Mémoire

Statut: en cours (M2)

Dernière mise à jour: 20/10/2026

Avancement: Corpus collecté ; OCR de masse en cours.

Pasteuriser la France métropolitaine. Construction et exploration d'un corpus numérique (1870-1914).

Objectif

Mémoire d’histoire des sciences, sous la direction d’Anne Rasmussen (EHESS) et de Marie Puren (EPITA, ENC), sur la pasteurisation de la France métropolitaine (1870-1914) : pastoriens, revues scientifiques, presse et parlementaires sous la IIIe République.

Corpus

• Revues scientifiques : 52 revues (agricoles, médicales, industrielles, biologiques…), environ 1 million de pages (Gallica).
• Journal officiel : débats parlementaires 1881-1914, et JO 1870-1880.
• Presse : 18 titres (Gallica, Europeana).

Fait

• Scraping Gallica (IIIF et PDF) et extraction des métadonnées ; index du corpus.
• OCR : benchmark de plusieurs moteurs, pero-ocr retenu ; débats du JO 1881-1914 et revues océrisés.
• Mini-mémoire de M1 rédigé en LaTeX (latex_memoire) : historiographie, problématique, sources.

Prochaines étapes

• Terminer l’OCR (JO 1870-1880, presse).
• Structurer les numéros océrisés en articles.
• Exploration du corpus et rédaction du mémoire de M2.

Journal de progression

• 26/02/2026 : création de la page projet.
• 18/03/2026 : pipeline de scraping PDF terminé (API Gallica, Selenium).
• 06/2026 : mini-mémoire de M1 rendu.
• 09/2026 : OCR des débats du JO (1881-1914) et des revues terminé ; scraping du JO 1870-1880.

Code source · Code source 2 · Code source 3

Commentaires