2 0 1 0

28 AVRIL

Mettre en place un projet de numérisation

------------------------------------

Sylvain Machefert

Numérisation // Médiaquitaine // 28-04-2010

Contexte[[1]]

Objectifs

Facteurs

Aspects légaux

[[2]]

[[3]]

[[4]]

Numérisation // Médiaquitaine // 28-04-2010

Aspects techniques[[5]]

La mise en ligne

Rappel des étapes

[[6]]

[[7]]

Contexte

CC-BY-SA // Manfrys // Flickr

1

5

Un sujet d'actualité

Sujet d'actualité et de surcroît « brûlant » en matière de bibliothéconomie, la numérisation ne laisse pas de susciter maints commentaires

Conduire un projet de numérisation / 2002

1992 2005 2010

Contexte

6

Les bibliothèques numériques

● Corpus de documents, le plus souvent du domaine public, numérisés et disponibles en ligne

● Développées principalement par les bibliothèques

● Volumétries très variables

● Qualité très variable

– Qualité du contenu– Qualité de la présentation

Contexte

7

Projet Gutenberg

● Projet bénévole lancé en 1971

● 30 000 ouvrages

● Vérification manuelle

http://www.gutenberg.org

Contexte

8

Gallica

● Lancé par la BnF en 1997

● 1 million de documents

– 150 000 livres– 700 000 fascicules de périodiques

● Mode texte et image

● Documents sous droits

– Depuis 2007– 20 000 livres

http://gallica.bnf.fr/

Contexte

9

Wikisource

● Projet frère de Wikipedia, lancé en 2003

● Ouvrages du domaine public (plusieurs dizaines de milliers)

● Partenariat avec la BnF

● Désaccord avec Gallimard (informations)

http://fr.wikisource.org

Contexte

10

Google Books

● Lancé en décembre 2004

● 10 millions d'ouvrages numérisés

– 1,5 millions du domaine public– 2 millions en partenariat avec les éditeurs

● Un accueil mitigé chez les professionnels

– 300 000 € de dommages et intérêts à La Martinière (déc. 2009)

– ~ 20 bibliothèques partenaires

http://books.google.fr/

Le téléchargement dans Google Books

Contexte

11CC-BY-NC-SA // Kathelinejeanpierre.ca // Flickr

Quantitatif : avantage Google

⟶ Plus, plus vite et moins cher que tout le monde

Qualitatif : avantage Google ⟶ Presque aussi bien que tout le monde

Accès : avantage Google ⟶ Plus rapide, plus efficace, plus « pratique », plus central

Source : Olivier Ertzscheid

Un avis sur la numérisation de masse

CC-BY-SA // Multimotyl // Wikimedia Commons

Les objectifs

2

13

Diffuser

● Document aisément reproductible

● Palliatif intéressant pour les ouvrages difficilement communicables

● Ne nécessite pas de matériel spécifique (≠ microfiches)

● Non exclusif

Objectifs

14

Valoriser

● Mise en avant sur un site Internet

● Diffusion élargie

– Moissonnage par des bibliothèques d'envergure

– intégration dans des projets externes aux bibliothèques– Flickr Commons

– Wikimedia Commons

Objectifs

15

Préserver

● Limite les manipulations des originaux

● Pérennité des supports numériques

Objectifs

⚠

CC-BY // Cat & Nat // Flickr

Les facteurs

3

17

Type de document

● Forme de l'objet

– Texte ou graphique– Imprimé ou manuscrit– Couleur / Noir et blanc

● Contenu

– Texte– Formulaire– Niveau de structuration

Facteurs

18

Format du document

● Taille (A4, A3, format spécifique ...)

● Couleur

● Papier

● Pagination

– Automatisation– Choix du format de sortie (multipage ?)

Facteurs

19

Volume

● Méthode et coût

– Automatisation, sous-traitance

● OCR et recherche plein texte (plutôt qu'indexation ?)

● Gestion des transferts vers le prestataire

● Ressources disponibles en interne

● Stockage des documents numériques

Facteurs

20

Homogénéité du fonds

● Formats différents

– Méthode de scannage à adapter ? – Qualité de l'OCR sur un corpus hétérogène ? – Coût

● Documents de nature différente

– Pertinence du traitement dans un seul projet ?

Facteurs

21

État des documents

● Choix du scanner et de la méthode

● Traitement sur place

– Création d'un atelier

– Main d'œuvre dédiée

Facteurs

22

Coût

● 15 à 75 centimes par page (très variable)

● 60 à 75 % du coût en main d'œuvre

● Ne pas négliger les coûts induits en local

– Sélection des documents– Préparation des trains de numérisation– Contrôle qualité

Facteurs

Aspects légaux

4

CC-BY // Lnanimatt // Flickr

« Les opérations de numérisation de documents ne confèrent à la bibliothèque aucun droit de propriété littéraire et artistique

sur les œuvres ainsi reproduites. »

http://www.culture.gouv.fr/culture/mrt/numerisation/fr/dll/juridi.html

Le droit moral● Droit de divulgation● Droit de paternité● Droit au respect de l'œuvre● Droit au repentir

CC-BY // Midgefrazel // Flickr

Les droits patrimoniaux

● Droits de reproduction● Droits de représentation

CC-BY-NC-SA // France.Diplomatie // Flickr

L'auteur jouit, sa vie durant, du droit exclusif d'exploiter son œuvre sous quelque forme que ce soit et d'en tirer un profit pécuniaire. Au décès de l'auteur, ce droit persiste au bénéfice de ses ayants droit pendant l'année civile en cours et les soixante-dix années qui suivent.

Art. L.123-1 du code de la propriété intellectuelle

Creative CommonsBYAttribution

NCNon Commercial

NDNo Derivative

SAShare Alike

CC-BY-SA // Arnij // Flickr

CC-BY // Dolarz // Flickr

Aspectstechniques

5

30

Modes de numérisation

Mode texte Mode image

+

● Donne du sens au contenu● Permet l'indexation, la recherche

● Restitution du document original à l'identique

­

● Plus cher● Nécessite d'avoir des outils performants

● Limite les possibilités en terme d'usage

Idéal : une combinaison des deux numérisations

Technique

31

OCR

● Reconnaissance optique de caractères

● Taux de reconnaissance > 99% pour des textes propres

● Plus compliqué sur du document ancien ou manuscrit

http://gallica.bnf.fr/ark:/12148/bpt6k56800101.texte.f7

http://gallica.bnf.fr/ark:/12148/bpt6k56800101.f7

Technique

32

ICR

● Reconnaissance intelligente de caractères

● Mécanisme d'apprentissage

● Plus adapté aux manuscrits

Technique

33

L 'expérience reCAPTCHA

Source OCR reCAPTCHA

Technique

34

Résolution

● Se mesure en point par pouce

– 1 pouce = 2,54 cm– 1 pouce = 1 inch

● Résolutions standards (BnF, 2008) :

– Fichiers de conservation : 300 dpi– Fichiers de diffusion : 150 dpi– Fichier de visualisation : 72 dpi

Technique

35

Couleurs

● Noir & Blanc

● Niveau de gris

● Couleurs

● Échantillonage (bits par pixel)

– 1 bit → 2 couleurs (noir et blanc)– 2 bits → 4 couleurs ou niveaux de gris– 8 bits → 256 couleurs ou niveaux de gris– 24 bits → 16 millions de couleurs (vraies couleurs)

Technique

36

Métadonnées EXIF

● Exchangeable Image File

● Dernière version en 2002 (2.2)

● Standard de fait

● Produite par un appareil photo ou ajoutées a posteriori

● Décrit :

– Résolution, dimension, orientation de l'image

– Date et heure de la prise de vue– Informations sur l'appareil (fabricant, type, réglages)

– Coordonnées géographiques

CC­BY­SA // YellowShark // Wikimedia Commons

Technique

37

Métadonnées IPTC-IIM

● International Press and Telecommunications Council Information Interchange Model

● Utilisé dès 1994 par Adobe

● Métadonnées descriptives :

– Titre– Auteur– Agence– ...

Technique

38

XMP

● eXtensible Metadata Platform

● Créé par Adobe en 2001

● Basé sur XML / Dublin Core, IPTC-IIM et EXIF

● Encapsulable dans des fichiers JPG, TIFF, DNG, PDF

Technique

La mise en ligne

CC-BY // Arnoldius // Wikimedia Commons

6

Une étape obligatoire● Pour répondre à nos décideurs / financeurs● Pour répondre à nos usagers● Pour rencontrer un nouveau public

CC-BY-SA // Roulex_45 // Wikimedia Commons

Priorités● Ouverture● Interopérabilité● Accessibilité

Libre de droits // Rundvald // Wikimedia Commons

42

OAI - PMH

● Format d'échange basé sur XML

● Fourniture des données en Dublin Core

● Protocole très simple

– Informations sur un serveur– Liste des enregistrements

● Nécessite d'avoir des urls pérennes

CC-BY // SophieA // Flickr

Choix des outils● Libre / Propriétaire● Local / Hébergé● Full-web ou pas

44Mise en ligne

BM Toulouse

Sur son site● Logiciel libre : Greenstone (unesco)● Application web● Classement par collections

http://numerique.bibliotheque.toulouse.fr

Sur Flickr● Projet The Commons● Dissémination du contenu● 920 images

http://www.flickr.com/photos/bibliothequedetoulouse/

45

BM Lille

● Logiciel libre : SDX● Application web

http://numerique.bibliotheque.bm-lille.fr

46Mise en ligne

BM Fréjus

● Hébergement chez Arkhenum● Numérisation des archives d'un journal local● Numérisation PDF / Texte

http://www1.arkhenum.fr/bm_frejus_le_var/

47Mise en ligne

Université Rennes 2

● Logiciel libre : Omeka● Application web● Plugins variés :

● Serveur OAI● Géolocalisation● Visualisation

http://bibnum.univ-rennes2.fr

CC-BY-SA // Sémhur // Wikimedia Commons

Étapes duprojet

7

49

La numérisation

● Définir les objectifs de la numérisation

● Sélectionner le fonds à traiter

– Fonds préexistant ou sélection d'un sous-corpus

– Importance de l'homogénéité de l'ensemble– S'assurer des contraintes législatives

● Répartir les rôles

Étapes

50

La numérisation

● Définir les questions techniques

– Résolution– Format– OCR– Métadonnées– Support de livraison

● Définir une règle de nommage

● Contrôler la qualité des documents produits

● Archiver les documents

Étapes

51

La diffusion

● Choisir ce qui doit être diffusé

● Choisir la manière de diffuser

– Via un outil interne– Via un site web externe

● Si on diffuse via un outil interne, s'assurer de :

– Son ouverture– Son interopérable– Son accessibilité

Étapes

MERCI

symac

Supportsous licence

Creative Commons BY SA

Inspiré du support de cours de Claire

Scopsi(INTD-CNAM)