6/7. Mais finalement à quoi RDF/RiC-O peut-il très concrètement être utile pour un service d’archives ?

Il est bien sûr plus que légitime de se poser cette question.

Nous avons apporté des éléments de réponse lorsque nous avons évoqué l’intérêt du passage à RiC. Pour être un peu plus concret maintenant, revenons au cas des AN, et parlons d’utilisation de métadonnées RDF/RiC-O et des technologies RDF. Nous évoquerons d’autres cas que celui des AN plus tard dans ce carnet de recherche.

Même si le SI institutionnel des AN n’intègre pas encore de brique sémantique, les jeux de données RDF de taille conséquente dont nous disposons servent déjà, de multiples manières. Nous prendrons seulement ici deux exemples.

Tout d’abord parlons d’un projet de recherche piloté par l’IGN, financé par l’ANR et qui arrive à son terme fin 2021, ALEGORIA[1]. ALEGORIA concerne des fonds et collections de photographies aériennes et autres documents graphiques ou iconographiques relatifs au territoire français, conservés par différentes institutions (principalement l’IGN, le Musée Nicéphore Niepce, les AN), décrits selon des modèles et des formats divers. L’objectif du projet était d’en réunir les reproductions numériques et les métadonnées au sein de la même plateforme web, et d’utiliser conjointement les technologies RDF et l’intelligence artificielle (moteur de recherche multimodal combinant recherche par métadonnées et recherche sur le contenu des images) pour chercher, rapprocher des documents, déduire des regroupements obtenus des données manquantes (date d’un cliché, lieu représenté…), charger les documents retenus par l’utilisateur au sein d’une plateforme 3D immersive. Même s’il s’agit d’une preuve de concept, la plateforme web qui sera publiée cet automne intègrera environ 40000 photographies et documents, tous décrits, quel que soit leur lieu de conservation, en utilisant RiC-O et RDF, ainsi que des référentiels liés entre eux (en particulier les référentiels de lieux de l’IGN et ceux des AN) ; ce graphe de données sera téléchargeable et interrogeable à distance via SPARQL. Pour les AN, parmi les résultats directement et immédiatement utilisables du projet, on peut mentionner : des instruments de recherche en EAD au contenu affiné et indexé, des référentiels de lieux fortement enrichis, et on le souhaite, des métadonnées complémentaires à celles existant aux AN avant le projet.

Figure 3 : exemple de mise en œuvre de RiC-O 0.2 dans le cadre du projet ALEGORIA

Ce projet est certes très spécifique, mais aussi assez représentatif de plusieurs autres projets de recherche moins avancés, qui impliquent les AN comme partenaire ou qui sont menés directement par l’institution, et dans lesquels des graphes de données liées utilisant RiC-O vont être produits. Dans tous les projets un travail préalable de modélisation et de traitement de métadonnées est nécessaire, qui ne peut pas être réalisé via les outils mentionnés plus haut (RiC-O Converter notamment), en raison de la précision demandée. Dans tous les projets on espère des retombées significatives en ce qui concerne la qualité des métadonnées initialement mobilisées, la consolidation des référentiels locaux, peut-être des « découvertes » scientifiques pour les chercheurs impliqués et pour les archivistes, et la publication de données liées (Linked Open Data), sans parler de la mise à l’épreuve de RiC.

Le deuxième exemple que nous prendrons concerne plus globalement l’institution. Il s’agit de la construction des référentiels, sur laquelle nous nous efforçons d’avancer actuellement, avec les moyens du bord, considérant qu’il s’agit vraiment d’un enjeu essentiel de la transition amorcée. Sans les technologies RDF et notamment SPARQL, nous n’aurions pas pu intégrer, dans la description relative aux circonscriptions administratives contemporaines, les données historiques contenues dans les jeux de données de l’INSEE, ni les données de géolocalisation extrêmement précises contenues dans les jeux de données de l’IGN. Nous n’aurions pas pu non plus commencer à aligner certains référentiels, comme celui des personnes physiques ou des personnes morales, sur Wikidata. Sans RDF, RiC-O et SKOS, nous aurions sans doute eu du mal à concevoir rapidement un modèle de données riche pour ces référentiels, correspondant à la nature des entités décrites.

Au bout du compte, comme ces référentiels étaient nécessaires à plusieurs projets (dont un projet de reconnaissance semi-automatique d’entités nommées) et comme nous avions besoin de les versionner, nous avons choisi de les publier sur GitHub, dans leur format source pour certains, dans le format RDF/RiC-O pour tous, dans leur état actuel et malgré leurs défauts[2]. Nous communiquerons plus précisément à ce sujet lorsque nous aurons tout chargé dans le dépôt GitHub et produit une documentation. Nous pensons bien sûr que ces référentiels pourraient servir à d’autres que leurs premiers destinataires, même en l’état. Dans le cas où des réutilisations seraient envisagées, les IRIs fournis ne sont pas déréférençables actuellement.

De manière plus générale, on sait qu’utiliser SPARQL pour requêter des graphes de données RDF permet d’interroger et de parcourir les relations liant les entités décrites, pas seulement leur description. Ce qui nous conduit à affirmer que des questions qui ne peuvent pas être posées dans un SI archivistique classique peuvent alors être posées.

Ainsi, dans le cas des AN, nous savons depuis longtemps que les fichiers EAD et EAC-CPF forment, par le jeu des relations EAC-CPF essentiellement (qui relient entre elles les notices d’autorité ou les notices d’autorité et les instruments de recherche) un réseau socio-documentaire très dense[3]. Mais ce réseau n’est que très peu visible dans l’actuelle SIV, et il ne peut pas être interrogé. Ainsi, il n’est pas possible de demander par exemple, la liste des services d’administration centrale qui ont succédé au premier bureau des monuments historiques du ministère de l’intérieur jusqu’à nos jours, en triant le tout dans l’ordre chronologique de création de ces organismes (et optionnellement, les archives que ces services ont produites). Alors qu’avec SPARQL, une fois les données RDF des AN chargées dans un triplestore, on peut poser cette question, qui a bien évidemment un sens, notamment pour l’archiviste, pour le chercheur en histoire des institutions ou de l’art.

La question peut se poser ainsi :

Figure 4 : une requête SPARQL parcourant un graphe de données RiC-O

Elle retourne, dans l’actuel graphe des AN, la liste de réponses ci-après :

Figure 5 : la liste de résultats répondant à la requête SPARQL présentée figure 4

Comme il s’agit d’explorer un graphe de connaissances, cela ouvre de nouvelles perspectives et des découvertes pourraient donc être faites par les utilisateurs finaux.

La présentation du logiciel RiC-O Converter faite en janvier 2020 donne d’autres exemples de requêtes SPARQL. Elle laisse aussi entrevoir une interface intuitive, souple et réactive de construction de requêtes, construite à l’aide du composant Javascript open source Sparnatural[4]. Implémenter un tel outil permet de lever deux verrous bien connus des organismes ou projets utilisant RDF, qui constituent des freins importants à son adoption :

– l’utilisateur de l’interface n’a pas besoin de connaître SPARQL pour construire sa requête ;

– il n’a pas besoin de connaître l’ontologie de référence non plus.

Nous allons travailler cette année avec la BnF et le ministère de la Culture (qui nous apporte notamment un soutien financier indispensable), dans le cadre d’un marché public, à améliorer Sparnatural. À la fin du projet les trois partenaires (et plus largement toute institution ou équipe puisqu’il s’agira d’un produit open source) disposeront d’un outil facile à configurer selon l’ontologie de référence et à intégrer à une application web ; de plus deux démonstrateurs auront été élaborés en associant un panel d’utilisateurs finaux. Le démonstrateur des AN devrait intégrer une quantité significative des données RDF de l’institution.

Nous aurons ainsi franchi une autre étape des travaux visant au final à mettre en place une application sémantique pour l’institution, ce qui impliquera de revenir vers le SI actuel et de programmer diverses actions. Nous n’oublions pas la problématique de la visualisation des données RDF, à laquelle nous avions commencé à réfléchir dans le cadre du projet PIAAF.

Il ne s’agit que de quelques exemples d’utilisation de RDF, qui ne préjugent pas de l’avenir ni d’autres possibilités.

[1] Voir le site web du projet : https://www.alegoria-project.fr/projet

[2] https://github.com/ArchivesNationalesFR/Referentiels.

[3] Voir à ce sujet l’article que nous avons rédigé en 2019, Transformer les métadonnées des Archives nationales en graphe de données : enjeux et premières réalisations, dans : Les Archives nationales, une refondation pour le XXIe siècle, La Gazette des Archives, n°254 (2019-2), pp. 59-88.

[4] Voir le site web du projet : http://sparnatural.eu/. On trouve aussi sur la page https://api.bnf.fr/fr/node/158 un lien vers une petite vidéo de démonstration de l’utilisation de Sparnatural pour interroger les données RDF de data.bnf.fr.

Article suivant : 7/7 En conclusion (de cet article)


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.