Méthodologie commune

Principes

Le projet transforme trois registres nationaux du patrimoine construit en infrastructure de recherche, avec un seul moteur de site et les mêmes règles dans les trois pays. Les choix ci-dessous valent pour tous.

• Rien d'inventé. Chaque valeur vient de la source, d'une règle explicite ou d'un lien vérifié. Quand aucune règle ne tranche, le champ reste vide : mieux vaut un vide honnête qu'une erreur.
• Provenance partout. Traductions, alignements et valeurs dérivées portent la marque [C] (confirmé dans une source) ou [I] (inféré par règle), et les fichiers de règles sont publiés avec les données.
• Chiffres générés, jamais saisis à la main. Les totaux des pages sont lus dans les données à la construction du site, y compris ceux de cette page.
• La qualité se mesure. Partout où la lecture est automatisée (agents LLM, heuristiques), un audit par échantillon ou sur la population entière est mené et ses résultats sont publiés.
• Chaque registre garde sa sémantique. Les trois registres ne sont pas forcés dans un modèle unique : leurs différences sont documentées et les comparaisons n'utilisent que ce qui est comparable.

Portugal : SIPA

Le SIPA (Sistema de Informação para o Património Arquitectónico, DGPC) n'a ni API ni export. Ses 26 380 notices ont été collectées page par page, avec une concurrence limitée pour ne pas surcharger le serveur, puis stockées dans une base SQLite d'environ 47 champs par notice.

• Chronologie de construction : un parseur de texte libre lit les années, les intervalles, les siècles en chiffres arabes et romains, les dates av. J.-C. et les décennies (« années 40 du XXe siècle »). Un siècle devient son intervalle complet (XVIe siècle = 1500 à 1599).
• Personnes : le champ d'auteurs utilise des libellés de fonction en majuscules comme marqueurs de structure. Le parseur (5 versions) valide les fonctions contre un vocabulaire de plus de 170 termes.
• Matériaux et éléments : vocabulaires contrôlés, termes composés d'abord (le plus long l'emporte) et validation sur un échantillon stratifié de 100 notices (F1 supérieur à 0,96 pour les paires élément et matériau).
• Dates de protection : le SIPA n'a pas de champ de date. Des agents ont lu les dates dans les textes des actes (4 803 classements datés), selon la convention de la date de publication au journal officiel (DG/DR). Le numéro du décret n'est jamais pris pour une date.
• Typologie : la classification SIPA compte cinq niveaux. Pour l'ontologie commune, chaque notice prend le niveau le plus précis qui possède un alignement AAT (t3, puis t2, t1, c2, c1), une seule valeur par notice.

Le SIPA contient des notices hors du Portugal. Les comparaisons entre pays n'utilisent que le territoire actuel (24 939 notices). La méthodologie détaillée (en anglais) se trouve sur monumentospt.xyzbim.eu/sipa-methodology.html.

France : Mérimée

La base Mérimée du ministère de la Culture est publiée en CSV ouvert (Licence Ouverte 2.0) : 46 760 immeubles protégés et 78 colonnes. Partir d'un fichier officiel permet de tout recompter depuis la source brute.

• Normalisation : siècles lus dans des expressions comme « 4e quart 19e siècle », ères préhistoriques séparées des siècles numériques et coordonnées validées pour la métropole et les DOM.
• Vocabulaires : statuts décomposés de façon déterministe, états mis en correspondance un à un et usages dérivés des dénominations, avec des traductions marquées [C]/[I].
• Personnes : des agents ont lu par lots les chaînes d'auteurs, fusionnées ensuite dans un registre d'entités (personnes et entreprises).
• Wikidata : lien par la propriété P380 (identifiant Mérimée), qui couvre 98 % des notices. Images de Wikimedia Commons (P18).
• Protection : 51 628 événements de protection lus dans le champ des dates et types de protection.

Le 2026-09-02, un panel de 8 agents a audité la fidélité entre le site et la source sur la population entière : identité, datation, protection, usage, coordonnées, texte, personnes et agrégats. Les rapports sont sur monumentsfr.xyzbim.eu/methodologie/.

Espagne : BIC et inventaire andalou

Il n'existe pas de registre national ouvert des biens protégés en Espagne. Le jeu espagnol agrège 20 sources régionales ouvertes, chacune avec sa licence, soit 55 154 notices au total.

• Deux populations, signalées dans la donnée : 25 132 Bienes de Interés Cultural (BIC) de 18 communautés autonomes et 30 022 biens de l'inventaire andalou (IAPH), qui mêle des BIC et des biens seulement inventoriés sans champ pour les distinguer. Ces derniers sont marqués « inventorié » et le filtre de protection les sépare.
• Un parseur par source, chacun avec un test de comptage contre les chiffres réels et un contrôle géographique par communauté. Les défauts des sources (colonnes UTM inversées, doublons systématiques, géométries invalides) ont été corrigés et documentés. Au Pays basque, la clé unique est le numéro de fiche Ondarea, et les anciens liens sont redirigés par une table d'alias sans ambiguïté.
• Coordonnées : 98 % des BIC sont géoréférencés. De l'inventaire andalou, 4 598 biens ont un point du localisateur de l'IAPH et 971 de Wikidata ; 17 579 restent avec un simple cercle municipal, sans coordonnée.
• Typologies dérivées : aucune source espagnole ouverte ne fournit de type d'édifice. Les 39 types (alignés sur l'AAT) sont attribués à 95 % des notices, dans cet ordre : valeurs exactes de la source, règles sur le nom (le noyau du nom décide, les toponymes de relief ne comptent pas, les faux amis sont résolus), Wikidata P31 et, en dernier, des valeurs de repli par catégorie archéologique. Des agents ont mesuré la précision en deux tours d'audit (825 et 218 notices, environ 90 % et 92 %), et les règles fautives ont été corrigées.
• Chronologie de construction : seule une petite part des notices (environ 4 %) a une date de construction. Par priorité, la date vient des champs de la source, de Wikidata P571 (précision année, décennie ou siècle uniquement) ou d'indices sans ambiguïté dans le nom (« románico »). Les dates av. J.-C. restent des ères archéologiques. La date de construction n'est jamais mêlée à la date de protection.
• Wikidata : lien par P808, par proximité géographique (moins de 150 m, avec un nom proche et une commune compatible) ou par le nom quand il n'y a qu'un candidat. Les cas ambigus sont écartés. Un échantillon de 100 liens audités n'a révélé aucune erreur.

Détail par source et licence sur monumentoses.xyzbim.eu/metodologia/.

Couche commune : l'ontologie AAT

Les trois registres utilisent des vocabulaires différents (classification SIPA à cinq niveaux, termes de Mérimée, typologies dérivées en Espagne). Plutôt que de créer son propre vocabulaire, le projet prend le Getty Art & Architecture Thesaurus (AAT) comme pivot : chaque terme national pointe vers un concept AAT, et deux termes de pays différents sont « le même » lorsqu'ils pointent vers le même concept.

• Taille actuelle : 757 concepts AAT. Termes alignés : 721 au Portugal, 740 en France et 36 typologies en Espagne. La France et le Portugal partagent 199 concepts, les trois pays 27.
• Notices liées : 26 379 au Portugal, 43 451 en France et 51 952 en Espagne. Chaque notice compte une fois par concept.
• Libellés en cinq langues, par priorité : le vocabulaire curé du projet, la valeur simple de la source nationale (sans termes composés) et, pour les langues manquantes, les libellés du Getty lui-même (lus par SPARQL et mis en cache). Chaque libellé garde son origine. Les 757 concepts ont un libellé anglais, mais 354 seulement en allemand, car le Getty compte moins de traductions.
• Publication : SKOS en Turtle, avec des URI propres reliés à ceux du Getty par skos:exactMatch, et des tables JSON par pays sur /comum/ontologia/. La construction est déterministe : les mêmes données produisent les mêmes fichiers.
• Usage : les trois explorateurs acceptent le filtre ?aat= avec l'identifiant du concept (par exemple, châteaux forts : 300006891), ce qui permet la même recherche dans les trois pays.

Comparaison entre pays

La page de comparaison applique les mêmes graphiques et les mêmes règles à chaque registre. Comme les registres ne sont pas équivalents :

• On compare des parts, jamais des valeurs absolues. La normalisation par habitant utilise les populations officielles (INSEE, INE).
• Les instruments diffèrent : Mérimée recense des immeubles protégés, le SIPA réunit biens classés et inventoriés, et le BIC est une catégorie de protection régionale. C'est pourquoi seuls les 25 132 BIC espagnols sont retenus : l'inventaire andalou est écarté car il ne distingue pas les BIC des biens seulement inventoriés.
• Construction et protection ne se mélangent pas. Les graphiques par siècle et sacré contre profane utilisent des dates de construction (France et Portugal). L'Espagne n'apparaît que dans le tableau général et dans les protections par décennie, car ses dates sont surtout des dates de protection.

Limites connues

• La couverture espagnole est partielle : certaines communautés ont une licence à clarifier, les lacunes sont publiées dans la méthodologie espagnole, et 17 579 biens andalous n'ont qu'un cercle municipal.
• Les typologies et la chronologie de construction espagnoles sont dérivées, pas issues des sources. Leur précision a été mesurée par échantillon, pas vérifiée notice par notice.
• Les dates de protection espagnoles proviennent de textes hétérogènes, et certaines sources n'en ont aucune.
• Tous les termes nationaux n'ont pas d'alignement AAT, et le Getty n'a pas de libellés dans toutes les langues.
• Les textes descriptifs des notices espagnoles et l'audit de fidélité du jeu espagnol restent à faire.

Méthodologies par pays et données

• Portugal : méthodologie SIPA
• France : méthodologie Mérimée
• Espagne : méthodologie BIC et IAPH
• Ontologie commune : SKOS (Turtle) et JSON
• Comparaison des registres : données de la comparaison