Générer des instruments de recherche en XML-EAD à partir de tableaux de données

Cet article décrit comment nous avons procédé pour obtenir des corps de fichiers XML-EAD à partir de tableaux de données. Nous avons voulu présenter cette technique à nos collègues archivistes, quelle que soit leur structure, en espérant qu’elle leur permette d’obtenir des fichiers complexes à partir d’outils simples. Il s’agit de propositions expérimentales qui pourront certainement être améliorées et gagneront à être partagées.

Seul un tableur ordinaire est nécessaire pour aboutir à ce résultat ; nous avons utilisé LibreOffice Calc, mais des fonctionnalités quasi-identiques se retrouvent par exemple sur MicrosoftOffice Excel.

Les outils du quotidien : les logiciels bureautiques

Dans les faits, les fonds sont couramment gérés, et parfois décrits, au moyen d’outils plus ordinaires que des éditeurs XML, et notamment les suites bureautiques usuelles1 : instruments de recherche réalisés sous traitement de texte, tableaux de récolement, …

Les tableurs se prêtent à bien des usages ; ils présentent aussi l’avantage de pouvoir segmenter l’information. Le contenu des différentes balises de description XML-EAD2 se trouve ainsi déjà isolé. Nous avons donc cherché à récupérer ces chaînes de caractères et à les enchâsser dans la syntaxe XML afin d’obtenir des fichiers le plus facilement possible.

Continuer la lecture
  1. Voir le rapport récemment diffusé Classement et description archivistiques : pratiques à l’échelle mondiale, Siân Wynn-Jones & Margaret Crocket, Conseil international des archives, 2020. []
  2. Voir le Description archivistique encodée. Dictionnaire des balises, Society of American Archivists (trad. par le groupe AFNOR CG46/CN357/GE3), 2004. []

Les dénaturalisés de Vichy : un jeu de données pour la recherche

Pour accompagner la numérisation des dossiers des dénaturalisés de Vichy1 et leur publication progressive dans la salle des inventaires virtuelle, la base de données constituée autour du corpus a été publiée sous la forme d’un jeu de données sur la plateforme data.culture.gouv.fr.

Continuer la lecture
  1. Ce projet, en partenariat avec le Mémorial de la Shoah et l’US Holocaust Memorial Museum, a déjà été abordé dans les billets » Connaître les dénaturalisés de Vichy. La base Dénat, un nouvel outil et ses exploitations » (septembre 2019) et « Les dossiers numérisés des dénaturalisés de Vichy » (juin 2021). []

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.

Continuer la lecture

Visualiser le Fichier central de la sûreté nationale (2)

Suite de l’article Indexer le Fichier central de la Sûreté nationale.

L’indexation nominative des dossiers individuels du Fichier central de la Sûreté nationale permet d’envisager ce corpus comme une masse de données qui peuvent être interrogées, “travaillées” et visualisées. Au-delà de l’accès nominatif, la manipulation de ces données nous permet d’affiner notre connaissance archivistique du fonds.

Le billet qui suit propose des statistiques et pistes de recherche (non exhaustives) à partir de l’exploitation des données de la lettre B. Le nombre de dossiers concernés (61223 dossiers individuels, soit environ 10% du corpus total estimé) offre des garanties en terme de représentativité du corpus total, que ce soit au niveau de la couverture chronologique des dossiers, du type de fichage (surveillance politique, police administrative des étrangers, police judiciaire, police des jeux, etc.) ou encore de l’origine géographique des individus. Le volume permet par ailleurs de lisser les éventuelles coquilles d’indexation.

À ce jour la lettre B reste la plus grosse lettre indexée (talonnée par les quelque 58 000 dossiers en M).

Outils utilisés : OpenRefine, RAWGraphs.

Top 50 des noms de famille en B

Sur plus de 26 000 patronymes (orthographe stricte, sans regroupement des variantes), ce sont les BERNARD (325 occurrences) et les BERGER (303 occurrences) qui sont les plus présents. Les 50 noms les plus représentés donnent de premières pistes sur l’origine géographique des individus.

À noter : la moitié de ce top 50 des patronymes en B comptent moins de 100 occurrences. Le dernier de la liste (BARRA) est présent à 63 reprises dans le corpus.

Top 50 des prénoms en B

 

Continuer la lecture

Indexer le Fichier central de la Sûreté nationale (1)

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.

Répertoire semi-alphabétique (numéro de dossier, nom, prénom, dates extrêmes des documents et cote du carton)

Continuer la lecture

Les Archives nationales font leur hackathon

Image Bandeau verticale

Les Archives nationales font leur hackathon et lancent une série de défis à partir de certains de leurs fonds d’archives en lien avec les problématiques de la Cité et du citoyen. C’est, pour les amateurs et développeurs soucieux d’agir pour la société dans laquelle ils vivent, une occasion unique de se confronter avec des fonds extraordinaires tout en contribuant à l’intérêt commun en favorisant la diffusion de 14 siècles d’archives de l’État.
Parmi les millions de data conservées aux Archives nationales, huit jeux de données sur des thèmes citoyens et sociétaux ont été sélectionnés afin que chaque équipe puisse s’en emparer, se les approprier et proposer des outils pour en partager les contenus.

Continuer la lecture