Archives de catégorie : Pérennisation

Les lieux de la pérennisation

synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023

L’archivage

Une infrastructure : la Section Aurore

Infrastructure créée en 2007 au sein de l’association des archivistes français. Elle est composée de membres issus du monde des archives, du milieu des universités, rectorat, grandes écoles et organismes de recherche français et européens.
Dans le but de promouvoir la gestion rationnelle des données de recherche, cette section fournit des outils, des publications, des formations. Elle a notamment élaboré un référentiel traitant des question d’amélioration de la gestion des données de recherche, de leur sécurisation, et de leur conservation.

Archivage : définition

Il s’applique à tous les documents et toutes les données produites ou reçues que ce soit sur support papier ou numérique. Pour chaque type de document, il s’agit de déterminer la durée de conservation, le sort final des documents à l’issue de cette période de conservation et de prendre en compte les aspects légaux.
Un document connaît trois âges qui correspondent à trois usages :

  • l’usage courant quand le document est utilisé régulièrement,
  • l’usage ponctuel quand le document est conservé à titre d’information et consulté ponctuellement. A ce stade, le document peut être remis à un service d’archives (celui de l’université).
  • l’usage historique : le document présente un intérêt pour la recherche et devient une source de la recherche historique.

A l’issue de l’usage ponctuel, un tri est effectué pour déterminer le sort final du document. Si le document a un usage historique, il est versé aux archives définitives
(bordereau de versement). S’il n’en a pas, il est éliminé suite au remplissage d’un bordereau d’élimination.
Un établissement de recherche est responsable de la conservation de ses archives et des conditions de leur conservation. Les documents doivent être accessibles et consultables.
Dans le cas des unités mixtes de recherche du CNRS, les archives sont conservées au service d’archive du lieu d’implantation.

(source : DoRANum Callisto, Le référentiel de gestion des archives de la recherche)

Les risques d’une absence ou d’un mauvais archivage des documents et données numériques

  • l’obsolescence matérielle
  • l’obsolescence logicielle
  • l’obsolescence du format de fichier
  • la perte de signification du contenu

Les objectifs de l’archivage numérique pérenne

L’archivage numérique pérenne a trois objectifs sur le long terme (plus de 30 ans) :

  • conserver le document et son intégrité sur son support de stockage.
  • rendre accessible le document autrement dit, pouvoir trouver et lire le document (ouvrir les fichiers)
  • préserver l’intelligibilité du document de façon à ce qu’il soit compréhensible pour les utilisateurs du futur.

archivage vs. stockage

L’archivage numérique pérenne se distingue du stockage car le stockage ne prend en compte que les deux premiers objectifs de l’archivage et agit sur le moyen terme.

Quand organiser l’archivage ?

Il est important de réfléchir à la politique d’archivage dès le début du projet de recherche de façon, notamment, à anticiper les aspects financiers qui doivent être présentés dans le budget. Il s’agit ainsi de penser au budget pour l’achat de matériel dédié, pour des prestations informatiques ou pour le recours à un hébergeur tiers.

Qui ? les acteurs de l’archivage

L’archivage concerne divers acteurs :

  • les chercheurs et scientifiques qui apportent leur expertise sur le contenu informationnel des données.
  • les juristes qui apportent leur expertise en matière de durée de conservation légale et de droit de la propriété intellectuelle.
  • les archivistes qui apportent leur expertise en matière de critères de sélection et d’organisation des données.
  • les documentalistes qui apportent leur expertise en matière de métadonnées, de catalogage des données et de description (ou indexation) des données.
  • les informaticiens qui apportent leur expertise technique sur les supports de stockage, les formats, les technologies matérielles et les systèmes d’exploitation.

Le modèle OAIS de l’archivage des données

OAIS ou Open Archival Information System est un modèle suivi par les plateformes d’archivage qui décrit les différentes étapes et opérations d’archivage des données.
Ce modèle est devenu une norme internationale de type ISO.
Il structure la pérennisation en six entités fonctionnelles :

  • l’entité “entrée” gère les paquets de données et d’informations à verser dans l’archive et les transmet au stockage.
  • l’entité “stockage” stocke et assure la sauvegarde des paquets archivés.
  • l’entité “gestion des données” fournit toutes les informations relatives au fonctionnement de l’archive comme la volumétrie, l’âge, le format et les droits associés aux informations et aux données archivés.
  • l’entité “administration du système” pilote et coordonne le système.
  • l’entité “planification de la pérennisation” assure une veille technologique sur l’archive, fait des recommandations sur les évolutions nécessaires et les stratégies comme la recopie de supports, la migration de format pour anticiper l’obsolescence technologique.
  • l’entité “accès” rassemble les services qui sont en contact direct avec les utilisateurs. Elle communique les objets archivés aux utilisateurs.

Dans ce modèle le statut des objets à archiver change.
Avant l’archivage, les producteurs fournissent les objets à archiver et travaillent sur des objets numériques qui sont des SIP (Paquet d’Informations de Soumission). Une fois archivés, ces objets deviennent des AIP (Paquet d’Information à Archiver). Les utilisateurs ont, eux, accès à ces objets qui sont alors des DIP (Paquet d’Information pour la Diffusion).
(Source : Inist-CNRS, Le modèle OAIS)

Sources & ressources

  • DoRANum Callisto, Le référentiel de gestion des archives de la recherche, 11 septembre 2019. Vidéo Canal-U
  • Callisto, La Minute archivage pérenne des données, 4 avril 2022. Vidéo Canal-U
  • Inist-CNRS, Le modèle OAIS, mis à jour le 29 juin 2018.
    Lien,
    DOI : 10.13143/7WE0-K508.
  • Site du CINES.
  • CINES, Le concept d’archivage numérique, mis à jour le 6 janvier 2020.
    Lien

Site d’archivage pérenne

Son objectif est de garantir la conservation physique des données et leur intégrité.
La plateforme doit pouvoir s’adapter aux évolutions technologiques et matérielles. Elle doit donc être évolutive et pouvoir traiter de gros volumes de données. Elle doit garantir la protection des équipements de stockage comme les serveurs. Elle assure également la gestion des droits d’accès et d’utilisation.
Elle doit posséder des outils de contrôle des supports (cf. la plateforme Facile du CINES) ainsi que des outils d’aide à la gestion des risques.
Elle doit produire des historiques et des statistiques et permettre des audits qui valideront sa conformité.

(Source : Callisto, Caractéristiques d’un site d’archivage pérenne)

le CINES

Le CINES ou Centre Informatique National de l’Enseignement Supérieur est l’organisme que le ministère de l’Enseignement supérieur et de la Recherche (ESR) a chargé de mettre eu oeuvre l’archivage électronique du patrimoine scientifique de la communauté de l’ESR.
Elle fournit deux outils majeurs : l’outil FACILE et la plateforme PAC.
L’outil FACILE permet au chercheur de vérifier la validité du format des fichiers qu’il souhaite archiver.
La plateforme PAC (Plateforme d’Archivage du CINES) est l’endroit où le versement des fichiers s’effectue.
La TGIR Huma-Num constitue l’organisme d’évaluation des demandes d’archivage et d’accompagnement des chercheurs pour les sciences humaines et sociales.

(Source : Inist-CNRS, Stockage et archivage : fiche synthétique)

Evaluation des sites d’archivage & certifications

Pour mesurer la qualité d’un site d’archivage pérenne plusieurs outils ont été mis au point. Ils peuvent relever d’un processus d’auto-évaluation, d’un audit réalisé par des experts extérieurs ou encore mêler les deux approches. Au sein de ces outils et processus, on compte :

  • Checklist TRAC
  • Drambora
  • CoreTrustSeal
  • Norme ISO 16-363

La checklist TRAC est un document qui présente une liste de critères classés en trois groupes : l’infrastructure organisationnelle, la gestion des objets numériques, l’infrastructure technique et sécurité. Elle permet à un site d’archivage pérenne d’auto-évaluer sa fiabilité, sa pérennité et les compétences de son personnel. Dans un deuxième temps, des auditeurs analysent cette auto-évaluation avant d’effectuer une visite du site d’archive et d’attribuer une note de 1 à 5 au trois groupes de critères. Il en résulte une certification qui expire après un délai de 4 ans et qui doit alors être renouvelée.

Drambora est une méthode d’audit interne des archives numériques développée en 2007. Elle fonctionne sur un processus d’auto-évaluation des risques de façon à mettre en oeuvre des solutions d’amélioration.

CoreTrustSeal désigne à la fois un organisme international de certification et la certification qu’il délivre. L’obtention de cette certification constitue une garantie de protection et de gestion optimale des données.

La norme ISO 16-363 fournit des recommandations organisées autour de trois axes majeurs pour mener un audit. Ces trois axes sont sensiblement les mêmes que ceux de la Checklist TRAC : l’infrastructure organisationnelle, la gestion des objets numériques, la gestion des risques pour l’infrastructure et la sécurité. L’audit permet de dégager les éléments qui répondent aux critères de ceux qui sont à améliorer.

(Source : Inist-CNRS, Evaluation et labelisation des sites d’archivage pérenne)

Entrepôt de données

Base de données en ligne permettant le dépôt, la recherche, la collecte, la description, la conservation et la diffusion des jeux de données. Une fois déposés, les jeux se voient attribuer un DOI et, très souvent, une licence de réutilisation. Les jeux de données sont accessibles sur l’entrepôt, et peuvent être réutilisés, éventuellement après une période d’embargo.
Les entrepôts ont plusieurs fonctionnalités :

  • téléchargement et import de fichiers
  • organisation des données en collections
  • conservation : stockage sécurisé et archivage à long terme
  • attribution d’un identifiant lors du dépôt
  • intégration possible d’identifiants préexistants chez certains entrepôts comme zenodo.
  • description des données avec des métadonnées et de la documentation complémentaire
  • contrôle des droits d’accès aux données (libre, embargo, demande d’accès, clos), conditions d’utilisations et licences.
  • gestion des utilisateurs et de leurs droits
  • recherche simple et/ou avancée dans les métadonnées, parfois dans les données, navigation et filtres par facette ; affichage des métadonnées et/ou des données ; export des métadonnées
  • exploration et visualisation de données
  • exposition des métadonnées via OAI-PMH ou triple store, API.
  • statistiques d’usage des données.
    Les entrepôts sont de plusieurs types :
  • généralistes et multidisciplinaires : Archive.org, Nakala, MediHAL, Zenodo.
  • disciplinaires : bibliothèques virtuelles humanistes, Ortolang, CNRTL, CocoOn, ArkeoGIS, Geoportail (IGN), Archipolis pour les sciences politiques.
  • liés à une institution : Data.gouv, DataBNF, Hal.

Nakala : l’entrepôt des SHS

Consulter les onze vidéos de formation à la gestion des données avec Nakala.
(Source : Site Canal-U, chaîne de la TGIR Huma-Num, 2021.)

Les critères de choix d’un entrepôt

Les annuaires d’entrepôts comme Re3data permettent de chercher des entrepôts en appliquant des filtres selon le type d’entrepôt que le chercheur souhaite utiliser :

  • disciplinaires ou non
  • certifié ou reconnu
  • mettant en place des restrictions d’accès ou des licences de diffusion
  • permettant de modifier les données et/ou accéder aux différentes versions
  • avec attribution d’un identifiant pérenne aux données

Les pages “politique” de l’entrepôt envisagé fournissent des informations pouvant intéresser le chercheur comme :

  • le lieu d’hébergement du serveur
  • le coût du dépôt
  • le statut de l’entrepôt (public, privé)
  • le type de données et les formats de fichiers acceptés
  • le lien avec la publication scientifique (article, thèse)
  • la politique de préservation à long terme des données.

La navigation sur le site de l’entrepôt permet de vérifier certains éléments comme :

  • l’ergonomie de l’entrepôt et sa facilité d’utilisation
  • la qualité des métadonnées autrement dit de la description des données.
  • la présence de statistique d’utilisation de l’entrepôt (statistiques de consultation, de téléchargement).
    (Source : Urfist Méditerranée, Les critères pour choisir son entrepôt)

Sources & ressources

  • Aventurier (Pascal), Cocaud (Sylvie), Les entrepôts de données de recherche, Action Nationale de Formation RENATIS, 3/6 juillet 2017, Licence CC-BY.
    Lien
  • Callisto, Caractéristiques d’un site d’archivage pérenne, 10 octobre 2017. Vidéo Canal-U.
  • Dardenne (Nadine), DARIAH : une infrastructure numérique au service des sciences humaines et sociales, billet du blog d’Huma-Num et de ses consortiums, mis à jour le 14 février 2014.
    Lien
  • Inist-CNRS, Evaluation et labellisation des sites d’archivage pérenne, mis à jour le 2 août 2018.
    Lien,
    DOI : 10.13143/V1QY-8318.
  • Inist-CNRS, Stockage et archivage : fiche synthétique, mis à jour le 6 août 2018.
    Lien
  • Laube (C.), “Entrepôts” de données en SHS, présenté lors de l’Atelier des Humanités Numériques de l’ENS Lyon du 20 mars 2018.
    Lien
  • Réseau ISORE, Carte mentale “Quels outils et services pour la pérennisation des données SHS ?”, décembre 2017. Licence CC-BY.
    Lien
  • Site Canal-U, chaîne de la TGIR Huma-Num, 2021.
    Lien
  • URFIST Méditerranée, Les critères pour choisir son entrepôt, DoRANum, mis à jour le 28 mai 2018.
    Lien,
    DOI : 10.13143/ZQPB-9449.
  • URFIST Méditerranée, Rechercher des données, DoRANum, mis à jour le 28 mai 2018.
    Lien
  • URFIST Méditerranée, Dépôt et entrepôts, DoRANum, mis à jour le 16 août 2021.
    Lien

Les métadonnées

synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023

Définition générale

Souvent qualifiées de données sur les données, les métadonnées sont des données qui décrivent et identifient une ressource et son contenu. Cette ressource peut-être une donnée, une publication, un document, un jeu de données, un site web.
Pour prendre un exemple plus parlant, une boîte de conserve et son étiquette décrivant le contenu de la boîte (les ingrédients, la date de fabrication, la date de péremption, etc.) correspondent aux données et à ses métadonnées.

Il existe plusieurs types de métadonnées :

  • Les métadonnées embarquées qui sont générées automatiquement par les appareils (données GPS, date, calibrage, etc).
  • Les métadonnées enrichies sont ajoutées par l’auteur, le chercheur. Par exemple, il peut ajouter un titre, une licence, des mots-clés, un organisme de rattachement.
    Dans l’idéal, il faut compléter les métadonnées embarquées par des métadonnées enrichies au fur et à mesure de l’avancement du projet de recherche. Pour ce faire, il existe des outils comme les standards de métadonnées ou encore les schémas de métadonnées (voir ci-dessous, rubrique “Enrichissement des métadonnées”).
  • Les métadonnées descriptives :
    elles servent à identifier un objet (description bibliographique basique : titre, auteur, date, sujet ; identifiant pérenne), à connaître le contenu d’un objet, à identifier les parties et la structure de l’objet (le nombre de fichiers composant un document et les relations entre ces fichiers)
  • Les métadonnées administratives et de gestion :
    Elles servent à identifier et authentifier l’auteur (signature électronique), gérer les cycle de vie de l’objet pour conserver son historique et ses modifications (durée d’utilité administrative, sort final, changement de métadonnées, gestion des versions), garantir l’intégrité du fichier (empreinte électronique).
  • Les métadonnées techniques :
    Elles donnent des informations sur l’environnement matériel et logiciel de l’objet, sur les fichiers (taille, compression), sur les formats.
    (source : Casanove (Alexia de), L’archivage pérenne des données scientifiques, 7 février 2019.)

Les métadonnées de pérennisation

Un dernier type de métadonnées concernent particulièrement la pérennisation. Elles fournissent des informations sur les formats de données, sur les systèmes utilisés pour les produire et sur leurs versions. Elles sont indispensables pour assurer la lisibilité des données et permettre la migration mieux maîtrisée d’un format à un autre.
Elles donnent des informations sur les droits d’accès aux données.

(Sources : Université Numérique francophone, Archiver l’information)

Les métadonnées de pérennisation sont décrites dans des dictionnaires ou des standards spécialisés (pour une définition de la notion de standard, voir ci-dessous, rubrique “Enrichissement des métadonnées”) comme PREMIS, METS, EAD.

  • PREMIS (Preservation Metadata : Implementation Strategies) est un dictionnaire de données fournissant une liste des métadonnées que les services d’archives doivent connaître. Ce dictionnaire, hébergé par la Bibliothèque du Congrès à Washington, a été développé et est maintenu par un groupe international d’experts.
  • METS (Metadata Encoding and Transmission Standard) est un standard d’empaquetage XLM ou schéma XML permettant d’empaqueter plusieurs types de métadonnées décrivant un objet numérique. Il peut être employé comme modèle d’échange d’objet numériques entre centres d’archives ou entrepôts. Ce standard est également hébergé par la Bibliothèque du Congrès.
  • EAD (Encoded Archival Description) est un standard d’empaquetage de métadonnées spécialisé dans la description des fonds d’archives et des collections de manuscrits. Toutefois, il peut être appliqué à toute collection hiérarchisée de documents ou d’objets comme les collections muséales.

Sources & ressources

  • Casanove (Alexia de), L’archivage pérenne des données scientifiques, 7 février 2019.
    Lien
  • CINES, Les métadonnées de pérennisation.
    Lien
  • Inist-CNRS, Cours introductif sur les métadonnées, 27 avril 2022.
    Lien,
    DOI : 10.13143/VWCE-G965.
  • Inist-CNRS, Le cycle des métadonnées, mis à jour le 7 juin 2022.
    Lien,
    DOI : 10.13143/EAXE-C379.
  • Inist-CNRS, METS et PREMIS, outils pour les métadonnées de pérennisation, mis à jour le 2 juin 2022.
    Lien,
    DOI : 10.13143/5QZ1-5843.
  • Université Numérique francophone, Archiver l’information.
    Lien

ENRICHISSEMENT DES MÉTADONNÉES

Plusieurs outils et techniques permettent d’enrichir les métadonnées.

Les standards de métadonnées

Ce sont des schémas qu’un ensemble d’utilisateurs à adopté comme modèle. Ils sont donc reconnus, normalisés et largement utilisés. Utiliser un standard constitue une pratique respectant les principes FAIR, notamment l’interopérabilité.
Un standard fournit des éléments caractéristiques pour décrire une ressource. Ces éléments caractéristiques peuvent varier d’une ressource à l’autre, d’une discipline à l’autre. C’est pourquoi, les standards peuvent être propres à une discipline, à un type de données. La recherche pourra alors porter sur un élément caractéristique particulier de description. La description des éléments caractéristiques peut être définie et précisée par des vocabulaires spécifiques.

Exemples de standard de métadonnées

  • Dublin Core : standard généraliste et interdisciplinaire. Il est composé de 15 éléments :
  • title : nom de la ressource
  • subject : thème du contenu de la ressource
  • description : résumé, table des matières, etc.
  • creator : auteur principal de la ressource
  • publisher : entité responsable de la diffusion de la ressource
  • contributor : co-auteur
  • date : date de création ou de mise à disposition
  • type : nature du contenu (texte, image, son, vidéo)
  • format : format ou taille de la ressource
  • identifier : identifiant univoque : ISBN, ISSN, DOI, URI, URL, Handle, ORCID, etc.
  • source : référence à une ressource à partir de laquelle la ressource actuelle a été
    dérivée ou créée
  • language : langue originale de la ressource
  • relation : référence à une ressource apparentée (version antérieure, ultérieure, autre
    format, etc…)
  • coverage : périmètre spatio-temporel
  • rights : information sur les droits et licence associés à la ressource
  • EAD : standard de description des documents d’archives
  • Marc : standard de description des documents des bibliothèques
  • DDI : Data Documentation Initiative : standard disciplinaire pour les ressources des sciences sociales, comportementales et économiques.
  • MIDAS-Heritage : standard disciplinaire pour les ressources du domaine de l’architecture.
  • DwC : Darwin Core : standard du domaine de la biodiversité.

Le schéma de métadonnées

Si aucun standard de métadonnées ne convient, il est possible de créer un schéma de métadonnées. Toutefois, avec un schéma, les données seront moins FAIR, moins intéropérables.
Pour créer un schéma, il est préférable d’utiliser un standard existant généraliste comme Dublin Core et de le compléter avec un fichier de métadonnées spécifiques à ses besoins.
Si un standard existe mais est incomplet, il est conseillé d’utiliser les éléments de ce standard et de le compléter avec des éléments nouveaux.

Les langages documentaires ou vocabulaires contrôlés

“Les langages documentaires sont des vocabulaires contrôlés ou normalisés, dont le but est de répondre à l’équivoque du langage naturel et aux problèmes que posent la polysémie et l’homonymie. Ils servent à indexer et à décrire le contenu d’une ressource et visent à améliorer la recherche documentaire.
On distingue trois grands types de langages documentaires :

  • les schémas de classification,
  • les listes d’autorités ou de vedettes-matières et
  • les thésaurus.

Les classifications, à l’exemple de la Classification décimale de Dewey, proposent une organisation hiérarchique des concepts.
Les listes d’autorité ou vedettes sont des termes normalisés, qui doivent être obligatoirement utilisés dans le catalogage ou l’indexation, pour décrire le contenu des documents. On peut ici citer Rameau (Répertoire d’autorité-matière encyclopédique et alphabétique unifié), le langage d’indexation matière utilisé par la Bibliothèque nationale de France.

Enfin un thésaurus structure un vocabulaire contrôlé en décrivant l’ensemble des relations sémantiques qui relient des concepts.

L’emploi de vocabulaires contrôlés est une recommandation de l’Agence nationale de la recherche pour l’évaluation de la qualité des données dans les plans de gestion des données. De même, selon les principes FAIR, « pour être FAIR, les données doivent être décrites à l’aide d’un vocabulaire contrôlé respectant lui-même les principes FAIR. Il doit être facile à trouver grâce à un identifiant pérenne et unique, documenté et lisible par les machines »”.

(Source : Perrin (Emmanuelle), Bonnes pratiques pour structurer un thésaurus)

Il existe des thésaurus disciplinaires auxquels les chercheurs peuvent se référer :

  • PACTOLS (Peuples, Anthroponymes, Chronologie, Toponymes, Œuvres, Lieux et Sujets) : le thésaurus des sciences de l’Antiquité et de l’archéologie – de la préhistoire à l’époque contemporaine. Il liste et structure environ 60 000 concepts.
  • GEOETHNO : un thésaurus en développement à la bibliothèque Eric de Dampierre. Il est spécialisé dans les termes géographiques liés à l’ethnologie.
  • ArchiRès : le thésaurur de l’architecture
  • Loterre : le thésaurus de la science ouverte
  • Gemet : le thésaurus du domaine de l’environnement.
  • AGORHA : le thésaurus de l’INHA
  • TIMEL : le thésaurus des images médiévales
  • Savoirs : le thésaurus de l’histoire et de l’anthropologie des savoirs.

Les concepts d’un thésaurus sont classés selon les relations qu’ils entretiennent entre eux. Ces relations sont de différents types.
Un concept peut être lié à un concept générique, à des concepts spécifiques, à des concepts associés.
Par exemple, dans le thésaurus PACTOLS, le concept “divinités germaniques” est lié au concept générique “Divinités”. Il est lié aux concepts spécifiques “Ases”, “Odin”, “Thor”, “Vanes”. Enfin, il est lié au concept associé “panthéon germanique”.
Ces relations permettent de hiérarchiser et relier les concepts entre eux. Elles peuvent être représentées sous la forme d’un arbre aux multiples branches et ramifications.

Le but d’un thésaurus ou d’une liste d’autorité est également de proposer des termes et des orthographes normalisés que les chercheurs devront utiliser de façon à désambiguiser la description et à permettre l’interopérabilité.
Ainsi, la notice d’un thésaurus ou d’une liste d’autorités fournit le terme ou descripteur qui sera privilégié ainsi que les termes à éviter pour désigner un concept, une entité.
Par exemple, dans le RAMEAU de la BnF, le dieu Odin est décrit dans les métadonnées par le terme “Odin”. Ce terme est privilégié et est employé à la place et pour les variantes “Odinn”, “Wodan”, “Wöden”, “Wotan”, “Wothan”, “Wuotan”, “Wutan”.

Les vocabulaires contrôlés qui respectent les principes FAIR sont doté d’un identifiant pérenne unique ou PID (voir ci-dessous).

Un outil : Opentheso

Opentheso est un logiciel libre de création et de gestion de thésaurus multilingue. Il a été créé en 2005 pour la gestion du thésaurus PACTOLS. Il fait aujourd’hui partie des services proposés par la TGIR Huma-Num. Il est développé à la Maison de l’Orient et de la Méditerranée. Il permet, entre autres, de gérer de façon collaborative un thésaurus avec quatre niveaux d’intervention et de droits (SuperAdmin, Admin, Manager, Contributor) ou encore de générer automatiquement des identifiants pérennes (Handle, ARK).
Pour s’initier à son utilisation, le site du logiciel propose une page de tutoriels et de vidéos.

Sources & ressources

  • Dalbin (Sylvie), Référentiels, de quoi parle-t-on ?, Journée d’études de l’ADBS, 26 novembre 2013. Licence CC-BY-SA. Lien
  • Du thésaurus aux référentiels terminologiques, Journée d’études de l’ADBS, 2013. Lien
  • Groupe de travail Réutilisatibilité, Consortium Cahier, Vademecum pour la réutilisabilité des données, janvier 2022.
    Lien
  • Inist-CNRS, Cours introductif sur les métadonnées, 27 avril 2022.
    Lien,
    DOI : 10.13143/VWCE-G965.
  • Inist-CNRS, Métadonnées, standards, formats : fiche synthétique, mis à jour le 27 novembre 2017.
    Lien,
    DOI : 10.13143/VBJS-6288.
  • Kattnig (Cécile), “Référentiels, données d’autorité, thésaurus, ontologies, taxonomies…Pour en savoir plus !”, Bulletin des bibliothèques de France, 2008, n°5, p. 102-103. Lien
  • Etalab, Préparer les données à l’ouverture et à la circulation, 2021.
    Lien
  • Perrin (Emmanuelle), Bonnes pratiques pour structurer un thésaurus, carnet hypothèses Opentheso, mis à jour le 1er juin 2022.
    Lien
  • Référentiels, publié sur le site Isidore.science.
    Lien
  • Urfist Méditerrannée, Les principes FAIR, 4 décembre 2019.
    Lien,
    DOI : 10.13143/Z7S6-ED26.

La pérennisation des données

synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023

Définition

A la place du terme pérennisation, c’est souvent l’adjectif “pérenne” que l’on rencontre dans des expressions comme “archivage pérenne”, ou “identifiant pérenne”.
La pérennisation c’est donc le processus qui rend pérenne un élément. Un élément pérenne est un élément dont la conservation à long terme, l’accessibilité et l’intelligibilité sont assurées, autant de mission dévolues aux services d’archives. Ainsi, archivage et pérennité ou pérennisation sont des concepts fortement liés.

Pourquoi pérenniser les données de la recherche ?

  • pour favoriser la reproductibilité de la recherche et de ses résultats.
  • pour s’inscrire dans une démarche de recherche respectant les principes FAIR et ceux de la science ouverte [voir ci-après].
  • pour favoriser la réutilisation des données et inscrire la recherche dans une démarche écosophique qui s’oppose à la consommation à “usage unique” des données mais promeut au contraire, leur “recyclage”.
  • pour rentabiliser la recherche qui peut être coûteuse en temps et en argent.
  • pour favoriser les collaborations car l’auteur des données est facilement identifiable.

La science ouverte et les principes FAIR

La science ouverte entend rendre plus aisé l’accès aux résultats et aux données de la recherche.
En France, on peut faire remonter les prémices de la science ouverte à la loi dite CADA de 1878 qui rend libre l’accès aux documents administratifs et la réutilisation des informations publiques.
Depuis le début des années 2000 et la Déclaration de Budapest, le mouvement pour la science ouverte prend de l’ampleur au sein des institutions notamment gouvernementales ainsi qu’au sein de la communauté internationale des enseignants-chercheurs.
En 2015, la loi dite Valter règle la gratuité d’accès et de réutilisation des données publiques ainsi que les modalités de réutilisation. Cette loi introduit le principe de “données de la recherche”.
En 2016, la loi pour une république numérique, dite loi Lemaire, établit “un principe d’ouverture des données publiques par défaut” ainsi qu’un “principe de libre utilisation des données scientifiques”.
(Source, Inist-CNRS, Les lois pour l’Open Data)
En 2018, est lancé en France le Plan national pour la science ouverte qui propose trois axes stratégiques pour favoriser le libre accès des résultats et des données de la recherche française. Ainsi, il prévoit l’accès ouvert obligatoire pour les publications et les données de recherches financées sur fonds publics. De même, les principes FAIR devront être appliqués aux données et les politiques en faveur de la science ouverte sont encouragées dans les institutions de recherche.
Il est suivi la même année par le Plan S qui entend qu’

“Après le 1er janvier 2021, les publications scientifiques sur les résultats de la recherche financée sur fonds publics accordés par des agences de recherche ou des organismes de financement nationaux ou européens, doivent être publiées dans des revues ou sur des plateformes en accès libre.”

(source : Plan S, septembre 2018).

Depuis 2021, un deuxième Plan National pour la Science Ouverte existe. Il

« étend son périmètre aux codes sources issus de la recherche, il structure les actions en faveur de l’ouverture ou du partage des données à travers la création de la plateforme Recherche Data Gouv, il multiplie les leviers de transformation afin de généraliser les pratiques de science ouverte et il en présente des déclinaisons disciplinaires et thématiques.»

(Source : Deuxième plan pour la science ouverte, site Ouvrir la science, juillet 2021)

Les principes FAIR s’inscrivent dans le mouvement de la science ouverte, ils visent à rendre les résultats et les données de la recherche :

  • trouvables (Find)
  • accessibles (Accesible)
  • Interopérables (Interoperable)
  • Réutilisables (Reusable)

Pour cela, les principes FAIR s’appuient sur les processus d’automatisation que fournissent les machines : métadonnées, identifiants pérennes, protocoles et standards, etc.

Sources & ressources

  • Consortium Couperin, Le site couperin de la science ouverte en France. Lien
  • Déclaration de Budapest, 14 février 2002. Lien
  • Deuxième plan pour la science ouverte, juillet 2021. lien, accès au document
  • Inist-CNRS, Les lois pour l’Open Data, DoRANum, mis à jour le 5 juillet 2018. Lien
  • Loi n° 78-753 du 17 juillet 1978 portant diverses mesures d’amélioration des relations entre l’administration et le public et diverses dispositions d’ordre administratif, social et fiscal – Version consolidée au 10 mai 2017. Lien
  • Loi n° 2015-1779 du 28 décembre 2015 relative à la gratuité et aux modalités de la réutilisation des informations du secteur public. Lien
  • Loi n° 2016-1321 du 7 octobre 2016 pour une République numérique. Lien
  • Plan national pour la science ouverte, juillet 2018. Lien
  • Plan S, septembre 2018. Lien
  • ROARMAP : Registry of Open Access Repository Mandates and Policies.
  • Urfist Méditerrannée, Les principes FAIR, 4 décembre 2019. Lien,
    DOI : 10.13143/Z7S6-ED26.
  • Groupe de travail Atelier Données, Guide de bonnes pratiques sur la gestion des données de la recherche, 8 décembre 2021. Lien

Identifiants pérennes

synthèse rédigée par Pauline Leplongeon, mise en ligne par Stella Mulas, stagiaires sur le projet EVEille en 2022 et 2023

Définition générale

Il existe plusieurs types d’identifiants pérennes, certains sont très communs comme l’ISBN, qui est l’identifiant pérenne et unique pour les livres, ou encore l’ISSN pour les revues.
Concrètement, un identifiant est une suite de caractères alphanumériques sans signification attribué à une ressource.
Sur le web, les ressources sont localisées par leur URL. Mais cette URL n’est pas stable. Il arrive qu’elle change ou que la ressource soit déplacée. Dans ce cas, l’ancienne URL d’une ressource n’est plus valide et on voit apparaître sur sa page le code erreur 404.

Le rôle principal d’un identifiant pérenne est de favoriser l’accès à une ressource et sa préservation sur le long terme. Il garantit la pérennité du lien d’accès à la ressource c’est-à-dire de l’URL.

La pérennité des identifiants, quant à elle, est assurée par les organismes et les institutions qui les attribuent.

Les identifiants pérennes objet

Lors de sa publication, un article scientifique ou un jeu de données reçoit un PID ou identifiant pérenne objet.
Le PID objet permet d’identifier de manière univoque la ressource (article, jeu de donnée) et de donner accès à la ressource de manière stable et sur le long terme.
Un article publié dans une revue qui sera ensuite déposé dans une archive ouverte comme HAL gardera le même PID.
Si deux jeux de données portent le même titre, leur identifiant respectif permettra de les distinguer.
Les PID permettent aussi de lier un article scientifique publié dans une revue à un jeu de données déposé dans un entrepôt ou à une institution.
Il existe plusieurs familles d’identifiants pérennes :

  • les DOI (Digital Object Identifier)
  • les Handle
  • les ARK (Archival Resource Key)
  • les SWHID : identifiant pérenne attribué aux logiciels.

Les identifiants pérennes contributeur

Les identifiants pérennes peuvent aussi être attribués aux auteurs des articles et des jeux de données. Il s’agit alors d’identifiants contributeurs. Comme pour les objets, le PID contributeur permet d’identifier de manière stable et univoque les auteurs. Une institution peut également se doter d’un identifiant pérenne.

Plusieurs acteurs attribuent des identifiants aux auteurs :

  • Les éditeurs commerciaux attribuent des identifiants locaux destinés à leur base de donnée, comme Scopus Author ID de l’éditeur Elsevier.
  • Les réseaux sociaux comme ResearchGate ou Academia.edu attribuent également des identifiants locaux.
  • Les archives ouvertes comme HAL ou ArXiv fournissent un identifiant à l’ouverture du compte (idHAl ou ArXiv author ID).
  • Les institutions du monde des bibliothèques attribuent des identifiants. Ainsi, l’ABES (agence bibliographique de l’enseignement supérieur) attribue un IdRef qui sera utilisé dans le catalogue qu’elle gère, le SUDOC. L’ISNI (International Standard Name Identifier), identifiant international plus large, est attribué à tous les individus et toutes les institutions qui participent à la production intellectuelle mais aussi littéraire et artistique. Un norme ISO définit cet identifiant. Ces identifiants sont générés automatiquement sans démarche de la part de l’auteur.

Deux identifiants dédiés au monde de la recherche ont une portée neutre et internationale :

  • ROR (Research Oganization Registry) attribué aux organismes de recherche.
  • ORCID (Open Researcher ans Contributor ID) attribué uniquement aux membres de la communauté scientifique.

L’obtention de ces deux identifiants ainsi que ceux des archives ouvertes HAL et ArXiv n’est pas automatique, elle nécessite une inscription et une demande.

Relier les identifiants entre eux

Un auteur peut donc avoir plusieurs identifiants pérennes ce qui peut s’avérer peu évident à gérer.
Il existe des systèmes d’identification qui font les correlations entre les différents identifiants (celui de l’article, celui des données et celui de l’auteur) comme le service Auto-update élaboré par ORCID, CrossRef et DataCite.
Ainsi, quand un auteur ayant un identifiant ORCID publie un nouvel article qui reçoit un identifiant pérenne de type DOI, son profil ORCID est automatiquement mis à jour avec l’ajout de cette nouvelle publication.
Les identifiants les plus employés sont les DOI pour les objets et les ORCID pour les contributeurs.
Crossref est une infrastructure officielle d’enregistrement et de tenue de registres des DOI.
DataCite est un des organismes officiels qui fournit des DOI pour les données et les résultats de la recherche.

Vocabulaires contrôlés et identifiants

Les thésaurus qui respectent les principes FAIR attribuent des identifiants aux concepts. A un même identifiant peut être rattaché un ou plusieurs concepts.
Par exemple, l’identifiant qui désigne l’auteur Romain Gary renvoie également à son pseudonyme Emile Ajar. De cette façon, les oeuvres écrites par Romain Gary ou Emile Ajar sont toutes indexées au même identifiant auteur. Donc un utilisateur qui chercherait les oeuvres de Romain Gari (tout en ignorant qu’il a écrit sous pseudonyme) dans le catalogue de la bnf en utilisant l’identifiant auteur trouvera également les oeuvres qu’il a écrite sous ce pseudonyme.

En bref, pourquoi utiliser des identifiants pérennes ?

  • Pour favoriser l’agrégation des productions scientifiques et l’association à leurs auteurs.
  • Pour augmenter la visibilité du chercheurs et de ses productions et des institutions.
  • Pour favoriser la citabilité des productions et résultats de la recherche.
  • Pour favoriser la recherche et la découverte documentaire.

(Source, Inist-CNRS, Les identifiants pérennes : un aperçu)

Sources & ressources

  • Bermès (Emmanuelle), Les identifiants pour les ressources numériques, Groupe Pin, 20 septembre 2007.
    Lien
  • Crossref
  • Crossref, Wikipédia, mis à jour le 13 avril 2020.
    Lien
  • DataCite
  • DoRANum Callisto, La Minute identifiants pérennes, 16 mai 2017. Vidéo Canal-U
  • Inist-CNRS, Les identifiants pérennes : un aperçu, DoRANum, mis à jour le 16 décembre 2021. Lien