2.2 La TEI et le français

Le premier exemple a mis l'accent sur la typologie du texte. Nous complétons cette introduction par un exemple en langue française montrant quelques possibilités de la TEI liées à notre langue. Cette fois partons du document original de la figure 1.

  
Figure 1: Un exemple de texte français à coder (début du premier chapitre de Les belles images de Simone de Beauvoir, Gallimard, 1960)

Si l'on devait coder ce texte, on aurait quelques problèmes plus évidents en français qu'en anglais :

• l'emploi de lettres accentuées est très important ;

• mais si l'on saisit en utilisant un codage comme ISO 8859-1 (Latin1), on sera quand-même obligé de coder certains caractères en utilisant des entités SGML, par exemple « » ne fait pas partie de ce codage et devra donc être codé œ ;
• alors que les textes anglais peuvent provoquer des confusions entre l'apostrophe et le guillemet simple, les textes français sont souvent composés avec toute une artillerie de guillemets divers (ce texte de Simone de Beauvoir utilise les guillemets français « et » et ceux anglais `` et '' ) ;
• la typographie française nécessite divers types d'espaces (par exemple avant le point-virgule on met une espace fine, avant le deux-points une espace justifiante, etc.) ou de tirets (par exemple « --- ») qu'une saisie simple aurait du mal à distinguer ;

Un texte TEI peut tenir compte de tous ces éléments : ce texte pourrait être codé comme suit :

<p> <q rend=frdqo> C'est un mois d'octobre &hellip; exceptionnel
 </q>, dit Gis&egrave;le Dufr&egrave;ne;
 ils acquiescent, ils sourient, une chaleur d'&eacute;t&eacute; 
 tombe du ciel gris-bleu&mdash; 
 <q>Qu'est-ce que les autres ont que je n'ai pas? </q>
 &mdash; ils caressent leurs regards &aacute; l'image parfaite
 qu'ont reproduite <title>Plaisir de France</title> et
 <title>Votre Maison</title>: la ferme achet&eacute;e pour une 
 bouch&eacute;e de pain &mdash;  enfin, disons, de pain 
 brioch&eacute; &mdash; et am&eacute;nag&eacute;e par 
 Jean-Charles au prix d'une tonne de caviar. (<q rend=endqo>je 
 n'en suis pas &aacute; un million pr&egrave;s</q>, a 
 dit Gilbert), les roses contre les murs de pierre, les 
 chrysanth&egrave;mes, les asters, les  dahlias <q rend=endqo>
 les plus beaux de toute l'Ile-de-France</q>, dit Dominique;
 le paravent et les fauteuils bleux et violet &mdash; <q>c'est 
 d'une audace!</q> &mdash; tranchent sur le vert de la pelouse, 
 la glace  tinte dans les verres, Houdan baise la main de 
 Dominique,  tr&egrave;s mince dans son pantalon noir et son 
 chemisier &eacute;clatant, les cheveux p&cicum;les, mi-blonds,
 mi-blancs, de dos on lui donnerait trente ans.
 ...

Dans ce texte, on a trois types de citations : celles entre guillemets français, celles entre guillemets anglais et celles sans guillemets (par exemple <q>c'est d'une audace!</q>). Pour les deux premiers types, on a délimité la citation par le couple de balises <q> et </q> et au moyen de l'attribut rend on a mémorisé la nature des guillemets utilisés dans le texte imprimé (frdquo pour fr ench d ouble quo te et enddquo pour en glish d ouble quo te) de façon à pouvoir les restituer si besoin est. De même, nous supposons que c'est lors de l'édition/impression du document que l'on doit se soucier de la présence d'espaces avant les points-virgules, deux-points, etc., pas au moment de la saisie ni du traitement. Aussi codons-nous
« dit Dominique; » et non « dit Dominique_; ».

Dans les documents SGML, les caractères accentués doivent être notés à l'aide d'« entités » (voir Jeux de caractères, signes diacritiques, etc.) qui prévoient, par exemple, que « é » soit codé « é ». Le but de ce mécanisme est d'obtenir un document composé uniquement de caractères appartenant au jeu ISO 646-IRV (ASCII) de base, donc très facile à transmettre.

Cependant, pour des raisons de lisibilité, nous avons employé les caractères ISO 8859-1 (Latin-1) pour coder les lettres des exemples utilisant le français dans la suite de cette traduction. En réalité, il est techniquement possible d'échanger des documents SGML de cette façon, mais au prix d'une modification de la « déclaration SGML » qui ne peut être effectuée que par un utilisateur expérimenté et qui rend le document moins interchangeable.

Comme il a été dit dans ce Cahier (voir l'article de Jacques André sur les balises), travailler directement sur le codage TEI n'est pas chose naturelle. On écrira donc, dans les exemples qui suivent, des textes lisibles (quitte à imaginer qu'il faille passer un programme de remplacement automatique sur ces textes), comme :

 la ferme achetée pour une  bouchée de pain —
 enfin, disons, de pain  brioché — et aménagée par
 Jean-Charles au prix d'une tonne de caviar.

Balises françaises

Un autre aspect de l'utilisation du français pour la TEI est celui de la francisation des balises et attributs.

La TEI prévoit des mécanismes pour paramétrer le nom des balises et donc, si on le souhaite, utiliser des balises en français de son choix. Il y a là un compromis entre le confort d'écriture et de lisibilité pour le créateur du document et l'échangeabilité: les textes avec des balises « localisées » ne peuvent évidemment plus être immédiatement interprétés par d'autres. À noter que les tentatives pour franciser les langages de programmation (Basic, Pascal, etc.) n'ont jamais eu de succès, sans doute pour la raison ci-dessus... Mais enfin, avec la TEI c'est possible si on le souhaite.

Notre attitude, ici, a été de garder le nom anglais des balises dans le codage SGML des exemples, mais de proposer en cas d'ambiguïté, un équivalent français dans le texte de l'article.

Enfin, en ce qui concerne les valeurs d'attribut, nous avons parfois utilisé des chaînes « françaises » à la place des chaînes « anglaises » suggérées dans l'original, du moins lorsque la DTD le permettait (par exemple quand le type de l'attribut était CDATA).

L'ensemble de ces noms, anglais et français, se retrouve en Index.