Numérisez, conservez…documentez!

Les archives ont été sélectionnées, la numérisation a été réalisée et vérifiée, les fichiers ont été sauvegardés dans une optique de conservation sur le temps long…et ensuite ? Les mettre en ligne ?

Si cela peut paraître aisé, la réalité cache encore une fois des subtilités : car le fichier numérique doit être un minimum documenté pour être accessible dans le vaste espace de l’internet.

Un fichier dans le web

La mise en ligne pure et simple d’archives numérisées n’est pas souhaitable pour des institutions cherchant à valoriser et rendre accessible leur travail de conservation et de numérisation des documents. Cela reviendrait simplement à publier sur un site web un fichier image, sans renseignements ni contexte permettant d’en comprendre l’origine et la raison d’être, ni même son contenu.  

Ainsi, toute diffusion en ligne d’archives numérisées demande un travail de documentation et de renseignement sur ces mêmes archives, afin de les rendre accessibles au public. Pour les archives sur support analogique, cette documentation prend la forme d’instruments de recherche et de conditionnements cotés. Pour leur pendant numérique, cette documentation prend la forme de métadonnées, soit des données rattachées au fichier numérique afin de le commenter. Plusieurs types de métadonnées existent, selon leur objectif et leur méthode de création.

Les métadonnées internes

Par défaut, les fichiers possèdent des renseignements intrinsèques à leur format de sauvegarde : ces métadonnées permettent de connaître le contexte de création du fichier, notamment quand et comment celui-ci a été créé, mais elles peuvent également renseigner sur des droits de propriété apposés sur l’appareil à l’origine du fichier. 

En science de l’information, on qualifie souvent ces données de « techniques » (relevant de la technique de constitution du fichier même). Ces métadonnées sont intéressantes car elles peuvent permettre de contrôler la qualité des fichiers et d’en suivre l’évolution si plusieurs fichiers de même format et d’une même archive numérisée se retrouvent ensemble. Les métadonnées les plus courantes pour les numérisations de document sont celles au format EXIF, produites automatiquement par tout appareil photographique.

Capture d’écran de métadonnées EXIF d’une photographie des fonds sonores du CRBC. Source : Wikimedia Commons
Les métadonnées englobantes

Ces métadonnées ne sont pas intégrées au fichier comme les précédentes, mais y sont reliées ensuite, par le biais de logiciels spécialisés ou de système de gestions de données. Elles permettent, non pas de comprendre le fichier lui-même, mais d’interpréter son contenu, ce qui est ainsi qualifié de données « documentaires ». Plusieurs schémas existent, du plus souple comme le Dublin Core (utilisé par la bibliothèque numérique du CRBC entre autres), à des schémas plus techniques et pointus, adaptés à des contenus spécifiques (par exemple XML/TEI pour permettre d’encoder des textes en détail).

Exemple, tiré des TEI guidelines (p.160), de métadonnées XML/TEI. Texte encodé : Hamlet, Shakespeare (premier Quarto).
Exemple, tiré de la Bibliothèque numérique du CRBC,  de métadonnées Dublin Core : Manuscrit original de l’œuvre Le cheval d’orgueil(PJH 097)

Ces métadonnées sont les plus pertinentes pour permettre une recherche et un accès aux fichiers mis en ligne. Cependant, elles demandent aussi un travail précis de description du contenu. Dans le cadre de la Bibliothèque numérique du CRBC, ces métadonnées sont saisies manuellement par le personnel de la bibliothèque à partir de descriptions tierces (des inventaires d’archives, des catalogues bibliographiques) ou à partir d’une collaboration scientifique avec des chercheuses et chercheurs.

Elles concernent la matérialité des documents d’origine, le volume et le support physique par exemple, mais rassemblent également des informations sur le contenu, les thèmes abordés et le contexte de création du document original.

Ce sont ces métadonnées qui permettent ensuite au public de retrouver les documents numérisés. Les institutions prennent donc soin de désigner et signaler au mieux les fichiers numériques par des métadonnées précises, afin de rendre visible le document et d’en permettre un accès le plus pertinent possible. Avant toute mise en ligne de numérisation, il y a donc une réflexion à mener sur ces descriptions, afin d’en présenter une structure stable et cohérente au fil des numérisations et des projets de mise en ligne.

Ce n’est qu’une fois fini ce travail de documentation que le CRBC met en ligne sur sa bibliothèque numérique ces fichiers de numérisation.


Comme nous avons pu le voir à travers les différents articles écrits au cours de ces derniers mois, la numérisation de documents d’archives est un processus intellectuel et technique demandant du temps et de la préparation pour les institutions qui s’engagent dans cette pratique. Assurer un travail en amont de contrôle, gestion et vérification des étapes menant à la diffusion des archives numérisées est donc nécessaire, pour proposer au public un accès utile et utilisable sur le long terme aux ressources conservées. D’où ce qui peut sembler une certaine lenteur de diffusion à l’esprit des non-avertis, mais qui n’est que le reflet de la structuration minutieuse de nouvelles pratiques pour les institutions scientifiques et patrimoniales.

Quelles solutions pour conserver des fichiers numériques ?

Nous l’avons vu, les fichiers numériques représentent un grand défi pour les institutions prenant en charge des archives, autant dans la garantie d’un accès au fichier lui-même qu’à son contenu. Des pistes sont étudiées pour dépasser les problématiques du numérique, et nous allons en voir quelques unes. 

A court terme

La pratique la plus courante est la multiplication des supports et des systèmes de sauvegarde. 

Afin d’assurer la conservation des fichiers créés, et d’avoir un accès permanent à (au moins) une version saine du fichier, les services peuvent se reposer sur plusieurs supports de sauvegarde des fichiers numériques (ayant chacun leurs avantages et leurs inconvénients) : serveurs informatiques (qu’il s’agisse d’un serveur sur site ou à distance de type Cloud), disques durs externes, bandes magnétiques, voire à une époque CD-rom. L’important est d’avoir de multiples copies d’un même fichier sur des supports différents afin de s’assurer que la corruption de l’un d’eux ne génère pas la corruption des données mêmes.

Ces sauvegardes multiples font ensuite l’objet d’un contrôle de la part des services (souvent réalisé en comparant entre elles par calcul d’intégrité les copies avec l’intégrité calculée du fichier d’origine). Si l’un des fichiers se dégrade plus que les autres, celui-ci sera remplacé par une copie (encore intacte) du fichier d’origine. Car le simple stockage d’un fichier ne signifie pas qu’il ne soit pas activement en cours de dégradation ou qu’il n’ait pas subi de modifications. 

Il est en effet assez aisé de modifier volontairement ou involontairement certaines données numériques, que cela soit par une manipulation même des données dans les documents ou lorsque l’on cherche à atteindre des données assez anciennes pour que le système d’exploitation utilisé demande une mise à jour du format de fichier consulté (conversion automatique vers un format plus acceptable pour le système d’exploitation…mais qui n’est pas garant de la bonne interprétation de l’ensemble des données contenues dans l’ancien fichier).

Le contrôle d’intégrité permet de vérifier facilement si le fichier a subi des évolutions. Quelles modifications y ont été apportées, cela malheureusement ne peut se savoir par ces moyens, mais l’important pour le service est d’avoir conscience de la modification, afin de pouvoir contrer cette dernière en échangeant le fichier corrompu avec une copie contrôlée et intègre du fichier d’origine. 

Cependant, cette pratique n’influence pas la conservation du support même sur lequel le fichier est enregistré, seulement le fichier concerné. Or, les supports de données numériques ont une durée de vie limitée comme n’importe quel support d’information, et, s’ils sont couramment utilisés, même uniquement dans un but de stockage, ils connaissent des évolutions et des dégradations au fil du temps. Le plus souvent, la dégradation des données s’effectue en premier de manière invisible à l’œil humain, et la personne consultant le fichier ne s’en rend compte que lorsque ce dernier ne peut plus être lu correctement par son logiciel de traitement. 

Il est courant dans les services d’archives de considérer qu’après 5 ans, un disque dur comme un CD-rom ne peuvent plus être reconnus comme fiables. Les serveurs informatiques, selon leur taille et leur environnement, peuvent être jugés convenables jusqu’à une durée d’entre 5 et 10 ans. Lorsque l’on pense aux parchemins du Xème siècle, cela paraît bien peu…  

Mis à part cette multiplication des supports et des fichiers, la diffusion à grande échelle des fichiers secondaires est également un bon moyen de penser la sauvegarde du contenu concerné (même sous un format dégradé). La copie, même de moindre qualité, reste une copie qui, en cas de besoin peut permettre de donner accès à un minimum d’information sur le fichier d’origine. 

Et à long terme? 

Deux solutions existent, lorsque les premiers fichiers créés montrent une perte d’intégrité : la migration ou l’émulation. Ces méthodes jouent sur deux approches différentes du fichier conservé.

Dans le cadre de la migration, solution la plus courante dans les services d’archives,  le format du fichier est volontairement modifié. Comme nous l’avons déjà abordé, le format d’origine du fichier n’est pas forcément une garantie à long terme de la conservation ou de l’accès aux données enregistrées. Il faut donc parfois, après quelques années, envisager une conversion du fichier. Un nouvel exemplaire du fichier d’origine est créé dans un format autre que son premier format. Le format de destination est alors estimé plus fiable pour la conservation et pertinent pour son exploitation par les outils numériques actuels.

Cette solution requiert une certaine puissance technique, afin de pouvoir gérer la masse de conversions nécessaires. De plus, elle peut occasionner des pertes de données du fait du changement de format. Même si cela est réalisé dans un but de conservation, toute modification du fichier entraîne une modification des données enregistrées. Il s’agit donc d’estimer la pertinence de la migration pour le fichier.

L’autre possibilité est l’émulation. Cette solution implique la reproduction sur un système d’exploitation actuel d’un environnement matériel et logiciel externe, souvent plus ancien. Ce que l’on appelle ainsi l’émulateur simule l’environnement d’origine du fichier, permettant ainsi sa lecture par les logiciels adaptés et donnant donc l’assurance d’un accès complet aux données d’origine (dans le cadre ou le fichier est toujours intègre) sans nécessiter le changement de son format. L’architecture technique, les complexités  en termes de droit et de sécurité ne sont pas négligeables avec cette solution, mais celle-ci se développe notamment par la garantie du traitement complet des données du fichier, selon son contexte de création. 

Ces possibilités ne sont pas des garanties lors de la mise en œuvre d’une conservation complète et sans erreur du fichier numérique. Ce sont cependant des solutions face à une technologie encore jeune, évolutive et toujours plus complexe. La conservation des fichiers numériques est une question à penser, lorsque le monde dans lequel nous évoluons est autant tourné vers ces mêmes fichiers

Conserver des fichiers numériques: est-ce possible?

Dans le cadre de la numérisation d’archives, la création d’un fichier maître mais aussi de fichiers secondaires implique des ressources informatiques importantes pour gérer ces fichiers. Et elles ne sont pas à négliger lorsqu’il est envisagé une conservation sur le temps long des fichiers en question. Mais à quelle conservation pensons-nous dans ce cadre?

Conservation et technologies : un combat sans fin

Lorsque l’on parle de technologies numériques et de la conservation des fichiers numériques par ces technologies, il est assez courant d’entendre de l’étonnement face aux problématiques soulevées. Le numérique, et sa propension dans notre vie actuelle, laissent souvent penser que ces technologies n’ont pas de fin, et que, par leur simple fonctionnement, elles conservent d’elles-mêmes les fichiers qu’on y dépose.

Cependant, technologie ne se conjugue que très rarement avec conservation sur le temps long. Les services d’archives n’ont par exemple aucun mal à conserver (sans catastrophe ou événement attaquant le service même bien entendu) des parchemins du XIIIème siècle. Ce qui n’est pas le cas de pellicules photographiques et audiovisuelles par exemple, que les spécificités de manipulation et la composition chimique rendent extrêmement sensibles. Idem pour des fax (dont l’encre s’efface en moins de dix ans en moyenne) ou des publications de presse , qui malgré leur modernité se révèlent plus fragile.

Les technologies numériques, malgré leur apparente simplicité d’utilisation et leurs évolutions continues au fil des années, ne sont pas extérieures à ces problématiques de conservation. La complexité d’encodage des données informatiques, passant d’une forme binaire à un traitement selon le format du fichier pour sortir des éléments intelligibles par une machine et une personne implique en retour un travail régulier de vérification des fichiers créés numériquement. De même, bien que l’informatique soit souvent vue comme une dématérialisation des fichiers, ces derniers restent bien concret au cœur d’un réseau informatique. De fait, si les serveurs stockant les fichiers rencontrent un problème, les fichiers ne sont pas à l’abri de dégradations voir d’une disparition. Il est donc nécessaire de penser dans ce cadre à la fois au fichier lui-même et à son support de stockage.

La possible disparition des données

Depuis le développement de l’informatique, une question traverse parallèlement le monde des archives: comment conserver les données créées par ces nouvelles technologies et en assurer la transmission dans l’avenir? 

La question est loin d’être innocente. En effet, ce développement technologique sans précédent est la source de nombreux doutes au sein des services d’archives. Ces questionnements sont présents au point où la notion d’Âge sombre numérique s’est développée dans les milieux concernés. En référence à un terme employé (et critiqué) en historiographie pour désigner une période historique néfaste, l’Âge sombre numérique représente cette période de temps où les technologies se développent mais les méthodes de conservation pour assurer leur préservation ne sont pas encore mises en place. Mentionnée pour la première fois en 1997, cette notion fait référence à l’idée qu’à l’avenir, certains fichiers numériques ne seront plus accessibles par obsolescence des systèmes y donnant accès ou par corruption même des données au fil du temps.

Encore en 2020, même si la théorie existe, les méthodes de conservation ne sont pas uniformisées et les techniques restent incertaines car seul le temps permettra aux institutions de savoir si leur planification a été pertinente ou non. La multiplication des formats de fichiers, du type de données, des logiciels de traitement de ces dernières et leur grande diffusion sur de multiples réseaux (par mail ou plateformes web) est source de nombreux questionnement pour la conservation de l’information ainsi transmise.

La numérisation d’archives est donc un exercice demandant une réflexion constante de la part des institutions sur leur capacité à gérer et suivre techniquement et humainement l’évolution de leurs fichiers et de leurs systèmes informatiques.

Nous verrons dans le prochain article quelles solutions existent pour assurer une conservation numérique,si ce n’est à long terme, du moins à court et moyen terme.