Bibliographie complète

Mon corpus, qui couvre la période 1740-1761, compte quelque 75 000 pages de texte imprimé, où les mentions de l'Amérique sont clairsemées mais présentes dans des contextes très variés: articles de nouvelles, comptes-rendus de spectacles, jeux de vocabulaire, extraits d'ouvrages scientifiques, etc. La fouille de texte était donc absolument nécessaire pour extraire le contenu pertinent de cette masse documentaire. Malheureusement, les textes d'Ancien Régime souffrent d'une orthographe irrégulière et d'une «océrisation» déficiente, causée notamment par le mauvais état des documents qui ont été soumis à la reconnaissance optique des caractères. De plus, certaines caractéristiques des périodiques que j'utilise en font ce que j'appelle du Bad Data puisque les prémisses de la théorie du Big Data, notamment le fait que les erreurs se répartissent de manière à peu près régulière et qu'il est tout de même possible d'en extraire un signal, ne s'y appliquent pas: les erreurs ont plutôt tendance à se regrouper dans des secteurs cruciaux du texte, et le coût unitaire d'acquisition des données «corrigées» se révèle passablement élevé. Il m'a donc fallu développer une méthode hybride, mi-numérique, mi-analogique, pour compléter mon projet, méthode qui repose notamment sur un outil que j'ai codé en Python.