Le plan de gestion des données (PGD) est un document formel qui décrit comment les données et les métadonnées ont été obtenues, traitées, organisées, stockées, sécurisées, conservées et partagées, à la fois pendant et à la fin du projet1. Le PGD est désormais un pré-requis pour tous les projets bénéficiant depuis la campagne de financement Horizon 2020 (article 29.3), pour lesquels il existe une obligation d’assurer le libre accès aux métadonnées et aux publications issues des programmes financés. Le PGD structure des données faciles à trouver, accessibles et dans la mesure du possible ouvertes, interopérables et réutilisables (bien connues sous le nom des principes FAIR).
En effet, le PGD est un outil indispensable à la fois pour les financeurs et les organismes de recherche (optimisation et retour sur investissement basés sur la réutilisabilité des données et des métadonnées), mais aussi pour les chercheurs, car il permet la gestion et la sauvegarde des données et métadonnées, et réduit donc les coûts et les risques liés à leur dispersion ou disparition2.
Sur la base du modèle proposé par Horizon 2020, la présentation du PGD du projet ERC HornEast3 permet d’offrir un retour d’expérience, comme l’on récemment fait d’autres projets ERC4. Il est surtout l’occasion de mettre en évidence les questions, les enjeux et quelques propositions de bonnes pratiques pour les projets qui sont en cours de préparation, d’écriture ou qui repense totalement leurs propres PGD.
Révision du PGD à mi-projet
Selon les lignes directrices de la Commission européenne sur la gestion des données, les tâches effectuées pour mettre à jour la première version du PGD étaient :
– mise en place d’outils de gestion des données ;
– révision du PGD ;
– dépôt de données à partager dans un entrepôt de données ;
– dépôt des données à conserver sur une plateforme d’archivage.
Méthode
Dans un premier temps, nous avons organisé une réunion de groupe entre les chercheurs du projet et l’ingénieur de données en charge du PGD. Il s’agit d’un rendez-vous court (environ 30 min) qui pose les bases principales et répond aux questions des chercheurs sur l’application du PGD sur leur travail. Ensuite, un rendez-vous personnalisé (environ 2 heures, renouvelable deux fois si nécessaire) avec chaque chercheur vise à expliquer plus en profondeur le rôle du PGD, comment les données et métadonnées seront sauvegardées et partagées. Chaque chercheur présente ses données et informe l’ingénieur sur celles qui peuvent être rendues accessibles, celles qui devront demeurer sous embargo, ou rester confidentielles.
Suite à chaque rencontre individuelle, les données de chaque chercheur sont copiées dans des dossiers personnels sur un disque dur externe. Ces données sont ensuite traitées (renommage, nettoyage, élimination des doublons entre les dossiers des chercheurs, principalement des photographies prises lors de campagnes de sondages et de fouilles de terrain), converties en formats ouverts et enregistrées à la fois sur un disque dur externe et dans une plateforme dédiée au traitement des données scientifiques Sharedocs (gestionnaire de fichiers mis en place par la TGIR Huma-Num).
Cela permet de conserver une copie du format d’origine et de réduire la perte potentielle de formatage lors de la conversion du fichier. De cette façon, les chercheurs peuvent à la fois conserver leurs données telles qu’ils les ont classées et nommées (en maintenir l’intégrité) et utiliser leurs dossiers personnels sur Sharedocs pour continuer à classer et à traiter leurs données. Ce n’est que dans un second temps que les fichiers sont reclassés et renommés par l’ingénieur en charge du PGD selon une classification convenue (pour consulter la classification des données voir page 9 du PGD disponible ci-dessous). Ceci garantit à la fois la transparence et le contrôle du traitement des données pour les chercheurs et l’ingénieur en charge du PGD.
Enjeux et questions éthiques
L’une des questions les plus fréquemment posées par les chercheurs lors de leur entretien est de savoir quelles données (et quelles versions) doivent être déposeé ? En effet, les données de recherche sont définies comme des enregistrements factuels (chiffres, textes, images et sons), qui sont utilisés comme sources primaires pour la recherche scientifique et sont généralement reconnues par la communauté scientifique comme nécessaires à la validation des résultats de la recherche5.
Le projet ERC HornEast collecte et génère ses données via des :
– Observations sur le terrain, enquêtes et fouilles archéologiques, enregistrements d’entretiens, photographies ;
– Recherches dans diverses sources (chroniques, données biographiques, inscriptions funéraires, collections d’artefacts, etc.) ;
– du matériel de laboratoire (comme la datation C14) ou des systèmes d’information géographique (SIG).
Il s’agit donc de données qui sont à la fois des données brutes, des données dérivées et des données issues d’analyses.
Cependant, le processus de travail de certains chercheurs conduit à utiliser plusieurs formats avant d’arriver au « produit » final. Par exemple, une épigraphiste travaillant sur des inscriptions principalement enregistrées à travers des photographies prises lors de missions de terrain (.jpeg), réalise des fac-similés avec un logiciel graphique (.ai), qui sont ensuite copiés dans un fichier texte (.docx), pour aboutir dans une publication (.pdf). De la même manière, un archéologue travaillant sur son rapport de prospection numérise un croquis (papier vers .jpeg) qui est également repris dans un logiciel graphique (.ai) pour être retravaillé puis inséré (.jpeg, .tiff) dans un rapport final ou une publication (docx. à .pdf). Ces données « intermédiaires » représentent parfois plusieurs gigaoctets, et sont souvent accompagnées de notes et d’informations qui n’apparaissent pas dans les publications finales mais renseignent sur le processus de recherche, la manière dont le chercheur pense et travaille, et peuvent donc être considérées comme une précieuse archive en soi.
Un deuxième point intéressant est la question du re-nommage des fichiers. Le projet a créé de nombreux fichiers de système d’information géographique (SIG), cependant, la question du nommage des fichiers n’ayant pas été établie en amont, les fichiers sont nommés avec des espaces et des caractères spéciaux, deux spécificités qui entravent à la fois l’interopérabilité du document et sa pérennité (norme de nommage pour l’archivage des fichiers au CINES)6, Cependant, les renommer entraînerait la perte du chemin du fichier dans le logiciel, et compliquerait ainsi sa réutilisation.
D’un point de vue éthique, la question du choix du dépôt des données a également retenu l’attention de plusieurs chercheurs qui travaillaient déjà sur certains sujets de recherche avant d’intervenir dans le projet. En effet, les spécificités des projets comme les ERC (Conseil Européen de la Recherche) ou les ANR (Agence Nationale de la Recherche) sont d’être conçus en équipe et pluridisciplinaires. Cependant, certains chercheurs peuvent aussi participer simultanément à d’autres projets, ou n’avoir été financés que pendant une partie du projet (mois, années…), ce qui explique souvent le turn over important qui caractérise ce type de projets7.
Par conséquent, certains chercheurs peuvent être réticents à partager leurs données qu’ils considèrent encore comme un travail inachevé. Il est alors important de faire la distinction entre les données produites par et dans le cadre du projet. Par exemple, il peut s’agir d’une conférence donnée par les chercheurs lors d’une manifestation scientifique, ou d’une publication pour laquelle le chercheur a été financé (principalement des travaux achevés), alors que les données brutes (sur lesquelles s’est en partie basée la présentation de la conférence) collectées sur plusieurs années par le chercheur et qui est encore en cours d’analyse, ne sont pas à considérer comme des données produites uniquement par le projet, et donc à déposer et à partager.
Néanmoins, il est important de rappeler aux chercheurs, si leurs données seront déposées, accessibles en libre accès ou sous embargo, que leurs droits d’auteur seront toujours maintenus (droits de propriété intellectuelle). C’est pourquoi il est également important de faire connaître aux chercheurs les différentes options de licences disponibles lors de la diffusion des données.
Bilan préliminaire et perspectives
À ce jour, près de 130 Go de données et environ 2 mètres linéaires d’archives au format standard ont été produits par le projet (pour consulter la description et la classification des données voir page 9 du PGD disponible ci-dessous).
Sur un total de 25 publications (articles de revues, chapitres de livres, rapports, billets de blog) déposées sur HAL, 23 sont accessibles en prépublication et en version originale, ce qui correspond à 92% de la publication en libre accès (voir tableau ci-dessous). Sur un total de 283 photographies et cartes déposées sur MédiHAL, 264 sont accessibles sans embargo, ce qui correspond à 93% des images et cartes déposées ouvertes en libre accès.
Tableau : dépôt de publication ERC HornEast dans HAL
Les données sont progressivement déposées sur la plateforme Nakala. Certaines données, principalement des images de stèles inédites, de la documentation archéologique ainsi que des articles et livres en cours d’écriture ou de publication sont placées sous embargo (1-2 ans après la fin du projet) jusqu’à leur finalisation.
Au total 22 jeux de données ont été déposés (représentant environ 40 Go de données), classés en 7 collections :
– ERCHornEast_évènement_scientifiques
– ERCHornEast_Documentations_archéologiques
– ERCHornEast_Carnets_de_terrain
– ERCHornEast_Gestion_des_données
Bien que tout projet ERC soit tenu de partager ses publications et ses métadonnées, dans le cas du projet ERC HornEast, deux aspects ont rendu cette exigence essentielle.
Tout d’abord, l’évolution politique en Éthiopie dans le courant du projet et la guerre qui a éclaté dans la région étudiée augmentent la valeur des données collectées. De nombreux sites documentés au cours du projet sont désormais inaccessibles et/ou potentiellement endommagés, par conséquent le partage des données (même non publiées) bénéficiera à la fois aux communautés locale et internationale.
Deuxièmement, l’archéologie étant par essence un processus destructeur, la mise à disposition des données brutes issues des fouilles garantit que les connaissances sur le patrimoine ne se perdent pas et peuvent être diffusées au sein de la communauté scientifique.
Guide de bonnes pratiques
Ci-dessous sont présentées quelques recommandations émises par l’équipe lors d’une réunion dédiée aux archives et données du projet le 25 avril 2022:
Collecte des données dans un espace partagé (disque dur ou stockage en ligne)
– si cela n’est pas fait systématiquement tout au long du projet, essayez de programmer une journée tous les trois mois pour recueillir les données. Regrouper les données en amont du classement facilite à la fois le renommage des fichiers et le traitement/nettoyage (garantissant qu’il n’y a pas de doublons). Aussi, présenter les données recueillies jusqu’à présent aux autres membres du projet offre la possibilité d’une communication entre les chercheurs et peut parfois déboucher sur de nouvelles réflexions ou pistes de travail communes.
– si possible, désigner un des chercheurs “responsable du traitement des données” tout au long du projet. Si un spécialiste de l’informatique scientifique ne peut être rattaché au projet, essayez d’établir un lien avec le personnel des bibliothèques universitaires, ou le secteur responsable des humanités numériques de votre établissement pour aider à la rédaction du PGD dès le début du projet.
En effet, le rédacteur du PGD doit porter plusieurs casquettes, car il est nécessaire de connaître plusieurs aspects de l’informatique : la qualité des métadonnées (il faut souligner l’importance de la communication avec les chercheurs pour fournir le maximum d’informations), la connaissance de plateformes de stockage, d’entrepôt et de normes (spécialiste de l’information scientifique), de la conservation à long terme (archiviste) et la maîtrise des obligations à respecter vis-à-vis de la propriété intellectuelle, la confidentialité des (méta)données (juriste).
Renommage des fichiers
– essayez d’établir une norme de nommage des fichiers le plus tôt possible au cours du projet.
– lorsqu’il s’agit de photographies (ou autres données) prises lors de missions de terrain, avant que les chercheurs ne renomment les fichiers (par exemple « fig. 3 » pour l’associer à une publication), s’assurer que les photographies des chercheurs ont bien été regroupées et recopiées dans un dossier ou un disque dur externe pour simplifier la vérification des doublons entre chercheurs.
– Essayez de renommer les fichiers avec la typologie la plus précise. Par exemple, s’il s’agit d’une publication, plutôt que d’indiquer « publication » dans le titre, mettez de quel type de publication « article », « chapitre d’ouvrage » etc. accompagné du nom de l’auteur et si possible des premiers mots du titre. Cela permet d’offrir une description plus précise des données et ainsi, si elles sont déposées dans un entrepôt de données (comme Nakala) il est possible pour l’utilisateur d’identifier plus facilement les données.
Pourquoi? Nakala, tout en permettant le dépôt de jeux de données, n’offre pas la possibilité de créer une arborescence dans les collections (ce qui peut impacter la granularité des métadonnées). En effet, par souci de cohérence, le projet a décidé de déposer toutes les photographies d’une mission dans un même jeu de données, la documentation d’une année de fouilles, etc. La distinction des lieux ou du type de document dans le titre permet ainsi aux utilisateurs (comme pour les membres du projet) d’identifier rapidement les données qui les intéressent.
Enrichir les métadonnées
– si une personne extérieure au projet est responsable de la description des métadonnées, il est recommandé de s’appuyer sur les rapports et publications produits par les membres du projet pour fournir toutes les informations nécessaires et ainsi enrichir davantage les métadonnées (cela rend également possible de vérifier et de ne pas interrompre trop souvent les chercheurs dans leur travail).
Aspect éthique et légal
– Rappelons que si un chercheur utilise une image qui n’est pas de droit public ou sur laquelle il n’a pas reçu d’autorisation (pour un diaporama lors d’une conférence par exemple), celle-ci ne peut être déposée en OA, en particulier si la source de l’image n’est pas mentionnée. Il en va de même si un chercheur utilise une image prise lors de missions de terrain mais où apparaissent des enfants.
Accès et partage des données
– Utilisez un vocabulaire contrôlé pour publier les métadonnées. Les communautés scientifiques peuvent utiliser des outils comme opentheso ou PACTOLS pour l’archéologie pour répondre aux besoins de normalisation.
Consulter le PGD à mi-parcours ERC HornEast
Consulter le plan de classement des données
Consulter le plan de classement des archives papier
La version finale du DMP sera mise à jour à la fin du projet.
Rédigé par Maryasha Barbé.
- European Commission. Guidelines on Open Access to Scientific Publications and Research Data in Horizon 2020 (Dec. 2013), p. 10 [↩]
- Une étude récente montre que plus de 53 % trouvent que le PGD est utile au-delà d’une exigence de la part de la Commission européenne, voir Daniel Spichtinger, « Plans de gestion des données dans Horizon 2020 : ce que pensent les bénéficiaires et ce que nous pouvons apprendre de leur expérience », Open Res Europe NaN, 1:42 (https://doi.org/10.12688/openreseurope.13342.2). [↩]
- Le PGD est un document vivant tout au long du cycle de vie du projet. Le premier PGD (établie dans les 6 premiers mois) est assez court (3 et 6 pages) et a vocation à évoluer avec le projet. La deuxième version du PGD, présentée ici, correspond au PGD intermédiaire (mi-parcours). Par conséquent, il sera mis à jour (principalement en termes de volume de données) à la fin du projet. [↩]
- L’ERC Graph-East propose dans un post rédigé par Manon Durier son propre retour d’expérience sur la rédaction d’un PGD :https://grapheast.hypotheses.org/259 [↩]
- Principes et lignes directrices de l’OCDE pour l’accès aux données de la recherche financée sur fonds publics, p. 18 [En ligne :https://www.oecd.org/fr/science/inno/38500823.pdf]. [↩]
- Pour quelques indications sur la façon de nommer vos données, voir : https://doranum.fr/stockage-archivage/comment-nommer-fichiers/ [↩]
- Une publication récente d’un Vademecum pour la réutilisabilité des données soulève également cette question, voir : Julie Aucagne, Marguerite Bordry, Camille Desiles, Francine Filoche, Anne Garcia-Fernandez, et al.. Vademecum pour la réutilisabilité des données : Groupe de travail Réutilisatibilité , Cahier du Consortium. p.7 [Rapport de recherche] Consortium CAHIER – Huma-Num. 2022. hal-03630095 [↩]
OpenEdition vous propose de citer ce billet de la manière suivante :
Maryasha Barbé (29 avril 2022). Présentation du Plan de gestion des données (PGD) de l’ERC HornEast : retour d’expérience et proposition de guide de bonnes pratiques. Projet ERC COG HornEast. Consulté le 5 décembre 2024 à l’adresse https://doi.org/10.58079/pp19