Métadonnées
Le problème en une ligne
Paris, paris, Paris, France, PARIS 11e, Paris (FR). Pour vous, un seul lieu. Pour votre catalogue, cinq valeurs distinctes — donc cinq facettes de recherche, cinq résultats partiels, et une image sur cinq qui manque à l’appel.
La normalisation consiste à ramener ces variantes à une valeur de référence unique, tout en gardant la trace de ce qui était écrit à l’origine.
Où la dispersion apparaît
- Les imports successifs, faits à des époques différentes, avec des conventions différentes.
- Les outils traversés : chacun écrit les mêmes notions dans des champs légèrement différents.
- Le travail à plusieurs mains : deux personnes ne saisissent jamais un nom propre de la même façon.
- La saisie libre, qui autorise toutes les orthographes sans jamais en proposer une.
Un fonds ancien accumule les quatre. C’est normal, et ce n’est pas grave à condition de le traiter avant que le volume ne rende la reprise décourageante.
Ce qu’une normalisation traite vraiment
- La casse et les espaces : le plus facile, et déjà une bonne part du bruit.
- Les variantes d’écriture d’une même entité, ramenées à une forme retenue.
- Les synonymes, reliés entre eux pour que chercher l’un trouve l’autre.
- Les champs équivalents issus d’outils différents, alignés sur un champ cible.
- Les valeurs vides déguisées :
n/a,inconnu,-,à compléter, qui polluent les facettes en se faisant passer pour des données.
La règle qui évite les dégâts
Normaliser ne veut pas dire écraser. La valeur d’origine est une information : elle documente ce qui était écrit, par qui, et à quelle époque. Un fonds patrimonial en a besoin.
Conservez donc la forme retenue et la forme saisie. Un alias qui pointe vers une valeur de référence règle la recherche sans détruire la trace.
En pratique
- Commencez par mesurer : listez les valeurs distinctes d’un champ, triées par fréquence. La queue de la liste est votre chantier.
- Traitez d’abord la casse et les espaces, gains immédiats et sans risque.
- Constituez un vocabulaire de formes retenues, avec des alias plutôt que des remplacements destructifs.
- Éliminez les vides déguisés.
- Ajoutez un contrôle à la saisie, sinon la dispersion revient par le haut.
Obscura Flow gère synonymes et alias pour que plusieurs écritures pointent vers la même entité, et conserve les blocs de métadonnées lus à l’import verbatim — la forme d’origine reste consultable après normalisation.