Version classiqueVersion mobile

Produire des contenus documentaires en ligne

 | 
Christelle Di Pietro

Partie 2. Les produits documentaires de synthèse : curation et production

Numérisation de masse, métadonnées et bibliothèque numérique : l’exemple de Numelyo à la Bibliothèque municipale de Lyon

Magali Haettiger

Texte intégral

1Lorsqu’en 2008 la ville de Lyon annonce la signature d’un contrat de numérisation avec Google, pour 500 000 livres imprimés, la Bibliothèque municipale de Lyon (BmL) s'appuie sur une solide expérience de la numérisation. Depuis 1993, elle a conduit plusieurs projets de numérisation en appliquant les choix techniques de l’époque : numérisation en mode image et mise en valeur via des outils de gestion électronique de documents (GED) qui permettaient la diffusion des images sur Internet associée à quelques services (rechercher des documents via des métadonnées peu normalisées, afficher l’image et l’agrandir, imprimer et télécharger l’image).

  • 1 Enluminures, affiches, estampes, provenances des livres anciens, documents issus de l’école des tex (...)
  • 2 À partir de 2003, la mise en place de Catalog+, moteur de recherche fédéré, a rendu possible l'inte (...)

2En 2008 donc, la bibliothèque proposait déjà sept bases de données (BDD) patrimoniales sur son site Web1, développées via un outil de GED, chaque base étant indépendante l’une de l’autre2. Par exemple, chacune disposait de son propre set de métadonnées peu normalisées.

3L’enrichissement de chaque base avait nécessité un travail titanesque puisque chaque image donnait lieu à la création ex-nihilo d’une notice via l’outil de GED. Pourtant, ces bases de données patiemment constituées ne rencontraient pas le succès escompté. Peu d’internautes venaient s’aventurer dans les collections numérisées, sinon armés de solides connaissances sur les fonds disponibles et sur les langages d’indexation.

4Enfin, si depuis 1993, la numérisation s’était largement portée sur les œuvres iconographiques et manuscrites, se posait de façon criante la question de la numérisation et de la diffusion des collections patrimoniales imprimées. Si le patrimoine que conserve la bibliothèque comprend de nombreuses œuvres uniques, il est aussi largement constitué de collections d’imprimés. Comment pouvait-on ne pas s’interroger sur la mise en valeur de ces collections considérables qui constituent le cœur des collections patrimoniales ? L’extension du plan de numérisation aux collections d’imprimés constituait donc un enjeu fondamental pour la bibliothèque.

5Il s’agissait alors pour la BmL, d’une part, d’étendre son plan de numérisation aux collections massives d’imprimés et, d’autre part, de penser la mise en valeur de toutes les collections numérisées via une bibliothèque numérique.

Penser la bibliothèque numérique et étendre le plan de numérisation aux collections imprimées

6Si la réflexion de la BmL sur la bibliothèque numérique faisait écho aux limites de l’offre qu’elle proposait à l’époque, elle s’inscrivait aussi dans un contexte plus large. Par exemple, comment concevoir une bibliothèque numérique dans une nouvelle cartographie du Web ? En effet, en 2004 lorsque Google lance Google Print, rebaptisé en 2005 Google Book Search, il devient manifeste que les bibliothèques ne sont plus les seules pourvoyeuses de collections patrimoniales sur Internet. Elles ne sont pas non plus les plus utilisées. Que devient alors la place d’une bibliothèque numérique et des bibliothécaires lorsque la plus grande bibliothèque numérique n’est pas une bibliothèque ? Que devient la spécificité d’une bibliothèque numérique produite par une bibliothèque ?

7Outre cette question cartographique, se posait également la question des usages du Web dans un contexte où les pratiques et les attentes étaient en évolution avec le Web 2.0 : quelle devait ou pouvait être la forme d’une bibliothèque numérique tenant compte de ces évolutions d’usages ? Même s’il ne s’agit pas du seul élément de réponse, on peut se souvenir que la création des services de référence avait montré que non seulement le bibliothécaire avait un rôle à jouer dans la mise à disposition de contenus mais qu’il pouvait également devenir créateur de contenus. Cette création de contenus éditorialisés par les bibliothécaires au sein d’une bibliothèque numérique – et plus généralement du site Web de la bibliothèque – initiait une réflexion importante.

Le contexte technique

8Le cadre s’était aussi enrichi d’un point de vue technique, grâce à une nouvelle offre logicielle notamment dans le domaine des logiciels libres (Greenstone, Fedora*).

9Du point de vue des métadonnées, la maîtrise d’autres langages descriptifs que le MARC se diffusait au sein de la communauté des bibliothèques. Par exemple, plusieurs bibliothèques avaient acquis une connaissance et une expérience du XML via notamment l’encodage en Encoded Archival Description (EAD) d’inventaires d’archives. Cette première approche du XML pouvait ouvrir, au sein des bibliothèques concernées, une réflexion concrète et sereine sur d’autres façons d’aborder les métadonnées que le catalogage en Unimarc.

Des opportunités de financements à trouver

10S’il était indispensable de repenser la bibliothèque numérique, il fallait également envisager l’enrichissement des collections numériques. Si l’importance d’élargir la numérisation aux collections imprimées était partagée, la question du financement de ces opérations demeurait problématique, même si BmL avait pu bénéficier à cette époque d’aides de la part du ministère de la Culture pour la numérisation de certains fonds patrimoniaux. Le recours à des partenariats publics-privés (PPP) fournissait une option qu’il était raisonnable de prendre en compte. C’est dans ces conditions que la ville de Lyon a décidé de lancer un appel d’offres pour la numérisation gratuite de 500 000 livres imprimés libres de droit.

L’articulation de deux projets

11Le 18 juillet 2008, la ville de Lyon signe donc un contrat avec Google pour la numérisation de 500 000 livres imprimés libres de droits, marquant ainsi une étape décisive pour l’extension du plan de numérisation de la bibliothèque et pour la création d’une nouvelle bibliothèque numérique, Numelyo, inaugurée le 12 décembre 2012.

12La numérisation de masse et la création de Numelyo sont deux projets qu’il est difficile de séparer. D’une certaine façon, c’est parce que la bibliothèque voulait mettre en place une importante bibliothèque numérique qu’il lui fallait atteindre une véritable masse critique de documents mais c’est aussi parce qu’avec le projet Google elle a eu l’opportunité de disposer d’une masse importante de documents numérisés, qu’il lui fallait une véritable bibliothèque numérique.

13Cette bibliothèque numérique, la bibliothèque fait alors le choix de la développer en interne. Le projet comprenait donc de multiples volets et donc de nombreux problèmes à résoudre :

  • intégrer dans un outil unique, à la fois les collections qui avaient été précédemment numérisées, les 500 000 imprimés numérisés prévus dans le cadre de la numérisation de masse et les documents numérisés dans le cadre de projets en cours ou ultérieurs ;
  • proposer dans la future bibliothèque numérique des contenus produits par les bibliothécaires contextualisant les collections : expositions virtuelles, dossiers, collections, articles… conférant ainsi à cette future bibliothèque numérique une spécificité ;
  • développer des outils susceptibles de gérer efficacement des masses importantes de documents et capables d’intégrer de nouveaux services ainsi que des contenus éditorialisés autres que des métadonnées. Ces mêmes outils devaient être évolutifs et rendre possible le partage et l’archivage des données.

14Le choix s’est donc porté sur la plate-forme libre de bibliothèque numérique Fedora. Quant aux métadonnées, Numelyo utilise des métadonnées METS* (format d’encodage), pour les métadonnées de conservation encapsulant des métadonnées descriptives en MODS* (schéma XML pour la description bibliographique de contenus). Le choix d’utiliser Fedora n’aurait pu être possible si la bibliothèque n’avait pas compté dans ses effectifs un ingénieur développeur.

Le contrat signé avec Google : masse critique et numérisation de masse

15Le contrat signé le 18 juillet 2008 explicitait l’objet de la prestation et ses conditions, conformément à l’appel d’offres lancé par la ville de Lyon, Google s’engageait à numériser entre 450 000 et 500 000 livres imprimés et libres de droits, dont 200 000 dans un délai de 4 ans ainsi qu’à les mettre en ligne à titre gratuit sur Google Books.

Encadré. Le cadre du contrat Google

• sont à la charge de Google : le transport des documents, leur numérisation effectuée dans un rayon inférieur à 50 km autour de la bibliothèque impliquant donc la construction d’un centre de numérisation par Google au sein de ce périmètre, la numérisation produite, donc, en mode image et en mode texte ; la mise en ligne des documents via Google Books, la mise à disposition par la BmL d’une interface logicielle lui permettant de télécharger les versions numériques ainsi produites et de les utiliser ;
• conformément au Code des marchés publics, le contrat prévoit que la bibliothèque ne demandera pas à un autre prestataire de numériser les fonds en question pendant la durée du marché ;
• Google conserve la propriété des fichiers numériques ;
• la BmL s’engage, quant à elle, à fournir les livres à numériser ainsi que les métadonnées les décrivant. En contrepartie, elle obtient une copie de chaque livre numérisé et le droit de les mettre en ligne via son propre site ou de les partager à titre gratuit avec des partenaires à des fins d’étude ou de recherche.

Chaînes opératoires et organisation du travail

16Les équipes de Google, en 2008, avaient mené plusieurs projets auprès de grandes bibliothèques, notamment européennes, et avaient pris l’habitude de s’adapter aux contraintes et particularités de leurs partenaires. Plusieurs points concernant les documents à numériser étaient précisément définis :

  • être édités avant 18693 ;
  • présenter un état matériel défini par des critères stricts ;
  • être catalogués au format converti Marc XML ;
  • être identifiés par un numéro unique (un code-barres). Les documents patrimoniaux de la bibliothèque ne disposant pas de code-barres, il a fallu générer des codes-barres virtuels.

17La bibliothèque a donc conçu un circuit pour gérer les trains de numérisation mais également la circulation des métadonnées. Un logiciel spécifique interfacé avec le logiciel de Google a été développé par la bibliothèque. Il permet de suivre les documents à chaque étape de la numérisation, de télécharger les documents numérisés en attendant un versement dans Numelyo et de convertir puis envoyer à Google les notices en MARCXML.

18La « matière première » est constituée par les notices bibliographiques du catalogue. Une première extraction des notices de livres antérieurs à 1869 a été effectuée au début du projet. Transformées en MARC21, elles ont été ensuite converties en MARCXML puis versées dans le logiciel de la BmL. Ne sont donc présentes dans le logiciel que les notices des monographies antérieures à 1869. Les ajouts et corrections de notices sont gérés par des extractions journalières du catalogue vers le logiciel. Ce sont ces notices qui sont envoyées au rythme des numérisations à Google. Les notices corrigées de documents qui ont déjà été numérisés sont envoyées par lot à Google tous les trimestres. Charge ensuite à Google de substituer les notices corrigées à celles initialement envoyées dans Google Books.

Encadré. Les étapes de la chaîne opératoire pour la numérisation

• sélection des documents selon des critères définis de date, d'état matériel, de présence d'une notice bibliographique ;
• préparation des trains de numérisation ;
• numérisation effectuée par Google ;
• retour de documents ;
• contrôle de la numérisation ;
• injection dans la bibliothèque numérique. Cette phase n’est intervenue que deux ans après l’envoi du premier document numérisé par Google, alors que Numelyo avait atteint un niveau fonctionnel de développement.

Les équipes

19Deux équipes mettent en œuvre ce circuit : une première équipe constituée de 7 personnes sélectionne les documents, prépare les trains de numérisation et range les documents au retour. Une seconde équipe de 8 personnes contrôle la numérisation et les métadonnées. Au sein de cette équipe, deux personnes complètent en, amont de la numérisation, les métadonnées parcellaires des recueils factices : ceux-ci ayant fait l’objet d’une chaîne opératoire particulière, leur traitement bibliographique se révèle inadapté aux besoins de la numérisation.

20Si les grandes phases de cette chaîne opératoire se retrouvent dans tout projet de numérisation, le caractère massif de cette numérisation induit toutefois un changement méthodologique important pour la phase de sélection qui relève alors davantage d’un acte procédural clairement défini ou d’une évaluation sur critères que d’un choix puisqu’il ne préjuge pas les usages qui seront faits des documents numérisés.

Numelyo et les métadonnées

21La première question que posait le développement de Numelyo était l’intégration de sources et de métadonnées hétéroclites :

  • des bases de données en mode image accompagnées de métadonnées « maison » ;
  • des documents numérisés en modes image et texte issus de Google comprenant des métadonnées produites nativement en Unimarc ;
  • des documents numérisés en mode image et texte (Alto) issus des numérisations de périodiques en cours comprenant des métadonnées en MODS issues de conversions de notices en Unimarc.

22Forte de l’expérience accumulée sur la production de bases de données, la bibliothèque avait conscience du coût que représentait la création des métadonnées. Les premiers projets de numérisation induisaient la production concomitante des métadonnées, créées ex-nihilo par les bibliothécaires, et des documents numériques. Dans certains cas, la production des documents numériques précédait celle des métadonnées avec un décalage parfois important entre les deux phases. Dans le cadre d’un projet de numérisation de masse, il était inenvisageable de reproduire ce type de circuit. Il s’agissait donc de disposer en amont de la numérisation de métadonnées (sous la forme de notices bibliographiques) que l’on pouvait alors convertir, « recycler ». Cette réexploitation des métadonnées induit alors une série de conversions. De façon schématique, cela implique :

  • une analyse sur la qualité des métadonnées qui vont être réexploitées ;
  • l’évaluation des corrections indispensables qu’il faut ou non apporter aux métadonnées pour qu’elles deviennent intéressantes et exploitables (en faisant alors la différence entre les corrections automatisables et celles qui ne pourront pas l’être), l’adaptation des modèles de conversion existants (de l’Unimarc vers le Dublin Core par exemple) ;
  • la conversion effective des métadonnées.
  • 4 Dans le cas de la numérisation des imprimés via Google, près de 80 % des notices bibliographiques q (...)

23Ces opérations induisent certes des connaissances des définitions de type de document (DTD) et schémas mais également une certaine maîtrise des outils d’analyse critique permettant d’évaluer la qualité des métadonnées4 avant leur conversion. Ces analyses permettent par exemple de savoir si certains pans de collections présentent des problèmes particuliers (les recueils factices par exemple), ou si les problèmes touchent certains catalogues rétroconvertis plutôt que d’autres.

24Cette analyse effectuée, vient ensuite le temps de l’arbitrage : parmi ces erreurs, lesquelles doivent impérativement être corrigées ? Est-ce que ces corrections sont automatisables ? Dans le cas contraire, qui effectue ces corrections ? À quel moment ?

25Se pose ensuite la question de la conversion proprement dite. Lorsque l’on parle de réutilisation de métadonnées, il faut aussi entendre la possibilité de les convertir et de les encapsuler dans des schémas et DTD divers. Dans le cas de Numelyo, si l’on reprend l’exemple des documents numérisés via Google les notices en Unimarc sont converties en MARC21 puis en MARCXML pour être transmises à Google. Elles sont également converties en MODS pour être intégrées dans Numelyo et encapsulées dans des « notices » METS, elles sont également converties en Dublin Core non qualifié en attendant d’être intégrées dans un réservoir OAI-PMH. Le pragmatisme doit être de rigueur puisqu’il ne s’agit pas de construire des modèles parfaits mais bel et bien des outils adaptés à des besoins et des objectifs.

Numelyo, un work in progress

26La construction de Numelyo ne saurait être racontée uniquement sous l’angle des métadonnées. Le travail effectué sur l’intégration et la mise en valeur d’autres contenus, la mise en place de services font aussi partie de la construction du projet. Numelyo se conçoit, à ce titre, comme un laboratoire et un work in progress.

27Parmi les points que la bibliothèque souhaite développer, il faut noter l’importance que revêtent l’augmentation et la diversification des documents numériques au sein de Numelyo. Si la diversification des collections a été prévue dès la conception de Numelyo, la forte augmentation de la masse critique de documents mis à disposition pose toutefois des problèmes de stockage que la bibliothèque doit gérer.

  • 5 Nicolas Gros, Pierre Guinard, « Numelyo, la bibliothèque numérique de Lyon », Bulletin des biblioth (...)

28Conçu dans le contexte du Web 2.0, le projet Numelyo aborde la question des publics et de leur participation de la même façon qu’il accorde une importance au développement des contenus et des contributions. Comme le précisent Nicolas Gros et Pierre Guinard5, l’extension du nombre de contributeurs constitue donc un point essentiel pour le développement de Numelyo. Cette question montre que le projet entre dans une nouvelle phase d’évolution. Alors que les aspects techniques tenaient une place fondamentale puisqu’il s’agissait de construire un outil, intégrer des documents et des métadonnées, développer des services et gérer des espaces de stockage, c’est aujourd’hui la question des contenus éditorialisés et des contributions au centre du projet avec peut-être à la clé un passage de relais des techniciens vers les spécialistes des contenus… L’aventure Numelyo continue donc : à suivre !

Notes

1 Enluminures, affiches, estampes, provenances des livres anciens, documents issus de l’école des textiles de Lyon et manuscrits Carolingiens, ainsi qu’une base de dossiers de presse dont le contenu, non libre de droit, n’était consultable que dans l'enceinte de la bibliothèque.

2 À partir de 2003, la mise en place de Catalog+, moteur de recherche fédéré, a rendu possible l'interrogation simultanée des BDD.

3 Ce critère défini par Google devait garantir que le document était entré dans le domaine public.

4 Dans le cas de la numérisation des imprimés via Google, près de 80 % des notices bibliographiques qui décrivaient le fonds provenaient de campagnes de rétroconversion. Le risque de rencontrer des erreurs gênantes voire bloquantes était plus important sur ces notices : risque d'erreur de lecture de la fiche bibliographique, risque d'erreur de saisie de la notice Unimarc.

5 Nicolas Gros, Pierre Guinard, « Numelyo, la bibliothèque numérique de Lyon », Bulletin des bibliothèques de France, 2013, n° 5, pp. 12-15. [En ligne] : <http://bbf.enssib.fr/consulter/bbf-2013-05-0012-002>.

© Presses de l’enssib, 2014

Conditions d’utilisation : http://www.openedition.org/6540

Lire

Open access

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search