Par Benoît Seguin et Sabrina Tavernier

Alexandre Monnin est l’auteur d’une thèse sur l’architecture et la philosophie du Web. Son intervention s’appuie sur une expérience innovante d’indexation et porte sur les interactions possibles entre référentiel du web sémantique et portail documentaire.

Le portail Histoire des arts, mis en ligne sur le site grand public du ministère de la Culture, donne accès à à des ressources aux professeurs des écoles pour leur permettre de construire leurs enseignements.. Ce portail propose des dossiers pédagogiques, des expositions virtuelles, des vidéos, des repères chronologiques de toutes périodes, toutes civilisations, tous domaines artistiques confondus. Il contient près de 5 000 ressources très hétérogènes provenant de 350 institutions de cultures très différentes (archives, musées, châteaux etc.).

L’ensemble des ces ressources comme leurs fournisseurs, leurs pratiques et leurs cultures est hétérogène. L’enjeu est de trouver un référentiel commun. Faut-il élaborer un modèle pour tous ces éléments ?

La solution trouvée est le tagging libre (en amont) et augmenté (en aval) en s’appuyant sur le web de données et sur DBpedia qui est le référentiel le plus interconnecté. Dbpédia permet d’extraire automatiquement des données de Wikipédia, de les restituer de manière structurée et normalisée au format du web sémantique et de les relier à d’autres données. Les informations utilisées sont celles présentes dans les infoboxes de Wikipedia, les « fiches » ou tables de données résumant sommairement les informations essentielles sur un sujet. Le but est d’identifier des entités et de les associer à des identifiants universels¹. Pour ce faire, il faut procéder à une sémantisation des données², ce qui est compliqué du fait qu’un tiers du corpus du Wikipédia français n’est pas relié à des fiches Wikipédia d’autres pays).

Les taggings libres du portail Histoire des arts ont été sémantisés en huit semaines pour 16 000 mots clés. Les tags ont été associés à des URIs selon les principes du linked data. Le procédé choisi répond aux besoins du tagging culturel. 83 % des tags ont été utilisés par des visiteurs. Les entrées sont désambiguisées, la synonymie est gérée, des métadonnées sont associées et les descriptions enrichies (par exemple les coordonnées géographiques…). Un des avantages est l’enrichissement multilingue et le désenclavement des corpus, mais aussi de proposer de nouvelles recherches en créant des inférences (thèmes, frises chronologiques, exploitation géographique etc.).

Aujourd’hui, le projet Joconde Lab (500 000 notices) a prolongé l’effort d’HDA lab : les mêmes principes régissent le travail de sémantisation. Là encore, 80 % des descriptions sont couvertes par Dbpedia, ce qui semble valider la démarche.

 

_________________________

---

---