L’implantation automatique des collections, ou comment attribuer une cote à 800 000 documents destinés au libre-accès

Cet article fait partie d’une série de billets sur les collections du Grand équipement documentaire (GED), destinés à mettre en lumière le processus de mutualisation des collections de 50 bibliothèques, centres de documentation et services d’archives issues de la FMSH, l’INED, l’EPHE, l’EHESS, le CNRS, les universités Paris 1 Panthéon-Sorbonne, Sorbonne Nouvelle et Sorbonne Paris Nord, qui constituent le GED.

Une fois le cadre d’implantation des collections dans le libre-accès du GED défini, il restait à y ranger les quelque 800 000 documents physiques venus des bibliothèques mutualisées, en leur attribuant une nouvelle cote, dans un premier temps virtuelle, dans le Système d’information documentaire Chantier.

Afin que cette « recotation virtuelle » puisse se faire en un minimum de temps et de coût, il fut rapidement décidé d’automatiser autant que possible l’opération. Le SID chantier reçut donc un objectif supplémentaire, celui de permettre d’attribuer automatiquement une adresse (processus dits d’implantation et de cotation) au sein du cadre d’implantation du libre-accès.

Ce billet décrit les étapes et caractéristiques des processus d’implantation et de cotation automatique, ainsi que les résultats de ces opérations.

Le cadre d’implantation du libre-accès validé en 2016 comprend 8 territoires à 3 niveaux :

1. territoire de recherche
2. dominante
3. segment.

Dans deux territoires¹ , des corpus ont été définis, qui visent à regrouper au début du territoire, pour une liste définie d’auteurs, leurs œuvres suivies des études sur celles-ci (œuvres de/ œuvres sur).

Par ailleurs a été acté un principe d’implantation dans les territoires en fonction de la bibliothèque d’origine du document. Ainsi, les documents des bibliothèque d’aires culturelles n’ont été implantés que dans le territoire de recherche de l’aire concernée (par exemple, les ouvrages de la Bibliothèque de recherches africaines sont implantés dans le territoire Afrique), tandis que les documents des autres bibliothèques, comme ceux de la FMSH, n’ont été implantés que dans les territoires de recherche thématiques.

La répartition virtuelle des exemplaires s’est réalisée en 3 étapes principales :

1. L’implantation dans les corpus et segments

Pour procéder à l’implantation au niveau des corpus et segments, plus de 15 000 règles d’implantation ont été saisies.

Le nombre et la complexité des règles ont varié en fonction de la volumétrie et du spectre des collections de chaque bibliothèque (une règle quand toute la collection de la bibliothèque va dans un seul segment, par exemple pour le Centre Wladimir Golenischeff, mais plus de 4 100 règles pour la bibliothèque de la FMSH dont les collections couvrent quatre territoires).

Les règles d’implantation en corpus ont été prioritaires sur toutes les autres, afin de pouvoir regrouper toute la production de et sur un auteur au même endroit.

Alors que la détermination du contenu des règles des corpus est relativement simple², celle des segments suppose de :

• Déterminer précisément le contenu scientifique de chaque segment
• Choisir les données qui vont être utilisées dans la règle (mot-clef, cote d’origine, voire combinaison des 2)
• Rechercher les mots-clefs les plus fréquents selon les bibliothèques, pour implanter le maximum de documents

Exemples de règles d’implantation dans un segment pour la bibliothèque de l’IHTP :

• si 606$a [indexation sujet] Contient « 1914-1918 » et 606$a Contient « 1939-1945 » implanter en B61 – Études comparées
• si 606$a [indexation sujet] Contient « 1939-1945 » implanter en B65 – Seconde Guerre mondiale
• si 601$a [indexation sujet] Contient « Konzentrationslager » implanter en B65 – Seconde Guerre mondiale.

2. L’implantation dans des lots à l’intérieur des segments

Une fois obtenus les premiers résultats d’implantation dans les segments, un quatrième niveau (le lot) a été créé, visant à obtenir des unités thématiques d’environ 500 documents, plus facilement identifiables et utilisables par les usagers du libre-accès

Un programme a repéré à l’intérieur de chaque segment les mots-clés les plus fréquents. Ils ont permis d’identifier des lots de documents cohérents, puis de leur donner un numéro et un intitulé. Ce nouveau processus a engendré la création de 2 000 lots.

Des lots de VARIA ont été créés à l’intérieur de chaque segment, contenant les documents d’un segment n’ayant été pris par les règles d’aucun lot.

3. La cotation dans les lots et corpus

Une fois cette importante étape réalisée, un système de cotation a été implémenté dans le SID chantier pour attribuer automatiquement une cote en fonction du lot ou du corpus dans lequel le document avait été virtuellement « implanté ».

La cote de chaque document est structurée en trois parties :

n° du Segment + n° du lot + n° incrémental dans le lot

Ainsi, l’ouvrage Marguerite Durand, 1864-1936 “La fronde” féministe ou “Le temps” en jupons / Jean Rabaut ; préface de Madeleine Rebérioux a été coté B43 390 24, selon la logique suivante :

Dans un corpus, les trois parties de la cote sont :

Lettre du Territoire + [n° du corpus ; premières lettres de l’auteur ; partie du corpus (pour les corpus volumineux)] + n° incrémental dans le lot.

L’ouvrage Naissance de la clinique / Michel Foucault a ainsi été coté C 2FOUCAa 17, selon la logique suivante :

L’ouvrage Michel Foucault et le christianisme / Philippe Chevallier a quant à lui été coté : C 2FOUCAb 119 :

Certains documents comme les périodiques, les documents cartographiques, CD, DVD , etc. devant être regroupés au niveau du Territoire, et dont la cotation devait être définie ultérieurement, ont été exclus de la cotation automatique.

4. Quel bilan ?

Ce processus d’implantation automatique, a permis de répartir virtuellement les collections cataloguées des bibliothèques rejoignant le Grand équipement documentaire.

Il a cependant eu des limites :

• Il s’est fait au niveau du segment sur les données existantes (et la qualité des données d’origine était très hétérogène).
• Des ouvrages en plusieurs volumes décrits avec une notice bibliographique pour chaque volume ont pu être séparés quand leur indexation était différente
• Un mot-clef pris par une règle d’implantation automatique peut ne pas être le sujet principal du document
• Un grand nombre de documents se retrouvent malgré tout implantés dans des lots VARIA

Par ailleurs, une fois l’outil chantier abandonné, notre système de cotation a légèrement évolué. Pour les nouveaux documents, la troisième partie de la cote n’est plus composée d’un numéro incrémental mais de trois lettres (les premières lettres de l’auteur dans le cas général), permettant un repérage plus aisé pour les lecteurs.

Ainsi, Les noms d’époque : de “Restauration” à “années de plomb” / sous la direction de Dominique Kalifa est désormais coté B10 106 KAL :

Cela aboutit à deux zones successives dans le libre-accès, correspondant aux deux systèmes de cotation mis en œuvre successivement.

De multiples chantiers restent à prévoir, pour affiner ces premiers traitements automatisés. La priorité étant la mise à disposition rapide de ces 800 000 volumes, afin de répondre à l’attente des chercheurs, ces opérations de traitement vont prendre du temps.

Cette étape a cependant permis de regrouper les collections virtuellement, dans le temps contraint du chantier, en des ensembles aussi cohérents que possible, avant leur regroupement physique sur les étagères du Grand équipement documentaire…

1. Territoire C : Textes, sens, création et Territoire D : Espaces, populations, sociétés [↩]
2. Exemple : si 700$a Contient « Aristote » implanter en 1ARISTa (= œuvres de ARISTOTE) du TR C ; si 600$a ou si 604$a Contient « Aristote »  implanter en 1ARISTb (= œuvres sur ARISTOTE) du TR C [↩]

---

---