But then the deployment of this unique identifiers raises a new problem : how to guarantee that a given data record describing a person is really related to that person you already know with a unique identifier. You have to decide matches and non-matches accross your data.
The art of doing such decisions was called “record linkage” by the biomedical community because this is a common issue in health information systems for example for epidemiological studies.

Therefore this community developped several approaches (deterministic or probabilistic) to record linkage that can also be applied to field of identity management. Febrl is a very nice open source package that implement state-of-the-art methods for record linkage and that may be applied to the deployment of unique identifiers in IT security systems.

• Internationally : UN’s state of the art about population registers, UN’s Handbook of Vital Statistics Systems and Methods, the production of legal identities proper to states, The ICCS convention on the recording of surnames and forenames in civil status registers
• In the USA : US National Committee on vital health statistics about an Unique Health Identifier for Individuals, Unique patient identifier proposals by the US Department of Health and Human Services and a white paper on the same topic, History and basics about the US Social Security Number system, The role of Iowa’s “identity security clearinghouse”, the history of US vital records
• In Bulgaria : The bulgarian personal identification number (EGN = edinen grashdanski nomer)
• In the UK : UK’s national health service central register, and the irish unique patient client identifier (UPCI)
• Throughout Europe : The European Committee for Standardization on “names and numbers as identifiers” (includes several national naming/identification practices), Eléments d’identification des personnes en Europe

You are building an international directory of persons, you know that you will record names, surnames, given names. But what does “surname” mean ? Will you be understood when you ask a foreigner his given name ? Here come culture, society and naming practices :

• The Wikipedia on family names
• Naming in the Kashmiri Pandit Community : Gotras, surnames and nicknames
• Latin American Surnames
• Norwegian Naming Practices
• Vietnamese names
• Arabic Naming Practices And Period Names List
• Chinese personal names
• Campaigns of Opposition to ID Card Schemes, How the UK population considers civil registration (see question “what contribution should civil registration make to proving identity and how ?”
• Traduction officielles des noms des éléments constituant l’identité d’une personne dans différents pays européens : prénoms/vornamen/nombre propio/nome/onoma/…, nom/name/appelidos/geslachtsnaam/…

You’ve got existing databases that you want to link to your fresh new directory of persons. But how to build that link ? How to match records coming from different databases when they don’t share a common unique identifier ? This is the art of record linkage :

• Google for “retrospective linkage”, “retrospective linkages”
• Record linkage in an Information Age society, Linking Health Records : Human rights concerns, Record linkage techniques
• High performance computing techniques for record linkage, see also their website and febrl, their open source prototype software (powered by Python !)
• Research papers by an expert from the U.S. Bureau of the Census : Matching and record linkage, Frequency-based matching in fellegi-sunter, record linkage software and methods for merging administrative lists

Anyway, here are some pointers on how to process non-latin documents and maybe transliterate them :

• IBM’s international components for Unicode programming
• Le traitement informatique des documents en caractères non latins vu par le service commun de documentation de l’université Lyon 3
• References of international standards including transliteration standards

• diverses descriptions informatiques d’un même individu (jointure avancée d’identités),
• les relations établies entre individus d’après leurs points communs (établissements de réseaux sociaux)

Bref, un logiciel tout à fait adéquat pour qui veut se constituer la parfaite panoplie du petit big brother.
Cette technologie semble un peu similaire aux méta-annuaires qui se sont spécialisés dans la jointure simple d’identités électroniques. Mais elle semble trouver ses principales applications dans le domaine du data mining pour le marketing et la CRM, dans l’analyse du risque crédit et dans le renseignement d’Etat et la sécurité privée. Elle me fait penser à Semagix qui, tout en ciblant des champs d’application similaires (CRM, détection d’opérations financières frauduleuses et déconstruction de réseaux sociaux mafieux), mise sur une approche “web sémantique”.
Il serait sans doute intéressant de savoir sur quelle approche technologique s’appuie SRD et si cette techno est suffisamment robuste, fiable et automatisée pour apporter des éléments de solution dans des problématiques très opérationnelles de gestion des identités électroniques.

An existing server can benefit CAS WebSSO features if its technology is supported by a CAS client. So, please welcome Zope’s CAS User Folder, that SSOizes Zope within complex SSO infrastructures.

Pour reprendre des thèmes évoqués avec Nicolas Chauvat de Logilab lors d’une récente conversation, ce type d’offres souffre de défauts communs à la plupart des offres produits open source lorsqu’il s’agit de les vendre notamment au secteur privé. Comment les acheteurs de grandes sociétés du CAC 40 peuvent-ils évaluer leur performance (et donc leur prime de fin d’année ?), eux qui ont l’habitude de la mesurer à l’aune du différentiel entre le prix public des licences et le prix négocié ? Les modes d’achats logiciels des gros acteurs privés ne sont vraiment pas adaptés à l’achat de solutions open source. En effet, le coût de licence étant nul, c’est l’évaluation d’un coût total de possession qui peut seul permettre la comparaison entre une offre open source et une offre propriétaire. Or, outre le fait que les modèles de TCO sont généralement peu fiables ou alors très coûteux à mettre en place, il est difficile de prévoir le coût des développements spécifiques/personnalisation. L’achat d’un développement au forfait suppose normalement que l’acheteur soit capable de fournir un cahier des charges fonctionnel du besoin détaillé et stable pour que le fournisseur en concurrence puisse s’engager sur un coût prévisionnel et prenne à sa charge le coût du risque lié à cette prévision. Mais le problème, c’est que l’acheteur est généralement incapable de fournir un tel dossier car les services informatiques sont généralement trop contraints par les délais et l’imprévisibilité des maîtrises d’ouvrage pour pouvoir formaliser ce cahier des charges dans de bonnes conditions. Cela entraîne des pratiques d’achat dans lesquelles on compare d’une part un coût de licence et de support et d’autre part un coût du jour.homme pour le développement spécifique. Dès lors comment comparer un produit propriétaire pour lequel l’essentiel du coût présenté à l’achat est celui de la licence avec un produit open source pour lequel l’essentiel du coût présenté à l’achat est celui de l’intégration ?

Etant données la marge d’incertitude liée aux spécifications fonctionnelles (imprécises, peu stables), la marge d’incertitude liée au modèle de calcul du TCO et la marge d’incertitude liée à l’évaluation de l’adéquation d’un produit au besoin fonctionnel, il paraît relativement vain aux acteurs privés de vouloir considérer des solutions open source dans leurs appels d’offres. Ce n’est que lorsque la nature de la relation du client à son fournisseur est un élément stratégique de décision que le choix open source paraît devenir évident. Lorsque le client cherche une solution qui lui donne plus d’autonomie vis-à-vis de l’éditeur, c’est alors qu’il peut voir la valeur d’une offre open source. Mais, même dans ce cas, peut-on réellement quantifier cette valeur ? Est-elle défendable devant des acheteurs et des décideurs du secteur privé ? Sans doute. Pourtant, je n’ai encore jamais vu d’argumentaire marketing soutenu par un modèle financier solide et reconnu par la presse professionnelle qui arrive à démontrer cette valeur. Les entreprises françaises croient encore qu’open source signifie soit gratuit, soit bricolé par des non professionnels, soit “non industriel” ou, dans le meilleur des cas, croient que l’open source signifie “prétenduement vraiment moins cher”. Plus encore, je pense que la mentalité générale consiste à considérer l’open source comme “non gérable”. Lorsque cette mentalité aura changé, c’est que les entreprises du secteur de l’open source auront réussi.

PS : A ces difficultés, il faut ajouter le fait que la plupart des SS2L regroupent des passionnés des technologies qui n’ont pas forcément les compétences marketing et de vente que réunissent habituellement les éditeurs propriétaires. Mais ce dernier point n’est sans doute qu’un péché de jeunesse ?

Voici quelques sources générales sur le sujet :

• un retour d’expérience utile pour comprendre les conventions de nommage en usage au Vietnam (document déjà cité dans un message précédent), voir également cette autre explication ou cette présentation plus générale des conventions de nommage à travers le monde en complément de mon ancien message à ce sujet
• une longue liste de prénoms vietnamiens masculins, féminins ou unisexes (mais sans indication de fréquence d’occurence), à comparer avec des listes similaires trouvées ailleurs
• un rapport d’étude trop succinct sur la base du système de la sécurité sociale américaine, qui mentionne le pays de naissance et donne la liste, par ordre décroissant de fréquence, des noms de famille des américains nés au Vietnam (entre autres)
• enfin, quelques données statistiques sur le noms de famille et le nom intercalaire, réunies par Patrick Fermi mais malheureusement trop peu de choses sur les prénoms

Alors que faire ? Je crois bien que je vais me résoudre à compter les vietnamiens un par un. Enfin presque… J’ai trouvé un annuaire téléphonique du Vietnam, en ligne. Il ne reste plus qu’à apprendre à Excel à aller taper dedans, à compter les fréquences d’apparition des noms de famille et des prénoms (ce qui suppose d’ailleurs de différencier les noms de familles, les noms intercalaires et les prénoms composés…). Le résultat devrait être intéressant. Je vous en dirai plus à l’occasion.

Tant que j’y suis, même si c’est hors sujet, voici un excellent argumentaire qui explique aux américains pourquoi il est stupide de croire que les noms des gens peuvent toujours se décomposer en “First Name”, “Middle Name” et “Last Name”.

research that shows that early adopters of Active Directory tended to choose fewer forests than was ideal, and their networks suffered for it.

Alors, que faut-il penser des grandes entreprises qui choisissent un modèle centralisateur mono-forêt qui centralise, du même coup, le pouvoir de gestion de l’informatique (est-ce une finalité du projet ?). Mmm… Et vous, mono- ou multi-forêt ?

• Une bonne introduction : la wikipedia
• un retour d’expérience pour la construction d’une base de données sur le Vietnam
• les recommandations de la Dublin Core Metadata initiative… même si il ne s’agit pas vraiment d’une recommandation… et même si ce document est officiellement déclaré obsolète… (mais quel document le remplace ? aucun ? dommage…)
• le retour d’expérience d’une base de données médicale en Australie
• http://www.aussi.org/anl/2002/01janfeb/articles.htm
• Pour le Vietnam spécifiquement : http://www.saigon.com/~nguyent/hoa_03.html http://www.adoptvietnam.org/vietnamese/names-family.htm http://www.van-online.org/resources/name.html http://www.thingsasian.com/goto_article/article.630.html
• Ce document donne un bon aperçu de la diversité des conventions de nommage des individus à travers les différents pays de la planète.
• Enfin, une présentation complète et assez détaillée de la situation à travers le monde

• le directeur d’une SS2L qui a atterri à ce poste après de nombreuses années de bons et loyaux services au sein d’un groupe du CAC40 qui m’emploie actuellement et qui est réputé pour sa gestion “bon père de famille”, ou comment reprendre une société qui a été mal en point en nommant à sa tête une personne incarnant l’idée de “croissance durable”,
• un réseau d’ “entreprises agiles” (Ingeniweb, Pilot Systems, Blue Dynamics, …), les Zope Service Providers de l’EuroZope Association, animé par le gourouisé Paul Everitt
• Paul Everitt lui-même, qui non seulement déniche grâce à son réseautage permanent des projets commerciaux qui me font baver d’envie, mais prophétise également avec conviction un bel avenir pour les ZSP
• d’autres spécialistes Zope mais qui n’ont pas rejoint le courant Plone ; je retiens notamment le travail de la société Emencia sur le léger Zwook ; Zwook cible la gestion de contenu plus bas de gamme que Plone (ce n’est pas péjoratif) : morale de l’histoire, bien que moins flexible et moins puissant, Zwook offre des fonctionnalités intuitives (quoique d’ergonomie moyenne) qui permettent par exemple de créer/modifier des skins via le Web sans avoir à toucher une ligne de code (sans bidouilles les ZPT ni même les CSS). Mais ce n’est sans doute qu’une question de temps avant que Plone propose quelque chose d’équivalent.
• la SS2L (Société de Services en Logiciels Libres) Linagora qui m’a impressionné par son expérience autour de la gestion d’annuaires ; ils semblent avoir développé une approche open source de la problématique de la gestion des droits ainsi que de l’intégration de données d’annuaires (méta-annuaires) qui semble empreinte de pragmatisme, mais si elle manque de maturité pour donner lieu à la distribution de produits bien packagés pour y répondre.
• des copains d’école ! Chez Nexen, on fait aussi dans la “croissance durable” et leur réputation dans le monde PHP francophone n’est plus à faire ; on annonce la publication d’un magazine ciblant les usages de PHP dans le monde de l’entreprise… prometteur !
• une preuve vivante que le monde est petit : sur le stand de mes copains d’école, j’ai croisé un type qui a eu le culot de me prétendre que l’offre de Gitoyen était pourrie et que les gens de Globenet étaient tous des nazes incompétents alors que primo ce sont aussi des copains à moi et secondo j’admire leur présence au sein le monde associatif ; il m’a suffit de l’entendre pour comprendre qu’il s’agissait du dévoué Benjamin, maître des systèmes de Globenet ! heureux d’avoir enfin pu mettre un visage sur ton nom Benjamin.
• le Monsieur Linux d’IBM pour l’Europe de l’Ouest avec qui j’ai eu une discussion très intéressante sur l’avenir de l’open source vu par LE géant de l’informatique : linux est un standard incontournable pour qui veut maintenir son leadership sur le marché. Par contre, autant les solutions open source pour l’infrastructure et la sécurité ont fait leurs preuves, autant l’offre open source sur la couche applicative n’est pas encore assez visible sur le marché pour retenir l’attention des titans. Et c’est délibérément qu’IBM ne veut pas anticiper les choses en la matière et se contente de se concentrer sur l’infra, en lorgnant un peu du côté du poste de travail histoire de suivre les initiatives de Novell et de SUN. D’où la juste prophétie de Paul Everitt :
  

  I picked a deal size (50-250k) that excludes the Sapients and IBMs. That’s just too small for their radar. Which is good, because (sadly) as open source crosses the chasm into the mainstream market, the new customers are going to want a cathedral on the supplier side to balance the bazaar on the software side.
  I say sad, because it means spectators will show up, after all the small companies did all the work, and these big boys will take all the money. I think this is unfair. But, so what, life is unfair, and this happens all the time.

• des gens de chez Jouve, tiens, tiens… mais eux aussi intéressés sans doute avant tout par les offres pour l’infrastructure plus que pour l’applicatif

Bref, un salon stimulant et qui promet des années à venir riches en rebondissements pour l’avenir de l’open source dans la couche applicative.

• http://perso.wanadoo.fr/michel.staelens/clavier/index.htm
• http://home.doramail.com/yuval/
• http://www.cs.tut.fi/~jkorpela/gwrite/
• http://virtual-keyboard.imtranslator.com/
• http://www.freetoolkit.net/textnum/tool.php?tool=unicode
• http://www.atm.ox.ac.uk/user/iwi/charmap.html

• un environnement intégré de développement d’ontologies
• un “fédérateur” dont la fonction est de router des requêtes vers les différentes bases de données intégrées dans le dispositif, à la manière d’un “bus de connaissances”
• un système de base de données dit “déductif” (et non relationnel) privilégiant la flexibilité et le support des natifs des ontologies à la performance
• un générateur de schémas de données pour bases relationnelles de manière à rigidifier sous une forme performante (relationnel) un modèle de donnée incarnant des ontologies et donc accessible facilement depuis le “bus de connaissances”
• un “médiateur” rendant une base relationnelle existante accessible depuis le fédérateur de requêtes (bus)

Cette boîte à outils est un étrange mélange entre d’une part des outils ressemblant aux modélisateurs et générateurs de code à la Rational Rose et d’autre part des composants rappelant les moteurs de jointure et connecteurs des méta-annuaires.
Je regrette qu’il ne s’agisse que d’une boîte à outils “pour l’entreprise” qui suppose notamment que l’entreprise utilisatrice hiérarchise ses ontologies comme autant d’extensions locales d’une ontologie globale. Le dispositif n’est pas apparemment pas conçu pour faciliter le traitement des incohérences ou des contradictions entre ontologies. Par ailleurs, Ontology Works semble faire un usage abusif du terme “OWL”. Chez eux, OWL désigne un “Ontology Works Language” qui n’a peut-être rien à voir avec le “Ontology Web Language” du W3C. De plus, l’offre de cette société semble s’ancrer directement sur XML, sans passer par la case RDF. Ceci explique-t-il cela ?
Pour en savoir plus sur l’offre d’Ontology Works et les concepts tels que le “bus de connaissances”, l’intégration sémantique de données, les caractéristiques des bases de données déductives et le rôle de la gestion d’ontologies dans l’entreprise, la foire aux questions de cette société se révèle une source d’information très didactique.