Le Projet Gutenberg, de 1971 à 2005

by Marie Lebert on February 2, 2008
French ArticlesNews

par Marie Lebert, 15 août 2005

Ce dossier du Net des études françaises (NEF) est aussi une communication du troisième symposium international sur les études françaises valorisées par les technologies: langages et dialogues interculturels (octobre 2005, Université York, Toronto, Canada). Les lignes qui suivent sont dédiées à tous les volontaires du Projet Gutenberg et de Distributed Proofreaders sur les cinq continents. Grâce à eux, plus de 16.000 classiques de la littérature mondiale sont déjà en ligne, dans une version gratuite et de grande qualité, avec une prévision d’un million d’ici dix ans. Ce même dossier est disponible en anglais.


Sommaire

Si ma fascination pour le Projet Gutenberg ne date pas d’aujourd’hui, elle ne faiblit pas. A ce jour, personne n’a fait mieux pour mettre les classiques de la littérature mondiale à la disposition de tous. Ni pour créer à moindres frais un immense réseau de volontaires de par le monde, sans gâchis de compétences ni d’énergie.

Résumons les choses en quelques phrases.

En juillet 1971, Michael Hart crée le Projet Gutenberg pour diffuser gratuitement sous forme électronique les oeuvres littéraires du domaine public. Un projet longtemps considéré par ses détracteurs comme impossible à grande échelle. Site pionnier à tous égards, le Projet Gutenberg est à la fois le premier site d’information sur un réseau encore embryonnaire et la première bibliothèque numérique. Michael numérise lui-même les cent premiers livres.

Lorsque l’utilisation du web se généralise, au milieu des années 1990, le projet trouve un second souffle et un rayonnement international. Tout en continuant de numériser des livres, Michael coordonne désormais le travail de dizaines puis de centaines de volontaires dans de nombreux pays. Les collections atteignent 1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre 2000 et 4.000 livres en octobre 2001.

Trente ans après ses débuts, le Projet Gutenberg fonctionne à plein régime. La barre des 5.000 livres est franchie en avril 2002, celle des 10.000 livres en octobre 2003 et celle des 15.000 livres en janvier 2005. Avec 400 nouveaux livres par mois, 40 sites miroirs dans de nombreux pays et plusieurs dizaines de milliers de téléchargements par jour.

Qu’ils aient été numérisés il y a vingt ans ou qu’ils soient numérisés maintenant, tous les livres sont numérisés en mode texte, en utilisant l’ASCII original sur sept bits, avec des règles précises pour le formatage. Grâce à quoi les textes peuvent être lus sans problème quels que soient la machine, la plate-forme et le logiciel utilisés, y compris sur un PDA ou sur un appareil de lecture dédié. Libre ensuite à chacun – particuliers ou organismes – de les convertir dans des formats différents, après avoir vérifié que les oeuvres sont également du domaine public dans le pays concerné.

En janvier 2004, le Projet Gutenberg essaime outre-Atlantique avec la création du Projet Gutenberg Europe. A la mission originelle s’ajoute le rôle de passerelle entre les langues et les cultures. L’objectif étant une bibliothèque d’un million de livres d’ici 2015, avec de nombreuses sections nationales et linguistiques. Tout en conservant la même ligne de conduite: la lecture pour tous à moindres frais, par le biais du texte électronique gratuit, indéfiniment utilisable et reproductible. Et, dans un deuxième temps, la numérisation de l’image et du son, dans le même esprit.


Historique, des origines à nos jours

La gestation en 1971

Revenons aux tous débuts du projet. Alors étudiant à l’Université d’Illinois (Etats-Unis), Michael Hart se voit attribuer 100.millions de dollars de “temps machine” par le laboratoire informatique (Materials Research Lab) de son université. Le 4 juillet 1971, jour de la fête nationale, il saisit The United States Declaration of Independence (Déclaration de l’indépendance des Etats-Unis, signée le 4 juillet 1776) sur le clavier de son ordinateur. En caractères majuscules, puisque les caractères minuscules n’existent pas encore. Le texte électronique représente 5 Ko (kilo-octets). Mais l’envoi d’un fichier de 5 Ko à la centaine de personnes que représentait le réseau de l’époque aurait fait imploser celui-ci, la bande passante étant infime. Michael diffuse donc un message indiquant où le texte est stocké (sans lien hypertexte toutefois, puisque le web ne verra le jour que vingt ans après), suite à quoi le fichier est téléchargé par six personnes. Le Projet Gutenberg était né.

Dans la foulée, Michael décide de consacrer ce crédit-temps de 100 millions de dollars à la recherche des oeuvres du domaine public disponibles en bibliothèque et à la numérisation de celles-ci. Il décide aussi de stocker les textes électroniques de la manière la plus simple possible, au format ASCII, pour que ces textes puissent être lus sans problème quels que soient la machine, la plate-forme et le logiciel utilisés. Au lieu d’un ensemble de pages reliées, le livre sera un texte électronique que l’on pourra dérouler en continu, avec des lettres capitales pour les termes en italique, en gras et soulignés de la version imprimée.

Peu après, il définit la mission du Projet Gutenberg: mettre à la disposition de tous, par voie électronique, le plus grand nombre possible d’oeuvres du domaine public. “Nous considérons le texte électronique comme un nouveau médium, sans véritable relation avec le papier”, explique-t-il beaucoup plus tard, en août 1998. “Le seul point commun est que nous diffusons les mêmes oeuvres, mais je ne vois pas comment le papier peut concurrencer le texte électronique une fois que les gens y sont habitués, particulièrement dans les écoles.”

La persévérance entre 1972 et 1989

Après avoir saisi The United States Declaration of Independence en 1971, Michael poursuit ses efforts en 1972 en saisissant un texte plus long, The United States Bill of Rights (Déclaration des droits américaine). Cette Déclaration des droits comprend les dix premiers amendements ajoutés en 1789 à la Constitution des Etats-Unis (qui date elle-même de 1787), et définissant les droits individuels des citoyens et les pouvoirs respectifs du gouvernement fédéral et des Etats. En 1973, Michael saisit The United States Constitution (Constitution des Etats-Unis) dans son entier.

D’une année sur l’autre, la capacité de la disquette augmente régulièrement (le disque dur n’existe pas encore). Il est possible d’envisager des fichiers de plus en plus volumineux. Michael entreprend la numérisation de la Bible, composée elle-même de plusieurs “livres”, qui peuvent être traités séparément et occuper chacun un fichier différent. Il débute aussi la saisie des oeuvres complètes de Shakespeare, une pièce après l’autre, avec un fichier pour chaque pièce. Cette édition n’a d’ailleurs jamais été mise en ligne, du fait d’une loi plus contraignante sur le copyright entrée en vigueur dans l’intervalle (et qui visait non pas le texte de Shakespeare, tombé depuis longtemps dans le domaine public, mais les commentaires et notes de cette édition). D’autres éditions appartenant au domaine public ont été mises en ligne quelques années après.

Parallèlement, l’internet, qui était encore embryonnaire en 1971, débute véritablement en 1974, suite à la création du protocole TCP/IP (Transmission Control Protocol / Internet Protocol). A partir de 1983, le réseau est en plein essor.

Le Projet Gutenberg fête la mise en ligne de son dixième texte, The King James Bible, en août 1989.

De dix à mille livres entre 1990 et 1996

En 1990, les internautes sont au nombre de 250.000, et le standard en vigueur est la disquette de 360 Ko. En janvier 1991, Michael saisit Alice’s Adventures in Wonderland (Alice au pays des merveilles), de Lewis Carroll (paru en 1865). En juillet de la même année, il saisit Peter Pan, de James M. Barrie (paru en 1904). Connus dans le monde entier, ces deux classiques de la littérature enfantine tiennent chacun sur une disquette standard.

Arrive ensuite le web, opérationnel en 1991. Le premier navigateur, Mosaic, apparaît en novembre 1993. Lorsque l’utilisation du web se généralise, il devient plus facile de faire circuler les textes électroniques et de recruter des volontaires. Le Projet Gutenberg rode sa méthode de travail, avec la numérisation d’un texte par mois en 1991, deux textes par mois en 1992, quatre textes par mois en 1993 et huit textes par mois en 1994. En janvier 1994, le Projet Gutenberg fête son centième livre avec la mise en ligne de The Complete Works of William Shakespeare (Les oeuvres complètes de William Shakespeare). La production continue ensuite d’augmenter, avec une moyenne de huit textes par mois en 1994, 16 textes par mois en 1995, puis 32 textes par mois en 1996.

Comme on le voit, entre 1991 et 1996, la production a donc doublé chaque année. Tout en continuant de numériser des livres, Michael coordonne désormais le travail de dizaines de volontaires. Depuis la fin 1993, le Projet Gutenberg s’articule en trois grands secteurs: a) “Light Literature” (littérature de divertissement), qui inclut par exemple Alice’s Adventures in Wonderland, Peter Pan ou Aesop’s Fables (Les Fables d’Esope); b) “Heavy Literature” (littérature “sérieuse”), qui inclut par exemple La Bible, les oeuvres de Shakespeare ou Moby Dick; c) “Reference Literature” (littérature de référence), composée d’encyclopédies et de dictionnaires, par exemple le Roget’s Thesaurus. (Cette présentation en trois secteurs sera abandonnée par la suite.)

Le Projet Gutenberg se veut “universel” aussi bien pour les oeuvres choisies que pour le public visé. Le but étant de mettre la littérature à la disposition de tous, en dépassant largement le public habituel des étudiants et des enseignants. Le secteur consacré à la littérature de divertissement est destiné à amener devant l’écran un enfant d’âge pré-scolaire comme une personne du troisième âge. Le but étant que des enfants et leurs grands-parents recherchent le texte électronique de Peter Pan après avoir vu le film Hook, ou bien qu’ils lisent la version électronique d’Alice au pays des merveilles après avoir regardé le film à la télévision. Ou alors qu’ils recherchent l’origine d’une citation après avoir vu un épisode de Star Trek. Pratiquement tous les épisodes de Star Trek citent des livres ayant leur correspondant numérique dans les collections du Projet Gutenberg.

L’objectif est que tous les publics, qu’ils soient familiers ou non avec le livre imprimé, puissent facilement retrouver des textes entendus dans des conversations, des films, des musiques, ou alors lus dans d’autres livres, des journaux, des magazines. Les fichiers électroniques prennent peu de place grâce à l’utilisation du format ASCII. On peut facilement les télécharger par le biais de la ligne téléphonique. La recherche textuelle est tout aussi simple. Il suffit d’utiliser la fonction “recherche” présente dans n’importe quel logiciel.

Un millier de livres en août 1997

En 1997, la production est toujours de 32 titres par mois. En juin 1997, le Projet Gutenberg met en ligne The Merry Adventures of Robin Hood (Les aventures de Robin des Bois), de Howard Pyle (paru en 1883). En août 1997, il met en ligne son millième texte électronique, La Divina Commedia di Dante (La Divine Comédie de Dante, parue en 1321), dans sa langue d’origine, en italien.

En août 1998, Michael écrit: “Mon projet est de mettre 10.000 textes électroniques sur l’internet. (Ce sera chose faite en octobre 2003, ndlr.) Si je pouvais avoir des subventions importantes, j’aimerais aller jusqu’à un million et étendre aussi le nombre de nos usagers potentiels de 1,x% à 10% de la population mondiale, ce qui représenterait la diffusion de 1.000 fois un milliard de textes électroniques au lieu d’un milliard seulement.”

De mille à cinq mille livres entre 1998 et 2002

Entre 1998 et 2000, la moyenne est constante, avec 36 textes par mois. En mai 1999, les collections comptent 2.000 livres. Le 2.000e texte est Don Quijote (Don Quichotte),de Cervantès (paru en 1605), dans sa langue d’origine, en espagnol.

La moyenne est de 40 livres par mois pendant le premier semestre 2001. Elle passe à 50 livres par mois pendant le deuxième semestre. Disponible en décembre 2000, le 3.000e titre est le troisième volume de A l’ombre des jeunes filles en fleurs, de Marcel Proust (paru en 1919), dans sa langue originale, en français.

Mis en ligne en octobre 2001, le 4.000e texte est The French Immortals Series (La série des Immortels français), en anglais. Publié en 1905 par la Maison Mazarin (Paris), ce livre rassemble plusieurs fictions d’écrivains couronnés par l’Académie française, comme Emile Souvestre, Pierre Loti, Hector Malot, Charles de Bernard, Alphonse Daudet, etc.

Disponible en avril 2002, le 5.000e texte est The Notebooks of Leonardo da Vinci (Les Carnets de Léonard de Vinci), qui datent du début du 16e siècle. Un texte qui, en 2005, se trouve toujours dans le “Top 100” des livres téléchargés.

En 1988, Michael Hart avait choisi de numériser Alice’s Adventures in Wonderland et Peter Pan parce que, dans l’un et l’autre cas, leur version numérisée tenait sur la disquette standard de l’époque (360 Ko). Quinze ans plus tard, en 2002, on dispose de disquettes de 1,44 Mo (méga-octets) et on peut aisément compresser les fichiers au format ZIP. Un fichier standard peut désormais comporter trois millions de caractères, plus qu’il n’en faut pour un livre de taille moyenne. Un roman de 300 pages numérisé au format ASCII tient sur 1 Mo. Un livre volumineux est composé de deux fichiers ASCII, téléchargeables tels quels ou en version zippée.

Cinquante heures environ sont nécessaires pour sélectionner un livre, vérifier qu’il est bien du domaine public, le scanner, le corriger, le formater et le mettre en page.

Quelques numéros d’eBooks sont “réservés” pour l’avenir. Par exemple le numéro 1984 (eBook # 1984) est réservé au roman éponyme de George Orwell, publié en 1949, et qui est loin d’être dans le domaine public.

En 2002, les collections s’accroissent en moyenne de 100 titres par mois. Au printemps 2002, elles représentent le quart des oeuvres du domaine public disponibles sur le web, recensées de manière pratiquement exhaustive par l’Internet Public Library (IPL). Un beau résultat dû au patient travail d’un millier de volontaires actifs dans plusieurs pays.

Dix mille livres en octobre 2003

1.000 livres en août 1997, 2.000 livres en mai 1999, 3.000 livres en décembre 2000, 4.000 livres en octobre 2001, 5.000 livres en avril 2002, 10.000 livres en octobre 2003. Le 10.000e livre est The Magna Carta qui, signée au début du 13e siècle, fut le premier texte constitutionnel anglais.

Entre avril 2002 et octobre 2003, en dix-huit mois, les collections ont doublé, passant de 5.000 à 10.000 livres, avec une moyenne mensuelle de 300 livres numérisés. En décembre 2003, la quasi-totalité des livres (9.400 titres) est également gravée sur un DVD, produit par le Projet Gutenberg pour l’occasion. Un CD “Best of Gutenberg” était disponible dès août 2003 avec une sélection de 600 livres (ce CD faisant suite à d’autres CD diffusés antérieurement). CD et DVD sont envoyés gratuitement à qui en fait la demande. Libre ensuite à chacun de faire autant de copies que possible pour ses amis et connaissances.

Dix mille livres. Un chiffre impressionnant quand on pense à ce que cela représente de pages scannées, relues et corrigées. Une croissance rapide due à l’activité de Distributed Proofreaders, un site conçu en 2000 par Charles Franks pour permettre la correction partagée. Les volontaires choisissent un livre en cours de traitement pour relire et corriger une page donnée. Chacun travaille à son propre rythme. A titre indicatif, le site conseille une page par jour. C’est peu de temps sur une journée, et c’est beaucoup pour le projet.

En décembre 2003, les collections approchent les 11.000 livres. Plusieurs formats sont désormais présents, à commencer par les formats HTML, XML et RTF, le format principal (et obligatoire) restant l’ASCII. Le tout représente 46.000 fichiers, soit 110 Go (giga-octets). Le 13 février 2004, date de la conférence de Michael Hart au siège de l’UNESCO, à Paris, les collections comprennent très exactement 11.340 livres dans 25 langues différentes. En mai 2004, les 12.581 livres disponibles représentent 100.000 fichiers dans 20 formats différents, soit 135 Go. Avec 400 nouveaux livres numérisés par mois (un nombre destiné lui aussi à augmenter), le nombre de giga-ocets devrait doubler chaque année.

Quinze mille livres en janvier 2005

En janvier 2005, le Projet Gutenberg fête ses 15.000 livres, avec la mise en ligne de The Life of Reason, de George Santayana (paru en 1906). En juin 2005, le nombre de livres s’élève à 16.000, dans 42 langues. Début août 2005, outre l’anglais (14.590 livres le 3 août 2005), six langues disposent d’un nombre de livres significatif: le français (578 livres), l’allemand (349 livres), le finnois (225 livres), le hollandais (130 livres), l’espagnol (105 livres) et le chinois (69 livres).

Michael espère franchir la barre du million de livres d’ici 2015. Chacun de ses courriels comprend le chiffre du jour, et la “distance” restant à franchir jusqu’au nombre significatif suivant. En juillet 2005, la prochaine barre à franchir est celle des 20.000 titres. Elle devrait être atteinte en juillet 2006, pour le 35e anniversaire du Projet Gutenberg.

A la suite du lancement de Distributed Proofreaders Europe en janvier 2004 par le Projet Rastko, le Projet Gutenberg Europe débute sur le web en juin 2005, avec la mise en ligne des cent premiers livres. La présence de plusieurs langues reflète la diversité linguistique prévalant en Europe. Cent langues sont prévues sur le long terme. Le Project Gutenberg of Australia (lancé en 2001) fête ses 500 livres en juillet 2005, tandis que le Project Gutenberg of Canada fait ses premiers pas (avec un suivi grâce à la liste PGCanada). Les choses sont en bonne voie pour un Projet Gutenberg au Portugal et aux Philippines.


Le domaine public, un vaste sujet

Malgré l’enthousiasme et la ténacité de ses centaines de volontaires, la tâche du Projet Gutenberg n’est guère facilitée par les coups de boutoir portés au domaine public. A une époque lointaine, 50% des oeuvres appartenaient au domaine public, et pouvaient donc être librement utilisées par tous. Aujourd’hui, 99% des oeuvres sont régies par le droit d’auteur, et certains aimeraient que ce pourcentage passe à 100%.

Dans la section