Préface à l’édition française

1La présente traduction française trouve son origine dans une invitation à intervenir au colloque inaugural du Plan national pour la science ouverte à Paris en 2018, sous-titré « De la stratégie à l’action », que m’avaient adressée Marin Dacos et Françoise Genova. Ces trois jours de conférences stimulantes, organisés en partenariat avec la Research Data Alliance, ont attiré des participants venus de France, d’Europe et des États-Unis pour discuter des problématiques émergentes autour de l’accès ouvert des publications, des données, des logiciels et des autres objets de recherche. Les logiques descendantes, à savoir les politiques scientifiques gouvernementales, s’y sont confrontées aux démarches ascendantes des pratiques disciplinaires. L’ambitieux Plan national pour la science ouverte combine des actions propres à la France et des initiatives européennes : « La France s’engage pour que les résultats de la recherche scientifique soient ouverts à tous, chercheurs, entreprises et citoyens ».

2Dans les deux années qui ont suivi, la science ouverte a continué d’évoluer au point de vue conceptuel, stratégique et pratique. La notion d’« ouverture », qu’elle se réfère aux publications, aux données, aux logiciels ou autres entités, est plus indéfinissable que jamais. Qu’est-ce qui est ouvert, à qui, quand, pourquoi et à quelles conditions : tout cela est très variable. L’open access ou accès ouvert (AO) aux publications constitue souvent le point de départ des démarches en faveur de la science ouverte, comme en France avec le Plan national. L’édition en AO connaît cependant de nombreuses variantes. Certains projets en font supporter le coût par des organismes de financement étatiques, d’autres par les universités, d’autres par les auteurs et autrices et d’autres par les maisons d’édition. D’autres variantes promeuvent les serveurs de prépublications (preprint) et les référentiels institutionnels en complément d’abonnements payants. Les initiatives gouvernementales, telles que le Plan S qui doit entrer en vigueur en 2021, sont controversées et aboutissent à des compromis complexes entre les parties prenantes (Kwon, 2018 ; Noorden, 2020 ; Plan S, 2019).

3Le deuxième pilier de la plupart des projets de science ouverte, y compris français, est l’open data, ou les données ouvertes. L’accès aux données de recherche, qui constitue un des principaux thèmes du présent ouvrage, est plus complexe encore que l’édition en AO. La publication scientifique est l’héritière d’une longue histoire, vieille de plusieurs millénaires pour les livres et de plusieurs siècles pour les articles de revue. Les données aussi existent depuis longtemps, mais ont longtemps été un processus plutôt qu’un produit scientifique échangeable. Les données de la recherche peuvent être des artefacts matériels, mais aussi des abstractions ou des simulations. Pratiquement n’importe quelle entité peut être utilisée pour mettre en évidence des phénomènes. Ce qui représente un signe pour les uns est du bruit pour les autres. Les êtres humains interviennent tout au long du cycle de vie des données, de leur création à leur abandon ou leur destruction en passant par leur conservation (Borgman, 2019).

4Lors de la première publication de ce livre en 2015, les parties prenantes avaient fini par reconnaître le caractère désordonné de l’ouverture (Aspesi Brand, 2020). Si la plupart des disciplines acceptent aujourd’hui l’édition en accès ouvert, les moyens et les rythmes d’adoption varient en fonction des domaines, des financements, des pays et d’autres facteurs. La majorité des acteurs admettent que le désordre est aussi une caractéristique des données scientifiques ; la recherche sur les pratiques en la matière a d’ailleurs fait de grands progrès sur le plan philosophique, épistémologique, social, technique et culturel (Borgman, 2019 ; Drucker, 2014 ; Lane et al., 2020 ; Leonelli, 2019a, 2019b ; Pasquetto et al., 2019 ; Rosenberg, 2018). Les principes FAIR, promulgués en 2016 (Wilkinson et al., 2016), ont instauré un cadre pour la diffusion ouverte des données. Ils ont été rapidement intégrés dans les politiques scientifiques européennes (European Union Publications Office, 2018). Les efforts concrets pour mettre en œuvre FAIR sur le terrain ont révélé l’ambition de ce projet. Pour que les données soient trouvables (Findable), les communautés disciplinaires doivent convenir de méthodes de description et de recherche. Pour qu’elles soient Accessibles et Interopérables, les parties prenantes doivent s’accorder sur le cadre technique et légal. Pour qu’elles soient Réutilisables, leurs créateurs et créatrices doivent fournir une documentation adéquate, ainsi qu’un accès aux logiciels, à l’instrumentation et aux autres technologies qui leur sont souvent associées. La réutilisation des données est un but plus accessible que la science reproductible ou réplicable, mais toutes restent des concepts contestés. Les principes FAIR sont soumis à des facteurs temporels. Plus long est le laps de temps qui s’est écoulé depuis l’origine des données et plus il est difficile de les trouver, d’y accéder, de les rendre interopérables ou de les réutiliser. Les créateurs et créatrices de données conservent un avantage significatif en matière de réutilisation des données de la recherche (Pasquetto et al., 2017, 2019).

5Ces cinq dernières années, de nouvelles revues consacrées à la recherche interdisciplinaire sur les données ont été créées, comme Harvard Data Science Review, Scientific Data et Journal of Data and Information Science, sans compter les innombrables numéros spéciaux de revues disciplinaires. L’intérêt pour la préservation des logiciels, la citation de logiciels et la citation de données ne cesse de grandir (Bouquin et al., 2020 ; Davenport et al., 2020 ; Smith et al., 2016 ; Software Heritage Foundation, 2019 ; Wofford et al., 2020). Ces médias, auxquels s’ajoutent les colloques, les rapports gouvernementaux et les projets de financement, permettent d’élargir le débat autour des données de la recherche. Les sujets abondent, qu’ils soient théoriques, techniques ou pratiques, comme les coûts et bénéfices de la préservation des données, l’éthique et la valeur de l’accès aux données sur les sujets humains, les facteurs incitatifs et dissuasifs au partage ou à la réutilisation des données, les compromis à trouver entre le lancement de nouveaux projets et la préservation des données des projets existants, la variété des pratiques au sein des domaines et entre eux et la gestion des données par les universités, les référentiels disciplinaires, les administrations et les sociétés commerciales, pour ne citer que quelques acteurs.

6Parallèlement à l’essor de la recherche en sciences des données, les possibilités de carrières dans la science, la gestion et d’autres domaines des pratiques en matière de données se sont élargies. Les universités de France, d’Europe, d’Amérique du Nord, d’Australasie, d’Asie et d’ailleurs investissent dans des programmes en sciences des données aux niveaux licence et master. Certaines universités exigent de leurs étudiantes et étudiants qu’ils suivent au moins un cours en datalogie dans leur cursus. L’orientation théorique, informatique et pratique de ces cours et diplômes est variée. Beaucoup enseignent des connaissances générales en informatique, statistique, recherche numérique ou autres. Certains sont propres à une discipline, comme la bio-informatique. D’autres sont professionnalisants, comme ceux dispensés dans les cursus de commerce, de management, de documentation et de sciences de l’information. Les bibliothèques universitaires et les instituts de recherche embauchent des spécialistes de la gestion de données. Ces professions jouent un rôle important dans la conservation, le développement d’archives, l’assistance aux chercheurs et chercheuses dans la gestion de leurs propres données et la planification stratégique de la science ouverte.

7L’avancée la plus significative de cette période est sans doute la reconnaissance dont se sont mises à bénéficier les infrastructures de la connaissance (IC) où se construit la recherche. Comme nous l’expliquons dans le chapitre 1 de ce livre, les IC recouvrent les composantes humaines, sociales, techniques, stratégiques et institutionnelles du travail intellectuel et leurs nombreuses interactions. Les infrastructures se développent, évoluent et s’adaptent de façon complexe sur de longues périodes. Considérer l’une de ces composantes isolément, que ce soient les données, les publications ou les systèmes individuels, revient à ne voir qu’une partie du corps de l’éléphant. Des silos peuvent émerger et se retrouver isolés. Des composantes conçues pour interagir avec fluidité peuvent se fragiliser et mener à des pannes catastrophiques. Des réseaux robustes peuvent se réparer eux-mêmes, au moins pour un temps. Les infrastructures sont par essence fragiles et nécessitent un entretien continuel et des réparations régulières. La durabilité est un exploit. Les données de la recherche sont particulièrement fragiles, parce qu’elles se suffisent rarement à elles-mêmes. Faute de contexte, de structure ou de documentation, un jeu de données peut n’être guère qu’une série de chiffres. Pour que les données soient trouvables, accessibles, interopérables et réutilisables, des myriades d’acteurs doivent investir dans les composantes des IC, telles que les métadonnées, les formats, les archives, la préservation de logiciels, la conservation de données, la main-d’œuvre qualifiée… Ces acteurs doivent ensuite travailler ensemble pour que ces composantes continuent de fonctionner à l’unisson. À mesure que les parties prenantes se diversifient pour inclure des partenaires publics, privés, étatiques et de niche, la complexité des IC augmente. On le sait : les infrastructures sont invisibles jusqu’au moment où elles ne marchent plus (Borgman et al., 2020, 2016 ; Edwards, 2010 ; Edwards et al., 2013 ; Mayernik et al., 2017 ; Scroggins et al., 2020 ; Scroggins et Pasquetto, 2020 ; Star et Ruhleder, 1996).

8Cette nouvelle édition de Qu’est-ce que le travail scientifique des données ? Big data, little data, no data paraît alors que la recherche, la science ouverte et les infrastructures de la connaissance se trouvent à un carrefour. Charlotte Matoussowsky est une traductrice particulièrement consciencieuse, qui a émaillé nos échanges de questions judicieuses tout au long du processus. Puisse cet ouvrage susciter de nouveaux débats qui feront progresser notre compréhension, notre utilisation et notre réutilisation des données de la recherche pour les générations futures.

9Christine L. Borgman

10UCLA, Los Angeles

1113 novembre 2020