PROV, un modèle pour la provenance des données numériques

En 2013, le SIAF avait participé à l’élaboration d’une feuille de route « Métadonnées culturelles et transition vers le Web 3.0 », pilotée par les services du Secrétariat général du ministère de la Culture et de la Communication (MCC). Cette feuille de route, qui s’appuyait elle-même sur les actions 4 et 5 de la feuille de route stratégique ministérielle en faveur de l’ouverture et du partage des données publiques, identifiait neuf axes de positionnement stratégique pour le ministère et ses établissements publics sous tutelle. Les actions opérationnelles ainsi identifiées ont donné lieu à la constitution de groupes de travail, chargés d’élaborer différents livrables (vade-mecum, notes de cadrage, cahiers des charges), et auxquels le SIAF a participé. C’est ainsi que les Archives de France ont piloté le groupe de travail n°8, intitulé « Positionner le MCC en tant qu’expert sur la traçabilité des données numériques ».

L’objectif était de dresser un état de l’art sur les modèles permettant de reconstituer la provenance des données. Le Web de données et ses technologies favorisent l’interconnexion de nombreuses sources de données qui n’auront pas toutes la même fiabilité. Dans ce contexte, il est important de pouvoir retracer la provenance des différentes données pour permettre aux utilisateurs de les réutiliser avec confiance dans leurs propres systèmes de connaissance. Cette problématique n’est pas nouvelle puisqu’elle se retrouve dans l’architecture du Web sémantique, représentée traditionnellement comme un empilement de couches technologiques et/ou fonctionnelles dont les plus élevées sont les couches « Preuve » (Proof) et « Confiance » (Trust) qui assurent la vérification des déclarations effectuées dans le Web 3.0. L’enjeu pour le SIAF était de valoriser l’expertise des archives en matière de traçabilité de l’information.

Dans une première phase, le groupe s’est attaché à définir la notion de provenance et à identifier les métadonnées nécessaires pour attribuer de la confiance aux sources de données rencontrées lors de la recherche (provenance du jeu de données et nom du producteur, date de création, date de mise à jour et périodicité de mise à jour, contexte de création, processus de création et processus de mise à jour, portée géographique et temporelle des données, critères de sélection, complétude des données, documentation de leur structure, etc.). Il a été décidé de ne pas aller sur la pérennisation de l’information, mais plutôt de rester sur la problématique de la confiance liée à la qualité des données et de leurs usages.

Le groupe a également étudié la prise en compte de la provenance par les normes et standards « métier ». Il est apparu que si ces modèles sont sémantiquement assez riches, ils ne sont pas forcément réutilisables hors du métier pour lequel ils ont été définis, car ils contiennent des concepts et des propriétés qui leur sont spécifiques. Par ailleurs, pour la plupart, ces modèles ne sont pas exprimés sous forme exploitable par des machines.

Dans une deuxième phase, le groupe s’est penché sur PROV-DM, le modèle conceptuel de données qui sert de base pour la famille de spécifications du consortium W3C sur la provenance, à partir des livrables du groupe de travail du W3C (tutoriels, document général de présentation du modèle, etc.). D’autres initiatives (schéma DCAT visant à normaliser la description des catalogues d’informations publiques, protocoles d’authentification WebID et OpenID) ont également été prises en compte.

Outre cet état de l’art, le groupe s’est enfin efforcé de donner aux producteurs de données culturelles quelques recommandations pour se positionner comme tiers de confiance :

  • la mise en place de dispositifs pour auditer leurs systèmes d’information ;
  • le choix d’un modèle générique, extensible et interopérable, décrivant les informations minimales de provenance qui doivent exister dans des contextes métier différents ; à cet égard, PROV-DM semble être un meilleur candidat que les modèles « métier » et de ce fait, il semble destiné à faire l’objet d’une transposition au niveau français ;
  • la mise en œuvre des recommandations du référentiel de bonnes pratiques élaboré pour les producteurs de données publiques en Région Aquitaine.

Le modèle PROV a déjà fait l’objet d’une première implémentation dans le cadre du projet SAEM (Système d’Archivage Électronique Mutualisé) réunissant le Département de la Gironde, Bordeaux Métropole et la Ville de Bordeaux. Ce projet est pensé comme une organisation modulaire qui se fonde sur différentes briques réutilisables par d’autres services. L’une de ces briques est un module de gestion des métadonnées de référence fournies aux autres modules, mettant notamment en œuvre le modèle PROV pour les métadonnées administratives (de gestion).

Claire Sibille,

sous-directrice de la politique archivistique.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *