Edc 8604

Études de communication
langages, information, médiations

52 | 2019
Libre accès et données de la recherche. Quelle
résonance dans les SIC ?
Les entrepôts de données en sciences de

l’information et de la communication (SIC). Une
étude empirique
Data Repositories in Information and Communication Sciences. An Empirical
Study
Hélène Prost et Joachim Schöpfel
Édition électronique
URL : http://journals.openedition.org/edc/8604
DOI : 10.4000/edc.8604
ISSN : 2101-0366
Éditeur
Université de Lille
Édition imprimée
Date de publication : 1 juin 2019
Pagination : 71-98
ISBN : 978-2-917562-21-5
ISSN : 1270-6841
Référence électronique
Hélène Prost et Joachim Schöpfel, « Les entrepôts de données en sciences de l’information et de la
communication (SIC). Une étude empirique », Études de communication [En ligne], 52 | 2019, mis en
ligne le 01 janvier 2021, consulté le 21 janvier 2021. URL : http://journals.openedition.org/edc/8604 ;
DOI : https://doi.org/10.4000/edc.8604
© Tous droits réservés

71
Les entrepôts de données en sciences

de l’information et de la communication
(SIC). Une étude empirique
Data Repositories in Information
and Communication Sciences.
An Empirical Study
Hélène Prost
CNRS, EA 4073 – GERiiCO, F-59000 Lille, France

[email protected]
Joachim Schöpfel
Univ. Lille, EA 4073 – GERiiCO, F-59000 Lille, France

[email protected]
72
Résumé / Abstract
Pour alimenter le débat au sein This article offers a contribution

de la communauté des sciences de to the ongoing debate within the Infor-
l’information de la communication mation and Communication Sciences
et accompagner l’émergence de la community concerning the emergence
science ouverte, l’article présente of Open science. We present the results
les résultats d’une étude empirique of an empirical study on digital devices
sur les dispositifs numériques mis en implemented by and for researchers
place par et pour les chercheurs en in Information and Communication
SIC dans le domaine de la gestion des Sciences in the field of research data
données de recherche. Quels sont les management. What are the thematic
entrepôts thématiques et disciplinaires and disciplinary data repositories in
des SIC, et quels sont les services gé- this discipline, and what are the ge-
nériques d’accueil et de diffusion des neric repositories for the preservation
données de recherche à disposition and dissemination of research data?
des SIC ? Après une analyse concep- After a conceptual analysis of research
tuelle des données de recherche et data and warehouses, the article pres-
des entrepôts, l’article présente les ents the results of an empirical study
résultats d’une étude empirique à based on the Cat-OPIDoR and re3data
partir des répertoires Cat-OPIDoR et directories, with information about their
re3data, en particulier leurs contenus, contents, metadata, disciplinary dimen-
métadonnées, dimensions discipli- sions and geographic location. The
naires et localisation géographique. discussion focuses on three aspects:
La discussion porte sur trois aspects : certification and standardization; the
la certification et la normalisation ; la issue of management, archiving and/or
question de la gestion, de l’archivage dissemination of data; and the impact
et/ou la diffusion des données ; et l’im- of data management on the disciplinary
pact de la gestion des données sur community. By way of conclusion, the
la communauté des SIC. En guise de article offers some recommendations
conclusion, l’article propose quelques for the positioning of Information and
recommandations pour le positionne- Communication Sciences and for fu-
ment des SIC et quelques pistes pour ture research.
des recherches futures.
Keywords: research data, data
Mots-clés : données de re- repositories, open science, open ac-
cherche, entrepôts de données, cess, information and communication
science ouverte, libre accès, sciences sciences.
de l’information et de la communica-
tion.
73
1.
Un triple enjeu pour les SIC
Dans la continuité des chantiers engagés pour la transformation numé-

rique de l’État, le gouvernement français met en place une action publique
plus transparente et plus collaborative. Le Plan d’action 2018-2020 (Etalab,
2018) d’avril 2018 énumère différents engagements, parmi lesquels figure la
construction d’un écosystème de la science ouverte, porté par le Ministère de
Les entrepôts de données en sciences de l’information et de la communication (SIC). Une étude empirique
l’Enseignement Supérieur, de la Recherche et de l’Innovation (MESRI). Outre
l’abandon du système des abonnements et le développement du Text & Data
Mining (TDM), le Plan d’action préconise à partir de 2019 la « généralisation
progressive, via un accompagnement, de la mise en place de plans de gestion
Data Repositories in Information and Communication Sciences. An Empirical Study

des données dans les appels à projets de recherche, et l’incitation à une ou-
verture des données produites par les programmes financés » (Etalab, 2018).
La science ouverte figure désormais parmi les priorités de l’État français

qui soutient « la mise en œuvre des principes du gouvernement ouvert pour
renforcer [...] l’accès aux matériaux et résultats de la recherche ». Dans cet
écosystème émergent de la science ouverte, la science sera « plus cumulative,
plus fortement étayée par des données, plus transparente, plus intègre, plus
rapide et d’accès plus universel (et qui) induit une démocratisation de l’accès
aux savoirs, utile à la recherche, à la formation, à la société » (Etalab, 2018). Le
Plan d’action ne définit pas clairement la science ouverte (open science) mais
ce terme désigne généralement plusieurs dimensions du travail scientifique,
dont l’accès libre aux publications, le partage des données de recherche, une
évaluation plus transparente (y compris pour le peer review) et des ressources
éducatives libres.
Le Plan national pour la science ouverte du MESRI présenté en juillet 2018

traduit cet engagement en 9 mesures et 27 actions, réparties sur trois axes
prioritaires, dont la structuration et l’ouverture des données de recherche1
(cf. figure 1). En tête des mesures figure l’obligation de la diffusion ouverte des
données de recherche issues de programmes financés par appels à projets
sur fonds publics. Par rapport aux dispositifs et infrastructures, le Plan prévoit
trois actions :
- développer des centres de données thématiques et disciplinaires ;

- développer un service générique d’accueil et de diffusion des données
simples ;
- engager un processus de certification des infrastructures de données.
1 MESRI (2018). Plan national pour la science ouverte. Ministère de l’Enseigne-

ment Supérieur, de la Recherche et de l’Innovation, Paris. Disponible sur
http://www.enseignementsup-recherche.gouv.fr/cid132529/le-plan-national-
pour-la-science-ouverte-les-resultats-de-la-recherche-scientifique-ouverts-
a-tous-sans-entrave-sans-delai-sans-paiement.html (page consultée le 27
février 2019).
74
Figure 1 : Les deux plans français en faveur de la science ouverte
La situation évolue rapidement. Fin 2018, le Ministère a mis en place un

Comité pour la Science Ouverte (CoSO)2 pour coordonner la mise en œuvre
de cette politique d’ouverture. Début décembre, le nouveau comité a organisé
la première journée annuelle du groupe français de la Research Data Alliance 3,

et son Collège Données a fait des recommandations concernant la gestion des
données dans les projets de l’Agence Nationale de la Recherche ; le Collège
travaille aussi sur l’accompagnement des politiques institutionnelles, sur les
pratiques et la gouvernance des données et sur le recensement des services
de données. Le groupe s’intéresse également à la question des entrepôts et
pilote la fédération des usagers français de Dataverse4, un logiciel open source
développé à l’Université de Harvard pour le partage, la citation, l’analyse et la
préservation de données de recherche.
Pour les Sciences de l’Information et de la Communication (SIC), cette

nouvelle politique d’ouverture des données de recherche présente un triple
enjeu :
1. un enjeu conceptuel : malgré un nombre toujours plus grands d’articles

et de communications sur les données de recherche, leur définition pré-
cise comme ressources et résultats de la recherche reste incertaine. De
même, les nouveaux services de données et notamment les entrepôts
échappent à ce jour globalement à l’analyse des dispositifs d’information,
aussi bien par rapport à leurs fonctions que par rapport aux besoins,
usages et compétences en matière de données de recherche. Quel forme
de « data literacy » pour ces dispositifs ? Quel impact sur les pratiques
des professionnels et chercheurs ?
2 https://forum.ouvrirlascience.fr/.
3 https://www.rd-alliance.org/groups/rda-france.
4 Dont l’INRA, le CIRAD et Sciences Po Paris.
75
2. un enjeu méthodologique : pour l’accompagnement scientifique de

la mise en œuvre de son plan d’ouverture, le Ministère soutient l’évalua-
tion des différentes initiatives et l’élaboration d’indicateurs pour le suivi
(monitoring) à plus long terme. Avec leurs compétences et approches
qualitatives et quantitatives, notamment dans le domaine de la scien-
tométrie, les SIC sont attendues dans ce domaine ;
3. un enjeu communautaire : une communauté scientifique se définit
par ses valeurs, concepts, pratiques et outils. Comment les SIC se po-
sitionnent-elles par rapport aux données de recherche ? Quelles sont
leurs pratiques en matière de gestion ? De quels outils disposent-elles ?
Quelle est leur stratégie par rapport à la politique de l’ouverture et du
partage des données de recherche ?

Afin d’alimenter le débat au sein de la communauté des SIC et d’accom-
pagner l’émergence de la science ouverte, cet article présente les résultats
d’une étude empirique sur les dispositifs numériques mis en place par et pour
les chercheurs en SIC dans le domaine de la gestion des données de recherche.
Pour utiliser les termes du Ministère, quels sont les « entrepôts thématiques et
disciplinaires » des SIC, et quels sont les « services génériques d’accueil et de
diffusion » des « données simples » à disposition des SIC ? Nous proposerons
d’abord une approche scientifique des données de recherche et des entrepôts.
Ensuite, après la présentation des résultats de notre étude, nous discuterons
notamment trois aspects : la certification et la normalisation ; la question de
la gestion, de l’archivage et/ou la diffusion des données ; et l’impact de la
gestion des données sur la communauté des SIC, avec quelques pistes pour
des recherches futures.
2.
Les données de recherche
comme objet scientifique
Des résultats d’enquêtes, des transcriptions d’entretiens, des corpus de

texte, des analyses statistiques, des images ou des photographies, des gra-
phiques ou des tableaux : les données de recherche se caractérisent par leur
diversité, leur volume et leur production et mise à jour continue. Que ce soient
des données sources (primaires) ou des données élaborées (secondaires), les
données de recherche « sont utilisées comme sources principales pour la re-
cherche et sont reconnues par la communauté scientifique comme nécessaires
à la validation des résultats de la recherche » (OCDE, 2007). Mais leur définition
pose problème, et il paraît difficile de s’accorder sur une seule définition, sauf
à constater à un niveau très général, à l’instar de Chignard (2012), que « tout
est donnée », « un fait brut, qui n’est pas – encore – interprété », un matériel
que l’on peut (doit) manipuler, traiter, analyser et interpréter. Le concept de
la « valeur potentielle » se retrouve chez Borgman (2015) qui définit les don-
76
nées de recherche comme « inputs, outputs, and assets of scholarship ». Les

données comme « capital » ou « biens » de la recherche, à exploiter, analyser,
travailler pour en révéler ou extraire une valeur scientifique sous forme d’une
information ou d’un savoir.
Nous avons identifié ailleurs (Schöpfel et al., 2017) quatre dimensions du

concept de la donnée de recherche, à savoir :
- l’enregistrement (fixation sur support) ;

- la nature factuelle (réelle ou supposée) ;
- le lien avec la communauté scientifique ;
- la finalité (fonction).
Notre approche multidimensionnelle établit un lien entre données et

chercheurs, au sens d’un minimum de pratiques, valeurs, méthodes, outils
et concepts partagés ; une donnée est ce qui est acceptée par un groupe de
chercheur (« communauté ») comme telle (consensus). Le lien avec la commu-
nauté peut être fondé par un cadre conceptuel, une thématique ou discipline ;
souvent il s’appuiera sur un instrument, une procédure ou une méthodologie.
Cette relation peut-être assez complexe dans un environnement multi-, inter- ou

transdisciplinaire ; ce qui constitue des données est déterminé par une com-
munauté d’intérêts qui les produit. Cependant, un enquêteur peut faire partie
de multiples communautés d’intérêts qui se chevauchent, chacune pouvant
avoir une notion différente de ce que sont des données (Koltay, 2016).
Un autre trait caractéristique est la dimension fonctionnelle, le rôle des

données dans le processus de recherche, en particulier pour la validation des
hypothèses et résultats. Ce lien entre « un ensemble d’informations factuelles
enregistrées sur des supports » et leur production ou collecte « selon divers
procédés au cours d’un processus de recherche » (Reymonet, 2017) a été
conceptualisé sous forme d’un « cycle de vie » de la donnée de recherche (Pain,
2016), en soulignant la nature dynamique de cet objet « complexe, dynamique,
vivant » dont les caractéristiques évoluent « selon l’étape du processus de
recherche auquel on s’intéresse » (André, 2015). La relation avec le contexte
du travail scientifique est essentielle pour définir les données de recherche.
Cette relativité conceptuelle rend l’évaluation des données difficile ; en fait, les
systèmes d’information recherche n’évaluent que la gestion des données (leur
description, préservation, diffusion, etc.), mais pas les données elles-mêmes, ni
leur volume, ni leur qualité, ni leur pertinence ou valeur (Schöpfel et al., 2016).
À ceci s’ajoute une très grande diversité qui a fait l’objet de nombreuses
typologies, hiérarchies et modèles. À partir d’une analyse des finalités et
procédures de la génération des données de recherche, le Research Informa-
tion Network (RIN, 2008) a établi cinq larges catégories transversales :
- données d’observation ;
- données d’expérimentation ;
77
- données de simulation ;
- données dérivées ;
- données de référence.
Pour des besoins d’acquisition et de collection, Matthews et al. (2002) ont

modélisé les données sous forme d’une arborescence dynamique organisée à
partir de métadonnées, d’identifiants et d’adresses ; les différents fichiers d’un
jeu de données sont liés par des métadonnées mais ont des adresses différentes
et peuvent être localisés sur différents serveurs. Le mode de production et la
complexité des données sont à l’origine du modèle de données du European
Plate Observing System 5 qui distingue quatre niveaux (Bailo et Jeffery, 2014) :
- données brutes, ou données de base (ex. : sismogramme) ;

- données issues de procédures quasi-automatisées (ex. : localisation
des tremblements de terre) ;
- données issues des recherches scientifiques (ex. : modèles de la croûte
terrestre) ;
- données intégrées issues d’analyses complexes ou partagées (ex. :
cartes de risque).
Ici, le lien du modèle avec les instruments et pratiques d’une commu-

nauté de recherche est évident, ce lien a un impact fort sur l’organisation et
la gestion des données : comment décrire et identifier ces différents niveaux,
comment stocker et diffuser les jeux de données ? D’une certaine manière, le
plan du Ministère s’appuie sur ce genre de modèle, dans la mesure où il fait la
distinction entre données « simples » dans des entrepôts génériques et données
plus complexes dans des services disciplinaires ou thématiques.
À partir de l’indexation d’un grand nombre d’entrepôts de données, le

répertoire international re3data6 différencie quatorze types de données, selon
une répartition inégale entre plusieurs larges catégories, transversales aux dis-
ciplines et aux contours mal définis ; le répertoire liste également une longue
traîne d’autres types de données, dont certains ont un profil nettement plus
disciplinaire (Kindling et al., 2017). Cette dernière approche est particulièrement
intéressante pour notre propre étude ; là où les autres analyses essayent de
conceptualiser le lien des données avec leur contexte et leur finalité, Kindling
et al. étudient les données « froides » (définitives, finales, statiques) à partir
de leur lieux de stockage et d’archivage, c’est-à-dire comme éléments des
entrepôts. À première vue, cette approche parait décontextualiser les données
de recherche, en coupant le lien avec leurs fonctions initiales et les pratiques
des chercheurs. En réalité, il n’en est rien : l’analyse du concept des entrepôts
comme dispositifs numériques va le démontrer.
5 EPOS https://www.epos-ip.org/.
6 https://www.re3data.org/.
78
3.
Les entrepôts comme dispositifs numériques
Les entrepôts de données occupent aujourd’hui une place centrale dans

les politiques nationales et institutionnelles et dans le développement des in-
frastructures de données. Décrits comme des services en ligne « permettant la
collecte, la description, la conservation, la recherche et la diffusion des jeux de
données »7, les entrepôts de données (data repositories) facilitent le stockage et
le partage des données. Ils leur apportent également de la valeur ajoutée, par
une description normalisée (métadonnées), par des identifiants (DOI), par des
licences de diffusion et une authentification de l’accès, par une arborescence,
des labels qualité (certification) ou des liens avec des publications associées.
Les annuaires et répertoires distinguent généralement plusieurs catégories

d’entrepôts, notamment par rapport à leurs contenus mais aussi, en fonction
de leur gouvernance et périmètre. Ainsi, il y a notamment des entrepôts :
- disciplinaires : il s’agit d’entrepôts réservés aux données issues d’une

discipline ou domaine particulier (économie, chimie, histoire...), avec
des thématiques plus ou moins larges ;

- génériques : il s’agit d’entrepôts pour accueillir et diffuser des données
d’une large gamme de disciplines, avec des conditions techniques (taille
et format des fichiers, etc.) mais sans restrictions quant au domaine ;
- institutionnels : il s’agit d’entrepôts destinés aux données produites
par des chercheurs d’une institution (université, laboratoire, institut, or-
ganisme de recherche...).
Le Plan national introduit une autre distinction, entre « données simples »

dans un service de données générique d’accueil et de diffusion, et données
plus complexes (3D, etc.) dans des entrepôts plus spécifiques, limités à un
champ de recherche, à un équipement ou une méthodologie.
Face à cette diversité, le répertoire international re3data a listé quatre

éléments constitutifs d’un entrepôt de données (cf. figure 2), dont la fiabilité
(trustworthiness), la qualité d’un tel dispositif pour garantir sa pérennité (sus-
tainability) et son environnement scientifique, avec les chercheurs, agences
de financement, éditeurs et établissements de recherche8. La garantie d’un
7 Cocaud S., Aventurier P. (2017). Les entrepôts de données de la recherche.

In Participer à l’organisation du management des données de la recherche,
gestion de contenu et documentation des données. Disponible sur https://
anfdonnees2017.sciencesconf.org/data/pages/Entrepots_ANFRenatis_2017_
Cocaud_Aventurier_1.pdf (page consultée le 27 février 2019).
8 Re3data Metadata Schema for the Description of Research Data Repositories :
version 3.0 http://gfzpublic.gfz-potsdam.de/pubman/faces/viewItemOver-
viewPage.jsp?itemId=escidoc:1397899.
79
accès à long terme (pérenne) implique que les conditions d’accès soient clai-
rement explicitées.
Figure 2 : Quatre éléments constitutifs d’un entrepôt
de données (source : re3data)
Autour de ces quatre éléments constitutifs des entrepôts de données,

d’autres fonctionnalités sont caractéristiques pour ces dispositifs, dont notam-
ment le dépôt des données en ligne (y compris l’import en masse), l’identifi-
cation pérenne des données avec des identifiants normalisés (DOI, handle...),
une description des données suivant des formats normalisés de métadonnées
(génériques ou spécifiques), des outils de découverte et de recherche, et le
contrôle des droits d’accès et des conditions d’utilisation (licences). Moins spé-
cifiques aux entrepôts, différentes options existent pour l’export des données
et métadonnées et la gestion de différents groupes d’utilisateurs, suivant des
profils et droits définis. Plus rarement, ces dispositifs proposent des services
pour explorer, visualiser ou analyser les données, et on s’approche ici d’autres
dispositifs de données, plates-formes de calcul, etc.
D’après l’analyse de Kindling et al. (2017), la plupart des institutions en

charge d’un entrepôt se trouvent dans quatre pays, à savoir les États-Unis, l’Al-
lemagne, le Royaume-Uni et le Canada, qui représentent 70 % des institutions
du répertoire re3data. Leur étude révèle également que 86 % des entrepôts
sont disciplinaires et, pour une majeure partie (74 %), spécialisés dans une seule
discipline ou domaine. Quant aux disciplines, les sites couvrant les sciences
naturelles (52 %) et les sciences de la vie (50 %) sont les plus nombreux, suivis
par les sciences humaines et sociales (SHS, 27 %) et les sciences de l’ingénieur
(12 %).
80
D’après ce répertoire re3data, il n’existe pas seulement des entrepôts au

sens strict, c’est-à-dire des dispositifs qui contiennent des jeux de données
avec leurs métadonnées. On trouve également des portails qui moissonnent
les métadonnées d’autres sites sans conserver les données elles-mêmes. D’une
manière plus générale, les entrepôts sont considérés comme une sous-catégorie
des infrastructures informationnelles de la recherche, pour la conservation et
la diffusion des données de recherche.
Si, à partir de certaines caractéristiques fondamentales et des fonctionnali-

tés communes, on définit les entrepôts de données comme une catégorie parti-
culière des services de données ou, plus largement, des systèmes d’information
destinés à la recherche scientifique, on distingue alors une nouvelle famille de
systèmes. Mais cette approche opérationnelle ne constitue pas une définition
heuristique satisfaisante, car elle limite l’analyse à la dimension technique et
exclut les autres dimensions du concept de dispositif, sa nature de « cadre dans
lequel des techniques, des humains sont disposés pour permettre de réaliser
des activités répétitives et distribuées » et la dimension « collective », riche
des aptitudes, du savoir-faire et des pratiques (Larroche, 2018). C’est le point
de départ et le challenge pour les SIC – comment appréhender ces entrepôts
sous l’angle d’une théorie des « dispositifs sociotechniques d’information et de

communication », c’est-à-dire des « lieux de médiation composés de multiples
facteurs sémiotiques, esthétiques et techniques en interaction, qui relient des
acteurs sociaux dans des agencements et processus médiatés » (Bonfils et
Durampart, 2013) ? Comment analyser ces dispositifs non pas (uniquement)
comme systèmes d’information mais comme des outils développés par et pour
certaines pratiques scientifiques ?
Peut-on dire pour autant, à l’instar des données de recherche, qu’un

entrepôt de données est ce qu’une communauté scientifique définit comme
tel ? Ce serait sans doute exagéré et cela mettrait en question la politique de
certification de ces dispositifs par le Ministère ; cette politique fait abstraction
des pratiques disciplinaires et des liens avec une communauté, en appliquant
(uniquement) des critères techniques et fonctionnels. Nous y reviendrons.
Dans ce contexte, notre étude tente de répondre à la question suivante :

dans quels dispositifs numériques les chercheurs en SIC peuvent-ils déposer
leurs jeux de données pour conserver, signaler et partager les résultats de
leur recherche, et contribuer à l’ouverture de la science ? Si le focus est bien
sur les SIC, l’analyse inclura les domaines limitrophes et les dispositifs multi-
disciplinaires, dans la mesure où certains jeux de données SIC s’y trouvent.
La discussion portera sur la certification et la normalisation des entrepôts,

sur la réponse qu’ils apportent aux besoins des chercheurs, et sur leur carac-
tère communautaire. À partir des résultats et discussions, nous évoquerons
également des pistes de recherche sur les données et leurs entrepôts.
81
4.
Méthodologie
L’objectif de l’étude est l’identification et l’analyse des dispositifs numé-

riques dont disposent les chercheurs en SIC, pour déposer, conserver, signaler
et partager leurs jeux de données. Pour répondre à cette question et pour
identifier des sites, nous avons sélectionné un échantillon pertinent d’entrepôts
de données, à partir des deux sources d’information suivantes :
- le wiki Cat OPIDoR9 (Optimisation du Partage et de l’Interopérabilité
des Données de la Recherche). Ce catalogue vise à recenser les services
français dans ce domaine et propose un référencement selon neuf caté-

gories de service, dont des entrepôts de données et des plates-formes
d’archivage (Rebouillat, 2017). Au moment de l’analyse (septembre 2018),
Cat OPIDoR enregistre 166 services ;
- le répertoire international re3data 10 (Pampel et al., 2013) regroupe
2 190 entrepôts de données dans plusieurs dizaines de pays, dont
98 en France (septembre 2018).
À partir de la grille du wiki Cat-OPIDoR et de la liste des sites de re3data,
notre étude propose de faire un état des lieux des dispositifs spécifiques au
stockage des données de recherche en SIC. Seront inclus les entrepôts dans
lesquels des donnés SIC sont recensées ; puis nous croiserons les différentes
caractéristiques de ces données, afin de préciser leurs formats et spécificités
disciplinaires. Les résultats seront discutés sous trois angles : la certification et
normalisation, les fonctionnalités et l’aspect communautaire. À partir de cette
cartographie, nous proposerons quelques pistes pour la recherche sur les don-
nées et pour le développement d’une infrastructure de données de recherche
en SIC, en France et dans le contexte du développement des infrastructures
européennes (European Open Science Cloud11).
L’étude met l’accent sur l’offre de service en France mais s’ouvre sur les
entrepôts d’autres pays. Cette approche permettra d’inclure davantage de
dispositifs, plus diversifiés. Cependant, cette approche a un inconvénient : le
terme des SIC n’existe qu’en France, ailleurs library science (ou library and infor-
mation sciences, LIS) et communication science sont le plus souvent séparés,
avec en plus l’existence d’un autre domaine, les media studies. La constitution
de l’échantillon tient compte de cette terminologie hétérogène.
9 Financé par le Ministère de l’Enseignement Supérieur, de la Recherche et de

l’Innovation, Cat OPIDoR est hébergé par l’INIST (CNRS) : https://cat.opidor.fr.
10 Financé par l’agence allemande DFG et coordonné par l’initiative internatio-
nale DataCite, re3data est hébergé par le Karlsruhe Institute of Technology
(KIT) : https://www.re3data.org.
11 https://ec.europa.eu/research/openscience/index.cfm?pg=open-science-
cloud#.
82
5.
Résultats
5.1. Présence des SIC dans les répertoires d’entrepôts de données
Parmi les 166 services de données, Cat OPIDoR répertorie cinq services
dans le domaine « Ingénierie des systèmes et de la communication : Ingénierie
électrique, électronique, de la communication, optique et des systèmes », avec
certaines thématiques proches des SIC : citons par exemple le site Gestion et
diffusion des données Irstea, site conçu par une équipe transversale (profes-
sionnels de l’information scientifique et technique, désormais IST, informati-
ciens, juristes, chargé de valorisation), pour les chercheurs et toute personne
intervenant sur les données, en appui autour du cycle de vie des données ; le
site propose des actualités, des fiches pratiques et des outils12. Un autre site
est dédié au droit et à l’éthique dans les SHS, avec des contenus relatifs aux
pratiques informationnelles des chercheurs. Mais il s’agit d’un service d’infor-
mation sur la plate-forme Hypothèses.org, pas d’un entrepôt de données13. Dans
le domaine des SIC, on trouve les sites des URFIST mais là encore, il ne s’agit
pas d’entrepôts ou de plates-formes d’archivage mais de services de formation.
En fait, parmi les 44 entrepôts de données listés par Cat OPIDoR, avec
des fonctionnalités liées au stockage et à la conservation, mais également à
l’exposition et à la réutilisation des données, aucun site n’est explicitement
dédié aux SIC. En revanche, plusieurs entrepôts correspondent au type de
services génériques d’accueil et de diffusion de « données simples » ; ces
entrepôts permettent le dépôt de résultats issus de la recherche en SIC, tels
que MédiHAL sur la plate-forme HAL (pour les images scientifiques), NAKALA
de Huma-Num pour tout type de données, voire BeQuali de SciencesPo Paris
pour les enquêtes qualitatives.
Au plan international, selon l’indexation du répertoire re3data, un seul

entrepôt est issu d’un département de sciences de l’information (Spec Patterns,
de la Kansas State University), mais il s’agit de données informatiques.
14 entrepôts relèvent du domaine « communication science ». Tous ces

entrepôts sont hébergés et maintenus par des organismes publics ou à but
non lucratif (cf. tableau 1).
12 https://donnees-recherche.irstea.fr/.
13 https://ethiquedroit.hypotheses.org/.
83
Site Description
Données statistiques de plus de 200 pays

UNESCO Institute
sur les domaines Éducation et alphabétisme,
for Statistics,
Science technologie et innovation, Culture,
Data Centre
Communication et information.
CIESIN travaille à la croisée des sciences
sociales, naturelles et de l’information et
Center for International se spécialise dans la gestion de données
Earth Science et d’informations en ligne, l’intégration et
Information Network la formation de données spatiales et la re-

cherche interdisciplinaire liée aux interac-
tions humaines dans l’environnement.
Fournit un accès public, le téléchargement

et la réutilisation des données brutes des
Data.gov.au
gouvernements australien, étatique et ter-
ritorial. Open data.
Stanford Network Bibliothèque d’analyse de réseau et d’extrac-

Analysis Project tion de graphiques à usage général.
Héberge des ensembles de données

dans les domaines de l’apprentissage des
UCI Machine sciences et des logiciels éducatifs. Le site
Learning Repository fournit également des outils en ligne pour
analyser et signaler les données. University
of California, Irvine.
Ensemble de bases de données, de théories

de domaine et de générateurs de données
utilisés par la communauté d’apprentissage
PSLC DataShop
automatique pour l’analyse empirique des
algorithmes d’apprentissage automatique.
Pittsburgh Science of Learning Center.
Projet de collecte de grands ensembles

de données de réseau de tous types afin
KONECT de mener des recherches en science des
réseaux et dans des domaines connexes.
Koblenz Network Collection.
84
Des enquêtes nationales et études pilotes

fournissent de vastes ensembles de don-
American National
nées à multiples facettes. Universités du
Election Studies
Michigan et de Stanford, National Science
Foundation.
Ensemble de données mobiles collectés

avec des outils développés dans le MIT
Reality Commons
Human Dynamics Lab disponibles en tant
que projets open source ou à prix coûtant.
Open Government Data Plate-forme de soutien à l’initiative Open

Portal of Odisha Data du gouvernement d’Odisha (Inde).
Entrepôt japonais où sont collectées des

Informatics Research
données liées à l’informatique. Pilotage par
Data Repository
trois instituts nationaux.
Données de plusieurs médias sociaux. Ari-

Social Computing
zona State University avec deux établisse-
Data Repository
ments militaires.
La plus large archive audiovisuelle en Eu-

Sound and Vision rope. Institution publique avec musée à
Hilversum, Pays Bas.
Transcriptions, audio et vidéo des interac-

tions communicatives pour la recherche
en communication humaine et animale.
TalkBank Université Carnegie Mellon, infrastructure
européenne CLARIN ERIC, National Science
Foundation, National Institute on Deafness
and Other Communication Disorders.
Tableau 1 : Entrepôts de données en sciences

de la communication (source : re3data)
Trois autres sites – Data.uel, l’entrepôt institutionnel pour les chercheurs

de l’University of East London, Claremont Colleges Digital Library (États-Unis) et
BABS, l’archive numérique de la Bibliothèque de l’État de Bavière – évoquent la
bibliothéconomie (library science) parmi les domaines couverts. Néanmoins il
s’agit de services institutionnels et génériques (multidisciplinaires), pour accueillir
et stocker les données produites par les équipes des institutions en question.
85
Finalement, 52 autres sites sont référencés dans les études des médias,
dont DARIAH-DE pour les humanités numériques, eLaborate de CLARIN-ERIC avec
des transcriptions et annotations de textes et la Phonothèque de la MMSH (Aix-
en-Provence) sur Huma-Num. Mais la plupart de ces sites mélangent plusieurs
domaines, dont les arts plastiques, la musique et le théâtre, sans qu’on puisse
parler d’une quelconque spécificité de SIC. Une remarque concernant HAL :
MédiHAL, créé en 2010, permet de déposer des données visuelles et sonores
(images fixes, vidéos et sons) ; à ce jour, il n’y a pas de données issues des SIC.
Quant à HAL, son positionnement comme entrepôt de codes sources dans le
cadre du projet Software Heritage, en collaboration avec l’INRIA, n’était pas
opérationnel au moment de l’étude ; il faudra dans les mois à venir sans doute
être attentif et vérifier si HAL devient un entrepôt générique sur le modèle de

Zenodo ou figshare, avec un intérêt pour les données des SIC.
5.2. Disciplinarité
L’exploration des répertoires comme re3data et Cat OPIDoR fournit fi-

nalement peu de sites relevant des SIC. Aucun entrepôt de données n’est
explicitement référencé comme « entrepôt SIC ». Quelques-uns contiennent
des données de recherche en sciences de la communication, d’autres sont
marqués comme services pour la recherche dans le domaine des médias.
Encore moins mentionnent les sciences de l’information, de la documentation
et/ou de la bibliothéconomie.
Certains sites se situent à l’intersection de plusieurs domaines scienti-

fiques ou, comme SpecPatterns, sont mis en place par d’autres disciplines (en
l’occurrence, l’informatique), malgré leur référencement dans les SIC. D’autres
sites contiennent quelques données en sciences de la communication, mais
aussi celles d’autres domaines, comme le génie civil ou physique (télécoms),
l’informatique, l’économie, l’éducation, les sciences de la vie, les sciences
politiques ou la linguistique.
D’autres jeux de données sont déposés dans des entrepôts génériques,

avec une multitude d’autres disciplines. Souvent il s’agit d’entrepôts institu-
tionnels, destinés à la préservation et à la diffusion les résultats des chercheurs
d’un établissement ; parfois il s’agit aussi de sites à caractère national (EASY
aux Pays-Bas) ou international (Zenodo, figshare, DRYAD).
L’indexation des sites sur re3data et Cat OPIDoR n’est pas totalement
fiable, cohérente ou exhaustive. Les disciplines sont indexées à des niveaux
de granularité variables, et, pour connaître le contenu réel ou la présence
éventuelle de données issues des SIC, il faut aller sur les sites et vérifier di-
rectement sur les serveurs.
5.3. Localisation géographique
Où sont hébergés les services pour accueillir, stocker et diffuser les don-
nées issues de la recherche en SIC ? Huit des 14 entrepôts en sciences de com-
86
munication (cf. tableau 1) se trouvent aux États-Unis, les autres se répartissent

en Allemagne, Australie ou en Inde, au Canada, au Japon, ou aux Pays-Bas et
dans l’Union Européenne. Aucun ne se trouve en France. Les trois entrepôts
limitrophes mentionnés plus haut se trouvent aux États-Unis, au Royaume-Uni
et en Allemagne.
En revanche, la France héberge plusieurs entrepôts génériques qui

contiennent ou pourraient contenir des données SIC, comme NAKALA, Médi-
HAL ou beQuali. À ceci, on pourrait ajouter la Phonothèque de la MMSH.
Nous n’avons pas compté les entrepôts institutionnels (11 en France, plus
de 500 dans d’autres pays) qui, a priori, pourraient accueillir des données SIC
produites par les chercheurs des universités et des organismes de recherche
concernés, mais qui n’affichent pas explicitement les SIC parmi les domaines
couverts.
Néanmoins, il existe un certain nombre d’entrepôts multidisciplinaires

et généralistes au plan international, qui représentent un intérêt certain pour
les chercheurs SIC en France, en tant que services génériques d’accueil et
de diffusion des « données simples ». Parmi les sites les plus connus, citons
Zenodo (CERN), figshare (Digital Science), DRYAD (consortium international)

ou encore EASY (DANS). Soutenu par l’Union Européenne, Zenodo héberge
notamment plusieurs communautés dans les domaines SIC, avec toutefois
peu de jeux de données à ce jour.
5.4. Contenus
Quels types de données se trouvent dans ces entrepôts ? Trouve-t-on

des données caractéristiques pour les SIC, peut-on parler d’un « profil de
données » SIC ? Suite à une analyse des données de recherche dans les thèses
de doctorat en SHS, nous avons constaté les faits suivants :
- il n’existe pas de « données spécifiques SIC » ;

- il se dégage un profil caractéristique entre d’une part les données
primaires ou sources composées d’enquêtes, de corpus textuels et de
données web et, d’autre part les données secondaires ou résultats, com-
posés de textes, de tableaux, de graphiques et de statistiques ;
- on trouve une sorte de longue traîne d’autres types de données, y
compris des cartes, bases de données, photographies et chronologies
(Schöpfel et al., 2015).
En d’autres mots, la particularité des SIC semble être le fait que ses résultats
et, à un moindre degré, ses sources couvrent l’ensemble de la typologie des
données de recherche en SHS, mettant en exergue la transversalité des SIC,
et non pas leur spécificité ; ou plutôt, la spécificité des SIC, sous l’aspect des
données de recherche, réside dans la transversalité des sources et résultats.
D’après re3data, les entrepôts contenant des données en SIC couvrent

l’ensemble des types de données, à l’exception des données de configuration.
87
Les catégories les plus représentatives sont les documents bureautiques (fichiers
texte, tableaux, etc.), des données statistiques, des textes structurés ou non
structurés (plein texte) et des données d’archives. Mais tout cela ne contribue
pas à un profil de données spécifique aux SIC, dont une particularité semble
être le fait d’utiliser et de produire une large panoplie de données, y compris
des données issues des bases de données (scientométrie) ou du web (analyse
des réseaux et des usages).
Faute d’outils appropriés pour réaliser des analyses sur l’ensemble des
sites, nous n’avons pas les moyens pour une estimation de la répartition des
jeux de données SIC dans les différents types d’entrepôts. De même, il est
impossible de fournir une idée générale de l’accessibilité des données, avec
différents degrés d’ouverture (en libre accès sans restriction, partagées avec une

communauté prédéfinie, accessibles sur demande, confidentielles...). Peut-être
à terme cela deviendra-t-il faisable, grâce aux outils, qui, aujourd’hui encore,
sont en bêta test, comme Google Dataset Search14.
5.5. Métadonnées
L’enjeu des métadonnées pour la conservation, la diffusion et la réutili-

sation est considérable, aussi bien par rapport à leur spécificité et granularité
que par rapport à leur normalisation. Leur rôle est crucial notamment pour la
conformité des dispositifs avec les principes FAIR de la gestion des données de
recherche (Wilkinson et al., 2016). Ainsi, la richesse des métadonnées contribue
à la repérabilité (findability) des données de recherche ; leur normalisation
augmente l’interopérabilité et la réutilisation des données ; et l’usage d’un
identifiant pérenne et normalisé facilité leur accessibilité15.
Dans l’échantillon des 14 entrepôts de re3data avec des données en

sciences de la communication, six seulement indiquent l’application d’un stan-
dard ou d’une norme : deux sites utilisent des formats « standards » développés
par eux-mêmes (repository-developed metadata schema) ; les autres entrepôts
utilisent quatre formats standardisés pour leurs métadonnées, deux formats
génériques et deux formats pour les données géographiques :
- DCAT, un format pour la description de jeux de données dans des

catalogues, utilisé notamment par l’application CKAN (le système de la
plate-forme open data de l’Union Européenne) ;
- RDF Data Cube Vocabulary pour les métadonnées des données multi-
dimensionnelles sur le web ;
- ISO 19115, la seule norme au sens strict, pour la description des don-
nées géographiques ;
14 https://toolbox.google.com/datasetsearch.
15 Cf. la description sur le site de Force 11 https://www.force11.org/group/fair-
group/fairprinciples.
88
- le standard FGDC-CSDGM, un format préconisé par le gouvernement

américain pour la description des données géospatiales, mais qui n’est
plus maintenu.
Certes, l’analyse de si peu d’entrepôts n’est pas représentative mais per-

met deux observations en ce qui concerne les dispositifs avec des données
SIC. D’une part, aucun site n’utilise un format de métadonnées standardisé
et générique, tel que le DataCite Metadata Schema de l’initiative DataCite ou
simplement le Dublin Core. D’autre part, il n’y a aucune trace d’un standard
plus spécifique aux domaines des SIC, voire d’un format en adéquation avec
les méthodes des SIC, à l’instar par exemple du format standard de la Data
Documentation Initiative (DDI) pour les enquêtes. Ce dernier constat confirme
ce que le répertoire de référence pour les métadonnées des entrepôts de don-
nées, maintenu par le Digital Curation Centre du JISC (UK), avait déjà révélé :
apparemment, il n’y a tout simplement pas de format spécifique aux SIC ou
aux domaines limitrophes16.
Ce qui est peut-être encore plus surprenant dans notre échantillon, c’est
l’absence quasi totale d’un recours à un ou plusieurs systèmes d’identifiants
pérennes, comme par exemple le DOI, l’ORCID, le handle, etc. Seulement deux
des 14 entrepôts de l’échantillon appliquent un tel système (CIESIN avec le DOI,
TalkBank avec le handle). Un tel constat limite encore davantage la conformité
de ces sites avec les principes FAIR, ici en particulier avec la repérabilité et
l’accessibilité des données de recherche.
Deux autres observations : seulement une minorité des sites utilise des
licences ouvertes pour la diffusion des données (Creative Commons, Open Data
Commons, Open Government License), et aucun n’affiche une API conforme
au protocole OAI-PMH.
Quant aux dispositifs génériques, tels que Zenodo, figshare ou DRYAD,

ils appliquent des standards génériques des infrastructures internationales,
dont notamment OAI-ORE pour les archives ouvertes, le Dublin Core et le
format de DataCite, préconisé par l’Union Européenne; ils utilisent également
les identifiants standards (DOI, handle, etc.).
6.
Discussion
L’objectif de notre analyse est de mieux comprendre la place et les op-
portunités des SIC dans le paysage émergent des entrepôts des données de
recherche. Il ne s’agit pas d’une cartographie exhaustive, dans la mesure où le
recensement des sites et l’étude de leurs caractéristiques s’appuie essentiel-
16 http://www.dcc.ac.uk/resources/metadata-standards.
89
lement sur les répertoires re3data et Cat OPIDoR, avec leurs richesses, mais
aussi leurs limites. Aussi, nous cantonnerons la discussion de nos résultats à
trois aspects, dont nous ferons une interprétation prudente.
6.1. Certification et normalisation
Le Plan d’action du Ministère préconise l’engagement d’un processus de

certification des infrastructures de données. Cette certification a comme ob-
jectif de garantir des infrastructures de données avec une certaine fiabilité et
qualité, afin de créer un « trustworthy environment » pour la conservation et le
partage des données de recherche. Il existe plusieurs catégories de certificats
ou de labels, certains pour les archives numériques en général (ISO 14641
pour les systèmes d’archivage électronique), d’autres pour des plates-formes

d’information scientifique (cf. Schöpfel et Müller, 2014 pour les archives ou-
vertes) ; certains certificats sont spécifiques aux entrepôts de données : citons la
norme ISO 16919 (Systèmes de transfert des informations et données spatiales), la
certification du International Science Council World Data System (ICSU-WDS)17,
le Data Seal of Approval (DSA)18, et plus récemment le CoreTrustSeal19.
Trois des 14 entrepôts en sciences de la communication sont des plates-

formes certifiées, c’est-à-dire des sites qui garantissent la conservation et l’in-
tégrité de leurs données. ll s’agit des certificats du DSA (pour le site Sound and
Vision), de CLARIN (certificat pour « centres B » dans le domaine des sciences du
langage)20 et du nouveau CoreTrustSeal (tous les deux pour TalkBank). TalkBank
et Sound and Vision ont également engagé une démarche qualité, tout comme
UIS.stat de l’UNESCO, CIESIN (Center for International Earth Science Information
Network) et la plate-forme data.gov.au pour la diffusion des données ouvertes
du gouvernement australien. NAKALA, Zenodo et figshare mènent également
une politique de qualité, mais aucun n’affiche une certification à ce jour.
Si la certification contribue à la crédibilité d’un dispositif, la normalisa-

tion quant à elle augmente son interopérabilité et d’une manière générale,
sa conformité avec les principes FAIR d’une bonne gestion des données de
recherche. Or, en ce qui concerne les métadonnées, notre étude révèle un
manque de normalisation pour la plupart des sites évalués. Seulement les
grands entrepôts génériques appliquent les standards internationaux pour la
gestion des données de recherche. Même constat pour les identifiants. Aussi,
nous n’avons trouvé aucun format spécifique aux SIC, ni parmi les entrepôts,
ni dans le répertoire des formats de métadonnées du JISC. S’agit-il d’un simple
retard, ou est-ce l’expression de la diversité méthodologique et thématique
17 https://www.icsu-wds.org/services/certification.
18 https://www.datasealofapproval.org/en/.
19 https://www.coretrustseal.org/about/.
20 https://www.clarin.eu/content/assessment-procedure.
90
de la discipline ? La question reste sans réponse pour l’instant, en attendant

l’évolution des sites thématiques et disciplinaires préconisée par le Plan national
du Ministère, sachant que le Ministère s’engage clairement dans la voie d’une
certification des entrepôts français avec le CoreTrustSeal.
L’objectif d’une telle démarche est de renforcer la sécurité de ces disposi-

tifs numériques, avec une garantie de qualité de service basée sur les critères
objectifs du certificat. Pour les SIC, la certification représente un triple enjeu
scientifique.
Le lien avec la communauté : le concept des dispositifs numériques met

en avant le lien organique entre les systèmes et les pratiques ; la certification
met en œuvre une approche « agnostique », sans lien avec des pratiques
et fonctions spécifiques ou disciplinaires. Mais les critères de « crédibilité »,
« fiabilité » ou « pérennité » ont-ils le même sens et le même intérêt pour tous
les usages et pratiques de données ? Le caractère de « trustworthiness », la
confiance dans les données est en passe de devenir un enjeu central de la
gestion des données et du Big Data en général ; mais la notion de « trustworthy »
a-t-elle la même signification pour les données médicales, pour les données
produites par un accélérateur de particules et pour les données issues d’un

sondage en sciences politiques ?
Le caractère statique : une certification attribue un label de qualité et de

« trustworthiness » d’une manière statique, à un moment donné et pour un certain
temps. Or, les dispositifs, leurs contenus et leurs caractéristiques évoluent
vite, ce qui pose la question de la validité d’une telle démarche dans le temps.
Une évaluation dynamique et continue de plusieurs indicateurs (standards,
identifiants, ouverture, licences, volumétrie...) paraît davantage appropriée à
ces dispositifs ; du moins, elle devrait accompagner et compléter la démarche
de certification.
La qualité des données : la certification évalue certains aspects consi-

dérés comme cruciaux pour la qualité et la crédibilité des entrepôts. Or, ce
genre de label ne garantit pas la qualité des contenus, c’est-à-dire des don-
nées déposées. C’est un peu comme le facteur d’impact et la sélectivité des
revues scientifiques : l’impact ou la réputation du contenant ne disent a priori
rien sur la qualité du contenu. D’autres variables entrent en jeu, y compris la
« trustworthiness » du déposant (chercheur, établissement...). L’écosystème
des entrepôts de données de recherche est loin, aujourd’hui, d’une solution
à cette question pourtant essentielle pour la réutilisation des données et leur
conservation à plus long terme.
6.2. Gestion, diffusion et/ou conservation
Notre étude s’est volontairement limitée aux seuls entrepôts de données,

comme l’un des neuf types de services recensés par Cat OPIDoR. Cependant,
un entrepôt de données peut remplir d’autres fonctions par rapport au cycle de
91
vie des données de recherche, dont notamment la conservation et la diffusion,

mais aussi la gestion des résultats de la recherche.
Nos études antérieures ont montré comment la grande diversité de la

nature des données et des conditions de leur production trouve son reflet
dans les pratiques de gestion. L’enquête de 2015 (Prost et Schöpfel, 2015) en a
fourni une image détaillée, composée d’une importante variation de pratiques
mais aussi, de certaines caractéristiques prépondérantes. À titre d’illustration,
le stockage en local est de loin le mode de sauvegarde privilégié, que ce soit
sur l’ordinateur privé ou sur leur ordinateur professionnel. 19 % des chercheurs
stockent « dans le cloud », alors que 8 % ont des données sur le serveur d’une
autre institution. En réseau, 12 % des répondants se tournent vers le serveur
de l’université. L’enjeu des entrepôts est lié au fait que certaines pratiques de

stockage et de communication présentent des risques de sécurité (cf. aussi
Simukovic et al., 2014 ; Serres et al., 2017).
Tous les sites étudiés garantissent un stockage des données à court ou

moyen terme. En revanche, peu étendent cette garantie à une conservation
de plus long terme, via une certification DSA ou autre. Concrètement, cela
signifie que seulement trois sur les 14 sites pour les sciences de la communi-
cation affichent une telle garantie. Quant aux sites français, la conservation
pérenne est prise en charge par le CINES, référencé par Cat OPIDoR comme
l’unique dispositif d’archivage pérenne de données. Par le biais de partena-
riats et contrats, cette garantie de conservation à plus long terme concerne
aussi d’autres services en France, en particulier ceux de la TGIR Huma-Num
(NAKALA, Phonothèque MMSH).
De nouveau, les grands entrepôts génériques se démarquent par un en-

gagement de conservation certifié. En revanche, la situation paraît bien plus
incertaine et précaire pour beaucoup de sites institutionnels ou thématiques.
Outre le stockage, les entrepôts prennent généralement en charge la

diffusion des données, par l’exposition des métadonnées et par la gestion des
accès. Nous avons évoqué plus haut la question des métadonnées ; des mé-
tadonnées non normalisées ne facilitent pas la recherche et la découverte des
jeux de données. Quant à la gestion des accès, tous les dispositifs analysés sont
en libre accès, c’est-à-dire peuvent être interrogés librement et sans restriction.
En revanche, certains sites contrôlent l’accès aux données elles-mêmes, par
l’enregistrement obligatoire des utilisateurs. Les entrepôts permettent géné-
ralement aux propriétaires ou dépositaires des données de choisir le degré
d’ouverture ou d’accessibilité des données (libre, avec des restrictions, sous
embargo, etc.), certains entrepôts indiquent également les conditions légales
de la diffusion – avec ou sans licence, protection par le copyright, etc. De tout
cela se dégage de nouveau l’impression d’un paysage émergent, hétérogène,
transitoire peut-être, incohérent, ce qui nuit à la compatibilité et conformité
de ces sites avec les critères FAIR, y compris pour la réutilisation des données.
92
Reste la question de la gestion des données de recherche pendant la

durée d’un projet (« données chaudes »), un point essentiel quand on parle
avec les chercheurs de leurs préoccupation en matière de données (cf. Serres
et al., 2017). Les entrepôts de notre étude tiennent généralement compte de
ces besoins et préoccupations, mais ils le font à des degrés variables.
Dépôt des données : à l’exception de deux sites, le dépôt des données est
contrôlé et conditionné par l’affiliation institutionnelle ou par l’inscription au
service. Trois sites déclarent le dépôt comme « fermé » ; en d’autres termes,
l’auto-archivage de données par les chercheurs eux-mêmes n’est pas proposé,
le dépôt est réservé au personnel de l’hébergeur.
Mises à jour : la majorité des sites étudiés permet la gestion de plusieurs

versions du même jeu de données.
Sécurité : nous n’avons pas trouvé d’information précise sur la sécurisation

des échanges et du stockage, notamment pour les données confidentielles ou
à caractère personnel. Ceci veut probablement dire que ces sites ne sont pas
spécialement conçus pour ce besoin : cependant, les entrepôts présentant
une certification (voir plus haut) peuvent satisfaire une partie des contraintes.
Calcul, exploitation : les entrepôts de données ne sont généralement pas

conçus pour le calcul ou l’analyse des dépôts de données. Néanmoins, certains
sites, comme le Stanford Network Analysis Project ou le Center for International
Earth Science Information Network (CIESIN) proposent des fonctionnalités et
outils d’analyse. Ces entrepôts deviennent ainsi de véritables plates-formes
pour la gestion, la conservation et la diffusion des données.
Toujours est-il que, comme mentionné plus haut, dans tous les cas de
figure, il faudra faire le lien avec les pratiques et usages des chercheurs concer-
nés, au lieu de comparer les fonctionnalités d’une manière abstraite. Ce qui peut
paraître dysfonctionnel d’une manière générale et absolue peut faire sens sur
un terrain particulier. De nouveau, il faudra mobiliser le concept des dispositifs
numériques pour ne pas occulter ces liens.
6.3. Communauté et transversalité
L’objectif de notre étude était d’identifier et de décrire des entrepôts de

données qui permettent de déposer, conserver et diffuser des résultats de la
recherche en SIC. À l’issue de l’exploration des répertoires des entrepôts et
services de données, nous avons trouvé des sites qui sont indexés SIC, mais
qui contiennent surtout des résultats de la recherche en informatique (com-
puter science) ou en génie civil (télécommunications), puis d’autres sites qui
contiennent effectivement des résultats SIC, mais comme un domaine parmi
d’autres, dont certains avec un caractère institutionnel, c’est-à-dire réservés
aux seuls chercheurs de l’institution propriétaire du site. Nous avons également
trouvé quelques entrepôts pour certains domaines ou outils des SIC (média,
enquêtes...), eux aussi partagés avec d’autres disciplines. Autrement dit, on
93
trouve bien des entrepôts avec des données SIC. Mais aucun entrepôt SIC au
sens strict, réservé aux chercheurs en SIC, avec une visibilité forte et un caractère
communautaire explicite et confirmé. À ceci s’ajoutent deux autres constats.
- D’une part, les entrepôts avec des données SIC couvrent en général
une large gamme de données. Ceci est certainement lié au caractère
générique des sites institutionnels ou internationaux, comme figshare
ou Zenodo. Mais il y a peut-être une autre raison, liée directement à la
nature des SIC et évoquée plus haut. L’analyse des données dans les
thèses de doctorat SHS de l’Université de Lille 3 avait abouti au même
résultat (Schöpfel et al., 2015) : même si certaines catégories de don-
nées sont mieux représentées que d’autres (en particulier, les textes et
tableaux), les résultats publiés avec les thèses couvrent l’ensemble de la

typologie des données de recherche, y compris des bases de données,
cartes et photos.
- D’autre part, apparemment il n’existe pas de métadonnées spécifiques
aux SIC, ni dans les entrepôts, ni dans les sites de recensement des
différents formats et standards.
Simple question de retard ou de transition ? Ou s’agit-il d’une transversalité
revendiquée et assumée des SIC, où l’affinité avec les domaines limitrophes
(informatique, linguistique, télécommunications, etc.) prend le dessus sur les
pratiques et outils communautaires ? Les résultats de notre étude posent cette
question, mais la taille réduite de l’échantillon et la problématique du référen-
cement et de l’indexation par les répertoires incitent à une certaine prudence
quant à donner une réponse définitive.
Les deux enquêtes récentes de Lille (Schöpfel, 2018) et de Rennes (Serres et

al., 2017) ont révélé l’attente forte des chercheurs en SHS en matière de gestion
des données, en particulier pour un stockage protégé et une communication
sécurisée au sein des laboratoires et projets. La gestion des données est un
défi quotidien qui mobilise les ressources et dispositifs locaux, mais également
les services, outils et infrastructures d’envergure nationale ou internationale.
Mais dans le domaine des données de recherche, il n’existe pas de solution
unique. Pour répondre aux besoins des chercheurs, il faut prendre en compte
leurs pratiques. Certaines communautés sont plus avancées que d’autres dans
l’archivage et le partage des résultats scientifiques. Ce qui fonctionne chez
les uns ne marche peut-être pas pour d’autres. Il faut abandonner l’idée d’une
solution unique en faveur d’une approche modulaire, différenciée, par option.
Conclusion
Les entrepôts de données jouent un rôle central pour la gestion, le stoc-
kage, la conservation et la diffusion des données de recherche. Aussi, une part
importante des efforts publics porte sur le développement et l’interconnexion
des sites, plates-formes et infrastructures de données, à l’échelle nationale,
94
européenne et internationale. Le Plan national pour une science ouverte pré-

conise la mise en place de dispositifs thématiques et disciplinaires et pose la
question d’une plate-forme générique, tandis que l’Union Européenne soutient
l’interopérabilité et l’interconnexion des infrastructures, au sein d’un European
Open Science Cloud (EOSC).
Or, la plupart des entrepôts de données sont aujourd’hui répertoriés dans

les sciences de la vie (médecine, biologie) et en sciences de l’univers, y compris
la géographie. Quant aux sciences de l’information et de la communication,
leurs données se trouvent éparpillées dans un certain nombre d’entrepôts, thé-
matiques, institutionnels ou génériques, sans qu’aucun ne puisse revendiquer
un label « entrepôt SIC ». Notre étude n’est qu’une photographie du paysage
à un moment précis, fin 2018, et ce paysage évolue rapidement. Force est ce-
pendant de constater qu’il n’existe pas de site clairement labellisé SIC (ou au
niveau international, « Library and Information Sciences »), et pour les autres
dispositifs, il n’y a pas de distinction claire entre les SIC, l’informatique, les
médias et les télécommunications. Ce constat concernant les sites est corroboré
par l’absence d’une description disciplinaire puisqu’il n’y a pas de format de
métadonnées propre aux SIC. Certes, l’application des formats génériques
renforce l’interopérabilité des dispositifs, mais elle affaiblit aussi la cohérence

communautaire au sein des infrastructures de la science ouverte.
On peut formuler le constat aussi d’une autre manière : les SIC, en tant
que communauté disciplinaire, ne sont pas prêtes face aux enjeux de la science
ouverte, en ce qui concerne les données de recherche. Dans cette situation,
plusieurs options se présentent pour les SIC :
- contribuer à la mise en place d’un service de données SIC (simple

agrégateur ou véritable entrepôt), compatible avec les principes FAIR
des infrastructures européennes ;
- améliorer le référencement et l’indexation des données SIC dans les
entrepôts institutionnels, thématiques ou génériques ;
- créer (ou fédérer) une communauté SIC sur les plates-formes géné-
riques, notamment sur Zenodo ;
- participer à la démarche de normalisation des formats et métadonnées
des données de recherche, en explorant l’intérêt potentiel de spécifi-
cations SIC ;
- promouvoir l’adoption d’une politique de données ouvertes associées
aux articles publiés dans les revues SIC.
Un tout autre enjeu est l’appropriation scientifique du terrain des données

de recherche et de leurs entrepôts par les SIC. À ce jour, la plupart des études
abordent le sujet sous l’angle technique (comment faire ?), politique (quelle
stratégie ?), opérationnel (quelle organisation ?) ou éthique (comment parta-
ger ?). Les SIC disposent de plusieurs cadres conceptuels pour apporter une
contribution originale à la compréhension de l’évolution en cours, et notre étude
95
a évoqué plusieurs pistes : l’analyse des entrepôts comme nouveaux dispositifs

numériques, l’analyse des pratiques sous l’aspect de la culture informationnelle,
l’évaluation de l’information scientifique et l’analyse du concept des données
dans l’environnement de l’organisation des connaissances.
La politique nationale et européenne pour la science ouverte offre aux

SIC l’opportunité d’un positionnement communautaire autour d’un dispositif
disciplinaire pour la conservation et la diffusion des données issues de la re-
cherche en SIC. Un tel positionnement inclurait nécessairement une réflexion
autour d’une description disciplinaire des données. Mais pour l’instant, on
n’en est pas là, et peut-être suffit-il d’assurer la connexion entre publications
et données dans les revues SIC et laisser aux chercheurs le choix de leur en-
trepôt, comme aujourd’hui, sans investir dans une infrastructure de données

SIC. C’est l’option alternative, la plus simple, sans besoin d’investissement ou
de coordination ; mais elle ne contribuera pas à l’affirmation et au développe-
ment de la discipline des SIC.
Remerciements
L’étude à l’origine de cette proposition a été réalisée dans le projet D4Hu-
manities (Deposit of Dissertation Data in Social Sciences and Humanities – A
project in Digital Humanities). Ce projet est financé dans le cadre des projets
structurants de la MESHS 2017-2018 (Contrat de plan État-Région « ISI-MESHS »),
par la MESHS et le Conseil Régional Hauts-de-France.
96
Bibliographie wp-content/uploads/2018/04/
PlanOGP-FR-2018-2020-VF-FR.pdf
(page consultée le 27 février 2019).
Kindling M., Pampel H., Van de

André F. (2015). « Déluge des
Sandt S., Rücknagel J., Vierkant P.,
données de la recherche ? ». In
Kloska G., Witt M., Schirmba-
Calderan L., Laurent P., Lowinger H.,
cher P. (2017). ”The Landscape
Millet J. (dir.). Big data : nouvelles
of Research Data Repositories in
partitions de l’information, Louvain-
2015: A re3data Analysis”. In D-Lib
la-Neuve, De Boeck, p. 77-95.
Magazine, vol. 23, n° 3/4. Dispo-
nible sur http://www.dlib.org/dlib/
Bailo D., Jeffery K. G. (2014). ”EPOS:
march17/kindling/03kindling.html
a novel use of CERIF for data
intensive science“. In CRIS2014:
Doi : 10.1045/march2017-kindling
12th International Conference on
Current Research Information
Koltay T. (2016). « Digital research
Systems, 13-15 May, Rome.
data ». In Baker D., Evans W. (dir.),
Digital Information Strategies, Ox-

Bonfils P., Durampart M. (2013). « En-
ford, Chandos Publishing, p. 71-84.
vironnements immersifs et dispositifs
numériques. Études expérimentales
Larroche V. (2018). Le dispositif :
et approches distanciées ». In ESSA-
un concept pour les sciences de
CHESS – Journal for Communication
l’information et de la communi-
Studies, vol. 6, n° 1, p. 107-124. Dis-
cation, London, ISTE Editions.
ponible sur http://www.essachess.
com/index.php/jcs/article/view/196
Matthews B., Wilson M. D., Kleese
Van Dam K. (2002). “Accessing
the outputs of scientific projects”.
Borgman C. L. (2015). Big data,
In CRIS2002: 6th International
little data, no data: scholarship
Conference on Current Research
in the networked world, Cam-
Information Systems, Kassel, August
bridge MA, The MIT Press.
29-31. Disponible sur http://dspace-
cris.eurocris.org/handle/11366/149
Chignard S. (2012). Open data :
comprendre l’ouverture des don-
nées publiques, Limoges, Fyp.
Organisation de Coopération et de Dé-
veloppement Économiques (OCDE)
Etalab (2018). Pour une action
(2007). Principes et lignes directrices
publique transparente et collabora-
de l’OCDE pour l’accès aux données
tive : plan d’action national pour la
de la recherche financée sur fonds pu-
France 2018-2020. Paris, Secrétariat
blics. Editions OCDE, Paris. Disponible
d’État chargé de la Réforme de l’État
sur http://www.oecd.org/fr/science/
et de la Simplification. Disponible
sur https://www.etalab.gouv.fr/
97
sci-tech/38500823.pdf (page recherche : la publication de data

consultée le 10 septembre 2018). papers. Paris, Université Paris
Diderot. Disponible sur https://
Pain M. (2016). Les données de la archivesic.ccsd.cnrs.fr/sic_01427978
recherche et leurs entrepôts, de la (page consultée le 27 février 2019).
documentation à la réutilisation :
étude de cas pour l’archive HAL. RIN (2008). Stewardship of dig-
Mémoire de Master, Villeurbanne, ital research data: a framework
Enssib. Disponible sur https:// of principles and guidelines.
memsic.ccsd.cnrs.fr/mem_01374509 London, Research Information
(page consultée le 27 février 2019). Network. Disponible sur http://
www.rin.ac.uk/our-work/da-

Pampel H., Vierkant P., Scholze F., ta-management-and-curation/
Bertelmann R., Kindling M., Klump J., stewardship-digital-research-da-
Goebelbecker H.-J., Gundlach J., ta-principles-and-guidelines (page
Schirmbacher P., Dierolf U. (2013). consultée le 27 février 2019).
“Making Research Data Repositories
Visible: The re3data.org Registry”. Schöpfel J. (2018). Vers une
In PLoS ONE, vol. 8, n° 11, e78080. culture de la donnée en SHS. Une
Disponible sur http://journals.plos. étude à l’Université de Lille. Lille,
org/plosone/article?id=10.1371/ Université de Lille. Disponible sur
journal.pone.0078080 (page https://hal.archives-ouvertes.fr/
consultée le 27 février 2019). GERIICO/hal-01846849v1 (page
consultée le 27 février 2019).
Prost H., Schöpfel J. (2015). Les
données de la recherche en SHS. Une Schöpfel J., Müller U. (2014). « Éva-
enquête à l’Université de Lille 3. Rap- luer la qualité des archives ouvertes :
port final, Villeneuve d’Ascq, Univer- Le certificat DINI ». In Partnership,
sité de Lille 3. Disponible sur http:// vol. 9, n° 1, p. 1-21. Disponible sur
hal.univ-lille3.fr/hal-01198379v1 https://journal.lib.uoguelph.ca/index.
(page consultée le 27 février 2019). php/perj/article/view/2733/3226
Rebouillat V. (2017). “Inventory of Re-
search Data Management Services in Schöpfel J., Primož J., Prost H.,
France”. In Chan L., Loizides F. (dir.), Malleret C., Češarek A.,Koler-Po-
Expanding Perspectives on Open vh T. (2015). “Dissertations and
Science: Communities, Cultures and Data” (Keynote Address). In GL17
Diversity in Concepts and Practices, International Conference on Grey
IOS Press, Amsterdam, p. 174-181. Literature, 1-2 December, Ams-
Disponible sur http://ebooks. terdam. Disponible sur https://hal.
iospress.nl/publication/46651 (page archives-ouvertes.fr/hal-01285304
consultée le 27 février 2019). (page consultée le 27 février 2019)
Reymonet N. (2017). Améliorer Schöpfel J., Prost H., Rebouillat V.

l’exposition des données de la (2016). “Research data in current
98
research information systems”. In

CRIS 2016: 13th International Confer-
ence on Current Research Informa-
tion Systems, 8-11 June, St Andrews.
Disponible sur http://dspacecris.
eurocris.org/handle/11366/501
Schöpfel J., Kergosien E., Prost H.

(2017). « Pour commencer,
pourriez-vous définir ‘données de
la recherche’ ? Une tentative de
réponse ». Toulouse, INFORSID
2017. Disponible sur https://hal.
univ-lille3.fr/hal-01530937 (page
Serres A., Malingre M.-L., Mi-

gnon M., Pierre C., Collet D. (2017).

Données de la recherche en SHS.
Pratiques, représentations et attentes
des chercheurs : une enquête à
l’Université Rennes 2. Université
Rennes 2. Disponible sur https://hal.
archives-ouvertes.fr/hal-01635186
Simukovic E., Kindling M., Schirmba-

cher P. (2014). “Unveiling Research
Data Stocks: A Case of Humboldt-
Universität zu Berlin”. In iConference
2014 Proceedings, 4-7 March 2014,
Berlin, p. 742-748. Disponible sur
http://hdl.handle.net/2142/47259
Wilkinson M. D., Dumontier M.,

Aalbersberg I. J. et al. (2016). “The
FAIR Guiding Principles for scientific
data management and stewardship”.
In Scientific Data, vol. 3, 160018.
Disponible sur https://www.nature.
com/articles/sdata201618 (page

Edc 8604

Transféré par

Droits d'auteur :

Formats disponibles

Edc 8604

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Edc 8604

Transféré par

Droits d'auteur :

Formats disponibles

Études de communication

langages, information, médiations

Les entrepôts de données en sciences de

Hélène Prost et Joachim Schöpfel

© Tous droits réservés

Les entrepôts de données en sciences

CNRS, EA 4073 – GERiiCO, F-59000 Lille, France

Univ. Lille, EA 4073 – GERiiCO, F-59000 Lille, France

Pour alimenter le débat au sein This article offers a contribution

Dans la continuité des chantiers engagés pour la transformation numé-

Data Repositories in Information and Communication Sciences. An Empirical Study

La science ouverte figure désormais parmi les priorités de l’État français

Le Plan national pour la science ouverte du MESRI présenté en juillet 2018

- développer des centres de données thématiques et disciplinaires ;

1 MESRI (2018). Plan national pour la science ouverte. Ministère de l’Enseigne-

Figure 1 : Les deux plans français en faveur de la science ouverte

La situation évolue rapidement. Fin 2018, le Ministère a mis en place un

la première journée annuelle du groupe français de la Research Data Alliance 3,

Pour les Sciences de l’Information et de la Communication (SIC), cette

1. un enjeu conceptuel : malgré un nombre toujours plus grands d’articles

2. un enjeu méthodologique : pour l’accompagnement scientifique de

Data Repositories in Information and Communication Sciences. An Empirical Study

Des résultats d’enquêtes, des transcriptions d’entretiens, des corpus de

nées de recherche comme « inputs, outputs, and assets of scholarship ». Les

Nous avons identifié ailleurs (Schöpfel et al., 2017) quatre dimensions du

- l’enregistrement (fixation sur support) ;

Notre approche multidimensionnelle établit un lien entre données et

Cette relation peut-être assez complexe dans un environnement multi-, inter- ou

Un autre trait caractéristique est la dimension fonctionnelle, le rôle des

Pour des besoins d’acquisition et de collection, Matthews et al. (2002) ont

- données brutes, ou données de base (ex. : sismogramme) ;

Data Repositories in Information and Communication Sciences. An Empirical Study

Ici, le lien du modèle avec les instruments et pratiques d’une commu-

À partir de l’indexation d’un grand nombre d’entrepôts de données, le

Les entrepôts de données occupent aujourd’hui une place centrale dans

Les annuaires et répertoires distinguent généralement plusieurs catégories

- disciplinaires : il s’agit d’entrepôts réservés aux données issues d’une

des thématiques plus ou moins larges ;

Le Plan national introduit une autre distinction, entre « données simples »

Face à cette diversité, le répertoire international re3data a listé quatre

7 Cocaud S., Aventurier P. (2017). Les entrepôts de données de la recherche.

Autour de ces quatre éléments constitutifs des entrepôts de données,

D’après l’analyse de Kindling et al. (2017), la plupart des institutions en

D’après ce répertoire re3data, il n’existe pas seulement des entrepôts au

Si, à partir de certaines caractéristiques fondamentales et des fonctionnali-

sous l’angle d’une théorie des « dispositifs sociotechniques d’information et de

Peut-on dire pour autant, à l’instar des données de recherche, qu’un

Dans ce contexte, notre étude tente de répondre à la question suivante :

La discussion portera sur la certification et la normalisation des entrepôts,

L’objectif de l’étude est l’identification et l’analyse des dispositifs numé-

Data Repositories in Information and Communication Sciences. An Empirical Study

9 Financé par le Ministère de l’Enseignement Supérieur, de la Recherche et de

5.1. Présence des SIC dans les répertoires d’entrepôts de données

pas d’entrepôts ou de plates-formes d’archivage mais de services de formation.

Au plan international, selon l’indexation du répertoire re3data, un seul

14 entrepôts relèvent du domaine « communication science ». Tous ces

Données statistiques de plus de 200 pays

CIESIN travaille à la croisée des sciences

Data Repositories in Information and Communication Sciences. An Empirical Study