NorHand — La Bibliothèque nationale de Norvège ouvre son IA de reconnaissance d'écriture manuscrite à tout le secteur

La Bibliothèque nationale de Norvège (Nasjonalbiblioteket) poursuit la numérisation intégrale de ses fonds depuis 2005 et, au milieu des années 2020, avait numérisé presque tous ses livres et plus de la moitié de ses journaux, la numérisation et le stockage à grande échelle étant centrés sur son site de Mo i Rana.

Le laboratoire d'IA de la Bibliothèque a lui-même publié une famille de modèles en langue norvégienne sous licence ouverte — dont NB-BERT, NB-GPT-J-6B (6 milliards de paramètres) et les modèles vocaux NB-Whisper — entraînés sur les fonds de texte et d'audio numérisés de la Bibliothèque, ainsi que sur des données web générales.

En septembre 2023, la Bibliothèque a publié NorHand, un modèle de reconnaissance d'écriture manuscrite (HTR) construit sur la plateforme Transkribus et entraîné sur environ 400 écritures différentes, y compris des manuscrits d'auteurs tels que Sigrid Undset. NorHand atteint un taux d'erreur de caractères (CER) d'environ 4,0 %, et, au moment de sa sortie, avait déjà contribué à traiter et publier environ un quart des documents manuscrits numérisés de la Bibliothèque sous forme d'éléments entièrement consultables dans sa bibliothèque numérique. Le modèle et ses données d'entraînement ont tous deux été publiés en libre accès, et la Bibliothèque indique que plusieurs autres institutions norvégiennes l'ont depuis adopté pour leurs propres besoins de reconnaissance d'écriture manuscrite.

Ces chiffres sont autodéclarés par la Bibliothèque et son partenaire technologique, sans audit indépendant ; aucune étude de référence externe ni évaluation académique de la précision réelle de NorHand entre institutions n'a été trouvée, et l'affirmation selon laquelle « plusieurs » autres institutions l'ont adopté n'est elle-même pas quantifiée.