Introduction

1Les sciences exactes recouvrent la recherche sur le monde naturel, notamment l’étude de la faune et de la flore, des phénomènes biologiques et physiques et de leurs interactions. Pour les besoins du présent ouvrage, le terme générique « sciences exactes » englobe les disciplines que l’on désigne en Amérique par l’acronyme STEM (Science, Technology, Engineering, and Mathematics). Qu’elles soient lourdes ou légères, les sciences exactes emploient aujourd’hui des logiciels, des méthodes computationnelles et des statistiques pour leur recherche. La numérisation des recueils, des outils et des technologies y est la norme, de même que les objets matériels de toutes sortes : spécimens, lames, substances chimiques… Nos provocations se fondent sur la diversité des données et de la recherche entre les domaines et en leur sein. Dans certains d’entre eux, les infrastructures de la connaissance fonctionnent, du moins pour l’heure. Dans d’autres, des questions fondamentales sur la propriété des données, leur contrôle, leur partage, leur échange, leur pérennité, les risques et les responsabilités qu’elles suscitent sont âprement débattues. Enfin, un petit nombre de domaines commence tout juste à voir des tensions apparaître.

Les méthodes de recherche
et les pratiques en matière de données

2Les sciences exactes sont tout aussi cosmopolites que d’autres domaines d’érudition. Les références à la « méthode scientifique » ou aux « normes scientifiques » sont trompeuses, car il n’existe pas une, mais de nombreuses méthodes. La panoplie classique des normes scientifiques avancée par Robert Merton, il y a plusieurs générations de ça (Merton, 1963a, 1970, 1973 ; Storer, 1973), a laissé place à une vision bien plus nuancée du caractère émergent et varié des pratiques savantes. Des notions telles que les communautés de pratique (Lave et Wenger, 1991) et les cultures épistémiques (Knorr-Cetina, 1999) fournissent des cadres mieux aptes à cerner les pratiques en matière de données d’aujourd’hui.

3La dichotomie entre science lourde (ou mégascience) et science légère proposée par Derek de Solla Price est une autre manière d’envisager la diversité des méthodes de recherche appliquées aux sciences exactes. Certaines disciplines, comme l’astronomie ou la physique, œuvrent en vastes collaborations décentralisées ; celles-ci partagent souvent des infrastructures instrumentales colossales bâties sur des années. D’autres, comme l’écologie de terrain ou la biologie du comportement des oiseaux, travaillent en petits groupes et utilisent des technologies adaptées aux contraintes locales. Des aspects tels que la quête de connaissance théorique ou d’applications concrètes, comme nous l’avons décrit au chapitre 4, exercent également une influence profonde sur les pratiques en matière de données et les infrastructures de la connaissance nécessaires.

4Les ensembles de données numériques représentent, dans certaines disciplines, des ressources communautaires essentielles, alors qu’elles sont inexistantes dans d’autres. Les méthodes élaborées dans un champ peuvent rester cantonnées à l’échelle locale ou être adaptées à d’autres domaines. Par exemple, BLAST (acronyme de Basic Local Alignment Search Tool, « outil basique local de recherche d’alignement ») est un outil développé pour apparier des séquences ADN (Altschul et al., 1990). Algorithme permettant d’identifier rapidement des chaînes de caractères, BLAST a depuis été utilisé comme méthode d’identification pour du texte, du son et des images. Les tableurs, à l’origine créés pour des applications commerciales, sont largement utilisés dans les sciences exactes. Dans certains cas, c’est la principale méthode de gestion des données. Dans d’autres, ils constituent le plus petit dénominateur commun des solutions de partage de données entre des groupes utilisant des outils incompatibles. Les modalités, la temporalité et les raisons du transfert de méthodes et d’outils entre domaines sont encore mal connues.

Études de cas en sciences exactes

5Parce qu’elle est l’un des plus anciens domaines de recherche et qu’elle est familière aux scientifiques comme au grand public, l’astronomie est un cas idéal pour entamer notre exploration des pratiques en matière de données dans différentes disciplines. Les connaissances astronomiques étaient indispensables à l’agriculture, à la navigation et à la religion ; ces applications se poursuivent aujourd’hui. Galilée fut le premier scientifique à se rendre compte de l’intérêt des télescopes pour l’observation du ciel et améliora ces technologies pour ses propres travaux. Ses notes sur le mouvement des satellites de Jupiter en 1610 sont des documents canoniques de la science moderne. La recherche en astronomie nous donne un aperçu du big data, des sciences physiques et des infrastructures de la connaissance. C’est une science du temps long, qui recourt largement aux technologies de l’information pour recueillir, analyser et visualiser des données.

6La science et la technologie des réseaux de capteurs, la deuxième étude de cas de ce chapitre, présentent de nombreux contrastes avec l’astronomie. La télédétection par caméras satellites a révolutionné les sciences de l’environnement en fournissant de vastes vues de la Terre depuis le ciel. Les réseaux de capteurs intégrés, à l’inverse, fournissent des clichés microscopiques de l’environnement depuis le sol. Ils peuvent être déployés aux fins d’une collecte continue de données sur de longues périodes ou pour une brève étude de phénomènes spécifiques.

7La recherche en réseaux de capteurs nous offre un aperçu de ce que sont la science légère, les sciences de la vie, la recherche technologique et les collaborations interdisciplinaires.

8Ces deux études de cas, qui s’appuient sur des exemples tirés de projets dans les champs concernés, permettent de comparer la sélection, la création, l’utilisation, le partage, la réutilisation, la gestion et la conservation des données dans les sciences exactes, ainsi que l’évolution de la recherche dans un monde interconnecté. Deux cas ne sauraient néanmoins suffire à représenter toute la diversité du travail scientifique des données. Ceux-ci, et ceux des deux chapitres suivants, ont été choisis pour les contrastes qu’ils présentent, pour les données probantes dont ils disposent et pour leurs résonances avec les provocations.

9Les études des cas des sciences exactes illustrent le caractère complexe et brouillon du processus de recherche, la difficulté à séparer les données d’observation des instruments utilisés pour les recueillir et des méthodes employées pour les analyser, ainsi que les nombreuses étapes de la manipulation des données pour qu’elles deviennent interprétables et puissent mettre en évidence des phénomènes. Chaque étude commence par un examen des sources de données et se termine par une explication de la conduite de la recherche grâce à ces données.

L’astronomie

10L’histoire de l’astronomie est longue, riche et bien attestée. D’après l’Oxford English Dictionary, l’astronomie, dans son acception contemporaine, « étudie l’univers au-delà de l’atmosphère terrestre, y compris les objets célestes et les phénomènes extra-terrestres, ainsi que la nature et l’histoire de l’univers ». Ses frontières, comme pour tout domaine de recherche, sont poreuses. Les astronomes collaborent fréquemment avec des spécialistes de la physique, de l’ingénierie et de l’informatique. Certains comptent également des partenaires dans le domaine de la statistique, de la médecine, de la biologie, de l’art et du design et d’autres encore.

11L’astronomie présente de nombreuses caractéristiques qui nous aideront à éclairer les grandes thématiques de ce livre. C’est un domaine qui relève du big data et dispose de décennies d’expérience en matière de données numériques et de calcul. Au cours de cette période, les astronomes ont été confrontés au bouleversement des pratiques en matière de données, passant d’un travail solitaire à de vastes collaborations et de la maîtrise locale des instruments à des ressources internationales partagées. L’astronomie est devenue une discipline tout aussi diverse que le reste des sciences, constituée de poches de big data, de little data et parfois, de zéro data. Certaines et certains astronomes sont des pionniers du partage et de la réutilisation de données ; d’autres sont connus pour conserver jalousement leurs ressources. Ces scientifiques ont bâti une infrastructure de la connaissance sophistiquée pour coordonner des ressources informationnelles à l’échelle mondiale ; pourtant, ils dépendent de l’expertise humaine pour identifier les relations entre objets. Des lacunes subsistent dans leur capacité à trouver et exploiter des ressources informationnelles.

12Notre étude de cas se concentre sur l’astronomie en tant que science observationnelle ; les exemples présentés ici ne sont pas représentatifs de l’ensemble de la discipline. Le périmètre de l’étude est suffisamment large pour explorer les sources, les utilisations et le traitement final des données, mais suffisamment restreint pour proposer des explications cohérentes des choix de données dans un domaine et jeter les bases d’une analyse du partage, de la réutilisation et de la responsabilité dans les chapitres suivants. Le contenu est tiré de la littérature publiée et de recherches en cours sur les pratiques en matière de données dans la discipline. Notre exemple de conduite de recherche en astronomie résulte d’entretiens, d’observations et d’autres analyses du travail d’un laboratoire basé au Harvard-Smithsonian Center for Astrophysics (CfA) (Borgman, 2013 ; Borgman et al., 2014 ; Sands et al., 2014 ; Wynholds et al., 2011, 2012).

La taille compte

13L’envergure des collaborations et les volumes de données manipulés varient grandement en astronomie. Jusqu’à la seconde moitié du xx^e siècle, la discipline s’exerçait en solitaire. Galilée possédait ses propres télescopes et avait une maîtrise totale sur ses données. Les télescopes modernes, comme Hale de l’observatoire Palomer qui, avec ses cinq mètres, a longtemps été le plus grand du monde, appartenaient à des sociétés privées et seuls quelques astronomes triés sur le volet pouvaient y accéder. Entre l’inauguration de Hale en 1948 et celle des Gemini de huit mètres en 1999, le télescope est devenu un outil de recherche bien différent. En parallèle, l’astronomie s’est mise à attirer les fonds publics, ce qui a conduit à une évolution culturelle dans la discipline. Beaucoup plus d’astronomes disposaient d’un temps de télescope, ainsi que d’un accès aux données (McCray, 2004). La communauté mondiale des astronomes professionnels en poste à l’université et dans des centres de recherche a au moins quadruplé depuis les années 1970. On estime aujourd’hui qu’elle compte entre dix mille et quinze mille chercheuses et chercheurs actifs (International Astronomical Union, 2013 ; DeVorkin et Routly, 1999 ; Forbes, 2008). Quant à la communauté des astronomes amateurs, elle est immense et vient renforcer les rangs des connaisseurs et connaisseuses de l’astronomie.

Science lourde, science légère

14L’astronomie est une mégascience, ou science lourde (big science), pour reprendre les termes de Weinberg (1961) et Price (1963) : vaste, ambitieuse, pratiquée sur le long terme et nécessitant des investissements économiques et sociaux substantiels. Aujourd’hui, c’est une discipline internationale où prévaut une coordination de haut niveau pour la conception des instruments et des missions. La recherche est menée par des équipes grandes et petites. Aujourd’hui, il faut dix à vingt ans pour concevoir, construire et mettre en service un télescope ; une planification à très long terme est donc nécessaire. Les contraintes de temps sont en partie sociales et politiques – le travail de formation et de coordination des équipes et la recherche de financement sur plusieurs cycles –, en partie techniques – il faut concevoir les appareils et les logiciels en anticipant l’état de la technologie au moment de la mise en service – et en partie physiques – la fabrication des instruments, y compris le moulage, le refroidissement et le polissage du verre des miroirs des télescopes, prenant en effet plusieurs années – (University of Arizona Science Mirror Lab, 2013 ; McCray, 2014). La conception des instruments et des missions influence à son tour les choix opérés sur les données résultantes, la manière dont celles-ci sont recueillies et conservées et les conditions d’accès aux instruments et aux données pour les astronomes. Chaque fois qu’un nouveau télescope est lancé dans l’espace ou qu’un observatoire voit sa « première lumière », la conception de la prochaine génération d’instruments est déjà bien entamée.

15Lorsque l’astronomie s’est mise à dépendre davantage des fonds publics et de la collaboration communautaire, il a fallu établir un consensus sur les priorités de recherche (McCray, 2004 ; Munns, 2012). Depuis les années 1960, la communauté astronomique américaine mène une « étude décennale » afin d’identifier les projets prioritaires. Les catégories scientifiques des projets changent chaque décennie, illustrant les évolutions de la discipline. Parmi les neuf pôles de 2010, on trouvait « Cosmologie et physique fondamentale », « Systèmes planétaires et formation d’étoiles », « Observations électromagnétiques depuis l’espace » et « Astronomie optique et infrarouge depuis le sol » (The National Academies, 2010). L’étude décennale consiste en une série de recommandations adressées aux organismes de financement nationaux et internationaux des régions où la communauté demande un soutien. Elle ne garantit cependant pas un financement ou des affectations prioritaires. Le financement effectif fait en effet l’objet de négociations avec les organismes, les institutions mères telles que le Congrès états-unien et les partenaires internationaux.

Big Data, longue traîne

16L’astronomie relève désormais du big data pour ce qui est des données d’observation dont elle dispose, situant ainsi les astronomes dans la tête de la courbe de la longue traîne. Le volume absolu des données astronomiques continue de s’accroître par ordre de grandeur à chaque nouvelle génération de télescopes. Les données astronomiques sont massives par leur volume et leur vitesse, pour reprendre les termes de Laney (2001) introduits au chapitre 2. La croissance pose continuellement problème à mesure que les nouveaux instruments recueillent de plus en plus d’informations à un rythme croissant. Pratiquement toutes les données astronomiques consistent en des mesures de l’intensité des radiations électromagnétiques (par exemple, les rayons X ou la lumière visible) en fonction de la position dans le ciel, de la longueur d’onde et de l’heure.

17L’adaptation de l’astronomie aux technologies numériques, qui a pris plusieurs décennies, a provoqué des changements qualitatifs dans les formes de données recueillies. Pour des générations d’astronomes, l’enregistrement des données était un processus analogique, consistant en de longues expositions continues sur des plaques de verre, des dispositifs à transfert de charge (la base de la photographie numérique) ou des spectrographes. Les astronomes passaient des nuits entières au télescope, déplaçant précautionneusement l’instrument pour obtenir une exposition continue d’un objet ou d’une région céleste sur plusieurs minutes ou plusieurs heures. Chaque nuit passée sur la montagne n’engendrait que quelques traces. Aujourd’hui, en revanche, la collecte numérique produit des images distinctes et non plus continues. Les enregistrements numériques sont bien plus faciles à copier à l’identique et à transférer sur des supports de stockage. Ils sont plus maniables et plus simples à diffuser que les données analogiques. La transition de l’analogique au numérique a démarré dans les années 1960, s’est accélérée dans les années 1970 et était presque achevée à la fin des années 1990 (McCray, 2004, 2014).

18À la fin du xx^e siècle, les télescopes produisaient des données bien plus vite que les êtres humains ne pouvaient les consommer. De nombreuses phases du processus sont automatisables. Du moment que la collecte de données est définie avec précision, des robots peuvent faire fonctionner les instruments durant la nuit et envoyer les jeux de données qui seront lus au matin. Néanmoins, les instruments se trouvent souvent sous le contrôle direct de l’astronome. Recueillir ses propres données peut toujours impliquer de veiller toute la nuit, même si c’est dans des conditions plus confortables qu’autrefois. Pour la nouvelle génération, l’analyse et la visualisation des données par ordinateur est la norme. Cependant, beaucoup d’astronomes ont acquis leur savoir-faire au temps de l’analogique et apportent cette expertise en matière d’analyse au travail d’aujourd’hui. La collecte manuelle subsiste encore dans certains cas, comme pour l’observation des taches solaires (Curwen, 2013). Les données analogiques rassemblées au cours des siècles restent des traces précieuses, car permanentes, des cieux d’autrefois. Certaines ont été numérisées et mises à disposition dans des référentiels publics. D’autres relèvent du privé et demeurent sous le contrôle des astronomes et des institutions qui les ont collectées.

19Les relevés astronomiques constituent l’aboutissement de projets de recherche visant à recueillir de grands volumes de données sur une région du ciel sur un long laps de temps. Le Sloan Digital Sky Survey (SDSS), qui porte le nom de son principal financeur, l’Alfred P. Sloan Foundation, a été le premier relevé astronomique destiné à un usage public immédiat. La collecte, démarrée en 2000, a cartographié environ un quart du ciel nocturne à l’aide d’un télescope optique situé à Apache Point au Mexique. Entre 2000 et 2008, avec une série de neuf divulgations de données, le SDSS a enregistré des données de plus en plus vite et à des résolutions de plus en plus précises grâce aux nouveaux instruments ajoutés au télescope, aux avancées dans les dispositifs à transfert de charge des appareils photographiques et aux améliorations de la vitesse et de la capacité des ordinateurs (Ahn et al., 2012 ; Bell et al., 2009 ; Finkbeiner, 2010 ; Gray et al. 2005 ; Sloan Digital Sky Survey, 2013a ; Szalay, 2011).

20Pan-STARRS, la nouvelle génération des relevés astronomiques, cartographie une région plus vaste du ciel à un plus grand niveau de détails et est en outre capable d’identifier des objets en mouvement. Le télescope, basé à Hawaï, est mis en service par étapes. Les appareils photographiques à gigapixels de Pan-STARRS sont les plus grands et les plus sensibles jamais construits. Le Large Synoptic Survey Telescope (LSST)1, un télescope terrestre destiné à établir le relevé astronomique qui supplantera Pan-STARRS, prétend être « l’œil le plus rapide, le plus large et le plus profond de la nouvelle ère numérique ». Il obtiendra chaque nuit trente téraoctets de données. Quant au Square Kilometre Array (SKA), qui doit devenir le plus grand radiotélescope au monde, il devrait enregistrer quatorze exaoctets de données par jour. Les données issues de relevés astronomiques et de grandes missions de télescopes publics sont souvent conservées dans des archives et mises à la disposition du public après des périodes d’embargo et de traitement. La gestion des données représente l’un des principaux défis de missions telles que Pan-STARRS, LSST et SKA (Pan-STARRS, 2013a ; Large Synoptic Survey Telescope Corporation, 2010 ; Square Kilometre Array, 2013 ; Shankland, 2013).

21Cependant, les astronomes ne sont pas nécessairement toutes et tous des spécialistes du big data et toutes les données astronomiques ne sont pas diffusées au public. Certains scientifiques passent encore des nuits en montagne à recueillir de petits volumes d’observations très spécialisées. D’autres obtiennent des données « parasites » des instruments secondaires embarqués sur les télescopes spatiaux. D’autres encore fabriquent leurs propres instruments afin d’enregistrer des types d’informations précises, dont ils ont besoin pour répondre à leurs questions de recherche. Les données de ces projets plus modestes peuvent être stockées indéfiniment sur les serveurs locaux des chercheurs et chercheuses. Elles peuvent représenter des volumes importants et s’avérer très spécialisées et difficiles à interpréter. Les astronomes de l’ère analogique avaient tendance à ne se fier qu’aux données qu’ils avaient collectées eux-mêmes : en effet, nul ne connaît mieux ses données que celui qui les a recueillies, qu’elles soient analogiques ou numériques. Des artefacts tels que des défaillances informatiques ou des changements météorologiques qui occultent une image sont difficiles à consigner dans des procédures automatisées, mais peuvent constituer une information indispensable à l’interprétation des résultats.

22Quant aux théoriciennes et théoriciens, ils peuvent disposer de mégadonnées ou de zéro données, selon la définition qu’ils en ont. En astronomie, les théories analytiques reposent sur des équations solubles grâce au papier et au crayon ou, aujourd’hui, avec de superordinateurs. Elles servent à modéliser des phénomènes observés ou à établir des prévisions. Dans les théories computationnelles ou numériques, les phénomènes et objets astronomiques sont simulés afin de modéliser, prévoir et expliquer des phénomènes. Les simulations computationnelles se situent à mi-chemin de la théorie et de l’observation puisqu’elles mobilisent des principes de théorie analytique pure sur des informations qui se rapprochent fort de données d’observation. La modélisation peut synthétiser ce qu’un télescope donné verrait si une source, un événement ou une région présentant les propriétés simulées venait à être observé. La plupart des modèles reposent sur des observations réelles effectuées par d’autres astronomes et utilisées comme données d’entrées. Les concepteurs et conceptrices de modèles computationnels de phénomènes astronomiques considèrent parfois les résultats de ces modèles comme leurs données. D’autres diront qu’ils n’utilisent pas de données.

23Ordinairement, les simulations produisent une série temporelle qui montre l’évolution d’un phénomène donné. Les modèles sont alimentés par de multiples combinaisons de paramètres afin de simuler une gamme de conditions réalistes. Chaque combinaison de paramètres peut être exécutée à de nombreux pas de temps (appelés « clichés »). Chaque ronde de calcul (et même chaque cliché) peut donc produire plusieurs téraoctets de données de sortie, bien plus qu’on ne pourrait conserver indéfiniment. Les modélisateurs et modélisatrices estiment parfois que leurs données consistent dans les quelques kilooctets d’observations empiriques dont ils ont besoin pour exécuter une ronde de calculs. Certains établissent des distinctions subtiles entre les simulations, le code associé aux résultats des simulations, les paramètres et les données. On peut créer des données synthétiques au même format que des données d’observation, ce qui permet des comparaisons statistiques avec le même outillage analytique.

Quand est-ce une donnée ?

24Les données astronomiques sont plus difficiles à caractériser que ce qu’un amateur pourrait imaginer. En effet, de nombreuses personnes aux talents variés sont impliquées dans la conception, l’élaboration et la mise en œuvre des missions astronomiques. Des astronomes participent à ces étapes préliminaires, mais il arrive que la recherche observationnelle réalisée avec des télescopes publics dépende de données issues d’instruments conçus plusieurs dizaines d’années auparavant. Les astronomes peuvent consacrer une grande partie de leurs carrières à une collaboration à long terme, passer de projet en projet, tirer des données de plusieurs missions ou encore se concentrer sur des sujets spécialisés à l’aide de leurs propres instruments. Certaines rédigent des demandes de temps d’observation afin de recueillir leurs propres données ; certains ont recours aux données conservées dans les archives ; d’autres fabriquent leurs propres instruments ; et d’autres encore puisent dans toutes ces sources et ressources. Le moment où une entité considérée devient une donnée astronomique utile dépend de choix comme ceux-là.

25Les personnes impliquées dans une étape ne connaissent souvent des étapes précédentes que le strict nécessaire pour faire leur travail. Au moment où un instrument voit sa première lumière, nul n’a une vision complète de toutes les décisions qui ont abouti aux observations réalisées. Pour le physicien ou la physicienne qui a mené la conception de l’instrument, le voltage des dispositifs à transfert de charge peut constituer des données. Pour le théoricien ou la théoricienne étudiant les origines de l’univers, il peut s’agir du résultat de simulations modélisant la formation, l’évolution et la mort d’étoiles, de galaxies et d’autres objets célestes. Pour l’astronome empirique, les données peuvent être des « cubes d’images », constitués de coordonnées célestes et spectrales. Pour l’ingénieur ou ingénieure logiciel, cela peut aussi bien être les données de sortie des dispositifs à transfert de charge que les fichiers nettoyés, étalonnés et structurés déposés dans les référentiels.

26Pour citer un des astronomes interrogés, « bâtir un article d’astronomie est comme construire une maison ». Le point de départ est rarement clair : les habitants rénovent et agrandissent une maison sur des années, voire des décennies. Même quand une famille part d’un terrain vague, il peut y avoir eu une structure à cet endroit par le passé. Si on remonte encore le temps, quelqu’un a décidé de comment le terrain serait loti, ce qui a déterminé les possibilités pour la taille et l’orientation de la maison, et ainsi de suite.

Sources et ressources

27Le relevé COMPLETE (COordinated Molecular Probe Line Extinction Thermal Emission Survey of Star Forming Regions [COMPLETE], 2011) considéré dans l’étude de cas ne peut être compris que si l’on appréhende plus largement les méthodes de collecte, de sélection, d’utilisation et de gestion des données en astronomie d’observation. Les sources et les ressources y sont nombreuses et diverses. Les données sont difficiles à extraire des instruments, de l’expertise disciplinaire, des principes scientifiques et des formes de représentation spécifiques au domaine. Elles consistent en des « observations du ciel », mais ces dernières reposent sur des instruments dotés de capacités de détection spécialisées. Les signaux captés par ces instruments sont nettoyés et étalonnés selon les normes disciplinaires. On a recours à des métadonnées pour représenter les signaux de manière à pouvoir les mettre en correspondance avec des données d’autres instruments. Les structures des standards de données permettent aux astronomes d’appliquer des outils communs pour l’analyse, la visualisation et la communication. À ces technologies, ces outils et ces normes se superposent des institutions et des pratiques professionnelles visant à relier les données et les publications de la communauté internationale des astronomes.

Télescopes

28Les télescopes constituent la technologie de base de l’astronomie tout en étant la plus complexe d’entre elles. Les technologies optiques ont fait de grands progrès depuis Galilée et enregistrent aujourd’hui des images numériques. Les télescopes modernes comportent de multiples instruments, chacun doté de capacités différentes. Ils peuvent être remplacés au fil du temps, ce qui allonge la durée de vie du télescope.

29Il existe plusieurs types de télescopes, qui peuvent être placés au sol, dans les couches hautes de l’atmosphère, dans des avions et des ballons, ou encore dans l’espace. Les télescopes terrestres sont généralement situés en altitude ou dans des lieux isolés, loin des lumières des villes. Les télescopes optiques sont dotés de miroirs ou de lentilles pour concentrer la lumière, comme ceux de Palomar en Californie ou de La Silla dans le désert d’Atacama au Chili. Les radiotélescopes, quant à eux, utilisent des antennes paraboliques pour concentrer des signaux. Le Square Kilometre Array (littéralement « réseau d’un kilomètre carré »), un ensemble de paraboles qui seront installées en Australie et en Afrique du Sud, est ainsi nommé parce que sa zone de collecte effective sera d’un kilomètre carré. Ce projet international est mis en œuvre dans l’hémisphère sud afin d’avoir la meilleure vue de la Voie lactée ; en outre, la région est moins sujette aux interférences radio que d’autres sites pressentis.

30Les télescopes en orbite autour de la Terre peuvent voir bien plus loin dans l’espace. La planification de ces instruments prend des décennies et ils peuvent générer des données pour plusieurs dizaines d’années. Actuellement en orbite à 568 kilomètres de la Terre, Hubble est l’un des télescopes spatiaux les plus connus. Conçu en 1946 par Lyam Spitzer Jr, il a été lancé en 1990. Entre ces deux dates, une série de projets de conception et de développement issus de collaborations et de financements internationaux ont été menés. Le Hubble Space Telescope (HST) fournit des données scientifiques depuis l’espace depuis plus de vingt ans. Avec ses cinq ensembles d’instruments, chacun capable de capter la lumière de différentes façons et à différentes longueurs d’onde, le HST est un laboratoire astronomique en orbite. D’autres appareils alimentent le satellite, mesurent sa santé et permettent d’y apporter des ajustements. Alors que la plupart des télescopes spatiaux sont mis en orbite ou lancés dans l’espace lointain sans intervention physique ultérieure, Hubble a reçu plusieurs visites pour ajouter, réparer et remplacer des instruments. Les données qu’il a collectées ont donné lieu à plus de dix mille publications (HubbleSite, 2013b).

31La collecte proprement dite de données d’instruments de télescope est souvent un processus industriel géré par la mission scientifique du projet, comme Hubble ou Chandra. Le HST, par exemple, envoie ses signaux à un satellite de poursuite et de relais, lequel les transmet à une station terrestre dans le Nouveau-Mexique, laquelle les renvoie au Goddard Space Flight Center à Greenbelt, dans le Maryland, qui les transmet à son tour au Space Telescope Science Institute (STScl) non loin de là, à Baltimore. Des validations et des vérifications sont effectuées à chaque étape de la procédure. Les astronomes utilisent les données d’observation du STScl, une fois celles-ci étalonnées et divulguées. Elles et ils peuvent aussi déposer des demandes de temps d’observation pour utiliser des instruments particuliers, pendant un laps de temps donné, afin d’étudier leurs propres questions de recherche. Environ deux cents demandes sont accordées chaque année, ce qui représente un taux d’acceptation de 20 % (HubbleSite, 2013b).

Spectre électromagnétique

32Tout instrument, qu’il se trouve dans l’espace ou au sol, est conçu pour capter des signaux sur une ou plusieurs gammes de longueurs d’onde. Les radiotélescopes détectent des signaux de basse fréquence, dits aussi à basse énergie ou de grande longueur d’onde. Les télescopes à rayons gamma captent quant à eux des signaux de haute fréquence, dits aussi à haute énergie ou de courte longueur d’onde. Les rayons gamma et X sont largement bloqués par l’atmosphère terrestre ; c’est pourquoi les télescopes à rayons gamma et X sont installés au-delà, sur des fusées ou des satellites. Le spectre électromagnétique est continu. En astronomie, il est couramment divisé, par ordre croissant d’énergie, en ondes radio, micro-ondes, infrarouges, optiques, ultraviolets, rayons X et rayons gamma. On peut également opérer des distinctions plus fines : infrarouge lointain, infrarouge moyen, infrarouge proche, rayon X mou, rayon X dur, etc. Les longueurs d’onde sont parfois désignées selon leur taille en distance métrique, en millimètres ou encore en unités moindres. La lumière visible (les couleurs perçues par l’œil humain) dont Galilée disposait ne représente qu’une bande très étroite sur ce spectre.

Objets célestes

33Les objets célestes, également appelés objets astronomiques ou astres, sont des entités observables dans l’univers d’origine naturelle. Ils comprennent les étoiles, les planètes, les galaxies, les comètes, ainsi que d’autres objets moins familiers tels que les nébuleuses, les restes de supernovae et les trous noirs. La majeure partie de la recherche astronomique implique l’étude d’objets célestes, que ce soit individuellement ou en combinaison avec d’autres phénomènes. Les astres apparaissent dans des régions particulières du ciel et sont visibles à certaines longueurs d’onde. Pour étudier un objet céleste donné, l’astronome a besoin d’observations de cette région, obtenues avec des instruments capables de saisir les phénomènes étudiés. Dans certains cas, elle ou il sollicitera un temps d’observation sur un instrument de télescope spécifique sur plusieurs jours à la bonne saison, afin que le télescope soit pointé sur la région souhaitée. Comme les étoiles, les planètes et les astéroïdes se déplacent dans le ciel, les astronomes ont besoin de modèles 3D de ces trajectoires afin de pouvoir en dériver les coordonnées célestes (projetées en 2D) de ces objets à tout moment.

Produits de l’astronomie

34Les observations issues d’instruments de télescope passent par de nombreuses étapes de nettoyage, d’étalonnage et de réduction avant d’être mises à disposition dans des référentiels de données astronomiques. Les étapes de ce processus sont appelées pipelines (European Southern Observatory, 2013 ; National Optical Astronomy Observatory, 2013b). Le traitement en pipeline peut prendre plusieurs mois ; ainsi, les observations sont souvent mises à disposition sous forme d’un data release (divulgation de données) accompagné d’un data paper (publication de données) qui les documente. La neuvième divulgation de données du SDSS, par exemple, comprend toutes les données issues d’un nouvel instrument ajouté au télescope après la huitième divulgation, auxquelles s’ajoute l’astrométrie (les positions célestes) corrigée de la huitième divulgation (Ahn et al., 2012 ; Sloan Digital Sky Survey, 2013b). De mêmes observations peuvent donc être divulguées plusieurs fois à mesure que des améliorations sont apportées au pipeline. Les astronomes veillent à identifier le data release utilisé dans une étude, car cela influe sur l’interprétation des résultats.

35Lorsque les astronomes recueillent leurs données grâce à des demandes de temps d’observation, elles et ils peuvent réaliser eux-mêmes leur traitement en pipeline. Ils disposeront parfois d’un manuel recommandant des outils et des étapes à effectuer. Si leurs instruments sont bien étalonnés, ils peuvent comparer leurs données à celles de produits issus du même appareil. Utiliser son propre instrument ou un nouveau procure un avantage en matière de découverte, mais est aussi limitant, puisqu’on ne dispose pas de produits comparables pour valider ses résultats. Les astronomes concernés peuvent alors se tourner vers d’autres ressources de données pour étalonner leurs instruments, sans toujours le mentionner dans leurs publications (Wynholds et al., 2012). Certains préfèrent des observations peu traitées, par exemple parce qu’ils cherchent des phénomènes nouveaux ou d’autres récurrences que les méthodes de réduction standard peuvent dissimuler.

36Les observations astronomiques engendrent de nombreux autres types de produits de données, comme les éphémérides et les relevés de régions ou d’objets célestes. Les éphémérides, dont l’existence remonte aux débuts de l’observation du ciel, consistaient à retracer les positions et la brillance des astres tout au long d’une année. Ils fournissaient alors des informations essentielles pour la navigation et l’orientation. Les éphémérides contemporaines puisent les descriptions précises des connaissances sur chaque étoile dans des référentiels de données (National Aeronautics and Space Administration, Goddard Space Flight Center, 2014). Des étoiles connues peuvent être référencées par un numéro de catalogue. Les catalogues et les autres produits peuvent ainsi être interrogés pour déterminer si un objet est connu ou non. Les relevés astronomiques en temps réel utilisent ces produits pour proposer une identification quasi instantanée de nouveaux objets célestes. Les méthodes de détection de phénomènes éphémères peuvent envoyer des alertes sur des télescopes, des smartphones et d’autres appareils (Caltech, 2013b). La divulgation des données peut être immédiate ou être reportée de plusieurs années, comme nous le verrons au chapitre 8.

Les infrastructures de la connaissance

37L’astronomie possède l’infrastructure de la connaissance la plus complète de tous les champs évoqués dans les études de cas. Les accords sur des standards en matière de structures de données, de métadonnées et d’ontologies, auxquels s’ajoutent la coordination à l’échelle internationale et d’importants investissements de la communauté dans des référentiels, des outils et des ressources humaines, ont produit un réseau complexe de ressources informationnelles. Bien que la collecte de données soit largement automatisée, des parts substantielles de l’infrastructure nécessitent une expertise humaine pour l’attribution de métadonnées et l’identification de liens entre des objets voisins.

38Les tâches manuelles qu’il faut accomplir pour interpréter des observations et documenter des relations entre objets numériques sont un exemple du « travail invisible » si souvent nécessaire au fonctionnement des infrastructures. Bien sûr, il est visible pour celles et ceux qui l’accomplissent, mais ceux qui dépendent de l’infrastructure ignorent généralement ces investissements, du moins tant que le système ne tombe pas en panne.

Métadonnées

39Les observations astronomiques sont souvent acquises sous forme de spectres (intensité en fonction de la longueur d’onde), d’images (la distribution de l’intensité du ciel à une longueur d’onde donnée) ou de cubes (un jeu de données 3D donnant l’intensité en fonction d’une position et d’une longueur d’onde, dont on peut extraire des images et des spectres). Dans certains cas, un instrument appelé « bolomètre » sert à mesurer l’intensité à une position donnée sur une gamme très restreinte de longueurs d’onde. Les observations astronomiques sont de plus en plus souvent obtenues sous forme de série temporelle, c’est-à-dire d’une série d’échantillons au fil du temps d’un des types de données listés plus haut. Les instruments de télescope peuvent générer automatiquement les coordonnées célestes, la longueur d’onde et l’heure de l’observation sous forme de métadonnées. Les noms des objets sont entrés manuellement au moment de l’observation, car le jugement d’un être humain est nécessaire. D’autres informations utiles à l’interprétation des résultats, comme les conditions météorologiques et les erreurs instrumentales, peuvent être consignées dans des journaux d’observation.

40Pour présenter des images prises à des longueurs d’onde situées bien au-delà du spectre visible, les astronomes attribuent des couleurs aux différentes parties du spectre, par exemple rouge pour les ondes radio, vert pour la fenêtre optique et bleu pour les rayons X. Cependant, il n’existe guère de standards de métadonnées pour ces fausses couleurs dans les illustrations. Les techniques pour les attribuer sont très variables et aboutissent à des images largement irreproductibles. Bien que les « jolies » illustrations composites aient les faveurs du grand public, beaucoup d’astronomes se montrent réticents à les faire figurer dans leurs publications. La vision d’artiste doit être soigneusement corrigée par la validité scientifique (Kessler, 2012).

41Les informations essentielles concernant l’instrument, les conditions d’observation, la longueur d’onde, la date, l’heure et les coordonnées célestes sont représentées dans un format de données standard appelé Flexible Image Transport System (FITS). Le FITS a été inventé dans les années 1970 et largement adopté dans les années 1980 dans le contexte de la transition numérique de l’astronomie. Les observations analogiques pouvaient ainsi être étalonnées sur les positions et les conditions de chaque télescope. La prise de vue numérique a permis de combiner des observations issues de plusieurs instruments, mais pour cela, il a fallu se mettre d’accord sur les structures de données et les systèmes de coordonnées (National Aeronautics and Space Administration, Goddard Space Flight Center, 2013a ; Hanisch et al., 2001 ; McCray, 2014 ; Wells et al., 1981).

42La plupart des référentiels de données astronomiques fournissent aujourd’hui des ressources au format FITS ; les astronomes peuvent ainsi utiliser les métadonnées qu’elles contiennent pour localiser des données d’observation grâce à leurs coordonnées célestes, au spectre, à l’heure de l’observation et aux autres caractéristiques associées aux instruments. Un petit nombre d’astronomes préfèrent les formes de données « pré-FITS », plus brutes, situées à des niveaux de traitement plus faibles, comme nous l’avons vu au chapitre 2 (NASA’s Earth Observing System Data and Information System, 2013).

Systèmes de coordonnées

43L’astronomie est fondée sur le principe simple qu’il n’existe qu’un seul ciel. Il n’en a pas moins fallu des siècles d’innovation astronomique et technique pour établir un système de coordonnées qui puisse rendre compte des positions des objets célestes. La latitude (dimension nord-sud) pouvait se calculer sur terre ou en mer grâce aux étoiles. La longitude (dimension est-ouest) nécessitait des calculs temporels exacts, car la Terre se déplace sur son orbite. L’invention au xviii^e siècle d’une horloge de précision capable de fonctionner sur un navire a transformé à la fois la navigation et l’astronomie (Sobel, 2007). Les systèmes de coordonnées astronomiques reposent sur des mesures de temps précises, car le mouvement de la Terre sur son orbite modifie subtilement la position et la longueur d’onde de l’émission d’un objet au fil du temps.

44Les astronomes ont convenu, dans le cadre des normes FITS, d’un système de cartographie standard, appelé le World Coordinate System (WCS), afin de décrire les observations célestes (National Aeronautics and Space Administration, Goddard Space Flight Center, 2013b). À chaque pixel d’une image du ciel sont attribuées des coordonnées de localisation X et Y. Celles-ci, qui correspondent généralement à l’ascension droite et à la déclinaison, sont l’équivalent de la longitude et de la latitude pour les positions terrestres. Quant au spectre électromagnétique, il constitue la troisième dimension utilisée dans les observations astronomiques. Celle-ci est souvent exprimée comme fréquence ou longueur d’onde et peut dans de nombreux cas être convertie en vitesse grâce à l’effet Doppler. Pour les objets situés hors de la Voie lactée, on incorpore la loi de Hubble au calcul de la distance d’un objet.

45Des observations effectuées par différents instruments à différents moments peuvent être mises en correspondance grâce à ces systèmes de coordonnées. Des images du ciel saisies sur des plaques de verre il y a plus d’un siècle peuvent être appariées avec des clichés pris par des télescopes d’aujourd’hui (Harvard-Smithsonian Astrophysical Observatory, 2013b ; Johnson, 2007). De même, les photographies du ciel prises de nos jours peuvent être associées à leur position dans le ciel grâce au WCS, aux éphémérides et à d’autres produits de données astronomiques. La procédure est cependant imparfaite, parce que la mise en correspondance exige parfois de savoir d’où l’image a été prise (Hogg et Lang, 2008 ; Lang et al., 2009).

Objets célestes

46Les objets célestes et les autres phénomènes astronomiques disposent de leurs propres ensembles de métadonnées. Ils sont catalogués à la main après la publication d’articles grâce à une action internationale coordonnée. Les astres de notre galaxie sont recensés dans SIMBAD (Set of Identifications, Measurements and Bibliography for Astronomical Data, « ensembles des identifications, mesures et bibliographies pour les données astronomiques »), qui est basé au Centre de données astronomiques de Strasbourg (CDS). Les catalographes lisent les nouvelles publications en matière d’astronomie au fur et à mesure de leur parution et créent des fiches de métadonnées pour chaque objet céleste identifiable mentionné (Genova, 2013).

47SIMBAD grandit rapidement au rythme des publications et des découvertes, comme le montrent les mises à jour quotidiennes de ses statistiques. Au moment d’écrire ces lignes, la base contient environ 18,2 millions d’identifiants pour 7,3 millions d’objets uniques mentionnés dans 285 000 publications, pour un total de 10 millions de références à des objets uniques (Centre national de la recherche scientifique, 2012 ; SIMBAD Astronomical Database, 2013 ; Genova, 2013). Une autre manière de présenter ces chiffres serait de dire que chacun des 7,3 millions d’astres est connu, en moyenne, sous 2,5 noms différents (les 18,2 millions d’identifiants). Chaque publication mentionne en moyenne 35 objets célestes (les 10 millions de références à des objets dans 285 000 documents). Néanmoins, ces objets ne sont pas également répartis dans la littérature astronomique. La plupart des publications décrivent quelques astres, mais un petit nombre de documents listent un grand nombre d’objets. De même, la plupart des astres n’ont qu’un seul nom (par exemple Jupiter) alors que d’autres en ont beaucoup, parce que cela fait plusieurs siècles qu’ils sont identifiés dans des relevés et catalogues. Chaque publication est richement « taguée » de données, leur ajoutant une valeur permettant de trouver, combiner et distinguer des données sur des objets célestes.

48Les astres situés hors de notre galaxie sont catalogués dans la NASA Extragalactic Database (National Aeronautics and Space Administration, Infrared Processing and Analysis Center, 2014a). Les données relatives au système solaire et aux planètes sont recensées dans un autre service (National Aeronautics and Space Administration, Jet Propulsion Laboratory, 2014). Le CDS est le pôle de coordination de nombre de référentiels de métadonnées astronomiques et fournit des outils de recherche et mise en correspondance tels qu’Aladin et VizieR (Centre national de la recherche scientifique, 2012, 2013).

Archivage des données

49Des quantités massives d’observations astronomiques se trouvent dans des archives de données, que l’on appelle également référentiels, bases de données ou systèmes d’information. Si ces archives sont riches, elles ne sont pas exhaustives pour autant. Les observations issues de missions financées sur fonds publics, en particulier celles recueillies par des instruments de télescope lancés dans l’espace, sont généralement mises à la disposition du public. La plupart des référentiels sont organisés par missions ; c’est le cas pour les observations issues des missions Spitze Space Telecope, Chandra et Hubble (Harvard-Smithsonian Astrophysical Observatory, 2013a ; NASA Spitzer Space Telescope, 2013 ; HubbleSite, 2013a).

50Les données sont aussi organisées par longueur d’onde : c’est par exemple le cas dans les archives hébergées par l’Infrared Processing and Analysis Center (IPAC). L’IPAC classe les données par missions, ainsi que par types d’objets célestes, comme avec la NASA Exoplanet Archive (National Aeronautics and Space Administration, Infrared Processing and Analysis Center, 2014b). Chaque relevé astronomique majeur, comme le SDSS, Pan-STARRS et le LSST, propose son propre référentiel. Des données plus anciennes et bien conservées, comme celles du Two Micron All Sky Survey (2MASS), dont la collecte s’est achevée en 2001, gardent leur valeur indéfiniment (National Aeronautics and Space Administration, Infrared Processing and Analysis Center, 2014c).

51Bien que les référentiels de données représentent des ressources précieuses, chaque archive est indépendante et possède sa propre interface utilisateur, ses propres fonctionnalités et son propre modèle de données sous-jacent. Parce que les données astronomiques archivées tendent à être classées selon leur longueur d’onde d’observation et l’observatoire qui les a recueillies, il est nécessaire d’adopter une méthodologie cohérente (Accomazzi et Dave, 2011). Certains référentiels, comme le MAST, conservent des données issues de missions et de spectres multiples et acceptent également des contributions en données et modèles (National Aeronautics and Space Administration, Mikulski Archive for Space Telescopes, 2013). Le Data Discovery Tool, SkyView, et le WorldWide Telescope sont quelques-uns des outils – de plus en plus nombreux – permettant d’interroger de multiples archives et d’intégrer des sources de données (Goodman et Wong, 2009 ; International Virtual Observatory Alliance, 2013b).

52Les astronomes disposent de plus en plus d’options pour partager des données qu’elles et ils ont recueillies eux-mêmes ou qui sont dérivées de sources publiques : archives acceptant les contributions, référentiels universitaires, sites web personnels ou de projet et échanges interpersonnels. Une étude sur un petit nombre d’astronomes indique que leurs pratiques en matière de partage ressemblent à celles d’autres disciplines. La forme la plus courante de partage de données consiste à les envoyer par e-mail aux collègues qui les demandent. Seule une faible proportion d’entre eux (environ 20 sur 175) avaient déposé des données dans une archive institutionnelle. La gestion des données reste largement le fait des personnes qui les ont collectées ou analysées. L’un des astronomes interrogés a comparé les pratiques en matière de données de son laboratoire à celles du SDSS : quand celui-ci diffuse un Data Release 1.0, 2.0 et ainsi de suite, « nous, on a plutôt :  Doctorant 1, 2 et 3 » (Pepe et al., à paraître).

Publications

53Le contrôle bibliographique est bien plus complet en astronomie que dans la plupart des autres disciplines. Malgré son nom, l’Astrophysics Data System (ADS, « système de données de l’astrophysique ») du Harvard-Smithsonian Astrophysical Observatory–NASA consiste essentiellement en un système bibliographique. L’ADS, qui est opérationnel depuis 1993, contient des traces de publications d’astronomie fondamentale qui remontent au xix^e siècle, ainsi qu’un catalogue considérable de littérature grise de la discipline (Kurtz et al., 2000, 2005 ; Harvard-Smithsonian Astrophysical Observatory, 2013c). L’ADS joue un rôle central dans l’infrastructure de la connaissance astronomique en conservant non seulement des documents bibliographiques, mais aussi les liens entre publications, traces d’objets célestes et archives de données (Accomazzi et Dave, 2011 ; Accomazzi, 2010 ; Borgman, 2013 ; Kurtz et al. 2005).

Provenance

54Les astronomes utilisent les riches composantes de leur infrastructure de la connaissance pour déterminer la provenance des données. Les personnels de recherche doivent pouvoir s’y fier, sachant que beaucoup de personnes, d’instruments et de logiciels différents ont touché le train binaire de l’observation. Les bits sont étalonnés, nettoyés, transformés et réduits à de nombreux stades du traitement en pipeline. La provenance pose plusieurs questions en fonction de la problématique de recherche et des circonstances. Une donnée obtenue dans un but particulier, dans une région céleste particulière, à certains moments et certaines longueurs d’onde, peut s’avérer utile pour d’autres fins, ou non. Par exemple, il est souvent bien plus difficile de déterminer la provenance de vieilles données saisies par un ou une astronome que de données issues de relevés astronomiques. Des données anciennes numérisées peuvent ne pas être correctement documentées pour certains types d’usages.

55La provenance des relevés astronomiques et d’autres grands jeux de données est documentée dans les data papers (publications de données) que nous évoquions plus haut, par exemple ceux des data releases (divulgations de données) du SDSS (Ahn et al., 2012) et de COMPLETE (Ridge et al., 2006). Dans certains cas, on publiera des instruments papers (publications d’instruments) afin de reconnaître la contribution de celles et ceux qui les ont conçus et pour documenter plus en détail les décisions prises. Ces publications décrivent l’instrumentation, l’étalonnage et les choix de traitement. Les data papers figurent parmi les articles les plus cités en astronomie parce qu’ils rassemblent les références aux sources des données dans une même publication.

56En astronomie, la provenance est également tracée par des outils et des services d’analyse courants. L’International Virtual Observatory Alliance (IVOA) est un organisme de coordination qui vise à élaborer des données et des outils et à les partager (Hanisch et Quinn, 2002 ; International Virtual Observatory Alliance, 2013a). Ses membres se réunissent régulièrement pour résoudre des problèmes d’interopérabilité et pour coordonner l’action des pays en faveur des infrastructures de recherche astronomique.

57Bien qu’elle n’en ait pas terminé, l’astronomie a réalisé bien plus de progrès que la plupart des autres disciplines en matière de relations entre publications et données. SIMBAD fournit des liens entre les objets célestes et les articles qui relatent la recherche les concernant, lesquels sont hébergés dans l’ADS. En revanche, les métadonnées qui lient les observations aux publications et aux astres sont moins bien conservées. Des initiatives sont en cours afin de coordonner des systèmes et des activités multiples, avec en ligne de mire une amélioration de l’interconnexion sémantique de ces ressources complémentaires (Accomazzi et Dave, 2011). Cette coordination concerne l’IVOA, l’ADS, le CDS, les bibliothèques astronomiques, les archives de données et des systèmes tels que WorldWide Telescope, qui peuvent intégrer des sources disparates (Worldwide Telescope, 2012). Nous discutons du rôle joué par ces efforts de coordination dans le partage des données au chapitre 8.

Les influences extérieures

58L’astronomie ne subit pas moins que d’autres sciences l’influence de questions externes, telles que l’économie et la valeur, les droits de propriété et l’éthique. La création et l’utilisation de données en astronomie reposent sur des accords internationaux et sur une série de modèles de gouvernance. Ceux-ci sous-tendent les infrastructures de la connaissance astronomique de manière à la fois subtile et profonde.

Économie et valeur

59Les données astronomiques intéressent la recherche informatique pour plusieurs raisons, la première étant qu’elles sont dépourvues de valeur financière apparente. La deuxième est que leur volume considérable et leur structure cohérente les rendent utiles à la recherche sur les bases de données. Troisièmement, il n’y a pas de sujets humains impliqués, donc très peu de contraintes déontologiques pour la réutilisation (Gray et Szalay, 2002 ; Hey, 2009b ; Lynch, 2009 ; Szalay, 2008).

60Bien qu’il soit exact qu’aucun marché d’achat-vente n’existe pour les observations astronomiques ou pour les données de sorties de modèles numériques, de télescopes, d’instruments et de grandes archives de données telles que le SDSS, Hubble et Chandra, il faut envisager la plupart d’entre elles comme des réservoirs communs de ressources. Quand il y a des investissements d’organismes privés et publics dans l’infrastructure, il s’ensuit la mise en place de modèles de gouvernance afin d’assurer la qualité des ressources et un accès équitable. Le manque de pérennité et les « passagers clandestins » représentent une menace permanente pour ces ressources communes. Cependant, beaucoup d’instruments astronomiques et de ressources en données n’appartiennent pas à des réservoirs communs. Ainsi, des données sous le contrôle d’astronomes et de laboratoires peuvent être considérées, selon les circonstances, comme des informations brutes ou comme des biens privés. Certains instruments et certaines archives constituent des biens de clubs qui ne sont accessibles qu’à leurs seuls membres. Les logiciels nécessaires à l’analyse de données astronomiques et à l’interprétation de fichiers peuvent être en open source ou commerciaux.

Droits de propriété

61Les droits de propriété des données varient selon les projets, les organismes de financement et d’autres facteurs. Que la recherche soit financée par des fonds publics ou privés, les chercheurs et chercheuses disposent généralement pour un temps de droits exclusifs sur les données. Les périodes d’utilisation exclusive, qu’on appelle également périodes d’embargo, courent de trois à dix-huit mois environ à compter de la date d’enregistrement des observations par le télescope (National Optical Astronomy Observatory, 2003, 2013a) ou à compter du moment où des « données utilisables scientifiquement » émergent du pipeline de traitement (Spitzer Science Center, 2013). Les chercheurs peuvent choisir de diffuser les données plus tôt ; en revanche, il faut obtenir une autorisation spéciale pour rallonger la période d’utilisation exclusive. Selon que celle-ci démarre au moment de l’observation ou lorsque les données deviennent utilisables, la différence de durée du contrôle sur les données peut se compter en mois, voire en années, pendant lesquels les chercheurs rédigeront leurs publications. Les données obtenues de télescopes privés peuvent n’être jamais divulguées, cependant des données anciennes issues de télescopes importants ont déjà été rendues publiques.

62Pour les missions dont les données sont vouées à l’archivage – c’est-à-dire la majorité de celles réalisées sur les grands télescopes spatiaux –,elles sont mises à disposition dans des référentiels une fois le traitement en pipeline achevé et les périodes d’utilisation exclusive terminées. Lorsque les astronomes souhaitent effectuer leurs propres observations dans le cadre de ces missions, leurs droits sur les données viennent s’ajouter à la gouvernance des instruments. Les télescopes appartiennent, selon diverses modalités, aux universités, aux consortiums, aux États et aux autres organisations qui les financent. L’élaboration des politiques qui régissent l’usage des instruments, comme le Hubble Space Telescope, peut être déléguée à une mission scientifique. La majeure partie des télescopes publics sont accessibles aux astronomes qualifiés, qui peuvent soumettre une demande pour les utiliser. D’autres instruments sont réservés aux relevés synoptiques, lesquels rassemblent de vastes ensembles de données qui seront mis à la disposition de tous. Un nombre de plus en plus faible de télescopes ne sont accessibles qu’à une élite liée aux institutions privées qui les possèdent.

63Les politiques en matière de droits sur les données de ces organes de gouvernance établissent des distinctions fines dans le droit d’utiliser ou de contrôler certains types de données. Par exemple, les politiques du National Optical Astronomy Observatory (NOAO) aux États-Unis distinguent entre les données scientifiques soumises à des périodes d’utilisation exclusive et les types de données accessibles à la communauté « dès l’instant du dépôt de l’exposition dans l’archive du NOAO », comme les métadonnées d’exposition, y compris la date et l’heure, la durée, le lieu et la configuration de l’instrument. Les données d’étalonnage interne sont également considérées comme publiques. Le personnel du NOAO a accès à l’ensemble des données des instruments afin de surveiller leur santé, leur sûreté, leur étalonnage et leurs performances. Le NOAO se trouve à Kitt Peak, dans l’Arizona, et est géré par l’Association of Universities for Research in Astronomy (AURA), inclus dans le cadre d’un accord de coopération avec la National Science Foundation (National Optical Astronomy Observatory, 2013a).

Éthique

64En astronomie, des questions éthiques se posent autour de l’accès aux données et aux instruments, qui représentent des ressources rares et coûteuses. L’économie morale de l’astronomie détermine qui a accès à quel télescope, quand, pour combien de temps et avec quelles ressources pour recueillir et analyser des données (McCray, 2000, 2001, 2003). Ces dernières années, l’accès est devenu plus équitable et fondé sur le mérite grâce à l’augmentation des fonds publics consacrés à la discipline, mais la déontologie et la politique joueront toujours un rôle. Les télescopes sont financés par un ensemble complexe de partenaires, dont des universités, afin que leurs membres puissent accéder aux équipements dont ils ont besoin.

65L’accès aux données astronomiques peut être retardé à cause de problématiques liées au traitement en pipeline, aux périodes d’utilisation exclusive, à la gouvernance, etc. Les données de la mission Planck, qui étudie le fond diffus cosmologique, ont ainsi été divulguées bien plus que tard qu’initialement prévu. Les personnels de recherche ont préféré diffuser une trentaine d’articles d’un seul coup, accompagnés des données, au motif que ces dernières n’étaient pas utilisables par d’autres avant d’être complètement étalonnées (Planck Collaboration et al., 2013).

66Les observations astronomiques peuvent constituer des informations sensibles en raison de leur valeur pour la navigation et la défense. Pan-STARRS, par exemple, est en partie financée par l’US Air Force pour surveiller des objets proches de la Terre ; les données jugées sensibles ne sont pas mises à la disposition de la recherche astronomique. Pan-STARRS distingue sa mission scientifique première de son rôle dans la défense des États-Unis (Pan-STARRS 2012, 2013b). Travailler de manière ouverte signifie généralement que les données sont divulguées au moment de la parution de l’article et non que les activités quotidiennes sont soumises en permanence au regard du public.

Mener des recherches en astronomie

67La plupart des astronomes vivent dans un monde où les données abondent, de même que les outils et les services pour les sélectionner et les analyser. Elles et ils vivent également dans un monde de contraintes, où les missions se planifient sur le temps très long et où les financements, l’infrastructure et l’accès aux instruments et aux données dépendent de la coordination internationale. L’accès aux télescopes et au temps d’observation est plus équitable que par le passé, mais les scientifiques appartenant à des institutions riches, membres de grands consortiums d’instruments, disposent toujours de plus de ressources que celles et ceux travaillant dans des universités plus modestes ou des pays pauvres. Les décisions sur les entités qui deviendront des données et sur les données qui seront partagées, réutilisées ou conservées sont influencées par l’accès à ces ressources et par des contraintes temporelles, technologiques et infrastructurelles.

68La présente étude de cas suit un laboratoire du Harvard-Smithsonian Center for Astrophysics (CfA) tout au long du relevé COMPLETE, un projet de plusieurs années, tandis que son équipe élabore des questions de recherche, recueille et analyse des données et publie ses découvertes dans plus de quarante articles. Notre étude se penche sur les infrastructures de la connaissance dont les scientifiques dépendent, sur la manière dont elles et ils représentent les données, sur les parties prenantes et sur les pratiques de publications.

Le relevé COMPLETE

69Le relevé COMPLETE (abréviation de COordinated Molecular Probe Line Extinction Thermal Emission Survey of Star Forming Regions), basé au CfA, est un grand jeu de données créé à partir de référentiels publics d’observations astronomiques et de nouvelles observations des mêmes régions célestes. Il a cartographié intégralement trois immenses régions de formation stellaires de notre galaxie. Les observations effectuées couvrent le spectre électromagnétique des rayons X aux ondes radio. Le laboratoire a ensuite exploré ces données pour répondre à une série de questions de recherche. Le relevé COMPLETE est apprécié pour son exhaustivité, la diversité de ses sources et sa taille, que l’on estime être mille fois plus grande que les ressources coordonnées disponibles dix ans plus tôt (COordinated Molecular Probe Line Extinction Thermal Emission Survey of Star Forming Regions [COMPLETE], 2011).

70Pendant environ sept ans, de nombreuses personnes, dotées de toutes sortes de savoir-faire, ont été impliquées dans la réalisation du relevé. La composition de l’équipe a varié d’une douzaine de membres à vingt-cinq, dont des professeurs et professeures, des directeurs et directrices de recherche, des postdoctorantes et postdoctorants et des étudiantes et étudiants de premier et deuxième cycle2. Le jeu de données de COMPLETE sert toujours à la recherche, surtout à des travaux d’observation et de statistique visant à comprendre la physique des régions de formation stellaire.

Les questions de recherche

71Les questions de recherche du laboratoire du relevé COMPLETE s’intéressent à la manière dont le gaz interstellaire forme de nouvelles étoiles. La principale problématique de la recherche en formation stellaire est de comprendre quelles distributions d’étoiles se forment au fil du temps lorsque du gaz interstellaire se trouve dans certaines conditions. Cette question a été subdivisée en problèmes plus modestes, dont certains doivent être résolus avant de pouvoir traiter le reste du puzzle. Parmi les conclusions majeures du domaine à l’heure où nous écrivons, on trouve la découverte du « rayonnement de nuage » dans l’infrarouge moyen (Foster et Goodman, 2006), le développement et l’implémentation d’un algorithme d’identification de structure pour décrire des régions de formation stellaire réelles (Pineda et al., 2009 ; Rosolowsky et al., 2008) et simulées (Beaumont et al., 2013), une réinterprétation du sens des températures sur les cartes de gaz interstellaire (Schnee et al., 2006) et une évaluation du rôle de l’autogravitation dans la formation stellaire (Goodman et al., 2009b).

La collecte de données

72Pour identifier les données dans les archives existantes, le laboratoire a effectué des recherches basées sur les coordonnées et les noms d’objets dans des référentiels afin d’en extraire les données correspondant aux trois régions de formation stellaire étudiées (Persée, Ophiochus et Serpent). Il a également fait appel aux métadonnées de SIMBAD et ADS pour identifier d’anciens articles traitant des objets et des phénomènes célestes de ces régions. Cependant, les métadonnées contenues dans ces archives sont connues pour être incomplètes ; le laboratoire s’est donc fié au savoir-faire astronomique de son personnel et sur les sources mentionnées dans les articles pour savoir où chercher. Plus de la moitié des données du relevé COMPLETE sont nouvelles, issues de multiples demandes de temps d’observation sur des instruments de télescope. Ces nouvelles données ont été traitées dans les pipelines associés à chaque instrument. Bien que la procédure soit complexe, il faut noter que l’infrastructure de la connaissance de ce domaine de l’astronomie facilite la mise en correspondance d’observations anciennes et nouvelles issues d’instruments multiples.

L’analyse des données

73Les premières étapes de l’analyse de données ont consisté à convertir tous les jeux, qu’ils proviennent d’archives ou de demandes de temps d’observation, au format FITS. Combiner ces fichiers requiert une connaissance intime des normes FITS. Il a fallu faire des choix dans la manière de fusionner les fichiers. Les jeux de données ne couvrent pas exactement les mêmes zones du ciel, c’est pourquoi il y a davantage de données disponibles sur certaines régions de formation stellaire que sur d’autres. Si les métadonnées disponibles sur les positions célestes et les spectres sont essentielles à la fusion des jeux, une expertise considérable n’en est pas moins nécessaire pour corriger les différences d’étalonnage, de caractéristiques des instruments, de modèles de données et autres (Goodman et al., 2009). Lorsque les jeux ont été fusionnés dans un même fichier, le laboratoire a pu employer une série d’outils, certains open source et d’autres commerciaux, pour utiliser des fichiers FITS et d’autres formats courants comme données d’entrée.

74Les astronomes créent parfois leurs propres logiciels ou rédigent leurs propres scripts dans des outils existants pour obtenir un avantage concurrentiel. L’invention de nouveaux outils et la validation de nouvelles méthodes peuvent constituer des contributions scientifiques en soi (Rosolowsky et al., 2008). Par exemple, dans leur article dans Nature sur le rôle de la gravité à différentes échelles, (Goodman et al. 2009b) ont expliqué comment elles et ils ont utilisé des dendrogrammes de façon novatrice pour mesurer des structures sur une gamme d’échelles spatiales. Leurs visualisations 3D séparent dans le dendrogramme les régions en autogravitation de celles qui ne le sont pas pour montrer la supériorité de l’algorithme du dendrogramme sur un autre plus ancien, CLUMPFIND. Leur article a été le premier à paraître sous forme de PDF 3D permettant de manipuler et faire tourner des vues tridimensionnelles dans l’article (voir figure 2 dans Goodman et al., 2009b) grâce à une version spéciale d’Adobe Reader.

La publication des résultats

75COMPLETE a produit un corpus de recherche cumulatif pour le laboratoire, chaque étude obtenant des résultats qui venaient éclairer les suivants. Les articles individuels se fondent sur des sous-ensembles du relevé rassemblés dans un but spécifique, par exemple l’exploration du rôle de l’autogravitation dans la formation stellaire évoquée plus haut. Parce que plusieurs articles exploitent le même grand jeu de données, ils ne décrivent des protocoles de recherche que ce qui est nécessaire pour comprendre les spécificités de chacun. Les informations de provenance nécessaire à l’élaboration du relevé sont fournies dans le data paper, qui compte dix-sept auteurs et autrices d’institutions partenaires (Ridge et al., 2006). L’article dans Nature ne fait que quatre pages parce que c’est le maximum autorisé par la revue ; douze pages de contenus supplémentaires sont publiées en ligne. Cependant, on trouve une documentation complémentaire sur le site web du projet et dans les références des articles.

76Les articles fondés sur le relevé COMPLETE ont été publiés dans des revues d’astronomie ; par conséquent, ils sont catalogués dans SIMBAD et ADS, ce qui les rend découvrables par objet, par région et par caractéristiques bibliographiques.

La conservation, le partage et la réutilisation des données

77L’équipe du relevé COMPLETE est répartie entre plusieurs institutions de différents pays, chacune ayant ses propres pratiques de partage, de conservation et de réutilisation des données. Le noyau du laboratoire, basé au Harvard-Smithsonian Center for Astrophysics (CfA), assure l’entretien des jeux de données et du site web. Il met à disposition les données du relevé dans de nombreux formats et sous-ensembles à télécharger, toujours accompagné d’une riche documentation (COordinated Molecular Probe Line Extinction Thermal Emission Survey of Star Forming Regions [COMPLETE], 2011). Une suggestion de citation des jeux de données est fournie, mais le laboratoire ne cherche pas à traquer l’usage ou les renvois. Les jeux dérivés sont diffusés sur Dataverse, qui a récemment été adapté aux données astronomiques. Le jeu de données reste actif : on peut donc y ajouter de nouvelles divulgations, de la documentation et des corrections au fur et à mesure. L’équipe n’a pas déposé les données du relevé dans MAST ou dans d’autres référentiels, qui l’auraient déchargée de la conservation à long terme.

78Le laboratoire du CfA qui a effectué le relevé COMPLETE et l’a exploité dans une série de projets de recherche est bien plus attentif à la conservation des données que la moyenne des scientifiques dans la plupart des disciplines. Il s’implique activement dans leur partage et dans le développement de l’infrastructure astronomique. Son équipe a créé le site Dataverse pour déposer et partager des données astronomiques, est responsable de l’intégration de données et de publications disciplinaires dans le relevé All-Sky de l’ADS, se montre très active sur le projet WorldWide Telescope et a étudié le partage et la réutilisation de données en astronomie (Goodman et Wong, 2009 ; Goodman, 2012 ; Goodman et al., 2013 ; Pepe et al., 2011).

79Malgré la vaste documentation du relevé COMPLETE, le laboratoire reconnaît être toujours confronté au problème du « doctorant 1, 2, 3 », endémique dans la recherche collaborative à long terme (Edwards et al., 2011 ; Pepe et al., 2013). Lorsque se posent des questions autour de délicats choix d’étalonnage, de transformations ou d’autres procédures analytiques survenus des années plus tôt, il faut parfois retrouver l’étudiant ou la chercheuse postdoctorale qui était au cœur de ces décisions. Ces dernières ont pu, elles aussi, dépendre de choix effectués auparavant par d’autres parties pendant le développement des instruments, des pipelines et des produits. C’est le problème de la « construction de la maison » : la provenance des données ne peut être retracée plus loin que leur naissance, or les données peuvent être nées plusieurs fois.

80Comme la plupart des données numériques, les données astronomiques sont indissociables du code informatique utilisé pour les nettoyer, les réduire et les analyser. Celles sous forme de fichiers FITS, qui ont déjà été réduites par un traitement en pipeline, peuvent être analysées avec des suites logicielles courantes, qu’elles soient commerciales ou open source. Cependant, de nombreux types de codes associés aux données astronomiques peuvent ne pas être diffusés. Ce peut être parce que les astronomes élaborent leurs propres pipelines pour les données qu’elles et ils ont collectées avec leurs propres instruments ou grâce à une demande de temps d’observation. Ils peuvent rédiger leurs propres scripts ou outils spécialisés pour analyser des données publiques. Dans d’autres cas, le code des simulations informatiques est strictement protégé, mais celui lié à l’analyse et à l’interprétation des données de sortie est divulgué. Dans d’autres cas encore, les résultats des simulations peuvent ne pas être diffusés s’ils ne sont pas considérés comme des données. Ces exemples ne représentent que quelques-unes des nombreuses formes de travail scientifique des données que l’on trouve en astronomie.

La science et la technologie des réseaux de capteurs

81À la fin des années 1990, les spécialistes des sciences exactes et des technologies se sont mis à déployer des réseaux de capteurs afin de recueillir des données de recherche en plus grandes quantités, à de plus hautes densités et de meilleure qualité qu’il n’était possible jusque-là. Ainsi, dans les sciences de l’environnement, les réseaux de capteurs sont utilisés pour étudier la croissance des plantes, la situation météorologique, la configuration des vents, l’activité chimique et biologique, l’activité animale et les sources de contamination du sol et de l’eau. Dix années de recherche collaborative sur les pratiques en matière de données au sein du Center for Embedded Networked Sensing (CENS), où des systèmes de détection sont conçus, testés et déployés dans le cadre d’applications scientifiques, ont produit de riches ressources pour la présente étude de cas. Les méthodes propres aux sciences sociales qui ont permis de la rédiger sont développées au chapitre 6.

82Le CENS, qui dépendait de la National Science Foundation, a été financé de 2002 à 2012 et se consacrait à la conception de systèmes de détection à des fins scientifiques et sociales grâce à la collaboration de spécialistes de l’ingénierie, de l’informatique et des sciences. Parce que leur travail transcendait les frontières disciplinaires, les participantes et participants devaient expliciter leurs pratiques, leurs méthodes et leurs exigences de recherche.

La taille compte

83La science des réseaux de capteurs, dans les domaines du CENS, est un exemple emblématique de la « science légère » de Price (1963). Ce dernier la jugerait peut-être moins mûre que la mégascience qu’est l’astronomie en raison de l’hétérogénéité de ses méthodes de recherche, mais il vaut mieux la voir comme étant adaptative. Les méthodes utilisées sont rigoureuses et répondent aux critères de preuve de leurs disciplines respectives. Les données ainsi obtenues peuvent être hautement valides, mais elles sont difficiles à répliquer.

84Le CENS a été lancé en 2002 par un noyau de chercheurs et chercheuses basés dans quatre, puis cinq universités californiennes. Ces chercheurs avaient chacun des collaborateurs et collaboratrices dans d’autres institutions. La composition du centre a varié d’année en année au gré des projets et à mesure de l’évolution de la liste des étudiantes, étudiants, professeures, professeurs, postdoctorantes, postdoctorants et personnels. À son apogée, le centre comptait trois cents participants et des pratiques variées en matière de données. En moyenne, environ 75 % de participants du CENS travaillaient à la conception et au déploiement de technologies de détection ; le reste se consacrait aux domaines d’application scientifiques, médicaux et sociaux. Les spécialistes des technologies (technologues) développaient de nouvelles applications – scientifiques ou autres – tandis que les scientifiques cherchaient de nouvelles technologies pour faire progresser leurs méthodes de recherche.

85Les données recueillies dans les déploiements sur le terrain du CENS étaient massives au point de vue de la variété, à défaut de l’être en volume absolu ou en vitesse. Cependant, les équipes scientifiques ont été confrontées à des problèmes d’échelle à mesure que ces deux dernières dimensions augmentaient. Les réseaux de capteurs produisaient bien plus de données que les méthodes de prélèvement à la main qui avaient cours dans ces domaines. Dans une étude biologique de la croissance racinaire, par exemple, des scientifiques avaient collecté et encodé à la main une centaine d’images en sept ans, grâce à des appareils photo placés dans des tubes transparents et plantés dans le sol près des plantes étudiées. En automatisant les appareils et en envoyant les images sur le réseau de capteurs, elles et ils pouvaient prendre jusqu’à six mille clichés par jour, représentant environ dix gigaoctets de données (Vargas et al., 2006). Passer des méthodes manuelles au codage automatisé s’est avéré problématique, pour plusieurs raisons. Le codage manuel reposait sur le savoir-faire d’étudiantes et d’étudiants, dont certains encodaient pendant des heures. L’opération était difficile, car les racines étaient très petites et poussaient lentement. Lorsque les racines touchaient le tube, elles apparaissaient sous la forme de minuscules points. Une fois qu’elles avaient suffisamment grandi pour être visibles sur les parois du tube, les codeurs et codeuses étudiaient les images précédentes pour tenter de déterminer le moment de l’apparition des racines. Il fallait parfois, pour retracer l’origine de ces observations, fouiller des carnets de terrain, des cassettes vidéo de croissance racinaire et d’autres documents. On effectuait des tests de concordance entre codeurs, mais les marges d’erreur rendaient difficile une codification algorithmique des pratiques. Dans les études de biologie marine, les équipes scientifiques prélevaient généralement des échantillons d’eau trois ou quatre fois par période de vingt-quatre heures. Ces observations étaient corrélées en série temporelle. De leur côté, les réseaux de capteurs analysaient l’eau toutes les cinq minutes. À un tel rythme, les corrélations et les séries temporelles ne suffisaient plus, d’où l’adoption de techniques de modélisation complexes (Borgman et al., 2012 ; Borgman et al., 2007 ; Wallis et al., 2007).

Quand est-ce une donnée ?

86Tout au long des dix années d’existence du CENS, la notion de donnée y a été mouvante. Chaque chercheur, chercheuse, étudiante, étudiant et membre du personnel interrogé nous a décrit ses données à sa façon. Ces descriptions ont évolué au fil des entretiens suivants, des visites sur site et de l’examen de leurs publications. Des personnes appartenant à la même équipe proposaient des explications différentes de leurs données selon leur rôle au sein de l’équipe, leur expérience et les phases de l’activité de recherche. La notion de donnée a également évolué à mesure du progrès de la technologie des réseaux de capteurs et de la maturation des collaborations et des méthodes de recherche (Borgman et al., 2012 ; Mayernik et al., 2012 ; Wallis et al., 2008).

87La recherche du CENS était, dans l’ensemble, un mélange de méthodes exploratoires, descriptives et explicatives. Les scientifiques formulaient une hypothèse en laboratoire et la testaient sur le terrain ou vice-versa. Les spécialistes des technologies pouvaient éprouver certaines théories en laboratoire et d’autres sur le terrain. De même, les théoriciens, par exemple les ingénieures et ingénieurs en électricité qui modélisaient les réseaux de capteurs, pouvaient tester leurs théories lors du déploiement des réseaux de capteurs sur le terrain (Cuff et al., 2008 ; Wallis et al., 2007).

88Les biologistes, les sismologues, les environnementalistes et autres spécialistes d’un domaine arrivaient au CENS en apportant leurs questions de recherche et leurs méthodes. Leurs pratiques scientifiques, en particulier pour les applications biologiques et environnementales, présentaient les caractéristiques de l’écologie identifiées par Bowen et Roth (2007) : 1) le protocole de recherche est éminemment émergent, 2) les outils et les méthodes sont développés in situ, souvent à partir de matériaux disponibles sur place et sont très spécifiques au contexte, 3) les études sont difficilement réplicables en raison de la nature dynamique des systèmes écologiques et 4) les interactions sociales entre membres de la communauté de recherche sont extrêmement importantes.

89Les spécialistes de l’informatique et de l’ingénierie ont eux aussi apporté leurs questions et leurs méthodes au CENS. Peu d’entre eux avaient de l’expérience dans la conception de matériel ou de programmes à des fins scientifiques, en particulier pour de la recherche de terrain dans les conditions imprévisibles du monde réel. La conception des technologies s’annonçait pour eux particulièrement éprouvante, puisque les exigences et les critères d’évaluation s’adaptaient avec fluidité aux questions de recherche (Borgman et al., 2012). Il fallait en apprendre suffisamment sur le domaine de leurs partenaires pour concevoir, déployer et évaluer les technologies et les données qui en résulteraient.

90La recherche au sein du CENS combinait du matériel acheté dans le commerce avec celui fabriqué sur place. Les décisions prises pour la conception des technologies de détection – matérielles comme logicielles – influaient sur les types de données pouvant être obtenues. Comme pour les instruments de télescope en astronomie, les choix de conception, faits bien avant le travail de terrain, pouvaient déterminer ce qui deviendrait une donnée.

91Bien que les équipes scientifiques et techniques travaillassent ensemble sur le terrain, aucune ne maîtrisait pleinement les origines, la qualité ou les applications des données collectées ensemble. Certaines données recueillies lors des déploiements, comme les échantillons d’eau, n’intéressaient que les scientifiques, tandis que d’autres ne présentaient d’intérêt que pour les équipes techniques, par exemple les données proprioceptives des robots. Les deux parties avaient donc un intérêt commun dans les données issues des capteurs, mais l’appliquaient à des questions de recherche différentes. Parce qu’il s’agissait d’applications scientifiques nouvelles pour des technologies expérimentales, confronter les données à la réalité du terrain a représenté un défi permanent.

Sources et ressources

92Les chercheurs et chercheuses du CENS recueillaient la plupart de leurs données eux-mêmes, ne disposant guère de référentiels ou d’autres sources externes où puiser. Les équipes rassemblaient diverses sortes de données issues de réseaux de capteurs et d’échantillons physiques. Le code et les modèles logiciels étaient essentiels à la conception des instruments et à l’interprétation des données. D’ailleurs, ils étaient parfois traités comme des données.

Réseaux de capteurs intégrés

93Même à l’époque de la fondation du CENS, en 2002, les réseaux de capteurs n’étaient pas des technologies nouvelles. On les utilisait pour faire fonctionner des processus industriels, par exemple dans des usines pétrochimiques, et pour surveiller le débit et la qualité de l’eau. Les nouveautés apportées par le CENS étaient l’utilisation de réseaux de capteurs intégrés pour poser de nouvelles questions scientifiques, ainsi que la collaboration de spécialistes des sciences et des technologies pour concevoir des technologies utilisables dans le monde réel (Committee on Networked Systems of Embedded Computers, 2001). Le CENS a su combiner des technologies du commerce avec de nouveaux appareils et de nouveaux protocoles de recherche afin de recueillir des données d’un genre inédit.

94Une génération plus tôt, les technologies de télédétection révolutionnaient les sciences de l’environnement (Kwa et Rector, 2010 ; Kwa, 2005, 2011). La capacité à voir la Terre depuis des satellites, à des niveaux de granularité qui s’améliorent toujours, a permis une vision bien plus globale des phénomènes environnementaux.

95Les réseaux de capteurs pouvaient être déployés sur terre et dans l’eau, selon la technologie employée. Comme le montre la figure 5.1, les capteurs pouvaient être enterrés dans le sol, accrochés à des bouées ou des bateaux, fixés à des poteaux ou d’autres installations, ou suspendus à des câbles que l’on déplace sur trois dimensions au-dessus du sol. Ils étaient utilisés pour détecter des indicateurs de nitrates dans l’eau, d’arsenic dans des rizières, de la vitesse et de la direction du vent, des niveaux de luminosité, de mouvements physiques de la terre ou d’animaux et divers autres phénomènes. Les données étaient extraites des capteurs soit à la main, par exemple en les copiant sur une clé USB, soit en les envoyant à un nœud doté d’un accès internet. L’utilisation des données de ces capteurs et les méthodes d’obtention variaient en fonction des applications, des technologies choisies et de la distance du lieu. Certains déploiements prenaient place dans des zones urbaines disposant d’ores et déjà de réseaux sans fil, mais beaucoup se faisaient dans des montagnes, des îles et des déserts isolés.

Figure 5.1. Science des réseaux de capteurs

96Les technologues du CENS utilisaient les données des capteurs en leur attribuant plusieurs rôles : 1) observations de phénomènes physiques et chimiques, y compris des sons et des images, 2) observations de phénomènes naturels utilisées pour actionner des capteurs robotiques ou les guider à un certain endroit dans l’environnement, 3) données de performance issues des capteurs à leur propre sujet, comme les heures où ils sont activés ou en sommeil, les défauts qu’ils détectent, la tension de la batterie et les tables d’acheminement du réseau et 4) données proprioceptives recueillies par les capteurs, c’est-à-dire des données pour guider les robots, comme la vitesse du moteur, le cap, le roulis, le tangage, le lacet et l’angle de barre (Borgman et al., 2012).

97Les différences les plus visibles entre les disciplines participantes se manifestaient dans les critères de preuve. Les biologistes, par exemple, mesuraient des variables telles que la température conformément aux normes de leur domaine. En général, les spécialistes de l’ingénierie et de l’informatique ignoraient l’existence de ces standards internationaux ou ne s’en préoccupaient guère. Pour leur travail, une référence locale de mesures constantes suffisait à l’étalonnage. Questionné sur ses pratiques de mesure, un technologue a simplement répondu : « une température est une température ». Quand nous avons demandé à un biologiste partenaire comment mesurer une température, il nous a donné une réponse longue et nuancée où il abordait le type d’instrument, où et quand la mesure était effectuée, le degré de contrôle sur l’environnement, la précision de l’instrument et les registres d’étalonnage. Cet homme avait d’ailleurs installé trois types de thermomètres côte à côte sur un terrain de recherche et avait noté les mesures effectuées pendant une année entière avant de se fier aux instruments et aux données qu’ils produisaient (Wallis et al., 2007).

Échantillons physiques

98Les équipes scientifiques du CENS ont continué à prélever physiquement des échantillons d’eau, de sable et de sol. Elles effectuaient ainsi des observations d’organismes vivants, comme la distribution de phytoplancton et de zooplancton dans un lac. Les échantillons étaient testés dans des laboratoires expérimentaux sur place et, parfois, examinés plus précisément dans le centre de recherche, après le déploiement.

Logiciels, code, scripts et modèles

99Un capteur ne mesure pas directement le vent, l’arsenic, les nitrates ou d’autres variables scientifiques ; en réalité, il mesure le voltage et d’autres indicateurs détectables. Les sorties de capteurs sont généralement constituées de signaux binaires qui doivent être interprétés grâce à des modèles statistiques. Certaines consistent en des photographies. On utilise des modèles statistiques de phénomènes physiques ou chimiques pour interpréter ces indicateurs (Batalin et al., 2004 ; Deshpande et al., 2004 ; Hamilton et al., 2007 ; Wallis et al., 2007).

100Les équipes techniques avaient parfois recours à des ressources informationnelles externes, comme des référentiels de code. Le code, le logiciel et les modèles tendaient à être considérés comme des synonymes de la donnée pour les spécialistes de l’informatique et de l’ingénierie interrogés (Wallis et al., 2013).

Données de base

101Les équipes scientifiques utilisaient des données issues de ressources externes pour planifier la collecte de nouvelles sources sur des terrains particuliers. Parce qu’elles retournaient généralement sur les mêmes, elles avaient besoin de beaucoup d’informations de base et de contexte sur ces terrains. Les données recueillies par des organismes publics comme le Department of Fish and Game de Californie ont constitué des ressources essentielles, de même que les données collectées par l’équipe lors de précédentes visites au lac. Parmi les informations contextuelles importantes sur le lac, on citera les mois où les algues prolifèrent le plus, la topologie du fond du lac, les espèces de phytoplanctons et de zooplanctons susceptibles d’être trouvées, la présence de nutriments et leur concentration. Les équipes techniques ont, elles aussi, parfois tiré leurs données d’étalonnage de sources externes (Wallis et al., 2013).

Les infrastructures de la connaissance

102Alors que l’astronomie a accumulé une infrastructure de la connaissance sophistiquée pour coordonner données, publications, outils et référentiels au cours de longues décennies de coopération internationale, le CENS se situe à l’autre bout du spectre. Le centre lui-même remplissait une fonction fédératrice essentielle, afin de réunir des chercheurs et chercheuses autour d’intérêts communs. Il fournissait l’infrastructure technique sous forme de matériel, de réseaux et de personnel, mais a peu investi dans des ressources informationnelles partagées. Les publications étaient versées dans le système eScholarship de l’université de Californie, formant l’un de ses plus grands dépôts (Center for Embedded Networked Sensing, 2013 ; Pepe et al., 2007).

103À l’origine, la recherche du CENS reposait sur les technologies de réseaux de capteurs autonomes et de « poussière intelligente ». Si cette orientation s’était maintenue, mettre en place des structures normalisées de données et métadonnées aurait été bien plus faisable. À mesure que le centre mûrissait, ses participantes et participants ont mieux compris les problèmes scientifiques et technologiques posés par ce type de recherche exploratoire. Les technologies expérimentales ont alors été jugées trop fragiles et capricieuses pour être laissées sans surveillance sur le terrain. La recherche du CENS a par la suite évolué vers des méthodologies « mettant l’humain dans la boucle » et adaptables sur le terrain.

Métadonnées

104Les travaux scientifiques employant des réseaux de capteurs constituent un domaine de recherche et non une discipline qui serait dotée d’une histoire comparable à celle de l’astronomie. Chaque partenaire apporte à la collaboration ses propres pratiques disciplinaires, notamment son usage des métadonnées. À part pour la sismologie et la génétique, peu de standards de métadonnées existaient pour les données produites par les équipes du CENS. Quand il y en avait, ils n’étaient pas pour autant forcément adoptés par la communauté scientifique ou par les laboratoires locaux – ce qui est d’ailleurs caractéristique de la science légère – (Cragin et al., 2010 ; Millerand et Bowker, 2009). Ainsi, des standards XML officiels existaient, par exemple, pour les données environnementales et les données de capteurs, mais ils n’ont pas été utilisés (Knowledge Network for Biocomplexity, 2010 ; Open Geospatial Consortium, 2014 ; Higgins et al., 2002 ; Ruixin, 2002).

105Certaines équipes utilisaient cependant des métadonnées pour leurs besoins propres, mais pas celles des standards XML. Elles créaient des registres qui décrivaient le contexte de la collecte de données, comprenant l’heure précise, le lieu, les conditions locales, la position des capteurs, les caractéristiques de ces derniers (fabricant, modèle, numéro de série et autres). Les conventions de nommage représentaient la forme plus commune de métadonnées. Les équipes étaient rarement satisfaites de la qualité des métadonnées utilisées et se rendaient souvent compte que leurs anciennes données étaient difficiles à retrouver ou à réutiliser.

Provenance

106Chaque équipe du CENS gérait ses propres registres de traçabilité. Elles avaient fréquemment recours aux données tirées de déploiements antérieurs ou d’études en laboratoire pour comparaison. Les scientifiques du CENS tendaient à retourner régulièrement sur un même site de recherche pendant de nombreuses années. Elles et ils accumulaient connaissances et données sur leur terrain, ce qui leur permettait d’effectuer des comparaisons longitudinales. En revanche, les spécialistes des technologies dépendaient bien moins des sites en tant que terrain concret ou des comparaisons longitudinales : les essais initiaux de leurs instruments pouvaient être aussi bien conduits dans des baignoires, des piscines, des jardins et des espaces verts du centre.

107Ne disposant pas, contrairement aux astronomes, d’un réservoir commun de données, les scientifiques des champs associés au CENS n’avaient pas d’équivalent des data papers pour établir la provenance d’un jeu. À la place, elles et ils conservaient les informations de traçabilité en local, comme les données. Les personnes désireuses de réutiliser des données du CENS contactaient généralement les auteurs et autrices des publications où elles étaient rapportées (Wallis et al., 2013).

Les influences extérieures

108La science des réseaux de capteurs attire des chercheurs et chercheuses issus de parcours académiques très variés. Chaque personne et chaque groupe a apporté à la collaboration ses propres valeurs économiques, ses préoccupations en matière de propriété et ses problématiques éthiques. C’est à l’intersection des domaines de recherche que quelques-uns des problèmes les plus intéressants et les plus inattendus se sont posés.

Économie et valeur

109Les façons d’obtenir et d’échanger des données au sein du CENS variaient en fonction des domaines et des circonstances de chaque projet. Les sismologues et les biologistes marines et marins disposaient de quelques réservoirs communs de ressources. Les environnementalistes puisaient des informations météorologiques, hydrologiques ou concernant d’autres aspects des conditions de terrain dans des registres à l’échelle locale, étatique et fédérale. Dans la mesure où ces chercheurs et chercheuses travaillaient sur le territoire des États-Unis, la plupart de ces documents sont considérés comme des biens publics. Leur usage peut également être autorisé hors des États-Unis, auquel cas ils peuvent devenir des biens de club ou des réservoirs communs de ressources, selon la gouvernance en vigueur. Les scientifiques du CENS recueillaient des données d’observation dans beaucoup d’autres pays et l’accès aux données de base sur les conditions locales variait en fonction. Des référentiels de logiciels ouverts comme GitHub et Source Forge servent de réservoirs communs de ressources pour la communauté des spécialistes de l’informatique et de l’ingénierie, qui utilisaient parfois des logiciels qui y sont développés, ou y déposaient du code (Boyle et Jenkins, 2003 ; Kelty, 2008 ; Uhlir, 2006 ; Wallis et al., 2013). Dans d’autres cas, comme nous le verrons ci-dessous et au chapitre 8, les échanges de données consistaient en des accords informels entre individus.

110La communauté sismologique états-unienne est soutenue par les Incorporated Research Institutions for Seismology (IRIS), un consortium d’universités qui gèrent des établissements consacrés à l’acquisition, la gestion et la diffusion de données sismologiques (Incorporated Research Institutions for Seismology, 2013). Les données sismiques sont utilisées non seulement pour la recherche scientifique et l’éducation, mais aussi pour la prévention des risques liés aux tremblements de terre et pour la vérification du traité d’interdiction complète des essais nucléaires (IRIS Data Management Center, 2013). Les données issues de subventions octroyées par la National Science Foundation doivent être mises à disposition dans le référentiel de l’IRIS dans un délai particulier à compter du retrait du terrain du dernier élément de matériel d’un projet financé. Si les règles concernant les périodes d’utilisation exclusive étaient respectées, il n’en reste pas moins que les chercheurs et chercheuses bénéficiaient d’une grande marge de manœuvre pour décider quand ils retireraient les équipements sismiques du site. Ils pouvaient choisir de temporiser le retrait des capteurs afin de gagner du temps pour analyser leurs données (Wallis et al., 2013).

111Le CENS a recueilli très peu de données génomiques, mais certaines recherches sur la prolifération d’algues nuisibles et la qualité de l’eau comprenaient des analyses ADN. Lorsque les organismes de financement ou les revues l’exigeaient, ces données étaient versées à la GenBank, la Protein DataBank ou d’autres archives (Wallis et al., 2013). Certaines données environnementales recueillies par télédétection de satellites possèdent une grande valeur commerciale, comme le suivi de bancs de poissons ou de conditions météorologiques permettant de prévoir les récoltes (Kwa, 2005). La plupart des projets en sciences de l’environnement recueillaient de petites quantités de données sur des sites de recherche particuliers. Rares étaient les données organisées de manière à pouvoir être facilement combinées ou comparées. Mais prises dans leur ensemble, ces données avaient le potentiel d’être précieuses pour d’autres (Borgman et al., 2007b ; Wallis et al., 2010b).

Droits de propriété

112Comme en astronomie, les droits de propriété en science et technologie des réseaux de capteurs concernent davantage les instruments que les données. Alors que les astronomes partagent des instruments de grande taille, les scientifiques et les technologues du CENS avaient plutôt tendance à acheter ou fabriquer leurs propres petits appareils pour recueillir des données. Le matériel acquis grâce à des fonds publics devient généralement la propriété de l’université subventionnée.

113Plusieurs entreprises se sont associées au CENS, apportant leur expertise, du matériel et des fonds supplémentaires. De petites sociétés ont été formées pour vendre certains des équipements, des algorithmes et des méthodes élaborés au CENS. Aucune n’a connu de réel succès commercial ; leur objectif était surtout le transfert de technologies. La démarche globale du centre tendait vers la science ouverte, privilégiant la diffusion de logiciels sous forme de code open source. L’un des projets commerciaux les plus réussis a consisté en une organisation à but non lucratif fondée par des anciennes et anciens du CENS, qui conçoit encore aujourd’hui des technologies de capteurs en réseau pour des applications environnementales, médicales et économiques (Nexleaf, 2013).

Éthique

114Dans la création de données scientifiques et techniques issues de réseaux de capteurs, les problèmes éthiques se posent au moment de décider quels phénomènes étudier, où et comment, et avec quel degré de précision rapporter les résultats. Par exemple, des scientifiques du CENS étudient des espèces ou des habitats menacés. Les résultats publiés incluent suffisamment de détails pour valider les travaux, mais pas assez pour repérer la localisation exacte des sites. En effet, les recherches effectuées au sein de réserves naturelles protégées étaient souvent sensibles. Ces dernières se trouvent généralement dans des endroits isolés, bien que certaines puissent être ouvertes au public pour des activités éducatives. Les visiteurs et visiteuses, qu’ils viennent pour se divertir ou effectuer des recherches, sont tenus de respecter les habitats et les écosystèmes afin que la flore, la faune et les phénomènes puissent être étudiés dans des conditions naturelles.

115Les spécialistes de l’informatique et de l’ingénierie du CENS étaient supposés se conformer aux normes éthiques de leurs disciplines. Le code de déontologie de l’Association for Computing Machinery (ACM), la principale organisation professionnelle d’informaticiennes et informaticiens, couvre les impératifs moraux généraux (respecter autrui, ne pas nuire, se montrer juste et honnête, respecter la vie privée, honorer la confidentialité, etc.), la responsabilité professionnelle (travail de qualité supérieure, connaissance et respect des lois en vigueur, évaluation des systèmes et des risques, etc.), l’encadrement du personnel et le respect du code (Association for Computing Machinery, 1992). L’IEEE, une grande organisation professionnelle du génie, dispose d’un code de déontologie similaire, quoique moins détaillé, qui mentionne des devoirs tels que « prendre des décisions conformes à la sécurité, à la santé et au bien-être du public », « reconnaître et corriger ses erreurs » et éviter de blesser autrui (Institute of Electrical and Electronics Engineers, 2013).

116Selon ces principes, les chercheurs et chercheuses doivent recueillir les données de manière responsable, mais la définition de la « responsabilité » varie selon les domaines. Par exemple, des spécialistes de l’ingénierie et de la biologie ont travaillé ensemble pour adapter des algorithmes à visée militaire à la localisation de chants d’oiseaux. Des scientifiques qui s’étaient jusqu’alors tenus à l’écart des applications militaires se sont ainsi retrouvés à déployer des technologies d’armement à des fins pacifiques. Une équipe d’informaticiens et informaticiennes, qui adaptaient des capteurs photographiques pour visualiser les mouvements des animaux sur le terrain, ont installé leurs appareils dans les couloirs du campus pour les tester, avant d’être accusés d’enregistrer le comportement de sujets humains sans leur consentement (Wallis et al., 2007).

117Alors que le CENS étendait ses activités à d’autres applications des réseaux de capteurs, les spécialistes de l’utilisation scientifique de ces technologies se sont tournés vers les usages sociaux des appareils mobiles. Les téléphones portables sont devenus une plateforme importante de recueil des données et d’étude de la topologie de réseau. Lorsque les participantes et participants se sont mis à suivre leur propre comportement – alimentation, itinéraires, usage du vélo et autres – grâce à des applications mobiles, les inquiétudes quant à la vie privée ont atteint leur paroxysme. Les spécialistes de l’informatique et de l’ingénierie ont dû prendre des décisions difficiles sur les données qu’elles et ils pouvaient collecter, par rapport à celles dont ils avaient besoin. Le CENS est devenu le lieu d’une étude pluriannuelle sur la construction de valeurs au sein de la conception de technologies mobiles (Shilton, 2011).

Mener des recherches avec des réseaux de capteurs intégrés

118Le CENS a soutenu de nombreux projets indépendants en même temps, même si une partie du personnel, du matériel et des pratiques se partageaient entre plusieurs projets. Ces collaborations tiraient les chercheurs et chercheuses hors de leur zone de confort : les technologues devaient tester du nouveau matériel dans des conditions de terrain imprévisibles et les scientifiques devaient faire confiance aux technologues pour la réussite de leurs excursions (Mayernik et al., 2012).

119De petites équipes de recherche – constituées d’un mélange d’étudiantes, étudiants, professeures, professeurs et personnels de recherche issus de domaines variés – travaillaient ensemble sur un site donné sur des périodes allant de quelques heures à deux semaines. On parlait alors de « déploiement », puisque les capteurs étaient déployés pour recueillir des données de diverses sortes. La participation variait selon les jours, s’élevant jusqu’à une vingtaine de personnes.

120Nous vous présentons ci-après un scénario composite d’un déploiement typique au sein du CENS, que nous décrivons plus en détail dans une autre publication (Borgman et al., 2012). Il illustre une série d’activités communément associées à la collecte, à la gestion, à l’utilisation et à la conservation de ces types de données. Ce scénario concerne une prolifération d’algues nuisibles (ou HAB, pour Harmful Algal Bloom), un phénomène où un type d’algue particulier devient soudainement dominant dans l’eau et qui peut se produire en eau douce comme dans les océans. La prolifération crée une toxicité qui tue les poissons et d’autres animaux comme les lions de mer, soit en consommant l’oxygène dont les poissons ont besoin pour vivre, soit en relâchant de l’acide domoïque, une neurotoxine qui nuit aux grands mammifères. Il est important d’étudier les HAB, car elles peuvent causer de grands dommages, jusqu’à tuer des dizaines de milliers de poissons par jour. Les déploiements HAB ont été réalisés dans un lac connu pour ses proliférations estivales.

121Les réseaux de capteurs permettent aux spécialistes de la biologie marine d’étudier davantage de variables qu’en prélevant des échantillons à la main et d’effectuer bien plus d’observations. La collecte de données peut s’adapter aux conditions locales en choisissant judicieusement les capteurs et leur placement. Les études des HAB au moyen de réseaux de capteurs permettent aux spécialistes de l’informatique et de l’ingénierie de tester les capacités de capteurs physiques et biologiques à recueillir un grand nombre de variables. Les roboticiennes et roboticiens jugent les HAB particulièrement intéressantes parce que le flux des observations peut servir à déclencher des systèmes de détection sur des bateaux, des bouées, des hélicoptères, des appareils photo et des véhicules autonomes.

Les questions de recherche

122L’objectif général du CENS était le développement conjoint – ou co-innovation – de nouveaux instruments qui permettraient de nouvelles formes de science (Center for Embedded Networked Sensing, 2012 ; Committee on Networked Systems of Embedded Computers, 2001 ; Estrin, 2008). La science et la technologie progressaient en symbiose, comme dans la métaphore de la guêpe et du figuier de Licklider (Borgman, 2011 ; Licklider, 1960 ; Waldrop, 2001). L’une ne pouvait avancer sans l’autre ; elles étaient interdépendantes et s’influençaient mutuellement.

123En dépit de l’interdépendance des équipes scientifiques et techniques, leurs objectifs à long terme étaient plus proches des buts de leurs disciplines respectives que de ceux du centre. Les biologistes ont poursuivi leur étude des phénomènes biologiques liés aux HAB avant, pendant et après le CENS et les technologues ont continué d’améliorer leurs instruments, leurs algorithmes et leurs modèles pour cibler des phénomènes avant, pendant et après le CENS. Leur sélection des données, leurs manières de les gérer et les endroits où ils les publiaient correspondaient aux programmes de leurs disciplines respectives, malgré leur forte implication dans la collaboration (Borgman et al., 2012 ; Mayernik et al., 2012 ; Wallis et al., 2013).

124Lors de la recherche de terrain sur les HAB, l’équipe scientifique a étudié la distribution des phénomènes dans le lac, tandis que l’équipe technique se concentrait sur la vision robotique (Borgman et al., 2012). Les exigences des scientifiques ont permis de mener des recherches technologiques sur des algorithmes de guidage robotique, de santé du réseau, de détection des défaillances du capteur et de conception d’interfaces de technologies des capteurs. Les spécialistes de l’informatique et de l’ingénierie se sont appuyés sur les discussions avec l’équipe scientifique pour choisir leur matériel et les capteurs spécifiques, ainsi que l’heure, le lieu et la durée du déploiement de chacun.

La collecte de données

125D’un déploiement à l’autre, le nombre de personnes et la distribution des compétences variaient considérablement. Lors des quatre jours du déploiement au lac pour étudier les HAB, la participation a fluctué au quotidien. Le premier jour, les étudiantes, étudiants et personnels de recherche sont arrivés pour installer le matériel. Le deuxième jour, les professeures et professeurs sont venus diriger la collecte de données. Dans cet exemple, une vingtaine de personnes sont allées et venues en quatre jours. Parmi elles, il y avait huit à dix spécialistes en génie électrique qui ont fabriqué le système de détection, quatre ou cinq membres de l’équipe robotique, deux statisticiennes et statisticiens et six à huit chercheurs et chercheuses en biologie marine. Les responsabilités se chevauchant, les chiffres de participation sont approximatifs.

126Bien que toutes les parties soient venues sur le terrain avec une série de questions de recherche et l’instrumentation correspondante, la collecte de données dépendait grandement des conditions locales. Les chercheurs et chercheuses ont sélectionné et positionné les capteurs avec soin, puisque chacun d’eux était adapté à certains types de conditions et pouvait enregistrer des données à des densités particulières (Akyildiz et al., 2002). Le placement des capteurs constitue d’ailleurs un sujet de recherche à part entière (Younis et Akkaya, 2008). En effet, des facteurs comme l’humidité du sol ou le pH du lac influencent l’endroit où on les placera. Les capteurs pouvaient être déplacés plusieurs fois au cours du déploiement en fonction des résultats intermédiaires. Certains placements étaient fondés sur des probabilités conditionnelles, comme la capacité des roboticiens et roboticiennes à déplacer automatiquement les capteurs aux endroits où des HAB étaient prévus.

127Pour la recherche sur les HAB, les deux équipes avaient besoin d’observations de phénomènes chimiques et physiques (par exemple, les concentrations de nitrate par heure, emplacement et profondeur du lac) et de phénomènes naturels (par exemple, la distribution du phytoplancton et du zooplancton) qui puissent être utilisées pour guider les capteurs robotiques. Les scientifiques avaient aussi besoin d’échantillons d’eau contenant des organismes vivants ; ceux-ci étaient testés dans des laboratoires expérimentaux sur place et d’autres étaient testés plus tard sur le campus, après le déploiement. Les technologues avaient en outre besoin de données proprioceptives et de performances sur les capteurs (Borgman et al., 2012).

128La fiabilité des capteurs variait beaucoup, ce qui a représenté une grande source de frustration dans les premières années du CENS. Les capteurs fonctionnaient de manière erratique, s’arrêtaient ou redémarraient au hasard, semblait-il. Dans ce dernier cas, les horloges intégrées repartaient à zéro, ce qui rendait impossible la mise en correspondance des données recueillies sur l’ensemble du réseau. Les réseaux de capteurs pour la recherche du terrain telle que la pratiquait le CENS s’avéraient bien moins fiables et autonomes qu’attendu. À la suite d’une désastreuse perte de données sur un site positionné sur un autre continent, le centre est passé à des méthodes à intervention humaine. Cette approche était plus adaptée à l’évaluation de la qualité des données en temps réel (Mayernik et al., 2012).

129En pratique, la technologie des capteurs était toujours expérimentale et s’adaptait donc en continu aux nouvelles questions de recherche et aux nouvelles possibilités techniques. Elle n’a jamais été suffisamment stabilisée pour standardiser les procédures de collecte de données. C’est une des caractéristiques qui font de la recherche du CENS une science légère (Borgman et al., 2006, 2007a).

L’analyse des données

130Les données étaient traitées avant, pendant et après les déploiements sur le terrain. Les équipes du CENS consacraient des efforts considérables à vérifier les instruments et les données des capteurs pour s’assurer de leur fiabilité. La méthode utilisée, la vérification au sol, consiste à utiliser des techniques de mesure connues pour éprouver la validité des nouvelles méthodes.

131Les équipes scientifiques avaient la parfaite maîtrise des échantillons physiques d’eau, de sol et d’autres matériaux prélevés sur le terrain. Certains étaient traités sur place, d’autres dans des laboratoires du campus. Les équipes techniques, en revanche, n’avaient guère d’intérêt pour ces données. Rendre intelligibles des données de capteurs suppose des modèles scientifiques sous forme d’algorithmes statistiques. Ces modèles scientifiques, développés conjointement par les équipes scientifiques et techniques, étaient considérés comme les produits les plus importants de la recherche du CENS.

132Au cours des déploiements, par exemple celui concernant la prolifération d’algues nuisibles, les données des capteurs étaient envoyées aux ordinateurs des équipes techniques responsables des réseaux. Celles-ci les étalonnaient et les nettoyaient, ce qui impliquait de mettre en correspondance les différentes références temporelles des capteurs, de supprimer les artefacts tels que le redémarrage d’un appareil dû à une défaillance informatique et d’ajouter des notes concernant les décisions de terrain sur le moment où un capteur était déplacé, la manière et l’endroit (Wallis et al., 2007). Une fois nettoyées et étalonnées, les données étaient fournies aux équipes scientifiques participantes. Les scientifiques les comparaient alors à leurs modèles et d’autres sources de données de confiance, par exemple les courbes d’étalonnage établies en laboratoire (Borgman et al., 2012). La plupart des données n’étaient retenues que par l’équipe qui les avait recueillies, quand elles l’étaient.

133La différence d’objectifs à long terme entre les équipes scientifiques et techniques se manifestait surtout dans le traitement des données. Des désaccords sont apparus autour des normes incompatibles, des pratiques de partage et de l’assistance à la gestion des données (Edwards et al., 2011 ; Mayernik et al., 2011 ; Mayernik 2011). Dans les déploiements purement scientifiques ou purement techniques, les équipes qui recueillaient les données se chargeaient aussi de leur traitement. Dans les déploiements conjoints, la gestion et le traitement final variaient selon le type de données.

La publication des résultats

134Les recherches issues des déploiements sur le terrain du CENS ont été publiées dans les revues et les colloques de chaque discipline participante. Dans de nombreux cas, les résultats scientifiques et technologiques des déploiements ont été publiés séparément, dans des publications visant le lectorat de leurs domaines respectifs. Dans d’autres, les résultats ont été publiés conjointement par des auteurs et autrices de différents champs de recherche. Une étude des schémas d’auctorialité et d’interconnaissance parmi les chercheurs et chercheuses du CENS a montré comment de nouvelles collaborations se sont formées et ont évolué au cours des dix années d’existence du centre (Pepe, 2010, 2011).

135Les participantes et participants aux activités de recherche comprenaient des professeures et professeurs, des chercheurs postdoctoraux et chercheuses postdoctorales, des étudiantes et étudiants de premier et deuxième cycle et des personnels de recherche à plein temps. Les étudiants et le personnel impliqués dans la conception et le déploiement du matériel de recherche étaient considérés comme faisant partie de l’équipe, cependant le personnel n’a pas toujours été crédité dans les publications. Le statut auctorial était d’ailleurs un sujet très sensible pour celles et ceux qui concevaient et entretenaient les instruments nécessaires au projet. L’instrumentation du CENS évoluait continuellement parce que la co-innovation de la science et de la technologie était essentielle à la poursuite des objectifs du centre.

La conservation, le partage et la réutilisation des données

136À la fin du déploiement sur le terrain, les équipes se dispersaient, chaque membre emportant les données dont il avait la responsabilité. Par conséquent, les données issues de ces déploiements en commun étaient disséminées et peu susceptibles d’être rassemblées de nouveau. Il n’existait que peu de registres de provenance utilisables pour reconstituer ou répliquer un déploiement donné (Borgman et al., 2012 ; Wallis et al., 2013).

137Chaque équipe avait documenté ses données de manière suffisante pour ses propres besoins. Certaines, notamment dans les sciences exactes, les tenaient à jour pour des comparaisons futures. D’autres, surtout dans l’ingénierie, n’avaient guère l’usage des données des déploiements une fois les articles publiés. Les équipes du CENS ont peu investi dans la création de métadonnées (Mayernik, 2011). Les conventions de nommage des fichiers représentaient souvent la forme de gestion la plus sophistiquée employée par les équipes de recherche. Les tableurs étaient généralement le plus petit dénominateur commun pour l’échange de données au sein d’un groupe et entre plusieurs groupes.

138L’adaptabilité des méthodes de collecte de données au CENS a produit des jeux utilisés localement et difficiles à combiner avec d’autres. Peu de chercheurs et chercheuses ont déposé leurs données dans des bases, en partie à cause de l’absence de standardisation et en partie à cause du manque de référentiels susceptibles de les accueillir. La responsabilité des données allait généralement de pair avec les rôles dans la rédaction des publications (Wallis, 2012), comme nous le verrons plus avant au chapitre 9 (Chang et al., 2006 ; Wallis et al., 2010b ; Wallis, 2012).

139En principe, les standards de métadonnées existants auraient pu être utilisés – individuellement ou combinés entre eux – pour décrire une grande partie des données du CENS. Ainsi, les observations écologiques recueillies par les capteurs ou à la main auraient pu être décrites avec une structure et un vocabulaire communs. De même, si ces standards XML avaient été intégrés aux algorithmes de collecte, les caractéristiques des capteurs auraient pu être enregistrées automatiquement.

140Cependant, les structures de métadonnées formelles s’intègrent difficilement dans des activités de recherches aussi locales et adaptatives (Aronova et al., 2010 ; Millerand et Bowker, 2009 ; Ribes et al., 2005). Les langages de métadonnées conçus pour les besoins des catalographes, des indexeurs et des indexeuses s’adaptent difficilement à une utilisation légère par des personnels de recherche. L’Ecological Metadata Language, par exemple, s’accompagne d’un manuel de plus de deux cents pages (Knowledge Network for Biocomplexity, 2013). Un lexique pour la recherche aquatique y comporte plus de dix mille entrées, avec quatre cents termes rien que pour les nitrates. Les chercheurs et chercheuses du CENS ont trouvé l’envergure de ces langages de métadonnées décourageante : ils ne pouvaient justifier l’effort nécessaire à leur mise en œuvre, même à petite échelle. Le centre ne disposait pas du personnel suffisant pour accompagner un tel niveau de gestion professionnelle des données. Les tentatives de construction d’un référentiel pour soutenir la recherche interdisciplinaire au moyen des réseaux de capteurs ont été peu fructueuses, en grande partie du fait de l’hétérogénéité des données et de la diversité des pratiques locales de gestion (Wallis et al., 2010b).

141Bien que la gestion des données soit informelle dans la plupart des équipes du CENS, les chercheurs et chercheuses étaient généralement désireux de les partager. Les conditions auxquelles ils se sentaient prêts à le faire variaient cependant considérablement, allant de la divulgation immédiate de toutes les données brutes à l’exigence d’être coauteur ou coautrice des publications reposant sur celles-ci. La plupart d’entre eux diffusaient volontiers leurs données une fois les articles correspondants publiés (Borgman et al., 2006). Une partie des données et du code logiciel était versée dans des référentiels publics, mais la forme la plus courante de partage pratiquée par les chercheurs était les échanges interpersonnels à la demande (Wallis et al., 2013).

Conclusion

142Les cas de l’astronomie et des réseaux de capteurs intégrés illustrent, par leurs différences, la diversité de la recherche, des pratiques et des données. L’astronomie est une discipline bien établie disposant d’un noyau de revues et de colloques. Les applications scientifiques des réseaux de capteurs intégrés constituent davantage un domaine problématique qu’une discipline, mais disposent aussi de plusieurs revues et colloques. Les chercheurs et chercheuses en astronomie et en réseaux de capteurs travaillent grâce à une instrumentation commune. Néanmoins, les télescopes et les archives de données constituent d’importants investissements infrastructurels, régis dans l’optique d’engendrer des milliers de publications, du savoir partagé et des données qui peuvent potentiellement conserver leur valeur indéfiniment. En comparaison, les investissements dans l’infrastructure de la science et de la technologie des réseaux de capteurs sont minimes.

143L’utilisation de technologies de détection intégrées en réseau pour étudier des phénomènes émergents sur le terrain représente l’extrême opposé du travail scientifique des données en astronomie. Les réseaux de capteurs déployés par le CENS étaient des technologies largement expérimentales. Certains instruments étaient trop fragiles pour être laissés sans surveillance ; d’autres étaient déplacés fréquemment pour s’adapter aux conditions du terrain, selon un protocole de recherche reposant sur l’intervention humaine. La fonction fédératrice du CENS, qui réunissait les savoir-faire scientifiques et techniques nécessaires à la résolution de problématiques de recherche, faisait partie intégrante de son infrastructure de la connaissance. La fonction fédératrice consiste, entre autres, à fournir une expertise technique supplémentaire, de l’aide administrative et des espaces de collaboration. Pour le reste, les participantes et participants se reposaient sur les infrastructures de leurs domaines ou de leurs départements universitaires.

144Malgré les investissements infrastructurels du CENS, les personnels de recherche manquaient de standards de données, d’archives et de mécanismes de classification pour faciliter et intégrer les échanges de ressources. La responsabilité de la gestion des données incombait aux chercheurs et chercheuses, sans guère d’appareil sur lequel s’appuyer. Il s’agit là, cependant, du problème de l’œuf et la poule. Les projets fondés sur les réseaux de capteurs tendent à être exploratoires, à aborder des problématiques émergentes et à être confrontés à des situations de terrain dynamiques par essence. Les équipes de recherche n’avaient pas nécessairement besoin de mettre les données de différents déploiements en correspondance, puisque chaque excursion visait généralement à répondre à de nouvelles questions avec de nouveaux instruments. Même si elles effectuaient des comparaisons entre plusieurs lieux et moments, elles n’étaient que rarement confrontées à des exigences d’intégration de données semblables à celles du relevé COMPLETE.

145Ces contrastes correspondent parfaitement aux provocations exposées au chapitre 1. Les divergences en matière de travail scientifique des données de ces deux champs contribuent largement aux différences quant à qui y possède les données de la recherche, les contrôle, les pérennise ou y accède. Les réservoirs communs de ressources dominent l’astronomie alors que les données privées resteront, dans les années à venir, la norme de la recherche sur les réseaux de capteurs. Une demande de réservoirs communs de ressources n’existe, pour ce qui est des domaines du CENS, que pour les champs spécialisés que sont la sismologie et la génétique.

146Ces différences en matière de travail scientifique des données soulignent par ailleurs la divergence des méthodes d’échanges de données, quand il y en a. Les réservoirs communs de ressources, qu’ils consistent en des systèmes d’instrumentation ou d’information, reposent sur des normes communes et sur des institutions qui soutiennent l’interopérabilité, comme l’Astrophysics Data System, le CDS, SIMBAD et NED. Les objets célestes sont liés aux publications où ils sont mentionnés ; en revanche, l’établissement de liens entre articles et jeux de données est bien moins fréquent. Dans la recherche en réseaux de capteurs, les échanges de données reposent largement sur les contacts interpersonnels et il n’existe pas de méthode formelle pour lier des publications, des données et d’autres objets de recherche. Néanmoins, les deux domaines investissent des moyens humains considérables pour faire fonctionner ces infrastructures de la connaissance.

147Les caractéristiques temporelles de ces domaines influencent aussi l’évolution de leurs infrastructures de la connaissance et les relations entre parties prenantes. L’astronomie est ainsi le plus ancien et le mieux établi des champs des sciences exactes.

148Les infrastructures d’aujourd’hui transcendent le temps et l’espace, permettant d’intégrer des données anciennes à des observations contemporaines et futures. De nos jours, les astronomes dépendent bien moins du mécénat qu’autrefois, mais le soutien financier de riches donateurs et donatrices est toujours recherché pour les grands projets d’instrumentation. L’augmentation des fonds publics consacrés à l’astronomie a contribué à son internationalisation, aux investissements dans des réservoirs communs de ressources et à une plus grande équité d’accès aux instruments et aux données. Cette discipline est l’une des rares à parler d’une seule voix, à travers son relevé décennal.

149À l’inverse, la science et la technologie des réseaux de capteurs sont un carrefour où des scientifiques en mal de technologies rencontrent des technologues en quête de domaines d’application intéressants. Les participantes et participants viennent de champs nouveaux comme anciens et gardent un pied dans chaque monde le temps de la collaboration. Le domaine est passionnant et a atteint une masse critique en matière de colloques et de revues, mais les perspectives d’embauches, de postes et de promotions sont ailleurs. Il n’y a pas encore de motivation à bâtir des réservoirs communs de ressources ou une infrastructure de la connaissance plus complète pour la science et la technologie des réseaux de capteurs.