Gérer les données de la recherche, de la création à l’interopérabilité (2/3)

2/3 –  Interopérabilité des données et pérennité des formats

 Depuis 3 ans, la TGIR Huma-Num organise annuellement une ANF sur les données de la recherche. Après la visualisation des données, l’architecture du web sémantique, cette année s’est centrée sur la problématique de l’interopérabilité des données de la recherche.

Nous vous proposons à travers une série de trois billets, un aperçu des enseignements de cette formation. Après avoir vu dans un premier billet l’importance des métadonnées et leurs usages, arrêtons-nous, sur les formats des fichiers avec la présentation proposée par Alexandre Granier (CINES).

Des normes et des standards

Le Centre Informatique National de l’Enseignement Supérieur (CINES) a deux missions : le calcul intensif et l’archivage pérenne des données de la recherche, c’est-à-dire la conservation à long terme de l’information numérique. Pour cela, le Cines a reçu l’agrément des Archives de France et l’accréditation « Data Seal of Approval » .

Il s’appuie sur le Référentiel général d’interopérabilité (RGI) qui regroupe un ensemble de préconisations énoncées par la direction générale de la modernisation de l’Etat et qui s’adresse à tous les services publics d’Etat ou territoriaux. Les préconisations concernent les protocoles, les formats et la sémantique (vocabulaire commun). Ce document fait aussi le point sur l’état des standards en matière de formats.

Il convient ici de bien distinguer les données qui sont des représentations de l’information, des formats qui sont des conventions pour représenter l’information.

Le codage

A la base de la représentation de l’information il y a le codage (correspondance entre deux modes de représentations ou deux langages) et en particulier le codage des caractères. Il existe plusieurs standards. Le code ASCII est un standard américain qui permet de représenter, en code numérique les caractères sur 7bits (soit 128 caractères). Il est adossé à la norme ISO8859. Le système UNICODE a ensuite était développé comme standard, pour prendre en considération les accents et représenter toutes les langues, il est lié à la norme ISO 10646. l’UFT8 et plus récemment l’UFT16 permet de rendre opérable en pratique l’utilisation de l’Unicode .

La typologie des formats :

• Un format peut être spécifié, c’est-à-dire suffisamment bien décrit pour en développer une implémentation
• Un format peut être ouvert: la convention est publique, sinon, on dit que le format est fermé. En France cela est codifié dans une loi du 21 juin 2004.
• Un format peut être normalisé: Un ensemble d’association s’entendent pour adopter la convention et l’utiliser.
• U format peut-être standardisé: Il est très utilisé et de ce fait il est reconnu comme standard.
• Un format peut-être propriétaire. Il dépend de l’existence d’un propriétaire qui peut choisir de l’ouvrir ou non.
• Enfin un format peut-être dérivé d’autres formats (le HTML vient par exemple du SGML)

RQ : A une autre échelle on distingue les formats « conteneurs » qui encapsule d’autres formats «  les codecs », c’est notamment le cas pour les fichiers video.

L’identification et validation des formats

Les paramètres précédents sont à prendre en compte pour déterminer la pérennité d’un fichier et pour en assurer une meilleure interopérabilité. Pour savoir si un fichier est interopérable, il faut qu’il réponde aux critères suivants :

• spécification ouverte et accessible
• format largement utilisé
• logiciels permettant d’exploiter le format
• existence d’outils permettant la migration vers un autre format
• indépendance (à d’autres formats, à une plateforme, etc.)

Si l’ensemble de ces critères est respecté, l’étape suivante est d’identifier le fichier et sa version et savoir s’il n’est pas endommagé.

Pour cela le CINES a mis au point un outil unique FACILE qui réunit Des outils, comme d’identification des fichiers (comme DROID, Mediainfo, etc.) et de validation syntaxique et sémantique (type JHOVE, Mkvalidator JSstor, etc.) .

La migration des formats

Les formats sont évolutifs, des versions peuvent se succéder, certains peuvent être maintenus quand d’autres ne sont plus mis à jour ou plus adoptés aux transformations technologiques. Il est donc important d’assurer une veille constante pour parer à l’obsolescence du format. Pour assurer l’archivage des données qu’il conserve, le CINES exerce cette veille et assure la migration de données quand cela devient nécessaire.

Pour conclure, il faut souligner que la TGIR Huma-Hum et le CINES collabore, en particulier sur la question de l’archivage des données de la recherche en SHS.

Pour en savoir consultez la page : http://www.huma-num.fr/services-et-outils/archiver

Consulter les billets en relation:

• Du bon usage des métadonnées – Gérer les données de la recherche, de la création à l’interopérabilité (1/3)
• Interopérabilité des données et pérennité des formats – Gérer les données de la recherche, de la création à l’interopérabilité (3/3)

© image à la une =  www.cines.fr