Gérer les données de la recherche, de la création à l’interopérabilité. Compte-rendu de la formation ANF d’Huma-Num, 21-25 septembre, Fréjus

Organisée par la TGIR Huma-Num, cette formation avait pour objectif de permettre aux porteurs de projets de recherche en SHS, d’anticiper et de prendre en compte la gestion des données numérisées, qu’il s’agisse du stockage, de l’archivage, de la description, de la diffusion, de l’éditorialisation des corpus de données, dans un souci constant d’interopérabilité, afin de rendre possible leur partage et leur réutilisation.

La formation a naturellement commencé par une présentation de la Très Grande Infrastructrure Huma-Num, qui a pour objectif de proposer à la communauté scientifique de l’ESR en SHS des outils, comme le moteur de recherche en SHS Isidore ou la plate-forme Nakala pour déposer, documenter et diffuser les données de la recherche, mais aussi des formations, et des conseils pour gérer et valoriser les corpus de données, à travers ses 11 consortiums thématiques.

Frédéric Glorieux #interop2015 de retour à mon scanner, Fréjus, Villa Clythia, chambre 803, le matin https://twitter.com/GlorieuxF/status/647543112018083841 — Frédéric Glorieux
#interop2015 de retour à mon scanner, Fréjus, Villa Clythia, chambre 803, le matin
https://twitter.com/GlorieuxF/status/647543112018083841

La conférence inaugurale de Valérie Tesnière, directrice de la BDIC, a fait ressurgir l’impératif de l’interopérabilité en brossant l’évolution des acteurs impliqués dans la gestion des données, qu’il s’agisse de chercheurs, de bibliothécaires, d’informaticiens, ou d’archivistes. S’ils sont issus de cultures professionnelles différentes, ayant un rapport distinct au document, à la norme, et aux publics, force est de constater qu’aujourd’hui un langage commun est en train de se construire au croisement de plusieurs révolutions, le temps du numérique et le temps du web de données. Au cœur de ce dispositif, le W3C, qui favorise la publication de données structurées, impose aux professionnels de recueillir les données, les lier, et les structurer, pour permettre le dialogue et l’interopérabilité entre des objets hétérogènes.

Au deuxième jour de cette formation, nous avons bénéficié en matinée d’un rappel générique sur les métadonnées par Catherine Morel-Pair. Après une typologie fonctionnelle, nous avons passé en revue les standards (DC, MODS, LOM, IPTC, RDF…) et les usages variés des métadonnées pour garantir l’interopérabilité via les moissonnage OAI-PMH ou la transformation des données d’un format à l’autre via XSLT. L’après-midi a été consacré aux retours d’expériences. La démonstration de la version mobile d’Isidore par Adrien Desseigne nous a permis de comprendre les fonctionnalités heuristiques du web sémantique permettant une recherche et une lecture augmentée des données avec plusieurs points de vue sur un concept, un auteur, une discipline ou une collection_ pluralité des points de vue rendue possible par des croisements de graphes de données passant d’Isidore à ceux de DBPedia ou de la BNF pour obtenir autant d’enrichissements sémantiques.

Le retour d’expériences de Vincent Jolivet du labex OBVIL nous a donné un aperçu des problématiques posées par l’encodage TEI des textes en termes d’interopérabilité et de qualité des métadonnées. Si la diversité des usages et des logiciels utilisés pour l’encodage peut rendre caduque l’homogénéité des métadonnées, le cadre du consortium CAHIER a permis d’établir de bonnes pratiques pour envoyer des notices normalisées au moteur de recherche Isidore à partir de métadonnées TEI. La mise en correspondance des balises TEI et des 15 champs du Dublin Core a ainsi permis, au sein du consortium, une meilleure définition des pratiques éditoriales et une meilleure structuration des données.

Auteur de l’application Web-OAI, Frédéric Glorieux du labex OBVIL a mis en perspective les données de data.bnf pour établir une « coupe du relief de la chronologie » des auteurs à partir des données démographiques fournies par les notices de la BNF : une mine d’informations sur la vie littéraire à explorer sur son carnet de recherche.

Enfin, Véronique Ginouvès de la phonothèque de la MMSH est retournée sur les choix qu’elle a mis en œuvre pour rendre de plus en plus accessibles et interopérables avec d’autres fonds d’archives sonores les enregistrements de son institution, d’abord sur le portail du patrimoine oral, puis sur Isidore, sur Calames, et enfin sur Europeana Sounds.

Le mercredi au matin, Alexandre Granier du CINES nous a présenté les formats requis pour l’interopérabilité. Si le Référentiel Général d’Interopérabilité donne des préconisations en matière de protocoles, formats et sémantique, il nous est rappelé qu’un format de données est interopérable, si sa spécification est ouverte et accessible, s’il est indépendant, largement diffusé, si plusieurs logiciels permettent de le lire, et enfin, si sa migration vers d’autres formats est envisageable. L’exigence première, pour ne pas perdre de données, est donc d’identifier et de bien valider ses formats de données au niveau de la syntaxe et de la sémantique. Plusieurs outils, comme DROID, JHOVE, Mkvalidator ou FACILE sont utilisés à cette fin.

La projection du film intitulé L’usine en perspective en fin d’après-midi nous a permis de réaliser à quel point l’interopérabilité des formats et des données était requise lors de l’élaboration d’un projet de recherche comme celui d’Usines 3D.

Le jeudi, l’intervention de Thomas Francart de la société SPARNA sur les technologies de l’interopérabilité pour le partage et l’échange de données nous a permis d’entrer dans le fonctionnement concret du protocole OAI-PMH et du web de données, qui sont les sésames de l’interopérabilité. Nous avons pu expérimenter la grammaire du protocole OAI-PMH avec les six verbes permettant de moissonner les données d’un flux OAI.

Nous avons pu ainsi comprendre concrètement quel est le fonctionnement des outils d’Huma-Num. Nakala expose les données, Isidore les moissonne, reste à les éditorialiser. C’est ce que permet notamment un CMS comme Omeka. L’intuition d’Huma-Num consiste à articuler ces outils. A cette fin, nous avons bénéficié en avant-première de la démonstration du pack Nakalomeka, qui utilise la puissance d’Omeka pour éditorialiser les données contenues dans Nakala. Il fallait y penser. Huma-Num l’a fait. Et Omeka communique en OAI-PMH avec Isidore. Les données sont stockées, documentées, éditorialisées, et moissonnées. La boucle est bouclée.

Revenons au web sémantique, qui repose sur la grammaire intangible « sujet-verbe-complément », dont l’enjeu est de faire s’exprimer les données de façon non-ambiguëe. Inscrit dans le corps des pages web, ce langage pour humains et machines structure l’information et permet autant d’enrichissements sémantiques. Il est ainsi possible de relier des sources différentes dans une même application, ce qui fait toute la valeur ajoutée du web de données. Faire communiquer des URIs avec le langage RDF permet ainsi d’exploiter pleinement les données et d’en faire surgir des gisements d’informations structurées, mais aussi de mieux hiérarchiser l’information en bâtissant des ponts entre différents domaines de connaissance, comme le permet notamment le modèle de données SKOS (Simple Knowledge Organisation System) utilisé pour publier des systèmes d’organisation de connaissances sur le web de données. Tout un système de règles pour ne pas mélanger les concepts, et atteindre la plus grande précision dans le vocabulaire de description des données. Les concepts de thesaurus, réutilisés pour l’indexation, la recherche, la réalisation de graphes de connaissances, sont ainsi devenus des biens communs rendus, par l’interopérabilité, réutilisables par tous.

Au terme de la formation, nous sommes à même de préserver, indexer, diffuser et rééditorialiser les données. Nous avons toutes les clés pour construire ensemble l’interopérabilité des données en SHS.

Le SGBM et la BCU : « Techpoint et Checkpoint »

La situation actuelle du système

Depuis les années 2010, nous nous sommes investis dans une démarche de modernisation de nos outils documentaires, à l’instar de nombreuses bibliothèques universitaires, soucieuses d’offrir de meilleurs services à leurs usagers.

Nous avons commencé en 2011 par réaliser notre propre site web (avec Drupal) puis, en 2012, notre catalogue (avec Blacklight). Les deux projets ont bénéficié d’abord à nos publics. Cependant, notre système d’information tout entier méritait d’être revu et simplifié. Le projet SGBM arrivait donc à point nommé. Voici en effet la liste de nos outils actuels :

OUTILS	CONTENU	FORMAT DE DONNÉES
Step + Star	Thèses électroniques	Métadonnées XML TEF
Sudoc (CBS + WinIBW)	Tout imprimé ou électronique	Notices UNIMARC
Le contenu est versé dans :
le SIGB (Absysnet)	Tout imprimé Thèses tout support Supports numériques Collections électroniques acquises et licences nationales	Notices UNIMARC
S’y ajoute ensuite le contenu des deux outils suivants :
1. Résolveur de lien (SFX)	Revues électroniques abonn.	Métadonnées XML DC
2. Fichiers éditeurs	Livres électroniques abonn.	Notices UNIMARC
Et le tout est rendu consultable via :
Catalogue (Blacklight)	Tout imprimé ou électronique	UNIMARC

Nous utilisons différents outils, en fonction du type de document à traiter. Et malheureusement, tous ces outils ne sont pas maniés par tous les bibliothécaires. L’une de nos principales motivations à intégrer le projet SGBM était justement de réintégrer la gestion des ressources électroniques dans le travail quotidien de l’ensemble des collègues.

Du point de vue technique, la réinformatisation s’imposait. Pas de modernisation de nos services sans un nouveau système de gestion performant, alliant robustesse et respect des standards (à la fois de la bibliothéconomie et du web). Nous avions besoin d’un système capable de rendre tous les services attendus comme d’interagir avec des applications développées dans l’établissement, tout en conservant un lien très fort avec le réseau Sudoc.

Le SGBM correspond bien à nos besoins. Tout en participant au projet, nous avons lancé dès 2013 des chantiers pour préparer la migration. Certains concernent spécifiquement les périodiques, afin de mettre à jour tous nos états de collection. D’autres impliquent des corrections de données très importantes tandis que les derniers consistent en des exemplarisations automatiques dans le Sudoc (des corpus entiers ne sont pas encore signalés dans le catalogue national). C’est un travail de longue haleine, mais qui en vaut la peine, car, à ce prix, nous pourrons « migrer » correctement nos données dans le futur SGBM.

Une question de rythmes

Villard de Honnecourt, "Perpetuum mobile" (Image du domaine public) — Villard de Honnecourt, “Perpetuum mobile” (Image du domaine public)

Une fois le constat dressé, il importait d’agir et le projet SGBM nous offrait l’occasion et de nous insérer dans une réflexion globale et de projeter le site universitaire auvergnat dans un cadre d’action répondant à nos attentes.

Comme souvent, le dossier présentait deux versants : un versant interne et un versant externe, l’ubac et l’adret en somme (car, bien sûr, les Auvergnats ont la manie de vouloir tutoyer les sommets !).

Du point de vue interne, la réflexion s’est organisée rapidement, grâce à la désignation d’une Chef de projet, à l’intégration du dossier dans la stratégie globale (Lire ici http://alambic.hypotheses.org/4163 et là, http://alambic.hypotheses.org/5534) et à la diffusion en interne des mutations qui allaient en découler (Journée des personnels 2014, avec la tenue d’un atelier spécifique). Des réunions rassemblent depuis plusieurs mois la Chef de projet, la Responsable des données bibliographiques et deux professionnels BIBAS, pour planifier les chantiers. D’ores et déjà, il est acté qu’un professionnel BIBAS viendra épauler la Chef de projet en septembre 2015, tant ce dossier est capital et qu’un réseau de correspondants, dans les différentes BU, sera en soutien.

À la jonction de l’interne et de l’externe, se trouve la communication interne au site auvergnat, à destination des décideurs et cadres universitaires (Présidents, Vice-présidents, DGS, DSI, Service juridique, enseignants-chercheurs). Chaque fois que ce fut possible, un bilan d’étape du projet SGBM fut exposé, dans le cadre du Conseil de la documentation et du CODEX¹. Ainsi, le 13 mai dernier, le dossier fut analysé pendant près d’une heure trente dans cette dernière instance, à l’aune des besoins présents et à venir. Un accord de principe prévaut maintenant pour la suite, avec pour seule réserve majeure la question des coûts, non encore définis, mais qui pourront l’être après la remise de l’étude de l’ADBU, annoncée en septembre 2015.

Dans les montagnes auvergnates, l’eau surgit partout, fraîche d’ordinaire ou brûlante parfois (les « chaudes aigues »). Elle va d’un versant à l’autre. Métaphoriquement, au sens premier comme au sens figuré du terme², nous pouvons avancer que les « couzes »³ de la réflexion interne permettent de « charrier » des éléments d’appréciation en externe. C’est ainsi que nous avons répondu à l’étude d’impact de l’ABES de mars 2013, par un document de six pages, qui tentait de répondre à la volonté, exprimée par le Directeur de l’ABES, d’appropriation du projet par les partenaires. Nous y prenions des positions discutables, sans doute, mais qui ont été rendues publiques par un envoi sur la liste de diffusion de l’ADBU. Nous avons également souhaité faire remonter d’emblée le sujet important à nos yeux de l’accessibilité, au regard des publics en position de handicap. En outre, nous avons diffusé le projet à l’extérieur de la sphère « enseignement supérieur et recherche », ce qui fut l’occasion de constater que le réseau CANOPE avait entrepris un projet similaire (projet R@cines) et de proposer à l’ABES, par conséquent, une possible interopérabilité entre SGBM et R@cines, pour mieux desservir les ESPE. Enfin, il nous semble que le projet SGBM mérite une communication large, à même d’en montrer toute la portée en-dehors du cénacle des spécialistes de l’Infodoc : l’ABES s’y emploie activement cette année, en mettant à la disposition des sites pilotes des documents réemployables pour partie. Nous pourrions aller jusqu’à donner un nom au projet qui soit moins « métier ».

Qu’en espère-t-on ?

Qu’est-ce qu’un site universitaire comme celui de Clermont-Auvergne peut espérer du projet SGBM à l’horizon 2017 ?

Évidemment, une modernisation technique, facilitant l’insertion de la BCU dans les projets de site (comme le projet de carte universitaire unique pour l’ensemble des services), ou dans des projets internes (bascule progressive en RFID)
Le bénéfice d’une expertise partagée, avec des retombées offertes en termes de services (création d’API…), en termes de qualité des données et de leur gestion (base de connaissances, Hub de métadonnées — les Québécois diraient peut-être « pôle », les Auvergnats « puy », qui vient de podium, rappelons-le et évoque chez nous une relation ombilicale).
Un point d’accès unique pour l’ensemble des collections du site Clermont-Auvergne (par collections, entendons les collections produites ou acquises par le site, en matière de pédagogie, de recherche et de diffusion de la culture scientifique, quels que soient les supports et les formats)
Un levier interne pour la diffusion des nouveaux formats au sein des personnels de bibliothèque
Un appui pour promouvoir l’Accès universel (l’Open access)
Une préparation à l’avènement à terme d’un espace européen de la documentation.

Ces espérances sont gagées sur le maintien d’une Agence bibliographique forte et jouant à plein son rôle de coordinateur, car le site universitaire Clermont-Auvergne ne pourrait seul relever ces défis, fût-il en relation avec d’autres universités.

F. Boyer, Directeur de la BCU, et R. Bussemey, Chef de projet SGBM à la BCU.

1. Bureau du Conseil de la documentation, regroupant enseignants-chercheurs désignés par les Présidents et les conservateurs Responsables de service.

2. La métaphore, étymologiquement, renvoie à l’idée de transport.

3. Une couze est un ruisseau de montagne en Auvergne.

Papier/électronique, catalogage/indexation, comment aller ensemble

extrait pub pour papier toilette — comment lier papier et électronique : extrait d’une publicité pour papier toilette

Les métadonnées sont devenues désormais le nerf de la guerre, dixit Louise Fauduet, intervenante BnF lors d’une récente formation continue, dans l’indexation des ressources et leur visibilité/accessibilité sur internet. Pour les bibliothèques numériques intégrant tout type de documents – numérisés ou nativement numériques –, elles sont le prolongement disons « naturel » du catalogage classique pour le papier. Autrement dit : catalogage = indexation.

Et c’est à peine exagéré : presque rien ne change, mais c’est effectivement ce “presque” qui pose question.

La seule chose qui évolue (devrait évoluer) vraiment, si l’on considère que le catalogage classique dessert le papier et que l’indexation se tourne vers le numérique, c’est l’importance accordée au papier et à l’électronique par nous : quand on voit que la production de données, la collecte d’informations et la gestion courante basculent en quantité et coût du côté des ressources électroniques (plus de la moitié des ressources documentaires sont électroniques désormais, selon les chiffres de Carl Grant, vice -doyen et directeur des services informatiques des BU de l’université de l’Oklahoma) pourquoi l’activité de catalogage ne suivrait-elle pas le même mouvement ? Quand on sait que les pratiques des étudiants et chercheurs ont déjà basculé de ce côté-là également, ne devrions-nous pas les accompagner ? Une distinction papier/électronique qui n’aurait plus lieu d’être demeure pourtant : on le voit pour l’effort consenti sur les nouveaux apprentissages, mais également dans les réflexions récurrentes sur la baisse des prêts (les prêts papier restent une statistique phare alors qu’elle n’est pas rattachée au nombre de téléchargements qui est son pendant), ou encore la coupure entre pratiques sciences dures/sciences humaines sur l’usage numérique (et quid des humanités numériques/digital humanities et autres initiatives en open access qui remettent en question le cliché des sciences humaines à la traîne et « ringardes » quant à leurs pratiques ?).

Mais on s’éloigne du sujet. Le débat sur l’évolution de l’indexation et la place croissante des métadonnées font planer des ambiguïtés sur ces nouvelles formes et pratiques. Si l’on prend l’exemple des métadonnées pour les fichiers numériques, toute une ribambelle d’a priori viennent semer la confusion dans les esprits.

Premier obstacle : c’est la séparation imprimée par l’habitude dans nos esprits entre les formats et techniques (si, sortant de l’UNIMARC, on s’intéresse aux FRBR et autres RDA, on ne peut tourner le dos aux METS, MODS et compagnie comme s’ils n’avaient rien à voir) nonobstant le langage et les règles communs. Comme s’il y avait une barrière de spécialité à ne pas franchir – chacun sa tâche, je catalogue dans mon SIGB, tu indexes tes fichiers dans ton gestionnaire de contenus – alors qu’on parle de pratiques identiques.

Deuxième obstacle, la crainte d’être illégitime : “c’est de l’informatique, ce n’est pas le rôle des bibliothécaires”. Cet argument apparaît d’autant plus étonnant qu’il pourrait être opposé à tout changement ayant déjà eu lieu dans le métier, puisqu’informatiser, utiliser des logiciels dédiés aux missions des bibliothèques ou tout simplement utiliser un ordinateur dans son travail, c’est déjà faire de l’informatique. Et les bibliothèques ont vécu l’informatisation du métier, il ne s’agit donc pas de révolution. Simplement d’évolution.

Troisième obstacle : le caractère très/trop technique des outils, “ce n’est pas du langage compréhensible par les humains” – pardon, les bibliothécaires. Faux encore : le langage XML, entre autres, a justement comme qualité d’être compréhensible à la fois par les machines pour qu’elles interagissent, et par les humains. Les balises sont explicites et définissent des champs qui sont ensuite complétés de la même manière que des champs d’un format Marc : grâce à des vocabulaires normalisés, et grâce à l’art bibliothécaire dont tous les collègues sont spécialistes. Et puis qui oserait affirmer sans ciller que les formats MARC sont “compréhensibles par les humains” ?

On touche là au débat plus global qui agite beaucoup de bibliothèques sur la diffusion, au sein des établissements, des connaissances et compétences (ici, techniques, mais pas seulement), c’est-à-dire à la gestion des connaissances, ou knowledge management. L’enjeu consiste à inciter les professionnels à se tourner vers le domaine numérique et à acquérir l’équivalent des compétences qu’ils utilisent déjà pour les collections papier. L’adaptation dans la réalité est de fait moins insurmontable qu’elle ne paraît dans les esprits.

Les formations jouent un rôle important, mais, expérience faite, ne permettent pas, seules, de modifier la perception qu’ont les collègues sur ces questions. Et c’est par conséquent deux conceptions des bibliothèques qui en viennent à s’opposer alors même qu’elles ne suscitent pas de concurrence – pourquoi faut-il imaginer que les abonnements électroniques se font au détriment des acquisitions papier, ou que la bibliothèque numérique s’occupe de missions qui sont hermétiquement distinctes de ce que les collègues font en section, à moins que l’on ne sépare toujours les deux (ce qu’on voit lorsqu’on se focalise sur les prêts physiques en oubliant les téléchargements et connexions en ligne) ?

C’est une des questions qui seront abordées plus amplement lors d’une journée d’ateliers de réflexion de la BCU à laquelle participera l’ensemble des personnels.