’Inde, c’est une assise concrète de souveraineté technologique et culturelle : le pouvoir de décider comment les systèmes fonctionnent, quelles langues ils servent et où on les emploie. Recourir ou non à l’IA, et à quelles fins, doit rester un choix public, et non une décision dictée par la dépendance envers un fournisseur étranger.

Mais la liberté de modifier un système ne vaut pas grand-chose sans les moyens de le faire. Le travail indépendant exige des compétences, une infrastructure de calcul et l’accès à une matière d’entraînement. Ce qui nous ramène aux livres. Si chaque équipe de recherche ou chaque institution publique doit négocier ses propres accords avec les éditeurs, ou se constituer sa propre bibliothèque privée, l’indépendance restera le privilège de ceux qui ont de quoi se la payer.

Les livres sont déjà là

Bibliothèques et archives ont passé des générations à rassembler la matière dont ces systèmes ont besoin. Leurs collections existent parce que l’accès au savoir doit survivre à l’intérêt commercial qu’il y a à le vendre. Beaucoup est déjà numérisé : conserve quelque dix-neuf millions de volumes numérisés issus de bibliothèques de recherche, dont un grand nombre encore sous droits. Une bibliothèque numérise un livre et le garde ; personne n’y a besoin de massicot. HathiTrust , mais a aussi annoncé , un projet d’accès aux corpus pour la recherche et le développement non commerciaux en IA. À ces conditions, certains développeurs indépendants resteraient encore à la porte.

Posséder les livres, toutefois, ne donne pas à une bibliothèque le droit d’en distribuer le contenu protégé sous forme de corpus d’entraînement. Le autorise les organismes de recherche et les bibliothèques à fouiller les œuvres licitement accessibles à des fins de recherche scientifique, et permet une fouille plus large là où les ayants droit n’ont pas réservé leurs droits. : son exception de fouille couvre la recherche non commerciale et limite le transfert des copies. Ni l’un ni l’autre de ces cadres ne donne aux bibliothèques un droit général de partager leurs fonds sous droits pour que d’autres bâtissent dessus.

On pourrait aussi revoir la durée pendant laquelle les ayants droit contrôlent les usages computationnels des livres. Les brevets pharmaceutiques offrent un point de comparaison : leur durée ordinaire, vingt ans, est bien plus courte que celle du droit d’auteur, qui court toute la vie de l’auteur et soixante-dix ans au-delà. Les livres ne pourraient-ils s’ouvrir à la fouille de textes et de données, sans redevance, au bout de vingt ans, disons, à compter de la première publication, tandis que les droits de réédition et de vente resteraient protégés ? Protéger le droit d’un auteur à vendre son livre n’oblige pas à contrôler pendant des générations tous les usages qu’on peut faire de son contenu.

Je soutenais il y a deux ans dans que les données patrimoniales devraient être traitées comme un bien public. Les États devraient financer les bibliothèques et les archives pour qu’elles numérisent, transcrivent et documentent leurs collections, et leur donner l’autorité légale de mettre les corpus ainsi constitués à la disposition de tous ceux qui voudront bâtir dessus. Les géants du numérique pourraient être mis à contribution par une taxe dédiée.

L’argent public devrait s’accompagner de politiques de collection et de règles d’accès rendues publiques, valant pour la recherche comme pour le commerce, sans accord exclusif ni accès privilégié pour les donateurs. Ouvrir l’accès à l’entraînement n’oblige pas à laisser redistribuer sans restriction les livres sous droits. Les auteurs devraient prendre part à la conception du dispositif public, y compris sur le consentement, la rémunération et la concurrence faite à leurs œuvres ; et la gratuité pour les utilisateurs n’exclut pas une rémunération des auteurs sur fonds publics : le , qui les rémunère à chaque emprunt de leurs livres, en donne le précédent. Le bûcher n’a jamais été le sujet. La clôture, si.

Chers éditeurs : si vous voulez ma voix, rendez-moi ma langue

Thu, 27 Aug 2026 00:00:00 +0000

Pas un jour sans qu’une revue ne claironne sa charte IA. C’est au tour de Progress in Human Geography, dont les éditeurs viennent de publier : se servir de l’IA pour se dispenser de lire, de penser et d’écrire soi-même constitue « un manquement à l’éthique scientifique comparable au plagiat ». Les articles pris en faute « pourront être retirés » ; au mieux, ils seront corrigés, et la revue en publiera l’avis. Les auteurs, ajoute-t-on, feraient bien de « peser soigneusement s’ils souhaitent voir leur nom associé à des retraits et à des avis de correction ».

Arrêtons-nous sur cette phrase. La rétractation est la sanction suprême de l’édition scientifique, celle qu’on réserve d’ordinaire à la fabrication de données et à la fraude. La voici brandie contre une faute que le même éditorial s’avoue incapable de définir. Il y a, concèdent les éditeurs, « de véritables zones grises », et « aucune ligne nette ne délimite la zone d’“irresponsabilité” ». Tout reposera sur « des appréciations qui pourront contrarier certains auteurs, lesquels soutiendront n’avoir fait aucun usage indu de l’IA » : votre déclaration, autrement dit, pourra être tenue pour nulle. Suit le conseil de demeurer « bien à l’abri dans la zone de “responsabilité” » ; or on ne prêche la prudence que là où il y a péril. Punir des gens pour avoir franchi une ligne qu’on avoue ne savoir tracer n’a de sens que si l’on veut régner par la peur. Retenez bien cela.

L’alibi de la voix

À quoi reconnaît-on un usage responsable ? On enjoint aux auteurs de « veiller avec le plus grand soin… à conserver leur propre voix ». L’abus, c’est de recourir à l’IA « pour écrire dans une langue que les auteurs n’emploieraient jamais d’ordinaire par eux-mêmes ». Pour un anglophone de naissance, la consigne se tient : ne feignez pas d’être ce que vous n’êtes pas. Mais pour l’étranger contraint d’écrire dans une langue qui n’est pas la sienne, l’injonction se mord la queue : la voix que la charte prétend protéger est précisément ce que le règlement de la revue nous interdit.

Prenez mon cas. L’anglais est ma quatrième langue, très exactement le genre de langue que je n’emploierais jamais « d’ordinaire ». Les universités anglophones m’ont dressé à l’écrire court, balisé, presque mécanique : l’idée-clé en tête de paragraphe, les précautions oratoires aux endroits prescrits, les transitions puisées dans la liste homologuée. Le dressage a réussi : il n’y a jamais eu dans mon anglais de voix à protéger, c’est la première chose qu’il a fallu sacrifier. À s’en tenir à la définition des éditeurs, tout ce que j’ai jamais écrit en anglais relèverait de l’usage illicite, machine ou pas.

Pris en tenaille

Les éditeurs assurent avoir pensé à nous : la charte reconnaît que les non-anglophones gagnent à faire vérifier leur anglais par l’IA, voire à recourir à ses « services de traduction, de rédaction et de révision ». Mais la part de l’IA dans l’écriture « ne saurait excéder une aide à la révision et à la relecture », et doit s’arrêter avant « de gros blocs de texte écrits par l’IA ». Or un article traduit par la machine est écrit par la machine du premier mot au dernier : il n’est fait que de ces blocs-là. La concession ne tient donc que si traduire n’est pas écrire. Et où passe cette ligne ? On nous l’a déjà dit : « aucune ligne nette ».

Il y a pire : le soupçon n’est pas seulement invérifiable, il est pipé. En 2023, une équipe de Stanford a soumis à sept détecteurs d’IA parmi les plus répandus des copies écrites par des humains. Les détecteurs ont dénoncé comme produites par une machine, en moyenne, 61 % des copies du TOEFL rédigées par des non-anglophones, tout en classant presque sans faute celles des anglophones ; l’un d’eux a condamné 97,8 % du lot TOEFL ( ). L’explication instruit. Ces détecteurs mesurent la prévisibilité ; et l’anglais de seconde langue, dressé vers la moyenne, est prévisible par construction : le mot le plus probable, dans l’ordre le plus probable. La même étude retrouve le signal dans la production savante, où les communications de colloque dont le premier auteur n’est pas anglophone présentent une moindre variété linguistique. Les indices de style qu’on lit comme « de l’IA » sont ceux d’un bon anglais de seconde langue, et le juge humain lit les mêmes indices que la machine. La tenaille est refermée : mon anglais à moi, et je passe pour une machine ; la machine, et j’enfreins leur règle.

L’impôt sur la langue

Le paradoxe serait bénin s’il ne s’accompagnait de menaces. Or ces menaces trahissent un mal plus profond et plus ancien, que la charte ne nomme jamais : le monolinguisme. Les réclament « la couverture internationale la plus large possible », et, sur la même page, rappellent que « la langue de la revue est l’anglais ».

Ce que coûte cet arrangement n’a rien d’hypothétique. Ayant interrogé 908 chercheurs en sciences de l’environnement, Amano et ses collègues ont établi que les non-anglophones mettent jusqu’à 51 % de temps en plus à rédiger un article, se le voient refuser 2,5 fois plus souvent et renvoyer pour révision 12,5 fois plus souvent, pour des motifs de langue uniquement ( ). Cet impôt est perçu bien avant qu’aucune charte IA n’entre en scène ; le formulaire de déclaration et ses menaces ne font qu’y ajouter un contrôle fiscal.

Fin d’empire

Le monolinguisme est l’axiome dont on ne discute pas. Héritage d’empire, il s’est trouvé avec le temps une justification pratique : la traduction était lente et chère, et nul comité ne pouvait juger ce qu’il ne pouvait lire. Mais rien de cela ne survit aux progrès de la traduction automatique, qui, à l’état de l’art, peut servir d’intermédiaire fiable entre les auteurs et les éditeurs.

L’issue idéale est humaine : les chercheurs devraient lire plus d’une langue. Au lieu de quoi les universités anglophones préfèrent fermer leurs départements de langues vivantes. Notons que ces fermetures sont un phénomène anglo-américain : ailleurs, les chercheurs n’ont jamais eu le luxe du monolinguisme. Et notons le moment. Fermer un département de langues, c’est parier que l’anglais l’a emporté pour de bon et que plus rien qui vaille d’être lu ne s’écrira jamais dans une autre langue. Or ce pari se fait à contretemps, et doublement. D’abord parce que la traduction automatique permet, pour la première fois, de se passer tout à fait de lingua franca ; ensuite parce que l’ordre qui avait fait de l’anglais la langue par défaut se défait : le monde anglophone se replie sur lui-même, la mondialisation reflue, le libre-échange est contesté jusque dans ses berceaux, et il se dessine un monde multipolaire où les langues qui méritent d’être lues iront se multipliant. Les universités forment des chercheurs qui ne lisent que l’anglais pour un monde où l’anglais ne suffira plus. Les comités éditoriaux seront les premiers à en payer le prix.

Une épreuve pour les éditeurs

Quand un comité se plaint de ne pouvoir entendre la voix propre de ses auteurs, peut-être qu’une part du problème est du côté du comité.

L’accusation est grave, et elle appelle une épreuve sérieuse. Progress in Human Geography accepterait-elle de soumettre à ses lecteurs un article écrit en français, en italien ou en japonais, accompagné d’une version anglaise produite par la machine ? Ses propres consignes reconnaissent les services « de traduction » qui le permettent. Un oui clôt le débat ; un non nous dirait ce que la charte protège en réalité.

Dans les deux cas, c’est aux éditeurs de choisir. Si la voix compte, comme ils l’affirment, la revue doit prendre les articles dans la langue où leurs auteurs pensent. Sinon, que le formulaire de déclaration disparaisse, et les menaces avec lui.

tei-mcp v0.3 : encoder en TEI sans toucher à la source

Tue, 05 May 2026 00:00:00 +0000

Quand j’ai , il s’agissait d’empêcher les assistants IA d’halluciner du balisage TEI. L’ancrage dans le schéma a réglé une partie du problème : dès lors qu’il accède, par des outils, à la spécification P5, le modèle n’a plus à deviner ce que signifie un élément ni quels attributs il admet. Ce qu’il produit est valide.

Mais l’hallucination, en TEI, a deux visages, et le schéma n’en démasque qu’un. Valider contre la spécification vous assure que le balisage est bien formé ; cela ne dit rien du texte que ce balisage enveloppe. Or c’est là, dans le texte même, que nichent les hallucinations les plus dommageables. La composition à empans verrouillés (span-locked composition), pièce maîtresse de la v0.3, a été conçue tout exprès pour les rendre impossibles.

Table des matières

L’hallucination qui échappe au schéma

Demandez à un modèle d’encoder une lettre française du XVI^e siècle : vous recevrez souvent un document TEI d’allure impeccable. L’en-tête est rempli, les <persName> sont à leur place, la <dateline> est bien formée. Passez-le à validate_document : il est reçu.

Comparez maintenant le corps du texte à la source.

mesme est devenu même. Une virgule a changé de place. luy a été modernisé en lui sans un mot. Une proposition malaisée à lire dans le manuscrit a été « corrigée » en quelque chose de plus net. Aucune de ces retouches n’a été demandée ; aucune n’est signalée. Le document est valide au regard du schéma, et faux en douce.

Dans un flux de travail archivistique, où le texte encodé devient la version de référence dont dépendront les lecteurs, les index de recherche et les citations, c’est la faute qui compte le plus. Une balise mal formée agace ; une graphie modernisée que personne ne remarque pendant cinq ans est une corruption.

La composition à empans verrouillés

La nouvelle version (v0.3) embarque un mécanisme de prévention des hallucinations qui vise exactement cette faute-là. Le principe qui a guidé sa conception : rendre l’hallucination dans le corps du texte impossible par construction, et non pas seulement improbable.

L’idée est simple : le modèle ne tape jamais le corps du texte.

Le travail se déroule ainsi :

Le modèle appelle get_source("letter_001") et reçoit le texte brut de la source sous forme de chaîne immuable.
Pour chaque balise qu’il veut poser, il appelle tag_span("letter_001", start, end, element_path, attrs), qui enregistre un élément TEI sur un intervalle de caractères de la source.
Quand il a fini, il appelle compose("letter_001"). Le serveur entrelace les balises enregistrées et le texte brut d’origine, produit le TEI final, puis vérifie octet par octet que le texte nu du document produit est identique à la source.

Si les octets concordent, le document est rendu. Sinon – si les balises du modèle impliquent, d’une manière ou d’une autre, un corps qui s’écarte de la source ne serait-ce que d’un caractère – compose() lève une erreur au lieu de rendre un document corrompu.

Il n’existe dans ce flux de travail aucun chemin par lequel le modèle puisse produire un document TEI dont le corps diffère de la source. L’invariant est mécanique, non comportemental : vous n’avez pas à faire confiance au modèle pour qu’il n’hallucine pas ; vous n’avez à faire confiance qu’à un == entre deux chaînes d’octets.

Ce que c’est, et ce que ce n’est pas

La composition à empans verrouillés complète l’ancrage dans le schéma ; elle ne le remplace pas. Les outils d’ancrage (validate_document, lookup_element, valid_children et le reste des seize outils d’origine) aident le modèle à produire du TEI valide ; la composition à empans verrouillés garantit que le corps du texte à l’intérieur de ce TEI est fidèle à la source. Un flux d’encodage digne d’être mis en production doit satisfaire à ces deux exigences, et un seul serveur y pourvoit désormais.

Ce n’est pas non plus un remède universel. compose() ne vérifie pas encore que les balises enregistrées sont admises par la personnalisation ODD chargée – ce sera l’objet d’une prochaine étape. Les balises enregistrées vivent dans la mémoire du processus et ne survivent pas à un redémarrage. Et les fichiers sources doivent être lisibles depuis l’endroit où tourne le serveur. Tout cela se corrige ; rien de tout cela n’entame l’invariant central.

Au-delà de la TEI

Le procédé se généralise. Chaque fois qu’on demande à un modèle d’annoter, de transformer ou d’envelopper un texte, et chaque fois que l’intégrité de ce texte importe plus que le talent du modèle à l’« améliorer », la même forme de solution s’applique. Ne demandez pas au modèle de retaper le texte ; demandez-lui des instructions sur le texte, et laissez un compositeur déterministe les appliquer sous un invariant d’égalité.

Pour les éditions numériques en particulier, cela change ce que l’on peut raisonnablement confier à un modèle. L’encodage devient d’un coup une tâche que l’on peut déléguer sans avoir à comparer à la main chaque sortie avec la source. La machine se charge de la besogne ; l’éditeur relit le balisage, non l’orthographe.

Obtenir la mise à jour

Si tei-mcp est déjà installé :

uvx tei-mcp@latest

Ou, pour une installation neuve :

pip install tei-mcp

Pour utiliser la composition à empans verrouillés, indiquez au serveur un répertoire de fichiers sources en texte brut :

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

Le nom de chaque fichier, sans son extension, devient l’identifiant du document (letter_001.txt → letter_001).

Code source, documentation complète et notes de conception de l’invariant :

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp : la TEI P5 à la portée des agents IA

tei-mcp est un serveur libre qui ouvre aux assistants de programmation un accès direct à la spécification . Au lieu de puiser dans le souvenir de ses données d’entraînement – d’où sort souvent un balisage plausible, mais faux – l’IA interroge la spécification en temps réel.

Fonctions

Le serveur lit l’ODD de la TEI P5 et expose seize outils :

Consulter tout élément, classe, macro ou module par son nom, sans distinction de casse et avec suggestions en cas de coquille
Résoudre les attributs à travers toute la hiérarchie des classes de la TEI (locaux et hérités)
Développer les modèles de contenu en arbres structurés, avec résolution des classes et des macros
Contrôler l’imbrication – filiation directe ou accessibilité récursive, avec le chemin suivi
Valider des documents contre la TEI P5 : modèles de contenu, attributs, listes de valeurs fermées, intégrité des renvois et avertissements d’obsolescence
Valider un élément isolé, pour l’édition pas à pas
Charger des personnalisations ODD, qui restreignent le schéma au sous-ensemble propre à un projet
Chercher parmi tous les types d’entités au moyen d’expressions régulières

Installation

pip install tei-mcp

Ou, pour l’exécuter directement :

uvx tei-mcp

Utilisation

Ajoutez-le à n’importe quel client compatible MCP (Claude, Cursor, Windsurf, etc.) :

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Le code source et la documentation sont sur le .

tei-mcp : la TEI P5 à la portée des agents IA

Sun, 15 Mar 2026 00:00:00 +0000

Quiconque a demandé à un assistant IA d’écrire du XML TEI l’a constaté : il se trompe. Des éléments surgissent là où ils n’ont rien à faire, des attributs sont inventés de toutes pièces, les règles d’imbrication sont foulées aux pieds. Le modèle a une vague idée de ce à quoi ressemble la TEI ; de la spécification elle-même, il n’a aucune connaissance sûre.

tei-mcp y remédie en donnant aux agents IA un accès direct, par des outils, aux Guidelines de la TEI P5.

Table des matières

Qu’est-ce que MCP ?

Le (MCP) est une norme ouverte qui permet aux applications d’IA de se relier à des sources de données et à des outils extérieurs. C’est, si l’on veut, le port USB de l’IA : un protocole unique grâce auquel n’importe quel client compatible – Claude, Cursor, Windsurf et d’autres – se branche sur des services spécialisés.

Un serveur MCP expose des outils que l’IA peut appeler au fil de la conversation ; au lieu de puiser dans le souvenir de ses données d’entraînement, le modèle interroge une source vivante, qui fait autorité.

Ce que fait tei-mcp

tei-mcp lit la spécification ODD de la TEI P5 et expose seize outils, qui répondent aux questions que se posent le plus souvent un éditeur ou un encodeur :

Qu’est-ce que cet élément ? Recherche de tout élément, classe, macro ou module par son nom, sans distinction de casse et avec suggestions en cas de coquille.
Quels attributs admet-il ? Résolution des attributs à travers toute la hiérarchie des classes – d’abord les attributs locaux, puis les attributs hérités, dans l’ordre.
Que peut-il contenir ? Développement des modèles de contenu en arbres structurés, ou simple liste des enfants admis.
Cet élément a-t-il sa place ici ? Contrôle de l’imbrication parent-enfant, ou recherche d’un chemin à travers toute la hiérarchie des éléments.
Mon document est-il valide ? Validation d’un fichier XML TEI contre la spécification : modèles de contenu, valeurs d’attributs, listes de valeurs fermées, intégrité des renvois et avertissements d’obsolescence.
Et le schéma de mon projet ? Chargement d’un fichier de personnalisation ODD, qui restreint tout ce qui précède au sous-ensemble de la TEI propre à votre projet.

Pourquoi cela compte

Encoder en TEI, c’est avoir sans cesse les Guidelines sous la main. Les encodeurs chevronnés ont intériorisé les tournures les plus courantes, mais eux-mêmes doivent retourner à la spécification pour les éléments moins familiers ou les modèles de contenu complexes. Pour les assistants IA, qui n’ont rien intériorisé du tout, le mal est pire : ils hallucinent un balisage d’aspect plausible, et faux.

Avec tei-mcp, l’IA n’a plus à deviner. Elle va chercher la réponse dans la spécification avant d’écrire le moindre chevron, et le balisage qui en sort est conforme à la TEI P5 – ou à la personnalisation ODD de votre projet.

Premiers pas

Installation depuis PyPI :

pip install tei-mcp

Puis ajoutez le serveur à la configuration de votre client MCP :

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Au premier lancement, le serveur télécharge la spécification TEI ; il fonctionne avec tout client compatible MCP.

Code source et documentation complète :

IA |

La clôture, non le bûcher

Un scanner n’est pas un bûcher

Plus de livres, meilleure IA ?

Crier au vol n’est pas un argument

Une indignation d’emprunt

L’IA n’appartient pas aux géants du numérique

Les livres sont déjà là

Chers éditeurs : si vous voulez ma voix, rendez-moi ma langue

L’alibi de la voix

Pris en tenaille

L’impôt sur la langue

Fin d’empire

Une épreuve pour les éditeurs

tei-mcp v0.3 : encoder en TEI sans toucher à la source

L’hallucination qui échappe au schéma

La composition à empans verrouillés

Ce que c’est, et ce que ce n’est pas

Au-delà de la TEI

Obtenir la mise à jour

tei-mcp

tei-mcp : la TEI P5 à la portée des agents IA

Fonctions

Installation

Utilisation

tei-mcp : la TEI P5 à la portée des agents IA

Qu’est-ce que MCP ?

Ce que fait tei-mcp

Pourquoi cela compte

Premiers pas

Plus de livres, meilleure IA ?

Qu’est-ce que MCP ?