Suite de la synthèse des journées de formation FREDOC 2009 s’appuyant sur l’intervention de Muriel Foulonneau (Henri Tudor Research Centre).

Comment partager ?

L’OAI-PMH est un protocole complet, simple à implémenter, qui peut intégrer des logiciels (packages) et gérer de grandes quantités de métadonnées.

D’après une enquête récente (Department of Computer Science, University of Cape Town, 2009) ce protocole est parmi les plus populaires dans le monde de la documentation. Le tableau suivant est extrait de cette étude :

Protocols	Number of people at each level of expertise
	1	2	3	4	5	No answer
RSS	3 (13%)	6 (26.1%)	9 (39.1%)	3 (13%)	1 (4.3%)	1 (4.3%)
ATOM	1 (4.3%)	4 (17.4%)	7 (30.4%)	9 (39.1%)	1 (4.3%)	1 (4.3%)
APP	0 (0%)	1 (4.3%)	1 (4.3%)	3 (13%)	17 (73.9%)	1 (4.3%)
Z39.50	0 (0%)	0 (0%)	6 (26.1%)	12 (52.2%)	4 (17.4%)	1 (4.3%)
0AI-PMH	7 (30.4%)	7 (30.4%)	5 (21.7%)	0 (0%)	3 (13%)	1 (4.3%)
OAI-ORE	1 (4.3%)	1 (4.3%)	5 (21.7%)	9 (39.1%)	6 (26.1%)	1 (4.3%)
SRU/W	0 (0%)	0 (0%)	7 (30.4%)	5 (21.7%)	10 (43.5%)	1 (4.3%)
SWORD	0 (0%)	0 (0%)	7 (30.4%)	5 (21.7%)	10 (43.5%)	1 (4.3%)

Légende : Level 1: Expert implementer ; Level 2: Implemented (have written code for an implementation of the protocol) ; Level 3: Read and understood ; Level 4: Heard about it, but do not know the details ; Level 5: Never heard about it

Alors pourquoi n’a-t-il pas plus de succès ? Certains le trouve trop compliqué et préfèrent l’indexation par crawl (passage sur les sites à intervalles réguliers et de façon automatique). Une des raisons réside dans le manque de précision des métadonnées, par exemple la zone “DC identifier” devrait correspondre à l’url de la ressource mais… ce n’est pas toujours le cas. Pour des moteurs comme Google, c’est une perte d’efficacité. Quoi qu’il en soit, l’OAI-PMH a d’autres qualités. Il gère par exemple plusieurs niveaux d’interopérabilité comme le type de modèle (réservé ou partagé), les spécifications techniques, les spécifications des syntaxes de réponses, les spécifications des métadonnées [intervention de B. Cénou] ce qui n’est pas le cas, par exemple, de Sitemaps qui ne gère que les dialogues fournisseurs de données/fournisseurs de services. L’intérêt est aussi que, couplé avec XML, il évolue aussi avec les technologies qui y sont liées [Intervention de C. Morel-Pair]. Ainsi le Dublin-Core s’attache à la description du contenu, RDF fourni le modèle, RDF/XML la syntaxe jusqu’au web sémantique. Couplé à HTTP, XML et DC, l’OAI-PMH peut nécessiter la mise en place d’adaptations spécifiques (un schéma XML a été développé pour intégrer n’importe quel format RDF).

Pour savoir comment partager, commençons donc par les métadonnées. Ces métadonnées sont un peu comme la prose de Monsieur Jourdain : tout le monde en fait sans le savoir. Dans l’utilisation du protocole, le fournisseur de données doit les fournir au minimum au format Dublin Core. Cette obligation de ce format très générique et peu contraignant a inquiété de nombreux implémenteurs même si certaines communautés se le sont approprié comme OLAC (Open Language Archives Community) ou NSDL (National Science Digital Library) et le NDSL-DC.

Evidemment au moment du mapping [Ateliers], les bibliothécaires sont anxieux car même en bricolant, le MARC n’entrera pas dans le DC : il faut se faire une raison, tout ne peut être “mappé” et utiliser le Dublin-Core entraînera automatiquement un appauvrissement de ses données. A vous de déterminer quel format vous devez (ou pouvez) utiliser en fonction de vos objectifs. Ce protocole a d’autres avantages : outre le fait qu’il offre des formats multiples, il permet de documenter et de rendre ses données partageables. Et si aucun standard ne convient, il est possible d’en créer un plus adapté sur la base d’un format existant.

En deux jours il était difficile de connaître tous les détails de la mise en place d’un entrepôt mais Bruno Cénou a su présenter de façon synthétique les éléments importants. Le moissonnage d’un entrepôt est plus facile à mettre en oeuvre grâce à PKP Harvester, notamment mis en oeuvre par Crévilles, ou à des outils légers, plus personnels et personnalisés [Intervention de Jean-Baptiste Genicot (CN2SV), Mon carnet 2.0]. Le spécialiste de l’IST doit en particulier connaître les 6 verbes du protocole pour être capable d’interroger son dépôt et vérifier que tout est à sa place :

• Identify : vérifier si le service désigné est bien un répertoire OAI,
• ListMetadataformats : demander la liste des formats de métadonnées fournie par l’entrepôt,
• ListSets : obtenir la liste des ensembles (sets) que le fournisseur de données met – éventuellement – à disposition (thème, collection, nom de revue…)
• ListIdentifiers : obtenir la liste des identifiants et des dates de dernière modification des items disponibles dans la base,
• GetRecord : collecter l’information d’un enregistrement (item) spécifique,
• ListRecords : récupérer en bloc l’ensemble des enregistrements (items) de l’entrepôt ou d’un ensemble OAI spécifié. Un petit conseil à ce niveau, il ne faudra pas oublier d’aller jusqu’à la dernière ligne de ListRecords et vérifier la taille du dépôt dans completeListSize.

Les services mis en place sont multiples et adaptés aux besoins des communautés. Ainsi on a pu voir, entre autres, lors de ces journées la présentation de Somrev, une collecte automatique de sommaires de périodiques via les serveurs OAI-PMH des portails de revues [Intervention de Sophie Fotiadi], la création de moissonneurs OAI thématiques comme OAI-ville avec Crévilles [Intervention de Pascal Garret] ou le signalement de sources éditées avec le projet “Sources éditées” du CN2SV [Intervention de Marie-Hélène Wronecki]. L’intervention de Frédéric Martin nous a montré comment Gallica utilise ce protocole pour mettre en ligne ses ressources numériques. La BnF a d’ailleurs produit plusieurs manuels en direction des spécialistes de l’IST.

Au cours de ces journées, HAL a souvent été cité car c’est en France le plus grand entrepôt de taille critique d’articles scientifiques déposés par les chercheurs. C’est un fournisseur de données qui permet aux grands agrégateurs européens (DRIVER) ou mondiaux (OAISTER intégré désormais dans le catalogue Worldcat) de le moissonner à nouveau ou offre à des archives institutionnelles la possibilité de présenter les données sur les publications de leur institution avec l’interface qu’elles souhaitent (système de collection). Avec des terminologies contrôlées et des auteurs identifiés, HAL n’a pas fini de stimuler les propositions de créations d’outils. La présentation de Haltools est un exemple de ces possibilités [intervention de Laurence Farhi]. HAL doit rester au centre des intérêts des professionnels de l’IST dans le monde de la recherche car il va évoluer et offrir de nouvelles applications. La création d’un groupe de travail a été évoqué au cours des journées pour cerner et accompagner ces potentialités.

Catherine Morel-Pair a passé en revue les différents formats qui peuvent être utilisés, en fonction des objectifs de diffusion des différents centres, qui veulent que leurs métadonnées soient moissonnées. Et ils sont légion. Pour visualiser l’intérêt d’utiliser des formats, une image d’un tas de boîtes de conserves en vrac et sans étiquettes a circulé. Cette image, reprise d’un Guide de mise en place des métadonnées pour les ressources Web du gouvernement du Canada, a permis au public de bien comprendre l’intérêt de décrire ses données pour les retrouver et de savoir les choisir : au supermarché on choisi sans hésiter une boîte de ragoût ou de la nourriture pour chat, en fonction de l’image reproduite ou des ingrédients affichés ; la caissière grâce au le code-barre n’a pas à taper son prix. Ainsi, il est essentiel de déterminer au départ quelles métadonnées on souhaite diffuser. Le centre qui souhaite conserver les notions de collections se tournera vers des formats complexes comme Mets [Metadata Encoding and Transmission Standard] qui va permettre les échanges de documents numériques entre institutions patrimoniales. Les institutions qui l’utilisent sont signalées ici : http://www.loc.gov/standards/mets/mets-registry.html, elles sont de plus en plus nombreuses. Il y a encore MPEG/DIDL, MODS, ETDMS, TEF, BIBLIOML, LOM, OAI-ORE, EAD, POWDER… qui correspondent chacun à des projets différents. Par exemple le TEF permet de décrire des thèses.

Prochain billet : que peut-on attendre de ce partage ?

Synthèse rédigée par Françoise Acquier (CRESSON), Danielle Cristofol (CPPM) et Véronique Ginouvès (MMSH), sous la lecture bienveillante de Muriel Foulonneau (Henri Tudor Research Centre).

1ère partie : http://phonotheque.hypotheses.org/2566

3e partie : http://phonotheque.hypotheses.org/3037

Crédit photographique : Children with jigsaw puzzle, Nickolas Muray (American 1892-1965), février 1942, George Eastman House Collection. Pas de restrictions de copyright connues http://www.flickr.com/photos/george_eastman_house/3122867563/

---

---