Cela aurait pu être une communication (non retenue) lors d'une journée d'étude... mais ça sera finalement un billet de blog. Avec un clin d'oeil pour commencer :

• Une photographie joyeuse des Archives des Bouches-du-Rhône, ainsi légendée : "Yves Montand, une divette et un journaliste, René Monduel, prennent la pose"
• Et ma réponse : "mais qui est la divette ?"

La preuve par l'exemple qu'en matière de visibilisation des femmes, nos données patrimoniales font pâle figure. Quand on cherche des femmes dans les bases de données et catalogues, on peut en trouver, bien sûr, mais principalement en effectuant une recherche nominative (et encore, entre le nom d'épouse et le nom de naissance) ou en rusant sur les termes et des vocabulaires susceptibles de concerner "des femmes".

Les données c'est bête et méchant : une notice concernant Marguerite ne sortira pas en résultat de recherche "femme" s'il n'est pas précisé que Marguerite est une femme. Que faire alors pour mieux faire sortir des résultats de recherche, mais aussi améliorer la découvrabilité des contenus et rendre visible l'implicite ?

Petit retour d'expérience sur ce que je pratique dès que c'est possible lors d'opérations de rétroconversion et/ou mise en qualité de données nominatives sérielles.

Les expressions régulières ("regex" pour les intimes) est une syntaxe qui permet de décrire et identifier un ensemble de chaîne de caractères possibles. Quand on gère au quotidien des catalogues, inventaires ou bases de données, elles peuvent servir de super "rechercher / remplacer par" très utile pour normaliser et corriger quelques coquilles ou en masse.

Au lieu de rechercher un mot strict (par exemple "chat"), les expressions régulières permettent de chercher des chaînes de caractères (par exemple 4 lettres, ou "c" suivi de 3 lettres, ou "c" + 2 lettres + "t"...), et si besoin de les modifier en mémorisant les valeurs initiales.

Quelques cas d'usages au quotidien quand on travaille sur des milliers de lignes :

• traquer le point final (absent ou présent, selon les choix), en fin de ligne / balise
• traquer la minuscule qui subsiste en début de champ / balise
• chercher l'année ou la date mal écrite (par exemple trois ou cinq chiffres qui se suivent)
• repérer des coquilles d'orthographes (les suivi d'un mot sans s final : les ([a-z]{3,})([a-r|t-x]) )
• etc.

Voir aussi l'article "Expression régulière" sur Wikipédia

Dans le cadre d'une intervention "Archives et open data" auprès du master 2 Archives d'Angers (janvier 2023), j'ai compilé les jeux de données "archives" diffusés en open data, à partir du catalogue des données de data.gouv (version du 5 janvier 2023).

Le fichier CSV, accessible sur Framagit et sur data.gouv.fr, recense 269 dataset, dont 223 sont actifs (statut = "publié"). Les données issues de data.gouv ont été indexées (géolocalisation, type de service, thématique(s) des données), pour permettre des approches thématiques et géographiques. Parmi les données "archives" ou assimiilées (données patrimoniales et historiques), j'ai retenu les inventaires des relevés de Météofrance (inventaires XML), mais pas les données de type cadastre SIG.

Côté fournisseur de données, il y a 72 dataset issus d'archives municipales (33 services concernés) et 67 d'archives départementales (15 services concernés). En tête des services fournisseurs de données :

• Antibes (17 jeux de données) (commune)
• Côtes-d'Armor (17 jeux de données) (département)
• Hauts-de-Seine (14 jeux de données) (département)
• Toulouse (8 jeux de données) (commune)

J'ai créé une indexation thématique rapide (multivaluée, à plat et qui mériterait d'être bien plus hiérarchisée et structurée) pour avoir un meilleur aperçu des contenus proposés en open data.

• La plupart des jeux de données ont une coloration "'histoire" du territoire, avec une part importante de listes d'individus (notamment élus) et de documents figurés (souvent numérisés et accessibles sur les portails des services d'archives). Mais aussi des données historiques originales qui peuvent donner des idées : lignes de transport toulousaines, les Unes de journaux anciens de Suresne, le dépouillement des délibérations, ...
• Une trentaine de jeux de données concernent plus l'activité du service et ses composantes : la "collecte" (avec les registres des entrées par exemple), les données statistiques ("fonctionnement", dont rapports annuels, "action culturelle", statistiques "public" et "communication").

Enfin, quoi que la couverture du territoire soit très inégale, une petite carte des jeux de données publiés, avec des calques par typologie de service (commune et intercommunalité, département, région, données nationales et autres services).

Voir en plein écran

Pour aller plus loin

• Jeux de données "archives" : version 2022 (utilisé ici) ; mise à jour 2023 (309 jeux de données, dont 259 actifs)
• Data.gouv.fr, catalogue des données
• Rawgraphs : outil de création de graphiques
• Umap : outil cartographique (voir aussi le tutoriel)

Frise chronologique créée à l'occasion d'une intervention "Archives et open data" auprès du master 2 Archives d'Angers (janvier 2023, mise à jour décembre 2023)

Pour aller plus loin

• Frise chronologique en ligne
• Tableur de données source (CC BY-SA)
• Outil : Timeline JS (voir le tutoriel)