Bases de données documentaires

Les applications dans le domaine documentaire reposent sur la fonction de mémorisation qui doit être intégrée à d’autres fonctionnalités autorisant l’exploration, la réutilisation partielle du contenu des documents mémorisés et parfois même leur restructuration. A titre d’exemple, on peut citer toutes les applications informatiques liées aux activités de test d’intégration et de maintenance d’objets structurés – assemblage de composants – qu’elles s’inscrivent dans un contexte de génie logiciel (composants logiciels), spatial (intégration de satellites : composants satellites), aérospatial (composants d’avions), etc. Généralement, les composants sont décrits dans des manuels de spécification qui doivent être repris (réutilisés, adaptés) dans le cadre des activités d’intégration, de test, de maintenance. Les problèmes liés à la multiplicité des sources de données hétérogènes se sont encore accrus avec l’essor du Web. Il est nécessaire de disposer d’outils d’intégration et de modèles pour avoir une vision abstraite et synthétique, et rendre accessibles et manipulables ces grands volumes de données constitués en véritables entrepôts.

La mise en œuvre de tels systèmes de gestion de documents électroniques nécessite généralement le recours aux systèmes de gestion de bases de données pour assurer les fonctions interdépendantes de mémorisation et d’accès aux informations. L’accès et la recherche d’informations dans les documents électroniques s’effectuent généralement selon trois modes. Le premier, essentiellement utilisé pour des données textuelles, consiste à rechercher une chaîne – plus généralement un motif – dans un texte : on le rencontre dans les systèmes de recherche d’informations qui mettent en œuvre des mécanismes d’indexation « en texte intégral » et d’appariement textuel. Le deuxième repose sur la connaissance a priori d’une structure totale définie sur les données manipulées : on le rencontre dans les systèmes de gestion de bases de données où il est mis en œuvre à travers le schéma de la base de données et un langage d’interrogation basé sur un ensemble fini d’opérateurs. Le troisième met en œuvre des mécanismes de balayage et de navigation sur des informations faiblement structurées. On le rencontre dans les systèmes hypertextes et en particulier sur le Web. Ces trois approches doivent être supportées par tout système de gestion de documents électroniques.

Le concept de document est associé à celui d’informations semi-structurées qui sont caractérisées par leur absence totale ou partielle de structure, depuis l’information tout à fait non structurée jusqu’à l’information semi-structurée, ainsi que leur hétérogénéité : multiplicité des formats, des formalismes, des structures, des types, des médias, etc. Les documents sont mémorisés dans un entrepôt, ou...