La numérisation de MSH-Informations et les (en)jeux de métadonnées

Dans un billet daté d’août 2014, nous présentions la lettre d’informations publiée entre 1973 et 1998 par la Fondation Maison des sciences l’homme ainsi que son inventaire diffusé par le pôle Archives de la Bibliothèque (aujourd’hui accessible sur Nabû ici) .  MSH-Informations est dorénavant consultable en ligne.

MSH-Informations, n°1, décembre 1973

MSH-Informations, n°1, décembre 1973

MSH-Informations est un titre de périodique, et de ce fait il est conservé dans les collections d’imprimés de la Bibliothèque, mais c’est aussi une lettre d’informations institutionnelle, d’où sa présence dans le fonds d’archives de la FMSH. Deux professionnels des métiers de l’Information Scientifique et Technique, une bibliothécaire et un archiviste1 ont collaboré dans la perspective de tirer le meilleur parti de compétences, méthodes et outils afin de mener à bien le premier projet de numérisation de la Bibliothèque.

Un projet pilote de numérisation

Pour sa première opération de numérisation, la Bibliothèque de la FMSH souhaitait conduire ce projet dans le respect de l’état de l’art des normes techniques, et de celles touchant à l’interopérabilité, aux métadonnées, à la conservation pérenne, cela dans l’optique de faire émerger une méthodologie applicable au moins en partie à des projets ultérieurs. Son objectif? Améliorer la visibilité d’un corpus riche d’informations sur 25 années d’activité scientifique de la Fondation par un meilleur signalement et sa consultation en ligne, et ceci via des outils déjà en place à la Bibliothèque. Mais il était par ailleurs indispensable de laisser le champ libre à des développements à venir sans fermer la porte à des projets en devenir, comme la constitution d’une bibliothèque numérique qui permettrait d’exploiter différemment le travail déjà effectué sur un corpus.

Le projet s’est articulé autour de 4 axes:

  • produire des copies numériques et des fichiers de métadonnées dans une optique de conservation pérenne.2
  • permettre la consultation des archives en ligne via un outil offrant aux lecteurs certaines fonctionnalités répandues aujourd’hui
  • organiser la diffusion des données descriptives afin de multiplier le référencement
  • utiliser les outils en place tout en laissant possible la réutilisation des fichiers de métadonnées dans le cadre d’une bibliothèque numérique, qu’elle soit institutionnelle, inter-institutionnelle ou nationale.

La conservation pérenne comme point de départ

La 1ère étape de l’archivage électronique pérenne est la production de « substituts numériques » qui constitueront les fichiers sources. Ceux-ci doivent être produits dans un format n’entraînant pas de pertes de données, que ce soit en couleurs ou en pixels. On les appelle aussi « fichiers bruts » dans la mesure où aucune modification ne leur est appliquée après leur génération via la numérisation du support papier original. Les fichiers destinés à être diffusés en ligne seront générés à partir de ces « matrices ».

Notre  choix s’est porté sur le format TIFF sans compression, mode mono page, définition de 300 dpi, en niveaux de gris. La première de couverture a été numérisée en mode couleur RVB pour les numéros les plus récents, le reste ayant été intégralement produit en noir et blanc. Pour chaque page de chaque numéro de MSH-Informations, un fichier a donc été créé. Compte tenu de leur qualité, on les utilise notamment pour générer d’autres fichiers de moins bonne qualité -et donc plus légers, à cause de la compression- destinés à la diffusion web.

Organiser l’accès aux documents et aux contenus

Après validation des fichiers bruts, la création des fichiers de diffusion fut lancée. Pour ce corpus constitué uniquement de numéros d’une revue/lettre d’informations, il était indispensable de restituer la structuration originale des contenus, et donc de passer d’un fichier par page à un seul fichier par n° de MSH-Informations. Les fichiers image TIFF (mono page) ont donc été assemblés en fichiers PDF (multipage).

Ce processus de transformation du mode image au mode texte correspond aussi à l’étape de l’océrisation: un logiciel de reconnaissance optique de caractère transforme le contenu numérisé en chaînes de caractères, ce qui permet notamment la recherche en plein texte. Chaque numéro est sauvegardé au format PDF, qui sera utilisé pour la diffusion web, ainsi qu’au format RTF (pour une éventuelle publication électronique en ePub). Par ailleurs, des signets ont été créés par le prestataire dans les fichiers PDF, afin de faciliter la navigation à l’intérieur de chaque document. Ceux-ci n’ont pas été créés ex nihilo mais ont été récupérés de chaque sommaire présent dans la notice de description réalisée par l’archiviste et localisé dans chaque élément EAD <scopecontent>.

La dissémination des données de signalement

Lorsque l’opération de numérisation est terminée, de quelle manière peut-on permettre l’accès à ces tout nouveaux documents numériques?

  • Signalement principal et consultation: Nabû, moteur de recherche des Archives de la FMSH

L’inventaire archivistique de MSH-Informations a été modifié pour inclure des liens vers les fichiers de diffusion dans chaque notice. La totalité des numéros est désormais consultable: chaque numéro est accessible et interrogeable en plein texte, et bénéficie d’un sommaire intégré que l’on trouve dans le panneau latéral de gauche du fichier PDF.

MSH-Informations n°1, 1973, dans la visionneuse de Nabû

  • Signalement dans le catalogue national collectif SUDOC

Une notice a été créée pour cette nouvelle ressource électronique par le service des Périodiques de la Bibliothèque. Elle inclut un lien hypertexte vers la plateforme de consultation en ligne principale (Nabû).

Notice détaillée de e-MSH-Information dans le SUDOC

Notice détaillée de MSH-Informations (version électronique)  dans le SUDOC

Cette notice détaillée présente l’avantage d’apporter des informations de contexte relatives à l’opération de numérisation en zones de titre et de notes . Puisqu’il s’agit d’une ressource électronique issue de la numérisation d’un objet documentaire institutionnel, la Bibliothèque de la FMSH est la seule institution à posséder ce corpus, comme l’indique l’onglet « Où trouver ce document », alors que le titre en support papier apparaît dans 45 bibliothèques au total.3

  • Signalement dans le catalogue Babylone (Bibliothèque de la FMSH) et l’outil de découverte BabylonePLUS

La création de la notice bibliographique dans le SUDOC a ensuite permis de générer, dans le catalogue institutionnel, une notice d’exemplaire pour cette ressource électronique. L’outil de découverte de la Bibliothèque, dénommé BabylonePLUS, récupère à la fois les données de Babylone (par export des notices)  et de Nabû (par moissonnage des métadonnées de l’entrepôt OAI-PMH).

Signalement de MSH-Informations dans BabylonePLUS

Signalement de MSH-Informations dans BabylonePLUS

Dans l’ordre d’affichage des résultats, une requête utilisant les termes « MSH-Informations » renvoie vers:

  • la notice bibliographique du périodique imprimé
  • la notice bibliographique du périodique électronique
  • une notice de l’inventaire archivistique4

Dans tous les cas, le rôle des métadonnées apparaît comme fondamental: que ce soit pour le signalement (EAD) , pour garder la mémoire du projet et de la structure des fichiers (METS/SIP), ou pour la diffusion des descriptions en dehors de la bibliothèque (standard OAI-PMH).

Des jeux de métadonnées à usages variés

Si une partie de ce projet de numérisation a notamment impliqué des opérations de migration de support et de format, l’autre partie a consisté à produire des données destinées à être utilisées selon des besoins et contextes différents. En fonction des objectifs visés (signalement, diffusion, conservation pérenne), les données à associer aux fichiers issus de la numérisation ne sont pas les mêmes.5

Un rôle pour chaque jeu de métadonnées

  • XML-EAD pour l’inventaire archivistique

L’Encoded Archival Description (Description archivistique encodée) est un standard d’encodage des instruments de recherche archivistiques basé sur le langage XML, et qui possède 146 éléments, dont 8 sont obligatoires. C’est une transposition de la norme générale et internationale de description archivistique ISAD (G) qui offre la possibilité de décrire un fonds d’archives de manière hiérarchique. XML-EAD est le format utilisé pour la production des instruments de recherche consultables sur la plateforme des archives de la FMSH, dénommée Nabû. Un inventaire produit en 2014 a constitué le maillon initial de toute une chaîne de traitement des données.6

  • XML-METS pour l’échange et la diffusion des données

Metadata Encoding and Transmission Standard est un schéma XML développé à l’initiative de la Digital Library Federation (DLF), maintenu par la Bibliothèque du Congrès, et autorisant la création et la description intégrale (données descriptives, administratives et structurelles) d’objets numériques textuels ou graphiques. METS sert à exprimer des métadonnées de nature diverse portant sur un document numérique, dans le but de faciliter son échange, sa gestion et sa préservation.

Cette description intégrale a une autre utilité: garder la mémoire du projet. En effet, dans un seul fichier sont présentes un nombre important d’informations relatives à la numérisation:

  • métadonnées descriptives (<dmdSec>) : elles renseignement sur le contenu du document et sont exprimées au format Dublin Core (DC).
  • métadonnées administratives (<amdSec>) : cet élément rassemble des métadonnées relatives au fichier de métadonnées
  • section des fichiers (<fileSec>) : elles listent tous les fichiers de même nature, à chaque fois regroupés sous une même balise <fileGrp>
  • carte de structure (<structMap>) : elles indiquent l’ordre de lecture des fichiers pour chaque lot constituant un même document

Ce schéma repose sur un format (XML) aujourd’hui jugé pérenne, ce qui signifie que les données contenues le sont potentiellement elles aussi7. Si une partie des métadonnées est produite par le prestataire de numérisation (sections amdSec, fileSec et structMap), les métadonnées descriptives doivent être fournies par le client. Dans notre cas, plutôt que de produire à nouveau ces données, nous avons utilisé celles produites en XML-EAD, le but du jeu étant de transformer les éléments EAD en éléments Dublin Core lorsqu’une correspondance est possible. Un fichier de métadonnées est produit pour chaque n° de MSH-Informations.

  • XML-SIP pour un éventuel archivage pérenne au Cines.

La Bibliothèque voulait par ailleurs garder la possibilité d’effectuer une demande d’archivage au Centre Informatique National de l’Enseignement Supérieur (Cines), non seulement pour ces fichiers, mais aussi pour tous ceux qui pourraient produits à l’avenir dans le cadre d’autres projets de numérisation (monographies, périodiques). Nous avons donc intégré au cahier des charges la production de fichiers de métadonnées conformes au schéma demandé pour l’archivage électronique au Cines.

Pour qualifier les documents archivés dans le cadre du service PAC (Plateforme d’Archivage au Cines), le Cines utilise un schéma spécifique basé sur l’utilisation des métadonnées du Dublin Core, et complété par des métadonnées de gestion spécifiques8 .

Chaque document archivé au Cines est donc associé à un fichier XML-SIP qui le décrit à trois niveaux :

  • des métadonnées descriptives de niveau « document » (Dublin Core)
  • des métadonnées de gestion de niveau « document »
  • des métadonnées de gestion de niveau « fichier »

De quelle manière obtenir ces métadonnées? A ce stade, il n’est plus utile de réutiliser des éléments XML-EAD dans la mesure où une part importante est déjà disponible dans les fichiers respectant le schéma XML-METS, comme les éléments Dublin Core. Un fichier a été produit par le prestataire de numérisation pour chaque n° de MSH-Informations à partir du fichier METS correspondant qu’il a lui-même produit.

L’analyse des éléments constituant ce schéma XML permet de constater que certains d’entre eux sont adaptés à la description et à la documentation de ressources bibliographiques (ex: <publisher>), alors que d’autres conviennent davantage à des ressources archivistiques (ex: <planClassement>) : le fait de renseigner tous les segments de données est pratiquement impossible, sauf dans le cas qui est le nôtre où le corpus considéré se situe à la frontière des deux. On peut ainsi considérer que le schéma XML-SIP du Cines a été conçu pour être très inclusif afin de convenir à tous types de documents. Puisque tous les éléments ne sont pas obligatoires, il est possible de n’utiliser que ceux dont on a besoin au regard de ce que l’on souhaite archiver au Cines.

Les correspondances en exemples (n°1, 1973)

Pour mieux comprendre les manipulations opérées, prenons l’exemple de données descriptives pour un même document, le 1er numéro. Uniquement les métadonnées descriptives, car elles sont concrètement le fruit du travail de l’archiviste, alors que les autres types de métadonnées des fichiers METS et SIP sont soit générés de manière automatique, comme les métadonnées de structure, soient crées manuellement par le prestataire.

EAD: Eléments correspondant uniquement au 1er numéro

<c id=”de-2″ level=”item”>
<did>
<unitid label=”Cotes extrêmes”>2 D 2/2</unitid>
<unitid type=”Boîte n°” label=”Boîte n°”>1</unitid>
<unittitle label=”Intitulé de l’unité documentaire”>MSH Informations, n°1, décembre 1973</unittitle>
<unitdate label=”Date de l’unité documentaire” normal=”1973″>1973</unitdate>
<origination label=”Origine”>
<name role=”producteur”>Service d’Echange d’Informations Scientifiques</name>
</origination>
</did>
<scopecontent>
<head>Présentation du contenu</head>
<p>Sommaire : </p><list><item>Centres et services de la MSH<list><item>Projet PAREX</item><item>Service d’Echange d’Informations Scientifiques</item></list></item><item>Réunions<list><item>Maison des Sciences de l’Homme</item></list></item><item>Organismes de financement de la recherche<list><item>DGRST</item><item>CORDES</item><item>Ministère des Affaires Culturelles</item></list></item><item>Thèses : sujets de thèses d’Etat intéressant les sciences sociales déposés en 1973 (suite) <list><item>Université de Paris I</item><item>Université de Paris X</item></list></item><item>Périodiques<list><item>Nouveaux périodiques</item><item>Périodiques annoncés</item></list></item><item>Informations bibliographiques<list><item>Rapports de recherches disponibles dans les laboratoires</item><item>Livres sous presse</item><item>Articles sous presse</item></list></item></list>
</scopecontent>
<controlaccess>
<head>Descripteurs</head>
<subject>manifestation scientifique</subject>
<subject>thèse</subject>
<subject>financement de la recherche</subject>
<corpname>Délégation Générale à la Recherche Scientifique et Technique (DGRST) (Paris, France)</corpname>
<corpname>Ministère des Affaires Culturelles</corpname>
<corpname>Université Paris 1 Panthéon-Sorbonne (Paris, France)</corpname>
<corpname>Université Paris X – Nanterre (Nanterre, Hauts-de-Seine, France)</corpname>
<name>Bibliothèque de la FMSH</name>
<name>Service d’Echange d’Informations Scientifiques (SEIS)</name>
</controlaccess>
<dao href=”images-FR075FMSH_000000038/FMSH_PB1063_2D2_001.pdf” title=”MSH Informations, n°1, décembre 1973″/>
</c>

Les mêmes éléments dans le fichier METS
<dmdSec ID="DC-METADATA"><mdWrap MIMETYPE="text/xml" MDTYPE="DC" LABEL="Dublin Core Metadata"><xmlData>
<dc:title>MSH Informations, n°1, décembre 1973</dc:title>
<dc:creator>Service d'Echange d'Informations Scientifiques de la Fondation Maison des sciences de l'homme</dc:creator>
<dc:date>01/12/1973</dc:date>
<dc:publisher>Éditions de la Maison des sciences de l'homme</dc:publisher>
<dc:subject>manifestation scientifique ; thèse ; financement de la recherche ; Laboratoire d'informatique pour les sciences humaines (LISH) (Paris, France) ; Université Paris Descartes (Paris V) (Paris, France) ; Université Paris X - Nanterre (Nanterre, Hauts-de-Seine, France) ; Délégation Générale à la Recherche Scientifique et Technique (DGRST) (Paris, France) ; Comité d'Organisation des Recherches Appliquées sur le Développement Économique et Social (CORDES) (Paris, France) ; liste d'acquisitions</dc:subject>
<dc:description>Sommaire : Centres et services de la MSH - Projet PAREX - Service d'Echange d'Informations Scientifiques - Réunions - Maison des Sciences de l'Homme - Organismes de financement de la recherche - DGRST - CORDES - Ministère des Affaires Culturelles - Thèses : sujets de thèses d'Etat intéressant les sciences sociales déposés en 1973 (suite) - Université de Paris I - Université de Paris X - Périodiques - Nouveaux périodiques - Périodiques annoncés - Informations bibliographiques - Rapports de recherches disponibles dans les laboratoires - Livres sous presse - Articles sous presse</dc:description>
<dc:type>text</dc:type>
<dc:type>image</dc:type>
<dc:format>21 x 29,7 cm</dc:format>
<dc:identifier>ISSN 0397-2062</dc:identifier>
<dc:source>Bibliothèque de la FMSH, PB 1063</dc:source>
<dc:source>Bibliothèque de la FMSH, cote archives 2D2</dc:source>
<dc:language>fre</dc:language>
<dc:rights>Creative commons BY NC ND</dc:rights>
</xmlData>
</mdWrap>
</dmdSec>
Et pour finir au sein du fichier SIP
<DocDC>
<title language='fra'>MSH Informations, n°1, décembre 1973</title>
<creator>Service d'Echange d'Informations Scientifiques de la Fondation Maison des sciences de l'homme</creator>
<subject language='fra'>manifestation scientifique ; thèse ; financement de la recherche ; Laboratoire d'informatique pour les sciences humaines (LISH) (Paris, France) ; Université Paris Descartes (Paris V) (Paris, France) ; Université Paris X - Nanterre (Nanterre, Hauts-de-Seine, France) ; Délégation Générale à la Recherche Scientifique et Technique (DGRST) (Paris, France) ; Comité d'Organisation des Recherches Appliquées sur le Développement Économique et Social (CORDES) (Paris, France) ; liste d'acquisitions</subject>
<description language='fra'>Sommaire : Centres et services de la MSH - Projet PAREX - Service d'Echange d'Informations Scientifiques - Réunions - Maison des Sciences de l'Homme - Organismes de financement de la recherche - DGRST - CORDES - Ministère des Affaires Culturelles - Thèses : sujets de thèses d'Etat intéressant les sciences sociales déposés en 1973 (suite) - Université de Paris I - Université de Paris X - Périodiques - Nouveaux périodiques - Périodiques annoncés - Informations bibliographiques - Rapports de recherches disponibles dans les laboratoires - Livres sous presse - Articles sous presse</description>
<publisher>Éditions de la Maison des sciences de l'homme</publisher>
<date>1973-12-01</date>
<type language='fra'>Périodique</type>
<format language='fra'>21 x 29,7 cm</format>
<source language='fra'>Bibliothèque de la FMSH, PB 1063</source>
<source language='fra'>Bibliothèque de la FMSH, cote archives 2D2</source>
<language>fra</language>
<relation language='fra'>Ce numéro du titre MSH-Informations est présent dans les collections d'imprimés de la Bibliothèque sous la cote de périodique PB 1063, et sous la cote archives 2D2 en tant que lettre d'informations institutionnelle. La numérisation de ce titre est donc celle d'un corpus mixte, ce qui explique la présence de métadonnées de types bibliographique et archivistique.</relation>
<rights language='fra'>Creative commons BY NC ND</rights>
</DocDC>

Une chaîne de production simple

A l’arrivée, les fichiers de métadonnées s’organisent en 3 jeux comme suit:

  • 1 inventaire en XML-EAD
  • 76 fichiers en XML-METS
  • 76 fichiers en XML-SIP

bib_pa_schema_data_msh_info

Un bilan positif, une expérience constructive

Ce projet pilote de numérisation est considéré par la bibliothèque de la FMSH comme une réalisation aboutie, mais cependant perfectible dans le cadre d’autres réalisations. A posteriori, certains choix relatifs, par exemple, au nommage des fichiers ou encore au plan de classement de ces fichiers, seront peut-être reconsidérés. Mais en ce qui concerne les métadonnées, la chaîne de production est aujourd’hui clairement définie. Le mapping (ou table de concordance) des éléments EAD vers les éléments Dublin Core a été créé et pourra être réutilisé. Reste à savoir si la Bibliothèque produira à nouveau des fichiers conformes au schéma du Cines, dans la mesure où elle n’y organisera pas forcément la conservation pérenne des documents, et si l’utilisation du schéma XML-TEI n’est pas préférable au format RTF pour la création d’ePub.

  1. Palmira de Sousa,  responsable du Pôle Conservation, Julien Pomart, responsable du Pôle Archives []
  2. Nous employons le concept d’archivage numérique pérenne pour désigner les méthodes et outils mis en oeuvre pour garantir la conservation, l’accessibilité et l’intelligibilité des documents pour une durée de 10-30 ans. Au-delà, il est délicat de s’avancer sur le respect de ces 3 critères []
  3. D’après les états de collection affichés dans le SUDOC, seule la FMSH est détentrice d’une collection complète []
  4. La raison pour laquelle la notice du n° 26 apparaît avant les autres n’est pas connue. On peut seulement l’imputer à l’algorithme utilisé par le moteur de recherche []
  5. Dans ce billet, nous évoquons seulement le rôle des métadonnées externes aux documents numérisés, car le choix a été fait de ne pas produire de métadonnées internes développées. En effet les possibilités relatives à ce type de métadonnées sont plus adaptées aux documents iconographiques (standards IPTC, Exif ou encore XMP), or la numérisation de MSH-Informations a été effectuée en mode texte pour du texte. []
  6. Comme nous l’expliquions dans le billet consacré à MSH-Informations. Il n’existe pas d’équivalent dans le catalogue des imprimés de la Bibliothèque. En effet, pour un titre de périodique, le contenu de chaque numéro n’est pas décrit. []
  7. Pour de plus amples informations, se référer à la description disponible en français disponible sur le site de la Library of Congress : http://www.loc.gov/standards/mets/METSOverview.v2_fr.html []
  8. Le schéma XML pour les métadonnées de la Plateforme d’Archivage du Cines est disponible à cette adresse : http://www.cines.fr/pac/sip.xsd . Une liste des métadonnées retenues pour le système d’archivage PAC est accessible à https://www.cines.fr/wp-content/uploads/2013/12/Tableau_metadonnees_PAC-2.0.pdf []

Julien Pomart

Responsable des Archives de la FMSH

Vous aimerez aussi...

Laisser un commentaire

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