Archives de catégorie : La numérisation

Le fonds Nancy sur Gallica : phase de contrôle

Il y a quelques mois, nous déposions sur le site de la BnF de Bussy-Saint-Georges 10 caisses contenant quelque 200 livres  du fonds Nancy.

 

Dans le cadre du programme de dématérialisation des collections des bibliothèques partenaires 2014-2017, ces livres sont aujourd’hui numérisés, et en ligne sur Gallica.
Mais la fin de cette étape amorce pour nous le démarrage de la phase de contrôle.

Pointage et contrôle de l’état des documents

Les documents qui nous reviennent à la fin de cette prestation doivent être consciencieusement déballés et pointés. Des milliers de livres provenant de nombreux établissements se côtoient sur les chaînes de numérisation de la BnF sans jamais se mélanger… du moins en théorie. Il nous appartient donc de vérifier s’ils sont tous revenus. Les livres ont conservé leur emballage de papier bulle afin de ne subir aucune dégradation durant le transport.

Chaque livre contient sa fiche descriptive, qui comporte les indications sur l’état dans lequel le livre à été confié. A-t’il été endommagé lors des manipulations pour les prises de vue ? Si oui, ces dégradations étaient elles inévitables, ou résultent elles d’une mauvaise manipulation du document ? Il nous faut en juger, en gardant à l’esprit que chaque document appelle une analyse spécifique. Par exemple, un livre dont le dos était rigide et durci verra forcément son degré d’ouverture contraint lors de la prise de vue. Les dégâts qui ont pu être occasionnés alors sont inévitables et ne résultent en aucun cas d’une erreur de la part de nos collègues des chaînes de numérisation.

Contrôles croisés

Tandis que nos collègues de la Bnf travaillent à verser quotidiennement les livres numérisés dans Gallica, nous avançons sur plusieurs étapes en même temps.

Sur Gallica

  • vérifier, pour chacun des titres, si le document est bien en
    ligne ;
  • vérifier également les informations bibliographiques : le titre correspond-il ? L’année d’édition ? L’auteur ?
  • dans le cas de recueils, bien que reliés ensemble, et numérisés en un seul tenant, contrôler que chaque titre fait bien l’objet d’un document à part entière ;
  • s’assurer que les liens fonctionnent, que le renvoi vers la notice bibliographique du  catalogue de la BnF correspond au titre numérisé ;
  • vérifier les pages dépliées, qui ont été numérisées ouvertes, cartes et autres gravures qui dénotent du corpus ;
  • tester enfin l’OCR en faisant des requêtes en plein texte pour s’assurer que l’outil a été bien paramétré et fonctionne correctement.
Notice détaillée d'un livre sur Gallica
Notice détaillée d’un livre sur Gallica

La Bnf met à la disposition de ses prestataires un tableau de suivi des anomalies, qui permettra à chaque acteur de signaler tout problème, selon une méthode bien définie. Ce tableau servira de base d’échanges pour renvoyer en numérisation des documents posant problème, ou  permettre au service de catalogage de reprendre certaines notices bibliographiques.

Les livres réintègrent progressivement nos magasins

Après ces quelques mois d’absence, les livres retrouvent peu à peu leur place dans nos magasins. Ils peuvent à nouveau être communiqués. A nous à présent de trouver une façon d’exploiter ces contenus numériques et de les diffuser auprès du public.

Sur notre catalogue

Les livres étant désormais accessibles en ligne, il convient de le signaler aux usagers susceptibles de les demander par l’intermédiaire de notre catalogue. Le lien pérenne du document sur Gallica est donc inséré dans la notice bibliographique de chacun d’entre eux. La plus-value apportée à l’usager est immédiate, et supplée parfois à la demande de communication du document.

Notice d'un ouvrage disponible sur Gallica.
Notice dans notre catalogue d’un ouvrage disponible sur Gallica.

 

Visibilité in-situ

La médiation numérique autour de nos fonds numérisés va pouvoir s’appuyer sur des outils différents.
Nous pouvons accompagner les usagers dans leurs recherches en les guidant sur Gallica. Nous avons également mis à disposition du public une tablette connectée sur l’application Gallica, qui permet une lecture particulièrement confortable. Nous organisons également des ateliers pratiques pour initier nos usagers à la navigation sur Gallica et tout particulièrement à la recherche de nos livres numérisés.

Pour retrouver nos livres sur Gallica : … cliquez ici, ou :

  • rendez vous dans la recherche avancée ;

  • sélectionnez « Bibliothèques de Nancy » dans la liste déroulante des bibliothèques partenaires ;

  • cochez aussi la case « en mode texte » pour cibler les documents qui vous offriront la recherche OCR.

 

Application Gallica sur tablette en accès libre
Application Gallica sur tablette en accès libre

Les Bibliothèques de Nancy se sont portées candidates à la prochaine campagne de numérisation, qui débutera à l’horizon 2017. Nous avons déjà commencé la sélection des documents qui cette fois porteront sur la Meurthe-et-Moselle.

À suivre sur Gallica…

 

Enregistrer

Enregistrer

Enregistrer

Enregistrer

Enregistrer

Enregistrer

Enregistrer

Numériser la presse : le contrôle

La dernière campagne de numérisation de la presse quotidienne régionale ancienne portait sur l’Est républicain pour la période 1919 à 1945. Retour sur les opérations de contrôle mises en œuvre avant le versement en ligne1.

Continuer la lecture de Numériser la presse : le contrôle

  1. le tout est désormais en ligne sur le Kiosque lorrain []

Numériser la presse : la mise en ligne sur le Kiosque lorrain

La fin des opérations de contrôle des fichiers livrés par le prestataire de numérisation signe le début de la préparation de la mise en ligne (lire billet précédent).

 

Page d'accueil du Kiosque Lorrain
Page d’accueil du Kiosque Lorrain

La préparation des fichiers

Le Kiosque lorrain repose sur des fichiers image au format jpeg et des fichiers XML/ALTO1 (pour le mode texte et le moteur de recherche).

Pour la presse nous avons fait le choix de numériser en jpg non compressé, la numérisation est réalisée en 300 dpi, désormais en couleur. Le format tiff est trop lourd en terme d’archivage, c’est la principale raison de notre choix. Nous nous orientons probablement vers une alternative déjà pratiquée par la BNF, le choix du jpg 2000 (ratio poids qualité plus intéressant).

Quoi qu’il en soit, les formats livrés ne sont pas destinés à la mise en ligne, les fichiers doivent être réduits en taille et optimisés pour assurer une bonne qualité de lecture pour un poids moindre afin de ne pas surcharger le serveur pour garantir des temps de réponse satisfaisants.

Préparation du fichier de chargement

Pour éviter les erreurs sur des fichiers de tableurs très longs, on ne part pas du fichier de récolement que l’on a transmis au prestataire. D’autant que celui-ci a été retourné avec des corrections ou des indications qui correspondent aux problèmes rencontrés au cours de la numérisation (pages signalées dans le fichier mais en fait manquantes, pages oubliées dans le comptage etc.).

Les fichiers pdf, dont on demande également la génération au prestataire, ne sont pas utilisés directement pour la visualisation dans le Kiosque (ils sont proposés pour le téléchargement), ils servent de base au travail de préparation du versement. En effet dans le Kiosque un item correspond à un fascicule de presse (donc à un pdf). On utilise Exiftool pour extraire les métadonnées des fichiers pdf ainsi que le nombre de pages les composant et la racine de leur nom de fichier. Ces informations sont extraites sous forme de fichier csv. Celui-ci sera alors retravaillé pour devenir le fichier source du chargement en masse des fascicules :

  • ajout des métadonnées Dublin Core complémentaires ;
  • concaténation et transformation de certains champs pour les rendre compatibles au format DC ;
  • ajout éventuel de métadonnées.

Les contraintes du plugin Omeka Newspaper

Le plugin développé pour Omeka2 pour le chargement et la mise en ligne de la presse nous impose actuellement un certain nombre de contraintes.

  • nécessité de déclarer le ratio de réduction dans le fichier de chargement : pour que la fonction de surlignage fonctionne, il faut que la position de chaque mot renseigné dans le fichier alto soit recalculée en fonction de la nouvelle taille en pixel de l’image qui sera uploadée sur le Kiosque.
  • nécessité d’un nommage des fichiers rigoureux. Le plugin part du nom de fichier du pdf pour déterminer le chargement des jpg et des alto, ces trois types de fichiers doivent impérativement avoir la même structure pour que l’import fonctionne.
  • les métadonnées : le mapping est basé sur un fichier csv qui va contenir tous les éléments nécessaires d’une part au chargement des différents fichiers, d’autre part à la création de l’item et à sa notice en Dublin Core.

Le chargement sur la base

 

Interface de l'upload des fichiers dans le Kiosque
Interface de l’upload des fichiers dans le Kiosque

Une fois le chargement lancé, le plugin génère un fichier de log qui va contenir les erreurs rencontrées. Elles peuvent être de deux types :

  • les erreurs fatales : le chargement s’interrompt si les champs ne sont pas ceux attendus (format Dublin Core et deux champs techniques, un pour le ratio de réduction, l’autre pour le nombre de vues attendues) ;
  • les erreurs mineures : le chargement continue mais un message d’erreur signale le problème rencontré et indique soit que l’item est incomplet (nombre de pages attendu différent du nombre de jpg présent sur le serveur de chargement) : fichier alto considéré comme vide (ce n’est pas forcément une erreur si l’ocr n’a rien détecté, comme cela peut être le cas sur une page restaurée avec du papier japon opaque par exemple), fichier non chargé pour un problème de nommage.
Interfacede l'historique des imports
Interface de l’historique des imports

Ces logs vont permettre de revenir au cas par cas sur les problèmes rencontrés.

La publication

Une fois les contenus chargés et les corrections effectuées, les fascicules peuvent être rendus publics. Commence alors la phase d’éditorialisation : sélection des contenus en page d’accueil, rédaction de dossiers…


Orientation bibliographique :

  1. Voir article précédent pour en savoir plus sur le format ALTO []
  2. Développé par la société liverdunoise Moobee et disponible sur github. []

Numériser la presse : les coulisses

Depuis 2009 la bibliothèque de Nancy réalise une campagne de numérisation par an. En 2013 a commencé le long chantier de numérisation de la presse quotidienne régionale lorraine (PQR), avec dans la foulée la réalisation du Kiosque Lorrain1. La campagne 2014 va bientôt porter à 120 000 le nombre de vues disponibles en ligne. Retour sur ces prestations.

Continuer la lecture de Numériser la presse : les coulisses

  1. Voir à ce sujet ce Billet sur le Kiosque lorrain []