Universidad ICESI : extraction automatique de métadonnées avec MetaExtract API sur sa propre infrastructure

Contexte de l'institution

L'Universidad ICESI est une université privée de Cali, en Colombie, au parcours reconnu en matière de recherche, dont la bibliothèque soutient à la fois l'enseignement et la production académique de ses centres et de ses groupes de recherche. Son équipe de gestion de l'information exploitait déjà une infrastructure propre bien établie, avec des systèmes choisis et en fonctionnement.

Le défi

Le problème n'était pas la plateforme, mais la capacité. La description documentaire est un travail linéaire : chaque document entrant exige qu'une personne le lise, en identifie les éléments descriptifs et les transcrive champ par champ. Quand le volume de documents augmente plus vite que l'équipe, le résultat est prévisible : une file de documents en attente de description qui ne diminue jamais, et un coût d'opportunité élevé, car la personne qui transcrit est un professionnel formé en bibliothéconomie qui pourrait se consacrer au contrôle d'autorité, à l'analyse de contenu ou à l'accompagnement des chercheurs.

La condition posée par l'université était claire dès le départ : ne pas changer de système, ne pas migrer de contenus et ne pas modifier les circuits de travail existants. Ce qu'elle cherchait, c'était une brique capable de s'insérer dans le flux actuel et d'en retirer la transcription.

Ce que nous avons mis en place

Nous avons mis en place MetaExtract API, notre service d'extraction automatique des métadonnées de documents PDF par intelligence artificielle. L'API reçoit le document, l'analyse, en identifie les éléments descriptifs (titre, auteurs, résumé, mots-clés, date, type de document, langue et les champs supplémentaires que définit l'établissement) et les renvoie structurés pour préremplir le formulaire de description.

S'agissant d'un service par interface de programmation, il n'a exigé ni nouvelle infrastructure ni remplacement de systèmes : il s'intègre à ce que l'établissement possède déjà.

Notre démarche

1. Diagnostic du schéma de métadonnées cible. Les champs utilisés, ceux qui sont obligatoires, les vocabulaires applicables et les types de documents à distinguer ont été passés en revue.
2. Ajustement de l'extraction. Le modèle a été entraîné sur des documents réels de l'établissement pour que sa sortie corresponde à son schéma, et non à un schéma générique.
3. Intégration. L'API a été connectée au flux de travail, en coordination avec l'équipe technique de l'université pour les identifiants d'accès, les quotas d'utilisation et la gestion des erreurs.
4. Validation sur un lot de contrôle. Un ensemble représentatif de documents a été traité et comparé champ par champ à la description réalisée par l'équipe, avant l'ouverture générale.
5. Mise en production et accompagnement. La procédure de relecture humaine préalable à l'approbation de chaque notice a été définie, et le service a été ouvert à l'équipe.

Résultat

Le travail de description est passé de la transcription à la relecture : le bibliothécaire reçoit une notice déjà proposée et applique son jugement à l'harmonisation des noms, aux descripteurs et aux décisions de licence, là où sa formation apporte de la valeur. L'indicateur le plus significatif du résultat, et le seul que nous puissions avancer tant que l'université ne publie pas de chiffres, est que le service a été renouvelé sur des périodes consécutives : l'établissement a évalué sa continuité et a décidé de le maintenir.

Pour comprendre le fonctionnement de l'outil en détail, consultez notre guide sur l'extraction de métadonnées par IA.

Technologies

MetaExtract API, extraction de métadonnées par modèles de langage, intégration par API REST, schémas de métadonnées Dublin Core et champs locaux de l'établissement.