Formats de fichier recommandés pour que vos archives numériques restent lisibles
Pour que vos archives numériques restent lisibles à long terme, il est important de stocker vos fichiers dans un format durable. En effet, certains formats de fichiers peuvent, avec le temps, rendre vos documents illisibles.
Grâce à cet outil, vous apprendrez :
- Qu'est-ce que l'obsolescence numérique et comment l'éviter ;
- Qu'est-ce qu'un format de fichier ;
- Pourquoi vous devriez utiliser un format de fichier durable pour vos documents numériques ;
- Quels sont les formats de fichier qui conviennent en tant que format durable.
Vos archives numériques ont de bons back-ups. Ou tout est dans le cloud ? Bien, vous avez encore tous vos fichiers numériques. Pourrez-vous encore les ouvrir ? Nous espérons que votre affiche peut également être trouvée dans un format différent de ce fichier PageMaker de 1994, pour lequel il n'y a plus de logiciel disponible. Vous l'aurez compris, une archive numérique ne se préserve pas toute seule.
Le problème de l'obsolescence numérique
L'obsolescence numérique se produit lorsqu'un fichier est si ancien que le logiciel permettant de l'ouvrir n'est plus disponible, à moins que vous ne procédiez à un travail d'archéologie numérique (qui demande beaucoup de temps). Même si le logiciel existe toujours, il y a de fortes chances que des versions plus récentes du logiciel affichent différemment les anciennes versions de fichiers.
La durabilité d'un logiciel est déterminée par :
- Le degré de rétrocompatibilité : dans quelle mesure une nouvelle version du logiciel peut-elle encore lire des versions antérieures de fichiers ?
- La complexité du logiciel : plus le logiciel est complexe, plus il est difficile de garantir la rétrocompatibilité.
- Sa distribution sur le marché ou dans la communauté : un marché important garantit qu'il y a plus de logiciels pour lire les fichiers.
- Sa documentation ouverte : si son code source est consultable, les programmeurs peuvent continuer à développer des logiciels pour lire le format de fichier. En utilisant des formats de fichiers ouverts, vous réduisez le risque de devenir dépendant de certaines technologies ou de certains fournisseurs.
Le format de fichier définit la manière dont les informations contenues dans un fichier informatique sont codées. Il est souvent indiqué par une extension dans le nom du fichier. Un codec est un logiciel ou un matériel qui permet d'encoder et de décoder des données, ou de les compresser et de les décompresser. Pour obtenir un aperçu des formats de fichiers présents dans vos archives numériques, vous pouvez utiliser DROID.
Les autres menaces
Pour les fichiers image et vidéo, la compression peut éventuellement devenir un problème. Par exemple, les photos sont massivement stockées en JPEG alors que ce format fonctionne avec un algorithme de compression intensif. Vous ne pouvez pas le voir à l'œil nu, mais cela pose des problèmes lorsque vous migrez la photo vers un nouveau format. Vous le faites par exemple lorsque vous importez la photo dans un logiciel de traitement d'images tel que Photoshop.
Gardez également à l'esprit le problème des fichiers qui se réfèrent les uns aux autres. Par exemple, un fichier InDesign ne contient pas les images, mais renvoie à des images situées ailleurs sur votre disque. Lorsque les fichiers sont déplacés, la connexion est perdue.
Comment choisir le bon format de fichier ?
Een digitaal archief leesbaar houden is in essentie het continu migreren van oude bestanden naar de actuele bestandsformaten (wat we noemen: een "migratiestrategie"), of het nabootsen of emuleren van een oude computeromgeving op de actuele computeromgeving, zodat oude software nog kan draaien (wat we noemen: een "emulatiestrategie").
Beide strategieën zijn op termijn erg complex en vaak ook voer voor specialisten. Als kunstenaar of kunstenorganisatie focus je er in eerste instantie best op om een open en goed gedocumenteerd bestandsformaat te kiezen bij de creatie van je document. Dat is de beste garantie om je digitaal archief op termijn leesbaar te houden. Je kan ook op meerdere paarden wedden door bv. van complexe 3D-modellen ook afbeeldingen of pdf's te bewaren. In tweede instantie kan je nagaan of zich tussen het reeds bestaande digitaal materiaal potentieel "bedreigde" bestanden bevinden. Als dat zo is, neem dan gerust contact op met één van de partners uit het TRACKS-netwerk voor meer advies op maat.
Hieronder vind je een overzicht van tips per bestandstype.
Tekstverwerkingsdocumenten
Voorbeelden: DOC, DOCX, ODT, TXT, RTF
Tekstverwerkingsdocumenten worden best opgeslagen in ODT, of, wanneer het document niet meer moet worden gewijzigd, in pdf. Vanuit Word is het tegenwoordig eenvoudig om bestanden op te slaan in ODT of PDF. Kies in dit laatste geval niet voor de "print-to-pdf"-functie. Deze is minder kwaliteitsvol dan de "publiceren-" of "exporteren-"functie. Kies ook steeds voor het archiveringsprofiel van pdf: PDF/A. Een dergelijk archiveringsprofiel kan in Word gekozen worden bij de instellingen voor pdf-opslag. Bestanden in de nieuwste versie van Word (DOCX-bestanden) opslaan in het originele formaat is geen ideale oplossing, al zijn de risico's momenteel erg laag.
ODT
ODT (Open Document Text) is de opensourcevariant van DOC en DOCX. Het is een open formaat voor opgemaakte tekst en krijgt daarom de voorkeur.
PDF-bestanden kunnen (op middellange termijn) gewoon in het PDF-formaat worden bewaard. Zorg ervoor, indien mogelijk, dat iedere pdf die wordt aangemaakt binnen het bureau wordt opgeslagen in een archiveringsprofiel van pdf (bij voorkeur PDF/A, of in geval van bouwtekeningen PDF/E)
Raster images
Voorbeelden: TIFF, JPEG, GIF, PNG, PSD, BMP
Een rasterafbeelding of bitmap is een afbeelding in digitale vorm, waarbij van elke pixel de kleur wordt vastgelegd. Het nadeel van een rasterafbeelding is dat bij het vergroten de afzonderlijke pixels zichtbaar zullen worden. Voor het bewerken van rasterafbeeldingen zijn er bitmapprogramma's. De tegenhanger van een rasterafbeelding is de vectorafbeelding.
Een voorbeeld van een rasterafbeelding is een opname met een digitale camera die het beeld opneemt met een beeldchip, die een raster van pixels bevat.
TIFF
Algemeen wordt TIFF aangeraden als duurzaam bewaarformaat voor raster images. Er wordt bij afbeeldingen best geen gebruik gemaakt van compressie. Gebruik van (lossy) compressie zorgt er immers voor kwaliteitsverlies bij bewerkingen van het beeld. Zorg er daarom voor dat foto's met artistieke waarde, gebruikt voor communicatie en presentatie, aangeleverd en opgeslagen worden in ongecomprimeerde TIFF.
Er zijn verschillende TIFF-profielen. Uncompressed baseline IBM TIFF v6.0 wordt als de meest duurzame beschouwd. Zorg ervoor dat er als kleurruimte gebruik gemaakt wordt van een RGB-profiel, als het kan AdobeRGB of ecirgb-v2. Ook Photoshopbestanden krijgen best een equivalent in TIFF, maar blijf het originele bestand met layer-informatie bewaren wanneer je dit nog verder wilt bewerken.
JPEG
Voor foto's die worden gemaakt ter documentatie van een voorstelling of publieksevent, is het geen probleem om JPEG te gebruiken. Gebruik geen exotische of obsolete formaten, zoals BMP (Bitmap).
PNG
PNG is een open beeldformaat dat gebruik maakt van lossless compressie (waarbij geen beeldinformatie verloren gaat). PNG wordt gebruikt voor online publicaties en presentaties in hoge kwaliteit of voor logo’s en grafieken.
2D Vector images
Voorbeelden: AI, SVG, EPS
Een vectorafbeelding is een grafische voorstelling die opgebouwd is uit eenvoudige meetkundige objecten, zoals punten, lijnen, krommen, polygonen e.d. Complexe vormen ontstaan door combinaties van deze basisvormen. De afbeelding wordt beschreven door de formules van de objecten. Daardoor laten vectorafbeeldingen zich tot elk gewenst formaat vergroten zonder dat er kwaliteitsverlies optreedt. Dit in tegenstelling tot een raster- of bitmapafbeelding, waarbij individuele pixels van het digitale canvas los worden ingekleurd. De resolutie voor de gekozen schaal ligt dan vast, als gevolg waarvan de afbeelding wazig of blokkerig wordt bij vergroting.
In de beschrijving van een vectorafbeelding kan bijvoorbeeld staan dat er een cirkel van een bepaalde kleur en grootte over een tekst heen moet worden getekend. Van zowel de tekst als de cirkel komt de absolute grootte niet vast te liggen, alleen de onderlinge verhouding. Vectorafbeeldingen kunnen dankzij deze flexibiliteit op willekeurige grootte afgebeeld worden terwijl de resolutie (de informatiedichtheid) gelijk blijft.
SVG
Algemeen wordt SVG aangeraden als duurzaam bestandsformaat voor vectoriële tekeningen. Zorg daarom steeds voor een SVG-equivalent van definitieve vector-images.
Tekstbestanden
Voorbeelden: TXT
Tekstbestanden kunnen gewoon als tekstbestand bewaard worden. Let op, tekst kan op verschillende manieren gecodeerd worden (bv. ANSI, ASCII en UTF-8). Probeer er in de mate van het mogelijke voor te zorgen dat tekstbestanden in UTF-8 worden gecodeerd.
Presentatiebestanden
Voorbeelden: PPT, PPTX
Deze bestanden kunnen op middellange termijn in hun oorspronkelijke formaat worden bewaard. Een duurzamer formaat is PDF, dus migreer voltooide presentaties naar dit formaat. PPT is ondertussen verouderd. Zorg er daarom voor dat PPT-bestanden ook een equivalent hebben in PPTX of pdf. Kies voor PDF/A.
Spreadsheets of rekenbladen
Voorbeelden: XLS, XLSX, ODS
Er is binnen de archiefgemeenschap geen sluitende oplossing voor spreadsheetbestanden. XLSX en ODS worden wel als voldoende duurzaam beschouwd. XLS is verouderd. Het verdient de aanbeveling om belangrijke XLS-spreadsheets in het archief te identificeren en een equivalent te creëren in ODS en XLSX.
Videobestanden
Voorbeelden: AVI, FLV, MOV, MPEG-1, MPEG-2, MPEG-4, SWF, WMV
Video's duurzaam bewaren is een taak van specialisten. Wanneer je echter video's bestelt, kan je van de leveranciers eisen dat ze hun video's aanleveren in duurzame formaten. MKV is in principe het meest duurzame formaat voor de opslag van video. Ook MXF, AVI en MOV zijn duurzame formaten. Bestandsformaten voor audio en video zijn slechts containers voor de video- en audiostreams. Het is ook belangrijk om te bepalen hoe video en audio dienen te worden geëncodeerd. Binnen de archief- en erfgoedsector wordt algemeen de FFV1-codering gekozen. Voor audiostreams wordt aangeraden deze te coderen in LPCM. Zorg ervoor dat zowel het bestandsformaat als de video- en audiostream niet zijn gecomprimeerd. Dit leidt vaak tot grote bestanden (voor FFV1: 45-50 GB per uur video!!), dus pas het vooral toe bij waardevolle video's, waarin veel geld geïnvesteerd is.
Voor minder belangrijke video's kunnen lagere kwaliteitsnormen in acht worden genomen. De videocodec’s h.262 en h.264 worden bijvoorbeeld veel gebruikt in het MP4-formaat. Een goed overzicht voor het duurzaam opslaan van videobestanden is na te lezen op SCART
Audiobestanden
Voorbeelden: AC3, AIFF, MP3, WAV, WMA
Belangrijke audiobestanden sla je het beste op in het WAV-formaat. Ook FLAC en AIFF gelden als duurzame formaten. Maak gebruik van LPCM voor de codering van het geluidssignaal. MP3 kan gebruikt worden als raadplegingsformaat of voor minder belangrijke audiobestanden, bv. wanneer je audiobestanden via je website wil ontsluiten.
Mailbestanden
Voorbeelden: PST, MBOX, MSG
Mails kunnen op verschillende manieren worden bewaard. Indien volledige mailboxen worden bewaard kan best worden geopteerd voor het MBOX-formaat. Het is echter aan te raden om belangrijke mails met hoge informatieve waarde voor het project ook apart op te slaan in het projectdossier. Hiervoor kan best het EML-formaat dienen. Sla bijlagen ook steeds apart op van de e-mail. Gmail beschikt over functies om e-mails te exporteren of op te slaan in EML en MBOX. Outlook maakt gebruik van applicatieafhankelijke formaten, zoals PST en MSG, die niet duurzaam zijn. Om Outlook-mailboxen op te slaan, kan daarom best gebruik worden gemaakt van een e-mailclient als Thunderbird (zie tool Hoe archiveer je e-mails?).
Websites
Websites zijn in wezen dynamische informatiegehelen, die voortdurend veranderen. Alle informatie capteren kan dan ook maar door op gezette tijdstippen snapshots te nemen van je website, ongeveer zoals the Internet Archive dat doet (archive.org). Let wel: het is niet voldoende om enkel te vertrouwen op the Internet Archive. De snapshots van deze dienst zijn zelden volledig. Bovendien is het relatief eenvoudig om deze zelf aan te maken. Een snapshot van een website is een "statische kopie" van alle HTML-pagina's waaruit de website bestaat, samen met alle afbeeldingen, style sheets enz. Het systeem waarop de website draait (vaak een content management systeem als Drupal of Wordpress) wordt in zo'n geval niet mee gearchiveerd. Het archiveringsformaat voor websites is WARC. In de tool Hoe archiveer je websites? vind je strategieën voor het opslaan van websites.
De mate waarin je websites effectief kunt archiveren, is vaak afhankelijk van de technologie die wordt gebruikt. Flash-code is bijvoorbeeld erg moeilijk om te archiveren. De mate waarin je website archiveerbaar is, kan gemeten worden op archiveready.com. Indien je nieuwe websites ontwikkelt, probeer er dan in de mate van het mogelijke voor te zorgen dat ze later eenvoudig archiveerbaar zijn.
Databases
Databases bestaan in verschillende vormen en functies. Een databank archiveren gaat er in essentie om dat de informatie in de database geëxporteerd wordt in een vorm, zodat deze in een nieuwe database kan worden geïmporteerd. Vaak gaat het om Excel-tabellen, CSV-bestanden of XML-bestanden, maar ook andere databestanden zijn mogelijk. Belangrijk is dat er goed gedocumenteerd wordt hoe de databank in elkaar zat. Dezelfde opmerking geldt hier als bij websites: bouw databases zo op, dat de informatie er gemakkelijk uitgehaald kan worden in vormen die eenvoudig in andere databanken kunnen worden geïmporteerd.
2D CAD
Voorbeelden: DWG, DXF, VWX, DGN
2D-CAD-bestanden kunnen het best worden opgeslagen in een formaat dat algemeen gebruikt en makkelijk te openen is. Voor CAD-tekeningen in 2D is dit meestal DWG of DXF. Voor architecten die geen gebruik maken van Autodesk-producten is het aangeraden om tekeningen met een uitgewisselde en gepubliceerde status in DWG of DXF op te slaan. Zorg dat bestanden die naar elkaar refereren (zoals xref's of plotstyle-bestanden) bij elkaar staan (via AutoCAD kan dit bv. worden gerealiseerd via de etransmit-functie). In veel gevallen worden tekeningen in 2D-CAD ook naar pdf omgezet. Blijf deze pdf’s behouden. Niet alleen hebben ze een juridische waarde, de duurzaamheid van PDF is momenteel veel groter dan die van enige CAD-bestand. PDF's worden op dit moment meestal via de plot- of printfunctie gecreëerd. Programma's als AutoCAD en Vectorworks voorzien echter in de mogelijkheid om tekeningen rechtstreeks te exporteren naar pdf. De pdf's kunnen in dat geval meer informatie bevatten, de kans op fouten bij pdf-creatie verkleint en het geeft ook meer controle aan de tekenaar over welke elementen nu precies in de tekening moeten komen. Kies voor PDF/A of PDF/E.
3D CAD
Voorbeelden: DWG, DXF, VWX, DGN, SKP, 3DM
CAD-bestanden kunnen het best worden opgeslagen in een formaat dat algemeen gebruikt en makkelijk te openen is. Voor CAD-tekeningen in 3D is een dergelijk formaat echter nauwelijks voorhanden. Bewaar 3D-modellen daarom in hun oorspronkelijke formaat, maar documenteer wel de software en de versie van de software waarmee het bestand is gemaakt en documenteer ook de system requirements ervan. Er zijn immers gevallen bekend waarbij een 3D-CAD-bestand anders wordt weergegeven na een versie-update van de software. Om technische 3D-modellen uit te wisselen en te publiceren werpt IFC zich steeds meer op als de industriestandaard. IFC is open gedocumenteerd en duurzaam, maar hou er rekening mee dat de vertaalslag van 3D-model naar IFC steeds een zeker verlies inhoudt.
3D modeling files
Voorbeelden: 3DS, VRML, X3D, U3D, BLEND
De variatie in 3D modeling files is te groot om algemene uitspraken te doen over hun preservatie. X3D en U3D zijn duurzame bestandsformaten, maar deze bestanden zijn niet geschikt als duurzaam formaat voor alle 3D-modellen. Bewaar daarom net als voor 3D-CAD de bestanden in hun oorspronkelijke formaat, met documentatie van de oorspronkelijke software. Vaak worden 3D-modellen gemaakt om andere documenten te produceren, zoals renders in 2D. Voor dergelijke documenten gelden dezelfde aanbevelingen als voor beeldbestanden. In sommige gevallen is een 3D-model geen bestand, maar een executable, zoals bij modellen in Unity. Documenteer in dat geval zeker de system requirements van de executable. Het is een goede optie om 3D-scènes te documenteren via snapshots of video's (bv. schermopnames).
Bladmuziek
De aangeraden formaten voor het bewaren van digitale bladmuziek zijn PDF/A, TIFF of MusicXML. Het formaat waar je voor kiest is afhankelijk van het beoogde gebruik.
PDF/A en TIFF zijn goede formaten voor het bewaren en lezen van documenten. Je behandelt deze net zoals je eender welk ander document in pdf of afbeelding in TIFF zou bewaren. MusicXML is een open formaat dat het mogelijk maakt om bladmuziek te noteren en te bewerken. Dit betekent dat je de informatie die achter de noten genoteerd staat, bewaart en eenvoudig kan aanpassen. Dit is wel minder handig voor het lezen en uitvoeren van muziek. In dat geval kan de partituur best worden opgeslagen naar PDF/A of TIFF.