Prenez le train de la Transition bibliographique - Journée Systèmes & Données du 06/11/2018

Prenez le train de la
Transition bibliographique
Des données à FRBRiser :
destinations et correspondances
Etienne Cavalié (BnF)
Marianne Giloux (Abes)
François Pichenot (Médiathèque et archives de Roubaix)
Journée Systèmes & Données - 06/11/2018

Plan
• Introduction
• FRBRiser des données :
o outils et méthodes (Abes & BnF)
o modalités d’affichage et de récupération
o conséquences : la qualité des données
• Mise en place d’une stratégie d’alignement :
l'exemple de la Médiathèque de Roubaix

Outils & méthodes (BnF)
• Un corpus de départ de 320.000 notices d’autorité Titre
• Un ensemble d’algorithmes testés dans le cadre du
projet data.bnf.fr
• Une équipe dédiée à la reprise de l’existant
• 2016 : RobotDonnées, plate-forme de traitement par
corpus
• 2017-2018 :
o validation d’une méthode de traitement
o corpus : les auteurs français de textes du XXe siècle
o 380.000 auteurs
o > 1 million d’oeuvres générées

Processus de calcul des oeuvres (BnF)

Processus de calcul des oeuvres (BnF)
“NNA” :
Numéro de
Notice
d’Auteur

Outils & méthodes (BnF)
• Début 2019 : chargement d’oeuvres par lots dans
data.bnf.fr
• Refonte de l’interface de data.bnf.fr
• data.bnf.fr comme espace d’expérimentation
• Des notices d’autorité élémentaires dans
data.bnf.fr !
• 2e semestre 2019 : chargement d’oeuvres par lots
dans le catalogue BnF

Outils & méthodes (Abes)
Deux contextes, trois approches différentes
Les thèses de doctorat
• Une production frbrisée (STAR – TEF) - 2006
• Une interface publique frbrisée (Theses.fr)- 2011
Sudoc
• Une expérimentation - 2012
• Une production automatisée
• Pas d’interface publique

Le contexte
•Apparition des premières thèses électroniques, besoin de signalement,
de diffusion, d’archivage pérenne…
•2006 : Recommandation TEF jeu de métadonnées - modélisation de
ces métadonnées s’appuyant sur le modèle FRBR et format XML
•2007 : ouverture de l’application STAR s’appuyant sur la
recommandation TEF
L’Objectif
•Mettre en place un portail des thèses soutenues en France (theses.fr)
quelque soit la source de signalement (STAR/STEP/Sudoc) et le type de
document : thèses imprimées, microfichées, électroniques, éditions
commerciales…

TEF (STAR)

Theses.fr
Oui, les données sont organisées selon le modèle FRBR
• Processus de chargement avec une finalité de regroupement des
“n” notices du Sudoc décrivant la thèse
• La granularité de theses.fr est l’oeuvre
• L’utilisateur peut retrouver tous les documents relatifs à une thèse
Non, les données ne sont pas organisées selon le
modèle FRBR
• Regroupement sur une même oeuvre de la thèse version de
soutenance et de la thèse remaniée pour simplifier la recherche et
l’affichage à l’utilisateur

Theses.fr

L’expérimentation Sudoc
Le contexte (2012-2014)
• Fin de vie annoncée du système informatique (CBS) hébergeant le
Sudoc
• Exploiter les algorithmes de regroupements de données développés
dans le CBS par OCLC (service existant)
• Pas de développements informatiques effectués en interne
• Pas d’interface de recherche publique
• Travailler sur les seules consignes de catalogage
L’objectif
• Expérimenter afin de commencer à anticiper ce que pourrait être le
futur système

• adaptant le service aux spécificités du Sudoc
⇒ en étant le + conforme possible au modèle FRBR
⇒ en s’appuyant sur les évolutions d’Unimarc
• regroupant les notices bibliographiques selon des calculs de
comparaison basés sur des clés titre-auteur
⇒ pour obtenir un corpus de d’œuvres + des liens de type Manifestation
→ Œuvre (enrichissant les données existantes)
• menée dans l’environnement de production sur la totalité des
données du catalogue
⇒ dans la limite de pertinence des résultats (évalués sur échantillons)

Réalisations
• Mise en production le 23 octobre 2017
• Au 22 octobre 2018 :
→ ~1,5 M de “pré-notices d’œuvre” (dites notices de regroupement)
créées
→ ~4,4 M liens créés entre notices bibliographiques et notices de
regroupement (pour 16,5 M notices bibliographiques)
• Fonctionnement en base de production (en mode “vitrine”)
• Enrichissement quotidien par calculs sur toutes les mises à jour du
catalogue (300 à 600 notices de regroupement mises à jour)

Des limites sur les données
• Traitement impossible des agrégats sans titre d’ensemble
• Traitement trop peu pertinent des ressources continues
• Pas de notice de regroupement générée pour une notice
bibliographique seule à représenter une oeuvre
Des limites sur le modèle
• pas de réelles notices d’oeuvre, notices de “pré-oeuvre”
• Le niveau de l’expression n’est pas traité
• Il n’y a pas de mécanisme d’héritage :
o les accès “créateur de l’oeuvre”, les accès sujets, les résumés
restent présents dans les notices bibliographiques
o Ces données sont dupliquées dans les notices de
regroupement

Modalités d’affichage et
de récupération (BnF)
• La refonte de data.bnf.fr : phase 1
o une mise en page plus aérée
o les oeuvres au coeur du dispositif
• Oeuvres calculées
et notices d’autorité élémentaires :
les reconnaître, les retrouver
• Chargements dans le catalogue par lots
• Questionner le taux de complétude
• Quel processus d’actualisation ?

Refonte de data.bnf.fr
Oeuvres calculées
• affichage : fond rouge, lien d’explications
• URI : pas d’ARK, “/temp-work/”, hachage
• RDF :
<uri> prov:wasGeneratedBy <http://data.bnf.fr>

Notices élémentaires
Notices élémentaires d’auteurs
• entrée d’index
• Pas de page d’auteur
• RDF disponible
marqueur de fiabilité

Notices
élémentaires
dans data.bnf.fr

Quelles données pour
quelle FRBRisation (BnF)
• Impact sur l’évaluation de la qualité du catalogue
o les infos de date : contenu et cohérence
o les infos de titre : contenu et structuration
o les infos auteur : homonymes et codes fonction
o les infos de langue…
• Autres explorations à venir :
o les oeuvres autres que textuelles
o les oeuvres étrangères
o les oeuvres avant 1900
o les expressions

de récupération (Abes)
• theses.fr
o Interface de consultation
o Export RDF
o une API permettant de récupérer les résultats d’une requête
• 3 formats disponibles : XML, JSON et ATOM.

http://www.theses.fr/2000CLF20021.rdf

de récupération (Abes)
• TEF (STAR)
o Réservoir OAI-PMH - 2 formats : DC et TEF
o TEF est converti en Unimarc pour chargement dans le Sudoc
• Expérimentation Sudoc
o pas d’exposition publique, affichage dans l’outil de catalogage
seulement (WiniBW)
o Pas de modifications possible
o Pas de récupération dans les SIGB

Vers la qualité des
données (Abes)
• Les statistiques d’utilisation de theses.fr
• Les demandes à l’assistance AbesStp
o Réclamations quand il manque des manifestations (reproductions sur
d’autres supports, édition imprimées…)
• 2015 : Mise à disposition d’AlgoSudoc

données (Abes)
Expérimentation Sudoc
• Pour évaluer : ouverture d’un fichier collaboratif +
AbesStp : +/- 250 retours
A permis de détecter :
• Ce que l’algo pourrait faire de mieux
o Ajout de données dans les notices Tr (NNT, PPNs qui
ont permis la création de la notice...)
o Amélioration de la clé titre-auteur (de 22 à 32
caractères)
• si nécessaire intégration d’une table de mots
vides
o Contextualiser les codes de fonction
o Limiter aux seules notices localisées

données (Abes)
A permis de détecter :
• Des limites sur les données (au regard des
descriptions et recommandations actuelles)
⇒ Mise à jour de nouvelles consignes de catalogage
• Des erreurs de catalogage
⇒ Correction des notices et recalcul automatique la nuit
suivante
⇒ nouveau regroupement visible dès le lendemain

données (Abes)
• Réflexions :
o Exclure de l’algorithme certaines notices ?
(aberrations de certains regroupements pour des titres en latin
ou en grec par exemple)
o Intégration des agrégats (?)
o Ouverture à la validation des notices par les
catalogueurs (?)

Mise en place d’une stratégie
d’alignement :
l'exemple de la Médiathèque
de Roubaix

d’alignement : exemple de Roubaix
Problématique :
Les agences nationales effectuent un travail de
FRBRisation de leurs données.
Comment bénéficier de ce travail lorsqu’on est
une bibliothèque publique de taille moyenne, sans
ressources humaines et techniques importantes à
déployer sur le sujet ?

Exemple de la Médiathèque de Roubaix :
Mise en place d’une stratégie d’alignement et de
récupération des métadonnées provenant d’une
agence nationale (BnF)

Etape 1 : début de la décennie 2010, le temps du
questionnement

Trois enjeux :
• limiter au maximum le temps consacré au catalogage
• disposer des données de la meilleure qualité possible
• être en mesure de se raccrocher au train de la transition
bibliographique

Etape 2 : à partir de 2015, premières mises en oeuvre

2015 : mise en place d’un outil d’alignement et de
récupération de données de la BnF (vendangeur)
• un outil qui permet à la fois d’aligner...
• … et de récupérer et maintenir les métadonnées

LDR 02199cam1 2200481 i 450
001 302808
003 http://www.mediathequederoubaix.fr/ark:/20179/KH302808
...
010 $a978-2-35925-108-1$bbr.$d23 EUR
073 0$a9782359251081
...
200 1$aFace à Gaïa$bTexte imprimé$ehuit conférences sur le nouveau régime climatique$fBruno
Latour...
330 $aLe philosophe propose ici une réflexion sur l'interaction de l'humain avec la nature et ses
éléments (l'air, les océans, les glaciers, le climat, le sol). Il étudie l'entrée de l'humanité dans une
géohistoire où la nature, rendue instable, représente désormais un être dont il est difficile de prévoir les
manifestations, figurée ici sous les traits de Gaïa, la déesse mère de la mythologie grecque. Electre
2018
...
700 1$312012722$61263037$79401116748$aLatour$bBruno$f1947-....$4070
801 3$aFR$bElectre$c20180619$gAFNOR

LDR 02199cam1 2200481 i 450
001 304069
010 $a978-2-35925-108-1$bbr.$d23 EUR
033 $ahttp://catalogue.bnf.fr/ark:/12148/cb44456612v
035 $aFRBNF444566120000001
073 0$a9782359251081
...
200 1$aFace à Gaïa$bTexte imprimé$ehuit conférences sur le nouveau régime climatique$fBruno
Latour
...
330 $aLe philosophe propose ici une réflexion sur l'interaction de l'humain avec la nature et ses
éléments (l'air, les océans, les glaciers, le climat, le sol). Il étudie l'entrée de l'humanité dans une
géohistoire où la nature, rendue instable, représente désormais un être dont il est difficile de prévoir les
manifestations, figurée ici sous les traits de Gaïa, la déesse mère de la mythologie grecque. Electre
2018
...
700 $312012722$933063$oISNI0000000121472849$aLatour$bBruno$f1947-....$4070
801 0$aFR$bFR-751131015$c20151123$gAFNOR$hFRBNF444566120000001$2intermrc

LDR 02265cx a2200301 4500
001 33063
010 $a0000000121472849
033 $ahttp://catalogue.bnf.fr/ark:/12148/cb12012722c
035 $aFRBNF12012722
...
200 $7ba0yba0y$8fre$aLatour$bBruno$f1947-....
...
801 $aFR$bFR-751131015$c20120110
...
999 $a12012722

La mise en place du vendangeur implique une bonne
connaissance des ses données, notamment :
• pour décider si l’ensemble des notices locales
doivent être remplacées (par exemple : à Roubaix,
choix de ne pas toucher aux notices liées à des
documents patrimoniaux)
• pour protéger certains champs (par exemple :
résumés, indexation, …)

LDR 01652cam a2200361 4500
001 214822
010 $a978-2-914216-83-8$bCart.$d14.00 EUR
033 $ahttp://catalogue.bnf.fr/ark:/12148/cb414756389
035 $aFRBNF414756380000005
073 0$a9782914216838
...
200 1$aCrapauds sur le pot$bTexte imprimé$fJean-Michel Zurletti
...
330 $aUn album pour apprendre aux plus petits la propreté. Les illustrations sont faites de collages.
339 $aa
609 0$aLivres de bébé
609 0$aEnfants$xEducation à la propreté$2rameau
686 $a809$2Cadre de classement de la Bibliographie nationale française
700 $313759593$969986$aZurletti$bJean-Michel$f1960-....$4070
801 0$aFR$bFR-751131015$c20090505$gAFNOR$hFRBNF414756380000005$2intermrc

Bilan de la mise en place du vendangeur :
• Des taux d’alignement très disparates :

Bilan de la mise en place du vendangeur (suite) :
• Des problèmes de génération de doublons parmi
les autorités

Etape 3 : l’arrivée du sauveur ? (2018)

Tests menés sur BiblioStratus en 2018, avec l’espoir :
• d’améliorer les taux d’alignements, en particulier
sur l’audiovisuel et les enregistrements sonores
• de résoudre les problèmes liées aux doublons
d’autorités

Traitement des données bibliographiques :

Fichier en entrée (données bibliographiques)

Fichier en sortie (données bibliographiques)

Traitement des données autorités :

Fichier en entrée (données autorités)

Fichier en sortie (données autorités)

Premiers bilans vis-à-vis de BiblioStratus :
• des corpus sur lesquels le taux d’alignement a
significativement augmenté
• échec sur les enregistrements sonores et
l’audiovisuel (mais évolutions du service SRU de la
BnF laisse entrevoir des améliorations)
• de gros progrès sur les autorités

La suite ? comment faire bénéficier les utilisateurs de
ces nouvelles données ?

Prenez le train de la Transition bibliographique - Journée Systèmes & Données du 06/11/2018

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (19)

Semelhante a Prenez le train de la Transition bibliographique - Journée Systèmes & Données du 06/11/2018

Semelhante a Prenez le train de la Transition bibliographique - Journée Systèmes & Données du 06/11/2018 (20)

Mais de ABES

Mais de ABES (20)

Último

Último (20)

Prenez le train de la Transition bibliographique - Journée Systèmes & Données du 06/11/2018