Comment les archives numériques publiques de Paris se sont retrouvées noyées sous les doublons, et ce qui s'ensuit

Les photothèques municipales de Paris renferment environ 1,2 million de photographies, cartes et dessins architecturaux numérisés, répartis dans plus d'une douzaine d'établissements, et une part significative de ces documents y figure en double, parfois en triple. C'est le constat central d'un audit interne achevé fin 2025 par la Direction des Affaires Culturelles de la Ville de Paris, l'organisme chargé de la politique culturelle de la capitale et de la gestion de ses fonds documentaires.

Le moment n'est pas anodin. La Ville est en plein déploiement du cadre Grand Paris Numérique, une vaste initiative de gouvernance numérique liée en partie aux engagements pris en matière d'héritage des Jeux olympiques de Paris 2024. La consolidation des archives visuelles figurait dans ce programme comme condition préalable à l'ouverture des portails open data que la Ville s'est engagée à mettre en ligne d'ici fin 2026. Les images en double encombrent les flux de métadonnées, ralentissent les API de recherche et font gonfler les factures de stockage cloud, des problèmes anodins pris isolément, mais dont le coût collectif devient considérable à l'échelle municipale.

Une décennie d'investissements bien intentionnés mais déconnectés

Le problème n'est pas apparu du jour au lendemain. Entre 2014 et 2022, les établissements, pris individuellement, parmi lesquels la Bibliothèque historique de la Ville de Paris, rue Pavée dans le Marais, le Musée Carnavalet, rue de Sévigné, et l'Atelier Parisien d'Urbanisme (APUR), ont chacun numérisé leurs fonds selon des calendriers d'appels d'offres distincts, en recourant à des schémas de métadonnées différents et à des logiciels de gestion des actifs incompatibles. Lorsque la Ville a ensuite tenté de regrouper ces collections au sein d'un portail unifié, les outils d'ingestion ne disposaient d'aucun moyen fiable pour détecter qu'une photographie des années 1920 représentant le Pont de la Tournelle existait déjà sous quatre numéros de catalogue différents.

La rénovation du Carnavalet, achevée en 2021 après quatre ans de fermeture, a aggravé le phénomène. Les travaux de numérisation menés pendant le chantier ont été conduits en parallèle de scans plus anciens déjà conservés par la Bibliothèque historique, sans que les deux institutions ne se concertent. Lorsque les responsables de collections ont commencé à croiser leurs données début 2024, en partie dans le cadre des préparatifs du programme culturel olympique —, ils ont découvert des centaines de doublons pour des images emblématiques des boulevards haussmanniens et de la vie de rue du début du XXe siècle dans des arrondissements comme le 11e et le 13e.

L'audit et ses suites

L'audit 2025 de la Direction des Affaires Culturelles aurait identifié plus de 80 000 notices comme des doublons probables ou avérés au sein du patrimoine numérique consolidé, un chiffre qui ne couvre toutefois que les établissements relevant directement de la compétence municipale, à l'exclusion d'organismes comme la BnF, placée sous tutelle nationale et non municipale. Le traitement de chaque notice nécessite une vérification humaine : le hachage automatique détecte les fichiers strictement identiques, mais passe à côté des cas où une même image a été scannée deux fois à des résolutions différentes ou avec des cadrages distincts.

L'intérêt financier d'une remise en ordre est évident. Les coûts de stockage cloud de la direction des affaires culturelles de Paris ont augmenté régulièrement depuis 2020, au rythme de la croissance des volumes numérisés. Des projets de déduplication menés dans des archives municipales européennes comparables, notamment le Stadsarchief d'Amsterdam, qui a achevé un exercice similaire en 2023, ont fait état de réductions de stockage comprises entre 15 et 22 % à l'issue d'une suppression systématique des doublons. Paris n'a pas publié de projections équivalentes pour son propre patrimoine numérique.

La Ville a confié la réalisation d'un chantier de nettoyage par phases, dont l'achèvement est prévu pour le premier trimestre 2027, de manière à coïncider avec le lancement attendu du portail unifié d'images en open data, dans le cadre des engagements Grand Paris Numérique. Les responsables de collections du Carnavalet et de la Bibliothèque historique expérimenteraient un standard de métadonnées partagé fondé sur le schéma Dublin Core, afin d'éviter l'accumulation de nouveaux doublons au fur et à mesure que les travaux de numérisation se poursuivent le long du corridor de réaménagement des berges de Seine et dans les programmes patrimoniaux à vocation banlieusarde liés à l'ouverture des nouvelles gares du Grand Paris Express. Le respect de ce calendrier dépend de niveaux d'effectifs qui n'ont pas encore été confirmés dans le cycle budgétaire municipal 2026-2027, un budget actuellement sous pression, alors que l'Assemblée nationale examine les dépenses des collectivités locales à l'échelle de la région Île-de-France.