TEI |

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 :

Multi-Saxon

Fri, 28 Mar 2025 00:00:00 +0000

Multi-Saxon : du XSLT en parallèle pour les grands corpus TEI

Multi-Saxon comble une lacune sérieuse de l’outillage XML : il exécute en parallèle des transformations XSLT 2.0 et 3.0 que LXML, la bibliothèque XML la plus répandue en Python, ne sait pas traiter. Conçu tout exprès pour les grandes collections de documents XML TEI, il en abrège sensiblement le traitement par une parallélisation efficace.

Principales fonctions

XSLT de dernière génération : traite les transformations XSLT 2.0 et 3.0, hors de portée de LXML
Traitement parallèle : la parallélisation abrège considérablement la transformation des grandes collections de documents
Taillé pour la TEI : conçu spécialement pour les documents XML de la Text Encoding Initiative (TEI)
Montée en charge : traite avec la même aisance des corpus de quelques centaines ou de plusieurs milliers de documents
Multiplateforme : fonctionne sur les divers systèmes d’exploitation et environnements

Le problème que Multi-Saxon résout

Les chercheurs en humanités numériques qui travaillent en TEI butent souvent sur deux obstacles :

LXML (bibliothèque Python courante pour le traitement XML) ne connaît que XSLT 1.0, ce qui interdit les fonctions plus avancées de XSLT 2.0/3.0
Traiter un grand corpus de documents TEI l’un après l’autre peut prendre un temps rédhibitoire

Multi-Saxon répond aux deux à la fois : il s’appuie sur les capacités XSLT avancées de Saxon, et répartit le traitement sur plusieurs cœurs, d’où des gains de performance considérables.

Mise en œuvre

Multi-Saxon associe Python au processeur Java Saxon pour former une chaîne de transformation à haute performance :

il s’appuie sur la bibliothèque Java Saxon pour un traitement XSLT 2.0/3.0 robuste ;
il recourt au multitraitement pour distribuer les transformations sur les cœurs disponibles ;
il gère les réserves de processus de façon à maximiser le débit ;
il offre une interface simple pour traiter les documents TEI par lots.

Exemple d’utilisation

from multi_saxon import MultiSaxon

# Initialize with your XSLT stylesheet
transformer = MultiSaxon("transform.xsl")

# Transform a single document
transformer.transform("input.xml", "output.xml")

# Transform an entire directory in parallel
transformer.transform_directory("input_dir", "output_dir")

Ce que cela change pour les humanités numériques

Pour les projets qui manipulent de grandes collections de documents TEI, Multi-Saxon rend possibles :

des transformations complexes à l’échelle du corpus, impossibles avec LXML ;
des temps de traitement considérablement réduits (souvent d’un facteur 5 à 10 sur les machines multicœurs) ;
des analyses plus fines, grâce aux fonctions avancées de XSLT 2.0/3.0 ;
une chaîne de travail simplifiée pour traiter des collections entières.

Le code source et la documentation sont sur le .

persNamer

Fri, 28 Mar 2025 00:00:00 +0000

persNamer : relier la TEI au Virtual International Authority File

persNamer est un petit outil Python qui facilite l’intégration, dans des documents TEI XML, des données d’autorité sur les personnes que fournit le VIAF (Virtual International Authority File, ou Fichier d’autorité international virtuel). En changeant les identifiants VIAF en balisage TEI prêt à l’emploi, il épargne à l’éditeur une bonne part du travail manuel qu’exige la création de notices de personnes structurées dans une édition savante numérique.

Le contrôle d’autorité en TEI : une corvée

Les éditions savantes numériques exigent souvent d’identifier avec précision les personnages historiques, formes normalisées des noms et dates de vie comprises. Tenir un contrôle d’autorité cohérent sur l’ensemble d’un projet suppose de :

repérer les personnes dans les textes historiques ;
trouver à leur sujet des données faisant autorité ;
rédiger des notices TEI correctement formées ;
garantir l’uniformité des renvois dans tout le projet.

Autant d’étapes qui se font d’ordinaire à la main, qui prennent du temps et où se glissent des incohérences.

Comment persNamer procède

persNamer automatise cette chaîne de travail en :

allant chercher les données VIAF : à partir d’un identifiant VIAF, l’outil récupère les données RDF par négociation de contenu HTTP ;
en extrayant l’essentiel : il lit le RDF pour en tirer la forme retenue du nom, la date de naissance et la date de décès ;
produisant le balisage TEI : il crée deux fragments XML essentiels :
- une notice de fichier d’autorité (élément <person> muni d’un xml:id généré, <persName>, <birth>, <death> et <idno type="VIAF">) ;
- une balise d’annotation distincte (<persName> dont l’attribut ref renvoie à la notice d’autorité).

Grâce à cette double sortie, l’éditeur tient un fichier d’autorité centralisé tout en insérant sans effort les balises d’annotation dans ses textes TEI.

Principales fonctions

Identifiants normalisés : produit des identifiants XML uniformes, de la forme pers-[familyname]-[givenname initial] (par ex. pers-deteligny-c)
Lecture du RDF : s’appuie sur rdflib pour extraire l’information de diverses propriétés RDF (par ex. rdfs:label, schema:name, viaf:mainHead)
Interface en ligne de commande : s’exécute simplement, le numéro VIAF étant le seul argument obligatoire
Sortie détaillée : rend compte du traitement en détail, en plus du XML final

Exemple d’utilisation

python persNamer.py 314802260

Cette commande produit :

<person xml:id="pers-deteligny-c">
 <persName>Charles deTéligny</persName>
 <birth>1535</birth>
 <death>1572-08-24</death>
 <idno type="VIAF">314802260</idno>
</person>

<persName ref="#pers-deteligny-c">Charles deTéligny</persName>

Usages en humanités numériques

persNamer rend particulièrement service pour :

les éditions savantes numériques qui exigent un contrôle d’autorité ;
les projets d’encodage TEI qui mettent en scène des personnages historiques ;
les initiatives de données liées qui rattachent des documents à des notices d’autorité ;
l’uniformité des grands corpus TEI ;
l’enseignement du contrôle d’autorité dans les cours d’humanités numériques.

Mise en œuvre

persNamer est écrit en Python et dépend de :

requests pour les requêtes HTTP
rdflib pour la lecture du RDF
lxml pour la manipulation du XML

Le code source et la documentation sont sur le .

TEI |

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

Multi-Saxon

Multi-Saxon : du XSLT en parallèle pour les grands corpus TEI

Principales fonctions

Le problème que Multi-Saxon résout

Mise en œuvre

Exemple d’utilisation

Ce que cela change pour les humanités numériques

persNamer

persNamer : relier la TEI au Virtual International Authority File

Le contrôle d’autorité en TEI : une corvée

Comment persNamer procède

Principales fonctions

Exemple d’utilisation

Usages en humanités numériques

Mise en œuvre

Qu’est-ce que MCP ?