Web sémantique, FRBR et RDA en tournée dans toute la France

Depuis quelques mois, bien que tenue à l’écart de l’évolution des normes de catalogage par d’autres activités, j’ai eu la chance de participer au tour de France entrepris par quelques collègues sous l’égide du CNFPT pour présenter « les catalogues au défi du Web ». Nancy, Montpellier, Dunkerque, Angers, plus deux journées sur un thème similaire organisées à Reims et Strasbourg par Médial et une excursion aux journées RNBM à Marseille : on peut dire qu’on a sacrément bourlingué.

Au programme, parmi les sujets évoqués, on a parlé du projet OpenCat réalisé par la BnF et la médiathèque de Fresnes, qui ont construit un OPAC (interface d’accès de catalogue) en ligne en s’appuyant sur data.bnf.fr et d’autres données du Linked Data (le prototype est maintenant consultable en ligne).
On a discuté des nouvelles règles du Sudoc qui visent à mieux préparer la FRBRisation et le passage à RDA, ou encore de la FRBRisation des thèses.
On a abordé Bibframe, l’initiative pragmatique (trop pragmatique ?) des américains pour faire évoluer les formats MARC. On a parlé du rapport du comité stratégique bibliographique sur l’avenir des catalogues en France, et des actions menées par le groupe EURIG pour faire évoluer RDA vers un code de catalogage vraiment international et pas seulement anglo-saxon.

Bref, autant dire qu’il y a trop de sujets intéressants et d’évolutions passionnantes pour tout faire tenir en un seul billet. Et puis c’est vrai que si j’ai continué à travailler d’arrache-pied sur le Web sémantique (avec un projet de livre en préparation !) je me suis un peu éloignée de ces sujets plus strictement bibliothéconomiques et je ne me sens pas vraiment très à la page pour en parler.

Pour ceux qui auraient raté ces rencontres passionnantes, sachez qu’une session de rattrapage est organisée par le CNFPT le 19 novembre prochain à Paris. Je serai là encore au rendez-vous, pour introduire le propos en expliquant ce que change le Web…

Compte-rendu du séminaire IDPF

A l’occasion du Salon du Livre de Paris, j’ai eu la chance d’assister au séminaire organisé par l’IDPF (International Digital Publishing Forum) le 25 mars dernier. L’objectif de ce séminaire technique était de présenter aux éditeurs les fonctionnalités de l’ePub3 et les perspectives offertes par ce standard. Je rends compte ici de ce que j’ai pu y entendre.

L’IDPF est un organisme de normalisation dont le sujet de travail principal est la normalisation du format ePub. Le séminaire s’est ouvert sur une conférence introductive de Bill Mc Coy, directeur exécutif de l’IDPF, qui avait pour objet de démontrer entre autres que la distinction entre sites internet, applications natives et livres numériques a de moins en moins de sens aujourd’hui avec la mutualisation des moyens de développement entre ces plateformes. Il pose le constat que le modèle économique de l’application native ne fonctionne pas : elles coûtent trop cher à produire et les modalités de production ne sont pas scalables à l’ensemble du catalogue d’un éditeur qui publie plusieurs centaines ou milliers de titres par an. Il est donc nécessaire de faire évoluer ce mode de travail. Il est probable qu’à l’avenir on se dirige de plus en plus vers un format de contenus structuré qui sera réutilisable dans plusieurs contextes. L’ePub3 est appelé à jouer un rôle dans ce contexte grâce à la conjonction avec HTML5.

La présentation d’HTML5 était effectuée par Robin Berjon qui représentait le W3C (je m’excuse d’avance pour l’inexactitude probable avec laquelle je vais rapporter ses propos…) L’ePub3 était présenté par Daniel Weck du consortium Daisy (un organisme qui travaille sur l’accessibilité du livre numérique) (ses diapos en ePub dans le texte ici.)

HTML5 est plus une galaxie de normes qu’une norme unique. Il y a une centaine de spécifications liées entre elles qui incluent HTML5 proprement dit mais aussi d’autres standards tels que CSS par exemple (pour la mise en forme), Javascript, etc. L’ensemble est désigné sous le terme générique de « the Open Web Platform ».

HTML5 apporte de nouvelles fonctionnalités par rapport au HTML traditionnel :
– support natif de la vidéo et de l’audio : on n’a plus besoin d’installer un plug-in (ex. Flash) pour lire ces médias
– interactivité native grâce à « canvas », une sorte de langage qui permet de coder directement en HTML des applications interactive (jeux, 3D…) de même type que ce qu’on pouvait faire avec Flash
– de nouvelles fonctions de présentation (il semblerait qu’on puisse faire des ligatures grâce à HTML5 et CSS par ex. :-)
– le support natif de Ruby (utile pour les écritures japonaises et chinoises), MathML (pour les équations mathématiques) et SVG (images vectorielles qui permettent par exemple d’agrandir les images sans pixellisation)
l’amélioration des formulaires
– de nombreuses APIs qui permettent notamment d’interagir avec le terminal (dans le cas d’un terminal mobile cela permet de gérer par exemple l’orientation portrait/paysage, de détecter les vibrations, d’interagir avec le micro, la lumière ambiante, etc.)
– une meilleure sémantique de structuration de la page qui permet maintenant de distinguer un en-tête et pied de page, des menus de navigation, etc.

On le voit, toutes ces nouvelles fonctions de HTML5 sont extrêmement pertinentes dans le contexte d’un usage en mobilité et plus spécifiquement dans le contexte du livre numérique enrichi.
Dans la mesure où ePub3 est complètement basé sur HTML5, on dispose nativement de tout l’outillage nécessaire pour ajouter des médias, interagir avec des terminaux de lecture de type eReader / tablette, et structurer le contenu d’une manière cohérente avec les pratiques traditionnelles du livre (en séparant le texte lui-même du paratexte – titres, tables des matières, notes, etc.)

ePub3 est donc basé sur HTML5 mais vient également y ajouter un certain nombre d’éléments :
– l’empaquetage : en plus de l’empaquetage physique (un fichier ePub est en fait une sorte de « zip » qui contient plusieurs fichiers) il s’agit de déclarer toutes les composantes d’un paquet : navigation linéaire, table des matières, liste des pages physiques (permet des renvois depuis les références du livre imprimé)
– le paquet peut aussi contenir des métadonnées et inclure les polices spécifiques dont on a besoin pour la présentation. Cela permet à l’ePub d’être autonome et autodescriptif ;
– l’accessibilité : à l’origine le consortium Daisy travaillait sur son propre format XML pour les personnes en situation de handicap (le XML Daisy). Ils ont décidé de s’impliquer dans la normalisation d’ePub3 pour palier aux défauts d’accessibilité qui étaient ceux d’ePub2. Il est ainsi possible de synthétiser automatiquement une lecture audio à partir du texte en faisant appel à certaines fonctions de CSS (choix du type de voix, ajout d’un fichier de prononciation pour les termes ambigus par ex.)
– un système de liens performants, le système CFI (Canonical Fragment Identification) gère les notes de bas de page – qui deviennent d’ailleurs plutôt des pop-up dans ce contexte – et les tables des matières directement en HTML5 (en ePub2, il y avait un format distinct pour encoder la table des matières. Le fait qu’elle soit un simple fichier HTML permet de la présenter comme une page normale et pas seulement comme un outil de navigation)
– les méthodes de cryptage, de signature et de gestion des DRM.

A titre d’illustration de ces potentialités, un autre intervenant, Peter Meyers, nous a présenté trois exemples de livres numériques qui tirent tout le potentiel du média interactif :
The good man, une nouvelle interactive
Welcome to Pinepoint par Paul Shoebridge et Michael Simons (en Flash) qui fonctionne un peu comme un scrapbook multimedia
Fish, un essai de Robin Sloan conçu pour la lecture sur smartphone.
Il s’agit ici d’inventer de nouvelles modalités d’écriture et de lecture dans un monde numérique.

Luc Audrain d’Hachette a ensuite présenté la problématique de l’industrialisation de la production de livres numériques pour les gros éditeurs.
Il a commencé son exposé en notant que contrairement à une idée reçue, transformer un livre papier en livre numérique n’est pas une opération qu’on fait une fois pour toutes. Au contraire, il faut la répéter plusieurs fois : pour corriger des erreurs, pour prendre en compte des nouvelles versions du format, etc. L’industrialisation de la production est donc d’autant plus une nécessité.

Il nous propose ensuite une grille d’analyse matricielle permettant de différencier les types d’ouvrages en fonction de leur niveau de structuration et de l’importance de la mise en page :
– peu structuré, peu maquetté (ex. romans)
– très structuré, peu maquetté (ex. dictionnaires)
– très structuré, très maquetté (ex. livres de recettes de cuisine)
– peu structuré, très maquetté (ex. livres d’art).
Cette grille permet de faire un choix entre deux stratégies de conversion : les ePub adaptables (dont la mise en page se réorganise en fonction de la taille et du format de l’écran) et les ePub fixés (qui respectent strictement la maquette d’origine).
Le ePub adaptable est très immersif et adapté à la lecture linéaire. Interopérable, il peut être produit à partir d’un flux XML. Cependant, la mise en page est limitée.
Le ePub fixé respecte la maquette du papier ce qui permet des coûts de production très bas. Toutefois, on perd en accessibilité et on ne distribue que sur un nombre limité de plateformes.
Pour Luc Audrain, si on ne fait que du texte, cela ne vaut pas la peine de passer à ePub3 qui n’est pas encore largement supporté, il vaut mieux rester à ePub2.

Plusieurs chaînes sont possibles pour produire les ePub adaptables :
– export ePub direct à partir d’InDesign : nécessite une grande vigilance de base sur la conception du fichier InDesign et de reprendre les ePub à la main ;
– deuxième possibilité, on structure un fichier Word pour obtenir de l’XML. Ce fichier XML est ensuite utilisé pour générer le PDF imprimeur et une version XML du contenu. On stocke l’ensemble dans un système de DAM (Digital Asset Management). L’ePub peut être généré en sortie. Cette chaîne fonctionne si on travaille à partir du fichier remis par l’auteur : pour le rétrospectif, on doit repartir du PDF imprimeur, voir du scan+OCR de la version papier.

Pour l’ePub fixé, on part de la maquette du papier et on produit :
– soit du HTML5+CSS (on crée un cadre dit « viewport » et ensuite on positionne les blocs de texte et d’image en absolu)
– soit une image vectorielle (SVG) ce qui revient au même principe en utilisant une technologie différente. N’importe quel PDF peut être facilement transformé en SVG, mais ce format n’est pas toujours supporté dans les logiciels de lecture d’ePub
– soit par une simple image de type JPG (méthode à l’abandon car fournit une expérience de piètre qualité notamment quand on agrandit l’image). Toutefois il peut être utile d’intégrer l’image dans le HTML5 afin qu’elle puisse servir de présentation alternative si le format n’est pas supporté.

Les contenus fortement structurés sont de plus en plus souvent stockés dans une base de données. Des équipes éditoriales les préparent alors en vue d’en faire des publications : vers du papier, des applications, des sites web, des fichiers ePub. Il existe des outils sur le marché permettant de gérer ce type de chaîne. Les auteurs n’écrivent plus uniquement pour le papier mais produisent des contenus.

Enfin il reste évidemment possible de créer un ePub ex-nihilo. L’outil Bluegriffon par exemple est un éditeur Web wysiwyg pour HTML5 et il permet également de générer des ePub2 et des ePub3.

La dernière étape réside dans le contrôle qualité. Il existe des outils de validation comme ePubcheck pour la structure des fichiers ePub. Il faut ensuite procéder à une validation visuelle grâce à un lecteur d’ePub comme Readium.

Une présentation de Marc Bide, du consortium EDItEUR a permis de rappeler que les métadonnées jouent un rôle encore plus important pour le livre numérique que pour le livre imprimé, car elles sont l’unique moyen de trouver le livre pour l’utilisateur final. Elles sont donc capitales pour la chaîne de distribution, mais aussi pour la bibliothèque personnelle de l’usager : tous les ebooks embarquent un minimum de métadonnées à cette fin. Toutefois celles-ci ne sont pas toujours suffisantes : c’est quand même énervant quand on a tous les livres d’une série d’être obligé de regarder dans wikipédia pour savoir dans quel ordre les lire !

L’ISBN est important pour faire le lien entre l’ouvrage et ses métadonnées. Marc Bide rappelle qu’il est important de fournir des ISBN différents pour la version papier et pour la version numérique. En effet, l’ISBN sert à différencier les éditions et non à les relier. On fournit un ISBN différent pour chaque format entrant (ex. PDF et ePub) ; c’est par contre optionnel si on a différents formats de sortie (ex. ePub et Mobi).

EDItEUR a sorti en 2009 une nouvelle version d’Onix, Onix 3.0, qui est beaucoup plus adaptée au livre numérique que l’ancienne version Onix 2.1. Elle permet entre autres de décrire des contraintes d’usage associées à un livre numérique.

Pour l’IDPF, la problématique majeure aujourd’hui est de faciliter l’adoption de l’ePub3 qui n’est pas encore très largement supporté, et même quand il l’est c’est souvent de manière incomplète.
Le BISG (Book Industry Study Group) maintient un outil qui permet de savoir quelle plateforme supporte ou non quelle fonctionnalité d’ePub3 : le ePub3 support grid.

Pour pallier à cette problématique, les tenants de l’HTML5 et de l’ePub3 encouragent le développement en « fallback design » : c’est-à-dire un design qui s’adapte aux capacités des différentes plateformes.
Il en existe deux sortes :
– « graceful degradation » : le développement est effectué en visant les plateformes les plus performantes, mais si une fonctionnalité n’est pas supportée, des formats alternatifs sont proposés
– « progressive enhancement » : la version présentée par défaut est la plus basique, ensuite on teste en javascript l’environnement de l’utilisateur et on fournit progressivement les contenus plus avancés si la plateforme le permet.

L’IDPF s’implique également dans le développement de Readium, qui est considéré comme le logiciel de lecture d’ePub3 de référence. Le jour du séminaire, l’IDPF annonçait la création de la Readium Foundation, dont l’objectif est de fournir des briques logicielles pour accélérer l’adoption d’ePub3. L’un des moyens utilisés sera la création d’un Readium SDK que les développeurs pourront utiliser pour intégrer les fonctions de Readium dans leurs propres applications.

SWIB12

J’ai eu la chance d’assister la semaine dernière à la quatrième édition de la conférence SWIB (pour Semantic Web in Bibliotheken). Renommée en « SWIL » (pour Semantic Web in Libraries) cette conférence à l’origine tout à fait allemande est devenue complètement internationale, c’est-à-dire que toutes les communications se font maintenant en anglais.

Vous pouvez retrouver en ligne les diapos et également les vidéos des interventions, dont la mienne qui était la « keynote » du 2e jour.

Globalement, cette conférence reste très technique et réunit principalement des acteurs du web sémantique en bibliothèque qui ont véritablement les mains dans le cambouis ; mais on trouvait dans le public et même parmi les intervenants des « vrais » bibliothécaires qui ne sont pas des développeurs (dont moi !) La conférence a d’ailleurs commencé par une première demi-journée de tutoriels.

Fait intéressant, les bibliothèques semblent avoir maintenant dépassé le stade des questionnements de base sur l’intérêt de la chose, la publication des données bibliographiques étant devenue un fait pratiquement naturel. La plupart des interventions allaient donc au-delà, abordant par exemple l’élargissement de l’ouverture des données de bibliothèques à d’autres types de données comme les données de circulation, d’exemplaire, ou encore les jeux de données de la recherche. Les questionnements pratiques vont aussi au-delà, abordant des problématiques comme la provenance et la confiance, la gestion des alignements, ou encore la mise à jour des flux de données.

A suivre l’année prochaine à Hambourg !

IFLA 2012 et le Web sémantique

Comme vous le savez, je suis gravement monomaniaque et la seule chose qui m’intéresse à l’IFLA c’est les communications qui portent sur le Web sémantique, le Linked Data ou autre chose du même genre. Heureusement il y en a plein. Voici un petit raccourci à travers les papiers à lire sur le sujet (sans garantie de leur qualité ou de leur contenu, je n’ai pas encore eu le temps de tout regarder ni même d’assister aux présentations…).

Dimanche, au sein de la session sur les moments inspirés du catalogage, il y a eu la présentation du projet Pode et de problématiques liées aux données de data.bnf.fr.

Lundi dans la session Unimarc, une présentation intitulée « Linked data for libraries » par des gens de l’université de Portsmouth. Dans la même session il y a eu aussi une courte présentation du Bibliographic Framework Initiative par la Library of Congress, mais il n’y a pas de document en ligne et je tiens de Sally Mc Callum elle-même que tout est sur le site web.

Pas dans le programme officiel mais intéressant tout de même, il y avait aussi lundi une table ronde organisée par OCLC, à laquelle j’ai participé, sur le Linked Data. Vous pouvez retrouver les présentations ici.

Mardi la session de la section Classification & Indexing, bien sûr un des lieux importants pour parler Web sémantique à l’IFLA. On peut y découvrir les très intéressants projets de recherche menés par différentes équipes finlandaises dans le domaine du Web sémantique appliqué aux technologies de bibliothèque.

Mercredi il y avait la sessions sur l’open data dans les bibliothèques nationales que l’IFLA avait eu la bonne idée de programmer pile en même temps que celle du Semantic Web SIG (on peut pas leur en vouloir, c’est toujours comme ça, il y a plein de choses en parallèle… mais quand même c’était rageant). Même si les aspects techniques n’étaient pas au cœur de cette session, au moins 3 des 4 interventions (bibliothèques nationales allemande, française et écossaise) évoquent le Linked Data même si ce n’est pas forcément au cœur du sujet.

Toujours mercredi donc la session de mon groupe, le SWSIG. Il n’y a presque rien dans le programme mais j’ai posté des choses sur le site du groupe et j’y mettrai bientôt les diapos de la session. J’ai aussi créé un hashtag sur twitter, #SWSIG, que je vous encourage à utiliser toute l’année pour me signaler des sujets d’intérêt pour le groupe.

Jeudi c’est peut-être un peu plus épisodique, mais lors de la session du tout nouveau IFLA Committee on Standards, il a été question à plusieurs reprises du IFLA Namespaces task group.
Un mot sur ce groupe qui n’a pas d’existence suffisamment officielle à l’IFLA (c’est un groupe de travail rattaché pour l’instant à la section Classification) pour apparaître dans le programme. Il s’est réuni lundi matin, et son objectif est d’accompagner les groupes qui publient des standards de l’IFLA pour le Web sémantique (notamment les versions des FRBR et autres FR** et de l’ISBD qui sont disponibles dans l’Open metadata registry). En ce moment ce groupe travaille notamment sur des guidelines pour la traduction des labels en différentes langues. L’articulation de ce groupe qui est en fait très transverse à plusieurs sections avec l’IFLA Committee on Standards est aussi un sujet brûlant. En tout cas je note que ce groupe suscite un intérêt croissant. On n’était que quelques pelés autour d’une table en 2009. Cette année, il y avait plus de 30 personnes à la réunion du groupe (dont 2/3 d’observateurs).
On retrouve toutes les infos sur l’IFLA Committee on Standards ici.

Dans la session Libraries for the Law on retrouve une intervention de la bibliothèque du Congrès du Chili dont nous avons eu un résumé pendant le SWSIG.

Et enfin, c’est la session des bibliographies nationales où on retrouve les français et les allemands qui visiblement ont bloqué sur les data :-)

Il est à noter que grâce au gros boulot fait par l’AIFBD et les volontaires, la plupart de ces communications ont été traduites en français. Ceux que ça intéresse peuvent encore candidater pour les rares qui ne l’ont pas été !

Sinon j’en ai peut-être loupé quelques-unes dont le titre n’était pas suffisamment explicite pour que je détecte le Linked Data dedans. N’hésitez pas à me les signaler sur Twitter ou par mail (j’ai fermé les commentaires du blog à cause du spam, c’était intolérable) et je les rajouterai.

IFLA 2012 – Comment rédiger un top tweet

Comme vous le savez, plus les réseaux sociaux sont sociaux, plus ils deviennent un outil de marketing destiné en fait à vous vendre quelque chose – fut-ce la popularité individuelle de leurs utilisateurs. Dans ce monde de biblio-geeks qu’est l’IFLA, où la moitié de la population se déplace en permanence avec un œil rivé à son smartphone, son iPad, son mini-PC ou son portable, Twitter est un véritable canal d’information à part entière, en parallèle de la conférence mais aussi de sa sociabilité, sur lequel les gens échangent des informations, des blagues, des astuces, des photos, et bien d’autres choses.

Moi qui suis grande débutante dans le domaine du community management (mais je suis à bonne école ;-) j’étais toute fière hier de voir que le réseau social fétiche des conférenciers poussait obstinément en haut de liste, sur le hashtag #WLIC2012, une de mes créations. J’avais rédigé *le* top tweet.

(Pour les débutants, le hashtag c’est un peu comme une vedette matière, mais en moins long.)

Donc voici ma recette infaillible pour rédiger un top tweet.

1) Il ne faut surtout pas louper les temps de sociabilité IRL (ça veut dire « in real life », par opposition à ce qui se passe sur le réseau et qui, comme chacun sait, n’est ni réel ni vivant) qui donnent d’infinies possibilités de trouver de bonnes idées de top tweet. Par exemple, samedi soir, je me suis rendue au caucus francophone, rassemblement qui n’a pas vraiment d’autre utilité que d’en être un, puis au « moment de convivialité » offert par la ville de Lyon pour célébrer sa candidature pour le congrès de 2014 (nous serions tellement heureux si Lyon était choisie, tout ça.) C’est là que j’ai rencontré Jean-Christophe, que je remercie au passage pour l’opportunité de ce top tweet.

2) Votre top tweet doit toucher à ce que les gens ont de plus viscéral, afin que tout le monde se sente concerné. Par exemple la nourriture, ou l’accès internet, qui sont les deux seules choses sans lesquelles un bibliothécaire ne peut survivre à l’IFLA. Il sera prêt à faire la queue pendant des heures pour obtenir la première, surtout si elle est gratuite. Et il sera infiniment reconnaissant à celui qui lui fournit le second, surtout si c’est gratuit. Pour autant, une fois qu’on a récupéré les codes d’accès, fait-on vraiment attention à l’identité de ce bienfaiteur omniprésent ? Visiblement non puisqu’il m’avait fallu cette rencontre IRL pour réaliser que notre fournisseur d’accès wifi cette année était français, ouvert et éditeur numérique. Trois qualités éminemment twittables.

3) Une fois que vous avez trouvé un bon sujet pour votre top tweet, la forme a aussi son importance, afin que les gens retwittent directement votre tweet au lieu de diffuser la même information en la rédigeant à leur propre sauce (vous ne pourriez même pas les attaquer pour contrefaçon, en moins de 140 caractères c’est trop compliqué). Votre tweet doit être rédigé de telle façon que les gens le reprennent tel quel. Il doit être parfait. Pour cela :
– rédigez votre tweet dans la langue la plus couramment parlée à l’IFLA (désolée pour mes amis francophones)
– interpelez directement votre lecteur en commençant par une accroche du type « le saviez-vous ? »
– utilisez des abréviations, mais pas trop, pour faire juste un peu geek mais pas adolescent boutonneux, et surtout pour garder votre tweet en-dessous de 130 caractères. Vous allez me dire oui mais Twitter autorise 140 caractères ? Visez 130, quand les gens vous retwittent ils doivent aussi ajouter votre pseudo twitter, il faut leur laisser la place…
– votre tweet doit contenir rien que l’info utile et toute l’info utile (liens, etc.) Chaque mot compte.

4) Votre tweet est prêt, vous n’avez plus qu’à ouvrir la cage et le laisser s’envoler. Pour cela, choisissez un moment clé, par exemple tôt le matin, quand vous arrivez frais et pimpant le premier au Centre des Congrès pour assister aux improbables réunions administratives qui précèdent la cérémonie d’ouverture. Ainsi votre tweet aura toute la journée devant lui pour grandir, grossir, se répandre et devenir top.

5) Dernier conseil : vous ne savez jamais lequel de vos tweets va effectivement devenir un top tweet. Alors tweetez abondamment !

Mais au fait, à quoi ça sert de rédiger un top tweet ? Eh bien, à force d’être repris, favorité (quelques néologismes ne tuent pas s’agissant de technologies) et retwitté, votre tweet va se retrouver épinglé pendant quelques heures tout en haut de la liste « top » de votre conférence, faisant fi du temps qui passe, ce qui n’est pas rien sur les réseaux sociaux. Par la loi bien connue de la valeur, plus il sera retwitté, plus il sera visible, et donc plus il sera retwitté, entrant ainsi dans un cercle vertueux. Outre que votre égo démesuré s’en trouvera flatté, vous deviendrez pour une journée l’un des blogueurs visibles de la conférence, et ceux qui n’avaient aucune idée que vous existiez vous découvriront (appréciable quand on se trouve dans une conférence de 4000 personnes. Eh oui on ne peut pas discuter avec tout le monde IRL.) Évidemment, si en plus vous avez dit un truc intelligent, ce truc sera entendu par un maximum de gens, ce qui est appréciable aussi.

Mais bon, moi j’espère surtout que les collègues de Open Edition me paieront un pot sur leur stand ;-)

IFLA 2012 – plongée dans l’organisation

Cela fait maintenant 4 ans que je participe à l’IFLA, et sans oser me comparer aux routard(e)s qui ont fait Moscou, Pékin et Durban, je dois dire que cette année je commence à savourer la familiarité des rituels qui se répètent : réunions des comités permanents, caucus des francophones, cérémonie d’ouverture… L’IFLA c’est un peu comme de se retrouver une semaine par an chez soi partout dans le monde. Bref, je vous renvoie à Göteborg pour une explication des premières étapes du congrès et des rouages de l’IFLA.

Je pense qu’il y a trois catégories de gens qui apprécient l’IFLA : les hypersociaux qui savourent le bain de foule, les travailleurs qui élaborent courageusement des normes en suant 20h par jour dans des salles sans fenêtre pendant une semaine, et les gens qui éprouvent une fascination morbide pour le développement endémique de l’organisation en soi.
Vous l’aurez compris, je fais partie de la troisième catégorie. La première année à Milan, j’avais été très déçue de découvrir que la « Newcomer session », session des nouveaux, relevait davantage d’un événement social destiné à propager le mantra de l’IFLA comme lieu de bonheur que d’un endroit où l’on découvrait les rouages de cette incroyable institution internationale. À force de creuser, à Göteborg j’avais commencé à comprendre comment la machine fonctionnait.

Puis j’ai trouvé mes semblables : on les appelle « IFLA officers », et sans eux rien ne pourrait fonctionner. Ils ont accepté la responsabilité d’être élus président, secrétaire ou chargé de communication d’une section. Ils assistent à des sessions où il est question de budget, de rédaction de plans stratégiques et d’élections. Ils connaissent les membres du Governing Board et du Professional Committee par leur nom et savent même à quoi servent ces organes. Ils remplissent des formulaires dans les temps tout au long de l’année pour que le congrès puisse avoir lieu.

Mon statut de « convenor » du groupe d’intérêt spécialisé Semantic Web (SWSIG) m’a permis de me joindre aux officiers de l’IFLA pour le Leadership Brief et le Division Leadership forum de la division III (Library services) et de plonger plus avant dans les méandres de cette passionnante institution. Pour ceux qui comme moi aiment savoir comment ça marche, et pas seulement profiter du résultat, les deux sessions de formation des officiers (« officiers training session » – mardi à 13:45 et mercredi à 11h45) sont ouvertes aux curieux et aux vocations.

En direct de l’IFLA

Il faut que je songe a remplir mes devoir de blogueuse IFLA (fonction attestée par le ruban bleu que je porte sur mon badge) et ne pas céder à la facilité en me contentant de réflexions en moins de 140 caractères…

Le congrès a commencé comme à son habitude intensément, avec les réunions des comités permanents samedi matin, le caucus des francophones samedi soir, la session d’ouverture et les premières sessions thématiques dès dimanche. Pas de week-end pour les congressistes ! (pas de jour ferié non plus, cela va sans dire).

Le programme est très intéressant cette année et on regrette de ne pas pouvoir se dédoubler pour assister à plusieurs sessions à la fois. Heureusement, grâce au fil Twitter #wlic2011 qui est assez bien alimenté, on peut avoir une idée de ce que se passe dans les autres salles.

Ainsi le Web sémantique est à l’honneur et il a été abordé hier dans deux sessions qui se déroulaient en parallèle : la session des bibliothèques d’art, avec une présentation sur VIAF et celle de la section de Catalogage avec le projet polymath, un projet sur les autorités en Linked Data dont j’avais entendu parler parce qu’ils ont présenté un use case au LLD XG. Dans cette 2e, il semblerait que la question de l’avenir de MARC (ou son absence en l’occurrence ;-) ait été évoquée. Elle le sera encore dans d’autres sessions.

En parallèle encore, le FAIFE (Committee on Freedom of Access to Information and Freedom of Expression) organisait une session intitulée « how to fix the world », oui, rien que ça ! ou il a été question (d’après le flux Twitter) notamment des émeutes en Egypte et des libertés individuelles.

Ce matin, après avoir écouté la session plénière ou il était question de propriété intellectuelle, je me suis rendue a la réunion du Namespace task group. Ce groupe, pour l’instant plus ou moins informel, réunit plusieurs sections et groupes de l’IFLA pour coordonner la publication des standards bibliographiques sous forme de vocabulaires RDF.
Cela faisait longtemps que le groupe ne s’était pas réuni (je me demande même si ce n’était pas la première fois… On avait surtout travaillé par mail par le passé) et c’était tout à fait passionnant. Parmi les sujets abordés, nous avons évoqué le problème de la traduction des labels dans des langues autres que l’anglais, les liens entre vocabulaires, le dédoublonnage des notices…
Les activités de ce groupe seront liées à celle du groupe d’intérêt spécialisé sur le Web sémantique, le SWSIG, que je réunis mercredi matin à 9:30 (si des congressistes me lisent : surtout n’hésitez pas à y assister, même par simple curiosité !)

A suivre…

Ma valise pour l’IFLA

Bon alors… départ pour l’IFLA la semaine prochaine… qu’est-ce que je vais mettre dans ma valise ?

1, Mon article sur Convergence et interopérabilité : l’apport du Web de données pour la session de la la section Classification et Indexation. Que j’ai écrit en français, pour une fois… Faudrait peut-être que je fournisse la traduction, d’ailleurs, oups, ne serais-je pas un peu en retard ?
Tiens, en tout cas, il va y avoir des choses intéressantes dans cette session : comment skosifier votre bibliothèque, un service japonais pour le Web sémantique, et l’indexation par le Web à la Bibliothèque du Congrès.

2. Le rapport final du LLD XG, dont nous allons présenter les résultats lors de la première réunion du nouveau groupe « Web sémantique et bibliothèques » que j’anime.
Le rapport en question n’est pas tout à fait fini, on y travaille encore… Et d’ailleurs ce n’est pas tout ! Il y a deux livrables complémentaires : l’un qui liste les données et vocabulaires disponibles, l’autre qui synthétise notre collecte de use cases.

3. Le texte fondateur du groupe d’intérêt spécialisé que j’évoquais plus haut, le SW SIG. C’est qu’il va falloir réfléchir à ce qu’on va faire dans ce groupe pendant les deux ou trois ans à venir… Ce sera le but de la réunion du groupe : une réunion ouverte, à laquelle tout le monde peut venir.

4. Les documents des autres groupes auxquels je participe :
– le comité permanent de la section Information Technology,
– le Namespaces task group qui travaille sur la publication des vocabulaires de l’IFLA (dont la FRBR family),
– l’ISBD XML group qui (comme son nom ne l’indique pas) finalise en ce moment une version de l’ISBD en RDF, version qui a déjà été utilisée par la British Library dans la version Linked Data de leur bibliographie nationale, publiée récemment.

5. Le programme de toutes les intéressantes sessions de la conférence auxquelles je vais pouvoir assister : sur le dépôt légal numérique, la formation pour la gestion des collections numériques, etc.

6. Mon ordinateur portable. Mon blog. Mon Facebook. Mon Twitter, avec le hashtag #wlic2011.

7. Mon maillot de bain :-) quand même…

Un réservoir de données liées…

En farfouillant dans les archives du Figoblog pour produire un document, je retombe sur cet article d’avril 2006 dans lequel je suggérais :

Moi je verrais bien l’évolution du catalogue vers un statut de base « pivot », contenant des données en XML qu’on pourrait réutiliser à volonté, dans des applications adaptées aux différents types d’usagers.

5 ans après, je ne sais pas si je suis complètement monomaniaque ou franchement visionnaire, mais j’ai toujours la même vision. A quelques détails près.

Je pensais XML, parce que je n’avais pas encore réalisé qu’il n’était pas vraisemblable de vouloir faire entrer toutes les données du catalogue, dans leur diversité, dans un même modèle documentaire.
Il a fallu s’extraire des carcans de la pensée documentaire pour considérer que ce dont nous avons besoin, ce n’est pas un format unique, mais un modèle générique capable d’intégrer de façon souple et auto-descriptive différents formats.

J’avais aussi pressenti que le problème n’était pas d’imaginer les nouveaux usages, mais d’imaginer un réservoir de données capable de s’adapter à tous les usages possibles :

Il y a des usages, multiples, différents, et aucun outil miracle ne saura tous les contenter. Il faut des données fiables et souples, qu’on peut sortir, transformer, adapter, réutiliser. Pour moi c’est ça le futur du catalogue.

En fait, j’envisageais déjà le catalogue comme un système métastable, c’est à dire capable d’intégrer les évolutions de façon naturelle, et pas uniquement comme des facteurs de remise en cause et d’instabilité.

En fait, il fallait pousser le raisonnement jusqu’au bout : ce qui m’inspirait ces réflexions c’était le modèle du Web. Or, le Web, en tant qu’espace global d’information (un espace où on peut naviguer d’une page à l’autre sans rupture, ni technologique, ni dans l’expérience utilisateur : il suffit de « cliquer »), nous apprend précisément ceci : si on veut que de larges quantités d’informations puissent interopérer, il faut accepter qu’elles soient produites de façon hétérogène, et n’imposer que le niveau minimal de normalisation permettant à toutes ces informations de cohabiter dans le même espace.

Les systèmes d’information actuels (dont les catalogues) posent exactement ce type de problème : ils sont instables au sens où leur équilibre est sans arrêt remis en cause par quelque chose de nouveau (un nouveau format, un nouveau besoin, une nouvelle fonctionnalité), et ils sont hétérogènes parce qu’à chaque nouveau besoin, on donne une réponse spécifique.

Le Linking Enterprise Data correspond à l’application des principes du Linked Data au domaine de l’entreprise. Je ne vous parle même pas d’exposer les données sur le Web. L’enjeu est seulement d’utiliser le Web (ou le Web sémantique) comme modèle pour la conception du système d’information. On adopte un niveau de normalisation minimal pour toutes les applications, de façon à ce que les données soient interopérables et reliées (avec des URI). A partir de là, le système devient métastable, capable de maintenir une certaine stabilité dans un contexte en évolution. Quand un nouvel usage émerge, la donnée est déjà disponible, il suffit de l’agréger pour la retraiter.

La masse des données manipulée dans les catalogues (surtout les gros) rend illusoire l’adoption d’une base unique, d’un format unique. Techniquement, les problèmes de performance et de cohérence sont exponentiels. Du point de vue de l’utilisateur, le modèle est rigide, inadapté aux évolutions.
Il faut adopter un modèle qui est prévu, de façon inhérente, pour être permissif aux évolutions. RDF par exemple.
Dès lors le catalogue, plutôt qu’un réservoir unique, est une plate-forme, un environnement cohérent au niveau local (à l’intérieur de la bibliothèque) dont le rôle majeur est de relier les données et de les rendre disponibles.

Merci à Got d’avoir partagé ses lumières avec moi sur ce sujet.

Et au fait, le LLD XG ?

Il y a quelques mois, j’annonçais ici la naissance d’un groupe au W3C sur les bibliothèques et le Web de données. Depuis, silence radio… et pour cause ! C’est un peu prenant, comme activité. D’ailleurs, ceux d’entre vous qui auraient essayé de suivre via la liste de discussion se seront rendu compte qu’il s’y passe tellement de choses que c’est parfois difficile de suivre. Même pour les membres du groupe, et même pour les co-chairs, alors ;-)

Du coup je me suis dit qu’un petit point d’étape à mi-parcours, et en français dans le texte, ne serait pas inutile. Oui à mi-parcours, on a déjà passé la moitié de l’espérance de vie normale de ce groupe…

Depuis le mois de mai, le groupe se réunit chaque semaine pendant une heure au téléphone. Vous me direz, comment on fait pour tenir une réunion d’une heure, avec en général entre 10 et 20 personnes en ligne, par téléphone et dans une langue étrangère pour la la plupart des membres du groupe ? Et ben, on y arrive grâce à l’infrastructure géniale du W3C (et un peu d’organisation).
Sur le wiki vous trouverez le running agenda, qui contient toutes les actions en cours et les sujets de travail actifs. Chaque semaine, celui qui préside la réunion le met à jour et envoie un sous-ensemble, les points qui seront traités, sur la mailing list.
Pendant la réunion, on est au téléphone et en même temps sur un canal IRC qui permet aux robots du W3C (Zakim et ses amis) de nous rejoindre et de gérer les aspects « logistiques » de la réunion : passer à la parole à ceux qui la demandent, couper les micros qui font trop de bruit, et prendre des notes. Enfin, c’est le scribe (une fonction tournante) qui écrit directement dans le canal IRC tout ce qui se passe : comme ça les minutes sont prêtes, ou presque, dès que la réunion est finie.

Je ne vous recommande pas la lecture des minutes de réunion, qui sont un peu dures à comprendre quand on n’a pas participé, mais il existe une page où sont récapitulés tous les sujets qui ont été traités pendant les réunions, ce qui permet de voir un peu l’avancement du groupe.

En octobre, nous nous sommes rencontrés à Pittsburgh pour le « face to face », seule et unique réunion présentielle dans la vie du groupe. Cette réunion a duré 1 jour et demi, et était elle aussi assistée par Zakim, avec des minutes extensives.
Mais bon, pour que cela soit compréhensible pour le reste du monde, nous avons produit un résumé des résultats de cette réunion.
Principalement, ce que nous avons fait c’est que nous avons regroupé les 42 (et plus) « use cases » que nous avions reçu en plusieurs « paquets » thématiques, les use case clusters, sur lesquels nous travaillons actuellement (voir ci-dessous).
Nous avons aussi travaillé sur la liste des sujets intéressants (« topics ») que nous avions identifié en lançant le groupe, pour essayer d’évaluer ce qui serait faisable dans le groupe d’incubation lui-même, et ce qui devrait faire l’objet de recommandations pour des actions ultérieures.

Depuis, nous bossons dur sur les use case clusters. L’objectif est, en partant de cas réels identifiés dans les use cases, d’essayer de couvrir plus ou moins tout le spectre des problématiques du Web de données en bibliothèque… pas une mince affaire !

Le cluster Bibliographic Data s’intéresse au cœur de cible des données de bibliothèques : la notice bibliographique. Il aborde des sujets tels que l’évolution des modèles et des formats, les problématiques de duplication et d’échanges de notices, et bien sûr, une discussion qui fait rage sur la liste en ce moment : dans un contexte de Web de données, peut-on encore parler de « notice » ?

Le cluster Authority data (la page est encore vide, mais ça va venir ;-), qui porte sur les données d’autorité, touche des problématiques assez différentes. Il fait l’objet d’une discussion pour savoir si quand on parle d’autorités, il est question des « choses » elles-mêmes ou juste des « noms » des choses. En fait, une discussion intensive autour de VIAF sur la liste a conduit à une sorte de consensus sur un modèle qui, à partir d’une notice d’autorité (par ex. une personne), produit un ensemble d’assertions reliées entre elles, dont certaines portent sur la personne en tant qu’entité, et d’autres sur son « label » (sa forme, on dirait en français) et les caractéristiques de cette forme.

Le cluster Vocabulary alignment porte sur l’utilisation de vocabulaires reliés entre eux pour améliorer l’interopérabilité entre des données qui sont décrites suivant des standards différents.
En fait, il s’avère que ce terme de « vocabulaire » était sujet à ambiguïté, ce qui a conduit, là encore, à tout un tas de discussions sur la liste, et débouché sur cette définition, dont nous ne prétendons pas qu’elle est globalement parfaite, mais plutôt qu’elle est suffisamment claire pour servir les besoins de notre groupe, à savoir, produire un rapport à peu près compréhensible pour des bibliothécaires ;-)
Au-delà de ça, il s’agit d’identifier la façon dont l’utilisation des technologies du Web sémantique pour aligner des vocabulaires va permettre d’améliorer l’expérience de l’utilisateur en terme de recherche et de navigation (search and browse). Bien sûr, cela ouvre aussi des perspectives pour améliorer ces vocabulaires eux-mêmes.

Le cluster Archives and heterogeneous data est un ensemble de cas qui touchent à la convergence entre des données au-delà des bibliothèques (archives, musées, etc.) en particulier dans des contextes où on essaye d’agréger ou de fédérer des grosses quantités de données.
C’est celui sur lequel j’ai travaillé donc je ne suis peut-être pas tout à fait objective… Mais à mon avis, son intérêt principal est de faire émerger le besoin, pour ce type de données, d’utiliser ce que les archives appellent le contexte (ou les bibliothèques, les autorités), bref un réseau d’informations sémantiques, pour relier des données qui sont différentes, qui décrivent des ressources différentes, mais qu’on voudrait pouvoir connecter quand même pour offrir une dimension de navigation à l’utilisateur.
Dans ce cluster, on touche aussi à l’intérêt du Linked Data pour des données non bibliographiques et à des fins professionnelles (l’utilisateur est le bibliothécaire ou l’archiviste).

Le cluster Citations travaille sur la notion de référence bibliographique. Après avoir posé une définition à plusieurs niveaux, il s’est attaché à imaginer ce que le Linked Data pourrait apporter comme enrichissements à la notion de citation telle que nous la connaissons actuellement : notamment en permettant l’accès direct à la ressource citée, ou en ajoutant des liens typés permettant d’être plus précis sur la relation entre le document citant et le document cité. La problématique des formats de citation est à rapprocher de celle des données bibliographiques.

Le cluster Digital Objects fait le tour des besoins liés à la publication d’objets numériques en ligne, l’accent étant mis sur la nécessité de pouvoir regrouper des objets, les enrichir, les parcourir et les réutiliser. Derrière la notion de regroupement on retrouve celle de structuration des objets complexes, avec notamment la mention d’OAI-ORE.

Ces 6 clusters étaient ceux qui avaient émergé de la réunion « face to face », mais par la suite nous avons été amenés à en créer deux autres : Collections qui traite des collections de bibliothèques et aussi de la problématique de la localisation des objets physiques, et Social Uses qui vient juste de lancer un appel à contributions.

Voilà, nous en sommes là ! Le travail sur les clusters est en train de se terminer, et je suppose qu’ensuite, nous commencerons à l’intégrer dans l’embryon de ce qui sera notre rapport final.