Ce billet fait partie du cycle de publications sur la thématique des outils de pré-versement d’archives numériques. Il se concentre sur un outil particulier : Metadata Extraction Tool, accessible à l’adresse http://meta-extractor.sourceforge.net/.
Metadata Extraction Tool est un outil libre (Apache Public License version 2) développé par Sytec Resources pour la Bibliothèque nationale de Nouvelle-Zélande. Il permet d’extraire automatiquement et en masse des métadonnées de préservation à partir de fichiers numériques importés. Il est capable de prendre en charge une grande variété de formats de fichiers (PDF, fichiers bureautiques, fichiers images, fichiers sons, langages de balisage…) et produit en fin de traitement un fichier XML rassemblant les métadonnées extraites des fichiers. Il est utilisable à la fois via une interface1 pour Windows et des lignes de commande sous Linux, ce qui permet de lancer des traitements manuels ou automatisés (batch).
Import des fichiers
L’import des fichiers à traiter dans l’outil se fait par une sélection dans l’explorateur Windows. Il est permis de sélectionner des fichiers unitaires, un dossier ou un lot de plusieurs dossiers. Deux types d’import sont possibles :
-
import d’objet simple : tous les fichiers sont mis à plat sans gérer leur arborescence.
-
import d’objet complexe : l’arborescence des fichiers est préservée et apparaît dans l’interface.
Metadata Extraction Tool offre également la possibilité de compléter l’import des fichiers par ajout de lots successifs à différents niveaux d’arborescence, de retirer des dossiers ou des fichiers et enfin de donner un nom et un identifiant à l’import global.
Extraction des métadonnées
Une fois l’import constitué, l’utilisateur peut lancer le traitement d’extraction des métadonnées sur tout ou partie des fichiers et dossiers. Un repère visuel permet de savoir si l’extraction s’est correctement déroulée. Ce traitement s’effectue très rapidement.
Concrètement, Metadata Extraction Tool, qui est une combinaison de technologies Java et XML, fait reposer l’extraction sur une série de modules capables de reconnaître un format, de rentrer dans le fichier en question et d’extraire les métadonnées de son en-tête. Ces modules sont en mesure de gérer les dépendances à l’intérieur d’un fichier ou entre plusieurs fichiers. Le processus fait intervenir l’ensemble des modules pour chaque fichier, jusqu’à ce que l’un d’entre eux ait réussi à reconnaître son format. S’il s’avère que l’un des fichiers est cassé (métadonnées d’en-tête illisibles dans un fichier PDF corrompu par une mauvaise numérisation par exemple), le processus s’arrête complètement et l’extraction des métadonnées échoue pour l’ensemble des fichiers. Cet outil suppose donc, avant d’être utilisé, que les types de fichiers aient été identifiés et validés en amont. Metadata Extraction Tool ne s’apparente aucunement par conséquent à un logiciel de validation de format.
Les opérations réalisées dans l’outil sont toutes tracées dans des fichiers logs XML. Ces logs sont consultables via l’interface, mais pourraient également être archivés à part pour garder une trace des traitements opérés dans le cadre de la préparation d’un versement. Cependant, on note que les erreurs bloquantes rencontrées lors de la phase d’extraction des métadonnées ne sont pas toujours explicites et ne permettent pas de comprendre de prime abord que la cause réside dans la corruption d’un fichier.
Logs d’un traitement stoppé en raison d’une corruption des fichiers
Logs d’un traitement correctement effectué
Génération du fichier XML en sortie
En cas de réussite du traitement d’extraction des métadonnées, un fichier XML rassemblant celles-ci est produit en sortie dans le répertoire défini par l’utilisateur. Les métadonnées extraites peuvent être exprimées de deux façons différentes :
-
forme native : chaque objet importé fait l’objet d’un fichier XML à part qui consigne l’ensemble des métadonnées qui ont pu être extraites par l’outil. Par exemple, un fichier image pourra être décrit, en plus des informations usuelles (nom, date, heure, auteur, chemin d’accès, permissions) par des métadonnées EXIF.
-
utilisation du dictionnaire de métadonnées de la Bibliothèque nationale de Nouvelle-Zélande : toutes les métadonnées extraites pour l’ensemble des fichiers sont rassemblées dans un fichier XML unique suivant un formalisme défini par la Bibliothèque nationale. Par rapport à la forme native, de nombreuses informations ont été retirées pour ne garder que les métadonnées essentielles. Cette utilisation permet, en définitive, de générer un fichier de récolement numérique des objets importés.
Métadonnées natives d’un fichier ODT
Métadonnées natives EXIF d’un fichier image
Métadonnées formalisées selon le dictionnaire de la Bibliothèque nationale de Nouvelle-Zélande
Administration
Metadata Extraction Tool dispose par ailleurs de certaines fonctionnalités d’administration sauvegardées dans un profil dédié.
Il est possible d’activer ou de désactiver des modules, de les mettre à jour, de gérer les correspondances entre les sorties des différents modules et le résultat final du fichier XML ou encore de changer le schéma XML du fichier de métadonnées. L’outil propose également de configurer des utilisateurs dont le nom apparaîtra dans celui-ci. Enfin, l’extraction des métadonnées peut être planifiée à une date et une heure précises (traitement asynchrone).
Conclusion
Metadata Extraction Tool offre une réponse aux problématiques de collecte automatisée de métadonnées des fichiers numériques. Cet outil permet, de façon massive et sans modifier les fichiers importés2, de naviguer à travers une arborescence et d’extraire une grande quantité d’informations à leur sujet, de façon plus ou moins uniformisée. Tout est fait pour que l’intervention humaine soit réduite, de façon à optimiser et standardiser les traitements.
Dans le cadre de la préparation d’un versement d’archives numériques, Metadata Extraction Tool donne la possibilité d’obtenir un premier instantané du lot que l’on va traiter pour constituer un paquet à verser dans un système d’archivage électronique. Cet instantané pourra être utilisé dans de multiples contextes. Le service versant y trouvera une liste d’objets et de leurs caractéristiques a minima pouvant être communiquée au service d’archives avant le versement en bonne et due forme, tandis que l’archiviste intervenant dans la préparation d’un versement y verra un moyen fiable de faire état du lot qui a été pris en charge en amont de toute opération de classement et d’enrichissement de la description. Dans tous les cas, l’extraction des métadonnées est un préalable à la mise en place de toute politique de pérennisation de l’information numérique.
1 Ce billet présente une utilisation de Metadata Extraction Tool sous Windows avec cette interface dédiée.
2 Ils sont ouverts en lecture seule.
OpenEdition vous propose de citer ce billet de la manière suivante :
Thomas Bernard (24 novembre 2016). Préparation des versements : Metadata Extraction Tool. Modernisation et archives. Consulté le 23 mai 2025 à l’adresse https://doi.org/10.58079/u5xw