Bonnes pratiques de numérisation et de mise en ligne

On essaiera de dire en quelques mots l’essentiel de ce qu’on peut tirer d’une quinzaine d’années d’expérimentations puis de réalisations patrimoniales et scientifiques dans le domaine, au moment où les solutions technologiques atteignent un niveau de maturité et de performance vraiment intéressant, où les initiatives foisonnent et où les exigences augmentent.

 Numériser

Commençons par donner une définition : numériser, ce sera produire des substituts numériques (fichiers images, enregistrements sonores ou audio, textes...) à partir des sources primaires de la recherche, et des travaux des chercheurs. Le document numérique est composé fondamentalement d’une séquence de zéros et de uns, les seuls signaux (bits) qu’un ordinateur puisse comprendre, à condition qu’on lui donne les clés lui permettant d’interpréter cette séquence (type de fichier, système de codage). On peut - on doit - réintroduire dans ce champ les documents primaires et travaux de recherche nativement numériques ; il y en a de plus en plus avec l’explosion de la photographie numérique, ce qui ne veut pas dire que ceux-ci ne doivent pas être transformés pour satisfaire les critères définis pour un projet.

Tout est d’abord affaire d’objectifs. Trois d’entre eux sont souvent présents pour orienter un projet : conserver pour le moyen ou le long terme, communiquer au plus grand nombre, exploiter efficacement, éventuellement autrement.

Veiller au respect de quelques principes simples peut aider à la réussite d’un projet :

 bien sélectionner les objets documentaires à traiter. Il pourra s’agir d’un gisement organique ou du moins préexistant (fonds, collection) ou d’un corpus « inventé » par le chercheur, ou des deux. Dans les deux cas, expliciter le choix sera utile ; il faudra veiller à la cohérence de l’ensemble et au respect de sa nature intrinsèque, ce qui pourra orienter les choix en terme de traitements et de solutions de diffusion ; il faudra aussi s’assurer qu’on est en droit de reproduire et de diffuser ces documents ;

 définir les paramètres de numérisation, en fonction des objectifs donc des critères de qualité à satisfaire (pour l’image, ce sera choisir notamment un modèle chromatique, une définition et/ou une résolution) ;

 définir les modes opératoires et les niveaux d’intervention, ce qui dépendra notamment de la présentation matérielle, de l’homogénéité et de l’état initial des documents (s’agit-il de produire une copie fidèle de la source primaire, sans corriger ses défauts, ou d’appliquer des traitements visant à améliorer la lecture ou l’écoute ?) ;

 choisir des formats d’enregistrement et/ou des algorithmes de compression non propriétaires, standards de fait ou officiels, permettant de manipuler les fichiers sans dépendre d’un outil ou d’une plate-forme (ex. : TIFF LZW ; JPEG ; PNG). En outre, pour le texte résultant d’une reconnaissance de caractères ou d’une conversion, choisir un format cible structuré, ce qui en permettra l’exploitation, à condition que le modèle de données ou la documentation soient associés au texte (ex. : fichier tabulaire au format CSV, avec des noms de champs et un dictionnaire de données ; document XML [1] conforme à un modèle documentaire international comme TEI [2] ou Docbook [3] ) ;

 définir un plan de nommage et de classement des fichiers permettant un dépôt sur n’importe quel ordinateur et système d’exploitation, ou sur n’importe quel support de stockage externe (norme ISO 9660) ;

 numériser, ou faire numériser ; cela pourra parfois se faire en plusieurs filières et solutions parallèles si les objets à traiter sont hétérogènes, ou en plusieurs étapes. Ainsi, on ne numérise pas des cartes topographiques ou des manuscrits avec les mêmes outils qu’une collection d’ouvrages reliés de format invariable ou un objet à restituer en trois dimensions. Il faudra établir un cahier des charges, et s’équiper au moins pour contrôler le travail ;

 enregistrer les métadonnées de gestion (techniques, juridiques, administratives) des objets numériques ;

 indexer ou, mieux, décrire les fichiers (plus précisément ici, les sources primaires numérisées). Au minimum, un tableau de récolement donnant la liste des fichiers produits et la concordance avec les sources traitées ; mieux, une indexation du contenu, mieux encore, une base de données ou d’informations de description et d’indexation. Là aussi, des normes conceptuelles et techniques existent, établies au niveau international (ISBD) [4], ISAD(G)  [5], ISAAR(CPF) [6], FRBR [7], CIDOC CRM [8], etc., pour les concepts ; UNIMARC [9] et MARCXML [10] ou BiblioML [11], EAD [12], EAC [13], TEI, X3D [14], etc., pour leur traduction informatique ; normes ISO et AFNOR pour l’indexation, fichiers d’autorité, thésaurus). Souvent cette étape demande un investissement humain important, même s’il préexiste une base de connaissances il peut y avoir à revoir et normaliser les informations ;

 établir les relations entre fichiers résultat de la numérisation des sources primaires et métadonnées de gestion et de description. Diverses solutions existent ; si on a choisi XML et qu’on veut gérer les relations hors des fichiers, on pourra choisir le standard international METS15 ;

 archiver les résultats, c’est-à-dire choisir un support pour enregistrer les paquets d’information et équiper un lieu pour les stocker dans les meilleures conditions (sécurité, climat, etc.), et se doter des moyens de surveiller ces supports dans le temps, de détecter les altérations et de procéder à des migrations régulières.

 Mettre en ligne

Ici on sous-entend qu’on a choisi un moyen parmi d’autres pour la diffusion des sources et travaux de la recherche : Internet, un système d’information extraordinaire, dont la nature (un réseau de réseaux interconnectés) et la relative facilité d’accès suffisent à expliquer le choix.

Comment construire un système d’information pour le projet ou la structure porteuse de l’opération ? D’abord le définir, savoir ce qu’on veut qu’il offre en termes de fonctionnalités (moyens de navigation et de recherche) et de services (consultation, extractions, annotations privées ou publiques...). Les fonctionnalités de recherche et les services utilisateurs devront être l’objet d’un soin particulier si on s’adresse à une ou plusieurs communautés de chercheurs, sans illusion sur l’ambition de servir aussi bien l’historien que le linguiste, le doctorant se posant des questions extrêmement pointues que l’étudiant débutant. Donner le moyen d’extraire tout ou partie des documents ou données produits dans le cadre d’un projet pour pouvoir les intégrer à son propre corpus et les exploiter à l’aide de ses outils, de pouvoir annoter et commenter lesdits documents en ligne, pour soi-même ou pour tous, constituent aujourd’hui des objectifs réalistes dans de nombreux cas, que divers projets patrimoniaux ou scientifiques, parmi lesquels certains réalisés par les centres de ressources numériques TELMA16, CN2SV17 et CRDO18 avec leurs partenaires, ont d’ailleurs atteints. Travailler à construire des outils de production et d’exploitation de corpus qui soient facilement pris en main par le chercheur non informaticien chez lui, et adaptables à ses besoins, est un autre sujet ; on peut imaginer pour l’avenir que les deux logiques se rejoignent pour obtenir des systèmes d’information en ligne dont certaines parties au moins soient générées par l’utilisateur final.

Le plus souvent on choisira un système d’information de type Web dynamique, qui intègre notamment un moteur de recherche et retourne à l’utilisateur ce qu’il a demandé. Il faudra aussi pouvoir en mettre à jour facilement les contenus. Le système d’information public devrait être chargé de servir ou de produire des paquets d’information destinés à la diffusion, à distinguer du paquet de versement ou du paquet d’archivage. Ceci pour employer le vocabulaire fonctionnel du modèle OAIS19. Des critères de choix importants :
 performance et stabilité : des composants et une architecture adaptés aux besoins, et éprouvés ailleurs, ou testés, y compris en production ;
 évolutivité, durabilité : composants compatibles avec de nombreux systèmes d’exploitation, bien soutenus par les structures ou communautés qui les développent ; langages de programmation normés et populaires ; maintenance corrective et évolutive prévue et facile ; modularité ; si possible, code ouvert ; respect des principes et normes techniques du développement Web, essentiellement du principe de la séparation entre contenu et présentation ;
 accessibilité : respect des recommandations gouvernementales20 et de la recommandation WAI21 du W3C ;
 interopérabilité : des moyens pour faire en sorte que les contenus de l’application soient référencés pour nourrir d’autres applications distantes de type portail. Une solution consiste à prévoir de monter un entrepôt, interrogeable au moyen de requêtes conformes au protocole d’échange OAI-PMH22, donc exposant des métadonnées en XML conformes au modèle Dublin Core23. De par sa nature et son statut, un composant logiciel libre au code ouvert peut être un bon candidat pour satisfaire de telles exigences. Sans parler de logiciels libres très connus et génériques comme Linux, Apache, MySQL, Lucene, qui entrent très souvent dans une architecture applicative, des logiciels libres spécialisés dans la publication et la consultation des bases de connaissances métier sont aujourd’hui disponibles.

 Conclusion

Nous espérons avoir montré qu’un projet de numérisation et de mise en ligne ne peut pas s’improviser. Tout d’abord, les étapes préparatoires (études préalables, cahiers des charges et spécifications, recueil, description et indexation des documents) et finales (contrôles, tests, mise en production...), en amont et en aval des opérations proprement dites de numérisation ou de développement informatique, sont essentielles. De façon plus générale, rares sont les projets de cette nature qui aboutissent en moins d’un an. Surtout, il s’agit de mobiliser autour d’une unité de recherche ou d’un projet contractualisé, non seulement des moyens financiers ou techniques, mais des compétences solides dans plusieurs disciplines, de l’archivistique à l’ingénierie système et l’ingénierie documentaire en passant par l’expert en photographie numérique ou en traitement du son. Si certaines de ces compétences n’existent pas en interne, il est sage de se faire aider et accompagner par des personnes extérieures. Des risques et des incertitudes existent à chaque étape, inhérents à ce type de projet informatique. Orienter, coordonner, réunir et arbitrer, programmer, faire le point, évaluer, communiquer, sont des tâches indispensables, qui demandent un « manager » à la fois réaliste et ambitieux, dévoué et sans prétention , capable de parler avec le chercheur comme avec l’informaticien ou avec les grands centres de stockage des données numériques, de faire rebondir et de capitaliser.. La dimension humaine est donc cruciale dans de tels projets d’informatisation.

Dans de telles aventures, les centres de ressources numériques du CNRS jouent depuis quelques années, et souhaitent continuer à jouer, au sein de l’infrastructure ADONIS, le rôle de conseillers aussi bien que d’opérateurs techniques. Ils forment, avec plusieurs autres partenaires (services d’archives, bibliothèques, centres de documentation, etc.) un réseau d’expertise dans le domaine des digital humanities déjà bien développé à l’étranger. En fonction des attentes et des projets et selon leurs spécialités, ils proposent une gamme variée de services, allant du simple conseil ponctuel à la prise en charge complète d’un projet, en passant par l’accompagnement, la formation, et le développement d’outils.

Florence Clavaud École nationale des Chartes / CRN TELMA 4 février 2008

 Éléments de bibliographie

La littérature en ligne et imprimée sur ce sujet vaste, complexe et à multiples facettes est abondante. En sus des références données au sein des notes, nous citons ci-après, sans prétendre couvrir le domaine, quelques sites Web ou ouvrages de référence.

 Conduire un projet de numérisation. Sous la direction de Charlette Buresi et Laure Cédelle-Joubert. Lyon : Presses de l’ENSSIB, 2002. 326 p. La Boîte à outils ; 13. ISBN : 2-910227-43-X : ISSN : 1259-4857.

 Corpus oraux : guide des bonnes pratiques. Sous la direction d’Olivier Baude. Paris : CNRS, 2006. 192 p. ISBN : 2-271-06425-2.

 DORRER, Luc. Hommes et projets informatiques : dix commandements pour réussir. Paris : Hermès science publications, 2004. 256 p. Collection Management et informatique. ISBN 2-7462-0877-6.

 JACQUESSON, Alain et RIVIER, Alexis. Bibliothèques et documents numériques : concepts, composantes, techniques et enjeux. Nouvelle édition. Paris : Éditions du Cercle de la librairie, 2006. Bibliothèques. ISBN : 2-7654-0716-9.

 La numérisation des textes et des images : techniques et réalisations. Actes des journées d’étude organisées par l’Université de Lille III, 16 et 17 janvier 2003. Textes réunis et édités par Isabelle Westeel et Martine Aubry. Villeneuve-d’Asq : Presses de l’Université Charles de Gaulle - Lille III, 2003. 190 p. ISBN : 2-84467-050-4

 Les chercheurs et la documentation numérique : nouveaux services et usages. Sous la direction de Ghislaine Chartron, avec la collaboration de Gabriel Gallezot, Annaïg Mahé, Agnès Melot et alii. Paris : Éditions du Cercle de la Librairie, 2002. 268 p. Bibliothèques. ISBN : 2-7654-0840-8 / ISSN : 0184-886.

 Les documents écrits. Texte imprimé : de la numérisation à l’indexation par le contenu. Sous la direction de Rémy Mullot. Paris : Hermès Science publications, 2006.

 Mener un projet Open Source en bibliothèque, documentation et archives. Electre - Cercle de la Librairie, 2007. Bibliothèques. ISBN : 978-2-7654-0954-0.

 Numérisation du patrimoine culturel. France. Ministère de la Culture et de la Communication. Site Web accessible à : http://www.culture.gouv.fr/culture/mrt/numerisation/index.html.

 Pérenniser le document numérique. Séminaire INRIA, 2-6 octobre 2006, Amboise. Ouvrage coordonné par Lisette Calderan, Bernard Hidoine et Jacques Millet. Paris : ADBS Editions, 2006. 206 p. Collection « Sciences et techniques de l’information ».

 Recommandations techniques pour les programmes de création de contenus culturels numériques. Version révisée de mai 2004, élaborée dans le cadre du projet Minerva par l’UKOLN, Université de Bath, en collaboration avec l’agence britannique Resource. Disponible en ligne : http://www.culture.gouv.fr/culture/mrt/numerisation/fr/eeurope/documents/guide_technique.pdf