L'Université hébraïque de Jérusalem lance une bibliothèque numérique yiddish alimentée par l'IA

21 octobre 2026

L'Université hébraïque de Jérusalem a dévoilé un projet ambitieux piloté par l'IA pour numériser, transcrire et traduire une vaste collection de littérature yiddish historique. Cette initiative vise à moderniser des décennies de livres, périodiques et archives yiddish épuisés, les rendant pour la première fois entièrement consultables et accessibles à un public mondial.

Le projet s'appuie sur l'engagement de longue date de l'université envers les études yiddish et les humanités numériques. Depuis les années 1960, le département de yiddish de l'Université hébraïque est un centre de catalogage, d'archivage et d'étude du patrimoine culturel yiddish. Leur Index des périodiques yiddish, par exemple, documente les publications de presse yiddish parues de 1862 à 1939 en Europe de l'Est, et jusqu'en 1948 en Union soviétique.

Mais la numérisation seule n'est qu'une première étape. Pour rendre ces documents utiles aux chercheurs, étudiants et généalogistes contemporains, le projet utilisera des techniques de pointe en apprentissage automatique et traitement du langage naturel. Les documents yiddish seront numérisés optiquement dans un format lisible par ordinateur, puis transcrits via des modèles OCR personnalisés entraînés sur les polices et styles orthographiques distinctifs des imprimés yiddish d'avant-guerre. Les textes yiddish manuscrits, encore courants dans les lettres, journaux intimes et annotations historiques, seront décodés par une IA spécialisée dans la reconnaissance d'écriture, s'appuyant sur des échantillons annotés de manuscrits yiddish clés du XXe siècle.

Actuellement, la technologie impliquée reste gourmande en calculs et sujette aux erreurs. Les premières tentatives d'OCR en yiddish, par exemple, ont été entravées par le manque de moteurs OCR prêts à l'emploi de haute qualité, ainsi que par le fait qu'une grande partie de la littérature yiddish était intrinsèquement épuisée. Mais la croissance des corpus yiddish ouverts et les récents progrès en modélisation linguistique pourraient créer des conditions idéales. L'Universal Yiddish Library, un catalogue collectif numérique lancé en 2022, permet désormais de consulter plus de 60 000 notices de livres yiddish, dont près de 20 000 entièrement numérisés. Une grande partie de ce travail reste cependant hors ligne et non interrogeable.

A l'instar du modèle de Vilnius, le pipeline d'IA de l'Université hébraïque cherchera à apprendre les particularités de chaque document numérisé plutôt que d'appliquer un OCR générique. Le système Vilne-Yiddish, par exemple, s'est adapté à l'orthographe délibérément imparfaite et aux transcriptions phonétiques parfois idiosyncrasiques des auteurs yiddish autodidactes. Le modèle a atteint une impressionnante précision de reconnaissance de 95% en analysant des milliers de tapuscrits yiddish des années 1930 donnés aux archives baltes, dont beaucoup étaient des premiers jets ou des copies de travail.

Vilnius équilibre également efficacité computationnelle et vérifiabilité humaine : leurs transcriptions générées par IA sont présentées aux chercheurs dans des PDF visuellement intuitifs, mettant en évidence le texte yiddish transcrit tout en préservant l'esprit de l'écriture originale. C'est un facteur clé, car les idiosyncrasies et inexactitudes orthographiques peuvent rendre le yiddish numérisé brut difficile à exploiter pour les chercheurs. Déchiffrer un texte yiddish ressemble souvent à résoudre un puzzle où les mots peuvent avoir plusieurs interprétations possibles.

L'Université hébraïque affirme adopter une approche similairement adaptée aux chercheurs, présentant côte à côte des copies numérisées, transcrites et traduites pour faciliter la comparaison. En termes d'application pratique, cela signifie que les chercheurs peuvent effectuer des recherches approfondies dans un fonds d'archives bien plus vaste. Les linguistes peuvent comparer l'évolution de l'orthographe et de la grammaire selon les régions et les époques. Les généalogistes peuvent explorer des trésors d'écrits personnels auparavant accessibles uniquement par un lent et minutieux travail de recherche et transcription.

L'initiative promet aussi de rationaliser les études de longue date sur les grandes figures de la littérature yiddish du XXe siècle, dont beaucoup restent moins accessibles en anglais moderne qu'ils ne le mériteraient. Les œuvres de Mendele Moykher Sforim et de Sholem Aleichem, considérés respectivement comme le 'père fondateur' et le 'Mark Twain' de la littérature yiddish, n'étaient jusqu'à récemment disponibles qu'en version originale, limitant leur accès aux spécialistes linguistiques. Mais la capacité à préserver et traduire numériquement ces textes ouvre cette littérature à un tout nouveau public.

En vérité, les défis restent bien sûr considérables. Nombre des traits qui font du yiddish une langue si riche et multidimensionnelle pourraient aussi s'avérer les plus difficiles à numériser. Une langue qui mélange des éléments hébreux, slaves, allemands et roumains tout en développant ses propres caractéristiques peut aussi poser des problèmes de transcription. La traduction représente un autre défi : non seulement de nombreux mots yiddish n'ont pas d'équivalents exacts en anglais, mais des mots similaires phonétiquement peuvent avoir des significations très différentes. Les dialectes régionaux ajoutent une complexité supplémentaire, un même mot pouvant sonner très différemment entre la Pologne et la Russie. Ces facteurs présentent des obstacles majeurs pour tout modèle OCR en yiddish.

Numériser, reconnaître, transcrire et traduire un vaste corpus de textes yiddish du début du XXe siècle n'est pas un défi technique trivial. Malgré ses bénéfices potentiels, le projet de l'Université hébraïque risque de faire face à un long chemin entre recherche, mise en œuvre et adoption généralisée. Faire fonctionner la traduction automatique du yiddish à travers différents registres, du formel au conversationnel, pourrait encore s'avérer le problème le plus difficile de tous.

Mais si d'importants défis subsistent, l'approche pilotée par l'IA de l'Université hébraïque pourrait s'avérer un outil puissant pour rendre un grand héritage littéraire accessible aux étudiants, historiens et passionnés du XXIe siècle. La reconnaissance et la numérisation des textes yiddish à cette échelle peuvent aider à préserver un témoignage linguistique partagé tout en apportant un nouvel éclairage sur la sociologie et la culture des communautés juives d'Europe de l'Est. Préserver une langue, ce n'est pas seulement archiver des mots—c'est maintenir un lien vivant avec une tradition culturelle vibrante.