Archival linked open data: le projet suisse aLOD

Origine du projet

Il est en effet important que les archives en ligne s’ouvrent à un public plus large que le public habituel des chercheurs. Les processus d’accès sont ainsi à repenser. Le Web des données (abrégé LD pour linked data) est l’une des pistes à explorer.

Suite à des discussions passionnées, un groupe d’archivistes s’est formé en 2014 pour tenter d’expérimenter ce Web des données appliqué aux inventaires d’archives. Un projet, au départ informel, car ne dépendant d’aucune structure, a reçu l’appui des directions des plusieurs institutions: Archives fédérales suisses, Archives des cantons de Neuchâtel, du Valais, de Genève, de Bâle-Ville et de la Ville de Baden, accompagnées par la société Zazuko, spécialisée dans le Web des données. Tous les échelons des administrations publiques suisses sont ainsi représentés.

Objectifs du projet

Il a fallu se mettre d’accord au sein du groupe de travail sur les priorités, car deux tendances se dessinaient. La première souhaitait mettre l’accent sur la partie technologique avec la mise sur pied d’une infrastructure complète et documentée qui soit adaptées aux besoins spécifiques des archives. La seconde insistait sur un résultat permettant une présentation exemplifiée et pédagogique de cette technologie, afin de la partager avec la communauté archivistique. Pour conjuguer ces deux attentes, il a été convenu de produire une infrastructure pilote qui ait un résultat visuel parlant.

Deux étapes ont été définies: l’approche technologique par la réalisation d’une infrastructure nourrie avec les données RDF (le modèle de description des données en LD) créées à partir de métadonnées descriptives disparates, et l’approche utilisateur par le développement d’une interface d’accès qui propose d'autres modes de présentation de ces données aux utilisateurs.

Choix de jeux de données sur une thématique commune

Il a fallu choisir un thème, afin que les différentes institutions disposent de jeux de données qui aient un rapport entre eux. Des thématiques telles que les finances, les routes ou l’image de la Suisse dans le monde ont été envisagées, mais elles ne permettaient pas aux institutions de pointer sur un fonds ou un ensemble de fonds constitué. Il a donc été décidé de se concentrer sur une période historique qui a produit des fonds se retrouvant dans toutes les institutions partenaires. Ainsi le choix s'est porté sur la période de la République helvétique et celle de la Médiation (1798 - 1813).

Approche de la technologie LD: réalisation et résultats

Chaque institution a dû commencer par mettre concrètement les mains dans le cambouis afin constituer des données en RDF à partir d'une extraction de données de son système d’information archivistique. Le fichier de départ était donc constitué d’un set de métadonnées descriptives, d’un format différent selon les systèmes d’information: XML-EAD, CSV ou Excel. Ces jeux de données ont été transformés en RDF avec l’aide de la société Zazuko.

Un jeu de données en RDF est un ensemble de triplets, qui établissent des relations sous la forme de sujet-prédicat-objet. Une bonne introduction à ces notions se trouve sur le lien suivant.

Une plate-forme technique (triplestore) a été mise sur pied pour le stockage et l'accès aux données RDF. Les jeux de données RDF ont été ensuite importés dans le triplestore. La provenance des données est garantie par le choix des noms de domaines dans les URLs. Ainsi, «data.ge.alod.ch» sert à identifier les données de Genève, «data.staatsarchiv-bs.ch» celles de Bâle-Ville, etc. Ce modèle permet que chacun soit responsable de ses propres données, ce qui correspond à l’approche fédéraliste.

Cette étape technique a eu pour livrable concret la colocalisation, au sein d’une même infrastructure, des données qui proviennent de différents systèmes, sur lesquelles des recherches peuvent être effectuées.

Pour effectuer des recherches sur des données RDF, on peut naviguer entre les URLs des entités qui ont été définies et découvrir les prédicats et objets/valeurs qui leur sont associées sous forme de pages Web. Ce n’est pas très impressionnant, mais c’est la preuve basique de l’existence de ce Web des données pour un humain.

Approche utilisateurs: réalisation et résultats

Notre principe de départ établit que c’est aux institutions d’aller vers l’utilisateur et non le contraire. Une analyse sur la base d’interviews des besoins de l’utilisateur d’archives a été effectuée.

Conclusion provisoire

À ce stade du projet, la mise en commun de données provenant de différents systèmes au sein d’une infrastructure dans laquelle des recherches «brutes» peuvent être effectuées a été réalisée. Nous avons pu ainsi répondre au premier défi technologique. Un cahier des charges pour le développement de l’interface utilisateur a été rédigé; cette interface existe en tant que démonstrateur.

En d’autres termes, la partie immergée de l'iceberg a été réalisée et la partie visible pour les utilisateurs disponible. Il s’agit maintenant de définir des best practices pour une implémentation à large échelle afin de simplifier le travail des institutions qui souhaitent adopter cette solution.

D’une approche pragmatique, consensuelle et expérimentale, le projet aLOD a pu mettre sur pied une solution prototype qui permet de présenter les avantages et le potentiel du Web des données. Ce prototype est aussi un excellent banc d’essai pour toute une série d’expérimentations futures que nous souhaitons conduire autour de la nouvelle norme Record in Context[g3], ou de la production participative pour l’enrichissement des données. Une autre direction possible est de faire évoluer cette infrastructure vers une solution productive, fiable et hautement redondante.