Les formats de fichier. Michel Jacobson Archives de France

Dimension: px

Commencer à balayer dès la page:

Download "Les formats de fichier. Michel Jacobson Archives de France"

Mauricette Lebeau
il y a 7 ans
Total affichages :

1 Les formats de fichier Michel Jacobson Archives de France

2 Plan Rappels sur les données numériques La conservation de l'information numérique La gestion des formats Définition, exemples Typologie des formats Critères pour la préservation

3 I. Rappels: les données numériques L'information que l'on produit aujourd'hui est de plus en plus numérique. Dès sa création Lors de sa numérisation

4 I. Rappels: les données numériques Les données numériques sont composées d'unités binaires Représentée arbitrairement sous forme de 0 ou 1 Physiquement matérialisées sous forme de: Creux et bosses (cédérom) Orientation de particules magnétiques (disques dur) Orientation d'un réflecteur de lumière (CD-RW) Réparties sur des supports dans un ordre particulier (regroupées en zones ou dispersées, de manière linéaire, circulaires...) Éventuellement un même donnée peut être écrites à plusieurs endroits à la fois (redondance)

5 I. Rappels: les données numériques

6 I. Rappels: les données numériques La lecture et l'écriture de ces données se fait par un appareillage technique plus ou moins complexe, un empilement de technologies [en appliquant au phénomène physique un seuil]. Données Support Avantages du numérique: Recopie à l'identique Duplication à l'infini Facile/rapide à véhiculer par des réseaux Permet de faire du calcul (automatisation)

7 I. Rappels: les données numériques La notion de fichier Un fichier est une suite d'unités binaires Un fichier possède une taille Un fichier peut être placé dans un système de fichiers Il peut ainsi être nommé Il peut être localisé par un chemin d'accès On lui associe des dates (création, modification) Un propriétaire Des droits d'accès

8 I. Rappels: les données numériques Un fichier peut contenir toute sorte d'information: Des image Du texte Du son Des plans d'architectes Un comportement (exécutable) etc.

9 II. La conservation de l'information Point terminologie Information: connaissance que l'on peut échanger Donnée: représentation formalisée de la connaissance. Pour conserver une information, on lui donne une forme (la donnée). Cette forme peut être liée à des technologies qui sont éphémères. On a donc besoin de conserver aussi des informations sur cette forme (les métadonnées)

10 II. La conservation de l'information Quelle est la mission d'une Archive? «Une Archive est une organisation dont la vocation est de préserver l'information pour permettre à une communauté d utilisateurs cible d'y accéder et de l'utiliser.» OAIS

11 II. La conservation de l'information Une Archive doit garantir l'intégrité et l'authenticité des documents numérique à travers 3 critères La lisibilité : Puis-je accéder au contenu informatif du document sur le long terme? La stabilité: Le contenu du document est-il bien le même qu'au moment où il a été archivé, n'y a-t-il eu aucun ajout ou retrait d'information? La traçabilité: Puis-je retrouver toutes les informations subies par le document depuis son archivage?

12 II. La conservation de l'information Les fonctions d'une Archive (source OAIS) Planification de la pérennisation Gestion de données Producteur Entrées Accès Utilisateur Stockag e Administratio n Management

13 III. La gestion des formats Le format définit la manière dont l'information est organisée et codée dans un fichier

14 III. La gestion des formats Une archive doit définir les formats qu'elle accepte en entrée, en conservation, en diffusion. Une Archive doit vérifier que les données en entrée sont codées dans des formats acceptables et qu'elles sont conformes aux spécifications du format (identification + validation) Une archive doit surveiller l'obsolescence des formats et organiser au besoin des migrations vers des formats jugés plus pérennes

15 III. Formats exemple de l'ascii < h t m

16 III. Formats exemple du HTML Le format «HTML» <html> <head> <title>sae</title> <meta http-equiv="content-type" content="text/html; charset=us-ascii"/> </head> <body> <p style="color:#ff0000"> Bonjour </p> </body>

17 III. Formats exemple du WAVE Fichier WAVE mono Sans compression Hz

18 III. Formats Pour choisir des formats de représentation, une Archive cherche à maîtriser l'ensemble des informations nécessaires à la gestion de données ainsi formatées afin de pouvoir engager sa responsabilité et sur un niveau de service adapté. BnF: format stocké, identifié, connu, maîtrisé.

19 Typologie de formats Documenté Ouvert / Fermé Normalisé Propriétaire III. Formats - typologie

20 Format documenté Existe-t-il une documentation technique qui le décrit? Oui pour : pdf, ascii, svg Non pour: des formats qui ne sont décrit que dans le code qui les génère (de nombreux produits maison)

21 Format normalisé Une norme définit une règle à suivre. La définition des normes est prise en charge par des organismes spécialisés qui organisent la discussion et cherche à obtenir un consensus. PDF 1.7 Norme ISO , «Format de document portable Partie 1»

22 Format ouvert «On entend par standard ouvert tout protocole de communication, d'interconnexion ou d'échange et tout format de données interopérable et dont les spécifications techniques sont publiques et sans restriction d'accès ni de mise en oeuvre.» Article 4 de la loi du 21 juin 2004 pour la confiance dans l'économie Le format doc de MicrosoftWord est fermé Le format OpenDocument de OpenOffice est ouvert

23 Format propriétaire Un format est dit propriétaire si son cadre d'utilisation est contrôlable par une personne ou une entité juridique. Ce droit peut s'établir par exemple via le droit d auteur, le brevet ou le copyright. Cependant même si l'utilisation du format est contrôlable, cela ne signifie pas qu'elle soit obligatoirement contrôlée. Par exemple le format RTF est propriété de Microsoft mais les spécifications sont publiques et la société ne cherche pas à contrôler son utilisation

24 Les limites de la documentation La taille de la documentation ASCII: version ISO-646:1991 (15 p.) XML: version 0.1, 5ème édition (63 p.) PDF version 1.2 (394 p.) version 1.7 (1310 p.) OOXML version ISO :2008 (5572 p.)

25 Les limites de la documentation La portée de la documentation Certains formats ne définissent que l'enveloppe (format conteneur) et acceptent de nombreux contenus. Par ex. Pdf accepte des images, des liens, des animations, des polices, etc. Certains formats ne font que redéfinir d'autres formats en ajoutant quelques spécifications. Par ex: Pdf/a est du Pdf 1.4 XML est un fichier texte

26 Problème d'identification Il n'existe pas d'inventaire exhaustif des formats. La seule typologie stable dont on dispose était à l'origine définie pour caractériser les pièces attachées aux courriers électroniques (MIME). Mais elle ne discrimine pas les différentes version d'un même format. Par exemple le type MIME 'application/pdf' est valable pour les différentes version de pdf 1.0 à 1.7 en passant par pdf/a, pdf/x etc.

27 Problème d'identification Il existe des registres de formats (PRONOM, GDFR, UDFR). Mais ces derniers ne sont ni complets, ni riches ni stables. Il est fréquent que l'analyse du contenu d'un fichier satisfasse plusieurs spécifications en même temps. Par exemple:un fichier SVG (dessin vectoriel) est un fichier XML qui lui même est un fichier texte, qui suivant son encodage peut aussi se trouver être un fichier ASCII.

28 Lutte contre l'obsolescence La migration des formats Pour les formats que l'on maîtrise Limite: Pour les formats conteneur, quelles chances a-t-on de trouver un conteneur qui accepte les mêmes contenus? L'émulation Pour des environnements matériels et logiciels complexes (par ex. les jeux) la solution passe par la reproduction des conditions d'exécution Limite: L'émulateur doit lui même être migré ou émulé

29 Merci de votre patience

Documents pareils

Conservation des données à long terme

Rencontres ACADM 26 juin 2014 Conservation des données à long terme Sandrine DANIEL, data manager Sandrine VINAULT, data manager Isabelle FOURNEL, médecin épidémiologiste CIC 1432 Module Epidémiologie