Archives par étiquette : données de la recherche

Travailler à distance sur la médiatisation des plans de gestion de données : retours d’expérience

Ce billet a en partie été relu et enrichi par les auteur et autrices des interventions présentées: Cécile Arènes, Anne Busin, Sylvie Cocaud, Benjamin Faure, Dominique L’Hostis et Marie Garambois. Qu’elles et il en soient ici remerciées et remercié.

En juin 2019 a été lancé un groupe de travail sur l’accompagnement aux plans de gestion de données, qui réunit des formateurs de tous types d’établissements, tous profils et toutes disciplines. Animé par un groupe de pilotage constitué de représentants de l’EHESS, l’Inist-CNRS, l’INRAE et le réseau des URFIST, ce GT échange régulièrement sur la liste de discussion gt-dmp@groupes.renater.fr des retours d’expérience de formations, des contenus pédagogiques ou des éléments de veille. Il permet également l’organisation d’ateliers de travail et de réflexion sur des thématiques en lien avec les PGD, dont les derniers ont eu lieu cet été.

2020, un contexte qui s’annonçait favorable aux PGD ?

Les recommandations émanant de financeurs de la recherche ou d’organismes scientifiques en faveur de la rédaction de plans de gestion des données de recherche ne datent pas d’hier. Mais ces recommandations tendent également à se transformer en exigences pour un nombre croissant de décideurs, et notamment pour l’Agence nationale de la recherche (ANR) en France. Cet organisme, qui a financé 1157 projets en 2019, exige en effet depuis l’an dernier pour chacun de ces projets que lui soit remis un nouveau livrable : un plan de gestion de données de recherche (PGD, aussi appelé data management plan ou DMP).

2020 s’est donc rapidement annoncée comme une année propice à la mise en place de nouveaux services d’accompagnement à la rédaction de tels documents, en particulier le printemps, date à laquelle les porteurs de projets lauréats de financement devaient s’atteler à la rédaction de la première version du livrable exigé par les financeurs (dans les 6 mois du début du projet).

Même si la crise sanitaire a particulièrement compliqué les choses en forçant l’annulation de formations devant se tenir en présentiel, cette période a tout de même été l’occasion de réfléchir à de nouveaux formats et supports de formation ou d’auto-formation, à distance ou sur un mode hybride, et de développer ceux qui existaient déjà.

Parmi ces actions, on peut relever par exemple :

  • Une semaine de la science ouverte entièrement en ligne, organisée du 15 au 19 juin par l’URFIST Méditerranée et proposant des ateliers sur les PGD ou sur l’utilisation de DMP-OPIDoR ;
  • De nouvelles dates pour les webinaires régulièrement organisés par l’INRAE sur les données de la recherche et les PGD ;
  • Un webinaire organisé le 25 juin dernier par l’Inist-CNRS pour présenter DMP-OPIDoR (autres dates prévues à l’automne) ;
  • L’atelier Dialogu’IST du 9 juillet consacré à la préservation des données de la recherche ;
  • Et bien d’autres actions encore, comme le lancement par les bibliothèques de Lyon 1 et de Grenoble Alpes Université du projet DATACC (dispositif d’ACCompagnement sur les DATA), qui propose des ressources sur les PGD.

Nouvelles pédagogies, nouveaux sujets de réflexion

Outre ces réflexions sur les transformations pédagogiques exigées par la situation sanitaire, le printemps 2020 a également été pour le GT-DMP l’occasion d’échanger autour de certaines questions spécifiques liées aux plans de gestion, et de réfléchir aux besoins ressentis par les formateurs et accompagnateurs eux-mêmes pour aller plus loin dans leur offre pédagogique.

C’est ainsi qu’ont émergé plusieurs thématiques, que le GT a souhaité creuser spécifiquement. La première d’entre elles concernait le fait que les plans de gestion de données, que l’on peut assimiler en partie à des chartes de bonnes pratiques, ont ou pourraient avoir en réalité une utilité qui dépasse le cadre des projets de recherche scientifique. Les entreprises privées, notamment, s’intéressent de plus en plus à ce type d’outil, de même que des services publics extérieurs à la recherche scientifique, comme des municipalités.

Mais c’est également un outil indispensable à une bonne gestion des données au sein des laboratoires, ou plus généralement, des structures de recherche. En effet, comment s’assurer que tous les membres d’une grosse unité puissent bénéficier d’outils adaptés pour le stockage, le traitement et la sauvegarde de leurs données ? Au sein d’espaces de stockage partagés, comment savoir quelles données concernent quels projets, et qui a le droit d’en faire quoi ? Comment faire en sorte que des chercheurs qui travaillent à plusieurs sur des mêmes fichiers adoptent une politique cohérente pour le nommage et le classement des données ? Comment gérer les données issues de fusions ou de scissions d’équipes de recherche, ainsi que les mouvements de chercheurs d’un laboratoire à un autre ?

Le PGD est un outil indispensable pour répondre à ces questions, même si évidemment toutes les rubriques qui structurent habituellement un modèle de PGD « classique » ne sont pas forcément pertinentes dans ce cadre.

Un autre point fréquemment soulevé lors des formations auxquelles les membres du GT-DMP prennent part concerne les efforts à déployer lors de la rédaction de PGD, notamment par les chercheurs, et le découragement qui peut gagner certains porteurs de projets face à ce qu’ils ressentent souvent comme une lourdeur administrative. Ils se retrouvent ainsi parfois à devoir rédiger plusieurs documents différents, dans lesquels il s’avère finalement que les informations à indiquer sont quasiment les mêmes. Les déclarations de conformité RPGD, par exemple, contiennent des informations qui pourraient presque être reprises telles quelles dans certaines rubriques de PGD. De même, les démarches à accomplir auprès de Comités d’éthique ou de Comités de protection des personnes peuvent mobiliser des éléments qui trouvent aussi leur place dans les PGD.

Afin de permettre cet échange d’informations entre le PGD et d’autres documents, mais aussi entre le PGD et des logiciels, plateformes ou autres outils de curation et de gestion de données comme des entrepôts, ou encore entre le PGD et des systèmes de pilotage administratif et financier de la recherche, une solution existe : le machine-actionable data management plan (maDMP, soit un plan de gestion exploitable par des machines). Ce nouveau modèle de PGD permet de structurer l’information qu’il contient de façon à ce que celle-ci puisse être rendue Facile à trouver, Accessible, Interopérable et Réutilisable par toutes sortes de programmes et logiciels, par le biais d’API notamment. Ainsi, le fait de renseigner un volume de données attendu dans une rubrique de PGD pourrait automatiquement entraîner la « réservation » de l’espace nécessaire dans un cloud ou un entrepôt, ou encore renseigner dans le logiciel budgétaire de l’établissement concerné le montant nécessaire à l’achat du matériel de conservation adéquat.

Ces maDMP, sur lesquels travaille notamment un groupe de la Research Data Alliance dont les réalisations sont mises à disposition sur Github, en sont encore à leurs débuts. Cependant, des outils d’aide à la rédaction de PGD s’efforcent dès maintenant d’intégrer ce genre de fonctionnalités supplémentaires, comme le logiciel Data Stewardship Wizard, notamment utilisé aux Pays-Bas et en République Tchèque.

C’est aussi le cas de DMP OPIDoR, pour lequel les équipes techniques de l’Inist préparent actuellement une nouvelle version interrogeable par API.

Enfin, un autre sujet de préoccupation récurrent cette fois-ci non pas chez les chercheurs eux-mêmes, mais davantage chez les personnels chargés de l’appui à la recherche qui souhaitent les accompagner : quelle position adopter pour parler de plans de gestion aux chercheurs et chargés de projets, et comment communiquer sur ses actions consacrées à ce sujet quand on n’est pas soi-même un praticien de la recherche ou que l’on n’a pas l’occasion de les croiser très fréquemment ?

Cette question avait notamment été posée lors de la formation de formateurs aux PGD proposée en janvier dernier à l’URFIST de Paris (sur une idée du GT-DMP et avec la collaboration de l’URFIST Occitanie), et revient fréquemment lors de discussions informelles avec les professionnels de l’IST. L’échange de bonnes pratiques et les retours d’expérience partagés sont souvent ce qui fournit les pistes de réponse les plus riches. Mais à l’heure du coronavirus, force est de constater que les occasions se font de plus en plus rares pour ces échanges à bâtons rompus…

Ces trois thématiques ont néanmoins fait l’objet de deux ateliers de travail à l’été 2020, tous deux tenus au format visioconférence. Le premier s’est tenu le 25 juin 2020, et était ouvert à tous les abonnés de la liste de diffusion GT-DMP. Il a finalement réuni 26 personnes, qui ont pu discuter des deux premières thématiques présentées :

  • Les plans de gestion de données appliqués aux structures de recherche, avec un retour d’expérience de Sylvie Cocaud et Dominique L’Hostis, documentalistes à l’INRAE ;
  • Les évolutions de DMP-OPIDoR, avec une présentation de la nouvelle version de l’outil et de ses pistes de travail en direction du maDMP, par l’équipe de l’Inist menée par Anne Busin et Benjamin Faure.

Un deuxième atelier, réservé, du fait de son format plus participatif, aux membres de l’équipe pilotage du GT-DMP, s’est également tenu le 9 juillet 2020, et a porté sur la question de la communication sur les PGD auprès des chercheurs. Il a été animé par Marie Garambois, responsable du département Publications & Open Access, et Cécile Arènes, chargée de mission Data & Science ouverte, toutes deux conservatrices au SCD de Sorbonne Université.

Atelier du jeudi 25 juin 2020

Les PGD-structures : retour d’expérience à INRAE

INRAE, Institut national de recherche pour l’agriculture, l’alimentation et l’environnement, résulte de la fusion en 2020 de l’Inra (Institut national de recherche agronomique) et de l’IRSTEA (Institut national de recherche en sciences et technologies pour l’environnement et l’agriculture). Une nouvelle direction, la Direction pour la Science Ouverte (DipSO) contribue à l’élaboration et à la mise en œuvre de la politique de science ouverte de l’institut.

Les structures de recherche au sein d’INRAE sont très diverses. Différents documents de cadrage et chartes incitent en particulier les unités expérimentales et les infrastructures de recherche engagées dans une démarche de labellisation à produire un plan de gestion. 

Par ailleurs, certaines personnes qui avaient eu l’occasion d’assister à une formation sur les PGD « projets » depuis 2017 (directeurs d’unités, gestionnaires de données, responsables de plateformes d’analyse…) souhaitaient initier une démarche de création de PGD structures pour :

  • Organiser la gestion des données de la structure,
  • Disposer d’un document de référence, par exemple pour des plateformes proposant des prestations d’analyse,
  • Faciliter la production de PGD projets pouvant exploiter les informations du PGD structure.

Sylvie Cocaud et Dominique L’Hostis ont ainsi pu mettre en place en mars 2018 un groupe de travail dédié, rassemblant 14 membres issus de 9 structures et 5 départements scientifiques différents, qui a produit en janvier 2019 une première version de modèle de plan de gestion structure pour INRAE.

Les débuts des travaux du GT n’ont pas toujours été très faciles : pratiques et attentes différentes des membres (les préoccupations d’un directeur d’unité ne sont pas forcément les mêmes que celles d’un responsable de plateforme d’analyse de données), peu d’exemples existants applicables à INRAE (PGD de grosses infrastructures internationales de calcul ou d’analyse)

Le modèle de PGD structure d’INRAE a été mis à disposition sur DMP-OPIDoR en janvier 2019 et une deuxième version produite en février 2020 pour prendre en compte la nouvelle fonctionnalité   « Produits de recherche ». Ce modèle comporte 9 rubriques et 39 questions.

Pour rédiger un plan selon ce modèle, une structure doit commencer par définir les « produits de recherche » qui seront utilisés, liés soit au type d’activité soit à la source des données.  La démarche a été accompagnée par un programme de classes virtuelles et des formations plus longues dédiées. Une vingtaine d’unités expérimentales ont ainsi été formées début 2020, et ont produit une dizaine de PGD.

Au total, depuis 2019, 173 PGD structures ont été créés (en incluant les plans de test et plans inachevés), ce qui témoigne d’un réel intérêt des chercheurs pour ce type de document. Les unités y voient avant tout un outil d’optimisation de leurs pratiques de gestion, un moyen d’améliorer leur visibilité et de valoriser les données produites dans une démarche de science ouverte. Ils peuvent également faciliter les réponses à des appels à projets. INRAE manque encore de recul sur ces nouvelles bonnes pratiques. Des retours d’expérience complémentaires sont attendus.

L’atelier a également été l’occasion pour S. Cocaud et D. L’Hostis de présenter la démarche suivie par 3 structures très différentes :

  • Génobois, une plateforme de phénotypage des propriétés physico-chimiques du bois et hydrauliques des arbres, qui a tiré profit d’un travail préalable en vue d’obtenir la labellisation ISC et a utilisé DMP-OPIDoR de manière collaborative, mais a rencontré des difficultés liées à des questions de propriété intellectuelle ;
  • L’Unité Expérimentale d’Écologie et d’Écotoxicologie aquatique (U3E), une unité multi-sites qui fédère et exploite de multiples sources de données, chacune faisant l’objet d’un produit de recherche spécifique dans DMP-OPIDoR ;
  • L’Unité de Recherche des Forêts Méditerranéennes (URFM), qui mène des recherches pluridisciplinaires en écologie pour une gestion durable des écosystèmes forestiers méditerranéens en produisant des données à flux constant sur le long terme (sans temporalité « projet ») et a abouti à un PGD divisé en 5 modes de gestion différents.

Les échanges qui ont suivi cette présentation ont notamment porté sur les disciplines dans lesquelles il serait éventuellement plus ou moins facile d’implémenter ce genre de PGD structure. Les structures à forte dominante SHS, notamment, ne semblent pas s’être complètement emparées du sujet, ou en tout cas n’ont pas encore été repérées sur ces questions.

Il est également ressorti des échanges entre participants que des PGD structure à trop grande échelle (université multidisciplinaire par exemple) semblent très difficiles à proposer et à maintenir.

Les évolutions de DMP OPIDoR

L’outil DMP OPIDoR, mis en ligne en 2016, était au départ basé sur le code open source de l’outil DMPonline, plateforme de rédaction en ligne de PGD proposée par le Data Curation Centre (Royaume-Uni). En 2018, DMP OPIDoR a ensuite adopté le code open source Roadmap, issu de la fusion des codes des plateformes DMPTool et DMPonline. L’outil a été adapté aux pratiques françaises, notamment avec l’inclusion d’exemples parlants pour la communauté.

DMP OPIDoR est largement connu dans la communauté des utilisateurs et des formateurs aux PGD, cependant Anne Busin, membre de l’équipe DMP OPIDoR de l’Inist, est revenue au début de l’atelier sur l’onglet Produit de recherche, proposé depuis juillet 2019 dans DMP OPIDoR. Cette fonctionnalité va permettre de distinguer au sein des données produites ou utilisées par un projet plusieurs ensembles distincts, qui pourront faire chacun l’objet d’une gestion spécifique concernant leurs formats, métadonnées, enjeux juridiques ou éthiques, conditions de réutilisation, etc. Le type de Produit de recherche à renseigner s’appuie sur la liste issue du Schéma DataCite 4.3.

Anne Busin a ensuite présenté les nouvelles fonctionnalités de DMP OPIDoR version 2.3.0, déployée au début du mois de juin, parmi lesquelles notamment :

  • La possibilité d’exporter le PGD par produit de recherche
  • L’apparition d’un nouvel onglet dédié à la Demande d’assistance conseil, mais qui n’apparaît que si l’établissement de rattachement de l’utilisateur connecté a activé cette fonctionnalité (par le biais de son Administrateur)
  • Davantage de droits accordés aux Administrateurs d’un établissement, qui peuvent par exemple :
    • créer des structures rattachées à leur établissement (dans le but de mieux identifier les utilisateurs associés à l’établissement), mais cela suppose que les utilisateurs aient déclaré leur structure de rattachement dans leur profil et doit donc faire l’objet d’une communication spécifique ;
    • éditer les profils des utilisateurs rattachés à leur établissement, gérer leurs droits (y compris pour leur attribuer des droits de relecture de plans) et en exporter la liste au format CSV ;
    • accéder à des statistiques concernant les PGD rattachés à leur établissement (les chiffres du mois en cours ne sont pas pris en compte, mais les plans de test le sont) ;
  • Et enfin davantage de droits pour les Super-Administrateurs (Inist notamment), qui peuvent ainsi agir sur les organismes eux-mêmes pour les désactiver (quand deux établissements fusionnent) ou fusionner ou archiver des comptes utilisateurs.

Enfin, Benjamin Faure a présenté les pistes d’évolution actuelles de DMP OPIDoR en vue de proposer une version machine-actionable du PGD, de façon à rendre les contenus interrogeables et récupérables par des API. Les objectifs poursuivis par l’Inist sont ainsi d’éviter aux chercheurs une double saisie des informations sur certains points (questions éthiques et juridiques, lien avec le RGPD, informations relatives à la sécurité des systèmes d’information…), et de pallier leur manque de connaissances des services existants, standards, vocabulaires contrôlés ou autres en intégrant à l’outil des référentiels structurés, permettant l’interopérabilité entre plusieurs outils. Les informations pourront ainsi être échangées entre services et systèmes d’information tout au long du cycle de vie des données, dans la ligné des Dix Principes pour un maDMP proposé par Miksa et al. en 2019.

Cette montée de version de DMP OPIDoR étant encore en cours de réalisation (avec un déploiement espéré pour 2021), l’équipe technique s’efforce actuellement de recueillir auprès de ses utilisateurs des cas d’usage nécessitant de tels échanges entre outils et systèmes.

 À terme, chaque information saisie dans DMP OPIDoR sera structurée sur plusieurs niveaux, et en les couplant le plus souvent possible à des référentiels et standards (implémentés par les utilisateurs eux-mêmes si besoin), de façon à pouvoir être facilement réutilisée pour d’autres usages. Ainsi, une réponse à la question « Quelles données utilisez-vous ? » pourra être structurée en différents champs :

  • Titre
  • Description
  • Identifiant
  • Coût lié
  • Etc.

Qui seront chacun subdivisables en sous-champs, par exemple :

  • Identifiant :
    • Type d’identifiant (liste de valeurs contrôlée : DOI, Handle…)
    • Valeur de l’identifiant
  • Coût lié :
    • Type de coût (liste de valeurs contrôlé : RH, logiciel, matériel…)
    • Valeur du coût :
      • Montant
      • Devise utilisée

Les informations du PDG sont enregistrées de manière structurée. Certaines informations pourront également être réutilisées à plusieurs endroits du plan (ex. : nom du contact pour les données). Ce mode de fonctionnement permettra également de valider la saisie de certaines informations (vérification de la chaîne de caractères, par exemple pour savoir si une adresse mail est bien formatée ou si une date est renseignée selon la norme ISO).

Les informations ainsi saisies seront notamment rendues disponibles au format JSON, structuré et interopérable.

En revanche, au vu des spécificités techniques de cette future nouvelle version, un travail de mapping sera probablement nécessaire à la conversion des PGD actuels dans ce nouveau format machine-actionable, dans le respect des attentes et des demandes des administrateurs DMP-OPIDoR.

Le rôle de ces derniers sera particulièrement important et attendu dans cette transition vers un nouveau « paradigme OPIDoR ». En effet, les discussions qui ont suivi la présentation de l’Inist ont notamment porté sur les risques potentiels de perte d’utilisateurs qui se retrouveraient démunis face à l’augmentation du degré d’informatisation du processus. Où placer le curseur entre cadrage précis de l’information demandée et contraintes sclérosantes, entre orientation vers de bonnes pratiques techniques standardisées et sensibilisation générale au cycle de vie de la donnée ? Autant de questions qui devront faire l’objet d’un effort particulier pour communiquer auprès des personnes amenées à participer à la rédaction de tout plan de gestion de données.

Atelier du jeudi 9 juillet 2020

Et c’est justement cette question de la communication qui a été abordée lors du second atelier de travail du GT-DMP par Marie Garambois et Cécile Arènes, conservatrices de bibliothèque à Sorbonne Université.

Car même si les professionnels de l’IST en charge de la sensibilisation et de l’accompagnement aux PGD côtoient parfois depuis longtemps le monde de la recherche, il n’est pas toujours évident de se comprendre entre ces deux mondes.

Le début de l’atelier a ainsi été l’occasion de revenir sur la différence entre

  • l’information : le contenu du message, que les professionnels IST comprennent et maîtrisent souvent (ex. : « Il est utile de rédiger un PGD parce que… », « Votre organisme de financement demande à ce que vous déposiez vos données… ») ;
  • et la communication : la façon de transmettre cette information, qui suppose notamment de se demander :
    • qui communique ? puis-je me positionner en tant que technicien(ne) ? en tant que personne ayant fait des études supérieures dans la discipline concernée ? en tant que représentant(e) d’un autre service ou d’une autre personne ? quels sont mes domaines de compétences, et au contraire sur quels sujets ne puis-je pas m’exprimer ?
    • à qui je parle ? à mes collègues ? à des chercheurs ? à des informaticiens ? à des politiques ?
    • pourquoi je communique ? pour annoncer un événement ? pour proposer un service ? pour présenter un outil ?
    • quel est mon objectif final ? que l’on revienne vers moi par la suite ? que mes destinataires repartent avec un outil clés en main ?
    • etc.

Outre ce diagnostic à poser sur sa situation propre, il convient également de s’interroger sur son environnement et sur la situation générale de l’établissement / du service dans lequel on s’inscrit, en se posant des questions telles que :

  • Existe-t-il dans mon établissement des procédures particulières pour transmettre le message que je souhaite (ex. : mailing-list modérée, campagne de recueil des informations pour une newsletter, déclarations d’affichage, etc.) ?
  • Mon établissement interdit-il / décourage-t-il la diffusion de supports ou documents produits par d’autres (ex. : réutilisation de supports ou de matériel d’exposition) ?
  • D’un point de vue moins officiel, quel est le ton qui est d’usage pour parler des sujets que je souhaite ? Dans quelle mesure peut-on se permettre d’être informel ? Quelle est la position de l’établissement / du service vis-à-vis de la langue anglaise (ex. : faut-il parler de PGD ou de DMP) ?
  • Auprès de qui nouer ou renforcer des contacts ?
  • Quels sont les espaces appropriés pour nouer ces contacts ? la cantine / le restaurant administratif ainsi que les salles de pause ont immédiatement été identifiés comme des endroits propices !
  • Quels sont les moments appropriés pour nouer ces contacts ? Là encore, les moments de pause déjeuner / café ont été repérés comme des moments adéquats (surtout s’ils sont accompagnés de boissons chaudes…), mais aussi les pauses pendant les événements scientifiques type colloques

Enfin, se pose également la question des médias à employer pour diffuser son message, qui gagnent à être les plus nombreux et inclusifs possibles :

  • Mailing (en se demandant de qui les mails ont intérêt à émaner : d’une adresse générique ou d’une personne identifiée ? d’un service ou d’un autre (ex. : de la Direction de la recherche ou du SCD) ? Ne pas hésiter à utiliser la signature mail comme espace d’expression, en y incluant une image ou une infographie qui viendra renforcer le message ;
  • Communication papier (flyers, kakemonos, affiches, dépliants, cartes de visite) : elle suppose d’avoir mené en amont un travail de repérage des lieux/moments les plus adéquats pour mettre ces supports à disposition, mais présente l’avantage indéniable de permettre aux personnes touchées de repartir « avec quelque chose de concret en main ». Des expériences originales semblent avoir été menées avec des sets de tables déposés dans des plateaux de cantine et ayant remporté un franc succès ! De même, intégrer des flyers dans des pochettes d’accueil à des événements type séminaires d’accueil des nouveaux personnels ou congrès scientifique peut toucher des publics auxquels l’information ne serait pas parvenue autrement ;
  • Newsletter : message souvent bref mais renvoyant vers d’autres ressources, des pages web notamment ;
  • Réseaux sociaux : à utiliser si possible avec l’appui de community managers qui seront en mesure d’identifier les moments propices à de nouveaux messages, ainsi que de donner des conseils de forme pour toucher le public le plus large possible ;
  • Complices : les retours d’expérience sont finalement les meilleurs outils pour sensibiliser aux problématiques de gestion des données de recherche, et il est toujours très utile d’essayer de trouver un ou deux chercheurs volontaires pour compléter sa présentation par une intervention plus personnelle, et favoriser les échanges.

En somme, ce sujet de la communication auprès des chercheurs et autres porteurs de projets et chargés d’appui à la recherche soulève beaucoup de questions et assez peu de réponses, en tout cas de réponses qui soient universelles. En cela, il se rapproche beaucoup du sujet des données de la recherche & PGD lui-même, pour lequel on a pour l’instant bien davantage de questions que de réponses.

En cela, les FAQ qui se développent actuellement sur ces questions des données de la recherche en général et des PGD en particulier sont des outils précieux pour tous ceux qui cherchent à communiquer sur ces sujets. On citera notamment :

  • La FAQ de DoRANum, à laquelle toutes les personnes proposant des formations ou des sessions de sensibilisation aux données et aux PGD sont invitées à contribuer au niveau national ;
  • Le site Question/Réponse en IST de l’INRAE (service exclusivement à destination des personnels des unités INRAE) ;
  • La FAQ élaborée à l’occasion du hackathon Comment améliorer le dépôt et le partage de données de recherche ? tenu en janvier 2020 à l’Université Grenoble Alpes.

Et maintenant ?

Les contraintes imposées par la situation sanitaire exceptionnelle de cette année 2020 ont été l’occasion pour de nombreux établissements et services de repenser leur offre d’accompagnement aux plans de gestion, dans un contexte où les porteurs de projets nouvellement sélectionnés par les financeurs doivent s’atteler le plus souvent pour la première fois à ce type d’exercice.

L’accession de ce document au statut de livrable récurrent des projets de recherche peut donner l’opportunité d’y familiariser un nombre croissant d’acteurs de la recherche, y compris pour ceux qui ne portent pas de projets sur financements ponctuels, comme les doctorants ou les directeurs d’unités au niveau de leur structure. Restera alors aux personnels d’appui à la recherche à prolonger ce phénomène en s’efforçant de proposer de nouveaux types d’actions de sensibilisation pour aller encore plus loin dans l’approfondissement des bonnes pratiques de gestion des données : il reste du pain sur la planche pour le GT-DMP, alors n’hésitez pas à rejoindre notre liste d’échanges et à collaborer à notre espace de documents partagés !


Accompagner la rédaction aux plans de gestion de données [PGD / DMP] : de l’appui aux chercheurs à la formation de formateurs

Billet rédigé conjointement par Amélie Barrio (URFIST Occitanie) et Justine Ancelin-Fabre (URFIST de Paris).

Rédiger un plan de gestion des données de la recherche ne s’improvise pas : il est aujourd’hui une des pièces indispensables pour répondre à un appel à projet européen, national et de plus en plus régional ou local. Accompagner les chercheurs dans cette étape a été l’une des premières réponses apportées par les organismes de formations (Réseau des URFIST, Inist, Enssib, etc.) dans ce cadre. Aujourd’hui, face à l’augmentation de la demande, la question de la formation de formateurs a été posée et une première session organisée à Paris en janvier dernier.

Le plan de gestion de données, une pièce maîtresse du projet de recherche ?

Qu’est-ce qu’un PGD ?

Il est habituel de rappeler, au cours de formations ou d’ateliers de sensibilisation à la question des données de la recherche, qu’il n’existe pas de définition universelle de ce terme « données ». Le concept de plan de gestion de données (PGD, autrement appelé DMP pour Data management plan), en revanche, semble avoir des contours moins mouvants, même si là encore on manque d’une définition officielle[1]. Selon l’une d’entre elles, l’on pourrait dire d’un PGD qu’il s’agit d’« un document formalisé explicitant la manière dont seront obtenues, documentées, analysées, disséminées et archivées les données produites au cours et à l’issue d’un processus ou d’un projet de recherche. »

Si d’autres définitions existent, toutes tournent autour des mêmes notions :

  1. L’unicité : le PGD est le vecteur idéal pour rassembler au sein d’un même écrit des informations pouvant être disséminées chez différents acteurs (chercheurs, techniciens, partenaires du secteur privé…) ou dans différents documents (accords de consortium, chartes éthiques etc.) ;
  2. La formalisation : le PGD prend à l’heure actuelle l’aspect d’un document textuel, dans lequel il est nécessaire de rédiger des phrases qui aient du sens, dans une langue nationale (ou internationale) définie. C’est qu’il est encore (trop) souvent identifié comme une pièce administrative destinée à des évaluateurs qui en prendront connaissance, avec d’autres éléments de dossier, en vue d’accorder ou non des subventions. Dans un deuxième temps, le PGD pourra être lu par les équipes qui collectent ou manipulent les données concernées, voire in fine par un public tiers qui souhaitera prendre connaissance du processus d’élaboration des données produites ou utilisées par le projet, ou faire du PGD un objet de recherche en lui-même ;
  3. La planification de projet : l’emploi des termes « au cours et à l’issue d’un processus ou d’un projet de recherche » rappelle que la rédaction et l’utilisation d’un PGD ne sauraient être cantonnées à des projets limités dans le temps, mais concernent tout individu ou équipe susceptible de produire ou manipuler des données, de quelque nature que ce soit. On trouve ainsi des PGD proposés par des établissements ou laboratoires de recherche, ou par des organismes publics non scientifiques.

Même si les premiers bénéficiaires de la rédaction d’un plan de gestion de données sont les rédacteurs eux-mêmes, et avec eux, l’ensemble de l’équipe de recherche dont les données sont décrites, force est de constater que l’intérêt pour ces documents est indissociable des pratiques actuelles de pilotage de la recherche scientifique par projet.

La Commission européenne, engagée depuis longtemps sur ces thématiques par le biais de diverses recommandations à ses États membres en faveur de l’accès ouvert à l’information scientifique et technique, a exigé dès 2016 la fourniture de plans de gestions de données pour les projets qu’elle subventionne. En France, l’Agence nationale de la recherche (ANR) a indiqué que les projets qu’elle finance devront dorénavant non seulement diffuser en accès ouvert les publications liées à ces projets, et les données sous-jacentes en libre accès, mais qu’il sera également indispensable de fournir un plan de gestion de ces données.

À l’heure où près des deux tiers des financements de la recherche publique française proviennent d’appels à projets dont les initiateurs sont de plus en plus nombreux à exiger des plans de gestion, la demande d’accompagnement à la rédaction se pose d’autant plus que les PGD rédigés sont loin d’être tous accessibles en ligne. Il donc nécessaire d’identifier la ou les personnes susceptible(s) d’assurer cet accompagnement dans sa structure ou son établissement, disponible sur Cat Opidor.

Quels acteurs dans la rédaction de plans de gestion ?

Les porteurs de projet sont en première ligne dans cette mission de rédaction de plan de gestion, car censés être les mieux à même de connaître les données qu’ils collectent et manipulent. Ils se retrouvent bien souvent nommément désignés dans ce document, de façon à endosser la responsabilité des traitements subis par les données.

Cependant, la rédaction d’un plan de gestion ne saurait être une entreprise solitaire. Même si les points à aborder dans un PGD peuvent connaître des variantes en fonction des modèles existants et des exigences des financeurs, un socle commun (souvent proposé sous forme de checklists et autres récapitulatifs, ou au sein de réflexions plus approfondies comme celle de Science Europe) peut être dégagé de ces différentes pratiques, et il en ressort que la diversité des aspects à prendre en compte dans une bonne gestion de données nécessite de faire appel aux compétences d’interlocuteurs variés (informaticiens, juristes, chargés de valorisation, etc.).

Parmi eux, les professionnels de l’information scientifique et technique (IST), qu’ils soient bibliothécaires, documentalistes, archivistes, sont souvent sollicités (ou volontaires) pour collaborer à la rédaction de PGD ou proposer un accompagnement à cette démarche[2]. On peut ainsi penser aux data champions de l’université de Cambridge, membres d’un réseau de soutien aux chercheurs sur ces questions, et interlocuteurs tout désignés pour participer à la rédaction.

Les documentalistes de laboratoires sont depuis bien longtemps en charge de tâches qui dépassent le domaine traditionnel de la gestion de collections documentaires. Quant aux SCD, ils se positionnent de plus en plus comme « des espaces privilégiés pour concevoir des offres dédiées aux données de la recherche, [qui] agissent en transversalité dans les établissements et répondent aux enjeux de la science ouverte. » Dans certains cas, de nouveaux postes de chargé(e) de mission Données de la recherche ou assimilé sont même créés dans les établissements de recherche, et rattachés aux SCD afin de développer de nouveaux services autour de la donnée, comme le Data Lab de la BNU de Strasbourg ou celui de l’Université de Lorraine. Des notions comme l’interopérabilité des formats de métadonnées, la nécessité de recourir à un vocabulaire normalisé ou l’intérêt de mettre des ressources scientifiques à la libre disposition de tous font en effet bien souvent partie intégrante de leurs travaux quotidiens, et peuvent être mis à profit dans de nouveaux services aux chercheurs qui dépassent le cadre de la rédaction d’un plan de gestion en particulier. La familiarité des professionnels de la documentation avec la notion de travail en réseau est en outre un atout considérable pour aborder cette tâche de rédaction collaborative de PGD.

Quels rôles à jouer pour les professionnels de l’IST ?

Les ex-Universités Paris Descartes et Paris Diderot ont été parmi les premières institutions à s’emparer de la question des plans de gestion des données de recherche, en proposant notamment dès 2015 un modèle personnalisé et un guide de rédaction respectant les principes FAIR, tous deux mis à jour en 2018.

En fonction des disparités de tutelles et de fonctionnement dans les établissements, les professionnels de l’IST confrontés à ces questions s’interrogent :

  • Selon quel plan d’action sensibiliser les chercheurs d’un laboratoire ou d’une institution ? à qui parler PGD en premier, et en quels termes ?
  • Comment toucher certaines équipes de recherche ou communautés disciplinaires moins concernées par les exigences des financeurs, ou persuadées qu’elles n’ont pas forcément leur part à jouer dans la rédaction de tels documents car elles ne portent pas elles-mêmes les projets retenus ?
  • Comment faire évoluer la conception du PGD de « énième document administratif » à « guide indispensable de bonnes pratiques pour le quotidien » ?
  • Comment faire en sorte que les bonnes pratiques de gestion de données décrites dans un PGD soient étendues à la vie quotidienne d’un laboratoire de recherche ?
  • Comment se tenir au courant des nouveautés tant administratives et juridiques que scientifiques et pédagogiques, sur une question en évolution rapide et constante ?
  • Quelles ressources sont à la disposition des professionnels IST en charge d’accompagner des PGD, et comment procéder pour participer à leur co-création et à leur enrichissement ? comment savoir « ce qui fonctionne » ou ne fonctionne pas quand on parle PGD avec les chercheurs et leurs partenaires de travail ?
  • Comment intégrer dans les services aux chercheurs l’accompagnement aux données de la recherche ? Comment impulser une culture de la donnée auprès de la communauté de recherche ?

Toutes ces questions ont amené les différents acteurs de la formation à se poser la question de l’accompagnement terrain nécessaire pour monter en compétences sur ces thématiques et répondre au mieux aux besoins de sensibilisation et de formation. Au-delà des premières actions de formations déployées sur le territoire, notamment dans les URFIST de Strasbourg et Toulouse, la nécessité d’un groupe de travail a émergé pour favoriser les échanges et pratiques.

Accompagner les accompagnateurs : naissance d’un groupe de travail en 2019

Genèse du GT-DMP

En 2013, l’INRAE (ex-INRA) a commencé à s’intéresser aux données de la recherche dans leur sens le plus large, par le biais de plusieurs groupes de réflexion dont les travaux ont donné naissance au site d’information DataPartage. L’un des groupes de travail avait également eu pour commande de produire un modèle de plan de gestion pour l’INRA, modèle qui s’est finalement subdivisé en plusieurs versions aujourd’hui disponibles et utilisables par tous sur le site DMP-OPIDoR.

Une enquête a en outre été menée en 2017 auprès des chercheurs s’étant créé un compte sur la plateforme DMP-OPIDoR, afin d’en savoir davantage sur les difficultés rencontrées et affiner la politique d’accompagnement de l’établissement. Là encore, des documentalistes de l’INRA ont pu faire profiter de leur expertise un certain nombre d’autres établissements en France, et intervenir dans les URFIST de Paris, Lyon et Rennes sur ce sujet.

Dans cette lignée, les interventions sur les données de la recherche et aux plans de gestion se sont multipliées ces dernières années dans le réseau des URFIST, aussi bien sous la forme d’une journée d’étude que de brefs ateliers au sein de laboratoires, de formations doctorales ou de stages ouverts à tous.

L’action de l’Inist-CNRS est également prépondérante sur cette thématique des données de la recherche en général et des PGD en particulier, notamment par le biais d’un certain nombre d’outils largement connus et utilisés :

  • La plateforme d’information et d’auto-formation DoRANum, co-portée par le réseau des URFIST ;
  • Le portail OPIDoR (Optimiser le Partage et l’Interopérabilité des Données de la Recherche), qui se décline en plusieurs services :
    • Cat-OPIDoR, wiki des services dédiés aux données de la recherche ;
    • PID-OPIDoR, service d’attribution d’identifiants pérennes de type DOI ;
    • et DMP-OPIDoR, outil d’aide à la rédaction en ligne de plans de gestion de données.

Outre ces outils mis à disposition de tous, l’Inist propose également une offre de formation sur de nombreux sujets d’information scientifique et technique, et intervient régulièrement au plan national sur la question des plans de gestion au sein de divers établissements. De plus en plus régulièrement sollicitées, les équipes de l’Inist ont éprouvé le besoin de constituer un réseau de formateurs, qui pourraient être à même de mailler l’ensemble du territoire afin de répondre de manière collaborative aux demandes reçues.

Du fait de ses missions totalement alignées avec ce besoin, le réseau des URFIST a ainsi été contacté par l’Inist à l’automne 2018, de même que l’ex-INRA. Une première réunion de réflexion s’est tenue en novembre, au cours de laquelle chaque participant(e) a pu faire l’état des formations qu’il ou elle avait eu l’occasion d’organiser ou souhaitait monter.

Devant la diversité des sollicitations et des pratiques, est vite apparu l’intérêt de constituer un groupe de travail plus large. Le début de l’année 2019 a donc été l’occasion d’associer, outre des membres supplémentaires du réseau des URFIST, des représentants d’autres établissements : l’ex-IRSTEA (aujourd’hui INRAE), qui avait déjà eu l’occasion d’organiser plusieurs actions de sensibilisation aux plans de gestion, ainsi que l’EHESS, en pleine réflexion sur les services à mettre en œuvre autour des données de la recherche et de son futur entrepôt Didómena, mais encore au stade de la réflexion concernant les PGD.

Et en juin 2019, ce sont finalement 21 personnes qui se sont réunies une journée à l’École des chartes, pour échanger de vive voix sur leurs retours d’expérience et attentes en termes de formation aux plans de gestion des données de la recherche.

Dans le vif du sujet : naissance d’une réflexion collective

Les profils des participants à la réunion de lancement des travaux de ce qui allait s’appeler le GT-DMP étaient assez variés : documentalistes, bibliothécaires, enseignants-chercheurs, informaticiens ou encore ingénieurs d’étude, tous formateurs ou en passe de le devenir. Chaque établissement représenté a pu présenter ses actions de formation et/ou de sensibilisation aux plans de gestion, mais aussi aux données au sens large. Des fiches descriptives de ces actions avaient été remplies et partagées en amont de la réunion, de façon à avoir une base commune de discussion et pouvoir plus facilement comparer les approches adoptées. En annexe de ces fiches, les supports utilisés[3] lors des actions décrites ont également été mis à la disposition du groupe.

L’Inist et les ex-INRA et IRSTEA, notamment, ont exposé plus en détail les programmes suivis et méthodes pédagogiques utilisées au cours de leurs formations et ateliers. Les supports de ces interventions sont régulièrement partagés en libre accès par ces institutions sur leurs sites internet.

Parmi les méthodes pédagogiques employées, le jeu sérieux a fait l’objet de plusieurs appropriations : par l’Inist en premier lieu, qui organise régulièrement des séances de son jeu de plateau GOpenDoRe, mais aussi par l’ex-IRSTEA, qui propose pour débuter ses formations un « jeu des définitions » à ses participants : confrontés à 9 termes en rapport avec les données de la recherche[4], ceux-ci doivent en trouver la meilleure définition.

L’ex-INRA, de son côté, a notamment présenté un exercice que plusieurs autres membres du GT se sont approprié par la suite, et qui consiste à mettre les stagiaires en position d’évaluateurs en leur fournissant des PGD rédigés, avec les grilles d’évaluation « officielles » utilisées par les relecteurs des projets H2020 ou de l’INRA.

La deuxième partie de la journée a été l’occasion de travailler collectivement à d’autres synopsis de formations aux PGD, voués à être testés et documentés pour être reproduits facilement par tout membre du groupe de travail. Après une réflexion collective sur les scénarios-types de formations pour lesquelles bâtir un synopsis, trois sujets ont été traités :

  1. Accompagnement d’un projet ANR ou H2020 : sensibilisation d’1h30 auprès d’un labo de recherche ;
  2. Formation doctorale : initiation aux PGD sur un format mixte, avec un « tronc commun » pouvant être suivi à distance et réutilisable dans d’autres formations + séance de 3h en présentiel à destination de gros effectifs dans des disciplines multiples ;
  3. Formation de formateurs ou de personnes-relais sur 2 jours, tout type d’établissement et toute discipline confondus.

Ces sprints d’ingénierie pédagogique ont permis la rédaction (complétée a posteriori) de deux synopsis, sur l’accompagnement de projet et la formation de formateurs.

Ils ont également été l’occasion de confirmer le fait que tous les formateurs sont confrontés au même problème, celui de n’avoir pas (encore) suffisamment d’exemples sur lesquels bâtir leurs interventions, qu’il s’agisse de :

  • Supports pédagogiques ;
  • Exercices / travaux pratiques adaptés à des profils, niveaux et disciplines très divers (portant sur des jeux de données réels ou fabriqués pour l’occasion, sur des mises en situation réelles ou inventées) ;
  • Plans de gestion rédigés (dans la bonne langue, selon le bon modèle et dans la bonne discipline) ;
  • Retours d’expériences concrets de rédacteurs et d’évaluateurs de PGD.

Une liste de diffusion (gt-dmp@groupes.renater.fr) a donc été créée immédiatement après la réunion du groupe de travail, de façon à faciliter la veille collective et à permettre d’échanger ressources et liens utiles. En parallèle, un espace d’échanges de fichiers a été ouvert à tous les participants à la réunion au sein de la plateforme CoRe du CNRS, puis migré quelques mois plus tard au sein de l’espace Documents partagés lié à la liste de diffusion Renater.

Les mois qui ont suivi ont ainsi été l’occasion d’échanger plus avant sur nos expériences de formation, et de partager davantage de contenus. Les inscriptions à la liste de diffusion ont également été rendues possibles pour tous, augmentant le groupe de travail à 40 personnes en mars 2020.

Du scénario à la réalisation : animation d’une formation de formateurs aux PGD, janvier 2020

Sept mois après le lancement officiel du GT-DMP, l’un des synopsis élaborés a été mis en pratique au cours d’une formation proposée par l’URFIST de Paris et l’URFIST Occitanie. 14 professionnels de l’IST, travaillant aussi bien dans des SCD qu’au sein de laboratoires, ont pu participer à ce stage de deux jours, intitulé « Accompagner la rédaction d’un plan de gestion de données (PGD) ou Data Management Plan (DMP) ».

Le programme, très largement inspiré des réflexions du groupe de travail, a fait alterner théorie et pratique, échanges et études de cas concrets. Sur deux jours, l’objectif était de proposer aux stagiaires des éléments de réponse sur les points suivants :

  • À quoi ressemble exactement un PGD ?
  • De quelles informations se compose-t-il ?
  • Sur quelles compétences sa rédaction repose-t-elle ?
  • Comment les professionnels de l’IST, qui ne travaillent pas directement sur les données, peuvent-ils assister les chercheurs dans la rédaction d’un tel document ?
  • Quels outils sont mis à disposition pour accompagner la rédaction de PGD ?

Recueil des attentes des stagiaires, rédigées sur post-its

Recueil des attentes des stagiaires

La première demi-journée a été consacrée à une remobilisation de connaissances sur ce qu’est un PGD, et les notions qu’il peut aborder. Ce rappel a consisté en un balayage du déroulé du stage sur les plans de gestions proposé au catalogue de l’URFIST de Paris, lui-même fortement inspiré de la formation proposée par l’ex-INRA sur ce même format d’une journée. Il a été l’occasion d’une réflexion commune sur certaines thématiques parfois difficiles à exposer de manière claire, comme la notion de « produits de la recherche » utilisée par la plateforme DMP-OPIDoR, ou sur lesquelles on manque encore d’informations, comme l’estimation des coûts liés à la gestion des données.

Avis des stagiaires sur les différentes parties du déroulé de formation présenté : que faut-il développer, réduire, continuer à proposer, arrêter de proposer, commencer à proposer.

Les avis des stagiaires sur le déroulé de formation présenté.

L’après-midi a été l’occasion de travailler en sous-groupes sur les principes FAIR, et sur leur traduction concrète dans les plans de gestion de données. Chaque sous-groupe s’est vu attribuer un des quatre principes, et a dû réfléchir à la façon dont il pourrait aider une équipe de recherche à compléter la partie de PGD correspondante. Des exemples de plans de gestion rédigés étaient à leur disposition, même si les parties de ces plans en relation avec le principe FAIR étudié pouvaient être de plus ou moins bonne qualité.

Les participants ont ainsi réfléchi aux différentes notions à la fois centrales et périphériques évoquées par leur principe FAIR et à l’importance à leur accorder dans le PGD, mais aussi aux ressources, tant humaines que bibliographiques ou informatiques, qu’il serait utile de mobiliser pour compléter correctement un plan de gestion.

L’ensemble de ces pistes de réflexion a ensuite été replacé dans le contexte du modèle de PGD proposé par l’ANR, car si celui-ci ne met pas les principes FAIR autant en avant que le modèle de la Commission européenne, il est tout de même fondamental de le compléter en gardant ces principes à l’esprit.

Les points à aborder pour remplir les questions de PGD qui portent sur les principes FAIR.

Les principes FAIR dans un PGD : un vaste programme.

La deuxième journée du stage a commencé par une matinée consacrée à l’ingénierie de formation et aux techniques pédagogiques. En écho à la réunion du groupe de travail du mois de juin, les stagiaires ont dû réfléchir en équipes à des scénarios d’actions de sensibilisation répondant à plusieurs contraintes :

  • Cas n°1 : présenter un service d’aide à la gestion des DR en 15 minutes devant un amphi de 200 personnes pour la rentrée de l’école doctorale
  • Cas n°2 : en séminaire de labo, on dispose d’une heure pour convaincre une trentaine de chercheurs et doctorants à rédiger des PGD
  • Cas n°3 : animer un atelier de 3h sur les PGD, ouvert à tous, dans le cadre de l’Open Access Week
  • Cas n°4 : pendant le créneau de la pause déjeuner (45 minutes), dans le hall de la BU, tenir un stand pour sensibiliser aux bonnes pratiques de gestion des données de la recherche (sans moyen informatique)

La matinée a également été l’occasion de présenter en détail les techniques d’animation utilisées par les membres du groupe de travail, telles que l’évaluation de PGD ou les jeux sérieux. Outre GOpenDoRe, les stagiaires ont ainsi pu s’essayer au jeu Libérez la Science : un jeu FAIR-play, proposé par le CIRAD.

Enfin, le stage s’est achevé par des travaux en sous-groupes sur des mises en situation scénarisées, pour lesquelles les participants devaient réfléchir à une stratégie globale d’accompagnement d’équipes de recherche :

  • Cas n°1 : un laboratoire de sciences de l’ingénieur travaillant régulièrement avec le secteur privé, dont les doctorants sont souvent sous contrat CIFRE et manipulent donc des données à la fois massives et soumises à un droit complexe ;
  • Cas n°2 : un laboratoire de SHS qui vient de remporter un appel à projet européen, et doit travailler et partager ses données avec d’autres unités de recherche dans des pays étrangers ;
  • Cas n°3 : un laboratoire de psychologie, à la croisée entre SHS et SVM, qui doit intégrer une nouvelle équipe de recherche qui arrive avec des pratiques de gestion qui lui sont propres et des données personnelles et sensibles.

Stratégies d'accompagnement mises en place par les stagiaires pour chaque cas pratique : recueil des idées sur des post-its.

Quelques pistes pour monter des stratégies d’accompagnement personnalisé.

Ces moments de réflexion ont ainsi été l’occasion de solliciter l’ensemble des notions abordées au cours du stage.

Enfin, voici à chaud les réflexions autour de l’évaluation du stage et des suites à lui donner.

Points forts Points faibles Pistes d’amélioration
  • Animation à deux voix ;
  • Variété des échanges entre les apprenants ;
  • Format deux jours avec alternance de théorie et de pratique ;
  • Sujet en forte croissance pour lequel les professionnels IST sont en demande forte de formations et de réponses.
  • Manque de familiarité de certains apprenants avec le concept de plan de gestion ;
  • Difficulté à explorer en profondeur les spécificités de tous les types de données rencontrés (hyperspécialisation de certains participants) ;
  • Orientations différentes des tutelles, qui ne permettent pas toujours de se projeter facilement dans la conception d’un service support ;
  • Manque d’éléments de réponse sur certains points (coûts éligibles gestion et diffusion des données H2020 et ANR par exemple).
  • Organiser un stage spécifique sur l’accompagnement des projets de recherche, au-delà de la question des PGD (prévu à l’URFIST de Paris à l’automne 2020) ;
  • Mieux promouvoir les outils et supports existants pour permettre aux participants de commencer à travailler la question des PGD en amont de la formation, et d’ainsi avoir davantage de retours d’expérience à partager (interface DMP-OPIDoR personnalisée pour son établissement, modèle de PGD pré-rempli, liste de discussion GT-DMP permettant d’obtenir des réponses de la communauté sur toute question liée aux données, etc.) ;
  • Coupler la formation avec un stage sur la communication (ex. : « Deux minutes pour convaincre un chercheur de l’utilité d’un PGD ») ;
  • Renforcer la distinction entre formation initiale sur les PGD et formation de formateurs, en insistant davantage sur les pré-requis.

Transformer l’essai

Proposer ce stage à Paris a permis de rassembler 14 personnes d’horizons différents et de toute la France. Toutefois, l’hétérogénéité des stagiaires quant à leur niveau de connaissance et d’appropriation de ces questions dans leur établissement a renforcé la nécessité de poursuivre en parallèle des stages d’initiation à la gestion et diffusion des données de la recherche à destination des professionnels IST.

Il est à souhaiter que cette formation de formateurs puisse être reproduite, notamment dans d’autres URFIST, en bénéficiant des retours de cette première expérience et, autant que possible, de nouveaux matériaux qui pourraient être produits dans les mois à venir. On peut notamment imaginer que les nouvelles exigences de l’ANR en matière de rédaction de PGD donneront lieu à la rédaction d’une grille d’évaluation et de supports d’accompagnement, ainsi qu’à des interventions de ses représentants au sein d’organismes de recherche et/ou de formation, pour mieux préciser les attentes de l’agence. On peut également espérer que davantage de plans de gestion seront rendus publics, notamment des plans qui suivraient les modèles H2020 ou ANR, de façon à donner une représentation disciplinaire plus complète et diversifiée que celle qui existe actuellement.

Dans cette direction, les participants au stage de janvier ont été encouragés à participer à la constitution collective d’un ensemble de ressources autour de l’évaluation de plans de gestion, l’idée étant de partager des « rapports d’évaluation » fictifs portant sur des plans rédigés jugés pertinents du fait de leur nature (ex. : PGD lié à une thèse de doctorat plutôt qu’à un projet de recherche « classique »), de leur langue de rédaction (ex. : rares PGD en français), de la discipline concernée (les PGD de SHS sont pour l’instant moins nombreux que ceux de SVM) ou du modèle de PGD suivi (encore peu de PGD rédigés selon le modèle H2020 par rapport à ceux qui suivent le modèle de la NSF par exemple). L’espace Documents partagés lié à la liste de discussion GT-DMP sur Renater est le lieu idéal pour constituer cette bibliothèque collaborative, et chacun est appelé à contribuer en proposant sa propre évaluation.

L’ensemble des participants au groupe de travail GT-DMP souhaite également poursuivre son action de veille et de signalement de ressources intéressantes, en priorité par le biais de sa liste de diffusion pour ce qui concerne les informations ponctuelles ou à courte durée de vie (ex. : annonce de colloque), mais aussi sur l’espace de partage de documents pour des matériaux plus durables.

Parmi les thématiques qui retiendront probablement notre attention dans les mois à venir, on peut citer les plans de gestion de données actionnables par machine (machine-actionable DMP ou maDMP), des PGD interactifs susceptibles d’être lus mais aussi complétés de manière automatisée par des applications tierces comme des logiciels de comptabilité ou des API d’entrepôts de données. Un tel fonctionnement permettrait de faciliter la tâche des rédacteurs, mais aussi d’envisager le plan de gestion comme un outil en continuelle évolution plutôt que comme un document figé dans le temps. On passerait ainsi du data management plan au data management records, qui se mettrait quasiment tout seul à jour au fil du projet de recherche.

De même, on gardera en tête l’évolution probable du data management plan vers le outputs management plan, sur le modèle de ce qu’exige à présent le Wellcome Trust par exemple, et que l’Inist-CNRS a intégré à son outil DMP-OPIDoR par le biais de la notion de « produits de la recherche ». C’est que la définition de données de recherche n’a jamais été aussi large, et que l’on commence à intégrer dans la réflexion sur leur bonne gestion l’ensemble des matériaux produits par les chercheurs, à l’exception (peut-être discutable) des publications scientifiques. Les programmes et logiciels, notamment, sont aujourd’hui en première ligne des interrogations sur ces produits de recherche, comme en témoigne une récente Note d’opportunité sur la valorisation des logiciels issus de la recherche ou une proposition de plan de gestion des logiciels (software management plan).

Le GT-DMP va maintenant s’atteler à poursuivre et encourager une réflexion collective autour de toutes ces thématiques, avec le souhait de renforcer le dialogue et la coopération de leurs différents acteurs. Une nouvelle réunion de travail sera ainsi programmée dans les mois qui viennent autour de ces questions, réunion qui sera documentée et dont les produits seront mis à la disposition de tous les membres de la liste de diffusion.

D’ici là, réflexions et échanges se poursuivront sur la liste de diffusion et au sein de l’espace de partage de documents qui lui est associé. Si le sujet vous intéresse, ne manquez pas de nous rejoindre !

 

Pour aller plus loin

Les professionnels de l’IST ont un rôle à jouer en matière de gestion des données de la recherche :

 

 

 


Notes

[1] À noter que, pour utiles que seraient des définitions « officielles » des notions de données de recherche, plan de gestion ou autre concept associé, une question fondamentale resterait à résoudre au préalable : qui serait en mesure de proposer de telles définitions pour qu’elles soient reconnues comme officielles ?

[2] Le groupe Données du GTSO Couperin propose un répertoire des services de soutien à la rédaction des plans de gestion de données.

[3] Ces supports sont librement accessibles dans l’espace Documents partagés de la liste de discussion Renater gt-dmp.

[4] Les 9 termes (ou expressions) étaient choisis parmi la liste suivante, à adapter en fonction des besoins, des publics et des disciplines : Données de la recherche, Métadonnées, Open Access, Data Paper, Directive INSPIRE, Plan de gestion des données, Réutilisation des données, Interopérabilité, Propriété intellectuelle, Horizon 2020, Donnée sensible, Archivage, Sauvegarde, Catalogage, FAIR.

DataCite: une communication de L’Inist-CNRS

Membre du consortium international DataCite, l’Inist-CNRS est agence d’attribution de l’identifiant DOI en France.

Elément majeur d’une bonne pratique dans le mouvement de l’Open Science, les identifiants pérennes jouent un rôle clé en facilitant la découverte et l’accès à long terme aux objets scientifiques issus de la recherche. Ils permettent ainsi d’identifier, référencer, partager et citer les données afin d’accroître leur visibilité.

Le DOI (Digital Object Identifier) en est un exemple. Il peut être attribué aux résultats de la recherche (données, images, vidéos…).

Une équipe dédiée au sein de l’Inist-CNRS se tient à votre disposition pour vous conseiller au plus près de vos recherches dans l’attribution de DOI à vos données (fourniture des préfixes DOI, assistance à la création et la conversion de métadonnées…). Elle vous accompagne également dans l’utilisation des différents services proposés par DataCite.

Contact : datasets@inist.fr
Tel : 03 83 50 46 70

DoRANum BSN: des ressources de formation et d’auto-formation sur les données de la recherche

Le réseau des Urfist est engagé dans un nouveau chantier avec l’Inist-CNRS sous l’égide de la Bibliothèque Scientifique Numérique. Ci-dessous la présentation du projet qui est ouvert aux partenariats.

Le projet DoRANum (Données de la Recherche: Apprentissage NUMérique à la gestion et au partage) a pour objectif de mettre en place un dispositif de formation à distance d’accès coordonné, intégrant différentes ressources d’auto-formation sur la thématique de la gestion et du partage des données de la recherche. Existantes ou créées dans le cadre du projet, ces ressources proposeront plusieurs parcours et modes d’apprentissage. La diversité des ressources et la complémentarité des modes et parcours devraient permettre de répondre aux attentes et usages des publics visés: chercheurs, enseignants-chercheurs, doctorants et professionnels de l’information des établissements d’enseignement supérieur et de recherche.

Le projet, soutenu financièrement par le Ministère, fait partie des actions de la Bibliothèque Scientifique Numérique (BSN). Il associe principalement le réseau des Urfist (Unités Régionales de Formation à l’Information Scientifique et Technique) et l’Inist-CNRS ainsi que des membres du segment 9 (“Formation, compétences et usages”) et 10 (“Données de la recherche”) de la BSN et des représentants de la communauté de l’enseignement supérieur et de la recherche.

Le groupe projet est composé de membres des services Formations et Valorisation des données de la recherche de l’Inist-CNRS et de l’Urfist de Nice, référent pour le réseau des Urfist dans ce projet. Deux ingénieurs pédagogiques sont recrutés spécifiquement pour le projet et sont basés respectivement sur le site de l’Inist à Nancy et à l’Urfist de Nice (rattachée et soutenue par l’Université de Nice Sophia-Antipolis).

Méthode

L’objectif global du projet, à savoir l’adoption des bonnes pratiques de gestion et de partage des données de la recherche par la communauté scientifique, se déclinera selon des actions ciblées et pourvues d’un agenda de réalisations.

Les thématiques prioritaires de formation seront identifiées à partir des problématiques élaborées par BSN10. Elles seront déclinées selon les publics (métiers et appartenances disciplinaires) et les modalités seront accordées à ces différents types de publics selon une vision globale. En particulier les professionnels de l’information seront amenés à être des relais de formation et l’un des résultats du projet sera de leur offrir une boîte à outils « formateur » comprenant des scénarios de formation adaptables en fonction de leur situation locale.

Le projet inclura des distanciels de différents types: tutoriels multimédias, classes virtuelles, webinaires, etc. afin de proposer des parcours diversifiés aux apprenants. Il prendra en compte dans la définition de ses actions aussi bien les sites d’information existants ou en cours d’élaboration que des formations en présentiel, en particulier celles réalisées par des partenaires. Ainsi par exemple le réseau des Urfist ou d’autres partenaires pourront programmer des formations en liaison avec les réalisations du projet.

Actions prioritaires

Le projet se déploie sur deux ans (2016 et 2017).

Les actions prioritaires pour la 1ère phase du chantier:

    • recensement des ressources informationnelles et pédagogiques existantes
    • actions visant à enrichir l’offre de formations en terme de contenus et de thématiques ; 3 thèmes prioritaires sont retenus pour cette 1ère phase:
      • Aide au dépôt des données : choix de l’entrepôt, métadonnées, licences, identifiants…
      • Enjeux et bénéfices de la gestion et du partage des données de la recherche
      • Données de la recherche : aspects juridiques et éthiques
    • actions visant à enrichir l’offre de formation en terme de formats et de modalités:
      • dissémination des classes Webex via le réseau des Urfist
      • expérimentations de productions à la volée à l’occasion de présentiels (formations, événements scientifiques, interviews)

Gouvernance et partenariats

Le Comité de Pilotage réunit les instances directement impliqués (CNRS (Dist et Inist), réseau des Urfist, BSN9 et BSN10).

Le groupe de travail réunit, outre les ingénieurs en charge du projet, des experts et des partenaires.

En particulier, trois types de partenariats sont envisagés:

1/ Les partenaires désireux de produire des distanciels sur la gestion et le partage des données de la recherche en liaison avec notre projet. Un partenariat actif permettrait d’organiser des complémentarités, de partager les compétences et d’éviter les redondances.

2/ Les partenaires qui réalisent ou prévoient de réaliser des formations en présentiel sur la gestion et le partage des données de la recherche. Le partenariat pourrait reposer sur un échange où le partenaire apporterait son contenu et l’équipe du projet développerait des distanciels liés à la formation du partenaire, utilisables par celui-ci.

3/ Les partenaires-relais et béta-testeurs qui seraient volontaires pour tester et diffuser les distanciels produits par le projet, éventuellement en les articulant avec des actions en présentiel.

Contacts pour les partenariats: Paolo Lai (Inist-CNRS), Michel Roland (Urfist, BSN9), Joanna Janik (Dist-CNRS, BSN9)

(logo non officiel. © F. & C. Garelli)

Journée d’étude « Données en partage : enjeux et acteurs des données de la recherche aujourd’hui », Toulouse, 15 juin 2015

L’URFIST de Toulouse, le Centre de Documentation de l’Observatoire Midi-Pyrénées et Médiad’Oc organisent le 15 juin prochain une journée d’étude sur les données de la recherche intitulée « Données en partage : enjeux et acteurs des données de la recherche aujourd’hui« .

Les vidéos issues de la journée d’étude sont accessible ici.

Cette journée se tiendra à Toulouse, dans les locaux de la Maison de la Recherche et de la Valorisation, sur le campus de Rangueil.

L’inscription, gratuite mais obligatoire, s’effectue sur Sygefor.

Pour tout renseignement complémentaire, vous pouvez nous contacter à l’adresse suivante : mediadoc-contact@univ-toulouse.fr

Impression

Télécharger le programme au format pdf

 

« Données » de la recherche, les mal-nommées

D’où tu parles ?

L’accès aux données de la recherche fait partie des dossiers d’actualité des bibliothèques universitaires françaises. A ce stade, la question est posée de manière générale ; et avec un effet positif : rappeler que globalement, la collectivité doit se soucier de garantir l’accessibilité aux productions intellectuelles de l’activité publique, et notamment de la recherche publique. Pour les publications, la question de l’accès n’a pas été posée d’emblée, et la communauté scientifique se trouve aujourd’hui dans l’impasse où l’a conduite l’emballement d’une machine commerciale folle : une partie des établissements dans lesquels travaillent les chercheurs n’a pas ou plus les moyens de se payer certaines revues, et l’autre partie se les paye en renonçant à d’autres achats qui contribuaient pourtant à maintenir une diversité éditoriale. Tous les maillons de la chaîne de diffusion des savoirs  y ont pris, souvent inconsciemment, une petite (ou grande) part : les auteurs, les éditeurs, les lecteurs, les relecteurs, les acheteurs, les vendeurs, les médiateurs, les financeurs… Et c’est bien parce que cette faillite est celle d’un système et non d’individus que l’open access peine à renverser la vapeur. Pour cette raison, même si les données de la recherche font figure de cerise sur le gâteau quand on a déjà du mal à généraliser le dépôt dans les archives ouvertes, il est quand même réjouissant d’entendre énoncé l’impératif d’accès aux données, et on peut espérer (suis-je naïve ?) que le mécanisme de publication dont nous subissons les effets pervers ne se réenclenche pas pour d’autres objets. Tout l’enjeu est de préserver le caractère public des données de la recherche publique, et d’éviter la privatisation de leur diffusion (à propos du positionnement des éditeurs scientifiques sur la question des données, voir entre autres l’aperçu synthétique que donne Odile Hologne, « Professionnels de l’IST et données de la recherche : des discours incantatoires aux actions concrètes », Documentaliste, 2013, 3, p.30-31).

Mais une fois passé le positionnement d’ensemble de la problématique, si on veut essayer d’agir très concrètement, et à notre modeste échelle, dans l’intérêt collectif, comment procéder ? Car jusqu’à présent, « données de la recherche » me semble être cette grande valise que me confie un voyageur bien sous tous rapports mais dont je n’ai pas vérifié le contenu. Bon sang mais qu’est ce qu’il y a dedans ? En l’entrebaillant je suis assaillie de questions, et je profite du carnet des Urfist pour les partager, en espérant en réponse vos avis, expériences et autres réflexions, de contrebande ou pas.

 

 Données de la recherche qui es-tu ?

A minima, on s’accorde implicitement sur l’idée suivante : quand on évoque « les données de la recherche », on désigne des chiffres, relevés, mesures, résultats d’expérience, réponses à des enquêtes, statistiques, comptages, et autres donnés quantitatives sur la base desquels va s’élaborer une hypothèse, et/ou qui serviront à infirmer ou valider cette hypothèse… bref essentiellement du quantitatif, que l’on pourra traiter, trier, exploiter, visualiser de manière homogène. La publication de telles données fait déjà partie, dans certaines disciplines du moins, des canons de la rédaction d’un article scientifique (par exemple, la partie « Materials and methods » dans les recommandations pour la rédaction d’articles dans des revues médicales).

Mais suivant les disciplines et les thèmes de recherche, les matériaux qui nourrissent une proposition scientifique varient considérablement : les « données » d’un linguiste peuvent des écrits ou des discours, des enregistrements de locuteurs ; les « données » d’un médiéviste sont des sources archivistiques, archéologiques, épigraphiques, iconographiques, littéraires ; les « données » d’un géologue rassemblent des coupes et observations de terrain consignées sur un carnet, des résultats de carottage, des analyses d’échantillons, des données sismographiques… Bref il n’y a pas, et loin de là, que des données quantitatives de même nature qui constitueraient des séries homogènes relativement faciles à manipuler, échanger et compiler.

La notion de données elle-même est à géométrie variable. Pour ce point je m’appuie sur le projet Ecrito, projet de recherche porté par Muriel Lefebvre avec l’Urfist de Toulouse sur la question des archives de chercheurs (http://ecrito.hypotheses.org/). L’enquête auprès d’un laboratoire de mécanique des fluides a montré que les données brutes issues des expériences étaient soumises à des modèles de validation, qui permettaient d’éliminer certains résultats non probants, les « fausses données » (sic) pour ne conserver que les « vraies données » (re-sic) : les données ici ne sont pas un matériau brut, mais le résultat d’une première opération scientifique, fruit d’une méthodologie propre à la discipline ; dans ce cas, le profane est incapable de définir les contours de la masse de données.

Parallèlement, l’absence de définition restrictive du terme « données » rend poreuse la frontière entre données et publications. Certains chercheurs par exemple revendiquent d’utiliser blogs et réseaux sociaux comme canal de publication, et de ne rédiger qu’ensuite, et pas systématiquement, un article soumis à des revues, article qui compte tenu des délais de publication paraîtra in fine entre 6 et 12 mois plus tard. Est-ce que les éléments originaux d’une proposition scientifique, diffusés et discutés par exemple sous forme lapidaire sur un réseau social, se rangent sous l’étiquette « données de la recherche » ? Ils ne sont pas un matériau brut, mais ils sont dépouillés de l’apparat conventionnel des formes éditoriales, sans autre validation que celle de l’auteur, et diffusés via des canaux que les institutions ne savent pas (encore) exploiter totalement. Comment faire en sorte de les prendre néanmoins en compte en tant que forme la plus rapide de divulgation d’un résultat, voire en tant que support d’une co-construction de savoir ?

 

Pour quoi faire ?

Il me semble qu’il n’y a que trois raisons qui justifient le souci de conserver et transmettre cette masse protéiforme de données :

  1. Une raison d’ordre socio-économique : la mise en place de certaines expériences ou enquêtes coûte cher ; communiquer leurs résultats pour les rendre exploitables par d’autres chercheurs est un moyen de les rentabiliser. Et plus largement, dans une optique citoyenne, on peut considérer que les données produites par une recherche financée par des fonds publics doivent rester à la disposition de la communauté scientifique pour être exploités au mieux.
  2. Une raison plus épistémologique : la diffusion des données sur lesquelles s’appuie la formulation d’une hypothèse est un gage de scientificité ; publier ses données, c’est aussi soumettre son interprétation et ses conclusions à la communauté, ce qui vaut implicitement validation par les pairs (ou mise au pilori). Il est à noter que l’unanimité n’est pas acquise sur ce point. D’abord parce que cette forme d’exposition peut être parfois ressentie comme une mise en danger, porteuse de polémiques potentielles sur des choix de traitement et d’interprétation. Ensuite parce qu’elle se heurte à des objections d’ordre méthodologique ; en sociologie ou en anthropologie par exemple, qui s’appuient beaucoup sur des enquêtes de terrain, certains chercheurs expriment de fortes réserves quant aux réelles possibilités de réexploitation d’enquêtes qualitatives ; selon eux, l’interaction entre enquêteur et enquêtés est telle dans ce type d’études que les résultats n’en sont pas réutilisables hors contexte. Ces freins renvoient au fond aux mécanismes à l’œuvre dans la controverse scientifique, puisque les données font partie des clés qui ouvrent la « boîte noire » de la recherche.
  3. Une raison patrimoniale : conserver la trace de la totalité d’un processus de recherche, de la collecte des données à la publication du résultat, est un moyen de transmettre à terme la culture scientifique et de contribuer à une forme d’histoire de la recherche.

 

Pour quel public ?

Si l’on part des objectifs définis ci-dessus, on peut en déduire deux grandes catégories :

  1. Des données qui doivent être réexploitables par de nouveaux programmes de recherche : cela implique de les restituer prioritairement sous des formes et formats conformes aux méthodes et outils dont les chercheurs se servent ; cela peut parfois différer des standards canoniques de conservation ; et cela suppose une activité proche de la curation de données, qui se pratique déjà au sein de nombre de laboratoires. Mais se placer dans la perspective d’une réutilisation ultérieure des données, cela implique aussi de documenter de manière très précise la manière dont ces données ont été constituées, les conditions de l’expérience ou de l’enquête… bref toute information scientifique qui permet, sur le plan épistémologique, de les réutiliser ; et d’indiquer aussi toutes les spécifications techniques ou juridiques qui conditionnent leur exploitation ; c’est-à-dire de créer des métadonnées qui fournissent toutes les informations nécessaires. De plus, pour que des données soient scientifiquement réutilisables à long terme de manière fiable, il faut pouvoir garantir leur intégrité, donc recourir à des infrastructures de type « coffre-fort » électronique qui permettent d’authentifier et de sécuriser les données, sans risque d’altération. On se rapproche de démarches de type archivistique :  travailler avec un producteur d’information pour analyser et consigner son organisation et ses procédures, contextualiser les documents recueillis dans ce cadre, organiser la conservation et l’accessibilité de corpus de données…
  2.  Des données qui s’insèrent dans un ensemble documentaire (archives, publications) pour témoigner de la manière dont s’est opéré le travail scientifique, et pour en témoigner à l’ensemble de la société et non uniquement à la communauté scientifique : ici la notion de médiation est essentielle, car ce sont moins les données elles-mêmes qui comptent que la manière dont elles ont été produites et exploitées dans un processus de recherche, les publications auxquelles elles ont donné lieu, etc. On se situe davantage dans une approche de vulgarisation, avec une forme d’éditorialisation des informations que l’on veut transmettre. Ici, ce qui importe, c’est aussi de maintenir un lien entre des objets que les cloisonnements institutionnels séparent souvent : des archives (dossiers techniques, documents « administratifs », notes, carnets, projets, papiers de recherche, fichiers divers…), des données sous diverses formes (bases, corpus d’images, tables…), des articles et autres publications, des objets (instruments, prototypes, maquettes…), bref tout autant de jalons d’une même chaîne de recherche.

 

Mettre à disposition sous quelle forme ?

Il existe déjà des exemples de mise à disposition organisée des données. Les chercheurs en ont bien sûr été les premiers promoteurs ; les banques de données en génétique et bio-informatique en sont les exemples les plus connus. A côté de ces communautés d’utilisateurs très structurées, il y a aussi place pour des initiatives de mutualisation très diverses : partage de workflows et d’expériences (par exemple MyExperiment, la plateforme portée par les universités de Manchester et Southampton : http://www.myexperiment.org), partage de toutes formes de graphes, schémas, figures, images (y compris ceux d’expériences négatives sur un site comme figshare : http://figshare.com)

Une constante pour ces diverses initiatives : elles fonctionnent par et pour un réseau disciplinaire qui ne se limite pas aux frontières d’un inter-établissement ; il y a un caractère inter-académique inhérent au travail de recherche. A propos des archives ouverte, on a observé aussi un ancrage de départ fortement disciplinaire, lié à la dimension personnelle et militante du choix de cette forme de dépôt ; le développement de l’open access étant passé par une institutionnalisation, on a assisté au développement d’archives ouvertes propres à un établissement, qui répondent à une préoccupation nouvelle : faire connaître la production scientifique de l’établissement ; l’interopérabilité permet d’éviter l’écueil de la dispersion et garantit une accessibilité globale, quels que soient les serveurs sur lesquels on dépose ses publication. Il est néanmoins intéressant de constater que les grands réservoirs disciplinaires comme Arxiv ne disparaissent pas pour autant et continuent d’apparaître comme un lieu « naturel » de dépôt. Cette dimension trans-institutionnelle est tout aussi forte pour les données de la recherche : si l’établissement est le premier lieu de sensibilisation et de formation, l’intérêt de diffuser des données de recherche est bien de toucher une communauté internationale regroupée autour d’un domaine de recherche. Pour cette raison, il me semble qu’un dispositif de collecte et d’accès à des données de recherche ne peut se mettre efficacement en place que sous une forme mutualisée, adossée à un réseau de chercheurs. Car il ne s’agit pas simplement de rendre accessibles les données existantes à l’instant T, mais d’envisager aussi l’alimentation du système au fur et à mesure de la production de nouvelles données, et son évolution par l’intégration de précisons, corrections, annotations partagées…

La question de la forme sous laquelle on rend les données accessibles convoque aussi la figure tutélaire (ces temps-ci du moins) du web sémantique : web of data, linked data, open data, big data, patata. Sur une toile idéale, je n’aurais qu’à tirer le fil d’Ariane. Mais il y a la réalité aussi, qui nous dit que fabriquer du vrai web sémantique, c’est lourd parce que ça signifie tout « traduire » en rdf. Pas folles les nombreuses institutions qui mettent en ligne des fichiers excel ou autre format avec l’étiquette « ouverture des données ». C’est un bon moyen de publier rapidement. En revanche, cela ne permettra pas l’agrégation automatique ni le lien vers d’autres données ; et cela rendra très difficile l’exploitation des métadonnées (quand elles existent…) spécifiant les conditions de constitution du corpus de données. Je ne sais pas trop vers quoi nous devons essayer de porter notre effort : vers un vrai passage des données aux formats du web sémantique, qui ouvre des possibilités d’échange et de traitement fantastiques ; ou vers une mise en ligne beaucoup plus rustique, qui peut s’opérer à moindre frais et plus rapidement ? Il me semble que seule la première branche de l’alternative rendrait à terme de vrais services à la communauté et autoriserait une réexploitation complète des données ; mais est-ce que le mieux risque en l’occurrence d’être l’ennemi du bien ?

 

Libres de droits ?

On entend souvent dire que « les données de la recherche sont libres de droit ». C’est pratique mais je ne suis pas sûre hélas que ça tienne la route sur toute la distance. Il y a un cadre juridique pour les « données du secteur public », cadre juridique qui évolue d’ailleurs au fur et à mesure des directives européennes (voir http://www.etalab.gouv.fr pour l’avancée de l’idée de « gouvernement ouvert »). Mais si l’on s’intéresse à tout le spectre des « données de la recherche », il est difficile de postuler une liberté de droits complète. Dans le matériau que brassent la recherche, il y a certes des mesures, relevés, observations etc. qui sont bien des « données du secteur public » ; mais pas que… Quelques exemples :

  • En philologie, pour l’établissement d’un texte ancien, les « données de la recherche » sont les enseignements fournis par les divers manuscrits ou éditions : variantes textuelles et codicologiques, dont l’établissement est en soi un travail de recherche. Or dans un tel processus, on peut à plusieurs étapes se retrouver confronté à des questions de droit : les manuscrits étudiés peuvent être détenus par un organisme qui n’autorise pas, ou qui commercialise, leur reproduction ; le travail intermédiaire de lecture, de relevé des variantes et d’analyse est un travail auquel s’applique le droit d’auteur ; et l’édition finale, établie à partir d’une comparaison de diverses versions et d’hypothèses génétiques, est souvent publiée sous le régime privé des contrats d’édition.
  • En sociologie, anthropologie ou histoire contemporaine, le matériau de base de certaines recherches est une campagne d’entretiens et d’observations enregistrés ou filmés. La trame de l’entretien est un travail du chercheur ou de l’équipe de recherche. Le contenu recueilli est en revanche l’oeuvre des interviewés, soumis à leur autorisation pour toute diffusion.
  • En histoire de l’art ou histoire culturelle, certains travaux se fondent sur le repérage et la constitution d’un corpus de sources iconographiques, sur lesquelles peuvent coexister plusieurs droits (celui de l’auteur de l’œuvre originale si elle n’est pas dans le domaine public, celui de l’auteur de la prise de vue ou de la reproduction, celui de l’agence ou de l’institution gestionnaire des droits photo, etc)

On est loin d’épuiser la totalité des cas de figure. Ces exemples ont pour but de montrer que, suivant ce qu’on qualifie de données de la recherche, on peut avoir à appliquer diverses strates juridiques. C’est pourquoi il serait peut-être plus simple de dissocier quand c’est possible la question du droit d’auteur de celle de l’open access : en effet, mettre en libre accès des documents ou des données, ce n’est pas supprimer le droit d’auteur qui les protège ; c’est simplement empêcher qu’il y ait une exclusivité de leur exploitation. Ainsi un auteur qui publie son travail sur une plateforme open access conserve bien sûr sa qualité d’auteur et les droits moraux qui y sont attachés ; il conserve aussi le droit, s’il le souhaite, de gérer lui-même toute forme de reproduction ou de représentation ultérieure de son article (exploitation publique, adaptation, traduction…) ; il peut aussi publier son article dans une revue et céder à l’éditeur les droits d’exploitation sur la forme publiée par la revue ; en revanche il ne peut vis-à-vis de cet éditeur s’engager sur le caractère inédit de son article, pas plus que céder tous les droits patrimoniaux de manière exclusive. C’est dans cet ordre d’idées que certains bailleurs de fonds ou institutions exigent la publication en open access des productions issues de programmes de recherche qu’ils ont portés ou financés.

 

Peut-on conclure ?

A supposer que vous ayez lu jusque là, oui, je me dépêche.

La transmission de ces données est indissociable des usages et des besoins des chercheurs, et ne peut être assurée qu’avec eux. Mais justement pour cette raison, de vraies questions à travers ce sujet sont posées aux bibliothèques et plus largement aux professionnels de l’information :

  1. Quelle place désormais pour l’article ? La forme réputée reine de la publication est un peu bousculée, à la fois par la diminution de la part de contenu original (beaucoup d’articles de type « état de l’art » ou de reprises de publications antérieures), par l’émergence de nouveaux canaux de diffusion (réseaux sociaux scientifiques, blogs…), et par la prise en compte croissante d’autres productions (rapports, documents techniques…). Or beaucoup de modèles reposent sur une distinction nette entre publication et reste de l’activité scientifique, la répartition entre bibliothèques et archives ou les modalités d’évaluation, pour ne citer que quelques broutilles. L’évolution des contours de la publication remet ces modèles en question, même si c’est à la marge (il faut bien commencer).
  2. Mieux prendre en compte l’ensemble des productions de la recherche : limitée à une partie seulement des publications, et qui plus est une partie qui ne constitue plus à coup sûr le premier lieu de diffusion de la recherche comme on vient de le dire, l’actuelle bibliométrie perd de sa légitimité. Notre rôle pourrait être aussi de faire valoir l’argument suivant : les articles ne présentent qu’une part limitative, à la fois « lissée » et peu réexploitable, de l’activité de recherche ; prendre en compte la totalité de l’activité scientifique suppose de s’intéresser à la totalité des productions (rapports, cours, papiers de recherche, mémoires…).
  3. Penser l’ensemble des productions documentaires de la recherche : données, notes, carnets, échanges, brouillons, articles. La totalité de ces formes est englobée sous l’appellation « archives » (= tous les documents produits ou reçus dans l’exercice d’une activité). Archivistes et bibliothécaires ont beaucoup à apprendre les uns des autres, pour assurer la cohésion de cette chaîne de production. Et idéalement, leur travail devrait aussi s’articuler avec celui des services chargés de la conservation du patrimoine scientifique matériel ou immatériel (objets et instruments, histoire et anthropologie des sciences).
  4. Comprendre les méthodes et les besoins des chercheurs : avec la question de la documentation électronique, les bibliothèques se sont positionnées sur des questions techniques, administratives et juridiques liées à l’acquisition et à la mise en œuvre des accès ; elles ne sont pas rentrées dans les contenus. Concernant les données de la recherche en revanche, les questions d’acquisition, d’accès et d’exploitation sont indissociables des impératifs scientifiques et ne peuvent être envisagés qu’avec la communauté des chercheurs. Le cadre de l’établissement n’est pas forcément pertinent, pas plus que les standards documentaires traditionnels. Entre recherche et documentation, il y a un espace à investir pour les bibliothécaires et les chercheurs qui ont envie de travailler ensemble à la diffusion des données.
  5. Et last but not least, à travers nos actions de formation ou d’autres initiatives, faire prendre conscience à la communauté scientifique que ce qu’elle produit est un bien collectif, qu’il faut conserver et diffuser dans un cadre public, et que les données de la recherche en font partie.