Les expressions régulières ("regex" pour les intimes) est une syntaxe qui permet de décrire et identifier un ensemble de chaîne de caractères possibles. Quand on gère au quotidien des catalogues, inventaires ou bases de données, elles peuvent servir de super "rechercher / remplacer par" très utile pour normaliser et corriger quelques coquilles ou en masse.

Au lieu de rechercher un mot strict (par exemple "chat"), les expressions régulières permettent de chercher des chaînes de caractères (par exemple 4 lettres, ou "c" suivi de 3 lettres, ou "c" + 2 lettres + "t"...), et si besoin de les modifier en mémorisant les valeurs initiales.

Quelques cas d'usages au quotidien quand on travaille sur des milliers de lignes :

• traquer le point final (absent ou présent, selon les choix), en fin de ligne / balise
• traquer la minuscule qui subsiste en début de champ / balise
• chercher l'année ou la date mal écrite (par exemple trois ou cinq chiffres qui se suivent)
• repérer des coquilles d'orthographes (les suivi d'un mot sans s final : les ([a-z]{3,})([a-r|t-x]) )
• etc.

Voir aussi l'article "Expression régulière" sur Wikipédia

Dans le cadre d'une intervention "Archives et open data" auprès du master 2 Archives d'Angers (janvier 2023), j'ai compilé les jeux de données "archives" diffusés en open data, à partir du catalogue des données de data.gouv (version du 5 janvier 2023).

Le fichier CSV, accessible sur Framagit et sur data.gouv.fr, recense 269 dataset, dont 223 sont actifs (statut = "publié"). Les données issues de data.gouv ont été indexées (géolocalisation, type de service, thématique(s) des données), pour permettre des approches thématiques et géographiques. Parmi les données "archives" ou assimiilées (données patrimoniales et historiques), j'ai retenu les inventaires des relevés de Météofrance (inventaires XML), mais pas les données de type cadastre SIG.

Côté fournisseur de données, il y a 72 dataset issus d'archives municipales (33 services concernés) et 67 d'archives départementales (15 services concernés). En tête des services fournisseurs de données :

• Antibes (17 jeux de données) (commune)
• Côtes-d'Armor (17 jeux de données) (département)
• Hauts-de-Seine (14 jeux de données) (département)
• Toulouse (8 jeux de données) (commune)

J'ai créé une indexation thématique rapide (multivaluée, à plat et qui mériterait d'être bien plus hiérarchisée et structurée) pour avoir un meilleur aperçu des contenus proposés en open data.

• La plupart des jeux de données ont une coloration "'histoire" du territoire, avec une part importante de listes d'individus (notamment élus) et de documents figurés (souvent numérisés et accessibles sur les portails des services d'archives). Mais aussi des données historiques originales qui peuvent donner des idées : lignes de transport toulousaines, les Unes de journaux anciens de Suresne, le dépouillement des délibérations, ...
• Une trentaine de jeux de données concernent plus l'activité du service et ses composantes : la "collecte" (avec les registres des entrées par exemple), les données statistiques ("fonctionnement", dont rapports annuels, "action culturelle", statistiques "public" et "communication").

Enfin, quoi que la couverture du territoire soit très inégale, une petite carte des jeux de données publiés, avec des calques par typologie de service (commune et intercommunalité, département, région, données nationales et autres services).

Voir en plein écran

Pour aller plus loin

• Jeux de données "archives" : version 2022 (utilisé ici) ; mise à jour 2023 (309 jeux de données, dont 259 actifs)
• Data.gouv.fr, catalogue des données
• Rawgraphs : outil de création de graphiques
• Umap : outil cartographique (voir aussi le tutoriel)

Frise chronologique créée à l'occasion d'une intervention "Archives et open data" auprès du master 2 Archives d'Angers (janvier 2023, mise à jour décembre 2023)

Pour aller plus loin

• Frise chronologique en ligne
• Tableur de données source (CC BY-SA)
• Outil : Timeline JS (voir le tutoriel)

Voici une action de dissémination de contenus facile, rapide à mettre en oeuvre, et plutôt satisfaisante en terme de résultats (et de statistiques). L'opération "Signatures"¹ vise à numériser et diffuser sur les plateformes Wiki des signatures de personnes plus ou moins VIP croisées dans les fonds d'archives et autres documents patrimoniaux.

Seul·e ou en équipe, le processus est le suivant :

• repérage d'une signature ne figurant pas sur l'article Wikipédia ou l'élément Wikidata d'une personne ;
• numérisation (un appareil photo de téléphone fait très bien l'affaire), sans oublier de bien les métadonnées basiques (nom de l'individu, date et cote du document) ;
• nettoyage rapide de l'image et passage en noir et blanc (ou niveaux de gris) ;
• mise en ligne de l'image sur Wikimédia Commons, en pensant à la catégoriser (avec, pourquoi pas, une catégorie dédiée, afin de les recenser et d'avoir des statistiques complètes) ;
• rattachement de la signature à l'élément Wikidata de la personne ;
• dissémination automatique sur les Wikipédia.

Et c'est ainsi que la signature de Jean Moulin s'est retrouvée, en moins de 5 minutes, correctement positionnée dans les infobox des Wikipédia en gaélique et en grec.