1L’histoire du livre est un domaine particulièrement propice à l’étude de données1. La tradition de l’analyse statistique, par exemple, y est forte et ancienne : recenser et compter les diverses éditions d’un ouvrage, les exemplaires imprimés ou vendus, les lieux de leur diffusion (librairies, bibliothèques, cabinets de lecture…), les lecteurs eux-mêmes, ont constitué dès longtemps un axe important de recherches, structuré notamment autour de deux perspectives bien identifiées, la bibliométrie (Vaillant 1992) et la prosopographie des gens du livre. Le nombre relativement important de bases de données couvrant aujourd’hui ces deux domaines témoigne de leur vitalité. Du côté du recensement des œuvres, plusieurs projets, passés ou en cours, offrent des ressources nombreuses sur des champs plus ou moins larges de la production imprimée, qu’il s’agisse de genres comme le roman d’anticipation2, le récit de voyage3, la littérature de mystères urbains4 ou la publicité5 ; d’imprimés particuliers comme la presse6 ou les catalogues de vente de bibliothèques7 ; ou bien encore de la production d’éditeurs comme Mame8, Guillaumin9, ou à l’échelle d’un État comme le Québec10.
2Les gens du livre et de l’imprimé, de leur côté, ont depuis plusieurs années fait l’objet d’entreprises de recensement aboutissant à des répertoires et à des dictionnaires ainsi qu’à des analyses prosopographiques. Deux vastes enquêtes collectives font figure d’entreprises pionnières pour le champ français. D’une part, le vaste répertoire des imprimeurs-libraires de 1500 à 1810, lancé dans les années 1980 par la Bibliothèque nationale de France (BNF), sous la direction notamment de Jean-Dominique Mellot, et qui a abouti à quatre publications successives entre 1988 et 2001, offrant un nombre de notices croissant jusqu’à 5 200 dans la dernière version du répertoire. D’autre part, l’enquête sur la librairie du xviiie siècle menée au sein de l’Institut d’histoire moderne et contemporaine (IHMC, UMR 8066), et dirigée par Frédéric Barbier et Sabine Juratic. In fine, les chercheurs disposent aujourd’hui d’au moins huit dictionnaires et répertoires imprimés recensant les professionnels du livre, soit de façon globale (Bibliothèque nationale de France 2004), soit sur des espaces restreints comme Paris (Barbier, Juratic, et Mellerio 2007) ou le Nord (Barbier 2002), soit pour certaines catégories particulières – éditeurs de musique (Devriès et Lesure 1979), éditeurs d’estampes de Paris (Préaud et al. 1987) et de Lyon (Martin-de-Vesvrotte, Perez et Pommier 2002), femmes libraires (Arbour 2003). Plusieurs bases de données consultables en ligne complètent ces publications, sur des aires géographiques et des catégories professionnelles diverses : entre autres exemples, les notices biographiques des gens du livre à Lyon au xviiie siècle dues à Dominique Varry11, le Dictionnaire des imprimeurs-lithographes du xixe siècle, dirigé par Corinne Bouquin et Élisabeth Parinet12, la rubrique « Livre-papier-carton » dans le cadre du Maitron en ligne13, le Dictionnaire des journalistes francophones du xixe siècle de la plateforme Médias 1914 ; et, pour l’étranger, le Répertoire des imprimeurs et éditeurs suisses actifs avant 180015, la base des gens du livre au Québec16, ou celle établie par Ian Maxted sur les acteurs du commerce du livre en Angleterre17, sans compter le portail sur les éditeurs ibéro-américains aux xixe-xxie siècles porté par Pura Fernandez et hébergé par la bibliothèque virtuelle Miguel de Cervantes18.
Figure 1. Bases de données et dictionnaires prosopographiques français en histoire du livre
Jean-Charles Geslot, décembre 2017
- 19 Le Web sémantique, ou Web de données, constitue une extension du Web, standardisée par le W3C (Worl (...)
3C’est dans la continuité de cette tradition de bases de données sur les gens du livre que se situe le programme ANR DEF19 « Dictionnaires des éditeurs français du xixe siècle ». Celui-ci s’est résolument inscrit, dès son lancement, dans les perspectives offertes par les humanités numériques, en prévoyant la constitution d’une base de données de référence. Au fur et à mesure de son avancée cependant, des potentialités nouvelles n’ont cessé de s’ouvrir, tant en termes scientifiques et techniques que de partenariats. Si la démarche a été quelque peu empirique, elle n’en a pas moins permis d’aboutir aujourd’hui à un résultat bien plus ambitieux que ce qui avait pu être imaginé au départ. L’objet de cet article sera donc de décrire comment le projet initial s’est progressivement étoffé pour tenter de mettre au service de la recherche en histoire de l’édition et de ses métiers toutes les potentialités offertes par les outils du Web sémantique19.
4Le projet de Dictionnaire des éditeurs du xixe siècle a pris forme en 2014 au sein du Centre d’Histoire culturelle des sociétés contemporaines (CHCSC, EA 2448). Créé en 1992 à l’université de Versailles-Saint-Quentin-en-Yvelines (UVSQ), ce laboratoire a depuis son ouverture inscrit l’histoire du livre et de l’édition parmi les axes principaux de ses travaux, sous la direction du professeur Jean-Yves Mollier qui, outre ses propres publications, a fait soutenir dans ce domaine de nombreux mémoires et thèses. Parmi celles-ci, il faut tout de suite évoquer celles de Viera Rebolledo-Dhuin (2011) et de Marie-Claire Lefils-Boscq (2013), consacrées au monde des libraires et des métiers du livre parisiens du xixe siècle : toutes deux ont édifié dans le cadre de leur travail doctoral des bases de données sur les professionnels du livre qui ont servi de matrice à celle du projet DEF19, lequel constitue en quelque sorte le prolongement et l’approfondissement de ces recherches. Toutefois, l’objectif n’était pas seulement de constituer une base sur les éditeurs du xixe siècle : il s’agissait aussi de fournir un outil « papier », un dictionnaire correspondant à un résultat plus classique, plus traditionnel, de ce genre d’entreprises, en même temps qu’à un horizon d’attente des publics potentiellement intéressés par un tel outil (bibliothécaires, bibliophiles, historiens du livre et de l’édition, etc.).
- 20 Sont cependant exclus les éditeurs qui n’ont publié que des partitions de musique, des atlas ou des (...)
- 21 Le décret du 5 février 1810, confirmé par la loi du 21 octobre 1814, impose la détention d’un breve (...)
- 22 Si l’« éditeur » n’apparaît que « sous les plis de la loi » en 1810 (Mollier 2008), il est expressé (...)
5Le contenu de ce double dictionnaire, qui vise à recenser l’ensemble des individus et des établissements ayant édité au moins un ouvrage entre 1800 et 191420, pose de nombreuses questions, tant d’un point de vue terminologique que scientifique. Qu’est-ce qu’un éditeur ? Qu’est-ce qu’un livre ? Autant d’interrogations déjà anciennes parmi les spécialistes du livre (Mellot 2006) qu’il ne s’agit pas ici de développer, mais dont l’évocation est nécessaire, tant les choix opérés par l’équipe DEF19 pour y faire face ont pu déterminer la mise en place des solutions techniques. Comment recenser les éditeurs, sachant que cette profession, même si elle s’impose comme la cheville ouvrière de l’industrie du livre à partir des années 1830, constitue longtemps une catégorie en voie d’objectivation, aux contours encore flous face aux anciennes figures dominantes du monde de l’imprimé que sont les imprimeurs, imprimeurs-libraires et libraires-éditeurs ? Sachant également que la législation, particulièrement normative dans le domaine de l’imprimé depuis le Premier Empire, ne reconnaît pas officiellement la profession d’éditeur ? Le décret de 1810 impose en effet aux professionnels du livre l’obtention d’un brevet pour pouvoir exercer leur activité (Sorel et Leblanc 2008). Ce brevet, délivré par les autorités, est accordé à des individus au titre d’« imprimeur » ou de « libraire21 ». Jusqu’à sa suppression en septembre 1870, et même un peu au-delà, ce régime dit « du brevet » impose sa marque normative au monde du livre. L’éditeur, qui n’existe pas pleinement aux yeux des autorités22, est une catégorie transversale, qui concerne autant des imprimeurs que des libraires, ces deux catégories n’étant pas elles-mêmes séparées par des frontières étanches. L’avantage, cependant, réside dans le fait que les historiens possèdent, grâce aux archives de la direction de l’Imprimerie et de la Librairie au ministère de l’Intérieur (série F18 des Archives nationales), le moyen de recenser de façon exhaustive les imprimeurs et libraires brevetés en France dans les trois premiers quarts du xixe siècle, et d’y retrouver ceux de ces professionnels qui correspondent bien à la définition d’éditeurs, c’est-à-dire qui ne se contentent pas, comme les imprimeurs, de fabriquer des livres, ni, comme les libraires, de les vendre, mais se chargent également de les concevoir, de recruter les auteurs, de définir les meilleures stratégies de la diffusion des ouvrages, etc. L’une des premières tâches du projet DEF19 devait donc consister à établir la liste de ceux qui appartenaient à la catégorie « éditeurs » dans l’ensemble plus vaste que constituent les professionnels du livre : ce qui ne devait pas manquer d’avoir, comme nous le verrons, de nombreuses implications techniques.
- 23 Ont participé, depuis 2014, et à des titres divers, à la partie scientifique de DEF19 (définition d (...)
6Le projet DEF19 a été présenté dans le cadre de l’appel à projets générique 2014 de l’Agence nationale de la recherche relatif aux « grands défis sociétaux » et au « défi de tous les savoirs ». Au terme de l’examen de son dossier, il s’est vu accorder un budget de 200 000 € sur quatre, puis cinq ans (2014-2019). Une équipe d’une dizaine de personnes s’est constituée, rassemblant chercheurs, bibliothécaires et archivistes issus d’institutions différentes : le CHCSC de l’UVSQ, le pôle Métiers du livre de l’université Paris-Nanterre, le service à la Recherche de la bibliothèque universitaire de Saint-Quentin-en-Yvelines, le service de l’Inventaire rétrospectif de la BNF, le département Justice et Intérieur des Archives nationales23. Lancé en octobre 2014, ce projet devait se terminer en octobre 2019 avec la publication du dictionnaire papier. Celui-ci couvre la période allant de 1800 – date de la réorganisation des métiers du livre par le Consulat (Vouillot 1990) – aux années 1870 – fin du régime du brevet. La base de données, hébergée par la TGIR Huma-Num et destinée à vivre bien au-delà de l’échéance de 2019, porte, elle, sur une période plus large, allant des années 1780 à la Grande Guerre.
7Afin d’alimenter la réflexion sur le projet scientifique, trois manifestations ont également été programmées. Une première journée d’études s’est déroulée en octobre 2015 à la bibliothèque de l’Arsenal. Intitulée « Dictionnaires et répertoires des gens du livre, en Europe et dans le monde. Expériences et perspectives », elle a permis de confronter les retours d’expérience de chercheurs et de chercheuses impliqué(e)s dans des projets similaires, en France et à l’étranger (Italie, Québec, Royaume-Uni), et d’envisager les outils et les possibilités de telles enquêtes dans d’autres espaces (aire germanique, Australie, Brésil, Espagne, Suisse, Tunisie24). Une deuxième journée s’est tenue à l’université de Saint-Quentin-en-Yvelines en février 2017. Consacrée cette fois aux « Marges et périphéries du monde du livre », elle a tenté de croiser les approches pour appréhender les domaines du monde de l’imprimé moins faciles à étudier, ceux des « petits » éditeurs, des éditeurs provinciaux, des producteurs d’imprimés particuliers (partitions, éphémères, atlas…), et pour appréhender l’activité de l’édition dans ses liens vitaux avec la papeterie et l’imprimerie. Ces deux événements ont ainsi permis de dégager un certain nombre de problématiques, d’un point de vue méthodologique notamment, susceptibles d’aider à la réalisation de la base de données DEF19, notamment par les témoignages de chercheurs et de chercheuses engagé(e)s dans des projets de bases de données similaires, comme Josée Vincent pour le Dictionnaire des gens du livre au Québec ou Marie-Cécile Bouju pour le Maitron des ouvriers du livre et du papier. Un colloque de clôture du projet s’est, enfin, tenu aux Archives nationales les 4 et 5 avril 2019. Intitulé « Être éditeur au xixe siècle », il a permis de présenter des travaux effectués dans la lignée des perspectives biographiques et prosopographiques de DEF19, et d’exposer une série de premiers résultats issus de l’exploitation de la base de données.
8L’approche empirique menée par Viera Rebolledo-Dhuin, post-doctorante chargée de la mise en place de la base de données entre 2015 et 2017, en collaboration avec le service à la Recherche de la bibliothèque universitaire de l’université de Versailles-Saint-Quentin-en-Yvelines (BU-UVSQ), a conduit à tester différents logiciels avant d’adopter Omeka S.
9Le personnel de la BU-UVSQ utilisant déjà le logiciel QES, nous avons réfléchi, dans une première étape, aux possibilités d’utiliser cet outil payant, conçu par la société QWAM, pour la gestion et le partage des flux numériques documentaires25. Malheureusement, les développements de ce logiciel auraient été trop complexes et trop coûteux pour notre entreprise. C’est pourquoi William Demet et Viera Rebolledo-Dhuin ont alors enquêté sur un logiciel libre adapté au projet. Parallèlement, d’autres membres de l’équipe ont mis en place une base de données développée sous MySQL. Cependant, l’hébergement en local de cette base compliquait la saisie collective simultanée et ne permettait pas de faire des liens entre les notices d’éditeurs, ni même de lier les maisons d’édition aux éditeurs y participant.
10Suite à ces premiers essais, le service à la recherche de la BU-UVSQ est entré en contact avec la TGIR Huma-Num26, qui a non seulement proposé d’héberger notre base de données sur son serveur, mais également offert la possibilité de tester deux logiciels, plus appropriés à notre objet et à nos sources. Nous avons ainsi successivement pris en main les logiciels Atom27 et Omeka 2.4. Le premier, dont le nom provient de la contraction de Access To Memory, présentait plusieurs avantages puisqu’il s’agit d’un logiciel libre reposant sur un code source ouvert – et donc modifiable –, fondé sur un environnement multilingue et à multiples référentiels tout en facilitant la saisie de relations réciproques. Ainsi, les relations hiérarchiques et celles entre pairs, qu’il s’agisse de relations de parenté ou de relations professionnelles, étaient parfaitement aisées à intégrer : « est le fils de » devenait automatiquement « est le père de » ou « est la mère de » dans la fiche associée, tandis que « est le frère/la sœur de » était dupliqué ; de même, « est employé par » devenait « est l’employeur de », tandis que « est l’associé de » se répliquait de la même façon. Néanmoins, Atom, étant conçu par et pour les archivistes et pour la description archivistique – avec le soutien du Conseil international des archives (ICA28) – selon les normes internationales (XML-EAD, XML/EAC-CPF, etc.), le détournement des champs existants en dehors de ces normes internationales s’avérait très complexe et la création de champs – numériques notamment – impossible.
11Après plusieurs mois de développement sous Atom, ce qui nous a notamment permis d’entrer en contact avec le service des archives de la Maison archéologie et ethnologie (MAE, université Paris-Nanterre), utilisateur assidu dudit logiciel29 –, nous avons testé Omeka (dans sa version classique, version 2.430). Ce logiciel libre à code source ouvert, développé par le Roy Rosenzweig Center for Histoy and New Media31 – également fondateur du logiciel bibliographique bien connu, Zotero, et de celui de gestion d’images annotées, Tropy –, se situe à l’intersection entre les CMS (logiciels de contenu comme WordPress), la gestion d’archives et celle de bibliothèques, et est particulièrement utilisé, à ce jour, pour les expositions virtuelles. Il laissait donc une grande marge de manœuvre pour le développement de site adapté au projet désiré. Par ailleurs, la communauté montante – notamment francophone, ce qui n’est pas le cas pour Atom – participe à la multiplication de plugins, ce qui laissait beaucoup d’espoirs de développements adaptés à nos besoins. Pour autant, lors de nos manipulations, nous nous sommes heurtés à l’impossibilité de créer des blocs de champs répétables, nécessaires notamment à la prise en compte des brevets issus de la série F18, conservée aux Archives nationales (AN32). C’est ainsi que nous avons contacté l’entreprise Limonade & Co33 – laquelle travaille, par ailleurs, avec Huma-Num, notamment pour le pack Nakalona34 –, qui nous a proposé de développer notre base de données sous Omeka S35, la version sémantique du précédent logiciel. Outre les avantages présentés par la version classique d’Omeka, l’adoption de la version sémantique visait à résoudre plusieurs problèmes liés à la précédente version, qui risque aujourd’hui de disparaître. Ainsi, la version sémantique d’Omeka nous a permis de créer des blocs de champs répétables à l’envi (brevets, adresses, etc.), ce qui est indispensable pour la prise en compte du fait que les gens du livre peuvent être brevetés – successivement ou simultanément – en tant que libraire, imprimeur ou lithographe.
Tableau 1. Logiciels testés pour la mise en place de la base de données DEF19
Période
|
Logiciel
|
Hébergement
|
Atouts
|
Inconvénients
|
Étape 1 (2014 à 2015)
|
QES
|
Serveur BU-UVSQ
|
Logiciel utilisé par la BU-UVSQ
|
Logiciel payant ; développements complexes et coûteux car totalement externalisés
|
MySQL
|
Local
|
Logiciel libre, développé en interne gratuitement
|
Hébergement local ne permettant pas la saisie simultanée, absence de lien entre les notices
|
Étape 2 (2015 à 2016)
|
Atom
|
Serveur TGIR Huma-Num
|
Logiciel libre ; création très aisée de liens entre notices et notamment de liens réciproques (hiérarchiques ou entre pairs)
|
Logiciel créé par et pour les archivistes conformément aux normes internationales d’archivistique ; détournement des champs existants difficile, impossibilité de créer des champs en dehors de ce cadre.
|
Omeka 2.4
|
Logiciel libre ; création aisée de liens entre notices ou de champs de nature variée (liste déroulante, texte, date, etc.) ; nombreux plugins disponibles
|
Impossible de créer des blocs de champs répétables (ex : brevets)
|
Choix
|
Omeka S
|
Logiciel libre ; création de liens entre notices ou de champs de nature variée ; création de blocs de champs répétables ; nombreux plugins disponibles
|
Version alpha du logiciel au moment du développement ; plugins en cours de développement
|
Viera Rebolledo-Dhuin
12Compte tenu du fait qu’Omeka S est en cours de développement et que ses utilisateurs sont encore peu nombreux, l’entreprise Limonade & Co a développé notre base de données sous la version alpha et n’a pas pu mettre en place tous les plugins souhaités – notamment ceux pour l’export des données (au format CSV, par exemple) pour leur traitement quantitatif. Cela étant dit, l’adoption de la version sémantique d’Omeka offre à notre travail de grandes potentialités, en matière de visibilité mais aussi du point de vue de l’enrichissement des données et des collaborations scientifiques et techniques nécessaires au programme DEF19.
13Parallèlement à la recherche de l’outil adapté à notre projet, Viera Rebolledo-Dhuin s’est également chargée de la collecte, de la structuration et de l’intégration des données existantes tout en cherchant des collaborations extérieures pour enrichir les données du dictionnaire – ou accroître leur visibilité – à plus long terme.
14Le programme DEF19 s’appuie en premier lieu sur deux fonds principaux, conservés dans deux des institutions partenaires du projet : les dossiers de brevets conservés dans la série F18 du département Justice et Intérieur des AN et les notices nationales d’autorité rédigées par les membres du département de l’Inventaire rétrospectif de la Bibliothèque nationale de France.
- 36 Viera Rebolledo-Dhuin tient, à ce propos, à remercier chaleureusement Mme Choublier-Grimbert, qui a (...)
- 37 Plusieurs outils ont été mis en ligne, en septembre 2018, par Maïwenn Bourdic sur le site des Archi (...)
15Au sein des AN, Patrick Laharie (†) et Odile Krakovitch avaient mis en place deux bases de données, qui devaient intégrer la base QUIDAM – librement consultable sur les sites des AN – mais qui, de fait, n’ont jamais été publiées : Libredit, pour les brevetés parisiens, et Gutenberg, pour les brevetés français. Viera Rebolledo-Dhuin, ayant travaillé avec Patrick Laharie et ayant pu récupérer le fichier PDF de Libredit au début de sa thèse36, pour le transformer en tableur et le compléter, cette ressource a pu constituer un des fondements de la base de données DEF19. S’y est bientôt ajoutée, la base Gutenberg, livrée peu avant l’été 2015 sous forme de fichier texte, et qui, au moment de la publication de cet article, était en cours de transformation pour l’intégration de données structurées et liées dans la base37.
16Le département de l’Inventaire rétrospectif de la BNF, dirigé par Jean-Dominique Mellot, a par ailleurs transmis, dès le début de notre entreprise, l’ensemble des notices nationales d’autorité des éditeurs du xixe siècle alors disponibles, qu’il s’agisse de personnes physiques, morales ou de collectivités. Le département rétrospectif corrigeant, complétant et mettant à jour régulièrement les notices d’autorité, il a fallu réfléchir à ces transmissions successives, sur lesquelles nous reviendrons et que résout en partie l’utilisation du Web sémantique.
17Enfin, lors de cette première étape de travail sur les données, il s’agissait de prendre en compte les données intégrées dans la base provisoire développée sous MySQL par Marie-Claire Lefils-Boscq et Gérard Martinelli. La première « collecte » s’appuie finalement sur des données bien structurées, mais de manière différente. Il a donc fallu harmoniser cette structuration, avant de procéder à un travail d’identification – les femmes mariées constituant toujours un « problème », puisque certains les identifient par leur nom de mariée et d’autres par leur nom de naissance – pour supprimer les doublons d’une base de données à l’autre et mettre en place les relations (d’alliance, de filiation ou professionnelles) afin qu’elles soient intégrées dans la base DEF19.
- 38 Dans une précédente étape de développement, il existait également une entité « organisations », qui (...)
18Aujourd’hui, la base de données DEF19, développée sous Omeka S, se structure autour de deux entités : les individus et les établissements ou entreprises d’édition38. Cela a conduit, lors de l’intégration des données, à quelques opérations de (re-)classification pour intégrer les données de la BNF, qui opte pour d’autres distinctions que celles choisies par DEF19. Typiquement, l’entreprise « Rey et Gravier », classée par la BNF comme une personne morale, représente pour DEF19 : 1) une entreprise, 2) formée par deux individus. Compte tenu du fait que chaque entité présente un formulaire particulier, « Rey et Gravier » détient trois entrées dans DEF19 : deux entrées individuelles, l’une à Pierre-Joseph Rey, l’autre à Jean-Simon Gravier, et une entrée relative à leur association. Le formulaire des entités « individus » est bien plus développé que celui relatif aux entreprises. De fait, le formulaire propre aux individus comprend neuf types d’informations, ou sous-formulaires, contre deux pour les établissements ou entreprises d’édition.
Figure 2. Schéma des formulaires individus de la base de données DEF19
Viera Rebolledo-Dhuin, avril 2019. DEF19, http://def19.huma-num.fr.
Figure 3. Schéma des formulaires entreprises de la base de données DEF19
Viera Rebolledo-Dhuin, avril 2019. DEF19, http://def19.huma-num.fr.
- 39 Le logiciel OpenRefine constitue la nouvelle version de Google Refine et permet de nettoyer et mett (...)
19Lors du premier import massif de données, majoritairement issues de Libredit et de la BNF, et à côté de ces opérations de (re-)classification des entités dénommées, nous avons également procédé à une gestion des doublons créés par la fusion des diverses bases ressources. La suppression des doublons avant l’import massif a été réalisée par Viera Rebolledo-Dhuin de manière « manuelle », supposant la recherche de données biographiques (au sein de l’état civil) pour distinguer les homonymes, ainsi que par le maniement de formules et macros au sein d’un tableur basique. À l’avenir, et dans le cadre du deuxième import massif projeté, intégrant notamment Gutenberg, nous prévoyons d’utiliser, dans la mesure du possible, le logiciel OpenRefine39, conseillé et utilisé par Maïwenn Bourdic.
Figure 4. Étapes d’intégration des données dans la base DEF19 (premier import)
Viera Rebolledo-Dhuin
Figure 5. Étapes d’intégration des données dans la base DEF19 (deuxième import)
Viera Rebolledo-Dhuin
20Plus précisément, il est arrivé que durant cette phase de dédoublonnage et d’identification, nous nous soyons affrontés à des conflits de contenus (dates d’état civil différentes selon les sources, par exemple). Malgré tout et à l’heure actuelle, le deuxième import est remis en question, compte tenu de notre objectif de publication papier du dictionnaire et du coût d’un nouvel import massif, que seule Limonade & Co peut actuellement gérer. De fait, l’entreprise nous a soutenus, dans la mesure du possible, en migrant notamment la base DEF19 vers une version stable d’Omeka S, en tenant compte de nos exigences. Cependant, les développeurs étant intervenus dans le cœur du programme, toute remontée vers des versions plus récentes d’Omeka S – intégrant les nouveaux plugins (notamment d’import et d’export des données au format CSV, en vue de l’interopérabilité des données) – perturbe la visibilité de l’avancée du processus. Autrement dit, nous n’avons pas encore la main pour intégrer de nouvelles données, ni même pour modifier la structure de la base de données fondée principalement sur plusieurs ontologies généralistes et une ontologie plus spécifique :
-
Bibliographic Ontology
-
DEF19 : concernant les brevets, contentieux, distinctions, etc.
-
Dublin Core
-
FOAF (Friend of a Friend)
21De fait, une deuxième étape d’intégration des données, sur laquelle Viera Rebolledo-Dhuin travaille actuellement, vise à prendre en compte les données de la base Gutenberg, celles issues du travail de Ian Maxted, celles provenant de l’Institut national de la propriété intellectuelle (INPI) et finalement celles de la base de l’Atelier data.bnf.fr. Plusieurs collaborations ont été mises en place au cours de ces deux dernières années afin d’enrichir, à plus long terme, la base DEF19. Aussi le Web sémantique favorise-t-il l’interopérabilité comme l’échange de données.
22La base Gutenberg, répertoriant l’ensemble des brevetés français, nous a été livrée après l’intégration des données issues de la base Libredit. Gutenberg fonctionne par ailleurs quelque peu autrement que Libredit, notamment car les données biographiques et géographiques sont moins denses. Comme Libredit, elle présente cependant des liens avec les prédécesseurs et les successeurs des brevetés qu’il s’agit de préserver. Notre travail consiste donc à transformer le fichier texte en un fichier de données structurées tout en préservant les liens établis par les archivistes lors de la mise en place de cette base de données, ultérieurement transformée au format texte. Outre la restitution des liens relationnels, principalement entre prédécesseur et successeur, il s’agit également d’expurger la base Gutenberg de données déjà intégrées dans la base DEF19 (comme celles issues de Libredit, qui comporte davantage de données qualitatives que Gutenberg, relativement aux brevetés parisiens). Par ailleurs, certains brevetés parisiens ont été – précédemment ou après leur expérience parisienne – brevetés en province, et font l’objet de fiches redondantes dans Gutenberg – qui n’a pas pleinement procédé au « nettoyage » des doublons. Le travail d’identification pour supprimer ces doublons tout en préservant les liens prédécesseur-successeur est donc d’autant plus long.
23Suite à l’organisation de la première journée d’étude DEF19, en octobre 2015, Ian Maxted nous a par ailleurs soumis un fichier, issu de ses recherches personnelles, concernant 1 600 gens du livre normands ayant exercé entre 1480 et 1870. Les données structurées de cette base intégreront la base DEF19 mais devront être passées au même crible que les données tirées de Gutenberg afin d’éviter les doublons tout en intégrant des données structurées sur le même format défini par l’équipe de recherche DEF19.
24Au cours de ces deux dernières années, nous avons enfin pris des contacts, d’une part, avec l’INPI et, d’autre part, avec l’Atelier data.bnf.fr afin d’intégrer de nouvelles données structurées dans la base DEF19.
- 40 Cette journée d’étude, annoncée sur le site des Archives nationales, a fait l’objet de captations v (...)
25La rencontre avec les archivistes de l’INPI s’est opérée au lendemain de la journée d’étude consacrée aux dictionnaires des photographes, organisée par les AN en avril 2017 à l’occasion du mois de la photographie40, et au sein de laquelle nous avions été invités à présenter notre projet et nos méthodes. De là est née une collaboration entre l’INPI et DEF19 afin d’intégrer les éditeurs, détenteurs d’un brevet d’invention – conservés au sein de l’INPI – dans la base DEF19. L’intégration de ces données se fera dans un premier temps manuellement. Mais, il est à espérer que la mise en place de la nouvelle plateforme de l’INPI, en construction mais devant probablement se faire en Web sémantique, favorise les échanges de données RDF.
- 41 Le triplestore, ou RDF store – le RDF étant le langage de base du Web sémantique –, est une base de (...)
26Viera Rebolledo-Dhuin a d’autre part, établi des contacts avec les membres de l’Atelier de data.bnf.fr dès 2015, l’idée étant de remédier à la transmission des notices nationales d’autorité de la BNF régulièrement mises à jour par le département de l’Inventaire rétrospectif. En effet, ce dernier nous communique à certaines échéances des lots de nouvelles notices concernant notre projet ainsi que des notices corrigées ou amplifiées. Or, la base DEF19 ne cesse de s’enrichir parallèlement et comprend bien d’autres champs d’information que ceux compris dans les notices nationales d’autorité. Aussi, les imports massifs périodiques des notices corrigées par la BNF risquent d’écraser les données saisies directement sous Omeka S, sinon d’entraîner des doublons avec des notices créées précédemment au nouvel import. C’est pourquoi nous sommes en train de mettre en place une méthode pour automatiser la récupération des données de la BNF, via les triplestores41 de l’Atelier data.bnf.fr interrogeables sous SPARQL. Au-delà, et DEF19 proposant des notices d’éditeurs non renseignées par l’inventaire rétrospectif de la BNF, il s’agit de collaborer activement à la rédaction des notices nationales d’autorité par la mise en place d’exports de champs validés par cette même BNF. La base de données DEF19, fondée sur la version sémantique d’Omeka, permet la réutilisation par l’Atelier data.bnf.fr et, par là même, le partage des données avec le département de l’Inventaire rétrospectif, chargé de la rédaction et de la validation des notices nationales d’autorité.
27Autrement dit, un des enjeux de notre base s’avère de mettre en place un outil permettant d’échanger les données et de faire dialoguer des chercheurs et des institutions spécialisés dans l’histoire du livre.
28Un des objectifs du programme DEF19 consiste enfin, non pas seulement à recenser des données sur les éditeurs français du xixe siècle, mais également à construire une base collaborative, ouverte et permettant des analyses quantitatives variées.
29Le développement de DEF19 sous Omeka S vise à utiliser son potentiel en matière de visualisation et d’exploitation des données. De fait, Omeka est largement utilisé pour la mise en place d’expositions ou de bibliothèques virtuelles et propose de nombreux plugins de visualisation des données. Par ailleurs, le choix d’Omeka S favorise l’interopérabilité des données en vue de leur analyse quantitative. Des objectifs scientifiques et des choix techniques opérés, découlent donc diverses collaborations scientifiques et des pistes de valorisation de l’interface en cours de construction.
30Omeka proposant un plugin le reliant à Zotero, nous avons d’abord mis en place une bibliographie collective sous ce logiciel, à laquelle nous avons ajouté, au format CSV, des références abrégées, sur le modèle des notices nationales d’autorité de la BNF, afin de les réimporter dans la base temporaire DEF19 développée sous Omeka 2.4. Les abréviations des références bibliographiques doivent intégrer la base DEF19 développée sous Omeka S, sous forme de liste déroulante, en bas de chacun des formulaires, pour faciliter la saisie des données tout en validant leur contenu.
31En outre, afin de rendre la consultation de la plateforme DEF19 plus agréable et de profiter des plugins existants sous Omeka, notre réflexion sur l’interface de consultation nous a conduits à établir un dialogue avec le groupe de recherche Geohistoricaldata (GHD42). Celui-ci, dirigé par Maurizio Gribaudi (EHESS) et lié notamment à des chercheurs de l’Institut national de l’information géographique et forestière (IGN), propose une plateforme collaborative ouverte de géolocalisation historique à différentes échelles (France, Paris, Saint-Jean-de-Latran) du xviiie au xxie siècle. La collaboration ainsi mise en place entre DEF19 et GHD vise à proposer aux utilisateurs de DEF19, au lieu d’un plugin de géolocalisation automatique des éditeurs français fondé sur l’ontologie de GeoNames – comportant plusieurs erreurs – et un fond de carte actuel de Google Maps sur lesquels s’appuie le plugin de géolocalisation d’Omeka, un plugin de géolocalisation historique construit de manière empirique, respectant ainsi les changements d’adresses (nombreux à Paris au xixe siècle), et fondé sur des fonds de cartes historiques (Cassini, Tardieu, Verniquet, Vasserot, Jacoubet, atlas municipal, etc.). L’interrogation de l’API (Application Programming Interface ou interface de programme applicative) proposée par GHD – ou du SIG (Système d’information géographique) historique que les chercheurs de GHD mettent à disposition –, comportant plusieurs couches spatiotemporelles, permettra de mieux saisir l’environnement géosocial de l’établissement des éditeurs français du xixe siècle. En sens inverse, DEF19 participe à l’enrichissement de la base d’adresses, ce qui favorise le développement de GHD. À notre initiative, plusieurs réunions ont été organisées pour mettre en contact nos différents collaborateurs techniques et scientifiques (BU-UVSQ, Limonade & Co, département de l’Inventaire rétrospectif de la BNF, département Justice et Intérieur des AN, Atelier data.bnf.fr, INPI, GHD, etc.), au cours desquelles tous ont été convaincus de la pertinence du partage des données relatives à la géolocalisation historique et à leur visualisation sur des fonds de cartes contemporains aux événements.
32Enfin, dans le cadre de notre réflexion sur l’interface de consultation de la plateforme DEF19, et compte tenu des travaux de recherche en histoire quantitative des chercheurs participant à ce programme ANR, nous avons souhaité mettre en place d’autres plugins de visualisation des données et favoriser l’analyse quantitative de ces données par des chercheurs internes ou externes au programme. Cela suppose néanmoins de bénéficier de plugins d’export des données (structurées) proposés par Omeka et Omeka S dans des formats qui peuvent être supportés par d’autres logiciels d’analyse statistique ou d’analyse de relations sociales. Typiquement, Omeka propose un plugin d’export au format CSV (comma-separated values, format de texte tabulaire sous forme de valeurs séparées par une virgule), transférable dans d’autres logiciels d’analyse quantitative ou d’analyse de réseaux. Aussi, dans le cahier des charges livré à notre prestataire, nous avons demandé que les données soient exportables, avec ou sans filtre, sous différents formats, dont le format CSV, afin d’exploiter les données sous le logiciel multifonction R43 ou des logiciels plus spécifiques, tel Puck44, destiné à l’analyse des relations de parenté, mais, plus généralement, à celle des relations sociales. C’est dans ce cadre que nous menons une réflexion sur les plugins de visualisation des données relationnelles, en collaboration avec les membres du programme ANR Kinsources45, pour enrichir la plateforme de consultation DEF19, en espérant que cela puisse aboutir à la mise en place de plugins de visualisation de type arbres généalogiques ou graphes de réseaux, pour rendre compte de l’environnement familial et social des éditeurs français du xixe siècle, et ce sur une page de notice individuelle d’éditeur.
33Omeka S doit également proposer un plugin d’export des données RDF ou d’interrogation des triplestores de notre base de données à tout chercheur et toute chercheuse afin de leur permettre d’exploiter autrement les données collectées. Nous souhaitons en effet, depuis l’origine du projet, que notre plateforme soit pleinement ouverte : non seulement dans la récupération des données, mais aussi du point de vue de leur enrichissement par le biais d’une démarche collaborative.
34L’adoption d’un logiciel fonctionnant avec les outils du Web sémantique offre de multiples avantages au programme ANR DEF19. Néanmoins, compte tenu du développement des logiciels fondés sur le Web sémantique, comme Omeka S, un certain nombre d’objectifs restent en construction. Trois chantiers nous préoccupent particulièrement : le premier concerne le lien entre DEF19 et l’Atelier data.bnf.fr, le deuxième est lié à l’exploitation de l’API de GHD et le troisième, plus général, est lié à l’échange ou à la création collaborative de données.
35Plusieurs fonctionnalités et plugins projetés n’ont pas pu être mis en place durant la première phase de développement de la plateforme DEF19 par nos développeurs. De fait, à ce moment-là, Omeka S fonctionnait sous sa version alpha.
Figure 6. Évolution du développement d’Omeka S
Laurent Aucher, responsable du service documentaire, bibliothèque interuniversitaire Cujas, université Paris 1 Panthéon-Sorbonne, juin 2019. Source : https://github.com/omeka/omeka-s/releases.
36Depuis lors, si la version bêta est disponible, les développeurs n’ont pas eu le temps de migrer notre plateforme sous la dernière version avant janvier 2019. De ce fait, sans doute, nous n’avons pas pu bénéficier de l’ensemble des plugins développés pour l’exploitation d’Omeka S. Cependant, ceux-ci sont en constante évolution et nous savons qu’il est difficile de gérer tout à la fois la forme et le contenu d’une base de données. Par ailleurs, compte tenu du travail des développeurs dans le cœur du logiciel, malgré la migration de DEF19 vers une version stable d’Omeka S, nous ne pourrons bénéficier des nouvelles versions du logiciel et des plugins développés. L’horizon du deuxième import – comprenant Gutenberg, les données de Ian Maxted, les révisions des notices nationales d’autorité de la BNF, etc. – qui doit se faire au cours de l’année 2019-2020, ouvre de nouvelles pistes. Peu après une phase de test, nous devons récupérer l’ensemble du code de la base DEF19 pour mettre à jour les données et les champs, ainsi que l’interrogation des API GHD, etc.
37Il s’agit par ailleurs de réfléchir à la saisie collaborative ou « crowdsourcing » afin d’alimenter la base DEF19. Cela suppose de mettre en place un protocole de validation de données sur lequel nous travaillons aujourd’hui.
38Le projet DEF19 est, à bien des égards, emblématique des potentialités immenses offertes par le Web sémantique, autant que des difficultés et contraintes que pose leur exploitation dans un environnement institutionnel qui n’est pas toujours favorable, et dans un environnement technique en constante évolution. Les chercheurs et les chercheuses sont tributaires des développements techniques rendus nécessaires par le recours aux méthodes les plus innovantes, tout autant que des ressources mises à leur disposition. Le financement par l’ANR a pris fin en octobre 2019 : l’un des défis est alors de trouver les moyens financiers et humains permettant d’assurer la pérennité d’un projet scientifique volontairement ambitieux, et de réaliser pleinement son programme initial.