Cette r\u00e9union a lieu chaque ann\u00e9e depuis 2018. Elle r\u00e9unit des institutions patrimoniales qui souhaitent am\u00e9liorer l’acc\u00e8s \u00e0 leurs collections num\u00e9ris\u00e9es et la qualit\u00e9 de leurs m\u00e9tadonn\u00e9es \u00e0 l’aide d’outils d’intelligence artificielle. Les projets suivants sont particuli\u00e8rement pertinents dans le cadre de la mise en \u0153uvre du plan d’action 2029 au Centre international de l\u2019ISSN, mais aussi en termes d’acculturation n\u00e9cessaire.<\/p>\n
Le minist\u00e8re fran\u00e7ais de la Culture a lanc\u00e9 le site web Comparia<\/strong>, qui compare les performances de plusieurs intelligences artificielles g\u00e9n\u00e9ratives (https:\/\/comparia.beta.gouv.fr\/<\/a>). Les utilisateurs peuvent soumettre une requ\u00eate \u00e0 deux IA s\u00e9lectionn\u00e9es au hasard par le site. Les IA analysent le r\u00e9sultat, puis fournissent une r\u00e9ponse adapt\u00e9e. L’utilisateur \u00e9value ensuite les r\u00e9ponses et obtient une estimation de la consommation \u00e9nerg\u00e9tique des deux IA pour produire ces r\u00e9ponses.<\/p>\n Dans le cadre de leur mission de pr\u00e9servation de la m\u00e9moire des institutions gouvernementales, les Archives du gouvernement britannique ont d\u00e9velopp\u00e9 un outil permettant de cr\u00e9er des m\u00e9tadonn\u00e9es \u00e0 partir de la grande quantit\u00e9 de documents qu’elles traitent. Selon son site web, l\u2019outil Apache Tika\u2122<\/strong>\u00a0permet de d\u00e9tecter et d’extraire des m\u00e9tadonn\u00e9es et du texte \u00e0 partir de plus d’un millier de types de fichiers diff\u00e9rents, comme les fichiers PowerPoint, Excel et PDF. Ces types de fichiers peuvent tous \u00eatre trait\u00e9s via une interface unique, ce qui rend Tika utile pour l’indexation par les moteurs de recherche, l’analyse de contenu, la traduction, etc. Cet outil pourrait \u00eatre utilis\u00e9 pour r\u00e9pondre aux demandes des \u00e9diteurs.<\/p>\n La Biblioth\u00e8que du Congr\u00e8s a mis en place un outil d’intelligence artificielle qui g\u00e9n\u00e8re automatiquement des m\u00e9tadonn\u00e9es pour les monographies num\u00e9riques ou num\u00e9ris\u00e9es. Ce service est g\u00e9r\u00e9 par Digirati<\/strong> (https:\/\/digirati.com\/<\/a>). De m\u00eame, la biblioth\u00e8que de l’universit\u00e9 de Harvard<\/strong> utilise Apache Airflow<\/strong> pour automatiser l’ingestion de ressources gr\u00e2ce \u00e0 l’extraction de m\u00e9tadonn\u00e9es. Ces donn\u00e9es sont ensuite compar\u00e9es \u00e0 l’indexation des ressources d\u00e9j\u00e0 d\u00e9crites dans le catalogue de la biblioth\u00e8que via ElasticSearch<\/strong>. Harvard utilise \u00e9galement Better Binary Quantisation<\/strong>\u00a0(BBQ) pour stocker des donn\u00e9es sous forme vectorielle. BBQ est d\u00e9crit comme suit sur son site web : \u00ab\u00a0Il s’agit d’une avanc\u00e9e majeure pour Lucene<\/strong> and Elasticsearch<\/strong>, qui permet de r\u00e9duire les dimensions flottantes de 32 bits \u00e0 1 bit, tout en conservant une qualit\u00e9 de classement \u00e9lev\u00e9e et en r\u00e9duisant la m\u00e9moire d’environ 95 %\u00a0\u00bb. Il surpasse les approches traditionnelles, telles que la quantification de produit, en termes de vitesse d’indexation (20 \u00e0 30 fois plus rapide), de vitesse de requ\u00eate (2 \u00e0 5 fois plus rapide) et sans perte de pr\u00e9cision.<\/p>\n La biblioth\u00e8que de l\u2019universit\u00e9 de Yale<\/strong>, tout comme la Biblioth\u00e8que nationale du Luxembourg<\/strong>, utilise l’IA pour produire des m\u00e9tadonn\u00e9es. Ce dernier a d\u00fb traiter un arri\u00e9r\u00e9 d’environ 75\u00a0000 fichiers num\u00e9riques d\u00e9pos\u00e9s. ChatGPT 4.0 a d’abord \u00e9t\u00e9 utilis\u00e9 pour g\u00e9n\u00e9rer des m\u00e9tadonn\u00e9es, mais les r\u00e9sultats ont \u00e9t\u00e9 d\u00e9cevants en mati\u00e8re d’indexation des sujets. ANNIF<\/strong>\u00a0(https:\/\/annif.org\/<\/a>) a donc \u00e9t\u00e9 pr\u00e9f\u00e9r\u00e9. Les biblioth\u00e8ques nationales de Su\u00e8de et d’Allemagne m\u00e8nent des projets similaires. La Biblioth\u00e8que nationale d’Allemagne (DNB<\/strong>) a mis en \u0153uvre un projet visant \u00e0 am\u00e9liorer les performances de l’intelligence artificielle g\u00e9n\u00e9rative en allemand. Dix-sept millions de publications num\u00e9riques ont \u00e9t\u00e9 s\u00e9lectionn\u00e9es, dont treize millions de p\u00e9riodiques. Ces textes ont \u00e9t\u00e9 retravaill\u00e9s pour \u00eatre anonymis\u00e9s et modifi\u00e9s de mani\u00e8re \u00e0 ne plus \u00eatre soumis au droit d’auteur. Ils ont \u00e9t\u00e9 \u00ab tokenis\u00e9s \u00bb et seront utilis\u00e9s pour entra\u00eener l’IA en allemand.<\/p>\n La KB, nationale bibliotheek<\/strong> (anciennement la Koninklijke Bibliotheek des Pays-Bas) a publi\u00e9 une d\u00e9claration (https:\/\/www.kb.nl\/en\/ai-statement<\/a>) visant \u00e0 limiter l’utilisation de ses collections num\u00e9riques par les entreprises commerciales qui entra\u00eenent leur IA g\u00e9n\u00e9rative, notamment \u00e0 partir du site de ressources num\u00e9riques continues Delpher<\/strong>\u00a0(https:\/\/www.delpher.nl<\/a>).<\/p>\n Enfin, la biblioth\u00e8que de l\u2019universit\u00e9 de Stanford<\/strong> a pr\u00e9sent\u00e9 un projet de num\u00e9risation de fiches dactylographi\u00e9es contenant des observations biologiques marines. Ces cartes ont \u00e9t\u00e9 trait\u00e9es par l’IA afin de g\u00e9n\u00e9rer des fichiers de m\u00e9tadonn\u00e9es au format JSON. Les pr\u00e9sentateurs ont soulign\u00e9 l’importance de fournir des instructions tr\u00e8s d\u00e9taill\u00e9es \u00e0 l’IA.<\/p>\n","protected":false},"excerpt":{"rendered":" Cette r\u00e9union a lieu chaque ann\u00e9e depuis 2018. Elle r\u00e9unit des institutions patrimoniales qui souhaitent am\u00e9liorer l’acc\u00e8s \u00e0 leurs collections num\u00e9ris\u00e9es et la qualit\u00e9 de leurs m\u00e9tadonn\u00e9es \u00e0 l’aide d’outils d’intelligence artificielle. Les projets suivants sont particuli\u00e8rement pertinents dans le cadre de la mise en \u0153uvre du plan d’action 2029 au Centre international de l\u2019ISSN, […]<\/p>\n","protected":false},"author":1151,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-47924","post","type-post","status-publish","format-standard","hentry","category-actualites"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/posts\/47924","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/users\/1151"}],"replies":[{"embeddable":true,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/comments?post=47924"}],"version-history":[{"count":1,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/posts\/47924\/revisions"}],"predecessor-version":[{"id":47925,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/posts\/47924\/revisions\/47925"}],"wp:attachment":[{"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/media?parent=47924"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/categories?post=47924"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.issn.org\/fr\/wp-json\/wp\/v2\/tags?post=47924"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}