Comment les 46 760 notices Mérimée sont devenues une plateforme trilingue auditable.
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.