Archives par mot-clé : Web sémantique

Décrire, transcrire et diffuser un corpus documentaire hétérogène : méthodes, formats, outils

Dans le cadre du projet CORPUS, inscrit au plan quadriennal de la recherche 2016-2019 de la Bibliothèque nationale de France, un atelier  intitulé « Décrire, transcrire et diffuser un corpus documentaire hétérogène : méthodes, formats, outils » a eu lieu le 16 octobre matin sur le site François Mitterrand. Organisé dans une logique de partage d’expertise, de création de synergies entre les institutions patrimoniales et le milieu de la recherche, il avait pour objectif de mener une réflexion commune sur les méthodes de description et de transcription de documents, les pratiques d’organisation et de stockage des données, les possibilités d’interrogation, et la publication des données et des résultats de la recherche.

La matinée s’est articulée autour de deux tables rondes correspondant aux deux principales phases d’un projet de recherche (analyse et valorisation) et a été rythmée par six séries de questions émises majoritairement par l’équipe de recherche du GRIPIC, laboratoire travaillant sur le programme de recherche GIRANIUM , ou Girardin numérisé, naissance des industries culturelles qui a pour objectif de mieux comprendre l’apparition des premières industries culturelles et médiatiques en France à travers le prisme d’une personnalité emblématique du journalisme français du XIXème siècle : Émile de Girardin (1806-1881). L’équipe GIRANIUM, qui accompagnera la BnF en 2018 sur le projet CORPUS, s’intéresse à plusieurs milliers de lettres qui constituent une partie de la correspondance de Girardin conservée à la Bibliothèque de l’Institut de France, qu’elle souhaite confronter avec plusieurs documents (notamment des titres de presse) conservés au département Droit, Économie et Politique de la BnF. Face à l’activité « massive » de Girardin et à un corpus aussi conséquent qu’hétérogène (en termes de typologie de documents, de supports, d’indexation, de formats, de traitement, de métadonnées et de droits associés), est évoquée l’idée d’un véritable vertige qui a donné lieu au premier débat, avec la question suivante :

« Comment fait-on pour garder la main sur son matériau et ne pas se perdre dans la masse et/ou dans la complexité des objets étudiés ? »

La première démarche de l’équipe GIRANIUM a consisté à travailler sur la correspondance de Girardin en adoptant une méthode de transcription-numérisation. Une matinée par semaine, les dix chercheurs se réunissent pour saisir/transcrire et photographier/numériser les lettres en constituant une base de données avec métadonnées associées. Toutefois la gestion de la richesse des liens, en l’occurrence des entités nommées à la fois présentes dans le corpus de la correspondance et dans le corpus documentaire de presse demeure problématique.

Aller à la rencontre d’autres projets, créer des synergies avec d’autres équipes ou institutions peut être une réponse à cette difficulté de gestion de la masse. Un effort de standardisation sommé à une réflexion sur l’interopérabilité pourrait faire dialoguer les corpus et mutualiser les outils d’analyse, au-delà des clivages entre disciplines et sujets de recherches.

La BnF de son côté est également confrontée à des masses de données. L’ensemble des données bibliographiques, c’est-à-dire les données qui décrivent les ouvrages conservés à la Bibliothèque, représentent plusieurs millions de notices qui posent une question d’hétérogénéité due aux différentes strates de catalogage cumulées au fil du temps et aux différentes sources de données.

S’est posée enfin la question de savoir si la masse documentaire envisagée pouvait relever du « big data ». Ni le volume des données explorées par le projet Giranium ni celui des données conservées par la Bibliothèque nationale de France ne semblent rentrer au sens strict dans les critères de volume, vitesse, véracité, visibilité, valeur adoptés pour définir les mégadonnées ou « big data »1 ; toutefois un autre critère peut contribuer à une définition plus vaste : celui de la pénibilité ou de l’impossibilité d’appliquer des traitements manuels.

« Quelle architecture de données permet le mieux de gérer cette complexité ? »

Figure 1 Modèles d’inclusion des métadonnées dans Standards et outils XML – Pierre-Yves Bluard, Pôle Document Numérique (MRSH Caen), École d’été « Autour de la bibliothèque du Mont Saint-Michel » (Avranches, 2016), 2016, URL : <http://www.biblissima-condorcet.fr/fr/standards-outils-xml>, consulté le 16 novembre 2017

L’illustration montre les modèles les plus répandus d’interaction entre métadonnées et données. Derrière ces différents modèles d’organisation peuvent être imaginés différents formats et techniques de description.

  • Selon le schéma 1, dit externe, les interactions entre les métadonnées et les données se font par des liens. Les métadonnées sont donc séparées des données mais liées grâce à des identifiants. Un exemple de cette organisation est le catalogue de la BnF qui se lie à Gallica grâce aux identifiants ARK.
  • Selon le schéma 2, dit encapsulé, les métadonnées sont à l’intérieur d’un document mais dans une zone particulière du document : par exemple l’en-tête dans le cas d’un document HTML.
  • Selon le schéma 3, dit englobant, les métadonnées englobent le document ; les données documentaires sont donc encapsulées dans la notice descriptive. Un exemple de ce modèle est une table des matières intégrée dans une notice de catalogue de bibliothèque.
  • Selon le schéma 4, données et métadonnées sont mélangées et interagissent de manière très proche. Un exemple de ce modèle est un document encodé en XML/ TEI2.

Chaque projet de recherche est différent en termes de ressources humaines, de financement, de durée, d’objectifs scientifiques et de compétences. Pour opérer un choix d’organisation des données il convient de placer le curseur à l’endroit qui facilite, pour le chercheur la constitution des données, et pour l’ingénieur de recherche leur récupération. Pour un projet court, aux moyens limités, l’utilisation de technologies simples (par ex. un document Word stylé) peut être préférable au choix d’une ingénierie lourde (type TEI), coûteuse en termes de financements. Dans le 2e cas, une mutualisation de la réflexion mais aussi des moyens financiers entre plusieurs équipes ou projets de recherche peut représenter une solution.

Le premier schéma se prête facilement au développement de dynamiques convergentes. En séparant au maximum les données des métadonnées, en suivant des standards, en convergeant sur vocabulaires et entités nommées, en attribuant et en utilisant des identifiants, la masse semble pouvoir être gérée de manière plus fiable.

La BnF a choisi ce modèle pour gérer ses données bibliographiques. Le rôle des identifiants ARK est alors fondamental. Ils permettent de faire le lien entre les métadonnées et les documents numérisés de Gallica. Un tel système d’identifiants permet aussi de contrôler et gérer ce qui relève d’une entité plutôt que d’une autre, à travers un travail de désambiguïsation souvent manuel qui devient alors réutilisable. Une limite est pourtant à considérer : la qualité inégale des données conservées par la BnF, certaines étant issues de conversions automatiques. Seules les données exposées dans data.bnf.fr bénéficient pleinement de ce travail de désambiguïsation.

« L’historique des collections, en particulier la différence de traitement entre les objets « de recherche » et les objets plus secondaires, influe-t-elle significativement sur la méthodologie des projets ? »

Dans l’histoire de la BnF il y a eu inévitablement une inégalité de traitement des notices. Les données ont une histoire, leur définition est l’expression d’une culture et d’une discipline, elles sont parfois pénétrées de subjectivité, ce qui rend souvent l’utilisation du point de vue des chercheurs problématique. Les choix de désambiguïsation ne sont pas les seuls biais présents dans les données bibliographiques conservées par la BnF. Le rêve, sinon l’utopie de l’exhaustivité du dépôt légal et la granularité du signalement (par exemple le catalogage au niveau du périodique mais pas au niveau de l’article) constituent d’autres sources potentielles d’incompréhension pour les chercheurs. Les données peuvent-elles être objectives ? Le catalogage se base sur des variables objectives de description données par les normes, mais cette objectivité s’arrête là où le niveau conceptuel commence. L’utilisation de règles permet alors de limiter cette marge de subjectivité mais encore une fois, dans cette stratification, dans ce palimpseste de choix, il est nécessaire aussi bien pour la Bibliothèque que pour le monde de la recherche de documenter la constitution et la définition des données, de mettre en avant leurs limites, d’échanger, d’abattre les barrières disciplinaires pour essayer de converger et mieux interpréter les résultats de la recherche.

« Comment gérer le statut incertain de la propriété intellectuelle dans des projets numériques ? Par quel moyens peut-on régler la question des droits de reproductions, à fortiori s’agissant d’objets hétérogènes (manuscrits, journaux, livres…) qui peuvent invoquer des droits différents ? »

Le deuxième débat autour de la valorisation d’un projet de recherche a été lancé à partir des questions juridiques.

Afin de gérer l’hétérogénéité non seulement des objets de la recherche mais aussi des droits associés, il est fondamental de distinguer les corpus sur lesquels ne s’appliquent pas de droits de propriété intellectuelle, c’est-à-dire les corpus qui font partie du domaine public, des corpus qui sont concernés par ces droits et qui pour être exploités exigent une autorisation des ayants droit.

Dans le premier cas, il revient à la Bibliothèque d’établir sous quelle licence elle distribue ses corpus et les rend réutilisables. Dans le deuxième, les demandeurs d’un corpus sous droit doivent obtenir l’autorisation auprès des tiers titulaires des droits.

Pour l’équipe GIRANIUM, les questions juridiques se posent dès la numérisation car le droit de la propriété intellectuelle inclut un droit de reproduction qui implique une autorisation préalable de l’ayant droit. Seules les institutions patrimoniales (bibliothèques, archives et musées) bénéficient d’une exception qui permet la reproduction et la représentation de documents protégés dans leurs emprises, à des fins de conservation.

D’autres droits peuvent s’appliquer à ce type de corpus : les contraintes liées aux données personnelles ou encore le droit moral, imprescriptible et inaliénable (droit de divulgation de l’œuvre, droit au respect de l’œuvre, droit de retrait et droit à la paternité).

Dans ce cadre juridique complexe et contraignant, la présence d’un juriste dans une équipe de recherche est souhaitable pour soulager les chercheurs d’une charge de travail non négligeable et pour étudier dans la mesure du possible les pistes de travail  qui permettent d’avancer dans le respect des droits (par ex. extraction de métadonnées sur lesquelles il est possible de travailler à distance).

« Faut-il tout « publier » ? Faut-il prévoir différents niveaux d’accès pour différents publics ? Et quelles interfaces pour quel public ? »

Une distinction existe entre les interfaces destinées au monde de la recherche et les interfaces qui s’adressent à un public plus large. Dans le premier cas, on parlera plutôt d’open research. Dans le second, des compétences spécifiques dans le domaine de la médiation numérique sont nécessaires pour le développement de récits à destination du grand public.

Que cela soit pour un public de pairs ou pour un public plus large, la réalisation de toute interface prévoit les mêmes canaux de communication, les mêmes typologies de publication : sites internet, blogs et réseaux sociaux. La différence réside dans le développement d’une stratégie éditoriale, dans l’investissement et dans l’attente de retours sur investissement.

L’équipe du GRIPIC, comme d’autres groupes de recherche travaillant dans une logique d’open research, scénarise le processus de recherche à travers un site internet, une bibliothèque numérique réalisée sur Omeka et un compte Twitter.

Du côté de la BnF, une question clé se pose : comment réinjecter les résultats de la recherche dans le système d’information de la Bibliothèque pour créer une circularité de la recherche ? Le fait d’ingérer des données produites par les chercheurs implique pour la BnF d’assurer la pérennisation d’objets évolutifs et dynamiques qui demandent à être standardisés pour être préservés.

L’enjeu de pérennisation des données est différent s’agissant de travaux éditoriaux, des sites internet par exemple. Une distinction entre données primaires, structurelles, et données secondaires, publications, pourrait être opérée et demanderait deux stratégies de conservation différentes.

Dans cette perspective de circularité et durabilité, la valeur patrimoniale que la recherche peut apporter aux données conservées par des institutions est un élément à considérer.

« Comment décrire visuellement la ressource ? Quels formats et quels dispositifs employer pour rendre compte des liens entre données, textes, images, visualisations ? »

Le projet GIRANIUM prévoit de réaliser une cartographie de lieux et des réseaux de sociabilité en utilisant des outils de data visualization. Dans ce domaine, peu de normes existent, la tendance étant de développer toujours des visualisations différentes en fonction du projet. Existe-t-il des enjeux de standardisation des données derrière la représentation visuelle et la forme qu’elle prend ? Certaines visualisations, la cartographie par exemple, permettent un accès et une compréhension immédiate.

Qu’elle suive des normes ou pas, la réflexion sur l’interface, sur le rendu graphique d’un projet de recherche devrait être présente dès l’origine du processus. Cela demande, comme pour la gestion des métadonnées, une attitude en apparence paradoxale mais nécessaire pour mener un projet de recherche aujourd’hui : l’anticipation des problématiques de valorisation dès l’amont du projet.

Face à cette difficulté, une réponse peut résider dans la généralisation des outils et des méthodes ainsi que dans le partage des récits de projets de recherche antérieurs, forme d’apprentissage et d’échange importante.

L’atelier  « Décrire, transcrire et diffuser un corpus documentaire hétérogène : méthodes, formats, outils » s’est conclu sur la reconnaissance de l’apport de la mutualisation et de l’échange entre équipes de recherches et institutions pour faire progresser ces questions méthodologiques liées à l’analyse et la valorisation des corpus numériques.

Un deuxième atelier, cette fois-ci centré sur le sujet plus spécifique de la géolocalisation et de la spatialisation des documents patrimoniaux, est planifié le 30 novembre 2017.

Ces échanges constitueront un capital important qui contribuera dans le cadre du projet Corpus à la définition de services opérationnels capables de répondre aux évolutions, aux besoins et aux attentes du milieu de la recherche.

Eleonora MOIRAGHI

Enregistrer

  1. Nicole Bidoit-Tollu et Anne Doucet, La diversité des données dans Les Big Data à découvert, sous la direction de Mokrane Bouzeghoub et Rémy Mosseri, CNRS Éditions, 2017, p. 25. []
  2. TEI (Text Encoding Initiative), <http://www.tei-c.org/index.xml>, consulté le 16 novembre 2017 []

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

Gallica Studio, une autre expérience de Gallica

À l’occasion de la seconde édition de son Hackathon, la BnF lance Gallica Studio, un espace qui se veut à la fois terrain de jeu, boîte à outils et vitrine pour les réutilisations innovantes et créatives des contenus disponibles dans Gallica (Bibliothèque numérique de la BnF). En phase avec les nouveaux usages de Gallica apparus au fil du temps dans les différentes communautés d’utilisateurs, Gallica Studio entend placer les Gallicanautes et leurs réalisations au cœur de son dispositif.
Des tutoriels Do It Yourself au test de nouveaux outils en passant par les GIF animés, Gallica Studio est un espace pour transformer, accommoder, améliorer Gallica. Les projets collaboratifs entendent occupent une place centrale. Aussi, es chercheurs, développeurs, amateurs ayant un projet à soumettre sont invités à le faire via ce formulaire.

Parmi les projets collaboratifs mentionnés figure le projet Gallicarte, un projet de géolocalisation des résultats de recherche dans Gallica, soit le lauréat du Hackathon 2016. Ce projet consiste à afficher les résultats d’une recherche effectuée dans Gallica sur une carte. La nouvelle fonctionnalité permet de visualiser, par exemple, l’ensemble d’un fonds photographique géolocalisé sur une carte interactive en présentant les documents et leurs métadonnées issues du catalogue.

Le projet lauréat Hackathon 2017, Musiviz, qui permet de visualiser les contenus audio dans Gallica intègrera également Gallica Studio. Musiviz entend caractériser les enregistrements sonores de Gallica (longueur, catégorie : interview,  morceau de musique, etc.) afin d’en faciliter la recherche et donc l’accès.

En voici la présentation :

Et l’ensemble de l’équipe :

BnF, François Mitterrand, Hackathon, 26/11/2017

Enregistrer

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

Api et jeux de données de la BnF : découvrez et utilisez les données de la BnF

Dans la continuité de sa politique d’ouverture des données, ce 23 novembre, la Bibliothèque nationale de France lance un nouveau portail donnant accès à ses API1 et ses jeux de données.

Le site web (http://api.bnf.fr/) a pour objectif de décrire et documenter l’ensemble des API qui permettent  d’interroger et de récupérer les métadonnées des catalogues et les collections numérisées de la BnF. Pour faciliter l’accès aux données et leur utilisation, des jeux de données (images et textes, métadonnées, statistiques) ont également été constitués et sont directement téléchargeables via le portail. Chaque API ou jeu de données y donne lieu à une présentation du contenu, une documentation technique, des précisions sur les droits d’utilisation et un accès direct aux données.

Le caractère ludique des ces données n’est pas à exclure car elles sont aussi mises à disposition pour que tout à chacun et notamment les chercheurs en humanités numériques les exploitent et inventent de nouveaux services ou fassent émerger de nouvelles problématiques liées aux données.

Vous trouverez notamment sur BnF API et jeux de données :

  • l’API d’affichage et de récupération des images de Gallica (IIIF), les API d’interrogation des métadonnées de Gallica et de BnF Catalogue général (SRU, Z39.50, OAI) et le sparql endpoint de data.bnf.fr,
  • des jeux de données qui constituent des extractions d’ensembles cohérents des catalogues (produits bibliographiques, dumps de data.bnf.fr),
  • des corpus documentaires réalisés dans le cadre de projets de recherche, par exemple les fichiers images et textes constitués dans le cadre du projet Europeana Newspapers,
  • des pages éditoriales (qui s’étofferont au fur et à mesure de l’avancée du projet) destinées à guider les utilisateurs dans la découverte et le choix des modes de récupération des données qui conviennent à leurs besoins.

Par cette publication, la BnF poursuit sa stratégie d’ouverture des données affirmée par l’adoption en 2014 de la Licence ouverte  pour l’ensemble de ses métadonnées, en structurant l’ensemble de son offre de diffusion de données. Il s’agit de simplifier ainsi l’accès à ces données et de susciter de nouveaux usages (alimentation de catalogues, création d’applications innovantes, fouille de données, datavisualisation, etc.) auprès de publics professionnels diversifiés (développeurs et développeuses, entrepreneurs et entrepreneuses, acteurs et actrices de la culture et de la chaîne du livre, chercheurs et chercheuses, digital humanists) ou tout simplement des amateurs et amatrices de culture.

Cependant, des conditions d’utilisation des données décrites et accessibles sur le portail BnF API et jeux de données sont différentes selon qu’il s’agit de métadonnées (Licence ouverte de l’Etat) ou de documents numérisés (conditions d’utilisation de Gallica). Pour certaines API et jeux de données fournis par des partenaires, des conditions d’utilisation spécifiques peuvent s’appliquer. Sur chaque page décrivant une API ou un jeu de données, la fiche technique précise la licence d’utilisation des données concernées.

L’ensemble des métadonnées décrivant les collections de la BnF (notamment les métadonnées de BnF Catalogue général, de BnF Archives et manuscrits, de Gallica, de data.bnf.fr) sont placées sous « Licence ouverte » de l’Etat.

Les métadonnées sont ainsi mises à disposition gratuitement, pour tout type de réutilisation, y compris commerciale, avec obligation de citation de la source. Il s’agit de promouvoir l’usage de données de référence et de qualité, sur le web, à des fins de mutualisation, de coopération et d’interopérabilité juridique, tout en permettant le suivi de ces réutilisations.

Les documents numérisés et accessibles sur la bibliothèque numérique Gallica sont soumis aux conditions d’utilisation de Gallica.

Ces documents sont pour la plupart des reproductions numériques d’œuvres tombées dans le domaine public provenant des collections de la BnF. Ces contenus sont considérés, en vertu du code des relations entre le public et l’administration, comme étant des informations publiques et leur réutilisation s’inscrit dans le cadre des dispositions prévues aux articles L. 321-1 à L. 327-1 de ce code :

  • La réutilisation non commerciale de ces contenus est libre et gratuite dans le respect de la législation en vigueur et notamment du maintien de la mention de source des contenus telle que précisée ci-après : « Source gallica.bnf.fr / Bibliothèque nationale de France » ou « Source gallica.bnf.fr / BnF ».
  • La réutilisation commerciale de ces contenus est payante et fait l’objet d’une licence. Est entendue par réutilisation commerciale la revente de contenus sous forme de produits élaborés ou de fourniture de service ou toute autre réutilisation des contenus générant directement des revenus. Cliquer ici pour accéder aux tarifs et à la licence

Pour en savoir plus sur les conditions d’utilisation de Gallica.

Pour tout renseignement qui ne trouverait pas sa réponse sur le portail, vous pouvez adresser un courriel à l’adresse suivante : coordination-bibliographique@bnf.fr

À vous de jouer !

  1. Application Programming Interface, https://fr.wikipedia.org/wiki/Interface_de_programmation []

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

data.bnf.fr pour les nuls

Mis en ligne en 2011, data.bnf.fr permet de rendre les ressources de la BnF plus visibles des internautes et plus utiles sur le web. Ce site s’inscrit dans une démarche de la BnF d’ouverture des données et d’adoption des standards du web sémantique. Conçu sur le modèle FRBR, ce service permet de rassembler sur des pages web l’ensemble des ressources de la BnF sur un auteur, une œuvre ou un thème. Les données brutes de data.bnf.fr sont sous Licence ouverte de l’Etat.

data.bnf.fr couvre aujourd’hui une partie des ressources de la BnF, et poursuit son développement et son accroissement.

Dans l’univers croissant du Web de données, les chercheurs qui développent des portails documentaires ne manqueront pas d’être intéressés par les données fournies par data.bnf.fr, soit :

  • des URI pour les ressources, actionnables et pérennes ;
  • une exposition RDF en « Linked open data » pour les données de data.bnf.fr, disponible pour chaque page (par négociation de contenu) et pour toute la base ;
  • un service SPARQL endpoint pour interroger les données.

Par ce biais, la BnF s’inscrit dans l’environnement des données liées avec de nouvelles coopérations et partenariats dans et hors de la communauté des bibliothèques.

Pour tout savoir sur data.bnf.fr en 2 minutes 42, voici une vidéo :

Data BnF gathers BnF resources and external resources on pages devoted to an author, a work, a subject, a year or a place. The project intends to make the data produced by Bibliothèque nationale de France more useful on the Web, thanks to open data policy and the use of semantic web standards.

Pour les équipes de recherche qui souhaiteraient se lier à des données validées de la BnF ou mener des travaux de fouille de texte, signalons que le contenu RDF de data.bnf.fr est récupérable en totalité ou par type de ressource.

Sinon il est possible de récupérer un produit à façon via SPARQL, comme par exemple les 100 auteurs les plus étudiés. Des exemples de requêtes sont fournis dans le Guide SPARQL (en français) ou en anglais (BnF SPARQL guide).

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

Hackathon BnF, 3e édition de la semaine de l’innovation publique

La Bibliothèque nationale de France organise son premier hackathon les 19 et 20 novembre 2016 dans le cadre de la semaine de l’innovation publique (http://www.modernisation.gouv.fr/la-semaine-de-linnovation-publique). Les ressources de la bibliothèque numérique Gallica mais aussi de toutes les autres bases de données de la BnF offriront la matière de ce marathon participatif.

Durant 24 heures sans interruption, les participants investiront le site François-Mitterrand pour développer des projets autour de la réutilisation des données publiques et imaginer ensemble la bibliothèque du futur.

hackaton_2016

Mettre à disposition, développer les usages et les réutilisations des données : des enjeux majeurs

La BnF investit depuis plus de 15 ans dans des infrastructures numériques de mise à disposition de son patrimoine auprès du plus grand nombre. Sa politique s’inscrit dans un double mouvement : l’ouverture des données publiques et le développement du web sémantique. Elle diffuse sur le web près de 4 millions de documents via sa bibliothèque numérique Gallica et 18 millions de notices dans ses catalogues et bases de données. Son application dédiée au web de données, data.bnf.fr, permet de consulter et réexploiter des informations centralisées autour d’une œuvre, d’un auteur, d’un thème. Les métadonnées descriptives sont librement réutilisables selon le principe de la licence ouverte promue par Etalab. Les images de Gallica sont également accessibles et réutilisables librement pour un usage non commercial. Attentive à la participation de ses usagers, la BnF anime en outre une communauté de Gallicanautes, qui invente des solutions ludiques, décalées ou érudites pour mettre en valeur de manière spontanée les trésors de la bibliothèque numérique.

Le hackathon : 24 heures d’émulation, de rencontres et d’échanges

La diffusion et la réutilisation des données publiques sont au coeur des enjeux de la BnF. Autour de ces principes, le hackathon permettra à une centaine de participants d’explorer durant 24 heures de nouveaux usages des collections et de faire émerger les contours de services innovants à destination des lecteurs de la Bibliothèque. Le thème du sosie est proposé comme point de départ à la créativité des participants qui pourront s’en inspirer comme s’en affranchir. Dans une ambiance avant tout ludique et stimulante, cet événement sera également l’occasion d’échanger avec des experts de la BnF et de grands invités comme Roxanne Varza, responsable du projet Station F/Halle Freyssinet ou l’équipe d’Etalab qui gère la politique d’ouverture et de partage des données publiques.

Un événement ouvert au grand public

Le public est également invité à venir sur place assister aux présentations des projets, à des démonstrations des outils numériques de la BnF et des « trouvailles » de Gallicanautes, à qui il sera largement rendu hommage à cette occasion. Et parce que hackathon ne rime pas forcément avec numérique, des réutilisations plus originales de Gallica, comme un concert à partir de partitions disponibles sur le site, seront également proposées. À distance, le public pourra suivre en direct via les réseaux sociaux l’évolution des réalisations des participants. Les résultats de cette grande émulation collective resteront par ailleurs consultables en ligne après la clôture de l’opération.

Processus participatif de choix des thèmes abordés

Chacun est invité à venir échanger avec les experts de la BnF autour des données mises à disposition dans le cadre du hackathon et sur les thématiques qui seront abordées durant l’événement. Cette discussion est dès à présent ouverte au sein du forum de la mission étalab à l’adresse https://forum.etalab.gouv.fr/t/hackathon-bnf-les-19-et-20-novembre-2016/2927. Vous y trouverez à la fois une description exhaustive des jeux de données disponibles et de leur documentation et pourrez vous exprimer sur les sujets qui vous semblent les plus porteurs. Une journée participative sera organisée à la BnF fin octobre ou début novembre 2016 pour déterminer collectivement les thèmes les plus porteurs. La date définitive sera communiquée sur le forum.

Organisation pratique

Durant 24 heures entre le 19 novembre 14h et le 20 novembre 14h, une centaine de participants sera invitée à développer par équipes d’une dizaine de personnes des projets destinés à améliorer ou réinventer les services numériques de la BnF. Chaque participant apportera son propre matériel informatique, la BnF fournira une connexion WIFI pour tous, une connexion filaire par équipe et suffisamment de prises électriques pour brancher le matériel des participants. Les équipes seront réparties dans le Hall des Globes du site François-Mitterrand et bénéficieront également gratuitement d’espaces de repos, de plateaux-repas et d’un ravitaillement conséquent en boissons chaudes et froides.

Prix du hackathon BnF

Le dimanche 20 novembre à 16h, un jury composé de membres de la BnF et de personnalités extérieures remettra à l’équipe ayant proposé le projet jugé le plus réussi le prix du hackathon BnF. Cette distinction marquera l’engagement de la BnF à développer le projet primé et à l’intégrer aux services de la bibliothèque. Une réunion organisée au printemps 2017 permettra de tenir l’ensemble des participants au courant de l’avancée de ce développement.

Dans un souci de contribution collective à l’esprit d’ouverture des données publiques, l’ensemble des projets réalisés lors du hackathon devra respecter le principe de la licence Creative Commons CC-BY 2.0 FR (licence Attribution 2.0 France : https://creativecommons.org/licenses/by/2.0/fr/). La BnF, de son côté, s’engagera à développer le projet primé selon les mêmes principes de licence libre.

Quelles ressources ?

Bibliothèque numérique

  • Gallica http://gallica.bnf.fr
    Bibliothèque numérique de la BnF, Gallica héberge près de 3 millions de documents de toutes natures (livres, presse, manuscrits, estampes, objets, partitions…). Tous sont accessibles en mode image et certains le sont également en mode texte, avec une qualité d’OCR variable. La grande majorité des ouvrages sont libres de droit mais certains sont encore sous droits (bien vérifier ce qui est mentionné dans les métadonnées). Pour les documents libres de droits, la récupération des images se fait de manière libre et gratuite pour un usage non commercial (pour les usages commerciaux une licence s’applique). Divers modes de récupération des images sont accessibles (téléchargement de toute ou partie des ouvrages) et un ensemble d’API exploitant le protocole IIIF (documentation sur Erreur ! Référence de lien hypertexte non valide. permet de récupérer les images en haut définition avec un certain nombre de paramètres.
    Les métadonnées descriptives de l’ensemble de ces documents sont également disponibles au format Dublin Core via le protocole OAI-PMH.

Plate-forme de données ouvertes

  • Data BnF http://data.bnf.fr1
    Plate-forme rassemblant l’ensemble des données issues de différentes bases et catalogues de la BnF pour y donner un accès fédéré par auteur et par oeuvre. Un module de recherche permet de faire des requêtes manuelles et un SPARQL Endpoint permet de construire des requêtes complexes. L’ensemble des données est récupérables au format RDF (XML, NT, N3) et JSON ou JSON-LD. Un DUMP complet des données est récupérables par FTP ou HTTP et un certain nombre d’autres protocoles peuvent être utilisés. Voir http://data.bnf.fr/semanticweb

Catalogues

  • Catalogue général http://catalogue.bnf.fr
    Plus important catalogue de la BnF, cet ensemble regroupe 14 millions de notices bibliographiques (livres et périodiques imprimés, images fixes et animées, collections sonores, cartes et plans, manuscrits musicaux et près de 5 millions de notices d’auteurs (noms de personnes, collectivités), de titres d’oeuvres, de sujets, de lieux géographiques, au format MARC.
    Les notices sont récupérables selon divers formats et protocoles :

    • en Dublin Core via un entrepôt OAI (notices descriptives seulement, à l’exclusion des notices d’entités).
    • au format MARC (ISO 2709) via un serveur FTP (sur authentification, un identifiant sera fourni aux participants sur simple demande).
    • au format MARC via un serveur Z 39.50.
  • Catalogue BnF Archives et manuscrits http://archivesetmanuscrits.bnf.fr/
    Utilisant le format XML EAD, ce catalogue rassemble la description des collections de manuscrits et de fonds d’archives conservés dans différents départements de la BnF. On y trouve des manuscrits littéraires ou historiques de l’antiquité à l’époque contemporaine, des fonds d’archives administratives, privées ou de spectacles. Les notices peuvent être téléchargées au format PDF ou récupérées en XML via un module d’export (sur authentification pour des raisons techniques pour l’instant, un identifiant sera fourni aux participants sur simple demande).
  • Médailles et Antiques http://medaillesetantiques.bnf.fr1
    Catalogue répertoriant les médailles et antiques conservés à la BnF ainsi que leurs images.

Bases spécialisées

  • Reliures http://reliures.bnf.fr1
    Accès à la base des reliures numérisées de la BnF, qui propose une sélection de reliures à décor conservées à la Réserve des livres rares. Descriptions au format XML TEI. Données téléchargeables en PDF et en RDF.
  • Mandragore http://mandragore.bnf.fr1
    Base iconographique en ligne du département des Manuscrits. Indexation des images et accès aux images.
  • BP 16 http://bp16.bnf.fr1
    Base qui contient les notices de la Bibliographie des éditions parisiennes du 16e siècle, rédigée d’après les manuscrits de Philippe Renouard (la version actuelle de BP16 couvre les années 1501-1540). Données téléchargeables en PDF et en RDF.
  • Presse locale ancienne http://presselocaleancienne.bnf.fr1
    Recherche et localisation des journaux d’intérêt local parus en France, des origines jusqu’en 1944 ; accès à leur version numérisée dans Gallica et d’autres bibliothèques numériques.

Modalités de participation

Pour les participants : inscription préalable et gratuite à partir du 15 septembre 2016 sur https://plexi-form.bnf.fr/content/hackathon-2016

La participation au hackathon nécessite l’acceptation du règlement intérieur de la BnF.

Pour le public : pas d’inscription préalable nécessaire. Démonstrations et animations le samedi de 14h à 20h et le dimanche de 12h à 16h.

Même si le hackathon est un événement tourné vers les technologies du numérique, il n’est pas nécessaire d’être un développeur expert pour participer. Toute personne ayant un fort attrait pour la création participative et l’envie de contribuer au devenir des services numériques de la BnF est la bienvenue dans la limite des places disponibles (100).

Horaires et lieu

Horaires grand public :

  • Samedi 19 novembre 2016 – 14h00-20h00
  • Dimanche 20 novembre 2016 – 12h00-16h00

 

Horaires hackeurs :

  • Samedi 19 novembre 2016 – 14h00-24h00
  • Dimanche 20 novembre 2016 – 00h00-16h00

 

Bibliothèque nationale de France, site François-Mitterrand, Hall des Globes
Quai François-Mauriac, 75013 Paris

Communiqué de presse


Image de Une : opération #TrouveUnSosieDansGallica avec le portrait de Christophe Colomb : [estampe] (Etat avec la lettre complète) / P. Mercuri dis. e inc. 1843. Disponible en ligne, url : <http://gallica.bnf.fr/ark:/12148/btv1b10537983f>.

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts

Collections muséales en ligne – colloque de Madrid, 15 avril 2016

Le 15 avril 2016, le département des Monnaies, médailles et antiques a présenté, lors d’un colloque, la manière dont les collections numismatiques de la BnF ont été numérisées en masse (25% des fonds mis en ligne en moins de trois ans). Construit comme un vaste séminaire, il a été l’occasion d’échanges d’expériences et de construction de projets partagés.

Les responsables des collections monétaires espagnoles conduisent aujourd’hui une réflexion sur la numérisation et la mise en ligne de leurs collections. Ce colloque a permis de faire le point sur les projets et les ressources existantes, en Espagne et au niveau international, depuis les projets de numérisation de corpus et de médiation jusqu’aux outils du web de données.

Les débats ont conduit à des échanges fructueux sur différents thèmes. La normalisation des données mises en ligne est une préoccupation majeure des institutions muséales espagnoles qui jouent un rôle essentiel dans ce domaine, notamment par la coordination de thesauri professionnels en espagnol comportant des URI (Tesauros : http://tesauros.mecd.es/tesauros/tesauros).

Les institutions participantes souhaitent coopérer avec les communautés plus informelles qui animent le web sémantique. Le colloque de Madrid a été l’occasion de proposer différentes pistes d’interactions.

Des solutions, telles que la création de fontes compatibles Unicode, ont été évoquées et ont permis d’amorcer une réflexion commune pour pallier les difficultés récurrentes rencontrées dans la mise en ligne des monnaies. L’une d’entre elles est la présence d’inscriptions dans des écritures aussi diverses que le syllabaire chypriote ou des langues ibériques non déchiffrées.

En France, la numérisation des monnaies appuie le travail des conservateurs (récolement, conservation préventive, exploitation scientifique et médiation grand public) et ouvre sur des projets de recherche exploitant les ressources en ligne (Aureus : http://www.iramat-ceb.cnrs-orleans.fr/spip/spip.php?article136, OPAL the Oxford Paris Alexander Project : http://actions-recherche.bnf.fr/BnF/anirw3.nsf/IX01/A2015000496_opal-oxford-paris-alexander-project-perspectives-transnationales-a-l-ere-numerique, Online Greek coinage : http://www.greekcoinage.org/, etc.).

Pour accueillir ces collections d’un type particulier, le catalogue général de la BnF a été adapté par la création d’une notice Intermarc spécifique aux objets numismatiques.

Olivier Jacquot

Coordonnateur de la recherche > Délégation à la Stratégie et à la recherche > Bibliothèque nationale de France

More Posts