Entreposer des données : pourquoi, domment. Introduction généraleà la présentation de DataSuds, l'entrepôt de données de l'IRD, par Luc Decker, administrateur des données à l'IRD

1. Entreposer ses données
Préservation et partage
Jean‐Christophe Desconnets ‐ MIDN
Pascal Aventurier, Caroline Doucouré, Hanka Hensens, Luc Decker ‐ IST/MCST
Stéphane Banon ‐ D‐DUNI

2. https://libereurope.eu/wp‐content/uploads/PARSE‐Insight_D3‐5_InterimInsightReport_final.pdf
Données en danger !
Perte de 17 % par an (Pierre Corvol ,Collège de France)

3. Reproductibilité des expériences ?
1500 chercheurs répondent à Nature
“More than 70% of
researchers have
tried and failed to
reproduce another
scientist's
experiments, and
more than half
have failed to
reproduce their
own experiments”
Nature may 2016 : https://www.nature.com/news/1‐500‐scientists‐lift‐the‐lid‐on‐reproducibility‐1.19970

4. 4
Exemple : réutilisation des données en Astronomie
Les données archivées sont davantage utilisées et
citées que les données récentes
https://archive.stsci.edu/hst/bibliography/pubstat.html

5. Pourquoi partager les données ?
Entre injonctions et bénéfices
Augmenter ces citations
Le partage des données
augmente l’attractivité
de l’article jusqu’à 69%
Étendre son réseau
nouvelle opportunité
pour
échanger/collaborer
Attirer sur son profil
chercheur
La demande pour réutiliser
les données est en forte
hausse
Renforcer ses possibilités
de recevoir des
financements
Compatibilité avec les
exigences des financeurs
Reproductibilité
Preuve
Résultats accessibles à tous public
Préservation
Description et visibilité
Pilote données ouvertes par défaut
Wiley
Incitation
ou
obligation
de partage
Protocole de
Nagoya

6. Principes FAIR : augmenter le potentiel des données
6
• Licence d’utilisation
appropriée
• Formats ouverts
• Vocabulaires partagés
• Standards de
métadonnées communs
• Gérer de façon pérenne
l’accès aux données
• Obtenir l’accord des
producteurs
• Identifiants pérennes
• Décrire les données au
sein d’un entrepôt
Facile à
trouver
Accessible
RéutilisableInteropérable

7. Plan national pour la science ouverte (2018)
3 axes concrets
Axe 1 : Généraliser l’accès ouvert aux publications
Axe 2 : Structurer et ouvrir les données de la recherche
Inciter à la diffusion ouverte des données
Créer la fonction d’administrateur des données par établissement
Données ouvertes associées aux articles scientifiques
Axe 3 : s’inscrire dans une dynamique durable,
européenne et internationale
7

8. 8
INRA
 Site web dédié et entrepôt de données
 Annuaire développé dans l’entrepôt de données
 Formations : Plan de gestion de données
 Liens entre données et documents (Prodinra)
CNRS
 TGIR HUMA‐NUM, Nakala (entrepôt)
Ifremer
 Entrepôt de données SEANOE
 Entrepôt de documents Archimer
CIRAD
 Entrepôt de données Dataverse
 Formations : Plan de gestion de données
Science Po
 Entrepôt de données Dataverse du CDSP
INRIA
 Software héritage pour le dépôt des codes sources
IRD : entrepôt de données DataSuds, lancé Sept.2019
Ecosystème pour la science ouverte en France
en progression dans les instituts de recherche

9. Questions soulevées par l’ouverture des données
1. C’est compliqué. C’est la raison pour laquelle les
infrastructures de données et les plans de gestion des
données existent.
2. C’est cher. C’est la raison pour laquelle les frais de
structuration et d’ouverture sont éligibles dans les appels à
projets.
3. C’est risqué pour les données sensibles (personnelles,
sécurité publique, secret professionnel, secret industriel et
commercial.)
Marin Dacos, 27/03/2018 : Ouverture des données de la recherche DGESIP ‐ DGRI Journée sur le doctorat
Aussi ouvert que possible, aussi fermé que nécessaire

10. Service en ligne permettant le dépôt, la description, la
conservation, la recherche et la diffusion des jeux de
données.
Entrepôts : disciplinaires / institutionnels / ouverts à toutes
disciplines / infrastructures nationales, internationales
D’après Sylvie Cocaud. Cocaud et Aventurier 2017
Entrepôt de données de recherche : définition

11. A quoi sert un entrepôt de données ?
 Visibilité, partage et accès aux données
des Unités et projets de recherche
 Maîtrise de la diffusion des données
(licence, niveau d’accès…)
 Ethique : rendre les données plus
facilement accessible à vos partenaires du
sud, obtenir leur accord pour la diffusion
 Valorisation : être visible pour susciter des
collaborations domaine de la recherche et
secteur privé
11

12. Identificationdescriptiondécouverte
stockage
dépôt
Changer les pratiques de gestion des données
12
oubli
destruction
Conception projet
de recherche
démarrage
projet
acquisition de
données
Analyse de
données
publication
résultats
fin projet
cycle de vie au cours du projet
cycle de vie dans l’entrepôt
bornes du projet
valorisation
partage
nouvelles
publications
citations
réutilisation
Conception projet
de recherche
démarrage
projet
acquisition de
données
Analyse de
données
publication
résultats
fin projet
Plan de
gestion de
données

13. Partage de données : alimenter les intelligences artificielles
13
Big
data
Machine learning
(apprentissage
automatique)
Entrepôt
Jeu de données
Data paper

14. Fonctionnement d’un entrepôt de données
Appui juridique, Supports
d’accompagnement,
Hotline pour répondre
aux questions
• Formation de référents et administrateurs de données
• Espaces de dépôt personnalisables pour Unités,
équipes, projets…
Description
et dépôt
de données
Validation du
dépôt par
IST/personne
désignée
Publication du
jeu de données
Référencement
dans les
moteurs et les
outils de
recherche
Données FAIR
En accord avec un Plan de Gestion
de Données, dépôt et description de
jeu de données dans des formats
standardisés
(ouvert / fermé /embargo /
métadonnées seules)

15. DataSuds
l’entrepôt de données
institutionnel de l’IRD

16. 17
Positionnement
Données cibles
Données non structurées, non
numérisées, enfouies dans les PCs,
historiques, non rattachées à des bases
accessibles en interne ou externe
Observatoires, pôles de
données, base de données
accessibles sur le web
Source : distribution des données de la recherche (Ferguson et al., 2014)

17.  Accueillir les données que les chercheurs souhaitent déposer, partager
 Rendre les données: Facile à trouver, Accessible, Interopérable, Réutilisable
 Complémentarité entre les différents entrepôts
Des objectifs raisonnables…
 Nombreuses attentes des scientifiques dans des contextes variés
 Valorisation , préservation, attribution de DOI, partage ….
…pour répondre aux besoins des chercheurs
Conclusion
 Améliorer la connaissance et la gestion du patrimoine de données
 Une étape concrète vers une politique de science ouverte
…au service des Instituts de Recherche