Refonte de l’infrastructure BVH : Volet ingénierie documentaire & numérique | Bilan d’avancement 2024 (partie 1/2)

En célébrant ses 20 ans en 2023, le programme « Bibliothèques Virtuelles Humanistes » a souhaité rappeler combien il est essentiel de conjuguer  la richesse du passé avec les technologies de demain. Fort de ses succès, le programme BVH continue à fédérer les efforts des partenaires et à diffuser les trésors de l’humanisme européen, pour que ces savoirs continuent d’inspirer et d’enrichir nos sociétés contemporaines.

Présentée lors de l’assemblée générale 2024 qui s’est tenue le 29 novembre au CESR, la refonte engagée depuis 2021 de la bibliothèque virtuelle et de son infrastructure s’est poursuivie en 2024 et s’appuiera sur de nouveaux outils de production. Cela induit l’acquisition de nouvelles compétences internes au programme – et plus largement au sein de l’université, qui seront tout autant mutualisables avec de multiples collaborateurs (plateforme de reconnaissance automatique Arkindex, plateforme de suivi de campagne de numérisation NumaHOP, référentiel de données d’autorité partagé sous Wikibase…).

Voir les supports de présentation des interventions lors de l’assemblée générale BVH 2024 :
— Supports de présentations | Atelier BaTyR & Assemblée générale 2024 du programme « Bibliothèques Virtuelles Humanistes ». 29 novembre 2024, CESR, Tours. Bibliothèques Humanistes. https://doi.org/10.58079/12wbf

Sommaire (Partie 1/2 du bilan)
— Évolutions de l’infrastructure & de la bibliothèque numérique
— Modèle de données BVH pour la description de livres anciens & la base de données Cata-Fonds
— Le référentiel de données d’autorités commun BVH : data.bvh
     – Modèle ontologique et déploiement de wikibase
     – Réconciliation & établissement du référentiel data.bvh
— La plateforme de traitement & de reconnaissance d’image : Arkindex
— La plateforme de gestion de numérisation : NumaHOP
— La refonte du portail BVH & de la bibliothèque virtuelle
— Déploiement du protocole IIIF : poursuites & extensions
— Base Epistemon & plateforme de gestion d’édition numérique (BVH-Epistemon)

L’année 2024 a donc permis de consolider le travail engagé sur l’infrastructure BVH. L’essentiel de l’activité a été poursuivi sur ressources propres BVH/CESR et grâce au support d’Anne-Laure Allain, recrutée en CDD sur l’Equipex Biblissima+ jusqu’à déc. 2024. L’apport constant du CESR-BVH dans Biblissima puis Biblissima+ a permis d’appuyer le passage d’Anne-Laure Allain en CDI à l’Université, à compter du 01/01/2025 (IGE Chargée de ressources documentaires), avec et grâce à l’engagement fort de l’équipe de direction de la Faculté CESR (UFR), en lien avec les services compétents de l’Université de Tours.

 

Évolutions de l’infrastructure & de la bibliothèque numérique

Les travaux 2024 se sont concentrés d’une part sur les tests et l’affinement des briques logicielles pressenties pour la nouvelle infrastructure logicielle BVH (Wikibase, NumaHop, Arkindex) et, d’autre part, sur la modélisation des données : préparation de jeux tests de données, plan de montée en version itérative du modèle de données. Ces travaux ne peuvent pas être externalisés en prestation.

La réévaluation et priorisation des travaux annoncée en 2023 a donc été poursuivie en 2024 :

  • le recrutement de stagiaires sur des parties techniques : 1 stage sur NumaHop, 1 stage sur le projet Bibliotheques françoises, 1 stage sur Arkindex (ANR Typoref)
  • la prestation interne à l’Université de Tours avec le CETU ILIAD3 a été concrétisée administrativement, afin d’assurer – à compter de janvier 2025 – un soutien technique indispensable à la mise en œuvre des travaux (expertise, administration et maintenance des VM et des logiciels déployés, accompagnement et développements informatiques et web ponctuels, suivi des prestations informatiques…)
  • La mise en œuvre des prestations dans le cadre des livrables Biblissima+ (principalement les développements web & informatiques) est impactée par un retard conséquent dû à un redécoupage des priorités dans un planning à échéance désormais très courte.

 

Modèle de données BVH pour la description de livres anciens & la base de données « Cata-Fonds »

La spécificité des BVH est de chercher à représenter numériquement des objets dans leur globalité et toute leur complexité. Cette démarche exige que l’architecture des données s’inscrive dans une évolution plus vaste, celle de la Transition bibliographique. En 2022, le nouveau modèle pour la description des livres anciens comportait cinq niveaux de description (Œuvre, Manifestation, Unité éditoriale, Objet physique (ou exemplaire ou item), Objet numérique).

En 2023, un test de grande envergure a été lancé pour valider ces choix de structuration sur un premier lot test. Une évolution du modèle a été nécessaire : l’introduction du niveau Expression pour permettre une organisation plus rationnelle des Manifestations ainsi qu’une meilleure prise en compte des spécificités des manuscrits et des documents mixtes (représentant 9% des notices). Ces documents, de types très variés (manuscrits littéraires, correspondances, archives de collectivités), exigent des descripteurs spécifiques.

Ainsi, un deuxième lot-test de 85 notices (composé prioritairement d’imprimés particulièrement complexes ainsi que des manuscrits) a été réalisé en octobre 2024 par Anne-Laure Allain afin de mettre à l’épreuve les évolutions apportées au modèle. Aucune fragilité n’a été décelée à cette occasion.

En 2025, un stage de 4 mois (sur crédits Biblissima+) devra permettre de travailler sur la bibliographie scientifique dans le programme BVH. L’objectif sera d’identifier les outils et méthodes pour normer, traiter et gérer de manière uniforme la bibliographie secondaire associée aux notices des sources patrimoniales décrites et publiées au travers des différents corpus et bases de données BVH.

Voir profil et missions détaillées : Offre de stage | Spécifications et traitement de la bibliographie dans le portail BVH (4 mois, CESR, Tours), https://bvh.hypotheses.org/12273.

 

 

Le référentiel de données d’autorités commun BVH : data.bvh

En complément du travail sur le modèle de données, la mise en place technique d’un référentiel de données d’autorités commun a été explorée en 2023 (stage de Master 2 Humanités numériques, Victoire Müller). Ce référentiel devra, à terme, rassembler les données des BVH ainsi que celles des projets connexes (ReNumAr, BibFr, Scripta Manent, Editef, etc.).

 – Modèle ontologique et déploiement de Wikibase

Les BVH ont choisi de se rapprocher du modèle ontologique RDA-FR, publié par la Transition Bibliographique (2023). Ses propriétés, plus spécifiques au domaine du livre, ont semblé plus proches des habitudes de travail des BVH.

La solution Wikibase a été retenue afin de garantir la stabilité du futur dépôt et l’interopérabilité des données. Le déploiement opérationnel a été entamé en 2024 sur une VM (Huma-Num) partagée entre plusieurs services BVH, par Victoire Müller, recrutée en CDD à compter du 1er septembre 2024 dans la continuité de son précédent stage de fin de Master 2. Malgré une interruption de contrat anticipée (en raison d’une opportunité professionnelle plus attractive), une instance test a néanmoins pu être déployée, documentée (Gitlab Huma-Num). Elle a fait remonter des besoins qui n’avaient pas pu être anticipés, dont la nécessité de compétences sous Docker et la création, entre autres, de trois sous-domaines dédiés afin de bénéficier des modules d’imports des données par lot, de l’API de réconciliation avec OpenRefine, etc. La reprise du déploiement de Wikibase, sur une nouvelle VM dédiée cette fois (DataCenter régional, Orléans, admin. DSI UT) est confiée au CETU ILIAD3 (Barthélémy Serre et Olivier Roussey) à compter de janvier 2025.

Outre le déploiement et le paramétrage (en cours), des développements complémentaires doivent permettre d’articuler efficacement cette instance à la nouvelle base de données PostgreSQL des BVH (Catafonds). Un stage de 3 mois encadré par le Pôle ingénierie numérique (Sarra Ferjani) et dédié au paramétrage des API, scripts et développements d’interfaces web dédiées, est planifié en 2025, sur ressources propres du CESR ; voir profil Développement & paramétrage d’un référentiel de données d’autorités sous Wikibase intégré à l’environnement du programme BVH (APIs web, IHM) : https://bvh.hypotheses.org/12406).

 – Réconciliation et établissement du référentiel data.bvh

Pour alimenter ce futur référentiel, un travail d’alignement des « agents BVH » a été réalisé en 2024. Son point de départ était la table « Personnes » (3 568 entrées) extraite de la base de données des Fac-similés BVH. Le travail de réconciliation avec data.biblissima a débuté en octobre 2023 et s’est achevé en décembre 2024, réalisé par Anne-Laure Allain. Il aura nécessité :

  • le nettoyage de la table en elle-même (séparation en groupes catalographiques distincts, retrait des doublons et des agents non utilisés), 
  • la répartition logique des informations déjà présentes dans le tableur, 
  • l’ajout d’une colonne avec les URLs des ressources BVH associées à chaque agent afin de faciliter les vérifications dans les données sources,
  • des test de conformité des URIs déjà renseignées, 
  • un rapprochement des formes similaires grâce aux fonctions de clusterisation d’OpenRefine
  • et enfin, l’alignement avec data.biblissima

Ainsi, 2 838 Personnes ont été contrôlées. 53,2% d’entre elles ont été alignées avec data.biblissima (16,3% avec la BnF ; 3,7% avec IdRef ; 1,1 % avec VIAF). Enfin, 25,8% de ces Agents se sont avérés être des données de niche.

Le même procédé a été appliqué aux autres entités nommées : 64 Collectivités (ou Organisations), 3 Familles et 653 Lieux géographiques.

Le versement puis l’exploitation de ces quatre fichiers dans le Wikibase data.bvh est prévu pour le 2ᵉ trimestre de 2025.

 

La plateforme de traitement & de reconnaissance d’image Arkindex

L’université de Tours bénéficie depuis juillet 2024 de la 1ère instance fonctionnelle et mutualisée de la solution open-source ARKINDEX hébergée par une institution publique, déployée et maintenue dans l’infrastructure de l’UT par le CETU ILIAD3 (DSI / Data Center régional).

Le déploiement de cette brique logicielle dans l’infrastructure BVH est étroitement adossé au projet sur l’étude du matériel d’imprimerie ancien et la refonte de la base de données BaTyR (TypoRef : Typographie de la Renaissance Française (1470-1640), ANR – AAPG 2022 JCJC, 2023-2027). Adossé au Cluster 3 sur la reconnaissance des écritures, le déploiement s’est concrétisé grâce à Biblissima+ en janvier 2025, par la mise en place effective d’un marché de prestation innovante avec la société privée TEKLIA.

L’administration de l’infrastructure arkindex.univ-tours.fr est assurée au LIFAT par le CETU ILIAD3 (prestation interne sur ressources propres, CESR) en lien avec la DSI de l’Université de Tours. L’achat d’équipement matériel (GPU) sera nécessaire à court terme pour bénéficier de la puissance de calcul requise. Une demande de co-financement a été déposée début décembre 2024 dans le cadre de l’appel à financement de l’UT sur le préciput ANR 2025. Cet équipement permettra de produire des traitements et analyses automatisés par IA (Deep Learning) sur des documents qui nécessitent une puissance de calcul importante et qui ne peut être fournie que par ces équipements GPU. [En janvier 2025, la nouvelle présidence de l’UT a annoncé une annulation jusqu’à nouvel ordre de l’appel à financement sur Preciput ANR 2025, en raison de la situation financière de l’université.]

 

La plateforme de gestion de numérisation : NumaHOP.bvh

Le stage d’Owen Bonsergent (L3 Informatique, avril-juillet 2024) sur Biblissima+ a permis de tester le déploiement d’une instance de la plateforme NumaHOP.

— Voir : BVH (2024, 15 février). Offre de stage | Spécifications & déploiement d’une plateforme mutualisée pour la gestion de la chaîne de numérisation du programme BVH (NumaHOP). Bibliothèques Humanistes. Consulté le 19 mars 2024, à l’adresse https://doi.org/10.58079/vue7

La difficulté de déploiement de l’outil (debugages, documentation technique incomplète, problèmes de sécurité et de formatage du code…) a permis néanmoins d’aboutir en juillet 2024 à une version d’installation stable en local, puis à une version dockerisée, avec une procédure documentée (GitLab BVH Huma-Num). Toutefois, le déploiement n’a pas pu être testé sur serveur (délais tardifs pour obtenir sous-domaines et redirections dépendants de la DSI de l’UT). Les tests utilisateurs ont pu être entamés en local sur PC. Ils seront approfondis en 2025 en vue d’établir les spécifications des développements requis pour s’intégrer à la chaîne de production et de traitement des numérisations patrimoniales BVH.

Afin d’être informé et de contribuer à organiser la communauté utilisatrice (formations, formalisation des besoins, retours d’expériences…), de même que d’appuyer la maintenance, l’évolution et le rayonnement de l’outil, le CESR-BVH a adhéré à la jeune association NumaHOP en 2024. À ce titre, Sarra Ferjani et Sandrine Breuil ont participé aux journées NumaHOP et à la première assemblée générale, organisées à Lyon avec le soutien de Persée, les 20-21 novembre 2024.

La reprise du déploiement de NumaHOP, sur une nouvelle VM dédiée cette fois (DataCenter régional, Orléans, admin. DSI UT) est confiée au CETU ILIAD3 (Barthélémy Serre et Olivier Roussey) à compter de janvier 2025.

 

La refonte du portail BVH & de la bibliothèque virtuelle

Des interfaces de consultation avaient été proposées et réalisées par Marlène Arruga en décembre 2022 (IGE Biblissima+ 2021-2022) dans le framework Django. Ce premier jalon avait permis d’affiner le modèle de données sans pour autant s’avérer totalement satisfaisant. Au vu de la complexité du nouveau modèle, de la multiplicité des bases et outils à faire migrer dans un nouveau système, il a été nécessaire de découper les développements pour proposer un redéploiement itératif des BVH, avec une montée en complexité du nouveau modèle et des fonctionnalités (v. 1 à v. 6). 

Le découpage des données servant d’appui aux notices des Fac-similés (BVH_Cat) a débuté en mars 2025. À l’issue de ce travail, prévu pour la fin du 3ᵉ trimestre 2025, la v. 1 de la base « Cata-Fonds » pourra être implémentée sous PostgreSQL. 

La création de premières interfaces, au plus proche de celles existantes, sera réalisée en interne par Sarra Ferjani (Pôle ingénierie numérique, CESR) avant la fin de l’année 2025 et la migration des données du CESR vers le Data Center régional d’Orléans.

Les montées en version des interfaces se feront parallèlement à la complexification de la base de données « Cata-Fonds » (v. 2 à v. 6) lors de prestations, à engager en 2025 et concernant :

  • Développement de la base de données, des modules web & connecteurs IHM infra BVH (dont visualiseur IIIF)
  • Webdesign / ergonomie / UX & développement IHM Bib. virtuelle BVH
  • Site web projet BVH (CMS)

 

 

Déploiement du protocole IIIF : poursuites & extensions (iiif.bvh)

Avec la fin de contrat de M. Arruga en décembre 2022, un transfert de compétences a pu être fait a minima, grâce à une documentation technique (wiki sur un GitLab Huma-Num). Un premier lot de 186 manifestes issus des dernières campagnes de numérisation (128 pièces numérisées dans le cadre du projet partenarial Biblissima « Bibliothèques Humanistes Ligériennes » et 58 pour le projet CollEx-Persée « Bibliothèque de Raymond Marcel ») a été publié et mis à disposition via l’API IIIF Change Discovery (level 1). Le moissonnage est effectif depuis 2023 et consultable sur le portail Biblissima.

En 2024, les travaux d’indexation menés dans le cadre de la refonte de la base BaTyR, de même que les premiers tests de l’instance d’Arkindex s’appuient sur les numérisations mises à disposition via iiif.bvh. Également, les numérisations du nouveau projet partenarial TMD (CESR-Renumar avec les Archives municipales de Tours) devront finalement intégrer le service iiif.bvh en tant que collection. Un accompagnement du porteur de projet est assuré par Anne-Laure Allain en 2025 pour la production des manifestes « bien formés » en vue du reversement dans Biblissima+.
La prestation du CETU ILIAD3 intègre un monitoring des VM afin d’évaluer et d’améliorer les performances pour répondre aux sollicitations accrues du service IIIF. Le déploiement du visualiseur IIIF dans la future bibliothèque numérique BVH pourrait engendrer des défauts de performances (délais d’affichages, surcharges, etc.) qu’il est impératif d’anticiper. En effet, une instabilité du montage entre la VM et l’Huma-Num Box induit des coupures de services récurrentes. Le rapatriement du service IIIF sur une VM administrée par la DSI de l’UT est donc toujours à l’étude avec le CETU ILIAD3, ainsi que dans le cadre de la prestation de développement web de la bibliothèque numérique.

 

La base BVH-Epistemon & la plateforme de gestion d’édition numérique (EPISTEMON)

Les BVH poursuivent l’enrichissement et la mise à jour d’un corpus de la première modernité en français librement accessibles, téléchargeables en trois formats (HTML, XML-TEI, PDF), réutilisables et interopérables, qui comprennent 180 éditions en ligne à la fin de 2024. Les textes en XML-TEI publiés sur Epistemon sont le résultat de transcriptions quasi-diplomatiques et d’éditions numériques qui sont réalisées à partir des sources dans leur état original, si possible associées dans un même fichier avec les ouvrages numérisés. Les corpus permettent l’entraînement des OCR et l’exploitation statistique des données brutes ou annotées, y compris pour des transcriptions réalisées à partir des caractères gothiques : dans le cadre de l’ANR Typoref, de l’Equipex Biblissima+ et du consortium ARIANE (groupe de travail sur le Large Language Models), les résultats de l’océrisation devraient être améliorés avec l’Intelligence Artificielle et l’annotation des entités nommées facilitée.

Le corpus textuel Epistemon est augmenté dans le cadre de Biblissima+ d’éditions de textes poétiques manuscrits totalement inédits (projet PoMONE, C. Sicard), tout en renvoyant à la base de données Jonas (IRHT) et aux référentiels Biblissima. La diffusion des données passe par leur « fairisation », à appliquer de façon plus précise pour les headers TEI par l’attribution d’identifiants pérennes, la compatibilité Dublin Core et IIIF, la mise en place d’un thésaurus générique en coordination avec les groupes de travail de Biblissima + (cluster 5b) « Typologies textuelles du Moyen Âge et de la Renaissance » (coord. Marie-Luce Demonet) et avec le groupe de travail métadonnées du Consortium ARIANE (Analyses, Recherches, Intelligence Artificielle et Nouvelles Éditions numériques, Huma-Num).

La présentation de la base et son ergonomie, son actualisation et les mises à jour sont prévues dans le cadre de la refonte de l’ensemble du portail BVH, avec les sites associés MONLOE (Montaigne) et RENOM (Rabelais). 

Le nombre de textes transcrits et à traiter reste important (plus de 60). L’équipe continue à se former lors de stages ou ateliers TEI qui ont pu être organisés en 2024 et qui le seront en 2025 (TEI initiation), et les journées d’étude organisées par le cluster 5b de Biblissima et ARIANE (GT3, éditions numériques).

Voir aussi :

Bilan d’avancement 2024 (partie 2/2) | Projets de recherche & bases de données adossées à l’infrastructure BVH, recherches exploratoires & partenariats.
Supports de présentation | Atelier BaTyR & Assemblée générale 2024, programme « Bibliothèques Virtuelles Humanistes ». 29 novembre 2024, CESR, Tours.
Bilan 2024 des publications scientifiques, techniques & activités de valorisation BVH

Extrait du bilan 2024 rédigé dans le cadre de l’Equipex+ Biblissima+ , par Anne-Laure Allain, Sandrine Breuil, Marie-Luce Demonet, Sarra Ferjani, Toshinori Uetani (mars 2025).

Logo Biblissima+ - France 2030

Biblissima+ bénéficie d’une aide de l’État gérée par l’ANR au titre du Programme d’investissements d’avenir intégré à France 2030, portant la référence ANR-21-ESRE-0005


OpenEdition vous propose de citer ce billet de la manière suivante :
Sandrine Breuil (17 mars 2025). Refonte de l’infrastructure BVH : Volet ingénierie documentaire & numérique | Bilan d’avancement 2024 (partie 1/2). Bibliothèques Humanistes. Consulté le 22 mai 2025 à l’adresse https://doi.org/10.58079/13ree


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.