Comment les 46 760 notices Mérimée sont devenues une plateforme trilingue auditable.
Les choix partagés par les trois registres (Portugal, France, Espagne) et l’ontologie commune AAT sont expliqués sur une page dédiée, en cinq langues. Méthodologie commune →
CSV « Immeubles protégés au titre des Monuments Historiques » (base Mérimée), Ministère de la Culture — Licence Ouverte 2.0, 46 760 notices, 78 colonnes, téléchargé de data.gouv.fr le 01/09/2026.
build_dataset.py : clés compactes, parse des siècles (« 4e quart 19e siècle » → 19 ; eras pré/proto/antiquité), événements de protection, coords WGS84 validées métropole+DOM (1 swap lat/lng documenté), détail par département.
Statut (316) par décomposition déterministique ; état (47) mappé 1-à-1 ; usages par classification des dénominations (93 % de couverture) ; FR/EN/DE avec provenance [C]/[I] — 24 termes sourcés Wikipédia.
Auteur + Personnes liées (6 150 chaînes distinctes) extraites par lecture réelle en 31 lots d’agents LLM → 7 791 entités (110 firmes), fusion par build_persons.py.
Join P380 (73 242 paires SPARQL, 98,1 % des notices) ; sitelinks live à la fiche ; miniatures Commons P18 → WebP 250 px.
Patterns : constructions/siècle, protections/décennie (51 628 événements), sacré vs profane, vocabulaire émergent, builders. Réutilisations : Sankey des changements d’usage.
audit.py par population entière : compteurs recomptés du CSV brut, valeurs de filtres vs données brutes, images sur disque, hreflang ×3 langues, clés vocab en==de.
Matériaux quasi vide (réseau remplacé par Domaine ↔ Dénomination) ; bibliographie absente du CSV (section remplacée par liens externes) ; changements d’usage limités aux 3,8 % de notices avec destination actuelle ; l’extraction de personnes couvre Auteur + Personnes liées (pas encore l’Historique). Détails : docs/relatorio-proveniencia.md.
Le 2026-09-02, un panel de 8 agents a audité la fidélité site↔source sur la population entière (identité des 46 760 notices, coordonnées 44 484/44 484, 15,9 M caractères de texte, 24 agrégats re-dérivés). Résultat : copie 100 %, datación 99,95 %, protection 99,997 %, personnes 0,1 % d’écarts d’une lettre — 5 corrections appliquées le jour même. Les 9 rapports sont téléchargeables ci-dessous.
Télécharger les rapports d’audit
Le SIPA n’a pas de champ date de protection : les dates ont été extraites par lecture réelle des 4 473 chaînes « Decreto/Portaria/DG… » par 12 agents (5 091 événements, 4 803 classifications datées ; convention : date de publication DG/DR, le numéro de décret n’est pas une date). C’est la source du graphique « protections par décennie » de la comparaison FR/PT.