Données de la recherche
Cette page a pour objectif de vous sensibiliser aux enjeux de l’Open Science et de vous présenter les bonnes pratiques de gestion et de valorisation des données de la recherche, à l’instar de ce que nous faisons depuis de nombreuses années en faveur du libre accès à vos publications.

Des données, quelles données ?

La définition la plus communément utilisée pour définir les données de la recherche (ou data research) est celle de l’OCDE (2007) :
« Enregistrements factuels (chiffres, textes, images, sons) utilisés comme source principale pour la recherche scientifique et généralement reconnus par la communauté scientifique comme nécessaires pour valider les résultats de la recherche. Un ensemble de données de recherche constitue une représentation systématique et partielle du sujet faisant l’objet de la recherche ».    
 
Les données de la recherche peuvent revêtir des formes différentes (données chiffrées, texte, son, image, questionnaire d’enquête, logiciel…) et elles peuvent provenir de sources différentes impliquant un mode d’archivage différent ; on distingue alors 4 types de données :

  • les données d’observation comme des relevés de température ou de précipitations, les données de télédétection, les photos d’un événement ou encore les données d’enquêtes. Elles sont uniques et impossibles à reproduire d’où la nécessité de les conserver indéfiniment.
  • les données expérimentales comme celles générées par un équipement en laboratoire ou les mesures de performance d’une machine. Ces données sont supposées être reproductibles mais il peut être difficile de reproduire les mêmes conditions de l’expérience ou reproduire la manipulation peut être tellement coûteux que cela en devient prohibitif. Par conséquent, il est recommandé d’archiver avec soin les données recueillies dans de telles situations.
  • les données de simulation numérique produites par des logiciels comme pour des modèles climatiques ou économiques. Ces données sont reproductibles et s’il n’est pas nécessaire d’archiver toutes les données ainsi produites, il est en revanche indispensable de décrire le modèle, le logiciel associé et d’en archiver toutes les informations qui permettront sa ré-exploitation.
  • les données dérivées ou compilées comme celles obtenues par de la fouille de textes ou de données d’une base. Il s’agit de données brutes qui ont fait l’objet de traitements et d’analyses successifs. Il est fortement recommandé de les archiver avec soin. 

Cycle de vie des données


CC-BY INIST-CNRS

En conséquence, un jeu de données (ou dataset) peut alors être défini comme l’agrégation, sous une forme lisible, de données brutes ou dérivées présentant une certaine « unité » (Gaillard R., 2014). Enfin toutes les étapes de la création à la réutilisation des données, en passant par leur traitement, leur analyse, leur conservation et leur mise à disposition constituent le cycle de vie des données.
 
Pour 2017, le Pôle IST s’est fixé l’objectif de soutenir les chercheurs dans la mise en place d’une gestion raisonnée des données produites dans le cadre d’un projet de recherche et de les guider pour un partage et une valorisation optimale.

Pourquoi gérer et partager ses données ?

Il existe un grand nombre de bonnes raisons de publier ses données :

Disponibilité des données


© Nature

  • RÉPLICABILITÉ - permettre la reproduction et la validation des résultats et ainsi améliorer la qualité de la science,
  • UTILISATION CITOYENNE DES FONDS PUBLICS - éviter de refaire ce qui a déjà été validé,
  • PRESERVATION - pour retrouver facilement les données (parfois même les siennes) ; on connaît tous des histoires de données perdues car stockées sur une clé USB inondée de café ou abandonnée dans un carton lors d’un déménagement. Ce problème de négligence vis-à-vis des données est soulevé depuis longtemps dans le milieu académique mais tous les chercheurs n’en sont pas encore conscients ou ne savent pas comment y remédier. Une étude a montré en 2013 que la disponibilité des données d’articles scientifiques diminuait de façon vertigineuse au fil du temps jusqu’à atteindre seulement 20% pour les articles publiés il y a 20 ans.  A noter que le dataset pour cette étude est disponible via l’entrepôt Dryad.
  • INNOVATION - pour permettre la création de nouvelles connaissances,
  • COLLABORATION - pour déclencher des collaborations,
  • VALORISATION - pour augmenter sa visibilité, pour étayer une demande de financement, son CV. Une étude a montré que le nombre de citations d’un papier augmentait si les données associées étaient disponibles. Par ailleurs, le COMETS du CNRS a émis la préconisation suivante en 2015 : « Le travail de mise à disposition de données utilisables à partir de données brutes doit être reconnu dans l'évaluation et les décisions de promotion des personnels qui s’y impliquent. »

Pour s’inscrire dans cette démarche de Science Ouverte, de plus en plus d’éditeurs et de financeurs exigent la publication des données qui accompagnent notamment une publication.

De nombreuses revues ont désormais une politique de données qu’on trouve dans leurs pages Data Policy ; cela concerne les données qui pourraient servir de preuve à la démonstration scientifique présentée dans un article. Certains éditeurs préconisent voire imposent un ou plusieurs entrepôts pour y déposer les données (exemple : groupe Springer Nature, Geoscience Data Journal).

Pour ce qui concerne les financeurs, l’exigence de l’Union Européenne portait déjà sur le fait que les articles scientifiques (peer-reviewed) produits dans le cadre de projets qu’elle finance devaient être rendus gratuitement et librement accessibles. Depuis 2017, le contrat implique par défaut que les données de la recherche liées à ces publications doivent aussi être partagées. Mais la décision de partager dépend entièrement des bénéficiaires du financement ; en effet toutes les données ne peuvent pas être mises en libre accès et il reste possible de se désengager totalement ou partiellement de cette obligation (opt-out) sous certaines conditions (ré-exploitation industrielle envisagée, confidentialité, danger à publier les données, …). La philosophie de l’UE sur ce point repose en une phrase :

« As open as possible, as closed as necessary »


© European Union, 2016

De nombreux pays ont défini une politique de partage des données, comme par exemple les Etats-Unis via la National Science Foundation, le Royaume-Uni avec les recommandations des Research Councils, l'Allemagne, les Pays-Bas ou tout récemment la Suisse. Le G8 des Ministres de la Recherche s’est également engagé en faveur d’une Science Ouverte intégrant la mise à disposition des données.

En France, si l’ANR encourage au partage, c’est aussi le cadre réglementaire et législatif qui peut conduire le chercheur à la mise en ligne de ses données. Dès 1978, la loi CADA stipulait que les administrations ne pouvaient pas s’opposer à la réutilisation de leurs données (sans pour autant les contraindre à les partager de façon pro-active), mais l’ESR n’était pas concerné. Cette exception a été levée en 2015 avec la loi Valter relative à la gratuité et aux modalités de réutilisation des informations du secteur public. Par ailleurs, le Code de la recherche (article L112-1) indique qu’un des objectifs de la recherche publique est « l'organisation de l'accès libre aux données scientifiques » et la directive européenne INSPIRE impose aux autorités publiques de rendre accessibles les données géographiques qu’elles détiennent.

À cela s’ajoute désormais depuis octobre 2016 la Loi pour une République Numérique, dite Loi Lemaire, dont nous avons parlé dans la Newsletter IST n°12. Cette loi n’indique pas explicitement que la publication en ligne des données de la recherche est obligatoire, mais certains juristes l’interprètent dans ce sens notamment si on considère que les données issues d’une activité de recherche sont à considérer comme des documents administratifs, dans le sens juridique du terme.

Métaphore des données et du gâteau

© EpicGraphic

Ce qui est en revanche très clair c’est que, dans l’objectif d’éviter la captation par les éditeurs des données produites dans le cadre de la recherche publique, la loi prévoit que la réutilisation de ces données soit libre (à condition qu’elles ne soient pas protégées par un droit spécifique), dès que celles-ci ont été rendues publiques par le chercheur. En conséquence, elles pourront être utilisées librement même à des fins commerciales.

Dans ce contexte juridique complexe, il faut retenir que si une association, une entreprise ou n’importe quel individu en France ou à l’étranger a connaissance de l’existence d’un jeu de données non publiés, il lui sera possible d’en faire la demande (loi CADA) et, sauf exceptions, l’établissement concerné sera dans l’obligation de fournir les données, de les mettre en ligne et de les garder à jour, et ce dans un format ouvert et librement réutilisable.

Il existe bien entendu de nombreuses exceptions (secret défense, données personnelles, données de santé, données provenant d’un tiers privé, etc…) et par ailleurs, il est important de noter que l’on parle ici en termes juridiques de “documents administratifs achevés” et que les données non validées de carnets de laboratoires ne sont donc pas concernées. Mais toutes les autres données peuvent faire l’objet d’une valorisation. Les codes sources sont des documents administratifs comme les autres et à condition qu’ils ne contiennent pas des éléments de codes tiers et sous réserve que leur publication ne porte pas atteinte à la sécurité du système d’information de l’établissement, ils peuvent faire aussi l’objet d’une demande de communication.

Aller lire l'article "Comment gérer et partager ses données ?"


Le Pôle IST se forme et s’informe tous les jours sur ce sujet mais des informations et des habitudes doivent aussi exister dans votre communauté. N’hésitez pas à nous solliciter pour que l’on définisse ensemble à quels niveaux nous pouvons être un soutien pour vous.

Vous le savez, nous aimons les défis !!
We are data librarians !


Télécharger le poster réalisé conjointement par l'Ecole des Ponts et l'UPEM à l'occasion de l'Open Access Week 2016
(attention, fichier PDF un peu lourd...)