Thirty Years of Digital Libraries: What ECDL/TPDL Tells Us About the Field, and Where We Go from Here

À la fin des années 1990, une idée nouvelle commençait à prendre forme dans le monde de l'informatique documentaire : la bibliothèque numérique. À l'époque, il ne s'agissait pas simplement d'un site web contenant quelques livres numérisés. C'était un défi d'ingénierie complexe, une promesse de construire des systèmes entièrement nouveaux capables de stocker, d'organiser et de diffuser de vastes collections de contenus numériques. Les chercheurs s'affairaient à construire les étagères numériques, à écrire les logiciels qui permettraient aux ordinateurs de communiquer entre eux, et à chercher comment rendre ces systèmes utiles pour les gens. Au cours des trois décennies suivantes, un groupe spécifique de scientifiques s'est réuni chaque année lors d'une conférence en Europe pour partager leurs progrès. Ils appelaient leur réunion la Conférence européenne sur la recherche et les technologies avancées pour les bibliothèques numériques, devenue plus tard TPDL. Pendant trente ans, ce rassemblement a servi de baromètre pour le domaine, enregistrant chaque changement dans ce que les chercheurs considéraient comme important, qui faisait le travail, et ce qu'ils construisaient réellement.

Une étude récente de Gianmaria Silvello, chercheur à l'Université de Padoue, a examiné toute l'histoire de cette série de conférences pour comprendre comment le concept de bibliothèque numérique s'est transformé. Silvello a analysé chaque article présenté lors des trente éditions de la conférence, de sa première réunion en 1997 à son dernier rassemblement en 2026. Pour donner du sens à près de 1 600 articles académiques, le chercheur a utilisé un programme informatique puissant, connu sous le nom de grand modèle de langage, pour lire les titres et les résumés de chaque contribution et les classer par catégories. Cet outil a permis d'identifier si un article portait sur la construction d'un nouveau système logiciel, sur l'étude de la façon dont les gens utilisent une bibliothèque, ou sur l'analyse des données contenues dans une collection. Le chercheur a ensuite vérifié manuellement un échantillon de ces étiquettes générées par ordinateur pour s'assurer que la machine lisait correctement le texte. L'objectif était de retracer l'évolution du domaine, non pas seulement en comptant les mots, mais en observant comment la communauté elle-même a changé au fil du temps.

L'histoire que raconte la donnée est celle d'un changement fondamental de focalisation. Dans les premières années, de 1997 à 2007, la conférence était dominée par la construction de systèmes. Les chercheurs se concentraient sur l'architecture des bibliothèques numériques, créant les cadres et les protocoles qui permettaient à différents systèmes informatiques de partager des informations. Ils construisaient l'infrastructure, concevaient les normes de métadonnées qui permettraient à une bibliothèque d'un pays de communiquer avec une bibliothèque d'un autre, et développaient les moteurs de recherche qui aideraient les utilisateurs à trouver ce dont ils avaient besoin. C'était une ère d'ingénierie, où la question principale était de savoir comment construire la bibliothèque elle-même.

Au fil des années, la conversation a commencé à changer. Durant la période intermédiaire, de 2008 à 2016, l'attention a commencé à s'éloigner de la construction des systèmes pour se porter sur les personnes qui les utilisent et sur le contenu qu'elles détiennent. Les chercheurs ont commencé à étudier comment les utilisateurs interagissaient avec ces collections numériques, comment préserver les documents numériques sur le long terme et comment gérer le web de données croissant. Les systèmes qui avaient été construits durant la première décennie n'étaient plus le sujet principal de la recherche ; ils étaient devenus l'infrastructure de fond, exploitée par les bibliothèques et les archives. Les nouvelles questions portaient sur ce que l'on pouvait faire avec les documents contenus dans ces systèmes.

Dans la dernière décennie, de 2017 à 2026, le domaine a connu une seconde transformation, encore plus spectaculaire. La recherche s'est presque entièrement déplacée vers la donnée elle-même. Aujourd'hui, les articles portent moins sur la construction de la bibliothèque que sur le traitement des archives savantes et culturelles que la bibliothèque détient. Les sujets dominants sont désormais l'extraction de données textuelles (text mining), le traitement du langage naturel et l'apprentissage automatique. Les chercheurs utilisent des modèles informatiques avancés pour analyser de vastes quantités de documents historiques, d'articles scientifiques et de matériel du patrimoine culturel. Ils construisent des graphes de connaissances, qui sont des cartes complexes montrant comment différentes pièces d'information se connectent, et ils utilisent l'intelligence artificielle pour extraire du sens de millions de documents. La bibliothèque numérique n'est plus perçue comme un système à construire, mais comme une collection de données fiables et curatées qui peut être utilisée pour entraîner l'intelligence artificielle et soutenir de nouvelles formes de découverte.

Ce changement dans l'objet de l'étude est accompagné d'un changement dans l'identité de ceux qui font le travail. Dans les premiers jours, la conférence attirait un public international large, avec un nombre significatif de chercheurs provenant des États-Unis. Au fil du temps, la communauté s'est contractée géographiquement. La part des auteurs originaires d'Amérique du Nord a diminué régulièrement, tandis que la présence des chercheurs européens a crû pour dominer la conférence. Aujourd'hui, la grande majorité des participants vient d'Europe, et le nombre de pays représentés a diminué. La communauté est devenue plus localisée, avec un noyau restreint d'auteurs récurrents et un grand nombre de nouveaux venus qui ne participent qu'une seule fois. Les groupes de recherche qui pilotent la conférence ont également changé, avec différentes équipes prenant la direction à différentes époques, reflétant les priorités changeantes du domaine.

L'étude révèle également comment la définition d'une bibliothèque numérique a évolué dans l'esprit des chercheurs. Au début, le terme se référait à un système ou à une collection d'objets numériques. Avec le temps, il est devenu la description d'un rôle : la gestion responsable (curation) des collections. Une bibliothèque numérique est désormais comprise comme l'entité qui garantit qu'une collection est digne de confiance, qu'elle sait d'où proviennent ses données et qu'elle peut être utilisée en toute sécurité tant par les humains que par les machines. Cette nouvelle définition est cruciale car elle distingue une véritable bibliothèque numérique d'un simple moteur de recherche ou d'un dépôt de données aléatoire. Elle souligne la responsabilité de l'institution de maintenir la qualité et l'intégrité de l'information au fil du temps.

Les chercheurs ont constaté que, bien que l'accent soit passé des systèmes aux données, l'implication des bibliothèques, des archives et des musaux est restée constante, bien que leur rôle ait changé. Dans les premières années, ces institutions étaient souvent les principaux bâtisseurs des systèmes. Aujourd'hui, elles sont plus souvent des partenaires de recherche, fournissant les collections curatées que les chercheurs analysent. Les articles écrits par des praticiens de ces institutions impliquent désormais fréquemment une collaboration avec des chercheurs universitaires, combinant la connaissance approfondie des collections avec les outils analytiques avancés de l'informatique.

En regardant vers l'avenir, l'étude suggère plusieurs directions pour le domaine. À mesure que l'intelligence artificielle devient plus puissante, le besoin de collections curatées de haute qualité n'a jamais été aussi grand. Ces collections servent de données d'entraînement pour les modèles d'apprentissage automatique et de vérité de terrain pour évaluer leurs réponses. Les chercheurs proposent que le domaine se concentre sur la qualité de ces collections, la fiabilité des graphes de connaissances construits à partir d'elles, et la préservation à long terme des données. Ils suggèrent également que la conférence continue d'évoluer, peut-être en accordant plus d'espace aux humanités numériques et en renforçant ses liens avec d'autres domaines comme la gestion des données.

Le voyage de trente ans de la conférence ECDL/TPDL montre un domaine qui a mûri, passant d'une focalisation sur l'ingénierie à une focalisation sur la connaissance. Les bâtisseurs de systèmes ont laissé la place aux processeurs de données, mais la mission fondamentale reste la même : rendre l'information mondiale accessible et utile. La bibliothèque numérique n'a pas disparu ; elle a simplement changé de forme, passant d'un lieu où l'on construit des systèmes à un lieu où les récits de la culture et de la science humaines sont traités, compris et préservés pour l'avenir. Les chercheurs concluent que la chose la plus importante qu'une bibliothèque numérique puisse faire aujourd'hui est de rendre compte de ce qu'elle détient, en garantissant que les collections qu'elle gère restent dignes de confiance et disponibles pour les générations à venir.