Structurer les contenus numériques

L’association fictive Roue Libre entretient des vélos et conserve ses notices sur papier, dans des photographies et dans plusieurs fichiers. Un bénévole cherche la bonne notice de freinage ; un autre consulte une version dépassée. Comment rendre ces contenus faciles à retrouver, à échanger et à mettre à jour ? Il faut agir sur leur acquisition, leur structure et leur classement, puis contrôler leur qualité.

Numériser consiste à représenter une information sous une forme traitable par un système informatique. Un scanner transforme une page en image numérique. Cette image peut être lisible à l’écran sans que ses mots soient disponibles comme du texte. Une reconnaissance optique de caractères peut en extraire des caractères, mais elle peut confondre des lettres, oublier une ligne ou mal interpréter un tableau.

Il faut donc distinguer trois opérations. La numérisation acquiert une représentation. La structuration organise les éléments selon leurs rôles : titre, auteur, étapes, références. L’indexation associe au document des informations qui faciliteront sa recherche. Photographier une notice ne garantit ni une extraction exacte de son contenu, ni une structure exploitable, ni sa présence dans l’index utilisé par les bénévoles.

La précision choisie influence la quantité de données. Une représentation trop grossière peut rendre une petite inscription illisible ; une précision excessive augmente le poids sans améliorer l’usage attendu. Une compression réduit la taille du fichier. Elle peut être sans perte, permettant de retrouver les données initiales, ou avec perte, supprimant une partie de l’information. Le choix dépend du document et de son usage.

Un document structuré identifie le rôle de ses éléments. Un titre n’est pas simplement une phrase écrite en gros ; il annonce une partie du contenu. Sur une page web, les niveaux de titres permettent une navigation hiérarchique. Une présentation visuelle peut changer sans modifier cette organisation. Séparer contenu et présentation facilite l’adaptation au téléphone et l’utilisation d’aides à la lecture.

Un langage de balisage entoure les éléments de marques qui indiquent leur rôle. HTML décrit la structure d’une page web avec des éléments définis par le langage. XML permet de définir un vocabulaire adapté à des échanges : notice, titre, référence, par exemple. Les partenaires doivent convenir des noms et du sens des champs. Deux fichiers bien formés peuvent rester incompatibles s’ils ne décrivent pas les mêmes choses.

En XML, un élément comporte généralement une balise ouvrante, un contenu et une balise fermante de même nom. Les éléments peuvent s’emboîter, mais leurs fermetures doivent respecter cet emboîtement. Un attribut apporte une information dans la balise ouvrante et sa valeur est entre guillemets. Le document possède un unique élément racine. La syntaxe correcte ne garantit pas la véracité des données.

Une métadonnée décrit un document : titre, auteur, date de mise à jour, langue, sujet ou numéro de version. Elle doit être fiable et régulièrement entretenue. Le nom fichier-final-bis ne constitue pas une politique de version. Une référence stable permet de retrouver une notice même si son titre change. La date précise si le document a été créé ou révisé ; ces deux événements ne sont pas interchangeables.

Indexer consiste à organiser des informations pour permettre leur recherche. Un index inversé associe des termes aux documents où ils sont repérés. Le système peut aussi indexer des métadonnées. La recherche utilise ensuite cet index, des critères de filtrage et éventuellement un classement des résultats. L’indexation et le classement ne sont donc pas la même opération.

Un hyperlien relie un point de départ à une ressource ou à un emplacement dans un document. Son libellé doit annoncer la destination de façon utile. Le référencement vise à rendre un contenu repérable dans les outils de recherche ; il ne garantit pas une position. Une syndication, par exemple au moyen d’un flux, permet à d’autres outils de recevoir des informations structurées sur des publications et leurs mises à jour.

Le choix d’un format dépend du traitement attendu. Une image convient à la reproduction visuelle d’une page ; un document textuel structuré facilite la recherche et la réutilisation. Un tableau de données exige des champs et des séparateurs compris des deux partenaires. Un format répandu ou ouvert peut favoriser les échanges, mais il ne résout pas automatiquement les différences de vocabulaire, d’unités ou de versions.

L’encodage associe les caractères à une représentation numérique. Un désaccord entre l’encodage d’écriture et celui de lecture peut déformer les accents. L’organisation doit donc préciser ce choix dans son échange et le tester avec des caractères réellement utilisés. Les tests doivent porter aussi sur les champs absents, les longs titres et les caractères réservés du langage employé.

Un outil de gestion de contenu aide à créer, classer, relire et publier des documents. Une organisation peut attribuer des rôles distincts à l’auteur et au validateur, conserver les versions et retirer de la consultation courante les documents obsolètes. L’archivage garde une trace utile ; il ne signifie pas que toute version doit être proposée comme une consigne actuelle.

Il faut également examiner les droits de consultation, la confidentialité, les possibilités d’accès pour les personnes handicapées et la durée de conservation pertinente. Un document indexé ne doit pas devenir visible à un public qui n’a pas le droit de le lire. La recherche doit respecter les droits d’accès. La standardisation facilite la circulation, mais elle ne dispense pas d’organiser cette circulation.

S’entraîner : retrouve le hub à l’adresse https://www.allostmg.fr/exercices.