Les outils de l’interopérabilité: les intérêts du format de fichier csv

Dans le cadre du master Métier des archives, des bibliothèques et humanités numériques, l’axe d’enseignement « Médiation des publics et Humanités numériques » prépare les futurs professionnels des archives et des bibliothèques aux nouvelles pratiques de description documentaire, transformées et enrichies par l’apparition d’une multitude d’outils numériques. Ce billet synthétise les avantages d’un format de fichier ouvert et indépendant : le CSV (comma separated values), pour la diffusion et l’utilisation des connaissances des sciences humaines et sociales.

Si rédiger et partager des notices descriptives accompagnant les ressources constitue le cœur des métiers de la documentation, ce n’est qu’avec l’essor du web ces vingt dernières années que les enjeux de leur diffusion et de leur réutilisation, au-delà de la simple mise en ligne, ont pris une importance considérable.

À la croisée des sciences humaines et sociales et des sciences de l’informatique, les humanités numériques1 ont vu émerger une « zone d’échange»2 interdisciplinaire au sein de laquelle les portails documentaires, les catalogues ou encore les agrégateurs de données des institutions scientifiques et culturelles rencontrent leurs usagers. Différents outils ont progressivement été élaborés pour la description des ressources (données) et de leur contexte de production et de gestion (métadonnées).

Cependant, la multiplicité des moyens de lecture peut ralentir et complexifier l’échange de données. Les gestionnaires et publiants sont donc guidés par les principes du FAIR3 pour en faciliter la découverte, l’accès, l’interopérabilité4 la réutilisation grâce à un certain nombre de mesures. Parmi les formats assurant l’interopérabilité des données, le format CSV se démarque par sa simplicité de lecture qui en permet l’exploitation par un grand nombre de logiciel et d’utilisateurs. 

Un standard interopérable

Le format CSV (Comma Separated Values), en français « valeurs séparées par des virgules », désigne un format de fichier texte5 de type tableur dont les données de chaque ligne sont séparées par un caractère de séparation. L’extension de ce type de fichier est « .csv ».

Afin d’assurer la communication entre différents systèmes, l’interopérabilité s’appuie sur des normes générales appliquées grâce à des standards et formats ouverts6 . Le CSV est un format non-propriétaire, ouvert sans restrictions d’accès, et indépendant de tout logiciel. Il peut donc être pris en charge par un grand nombre de logiciels (Bloc-notes, Excel, Google tableur, etc.) dont des logiciels ouverts de type tableur comme LibreOffice Calc. Il peut également être utilisé entre différents outils numériques et bases de données hétérogènes.

La structuration des données

Selon les recommandations développées par Sir Tim Berners-Lee, inventeur du web7, et afin d’assurer l’interopérabilité, les données doivent être disponibles de manière structurée, ce que garantit le format de fichier CSV (voir les 5 étoiles de l’open data).

Comme le suggère le sigle CSV, acronyme de « coma separated value », les données sont organisées sous forme de tableau dont les champs de chaque ligne sont séparés par des virgules. Généralement, la première ligne contient les titres des colonnes et les suivantes les données.

Les séparateurs ne sont pas standardisés : selon les logiciels et les paramètres les virgules peuvent être remplacées par un point-virgule, un espace ou d’autres caractères. Dans le cas où les champs contiennent un séparateur, ils peuvent alors être délimités par des guillemets.

Le traitement des données

Le format de fichier CSV permet la saisie des champs de description adaptés aux bonnes pratiques de description documentaire et d’indexation, et augmente ainsi la capacité des données à être utilisées et combinées.

Ces caractéristiques en font un format facilement manipulable par les utilisateurs. L’échange de données entre différents systèmes est simplifié au format CSV ; les fonctions d’import et d’export des fichiers depuis et vers les bases de données des institutions encouragent la collaboration et donc la cumulativité des connaissances.

Par exemple, les données exportées peuvent être corrigées et retravaillées rapidement et en gros volume grâce à de nombreux outils de mise en forme de données (OpenRefine, Sublime Text, etc.).

L’exploitation des données

Les catalogues en ligne proposent une fonctionnalité d’export au format CSV transférable dans d’autres outils informatiques d’analyse quantitative ou de datavisualisation. Cela permet aux communautés académiques et professionnelles, mais également aux utilisateurs, de réutiliser ces données pour les analyser, les contextualiser ou les enrichir.

La datavisualisation8 permet une représentation graphique d’une masse de données importantes afin de pouvoir mieux les analyser et les partager à un public plus large. La pertinence d’un tel exercice dépend de la quantité et de l’homogénéité des métadonnées rattachées aux ressources. Chaque outil de visualisation est adapté à un type de métadonnées (diagrammes, cartes, chronologies, nuages de mots, etc.).

À titre d’exemple, une illustration de représentation cartographique du fonds de l’ethnologue Annie-Hélène Dufour9 à la phonothèque de la MMSH. Les notices des photographies ont été exportées au format CSV depuis la plateforme d’archives ouvertes MédiHAL. Elles sont ensuite mises en forme (sélection des métadonnées pertinentes comme la longitude et la latitude), avant d’être importées dans l’outil de géolocalisation Umap.

Cartographies des photographies du Annie-Hélène Dufour grâce à l’outil Umap http://umap.openstreetmap.fr/fr/map/fonds-annie-helene-dufour_726108#9/43.6840/6.6524

La dématérialisation des ressources physiques rend aujourd’hui indispensable l’interopérabilité des standards. Afin de permettre l’utilisation et la diffusion des connaissances, la structuration des données et de leurs métadonnées est garantie par l’utilisation de formats informatiques ouverts et indépendants tel que le fichier CSV. Ce format offre une structure très basique. D’autres standards tel que le langage XML vont permettre la hiérarchisation des données.

Ce billet a été rédigé par Lucie Grattier-Sion, étudiante en Master 2 Histoire, civilisation, patrimoine. Parcours Métiers des archives, des bibliothèques et humanités numériques, Aix-Marseille Université en s’appuyant sur la présentation de Tatyana Gil et Emilie Groshens, archivistes à la MMSH, lors du séminaire Visual Studies organisé le 2 novembre 2021.

Image mise en avant : “Network graph visualization showing bibliography and references”. Wikimedia Commons. This file is licensed under the Creative Commons.

Pour citer ce billet : Grattier-Sion Lucie, “Les outils de l’interopérabilité: les intérêts du format de fichier CSV”, Carnets du master Métiers des archives et des bibliothèques : médiation de l’histoire et humanités numériques, 7 mars 2022. URL : https://masterabd.hypotheses.org/9299

  1. Les humanités numériques recouvrent un ensemble de pratiques à la croisée des sciences de l’informatique et des sciences humaines et sociales : “Les humanités désignent un dialogue interdisciplinaire sur la dimension numérique des recherches en sciences humaines et sociales, au niveau des outils, des méthodes, des objets d’études et des modes de communication” Marin Dacos et Pierre Mounier, extrait du rapport Humanités numériques: état des lieux et positionnement de la recherche dans le contexte international, Openedition, 2014, Bibliothèque numérique de l’ENSSIB, p.7. []
  2. Patrick Svenson « Beyond the big tent », 2012 in Matthew K. Gold (éd.), Debates in the Digital Humanities, Minneapolis, University of Minnesota Press. []
  3. FAIR est l’acronyme de Findable, Accessible, Interoperable et Reusable, les principes FAIR visent à évaluer et améliorer l’utilisation des données : https://zenodo.org/record/1065991#.YiYe-hDMKLo []
  4. “On appelle interopérabilité le fait que plusieurs systèmes, qu’ils soient identiques ou radicalement différents, puissent communiquer sans ambiguïté et opérer ensemble. L’interopérabilité nécessite que les communications obéissent à des normes, clairement établies et univoques. » Encyclopédie en ligne Wikipedia []
  5. un fichier texte ou est un fichier dont le contenu représente uniquement une suite de caractères en opposition au format binaire []
  6. Un format ouvert est un format de données dont les spécifications techniques sont publiques sans restriction d’accès ni de mise en œuvre par opposition à un format fermé (loi 2004-575 du 21 juin 2004 []
  7. Tim Berners-Lee: The next Web of open, linked data, 2009. []
  8. À propos de la visualisation de données: Maryasha Barbé, ” La visualisation de données appliquée à des fonds d’archives : retour sur trois cas d’études” : https://phonotheque.hypotheses.org/33431 []
  9. À propos du fonds Annie-Hélène Dufour : Véronique Ginouvès, ” Avent 2021 – Annie-Hélène Dufour, l’anthropologue, l’enseignante et ses archives” : https://phonotheque.hypotheses.org/tag/annie-helene-dufour []

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.