Nous introduisons ici une vision OLAP des données (voir section 2.1.2) du patrimoine à partir des résultats d’Haruspex. Les dimensions retenues sont le temps, l’espace et la sémantique. Nous représentons donc nos données comme des points dans un cube à 3 dimensions (voir figure 4.16). Les proximités spatiales, temporelles et sémantiques sont issues d’Haruspex : calcul de proximité entre les documents sur différentes dimensions. On retrouve également l’accès multi-échelle caractéristique d’une structuration OLAP (drill). L’apport principal d’Haruspex ici consiste à produire des proximités sémantiques entre les textes d’une documentation du patrimoine. En effet les distances spatiales et géographiques ont déjà été résolues par les expériences précédentes. Pour l’iconographie, la proximité est calculée à partir du texte de description associé. Dans la perspective d’exploiter la production historique, ceci n’est jamais un problème, puisque l’iconographie est systématiquement commentée et analysée.
Les résultats d’Haruspex ne sont pas des distances (voir section 4.1), toutes les vues de cubes conceptuels présentées sont donc construites autour d’un item. En effet les proximités entre items sont réciproques mais ne respectent pas l’inégalité triangulaire.
FIGURE4.15 – Interface de navigation prototype de « navigation historique »
FIGURE4.16 – Représentation OLAP de plusieurs ensembles de données : en bleu (A) l’analyse mécanique du pont transbordeur de Nantes ; en vert (B) analyse historique d’une usine de l’île de Nantes ; en rouge (C) les données de Nantes1900. Ces éléments présentent des intersections.
L’origine commune à tous les items est donc arbitraire, les proximités sont relatives. Il en va de même de la projection des distances géographiques (2D ou 3D) sur une seule dimension.
Les opérations de drill-up (voir section 2.1.2) sur la dimension sémantique fonctionnent de manière discrète avec plusieurs niveaux : les liens uniques (voir section 5.2.2), les liens de thématiques (voir section 2.1.5), les liens de classes, et les liens-clés. Chaque type de lien est pondéré et étiqueté, permettant de créer des filtres. Cette approche correspond au mantra « overview first, zoom and filter, then details on demand » (Shneiderman, 1996).
La forme base de données graphe telle que produite par Haruspex se prête bien au stockage de ce type d’information.
4.3.2 Visite guidée mais libre
L’existence et la structuration des données n’est qu’un potentiel inutile s’il n’est pas doté d’accès. Nous traitons ici des accès à la documentation du patrimoine telle que précédemment établie. La « visite guidée mais libre » est une approche conceptuelle de l’exploration de données multidimensionnelles du patrimoine. Appuyé sur notre construction précédente, nous proposons de construire un « fil rouge » : une liste ordonnée d’items.
Ce fil rouge correspond à la visite guidée. Il est défini à l’avance par un humain, le médiateur de l’objet. Inspirée des visites guidées réelles (par exemple d’un monument historique) 2 items peuvent avoir un lien sémantique fort et pourtant demander un saut dans le temps, un déplacement voire une représentation. Par exemple, la visite de l’aciérie Schneider du Creusot, peut montrer la maquette du CNAM représentant l’Aciérie Martin de Saint-Etienne, (modèle de J. Boudin, 1912). Nous représentons cette visite guidée parmi les éléments de la documentation du patrimoine liés par un fil rouge (voir figure 4.17). Différents parcours thématiques (différentes visites guidées) peuvent concerner le même objet. La partie « libre » de la visite guidée est également inspirée de visites réelles : en chaque point de la visite, il est possible d’explorer les environs : tel autre élément des
FIGURE4.17 – Représentation en cube OLAP de 2 visites guidées parmi la documentation (les items) d’un même patrimoine.
collections ou de la documentation très proche sémantiquement, un usage ultérieur du même lieu, etc.
Pour reprendre des exemples précédents, dans une visite imaginaire d’un laboratoire de chimie du solide, l’évocation d’une application industrielle sur le fil rouge (par exemple la pile à combustible) amènerait la possibilité d’explorer le graphe des industriels qui amènerait sans doute à converger vers le cluster des ingénieurs et industriels du secteur automobile.
Ce type de visites permet donc de guider le visiteur parmi la masse de données, tout en stimulant sa curiosité par le potentiel de sérendipité qu’offre le graphe total.
4.3.3 Adaptation aux traces
La « visite guidée mais libre » est personnalisée à chaque utilisateur. La visite guidée est strictement fixe, définie à l’avance par un humain. Cette fonctionnalité est créée à partir des proximités calculées par Haruspex et des actions de l’utilisateur. Elle affecte la partie « libre » de la visite et vise à améliorer le potentiel de sérendipité des propositions.
Il s’agit donc d’exploiter les traces de l’utilisateur hors de la visite guidée pour lui proposer d’autres items de la documenta- tion. Ce fonctionnement est inspiré de celui d’un ANN, et vise à apprendre le comportement de l’utilisateur. À un instant de la visite, si le visiteur choisit de sortir de la visite guidée pour explorer un item parmi les propositions, alors sur les 3 dimensions, tous les voisins de l’item choisi reçoivent un bonus ; les items non choisis reçoivent un malus. Ce système de bonus et malus est indépendant du graphe produit par Haruspex et ne vise qu’à modifier l’ordre de propositions faites à l’utilisateur.
Par exemple, lors de la visite d’un laboratoire de chimie du solide, si le visiteur quitte le fil rouge pour explorer la grève du laboratoire en 1953 (retarder l’âge de la retraite), alors tout item proche de 1953 ou étiqueté par la thématique « sociale » ou proche des lieux mentionnés reçoit un bonus ; à l’inverse les autres propositions non explorées reçoivent un malus.