Construire un échantillon représentatif
- Périodes, mains, langues et styles d’écriture.
- Résolutions, contrastes, dégradations et cadrages.
- Formulaires, texte libre, tableaux, tampons et marginalia.
- Pages simples, cas moyens et cas difficiles en proportions connues.
Mesurer plusieurs niveaux
- Taux d’erreur caractère et mot pour la transcription.
- Précision, rappel et F1 pour les champs ou entités.
- Exactitude des champs critiques comme date, cote ou identité.
- Temps moyen de correction et proportion de pages sans retouche.
- Taux de rejet correct lorsque la confiance est insuffisante.
Organiser la validation
La vérité terrain doit être annotée selon des règles stables et, pour un sous-ensemble, vérifiée par une seconde personne. Les divergences documentent les ambiguïtés du fonds.
Les seuils d’acceptation dépendent de l’usage : recherche plein texte, description archivistique, saisie d’un registre ou production d’un acte n’ont pas le même niveau d’exigence.