Representer c'est choisir

Pourquoi représenter l'information sous format numérique ? En premier lieu, c'est un changement de support. Par exemple pour un roman, il faut passer d'un support papier à un support numérique compréhensible par une machine pour qu'elle puisse le stocker et l'afficher. Il faut donc représenter le roman comme une suite de 0 et de 1 et inversement passer de cette suite de 0 et 1 en un texte lisible.

Il faut aussi pouvoir échanger. Plutôt que de se prêter un roman sur support papier, c'est sa représentation numérique qui sera copiée à travers le réseau. Il est donc nécessaire que l'émetteur et le récepteur (en l'occurrence les logiciels utilisés par chacun d'eux) soient d'accord sur la façon de représenter l'ouvrage.

Retrouver le titre et l'auteur du roman est une tâche qui vous semble évidente. Elle sera rendue plus facile et sûre pour une machine si la représentation choisie contient explicitement la désignation du titre et de l'auteur.

De même, considérons la classification du roman dans les catégories policier, historique ou libertin. Cette tâche est difficile pour une machine sauf à spécifier dans la représentation la catégorie définie par un expert humain. Terminons par l'exemple d'une vidéo. En tant qu'humain, vous reconnaîtrez sans problème des personnages connus dans les images. Ici encore, c'est une tâche très difficile pour une machine sans une représentation adéquate et des informations complémentaires. Par conséquent, la représentation numérique d'une information peut être enrichie pour faciliter les traitements relatifs à de telles tâches.

La numérisation ne se limite pas à un changement de support. En effet, elle permet des traitements automatiques sur des grandes quantités de documents.

Par exemple comment faire en sorte que votre smartphone reconnaisse un morceau de musique chantonné ? À l'aide d'un logiciel transformant les sons en un codage astucieux, votre voix est numérisée, puis la représentation numérique qui a été produite est envoyée à un service possédant un très grand nombre de morceaux de musique représentés avec le même codage, après comparaison le morceau le plus proche pourra être envoyé vers votre smartphone.

Nous allons dans ce module, présenter les bases de la représentation numérique de l'information. Ce domaine est vaste. Nous avons fait le choix de nous restreindre à un message principal : la représentation numérique d'une information est un processus conçu par l'homme, reposant sur des choix conceptuels, organisationnels et scientifiques et assurant la possibilité de traitements numériques. Divers critères vont gouverner le choix d'une telle représentation :

• la pertinence : modélise-t-elle bien l'information et permet-elle de réaliser les traitements souhaités ?
• l'économie : est-elle économe en taille pour permettre un stockage et des échanges rapides ?
• l'efficacité : les traitements envisagés pourront-ils se faire rapidement ?
• la sûreté ou la confidentialité : permet-elle de cacher l'information ou d'en contrôler les accès ?

Cette liste est non exhaustive. Les concepteurs, informaticiens en relation avec des experts métier, vont effectuer les choix de représentation. C'est un processus créatif complexe car l'espace des solutions possibles est immense, ce qui explique la très grande diversité des représentations numériques.

Un choix de représentation aura un impact important sur les traitements possibles. Ces traitements sont accessibles à travers des logiciels et prendre conscience des choix de représentation contribue à une compréhension plus profonde et une utilisation bien plus efficace et réfléchie de ces logiciels.

Nous allons considérer, dans un premier temps, la représentation numérique des documents textuels. Le cours devrait vous permettre de transposer les notions présentées dans d'autres domaines. En particulier, à la fin du cours, les questions liées à la parole, l'image et la vidéo seront esquissées pour vous guider dans le monde numérique multimédia.

Des vues complémentaires

Introduction

Dans cette section, nous analysons ce qu'est un document textuel pour déterminer les critères amenant à une bonne représentation numérique. Le cours sur le Web a déjà introduit un exemple de représentation numérique de document dont une caractéristique essentielle est de représenter contenu et structure d'un côté dans le langage HTML et présentation d'un autre côté avec une feuille de style CSS . Cette représentation facilite les traitements et la transmission à travers les réseaux et permet l'affichage sur tout type d'écran. Cette distinction entre structure, contenu et présentation est plus générale et résulte de l'analyse de ce qu'est un document textuel.

L'analyse des documents textuels met en évidence quatre vues complémentaires : les vues séquentielle, structurée, qualifiée et de présentation.

Le contenu, une vue séquentielle

Le premier constat évident est qu'un document textuel est une suite de symboles. C'est la vue séquentielle du document. L'ordre est important et le parcours naturel est de commencer par le début, passer d'un symbole au symbole suivant jusqu'à la fin.

Grâce à cette organisation séquentielle, il est déjà possible d'imaginer des traitements : rechercher, remplacer, couper, copier, coller, identifier des mots et pourquoi pas en vérifier l'orthographe, ...

La structure, une vue arborescente

Les mots, phrases et paragraphes définissent une première structuration du document. Cependant, tout document textuel contient des niveaux plus abstraits de structuration : un livre contient une page de titre, une page de garde, une préface, des chapitres ; un rapport contient un titre, un résumé, une introduction, des sections et sous-sections, des listes, etc... C'est la vue structurée . Elle est souvent hiérarchique ou arborescente car il y a des relations d'inclusion : un paragraphe dans une sous-section dans une section dans le document.

Grâce à cette organisation structurelle, de nouveaux traitements sont disponibles : extraire le résumé, numéroter les sections, construire une table des matières, réordonner des sections avec mise à jour de la table des matières, ...

Les métadonnées, une vue qualifiée

Une troisième vue découle de besoins que l'on peut illustrer par les exemples suivants : un utilisateur peut souhaiter retrouver la date de création d'un document, un bibliothécaire cherche des documents par auteur, par titre, par mot-clef, par édition et numéro d'édition, ou encore par date. Ces éléments ne figurent pas nécessairement dans le document mais ils le qualifient. Ce sont des méta-informations (ou métadonnées ), c'est-à-dire des informations à propos des informations. Elles forment la vue qualifiée du document. Très souvent ces informations sont mémorisées sous la forme de propriétés (ou attributs) ayant une valeur. Par exemple, la propriété titre de ce document vaut Culture numérique , la propriété datecréation de ce document vaut 10 septembre 2015 , etc...

Grâce à cette vue qualifiée et ces métadonnées , les traitements sur des ensembles de documents sont facilités : on peut classer par auteur, rechercher par titre, ordonner des versions par date, ...

La présentation, une vue pas uniquement graphique

Enfin, les choix du dessin de chaque caractère, de leur taille, de la couleur du titre, de la taille des marges, etc. participent à la présentation ou forme du document. Cette forme va s'appliquer au contenu en s'aidant de la structure mais il est important de bien distinguer la présentation et le contenu structuré . En effet, comme vous l'avez vu dans le cours sur le Web, la séparation entre contenu et structure dans un fichier HTML et présentation dans une feuille de style css permet d'afficher un même contenu avec différentes formes mais aussi de faciliter certains traitements. Enfin, soyez vigilants car les traitements de textes entretiennent la confusion entre contenu, structure et forme. Or, un document mis en forme n'est pas un document structuré. Les interfaces proposées qui semblent très intuitives entraînent souvent de mauvais apprentissages et de mauvais usages.

Cette vue de présentation est néanmoins très importante pour des questions de communication et de diffusion car il faut toujours adapter la forme à la fonction du document. La forme d'un document pour impression et lecture diffère de la forme d'un document pour affichage sur écran. La forme peut dépendre de l'objectif de communication visé.

Un point d'étape

Chacune des vues contenu, structure, qualifiée et de présentation est importante. Elles contribuent toutes, à des degrés divers, à des objectifs complémentaires : l'intelligibilité est essentiellement portée par le contenu et la structure ; la lisibilité est majoritairement une affaire de présentation ; la capacité à être efficacement traité par une machine repose sur le contenu, la structure et les métadonnées .

Pourquoi et comment

Chacune des vues va contribuer à la représentation numérique d'un document textuel, mais, selon le domaine d'application, elle sera plus ou moins importante ou nécessaire. La première question est : que veut-on représenter en vue de quels usages ? Des choix techniques seront associés pour répondre à la question : comment représenter ? Cette distinction entre le quoi et le comment est, en informatique comme dans beaucoup d'autres sciences, une approche essentielle des problèmes.

Différents formats pour différents usages

Les choix effectués pour répondre à la question comment représenter des documents textuels aboutissent à des formats de représentation. Vous connaissez sans doute certains de ces formats précisés avec les abréviations suivantes :

• le format txt pour les textes,
• le format doc ou le format docx du traitement de textes Word,
• le format odt des traitements de textes LibreOffice ou OpenOffice,
• le format pdf pour l'impression,
• le format html pour les hypertextes.

Vous noterez, que pour de mêmes usages, comme la composition de documents textuels, il existe des formats différents comme doc et odt . Vous noterez également que les formats évoluent avec les usages et les technologies. Par exemple HTML a été défini dans des versions successives depuis le début des années 90 jusque HTML5 , paru en 2014.

Formats et logiciels

Nous avons expliqué la relation forte entre le choix de la représentation et les traitements qui peuvent être faits sur une donnée numérique. D'un point de vue très concret, cette relation se traduit souvent par la liaison entre un format et une application spécifique d'un éditeur logiciel. Par exemple, un document textuel au format doc est associé au logiciel Word de Microsoft. Il aura souvent été créé avec ce logiciel et pourra être lu et modifié avec ce logiciel.

Un document dans un format pourra être stocké dans un fichier. Pour des raisons historiques, le format d'un document est souvent précisé dans l'extension du nom de fichier constituée de trois ou quatre lettres après le point. On désigne même abusivement un format par cette extension, comme nous l'avons fait précédemment en parlant de format doc par exemple. Cette extension peut être vue comme une métadonnée qui dit : "le document dans ce fichier respecte le format de représentation de documents utilisé par le logiciel Word ".

Si nous avons un document textuel au format odt , il ne suffit pas de le renommer avec l'extension doc pour le rendre lisible par Word. Il faut réaliser une conversion d'un format dans l'autre, opération qui peut être difficile voire impossible. Pourquoi ? Pour au moins deux raisons :

1. Tout d'abord, les choix qui ont été opérés pour définir les formats ne sont pas toujours compatibles. On peut donc perdre des informations lors de cette conversion.
2. Ensuite, les choix ne sont pas toujours rendus publics. On ne peut donc pas toujours écrire de programme de conversion.

Par ailleurs, un document textuel dans un format peut être parfois manipulé avec des logiciels différents pour des besoins différents. Par exemple, un fichier html peut être ouvert par un navigateur pour le visualiser. Le même fichier peut être ouvert avec un éditeur de texte pour le modifier. Comme vous l'avez vu dans le cours du Web, il sera également manipulé par les robots des moteurs de recherche qui contribuent à indexer le web.

Ouvert ou propriétaire

Le processus de choix de représentation et de définition d'un format est complexe et coûteux. Il peut être aussi stratégique d'un point de vue industriel ou commercial. Dès lors, les créateurs ont la possibilité de le rendre disponible pour tous librement ou non, de le cacher ou de le protéger par des brevets.

Formats ouverts

On parle de format ouvert si le format est diffusé publiquement.

Par exemple, vous pouvez accéder librement sur le Web à la définition du format HTML5 . De plus, aucune entrave légale n'accompagne l'utilisation d'un format ouvert et de ce fait, un format ouvert n'est pas lié à un logiciel. En effet, plusieurs logiciels différents peuvent librement lire ou écrire les informations représentées dans ce format. On facilite ainsi l'interopérabilité. Par exemple, le format html est utilisé par de nombreux logiciels et même au delà du Web.

Formats fermés

On parle de format fermé ou propriétaire lorsque des restrictions d'accès et/ou d'utilisation s'appliquent.

Être propriétaire d'un format très répandu donne une puissance économique très importante dans notre monde numérique et une position dominante. En effet, la conversion étant impossible, une mise en concurrence est rendue très improbable et les utilisateurs sont alors contraints d'utiliser le logiciel associé. Si HTML avait été un format fermé, sans doute le web serait-il très différent de celui d'aujourd'hui ou n'existerait peut-être même pas.

Une minute citoyenne

Le numérique est aujourd'hui un facteur de développement économique important. Ce développement repose en partie sur des infrastructures comme les réseaux, le web, étudiés dans les semestres précédents. Les organisations publiques mondiales, pour ne pas freiner ce développement ont mis en place des normes et étudient des garanties pour un accès neutre et de qualité à ces infrastructures. Les normes du W3C sont un exemple. Le débat actuel sur la neutralité du net est une autre illustration. Par le passé et encore aujourd'hui plusieurs entreprises, par des moyens techniques ou commerciaux tentent d'accaparer ce que beaucoup pensent être soit un bien public soit des données personnelles. Mais ces infrastructures ne sont pas le seul point d'accès au numérique. La question des formats de représentation des données entre évidemment dans l'éventail des possibilités de contrôler l'économie du numérique.

Lorsque vous enregistrez un document dans un certain format, c'est un peu comme si vous rangiez un objet dans une boite. Si le format est propriétaire et protégé, alors cela signifie que lorsque vous voulez retrouver votre objet vous devez vous adresser à un tiers qui lui seul a l'autorisation d'ouvrir la boite. La question de savoir si l'objet vous appartient toujours se pose donc, ou encore celle de la liberté d'utiliser cet objet.

Transposée dans le monde numérique, cette image signifie que limiter cet accès a de nombreuses conséquences. L'interopérabilité est rendue plus difficile : un document dans un format propriétaire, ne peut être librement utilisé dans un autre logiciel. La liberté des utilisateurs est également atteinte : en échangeant avec un format propriétaire, vous forcez vos interlocuteurs à utiliser un logiciel précis.

Enfin, lorsqu'il s'agit de données sensibles ou devant être archivées pour une très longue durée, l'usage de formats propriétaires repose sur des logiciels qui peuvent disparaître ou changer leur règles d'utilisation...

Comme pour les infrastructures, l'État et bien d'autres organisations sont conscientes de ces difficultés. Elle produisent souvent des directives, circulaires pour inciter à utiliser des formats ouverts et libres. Mais il est bien plus difficile de convaincre les utilisateurs souvent plus enclins à continuer selon leurs habitudes, résultant souvent de nombreux efforts d'apprentissage.

De votre côté, recevoir une formation indépendante des outils, donc plus fondamentale peut contribuer à être moins dépendant et moins servile dans ce monde numérique. Mais cela demande un effort particulier, une attente moins centrée sur l'immédiat et l'utilitaire, un peu moins personnelle car prenant conscience d'enjeux communautaires.

Documents numériques textuels

Nous avons analysé ce qu'est un document textuel. Nous avons mis en évidence les quatre vues de contenu, de structure, de forme et qualifiée. Nous avons discuté des formats de document. Nous allons maintenant étudier comment peuvent être saisis des documents numériques textuels. Nous allons voir deux approches :

• l'une dans laquelle on décrit les différentes vues sur le document dans un texte structuré,
• l'autre qui repose sur une approche plus orientée vers le rendu souhaité.

Auparavant, nous traitons la question du codage des caractères.

Représentation numérique des caractères

Un document textuel est construit avec des caractères et une séquence de caractères correspond souvent à un texte intelligible par l'homme. Nous présentons donc, dans un premier temps, comment sont représentés en machine les caractères .

Précisons d'abord la notion de caractère en prenant l'exemple de la langue française. Les caractères sont les minuscules, les majuscules, les lettres accentuées, les chiffres, l'espace et les symboles de ponctuation. On peut aussi considérer des caractères comme le "e dans l'o" ou les symboles monétaires...

Mais avec l'internationalisation et la numérisation de textes anciens, il faut être également capable de représenter tous les caractères de toutes les langues, vivantes ou mortes.

Ce travail d'inventaire est long et complexe. Fort heureusement, il existe des groupes internationaux qui ont pour mission d'établir des normes pour la représentation numérique des caractères. C'est le cas du consortium international Unicode fondé il y a plus de 20 ans. Il définit en premier lieu le quoi , c'est-à-dire quels caractères ou symboles il faut coder. À l'heure actuelle, la plupart des caractères et symboles de la très grande majorité des langues sont codés. Mais le consortium introduit régulièrement des nouvelles langues rares ou anciennes ou même des langages comme les Emoji.

Dans ces normes comme Unicode, ce ne sont pas les dessins qui sont répertoriés mais les caractères eux-même. Cette distinction est parfois assez subtile : majuscules et minuscules sont des caractères différents mais un a minuscule en gras ou italique en écriture attachée ou en script est toujours le même caractère. À ces caractères, s'ajoutent des caractères particuliers, dits caractères de contrôle souvent invisibles. C'est par exemple, le caractère qui signifie la fin d'un fichier texte. D'autres proviennent même de l'époque des machines à écrire comme la tabulation, le retour à la ligne ou même le retour chariot qui permettait à la tête d'écriture de revenir en début de ligne.

Le consortium unicode définit en second lieu le comment . Il s'agit d'associer à tout caractère pris en charge par Unicode, un nom et un numéro appelé point de codage . Par exemple, A a pour nom "Latin Capital Letter A" et pour numéro 65, * a pour nom "Asterisk" et pour numéro 42. Ces choix ont une histoire et ont été faits de façon astucieuse pour faciliter certains traitements. Par exemple, pour passer d'une lettre majuscule de notre alphabet à la lettre minuscule correspondante, il suffit d'ajouter 32 à son numéro. Avec Unicode, tout caractère a donc un numéro, il reste à préciser comment ce numéro est représenté comme une suite de 0 et de 1. Il existe différents codages, le plus répandu en place est UTF-8 .

Textes "simples"

Un document textuel peut être réduit à la seule vue séquentielle, c'est-à-dire une simple séquence de caractères. Dans ce cas, le format de représentation privilégié est celui communément appelé texte simple , dont l'extension principale est txt et le logiciel principal pour le manipuler est un éditeur de textes . Pour l'utilisateur, il existe cependant un niveau implicite de structure :

• un mot est une suite de caractères séparés par des espaces ou des caractères de ponctuation ;
• une phrase est une suite de mots dont le premier commence par une lettre capitale et qui se termine par un point ;
• un paragraphe est une suite de mots séparés par des fins de paragraphes.

Ce niveau de structure n'est pas explicitement représenté. Par exemple, il n'existe pas de codage de la notion de fin de mot. La notion de mot est le résultat d'un traitement par la machine dépendant des choix des concepteurs des logiciels qui peuvent reposer sur la langue, de la définition des symboles de ponctuation.

Des langages et des logiciels

Au delà de cette structure informelle ou naturelle (les mots, les phrases et les paragraphes), nous avons vu qu'il était important de structurer un document de manière plus explicite et plus précise en déclarant des parties, sections, sous-sections, listes, etc. La définition de cette structure est exclusivement sous la responsabilité humaine. C'est le concepteur du document qui sait quelle organisation, quelle structure associer à son contenu. Il existe deux grandes méthodes pour interagir avec la machine, soit utilisant un langage spécifique qui à l'aide de mots et de symboles permet de décrire la structure comme avec le langage HTML dont nous avons déjà parlé, soit en utilisant les fonctions prédéfinies d'un traitement de texte. Étudions ces deux options un peu plus en détail.

Textes structurés pour décrire des documents textuels

Pour définir un document textuel, on peut décrire les différentes vues sur ce document. On parle alors de composition de document en mode WYSIWYM pour "What You See Is What You Mean", en français ce que vous voyez est ce que vous vous représentez . Pour cela, on va décrire le document par un texte dans un langage de description. Dans ce langage certains caractères ou certaines suites de caractères ont un sens particulier. Les éditeurs de texte servent à écrire directement dans le langage de description, et des logiciels spécifiques sont ensuite utilisés pour calculer une vue de présentation du document à partir de sa description.

• Les langages Wiki ont été utilisés principalement pour composer des pages Web dans un langage simplifié. On utilise des conventions comme : une ligne qui commence par * est un titre, ** pour un sous-titre. Une ligne vide sépare les paragraphes. Un programme de calcul peut construire une page Web à partir d'une description textuelle en langage Wiki.
• Le langage LateX utilisé pour la composition de documents dans le monde scientifique (articles, rapports, thèses, livres). Dans ce langage, le texte structuré décrit le contenu et la structure avec, par exemple, une section commence par la séquence de caractères \section{titre de section} . La forme est définie par les règles externes de l'édition scientifique. Un programme de calcul prend en entrée le document texte décrivant le document et produit en sortie un document lisible et imprimable au format pdf respectant ces règles d'édition.
• Le langage html utilise des caractères particuliers comme < , > et / pour définir des balises. Par exemple, les balises <section> et </section> permettent de définir une section. Le corps du document html contient le contenu et la structure. L'entête du document contient des méta données comme le codage des caractères utilisé par le navigateur pour un affichage correct de la page, mais aussi des mots clés à destination des robots pour une bonne indexation du document. Enfin, la forme est définie dans un fichier texte structuré (une feuille de style) dans le langage css .

Traitement de textes

Quand la définition de la structure se traduit par une suite d'actions dans un logiciel, on parle alors de composition WYSIWYG pour "What You See Is What You Get" en français ce que vous voyez est ce que vous obtenez . Dans ce mode de composition, vos actions définissant la structure, le contenu ou la présentation sont immédiatement interprétées par le logiciel. Vous voyez donc à l'écran une image presque fidèle du document imprimé final. Les logiciels de traitements de textes comme Word ou LibreOffice Writer ou même certains éditeurs de contenu Web fonctionnent selon ce principe.

Le mode WYSIWYG semble très facile d'accès car vous échappez à l'apprentissage contraignant d'un langage de description très formel. Mais vous ne devez pas oublier que l'interaction avec le logiciel repose toujours sur les vues structure, contenu, forme et métadonnées lorsque vous composez un document textuel. En effet, si vous les respectez, vous aurez alors facilement accès aux fonctionnalités de haut niveau des traitements de texte : la génération automatique de table des matières, de bibliographie, d'index ; la réorganisation des sections ; la modification de la présentation dans tout votre document ; ...

L'apprentissage de cette interaction est alors d'apprendre le sens de certaines actions. Vous apprendrez par exemple que le rôle de la touche entrée est d'indiquer une fin de paragraphe ; que la déclaration des sections se fait en cliquant sur le texte du titre puis dans une liste pour sélectionner le niveau de titre etc.

Comment procéder ?

Une dernière caractéristique commune aux langages de description et aux traitements de texte est qu'ils sont extensibles et permettent de s'adapter à des domaines spécifiques. Par exemple, la structure d'un manuel scolaire peut comprendre la notion d'exercice, d'activité, de leçon etc. Être capable de traduire dans la composition de documents chacun de ces éléments structurels est une plus-value qui permet des traitements adaptés, que ce soit dans la présentation ou l'interrogation. Donc une démarche d'analyse préalable à la création d'un document s'avère nécessaire.

Réaliser cette analyse, c'est comprendre qu'un document a des objectifs, qu'il doit parfois respecter des règles liées à ses objectifs. Vous devez avoir réfléchi à ces objectifs, au contenu et à la structure la mieux adaptée. La démarche de composition d'un document suivra, en général, l'ordre suivant :

1. Saisir le contenu textuel ou importer ce contenu textuel. Votre texte doit respecter les règles de typographie de la langue du document. Votre texte doit être structuré en paragraphes.
2. Effectuer les déclarations de structure : sections et titres de sections, listes, ... Ces déclarations sont faites à l'aide de styles (par exemple titre de niveau 1). L'emploi du mot style est regrettable car il entraîne des confusions.
3. Effectuer les choix de présentation basés sur la structure. Par exemple, vous préciserez que le style titre de niveau 1 sera présenté en gras, police Times, 14 pt, avec un retrait à droite de 1cm et un espacement avant de 0.5cm et un espacement après de 0.2 cm.
4. (3-bis) Cela revient à dire qu'il est préférable de ne jamais utiliser les boutons de mise en forme directe qui sont pourtant en bonne position dans l'interface... Toute les mises en forme doivent être associées aux éléments de structure, et pas à des portions de texte que l'on aurait sélectionnées.

Dans la pratique, il peut être intéressant de réutiliser une mise en forme pour plusieurs documents. Par exemple, tous les rapports d'une même entreprise respectent la même présentation. Pour cela, on utilise la notion de modèle de document .

Enfin, la plupart des métadonnées comme auteur, date de création, date de dernière modification sont ajoutées automatiquement par l'outil s'il a été correctement paramétré au préalable mais vous pouvez ajouter explicitement des métadonnées.

Erreurs communes

Les modes WYSIWYG induisent souvent de mauvaises pratiques. En effet, un utilisateur a souvent tendance à se laisser guider par le rendu sur l'écran en oubliant que

• les règles typographiques utilisées par le logiciel vont venir modifier ce rendu. Par exemple, c'est le logiciel qui va calculer la largeur d'une espace.
• des modifications ultérieures de contenu vont changer la mise en page. Par exemple, l'ajout d'un paragraphe peut changer toute la mise en page du document complet.

Nous vous donnons donc les conseils suivants :

1. Respecter les règles de typographie, en particulier de ponctuation
2. Ne pas aligner/décaler des parties de textes avec des espaces
3. Ne pas mettre en page en créant des paragraphes vides
4. Ne pas utiliser les boutons de mises en forme directe

Une des grandes mutations liée au numérique est que les documents numériques sont désormais des documents multimedia . Nous nous sommes intéressés jusqu'à présent aux documents textuels comme exemple générique pour introduire les problématiques liées à la représentation de l'information. Nous allons dans cette section élargir notre propos en considérant le cas des images . Nous allons retrouver les mêmes principes généraux pour la définition et le choix des différentes représentations des images. Ces différents choix ont également conduit à de nombreux formats pour les images. Ici aussi la notion de norme est essentielle pour les mêmes raisons de compatibilité et d'interopérabilité.

Deux approches principales

Il convient de différentier deux types d'images qui correspondent à des besoins différents et qui donnent lieu à des représentations numériques différentes :

• Les images qui représentent une abstraction du réel telles que les dessins ou les cartes. Ces abstractions ont, en général, été créées par l'homme et ont des représentations numériques qui sont des images vectorielles .

• Les images qui représentent le plus fidèlement possible le monde réel comme les photographies, les images issues de capteur, les images médicales. Ces images ont des représentations numériques qui sont des images matricielles .

Les images vectorielles

L'idée directrice est de décrire une image abstraite pour pouvoir la reproduire. Prenons l'exemple d'une maison dessinée schématiquement. Il suffit de dessiner un rectangle pour le corps de la maison, un triangle pour son toit, un trapèze pour la cheminée, des rectangles pour les fenêtres en précisant les dimensions et positions respectives de ces figures géométriques. Cela se complique si vous souhaitez ajouter des volutes de fumée qui sortent de la cheminée mais il existe de nombreuses fonctions mathématiques qui permettent de représenter tout type de courbe. Enfin, pour colorier, il suffit de préciser quelle couleur associer à quelle zone de l'image.

Cet exemple a introduit les principes généraux : une image vectorielle est une représentation numérique construite à partir d'objets abstraits géométriques. Ce sont, par exemple, des lignes, des points, des rectangles, des arcs de cercles, des ellipsoides, etc. Les différents objets qui constituent l'image sont décrits dans un langage informatique qui précise, pour chacun d'eux, la forme, la dimension, la couleur, la position, etc. Le langage permet également de décrire comment on combine tous les objets pour produire l'image. La puissance des formalismes utilisés peut conduire à produire des images d'une grande complexité comme des images artistiques.

En règle générale, un utilisateur n'a pas à appréhender le langage de description des images vectorielles. En effet, ces images vectorielles peuvent être créées avec des outils disponibles dans de nombreuses applications comme les tableurs, les traitements de textes, les logiciels de présentation. Mais elles sont aussi créées à partir de logiciels spécialisés : les logiciels de dessin vectoriels . Les images vectorielles sont utilisées pour produire des schémas, des diagrammes, des cartes etc. Elles peuvent évidemment contenir du texte et sont particulièrement adaptées pour représenter des visuels tels que des logos.

Les logiciels qui manipulent et affichent ces images vectorielles comprennent et interprètent les descriptions, c'est-à-dire calculent le résultat visuel à partir de la description. Un premier avantage est qu'une image vectorielle est une description de l'image et est donc de plus petite taille qu'une description point par point. Un second avantage très important des images vectorielles réside alors en leur capacité à les afficher à n'importe quelle échelle sans aucune perte de qualité. L'affichage est recalculé quel que soit le niveau de zoom. Il est également très facile de modifier un élément de l'image indépendamment des autres. Notons que le même type de représentation est utilisé pour représenter des images en 3 dimensions. Pour terminer, les langages de description d'images vectorielles sont également étendus pour intégrer des animations et des interactions. Beaucoup de jeux vidéos, notamment ceux intégrés dans le navigateur web utilisent ces images animées vectorielles.

Les images matricielles

L'idée directrice est ici de représenter l'image point par point : le premier point en haut à gauche a telle couleur et telle luminosité, le second point ..., jusqu'au dernier point en bas à droite. Une image matricielle est donc représentée comme un ensemble de points de couleur, juxtaposés dans un rectangle. Si les points sont suffisamment petits et nombreux, notre oeil ne parvient pas à les distinguer. Mais un très fort grossissement permet de les révéler. Ce principe est utilisé depuis longtemps dans des domaines comme la photographie, les écrans de télévision, l'imprimerie. Dans le monde du numérique, les images matricielles sont particulièrement bien adaptées pour représenter les photos. Les appareils photo numériques ainsi que les scanners utilisent ces représentations.

Dans les images matricielles, les points sont appelés pixels . Ils sont ordonnés en ligne et en colonne dans une grande grille rectangulaire, qu'on appelle matrice d'où le nom d'image matricielle. Nous pouvons donc considérer que chaque pixel est une observation d'une très petite partie d'une image réelle, comme un tout petit échantillon de l'image réelle pris à un endroit précis. Pour ce petit échantillon, on mesure et mémorise la couleur. Ce processus d'échantillonnage est bien connu des physiciens. Nous le retrouvons dans toutes les représentations de signaux physiques, ici l'image, mais également pour les sons, la musique. Par exemple, dans le cas d'un son on mesure une valeur de note (de fréquence sonore) pour chaque petit échantillon de temps.

Les logiciels affichent les images matricielles point par point. Un avantage est que l'affichage d'une image matricielle peut approcher la qualité d'une image réelle si le nombre de pixels est suffisamment grand. Mais ceci se fait au détriment de l'espace pris par l'image qui peut être très grand. Les manipulations d'une image matricielle sont également plus difficiles. Par exemple, il est même parfois nécessaire de dégrader la qualité de l'image pour échanger des images ou même simplement pour afficher une image de plus petite taille. Cette dégradation est réalisée en prenant un plus petit nombre de pixel et chaque nouveau (grand) pixel aura pour couleur la couleur moyenne des (petits) pixels d'origine. La qualité des écrans et des images est mesurée avec les notions de définition et de résolution introduites en activité. Nous discutons la représentation numérique des couleurs dans la section suivante.

La couleur

Nous avons introduit les images matricielles comme une description point par point d'une image où chaque point ou pixel est associé à une couleur mesurée à partir de l'image réelle. Mais comment représenter cette valeur de couleur mesurée ? La représentation s'inspire des peintres qui ont, de tout temps, créé des nuances en mélangeant des couleurs dites primaires.

Le modèle de couleurs le plus répandu est le modèle RVB (pour Rouge Vert Bleu ou RGB en anglais pour Red Green Blue). Chaque pixel est décrit par 3 valeurs représentant respectivement la proportion de rouge, de vert et de bleu. La couleur est la combinaison de ces trois valeurs. Le modèle RVB est directement issu de contraintes technologiques. En effet, les écrans (télévision, ordinateur, tablettes), ainsi que les capteurs des appareils photos numériques ou les scanners utilisent tous ce mode de représentation de la couleur. Dans le modèle RVB , la couleur (0, 0, 0) correspond au noir, alors que lorsque les 3 composantes sont au maximum, cela donne du blanc. La représentation numérique dans le modèle RVB est discutée dans les activités pour en déduire le nombre de couleurs représentables.

Les formats

Même si il n'existe que deux types de représentation vectorielle et matricielle, comme dans le cas des documents, il existe de très nombreux formats d'image.

Évidemment le langage de description des formes géométriques dans les images vectorielles entraîne de nombreux choix. Cependant, la communauté semble aujourd'hui s'accorder de plus en plus sur le standard SVG .

Pour les images matricielles, la variabilité des formats est vraiment très grande. De nombreuses caractéristiques issues des besoins de manipulation sont à considérer mais également les progrès technologiques liés aux dispositifs d'acquisition comme simplement les appareils photos. À titre d'exemples, citons la possibilité comme la manière de stocker les métadonnées comme par exemple la date, l'auteur, la géolocalisation, etc ; les possibilités de gérer des images composées de plusieurs couches superposées et de gérer de la transparence. Un dernier paramètre découle de la volonté d'échanger les images sur internet rapidement et donc de limiter l'espace stockage avec des méthodes de compression qui peuvent être diverses. Tout ceci donne lieu à de nombreux formats matriciels dont les principaux sont BMP , GIF , TIFF , PNG et JPEG .

À travers cette présentation, vous avez sans doute retenu la distinction entre les vues de contenu, structure, présentation et les métadonnées qui qualifient un document numérique. Dans les autres types de données manipulées par les ordinateurs, comme les images et le son par exemple on retrouve également ces distinctions.

Une autre distinction que vous pouvez également retenir est celle entre logiciel et donnée. Parfois très liés à cause de formats propriétaires, on en arrive de temps à autres à les confondre, mais bien-sûr la donnée doit pouvoir exister ainsi que suivre son cycle de développement et d'utilisation en dehors du logiciel qui l'a créé.

Par les notions de formats de données soit libres et ouverts, soit propriétaires ou fermés, vous pouvez également constater une illustration de la rencontre entre le numérique et le droit. Le droit ne s'applique pas qu'aux formats, mais également aux contenus et aux logiciels. Le domaine du droit du numérique sort du périmètre de ce cours mais il est impératif de se poser la question du droit dès lors que vous souhaitez utiliser une ressource pour la publier.

Enfin, sachez que l'idée de la liberté ou de l'ouverture s'applique aux contenus par le biais des licences creative commons et aux logiciels par le biais des licences GPL et CECILL en précisant comment vous pouvez utiliser ces contenus et ces logiciels. La philosophie du libre dans le numérique est née dans les années 80 à propos des logiciels. Elle s'est étendue depuis et devient un mouvement qui impacte aujourd'hui toute la société numérique.