synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023
L’archivage
Une infrastructure : la Section Aurore
Infrastructure créée en 2007 au sein de l’association des archivistes français. Elle est composée de membres issus du monde des archives, du milieu des universités, rectorat, grandes écoles et organismes de recherche français et européens.
Dans le but de promouvoir la gestion rationnelle des données de recherche, cette section fournit des outils, des publications, des formations. Elle a notamment élaboré un référentiel traitant des question d’amélioration de la gestion des données de recherche, de leur sécurisation, et de leur conservation.
Archivage : définition
Il s’applique à tous les documents et toutes les données produites ou reçues que ce soit sur support papier ou numérique. Pour chaque type de document, il s’agit de déterminer la durée de conservation, le sort final des documents à l’issue de cette période de conservation et de prendre en compte les aspects légaux.
Un document connaît trois âges qui correspondent à trois usages :
- l’usage courant quand le document est utilisé régulièrement,
- l’usage ponctuel quand le document est conservé à titre d’information et consulté ponctuellement. A ce stade, le document peut être remis à un service d’archives (celui de l’université).
- l’usage historique : le document présente un intérêt pour la recherche et devient une source de la recherche historique.
A l’issue de l’usage ponctuel, un tri est effectué pour déterminer le sort final du document. Si le document a un usage historique, il est versé aux archives définitives
(bordereau de versement). S’il n’en a pas, il est éliminé suite au remplissage d’un bordereau d’élimination.
Un établissement de recherche est responsable de la conservation de ses archives et des conditions de leur conservation. Les documents doivent être accessibles et consultables.
Dans le cas des unités mixtes de recherche du CNRS, les archives sont conservées au service d’archive du lieu d’implantation.
(source : DoRANum Callisto, Le référentiel de gestion des archives de la recherche)
Les risques d’une absence ou d’un mauvais archivage des documents et données numériques
- l’obsolescence matérielle
- l’obsolescence logicielle
- l’obsolescence du format de fichier
- la perte de signification du contenu
Les objectifs de l’archivage numérique pérenne
L’archivage numérique pérenne a trois objectifs sur le long terme (plus de 30 ans) :
- conserver le document et son intégrité sur son support de stockage.
- rendre accessible le document autrement dit, pouvoir trouver et lire le document (ouvrir les fichiers)
- préserver l’intelligibilité du document de façon à ce qu’il soit compréhensible pour les utilisateurs du futur.
archivage vs. stockage
L’archivage numérique pérenne se distingue du stockage car le stockage ne prend en compte que les deux premiers objectifs de l’archivage et agit sur le moyen terme.
Quand organiser l’archivage ?
Il est important de réfléchir à la politique d’archivage dès le début du projet de recherche de façon, notamment, à anticiper les aspects financiers qui doivent être présentés dans le budget. Il s’agit ainsi de penser au budget pour l’achat de matériel dédié, pour des prestations informatiques ou pour le recours à un hébergeur tiers.
Qui ? les acteurs de l’archivage
L’archivage concerne divers acteurs :
- les chercheurs et scientifiques qui apportent leur expertise sur le contenu informationnel des données.
- les juristes qui apportent leur expertise en matière de durée de conservation légale et de droit de la propriété intellectuelle.
- les archivistes qui apportent leur expertise en matière de critères de sélection et d’organisation des données.
- les documentalistes qui apportent leur expertise en matière de métadonnées, de catalogage des données et de description (ou indexation) des données.
- les informaticiens qui apportent leur expertise technique sur les supports de stockage, les formats, les technologies matérielles et les systèmes d’exploitation.
Le modèle OAIS de l’archivage des données
OAIS ou Open Archival Information System est un modèle suivi par les plateformes d’archivage qui décrit les différentes étapes et opérations d’archivage des données.
Ce modèle est devenu une norme internationale de type ISO.
Il structure la pérennisation en six entités fonctionnelles :
- l’entité “entrée” gère les paquets de données et d’informations à verser dans l’archive et les transmet au stockage.
- l’entité “stockage” stocke et assure la sauvegarde des paquets archivés.
- l’entité “gestion des données” fournit toutes les informations relatives au fonctionnement de l’archive comme la volumétrie, l’âge, le format et les droits associés aux informations et aux données archivés.
- l’entité “administration du système” pilote et coordonne le système.
- l’entité “planification de la pérennisation” assure une veille technologique sur l’archive, fait des recommandations sur les évolutions nécessaires et les stratégies comme la recopie de supports, la migration de format pour anticiper l’obsolescence technologique.
- l’entité “accès” rassemble les services qui sont en contact direct avec les utilisateurs. Elle communique les objets archivés aux utilisateurs.
Dans ce modèle le statut des objets à archiver change.
Avant l’archivage, les producteurs fournissent les objets à archiver et travaillent sur des objets numériques qui sont des SIP (Paquet d’Informations de Soumission). Une fois archivés, ces objets deviennent des AIP (Paquet d’Information à Archiver). Les utilisateurs ont, eux, accès à ces objets qui sont alors des DIP (Paquet d’Information pour la Diffusion).
(Source : Inist-CNRS, Le modèle OAIS)
Sources & ressources
- DoRANum Callisto, Le référentiel de gestion des archives de la recherche, 11 septembre 2019. Vidéo Canal-U
- Callisto, La Minute archivage pérenne des données, 4 avril 2022. Vidéo Canal-U
- Inist-CNRS, Le modèle OAIS, mis à jour le 29 juin 2018.
Lien,
DOI : 10.13143/7WE0-K508. - Site du CINES.
- CINES, Le concept d’archivage numérique, mis à jour le 6 janvier 2020.
Lien
Site d’archivage pérenne
Son objectif est de garantir la conservation physique des données et leur intégrité.
La plateforme doit pouvoir s’adapter aux évolutions technologiques et matérielles. Elle doit donc être évolutive et pouvoir traiter de gros volumes de données. Elle doit garantir la protection des équipements de stockage comme les serveurs. Elle assure également la gestion des droits d’accès et d’utilisation.
Elle doit posséder des outils de contrôle des supports (cf. la plateforme Facile du CINES) ainsi que des outils d’aide à la gestion des risques.
Elle doit produire des historiques et des statistiques et permettre des audits qui valideront sa conformité.
(Source : Callisto, Caractéristiques d’un site d’archivage pérenne)
le CINES
Le CINES ou Centre Informatique National de l’Enseignement Supérieur est l’organisme que le ministère de l’Enseignement supérieur et de la Recherche (ESR) a chargé de mettre eu oeuvre l’archivage électronique du patrimoine scientifique de la communauté de l’ESR.
Elle fournit deux outils majeurs : l’outil FACILE et la plateforme PAC.
L’outil FACILE permet au chercheur de vérifier la validité du format des fichiers qu’il souhaite archiver.
La plateforme PAC (Plateforme d’Archivage du CINES) est l’endroit où le versement des fichiers s’effectue.
La TGIR Huma-Num constitue l’organisme d’évaluation des demandes d’archivage et d’accompagnement des chercheurs pour les sciences humaines et sociales.
(Source : Inist-CNRS, Stockage et archivage : fiche synthétique)
Evaluation des sites d’archivage & certifications
Pour mesurer la qualité d’un site d’archivage pérenne plusieurs outils ont été mis au point. Ils peuvent relever d’un processus d’auto-évaluation, d’un audit réalisé par des experts extérieurs ou encore mêler les deux approches. Au sein de ces outils et processus, on compte :
- Checklist TRAC
- Drambora
- CoreTrustSeal
- Norme ISO 16-363
La checklist TRAC est un document qui présente une liste de critères classés en trois groupes : l’infrastructure organisationnelle, la gestion des objets numériques, l’infrastructure technique et sécurité. Elle permet à un site d’archivage pérenne d’auto-évaluer sa fiabilité, sa pérennité et les compétences de son personnel. Dans un deuxième temps, des auditeurs analysent cette auto-évaluation avant d’effectuer une visite du site d’archive et d’attribuer une note de 1 à 5 au trois groupes de critères. Il en résulte une certification qui expire après un délai de 4 ans et qui doit alors être renouvelée.
Drambora est une méthode d’audit interne des archives numériques développée en 2007. Elle fonctionne sur un processus d’auto-évaluation des risques de façon à mettre en oeuvre des solutions d’amélioration.
CoreTrustSeal désigne à la fois un organisme international de certification et la certification qu’il délivre. L’obtention de cette certification constitue une garantie de protection et de gestion optimale des données.
La norme ISO 16-363 fournit des recommandations organisées autour de trois axes majeurs pour mener un audit. Ces trois axes sont sensiblement les mêmes que ceux de la Checklist TRAC : l’infrastructure organisationnelle, la gestion des objets numériques, la gestion des risques pour l’infrastructure et la sécurité. L’audit permet de dégager les éléments qui répondent aux critères de ceux qui sont à améliorer.
(Source : Inist-CNRS, Evaluation et labelisation des sites d’archivage pérenne)
Entrepôt de données
Base de données en ligne permettant le dépôt, la recherche, la collecte, la description, la conservation et la diffusion des jeux de données. Une fois déposés, les jeux se voient attribuer un DOI et, très souvent, une licence de réutilisation. Les jeux de données sont accessibles sur l’entrepôt, et peuvent être réutilisés, éventuellement après une période d’embargo.
Les entrepôts ont plusieurs fonctionnalités :
- téléchargement et import de fichiers
- organisation des données en collections
- conservation : stockage sécurisé et archivage à long terme
- attribution d’un identifiant lors du dépôt
- intégration possible d’identifiants préexistants chez certains entrepôts comme zenodo.
- description des données avec des métadonnées et de la documentation complémentaire
- contrôle des droits d’accès aux données (libre, embargo, demande d’accès, clos), conditions d’utilisations et licences.
- gestion des utilisateurs et de leurs droits
- recherche simple et/ou avancée dans les métadonnées, parfois dans les données, navigation et filtres par facette ; affichage des métadonnées et/ou des données ; export des métadonnées
- exploration et visualisation de données
- exposition des métadonnées via OAI-PMH ou triple store, API.
- statistiques d’usage des données.
Les entrepôts sont de plusieurs types : - généralistes et multidisciplinaires : Archive.org, Nakala, MediHAL, Zenodo.
- disciplinaires : bibliothèques virtuelles humanistes, Ortolang, CNRTL, CocoOn, ArkeoGIS, Geoportail (IGN), Archipolis pour les sciences politiques.
- liés à une institution : Data.gouv, DataBNF, Hal.
Nakala : l’entrepôt des SHS
Consulter les onze vidéos de formation à la gestion des données avec Nakala.
(Source : Site Canal-U, chaîne de la TGIR Huma-Num, 2021.)
Les critères de choix d’un entrepôt
Les annuaires d’entrepôts comme Re3data permettent de chercher des entrepôts en appliquant des filtres selon le type d’entrepôt que le chercheur souhaite utiliser :
- disciplinaires ou non
- certifié ou reconnu
- mettant en place des restrictions d’accès ou des licences de diffusion
- permettant de modifier les données et/ou accéder aux différentes versions
- avec attribution d’un identifiant pérenne aux données
Les pages “politique” de l’entrepôt envisagé fournissent des informations pouvant intéresser le chercheur comme :
- le lieu d’hébergement du serveur
- le coût du dépôt
- le statut de l’entrepôt (public, privé)
- le type de données et les formats de fichiers acceptés
- le lien avec la publication scientifique (article, thèse)
- la politique de préservation à long terme des données.
La navigation sur le site de l’entrepôt permet de vérifier certains éléments comme :
- l’ergonomie de l’entrepôt et sa facilité d’utilisation
- la qualité des métadonnées autrement dit de la description des données.
- la présence de statistique d’utilisation de l’entrepôt (statistiques de consultation, de téléchargement).
(Source : Urfist Méditerranée, Les critères pour choisir son entrepôt)
Sources & ressources
- Aventurier (Pascal), Cocaud (Sylvie), Les entrepôts de données de recherche, Action Nationale de Formation RENATIS, 3/6 juillet 2017, Licence CC-BY.
Lien - Callisto, Caractéristiques d’un site d’archivage pérenne, 10 octobre 2017. Vidéo Canal-U.
- Dardenne (Nadine), DARIAH : une infrastructure numérique au service des sciences humaines et sociales, billet du blog d’Huma-Num et de ses consortiums, mis à jour le 14 février 2014.
Lien - Inist-CNRS, Evaluation et labellisation des sites d’archivage pérenne, mis à jour le 2 août 2018.
Lien,
DOI : 10.13143/V1QY-8318. - Inist-CNRS, Stockage et archivage : fiche synthétique, mis à jour le 6 août 2018.
Lien - Laube (C.), “Entrepôts” de données en SHS, présenté lors de l’Atelier des Humanités Numériques de l’ENS Lyon du 20 mars 2018.
Lien - Réseau ISORE, Carte mentale “Quels outils et services pour la pérennisation des données SHS ?”, décembre 2017. Licence CC-BY.
Lien - Site Canal-U, chaîne de la TGIR Huma-Num, 2021.
Lien - URFIST Méditerranée, Les critères pour choisir son entrepôt, DoRANum, mis à jour le 28 mai 2018.
Lien,
DOI : 10.13143/ZQPB-9449. - URFIST Méditerranée, Rechercher des données, DoRANum, mis à jour le 28 mai 2018.
Lien - URFIST Méditerranée, Dépôt et entrepôts, DoRANum, mis à jour le 16 août 2021.
Lien