Tutoriel: télécharger des volumes numérisés sur HathiTrust

Les bibliothèques américaines qui ont signé un accord de numérisation de leurs fonds avec Google ont décidé, devant les problèmes d’accessibilité des résultats dans Google Books, de construire leur propre plateforme d’accès à leurs collections. Cette plateforme, http://www.hathitrust.org/, est structurée comme un catalogue classique de bibliothèque, selon les règles de la bibliothéconomie, et permet de faire des recherches par auteurs, titres, genre, dates de publication… sans compter les recherches plein texte.
HathiTrust
Même les volumes encore sous droit peuvent être interrogés, ce qui permet par exemple de vérifier la pagination de citations, de repérer des occurrences… Il existe aussi une API permettant des interrogations complexes, mais elle ne couvre pour l’instant qu’une partie du domaine anglo-saxon (voir le post de blog de Ted Underwood).
Occurrences de terme dans un ouvrage sous droit.
Occurrences de terme dans un ouvrage sous droit.
L’accord avec Google limite malheureusement l’utilisation de cette plateforme: les volumes peuvent seulement être feuilletés ou téléchargés page à page (sauf si l’on dispose d’un identifiant d’une des universités partenaires); en Europe, suite aux procès intentés à Google par plusieurs éditeurs, tout ce qui pourrait potentiellement être encore sous droit n’est pas accessible, ce qui nous empêche d’accéder à la quasi-totalité des numérisations de revues en ligne, comme La Plume, La Revue blanche, mais aussi des revues plus difficiles d’accès comme La Vogue – une restriction qu’on regrette d’autant plus quand on voit que ces numérisations sont souvent de meilleure qualité que celles de la BnF: ce sont souvent les exemplaires originaux (et non les reprints) qui ont été numérisés, et  les couvertures ont souvent été conservées.
Heureusement, des outils existent pour accéder aux volumes, même en Europe. Le plus simple consiste à installer un plug-in pour Firefox qui permet de choisir entre différents proxys ; AnonymoX permet de choisir de se connecter comme un utilisateur américain et d’accéder à la totalité des numérisations dans le domaine public.
AnonymoX s'intègre à Firefox et permet de se connecter via un proxy américain.
AnonymoX s’intègre à Firefox et permet de se connecter via un proxy américain.
Pour télécharger les volumes, on peut utiliser Hathi Download Helper: il s’agit d’un programme Windows, mais on peut le faire fonctionner sous Mac avec un logiciel comme WineBottler.
HathiDownloadHelper
HathiDownloadHelper intègre des proxys qu’on peut utiliser en cochant la case « use proxy server », mais le logiciel n’a plus été développé depuis plusieurs mois et les proxys ne fonctionnent plus pour la plupart. Pour l’utiliser, il vaut mieux lancer au préalable un programme permettant de faire passer toutes les connexions de l’ordinateur par un proxy. Le plus simple à utiliser et le plus rapide en version gratuite reste CyberGhost ; il faut attendre quelques dizaines de secondes avant de pouvoir se connecter mais la connexion est très fiable.
Une fois CyberGhost en marche (en ayant sélectionné un proxy américain), on peut lancer HathiDownloadHelper: dans la première partie du logiciel, on copie l’adresse du volume qu’on souhaite télécharger et on clique sur « get book info »; une fois les informations récupérées, on peut sélectionner dans la deuxième partie la manière dont on souhaite télécharger le volume (il vaut mieux sélectionner le format images à 200%) et le lieu de sauvegarde puis cliquer sur « start download » (on pouvait auparavant télécharger également le texte océrisé des pages, mais les dernières versions d’HathiTrust ne permettent plus cette manipulation). On peut finalement fusionner toutes les pages en un seul fichier pdf dans la troisième partie du logiciel.