La pré-éditorialisation des documents anciens, comprise comme une automatisation partielle de la préparation éditoriale des données textuelles, est récemment devenue l'un des nouveaux fronts de la recherche en philologie computationnelle. Parmi les tâches qu'elle comprend, on trouve celle de la normalisation linguistique, qui rend le texte plus aisément lisible tant par les chercheurs que par les machines. Dans un premier temps, nous définissons cette tâche de TAL (Traitement Automatique du Langage) pour le moyen français et sa place dans une chaîne de traitement numérique qui permet la création de données machine-actionable, depuis les sorties de l'OCR (Optical Character Recognition). Ensuite, nous présentons et rendons disponible un ensemble de données d'environ 40 000 lignes, tirées d'un corpus d'imprimés du XVI e siècle, ainsi que les règles de normalisation semi-diplomatique qui ont guidé la préparation des données. Enfin, nous proposons un premier modèle de normalisation automatique, afin de confirmer la faisabilité de la tâche.