EDANEL · Guides

Reprendre vingt ans d’archives

C’est l’objection qui revient dès qu’on propose un outil à une rédaction qui existe depuis vingt ans : « et tout ce qui est déjà paru ? » Elle est légitime, et la réponse « on repart de zéro » n’en est pas une.

Ce qu’on veut vraiment récupérer

Rarement la mise en pages — elle appartient au PDF et y reste très bien. Ce qu’une rédaction veut retrouver, c’est quoi a paru, dans quel numéro, écrit par qui. C’est ce qui permet de répondre à « on a déjà fait un sujet sur ça ? » et de préparer un hors-série.

Viser cela plutôt que la restitution fidèle change tout : le travail passe de plusieurs mois à quelques heures.

Les formats, et ce qu’ils donnent

Tous ne se valent pas, et la différence tient à ce que le document sait de sa propre structure :

• EPUB — le meilleur : il porte ses chapitres explicitement.
• DOCX et ODT — bons si les styles de titre ont été utilisés ; mauvais si les titres ont été mis en gras à la main.
• PDF — le plus courant et le plus difficile : aucune structure, il faut la deviner à partir des tailles de police et des sauts de page.
• Texte brut — utile pour un fonds déjà exporté d’un autre système.

Le découpage doit se déduire, pas se choisir

Un magazine et un livre ne se découpent pas au même endroit. Couper systématiquement au titre de plus haut rang donne, sur un magazine Word, un seul article — le titre du numéro ; et sur un livre EPUB, un article par intertitre.

La règle qui marche : si le rang le plus haut ne contient qu’un seul titre, c’est le nom de la publication et la coupure descend d’un rang. Sinon, on coupe au rang le plus haut.

Et dans tous les cas, un aperçu corrigeable avant enregistrement. Un import qui écrit directement en base est un import qu’on ne rattrape pas.

Par quoi commencer, et où s’arrêter

Vingt ans d’archives ne se reprennent pas en une fois. L’ordre qui marche va du récent vers l’ancien : les cinq dernières années servent tous les jours, les quinze précédentes servent une fois par an.

Il faut aussi accepter que la qualité se dégrade en remontant. Les numéros récents existent en fichier structuré ; les plus anciens n’existent qu’en PDF de photocomposition, parfois qu’en papier. Passé un certain point, la reprise coûte plus que ce qu’elle rapporte — et il vaut mieux s’arrêter franchement que produire un fonds à moitié faux.

Un repère utile avant de commencer : vérifier sur trois numéros pris au hasard — un récent, un moyen, un ancien — ce que l’extraction rend réellement. Ces trois essais disent en une heure ce qu’une planification dirait en une semaine.

Ce qu’un fonds repris permet ensuite

Une fois les textes retrouvables, trois usages apparaissent, et aucun n’était l’objectif de départ.

D’abord ne plus refaire deux fois le même sujet — la question « on a déjà traité ça ? » trouve enfin une réponse en dix secondes. Ensuite construire un hors-série ou un recueil sans rouvrir vingt classeurs. Enfin savoir qui a écrit quoi : c’est ce qui permet de rappeler un contributeur dix ans après, ou de répondre à une demande de droits.

C’est aussi, pour une association, la seule protection contre la perte du fonds : le jour où l’ancien secrétaire rend son ordinateur, ce qui n’a pas été repris disparaît.

Le piège qui coûte cher

Un outil de rédaction qui calcule les rémunérations paye ce qui est validé. Or un fonds importé est exactement cela : trois cents articles parus, donc validés.

Importer vingt ans d’archives sans précaution revient à poser trois cents dettes pour un travail réglé des années plus tôt. La parade est simple mais doit être prévue avant l’import : marquer le fonds comme archive, sur la publication et sur chaque texte — pour qu’un texte neuf écrit dans un numéro d’archive, une préface de réédition par exemple, se paye normalement.

Deux autres précautions valent d’être prises : refuser un dépôt déjà fait, en comparant l’empreinte du fichier, et ne jamais écarter des textes en silence — si l’import s’arrête à cinq cents, il doit dire combien il a laissés.