Quelle est la différence entre numériser, structurer et indexer un document ?
Réponse courte
Numériser transforme une information en représentation informatique, structurer organise ses éléments selon leur rôle, et indexer prépare des informations pour retrouver le document par une recherche.
Comprendre
Acquérir une représentation
Numériser consiste à rendre une information traitable par un système informatique. Un scanner peut transformer une notice papier en image. Le document s’affiche alors à l’écran, mais son texte n’est pas nécessairement disponible pour une recherche. Une reconnaissance optique peut extraire des caractères, avec des erreurs qui doivent être contrôlées.
Organiser le contenu
Structurer revient à identifier les rôles des parties : titre, auteur, consigne, référence ou date. Un balisage comme XML peut distinguer ces éléments au lieu de les laisser sous forme de texte visuellement mis en page. Ainsi, une application peut lire le titre comme un titre. Une structure correcte ne garantit cependant ni l’exactitude ni l’actualité de l’information.
Faciliter la recherche
Indexer consiste à organiser des termes ou des métadonnées associés aux documents afin qu’un outil puisse les retrouver. Par exemple, une notice peut recevoir les métadonnées sujet « frein », version « 2 » et date de mise à jour. Photographier une notice ne l’ajoute pas forcément à un index ; structurer un fichier ne garantit pas non plus qu’il sera repéré. Ces étapes répondent donc à trois besoins successifs : acquérir, organiser, retrouver.
Exemples
- Un scan d’une notice papier est une numérisation, même si les mots de l’image ne sont pas sélectionnables.
- Identifier un bloc comme titre dans un fichier balisé structure le document.
- Associer les termes « frein » et « entretien » à une notice pour la retrouver dans la recherche relève de l’indexation.
Pièges fréquents
- Dire qu’un scan est automatiquement un texte exploitable : il peut ne contenir qu’une image et l’OCR peut se tromper.
- Confondre métadonnées et index : les métadonnées décrivent le document, tandis que l’index organise des informations pour le retrouver.
