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

Suite de l’article Visualiser le Fichier central de la sûreté nationale (2)

Les volumineuses données du Fichier central de la Sûreté nationale désormais indexées peuvent être envisagées comme un corpus de données à croiser avec d’autres référentiels dont les thématiques sont proches. Le billet qui suit propose des pistes de travail, toujours à partir des dossiers commençant par la lettre B (61223 dossiers individuels, soit environ 10% du corpus total estimé).

Croiser les données nominatives du Fichier central de la Sûreté : mode d’emploi (et limites)

Les données indexées du Fichier central ont été croisées à d’autres référentiels par le biais du logiciel OpenRefine. Ce logiciel permet de comparer et d’enrichir mutuellement des projets, soit en faisant des comparaisons strictes de chaînes de caractères identiques, soit en utilisant des extensions de réconciliation plus flexibles (reconcile-CSV, extension RDF) afin d’aligner des données relativement proches.

Le fichier .csv^[1] “Dossiers en B du Fichier central” (61223 entrées) a fait l’objet d’un import dans le logiciel OpenRefine. Une colonne pivot a été créée, contenant les nom et prénoms des individus sous forme simplifiée : contenu en minuscule, suppression des accents et cédille, remplacement des tirets et virgules par des espaces.

Les référentiels que nous avons souhaité comparer aux données du Fichier central (dénaturalisations sous le régime de Vichy, certains corpus du Maitron) ont été importés sous forme de projet OpenRefine spécifique, avec création d’une colonne individu semblable, contenant les noms et prénoms sous une forme simplifiée.

La colonne pivot du fichier original des dossiers du Fichier central a ensuite été comparée à celle des autres jeux de données. Lorsque les colonnes pivot étaient identiques, des colonnes de contenu (url, numéro de dossier, etc.) ont pu être intégrées aux données du Fichier central (capture d’écran ci-dessous).

Il est nécessaire de rappeler que le propos qui suit porte sur un échantillon de données assez succinctes et a une vocation expérimentale. Les individus sont décrits comme suit : nom (commençant par B), prénom(s), dates d’alimentation d’un dossier de police. De ce fait, nous avons procédé à des comparaisons sur la base d’une correspondance orthographique stricte des noms et prénoms, à l’exception de l’alignement sur Wikidata. Les correspondances incohérentes d’un point de vue chronologique ont été invalidées autant que possible (individu trop jeune pour avoir un dossier dans le Fichier central ou décédé largement avant la date de clôture du dossier). Il subsiste forcément des résultats erronés pour les individus homonymes (à titre d’exemple, il y a 11 Charles Bernard, 6 Maurice Bloch, 7 Charles Bertrand… et le dossier concernant Marc Bloch n’est pas celui de l’historien). Dans le même temps, de nombreuses correspondances n’ont pu être validées du fait de la qualité et de l’utilisabilité des données utilisées (prénoms incomplets ou dans un ordre différent entre les jeux de données, dates d’existence non systématiques, jeu de données initial complexe à extraire et utiliser).

Les résultats ne doivent par conséquent pas être considérés comme exhaustifs et parfaitement vérifiés, mais comme des éléments donnant des ordres de grandeur de correspondances et des pistes pour constituer des corpus et explorer de nouvelles sources.

[1] Dans l’immédiat, les données de la Salle des inventaires virtuelle des Archives nationales ne sont téléchargeables que sous la forme de fichiers XML (voir exemple en ligne) à compiler et manipuler pour les transformer au format CSV. Néanmoins nous envisageons la mise à disposition prochaine des données sous un format plus facilement réutilisable.

• Croiser le Fichier central avec les dossiers de dénaturalisation du régime de Vichy (Archives nationales)

Les individus faisant l’objet d’un dossier dans le Fichier central de la Sûreté peuvent figurer dans bien d’autres fonds d’archives sériels des Archives nationales. Les dossiers nominatifs sont généralement décrits et indexés au sein de l’institution sous la “NOM, Prénom”, ce qui facilite les croisements de données.

La mise à disposition récente en open data du jeu de données concernant les personnes dénaturalisées par le régime de Vichy a été l’occasion de comparer les deux ressources. 99 individus apparaissent à la fois dans le Fichier central et dans les dossiers de dénaturalisation en B (sur un total de 800 dossiers de dénaturalisation en B).

Outils : billet du blog présentant le jeu de données en open data ; données en open data (data.culture), OpenRefine pour comparer les données

 

• Croiser le Fichier central avec Le Maitron, dictionnaire biographique du mouvement social et du mouvement ouvrier
  

De par ses thématiques sociales et historiques, Le Maitron est l’un des référentiels dont les notices sont susceptibles d’être très proches des motifs d’ouverture d’un dossier individuel dans le Fichier central. Ici, nous avons ciblés deux corpus plus spécifiquement :

• Dictionnaire des anarchistes (base en ligne ; plus de 6000 individus, dont 819 commençant par B) : 154 individus identifiables dans les dossiers en B du Fichier central ;
• Dictionnaire des communistes (4e période 1914-1939 ; extraction – potentiellement non exhaustive – de près de 57 000 notices, dont 7240 commençant par B) : 719 individus identifiés dans les dossiers du Fichier central.

Malgré la complexité du téléchargement des données du Maitron puis de leur nettoyage pour permettre des comparaisons, ces chiffres mettent en lumière les nouvelles perspectives d’exploitation scientifique en matière d’histoire sociale et syndicale qu’offre le Fichier central de la Sûreté désormais indexé.

On peut ainsi facilement identifier les dossiers de Germaine Berton (1902-1942), Maurice Boin (1889-1941) ou encore Marc Bourhis (1907-1941). À noter que le dossier Victor Basch (dossier sans date), ne contient qu’un fantôme qui renvoie au “coffre”, qui ne fait pas partie des fonds saisis en 1940 ; le dossier est conservé dans la sous-série F/7 (cote F/7/15930/2).

Outils : Webscapper pour télécharger les données, OpenRefine pour les nettoyer et les comparer au Fichier central.

 

• Aligner les données du Fichier central avec Wikidata

Le logiciel OpenRefine permet l’alignement de données avec des référentiels du web sémantique, et en particulier Wikidata. Les quelque 61 000 dossiers ont fait l’objet d’une opération d’alignement avec la base de connaissances libre. Malgré les risques de bruit et d’homonymie, ce travail est intéressant car l’extension de réconciliation OpenRefine – Wikidata propose plusieurs résultats d’alignement avec un calcul de pertinence, permettant ainsi d’aller plus loin que les seules comparaisons de chaînes de caractères identiques. Les résultats incohérents chronologiquement (sur la base des dates d’existence figurant sur Wikidata) ou trop peu pertinents ont été invalidés.

Au total, 1810 individus ayant un dossier dans le Fichier central ont une correspondance cohérente avec un élément Wikidata, avec un certain nombre de “VIP” potentiels (principalement des personnalités politiques, particulièrement bien documentées sur Wikidata). Parmi eux :

• Edouard Bernstein (1850-1932), homme politique allemand 
• Charles Bourlon de Rouvre (1850-1924), industriel et homme politique français
• Camille Barrère (1851-1940), diplomate français
• Antide Boyer (1850-1918), homme politique français
• Pierre Brossolette (1903-1944), journaliste et homme politique français

Outils : OpenRefine pour réconcilier les données avec Wikidata

 

Au total, ce sont plus de 2600 dossiers du Fichier central commençant par B qui ont pu, par ce travail, être  être au moins une correspondance probable dans l’un des référentiels utilisés ci-dessus. Le fichier complet des données et alignements est téléchargeable en fin d’article.

Extrait du dossier d’Antide Boyer	Extrait du dossier de Marc Bourhis
Extrait du dossier de Maurice Boin	Extrait du dossier de François Bertho dit Jules Lepetit
Extrait du dossier de Germaine Berton	Extrait du dossier de Pierre Brossolette

 

Ressources complémentaires :

• Fichier de données : Fichier_central_dossiers_en_B_croisements_donnees (XSLX) (données totales du Fichier central en B, données identifiées dans les dossiers de dénaturalisation du régime de Vichy, dans Le Maitron et dans Wikidata)
• Ressources autour d’OpenRefine : tutoriel Patrimoine et numérique ; tutoriel de Mathieu Saby

Billets précédents : Indexer le Fichier central de la Sûreté nationale (1) ; Visualiser le Fichier central de la sûreté nationale (2)

---

---