Niveau 5 — Préservation numérique

Pourquoi le numérique est fragile

On croit souvent qu'un fichier numérique est éternel, puisqu'il se copie sans perte. C'est l'inverse : sans action, l'information numérique disparaît plus vite que le papier.

Quatre menaces

• La dégradation des supports : disques durs, clés USB, CD et bandes ont une durée de vie limitée, parfois quelques années. Des bits peuvent s'altérer silencieusement.
• L'obsolescence matérielle : qui peut encore lire une disquette de 3,5 pouces ?
• L'obsolescence logicielle : un fichier n'est lisible qu'avec un logiciel capable de l'interpréter. Des formats propriétaires des années 1990 sont aujourd'hui difficiles à ouvrir.
• La perte de contexte : un fichier « scan_0012.tif » sans métadonnées est une image dont plus personne ne sait ce qu'elle représente, ni pourquoi elle a été conservée.

Préserver, c'est agir en continu

La préservation numérique est l'ensemble des actions qui maintiennent l'accès à l'information dans la durée malgré l'évolution des formats, des logiciels et des supports. Ce n'est pas un stockage passif : c'est une surveillance et des interventions régulières, documentées, pendant toute la durée de conservation.

Qui est concerné ?

Toute organisation qui conserve des documents numériques au-delà de dix ans : administrations, universités, banques, institutions patrimoniales, mais aussi entreprises pour leurs actes, plans et titres. Pour un fonds historique, c'est ce qui distingue une archive d'un simple disque de sauvegarde.

Le modèle OAIS

Le modèle OAIS (Open Archival Information System, système ouvert d'archivage d'information), normalisé sous la référence ISO 14721, est le cadre de référence mondial de la préservation à long terme. Il décrit ce que doit faire une archive, quelle que soit la technologie utilisée.

Trois types de paquets

• SIP (paquet d'information à verser) : ce que le producteur transmet à l'archive.
• AIP (paquet d'information archivé) : ce que l'archive conserve, enrichi de toutes les informations nécessaires à la préservation.
• DIP (paquet d'information diffusé) : ce que l'archive remet à l'utilisateur qui le demande.

Un paquet contient le contenu (les fichiers) et l'information de pérennisation : provenance, contexte, identifiants, intégrité (empreintes), droits d'accès, ainsi que l'information de représentation qui permet d'interpréter les fichiers.

Six fonctions

La communauté d'utilisateurs cible

Notion clé de l'OAIS : l'archive doit s'assurer que l'information reste compréhensible par sa communauté d'utilisateurs cible. Des archives municipales destinées aux citoyens n'ont pas les mêmes besoins d'explication que des données scientifiques destinées à des chercheurs.

Choisir des formats de conservation

Le format d'un fichier conditionne sa lisibilité future. Pour la conservation longue, on privilégie des formats pérennes.

Les critères d'un format pérenne

• Ouvert et documenté : sa spécification est publique, n'importe qui peut écrire un logiciel pour le lire.
• Largement utilisé : plus un format est répandu, plus il sera soutenu longtemps.
• Autonome : il ne dépend pas de ressources externes (polices non intégrées, liens vers des fichiers tiers).
• Sans chiffrement ni protection qui empêcherait sa lecture future.
• Normalisé si possible.

Quelques formats recommandés

Le PDF/A

Le PDF/A est un profil du PDF conçu pour l'archivage : polices intégrées, pas de contenu dynamique, pas de chiffrement, métadonnées intégrées. Plusieurs versions coexistent (PDF/A-1, -2, -3, -4). Un PDF ordinaire n'est pas un PDF/A : il faut le convertir, puis valider la conformité avec un outil dédié.

Identifier et valider

À l'entrée dans l'archive, chaque fichier est identifié (quel format exactement, quelle version ?) puis validé (le fichier respecte-t-il réellement la spécification ?). Des outils comme DROID, Siegfried ou JHOVE servent à ces opérations et s'appuient sur des registres de formats comme PRONOM.

Stratégies de préservation

Une fois les fichiers dans de bons formats, il faut les maintenir dans la durée. Voici les stratégies principales.

Copies multiples : la règle 3-2-1

Trois copies, sur deux supports différents, dont une hors site. Pour la préservation, on ajoute souvent une copie isolée ou immuable, protégée des rançongiciels.

Contrôle d'intégrité périodique

Les empreintes calculées au versement sont recalculées à intervalles réguliers sur toutes les copies. Une différence révèle une corruption : on restaure alors à partir d'une copie saine. Sans ce contrôle, une copie corrompue peut être recopiée pendant des années sans que personne ne s'en aperçoive.

Migration

Quand un format devient obsolète, on migre les fichiers vers un format actuel. Chaque migration est documentée : format d'origine, format cible, outil, date, contrôles réalisés. On garde en général le fichier d'origine à côté du fichier migré. La norme ISO 13008 traite de la migration et de la conversion des documents numériques.

Émulation

Plutôt que de convertir le fichier, on recrée l'environnement d'origine (système, logiciel) sur une machine moderne. Utile pour des contenus complexes : bases de données anciennes, logiciels, contenus interactifs.

Rafraîchissement des supports

Copier régulièrement les données sur des supports neufs, avant que les anciens ne se dégradent.

Évaluer son dispositif

La norme ISO 16363 permet d'auditer et de certifier un dépôt numérique fiable. Des grilles plus légères, comme les niveaux de préservation NDSA, aident à mesurer sa progression : savoir où sont ses données, combien de copies existent, si l'intégrité est vérifiée, qui a accès, quelles métadonnées existent.