Normes de données généalogiques : du GEDCOM aux modèles modernes

Résumé

Cet article passe en revue les normes courantes de représentation, d'échange et d'archivage des données généalogiques, en commençant par le format GEDCOM introduit par FamilySearch à la fin des années 1980 [1], puis en abordant les efforts entrepris pour le moderniser tels que GEDCOM X [2] et GEDCOM 7.0 [3], et en allant jusqu'aux modèles fondés sur le Web sémantique et aux représentations RDF de la généalogie [4][9]. Nous examinons les insuffisances structurelles de ces formats face aux familles aux lignées entremêlées, la question de la préservation à long terme, puis nous évoquons, à un niveau général, l'orientation adoptée par la plateforme Nasayeb sans en dévoiler les détails de mise en œuvre.

1. Introduction : pourquoi la « norme » importe-t-elle ?

Avant toute interface ou fonctionnalité, tout système généalogique se heurte à un choix silencieux mais décisif : dans quelle structure de données stockons-nous la famille ? Ce choix détermine ce que le système peut et ne peut pas représenter, et il détermine si les données d'un utilisateur sont portables et durables ou verrouillées dans un seul outil. C'est pourquoi les normes de représentation et d'échange constituent une pierre angulaire, et non un détail technique secondaire [8].

2. Contexte historique

Le GEDCOM (Genealogical Data Communication) est apparu en 1984 comme un format texte destiné à échanger des données généalogiques entre programmes [1]. Il adoptait une structure hiérarchique simple, fondée sur des lignes numérotées par niveaux et des balises courtes, ce qui le rendait facile à écrire et à analyser par programme et a favorisé son adoption large jusqu'à en faire la norme de facto du domaine. Cette simplicité s'est toutefois payée d'un prix : une sémantique lâche, des interprétations divergentes d'un programme à l'autre, et l'absence d'un modèle formel rigoureux [5].

À mesure que son usage s'est répandu, le besoin d'une mise à jour s'est fait sentir. FamilySearch a lancé l'initiative GEDCOM X, qui offrait un modèle conceptuel plus clair, des représentations à la fois en XML et en JSON, et des API modernes orientées Web [2]. En parallèle, GEDCOM 7.0 a été publié en 2021 pour remédier aux anciennes ambiguïtés : normalisation de l'encodage des caractères en UTF-8, encadrement plus strict de la gestion des médias, et amélioration de la documentation [3]. Sous un autre angle, les travaux sur le Web sémantique ont plaidé pour représenter la généalogie sous forme de graphes décrits en RDF et à l'aide d'ontologies dédiées, afin de faciliter la mise en relation des sources et l'inférence automatisée [4][9].

3. Où les formats prêts à l'emploi montrent-ils leurs limites ?

Malgré ces progrès, l'hypothèse implicite de la plupart des formats reste biaisée en faveur d'un modèle familial simple : mariage monogame et lignée de descendance unique et clairement définie. Des études ont documenté la difficulté de représenter les relations non standard dans ce cadre, notamment :

• Les mariages multiples, où la descendance se répartit entre plusieurs unités familiales difficiles à relier proprement. • La parenté cyclique issue du mariage consanguin, qui introduit des « cycles » dans la structure de la lignée et rompt l'hypothèse arborescente. • L'apparition d'un même individu à plusieurs positions du fait des mariages croisés, entraînant des doublons ou des pertes. • La multiplicité des calendriers et des traditions de dénomination, que de nombreux formats traitent comme des cas particuliers plutôt que comme des fondamentaux [5][6].

À un niveau plus profond, l'anthropologie mathématique a montré que les structures de parenté sont bien plus riches que ce que ces formats saisissent, et qu'elles s'apparentent davantage à des graphes et à des groupes qu'à des arbres [7]. Autrement dit, l'insuffisance ne tient pas à un manque de champs, mais à une insuffisance du modèle lui-même.

Une bonne norme n'impose pas une forme à la famille ; elle s'élargit pour épouser les formes de la famille.

4. Le problème du verrouillage et de la préservation à long terme

Aux insuffisances structurelles s'ajoute une question non moins importante : le sort des données sur le long terme. De nombreux formats sont liés à des outils ou à des plateformes particulières, ce qui suscite des inquiétudes quant au « verrouillage propriétaire » (vendor lock-in) et à la difficulté de déplacer ou de récupérer les données si l'outil est abandonné. La littérature sur l'archivage des données numériques a longuement traité ces risques et établi des modèles de référence pour la préservation à long terme, tels que le modèle standard OAIS [8]. Dans cette perspective, il ne suffit pas qu'une représentation soit exacte ; elle doit aussi être ouverte, documentée, et exportable et migrable dans le temps.

5. Pourquoi les rustines ne suffisent-elles pas ?

On aurait pu ajouter des champs annexes à un format existant pour traiter les cas difficiles. Mais poser des rustines sur un socle qui n'a pas été conçu à cet effet lègue une fragilité perpétuelle et une complexité croissante : chaque exception est gérée par un champ spécial, chaque programme l'interprète différemment, et l'interopérabilité qui était l'objectif initial s'en trouve affaiblie. La bonne structure commence par le bon modèle, non par une succession d'exceptions.

6. Ce que Nasayeb apporte (vue d'ensemble)

La plateforme Nasayeb adopte un modèle de données flexible, conçu dès l'origine pour accueillir les lignées complexes, les liens de parenté multiples et la pluralité des calendriers, tout en préservant l'exportabilité et la durabilité. Nous nous bornons ici à en énoncer le principe général sans en dévoiler les détails techniques, cette couche représentant une partie de notre travail propriétaire et de l'avantage sur lequel nous bâtissons. Le principe directeur est simple en son cœur : représenter la famille telle qu'elle est, et non telle qu'un modèle simplifié le dicte.

Nous concevons la véritable contribution non comme un simple « nouveau format », mais comme un engagement de conception : que les outils soient construits pour épouser la complexité des familles réelles et la particularité des différentes cultures, y compris arabes et islamiques, plutôt que de les enfermer dans des modèles pensés pour un seul contexte. Et, les données demeurant la propriété de leurs détenteurs et restant exportables, nous conjuguons exactitude, ouverture et durabilité.

7. Conclusion

Le parcours des normes généalogiques, du GEDCOM aux modèles sémantiques modernes, est l'histoire d'une amélioration continue, mais restée captive d'un modèle familial simple et de préoccupations de verrouillage. La prochaine avancée ne viendra pas du rapiéçage de l'ancien, mais d'une refonte du modèle lui-même, afin qu'il s'élargisse pour épouser la famille réelle dans toute sa complexité, tout en garantissant que les données demeurent libres et propriété de leurs détenteurs.

Références

1. The Church of Jesus Christ of Latter-day Saints. GEDCOM Standard Release 5.5.1. FamilySearch, 1999.
2. FamilySearch. GEDCOM X Conceptual Model and Serializations (XML/JSON). 2012.
3. FamilySearch. The FamilySearch GEDCOM Specification 7.0. 2021.
4. Zandhuis, I. "Toward a Genealogical Ontology for the Semantic Web." Humanities, Computers and Cultural Heritage, 2005.
5. Campanyà Artés, J., Conesa Caralt, J., & Mayol, E. "Modeling Genealogical Domain: An Open Problem." KEOD, 2012.
6. Bouchard, G. "Population Databases and Genealogical Reconstruction." Historical Methods, 1992.
7. Read, D. "Kinship Algebra Expert System (KAES)." Structure and Dynamics, 2006.
8. Consultative Committee for Space Data Systems. Reference Model for an Open Archival Information System (OAIS). ISO 14721, 2012.
9. Berners-Lee, T., Hendler, J., & Lassila, O. "The Semantic Web." Scientific American, 2001.