Les bases de données steampunk des SHS

Vous avez sans doute croisé pas mal de gens qui ont fait une base de données pour leur thèse. Vous avez sans doute travaillé au sein d’un labo alimentant une base de données sous Access ou FileMaker Pro. Avez-vous recroisé ces données ? En lisant une thèse ayant nécessité la création de base de données spécifique, avez-vous eu accès à ladite base pour vérifier les résultats obtenus ? Avez-vous accès aux bases montées par la plupart des labos pour leur travail ? Dix ans plus tard, pouvez-vous accéder aux bases de données qui ont permis l’écriture d’un travail ?

C’est souvent difficile : on a perdu les fichiers, on ne sait plus comment c’était fait, machin a mis la main dessus et refuse l’accès aux autres. La base de données en SHS a deux statuts : la fiche jetable et/ou la précieuse propriété intellectuelle qu’il faut protéger du plagiat. Ces bases de données sont mortes-nées. Pourtant une base de donnée devrait être conçue comme une édition scientifique : quelque chose qui doit être publié et servir à tous.

Bien sûr certaines personnes finissent par donner accès à leur base via le web. Cependant on n’a pas accès aux données, mais à une extraction, ou à une manière choisie de présenter ces données. Vous vous rappelez de la vie avant Zotero ? Pour faire votre bibliographie vous recopiiez sagement les informations que vous lisiez sur un ouvrage ou sur un catalogue. Aujourd’hui vous cliquez sur une icône en consultant Amazon ou le Sudoc et bim ! C’est importé dans votre base. Bien que disponibles, ces données le sont autant qu’une donnée bibliographique avant Zotero : il faut tout recopier, c’est difficile à automatiser. Ces données sont mortes-vivantes.

Peut-on récupérer les données des bases publiées sur sa machine pour pouvoir les reprendre ? C’est rare. Un site comme nosdeputes.fr propose des interfaces de programmation donnant accès à leurs données et propose même les dumps SQL utilisés pour leur site. Les données sont vivantes : ont peut les récupérer telles quelles. Cela dit, cela reste compliqué de les relier à d’autres types de données, elles sont isolées, seules1.

Vous pouvez faire une base de données, c’est bien, mais pas suffisant. Vous pouvez publier cette base de données, c’est bien, mais pas suffisant. Vous pouvez donner accès aux sources de votre base de données, c’est mieux. Mais ce n’est toujours pas suffisant. Non. Il y a une étape de plus pour sortir du steampunk et atteindre le Nirvana : relier entre elles ces bases de données.

Imaginons qu’une équipe, appelons-la « équipe A », travaille sur « les courses poursuites en automobile dans Tintin »2. Ils ne s’amusent pas à charger les références des albums, le Sudoc met à disposition une base de données où ils sont tous identifiés. Ils créent donc leur base en la liant a celle du Sudoc.

Imaginons qu’une autre équipe, « l’équipe B », travaille sur « les courses poursuites dans Tintin » en utilisant le même protocole que l’équipe A. Ils ne s’amusent pas à redécrire les courses poursuites en auto, ils ne décrivent que toutes les autres et les relient à la base de leurs collègues et au Sudoc.

Arrive votre équipe, « l’équipe C », vous, vous bossez sur « l’utilisation d’armes à feux dans les courses poursuites de Tintin ». Vous n’avez aucune course poursuite à décrire ! Vous créez votre base en référençant l’utilisation d’armes à feux et en la liant aux bases de A et B elles-mêmes reliées au Sudoc. Bravo, vous êtes sorti du steampunk : vous mettez à disposition vos données dans un format réutilisable et surtout qui peut être relié à d’autres données. Ce n’est pas de la science-fiction, ça existe, c’est possible aujourd’hui. On appelle ça « web des données », « linked data », « web sémantique » et plein d’autres noms sans doute.

Certes, il y a un problème. Je sais ce que vous pensez. Les genTEs de B sont incompétentEs, ceux et celles de A bossent trop lentement (et vous auriez deux mots à leur dire sur leur protocole moisi). Pire ! Les petits égoïstes de l’équipes D, qui n’ont rien foutu, pourraient venir vous voler toutes vos données et publier avant vous, récoltant toute la gloire et les financements de l’ANR. Oui… Mettons ces réserves de côté cinq minutes. Focalisons-nous sur la fonctionnalité : nous pouvons échanger, ajouter, agréger facilement de la donnée. Nous pouvons échanger, ajouter, agréger facilement de la donnée. Nos données sont vivantes et elles se font facilement des amies. Les bases de données des thésards, des chercheurs ne sont plus condamnées à être mortes-nées, mortes-vivantes ou vivant seules sur une île déserte. Elles peuvent être telle que la recherche a toujours voulu qu’elles soient : vivantes et reliées entre elles.

Après avoir pas mal peiné à comprendre ce que c’était, j’ai fini par réaliser que le web de données c’est un web de bases de données. J’espère que ce texte vous aura permis de comprendre pourquoi je trouve ça super cool. Je compte développer ce sujet sur plusieurs articles, je parlerai (je ne sais pas encore dans quel ordre) du Sudoc, de data.bnf.fr, de dbpedia.org et de la League of Extraordinary Gentlemen.

Si vous voulez vous y mettre dès maintenant, je vous recommande cette présentation d’Emmanuelle Bermès à l’ADBS qui est une des plus claires que j’ai pu voir. Learning SPARQL [en] est un bon livre pour mettre rapidement les mains dans le cambouis (SPARQL est le langage de requête standard du web des données).

  1. Et sans doute tristes. []
  2. Je n’ai aucune idée de pourquoi ils bossent là-dessus. []

Publié par

Nicolas Legrand

Maîtrise d'histoire, DESS de compétence complémentaire en informatique, six ans à l'École nationale des chartes, trois à l'Observatoire de Paris-Meudon, à la BULAC depuis décembre 2013. Développeur Web, administrateur système et réseau, administrateur de système de gestion de bibliothèque.

9 réflexions au sujet de « Les bases de données steampunk des SHS »

  1. Bonjour,
    Très bon billet, cependant je parlerai plus de données et d’information reliées placées « dans » le web et interrogeables dans celui-ci que de « c’est un web de bases de données ». Ce billet fait écho aux choix que nous avons fait en 2009 pour Isidore qui se place lui aussi dans le web de données et le linked data et dans lequel toutes les bases de données exposées selon RDF ont leur place. Ce billet est éclairant ! Merci !
    Stéphane.

    1. Merci pour ce commentaire :), c’est effectivement important de préciser « dans le web ». Je l’ai omis parce que j’ai longtemps été perturbé par les notions de « web » dans le cadre du linked data. J’ai cherché ici à employer des expressions qui auraient pu me faire comprendre plus vite. C’est un petit mensonge pour l’éloigner de l’image que l’on a du Web (ie tout ce qu’on butine avec un navigateur) et la rapprocher de l’image que l’on a d’une base de données (requêtes sur données brutes). Rétablir cette vérité ouvre de nouvelles portes, on pourrait imaginer par exemple, la possibilité en France de faire enregistrer ses données par le dépôt légal du web pour la conservation.

      Isidore est vraiment une plateforme remarquable. En fait, c’est quand elle est sortie que ma méfiance est en grande partie tombée et que je me suis dis « OK, il y a quelque chose à creuser dans cette direction ». Merci :).

  2. Bonjour,

    nous étions steampunk sans le savoir! L’équipe ANR « Mame » (consacrée, de 2008 à 2011, à un projet d’histoire sociale et d’histoire de l’édition) a rencontré très exactement les problèmes que vous évoquez. Sans réussir à les résoudre entièrement… mais ce n’est que partie remise: nous reprenons nos travaux autour de la solution « omeka » pour partager nos données, notamment à l’occasion d’une journée de travail le 5 juin prochain, à la MSH de Tours. Les chercheurs qui seraient intéressés peuvent prendre contact avec l’équipe: http://mameetfils.hypotheses.org/871

    1. Je… En fait, en disant « Filemaker Pro » je pensais justement à la base Mame et fils dont François Fièvre m’avait parlé quand il travaillait dessus (je crois avoir le souvenir que c’était fait avec ça). Je voyais déjà le problème sur le moyen et long terme, cependant, je n’avais pas critiqué à l’époque parce que ces outils ont un avantage certain : ils sont plus accessibles. Auriez-vous pu avancer dans les délais, avec les moyens donnés à l’époque, sans cet outil ? Après tout, c’était déjà mieux que rien et je trouvais le projet ANR super.

      Du coup, je suis heureux d’apprendre que cette base vit et revit. Je vous souhaite du succès ! Je ne connais pas Omeka, je vais suivre http://mameetfils.hypotheses.org/ de plus près :).

  3. Chère carnetière, cher carnetier,
    Nous avons particulièrement apprécié votre billet. Pour que la communauté puisse plus aisément le découvrir, nous avons décidé de le mettre en Une d’Hypothèses.
    Bien cordialement,
    L’équipe d’Hypotheses.org

  4. Avec juste deux ans de décalage, une initiative qui va dans ce sens : le réseau Heloise (http://heloise.hypotheses.org/). Bon, on publie pas trop en ligne sur les ateliers de discussion mais on travaille et j’espère que l’on parviendra à interconnecter toutes ces données dans les années qui viennent. Mais c’est évidemment un peu long, car nous sommes face à des données structurées de façon très diverses…

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.