Version classiqueVersion mobile
OpenEdition Books

Livre blanc — Une Science ouverte dans une République numérique — Guide stratégique

 | 
Direction de l’Information Scientifique et Technique - CNRS

Liberté d’analyse des résultats de la science

Quels enjeux pour le travail de la science ?

Texte intégral

1Le TDM fait entrer la Science et la recherche scientifique dans une nouvelle ère ; les vertus du TDM et de l’open science sont multiples :

  • le TDM permet certes dans le cadre de la démarche scientifique de procéder à de l’analyse automatique de la littérature scientifique et de l’ensemble des données ;

  • il permet également d’organiser et de structurer les projets de recherche en France et de rationaliser les processus décisionnels qui régissent l’établissement des priorités et l’allocation des budgets ;

  • il fait naître de nouveaux sujets de valorisation ;

  • le TDM peut également constituer une aide à la décision publique.

Analyser les publications et données scientifiques

2La littérature scientifique, articles de périodiques, monographies, thèses, rapports, fait l’objet d’un intérêt tout particulier pour les adeptes de la fouille de textes. Cette information en langage naturel, peu structurée comparée aux données chiffrées, recèle des gisements de connaissances nombreux et variés. Chaque article scientifique est le résultat d’un processus logique de recherche s’inscrivant dans un projet donné aux objectifs énoncés, et se positionne dans un contexte scientifique identifié et reflété par la bibliographie. L’analyse TDM de larges corpus de littérature scientifique couvrant, pour une problématique donnée ou limité à un champ disciplinaire spécifique, des périodes, méthodologies et contextes instrumentaux variés, permet de développer des produits et services au bénéfice des chercheurs :

  • études longitudinales diachroniques sur l’évolution des pratiques scientifiques, l’apparition de nouveaux concepts, les fusions ou éclatements de champs scientifiques, les relations interdisciplinaires et leurs évolutions ;

  • la masse d’informations produites par les chercheurs (2,5 millions d’unités par an pour ce qui concerne les articles) conduit à rapprocher les technologies d’extraction de connaissances des besoins d’accès des chercheurs aux contenus des articles de leurs confrères. La lecture séquentielle est amenée à être remplacée au moins en partie par de l’approche navigationnelle dans des ensembles de connaissances issues des corpus initiaux. Ainsi, les activités de fouille de textes et de données ont des retombées directes dans les activités d’accès aux connaissances scientifiques par les chercheurs ;

  • l’amélioration de la pertinence des portails d’accès aux publications par enrichissement sémantique et annotations, l’offre de fonctionnalités de recommandations, sont autant d’évolutions requises pour mieux partager les connaissances contenues dans les articles ;

  • catégorisation automatique, classification des publications, liens inter-publications au-delà des simples citations… autant d’usages d’analyses du langage naturel pour construire des savoirs dérivés ;

  • bibliométrie rénovée et développement de nouvelles métriques et mesures d’impact des publications, conduisant à une évolution des processus d’évaluation des chercheurs, structures, programmes, institutions… ;

  • inflexion de la démarche scientométrique : analyse rétrospective de champs de recherche, mesures de la performance en recherche, fertilisation croisée entre disciplines ;

  • recherche et gestion de réservoirs d’experts ;

  • développement de la démarche prédictive par génération automatique d’hypothèses à partir de la fouille de littérature scientifique.

3Le TDM est par conséquent un facteur d’intensification de la recherche. Il permet de stimuler la recherche fondamentale mais aussi d’aiguiller la recherche appliquée. D’abord, le TDM ouvre des analyses quantitatives inédites dans l’histoire de la science. Jamais autant de corpus de textes et de données n’ont été si disponibles et possiblement analysables. L’interprétation scientifique du chercheur ne change pas en soi, mais son éventail de recherche s’élargit. L’intensification passe aussi par une transformation de la manière dont les chercheurs perçoivent la science. Les paradigmes peuvent évoluer, comme le montre par exemple Gargantext.

4Le TDM ouvre la possibilité de trouver de nouvelles corrélations ou des tendances émergentes. Outil de la recherche dérivée, la fouille de textes permet d’analyser des interactions souvent nouvelles, voire impossibles au niveau transdisciplinaire.

5Le TDM, lié à la diffusion des données de la recherche et à l’accélération des connaissances, va faciliter le renouvellement des expériences et renforcer l’administration de la preuve. Dans certains cas, la réfutabilité devrait s’accroître, avec comme objectif final une pertinence scientifique renforcée. La vérification de la recherche est un corollaire du développement du TDM.

Construire des problématiques et des projets de recherche

6L’évolution de la science s’inscrit dans une suite de ruptures méthodologiques concomitantes à l’enrichissement de l’arsenal méthodologique à la disposition des chercheurs. L’avènement de la science numérique, de l’omniprésence des instruments générateurs de données massives conduit à la naissance d’une science guidée par les données (cf. Hey, Tolle, Tansley « The Fourth Paradigm »).

7Les scientifiques confient à présent les tâches d’observation et de mesures soit à des instruments uniques et partagés comme les accélérateurs de particules, les télescopes embarqués, soit à des réseaux de nombreux petits instruments comme les bouées océanographiques, les stations de mesures météorologiques ou sismiques. Se développe alors en aval une science de l’interprétation des données dont le TDM est le principal pilier. Mais il est nécessaire d’accompagner ce développement des algorithmes d’analyse des données de fonctions moins visibles mais tout aussi essentielles : les infrastructures de calcul et infrastructures de gestion/partage des données.

8La mécanique du raisonnement scientifique est classiquement basée sur le raisonnement déductif, assis sur des théories servant de prémisses au raisonnement. De la connaissance théorique se construisent des hypothèses, les observations récoltées (données) servant à confirmer (ou infirmer en remettant en cause la théorie) ces hypothèses. Une grande partie de l’éducation occidentale est basée sur cette approche, dès « l’âge de raison ». Mais cette prééminence de la théorie sur l’expérimentation est discutée depuis quelques années, notamment avec la conjonction de l’avènement des big data et le développement du TDM.

9La mécanique du raisonnement est alors inversée : la mise à jour de corrélations entre éléments des observations concentrées dans les jeux de données suggère des hypothèses permettant d’établir des modèles théoriques de comportement. Bien évidemment, ce raisonnement inductif ne garantit pas la conclusion et peut conduire à mener de nombreuses itérations successives. Le raisonnement abductif, inférence logique allant des observations vers la théorie, se focalise sur les hypothèses les plus simples et probables et peut être décrit comme « l’inférence de la meilleure explication »1. Les moteurs d’inférence en intelligence artificielle se basent fréquemment sur ces approches abductives pragmatiques et fécondes dans le développement des logiciels de TDM.

10L’utilisation du TDM et l’organisation du partage de la connaissance ainsi que les changements de méthodes scientifiques vont permettre aux communautés de recherche de construire de nouveaux projets de recherche, de découvrir de nouveaux sujets.

11Cette construction préalable par l’utilisation du TDM permet de gagner en maîtrise et en productivité par rapport à ce que sont aujourd’hui les bases décisionnelles d’un projet de recherche. La structuration des projets de recherche permettra une meilleure affectation des ressources.

Optimiser la gouvernance des systèmes scientifiques

  • 2 « Gouvernance de la recherche publique – Vers de meilleures pratiques », OCDE 2003.

12Le TDM participera ainsi à une meilleure « gouvernance des systèmes scientifiques » en rationnalisant « les processus décisionnels », par « l’établissement des priorités, l’affectation des crédits et la gestion des ressources humaines de façon à répondre efficacement aux inquiétudes des différentes parties prenantes du système »2.

13En effet, l’analyse TDM des résultats des programmes de financement de la recherche (publications, brevets) permet de mieux cerner les domaines les plus féconds ainsi que d’établir des liens entre disciplines. Des outils de visualisation / cartographie des coopérations disciplinaires ou géographiques nationales et internationales permettent de représenter ces informations essentielles au pilotage scientifique.

14Cette exploitation d’informations à destination des décideurs de politique scientifique participe de la définition des stratégies scientifiques d’organismes, tant dans le domaine de la recherche fondamentale que dans sa valorisation économique.

Valoriser les données scientifiques

15Le TDM et l’analyse de masse de données va non seulement permettre la valorisation des nouvelles connaissances issues de traitement automatique et le développement subséquent d’innovations et de découvertes, mais également permettre de valoriser les masses de données non utilisées, enregistrées sur les disques durs de chercheurs et non partagées, bien que constituant une valeur scientifique.

Valorisation de la lost science

  • 3 L’expression « effet château d’eau » renvoie à une notion économique. C’est un écho à la théorie du (...)

16Un « effet château d’eau »3 est envisageable pour l’ensemble du monde de la recherche, avec le traitement de données oubliées.

  • 4 COMETS, Les enjeux éthiques du partage des connaissances, 2015, p.4.

17Il y a aujourd’hui une forte déperdition des données recueillies par les expérimentateurs. On estime que les publications permettent d’accéder à environ 10 % de celles-ci, le reste restant disponible mais non utilisé sur les disques durs d’ordinateurs. Dans certaines disciplines, des résultats valables et importants restent non publiés et beaucoup de données sont sous-utilisées ou perdues (c’est en particulier le cas des données issues de résultats négatifs qui sont oubliées). Pour celles qui sont collectées par les grands instruments, les données brutes recueillies sont si massives qu’elles sont traitées directement en ligne sans être stockées, comme par exemple celles fournies par des observations spatiales4.

18Pour Cristinel Diaconu, la perte de données semble être le lot commun :

« Quand on veut accéder aux données, ou on ne les trouve plus, ou on les trouve, mais on ne sait pas quoi faire parce qu’on ne comprend pas ce que c’est. Pire, certaines données ont parfois été détruites par les chercheurs qui les jugeaient inutiles à l’issue d’un projet. Sur le coup, on ne s’en rend pas compte mais, dix après, le projet en cours peut avoir une résonance avec le projet précédent et le potentiel de découverte est perdu car il n’y a plus de financement pour refaire ces manipulations. »

19Pourtant, ces données archivées représentent une vraie manne. Cristinel Diaconu s’est livré à un calcul de rentabilité de ces données pour son domaine : « Nous nous sommes rendu compte avec mon équipe que le coût supplémentaire dédié à la préservation des données est de l’ordre de 1/1 000 du budget total. Or la publication de nouveaux articles issue de l’exploitation des archives dans les cinq années suivantes représente un bénéfice de 10 %. C’est de la recherche qui ne coûte presque rien ! Si on n’a pas de stratégie de préservation des données, on passe à côté de découvertes potentielles et de recherche à bas coût. Une fois qu’elles sont bien préservées, les données ne coûtent presque plus rien. »

Libre réutilisation des résultats de TDM

20L’article 38 de la loi pour une République numérique prévoit que les « fichiers produits au terme des activités de recherche pour lesquelles elles ont été produites (…) constituent des données de la recherche ».

21Le régime des « données de la recherche » est encadré :

  • par l’article 30 de cette même loi : « Dès lors que les données issues d’une activité de recherche financée au moins pour moitié par des dotations de l’État, des collectivités territoriales, des établissements publics, des subventions d’agences de financement nationales ou par des fonds de l’Union européenne ne sont pas protégées par un droit spécifique ou une réglementation particulière et qu’elles ont été rendues publiques par le chercheur, l’établissement ou l’organisme de recherche, leur réutilisation est libre. »

  • par la loi n° 2015-1779 du 28 décembre 2015 relative à la gratuité et aux modalités de la réutilisation des informations du secteur public (loi Valter) qui fait entrer les établissements et institutions d’enseignement et de recherche dans l’Open data et dans l’obligation de mise à disposition de leurs données « sous forme électronique » « dans un standard ouvert, aisément réutilisable et exploitable par un système de traitement automatisé ».

22Ces données de la recherche constituent par conséquent une source de connaissances qui doit être mise à disposition des communautés scientifiques aux fins d’enrichir de nouvelles connaissances et de nouveaux travaux.

23Toutefois, l’open science ne doit pas faire obstacle aux enjeux économiques de la recherche.

24La mise à disposition des données scientifiques sur des plateformes open science ne doit pas aller à l’encontre :

    • 5 - Article R.413-5-1 du code pénal : « Sont dites " zones à régime restrictif " celles des zones, m (...)

    de la valorisation des données notamment par brevet ; du respect des secrets et des dispositions spécifiques telles que les Zones à Régime Restrictif5 ;

  • du respect des règles contractuelles de confidentialité.

25La mise à disposition des données de la recherche doit être encadrée également au regard des pratiques non homogènes des communautés scientifiques.

Développement de l’innovation

26Les techniques de TDM s’appuient sur des outils innovants (logiciels, supercalculateur, technologies pour la collecte et le traitement massifs de données) que les organismes de recherche publique français ainsi que les entreprises françaises contribuent à développer.

27Le TDM est un des grands secteurs d’innovation potentiel actuel de l’économie numérique et ces technologies sont centrales ; preuve en est des récompenses qui viennent consacrer les travaux sur le TDM. Xavier Tannier, du Laboratoire d’information pour la mécanique et les sciences de l’ingénieur à Orsay et Iona Manolescu de l’INRIA ont reçu un « Google Award »6 pour leur algorithme de fouille de texte sur la presse. Dans le cas de l’informatique médicale, c’est Pierre Zweigenbaum7 qui a été distingué par l’American College of medical Informatics en 2014.

28Le TDM représente un potentiel de retombées économiques pour la France : plusieurs start-up françaises ont vu le jour suite à des travaux de recherche ayant nécessité le développement d’outils de TDM (au CEA notamment) en lien avec des partenaires privés.

29Dans son article « Mining external R&D »8, Alan Porter précise que les entreprises sont « désirables » d’une telle innovation. Les entreprises ayant un pôle de recherche et développement ne peuvent en effet qu’attendre des bénéfices d’une recherche appliquée plus grande, sur des corpus plus importants. L’avantage est encore plus élevé pour les entreprises ne disposant pas de pôle R&D. La fouille de texte est à cet égard un facteur de croissance. Cela résulte des externalités positives de son développement, et ce sur trois points : l’innovation-produit, la productivité et l’augmentation du bien-être du consommateur. Cet impact économique est lié à la largeur juridique du TDM : plus les possibilités du TDM sont vastes, plus l’impact économique sera important.

Aider à la décision publique

  • 9 Laurent Catherine, Baudry Jacques, Berriet-Solliec Marielle, Kirsch Marc, Perraud Daniel, Tinel Bru (...)

30Le TDM peut être un facteur d’amélioration de la prise de décision. Dans le secteur public, il faciliterait le développement des evidence-based policies (EBP). L’EBP est une approche politique basée sur l’analyse empirique de situations. La pratique consistant à analyser de larges bases de données factuelles à des fins décisionnelles s’est initialement développée dans le domaine médical (evidence-based medicine), au début des années 19909. Cette approche s’est ensuite diffusée dans d’autres domaines de la décision publique tels que la protection de l’environnement et la sécurité.

  • 10 Overseas Development Institute, Evidence-Based Policymaking: What is it? How does it work? What rel (...)

31Au Royaume-Uni, ces validations empiriques ont pris une place importante dans la vie publique sous le gouvernement de Tony Blair. Un guide d’utilisation a même été créé par l’Overseas Development Institute (ODI) dans le but de diffuser ces pratiques10. Cette notion se décline en plusieurs branches : evidence-based decision, evidence-informed decision, evidence-aware decision. Le TDM permettrait d’optimiser les politiques économiques, sociales, environnementales, en ne se basant pas seulement sur les opinions et les modèles théoriques, mais également sur l’analyse factuelle.

  • 11 Marwa Chalgham, Abderrahmane Fadil, Abdelaziz Dammak. « Le Data Mining pour l'aide à la décision en (...)

32Le TDM peut être utilisé pour d’autres catégories d’aide à la décision (pas nécessairement publique), par exemple en géographie (géographie économique, géographie sociale, géomarketing, etc.). L’idée est de croiser des données géo-référencés afin d’identifier des caractéristiques de zones géographiques. Pour ce faire, « les techniques descriptives du Data Mining et plus précisément la Classification Ascendante Hiérarchique (CAH) a été utilisée pour dégager le nombre de groupes homogènes basé sur le critère d’agrégation Ward et la métrique euclidienne et utilisant le logiciel de Data Mining R. » 11. Les données traitées par TDM peuvent ainsi servir à une exploitation à l’aide de systèmes d’information géographiques (SIG).

33L’économétrie est une science fondée sur les données (data-driven) qui pourrait également bénéficier des avancées du TDM. Cette discipline permet une observation du fonctionnement réel de l’économie, utile à l’analyse de situation et à la prise de décision publique et privée. Cependant, les liens entre l’économétrie et TDM/machine-learning/big data restent actuellement peu exploités. Une explication possible est la difficulté à établir des liens de causalité et à quantifier l’impact d’une variable sur un phénomène observé.12

  • 13 NESTA, Using Research Evidence. A Practice Guide, Section A “What is evidence-informed decision-mak (...)

34Enfin, les activités de recherche et les publications qui en résultent impliquent une grande transparence et rigueur au niveau des méthodes, de la relecture par les pairs et des influences externes. Ces informations contribuent à éclairer la nature systémique du sujet étudié et à fournir un moyen d’évaluer la fiabilité des résultats. L’analyse de faits empiriques grâce aux technologies TDM offre ainsi – dans certains cas – une possibilité d’analyser la véracité des affirmations politiques et d’apporter un appui d’aide à la décision.13

Notes

1 https://en.wikipedia.org/wiki/Abductive_reasoning.

2 « Gouvernance de la recherche publique – Vers de meilleures pratiques », OCDE 2003.

3 L’expression « effet château d’eau » renvoie à une notion économique. C’est un écho à la théorie du ruissellement mais élargie aux innovations et non seulement au système fiscal. En somme, le TDM est un ensemble de techniques qui peut investir de nombreux secteurs, il « coule » sur eux et peut donc « irriguer » différentes activités économiques.

4 COMETS, Les enjeux éthiques du partage des connaissances, 2015, p.4.

5 - Article R.413-5-1 du code pénal : « Sont dites " zones à régime restrictif " celles des zones, mentionnées à l'article R. 413-1, dont le besoin de protection tient à l'impératif qui s'attache à empêcher que des éléments essentiels du potentiel scientifique ou technique de la nation :
1° Fassent l'objet d'une captation de nature à affaiblir ses moyens de défense, à compromettre sa sécurité ou à porter préjudice à ses autres intérêts fondamentaux ;
2° Ou soient détournés à des fins de terrorisme, de prolifération d'armes de destruction massive et de leurs vecteurs ou de contribution à l'accroissement d'arsenaux militaires.
Les zones à régime restrictif peuvent inclure, dans leur périmètre, des locaux dont la protection renforcée est justifiée par l'entreposage de produits ou par l'exécution d'activités comportant des risques particuliers au regard des impératifs mentionnés aux trois premiers alinéas. »

6 https://archives.limsi.fr/Actualites/GoogleAward.html.
https://research.googleblog.com/2015/06/google-computational-journalism.html.
https://www.amia.org/news-and-publications/press-release/19-fellows-inducted-american-college-medical-informatics.

7 https://perso.limsi.fr/pz/.

8 http://www.sciencedirect.com/science/article/pii/S0166497211000113.

9 Laurent Catherine, Baudry Jacques, Berriet-Solliec Marielle, Kirsch Marc, Perraud Daniel, Tinel Bruno, Trouvé Aurélie, Allsopp Nicky, Bonnafous Patrick, Burel Françoise, Carneiro Maria José, Giraud Christophe, Labarthe Pierre, Mastose Frank, Ricroch Agnès, « Pourquoi s’intéresser à la notion d’evidence-based policy ? », Revue Tiers Monde, 4/2009 (n° 200).
http://www.cairn.info/revue-tiers-monde-2009-4-page-853.htm.

10 Overseas Development Institute, Evidence-Based Policymaking: What is it? How does it work? What relevance for developing countries?, November 2005.

11 Marwa Chalgham, Abderrahmane Fadil, Abdelaziz Dammak. « Le Data Mining pour l'aide à la décision en géomarketing ». ROADEF - 15ème congrès annuel de la Société française de recherche opérationnelle et d'aide à la décision, Feb 2014, Bordeaux, France. <hal-00946452>

12 Quora “Why is econometrics isolated from the big data revolution”, 2013.
https://www.quora.com/Why-is-econometrics-isolated-from-the-big-data-machine-learning-revolution.
« Hal R. Varian, “Big Data: New Tricks for Econometrics”, Journal of Economic Perspectives, vol. 28, no. 2, Spring 2014.

13 NESTA, Using Research Evidence. A Practice Guide, Section A “What is evidence-informed decision-making, and why focus on research?” 2015.

Lire

Open access

Acheter