synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023

Définition générale

Souvent qualifiées de données sur les données, les métadonnées sont des données qui décrivent et identifient une ressource et son contenu. Cette ressource peut-être une donnée, une publication, un document, un jeu de données, un site web.
Pour prendre un exemple plus parlant, une boîte de conserve et son étiquette décrivant le contenu de la boîte (les ingrédients, la date de fabrication, la date de péremption, etc.) correspondent aux données et à ses métadonnées.

Il existe plusieurs types de métadonnées :

• Les métadonnées embarquées qui sont générées automatiquement par les appareils (données GPS, date, calibrage, etc).
• Les métadonnées enrichies sont ajoutées par l’auteur, le chercheur. Par exemple, il peut ajouter un titre, une licence, des mots-clés, un organisme de rattachement.
  Dans l’idéal, il faut compléter les métadonnées embarquées par des métadonnées enrichies au fur et à mesure de l’avancement du projet de recherche. Pour ce faire, il existe des outils comme les standards de métadonnées ou encore les schémas de métadonnées (voir ci-dessous, rubrique “Enrichissement des métadonnées”).
• Les métadonnées descriptives :
  elles servent à identifier un objet (description bibliographique basique : titre, auteur, date, sujet ; identifiant pérenne), à connaître le contenu d’un objet, à identifier les parties et la structure de l’objet (le nombre de fichiers composant un document et les relations entre ces fichiers)
• Les métadonnées administratives et de gestion :
  Elles servent à identifier et authentifier l’auteur (signature électronique), gérer les cycle de vie de l’objet pour conserver son historique et ses modifications (durée d’utilité administrative, sort final, changement de métadonnées, gestion des versions), garantir l’intégrité du fichier (empreinte électronique).
• Les métadonnées techniques :
  Elles donnent des informations sur l’environnement matériel et logiciel de l’objet, sur les fichiers (taille, compression), sur les formats.
  (source : Casanove (Alexia de), L’archivage pérenne des données scientifiques, 7 février 2019.)

Les métadonnées de pérennisation

Un dernier type de métadonnées concernent particulièrement la pérennisation. Elles fournissent des informations sur les formats de données, sur les systèmes utilisés pour les produire et sur leurs versions. Elles sont indispensables pour assurer la lisibilité des données et permettre la migration mieux maîtrisée d’un format à un autre.
Elles donnent des informations sur les droits d’accès aux données.

(Sources : Université Numérique francophone, Archiver l’information)

Les métadonnées de pérennisation sont décrites dans des dictionnaires ou des standards spécialisés (pour une définition de la notion de standard, voir ci-dessous, rubrique “Enrichissement des métadonnées”) comme PREMIS, METS, EAD.

• PREMIS (Preservation Metadata : Implementation Strategies) est un dictionnaire de données fournissant une liste des métadonnées que les services d’archives doivent connaître. Ce dictionnaire, hébergé par la Bibliothèque du Congrès à Washington, a été développé et est maintenu par un groupe international d’experts.
• METS (Metadata Encoding and Transmission Standard) est un standard d’empaquetage XLM ou schéma XML permettant d’empaqueter plusieurs types de métadonnées décrivant un objet numérique. Il peut être employé comme modèle d’échange d’objet numériques entre centres d’archives ou entrepôts. Ce standard est également hébergé par la Bibliothèque du Congrès.
• EAD (Encoded Archival Description) est un standard d’empaquetage de métadonnées spécialisé dans la description des fonds d’archives et des collections de manuscrits. Toutefois, il peut être appliqué à toute collection hiérarchisée de documents ou d’objets comme les collections muséales.

Sources & ressources

• Casanove (Alexia de), L’archivage pérenne des données scientifiques, 7 février 2019.
  Lien
• CINES, Les métadonnées de pérennisation.
  Lien
• Inist-CNRS, Cours introductif sur les métadonnées, 27 avril 2022.
  Lien,
  DOI : 10.13143/VWCE-G965.
• Inist-CNRS, Le cycle des métadonnées, mis à jour le 7 juin 2022.
  Lien,
  DOI : 10.13143/EAXE-C379.
• Inist-CNRS, METS et PREMIS, outils pour les métadonnées de pérennisation, mis à jour le 2 juin 2022.
  Lien,
  DOI : 10.13143/5QZ1-5843.
• Université Numérique francophone, Archiver l’information.
  Lien

ENRICHISSEMENT DES MÉTADONNÉES

Plusieurs outils et techniques permettent d’enrichir les métadonnées.

Les standards de métadonnées

Ce sont des schémas qu’un ensemble d’utilisateurs à adopté comme modèle. Ils sont donc reconnus, normalisés et largement utilisés. Utiliser un standard constitue une pratique respectant les principes FAIR, notamment l’interopérabilité.
Un standard fournit des éléments caractéristiques pour décrire une ressource. Ces éléments caractéristiques peuvent varier d’une ressource à l’autre, d’une discipline à l’autre. C’est pourquoi, les standards peuvent être propres à une discipline, à un type de données. La recherche pourra alors porter sur un élément caractéristique particulier de description. La description des éléments caractéristiques peut être définie et précisée par des vocabulaires spécifiques.

Exemples de standard de métadonnées

• Dublin Core : standard généraliste et interdisciplinaire. Il est composé de 15 éléments :
• title : nom de la ressource
• subject : thème du contenu de la ressource
• description : résumé, table des matières, etc.
• creator : auteur principal de la ressource
• publisher : entité responsable de la diffusion de la ressource
• contributor : co-auteur
• date : date de création ou de mise à disposition
• type : nature du contenu (texte, image, son, vidéo)
• format : format ou taille de la ressource
• identifier : identifiant univoque : ISBN, ISSN, DOI, URI, URL, Handle, ORCID, etc.
• source : référence à une ressource à partir de laquelle la ressource actuelle a été
  dérivée ou créée
• language : langue originale de la ressource
• relation : référence à une ressource apparentée (version antérieure, ultérieure, autre
  format, etc…)
• coverage : périmètre spatio-temporel
• rights : information sur les droits et licence associés à la ressource
• EAD : standard de description des documents d’archives
• Marc : standard de description des documents des bibliothèques
• DDI : Data Documentation Initiative : standard disciplinaire pour les ressources des sciences sociales, comportementales et économiques.
• MIDAS-Heritage : standard disciplinaire pour les ressources du domaine de l’architecture.
• DwC : Darwin Core : standard du domaine de la biodiversité.

Le schéma de métadonnées

Si aucun standard de métadonnées ne convient, il est possible de créer un schéma de métadonnées. Toutefois, avec un schéma, les données seront moins FAIR, moins intéropérables.
Pour créer un schéma, il est préférable d’utiliser un standard existant généraliste comme Dublin Core et de le compléter avec un fichier de métadonnées spécifiques à ses besoins.
Si un standard existe mais est incomplet, il est conseillé d’utiliser les éléments de ce standard et de le compléter avec des éléments nouveaux.

Les langages documentaires ou vocabulaires contrôlés

“Les langages documentaires sont des vocabulaires contrôlés ou normalisés, dont le but est de répondre à l’équivoque du langage naturel et aux problèmes que posent la polysémie et l’homonymie. Ils servent à indexer et à décrire le contenu d’une ressource et visent à améliorer la recherche documentaire.
On distingue trois grands types de langages documentaires :

• les schémas de classification,
• les listes d’autorités ou de vedettes-matières et
• les thésaurus.

Les classifications, à l’exemple de la Classification décimale de Dewey, proposent une organisation hiérarchique des concepts.
Les listes d’autorité ou vedettes sont des termes normalisés, qui doivent être obligatoirement utilisés dans le catalogage ou l’indexation, pour décrire le contenu des documents. On peut ici citer Rameau (Répertoire d’autorité-matière encyclopédique et alphabétique unifié), le langage d’indexation matière utilisé par la Bibliothèque nationale de France.

Enfin un thésaurus structure un vocabulaire contrôlé en décrivant l’ensemble des relations sémantiques qui relient des concepts.

L’emploi de vocabulaires contrôlés est une recommandation de l’Agence nationale de la recherche pour l’évaluation de la qualité des données dans les plans de gestion des données. De même, selon les principes FAIR, « pour être FAIR, les données doivent être décrites à l’aide d’un vocabulaire contrôlé respectant lui-même les principes FAIR. Il doit être facile à trouver grâce à un identifiant pérenne et unique, documenté et lisible par les machines »”.

(Source : Perrin (Emmanuelle), Bonnes pratiques pour structurer un thésaurus)

Il existe des thésaurus disciplinaires auxquels les chercheurs peuvent se référer :

• PACTOLS (Peuples, Anthroponymes, Chronologie, Toponymes, Œuvres, Lieux et Sujets) : le thésaurus des sciences de l’Antiquité et de l’archéologie – de la préhistoire à l’époque contemporaine. Il liste et structure environ 60 000 concepts.
• GEOETHNO : un thésaurus en développement à la bibliothèque Eric de Dampierre. Il est spécialisé dans les termes géographiques liés à l’ethnologie.
• ArchiRès : le thésaurur de l’architecture
• Loterre : le thésaurus de la science ouverte
• Gemet : le thésaurus du domaine de l’environnement.
• AGORHA : le thésaurus de l’INHA
• TIMEL : le thésaurus des images médiévales
• Savoirs : le thésaurus de l’histoire et de l’anthropologie des savoirs.

Les concepts d’un thésaurus sont classés selon les relations qu’ils entretiennent entre eux. Ces relations sont de différents types.
Un concept peut être lié à un concept générique, à des concepts spécifiques, à des concepts associés.
Par exemple, dans le thésaurus PACTOLS, le concept “divinités germaniques” est lié au concept générique “Divinités”. Il est lié aux concepts spécifiques “Ases”, “Odin”, “Thor”, “Vanes”. Enfin, il est lié au concept associé “panthéon germanique”.
Ces relations permettent de hiérarchiser et relier les concepts entre eux. Elles peuvent être représentées sous la forme d’un arbre aux multiples branches et ramifications.

Le but d’un thésaurus ou d’une liste d’autorité est également de proposer des termes et des orthographes normalisés que les chercheurs devront utiliser de façon à désambiguiser la description et à permettre l’interopérabilité.
Ainsi, la notice d’un thésaurus ou d’une liste d’autorités fournit le terme ou descripteur qui sera privilégié ainsi que les termes à éviter pour désigner un concept, une entité.
Par exemple, dans le RAMEAU de la BnF, le dieu Odin est décrit dans les métadonnées par le terme “Odin”. Ce terme est privilégié et est employé à la place et pour les variantes “Odinn”, “Wodan”, “Wöden”, “Wotan”, “Wothan”, “Wuotan”, “Wutan”.

Les vocabulaires contrôlés qui respectent les principes FAIR sont doté d’un identifiant pérenne unique ou PID (voir ci-dessous).

Un outil : Opentheso

Opentheso est un logiciel libre de création et de gestion de thésaurus multilingue. Il a été créé en 2005 pour la gestion du thésaurus PACTOLS. Il fait aujourd’hui partie des services proposés par la TGIR Huma-Num. Il est développé à la Maison de l’Orient et de la Méditerranée. Il permet, entre autres, de gérer de façon collaborative un thésaurus avec quatre niveaux d’intervention et de droits (SuperAdmin, Admin, Manager, Contributor) ou encore de générer automatiquement des identifiants pérennes (Handle, ARK).
Pour s’initier à son utilisation, le site du logiciel propose une page de tutoriels et de vidéos.

Sources & ressources

• Dalbin (Sylvie), Référentiels, de quoi parle-t-on ?, Journée d’études de l’ADBS, 26 novembre 2013. Licence CC-BY-SA. Lien
• Du thésaurus aux référentiels terminologiques, Journée d’études de l’ADBS, 2013. Lien
• Groupe de travail Réutilisatibilité, Consortium Cahier, Vademecum pour la réutilisabilité des données, janvier 2022.
  Lien
• Inist-CNRS, Cours introductif sur les métadonnées, 27 avril 2022.
  Lien,
  DOI : 10.13143/VWCE-G965.
• Inist-CNRS, Métadonnées, standards, formats : fiche synthétique, mis à jour le 27 novembre 2017.
  Lien,
  DOI : 10.13143/VBJS-6288.
• Kattnig (Cécile), “Référentiels, données d’autorité, thésaurus, ontologies, taxonomies…Pour en savoir plus !”, Bulletin des bibliothèques de France, 2008, n°5, p. 102-103. Lien
• Etalab, Préparer les données à l’ouverture et à la circulation, 2021.
  Lien
• Perrin (Emmanuelle), Bonnes pratiques pour structurer un thésaurus, carnet hypothèses Opentheso, mis à jour le 1er juin 2022.
  Lien
• Référentiels, publié sur le site Isidore.science.
  Lien
• Urfist Méditerrannée, Les principes FAIR, 4 décembre 2019.
  Lien,
  DOI : 10.13143/Z7S6-ED26.

---

---