Interopérabilité de l’imagerie scientifique

le IIIF et les annotations

Thomas Huet

IRAMAT-CNRS

Introduction

Des images pour les archéologues



Identification/comptage des graines (INRAP/MNHN 2023)
Apprentissage machine pour la détermination des espèces domestiquées/non domestiquées (Bonhomme et al. 2025)

IIIF: standard d’intéropérabilité des images



International Image Interoperability Framework

Note

Développé au début des années 2010.

Communauté d’acteurs du monde patrimonial et de la recherche (musées, bibliothèques, archives, universités…) ressentant la nécessité de partager des images haute résolution, des annotations, des pratiques de nommage, etc.

Les images existent dans un seul endroit  
🍃 baisse des coûts de stockage
🔍 image indexée par une URL (URL1 -> URI2)
✒️ meilleure gestion des droits de réutilisation (citations et partages)
🎮 meilleure expérience utilisateur (UX3)
🏷️ sémantisation (annotations
👥 aggrégation de collections (APIs partagées)

URL4

source image
Image source

URL5

manifest JSON

Image API

Image source (default)

https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/full/full/0/default.jpg

source image

Image source (region)

https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/889,806,1697,635/full/0/default.jpg

source image

Image source (scale)

https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/full/pct:7/0/default.jpg

source image

Image source (rotation)

https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/full/full/180/default.jpg

source image

Image source (quality)

https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/full/full/0/gray.jpg

source image

Presentation API

Une image

https://iramat-apps.cnrs.fr/view/acies/seax_sample_process.html

Une séquence d’images

https://iramat-apps.cnrs.fr/view/numismatic/1986.416.html

Une collection d’images

https://iramat-apps.cnrs.fr/view/iramat_iiif.html

Une aggrégation de collections

https://iramat-apps.cnrs.fr/view/iramat_bnf_iiif.html

Publier vos images en IIIF

Procédure

https://iramat-apps.cnrs.fr/view/acies/arl-x-s-1_side-1.html

👋

Développements prévus

Base de données

Enregistrement en base de données () des manifests et annotations

Data pipeline

flowchart LR
  subgraph IRAMAT[<b>IRAMAT</b>]
    ICP{{ICP-MS}}
    XRD{{XRD}}
    XRF{{XRF}}
    BD[(DB)]
    analyses[archaeometry analysis]
    analyses --> IRAMATdata
    analyses --> IRAMATimg
    subgraph VM[VM]
    subgraph IRAMATdata[Scalar measurements]
        XRF --> BD
        XRD --> BD
        ICP --> BD
        BD -- API RESTful --> APIdata[<em>labeled data</em>]
    end
    subgraph IRAMATimg[Imaging]
        Macro{{Macro-<br>photography}} -- format --> IIIFimg([IIIF image])
        Opt{{Optical<br>Microscopy}} -- format --> IIIFimg
        SEM{{SEM-EDS}} -- format --> IIIFimg
        Raman{{Raman}} -- format --> IIIFimg
        IIIFimg ---> IIIFpres([IIIF presentation])
        IIIFpres --> IIIFannot([IIIF annotation])
        IIIFannot -- manifests<br>annotations --> BD
        BD -- API RESTful --> APIimg[<em>labeled images</em>]
    end
    end
  end
  APIdata ---> PyExtract[<em>Data Fusion</em>]
  APIimg ---> PyExtract
  subgraph BSC[<b>BSC</b>]
    PyExtract -- creates --> MLlearn[(learning base)]
    subgraph ML[Machine Learning]
      MLlearn ---> MLvalid[validation]
      MLvalid ---> MLtest[test]
      MLtest --> MLlearn
    end
  end
    subgraph out[<b>Automatic Classification</b>]
      ResMet[archaeometallurgical facies]
      ResNum[numismatic coins]
    end
  ML ---> out

style BD fill:#cccccc

style IRAMAT fill:#edfa05
style VM fill:#f4fa82
style analyses fill:#fbfcd7
style IRAMATdata fill:#fbfcd7
style IRAMATimg fill:#fbfcd7
style XRF fill:#f6f7d5
style XRD fill:#f6f7d5
style ICP fill:#f6f7d5
style Macro fill:#f6f7d5
style Opt fill:#f6f7d5
style SEM fill:#f6f7d5
style Raman fill:#f6f7d5
style IIIFimg fill:#f6f7d5
style IIIFpres fill:#f6f7d5
style IIIFannot fill:#f6f7d5
style BD fill:#c9c9c9
style APIdata fill:#f6f7d5
style APIimg fill:#f6f7d5

style BSC fill:#919cfa
style PyExtract fill:#8794ff
style ML fill:#8794ff
style MLlearn fill:#d9ddff
style MLvalid fill:#d9ddff
style MLtest fill:#d9ddff

style out fill:#42ff70
style ResMet fill:#b0ffc3
style ResNum fill:#b0ffc3

click BD "https://github.com/iramat/iramat-dev/main/talks/2026-bsc/README.md#db"
click VM "https://github.com/iramat/iramat-dev/main/talks/2026-bsc/README.md#vm"
click IIIFimg "https://github.com/iramat/iramat-dev/main/talks/2026-bsc/README.md#iiif-image"
click IIIFpres "https://github.com/iramat/iramat-dev/main/talks/2026-bsc/README.md#iiif-presentation"
click IIIFannot "https://github.com/iramat/iramat-dev/main/talks/2026-bsc/README.md#iiif-annotation"

Data pipeline vers du Machine learning

Discussion

Collaborez

Participez aux développements informatiques de l’IRAMAT :

  • (https://github.com/iramat): code open-source, référentiels, données publiques, discussions, … Inscription (ici)
  • Zenodo (https://zenodo.org/communities/iramat): documents, édition/sélection des métadonnées,… Inscription (ici)
👋

Note

🧮 WIAI Présentation du cadre IIIF - support | video - Mardi 10 Mars 2026, 10:00 - 10:50

Footnotes

  1. Uniform Resource Locator

  2. Uniform Resource Identifiers

  3. User eXperience

  4. https://iramat-apps.cnrs.fr/iiif/2/numismatic%2F1986.416_obv.JPG/full/full/0/default.jpg

  5. https://iramat-apps.cnrs.fr/iiif/mirador/cdn/numismatic/1986.416.json