Préservation des données de la recherche

Lancé en septembre 2015 sous l’égide de Swissuniversities (association qui regroupe les responsables des hautes écoles universitaires, spécialisées et pédagogiques de Suisse depuis 2012), le projet Data Life-Cycle Management (DLCM)¹ s’est fixé comme objectif d’élaborer une stratégie nationale en matière de préservation et de partage des données compatible avec les principes FAIR. Ces derniers permettent de s’assurer que les données soient trouvables, accessibles, interopérables et réutilisables.

Dans d’autres contextes (p.ex. des archives historiques), cette problématique est au goût du jour depuis des années. Docuteam Sàrl, spécialisée dans la gestion et la sauvegarde de l’information, s’est engagée dans ces problématiques depuis une dizaine d’années via la mise en place de standards² et d’outils adéquats³, installés autant sur les infrastructures propres de ses clients que dans le cloud⁴. L’un de ces outils, docuteam feeder, est un moteur de workflow spécialisé dans l’archivage numérique. En d’autres termes, il s’agit d’un gestionnaire de tâches d’archivage.

Dans le domaine universitaire, les nouvelles réglementations évoquées ci-dessus ajoutent du travail supplémentaire aux chercheurs, dont la priorité est de publier leur recherche et non de gérer leurs données à des fins de préservation. Par conséquent, l’automatisation est un des axes sur lequel le projet DLCM a misé afin de faciliter l’adoption des bonnes pratiques de l’archivage tout en minimisant l’effort des chercheurs dans cette activité. Un élément clé pour ce faire repose sur une solution logicielle avec son jeu d’APIs (Application Programming Interfaces), qui facilitent l’intégration avec les instruments de laboratoire.

Nous vous proposons ici de considérer une combinaison de ces APIs du projet DLCM avec l’outil docuteam feeder afin d’augmenter les possibilités d’automatisation de la gestion des données de la recherche.

Projet DLCM et docuteam feeder

La solution DLCM consiste en une architecture ouverte et modulaire destinée à la préservation long terme des données de la recherche, conforme à la norme OAIS (ISO 14721) et compatible avec un déploiement dans le cloud. Concrètement, les différents modules de la solution offrent une gamme de services permettant aux chercheurs de préparer leurs données en vue d’être préservées, à savoir: de les soumettre avec une étape de pre-ingest suivi d’ingest, de les stocker physiquement (archival storage), d’indexer les métadonnées (data management) et de pouvoir y accéder selon des droits spécifiques (access).  Cet ensemble de services garantissent la mise en œuvre des bonnes pratiques du domaine: recherche de virus, détection de format, calcul de somme de contrôle, contrôle d’intégrité, réplication, etc. Ces services sont mis à disposition via des APIs, présentés selon des Web services de type REST (Representational State Transfer). En d’autres termes, ils sont normalisés et donc agnostiques à la technologie. L’outil docuteam feeder est mis en œuvre dans le contexte de différentes plateformes d’archivage numérique OAIS, telles que docuteam cosmos. Cependant, et contrairement aux moteurs de workflows génériques, docuteam feeder est axé sur la préservation numérique. Par exemple, les actions entreprises sur les données peuvent être soigneusement consignées selon le standard PREMIS⁵, un incontournable dans ce domaine. Étant basé sur la norme OAIS, docuteam cosmos et la suite DLCM présentent nombre de similitudes, telles que la modularité, les services en mode REST, etc. Ainsi docuteam feeder s'intègre naturellement dans cette suite d’automatisation en permettant d'organiser des tâches (voir Figure 1), telles que vérifier l'intégrité des données reçues, convertir les métadonnées d’un format vers un autre, s’assurer de l’absence de virus, reconnaître et migrer des formats spécifiques vers leur pendants mieux adaptés à la préservation à long terme (p.ex. des images PNG en images TIFF, des documents Word en PDF-A1, etc.). L’introduction de tels workflows s’avère précieuse dans le contexte de la gestion des données de recherche, en particulier par l’usage des modules d’ingest et de data management. En effet, il est important de conditionner au mieux les données avant leur stockage. Mais, comme évoqué précédemment, les chercheurs n’ont souvent que peu de temps à consacrer au conditionnement de leur information et toute automatisation représente un bénéfice précieux.  Concernant le module data management (workflows de préservation), il devient incontournable face à l’évolution sans fin des technologies qui conduit à l’obsolescence des formats numériques. Son exécution périodique et automatique permet de se prémunir de ce type d’obsolescence, qui nécessite une planification de migrations en masse des formats (convertir les images en format JPEG2000, par exemple).

En conclusion, la plateforme DLCM, par sa flexibilité et facilité d’intégration aux environnements de travail du chercheur, s’impose comme une structure novatrice en matière de préservation appliquée au domaine académique. Cependant, concernant d’autres aspects de préservation (i.e., workflows d’automatisation), la solution docuteam feeder permet d’éviter de réinventer la roue et confère à la plateforme une expertise du domaine archivistique très précieuse.