Pourquoi automatiser la description documentaire
Décrire un document pour un dépôt institutionnel est un travail linéaire : pour chaque thèse, chaque article ou chaque rapport, quelqu'un lit, repère les éléments descriptifs et les recopie champ par champ. Quand les dépôts arrivent plus vite que l'équipe ne peut les traiter, une file d'attente se forme et ne se résorbe jamais. Le coût est aussi caché : les personnes qui recopient sont des professionnels de l'information qui pourraient contrôler les autorités, indexer les contenus ou accompagner les chercheurs.
MetaExtract API, développée par BiblioLabTech, retire la transcription du circuit. Ce n'est pas une application de plus avec son propre écran : c'est une interface de programmation qui se branche sur le système que vous utilisez déjà. Elle reçoit le PDF, l'analyse avec des modèles de langage et renvoie des métadonnées structurées qui remplissent le formulaire de description, prêtes à être relues.
Ce que MetaExtract API extrait d'un PDF
Les champs extraits se paramètrent selon le schéma de chaque établissement, mais couvrent de façon constante :
- le titre et, s'il existe, le sous-titre ;
- les auteurs et, quand le document l'indique, leur affiliation ;
- le résumé, repéré dans le corps du texte même s'il n'est pas balisé comme une section ;
- les mots-clés déclarés par l'auteur, et des suggestions tirées du contenu ;
- la date de publication ou de dépôt ;
- le type de document (thèse, article, rapport, communication), utile pour orienter chaque dépôt vers la bonne collection ;
- la langue du document ;
- les champs locaux que vous définissez : programme, directeur de thèse, numéro de projet ou d'appel.
Ce dernier point fait la différence entre une extraction générique et une extraction utile : le modèle est entraîné avec des documents réels de votre établissement, pour que le résultat corresponde à votre schéma Dublin Core et à vos champs locaux, et non à un gabarit qu'il faudrait réarranger à la main. Notre article sur l'extraction de métadonnées par IA détaille le fonctionnement champ par champ.
Comment l'API s'intègre à votre système
| Système | Usage type de MetaExtract API |
|---|---|
| DSpace | Pré-remplissage des métadonnées dans le circuit de dépôt du dépôt institutionnel |
| Koha | Description des documents numériques associés au catalogue |
| ABCD | Extraction de métadonnées pour les catalogues construits sur cette plateforme |
| OJS | Description des articles dans le circuit éditorial des revues |
Le PDF part vers l'API, soit parce qu'une personne le charge dans le circuit de dépôt, soit parce que votre système l'envoie automatiquement au moment du dépôt. Les métadonnées reviennent directement dans le formulaire, sans fichier intermédiaire à recharger. Côté infrastructure, il n'y a rien à installer chez vous : il faut seulement que votre équipe informatique, ou le prestataire de votre dépôt, réalise l'intégration. Pour les dépôts DSpace exploités par BiblioLabTech, l'intégration est à notre charge.
Cette compatibilité multiple résout le cas le plus inconfortable à automatiser : une bibliothèque qui exploite deux plateformes, un dépôt et un catalogue par exemple, et qui veut réduire la saisie dans les deux sans les fusionner.
Fiabilité, relecture humaine et limites
Aucun système d'extraction automatique n'atteint cent pour cent de réussite sur tous les documents, et nous ne le promettons pas. Un PDF nativement numérique, au texte sélectionnable et à la structure claire, s'extrait mieux qu'un document numérisé en basse résolution ou mis en page de façon inhabituelle. C'est pourquoi chaque notice passe par une relecture humaine avant publication, et pourquoi chaque projet commence par un lot de contrôle comparé champ par champ au travail de votre équipe.
MetaExtract API traite aujourd'hui des documents en espagnol, en anglais et en portugais. Pour un fonds en français, le lot de contrôle permet de mesurer les résultats sur vos propres documents avant de s'y fier. Pour un fonds historique, nous recommandons de procéder par collection ou par type de document, en relisant chaque lot avant le suivant : un dépôt rempli vite de métadonnées non vérifiées coûte plus cher à corriger qu'un chargement mené posément.
MetaExtract API ou BiblioScan AI ?
Les deux outils automatisent le catalogage avec l'IA, mais ne partent pas de la même source. MetaExtract API lit des documents numériques, au format PDF, et sert les dépôts et la description documentaire. BiblioScan AI lit des photos de documents physiques et sert le catalogage du fonds imprimé en MARC21. Quand une bibliothèque adopte les deux, c'est en général parce qu'elle a un catalogue de livres et un dépôt numérique à alimenter. Notre article sur le catalogage par intelligence artificielle compare les deux approches.
En production dans des universités
L'Universidad ICESI, en Colombie, a intégré MetaExtract API à son infrastructure existante sans changer de système ni migrer de contenus ; le service a été renouvelé sur des périodes consécutives. L'Universidad Católica Luis Amigó l'utilise en même temps sur son dépôt DSpace et sur son catalogue ABCD, en production continue depuis octobre 2024. L'Universidad Continental, au Pérou, l'a mise en place sur une plateforme commerciale déjà en service. L'Universidad Americana, au Paraguay, l'a intégrée au circuit de dépôt de son DSpace dès l'ouverture. Quatre établissements, quatre combinaisons de systèmes, et le même principe : l'API s'adapte à l'existant.
Mise en œuvre et coût
La mise en œuvre prend six à neuf semaines, du diagnostic à la mise en production, et moins si votre schéma de métadonnées est déjà défini et documenté. MetaExtract API se souscrit sous forme de licence annuelle du service, qui couvre la mise en œuvre, l'ajustement à vos champs, le support et les améliorations de la période ; le montant dépend du nombre de schémas ou de types de documents, des intégrations et du volume prévu. Elle est incluse sans surcoût dans chaque mise en œuvre de DSpace par BiblioLabTech, et se souscrit seule pour un dépôt existant, y compris un dépôt que nous n'avons pas mis en place.
Les conditions de traitement, de conservation et de suppression des documents sont fixées au contrat. Pour en savoir plus sur le rôle du dépôt institutionnel, lisez notre guide. Et si votre dépôt ou votre catalogue ne suit plus le rythme des documents à décrire, écrivez-nous en français : nous examinerons votre schéma de métadonnées pour estimer la vitesse d'entraînement sur vos propres documents.