En réponse à une question du Conseil international des archives (ICA) sur les pratiques françaises, une petite synthèse sur les questions d’identification et validation de formats de fichiers. Merci à la documentation VITAM et à Marion Ville (VITAM), Lorène Béchard (CINES) et Yannick Grandcolas (BnF) pour leurs retours d’expérience !
Les fichiers numériques ont besoin de matériels ou de logiciels adaptés à leur format et en mesure de les identifier pour être utilisables, c’est-à-dire exécutés, consultés, modifiés ou imprimés.
Plusieurs outils et stratégies existent pour identifier la plupart des formats usuels. La plupart de ces outils sont génériques et mis en œuvre par les outils informatiques les plus courants : systèmes d’exploitation, serveurs et navigateurs internet. Les spécialistes de la préservation numérique se sont rapidement mis d’accord sur le fait que ces méthodes génériques étaient insuffisantes pour déterminer précisément à quel type de fichier ils avaient à faire. Ils ont décidé de définir et de mettre en œuvre des méthodes plus sophistiquées
Il existe trois moyens courants d’identifier le format d’un fichier numérique :
son extension,
les métadonnées techniques qu’il contient – et notamment son type MIME,
des caractéristiques récurrentes dans son contenu, véritables « signatures » d’un type de fichier.
La validation
L’objectif de la préservation numérique est de conserver dans le temps des fichiers numériques dans une forme utilisable et exploitable. Pour une plate-forme d’archivage, il est donc important de disposer de mécanismes permettant de vérifier que les fichiers numériques qui lui sont transmis, pour prise en charge sont dans une forme qui sera utilisable et exploitable dans le temps.
La validation des formats est un des mécanismes mis en œuvre pour effectuer cette vérification. Son objectif est de vérifier si un fichier numérique est conforme aux spécifications connues du format, d’un point de vue syntaxique comme sémantique.
Si le format du fichier est déclaré valide, la plate-forme d’archivage pourra être sûre que tout logiciel identifié comme capable de représenter un fichier de ce format sera capable de le faire.
Contrairement à l’identification de format qui se base uniquement sur l’extension ou les « signatures de fichiers », la validation de format nécessite une analyse complète du train de bits et sa comparaison avec les spécifications. À ce titre, le coût en puissance de calcul de la validation est bien supérieur à celui de l’identification et se rapproche de celui d’une transformation.
La validation de format se décompose souvent en deux niveaux :
la vérification qu’un fichier est bien formé (well-formed), ce qui relève de la syntaxe ;
la vérification qu’un fichier est valide (valid), ce qui relève de la sémantique.
Les outils
Outils de caractérisation des fichiers utilisés à la BnF (Bibliothèque nationale, avec des « filières d’entrée » bien déterminées) :
EpubCheck (livres numériques au format EPUB)
Jpylyzer (JPEG2000)
JHOVE (Images, XML, HTML)
MediaInfo (vidéo et son)
JWAT-Tools (archives de l’internet)
Tika (PDF, bureautique)
Au CINES
La caractérisation des fichiers se fait avec Droid.
L’outil interne FACILE est la base du validateur de formats.
La validation utilise des validateurs spécialisés : Jhove, ImageMagick, ffmpeg, …
Chez VITAM
La caractérisation des formats en entrée du système utilise Siedgfired
Un autre outil de gestion des versements (en amont du SAE donc) développé par le programme VITAM. RESIP, utilise Droid.
Le logiciel VITAM livre quelques outils (griffons), chaque projet peut en utiliser d’autres.
ImageMagick : validation et extraction de métadonnées
Jhove : validation
VeraPDF : validation
ODF validator : validation
Siegfried : identification
Tesseract : extraction de métadonnées.
Dans la documentation VITAM, on trouvera également les résultats de tests avec Droid et Validroid (outil développé par Jean-Séverin Lair, non publié, combinant plusieurs outils de validation : BFFOffice, ImageMagick, JHOVE, ODF Toolkit, OpenXML,veraPDF), Tika.
Oui, mais…
Attention, les systèmes d’identification des formats peuvent être volontairement déjoués, qu’il s’agisse de l’extension ou de système des marqueurs ou “signatures” de format, qui peuvent être présents dans un fichier d’un autre type, soit accidentellement soit exprès : voir par exemple ici (en anglais) ou un ingénieur Google a créé un fichier (sans contenu) susceptible d’être reconnu comme « appartenant » à 29 formats différents, sans pour autant être valide en regard d’aucune spécification correspondant : lorsqu’une mesure devient un objectif, elle cesse d’être une bonne mesure…
Retour d’expérience proposé par Matthieu Angebault et Thomas Bernard, Archives départementales de la Seine-Maritime
Stratégie de dématérialisation et de numérisation
En 2015, le Conseil départemental de la Seine-Maritime a opté pour une stratégie de dématérialisation processus métier par processus métier (pas de numérisation de l’intégralité des flux entrants par exemple).
Pour un processus métier donné, la dématérialisation est cependant complète ou dite « de bout en bout » (full demat) : l’instruction des affaires est réalisée à l’écran et la collectivité ne gère pas de dossiers mixtes. Cela sous-entend la numérisation du flux entrant mais également la numérisation des dossiers de stock pour que l’instruction des nouvelles demandes puisse être réalisée avec l’ensemble des éléments à l’écran.
La numérisation est répartie entre deux acteurs. Un Centre de dématérialisation interne (CDD) a été créé. Sa vocation première est la numérisation du flux. Il est cependant capable de traiter ponctuellement des dossiers de stock. Ces derniers sont pour l’essentiel confiés à un prestataire externe de numérisation.
L’objectif de conférer aux dossiers numériques le statut de dossiers de référence a rapidement été validé avec, pour corollaire, la destruction anticipée des documents papier. Les jalons posés par le vade-mecum « Autoriser la destruction de documents sur support papier après leur numérisation »[1] ont alors pu être utilisés comme fil conducteur dans les groupes de travail.
Accompagnement des métiers
La Direction de l’autonomie du conseil départemental (DA) et la Maison départementale des personnes handicapées (MDPH) ont été retenues comme pilotes des projets de dématérialisation.
Le passage à une gestion dématérialisée a été l’occasion de réviser les plans de classement internes des dossiers et leur cycle de vie. Cela a particulièrement été le cas pour la DA où l’on est passé d’un dossier d’aide familial dont la DUA courrait à compter de la clôture de la dernière mesure à un dossier d’aide individuel géré, en matière de cycle de vie, mesure par mesure. Ce travail amont des AD avec les métiers a permis de présenter à la Direction des systèmes d’information (DSI) un cahier des charges négocié et partagé, coordonnant les besoins métiers et les besoins d’archivage.
La révision des plans de classement métiers et du cycle de vie des dossiers a également permis de préparer les dossiers de stock en vue de leur numérisation. Des opérations dites de « toilettage » ont été conduites par les agents de la MDPH et de la DA. Ces opérations consistaient tout d’abord à identifier les dossiers clos exclus du périmètre de la numérisation. Les dossiers vivants (55.000 pour la DA et 100.000 pour la MDPH) ont été épurées en application des nouvelles DUA et réorganisés afin de faire correspondre leur structure à la structure attendue pour le dossier numérique dans la GED.
Cadrage des prestations de numérisation des dossiers
Les AD ont été associés au cadrage des prestations de numérisation dès la rédaction du CCTP du marché de numérisation de masse. À ce stade l’objectif était de s’assurer de la présence de clauses faisant référence au vade-mecum : sécurisation des documents de la prise en charge jusqu’à la restitution, résolution et format des fichiers livrés, traitements autorisés sur les images, structure des livrables, métadonnées associées et contrôle qualité des prestations notamment. L’ensemble des exigences spécifiées dans le CCTP ont été affinées après notification du marché lors de points techniques préalables au lancement des prestations.
Dans la perspective de l’audit de la chaîne de numérisation, les AD ont également été fortement impliquées dans la mise en place des procédures de numérisation du CDD. La principale problématique rencontrée a été celle du contrôle qualité des prestations. Ce point a suscité de nombreuses inquiétudes tant sur le plan de l’intégration des tâches de contrôles au sein de la chaîne de numérisation que de la charge de travail représentée.
Les modalités de contrôle n’ont été arrêtées qu’après stabilisation des processus du CDD pour associer à chaque étape de la numérisation des contrôles adaptés. Pour assurer la fluidité des activités, les points de contrôles les plus fins et les plus chronophages sont positionnés en bout de chaîne, lorsque les lots numérisés répondent déjà à certains prérequis. Ainsi, on contrôlera, dans l’ordre, la cohérence entre le nombre de dossiers scannés et le nombre de dossiers à l’écran, la bonne indexation du dossier à l’usager et, enfin, la lisibilité des images et leur rattachement aux bonnes typologies documentaires.
Une fois les points de contrôles fixés, il convient de définir leur modalité précise de mise en œuvre et leur ampleur. Le premier contrôle est directement réalisé par l’opérateur de numérisation et porte donc sur l’ensemble des plis numérisés. Pour les autres contrôles, réalisés par des agents dédiés, les AD et le CDD ont opté, en complément des préconisations de la NF Z42-026[2], pour une méthodologie de contrôle par échantillon en s’inspirant de la norme NF ISO 2859-1[3]. La taille de l’échantillon contrôlé est déterminée en fonction de la taille du lot numérisé (nombre de dossiers ou nombre de page numérisés en une journée) et du niveau – plus ou moins fin – du contrôle. La norme permet également de s’engager sur un taux de qualité en faisant varier le nombre maximum d’erreurs acceptables pour un échantillon contrôlé. Cette possibilité a été retenue pour les derniers points de contrôle réalisés sur les images.
Lorsque le nombre maximum d’erreur est atteint, les contrôles s’arrêtent et le lot est rejeté. La numérisation ou l’indexation sont reprises et les contrôles relancés jusqu’à validation du lot. Un niveau de contrôle renforcé est appliqué à l’initialisation des prestations et jusqu’à leur stabilisation sur le plan qualitatif. Ce niveau de contrôle plus strict est réactivé dès que le contrôles mettent en évidence une dégradation de la qualité des livrables.
Audit de la chaîne de numérisation des dossiers de stock de la MDPH
Cet audit a été réalisé en trois phases : audit des méthodes de travail du prestataire de numérisation en juin 2017, audit des infrastructures informatiques de stockage du Conseil départemental, la même année, et audit du CDD en 2019, en clôture de la phase d’élaboration des procédures internes de numérisation.
Les audits ont été conduits sur pièce puis sur site en suivant la grille proposée par le vade-mecum. Ils n’ont laissé apparaître aucun point bloquant dans la démarche de dématérialisation. Une autorisation d’élimination anticipée 6 mois après numérisation a donc pu être délivrée. Cette autorisation est assortie de remarques portant principalement sur la sécurité des espaces dédiés à la conservation des dossiers papier, la répartition des tâches au sein du CDD pour assurer une continuité de service et la coordination des acteurs. Un bilan des actions correctives mises en place sera effectué en mai 2020 dans le cadre de l’instruction du renouvellement de l’autorisation d’élimination.
Les destructions de dossiers numérisés n’ont cependant été autorisées par les AD qu’après signature par la MDPH, le CDD, la DSI et les AD d’une Charte qualité pour la numérisation fidèle de documents[4]. Cette charte, basée sur le modèle proposé par le SIAF[5], définit les principes et les règles à mettre en œuvre afin de garantir la création de copies numériques fidèles et fixe les responsabilités de chacun. Cette charte sera déclinée pour chacune des chaînes qui seront auditées et, en premier lieu, le flux MDPH en 2020.
L’archivage des dossiers numériques n’a pas été exigé pour la délivrance de l’autorisation initiale. Un délai d’un an a été convenu entre la DSI et les AD. C’est donc le renouvellement de l’autorisation d’élimination qui est conditionné à la mise en production d’un outil d’export de données de la GED.
Gestion du cycle de vie et archivage des dossiers MDPH numériques
Le socle technico-fonctionnel sur lequel s’appuie la dématérialisation a fortement évolué en 2015. Les différents systèmes de GED nativement connectés aux applications métier ont été remplacés par un système de GED unique (Alfresco). Dans ce contexte d’urbanisation, les métadonnées présentes en GED ne permettent en aucun cas de gérer le cycle de vie des dossiers numériques. L’export des données repose donc sur la mise en relation et la combinaison de données de gestion issues de l’application métier et de la GED.
Le point de départ du processus d’archivage est une requête dans l’application métier permettant d’identifier les usagers de la MDPH disposant d’un dossier dont la DUA est échue. Un rapport de requête est livré sous la forme d’un tableur Excel contenant les métadonnées attendues pour la description de haut niveau des dossiers : nom de l’usager, sexe, date de naissance, dates extrêmes, etc. Le rapport contient également une métadonnée « clé GED » permettant d’associer un usager dans Génésis à son dossier en GED.
Un générateur XML SEDA, issu de développements internes au format JSON et connecté à la GED, est ensuite utilisé. Après avoir été éventuellement épuré pour sélection d’un échantillon, le rapport de requête est chargé dans cet outil et associé à un modèle de bordereau de transfert. Un bordereau de transfert SEDA 1.0 peut alors être produit : le générateur encode les données du rapport de requête et, lorsqu’il rencontre une métadonnée « clé GED », appelle Alfresco via un web service. Il récupère alors et encode dans le bordereau les métadonnées issues de la GED : intitulé des répertoires, sous-répertoires et documents. Dans un second temps, le générateur exploite le bordereau pour extraire les documents de la GED et générer un paquet SEDA (bordereau de transfert et pièces jointes sous la forme d’un fichier compressé).
Générateur interne XML SEDA. Colonne à gauche : liste des métadonnées disponibles, en haut de l’écran, les premières valeurs du tableur Excel chargé et sur la partie basse, le modèle de bordereau de transfert SEDA (partie dossier de l’usager).
Le paquet SEDA est versé dans le SAE As@lae (version 1.6.7) via la fonction « Transfert pré-formaté ». Les tests de performance réalisés fin 2019 ont permis l’export de 40 Go de données de la GED (2000 dossiers) et le versement d’un paquet de 13 Go de données (7000 fichiers / 600 dossiers) dans le SAE.
Fichier XML SEDA, balises correspondant à un dossier usager.
Le générateur dispose également d’une fonction de suppression de données qui permet, toujours sur la base d’un bordereau XML SEDA, de procéder aux éliminations réglementaires dans la GED.
Le choix de ne connecter le générateur qu’à la GED et non à l’application métier permettra de le mettre en œuvre facilement et sans développement complémentaire pour l’ensemble des flux documentaires pris en charge par Alfresco. La connexion au SAE sera examinée dans un second temps, lorsque le volume et la fréquence des flux le justifieront.
______________________
[1] Dénommé « vade-mecum » dans la suite de l’article.
[2] Définition et spécifications des prestations de numérisation fidèle de documents sur support papier et contrôle de ces prestations
[3] Règles d’échantillonnage pour les contrôles par attributs – Partie 1 : procédures d’échantillonnage pour les contrôles lot par lot, indexés d’après le niveau de qualité acceptable
[4] Le prestataire n’a pas été inclus car ses modes opératoires sont fixés par le CCTP et les documents de cadrage établis après notification du marché.
Ce retour d’expérience est proposé par Matthieu Angebault et Thomas Bernard, Archives départementales de la Seine-Maritime
Le cas des dossiers d’étrangers en préfecture
Contexte
L’archivage des dossiers numériques d’étrangers, et plus particulièrement des demandes de titres de séjour, est un sujet déjà largement analysé au sein de la profession. Tandis que la préfecture des Ardennes avait développé un module d’export des dossiers au format SEDA[1] fonctionnant avec le logiciel de GED[2] Gargantua, le groupe de travail constitué sous l’égide du Service interministériel des Archives de France a produit la circulaire DGP/SIAF/2011/021 du 15 novembre 2011, qui donnait des règles quant à la gestion du cycle de vie des dossiers d’étrangers et proposait un profil d’archivage. Cependant, force est de constater que les modalités d’application de ces dispositions dans les préfectures ont été variables, et le plus souvent presque inexistantes.
En Seine-Maritime, la dématérialisation des dossiers d’étrangers a démarré en 2005. Elle porte en priorité sur le flux des demandes de titres de séjour, mais s’est également étendue au stock et à d’autres typologies comme les dossiers d’éloignement. La chaîne de numérisation repose sur une application nationale AGDREF, qui contient les données dont la conservation est à la charge des Archives nationales, et une GED locale, Gargantua[3], qui contient les documents dont la conservation est à la charge des Archives départementales. La préfecture est concernée depuis l’origine, tandis que la sous-préfecture du Havre vient de se lancer dans la dématérialisation. Le sujet n’est pas anodin dans la mesure où plus de 10 000 dossiers sont instruits chaque année en matière de séjour par la préfecture de Seine-Maritime.
L’intervention des Archives départementales
La numérisation des dossiers d’étrangers et la gestion des originaux papiers sont des questions qui sont suivies depuis le début par les Archives départementales de Seine-Maritime. Les échanges entre le service et la préfecture avaient fait apparaître un besoin de définition d’un périmètre précis pour la numérisation et de révision des procédures internes pour une meilleure efficacité. Par ailleurs, le classement et le nommage des dossiers et documents en GED n’étaient pas formalisés, et les mécanismes de gestion du cycle de vie et d’archivage déjà présents dans Gargantua (distinction entre base active et base archives) n’étaient pas maîtrisés.
En 2017, le contexte est devenu favorable. Côté préfecture, la présence d’un référent Archives bien identifié, le recrutement d’un développeur au SIDSIC[4] et l’installation de la GED en sous-préfecture du Havre ont été des leviers. Aux Archives départementales, la mise en production d’un SAE en 2017, reposant sur le logiciel As@lae édité par Libriciel SCOP, a doté le service des outils nécessaires à l’archivage pérenne des dossiers numériques.
Les contours d’un projet ont ainsi pu être délimités autour de trois axes principaux : l’organisation de l’arborescence des dossiers en GED par un plan de classement, l’export des dossiers qui se trouvent dans Gargantua pour archivage définitif dans le SAE[5] des Archives départementales et l’audit de la chaîne de numérisation en vue d’une autorisation de destruction anticipée des originaux papiers après numérisation. Seuls les deux premiers points ont été instruits à ce stade.
Organiser les dossiers en GED
La première étape a consisté à travailler sur un plan de classement des dossiers d’étrangers en GED, en repartant d’un travail mené par les Archives départementales et la préfecture du Calvados. Cette organisation, voulue simple afin de ne pas transformer radicalement les habitudes de travail des opérateurs de numérisation, reflète les différentes procédures relatives aux événements qui peuvent survenir dans le parcours d’un étranger (asile, séjour, regroupement familial, éloignement, naturalisation, etc.). Des consignes de nommage ont également été diffusées afin de standardiser la structure des dossiers et sous-dossiers. Enfin, le traitement des dossiers en doublon sur la base d’un premier repérage demeure à mener.
Exporter les dossiers d’étrangers numériques
L’export des dossiers numériques qui se trouvent dans Gargantua constitue la principale difficulté à laquelle les archivistes et la préfecture ont été confrontés. Vraisemblablement issu des expérimentations menées dans les Ardennes, un module d’export SEDA existe nativement dans Gargantua. Les tests menés à partir de ce module n’ont toutefois pas permis d’aboutir à un paquet conforme au standard d’échange, si bien qu’il a fallu repartir de zéro.
En partant d’un bordereau modèle spécifié par les Archives départementales, le SIDSIC a pu développer un fichier de configuration au format JSON permettant de faire la correspondance entre les données et documents présents dans Gargantua et la structure du SEDA telle qu’elle est préconisée par la circulaire de 2011. Cet outil a permis de produire, pour chaque année, un paquet contenant un fichier XML au format SEDA 1.0 et un fichier ZIP contenant les objets-données. Le fichier XML est construit selon trois niveaux d’objets d’archives : le dossier, au nom de l’étranger, qui porte les métadonnées issues d’AGDREF (identifiants, dates, informations d’état civil, nationalité, etc.), le sous-dossier, pour chaque événement (première demande, renouvellement de titre, etc.) et le document.
Les Archives départementales ont fait le choix d’opérer un versement intégral et non un échantillonnage, en raison de la valeur administrative de ces dossiers. Les dossiers papiers plus anciens déjà versé aux Archives départementales font en effet l’objet de nombreuses demandes de recherche de la part du public, surtout à des fins de preuve, mais aussi pour la recherche historique.
Structure XML-SEDA pour un dossier d’usager
Cycle de vie et métadonnées
Il existe en théorie au sein de Gargantua une métadonnée au niveau de chaque dossier intitulée « date de fin de validité du dernier titre délivré », qui devrait permettre d’opérer un export des dossiers clos depuis plus de cinq ans en application de la circulaire susdite.
Or, les premiers exports réalisés par le SIDSIC ont rapidement mis en évidence le fait que cette information n’est pas systématiquement mise à jour lorsqu’un nouveau titre est délivré à la personne, si bien que la date indiquée est régulièrement obsolète, le dossier pouvant même contenir des documents postérieurs à cette date. Le problème tient du mode d’alimentation des métadonnées dans Gargantua : les informations tirées d’AGDREF sont importées lorsqu’un dossier est ouvert par l’édition d’une « feuille patch » qui est lue par le scanner, mais elles ne sont pas écrasées lorsque de nouveaux événements surviennent dans la vie du dossier.
Il a donc fallu adopter une approche « pragmatique » consistant à combiner la date de fin de validité du dernier titre délivré avec la date du document le plus récent. En appliquant un délai de sécurité de dix ans, soit la durée maximale d’un titre de séjour, cette méthode a permis de s’assurer que seuls des dossiers véritablement clos seraient exportés.
État de la volumétrie des versements de dossiers d’étrangers par année. Note : les premières années sont essentiellement constituées de dossiers vides constitués à partir de la reprise des données d’AGDREF.
Conclusion
Bien que majoritairement composés de pièces justificatives, les dossiers d’étrangers sont un exemple de données issues d’un système d’information déconcentré de l’État pour lequel la continuité est très forte avec les dossiers papiers conservés aux Archives départementales dans les séries modernes et en série W. Permettant de retracer l’histoire de l’immigration au sein du département, ils ont une dimension locale et une valeur ajoutée manifestes.
Le projet d’archivage numérique des dossiers d’étrangers a amené les Archives départementales de la Seine-Maritime à changer d’échelle en matière d’utilisation de leur SAE, dans la mesure où les exports annuels font état de volumétries importantes, non en taille brute des objets-données (il s’agit d’une numérisation de faible qualité), mais en nombre d’objets d’archives dans les bordereaux SEDA. De telles quantités posent la question de la capacité des outils actuels à traiter, à la fois lors de l’import puis au moment de la recherche, des cas réels de versements annuels concernant des procédures dématérialisées touchant un grand nombre d’usagers. Cette question est sans doute destinée à devenir cruciale dans un contexte où, en dehors des flux « traditionnels » liés aux finances, au contrôle de légalité ou aux marchés publics, il sera difficile de mettre en place des procédures d’exports fréquents et automatisés depuis les applications. Les Archives départementales sont en effet dans la plupart des cas confrontées à des systèmes vieillissants dans lesquels les mécanismes d’archivage sont embryonnaires, et où il importe en premier lieu d’obtenir une extraction exploitable.
À ce titre, le travail mené sur les dossiers d’usagers de la MDPH est un contre-exemple qui illustre une fois de plus l’intérêt du positionnement en amont de l’archiviste dans le déroulement d’un projet de dématérialisation.
__________
[1] Standard d’Échange de Données pour l’Archivage.
L’installation en avril du SIAF dans ses nouveaux locaux a permis de créer un rendez-vous « Prospective numérique ». Sur le modèle des ateliers « Pérennisation » de VITAM, des « labs » de la CNIL ou du programme DCANT de la DINSIC, nous souhaitons :
Faire le lien entre évolutions technologiques et pratiques archivistiques
Rapprocher les professionnels intéressés par le numérique
Image Gerd Altmann / Licence CC0 Public Domain / https://www.publicdomainpictures.net/fr/view-image.php?image=212237&picture=monde-numerique
La première séance s’est déroulée le 5 juillet 2019. Emmanuel Jaslier, adjoint à la directrice du département des métadonnées à la BnF, a présenté la “transition bibliographique” en cours dans les bibliothèques. La discussion avec plusieurs experts du programme VITAM, du SIAF et des Archives nationales a ensuite été l’occasion d’envisager les transpositions possibles aux archives et notamment la convergence des outils de production des référentiels.
La Transition bibliographique
Capture d’écran du bandeau du site de la Transition bibliographique
Les catalogues au défi du web
Rendre visible et exploitable la richesse des données en tenant compte de l’évolution des pratiques de recherche sur le web, tel est le défi auquel sont aujourd’hui confrontées les institutions qui donnent accès à leurs ressources en ligne.
Dès les années 70, les bibliothèques ont entamé une réflexion à l’échelle internationale afin de normaliser la description des documents et échanger les données de leurs catalogues, aboutissant à des normes et des formats communs. Si les standards issus de ces réflexions ont permis le signalement d’un nombre croissant de collections, ils ont en revanche perdu de leur pertinence avec le passage au web sémantique. Ce dernier coïncide avec un tournant où la productivité des requêtes diminue alors que la masse des données continue elle à croître. Dans un tel contexte, l’enjeu n’est plus tant la description du document en lui-même que le positionnement de son contenu au sein d’un réseau significatif de données. Le référencement insuffisant des notices de catalogues de bibliothèque au profit des résultats commerciaux dans les moteurs de recherche est symptomatique de cela.
Le Web 3.0 : une réponse à la baisse d’efficacité des requêtes. Source : présentation BnF
Un nouveau modèle de données
Ces constats ont mené à l’élaboration de nouveaux modèles conceptuels basés sur une logique entités-relations pour la description des ressources. Depuis 2015, la profession s’est accordée autour du modèle IFLA-LRM dans lequel toutes les entités sont liées entre elles. Des autorités sont définies de manière autonome (par exemple un titre ou un auteur). Elles sont toutes susceptibles de servir de points d’accès pour l’utilisateur, et sont connectées les unes avec les autres selon les types de relations nécessaires, ce qui facilite considérablement les recherches en langage naturel.
Ces principes ont ensuite été traduits dans le code de catalogage RDA-FR (déclinaison française du code international RDA).
La transition bibliographique, programme national porté par le Comité stratégique bibliographique, consiste donc à implémenter RDA-FR dans les différents catalogues des bibliothèques. Comme son nom l’indique, il s’agit d’un changement progressif, rythmé par ses livraisons successives depuis 2015. Au-delà de l’établissement de la norme, il s’agit en effet d’une adaptation majeure de la structure des systèmes informatiques et d’un changement profond des pratiques métier.
Les premières réalisations
Le site data.bnf.fr agrège et organise depuis 2011 les données extraites du catalogue de la bibliothèque nationale selon les technologies du web sémantique. Aujourd’hui, le référencement du site dans les moteurs de recherche en fait le premier point d’accès vers Gallica.
La nouvelle application de catalogage de la BnF, NOEMI (pour Nouer les Œuvres, les Expressions, les Manifestations et les Items), suit les principes du code RDA-FR. Elle va progressivement remplacer l’ancien outil de catalogage.
Un projet à suivre : le Fichier national d’entités
Le Fichier national d’entités (FNE), base centrale destinée à regrouper toutes les entités produites en France par les organismes dépositaires de collections documentaires est un projet porté conjointement par l’Abes et la BnF. En phase pilote depuis 2019 avec un prototypage dans Wikibase, le FNE servira à aligner les données existantes et sera un outil de production national et collaboratif des autorités.
L’existence de ce projet ouvre de nombreuses perspectives d’échanges avec les services d’archives, également grands producteurs de données d’autorité.