Collation et sommaire : exemple de cohésion dans une chaine de numérisation

Dernière mise à jour le 13/05/2014. Les paragraphes ajoutés sont précédés de la mention « Addendum ».

Pour la plupart des  bibliothèques numériques en ligne  la question de la navigation et de la recherche d’information se pose d’une part en termes de métadonnée bibliographique, et d’autre part en termes d’articulation entre le document physique et le texte logique.

Si une attention particulière est portée aux normes bibliographiques, à l’interopérabilité et aux informations associées directement à chaque image, on ne peut pas en dire autant des interfaces de visualisation et de la cohérence du fac-similé avec l’objet physique. Ainsi, combien de numérisations s’effectuent-elles aujourd’hui encore en ignorant les pages de garde et autres feuillets blancs ? Bien souvent, seule la succession des images est assurée.

Les interfaces de consultation proposées par la plupart des bibliothèques numériques se contentent d’offrir à l’utilisateur un niveau minimal d’information. En France, la principale collection d’ouvrages numérisés, Gallica, illustre cette situation : malgré un visualiseur de qualité pensé pour proposer des informations au niveau « page », et parce que le coût d’établissement d’une collation détaillée est trop important pour que chaque document puisse en bénéficier, la plupart des ouvrages mis en ligne ne présentent qu’un sommaire minimaliste : le menu déroulant ne contient qu’une suite de mentions « np » (« non paginé »), sans présenter aucun point de repère utilisable par le lecteur. Dans quelques cas, seuls les plats, contreplats,  pages de garde et dos sont identifiés.

Exemple : Pantagruel, François Rabelais, Lyon, 1532 (RES-Y2-2146)

(Dernière consultation le 12/05/2014)

Addendum : Dans la mesure où l’original n’est effectivement pas paginé, la succession de mentions « np » dans le sommaire de Gallica traduit bien la réalité. Cet exemple illustre cependant une situation fréquente : à savoir l’absence totale de repères pour la navigation, ce qui peut perturber l’utilisateur. Nous souhaitons fournir un outil rapide et fiable qui permettrait de résoudre ce problème.
Chaque cahier du Pantagruel comporte des signatures. Une collation relativement précise est bien proposée dans la notice bibliographique de ce document, notamment un relevé de signatures : « Sign A-Q ». Il suffirait de le modifier quelque peu, en précisant (selon les pratiques bibliographiques les plus courantes) le nombre de feuillets par cahier (le relevé des signatures revêtirait alors la forme suivante : « A-Q4 »), pour pouvoir générer automatiquement, sans coût supplémentaire, une liste détaillée des signatures.

Cette situation n’est pas seulement insatisfaisante en termes de consultation et d’interface. C’est la question du contrôle du résultat des images en amont qui est en jeu : l’établissement d’un sommaire détaillé constitue en effet une étape importante pour contrôler la complétude d’un ouvrage numérisé et pour repérer les éventuelles pages manquantes et/ou dédoublées.

Dans le cadre de ses numérisations, les BVH ont fait le choix de produire des sommaires riches en données. Ceux-ci se présentent sous la forme d’un tableau contenant plusieurs types d’information : nom (= numéro) de l’image, pagination/foliotation, relevé des signatures, ainsi que des informations relatives à la structure logique de l’ouvrage (typologie des différentes sections et transcription des titres ou incipits).

Voir le sommaire de l’ouvrage Le premier livre des Discours de l’estat de paix et de guerre de Machiavel (Paris, Sertenas, 1548).

Ce travail lourd, possible à notre échelle (environ 1000 fac-similés en ligne en 10 ans), est naturellement irréalisable pour des projets de numérisation de masse. Il nous permet de signaler et de conserver les spécificités de corpus : particularités d’exemplaire, transcriptions de textes en français de la Renaissance, données structurées pour exploitation ultérieure (notamment des transcriptions intégrales en TEI). Depuis la campagne « Berry savant » conduite à Bourges en 2012, ces sommaires sont réalisés en deux étapes : la structure physique de l’ouvrage est indexée (si possible livre en main) en même temps que s’effectue  le contrôle qualité de la numérisation et par un même opérateur.  Les informations relatives à  structure logique sont ajoutées ultérieurement.

Établir le sommaire de la structure physique de l’ouvrage  revient à effectuer une collation de l’objet numérique. Or, ce travail de collation a déjà été effectué à partir de l’objet physique lors de l’établissement de la notice bibliographique : pendant les opérations de sélection des ouvrages pour une campagne de numérisation, nous contrôlons la complétude de tous les exemplaires, et en établissons une collation détaillée. Cette collation est résumée par une formule conventionnelle qui décrit la composition physique du document (foliotation ou pagination détaillée, puis relevé des signatures).

Exemple fictif : [5], 1-120, 131-145 (=121-134), [4 bl.], [5] f.(sig. ã-ĩ4 õ2 A-Z4 Aa-Zz6)

Mais, jusqu’à présent, rien ne liait la formule de collation affichée dans la notice bibliographique avec les informations contenues dans les tableaux de sommaire. Nous avons dernièrement achevé deux scripts qui permettent de nouer ce lien. Le premier permet de générer automatiquement les informations de pagination/foliotation ainsi que la liste des signatures pour les fichiers de sommaire, à partir d’une formule de collation établie par des catalogueurs. Le second fournit la transformation inverse : il génère une formule de collation à partir d’un fichier de sommaire.

Addendum : Depuis la publication de cet article, nous avons développé une version beta en ligne de ce travail pour le premier script : http://www.bvh.univ-tours.fr/form/collation.html.

Cette opération automatique modifie radicalement notre chaîne de travail. Après la numérisation, le sommaire n’est plus établi ex nihilo  : la formule de collation effectuée préalablement par les catalogueurs nous fournit une grille qui sert tout à la fois de point de repère et de point de contrôle pour le travail effectué. Le moindre écart constaté permet ainsi d’identifier une irrégularité de la composition de l’ouvrage (erreur de foliotation, interversion de cahiers, etc.) ou bien une erreur dans la formule de collation de la notice. Le gain est évident, aussi bien en matière de temps de traitement que de qualité des données publiées. Ces scripts permettent également un contrôle qualité des données déjà publiées : en partant des sommaires déjà en ligne,  on pourra vérifier et normaliser les formules de collation présentes dans les notices.

Avant :
avant

Après :
apres2
Ceci marque aussi la fin du syndrome « np”, et l’internaute aura une carte fiable pour naviguer.

Addendum : Mais le sens de la vérification que ce script permet avec peu de frais est encore plus important pour ceux qui ont le devoir d’assurer l’authenticité des données numériques, aussi bien en image qu’en texte. Ainsi reliées, la description bibliographique traditionnelle avec le livre en main et les images numériques contrôlées page à page donnent enfin un minimum de garantie à la cohérence et à l’authenticité de ces objets numériques par rapport à leur source.

Quelques détails sur le fonctionnement de ces scripts sont fournis à la page suivante de cet article.

Addendum : Merci à Monsieur Jean-Marc Chatelain pour son retour (sur la liste BiblioPat) que nous avons pu mettre à profit afin de remanier cet article.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *