Descripteurs

Logiciel de création et maintenance de thésaurus

---

Création : le 5 janvier 2006
Mise à jour : 03/03/2008, 11/2009, 15/09/2010 ; Janv.2011; Avril 2011;  Déc 2011

---

La construction et la maintenance dans le temps, d’un thésaurus ou plus globalement d'un vocabulaire organisé et contrôlé à des fins d'accès à l'information, nécessitent l'adoption de règles et de fonctions applicatives spécialisées.
Ce secteur de l'édition de progiciel peut être scindé en France en trois catégories principales selon le degré d'autonomie ou l'orientation (gestion, utilisation) du module applicatif :

• les "modules Thésaurus" de logiciels de gestion et recherche documentaires ; aujourd'hui, les modules dits "Taxonomie" de CMS (avec pour ces derniers des fonctions moins riches) ;
• des outils d'exploitation de thésaurus en ligne (la première famille citée intègre bien souvent ce type de module fonctionnel) ;
• des logiciels autonomes (« standalone » en anglais)

Voici une liste de logiciels appartenant à cette dernière famille.

Ces logiciels offrent l'ensemble des fonctionnalités utiles à la création et à la maintenance de vocabulaires contrôlés. Ces outils sont vendus indépendamment d’un logiciel documentaire ou d'une plateforme de recherche (ce qui ne veut pas dire qu’ils ne nécessitent pas un SGBD pour tourner).

[Nom du produit, nom de la société, pays d’origine, plateforme du serveur ou pour l’offre autonome, adresse Web]

• a.k.a. (Synercon Management Consulting, Australie), sous  Windows, http://www.a-k-a.com.au/
• Cognatrix de LGOSystem (Australie), sur Mac OSX, http://www.lgosys.com/products/Cognatrix/index.html
• HESmain (Autriche), sous Windows, http://www.cedar.at/wgr_home/
• ITM-T3 de Mondeca, http://www.mondeca.com/fr/Produits/ITM-T3
• iQVoc d'Innoq (DE), http://iqvoc.innoq.com/en/about.html - Infos en anglais  https://github.com/innoq/iqvoc/wiki/about-iQvoc
• Lexaurus Editor  de Vocman (UK) [ajout - sept2010] un exemple de serveur de vocabulaires en ligne
• MultiTes de MutiSystems (USA) sous Windows, http://www.multites.com/
• One To-One, ACS (Australie), substitution à Term Tree, http://www.acs121.com/
• Pool Party (Autriche) -  http://poolparty.biz/products/poolparty-thesaurus-manager  [ajout - sept2009]  Présentation site de la société (en)
• Synaptica (Factiva/DowJones, USA), sous Windows, http://www.synaptica.com et http://www.synapticacentral.com/
• TCS de WebChoir (USA) - http://www.greymatter.com/product/Webchoir-TCS-10/278960
• TemaTres de R020 (Argentine), libre et gratuit, http://www.vocabularyserver.com/;. Voir aussi une brève sur ce blogue
• The32W (University of Western Ontario, Canada), sous Windows, http://publish.uwo.ca/%7Ecraven/freeware.htm
• Thesaurus Master de DataHarmony (Access Innovation Inc. WebThes 
• Thesaurus Builder, sous windows http://www.thesaurusbuilder.com
• ThManager projet open source du laboratoire AISL de l'Université de Zaragose (SP) [ajout - sept2008]

• Quelques produits en mutation ou supprimés : Amicus® Thesaurus tool (Canada), MyThesaurus de Manggix (France), multiplateforme, http://www.mythesaurus.fr/fr/  [via l'intégrateur Genwyse);  Term Tree, ACS (Australie), sous Windows, http://www.termtree.com.au/

Quelques mots sur ces produits :

• Une famille de quelques logiciels, immuables pendant 30 ans, qui se sont transformés au fur et à mesure des évolutions techniques.
• A cette famille historique s'ajoutent de nouveaux entrants dans la mouvance des techniques du Web. 
• Deux axes d'évolution : l’utilisation des technologies informatiques les plus récentes (éditeur SKOS, XML, voire articulation avec des fonctions d'édition d'ontologies), une meilleure prise en compte des besoins dans la phase de création et de maintenance de vocabulaires (import, multilingue, champs spécifiques de gestion, gestion du travail, gestion de travail collaboratif/worflow; outils de mise en correspondance…).
• Certains produits nécessitent un système de gestion de base de données en sus ....Attention donc à certains tarifs.
• L'offre en service en ligne arrive.
• Les prix varient beaucoup. Pour des versions monopostes, le produit de base (donc "nu") : gratuit (The32W, un produit open source comme Tematres), 300€  (MultiTes, Amicus Thesaurus Tool), 500 (Multites) à 1300€ (Lexaurus) ou plus pour une version monoposte ; au-dessus de 3000€ pour des  versions multiaccès. Au-dessus de 25000 euros pour des distributions sur des intranets d'entreprise. Les tarifs varient également suivant les fonctionnalités couvertes (création, consultation publique, exploitation à l'indexation ou à la recherche,...). Compter aussi la maintenance en sus.
• Concernant les fonctionnalités, on repère un noyau dur, commun à tous ces produits : les normes de construction de thésaurus constituent un cadre formalisé pour le modèle des données métiers avec des variations possibles (plus ou moins grandes possibilités de personnalisation et prises en compte des caractéristiques des divers types de langage). Mais certains n'offrent que la gestion de la structure de description de thésaurus, voire celle utile pour exploiter un thésaurus (sur le web par exemple avec SKOS), mais sans fonction d'aide à la conception ou à la maintenance dans le temps. Les outils les plus récents intègrent des possibilités de modélisation plus poussée (base de connaissance, ontologies).
• Certaines fonctionnalités feront la différence comme : la diversité de formats d’import/export ou une réelle gestion de versions multilingues de thésaurus (une arborescence distincte suivant les versions, et non uniquement une équivalence entre termes), ainsi que la dénomination ou la présence de champs spécifiques ou encore l'ergonomie fonctionnelle - en particulier les capacités d'import de données et d'aide à la création.
• L’ergonomie visuelle de ces produits est variable, et pour les outils les plus anciens, un peu datée.
• La deuxième catégorie citée - de visualisation et/ou de manipulation à la recherche d’un thésaurus - se développe beaucoup parallèlement aux déploiement de l'utilisation de ces systèmes d'organisation des concepts (SKO=SOC) sur le Web. Ces développements se font bien souvent indépendamment du logiciel de conception.

Ressources spécialisées

• Taxonomy Management Tools: A Comparative Evaluation, Stephanie Lemieux, 08-Nov-2011 (Etude comparative, environ 670€); 
• Thésaurus et informatique documentaires. Partenaires de toujours (en ligne sur Cairn) ?  / Sylvie Dalbin, In Documentalistes, science de l’information, 2007, vol.44, n°1, p. 42-55  (sur les logiciels de conception et maintenance de vocabulaires contrôlés, dont une grille des "FONCTIONNALITÉS DES OUTILS INFORMATIQUES PERMETTANT L’EXPLOITATION DE THÉSAURUS") - http://www.cairn.info/revue-documentaliste-sciences-de-l-information-2007-1-page-42.htm
  

• Criteria for the evaluation of thesaurus software, révisé le 2008-11-26 , de Jochen Ganzmann,
  Liste de critères toujours valables malgré la dernière date de révision. Doit être utiliser en sélectionnant un volant de critères pour ses besoins propres, permettant une étude comparée des produits.
• Software for building and editing thesauri, revu le 2010-08-10, Willpower Information.
  Le répertoire le plus riche et le plus référencé !
• TaxoCop, liste d'outils de gestion de taxonomie - http://taxocop.wikispaces.com/TaxoTools
• Taxonomy Tools - http://www.taxotips.com/resources/tools/
• Etude comparative de 3 outils (MultiTes Pro, TermTree, TCS de WebChoir) en 2007 - http://csusap.csu.edu.au/~tgodfr01/Summary.html

N'hésitez pas à nous faire part de vos remarques : erreurs, oublis, précisions...Dalb

Schema.org - le profil d'application de Google, Bing et Yahoo!

Schema.org correspond à un profil d'application(#1) pour les moteurs de recherche sur le web, initié par Google en juin 2011 et auquel se sont joints Bing et Yahoo!. 

C'est un corpus d'éléments de (méta)données, sélectionnés, organisés en une structure particulière et encodé selon un formalisme propre. C'est un schema ...  propriétaire, donc ;-).

Et tous vont s'y conformer, bien sûr. Mais qui dit se conformer, ne veut pas dire suivre sans réflexion ces propositions.... 

Quelques mots sur ce vocabulaire

Et d'abord, pour quoi faire ?

Avec ce schéma, il est ainsi possible d'améliorer les résultats de la recherche (l'ordonnancement) mais aussi (surtout?) la façon dont les sites apparaissent dans les résultats de recherche. Ce n'est donc pas tant la "recherche" (query&retrieval) effectuée par le moteur qui est améliorée, que la "recherche" (seeking,searching&... finding!) de l'information la plus pertinente par l'utilisateur : celui-ci sera moins souvent obligé d'aller consulter de multiples ressources pour vérifier la pertinence d'un résultat par rapport à son besoin... (vous remarquerez l'ambiguité du mot "recherche" en français - 1 terme pour 4 en anglais !).

Exemple de résultats enrichis grâce au principe des schémas structurés (une recherche : "galette des rois")

Remarque : Wikipédia sans balise semble perdre ici des places dans les résultats et de la visibilité ?

Comment est-ce possible ? 

En exploitant une structuration et une formalisation (balises) des contenus. Comme tout outil de représentation d'information aujourd'hui, Schema.org associe :

• un (des) modèle(s) que j'appelle "métier". Sont proposés et articulés des (micro) schémas de représentation de quelques catégories générales (Personne, Evènement, ...). Mais à la manière forte de Google, rien n'est en relation avec d'autres vocabulaires (schéma de données) préexistants. C'est donc à nous à déterminer les correspondances avec des vocabulaires existants, microformats ou Dublin Core;

• une syntaxe de représentation (encodage) de ces éléments de données : HTML microdata, c'est-à-dire la syntaxe proposée par le W3C pour HTML5 (quand même !). Si vous utilisez une autre syntaxe ou vocabulaire, vous devrez modifier vos pratique (plus d'information sur Developpez.com).

Et si vous aviez déjà intégré des balises sémantiques, un travail de mise en correspondance reste à faire. Heureusement pour nous, les mondes du Web sémantique et du Dublin Core s'y sont mis (on les remercie !) :

• La communauté des Données Liées (Linked data) développe des ressources utiles à l'implémentation de solutions interopérables avec Schema.org. Vous y trouverez  des exemples, des correspondances avec des vocabualaires existants - DBPedia, FOAF, DC, ..., des outils techniques d'édition, des ressources pour des plateformes CMS, des outils de validation, ... L'espace est ouvert à toutes les bonnes volontés.  Il faut noter que cet espace est directement raccroché au site Schema.org ce qui donne du poids, voire officialise ces propositions.

• Un groupe de travail sur l'alignement entre Dublin Core et Schema.org s'est donc mis en place avec un premier draft établi par Bernard Vatant (merci !!) . Pour suivre les travaux en direct - https://www.jiscmail.ac.uk/cgi-bin/webadmin?A0=dc-architecture)

Composition de Schema.org

Une arborescence de premier niveau partant de "Thing" avec 7 catégories principales  

• Oeuvre (CreativeWork)
• Evènement (Event)
• Elément Immatériel (Intangible)
• Organisme (Organization)
• Personne (Person)
• Lieu (Place)
• Produit (Product)

- 4 propriétés pour chaque entité : une description (format texte), une URL pour une image, le nom de l'item (format texte) et l'URL de l'item.

Le schéma complet est présenté en une seule page ici - http://schema.org/docs/full.html

Quelques commentaires de ci de là (non exhaustif) :

• Beaucoup de relations entre éléments (le schéma est maillé), par exemple :
  • Les entités sont liées entre elles : les Evènements à des Organisations, des Personnes, des Lieux, ...
  • L'élément Review (Critique/Revue) est lié à tout type et possède des caractéristiques particulières; et les Critiques/Revues peuvent avoir des scores.
  • Les Evènements sont hiérarchisés : il y a une propriété subEvents et SuperEvent (au singulier donc monohiérarchique)
• Le principe de la notation se retrouve partout : des scores (Rating), des agrégats de scores (AggregateRating) pour les Organisations, ...
• Par contre je ne vois pas par exemple de "date de fin" d'une Organisation qui a bien une date de création. Comment gérer les successions ? Doit-on passer par d'autres Evènements ?
• L'entité "Produit" - ici pas de liste de type de produits, mais des propriétés spécifiques : notation agrégée, entreprise fabriquante, marque, modèle du produit, offre (détaillée), identifiant du produit (ISBN,...), compte-rendu.
• C'est un schéma politiquement correct : les Personnes ne peuvent pas être notées (Rating) ni critiquées (Review) !   

Bref, il faut se plonger dans chacune des classes et sous-classes, leurs attributs et relations, et les aligner à vos besoins et aux vocabulaires existants. 

Un exemple

La Cité de la Musique veut valoriser ses évènements, ici un Hommage à Miles Davis.

Voici un petit exemple sans prétention (et certainement avec des erreurs)....
Et je n'ai probablement pas choisi l'exemple le plus simple, car pour la catégorie Participants ("attendee"), un hommage à Miles Davis ne permettra pas de trouver Miles Davis ! 

<div itemscope itemtype="http://schema.org/Event">

  <a itemprop="url" href="http://www.citedelamusique.fr/francais/evenement.aspx?id=11155">Concert :
  <span itemprop="name">Hommage à Miles Davis</span>
  </a>  

<meta itemprop="startDate" content="2011-02-14T14:30">    Lun, 14/03/2011   14:30 p.m. 
 

<div itemprop="location itemscop itemtype="http://schema.org/Place"> 
 <a itemprop="url href="http://www.citedelamusique.fr/francais/cite/infos_pratiques/infos.aspx">    </a>

   <div itemprop="address" itemscop itemtype="http://schema.org/PostalAddress">
      <span itemprop="streetAddress">221, avenue Jean-Jaures</span>
      <span itemprop="addressLocality">Paris</span>
      <span itemprop="postalCode">75019</span>
      <span itemprop="addressCountry">FR</span>,
    </div>
  </div>
</div>

Je vois qu'il existe déjà des balises sur ce site (utilisées par le moteur interne ??) : "chapo", "programmation", "oeuvre", "auteur", "distribution", "Dates de l'évènement",  "tarif",.... On voit de suite qu'il faudra utiliser plusieurs parties de Schema.org et faire un travail de mise en correspondance. Peut-être sera-t-il nécessaire de conserver des balises qui n'auront pas trouver d'équivalence. Désolée ... Il va faloir reprendre tout et/ou construire des pages spécifiques pour les moteurs généralistes....

Petit historique de la prise en compte du contenu structuré sur le web

Revenons au principe de structurer les données pour la machine avec toujours le même principe : il n'est matériellement plus possible de traiter "manuellement" à chacune de nos recherchers, tous les résultats... Mais ce principe est en fait ancien et a démarrer avec SGML ....Mais restons à HTML...

A ses origines (1993), la description de HTML était assez informelle. Dès la version 2, les méta-informations apparaissent, et la structuration entête / corps de la ressource apparaît à la version 3.2 d'HTML en 1997. Ces méta-informations constituaient une première étape, primaire dirait certains. On peut faire l'analogie avec la classique "notice descriptive" d'un document.

Puis le principe des métadonnées, bien plus large que celui de la seule "notice",  a attaqué de façon plus concrète le  "contenu" même des ressources à partir de la version 4 (1998).

Puis RDF du W3C arrive en 1999, complexe son développement est lent. 

En 2005, Google lance l'initiative Sitemap. Cette initiative proposait de s'appuyer sur un des éléments-clés des pages HTML - les adresses URL des sites - pour optimiser le traitement de son moteur. Toute personne produisant un site se met à travailler spécifiquement pour les moteurs ;-)
Un premier exemple de sitemap en html;  un autre exemple intégrant des adresses correspondant à des documents uniques. On le voit : un "sitemap" est une page d'index et/ou une table des matières  ... L'initiative Schema.org complète Sitemap sur les contenus.

Les microformats (et site officiel), proposés à la même éqpoque (2005), apportent une première solution "simple" pour structurer les contenus par rapport à des "types" sémantiques (calendrier, carte de visite, revues/critiques, ...) tout en conservant la simplicité de production d'HTML - une approche minimaliste qui visait à faire bouger les choses côté sémantique... Ces choix techniques minimalistes deviennent aujourd'hui dans certains contextes une limite forte. L'évolution naturelle pour ces microformats pourrait être l'utilisation du format HTML microdata.

 

#1 Définition de Profil d'application 

modèle de données d'une application composé d'un assemblage cohérent et documenté d’éléments de métadonnées choisis parmi un ou plusieurs schémas de métadonnées.
Autre définition : "schémas composés d’éléments de données provenant d'un ou de plusieurs espaces de noms, combinés entre eux pour une application locale et optimisés pour une application particulière».(application profiles as schemas which consist of data elements drawn from one or more namespaces, combined together by implementors, and optimised for a particular local application.)  Source : http://www.ariadne.ac.uk/issue25/app-profiles/ 

Les profils d’application permettent de mettre en oeuvre les principes de modularité et d’extension. L’objectif d’un profil d’application est d'adapter ou de combiner des schémas existants afin d'obtenir un nouveau schéma conçu pour une application particulière tout en gardant l'interopérabilité avec le ou les schémas de base. Cette adaptation peut inclure la définition d’éléments de métadonnées locaux importants pour une communauté particulière mais qui ne le sont pas dans un contexte plus large. C'est une pratique qui se développe pour la conception de vocabulaires métiers spécifiques autour de schémas généraux comme l'ISO 15836 (Dublin Core) et l'ISO 19115 (SIG) par exemple.

Sources

• Schema.org en une seule page ici - http://schema.org/docs/full.html
• HTML Microdata, la syntaxe d'encodage de Schema.org - http://www.w3.org/TR/html5/microdata.html
• Aide Google - http://support.google.com/webmasters/bin/answer.py?hl=fr&answer=1211158
• Suivi des travaux d'alignement Dublin Core et Schema.org - http://wiki.dublincore.org/index.php/Schema.org_Alignment)
• Schema.org en rdfs - http://schema.rdfs.org/mappings.html

QR Code - usages et techniques

Tout le monde a dû déjà repérer et probablement utiliser dans son quotidien, des QR codes, une étiquette intégrant des codes alpha-numériques.

Par rapport aux codes-barres classiques unidimensionnels, ces QR codes, bidimensionnels et pouvant contenir plus d'information, peuvent surtout représenter des éléments textuels (alphanumériques) et pas uniquement numériques. 

Evidemment l'intérêt réside dans l'utilisation de liens qui vous ouvrent les portes du Web.

Comment cela fonctionne-t-il ?

 En tant qu'utilisateurs, vous avez besoin   :

• d'un lecteur de code c'est-à-dire d'un matériel équipé d'une caméra type téléphone mobile, tablette, ...., 
• d'un logiciel/application  : NeoReader (que j'utilise) arrive à lire des étiquettes de mauvaise qualité ou dans des conditions délicates de numérisation, genre affiche en hauteur dans un train en mouvement. Mais vous avez beaucoup d'autres applications (MobileTag, ...)
  Attention : Il existe des codages différents de celui de QR code et certains lecteurs peuvent ne pas lire tous les types de codages (voir plus loin) ...

Vous ouvrez l'application et vous vous mettez sur la fonction de numérisation.

Vous visez le QR code (!), l'étiquette est alors décodée et vous conduit .... vous ne savez pas trop où !

 

Vous pouvez utiliser directement les exemples reproduits dans de ce billet, avec votre lecteur.

Le système nécessite d'avoir un espace (serveur) pour distribuer ces données - on retrouve le principe fondamental des résolveurs de liens bibliographiques. Si vous avez des données "sensibles", prêter attention aux  services gratuits qui proposent des serveurs tiers non sécurisés. Comme pour tout service de diffusion, une réflexion est à mener usage/technique/économique.

Encore des usages à maîtriser (je pense entre autres aux documentalistes des CDI) : tous les visuels des QR codes se ressemblent beaucoup mais un QR code peut mener directement vers des sites ou des applications malveillantes...

Et les usages

 Pour saisir des données sans erreur et sans perdre de temps (la référence d'un évènement, d'un document, ...) et pour donner à lire plus d'informations que ce que le support physique ne peut contenir (étiquette d'un tableau dans un musée, étiquettes en général peu lisibles et contenant peu d'information; étiquette des produits alimentaires carrément illisibles à l'oeil nu,...).  Des usages à la pelle : 

• En formation - http://www.formation-professionnelle.fr/2011/03/14/10-usages-des-qr/
• Dans des musées et plus globalement les espaces culturels  
• Dans le domaine des bibliothèques et centres documentaires :
  • [eng] QR Codes and Library Engagement by Michael J. Whitchurch, Bulletin de l'ASIS&T, October/November 2011. 
  • Vous pouvez aussi voir les QR Code de Google Books

•  ou le Magazine de Developpez.com - le magazine en ligne

• Edition, bibliothèques, ....
• Le tourisme - la ville de Biscarrosse s'exprime en QR Code
• Des cartes de visite professionnelles - http://myquickbusinesscard.com/
• Inventaire, notice d'utilisation, ... (exemples "professionnels")

Et les créatifs s'y mettent,  soit pour faire de jolies étiquettes, soit pour faire de l'art en utilisant ce graphisme (art urbain ou street art). (ne pas confondre, les étiquettes artistiques, et l'art en étiquettes!).

Sachez qu'il y a plusieurs "standards"

QR Code est le nom du format ouvert et libre, initialement déployé par les japonais en ... 1994. Il correspond aujourd'hui à la norme ISO 18004:2006, d'une capacité de plus de 4000 caractères alphanumériques.

Mais il existe d'autres solutions dont le codage et donc le visuel, sont différents:

Par exemple, citons Flashcode, un format que 3 opérateurs français, Orange, Sfr, Bouyghes au sein de l’Association française de téléphone mobile, ont développé en 2007. Format propriétaire (sur base Datamatrix (wikipedia)), de capacité moins importante (2355 aphanum.), Flashcode est un format fermé et crypté. Les étrangers venant en France habitués à utiliser les codes QR à travers le monde, n'arrivaient pas à décoder nos flashcode nationaux !! 

Voir Flashcode (FR) comparaison QRCode. Un des problèmes que je trouve important ici c'est un fonctionnement totalement centralisé autour d'une base de données, technologie choisie par la RATP... No comment. 

Un peu de technique en tant que producteur en masse de codes (par exemple pour toutes les ressources de votre espace d'information, identifiables et localisables avec un QR code).

Toujours des entêtes et des contenus, et des métadonnées ... (en.wikipedia.org)

D'autres ressources utilisées

• LE SITE ressource - www.qrdresscode.com
• Wikipedia en Français - http://fr.wikipedia.org/wiki/QR_Code, mais aussi en anglais plus complet.
• Un agrégateur/curateur : http://www.scoop.it/t/qriouscode
• [courte video] Le Qr Code: un nouvel outil d'information et de partage , déposée le 1er mai 2011 
• [moins d'une minute de vidéo] Tina allergique au chocolat, regarde la type et la quantité de composants que possède le produit qu'elle compte acheter 
• [Site d'une entreprise intégrant des informations fonctionnelles et techniques] - http://www.qrmobile.fr/societe-qrcom.html
• [Article de juin 2011 où l'on apprend que la "La France est l’un des pays les plus consommateurs des Codes 2D" -  http://blog.musetrek.com/?p=351
• Le supermarché du futur des "geeks"- http://www.presse-citron.net/un-supermarche-virtuel-a-base-de-qr-code?
• Codes QR : Un gadget ou un nouvel outil ?, Philippe ALLARD, Chef de projet chargé de la gestion de la Cellule Web de la Ville de Bruxelles, in Cahiers de la documentation, n° 2011/4 (parution fin décembre 2011)
• Quelqu'un qui croit aux bienfais du format propriétaire Flashcode - http://henrikaufman.typepad.com/et_si_lon_parlait_marketi/2011/02/comparaison-des-flashcode-et-qrcode.html

 Autres sources : 

• L’anatomie d’un QR Code via The Anatomy of a QR code