Détournement sémantique du traitement de textes

Le traitement de textes est un logiciel bureautique, toute son histoire et ses fonctionnalités sont orientées vers les besoins des entreprises et des administrations, les clients payants. Cette cible n’est pas la plus compétente pour définir ce qu’est un texte, pourtant un logiciel porte nécessairement une définition, son modèle de données, qui conditionne les fonctionnalités possibles et efficaces. Toutefois, ce nombre d’utilisateurs assidus et exigeants sur leur productivité s’est accumulé dans une masse de temps et d’argent difficile à égaler. Un logiciel, surtout dans les moments de concurrence et d’innovation aiguë, est comme l’activité législative en période révolutionnaire, il fond tellement d’idées qu’il n’est pas possible de le remplacer sans attendre une nouvelle vague technologique. Les humanités peuvent essayer de démarrer leur branche de code, mais le temps qu’elles se mettent d’accord, il est plus rapide de détourner les logiciels tels qu’ils sont, sans attendre ce qu’ils devraient être, d’autant que ce ne sera peut-être plus ce qu’il faudra. Ce billet se présente comme un tutoriel rédigé, c’est-à-dire avec beaucoup de copies d’écran, mais aussi des paragraphes qui considèrent que le lecteur a un processeur entre son écran et sa souris. Le but serait de rester intéressant pour ceux qui savent faire, pour ceux qui ne comptaient pas faire, mais l’intention reste surtout d’élever la qualité sémantique des textes produits, afin de faciliter leur transformation automatique vers des formats plus ouverts et pérennes, comme XML/TEI.

Bureau

Un écran d’ordinateur n’est pas une table, il est dressé, pourquoi n’a-t-il pas été comparé à un lutrin, un tableau noir, ou un chevalet ? Il se destinait aux bureaux, il est devenu le bureau,  permettant les espaces ouverts avec travailleurs sans bureau fixe, portant désormais leur plan de travail et leurs dossiers sur leurs dos. Le nomade était un vagabond qui ne voulait pas travailler, maintenant le travail rattrape tous les voyageurs. Les manageurs qui ont inventé ces conditions d’aliénation du travailleur ne se doutent pas des individus qu’ils produisent, eux qui restent toute leur vie avec leur copains de promo de grandes écoles. Ils névrosent la majorité, mais la minorité qui résiste est entraînée à la concentration tout terrain, c’est une classe imprévisible, et donc dangereuse. Cet aménagement de l’écran a commencé en toute innocence, dans les années 1970, au Xerox Park.

À l’époque, la premier traitement de textes WYSIWYG (Alto) avait un écran vertical. L’orientation du papier n’est en effet pas une convention libre, une ligne confortable pour l’oeil comporte entre 60 et 80 caractères. C’est ainsi que les livres et les feuilles de papier sont généralement verticales. Mais ce choix coûtait cher à l’époque, il fallait tous les pixels d’une page complète, tandis qu’un écran horizontal ne montre qu’une demi-page. Par la suite, la réutilisation des écrans de télévision standard, puis de la géométrie des mains pour le clavier des portables, a imposé un écran bureautique horizontal.  Pourtant, il est maintenant facile de retourner verticalement un moniteur LCD, mais cela se fait rarement, et pas seulement par habitude. Les interfaces ont été initialement pensées avec des palettes latérales, rarement déplaçable en tête ou pied d’écran, d’autant que les intitulés courts et nombreux se disposeraient mal. Malgré l’explosion des résolutions d’écran, le bureau du traitement de texte continue à ne montrer qu’une demi page, mais avec de plus en plus d’icônes autour.

MS.Word 15 sur Apple.Macos, Bureau

Comme dans la vue ci-dessus, nous nous intéresserons principalement aux caractères non imprimables, aux styles, et aux tables des matières. Les copies d’écran présenteront aussi bien Microsoft.Word (payant), dans différentes versions et systèmes (Microsoft.Windows, Apple.Macos), que LibreOffice (libre et gratuit http://fr.libreoffice.org/) ou OpenOffice (libre et gratuit http://www.openoffice.org/), et parfois même des traitements de textes collaboratifs en ligne, qui attirent de plus en plus d’utilisateurs. La présentation d’une fonctionnalité dans tous les logiciels et configurations deviendrait vite fastidieuse, on insistera principalement sur les astuces les plus difficiles à trouver pour se configurer un espace de travail plus sémantique. Il suffit généralement de savoir quoi chercher pour le trouver.

Cependant, on peut parfois chercher longtemps. Ainsi, Apple.iCloud.Pages a un design séduisant, une communication attractive, on y trouve des notes, des styles, mais pas de table des matières. De toute façon, l’écriture devient vite pénible au-delà d’une dizaine de pages, les modèles de document proposés montrent bien la cible et la longueur attendue : reportage, dissertation, lettre traditionnelle, enveloppes, cartes de visite, CV élégant, prospectus et affiches, dépliants… Ce n’est pas un traitement de textes mais un logiciel amateur de mise en page. Ainsi les styles que l’on obtient à partir d’un modèle de document ou d’un fichier importé ne sont pas modifiables dans l’interface en ligne. Selon ses vieilles habitudes mercatiques, Apple vous conseille d’acheter la version hors ligne pour obtenir cette fonctionnalité. Cette application est tout simplement à bannir.

Apple.iCloud.Pages, à bannir, pas de table des matières, styles non modifiable.

Afficher les marques de paragraphes ‘¶’

LibreOffice 5.1 sur MS.Windows, configuration du bureau et caractères invisibles

Les utilisateurs de traitement de textes ont souvent l’habitude de cacher les sauts de paragraphes , voulant à l’écran la page telle qu’elle sera imprimée. Il faut justement faire l’inverse, pour ne plus considérer son texte comme une suite de pages, mais un flux de caractères à structurer. Le paragraphe est un élément de structure important, qui porte de l’information de présentation (alignements, espacements…) qui a généralement une raison sémantique (citations, titres…). Il est important d’utiliser le paragraphe (‘¶’, Entrée, <p>) comme une unité de signification intrinsèque au texte. Il est possible d’inscrire un saut de ligne manuel (↩, Maj+Entrée, <br/>) pour passer à la ligne sans interrompre un paragraphe (et sans passer une ligne si par exemple le style du paragraphe a de l’espacement). On remarque que dans l’illustration ci-dessus, cela permet à une table des matières automatique d’extraire un seul titre de chapitre (et pas 2 s’il y avait eu 2 paragraphes) : « Chapitre II. Axiomes ».

Les paragraphes vides posent des problèmes d’interprétation. Il n’est pas possible de décider automatiquement s’ils sont significatifs ou pas. Beaucoup d’éditeurs utilisent le paragraphe vide pour l’espacement vertical, par exemple entre un titre et un paragraphe de texte. Or cet espacement est relatif à la surface du média de destination. On déconseillera cette mauvaise pratique, pour lui préférer la configuration d’un style de titre qui automatise cet espacement. Par contre, il arrive qu’un paragraphe vide ait un véritable sens logique, par exemple comme séparateur entre plusieurs paragraphes de prose liés logiquement.

MS.Word 2010 sur MS.Windows, les caractères cachés

Styles

Google.Drive.Docs, traitement de textes collaboratif en ligne, sommaires, styles prédéfinis (impossible à étendre)

Depuis 1985 et WordPerfect, les traitements de textes permettent de mémoriser des mises en forme complexes avec des styles. Cette fonctionnalités n’est pas très souvent utilisée, car elle demande à anticiper la structure de ce que l’on veut écrire. Peu d’individus acquièrent une telle rationalisation de leur production écrite, par contre, les organisations, et notamment les firmes, ce sont emparées de ces fonctionnalités pour normaliser et automatiser leurs chartes graphiques. Polices et couleurs, la communication écrite des marques se déclinent jusqu’au moindre employé, sans connaissances exigées. En regard, les lettres d’une administration publique, ou d’une personne privée, résultent au mieux d’un modèle par défaut, ou au pire, d’une recherche inaboutie. L’utilisateur n’est pas aidé par les logiciels, et particulièrement MS.Word, qui lui propose toutes sortes de mise en forme prédéfinies ou inférées de son document. Google.docs démarre plus simplement, avec une liste close correspondant à ce que les utilisateurs connaissent pour leurs mails ou leur billets de blogs, c’est-à-dire les balises html de bloc. Le problème, c’est que la liste ne peut pas être étendue, et l’on perd l’intérêt sémantique majeur des styles : définir ses propres étiquettes.

Initialement, un style n’est qu’un raccourci pour ne pas répéter des mises en forme répétitives (titre en gros, gras, souligné). Ce raccourci est nommé, or toute chose qui porte un nom commun est potentiellement un concept. Un style nommé « paragraphe centré » n’est pas très significatif, mais cette présentation a généralement une raison interne au texte, par exemple pour un épigraphiste, il peut s’agir de la citation d’une inscription. On comprend alors comment les styles peuvent permettre de détailler tous les composants textuels, si bien qu’un auteur ne s’occupe plus de faire respirer sa page en passant souvent à la ligne comme un feuilletoniste, mais il peut penser la structure et le rythme de son texte en variant les structures. Cette désignation sémantique des styles est la plus robuste entre les différents avatars possibles d’un texte. L’écriture à la main par exemple, ne peut pas utiliser l’italique. Un titre d’ouvrage ou un mot important y seront signalés par un soulignement. Les correspondances imprimées transposent ce souligné manuscrit en italique typographique, avec généralement une note. Mais quel sens peut avoir de l’italique pour un aveugle lorsque le texte est dit automatiquement ? L’édition pérenne aura donc intérêt à analyser et étiqueter les segments textuels par leur définition, permettant d’interpréter les apparences selon le média de destination : papier, écran, diseuse (text2speech)…

À l’intérieur du traitement de textes, cette possibilité de modifier rapidement l’apparence des passages stylés peut devenir un outil très utile à l’écriture et la relecture. Par exemple, utiliser une couleur très voyante pour les citations en cours de paragraphe, ou les titres et les auteurs cités, permet de vérifier le rythme. Pourquoi cette section ne cite rien ? Est-ce un développement plus conceptuel, ou une partie creuse invitant à repartir en bibliothèque ? Et ces paragraphes remplis de couleurs, est-ce que les noms ne sont pas jetés comme des paillettes inconséquentes ? Il faut peut-être approfondir et développer à cet endroit. Ces couleurs voyantes peuvent servir de squelette interne à un texte, pour en augmenter la densité par l’articulation, il suffit de changer les styles avant l’impression définitive, pour retrouver une typographie monochrome. Ces passages nommés peuvent être ensuite repris par des programmes, pour automatiser la chaîne sémantique vers différents supports.

Sun.StarOffice 5.2 (2000) bureau complet avec explorateur de fichiers, palette de styles HTML

Les traitements de textes ont généralement un modèle de départ pour tous les nouveaux documents (MS.Word Normal.dotm), avec des styles par défaut comme les niveaux de titres, Salutations ou Signature. LibreOffice ou OpenOffice se font remarquer par la possibilité de grouper et même hiérarchiser les styles, avec notamment la catégorie des styles HTML. Ces logiciels libres viennent d’une même base de code assez ancienne.  En 1999, avant le krach dot.com, Sun rachète la suite bureautique StarOffice, fonctionnant sur MS.Windows, MacOS, différents UNIX, et notamment ses stations de travail Solaris. Cette application semblerait étrange aujourd’hui. En plus d’un traitement de textes, d’un tableur ou d’une base de données ;  c’est un bureau complet, avec navigateur, messagerie, explorateur de fichier, et bouton start. Cette architecture a été initiée en 1985 par la société allemande StarDivision, qui a porté son logiciel sur différentes architectures avant la normalisation des système de fenêtres, sous Amstrad, Commodore, puis DOS. Au tournant du siècle, Microsoft est en quasi monopole sur le marché bureautique, MS.Office donnant un avantage concurrentiel énorme à son système d’exploitation Windows, Apple étant maintenu sous perfusion avec une version non rentable et dégradée de Word, pour éviter la loi anti-trust. En 2000, après de grosses pertes boursières, Sun  propose le téléchargement gratuit de StarOffice dans la version 5.2 pour contrer Microsoft. Parallèlement, ils ouvrent les sources du logiciel en adoptant une licence libre GNU/LGPL, et en créant la communauté OpenOffice.org, à laquelle ils prêtent des ingénieurs décisifs. En 2011, Oracle rachète Sun, et décide que OOo deviendra un produit commercial.  Conformément à ce qu’autorise la licence, des développeurs ont forké le code, c’est-à-dire ont installer les fichiers sources en dehors de l’autorité d’Oracle, sous le nom de LibreOffice. Devant l’impossibilité de vendre un produit existant gratuitement, Oracle a abandonné sa branche à la fondation Apache, le logiciel continuant sa vie sous le nom Apache OpenOffice. En 6 ans de développement séparé, les différences entre les deux logiciels sont mineures, AOO attire moins de développeurs mais reprend les innovations de son concurrent LO. Il est beaucoup plus intéressant d’observer que les styles prédéfinis n’ont pas changé depuis StarOffice, d’ailleurs l’utilisateur ne peut toujours pas les supprimer selon sa convenance. Cette palette HTML est pourtant très datée, témoignant de l’explosion d’Internet, où l’on pensait que Web et bureautique allait converger. Le standard documenté des balises HTML offrait une référence dans l’analyse des composants textuels, mais Tim Bernes Lee n’avait pas prévu les notes de bas de page, le format epub des livres électroniques en souffre encore. Les traitements de textes ont eut besoin de balises supplémentaires, ils sont maintenant ossifié dans les formats OpenDocument (*.odt, 2001) et Microsoft Open XML (*.docx, 2008).

Définir ses styles est une fonctionnalité majeure pour qu’un auteur puisse communiquer une intention de structuration sémantique à un traitement de texte. Ils ont des limites, par exemple ils ne permettent pas les emboîtements (exemple : citation de plusieurs strophes de plusieurs vers). La plate-forme permet tout de même de produire des textes structurés, transformables automatiquement en XML (TEI, Docbook, EAD…).

Niveaux de titre et tables des matières

Table des matières imprimée

Pour les textes à l’échelle d’un livre, une table des matières est très utile au lecteur, mais aussi au rédacteur, qui peut ainsi surveiller l’équilibre et la cohérence de son texte. Le principe est d’étiqueter les titres de parties et de chapitres dans le texte, avec des styles par défaut prévus dans le logiciel, généralement « Titre 1 », « Titre 2 », « Titre 3 »… Il ne s’agit pas d’un numéro d’ordre (où il faudrait autant de styles que le plus grand nombre possible de chapitres), mais d’un rang hiérarchique. Les paragraphes identifiés ainsi par leurs niveaux permettent d’abord de normaliser la présentation, notamment les sauts de page avant, les espacements. Ce marqueur sert aussi au logiciel pour inférer automatiquement un sommaire dans l’explorateur de document, ou insérer une table des matières imprimable.

On déconseillera de rappeler le titre du livre au-dessus d’un titre de chapitre. D’une part, pour l’imprimé, cette information peut être déjà présente dans le titre courant, d’autre part, ce besoin s’interprète très différemment selon les appareils, un site Internet utilisera un fil d’Ariane avec boutons précédent / suivant, tandis qu’une liseuse donne accès au sommaire.

Les limitations du modèle à deux niveaux non imbricables (paragraphes et caractères) imposent quelques contraintes. Un même titre ne doit pas être interrompu par un saut de paragraphe (mais on peut y insérer un saut de ligne). Il faut configurer ses styles pour que les titres soient en minuscules droites, donc pas en italique, et pas en capitales. En effet, si un titre contient un mot étranger ou un titre d’œuvre, qui doit être en italique dans du droit, l’information visuelle peut se conserver, mais se perd dans la chaîne sémantique, car les logiciels encodent généralement le droit en mettant en italique ce qui l’environne. Pour les majuscules, le logiciel a deux manières de les encoder. Soit le texte est inscrit avec les caractères majuscules du clavier et de l’Unicode, soit un texte en caractères minuscules parait en majuscules par l’effet d’une mise en forme de caractères ou de paragraphe. En informatique, ce qui est techniquement possible arrive toujours, le nombre des utilisateurs augmente leur créativité. Ainsi, une ligne apparaissant entièrement en majuscules dans le corps du texte peut mélanger les casses, ce que révèlera le volet de navigation, et d’autres exports. De plus, les majuscules accentuées ne sont pas facilement accessibles au clavier, si bien que « LES DECONVENUES D’HONORINE » deviennent rapidement « les deconvenues d’honorine ».

MS.Word 2017, Apple.macos, afficher l’explorateur de documents, effets de la mise en forme majuscules

Conclusion

Le traitement de textes est une plate-forme complexe, pas très cohérente, mais utilisée depuis si longtemps par tellement de personnes qu’elle commence à être bien déboguée. Le développement logiciel a une longue traîne, OpenOffice sorti en 2000 s’enracine dans un projet datant de 1985. Les nouveaux venus, Google.Drive.docs ou Apple.iCloud.Pages proposent des services supplémentaires, comme l’écriture collaborative en temps réel, mais ils ont abandonné beaucoup d’autres fonctionnalités, et notamment les styles personnalisables, seul moyen pour sortir des apparences et définir sémantiquement la structure d’un document. Il faut continuellement expliquer et revenir sur cette fonctionnalité pour rendre plus productifs des nouveaux utilisateurs qui ne peuvent pas s’empêcher de perdre du temps avec de la cosmétique insignifiante. La pédagogie la plus efficace est généralement de pratiquer d’autres formats de documents séparant strictement le contenu de la présentation, HTML+CSS, ou XML+XSLT. Le but est de changer le rapport au logiciel, de s’en servir, et non de servir son modèle.


Frédéric Glorieux

Ingénieur informatique

More Posts - Twitter - Flickr

Publié par

Frédéric Glorieux

Ingénieur informatique

Une réflexion au sujet de « Détournement sémantique du traitement de textes »

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.