dictionnaire : ajout du fichier .lex au dépôt HAL

[alexis-michaud]

(dans la continuité de #128)

Rester à ajouter au dépôt HAL le fichier .lex (MDF), en lui fournissant l'extension .txt correspondant à son format, plutôt qu'une extension .lex qui a été préemptée par Adobe.

Voici quelques éléments des échanges avec les collègues côté HAL (décembre 2024).

Un point qu'il importe de clarifier est qu'il s'agit, non pas du fichier principal ni d'un fichier traitement de texte dont le PDF soit directement issu, mais d'une annexe au format .txt, comme pour les précédentes versions.

Par exemple, la version 3 du dépôt HAL du dictionnaire en version française (ici) comporte trois fichiers :

• le fichier principal est un document PDF

• et il y a deux fichiers annexes, l'un au format XML, l'autre au format TXT

Il pourrait être souhaitable, pour la cohérence entre versions successives du dépôt, de fournir le même jeu de fichiers pour chacune des versions successives. Et donc, pour la version actuelle (version 4 déposée dans HAL), de trouver un moyen d'ajouter le fichier .txt (dont le format, en interne, est "MDF", "Multilingual Dictionary Formatter").

La même question concerne les divers dépôts de la jeune collection "Lexica" (https://hal.science/LEXICA/). Chacun des dictionnaires PDF est en effet créé à partir d'une base de données source, qu'il paraîtrait souhaitable d'archiver dans le dépôt HAL correspondant. La taille de fichier n'est pas effrayante (de l'ordre de 2 à 10 Mo).

(Archiver ce fichier .txt sous forme PDF n'aurait pas grand sens, puisque l'intérêt du fichier est de se prêter à des traitements informatiques, or sous forme PDF il faudrait ré-extraire les infos depuis le PDF, ce qui serait en dépit du bon sens.)

S'il fallait renoncer à archiver le fichier source (au format .txt) na.lex dans HAL, cela nous amènerait à devoir mettre en place un dépôt pluri-plate-formes, suivant une logique de liens croisés entre plate-formes. Cela est évidemment imaginable. Mais nous aimions bien l'idée de placer HAL au centre, pour ses nombreux avantages (métadonnées riches et organisées selon une logique bien en phase avec les besoins de l'entreprise lexicographique). Un dépôt Zenodo aurait un DOI qui renverrait vers le site Zenodo, dont les métadonnées n'ont pas l'étoffe que nous souhaiterions. Avant de nous résigner à rompre la 'lignée' des versions successives, en "réduisant la voilure" des dépôts HAL (les réduire de 3 fichiers à 2), nous souhaitions, si c'était possible, explorer encore un peu plus avant avec vous la possibilité de réaliser un dépôt du fichier .txt, solution qui entre autres avantages aurait celui d'épargner aux utilisatrices & utilisateurs un va-et-vient entre HAL et une autre plate-forme (telle que Zenodo) pour accéder au fichier source.

Au-delà du cas particulier des objets spécifiques en question (bases de données au format .txt), le dépôt de fichiers .txt mettrait les fonctionnalités de HAL bien en cohérence avec la liste des formats théoriquement acceptés pour le dépôt. HAL affiche en effet le format .txt parmi les formats acceptés (archivables par le CINES et in fine les archives de France). Si l'interface ne livrait pas une erreur au téléversement, cela serait une réussite pour HAL, une marque supplémentaire de robustesse, n'est-ce pas ?

(Nous avons conscience d'en demander beaucoup.)

Il va de soi que nous nous engageons à ne pas utiliser le format "texte seul" comme "cheval de Troie" pour déguiser toutes sortes de formats farfelus et non interprétables ("hack" par lequel un format .txt serait employé comme 'capsule'-déguisement pour des fichiers ne contenant pas réellement de texte). Le format MDF est bien documenté et lisible pour une utilisatrice/un utilisateur humain, ce n'est pas inintelligible.

[alexis-michaud]

Pour mémoire : référence HAL - CCSD : [RTccsd #229896]
Dans l'attente du fruit de la concertation au sein de leur équipe.