Le projet d’archivage à long terme des données de la phonothèque de la MMSH continue son chemin avec le soutien de la TGIR Huma-Num. Il va être mené conjointement avec l’équipe de la plateforme Telemeta, notre partenaire CNRS dans le projet Europeana Sounds. Pour préciser notre méthode de travail, nous avons reçu le 5 mai 2014 à Aix-en-Provence Nicolas Larrousse (Huma-Num). Avec lui, et avec nos collègues de Telemeta en  visioconférence depuis Nanterre, nous avons fait un point sur la mise en place d’un archivage sur le long terme de nos données sonores, un diaporama à l’appui :

Après cette présentation la question qui s’est posée a été celle de définir l’unité intellectuelle (ou « paquet ») à archiver : déposerions-nous nos archives par fonds, corpus, enquête ou item ? La question est centrale, car chaque « paquet » ou SIP – Submit information package – est défini avec précision par le CINES. Après chaque dépôt de SIP, le déposant reçoit un courriel de validation qui délivre un numéro d’identifiant ARK (Archival Resource Key). Après avoir longuement échangé avec l’équipe de Telemeta, le dépôt par « corpus » (ou « collection ») nous a paru le plus pertinent. Les collections, conservées dans leur intégrité sur le long terme, permettront de mieux reconstituer le contexte de production des données. Un fichier XML décrira le corpus, le nombre d’enquêtes et éventuellement d’items, les documents annexes et les fichiers sons y seront associés. Les SIP sont destinés à une « conservation définitive » (expression apposée à chaque SIP). L’identifiant ARK sera récupéré et affiché dans les notices « corpus » des banques de données. Pour rappel, chaque notice d’enquête ou d’item possède un numéro Handle obtenu à partir du moissonnage d’Isidore. A l’occasion de cette entrée en phase de préparation à l’archivage, une pré-estimation du volume des données de la phonothèque de la MMSH pour un premier dépôt a été évaluée, à 2000 Go.

Il s’avère que dans le cadre du projet Europeana Sounds, la phonothèque vient d’achever un récolement complet de son fonds : il permettra de mettre en oeuvre plus facilement l’archivage sur le long terme. Depuis les premières numérisations à la phonothèque en 2000, deux récolements avaient été réalisés mais aucun n’avaient été aussi complets et minutieux. Ainsi, pour chaque enquête, nous avons vérifié que :

– Un fichier sonore au format Wave  est bien rattaché à la notice documentaire.

– Un fichier de consultation au format MP3 est disponible avec le fichier Wave. Dans un premier temps, un travail de conversion de chaque fichier au format Wave vers un format de consultation (MP3) a été engagé. Toutefois, la phonothèque n’a pas les moyens techniques nécessaires au bon déroulement de ces transferts de façon “industrialisée” (outils de conversion permettant le traitement massif et assurant la validité et l’intégrité des fichiers). En collaboration avec Huma-Num, nous allons étudier les modalités d’automatisation de cette opération. Nous préciserons cette phase ultérieurement et créons pour le moment les fichiers de consultation au fur et à mesure de la demande de mise en ligne.

– Les métadonnées génériques en vue de l’archivage sont valides.

– Chaque notice documentaire est bien rattachée à un “corpus”, et chaque corpus rattaché à un “fonds”.

– Les formats sont valides. Cette validation s’est faite à partir d’échantillons prélevés dans les corpus en utilisant le programme Facile.

– Les informations confidentielles dans les entretiens ont bien été supprimées et documentées dans les fichiers de consultation.

– Un lien a bien été enregistré vers les contrats existants : enquêteur, informateur ou ayant droit.

– Lorsque les contrats existent les obligations ont été respectées. L’équipe de la phonothèque a vérifié s’il était nécessaire – ou pas – de mettre les informations à jour, et si les restrictions demandées par les différents acteurs avaient bien été respectées. Les questions éthiques ont aussi été prises en compte et toutes les métadonnées ont été validées. L’équipe est allée parfois jusqu’à l’écoute pour vérifier éventuellement si des informations confidentielles devaient être supprimées des fichiers de consultation.  Des contacts ont été recherchés, en particulier pour les enquêteurs qui n’avaient pas encore signé de contrats.

–  Lorsqu’il s’est avéré impossible de contacter les enquêteurs ou les collecteurs, si la prise de risque de mise en ligne pouvait être évaluée. Auparavant déjà, dans certains cas, des conseils scientifiques thématiques avaient été mis en place (Ex. : fonds sur le Yémen enregistrés dans les années 1980 ou dans le Sud du Sahara, enregistré dans les années 1960). Il a été décidé que le conseil scientifique de la MMSH, constitué d’enseignants-chercheurs, de chercheurs et de représentants d’institutions de l’enseignement supérieur et de la recherche, sera sollicité une fois par an pour une expertise et conseil à propos des questions juridiques et éthiques qui se posent à la diffusion de certaines archives.

La prochaine étape est désormais, pour la phonothèque de la MMSH, de mettre en place un archivage intermédiaire sur les serveurs d’Huma-Num pour simplifier le flux du dépôt. A suivre donc…

Premier billet sur la préparation de l’archivage sur le long terme au CINES en collaboration avec la TGIR Huma-Num, publié le 20 avril 2014 : https://phonotheque.hypotheses.org/12741

Article rédigé en collaboration avec Matthieu Andréani et Marine Soubrié.

Crédits photographiques : archives en boîtes à chaussures, photographie d’Hélène Loukou, 2013.

---

---