L’expérience LIMC et CLAROS. Pour l’élévation des données du patrimoine et de la culture

dans le Linked (Open) Data

- Anne-Violaine SZABADOS -

-Journée d’étude sur le web de données et les sciences humaines et sociales -OUTILS, MÉTHODES, CORPUS : LA MODÉLISATION DES DONNÉES EN SHS-InVisu (USR3103 CNRS/INHA). PARIS, INHA. 17 novembre 2014

1

Plan: [Le fond vert et blanc évoque des jeux de données reliés, connectés]

Ressources numériques LIMC-France

Historique du programme CLAROS

Modèle CLAROS (fondé sur le CIDOC CRM) Composants Exemples

D’autres modèles : British Museum, LIDO, EDM, HADOC

Thésaurus multilingue THEA (Thésaurus-Antiquité)

Les référentiels à l’épreuve…

2

Le domaine de recherche du LIMC est l’iconographie de la mythologie et de la religion antique en lien avec la culture classique.- L’équipe française du LIMC diffuse sur son site Web « LIMC-France » les ressources numériques qu’elle produit. Ces ressources correspondent à son fonds documentaire et complètent la publication, le Lexicon IconographicumMythologiae Classicae (LIMC). Il n'y a pas d'équivalent numérique en-ligne de la publication traditionnelle, le Lexicon. Par rapport à ce-dernier, les ressources numériques « LIMC-France » sont indépendantes et complémentaires.

- La ressource numérique principale, le corpus d'objet « LIMC-icon », correspond à un catalogue d’objets antiques portant une scène relative à la mythologie. C’est une sorte de catalogue électronique, de collection de musée "virtuelle".

- L’indexation et la saisie d'une grande partie des données reposent sur l'utilisation du thésaurus multilingue du LIMC, TheA (Thésaurus-Antiquité), qui comprend des micro-thésaurus consacrés aux lieux, aux personnes, aux périodes chronologiques, aux domaines artistiques et types d’objets, à l’iconographie classique…

3

Vers 2000/2001, nous avons été contactés par le Beazley Archive d’Oxford (Donna KURTZ) pour participer à la création d’un portail international visant à donner un accès unifié à plusieurs ressources en ligne consacrées à l’Antiquité classique.

- L’autre partenaire historique est Arachne (Reinhard FÖRTSCH. CoDArchLab, de l'Institut archéologique de l'Université de Cologne. Cf. également le site iDAI / Deutsches Archäologisches Institut).

4

Le projet a connu plusieurs phases (CLAROSnet, MyEvent…). Dès 2004 et 2005 au moins, l’orientation Web sémantique, OWL, l’OAI-PMH a été exprimée (Manfred THALLER…).

- CLAROS a réellement débuté en 2008 dans sa forme actuelle et avec un quatrième partenaire, le Greek Lexicon of Personal Names (LGPN. SebastianRAHTZ).

- On voit ici deux schémas de 2008 retrouvés dans la documentation du projet.- Le premier montre l’approche de l’époque : les données pertinentes pour l’interrogation sont extraites des ressources numériques d'origine des partenaires et versées, avec un alignement sur un schéma commun, dans une base dédiée au projet.

5

L’autre schéma témoigne du fait que le CIDOC CRM, RDF, SPARQL et un triplestore étaient envisagés dès cette époque.

- Le site Web a été ouvert vers 2011.- D'autres partenaires se sont ajoutés, faisant ainsi évoluer le périmètre de CLAROS : collections d'objets mais aussi documents d'archives, photos anciennes, etc. ; culture classique mais aussi orientale, asiatique…- CLAROS propose également des requêtes et visualisations associant des données géographiques (webmapping) avec une frise chronologique ; ainsi qu'un outil de "recherche par le contenu de l'image" (Content Image Retrieval).

6

Voici trois schémas, dérivant de ceux publiés par Emmanuelle BERMÈS (en collaboration avec Antoine ISAAC et Gautier POUPEAU) dans "Le Web Sémantique en bibliothèque" (2013). Il rendent compte de trois formes d’interopérabilité que l’on peut retrouver plus ou moins dans CLAROS, dans les différentes étapes de réalisation du projet, mais aussi simultanément car CLAROS s'est adapté aux moyens des partenaires:

- Le premier correspond au schéma de 2008 et à l’interopérabilité fondée sur les dénominateurs communs : un mapping des données communes pertinentes (plutôt que le plus petit dénominateur commun) avec un modèle/schéma commun.

- Le second fait référence au modèle "roue et essieu" (hub and spoke), avec des référentiels en communs : référentiels CLAROS…

- Le modèle "navigation intuitive") (Follow your nose) : des jeux de données sont identifiés et utilisés comme référentiels, données-pivot : éventuellement dans la mise en relation avec des données comme celles d'Arachne, ou plutôt dans l’écosystème de CLAROS et les projets de type LOD [Linked Open Data] dans lesquels les données de CLAROS sont utilisées à titre expérimental.

7

Depuis sa mise en ligne, le site CLAROS propose un SPARQL Endpoint qui donne accès aux données en RDF, et à leur réutilisation…-Ici un enregistrement concernant un tissu copte (consulté en avril 2014).

8

Le modèle d’interopérabilité élaboré par CLAROS est présenté et expliqué sur un site Web, ClarosWiki : http://www.clarosnet.org/wiki/

9

Un enregistrement correspond à un bien culturel. Par exemple, pour le LIMC, Arachne et le Beazley Archive, il s’agit principalement d’objets antiques. Les notions communes retenues sont:- Les information sur l’objet : type, état, technique et domaine artistique, matériau, le décor, date de création, artiste…- Ses localisation passées (lieu de découverte ; collections anciennes) et actuelle, et les n° d’inventaire,- La documentation de référence (publication, webographie, reproductions et images).

--Le LIMC n’a pas tout retenu, en particulier les grandes images numériques - pour des raisons liées aux droits imposés par les propriétaires des images -, et certains critères trop particuliers, comme « Fabric » (origine de l'argile de la poterie…).-- Le modèle, fondé sur le CIDOC CRM, en reprend les notions clés, qui sont omniprésentes dans les informations relatives à la documentation traitées (les objets antiques…) : OBJET - PERSONNE – LIEU – DATE –ÉVÉNEMENT – CONCEPT .

10

Le modèle CLAROS est fondé directement sur le CIDOC CRM. En plus des éléments précédemment cités, on peut signaler :-le titre donné à l’objet – ou à l’enregistrement,-L’ID de la ressource numérique, si possible l’URI,-La notion d’événement, particularité du CRM, qui est appliquée ici à l’événement « production de l’objet » et « attribution d’une information par un spécialiste nommé ».-Le lien vers la ressource numérique d’origine….

--Le modèle CLAROS n’est pas idéal, de plus, certains jeux de données ne sont pas toujours en adéquation avec la notion avec laquelle ils sont mis en correspondance. Par exemple, Fabric semble recouvrir l’idée de zone de production définie par un type d'argile et ne concernerait que la poterie. En revanche, il n’y a pas vraiment de rubrique pour l'aire culturelle de production (ex: étrusque, punique…).

--D’autre part, la façon de renseigner l’appellation/le titre, varie selon les participants : dans certains cas, c'est la concaténation type d'objet + localisation actuelle + inventaire(s) ; pour d'autres, c'est une courte description ("buste de Satyre en marbre").

11

Voici deux exemples extraits des fichiers RDF/XML publiés en 2010 sur CLAROSwiki:- En haut, le début d'un enregistrement concernant un objet (crm:E22_Man-

Made_Object) d'Arachne et son appellation/titre : « Augustus mit Adlerszepter » (Auguste avec un sceptre avec aigle).

- Dessous, la partie de l'enregistrement d'un objet du Beazley Archive concernant l’événement de l'attribution par Erika KUNZE-GÖTTE

(P14_carried_out_by – E39_Actor) d’un vase au « Groupe de Léagros ».

12

Ici un troisième exemple, tiré d'un enregistrement du LGPN (publié en 2010), consacré au lieu Naxos, identifié par l’appellation de lieu (E45_Place_Name) « Naxos » et ses coordonnées géographiques latitude et longitude [les classes de ces deux notions ne sont pas tirées du CRM]. Dans <rdf:value>Naxos</rdf:value>, "Naxos" est une instance rattachée à la Classe E45_Place_Name.

- L’application du CRM repose sur l’articulation de Classes (notion, abstraction pour laquelle le CRM fournit une définition) et de Propriétés (prédicat pour lequel le CRM fournit une définition) . Les Classes, par exemple E48_Place ouE45_Place_Name, correspondent à des sujets et objets, les Propriétés – par exemple P87_is_identified_by - à des prédicats.

-Dans cet exemple : --Sujet prédicat objet--Le lieu a pour appellation Naxos--Le lieu a pour coordonnées …

13

Cet affichage du résultat – à une requête posée via le SPARQL Endpoint de CLAROS – consacré à un tissu copte (consulté en avril 2014), montre les métadonnées et liens hypertextes associés à ce document : - à gauche les propriétés (prédicats). Par ex : [le tissu]

crm:P53_has_former_or_current_location- à droite les « objets de triplet RDF », ici sous la forme d'URI [il pourrait aussi

s'agir d'un littéral/une chaîne de caractères] : http://id.clarosnet.org/places…//Victoria-and-albert-museum-london

14

Dans notre orientation de recherche, l’objet antique est le point nodal d’un réseau d’informations propice à l’interopérabilité.

15

CLAROS nous a permis d'adapter nos données au "Web sémantique" et au "Web de données" (Linked data). C’est une plateforme qui permet d’envisager l’élévation de ces ressources numériques ou de métadonnées dans le LinkedOpen Data (LOD), même si le modèle CLAROS n’est pas parfait.

16

Plusieurs ontologies, modèles ou schémas concernent les données relatives au patrimoine et à la culture.- Le CIDOC CRM ( ISO 21127:2006) est un modèle conceptuel de référence, une ontologie de domaine, qui émane du monde des musées (ICOM) mais peut-être appliqué à des données du patrimoine culturel qui ne relèvent pas des institutions muséales (http://www.cidoc-crm.org/). Il repose sur six notions clés : l'objet, le concept, le temps (Temporal Entity, Time-Span…), le lieu (Place), la personne/agent de l’action (Actor), et surtout, ce qui fait sa spécificité, l’événement. En plaçant l’événement au cœur de la modélisation, il permet de prendre en compte le contexte de l'information (contextualisation), d’affiner la granularité de cette-dernière. Son niveau d’abstraction le fait considérer comme difficilement applicable, toutefois, des modèles construits directement sur lui apparaissent. Par exemple, celui du British Museum.- D’autres modèles en dérivent, comme :-- LIDO (Lightweight Information Describing Objects), qui propose un schéma pour l'interopérabilité des collections du patrimoine culturel (ex: MIMO, pou les collections d'instruments de musique). Lié également à l'ICOM, il reprend les principes du CRM, de CDWA Lite(Categories for the Descritption of Works of Art, /J.P. Getty), de museumdat et de SPECTRUM(http://network.icom.museum/cidoc/working-groups/data-harvesting-and-interchange/what-is-lido/ ),-- EDM, pour l’interopérabilité avec Europeana-- HADOC, pour l’harmonisation des données culturelles (Ministère de la Culture et de la Communication). Le modèle est publié dans sa phase de travail ; il est encours de mise en application (http://www.culturecommunication.gouv.fr/Ressources/Harmonisation-des-donnees-culturelles/).

17

Notice consacrée au CRM sur Linked Open Vocabularies : http://lov.okfn.org/dataset/lov/

18

"The CIDOC Conceptual Reference Model. (CIDOC-CRM): PRIMER" de D.Oldmanet CRM Labs, fournit une introduction et des éléments pour débuter avec le CIDOC CRM, tel ce schéma sur les classes et notions principales (v1.2, Août 2014). -Version v.1 ( juillet 2014) : http://www.cidoc-crm.org/docs/CRMPrimer_v1.1.pdf

19

"The CIDOC Conceptual Reference Model. (CIDOC-CRM): PRIMER" de D.Oldmanet CRM Labs (v1.2, Août 2014) : hiérarchie "Thing"…

20

"The CIDOC Conceptual Reference Model. (CIDOC-CRM): PRIMER" de D.Oldmanet CRM Labs (v1.2, Août 2014) : événement "production".

21

Schéma du modèle du British Museum (British Museum CIDOC CRM mappings(v.4a. Juillet 2013p) par Dominic OLDMAN

22

EDM propose des modèles simples ou plus riches.- Ces deux tableaux associent au schéma EDM les informations (écrites en rouge et orange) tirées des ressources numériques LIMC-France. Elles concernent une péliké attique du Peintre de Providence, ornée d'Apollon et de Victoires, qui était conservée autrefois dans la collection De Luynes (aujourd'hui à la BnF, inv. De Ridder.392). Comme en témoigne le nom de domaine "SKOS" (skos:Concept…), le modèle de droite prend en compte un thésaurus multilingue (les termes en rouge sont tirés de TheA).

23

Le modèle UML HADOC (été 2014), par Katell BRIATTE…

24

En couleurs (à l'exception du panneau bleu) : les correspondances possibles entre les données LIMC-France et le regroupement sémantique "bien culturel" d'une version 2013 du modèle HADOC .

25

Les données relatives à la péliké de la BnF (De Ridder.392) dans le schéma organisé autour du "bien culturel" du modèle HADOC (version 2013).

26

L(O)D… : aux protocoles, langages, et vocabulaires communs – comme les ontologies, les modèles, le RDF – permettant de rendre les données interopérables, on peut ajouter les thésaurus ou les vocabulaires contrôlés.- À gauche, un schéma sommaire de la structure de l'information dans LIMC-France, dans lequel le fond violet évoque le thésaurus TheA.

27

Le LIMC a élaboré son thésaurus à partir de 1981, dès la première informatisation de ses données. Ce thésaurus en 9 langues, TheA (Thésaurus-Antiquité), est actuellement dans un processus de transfert vers une application en ligne permettant son exposition sur le Web et les alignements avec de grands thésaurus (logiciels actuellement en test : Ginco, OpenTheso).-Les concepts/termes du thésaurus sont utilisés lors de la saisie des informations. Notamment : les matériaux, les domaines artistiques et les techniques, les types d’objets, les périodes chronologiques, les noms d’artistes, mais aussi le noms des personnages mythologiques (et historiques), et des mots-clés et référentiels pour l’iconographie de la mythologie.

28

Un dessin à l'encre du XVIIe s., reproduisant le Vieux Centaure du Louvre, est conservé à la BnF. Sa reproduction numérique (mise dans le domaine public) et les informations qui lui sont associées sont diffusées sur Europeana, sur data.bnf.fr et sur Gallica (consultés en avril 2014). Les trois sites Web renvoient l'un à l'autre grâce à des liens ; les notices sont légèrement différentes et adaptées aux critères retenus par chacun des sites.

Références du dessin : anonyme, plume et lavis, vers 1680. BnF, dpt. Estampes et photo. FB-26-FOL.Ark:/12148/btv1b6936506r

29

Le dessin à l'encre du XVIIe s. reproduisant le Vieux Centaure du Louvre (également appelé Centaure Borghèse), est appelé "Amour chevauchant un Centaure".-Selon les ressources numériques en ligne, le groupe statuaire antique et ses reproductions sont appelés ou titrés différemment. Or le titre, ou l'appellation, est l'un des points d'accès à l'œuvre, une information souvent formulée dans les requêtes des internautes. Dans CLAROS, l'appellation /le titre est, selon les ressources, une "courte description" ou l'association "Collection/ localisation actuelle (musée) + l'inventaire".

-Cet exemple montre l'importance de l'harmonisation des (méta)données et des pratiques, de la désambigüisation (confusion de documents, doublons…), etc. Exposer ses données dans le Web des données, et le LOD, c'est aussi en garantir le niveau de qualité et de fiabilité. L'alignement des données et l'utilisation de qualificatifs destinés à préciser le degré de concordance d'une association (ex: exactmatch… ; broadMatch / closeMatch / relatedMatch…) concourent à élever le niveau de qualité et donc la valeur des associations.

Références du dessin : anonyme, plume et lavis, vers 1680. BnF, dpt. Estampes et photo. FB-26-FOL.Ark:/12148/btv1b6936506r

30

Cet écran de JocondeLab (consulté en avril 2014) montre une copie du XVIIIe s. du Vieux Centaure du Louvre, avec mention de la relation entre la réplique et son original ("copie du centaure de la villa Borghèse…").

31

Sur le site emuseum, qui compte parmi ses participants le Museum of Fine Arts de Boston, sont diffusés une notice et des photos relatives à un exemplaire hellénistique en bronze du Vieux Centaure aux mains liées, conservé au musée de Boston. Sur cet écran (consulté en avril 2014). La notice le signale bien comme étant au Museum of Fine Arts de Boston, avec l'inventaire 63.1039.-[Le Centaure du Louvre et celui-ci sont des répliques antiques d'un groupe original hellénistique aujourd'hui perdu, composé d'un vieux et d'un jeune Centaures, chacun chevauché par un Amour].

32

Sur cet écran du même site emuseum, consulté le même jour, la notice accompagnant la même photo du même Vieux Centaure en bronze signale l'objet dans les Collection de l'University Museum of Art de Brigham Young (Utah), sous l'inventaire Med.202 !-Confusion de champ lors de l'affichage? ; Référence provisoire – devenue définitive – liée à une exposition temporaire ? -[La statuette en bronze est bien conservée dans les collections du Museum of Fine Arts de Boston].

33

Comme la notion appellation/titre, celle d'aire culturelle de production n'est pas toujours facile à renseigner. Pourtant elle est courante dans les formulations des requêtes.-Comme pour l'appellation/titre, l'ontologie CIDOC CRM fournit les éléments nécessaires à la construction d'une structure informative correspondant à cette information qui associe des concepts liés au temps, aux lieux, au style, à des aires culturelles. Mais les façons d'exprimer ces aires culturelles –en privilégiant parfois la période, parfois le style ou la géographie … (ex : attique ; hellénistique ; 3e Style …) – et les thésaurus présentent des différences (panneau gauche : extrait du thésaurus AAT Getty ; écrans droits : extraits du thésaurus Garnier). Ces thésaurus, et les hiérarchies sur lesquelles ils font reposer l'organisation des concepts couvrant les notions d'aire de production, de période culturelle et de style, sont-ils en adéquation avec nos besoins et nos pratiques?-L'évaluation des données et de l'adéquation des outils peut passer par des processus d'analyse des assertions (instances).

34

… à suivre … la réutilisation des données pour des approches collaboratives, des mises en relations, la participation à un "graphe" culturel mondial.-Ici, un enregistrement LIMC-icon consacré à un vase attique conservé au Musée MAC-Empùries [Espagne], associé au thésaurus TheA et au LIMC (Lexicon…) ; des liens possibles via le Web de données et le LOD…

35

Trouver l'harmonie … dans le LOD … … Zen !

36

Argumentaire de la journée "Outils, méthodes, corpus : la modélisation desdonnées en SHS" : Les technologies du web sémantique permettent de décloisonner etde partager des données scientifiques afin de les interroger, de les enrichir et de lesréutiliser. Elles ouvrent des perspectives fécondes pour les humanités numériques, tantau niveau méthodologique (structuration, normalisation, interopérabilité,interconnexion, mutualisation et ouverture des données) que collaboratif, puisqu’ellesfavorisent l’association de différents métiers : chercheurs, documentalistes,informaticiens, bibliothécaires, archivistes, conservateurs du patrimoine. L’objectif decette journée d’étude est de réunir des laboratoires de recherche et des institutionsengagés dans la dynamique du web sémantique pour la structuration et la diffusion deleurs travaux. En s’appuyant sur le traitement de corpus particuliers, dans le contexte dedémarches scientifiques spécifiques, cette rencontre sera l’occasion d’échanger autourde la mise en œuvre des standards et des outils du web de données : choix desontologies, utilisation de notices et de vocabulaires d’autorité, alignement sur des jeuxde données de référence. Il s’agit aussi de participer aux questionnements que soulèventles technologies du web sémantique au sujet de l’élaboration des connaissances et de lafiabilité des ressources publiées. Le travail de modélisation et de structuration desdonnées offre de rendre explicite et de qualifier des catégories et des relations souventimplicites. Cependant l’utilisation d’un modèle logico-mathématique peut laissersupposer la neutralité et l’objectivité de la production et du croisement des données. Orl’interprétation, l’incertitude et la contextualisation sont des aspects essentiels de larecherche en sciences humaines et sociales.

37

Interventions de la journée "Outils, méthodes, corpus : la modélisation des données en SHS" : -9h15-9h30 : Allocution d’ouverture Didier Torny (directeur scientifique adjoint en charge de l’information scientifique et technique à l’InSHS) Données, corpus, publications : les enjeux de l’information scientifique et technique au CNRS à l’ère numérique.-9h30-9h45 : Emmanuelle Perrin (InVisu, USR 3103 CNRS/INHA) Présentation de la journée.-9h45-10h35 : Anila Angjeli (BnF, département de l’information bibliographique et numérique) ISNI -Les enjeux d’un identifiant international pour les personnes et les organismes. -10h50-11h40 : René-Vincent Du Grandlaunay (directeur de la bibliothèque de l’Institut dominicain d’études orientales, Le Caire) Le modèle FRBR appliqué au patrimoine arabo-musulman.-11h40-12h30 : Matthieu Bonicel (BnF, coordinateur de Biblissima) et Stefanie Gehrke (coordinatrice métadonnées, Biblissima) Biblissima et la modélisation de l’histoire de la transmission des textes et de la constitution des collections (titre provisoire). -14h00-14h50 : Anne-Violaine Szabados (ArScAn LIMC, UMR 7041, Maison de l’archéologie et de l’ethnologie, Paris X) L’expérience LIMC & CLAROS : pour l’élévation des données du patrimoine et de la culture dans le Linked Open Data.-14h50-15h40 : Francesco Beretta (LARHRA, UMR 5190, Lyon) Le projet SyMoGIH et le web de données. -16h-16h50 : Flore César (CRISES, EA 4424, université Paul-Valéry, Montpellier 3) Modéliser le transfert des savoirs en Europe septentrionale aux xviie et xviiie siècles : l’exemple du projet LexArt. -16h50-17h30 Mercedes Volait (InVisu, USR 3103 CNRS/INHA) Synthèse de la journée et discussion.

38