B2 · Episode 13 · 5:02
Building a Unified Dictionary Interface on Wikisource
This episode explores how to gather hundreds of public-domain dictionaries on Wikisource, semantically structure their entries, and link them via Wikidata—enabling side-by-side comparison and unified access across historical and modern French dictionaries.
Source：Lyokoï / Wikimedia Commons · License：CC BY-SA 4.0
Transcript
Bonjour, je suis ravi de vous parler.
Hello, I'm delighted to speak with you.
Bon, c'est la diapo, on s'en fout, hop, voilà.
Alright, this is the slide—let's ignore it. Here we go!
Du coup, je vais me présenter en dix secondes pour ceux qui ne me connaissent pas.
So, I’ll introduce myself in ten seconds—for those who don’t yet know me.
Je suis Lio Coy, je suis un gros contributeur wixionnaire,
I’m Lio Coy, a long-time contributor to Wiktionary,
collectionneur de dictionnaires depuis maintenant un moment,
a collector of dictionaries for quite some time,
mais aussi gros contributeur sur d'autres projets comme Wikisource,
and also an active contributor to other projects like Wikisource,
Commons, Wikidata, Lingua Libre, dont je suis un des cofondateurs.
Wikimedia Commons, Wikidata, and Lingua Libre—of which I’m one of the co-founders.
Et en fait, je vais vous raconter une petite histoire de moi perdu dans médicaux et
In fact, I’ll tell you a little story about how I got lost among medical dictionaries,
de moi qui découvre un truc super cool qu'on peut faire avec Wikisource et les
and how I discovered something super cool we can do with Wikisource and medical dictionaries,
médicaux et un peu avec Wikidata, et on va se marrer.
plus a bit of Wikidata—and we’ll have fun!
Et donc c'est l'idée de comment mettre tous les dictionnaires dans Wikisource et
So the idea is: how to put all dictionaries into Wikisource,
dans Wikisource les lier.
and then link them together within Wikisource.
Voilà. Le 10 000 là, vous verrez c'est rigolo, bon c'est le symbole tchèque,
Here’s the “10,000”—you’ll find it amusing; well, it’s the Czech symbol,
mais vous verrez c'est rigolo, il y a un lien.
but as you’ll see, it really is fun—and there’s a link.
Donc en fait, je suis arrivé avec Noé notamment,
In fact, I started this work together with Noé and others,
on fouillait pas mal Internet sur l'existence de ce qui existait,
searching the web extensively to find out what online dictionaries already exist.
des dictionnaires en ligne.
That is, online versions of dictionaries.
Et en fait, notamment, moi j'ai pas mal cherché où est- ce que je peux lire sur le
Specifically, I was looking for a website where,
même site Internet plusieurs dictionnaires en même temps.
you can read several dictionaries side by side on the same page.
Et donc en fait, j'en ai trouvé quelques uns, il y en a quelques uns.
And indeed, I found a few—I did find some.
Il y a des interfaces qui permettent de visualiser
Some interfaces allow you to view multiple dictionaries simultaneously,
en même temps plusieurs dictionnaires les uns à côté des autres.
displaying them side by side.
Il y a le dictionnaire des francophones qui en collectionne le plus,
For instance, the Dictionnaire des francophones collects the most,
dont Noé dirige la chose, qui a huit dictionnaires si je compte bien,
and Noé leads it—it currently hosts eight dictionaries, if my count is right,
voilà, et qui va en compter de plus en plus avec le temps,
and that number will keep growing over time,
et qui permet de les mettre, les définitions les unes à côté des autres,
and lets you place definitions from different dictionaries side by side,
et tout ça, et donc ça permet de comparer un peu les différents dictionnaires.
and so on—making it easy to compare definitions across different dictionaries.
Ça c'est un outil qui est vraiment génial.
This is a truly amazing tool.
Et il y a un autre outil qui est beaucoup plus ancien qui s'appelle Dictionnaires
And there’s another, much older tool called ‘Dictionaries of Yesteryear’.
d'autrefois, donc vu le nom, ça date,
As the name suggests, it’s quite old.
c'est beaucoup de vieux dictionnaires qui sont dans le domaine public,
It contains many old dictionaries that are now in the public domain.
et qui lui, on a compté sept, en compte sept,
It includes seven—yes, exactly seven.
c'est- à- dire vous avez le Littré, quatre
For example, Littré and four editions of the Académie dictionary.
dictionnaires de l'Académie, le Nicot,
Also the Nicot dictionary.
et un dictionnaire dont j'oublie le nom qui est un peu perdu,
And one more dictionary—its name escapes me right now—somewhat lost.
un peu oublié.
Somewhat forgotten.
qui date du XVIIIe, et donc il met les trucs comme ça.
It dates from the 18th century, so its layout looks just like that.
Alors l'interface, c'est une grande page un peu chiante qui est absolument horrible
Its interface is a single, rather tedious page—absolutely dreadful.
à lire. Si vous voulez comparer les définitions, vu que c'est des gros tas
If you want to compare definitions, it’s horrible to read—dense typography and tiny fonts.
tout typographiés, c'est horrible, mais ça existe,
But at least it exists.
et on s'en est pas mal servi. Moi,
We’ve used it quite a bit. Personally,
je m'en suis pas mal servi quand je contribue sur le Wiktionnaire,
I’ve used it often when contributing to Wiktionary.
ça permet d'avoir pas mal de choses, mais bon, c'est pas
It provides plenty of useful information—but honestly, it’s not user-friendly.
sympa. Il y a d'autres sites qui donnent plusieurs dictionnaires accessibles,
Other websites also offer several accessible dictionaries.
mais ils sont pas sur la même page.
Yet they don’t appear on the same page.
Il faut switcher d'une page à l'autre pour savoir ce que dit un dico ou l'autre
You must switch between pages to see what one dictionary says versus another.
dico. Donc le plus grand, c'est le dictionnaire de l'Académie,
The largest is the Académie dictionary.
ils ont leur neuvième édition sur leur site internet, donc voilà.
Their ninth edition is available online—there you go.
Mais on peut pas comparer les différentes éditions l'une à
Yet you can’t compare different editions side by side.
côté de l'autre, c'est toujours, je passe d'une édition à l'autre.
You can only navigate from one edition to another.
Et il y a le portail lexical du CNRTL que les gens appellent le TLFi,
Then there’s the CNRTL lexical portal—commonly called the TLFi.
mais en fait c'est sept dictionnaires qui sont alignés les uns à côté des autres.
In fact, it aligns seven dictionaries side by side.
Alors c'est sept excellents dictionnaires, donc ça vaut le coup,
So these are seven excellent dictionaries—well worth acquiring.
enfin c'est pas vrai, il y a trois dictionnaires de l'Académie dedans,
Well… actually, that’s not quite right—three of them are Académie Française dictionaries.
mais... Mais les quatre autres sont vraiment excellents,
But the other four really are outstanding.
et du coup c'est à peu près les seules ressources qui existent là- dessus.
Thus, they’re practically the only resources available on this topic.
Et moi qui suis contributeur de Wikisource, je dis attends, quand même,
And as a Wikisource contributor, I thought: Wait—surely we can do something better?
on peut pas faire un truc un peu mieux?
Can’t we really do something a bit better?
Alors du coup, en effet, pourquoi Wikisource?
So then—why Wikisource?
En fait, il y a déjà plus d'une centaine de dictionnaires sur Wikisource.
In fact, Wikisource already hosts over one hundred dictionaries.
Au total, c'est 1168 tomes
Currently, there are 1,168 volumes in total.
à l'heure actuelle qui sont dans Wikisource,
All of them are hosted on Wikisource.
dont des ouvrages qui sont très importants et qui ne sont pas présents ailleurs,
These include many highly significant works unavailable elsewhere.
genre l'Encyclopédie d'Étienne- Daniel D'Alembert,
For example, D’Alembert’s Encyclopédie.
on a commencé l'Encyclopédie méthodique, il y a aussi, enfin voilà,
We’ve begun uploading the Encyclopédie Méthodique—and yes, there’s more.
vous avez des listes assez importantes de dictionnaires qui sont très connus,
You’ll also find extensive lists of well-known dictionaries.
qui sont très utilisés dans le milieu,
They’re widely used within academic and professional circles.
et qui en fait ne sont pas du tout présents sur Internet,
Yet in practice, they’re entirely absent from the internet.
ou en tout cas jamais en comparaison avec d'autres dictionnaires.
At least compared to other dictionaries, they’re virtually nonexistent online.
Il y a aussi déjà une structuration sémantique en place,
Moreover, semantic structuring is already underway.
c'est- à- dire que quand vous lisez un dictionnaire sur Wikisource,
That is, when you read a dictionary on Wikisource,
c'est telle entrée, je mets juste la section, le titre de la section,
each entry clearly identifies its section and section title,
le contenu, et en fait ils sont sémantisés.
and the content itself is semantically tagged.
Alors c'est basique, mais c'est déjà ça,
It’s basic—but it’s already a meaningful step forward.
c'est- à- dire qu'on peut déjà découper les dictionnaires dans les briques de
That is, dictionaries have already been broken down into fundamental units,
base, et c'est déjà fait quand on fait de la relecture de dictionnaires sur
and this breakdown is automatically achieved during Wikisource’s dictionary proofreading process.
Wikisource. Au total, il y a déjà 62.
So far, 62 dictionaries have undergone this processing.
de dictionnaires qui ont été entièrement corrigés,
dictionaries that have been fully proofread,
donc certains dictionnaires sont en plusieurs tomes,
so some dictionaries are published in multiple volumes,
donc il faut compter un peu moins, on peut enlever 10-20 dictionnaires,
so the actual count is slightly lower—we can subtract 10 to 20 dictionaries,
mais au total on a presque déjà 40 dictionnaires et c'est déjà plus que tout ce qui
yet we already have nearly 40 dictionaries in total,
existait ailleurs en fait.
which is already more than all such dictionaries available elsewhere.
On a déjà beaucoup plus sur Wikisource.
We already have far more on Wikisource.
Et on peut y ajouter les dictionnaires du domaine public qui sont présents sur les
Moreover, we can add public-domain dictionaries from other platforms,
autres portails, notamment les huit premiers de l'Académie, le Littré,
notably the first eight editions of the Académie Française dictionary, Littré,
le Nicot et tout ça en fait, il y en a déjà pas mal qu'on peut rajouter dans
Nicot, and others—many are already available for inclusion,
Wikisource, qui ont été relus par d'autres et qu'on pourrait importer sans problème
having already been re-proofread by others, so they can be imported without issue,
puisqu'ils sont dans le domaine public.
since they are all in the public domain.
Il faudra travailler un petit peu la sémantisation,
Some semantic markup work will be needed,
mais en soi c'est vraiment pas un gros problème.
but this is not a major challenge in itself.
Et du coup en fait l'idée c'est où est- ce qu'on peut aller,
So where can Wikisource go next?
où est- ce qu'on peut aller avec Wikisource?
Where exactly can Wikisource head from here?
En fait Wikisource, d'après Jean Pruvot,
According to Jean Pruvot,
il y a à peu près 10 000 dictionnaires de français,
there are roughly 10,000 French-language dictionaries,
alors je parle pour le français, mais alors imaginez toutes les langues,
I’m speaking specifically of French here—but imagine all languages combined!
il y a déjà plus de 10 000 dictionnaires de français,
There are already over 10,000 French dictionaries,
et il y en a un peu moins de la moitié qui sont encore sous droit d'auteur,
and fewer than half remain under copyright,
donc ça fait déjà plus de 5 000 où on peut y aller les yeux fermés et on plonge
meaning over 5,000 are freely available for us to dive into right away!
dedans quoi. On peut y associer en plus de ça Wikidata pour avoir des données
Beyond that, we can link with Wikidata to obtain structured data about dictionaries,
propres sur les dicos, la date d'édition.
such as publication dates.
le lieu d'édition, l'éditeur, ça va vraiment être précis,
Publication location, publisher—these details will be highly precise,
et puis aller édition par édition,
and then we can examine each edition individually,
enfin on peut être extrêmement descriptif de cet aspect- là.
allowing extremely detailed description of this aspect.
Et on peut aussi ajouter facilement un nouvel ouvrage à la liste des dicos,
We can also easily add a new work to the dictionary list,
en fait il suffit de le relire, de mettre les bonnes sections et pouf,
in fact, you just need to reload it and assign the correct sections, and then—
il apparaît dans la liste, ça serait automatique, c'est assez puissant.
it instantly appears in the list—automatically! It’s quite powerful.