Charles Renel a recueilli 155 contes malgaches entre 1907 et 1910 et ne les a publiés qu'en français ; les versions malgaches n'ont jamais paru. Le corpus rassemblé à ce jour tient l'équivalent de 78 contes, il en faudrait entre 500 et 1 000, et les quelque 400 manquants ne sont dans aucun corpus libre de droits — ils sont dans des cahiers de famille, dans des livres jamais numérisés, et dans la mémoire des gens. D'où deux moitiés : une bibliothèque et une collecte.
La bibliothèque tient six volumes de la Bibliothèque nationale de France, 374 folios photographiés, chaque page montrée à côté de son texte océrisé — un modèle de reconnaissance réglé sur le français, faute de modèle malgache, qui se trompe souvent. N'importe qui propose une correction sur un passage, un relecteur tranche, et le désaccord est conservé plutôt qu'arbitré. Les images sont adressées par leur empreinte SHA-256 et servies depuis Cloudflare R2 derrière un vote de gardiens : un seau public rendrait le contrôle des droits inatteignable, et l'un des ouvrages est justement sous droits.
L'essentiel du travail est dans ce que l'interface REFUSE de faire. Une fiche d'amorce ne montre ni le texte français, ni le résumé, ni l'intrigue : sinon « je connais ce conte » ne veut plus rien dire, et la personne récite ce qu'elle vient de lire au lieu de se souvenir. Un contrôle de 6-grammes vérifie qu'aucun fragment des récits ne fuit vers le site. Aucune correction automatique de l'océrisation non plus : deux correcteurs entraînés sur ce corpus ont été rejetés sur preuve — ils rendaient le texte moins fidèle au document tout en le rendant plus reconnaissable par le lexique, et transformaient « Ralambo » en « Lalambe ».
Le dépôt est ouvert : chacun peut verser un livre ou photographier un cahier, parce que c'est le seul moyen d'atteindre les contes qui manquent. En face, une file de modération — rien n'est listé avant d'avoir été jugé, la déclaration de droits est obligatoire, et le déposant est nommé pour qu'un retrait reste possible. Front React sur Cloudflare Pages, API Bun / Hono et Postgres sur mon VPS, images dans R2. Le corpus ainsi constitué doit servir à entraîner un modèle de langue malgache — celui-là même qui manque aujourd'hui au conteur d'Angano.