Introduction

1Étant donné la diversité des théories, des méthodes, des cultures et des questions dans la recherche, il n’est pas surprenant que les données soient tout aussi variées. Pour être efficaces, les infrastructures de la connaissance doivent fournir un terrain d’entente aux parties prenantes, soutenir autant que possible des méthodes et des normes spécifiques et faciliter, le cas échéant, le transfert de données, de méthodes, d’outils, de technologies et de théories entre communautés, entre contextes et au fil du temps. Dans le meilleur des mondes possibles, les scientifiques pourraient s’appuyer sur des infrastructures de la connaissance de domaines très divers.

2Les bonnes pratiques en physique ne conviendront pas forcément à la philologie et vice versa. Les champs de recherche diffèrent par de nombreux aspects, y compris par leur volume, leur variété, leur vitesse (Laney, 2001) et leurs types de données ; leurs habitudes en matière de partage et de réutilisation ; et leurs critères d’attribution de la paternité et de la responsabilité des publications et des données. Une analyse poussée des pratiques en matière de données – comment elles sont recueillies, gérées, utilisées, interprétées, divulguées, réutilisées, déposées, conservées, etc. – permet d’identifier le degré de variation, les méthodologies transversales, les méthodologies nécessitant une importante adaptation aux contraintes locales et les possibilités de transfert. Souvent, la recherche la plus transformatrice est celle qui emprunte des pratiques à d’autres domaines. En quête d’expertise et d’idées, certaines personnes se tournent vers leur communauté et d’autres regardent à l’extérieur. Une approche peut rester relativement inchangée à l’échelle d’une carrière ou s’adapter en permanence à des sources de données, des outils, des questions, des possibilités et des contraintes nouvelles. Des foyers d’innovation peuvent surgir dans des recoins inattendus de l’univers scientifique, mais il en va de même des zones de stagnation. Les provocations du chapitre 1 varient en fonction des domaines et d’autres facteurs. Le présent chapitre développe un modèle qui s’applique aux études de cas en sciences exactes, humaines et sociales des trois chapitres suivants, établissant les fondements des analyses comparatives des politiques et des pratiques en matière de données de la partie III.

Disciplines et données

3Les pratiques en matière de données sont tout aussi variables que les autres aspects du travail scientifique. Mener des recherches s’apprend tout au long d’une carrière et requiert une expertise et une expérience profondes. La théorie, les questions, les méthodes et les ressources influent sur le choix des données pour résoudre un problème. À l’inverse, s’apercevoir que quelque chose pourrait servir de donnée influence la manière de poser les questions et d’appliquer les méthodes. Ces décisions reposent souvent sur un savoir tacite et sur des suppositions qu’il est difficile d’expliciter.

4Les disciplines sont un moyen commode, bien que très imparfait, de classer les différentes pratiques en matière de données. Cependant, les frontières entre sciences exactes, sciences sociales et sciences humaines sont poreuses et artificielles. Toute tentative de catégorisation générale de l’activité humaine se heurte à des difficultés considérables ; néanmoins, le regroupement reste nécessaire à la formulation d’un argumentaire. Il existe de nombreuses catégorisations des distinctions disciplinaires, dont aucune ne fait réellement consensus. Parmi les dichotomies courantes dans les méthodologies, on citera : recherche fondamentale ou appliquée, axée sur l’hypothèse ou sur la découverte, déductive ou inductive et théorique ou empirique. En dépit de la fréquence de leur usage dans les politiques scientifiques, ces termes sont litigieux depuis le xvi^e siècle et Francis Bacon.

5Donald Stokes (1997) s’est penché sur les origines des pratiques de recherche en Occident. Il a révélé les nombreuses manières dont ces catégories sont traitées, ainsi que la variation des distinctions – comme recherche fondamentale ou appliquée – en fonction de leurs rôles, au fil du temps et des circonstances. En examinant un travail de recherche, Stokes demande si celui-ci est une quête de savoir fondamental et si les chercheurs et chercheuses envisagent les applications de leurs découvertes. Si l’on répond oui à ces deux questions, le travail peut être catégorisé en tant que « recherche fondamentale motivée par l’application », que Stokes appelle le « quadrant de Pasteur ». En effet, Louis Pasteur souhaitait comprendre le fonctionnement de la fermentation, mais il voulait aussi appliquer ces connaissances pour empêcher le lait de tourner. La recherche fondamentale pure, dont Niels Borh est l’illustration par excellence, consiste en la quête d’un savoir fondamental, sans s’inquiéter de s’il trouvera une application. Thomas Edison incarne la recherche appliquée pure, profondément préoccupée par l’utilisation et très peu par le savoir fondamental. Le quatrième quadrant, où la réponse aux deux questions est non, n’est pas vide. Stokes note en effet (p. 74-75) que des scientifiques peuvent simplement se montrer curieux, sans être motivés par des applications ou par la théorie fondamentale. Le quatrième quadrant est particulièrement intéressant si l’on envisage la dimension temporelle des données. Par exemple, des guides d’observation des oiseaux et des papillons, qui ne recelaient ni applications ni théorie lorsqu’ils ont été conçus, sont plus tard devenus de précieuses traces du changement climatique.

6Kwa (2011) remonte l’histoire du raisonnement scientifique jusqu’à ses sources gréco-latines, bien avant les traditions occidentales. S’appuyant sur les travaux d’Alistair Crombie (1994), il examine six styles distincts : déductif, expérimental, hypothético-analogique, taxonomique, statistique et évolutionniste. Plus tard, Meyer et Schroeder (2014) comparent les méthodologies de l’eResearch aux styles de savoir de Kwa (et Crombie). Ils appliquent également le modèle d’organisation sociale des sciences de Whitley (2000) à l’eResearch de façon transversale. Les dimensions de ce modèle sont la dépendance mutuelle et l’incertitude de la tâche. Certains domaines présentent une dépendance mutuelle élevée et requièrent donc l’agrégation des ressources et la formalisation des structures de gouvernance, tandis que ceux présentant une faible dépendance mutuelle ont moins besoin de ces structures. La dépendance mutuelle interagit avec le degré d’incertitude de la tâche ; ainsi, les domaines où ce degré est faible (c’est-à-dire où il y a davantage de certitude), comme la physique des particules, développent des administrations intégrées.

7Thomas Kuhn (1962, 1970) avançait un argument semblable à propos du degré de consensus entre communautés sur les questions dignes d’être étudiées. Tony Becher (1989, 1994) fait partie de ceux qui distinguent entre les méthodologies « dures » et « molles » dans les sciences. Il s’appuie sur les travaux de Biglan (1973) et Kolb (1981) pour y ajouter une dichotomie entre sciences pures et sciences appliquées, créant ainsi un modèle à quadrants analogue à ceux de Stokes et Whitley. Le quadrant dur et pur représente les méthodologies abstraites et réflexives que l’on trouve dans les sciences naturelles ; le quadrant mou et pur correspond au mode concret et réflexif des sciences humaines et sociales ; le dur et appliqué équivaut aux caractéristiques abstraites et actives des métiers à teneur scientifique ; et le mou et appliqué est constitué des modes concrets et actifs pratiqués dans les professions sociales. Bien que tous ces modèles soient fondés sur une étude empirique des domaines, chacun d’eux s’efforce de réduire le travail de communautés diverses et complexes à quelques éléments de base (Furner, 2010).

8Les styles de recherche des sciences humaines et sociales n’ont pas bénéficié de la même attention que ceux des sciences exactes. Néanmoins, les quadrants désignant des méthodologies scientifiques s’appliquent aussi aux sciences sociales, notamment aux domaines quantitatifs qui se situent à la limite des sciences exactes. Dans les sciences humaines et les domaines des sciences sociales se rapprochant de celles-ci, on emploiera surtout les termes de théorie et d’interprétation. L’incertitude de la tâche y est plus élevée et les ressources partagées, moindres. Les chercheurs et chercheuses en sciences humaines travaillent plus souvent seuls et sont moins sujets à la dépendance mutuelle. Toutes ces pratiques évoluent au fil des avancées technologiques en matière de répartition : les équipes s’agrandissent, les ressources communes se développent et les tâches sont davantage systématisées (Beaulieu et al., 2012 ; Burdick et al., 2012 ; Friedlander, 2009 ; Meyer et Schroeder, 2014 ; Unsworth et al., 2006 ; Wouters et al., 2012).

La taille compte

9Le big data est une question d’échelle et non de taille absolue, comme nous l’avons expliqué au chapitre 1. Les différences d’échelles de données influent à leur tour sur les entités qui deviennent des données, les méthodes appliquées, les formes d’investigation et les fins et objectifs de la recherche. La big science (mégascience, science lourde), pour reprendre la terminologie de Price (1963), consiste en des sciences mûres caractérisées par des équipes nombreuses et décentralisées, des collaborations internationales, de vastes recueils de données et de grandes installations instrumentales. Les little sciences ou small sciences (sciences légères) représentent tout le reste.

10Pourtant, ce qu’il y a au milieu est peut-être le plus intéressant. Comme le montreront les études de cas, aucun champ de recherche ne s’inscrit strictement dans les limites de la big science ou de la little science. Les domaines qui disposent de vastes ensembles de données, d’instrumentation partagée, de partenaires internationaux et de structures de gouvernance complexes présentent aussi des poches d’activité où des chercheurs et chercheuses constituent individuellement des collections locales de données qui ne rejoindront jamais les ressources partagées. De même, un scientifique isolé peut fonder son travail sur d’immenses ensembles recueillis par d’autres.

11Les dimensions qui font varier la taille, l’échelle ou le périmètre des données sont influencées par les entités qui deviennent des données, les pratiques qui leur sont associées, leur représentation et leurs modes de diffusion ou de réutilisation. Les facteurs institutionnels, comme les normes et symboles, les intermédiaires, les procédures, les standards et les objets matériels, s’avèrent également importants (Mayernik, 2015). Les dimensions de taille sont indépendantes du domaine ou de la discipline, mais interagissent avec de nombreux autres facteurs, tels que les objectifs du projet, les méthodes de collecte des données et les techniques d’analyse. Ces dimensions peuvent indiquer si les transferts sont judicieux ou non et s’il est nécessaire d’investir dans les infrastructures de la connaissance.

Objectifs du projet

12Les objectifs d’un projet de recherche influent sur le périmètre des preuves à avancer. Par exemple, pour une recherche exploratoire, le ou la scientifique souhaitera recueillir de petits ensembles de données qui décrivent des événements particuliers ou phénomènes, souvent de manière souple. En revanche, si le but est de modéliser des systèmes entiers, il est nécessaire de collecter systématiquement de larges volumes de données. Quand ils cherchent à formuler une problématique, chercheurs et chercheuses se montrent ouverts à de nombreuses sources potentielles. À mesure qu’ils cernent le problème, ils resserrent le périmètre de leur collecte.

13Les données météorologiques et climatologiques illustrent combien le périmètre d’une collecte de données peut varier en fonction de l’objectif de recherche. Les données météorologiques sont des mesures locales recueillies afin d’émettre des prévisions à court terme de la température, des précipitations, de la neige, des nuages, des vents, des orages et d’autres phénomènes. Ces prévisions sont rarement fiables à plus de dix jours. Les mesures météorologiques locales peuvent être cohérentes au fil du temps si elles sont prises au même endroit, avec les mêmes instruments, à intervalles réguliers et en suivant des protocoles établis. Cependant, les données recueillies à un endroit peuvent ne pas correspondre à celles venant d’ailleurs, parce que les sites concernés peuvent utiliser des instruments et des protocoles différents pour la collecte.

14À la différence des prévisions météorologiques, la climatologie nécessite de rassembler des observations sur des sites dispersés et sur de longues périodes. Les données climatiques peuvent être collectées de manière systématique grâce à des observations satellites ou être dérivées de séries de données météorologiques. On peut alors les saisir dans des modèles de processus physiques pour étudier le climat. Une même observation peut d’ailleurs être entrée dans des modèles multiples, développés par des équipes diverses sur la base de théories et de paramètres différents. Paul Edwards (2010) nous offre un récit exhaustif du siècle de prouesses scientifiques, techniques, sociales et politiques nécessaires à la mise en place d’accords internationaux, lesquels ont permis la collecte cohérente de données indispensable à la climatologie. Aujourd’hui, ces données servent à prédire les tempêtes, les inondations, les sécheresses et d’autres phénomènes climatiques qui transcendent les frontières nationales.

15Malgré leurs imperfections, les modèles climatiques représentent une belle réussite au sens où les intérêts locaux et mondiaux ont fini par converger (Edwards, 2013). Il semblerait que cela ne soit pas la norme – les échecs étant consignés moins précisément que les réussites. Davis Ribes et Thomas Finholt (2009) ont ainsi identifié des tensions dans le développement à long terme de quatre grandes infrastructures scientifiques. Au départ, toutes ces infrastructures semblent partager des objectifs communs, du moins pour l’œil extérieur. Mais au fur et à mesure de leur collaboration, des différences dans les buts, les motivations, les communautés d’utilisateurs et utilisatrices, les technologies et d’autres facteurs se sont fait jour. Rapprocher les données hydrographiques – une question essentielle pour le changement climatique – est particulièrement compliqué en raison des divergences méthodologiques fondamentales entre des domaines comme le génie de l’environnement, l’hydrologie, la politique publique, l’architecture et l’urbanisme. Les différences d’objectifs peuvent être attribuées aux dimensions de Stoke – à savoir l’application versus le savoir fondamental –, à des facteurs temporels, aux standards, à l’interopérabilité et au contexte local (Jackson et Buyuktur, 2014 ; Jackson et al., 2011 ; Jackson, 2006 ; Lampland et Star, 2009 ; Ribes et Finholt, 2009 ; Ribes et Jackson, 2013).

Collecte des données

16Le fait que des observations, des traces ou d’autres entités deviennent des données dépend en partie de qui les collecte et comment. Les mégadonnées (big data) sont généralement recueillies par des machines : c’est par exemple le cas des gigantesques volumes de photons captés par des télescopes ou de l’échantillonnage intermittent d’indicateurs de la qualité de l’eau par des réseaux de capteurs. Le développement de la technologie nécessaire peut réclamer des années de travail, mais une fois mise en place, elle produit des données caractérisées par une vitesse et un volume élevés. Ce sont ces données qu’évoquent Parsons et Fox (2013) dans la métaphore du « big iron »1 ; elles s’inscrivent dans une production industrielle et une culture technique. Les individus et les petits laboratoires peuvent également recueillir des mégadonnées, tirées aussi bien de réseaux sociaux que de réseaux de capteurs. À l’extrême opposé se trouve la collecte artisanale de données, qui nécessite un savoir-faire considérable. Il s’agit par exemple d’échantillons d’eau et de sol qui sont prélevés à la main, traités par dilution et centrifugeuse, mis en culture et comptés (Wallis et al., 2013). Les données artisanales locales sont souvent conservées sur place par les laboratoires qui les ont recueillies. La collecte, l’utilisation et l’interprétation de données – big ou little – dépendent fortement de l’expertise dans le domaine considéré (Beaulieu et al., 2012 ; Collins et Evans, 2007).

17Les méthodes de collecte peuvent s’avérer déterminantes pour la motivation et la capacité à échanger des données. Hilgartner et Brandt-Rauf (1994) établissent une distinction entre la disponibilité d’une technique et l’avantage concurrentiel qu’elle procure. Le continuum va des « doigts de fée » (magic hands), où des techniques nouvelles ne peuvent être appliquées que par des spécialistes, aux « kits », où celles-ci sont suffisamment banalisées pour être vendues comme du matériel standardisé. Les « protocoles normalisés » se situent au milieu de ce continuum. Une technique unique au sein d’un seul laboratoire peut passer du statut de « doigts de fée » à celui de kit. Pritchard, Carver et Anand (2004) ont découvert que ce sont les pratiques de collecte, plus que les domaines, qui fédèrent les groupes. Les données produites par des techniques industrielles, standardisées ou en kit sont mieux documentées que celles provenant de méthodes artisanales et de doigts de fée.

18Les unités de données, que nous avons évoquées au chapitre 3, et leurs liens avec les pratiques de publication influent aussi sur ce qui devient des données et les volumes collectés. Dans certains cas, une journée passée sur le terrain fournira suffisamment de matériaux pour rédiger plusieurs textes. Dans d’autres, un article de revue représentera des années de collecte. Un seul gros jeu de données peut être analysé pour répondre à plusieurs questions de recherche, soit seul, soit combiné à d’autres ressources. Des notes prises dans des archives fourniront quelques données ou bien des années de ressources à explorer. Les scientifiques peuvent accumuler des données sur un site, une espèce, une communauté ou un manuscrit précieux tout au long d’une carrière. Il est rare qu’à une excursion – qu’il s’agisse d’un séjour sur le terrain ou d’une visite dans des archives – corresponde une publication. Quand les données sont précieuses, elles sont d’autant plus susceptibles d’être intégrées à de multiples articles, appelés « plus petites unités publiables ». Cette pratique est aussi parfois désignée sous le terme de « saucissonnage » (Owen, 2004).

19Le degré de contrôle sur la collecte de données dont dispose la ou le scientifique ou le laboratoire influe aussi sur les pratiques, les motivations et les contraintes de transfert et de réutilisation. Lorsqu’ils récupèrent des données dans un référentiel ou une autre ressource, les chercheurs et chercheuses doivent se fier à la documentation pour savoir comment elles ont été recueillies. La collecte peut être externalisée, par exemple en engageant des sondeurs et sondeuses ou par du crowdsourcing (ou production participative). Dans ce dernier cas, les scientifiques trouvent un moyen de former des volontaires au repérage d’oiseaux, d’espèces invasives ou d’autres phénomènes. On leur fournit des outils, comme des sites web et des applications mobiles, et la collecte de données est supervisée et vérifiée par des personnels experts (eBird, 2013 ; What’s Invasive!, 2010). Le crowdsourcing permet, sans être généralisable à toutes les collectes, de recueillir de grandes quantités de données en mobilisant un public sensibilisé.

Analyse des données

20Les investissements réalisés dans les données au stade de l’analyse, ainsi qu’au cours de la collecte et de l’interprétation, sont également déterminants pour une utilisation, une réutilisation, un échange et une conservation aisés. Certaines données n’ont besoin que d’une intervention minime pour être utiles ; d’autres nécessitent pour cela un nettoyage substantiel, un étalonnage et d’autres opérations. Les décisions de départ sur ce qui sera collecté, comment et pourquoi ont des répercussions sur l’ensemble des processus. Parfois, les mesures seront directes, comme le mesurage de feuilles d’arbres et l’attribution de paramètres géospatiaux et temporels (par exemple, le lieu et l’heure exacte de la cueillette) à celles-ci. D’autres mesures seront indirectes et nécessiteront des modèles d’interprétation, comme la tension électrique d’un capteur qui représente un type de nitrate. Pour interpréter une donnée, il peut être nécessaire de disposer d’informations sur le type d’appareil, son calibrage, la date, l’heure et le lieu de collecte et la méthode de captation de l’échantillon. Certaines seront analysées et documentées immédiatement, donnant lieu à la création d’une trace permanente. D’autres seront accumulées pour analyse ultérieure. Certains échantillons sont fragiles, comme les prélèvements d’eau contenant des protozoaires qui meurent en quelques heures. D’autres, tels les parchemins, restent relativement stables des siècles durant.

21Les pratiques d’analyse de données dépendent des objectifs du projet, de la préoccupation pour les applications ou la théorie, de la disponibilité d’outils, d’expertise et d’infrastructures et de nombreux autres facteurs. De même que certaines personnes rangent méticuleusement leur domicile alors que d’autres s’épanouissent dans le chaos, les scientifiques ont des habitudes extrêmement diverses en matière de collecte et d’analyse. Certains organisent leurs données rapidement, distinctement et de manière complète le plus tôt possible. D’autres les laissent s’accumuler des jours, des mois ou des années durant avant de s’atteler à la tâche. Certains rédigent des mémorandums à chaque étape de la collecte et de l’analyse, d’autres les évaluent après coup. Certains mettent en place des procédures et des protocoles clairs pour leur laboratoire ou leur équipe et promeuvent ainsi des pratiques cohérentes qui facilitent les analyses comparatives et longitudinales. D’autres privilégient la flexibilité et exploitent l’ensemble des compétences de chaque membre de l’équipe. Si les pratiques en matière de données tendent à se regrouper par communauté, les détails de la gestion sont aussi divers que les données elles-mêmes (Bowker, 2005 ; Edwards et al., 2011 ; Jackson et al., 2011 ; Mayernik, 2011, 2015 ; Wallis, 2012).

22Bien que ce modèle ne soit pas généralisable, certains types d’analyse de données peuvent bénéficier du crowdsourcing (ou production participative), comme le montre Zooniverse. Cette plateforme soutient des projets où la classification ou l’interprétation des données n’est pas réalisable par des méthodes informatiques, ne nécessite que peu ou pas de formation et de connaissance du domaine et où les objets peuvent être classés en fonction d’un petit nombre de paramètres. Les projets en cours proposent aux participantes et participants de catégoriser le temps qu’il fait sur Mars, de transcrire des relevés météorologiques issus de vieux journaux de bord, d’écouter des baleines communiquer et d’analyser des données liées au cancer. L’interface ludique incite les gens à donner de leur temps pour ces projets de recherche. Début 2014, plus d’un million de personnes étaient membres de Zooniverse. Les données sont présentées à de multiples bénévoles afin d’être classées. L’exactitude de chaque classification est évaluée, de même que la rapidité et la précision de chaque volontaire (Zooniverse, 2014).

Quand est-ce une donnée ?

23Il est rare qu’on puisse définir un instant magique où une chose devient une donnée. En général, cela implique un processus par lequel un ou une scientifique reconnaît qu’une observation, un objet, une trace ou une autre entité pourrait servir à mettre en évidence un phénomène, puis recueille, acquiert, représente, analyse et interprète ces entités en tant que données. J’utiliserai un exemple simple pour illustrer les nombreux instants où les choses deviennent données. Une chercheuse détermine que les jardins publics sont un lieu idéal pour étudier le comportement des enfants. Elle se rend dans l’un d’eux et observe un petit courir sur le terrain de jeu. En fonction de la question de recherche, du phénomène étudié, du cadre théorique, de la méthode et des objectifs de l’étude, beaucoup d’aspects différents de cette observation pourraient devenir des données. Peut-être la chercheuse examinera-t-elle la démarche de l’enfant afin d’évaluer son âge, son état de santé et le type d’activité en cours. Les points de départ et d’arrivée de la course peuvent l’intéresser : le petit donne-t-il l’impression de courir au hasard, entre deux parents ou gardiens ou bien avec d’autres enfants ? Joue-t-il dans son coin ou en interaction avec d’autres ? La chercheuse peut effectuer ses observations sur l’enfant seul, le couple parent-enfant ou un groupe d’enfants comme unité d’analyse.

24Le parc peut aussi constituer l’unité d’analyse, pour peu que la chercheuse compare l’activité de différents jardins publics aux démographies différentes ; ou alors elle conduira une étude ethnographique à long terme sur un seul site. Elle pourra rassembler des informations contextuelles comme la date et l’heure, des données socioéconomiques sur le quartier, les moyens de transport utilisables pour se rendre au parc, des données météorologiques ou encore les niveaux de pollens ou de pollution de l’air.

25Les observations des activités de l’enfant peuvent être enregistrées de nombreuses façons, en fonction de ce que la chercheuse connaît de ses sujets de recherche et du degré de consentement qu’elle a obtenu pour les observer. Peut-être s’assiéra-t-elle sur un banc dans un coin discret, prenant en silence des notes dans un carnet. En revanche, si la chercheuse a obtenu le consentement éclairé des participantes et participants, elle pourra recueillir davantage d’informations. De multiples observateurs pourront être présents. Peut-être des caméras, des microphones et d’autres capteurs seront-ils installés sur le terrain de jeu. Les participants pourront même être équipés de capteurs pour enregistrer leur activité, leurs mouvements, leur rythme cardiaque, etc. La chercheuse pourra s’entretenir avec les enfants et leurs gardiens avant ou après le jeu.

26Quels aspects des observations de notre chercheuse sur l’enfant constituent des données ? Comme nous l’avons vu au chapitre 3, une observation doit être représentée d’une façon ou d’une autre pour pouvoir être traitée en donnée. L’observatrice humaine saisit mentalement les activités de l’enfant, puis les retranscrit sous forme d’entités sur papier ou sur ordinateur. Celles-ci peuvent prendre la forme de notes narratives, de croquis, d’un tableau d’entrées ou d’autres représentations. Elles peuvent être saisies directement dans un outil d’analyse ou transcrites pour une saisie ultérieure. Si les participantes et participants sont interrogés, on combinera leurs réponses avec les notes. On intégrera des informations contextuelles sur le parc et les conditions au moment de l’observation dans un tableur ou un progiciel statistique. On peut enregistrer l’activité de l’enfant sous forme audio ou vidéo et ajouter automatiquement à ces représentations numériques le lieu, la date, l’heure, le niveau de luminosité et d’autres paramètres. On peut aussi envisager une segmentation manuelle des enregistrements pour les apparier à des données d’autres participants. Ces représentations peuvent être analysées de nombreuses façons, en fonction de l’objectif de la recherche. Par exemple, on peut compiler des modèles détaillés des activités de chaque enfant, de chaque couple ou de chaque parc ; ou bien orienter l’analyse sur des regroupements d’activités et des phénomènes à plus grande échelle. Dans tous les cas, les observations sont sélectives : elles enregistrent les détails présentant un intérêt pour l’étude considérée et ignorent les autres.

27Le contexte de la recherche influence donc par beaucoup d’aspects ce qui devient données et les modes d’enregistrement et de représentation de celles-ci. Les liens entre connaissances et données peuvent être catégorisés de nombreuses façons (Furner, 2010). Aux fins de la description des cas des chapitres suivants, nous classons les facteurs qui influent sur le moment et la manière dont les choses deviennent données dans deux catégories générales. La première regroupe les considérations de distance entre le ou la scientifique et les origines de ses données ; elle inclut les sources et ressources, les métadonnées et la provenance. La deuxième comprend les influences extérieures sur ce qui devient données, avec pour sous-catégories l’économie et la valeur, les droits de propriété et l’éthique.

La distance compte

28On peut mesurer la distance entre les origines d’une donnée et son utilisation de nombreuses manières. L’époque, le contexte, la méthode, la théorie, la langue et l’expertise ont leur importance. Par ailleurs, la distance géographique entre collaborateurs et collaboratrices peut également influencer significativement leur capacité à partager, interpréter et utiliser les données (Cummings et al., 2008 ; Hollan et Stornetta, 1992 ; Olson et Olson, 2000). Le terme « origines » est tout aussi problématique ; dans le présent ouvrage, il désigne la première fois où quelqu’un traite quelque chose comme une donnée. Les origines et la distance deviennent des facteurs significatifs de représentation et de réutilisation.

29Plus les travaux d’un chercheur ou d’une chercheuse sont proches des origines d’une donnée, quelle que soit la dimension considérée, moins son interprétation dépendra de représentations formelles de connaissances. À une extrémité du spectre, on trouve les scientifiques qui ont une relation personnelle, voire intime, à leurs données, comme les ethnographes, qui consacrent leur carrière à étudier une communauté ou un phénomène. Une chercheuse seule analysant le comportement d’un enfant au parc pourra écrire un article de revue uniquement grâce à sa prise de notes, sans jamais présenter ces dernières d’une manière qui permettrait à d’autres de les interpréter à d’autres fins.

30À l’autre extrémité du spectre se trouvent les scientifiques qui ne travaillent qu’avec des ensembles de données rassemblés par d’autres. Ceux-ci sont souvent très vastes, compilés à partir de sources nombreuses sur de longues périodes. Les démographes qui cartographient l’activité des jardins publics d’une ville, d’un département ou d’un pays sont contraints de se reposer sur des représentations de données réalisées par un grand nombre de personnes et institutions, parfois dans des buts très divers. Il est rare que les démographes ou d’autres analystes de mégadonnées aient une connaissance intime des modalités, de la temporalité ou des raisons de la collecte de leurs données. Les utilisateurs et utilisatrices ultérieurs dépendent de représentations ou d’inscriptions de ces données, de la disponibilité d’un logiciel pour lire les formats numériques et d’autres formes de documentation : autant d’occasions d’interprétations nouvelles, mais aussi d’incompréhensions.

Sources et ressources

31Parfois, les scientifiques collectent leurs propres données ; dans d’autres cas, elles et ils en acquièrent des existantes sur un phénomène ; le plus souvent, ils combinent des données nouvelles et anciennes. La distance entre ces deux catégories – ici considérées respectivement comme des sources et des ressources – sert la réflexion sur comment gérer les données, comment les transférer d’un contexte à l’autre et d’une période à l’autre et comment déterminer lesquelles valent la peine d’être préservées. Les « sources » sont les données créées par les chercheurs et chercheuses d’un projet quelconque. Les « ressources » sont des données existantes réutilisées dans un projet. La distinction source-ressource suit l’usage proposé par l’Oxford English Dictionary, nous l’avons développée ailleurs (Borgman, 2007).

32Chercheurs et chercheuses ont davantage de contrôle sur les sources qu’ils génèrent eux-mêmes que sur les données qu’ils tirent d’autres ressources. En général, les sources sont gérées par les individus ou les laboratoires qui les ont créées, du moins jusqu’au moment du dépôt, de la destruction ou de l’abandon des données. Lorsque les chercheurs ont recours à des ressources qu’ils ne contrôlent pas, qu’il s’agisse de jeux de données personnels créés par d’autres, d’archives, de manuscrits, de flux de médias sociaux ou de documents officiels, ils sont dépendants d’autrui pour accéder à ces ressources et pour obtenir le droit de divulguer, publier ou réutiliser les données générées.

33Le fait de constituer une source ou une ressource pour un projet de recherche quelconque dépend de l’utilisation des données. Lorsque des astronomes étudient le ciel, elles et ils se servent de télescopes pour effectuer des observations d’une région déterminée, dans un laps de temps déterminé et à l’aide d’un instrument déterminé. Chaque série d’observations est une source unique et originale de données. En revanche, lorsque d’autres les récupèrent dans des archives astronomiques, ils traitent ces données comme des ressources.

34Les traces qui n’ont pas été créées à des fins de recherche peuvent aussi être considérées comme des ressources. Par exemple, les informations démographiques sur le quartier, les bulletins météorologiques et les relevés de la qualité de l’air constituent des ressources pour les personnes qui étudient l’activité d’un parc. De même, des chercheurs et chercheuses qui travaillent sur l’évolution de la langue utilisent des manuscrits historiques comme ressources. Ces documents ont été rédigés pour communiquer des idées à leurs contemporains : ce sont les chercheurs d’aujourd’hui qui les traitent en ressources pour la recherche textuelle. Cependant, ces derniers peuvent aussi créer de nouvelles sources de données grâce au recueil d’informations jusque-là insaisissables, par exemple en encodant une écriture manuscrite ou en extrayant le texte de documents historiques à l’aide d’algorithmes de reconnaissance optique de caractères.

Métadonnées

35« Classer est humain », pour reprendre la formulation de Geoffrey Bowker et Susan Leigh Star (1999, p. 1) quant au problème de « la classification et ses conséquences ». Les êtres humains classifient leurs mondes avec des noms de fichier, des dossiers, des gommettes, des étagères, des placards, des piles de papier et d’autres médias et d’innombrables autres moyens. La première étape de la classification consiste généralement à nommer les choses. Une fois nommées, ces catégories peuvent être organisées en hiérarchies, réseaux, graphes ou autres relations présentant différents degrés de formalité. Dans le cas des données et des relations qui les unissent, ces dénominations peuvent avoir des répercussions profondes sur la capacité à découvrir, échanger et conserver.

36Les métadonnées, que l’on peut définir simplement comme « des données sur les données », sont un moyen de nommer les choses et de représenter les données et leurs relations.

Définitions et découvrabilité

37La multiplicité des définitions des métadonnées est la manifestation de leurs nombreux usages. Le milieu de la normalisation propose la définition générale suivante : « une métadonnée est une information structurée qui décrit, explique, localise une ressource informationnelle ou la rend facile à trouver, utiliser ou gérer ». (National Information Standards Organization, 2004, p. 1) La NISO distingue ainsi trois principaux types de métadonnées : descriptives, structurelles et administratives. Cette dernière catégorie comprend deux sous-types : métadonnées de gestion des droits et métadonnées de préservation. Le milieu archivistique a recours à une typologie semblable : métadonnées administratives, descriptives, de préservation, techniques et d’utilisation. Les métadonnées techniques comprennent la documentation matérielle et logicielle, les données d’authentification et d’autres informations spécifiques à un système. Les métadonnées d’utilisation recouvrent le suivi d’utilisation et d’utilisateur, la réutilisation de contenu et l’information sur les versions (Gilliland, 2008 ; Gilliland-Swetland, 1998). Les méthodes d’organisation propres aux bibliothèques, comme les règles de catalogage, les index et les thésaurus, constituent des métadonnées descriptives au sens indiqué plus haut, bien que la pratique documentaire distingue en outre les métadonnées descriptives du catalogage des matières (Svenonius, 2000). Parmi les nombreuses façons d’évaluer les métadonnées scientifiques, on trouve les exigences suivantes : abstraction du schéma ; extensibilité, flexibilité et modularité du schéma ; exhaustivité et suffisance ; simplicité ; échange de données ; recherche de données ; archivage de données et enfin publication de données (Willis et al., 2012).

38Ce qui fait d’une unité d’information considérée une donnée ou une métadonnée dépend souvent de ce qui est décrit et à quelles fins. Ainsi, les notices bibliographiques constituent des métadonnées sur les ouvrages, les articles de revue, les actes de colloques et les autres documents qu’elles décrivent. Ces notices peuvent à leur tour être traitées en données pour la recherche sur les réseaux sociaux en montrant qui cite qui ; elles peuvent aussi servir de données à l’étude de la communication savante pour examiner le transfert d’idées entre disciplines au fil du temps (Borgman et Furner, 2002 ; Borgman, 1990). Les données des uns sont les métadonnées des autres et vice versa.

39Les distinctions entre données et métadonnées ont constitué parmi les révélations les plus fracassantes de la fuite en 2013 de dossiers classés de la NSA (US National Security Agency, Agence nationale de sécurité des États-Unis) [The NSA Files, 2013]. Si la NSA ne peut légalement recueillir d’informations sur la teneur d’appels téléphoniques ou obtenir sans mandat les noms et adresses de clientes ou clients, elle a le droit – et elle en use – de collecter ce qu’elle considère comme des métadonnées : « le numéro de téléphone de chaque appelant et correspondant ; le numéro de série unique des téléphones impliqués ; l’heure et la durée de chaque appel téléphonique ; et potentiellement, la localisation de chaque participant au moment de l’appel » (Ball, 2013). Les juristes du gouvernement états-unien assimilent ces éléments aux informations figurant sur l’enveloppe d’un courrier. Ces unités d’information, bien qu’elles puissent légalement être considérées comme des métadonnées, peuvent servir de données pour modéliser qui appelle qui, quand, d’où, où et pour combien de temps. L’opinion publique estime qu’il s’agit là de données personnelles : pour ceux qui sont placés sous surveillance, la distinction juridique entre données et métadonnées est peu convaincante (Gallagher, 2013).

40Les formes de métadonnées et les méthodes pour les créer correspondent plus ou moins bien aux moyens de collecte de données. Lorsque les données sont recueillies ou générées par des technologies informatiques, cela peut engendrer des métadonnées automatiques. On citera par exemple les historiques d’appels téléphoniques, les transactions de cartes bancaires et les données de sortie d’instruments scientifiques. Les métadonnées automatiques sont intégrées à des fichiers audio, vidéo, texte et image afin de faciliter la recherche, le traitement et le suivi de licence (Embedded Metadata Initiative, 2013). Les sites de partage de photos et de vidéos, par exemple, les utilisent pour taguer et géolocaliser les fichiers téléversés. Les logiciels de gestion de médias, comme iPhoto, se servent de ces métadonnées pour indiquer l’heure de prise de vue, la date, le lieu, les visages, l’exposition et d’autres informations sur des objets. Les outils d’analyse des données de la recherche n’exploitent pas encore aussi bien les métadonnées automatiques que les produits grand public et les médias sociaux.

41Dans le cas où les données sont recueillies manuellement, la création de métadonnées se fait généralement à la main : les scientifiques notent les dates, les heures, les procédures et les résultats de la collecte et du test d’échantillons physiques d’eau ou de sol sur le terrain. Néanmoins, même lorsque les données sont collectées grâce à un processus automatisé, que ce soit par des télescopes ou des enquêtes en ligne, une certaine production de métadonnées manuelles peut rester nécessaire. Les personnels de recherche en service se chargent d’enregistrer les informations contextuelles nécessaires à l’interprétation des données, telles que les conditions météorologiques, les artefacts des instruments et les erreurs logicielles. Les chercheurs et chercheuses attribuent des noms de variables aux réponses d’une enquête et des titres aux lignes et aux colonnes d’un tableur. Pour pouvoir utiliser efficacement des textes numérisés, les lectrices et lecteurs humains doivent souvent étiqueter les chapitres, les sections, les paragraphes, les noms, les lieux et d’autres éléments. Il arrive que des informations importantes sur les objets de recherche, qu’ils soient matériels ou numériques, ne fassent pas partie de l’objet lui-même. Par exemple, selon son ancienneté et son état, un livre imprimé peut ne pas indiquer son auteur, sa date de publication ou son éditeur. L’identité des propriétaires du livre, de l’imprimerie, de l’entreprise de reliure et des annotateurs et annotatrices peut aussi s’avérer nécessaire pour déterminer ses origines. Les catalographes de bouquins effectuent des recherches poussées pour créer des métadonnées qui feront autorité sur de tels objets.

42Qu’elles soient générées automatiquement ou à la main, ce sont les métadonnées qui permettent aux autres de découvrir les objets qu’elles représentent. Elles constituent aussi les moyens par lesquels les données sont appariées, comparées et distinguées. Elles peuvent être cumulatives : des représentations sont ajoutées aux données à mesure de leur utilisation et de leur réutilisation dans de nouveaux contextes, migrées vers d’autres formats et technologies et conservées sur de longues périodes. Les métadonnées peuvent devenir plus volumineuses que les données qu’elles représentent.

Communautés et normes

43Les métadonnées peuvent combler la distance qui sépare les sources des ressources en formalisant et en normalisant la dénomination et la description des données. Lorsque des communautés développent un thésaurus, une taxonomie, une ontologie ou une autre structure de ce type pour organiser leurs connaissances, elles se mettent d’accord sur les catégories d’entités existantes et sur les relations entre ces catégories. Pour une utilisation locale au sein d’un laboratoire, une simple ontologie de quelques dizaines de termes et relations peut suffire à analyser un jeu de données et à communiquer les résultats. En revanche, pour un usage généralisé dans de grandes communautés qui échangent des données, des ontologies bien plus complexes sont nécessaires. Par exemple, dans les sciences de la vie, les taxonomies d’organismes constituent des formes de métadonnées essentielles. La base de données taxonomiques du National Center for Biotechnology Information de la National Library of Medicine, aux États-Unis, contient la description de plus de 230 000 espèces ayant reçu un nom officiel ; pourtant, on estime que le contenu de cette base ne représente que 10 % des espèces vivantes décrites de notre planète (Bard, 2013 ; Taxonomy Database, 2013). Certains champs des sciences de la vie ont élaboré leurs propres classifications, qui sont de plus en plus souvent des ressources ouvertes et interopérables (National Center for Biotechnology Information, 2013). Néanmoins, elles ne sont pas nécessairement compatibles entre elles pour autant. L’existence d’un si grand nombre d’ontologies en concurrence révèle les divisions profondes au sein des domaines de recherche et entre eux.

44Les mécanismes de classification tels que les ontologies, les taxonomies et les thésaurus, ainsi que les structures de métadonnées comme les fichiers FITS en astronomie, la DDI dans les sciences sociales et la TEI dans les sciences humaines (que nous aborderons tous dans les études de cas), facilitent l’interopérabilité entre communautés. En s’accordant sur la dénomination d’objets et sur les relations entre catégories, les chercheurs et chercheuses peuvent découvrir, explorer et combiner des données issues de sources multiples. Le revers de la médaille est que ces mécanismes créent des frictions entre les domaines dont les schémas de métadonnées sont inconciliables. Ainsi, la drosophile ou mouche des fruits est étudiée à tant de fins différentes que plusieurs communautés de recherche ont développé des classifications incompatibles. Certains de ces mécanismes de classement remontent aux échanges de données sur la drosophile au travers des bulletins d’information professionnels au début du xx^e siècle (Kelty, 2012). De nouvelles couches de métadonnées ont émergé pour réunir ces schémas. OpenFlyData, par exemple, est un projet de démonstration de faisabilité qui vise à intégrer dans des systèmes multiples des données sur l’expression des gènes chez la drosophile.

45Bien que de nombreux domaines scientifiques disposent de schémas de métadonnées à maturité, d’autres n’en ont pas créé ou n’ont pas appliqué largement ceux qui existent déjà (Bowker, 2005 ; Mayernik, 2011 ; Wallis et al., 2013). Les ensembles de données ressources, de recherche et de référence se distinguent justement par leur degré de déploiement des standards de métadonnées (National Science Board, 2005). Le Digital Curation Center (DCC) tient à jour un important catalogue de spécifications de métadonnées élaborées par des champs individuels des sciences exactes, humaines et sociales. Cette ressource est en outre organisée par spécifications de métadonnées, par profils, par utilisations et par logiciels associés (Digital Curation Center, 2013).

46Les investissements réalisés par les scientifiques et leurs communautés dans les métadonnées constituent une indication quant aux données qu’ils jugent précieuses. Cependant, l’inverse n’est pas nécessairement vrai : de nombreuses données de valeur ne se voient guère adjoindre de métadonnées, ce qui limite leur diffusion et leur utilisation (Mayernik, 2011). En effet, la création de métadonnées peut représenter un investissement coûteux, soit pour les individus qui décrivent leurs propres jeux de données, soit pour les communautés qui développent et tiennent à jour un schéma de classification. Ce ne sont pas des ressources statiques : elles doivent être révisées et adaptées en continu à mesure que la langue évolue et que le front de recherche avance. Entretenir un schéma de métadonnées est souvent un travail invisible, essentiel à la réussite de la recherche, mais qui n’est guère reconnu à l’extérieur (Borgman, 2003 ; Star et Strauss, 1999).

47Il y a pléthore de cas où les normes en général et les normes informationnelles en particulier créent autant de problèmes qu’elles en résolvent. L’ouvrage Sorting Things Out de Bowker et Star (1999) regorge d’exemples de classifications ayant pris un tour politique. Les taxonomies de maladies relèvent moins du savoir médical que des relations de pouvoir entre médecins et personnel infirmier et des frais facturables pour les interventions. La cause de décès officielle peut résulter de la décision de la ou du médecin sur ce qui lui semble socialement acceptable, étant donné que les facteurs sont souvent multiples. Ainsi, les suicides et les morts dues à la syphilis peuvent facilement être attribués à une attaque, à une crise cardiaque, voire à une pneumonie. Dans certains pays, il est plus acceptable de mourir d’un problème digestif que cardiovasculaire (Bowker et Star, 1999). Les actes de naissance, créés à la demande pour une tâche immédiate « faisable », sont tout aussi problématiques (Pine et al., 2014). Derrière chaque mécanisme d’organisation des connaissances se cachent des présupposés tacites et non consignés sur les motifs de création et d’utilisation des données et métadonnées. Lorsque ces dernières sont utilisées à d’autres fins, dans d’autres contextes et à d’autres époques, la documentation sur ces présupposés peut ne pas exister ou s’avérer introuvable. Les statistiques sur les naissances, les décès, les mariages et le nombre de poissons dans l’océan reposent donc sur des bases chancelantes ; pourtant, la politique publique et la recherche en dépendent. Il en va de même pour toutes les formes de données et de métadonnées. Les métadonnées sont nécessaires à la découverte, à l’interprétation et à l’utilisation des données, mais il faut les manipuler avec précaution. « Les données mordent », comme David Ribes et Steven Jackson (2013) l’ont si bien dit.

Provenance

48Les métadonnées peuvent représenter de nombreuses dimensions des données. Pour les infrastructures de la connaissance, il est particulièrement important de pouvoir représenter où les données sont apparues et par quel chemin elles sont parvenues jusqu’à nous. En anglais, le terme provenance est couramment utilisé dans le milieu des musées et des archives pour désigner l’historique d’un objet. L’une des méthodes employées par les musées pour vérifier l’authenticité d’une pièce est de consulter les titres de propriété ou de possession. Si une documentation continue permet de remonter aux origines de l’objet, celui-ci a plus de chances d’être authentique. On peut s’intéresser à différents types de provenance : l’historique de conservation, l’historique de création et d’altération d’un objet ou encore l’historique du contexte culturel où il était utilisé (Contadini, 2010).

49Le terme « provenance » possède des acceptions à la fois plus restreintes et plus larges que celui de « métadonnée ». Entré dans la langue anglaise au xviii^e siècle, le mot provenance peut désigner simplement, selon l’Oxford English Dictionary, l’origine ou l’historique de quelque chose et la documentation se rapportant à cet historique. Dans un sens plus restreint, la provenance peut se référer – en français comme en anglais – à un type de métadonnées qui décrit l’origine des données. Lorsque les objets numériques sont devenus des traces juridiques et scientifiques, la notion de provenance s’est étendue, en théorie comme en pratique. Sur le Web, le concept recouvre différents aspects, tels que l’attribution d’un objet, l’instance qui en est responsable, son origine, les traitements qu’il a subis et le contrôle de version (Moreau, 2010 ; Gil et al. 2010). Connaître ou non la provenance d’un jeu de données peut déterminer, aux yeux des scientifiques, si un résultat est fiable, reproductible et admissible comme preuve ou identifier qui doit être crédité (Buneman et al., 2001 ; Moreau et al., 2008). La citation de données permettrait, entre autres choses, de mieux retracer la provenance (Uhlir, 2012). De même, certains arguments en faveur de la sauvegarde du processus de recherche se fondent sur le besoin de meilleurs registres de provenance (Gamble et Goble, 2011).

50Tout comme les musées ont recours aux informations de provenance pour vérifier l’authenticité d’une sculpture, les scientifiques peuvent utiliser la provenance pour évaluer l’authenticité, la fiabilité et l’utilité d’un jeu de données. Les registres de provenance permettent de connaître les protocoles de collecte des données, qu’il s’agisse de l’observation d’un enfant dans un parc ou de l’expression d’un gène de Drosophila melanogaster, des transformations subies par un jeu, des critères de nettoyage et de réduction, des routines logicielles appliquées à chaque étape et de la documentation ou d’autres informations nécessaires à la réplication ou à l’interprétation des résultats. Plus le chercheur ou la chercheuse se trouve loin de la source originelle des données, plus cette réutilisation est dépendante des informations de provenance. Par ailleurs, la traçabilité joue un rôle déterminant lorsqu’on combine des données issues de sources multiples : l’origine de chaque jeu contribuera à décider de son usage, de son analyse et du degré de confiance qui lui est accordé. Enfin, la licence et les autres informations sur les droits peuvent être nécessaires pour déterminer ce qu’il est possible d’utiliser, quand, comment, et avec quelle attribution.

Les influences extérieures

51Les scientifiques décident de ce qu’elles ou ils utiliseront comme données dans le cadre des possibilités et des contraintes des infrastructures de la connaissance où ils travaillent. Comme le docteur Pangloss, ils peuvent rêver d’exister dans le meilleur des mondes possibles, mais, comme Candide, ils doivent transiger avec le monde réel et ses influences extérieures (Voltaire, 1759). Ces dernières peuvent avoir une puissante incidence sur ce qui devient données et sur quelles données seront transmises au fil du temps dans différents contextes. À mesure que les technologies, les politiques et les acteurs interagissent, le pouvoir de chaque partie prenante évolue. Les normes sociales, les marchés, le droit, les architectures techniques et le code informatique sont constamment rééquilibrés (Lessig, 2004).

Économie et valeurs

52Les données revêtent des valeurs de nombreuses sortes, dont la valeur monétaire n’est qu’un exemple. Une analyse exhaustive de l’économie des données de la recherche serait éminemment utile, mais dépasse largement le cadre du présent ouvrage. Pour nos besoins, les données de la recherche seront ici considérées comme une ressource des communs, notion que nous avons abordée au chapitre 3. En effet, les données répondent clairement à la définition des communs, « une ressource partagée par un groupe confronté à des dilemmes sociaux » (Hess et Ostrom, 2007b, p. 3). Un commun est une ressource partagée qu’il faut régir et non un espace dénué de coûts ou de propriété. Les modèles de production fondés sur les communs coexistent avec les modèles mercantiles ; la question est généralement celle de l’équilibre entre les deux. De même, les façons de faire fondées sur les communs peuvent donner de bons résultats comme des mauvais (Bollier, 2007 ; Disco et Kranakis, 2013 ; Hess et Ostrom, 2007b). Suivant l’usage du terme « communs » (commons) dans un sens extensif par Hess et Ostrom, notre analyse envisagera cette notion à la fois comme un système de ressources partagées et comme un régime de droits de propriété. La concurrence et les « passagers clandestins » sont des dilemmes sociaux récurrents parce que les intérêts ne sont pas tous partagés. Les communs de la connaissance sont confrontés à la marchandisation, à la dégradation et au manque de pérennité. La connaissance, dans le contexte des communs de la connaissance, se définit comme « toutes les idées, informations et données intelligibles, quelle que soit la forme sous laquelle elles sont exprimées ou obtenues » (Hess et Ostrom, 2007b, p. 7).

53La marchandisation de la littérature scientifique et la flambée des prix facturés aux bibliothèques ont été des moteurs du mouvement pour l’accès ouvert. Au milieu des années 1990, les débuts de la large diffusion des ressources numériques et la sévérité croissante des régimes de propriété intellectuelle ont stimulé l’étude des communs. À la fin des années 1980, les ressources scientifiques partagées coûtaient très cher et le manque d’accès a conduit à leur sous-utilisation potentielle. Le mouvement de l’open data semble traversé par des préoccupations similaires. Les données numériques sont fragiles et risquent d’être perdues ; les rendre pérennes est difficile. Des interrogations s’élèvent : peut-être les données, du génome humain aux plans de lieux publics, sont-elles des ressources partagées trop précieuses pour être traitées en marchandises.

54La métaphore de la « tragédie des communs » de Garett Hardin (1968) est bien plus connue que les nombreux travaux ayant remis en cause ses présupposés et ses conclusions. Les communs peuvent être régis par des acteurs multiples et en concurrence à condition de respecter des principes fondamentaux. Néanmoins, ces derniers ne doivent pas se traduire par des séries de règles pointilleuses. La gouvernance est un processus continu de négociation entre parties prenantes (Hess et Ostrom, 2007b). Nous commençons seulement à puiser des données dans les communs de la connaissance. Le système du World Data Center a d’abord constitué un moyen de formaliser des échanges de données, qui faisaient jusque-là l’objet de troc. Ces modèles de gouvernance continuent de mûrir (Hugo, 2013 ; Shapley et Hart, 1982). Les communautés des sciences de la vie et d’autres disciplines apprennent à administrer les ressources des communs, telles que les grands ensembles de données de référence.

55Pour étudier la valeur des données de la recherche, il est important de connaître quelques principes de base de l’économie de l’information. Les biens peuvent être classés en fonction de deux dimensions, dans une simple matrice binaire. La première dimension est le degré auquel des individus peuvent se voir interdire l’usage du bien considéré. Elle correspond à la distinction classique entre les biens publics purs, comme les couchers de soleil, pour lesquels l’exclusion est difficile, et les biens privés purs, tels que les objets physiques que l’on peut posséder, pour lesquels exclure est aisé. La deuxième dimension est la rivalité ou soustractibilité (subtractability). Si la rivalité est forte (le bien est rival), cela signifie que la consommation par une personne en prive les autres, comme lorsqu’on possède un ordinateur ou une voiture. Si la rivalité est faible (le bien est non rival), l’utilisation par une personne ne gêne pas l’utilisation par d’autres, comme dans le cas de l’abonnement à une revue (Hess et Ostrom, 2007b, p. 8-9). Les caractéristiques économiques de biens informationnels peuvent dépendre autant de leur « emballage » que de leur contenu. Par exemple, un même logiciel peut être distribué en open source ou vendu en tant que produit commercial ; la même information peut être diffusée dans un fichier numérique ou dans un ouvrage imprimé. Le fichier est certes non rival, mais une seule personne peut détenir ou lire le livre physique à un moment donné (Disco et Kranakis, 2013 ; Kelty, 2008).

56La recherche peut être classée dans n’importe laquelle des quatre catégories de cette matrice binaire, comme le montre le tableau 4.1. Les biens publics, dont l’exclusion est difficile et qui présentent une faible rivalité, sont ceux qui ont reçu le plus d’attention dans les discussions sur la valeur des données. Lorsque les données sont diffusées avec peu de restrictions d’utilisation, elles peuvent être traitées comme des biens publics (Berman et al., 2010 ; David et al., 2010 ; David, 2004a ; Guibault, 2013 ; Murray-Rust et al., 2010 ; Pearson, 2012 ; Wilbanks, 2009, 2011).

57Ostrom et d’autres placent les bibliothèques dans la catégorie des réservoirs communs de ressources, qui présentent une rivalité forte et dont l’exclusion est difficile (Hess et Ostrom, 2007 b ; Ostrom et Ostrom, 1977). La plupart des référentiels de données se trouvent également dans cette catégorie : ils constituent des réservoirs communs de ressources parce que les communautés investissent dans ces contenus partagés et qu’une gouvernance y est nécessaire. Avec la hausse des coûts des livres et des revues, les communs de la connaissance ont risqué l’enclosure, qui transforme les biens publics en biens privés. Les bibliothèques ne pouvaient plus acquérir autant de ressources et leur capacité à y donner accès est devenue plus restreinte. La réussite des communs de la connaissance dépend de la capacité à limiter les enclosures, à rendre l’exclusion difficile et à pérenniser des modèles de gouvernance efficaces. Bibliothèques, archives, référentiels de données et autres ressources en informations partagées sont confrontés en permanence à la menace des « passagers clandestins », des enclosures et de l’absence de pérennisation (David, 2003, 2004b ; Disco et Kranakis, 2013 ; Kranich, 2004, 2007 ; Lessig, 2001, 2004).

58Hess et Ostrom situent les abonnements à des revues dans la catégorie des biens de club, dont l’exclusion est facile et qui présentent une rivalité faible. Les données qui ne sont accessibles qu’en supplément de revues payantes appartiennent aussi à cette catégorie, tout comme les services qui proposent d’accéder à des données moyennant un abonnement. Les référentiels de données qui ne sont accessibles qu’aux membres cotisants d’un consortium peuvent aussi être considérés comme des biens de club. On ajoutera à ces exemples les données commerciales, telles que les flux des médias sociaux. Le dernier quadrant, les biens privés, dont l’exclusion est facile et pour qui la rivalité est forte, consiste en des biens physiques ou consommables dans la plupart des analyses économiques (Hess et Ostrom, 2007b ; Ostrom et Ostrom, 1977). De nombreuses données peuvent être considérées comme des biens privés parce qu’elles ne sont pas prêtes à l’emploi comme un logiciel plug and play. Ainsi, l’expertise, les instruments, les logiciels et le matériel peuvent créer des rivalités autour des données.

Tableau 4.1. Types de données dans un commun de la connaissance

Source : Adapté à partir de la matrice des types de biens (Hess et Ostrom, 2007b, p. 9)

59Dans le meilleur des mondes possibles, les données numériques seraient des biens publics. Paul David (2003, p. 4) estime, dans une analyse des données, de l’information et de la connaissance en tant que biens économiques, que les idées sont l’équivalent du feu plutôt que du charbon. Il cite Thomas Jefferson, qui déclarait en 1813 : « Celui qui reçoit une idée de moi reçoit un enseignement qui ne diminue pas le mien, tout comme celui qui allume sa chandelle à la mienne reçoit de la lumière sans me plonger dans l’obscurité »2. Les données ne sont pas des idées, certes, néanmoins on peut réaliser de multiples copies parfaites d’objets numériques sans dégrader les originaux. Cependant, elles peuvent devenir des biens privés lorsque l’exclusion est aisée et la rivalité forte. En effet, la mainmise exclusive sur des données peut offrir un avantage concurrentiel à des personnels de recherche, des scientifiques, des institutions, des gouvernements ou des sociétés privées. Par exemple, contrôler l’accès à des données sur la découverte de médicaments et des essais cliniques peut déterminer quelle société sera la première sur le marché. Les données qui revêtent une telle valeur scientifique et commerciale sont la préoccupation première de la gouvernance des communs de la connaissance. Lorsque les universités, les organismes publics de financement et les sociétés pharmaceutiques s’allient dans la recherche de médicaments, ils cherchent à diffuser les données dans l’intérêt du public tout en protégeant le commerce privé (Boulton, 2012 ; Edwards et al., 2009 ; Edwards, 2008a ; Goldacre, 2012 ; Thomas, 2013).

60Les données de la recherche présentent souvent une rivalité forte en raison du savoir-faire humain et du dispositif technique qui leur sont associés. Même au sein des communautés possédant l’une et l’autre, elles peuvent être traitées comme des marchandises dans une culture du don et du contre-don. Elles peuvent être marchandées et troquées contre d’autres données, un financement ou du capital social (Hilgartner et Brandt-Rauf, 1994 ; Lyman, 1996 ; Wallis et al., 2013). Dans d’autres cas, les données constituent davantage une matière première qu’un bien pouvant être échangé sur un marché. En effet, extirper des données du savoir-faire et du dispositif qui leur sont associés peut nécessiter un investissement considérable dans les représentations, les métadonnées et la provenance. Il faut parfois divulguer en même temps le logiciel, le code, les scripts et d’autres outils. Ici, la distinction entre données et représentations est essentielle : ce sont en effet ces dernières qui sont échangées. Or de nouvelles représentations peuvent être nécessaires pour rendre ces données utiles à d’autres parties.

61Ainsi, les quatre catégories dépendent de l’utilisation des données et non de leurs caractéristiques inhérentes. Par exemple, la structure d’une protéine peut constituer un bien privé lorsqu’elle est détenue par une société pharmaceutique, un bien de club quand elle est jointe à un article de revue accessible uniquement sur abonnement (payant), faire partie d’un réservoir commun de ressources quand elle est déposée dans un référentiel comme la Protein Data Bank et constituer un bien public si elle est diffusée comme donnée ouverte avec des restrictions de licence minimes.

Droits de propriété

62Les données sont-elles des biens ? Les juristes répondront : « ça dépend ». Le droit, les politiques et les pratiques relatives à la détention, au contrôle et à la diffusion de données varient en fonction des organismes de financement, des gouvernements et des juridictions. Le droit des biens, le droit de la propriété intellectuelle, le droit des bases de données, les contrats et les réglementations s’entremêlent au point d’embrouiller les scientifiques, les juristes, les bibliothécaires, le législatif et le grand public. Dans les politiques en matière de recherche, les droits de propriété et l’économie des données sont étroitement liés (Dalrymple, 2003 ; David et Spence, 2003 ; David, 2003 ; Esanu et Uhlir, 2004 ; Scotchmer, 2003 ; Uhlir, 2007). Chacun de ces facteurs est susceptible d’avoir des répercussions sur le moment et la manière dont un chercheur ou une chercheuse traite quelque chose en donnée.

63Que les données relèvent ou non de la propriété intellectuelle, elles sont souvent traitées comme telles. Même celles dites « ouvertes » sont mises sous licence par les personnels de recherche, les universités et d’autres parties (Ball, 2012 ; Hirtle, 2011 ; Korn et Oppenheim, 2011 ; Wilbanks, 2013). La confusion qui règne autour de la propriété, des droits, des devoirs et des conditions de diffusion des données constitue un obstacle significatif pour l’accès à celles-ci (David et Spence, 2003 ; Erdos, 2013a, 2013b). Illustrons les problèmes de propriété qui peuvent se poser lors de la collecte ou de la création des données par quelques exemples. Imaginons qu’une chercheuse souhaite acquérir des informations à partir de bases de données d’éditeurs ou de réseaux sociaux (par exemple Twitter ou Facebook). Elle pourra peut-être le faire selon les clauses contractées avec les sociétés qui les gèrent. Si elle acquiert des données grâce à une interface de programmation d’application (API, pour application programming interface), en copiant des sites web ou par d’autres moyens automatisés, le contenu n’en reste pas moins soumis au droit des biens, bien que les droits de propriété puissent être plus difficiles à déterminer ou à faire respecter. Des clauses semblables peuvent s’appliquer à des données issues d’organismes publics, comme les notes d’élèves rassemblées par les académies. Les chercheurs et chercheuses obtiennent ces données dans le cadre de contrats qui régissent leur utilisation, les personnes qui y recourent, la période, les modalités de publication et les conditions de dépôt ou de partage.

64Pour reproduire un contenu dans une publication, il faut souvent obtenir l’autorisation écrite de son ayant droit, ce qui peut s’avérer compliqué. Si cette personne peut être identifiée, contactée et qu’elle accorde sa permission, l’auteur ou l’autrice suivra les consignes de la maison d’édition et les lois en vigueur. Les règles peuvent différer selon qu’il s’agit de textes, de photographies, d’images, d’enregistrements audio et vidéo ou d’autres genres de contenu. Disposer de principes directeurs pour différents types de contenu est utile, mais il y a peu de chances que des règles définitives soient instaurées, puisque la technologie évolue plus rapidement que le droit (Hirtle et al., 2009 ; Visual Resources Association, 2012).

65Travailler avec des contenus suffisamment anciens pour relever du domaine public ne dégage pas les scientifiques des contraintes liées à la propriété. En effet, une représentation d’objet peut être soumise au droit d’auteur indépendamment du statut de l’objet lui-même. Ainsi, les archives et les musées peuvent vendre ou autoriser l’usage de versions numériques de manuscrits ou d’autres objets de collection qu’ils possèdent. Un ou une artiste peut céder un tableau à un musée tout en conservant le droit d’en faire des reproductions. Pour publier une photographie d’un objet, un auteur ou une autrice peut avoir besoin de l’autorisation de la ou du propriétaire de celui-ci, de la ou du photographe et parfois d’autres parties encore. Les musées restreignent l’accès aux images des œuvres de leurs collections, mais commencent à partager davantage de contenus en accès ouvert (Getty Research Institute, 2013 ; Whalen, 2009).

66Le problème de propriété le plus compliqué pour les scientifiques concerne les « œuvres orphelines », c’est-à-dire des œuvres dont on ne peut déterminer le statut au regard de la propriété intellectuelle ou, si on y parvient, dont l’ayant droit ne peut être identifié ou contacté, ou dont on n’obtient aucune réponse (Hirtle, 2012 ; Society of American Archivists, 2009 ; United States Copyright Office, 2006). Plus de 75 % de tous les livres connus seraient des œuvres orphelines (Grafton, 2007) et jusqu’aux deux tiers du corpus de Google Books (Courant, 2009 ; Lewis et al., 2010 ; Samuelson, 2009a, 2010).

67Les œuvres orphelines sont un exemple des anticommuns, c’est-à-dire de cas où des ressources informationnelles rares sont sous-employées en raison d’un excès de droits de propriété intellectuelle ou de brevets (Hess et Ostrom, 2007a). Lorsqu’elles et ils ne peuvent reproduire, réutiliser ou citer des contenus qui les intéressent, les scientifiques peuvent être contraints de sélectionner des contenus moins adaptés à leur piste de recherche, voire d’abandonner complètement leur investigation (J. E. Cohen, 2012 ; Lessig, 2001, 2004 ; Nisbet, 2005). Les données régies à la manière de réservoirs communs de ressources, comme les données météorologiques ou les génomes de drosophiles, peuvent se retrouver sous-utilisées si leurs membres s’efforcent d’en restreindre l’accès ou de violer les règles de gouvernance (Edwards, 2013 ; Kelty, 2012).

68Une solution partielle au problème des œuvres orphelines consiste à intégrer des informations de licence sous forme de métadonnées dans les documents numériques. Ainsi, l’être humain ou le moteur de recherche peut retrouver des objets numériques qui répondent à ses besoins en matière d’usage, dans la mesure où les droits de propriété et les informations de licence peuvent être spécifiés. En théorie, les scientifiques pourraient distinguer les objets utilisables sans restriction de ceux qui ne le sont pas et de ceux qui peuvent être utilisés sous certaines conditions de licence. Cependant, ces solutions techniques posent problème. En effet, encoder des informations de licence s’avère plus difficile que ce que l’on pensait. Les licences Creative Commons – la forme de licence en accès ouvert la plus utilisée au monde – sont conçues pour être lisibles par des machines, par des êtres humains et par des juristes (Creative Commons, 2013). On peut identifier des catégories générales d’utilisation, mais la réutilisation d’objets peut être soumise à des conditions supplémentaires. L’accès ouvert aux articles de revue est difficile à encadrer parce que ceux-ci peuvent être « ouverts » à différents égards. Certains sont accessibles gratuitement, parfois sous forme de contenu structuré et interrogeable. La licence de certains articles, livres et autres travaux peut autoriser une utilisation de l’œuvre entière, d’autres permettent la réutilisation de sous-ensembles, et toutes peuvent avoir des conditions d’attribution différentes. L’atomisation de licences de propriété intellectuelle, parfois appelée « cumul de licences », a créé des barrières juridiques et techniques à la réutilisation des données (Van Houweling, 2009). Pour compliquer plus encore la tâche, il existe une distinction juridique entre la lecture de textes pour leur contenu et « l’utilisation sans consommation », telle que l’indexation ou les analyses statistiques qui « n’exploitent pas la finalité créative et expressive de l’œuvre » (Australian Law Reform Commission, 2014). Les exceptions au droit de la propriété intellectuelle à des fins d’utilisation sans consommation ont constitué un point saillant de l’affaire Google Books (Samuelson, 2009b).

69Les scientifiques rencontrent ces problèmes de droits de propriété dans le cadre du contrôle et de la diffusion de leurs propres données, ainsi que dans le cadre de l’accès aux contenus qu’elles et ils veulent utiliser comme données. Il ne devrait pas être nécessaire de recourir à des juristes spécialisés en propriété intellectuelle pour déterminer quelles données on peut ou doit divulguer, quand et comment. Les scientifiques peuvent se montrer réticents à exploiter des données dont on ne peut pas déterminer les droits, qui sont difficiles à obtenir ou pour lesquelles ils risquent de porter indûment la responsabilité. Les droits et les devoirs associés aux données se trouvent au premier plan des préoccupations des politiques de l’information.

Éthique

70La perception de ce qui est bien et de ce qui est mal dans une situation donnée varie de façon incommensurable selon les époques, les cultures et les circonstances. Le choix de données de recherche n’est pas épargné par ces considérations éthiques. Ainsi, des méthodes de collecte jugées novatrices il y a quelques décennies, comme l’étude de Tuskegee sur la syphilis (Jones, 1981) ou les expériences de Milgram (1947) en psychologie sociale, ont plus tard été regardées comme abominables. S’il s’agit là d’exemples extrêmes dont le caractère inacceptable apparaît clairement au vu des normes d’aujourd’hui, de nombreux domaines se trouvent en zone grise, tandis que d’autres sont soumis à une réglementation et à la législation.

71La déontologie quant à ce qui peut être traité en donnée, comment, quand et pourquoi évolue rapidement maintenant que les enregistrements numériques deviennent la norme et que le data mining gagne en sophistication. Les données personnelles sont les plus litigieuses. Les notions de confidentialité, d’anonymat et de vie privée évoluent de manière imprévue. Des données concernant des sujets humains, autrefois considérées comme parfaitement anonymisées, peuvent maintenant être identifiées en les combinant à d’autres sources, ce qui permet aux data miners de constituer des profils très complets sur les individus. Dans certains domaines, la divulgation des données est soumise à des restrictions sévères, tandis que dans d’autres, les sujets de recherche sont nommés et identifiés, soit pour leur attribuer le mérite de leurs contributions, soit pour faciliter la combinaison des données. Certains chercheurs et chercheuses analysent les données des réseaux sociaux recueillies par des sociétés privées, alors que d’autres remettent en cause la moralité de ces sociétés autorisées à collecter ces données personnelles (Bruckman et al., à paraître ; Ohm, 2010 ; Wilbanks, 2009 ; Zimmer, 2010).

72La recherche sur des personnes vivantes – appelées sujets humains – est réglementée afin que les personnes soient traitées de manière éthique et que les informations recueillies sur elles restent confidentielles. Les personnels de recherche doivent respecter la vie privée au cours de la collecte, de la communication et de la diffusion des données. Il est généralement obligatoire de recueillir le consentement éclairé des sujets. Des comités locaux de protection des personnes ou leurs équivalents (human subjects review committees) ont souvent le dernier mot sur les données pouvant être divulguées et celles devant être détruites à la fin du projet de recherche, ce qui conduit à des applications inégales des règles déontologiques (Association of Internet Researchers, 2012 ; National Research Council, 2013 ; US Department of Health and Human Services, 1979).

73Le recours d’une étude à des sujets humains dépend d’abord de la définition des termes « recherche » et « sujets humains ». Ces termes sont clairement établis dans les réglementations de tout organisme de financement, instance décisionnelle et comité local de protection des personnes. Les spécialistes des sciences sociales assimilent ces règles et procédures au cours de leur formation universitaire. Elles et ils y apprennent les règles en vigueur dans leurs disciplines, organismes et universités. S’ils partent dans un autre établissement ou un autre pays, ou s’associent avec des scientifiques venus d’ailleurs, ils apprennent souvent de nouvelles règles ou des variantes de celles-ci.

74Les spécialistes des sciences humaines, des sciences exactes et des technologies sont généralement moins au fait de ces réglementations, car elles ne sont pas ancrées dans leur formation universitaire ou leurs pratiques de recherches. Les données que l’on peut recueillir dans le respect de la déontologie ne seront pas les mêmes d’une discipline à l’autre. Les chercheurs et chercheuses peuvent ignorer que leurs activités de recherche sont soumises à une réglementation particulière. Si une équipe d’ingénieurs installe des caméras dans un vestibule sur un campus afin de perfectionner des algorithmes de reconnaissance faciale, est-ce de la recherche sur des sujets humains ? La localisation du vestibule dans le bâtiment du département d’ingénierie ou dans un dortoir a-t-elle une importance ? Le fait que les données soient détruites à la fin du projet change-t-il la donne ? Et qui a accès à ces données ? Si un étudiant ou une étudiante en philosophie observe des enfants faire du sport dans un jardin public pour étudier leur gestion du conflit, s’agit-il de recherche sur des sujets humains ? Le fait d’avoir obtenu l’autorisation du parc, de l’équipe ou des parents a-t-il une importance ? Faut-il prévoir un formulaire de consentement pour chaque enfant et parent ? La réponse à la plupart de ces questions sera un juridiquement correct « ça dépend ».

75La diffusion de données associées à la recherche sur des animaux, des espèces menacées, des déchets toxiques, des maladies infectieuses et d’autres sujets sensibles fait l’objet de réglementations et de préoccupations éthiques (J. Cohen, 2012 ; Enserink et Cohen, 2012 ; Enserink, 2006, 2012b ; Fouchier et al., 2012). Les données climatiques sont devenues sensibles ces dernières années en raison de la dimension politique du réchauffement de la planète. En effet, des cas où des données ont été sorties de leur contexte ou délibérément faussées ont incité à la prudence quant à la diffusion de celles-ci (Kintisch, 2010).

76Les réservoirs communs de ressources, au sens économique, peuvent être très litigieux. Des sources précieuses de données scientifiques, telles que les sites archéologiques, les manuscrits anciens et les espèces rares, peuvent être considérées soit comme appartenant au patrimoine mondial, soit comme la propriété culturelle d’un pays ou d’une population, soit comme des biens privés. Les avis divergent fortement sur la moralité du fait de contrôler ces sources pour obtenir un avantage concurrentiel. Dans certains domaines et dans certains pays, protéger indéfiniment des contenus pour les exploiter est une pratique acceptée, quand d’autres la jugent contraire à l’éthique. Les pratiques varient selon les époques et les lieux et se heurtent dans le cadre des collaborations internationales et interdisciplinaires. À mesure que les échanges de données s’accélèrent, que les technologies gagnent en sophistication et se diffusent plus largement et que les frontières nationales et disciplinaires se brouillent, ces tensions éthiques vont vraisemblablement s’accentuer.

Conclusion

77La diversité des données n’est pas seulement liée à la variété des méthodes de recherche dans l’ensemble des domaines, mais aussi aux nombreuses manières dont des observations, des objets, des traces, des textes, des spécimens, des personnes, des animaux ou d’autres entités peuvent être représentées en tant que données. Les disciplines se distinguent par ces facteurs et par d’autres encore, comme les objectifs de leurs projets de recherche, leurs méthodes de collecte et d’analyse de données et leurs choix en faveur de sources nouvelles ou de ressources existantes. Les scientifiques peuvent travailler au plus près des origines des idées ou des phénomènes étudiés, ou bien à grande distance, que celle-ci soit temporelle, spatiale, théorique, méthodologique, linguistique ou autre. La même entité peut être représentée de nombreuses manières, par de nombreux moyens et à de nombreuses fins, sur de longues périodes. Dans le processus de représentation, ces entités peuvent acquérir beaucoup de noms différents, qui peuvent être agencés de nombreuses manières. Les métadonnées, c’est-à-dire les informations structurées utilisées pour gérer les données et d’autres ressources informationnelles, comprennent les noms, les étiquettes et les relations employés pour représenter les données. Les mécanismes de classification que sont les taxonomies, les thésaurus et les ontologies sont ensuite utilisés pour organiser ces métadonnées. Puisqu’une même entité peut être représentée de nombreuses manières pour mettre en évidence différents phénomènes, c’est le contexte qui détermine quand elle est une donnée et quand elle est une métadonnée.

78Les métadonnées, la provenance et les mécanismes de classification facilitent l’échange de données au sein des communautés. Elles peuvent aussi être source de friction dans les collaborations et marquer les frontières entre communautés de recherche. Des facteurs externes peuvent déterminer si les données sont traitées en biens économiques, comment et pourquoi. Les mêmes données peuvent constituer des biens publics purs, des biens privés purs, des réservoirs communs de ressources ou des biens de club à différentes étapes ou même simultanément. Les droits de propriété et la déontologie associés aux données dépendent eux aussi largement du contexte. Reconnaître la diversité des données, des représentations et des points de vue divergents des parties prenantes sur les questions de valeur, de droit et d’éthique est essentiel à la conception d’infrastructures de la connaissance efficaces. Les sources de tensions sont nombreuses, comme nous le développerons dans les études de cas à suivre.