Périmètre

Contexte

1Le projet ANR Europange1 a pour ambition d’étudier la constitution d’un corps d’administrateurs des territoires placés sous domination angevine aux XIII^e-XV^e siècles, à partir du parcours individuel de chaque officier, de sa carrière, ses réseaux, sa formation. Compte tenu de l’étendue chronologique et géographique, le projet réunit une large communauté de chercheurs travaillant sur les différents espaces politiques. Sont ainsi concernés les comtés de Provence et de Forcalquier, le comté puis duché d’Anjou et le comté du Maine, l’Italie communale, les territoires pontificaux, le royaume de Sicile, le royaume de Hongrie, le royaume de Pologne, le royaume d'Albanie, la principauté de Morée et les duchés de Bar et de Lorraine. S’y adjoignent le comté de Tonnerre et le royaume de Jérusalem, mais ils comptent peu au regard des données, du fait de la brièveté de la domination angevine sur ces terres. Les chercheurs sont intéressés par la reconstitution des carrières des officiers et par les réseaux personnels ou professionnels les ayant réunis. Or, lors de sa trajectoire professionnelle, un officier angevin peut avoir parcouru plusieurs espaces politiques, occupé différentes charges et fonctions. De même, les liens entre les individus, qu’ils soient familiaux, professionnels, amicaux ou hiérarchiques relient des individus de différents espaces politiques, éventuellement sur un horizon chronologique étendu. Seule une mise en commun de l’ensemble des informations disponibles par la communauté de chercheurs peut permettre de reconstituer une partie ou la totalité de la carrière d’un officier et d’analyser les interactions qu’il a pu avoir avec d’autres officiers, ou plus largement avec d’autres individus ayant influencé ou participé à son destin professionnel. Ce constat nous a conduits à proposer la conception d’une application collaborative pour l’alimentation et l’exploitation d’une base de données prosopographique. La population des individus concernés par l’étude est constituée par les officiers angevins, et est étendue à leur entourage, souverains ou autres personnes. Cet article présente l’application pour la saisie, la consultation et développe plus particulièrement le modèle de la base de données. Nous évoquons aussi plus brièvement l’application d’analyse des données.

Contributions

2Notre contribution s’articule autour de trois éléments : une application de saisie et de restitution des informations, une application d’analyse OLAP pour la constitution et l’étude de populations et une base de données prosopographique utilisée dans les deux applications, l’ensemble constituant la suite logicielle « Prosopange ».

3La conception de la suite Prosopange et de sa base de données est issue de la collaboration entre des chercheurs spécialistes du Moyen Âge et des chercheurs spécialistes des bases de données décisionnelles. Cette co-conception a nécessité une compréhension mutuelle des enjeux, des méthodes et techniques. Du point de vue informatique, les données manipulées présentent des caractéristiques qui méritent une attention particulière. En effet, ces données sont de qualité hétérogène, très incomplète et souvent imprécise. De plus, de par l’étendue géographique et territoriale du projet et la diversité des intervenants, les points de vue sur la représentation des données sont multiples, les nomenclatures et classifications ne sont pas constituées.

L’application de saisie et de restitution

4L’application de saisie des données et de restitution des informations de la base a été conçue comme un outil de travail collaboratif basé sur la co-écriture, le partage et la synchronisation des informations avec des mises à jour et des consultations en temps réel. Les données concernant chaque officier angevin sont saisies au sein d’une « fiche officier » individuelle, accessible à l’ensemble des chercheurs autorisés qui peuvent consulter, saisir ou modifier l’information. Cette fiche constitue un formulaire organisé en onglets pour une saisie structurée des données dans des champs (fig. 1).

Fig. 1 – Fiche officier.

5Pour chaque officier, l’historien peut en outre rédiger, seul ou avec des collègues, « une notice biographique » signée qui sera associée à la fiche. Cette notice, d’une composition littéraire plus classique, permet de formuler et de compléter les données structurées de la fiche2. La notice biographique ainsi que les données saisies dans la fiche, consolidées, mises en forme, et enrichies servent de base pour la génération dynamique d’une « page prosopographique » pour chaque officier. La figure 2 est un exemple de page prosopographique : elle restitue la totalité des informations contenues dans la base concernant un officier angevin : son identité composée d’un ou plusieurs noms, sa notice biographique, des éléments biographiques tels que son lieu d’origine, ses lieux de séjour etc., les liens avec d’autres individus de la base, un ensemble de qualificatifs, et enfin la totalité des charges connues occupées par l’officier. Une bibliographie, réunissant toutes les sources utilisées lors des saisies, est fournie. Une partie des informations est visuellement synthétisée sous forme de chronologie et de cartographie. L’ensemble de ces pages prosopographiques constitue le « dictionnaire biographique » de Prosopange, consultable et téléchargeable sur le portail web des études angevines (https://angevine-europe.huma-num.fr/ea/).

Fig. 2 – Page prosopographique d’un officier.

L’application d’analyse OLAP

6L’application d’analyse OLAP quant à elle offre aux chercheurs historiens la possibilité d’analyser tout ou partie des données de la base prosopographique. Le terme OLAP (On Line Analytical Processing,) désigne un ensemble de méthodes et d’outils spécialement conçus pour la modélisation et l’analyse interactive de données multidimensionnelles. Cette approche facilite le requêtage et la visualisation de données selon différents axes d’analyse. Nous avons choisi d’adopter cette méthodologie aux données prosopographiques du projet car d’une part elle répond bien aux caractéristiques multidimensionnelles des données (temporelles, spatiales, multivaluées…) et d’autre part elle offre des possibilités d’analyse (tabulaire, graphique avec des sélections et des pivots) qui couvrent bien les différents besoins des historiens sans nécessiter de compétences poussées en informatique.

7Après la définition d’une population d’étude, constituée d’officiers sélectionnés par des filtres portant sur des critères tels que des périodes de temps, des lieux d’origine ou de charge, de confession etc., les chercheurs disposent de différents outils d’analyse et de représentation des données :

• Tableaux croisés en une, deux ou trois dimensions, représentant sous forme synthétique le nombre et le nom des officiers selon différents axes d’analyse, par exemple par lieu d’origine et période de temps, par type de charge, lieu d’exercice de la charge et période de temps etc.
• Cartes choroplèthes sur les lieux d’origine, d’affectation ou d’exercices des charges pour la population d’officiers sélectionnée.
• Frises chronologiques réunissant et triant l’ensemble des événements datés d’un individu ou d’une population.
• Graphes permettant de mettre en évidence les relations entre les individus sélectionnés par une représentation de leurs différents liens ou de relier les individus aux différentes charges exercées.
• Matrice de co-occurrence pour la mise en évidence des officiers se trouvant dans le même lieu à une même époque (croisement des lieux d’affection, de séjour etc.)
• Il est à noter que ces différentes représentations et analyses exploitent directement les données de la base par des vues statistiques ou permettent d’extraire et de mettre en évidence de nouvelles connaissances à partir du traitement des données de la base.

Architecture logicielle de Prosopange

8La suite logicielle Prosopange est une application client-serveur organisée en 3 tiers : un tiers de données, un tiers de traitement, un tiers d’interfaces graphiques (IHM) (fig. 3).

Fig. 3 – Architecture logicielle de la suite Prosopange.

9Le tiers de données est constitué par une Base de Données permettant de structurer l’ensemble des informations caractérisant un officier. Ces informations sont généralement directement saisies par les utilisateurs après dépouillement et analyse de sources bibliographiques, mais on y trouve aussi des informations qui sont calculées automatiquement à partir des saisies. La base de données est une base MySQL.

10Le tiers de traitement héberge les algorithmes de création ou de recherche des données dans la base, les différents calculs et contrôles, les algorithmes d’analyse statistiques ou d’analyse OLAP. Ces algorithmes constituent une application écrite en langage java et qui compte plus de 20 000 lignes.

11Les interfaces graphiques sont intégrées au sein d’un portail web pour rendre possible le travail collaboratif de saisie et assurer la diffusion des résultats. Ce portail web expose les quatre usages majeurs évoquées plus haut : 1) consultation et édition d’une fiche officier ; 2) génération automatique et visualisation de la page prosopographique d’un officier ; 3) édition du dictionnaire biographique des officiers ; 4) accès aux outils d’analyse OLAP. Les interfaces graphiques sont des pages web dynamiquement construites et contrôlées par des scripts écrits en jquery. L’ensemble de ces scripts nécessaires au fonctionnement des interfaces graphiques compte plus de 10 000 lignes.

12Le tiers de traitement et le tiers d’interface graphique communiquent et échangent les données en utilisant le format JSON.

La base de données

13Un extrait du diagramme UML des classes des objets stockés dans la base est présenté dans la figure 4. On y retrouve plusieurs paquetages (packages) découpés selon la sémantique des objets qu’ils contiennent.

Fig. 4 – Modèle UML de la base de données.

Présentation du Modèle Conceptuel de Données

14Le package « personne » contient une classe générique Personne et trois sous-classes Officier, Souverain et Autre Personne. Les souverains sont décrits par leur nom de règne, dynastie, dates de début et fin de règne etc. Les Autres Personnes sont plus simplement décrites par leur nom et qualité. Les officiers sont bien sûr au cœur de la base, et sont décrits par de nombreux champs regroupés dans de nouveaux packages dont le détail est donné ci-dessous.

15Le package « identité » regroupe les classes définissant les informations ayant trait à la dénomination des individus. Il contient principalement les classes Élément de Nom et Nom de baptême. Un officier a au minimum un ou plusieurs nom(s) de baptême, et peut avoir zéro ou plusieurs éléments de nom, chaque élément étant typé (nom patronymique, toponymique, alias etc.). Par exemple, l’officier de la figure 2 est nommé CRESPIN, CRESPINI ou CRESPINO selon les sources. Le package définit aussi une classe Clan afin d’enregistrer l’appartenance d’un officier à un clan dans le cas des officiers du royaume de Hongrie. Le fait de spécifier un clan pour un officier déclenche automatiquement le calcul d’un nouvel élément préfixé par « de genere ». Par exemple Johannes de HORVÁTI, attaché au clan BÁNCSA, sera désigné par « Johannes de genere BÁNCSA, de HORVÁTI » dans l’interface graphique.

16Le package « lieu » contient toutes les classes permettant de géo-localiser une information. Les lieux sont découpés en Espace Politique, Subdivision puis Localité. Ces lieux sont utilisés pour décrire l’origine géographique des officiers, les différents lieux de séjour, les lieux d’affectation et lieux d’attestation d’exercice des charges. Lors de la saisie, les informations géographiques peuvent être renseignées à n’importe quel niveau de détail (espace, subdivision ou localité) selon la précision de l’information connue (fig. 5). Chaque lieu est caractérisé par un nom en langue actuelle, un nom en latin et des coordonnées géographiques (surface ou point).

Fig. 5 – Saisie d’un lieu dans la fiche officier.

17Le package « qualificatif » contient les classes permettant de décrire les Titres universitaires, Prédicat et Fonction de l’officier. Ces trois catégories sont utiles pour recueillir des informations supplémentaires sur la formation, les activités hors charges, le statut social d’un officier. Le package « lien » décrit les relations liant un officier à d’autres personnes enregistrées dans la base, officiers, souverains ou autres. Ces liens sont représentés par le n-uplet (officier source du lien, personne cible du lien, type de lien, date du lien). Le type du lien est sélectionné au sein d’une nomenclature arborescente permettant de les catégoriser (fig. 6). Lorsqu’un lien a été saisi pour un officier vers un autre officier, la création d’un lien réciproque peut être suggérée à l’utilisateur lors de l’édition de la fiche officier de la cible du lien. Par exemple, il a été indiqué lors de l’édition de la fiche de CRESPIN qu’il est « gener » (lien de type « parenté/alliance ») de PEYTAVINI Isnardus : l’application suggérera donc « socer de Guillelmus CRESPIN » lors de l’édition de la fiche de PEYTAVINI.

Fig. 6 – Saisie d’un lien dans la fiche officier.

18Le package « charge » regroupe l’ensemble des classes permettant de décrire la ou les charges exercées par l’officier. On y trouve la classe des Intitulés de Charge, qui permet d’enregistrer le ou les intitulé(s) de chaque charge tels que mentionnés dans la source, la classe Type de charge, ainsi que plusieurs classes permettant de décrire les modes d’Attribution de la charge, les dates d’entrée et de sortie de la charge, le statut de l’officier, etc. Parmi toutes ces informations, la classe Attestation décrite par un triplet (lieu, date, source) permet d’enregistrer les différentes mentions d’une action de l’officier dans l’exercice de sa charge. Les saisies d’informations concernant la date et la personne ayant recommandé et/ou nommé l’officier dans sa charge (ce peut être un officier, un souverain ou une autre personne) déclenchent automatiquement l’ajout d’un lien « a nommé » ou « a recommandé » de type hiérarchique entre l’officier et ces personnes. À l’issue de la saisie d’une charge pour un officier, l’ensemble des dates qui ont été spécifiées est utilisé pour calculer des dates de première et dernière mention de la charge. Nous montrons dans la figure 7 un exemple de saisie d’une charge et un exemple du résultat de la visualisation d’une charge dans la figure 2. Notons que les dates de première et dernière mentions des charges sont calculées par l’application à partir de l’ensemble des dates saisies relatives à la charge (dates de nomination, d’entrée en fonction, d’attestations d’exercice etc.)

Fig. 7 – Saisie d’une charge dans la fiche officier.

19Enfin le package « source » contient les classes Source Manuscrite, Source Éditée, Travaux de recherche et Source Épigraphique. Chaque information de la fiche officier est rattachée à la source qui a permis sa saisie sous la forme d’un attribut « origine » liant à la fois la source et l’utilisateur ayant effectué la saisie.

Focus sur quelques particularités liées au domaine

L’identité des individus

20Lors de la saisie de données, le chercheur doit au préalable s’assurer que l’officier dont il détient des informations n’existe pas dans la base de données. S’il existe, il devra compléter sa fiche déjà créée. La recherche d’un officier doit être efficace pour éviter la création de doublons. L’identification d’un individu est donc une étape sensible, c’est pourquoi nous avons permis la saisie d’un maximum d’information d’identification : un nom de baptême obligatoire, d’autres noms de baptême, d’autres éléments de noms tels que nom patronymique, toponymique, alias etc. ou des variantes phonétiques de noms déjà attribués. La recherche d’un individu s’effectue sur la chaine de caractères saisie par l’utilisateur et porte sur l’ensemble des noms qui lui sont affectés, avec une recherche phonétique et des suggestions établies à partir d’un extrait du nom recherché. En cas de doublon détecté par un chercheur, un algorithme aide à fusionner deux fiches similaires en regroupant sous le contrôle du chercheur l’ensemble des informations sur une même fiche.

La gestion des dates

21La gestion des dates nécessite bien sûr une attention toute particulière. En préalable, pour qu’un traitement automatique soit possible, il est indispensable que les dates saisies soient interprétables. Nous avons donc défini une grammaire pour l’écriture des dates que nous exprimons sous forme d’expressions régulières et que nous contrôlons à la saisie. Cette grammaire permet d’exprimer des dates éventuellement incomplètes (jour, mois, année avec des unités manquantes) et de les qualifier par des préfixes (ante, circa, post) pour constituer des dates isolées, des périodes, des intervalles ou des alternatives. Nous utilisons ensuite un algorithme basé sur la conversion de ces dates en deux estampilles temporelles (date minimale et date maximale) pour pouvoir leur appliquer des comparaisons temporelles et les ordonner chronologiquement. Ce traitement va nous permettre par exemple de reconstituer la trajectoire professionnelle d’un officier en ordonnant les différents événements qui la constitue (première et dernière mentions, entrée en charge, prise de fonction, attestation d’exercice etc.).

Texte libre et référentiels

22La saisie des informations dans une fiche peut se faire soit par la saisie d’un texte libre, soit par la sélection de l’information au sein d’une liste préétablie. La sélection au sein d’une liste a pour avantage d’accélérer la saisie et d’éviter les erreurs. Elle permet un encodage et une normalisation des données qui facilitera bien sûr les procédures d’analyse ultérieures. Elle a pour principal désavantage celui de masquer et éventuellement appauvrir l’information effectivement recueillie dans la source. De plus elle nécessite un gros effort préalable pour établir – a priori – un référentiel alors que les espaces politiques couverts sont variés, l’amplitude temporelle très large et le corpus des sources illimité. La saisie de texte libre quant à elle peut être fastidieuse, source d’erreurs, difficile à analyser, mais elle permet de retranscrire fidèlement l’archive, en respectant sa langue, son orthographe. Elle permet aussi de conserver une information singulière dont on ne perçoit pas forcément l’importance au moment de la saisie, mais qui pourra se révéler pertinente lors du dépouillement d’autres sources ou d’une analyse de masse appliquée à l’ensemble de la base.

23Dans Prosopange, nous offrons quatre types de champs de saisie :

• Les champs à sélectionner au sein d’une liste fermée : c’est le cas entre autres de l’information concernant la confession d’un officier (chrétien latin, chrétien grec, juif, musulman, converti), le typage des éléments de nom (patronymique, nom de filiation, historiographique…) ou du mode d’attribution d’une charge (achat, affermage, cession, délégation...).
• Les champs à sélectionner ou à saisir au sein d’une nomenclature auto-alimentée : les clans, les noms de baptême, les intitulés de charge peuvent être saisis tels qu’ils apparaissent dans la source. Cette saisie alimente une liste qui se constitue au fur et à mesure de l’insertion de nouveaux libellés. Les saisies suivantes peuvent ainsi réutiliser les libellés précédents.
• Les champs à sélectionner au sein d’une nomenclature prédéfinie : ces nomenclatures sont définies en amont de la saisie d’une fiche, même si on peut bien sûr les modifier ou les compléter. Ces nomenclatures sont organisées selon une structure hiérarchique onto ou non-onto. Les nomenclatures onto sont des nomenclatures à différents niveaux où le nombre de niveaux est fixe et constant, même s’il n’est pas obligatoire. Par exemple les lieux sont organisés en espaces politiques, puis en subdivisions et enfin en localités, mais une subdivision n’a pas forcément de localités rattachées. Les nomenclatures non-onto sont des nomenclatures à différents niveaux où le nombre de niveaux dépend des branches de la nomenclature. Ainsi avons-nous constitué une nomenclature pour les types de charge, types de statut et types de lien dont un extrait est proposé dans la figure 6.
• Les champs de saisie en texte libre : ils sont relativement limités en nombre mais présents un peu partout dans la fiche sous forme de commentaires ou complément d’information pour les différents champs. Notons que la saisie d’une date se fait de façon libre, même si elle fait l’objet d’un contrôle syntaxique, et qu’elle est ensuite convertie en estampilles temporelles. Enfin un champ de texte long permet de rédiger une notice biographique pour l’officier.

Origine et qualité des données

24La rédaction partagée d’une fiche rend indispensable la gestion de la traçabilité de l’information, de même un marquage sur l’origine de chaque saisie est effectué. Ce marquage identifie l’utilisateur qui a effectué la saisie, et les références de la source utilisée. Lors de la génération du dictionnaire biographique, l’origine est utilisée pour référencer les sources dans le texte, selon les normes bibliographiques classiques. À la saisie, l’utilisateur peut qualifier son information : information sûre ou information déduite, source de première ou de deuxième main. Cette indication de qualité est utilisée d’une part lors de la visualisation du dictionnaire biographique de l’officier, les informations déduites étant suivies du caractère « ? » dans le texte, et d’autre part dans les processus d’analyse.

État d’avancement et perspectives

25Prosopange compte actuellement (à la date de novembre 2016) plus de 45 utilisateurs dont une vingtaine sont des rédacteurs de fiches. Il s’agit des membres à l’initiative du projet et de collaborateurs qui se sont ensuite associés. Il est intéressant de noter que l’extension du nombre de rédacteurs se déroule sans problème particulier pour la saisie et l’exploitation de données, ce qui atteste la bonne ergonomie de l’interface et la qualité du manuel de saisie associé. Fin mai 2017, plus de 2800 officiers étaient présents dans la base, décrits par 4139 charges et couvrant une période allant de 1210 à 1539. La quantité d’information recueillie pour un officier est assez hétérogène, la moitié des officiers de la base n’ont qu’une seule charge et, à l’extrême, la base stocke plus de vingt charges pour un officier. À cette date, 28 % des officiers de la base avaient un ou plusieurs liens qui lui étaient affectés et le lieu d’origine de plus d’un tiers des officiers était renseigné.

26Les débuts d’utilisation et d’exploitation de la base démontrent l’intérêt de la communauté pour l’application Prosopange. L’utilisation de l’application, notamment au travers de l’analyse avancée, a également permis de mettre en évidence quelques difficultés non anticipées et de formuler des pistes d’évolution.

27Chaque session de saisie dans une fiche relève d’un processus de transcription d’une source, il en découle un possible effet de redondance liée à la saisie multiple d’une même information. Ainsi, les charges exercées par un officier sont souvent mentionnées dans plusieurs documents. C’est pourquoi nous avons introduit la notion d’attestation de charge qui permet de saisir l’information d’une charge, issue de différentes sources de dates différentes, chaque mention faisant l’objet d’une attestation. Or, cette redondance peut se retrouver pour d’autres types d’information tels que les liens par exemple. Dans ce cas, il est pour l’instant difficile d’interpréter cette redondance, surtout si les dates de la source diffèrent. Est-elle l’expression d’un lien particulièrement avéré et confirmé (par exemple un lien « pater » mentionné dans plusieurs sources), de différentes occurrences d’un lien (par exemple pour un lien « testis ») ou de la durée de ce lien (par exemple pour un lien « fidelis ») ? Notre modèle de données ne permet pas de bien interpréter l’ensemble des dates associées à un lien et de faire la distinction entre des attestations d’un lien, des occurrences et la durée d’un lien. Pour l’instant, nous avons choisi d’analyser l’ensemble des dates associées à un lien comme une succession d’attestation de ce lien, et nous l’interprétons comme un indicateur de l’intensité du lien.

28Nous avons introduit plusieurs champs libres dans la saisie des données. La notice biographique est importante pour les chercheurs qui retrouvent là un exercice de rédaction familier. Les autres champs libres, notamment le bloc note, servent à relever toutes les informations qui ne sont pas prévues et structurées par le modèle de données. Il serait intéressant d’analyser l’usage fait de l’ensemble des champs libres pour en extraire les informations récurrentes. On peut en effet se demander si ces informations ne devraient pas, à terme, se retrouver dans la structure de la base de données. Cette analyse pourrait alors servir de support à une rétro-conception du modèle des données.

29Nous avons abordé le problème de la qualité des données. Pour l’instant, nous ne possédons pas d’indicateurs pour quantifier la qualité d’une fiche. Celle-ci est liée à la qualité des données (déduites ou non), à la qualité des sources, à la quantité de sources (données avérées) et à la complétude de l’information. Il est évident que le recueil au sein des fiches ne peut prétendre à l’exhaustivité de l’information, ce qui doit rendre très prudent dans les conclusions tirées de l’analyse.

30Cependant, les premières utilisations de la base mettent en évidence l’intérêt d’une approche collaborative. Les historiens soulignent qu’ils ont enrichi leur connaissance des carrières individuelles avec la mise en commun de données collectées par des chercheurs spécialistes de différents espaces politiques. La saisie et l’analyse font apparaitre des liens entre individus qui transcendent les territoires. Enfin, en dépassant une connaissance régionale, ce travail collaboratif permet la mise en perspective et la comparaison de l’organisation du corps dans les différents espaces et dans le temps.