Le Fichier central de la Sûreté nationale, l’un des « fonds de Moscou », saisi par les Allemands en 1940, puis par l’Armée rouge avant d’être restitué entre 1994 et 2001, est l’un des fonds emblématiques des Archives nationales. Il est constitué de plus de 600 000 dossiers nominatifs de police couvrant les années 1880 à 1940, et qui concernent aussi bien la surveillance politique, le contrôle des étrangers, que les demandes de passeports et cartes d’identité, les interdits de séjour ou encore la police des jeux.

Le principal outil d’accès est une série de 182 répertoires semi-alphabétiques (sur les trois premières lettres du nom) établie par les archivistes soviétiques et joints aux fonds restitués. D’abord microfilmés, ces registres sont numérisés et mis en ligne depuis 2013 sur le portail documentaire des Archives nationales. Ces répertoires listent les dossiers par ordre numérique, avec indication des noms, prénoms et dates extrêmes des pièces.

Aux sources du projet

L’ambition d’indexer ces répertoires semi-alphabétiques n’est pas nouvelle. Quelques ensembles ont fait l’objet d’un dépouillement dactylographié au Centre des archives contemporaines de Fontainebleau (probablement dans les années 2000).

Fin 2017, un dépouillement sur tableur d’une centaine d’images avait été réalisé, afin d’estimer le temps passé et les possibilités d’encodage au format XML des données obtenues. Peu après, au printemps 2018, l’utilisation du logiciel de reconnaissance d’écriture manuscrite Transkribus a été expérimenté sur ce corpus par les Archives nationales. Après la transcription d’une centaine de pages dans l’outil pour constituer des “données d’entraînement”, le taux de reconnaissance automatique avoisinait les 70% pour un même scribe.

Les données ainsi générées sont ensuite récupérables en différents formats (PDF image avec couche de texte, XML-TEI, texte).

L’existence de plusieurs écritures, le caractère nominatif et multilingue des données (rendant impossible l’association d’un dictionnaire en particulier et impliquant une longue relecture), sans compter la coupure de contenu sur plusieurs lignes et la structure tabulaire, rendaient complexe l’encodage final des données.

Après ces différentes expérimentations, la solution la plus satisfaisante s’est avérée être la saisie manuelle en mode collaboratif, garantissant un taux d’exactitude des données optimal et un encodage facile des tableurs.

L’idée de lancer un projet collaboratif d’indexation revenait ponctuellement au sein de l’équipe du pôle Intérieur (département Justice et Intérieur), responsable scientifique du fonds. Mais la coordination et le suivi d’un tel chantier étaient difficilement compatibles avec les missions quotidiennes. La demande était cependant forte ; des bénévoles de Geneanet avaient de leur côté initié un projet en ce sens.

La crise sanitaire et le confinement du printemps 2020 ont changé la donne.

Confinement 1 – Lancement du projet collaboratif en interne aux Archives nationales

Mars 2020, un certain vendredi 13. Le tutoriel d’indexation et le modèle de tableur d’indexation ont été créés en 30 minutes et présentés aussitôt aux collègues et stagiaires sur site. En parallèle, les milliers d’images numérisées ont été copiées du disque dur de sauvegarde sur un disque dur externe. Le projet « Moscou » était lancé pour de vrai, avec des outils simples mais extrêmement efficaces : un tableur à 6 colonnes et des lots d’images envoyées aux contributeurs.  Dès le premier jour du confinement, un espace de discussion est créé sur Framateam, afin de répondre aux questions des participants et partager les trouvailles. Une vingtaine d’agents des Archives nationales, tous services confondus, ont participé à cette opération pendant le confinement du printemps 2020.

Mars 2021, un an après. Près de 300 000 noms sont indexés, interrogeables et réutilisables gratuitement en Salle des inventaires virtuelle et dans les relevés collaboratifs du site de généalogie Geneanet. Les Archives nationales ont en effet signé un partenariat avec le site Geneanet afin d’échanger les données dépouillées par les agents des Archives nationales et par des bénévoles de la communauté Geneanet. La convention permet de mutualiser les indexations, garantit leur accès gratuit au plus grand nombre et offre de la visibilité à ce projet d’envergure, notamment auprès de la communauté des généalogistes amateurs, public actif prompt à se mobiliser sur ces actions qui améliorent les possibilités de recherche à distance.

L’achèvement prochain du dépouillement du Fichier central de la Sûreté nationale semble aujourd’hui tout à fait réaliste.

• Inventaire global du Fichier central de la Sûreté nationale (dossiers individuels), fin XIXe siècle-1940 (Archives nationales)
• Fiche d’aide à la recherche (en cours de refonte) (Archives nationales)
  
• Partenariat avec Geneanet (Archives nationales)
• Page du projet sur Geneawiki (Geneanet)
• Accès aux données indexées sur Geneanet

Sous le capot du moteur (outils techniques)

D’autres projets collaboratifs, aux Archives nationales (Natnum, Conseil général des Ponts-et-Chaussées) ou externes (Passeports des archives de Beaune, les millions de relevés des cercles généalogiques, relevés collaboratifs de Geneanet), ont déjà montré qu’on peut faire beaucoup de choses avec des outils très simples : des images et un tableur Excel ou Calc.

Dans le cas présent, l’indexation est entièrement réalisée sur tableur à partir des images numérisées des registres, consultables sur le portail documentaire des Archives nationales (Salle des inventaires virtuelle) ou envoyées par lots aux contributeurs.

Les différents registres qui composent une lettre sont ensuite compilés, nettoyés et enrichis via l’outil OpenRefine : changement de la casse (nom en capitale, prénom en initiale majuscule), correction de coquilles fréquentes sur des prénoms (Jospeh au lieu de Joseph), suppression des caractères superflus (double espace, tiret, virgule), vérification de la cohérence des dates extrêmes, génération des identifiants uniques, génération automatique, pour chaque cote, des numéros de dossiers extrêmes et images extrêmes pour faire les lots de vues numérisées, etc. Des vérifications peuvent être effectuées à la marge sur pièce (image du registre manquante, doute sur une date).

 

Les indexations d’une lettre sont ensuite converties en XML, format de publication des données archivistiques (toujours avec l’outil OpenRefine).

Les données sont généralement scindées en plusieurs inventaires XML du fait des contraintes de publication sur le portail documentaire des Archives nationales : la lettre B (61223 dossiers) est ainsi subdivisée en 6 inventaires. Néanmoins les contenus existent nativement au format CSV.

Faciliter l’accès au corpus grâce à la recherche nominative

L’objectif premier de l’indexation de ces centaines de milliers de dossiers est de permettre la recherche simple sur un nom, afin d’identifier facilement, via le moteur de recherche, l’existence d’un dossier individuel et d’en faire, par le même biais, la réservation pour le consulter en salle de lecture des Archives nationales.

Les dates extrêmes du dossier permettent d’affiner le résultat de recherche lorsqu’il y a des homonymies ou en cas d’intérêt pour une période particulière.

Le dépouillement collaboratif a été l’occasion de croiser quelques individus relativement connus. En vrac, parmi les B : Habib Bourguiba, Louis de Battenberg, Aristide Briand, Fernand de Brinon, Pierre Brossolette, Marie Bouchayer, Václav Bělohlávek ou encore Camille Barrère.

Au-delà de la seule interrogation nominative, la description des dossiers nous amène désormais à considérer ce corpus comme une masse de données qui peut être explorée et utilisée à des fins de connaissance des fonds et de recherche.

Prochains articles :

• Visualiser le Fichier central de la Sûreté nationale (2)
• Croiser le Fichier central de la Sûreté nationale avec d’autres ressources (3)

Voir aussi :

• Concordance des fonds : le cas Felix Willy Schmidt

---

---