Depuis mon précédent billet sur ma formation idéale, on m’a proposé de l’organiser au sein de l’association Aristote / groupe PIN. A priori, cette formation devrait avoir lieu en mars 2027¹ !

Afin de cerner les besoins de nos stagiaires, on a proposé un sondage assez bref (cinq à sept minutes à remplir). On voulait évaluer la longueur maximale d’une formation de ce type, l’environnement matériel et logiciel existant et les capacités des potentiels stagiaires à l’étendre, avec ou sans l’aide de leur DSI.

Après analyse des 193 réponses recueillies en moins de trois semaines, on s’est dit que les résultats étaient assez instructifs, au-delà de leur objectif initial. Je vous propose un petit résumé personnel de ce qui m’a marqué.

Comme c’était la première fois que je créais un « vrai » sondage, j’ai sans doute fait quelques erreurs. En particulier, afin d’éviter des problèmes de collecte et stockage d’informations personnelles identifiantes, j’ai préféré ne rien demander qui puisse risquer d’être utilisé ainsi de près ou de loin². Résultat : je ne sais même pas si mes répondant·es sont français·es ou d’un autre pays francophone. Ça m’apprendra… Je pars du principe que, le sondage étant présenté comme la préparation d’une formation à Paris, il est plus représentatif de la France que de toute la francophonie.

Les types d’objets numériques patrimoniaux

Cette question préliminaire évaluait les types d’objets numériques que les répondant·es collectent. Là, on constate une grande diversité, ce qui est une surprise pour moi : je me serais attendu à une surreprésentation des images fixes et des PDF. Mais non : la bureautique occupe la seconde place, ex aequo avec les images fixes, l’audio et la vidéo sont largement représentées, et la correspondance numérique est mentionnée par plus de 58% de répondant·es ! Même les œuvres d’art numériques sont identifiées par plus de 5% des réponses.

Parmi les types d’objets ajoutés en texte libre, l’imagerie médicale figure trois fois, tout comme les bases de données. Deux réponses indiquent aussi que les contenus web sont collectés.

Les logiciels déjà connus et utilisés

La partie suivante visait à évaluer quels outils étaient déjà connus et/ou utilisés. J’ai ciblé les outils spécifiques aux quatre opérations de base que je comptais aborder dans la formation (exploration d’arborescences, copie sécurisée, gestion de l’intégrité, identification du format de fichier), donc il s’agit d’une vue partielle de la situation.

Exploration d’arborescence

Cette opération est assurément celle qui concerne tout le monde. L’outil Archifiltre est le plus largement représenté – il est utilisé par les deux tiers des répondant·es. Ensuite, c’est la plus grande diversité. Parmi les solutions proposées, TreeSize est connu et utilisé ; en revanche les gestionnaires de fichiers alternatifs (Total Commander, Double Commander, Midnight Commander) sont pratiquement inconnus.

(Dans les schémas suivants, la barre bleue correspond aux personnes qui répondent « Je l’utilise », la noire à celles qui répondent « J’en ai entendu parler mais je ne l’utilise pas » et la verte à celles qui répondent « Je n’en ai jamais entendu parler ».)

Les réponses en texte libre signalent une très large
utilisation de WinDirStat (mentionné treize fois) ainsi
qu’une grande variété d’autres outils, dont certains sont des projets personnels dont la maintenance pose problème : WizTree (mentionné deux fois), Xinorbis, la commande ls, RepPrinter, Lister Un Dossier, des scripts Powershell, WindowsTree, Free Commander XE).

En outre, de nombreux outils de déduplication sont cités dans les réponses en texte libre, ce qui sous-entend que c’est c’est là un des principales fonctions des outils d’exploration d’arborescences : AllDup (mentionné cinq fois), Duplicate Cleaner Pro 5, Duplicate
media finder.

Copie sécurisée

Pour les outils de copie sécurisée, on trouve une certaine familiarité avec robocopy (peut-être à cause des formations proposées par nos amis de Mintika, qui l’intégraient à leur parcours de formations fut un temps). Parmi mes suggestions, Teracopy est un peu connu et utilisé, Fastcopy et rsync sont connus par certain·es répondant·es mais très peu employés.

En texte libre, les répondant·es citent FreeFileSync (deux fois), GoodSync. Data Accessionner et Ultracopier.

La leçon ici, c’est que, au mieux, 60 répondant·es sur 193 utilisent un outil spécialisé. Autrement dit : plus des deux tiers des archivistes numériques ne sont pas équipés pour une tâche aussi cruciale et basique que la copie de fichiers.

Gestion de l’intégrité

La gestion de l’intégrité est une tache aveugle dans la pratique des archivistes numériques : à part la petite minorité qui utilise des outils en ligne de commande (certutil, md5sum, etc.), les outils de gestion de l’intégrité sont pratiquement absents de l’outillage logiciel des personnes engagées dans des projets de préservation numérique³.

La situation est donc encore plus claire que pour la question précédente : seul·es les répondant·es étant à l’aise avec la ligne de commande connaissent et utilisent des outils de gestion d’intégrité.

Dans les outils mentionnés en texte libre, on trouve une certaine diversité encore une fois : HashMyfiles (quatre fois),
ExactFile, (deux fois), md5summer, Hashtab et EFChecksumManager.⁴ DROID et Archifiltre sont également cités pour leur fonctionnalité de calcul d’intégrité, bien que celle-ci soit secondaire et ne permette que de générer une somme de contrôle, non de la vérifier.

Identification du format de fichier

Contrairement aux deux précédentes fonctions, celle d’identification de format ne semble pas si méconnue. L’outil des archives nationales du Royaume-Uni, DROID, est connu par plus des deux tiers des répondants et utilisé par un bon tiers d’entre elleux. Les autres outils d’identification, en particulier ceux qui sont fondés sur le registre de format PRONOM, bénéficient d’une certaine visibilité.

Dans les suggestions en texte libre, on trouve à boire et à manger. Difficile de dire si les répondant·es mélangent toutes les autres opérations de préservation (extraction de métadonnées, validation, conversion/migration, fabrication de SIP) ou si iels se sont trouvé·es frustré·es de ne pas pouvoir lister tous les autres outils à leur disposition : MediaInfo, veraPDF, ReSIP, Handbrake, etc. — tout y passe.

L’environnement matériel et logiciel

Le(s) système(s) d’exploitation

La première question concernait le(s) système(s) d’exploitation à disposition des personnes. Sans surprise, Windows plie le game.

MacOS et GNU/Linux sont rares, bien qu’un pourcentage non négligeable — presque 10% des répondant·es — indique disposer d’une machine virtuelle sous Linux.

Familiarité avec la ligne de commande

La seconde question évaluait la familiarité avec les outils en ligne de commande. Les chiffres me surprennent, vu ce que j’ai constaté plus haut : 14% répond oui et 41% un peu ! Nous avons donc quatre personnes sur dix qui ont une pratique basique de la ligne de commande, DOS ou PowerShell probablement. Une réponse en texte libre indique des réticences du DSI à laisser les agents utiliser ce mode d’interaction avec l’ordinateur.

Privilèges administrateur

La question suivante portait sur les droits administrateur. Une minorité non négligeable (14%) en dispose. Je note une corrélation faible avec la familiarité avec la ligne de commande : les personnes qui ont des droits administrateur sur leur machine semblent à peine plus compétentes avec les outils en ligne de commande que les autres. Cela m’étonne un peu : je me serais attendu à ce que la compétence informatique aide pour négocier des droits étendus, mais mes données ne le confirment pas.

Facilité d’installation d’outils libres

Environ 80 % des répondants indiquent que l’installation
d’outils libres est négociable, voire facile. 20 % la déclarent
néanmoins difficile voire carrément impossible.

Les réponses en texte libre signalent la pratique du « BYOD »
(Bring Your Own Device), qui consiste à utiliser son matériel
personnel dans un contexte professionnel. Deux répondants
signalent des relations particulièrement complexes avec le DSI,
même dans le cas d’outils libres.

Outils payants

70% les déclarent difficiles voire impossibles à obtenir.

Ces pourcentages impliquent que le facteur financier est encore très important et critique parmi la population interrogée (ce serait d’ailleurs intéressant de comparer les résultats dans d’autres communautés / pays).

Outils portables

Cette question sur la politique de sécurité des organisations vis-à-vis des outils portables, et donc l’intérêt de les privilégier dans nos formations. Les résultats sont peu concluants : moins d’un quart répond oui, et près de la moitié des répondant·es n’en a aucune idée.

Outils en ligne

Comme pour la question précédente, l’intérêt de privilégier des versions en ligne des outils de préservation (par exemple : MediaInfo Online, TrID Online, CloudVIPER, etc.) se heurte à l’incertitude des répondant·es. 28,5% indiquent néanmoins, comme on pouvait s’y attendre, qu’ils sont inutilisables en raison de la sensibilité des données.

Sont aussi signalées, en texte libre, des réticences des DSI, qui peut exiger un processus d’homologation des applications en ligne. Il semble même que ce type d’outils soit interdit par certaines chartes informatiques de la collectivité.

Conclusion

Il y aurait certainement encore à creuser à partir des données récoltées, mais voici ce que je retiens personnellement :

• Les personnes travaillant dans le domaine de la préservation numérique en France sont en moyenne assez mal équipées en outils logiciels. La situation est tout de même hétérogène : on identifie une minorité de personnes apparemment beaucoup mieux outillées. Y a-t-il une corrélation avec le type de formation reçue ? J’aimerais le savoir, mais, encore une fois, les données ne le disent pas.
• J’interprête la difficulté à obtenir des outils logiciels payants comme un manque de conscience de la spécificité de l’activité de préservation numérique et de ses besoins. La comparaison avec le secteur de la numérisation, dont il est désormais admis qu’il requiert des outils matériels et logiciels potentiellement très coûteux, me semble éclairante.
• Je note une grande diversité dans les outils utilisés, plus importante que je ne l’imaginais. Néanmoins, parmi ces outils, j’en identifie un bon nombre qui sont confidentiels, développés par des individus et dont la maintenance à moyen terme n’est pas assurée.
• Plusieurs des outils cités par les répondant·es ne sont pas spécifiques à la préservation numérique, ce qui n’est pas étonnant et devrait plutôt être encouragé — si vous vous souvenez de mon billet sur la définition de la préservation numérique, vous savez que je la considère comme un ensemble de compétences liées à l’informatique appliquées aux objets numériques historiques pour en maintenir l’accès, du court au moyen terme.
• La problématique des grosses volumétries, identifiée dans plusieurs réponses en texte libre, me semble cruciale. Les volumétries limitées (en-dessous de quelques milliers de fichiers, de quelques gigaoctets) peuvent être traitées par des personnes peu formées avec les outils standards de Windows sans qu’une lacune soit identifiée. En revanche, dès qu’on dépasse ces chiffres, il est souvent nécessaire de disposer d’outils spécialisés et de procéder avec beaucoup plus de rigueur. C’est pourquoi je pense que ces demandes trahissent plutôt un besoin général de formation, plutôt que des problèmes de volumes réellement exceptionnels.
• Comme on pouvait s’y attendre, les environnements Windows sans droits d’administrateur sont très majoritaires. Pour concilier cela avec notre souhait d’enseigner Bash plutôt qu’une syntaxe spécifique à Microsoft, nous avons fait le choix de proposer, dans le cadre de la formation à venir, un environnement Windows avec le Windows Subsystem for Linux (WSL) associé à un conteneur embarquant tous les outils que nous souhaitons présenter. Notre Thomas Ledoux national a déjà commencé à en développer un : https://github.com/tledoux/preservation-container !

Sur ce, avant de vous laisser, je vous rappelle que je maintiens une carte mentale des outils que je connais et utilise et que le registre COPTR, maintenu par la DPC et l’OPF, est un excellent site pour en découvrir d’autres !

1. Là où le bât blesse, c’est le prix : il risque fort d’être inabordable pour les personnes hors institutions. Si vous êtes intéressé·es mais que le prix est un problème pour vous, je vous encourage à me contacter, par exemple en DM sur mon compte mastodon. J’aimerais pouvoir faire des sessions pirates, de manière moins officielle. ↩︎
2. Cela dit, même quand on ne le demande pas, les répondant·es en fournissent dans leurs réponses en texte libre. Faire un vrai sondage, c’est un métier – et ce n’est pas le mien ! ↩︎
3. J’ai fait l’erreur d’intégrer à la liste des réponses un outil, 7-Zip, dont la fonction de gestion d’intégrité n’est pas la fonction principale, d’où le nombre de réponses élevées. ↩︎
4. J’ai également trouvé des références à des logiciels nommés TestFiles et WxCheckSum, mais je n’ai pu les identifier formellement. ↩︎