EAD 4 : faire évoluer l’encodage des données archivistiques
Actualités
Expertise et analyse
Une nouvelle version de l’EAD a été publiée par la Society of American Archivists en juillet dernier. Elle était accompagnée d’une nouvelle version de l’EAC-CPF. Ces deux schémas, nés à la fin des années 1990 et au début des années 2000 sont les plus utilisés dans le monde des archives pour décrire les documents, les fonds, les producteurs, etc.
Ces évolutions de version étaient nécessaires pour se rapprocher de la conformité des inventaires au modèle conceptuel du Records in Contexts (RIC).
Que change cette nouvelle version de l’EAD ? Comment envisager les transitions à venir ? C’est ce que vous allez découvrir dans cet article.
Mais avant toute chose, revenons sur quelques bases : comment s’articulent les normes et les schémas de description dans le monde des archives ?
ISAD(G), EAD, RIC : comment ça s’articule ?
Isad(g)
Dans les années 1980, au Canada et aux Etats-Unis, les archivistes ont commencé à normaliser leurs pratiques professionnelles1. Dans un contexte d’utilisation croissante d’outils informatiques en réseaux l’ICA (Conseil international des archives) s’empare également de ce sujet et 4 normes voient le jour courant 1990-2000 : ISAD(G), ISAAR (CPF), ISDF et ISDIAH.
En France, l’informatisation des services d’archives a d’ores et déjà commencé et le principe de description à plusieurs niveaux, porté par l’ISAD(G), est difficile à mettre en œuvre en raison des difficultés techniques que cela engendre quant à la modélisation des bases de données. Pourtant la norme commence à être adoptée pour les inventaires papiers et les nouveaux archivistes y sont formés.
EAD 2002
C’est en 1998 qu’un langage structuré permet la description des archives dans la même philosophie qu’ISAD(G) dans un environnement numérique et sur Internet : l’EAD est né. Portée par la Society of American Archivists (SAA), l’EAD est une DTD écrite en SGML compatible avec XML. En d’autres termes c’est une sorte de grammaire pour pouvoir décrire les archives de manière structurée dans un langage informatique universel.
L’EAD n’est pas tout à fait une émanation de l’ISAD(G)2 comme on peut le dire parfois pour plus de pédagogie. Ces deux outils de description des archives sont toutefois très proches, l’EAD étant plus riche et plus conforme à la diffusion d’information sur Internet.
RIC
C’est en 2012 que l’ICA constitue un groupe d’experts et d’expertes sur la description, appelé EGAD, qui est chargé d’élaborer une seule norme descriptive qui couvrirait toutes les autres. Très vite s’est ajouté l’objectif de s’inscrire dans le contexte du web sémantique ou web de données considérant que ces technologies sont plus adaptées à la description archivistique3.
Le RIC est donc « un nouveau cadre de référence unique et global de description pour les archives4 ». Il s’appuie sur le principe que la description des archives sert trois objectifs essentiels : leur gestion, leur préservation, leur utilisation et réutilisation au fil du temps5.
Le RIC s’appuie sur un modèle conceptuel (RIC-CM) qui définit des entités, leurs attributs et les relations qui peuvent les lier. Une grammaire en quelque sorte qui permet de décrire les archives en liant les informations les unes aux autres. Le RIC s’appuie également sur une ontologie (RIC-O) qui permet de produire des jeux de données pour le web sémantique. C’est ce qui permet de traduire le modèle conceptuel dans un langage informatique.
On pourrait alors dire que le RIC-O est au RIC-CM ce que l’EAD est à ISAD(G)6… Mais alors pourquoi l’EAD 4 ?
EAD 4.0
Dans les années 2020, l’EAD a fait sa place et il est désormais le standard technique unique utilisé mondialement pour la description des archives7. C’est dans ce contexte que prend place la parution du RIC. Il est alors nécessaire de construire des ponts. [Voir paragraphe plus bas « Faire du RIC depuis l’EAD 2002 ou 4 »]
La SAA, et plus précisément son Technical Subcommittee on Encoded Archival Standard (TS-EAS), engage alors une révision conjointe des standards de description (EAD et EAC-CPF8) qui part du principe que les méthodes de description archivistique ont beaucoup évolué depuis la première parution de l’EAD en 19989.
Un nouveau standard EAC-F (Encoded Archival Functions) vient également transposer la norme ISDF pour documenter les domaines fonctionnels. La révision optimise la coopération des trois standards et assure leur compatibilité avec le modèle conceptuel de RiC (RiC-CM10). Elle intègre notamment la prise en charge des données liées ouvertes grâce à l’établissement de relations entre des entités mutualisables (personnes, institutions, lieux, périodes, matières, etc.). Il sera donc plus facile de créer des données conformes au RIC à partir de leur encodage en EAD 4.0, EAC-CPF3 et EAC-F1.
EAD 4.0 : qu’est ce qui change ?
L’EAD 4 et le reste du monde
L’EAD dans ses versions antérieures servait à transposer des inventaires papiers sur informatique dans un langage commun et interopérable11. Ici l’EAD passe une étape en organisant la « mise en données » des descriptions afin d’accroître leur potentiel dans un environnement numérique (SIA et site web). En témoigne la disparition des balises permettant des fonctionnalités de mise en forme. En témoigne aussi la limitation des imbrications complexes.
Pour construire cette nouvelle version de l’EAD, le TS-EAS (le comité technique de la SAA) ne s’est pas inspiré que du RIC. L’EAD 4.0 peut en effet être étendu avec d’autres normes et langages comme PREMIS, concernant les métadonnées de préservation, MARC, format d’échanges de données bibliographiques ou d’autres standards.
D’ailleurs, cette volonté d’interopérabilité a eu pour conséquence le changement des formes d’écriture des balises ainsi qu’un renommage plus succinct et/ou plus clair de certaines d’entre elles. Ainsi, désormais toutes les balise prennent la forme <camelCase>, par exemple <biogHist> plutôt que <bioghist> ou encore que <BiogHist> ou <biography or history>.
Cette manière d’écrire les balises est plus conforme aux bonnes pratiques d’écriture en XML, elle est bien sûr également utilisée dans la nouvelle version d’EAC-CPF. Quant aux noms des balises, on pourra citer les exemples fournis dans le guide des révisions de l’EAD12 :
les éléments <accessrestrict> et <userestrict> ont été renommés <accessConditions> et <useConditions>,
<acqinfo> a été remplacé par <sourceOfAcquisition>
ou encore <odd> par <otherDescriptiveInfo>.
Mettre en relation
Une réflexion importante qui a porté ce chantier de mise à jour de l’EAD a été d’améliorer les mises en relations « encodables ». De nombreuses discussions et itérations ont accompagné ce choix13.
La première étape a donc été d’uniformiser la balise <relations>, qui avait été ajoutée dans l’EAD 3.0, et ses sous-balises prennent désormais le même sens que dans l’EAC-CPF. Elles permettent de lier des informations entre elles et des attributs sont disponibles pour l’usage des identifiants URI14. Elles permettent aussi de décrire notamment le rôle que la relation joue vis-à-vis des documents décrits.
La grande originalité d’EAD 4 (et cela le rapproche de RiC), c’est de créer des entités « agents », « functions » et « places » et de les lier aux documents d’archives par des relations explicites.
Trois balises ont été identifiées comme ayant une importance particulière pour la description des documents d’archives par le TS-EAS :
la balise <agents> (qui reprend les informations encodées en EAD 2002 dans <origination>, <repository> et les noms indexés dans <controlaccess> : <persname>, <corpname>, <famname>, <name>) qui permet d’enregistrer les personnes morales ou physiques, les agents, ayant ou ayant eu un rôle dans la création, la pérennisation ou la conservation des documents ;
la balise <functions> (<function> précédemment) pour décrire les domaines d’activité dont découlent la création, la pérennisation, la conservation ou l’utilisation des documents ;
et la balise <formsAvailable> (qui reprend les informations encodées en EAD 2002 dans <dao>, <daogrp> (devenu <daoset> entre-temps), <altformavail> et <originalsloc>) qui permets de mentionner les différents formats et lieux d’existence d’un même document.
Plusieurs autres éléments et attributs viennent préciser l’encodage de ces relations qui permettront donc de créer des modèles de relations au sein des institutions de conservation d’archives ou plus largement.
Les nouveautés dans les balises et leurs attributs
De nombreuses balises et attributs ont donc été renommés ou redéfinis afin, nous l’avons vu, d’être plus conforme au RIC et aux autres normes et langages existants et pour harmoniser les usages entre les différents langages de description des archives. Il ne s’agit donc pas ici de reprendre l’ensemble des modifications, mais plutôt de relever celles qui nous ont paru comme les plus marquantes.
Les concepteurs indiquent des modifications importantes dans la balise <control>. Cette balise avait été choisie dans l’EAD3 pour remplacer <eadheader>. Elle est désormais réservée aux informations administratives nécessaires à la gestion et la maintenance du fichier. Une autre balise (<findAidDesc>), optionnelle, permettra d’enregistrer les informations sur toute instanciation de l’instrument de recherche quel que soit son format (impression, pdf, html).
Du côté des dates, il faut noter la suppression de certaines balises et l’uniformisation des attributs. Certaines informations comme date inconnue ou imprécise seront désormais encodées en attribut.
Une toute nouvelle balise fait son apparition, l’élément <place>, qui permet d’encoder plus largement les lieux, leurs noms, leurs rôles, leur localisation géographique, etc. Cette balise nécessitera l’utilisation de sous-balises précisant le nom, le rôle ou le type de « place » dont il s’agit. Une évolution qui va résoudre bien des problèmes d’indexation.
Concernant les attributs en particulier, les valeurs que l’on insère à l’intérieur des balises pour les préciser, ils sont désormais alignés sur ceux utilisés dans l’EAC-CPF 3.0. On peut souligner l’adoption de trois attributs de vocabulaire @valueURI, @vocabularySource, et @vocabularySourceURI. Ici le terme « vocabulaire » est entendu dans le sens le plus large possible. Il ne se limite donc pas aux principaux vocabulaires des données liées ouvertes (Linked Open Data) mais englobe également toute liste de codes et/ou de termes définie et tenue à jour, qu’elle soit utilisée au sein d’une seule institution ou à plus grande échelle.
Ce qui reste à venir
Dans l’EAD 4, les listes de valeurs prédéfinies intégrées au schéma sont supprimées (par exemple pour @level). De nombreuses listes de valeurs devront cependant être définies au niveau d’une institution ou d’un agrégateur national ou international pour améliorer l’interopérabilité et en faciliter la maintenance.
En route pour la transition
La publication de l’EAD 4 est récente et tous les outils ne sont pas encore disponibles et non encore traduits en français. Le SIAF indique vouloir accompagner les services dans cette transition archivistique et travaille à la mise à disposition d’outils, de guides, de formations, etc15. D’ailleurs des webinaires de présentation des nouvelles ressources publiées par la SAA dont l’EAD 4 seront proposées par le SIAF à partir de début 202716.
Faire du RIC depuis l’EAD 2002 ou 4
Produire des instruments de recherche RDF conforme au RIC-CM depuis un fichier en XML EAD est cependant d’ores et déjà possible. L’EAD 2002 montre quelques limites que l’EAD 4 tend à supprimer. Mais le langage ne fait pas tout. C’est aussi son utilisation qu’il faut ajuster :
en indexant les archives conformément au guide d’indexation des archives à l’heure du web17,
en utilisant des vocabulaires partagés,
en référençant les sources et les identifiants des entités,
en disposant d’URI pour chaque niveau de description et toute entité d’indexation et
en rédigeant des notices de producteurs d’archives par exemple18.
Mnesys et l’EAD 4.0
Naoned suit avec attention les évolutions des standards de description et échange régulièrement à ce sujet avec le SIAF.
La version définitive de l’EAD 4 sera déployée dans la nouvelle génération de SIA : Mnesys Memo. Le nouveau logiciel saura proposer des exports en EAD 4, ce qui converge et offre un pas de plus vers le modèle RIC-CM.
Aucune intelligence artificielle n’a été utilisée pour générer des idées, les formuler ou les agencer. Un outil de traduction automatique a toutefois été utilisé pour la bonne compréhension des ressources non francophones.
L’autrice tient à remercier les personnes qui ont contribué à enrichir cet article au sein des équipes de Naoned et du SIAF.
8 – A l’instar de l’EAD pour Isad(G), l’EAC-CPF est le langage XML, plus récent, qui permet de décrire des producteurs conformément à la norme ISAAR(CPF) ↩︎
La valorisation des archives repose, entre autres, sur la qualité des métadonnées et de la structuration des données en amont. Pour éviter la dette technique et assurer la pérennité des fonds, il est essentiel d’utiliser des outils conçus spécifiquement pour les métiers des archives. En respectant les standards techniques (EAD, ARK, IIIF) et en unifiant gestion et diffusion, les archivistes peuvent transformer la description en une expérience de consultation riche et durable, tout en limitant les coûts de maintenance à long terme.
