Préambule de l'information

La présentation des relations entre les données, les informations, les connaissances et parfois la sagesse dans un arrangement hiérarchique fait partie du langage des sciences de l'information depuis de nombreuses années. Bien que l'on ne sache pas quand et par qui ces relations ont été présentées pour la première fois, l'omniprésence de la notion de hiérarchie est ancrée dans l'utilisation de l'acronyme DIKW comme représentation abrégée de la transformation des données à l'information, à la connaissance, à la sagesse.

La pyramide DIKW (Data, Information, Knowledge, Wisdom) est une représentation graphique de la hiérarchie entre les données, l'information, la connaissance et la sagesse. The carpentries propose une version revisitée dans laquelle sont illustrés les différents niveaux de l’information pour passer d’une donnée à de la connaissance, d’un symbole à de la sagesse. Ce schéma illustre un processus d'enrichissement cognitif qui s'opère en cinq niveaux distincts, chacun construisant sur le précédent pour créer une valeur ajoutée croissante.

Les données sont de l'information potentielle et doivent être traitées ainsi que contextualisées pour les rendre accessibles au public humain.

Les métadonnées visibles : l'exemple de la bibliographie

Dans l'écosystème académique, les métadonnées visibles constituent un élément familier et essentiel que tout chercheur manipule quotidiennement. La bibliographie représente l'exemple le plus parlant de ces métadonnées explicites : elle rassemble de manière structurée et normalisée l'ensemble des informations descriptives nécessaires à l'identification, à la localisation et à l'évaluation des sources mobilisées dans un travail de recherche.

Cette approche traditionnelle de l'organisation informationnelle repose sur des standards éprouvés (APA, MLA, Chicago, Vancouver) qui codifient la présentation des éléments métadescriptifs : auteur(s), titre, éditeur, année de publication, pagination, DOI, etc.

Ces informations, directement lisibles et interprétables par la communauté scientifique, facilitent non seulement la vérification et la reproductibilité des recherches, mais constituent également les fondements de l'indexation documentaire.

L'indexation manuelle, pratiquée depuis des siècles par les bibliothécaires et documentalistes, s'appuie précisément sur ces métadonnées visibles pour créer des systèmes de classification (Dewey, CDU) et des catalogues permettant la recherche et la découverte de ressources. Chaque notice bibliographique devient ainsi un point d'accès multiple vers le document source, enrichi de descripteurs thématiques, de mots-clés contrôlés et de classifications hiérarchiques.

Cette tradition documentaire, qui trouve ses origines dans les premières bibliothèques alexandrines, perdure aujourd'hui dans les bases de données académiques où les métadonnées bibliographiques demeurent le socle de la recherche informationnelle. Des plateformes comme PubMed (médecine), Web of Science (multidisciplinaire), Scopus (sciences) ou HAL (archive ouverte française) perpétuent cette logique en structurant leurs interfaces autour des champs métadescriptifs traditionnels. L'informatisation a démultiplié leurs capacités de traitement, mais le principe reste identique.

Le principe fondamental reste le même : renseigner les métadonnées visibles ou invisibles, c'est indexer le document et ainsi le rendre identifiable, repérable et exploitable par les autres.

Exercice : retrouvez les métadonnées

Les images numériques contiennent également de nombreuses métadonnées : informations sur l'appareil photo, la date de prise de vue, la localisation GPS, les droits d'utilisation, etc. Entraînons-nous à les identifier.

Métadonnées externes et embarquées

Il convient de distinguer deux grands types de métadonnées numériques : celles dites externes et celles dites embarquées.

Les métadonnées externes

Elles concernent les informations stockées séparément du fichier qu'elles décrivent. Ce peut être par exemple les informations descriptives dans un entrepôt de données, ou encore les tags/étiquettes qu'on ajoute dans un système de gestion de fichiers, ou bien un fichier Readme (voir un exemple de modèle de fichier Readme).

Les métadonnées embarquées

Comme leur nom l'indique, les métadonnées embarquées sont encodées dans le fichier lui-même. Ce sont par exemple, les métadonnées qui sont automatiquement générées :

• Lorsque vous créez un document sur le logiciel Word ; auteur, date de création, taille, nombre de mots, etc.
• Lorsque vous prenez une photo sur votre appareil; date, marque de l’appareil, numéro de série, etc.
• Lorsque vous envoyez un mail ; objet, expéditeur, destinataire, date d’envoi, personnes en copie (CC), etc.

Invisibles au premier coup d'œil, elles contiennent pourtant une mine d'informations sur l'histoire et les caractéristiques du document. Selon votre contexte, ces informations peuvent être sensibles. Pensez à les vérifier, voire à les supprimer avant de les partager.

Métadonnées structurées

Vous avez vu que les métadonnées peuvent être visibles (comme dans une bibliographie) ou cachées dans les propriétés d'un fichier. Mais comment les organiser pour que des milliers de chercheurs, dans des pays différents, puissent se comprendre et échanger leurs données ?

C'est ici qu'interviennent les métadonnées structurées : des métadonnées organisées selon des règles précises et des formats standardisés. Au lieu de laisser chacun décrire ses données à sa manière, on utilise des référentiels contrôlés - c'est-à-dire des listes de termes autorisés que tout le monde partage.

Ces référentiels peuvent prendre différentes formes :

• Des thésaurus qui organisent les termes et leurs relations
• Des taxonomies qui classent les concepts en catégories hiérarchiques
• Des ontologies qui définissent les relations logiques entre concepts

Grâce à ces outils, on garantit la cohérence des données, leur interopérabilité (capacité à être échangées entre systèmes différents), et la précision de l'indexation documentaire à grande échelle.

Standards de Métadonnées

Les fondements des référentiels contrôlés

Les standards de métadonnées contemporains s'articulent autour de vocabulaires contrôlés hiérarchisés, où chaque terme est défini de manière univoque et positionné dans un réseau de relations sémantiques (termes génériques, spécifiques, associés, synonymes). Cette structuration permet de dépasser les limites du langage naturel en normalisant l'expression des concepts et en facilitant la recherche par navigation conceptuelle.

Ces référentiels se déclinent selon différents niveaux de spécialisation : certains couvrent l'ensemble des champs disciplinaires avec une approche encyclopédique, tandis que d'autres se concentrent sur des domaines spécialisés pour offrir une granularité maximale dans la description des concepts experts. 

Les schémas de métadonnées

Pour aller plus loin dans la compréhension et la structuration des métadonnées, on a recours aux schémas de métadonnées. Un schéma de métadonnées permet de construire de façon organisée des informations descriptives et de donner du sens aux données. Il peut aller jusqu'au stade de l’ontologie.

Pour bien comprendre la différence entre index, thésaurus et ontologie, rappelons quelques points :

Index

Un index est essentiellement un outil de localisation qui référence où trouver des informations spécifiques dans une collection. Il établit une correspondance directe entre des termes (mots-clés, concepts, noms propres) et leur localisation dans les documents.

L'index ne modélise pas les relations sémantiques entre concepts : il se contente de pointer vers les occurrences en s'appuyant sur les termes présents dans le thésaurus.

En résumé

L'index localise, le thésaurus structure le vocabulaire, et l'ontologie modélise formellement la connaissance d'un domaine.

Dans la pratique privilégiez le standard de métadonnées disponible dans votre discipline car cette option assure une homogénéité des termes utilisés. En l'absence de standard, optez pour un schéma de métadonnées s'il en existe dans votre domaine car c'est le modèle le plus exploitable pour les autres, ainsi que le plus complet en termes de structuration des données. Dans le cas contraire, vous pouvez vous rabattre sur un index. Enfin, vous pouvez avoir recours à la création de métadonnées s'il n'existe aucun modèle à disposition.