Quels métiers, quelles compétences pour la gestion des Data ?
Note de l’éditeur
Entretien mené par Claire Scopsi, Maître de conférences au Cnam, le 11 juillet 2022 avec Ghislaine Chartron, professeure au Cnam, titulaire de la chaire Ingénierie documentaire, directrice de l’Institut national de sciences et techniques de la documentation [Intd] depuis 2007. Elle a fondé en 2016 le Master Mégadonnées et analyse sociale [MéDAS] du Cnam et nous livre sa vision de l’évolution des métiers et des compétences.
Texte intégral
Claire Scopsi : L’Intd a été fondé en 1951. C’est un remarquable observatoire de l’évolution des métiers et des compétences dans le domaine de l’information. Quels sont les outils qui permettent de suivre ces évolutions ?
Ghislaine Chartron : Nous avons un référentiel un peu formel construit avec l’ADBS1 et les offres d’emplois, les sujets de mémoires, les missions de stages, notamment du titre professionnel de chef de projet en ingénierie documentaire, sont des témoignages intéressants. On voit que nos métiers ont évolué dans le temps, sachant que nous étions identifiés comme des spécialistes de l’indexation, du classement, des archives et de la bibliographie. Tout cela est ancien mais perdure mine de rien. Mais j’ai aussi un prisme personnel pour distinguer les mouvements structurants de l’évolution. Tout d’abord les technologies : il est évident que nos métiers sont des métiers fortement en prise avec une dimension technique. Pour produire des livrables à valeur ajoutée, nous mettons en place des dispositifs dans lesquels la technologie est très structurante, qu’il s’agisse de banques de données, de portails, de moteurs de recherche ou d’archives ouvertes. Au début de ma carrière, il n’y avait que les bases de données bibliographiques, mais nos technologies se sont diversifiées et pourtant, aujourd’hui, faire une base de données bibliographique avec un SGBD2 relationnel ce n’est pas dépassé. La demande existe toujours.
C. S. : Cela se complexifie, sans abandonner vraiment les approches initiales ?
Gh. C. : Il y a des technologies différentes en fonction des contextes. Dans le contexte associatif, on manipule toujours des petites bases de données documentaires ou des SIGB3, mais, dans le contexte universitaire, on ne parle plus que d’archives ouvertes, de plateformes de données de recherche et de data-mining ! Cette dimension technique, je pense qu’il faut la revendiquer et l’assumer. C’est un atout de notre champ d’activité, par rapport à d’autres professionnels, que de savoir manipuler les outils techniques.
Et puis il y a un deuxième mouvement fort, c’est le web. Le document s’est structuré avec des langages qui permettent de le considérer autrement. Le web a permis l’édition ouverte, l’autopublication, l’éditorialisation, le patrimoine numérique. Tout cela se conjugue avec des technologies nouvelles. Le web et son écosystème ont bouleversé les opportunités et le positionnement de nos métiers : les archives ouvertes et l’édition ouverte, l’enrichissement des documents ainsi que les prises de pouvoir des utilisateurs sur la production et la diffusion des documents… C’est un mouvement majeur depuis vingt ans et cela a changé la valeur ajoutée de nos métiers.
Et la troisième dimension à souligner concerne l’inflation de l’information. C’était si simple avant, quand on n’avait que quelques revues à classer, à archiver… et qu’à raisonner centralement avec des collections d’ouvrages. Aujourd’hui, il y a tellement de sources d’information qu’on ne doit pas ignorer et qui doivent être croisées avec cette information dite « traditionnelle ». C’est ce troisième mouvement qui fait que la veille, à mon avis, reprend aussi de l’essor. Les gens ne savent plus ce qui a de la valeur, ce qui n’en a pas… En même temps, il faut pouvoir s’adapter à des flux différents, aller chercher l’information sur les réseaux sociaux, dans la presse spécialisée ou dans les nombreuses sources audiovisuelles, qu’elles proviennent des médias ou soient auto-diffusées. Tout cela converge sur le web. Cette inflation des sources conduit à revaloriser le rôle de l’analyse, de la veille, c’est-à-dire le rôle de filtrage qui est la dimension originelle de nos métiers.
Enfin, il y a une quatrième transformation forte, la data. Mais nous allons y revenir.
C. S. : Comment définirais-tu les grandes tendances de profils des professionnels ? Est-ce qu’on peut identifier des grands lots de compétences ?
Gh. C. : Si l’on veut rester au niveau macro, je pense qu’il y a toujours des professionnels sur l’activité de développement. Ils travaillent en phase avec l’innovation, ils accompagnent l’aide à la décision, car nos métiers sont des métiers d’appui. De ce côté-là, on trouve les chargés de veille et les knowledge managers, voire les data analysts. Ils sont sur le front-office. D’autres sont positionnés du côté du back-office, c’est-à-dire de la gestion. Selon les contextes, ce sera la gestion du risque, de la mémoire. Mais, dans tous les cas, il s’agit de constituer des traces, du patrimoine ou des documents engageants. On y trouve les records managers, les chargés d’archivage numérique ou de projets GED. Et puis il y a le contexte dans lequel on exerce ces métiers…
C. S. : Et la proximité du public. Il y a des métiers plus fortement tournés vers des usagers qui ne sont pas forcément dans l’activité d’entreprise. Il y a aussi une activité grand public.
Gh. C. : C’est pour ça que je dirais qu’on peut distinguer trois contextes différents avec des intitulés de postes qui vont varier. Il y a l’entreprise, le domaine scientifique et le savoir, et enfin le domaine de la culture. Pour moi, ces trois grands domaines ont des enjeux différents.
Pour les entreprises, c’est la gestion du risque et de l’innovation qui prime, alors que dans les sciences, c’est la circulation des savoirs et l’innovation. Et dans le secteur culturel on constitue des traces, des archives et de la mémoire.
C. S. : Mais la culture ça peut être aussi l’économie du divertissement… la distinction n’est pas absolue.
Gh. C. : Certes. L’Intd, en fonction des années, a mis le curseur sur un domaine ou sur un autre. En ce moment, nos débouchés, dans la spécificité du Cnam, concernent essentiellement la GED4 et le records management. Nous avons renforcé cet axe, tourné vers les entreprises, car il est en phase avec la demande. Mais il ne comporte pas que des enjeux techniques, il y a également des enjeux normatifs récents. Nos élèves ont plutôt ce profil en ce moment. Mais certains ont aussi des profils de gestionnaires de portail documentaire car le besoin est toujours présent dans les institutions publiques et associatives où il existe des fonds documentaires qu’on veut valoriser. Donc les chefs de projet de système d’information documentaire existent toujours, même si la proximité et la convergence avec d’autres métiers sont observables.
Quant à la data... Pour moi, le master MéDAS n’est pas déconnecté des profils originels de l’Intd. Si j’ai rattaché MéDAS à l’Intd, c’est que je suis convaincue que, même si le paradigme informatique domine, la data tend à englober tout un ensemble de fonctions. Tout devient data. Même s’il y a des documents, même s’il y a de l’open data, il y a aussi des données issues du web et des ERP5, et tout ça, c’est du matériau informatif. Alors, et tant pis si ça fait bondir les puristes du document, pourquoi ne pas considérer le document comme une data particulière ? Je suis persuadée qu’il y aura dans les organisations des services transverses où l’on traitera tout cela ensemble. Aujourd’hui, on voit que ce qui motive la création de postes, c’est ce qui fait gagner de la performance à une organisation. L’automatisation est aussi en marche et se substitue à certaines missions des professionnels de l’information.
C. S. : On est obligé d’être pragmatique, et comme on ne peut pas être exhaustif et tout prendre, on ne va prendre que ce qui est utile ?
Gh. C. : On va sélectionner, mais on doit aussi considérer la diversité des sources. Le contexte d’exercice a bien changé depuis les cadres pensés par Otlet6… Par ailleurs, les filières traditionnelles des contenus (la presse, l’audiovisuel, le livre) s’entremêlent désormais. On voit que, sur le web, les radios font de la télé, tout le monde fait de la vidéo, tout le monde fait du réseau social. Et, forcément, le métier est aussi exposé à cette nouvelle donne.
En entreprise, le centre d’intérêt s’est déplacé sur le reporting et la valorisation des données internes. Est-ce qu’on est toujours dans le champ de l’information ou pas ? Pour moi, c’est toujours de l’information, des sortes de documents internes, mais sous forme de data. Ces données doivent aider à la décision, à la prévision. C’est un prolongement de l’activité de veille, mais de la veille centrée sur ses propres données. Donc nous ne sommes pas dans des transformations radicales, mais dans des évolutions profondes parce que, si on veut traiter ces données, il faut avoir une culture statistique. Il n’est pas nécessaire de devenir statisticien, mais il faut savoir manipuler des algorithmes de base pour cartographier un ensemble de données, pour faire de la clusterisation7, pour faire un peu d’anticipation, un peu de prévision, des régressions8. Les stats, les maths et l’algorithmie deviennent importantes dans le traitement de l’information, je pense que ça fait partie des techniques, des technologies qu’il faut désormais avoir dans son bagage.
C. S. : Les maths, ça fait toujours peur quand on n’est pas matheux. Mais est-ce qu’il faut un esprit mathématique ou un esprit logique, c’est-à-dire pouvoir déterminer : « si je veux ça, alors, je dois regrouper mes données comme ça » ?
Gh. C. : Il faut avoir une culture statistique, savoir faire jouer des algorithmes. Il y a dix, douze algorithmes traditionnels qu’on enseigne à MéDAS. L’idée, ce n’est pas de les programmer, c’est de mobiliser des services numériques qui mettent en marche ce genre de traitement sur des données : regrouper les données en voisins proches, faire une régression linéaire pour cibler des variables discriminantes… Ce sont des traitements que les statisticiens de l’école de Benzécri9 ont appliqués aux sciences humaines dans les années 1970. Mais je pense que ça redevient une actualité majeure, parce qu’on a de plus en plus de données factuelles. Un professionnel de l’information ne peut pas se dire : « d’un côté, il y a des données de documents structurés et puis de l’autre côté… eh bien ! ça je ne sais pas le traiter, parce que c’est trop statistique ».
C. S. : Et on en a besoin aussi pour l’analyse des documents, puisque, de plus en plus, on approche les contenus par l’analyse de termes. Cela arrive aussi quand on pratique la veille : on ne lit pas les documents un par un.
Gh. C. : Oui, pour faire des clusters, des algorithmes sont mobilisés, même si c’est un peu une boîte noire. Ensuite, la qualité des données fait la différence, il n’y a pas de mystère. Par ailleurs, il y a un monde entre traiter des données, des smart data dirons-nous, et puis les big data10, qui nécessitent d’ajuster des modèles. Mais on change de domaine, on arrive dans la data science.
C. S. : Justement, comment définis-tu les différents « data métiers » ? Où nous situons-nous, professionnels de l’information ?
Gh. C. : Les data managers, les data analysts, les data stewards concernent nos compétences, parce qu’ils travaillent sur le sourcing, la restitution à l’usager et la médiation avec les métiers de l’entreprise. Le data steward a une vision globale des métiers, sait recenser les données d’une entreprise et dialoguer avec les métiers autour de leurs données. Ensuite il y a la data science, mais il nous est difficile de jouer dans la cour des data scientists.
C. S. : Qui sont les data scientists ?
Gh. C. : Ce sont des profils qui sont capables, pour analyser des flots de données, d’affiner des modèles, qui ne sont pas les modèles traditionnels d’analyse statistique descriptive que je citais précédemment. Eux vont mobiliser des réseaux de neurones par exemple, avec des modélisations statistiques complexes à X paramètres, avec des systèmes multicouches pour essayer de trouver des régularités. Ils font de l’apprentissage sur des jeux de données pour parfaire un modèle statistique de ces données. Mais nos élèves de MéDAS n’entrent pas dans cette cour-là, car il faut suivre des master d’écoles d’ingénieurs si l’on vise ces compétences. Par contre, il y a par ailleurs toute une frange de valeurs ajoutées sur la data, parce qu’avant de déployer un traitement mathématique, statistique de haut niveau, il faut pouvoir disposer d’un matériau de qualité. Et cela prend 80 % du temps. Il faut gérer et documenter les données, faire en sorte qu’il n’y ait pas de données manquantes, ni de données erronées. Il faut savoir collecter et agréger des données de sources différentes et les aligner. Il y a beaucoup d’enjeux sur ce segment pour le moment. Peut-être que dans dix ans les chaînes de production de données seront alignées, mais on n’en est pas encore là.
En ce qui concerne l’analyse, il y a aussi le reporting avec des données qui généralement ne sont pas massives, mais sont issues de CRM11 ou de logs par exemple, et sont analysées avec des statistiques descriptives, sans viser forcément un modèle de prévision. Nos métiers traditionnels du document ont intérêt à se positionner sur ce premier échelon pour prendre en charge la normalisation des données au sein de l’entreprise, leur organisation, les alignements, le traitement des données manquantes. Les référentiels de données, ce qu’on appelle les « données maîtres », et les référentiels de lexiques ressemblent beaucoup à ce qu’on connaît en documentation. Le requêtage en SQL12 sur des bases de données également. Concernant l’agrégation de données, il faut a minima mobiliser des outils comme Excel avancé. C’est la raison pour laquelle les formations de documentalistes doivent intégrer les fonctions avancées d’Excel.
L’échelon suivant concerne la maîtrise de logiciels comme PowerBI qui permet de récupérer des données de différentes sources, de les nettoyer et de faire des visualisations dynamiques. C’est un continuum de pratiques et tout le monde n’ira pas jusque-là, mais beaucoup ont envie d’y aller. Parce qu’elles ont des données à traiter, les organisations créent des départements transversaux où elles positionnent tout sans se préoccuper de savoir si c’est le même métier d’origine. Et finalement, j’ai envie de dire qu’il ne faut pas parler de métier mais parler de compétences. Plus on formera des compétences pour couvrir l’ensemble du spectre, plus nos élèves seront mobilisables et employables.
C. S. : Et dans la formation en ingénierie documentaire, notre formation traditionnelle, est-ce que des élèves ont des velléités d’aller plus près du travail de data manager ?
Gh. C. : Pour le moment c’est surtout la data visualisation et l’open data qui les intéressent plutôt qu’être data manager ou chief data officer (ce sont des termes à la mode, en synergie avec la fonction générique de « gouvernance de la donnée »). Cela commence un peu, c’est vrai, parce qu’ils sont souvent conduits à ne pas traiter que du document, mais aussi de la donnée. L’exemple type c’est le domaine de la recherche où les documentalistes scientifiques se positionnent sur les données de la recherche, pour faire des plans de gestion. Il faut documenter les données de la recherche et le plan de gestion des données consiste à faire un document qui accompagne le stockage des données, les décrit pour permettre leur réutilisation et explique tout le contexte de leur prélèvement, comment elles sont construites, dans quel format. Ils documentent la donnée. L’INIST13 forme au plan de gestion de données. Toutes les bibliothèques veulent se positionner comme des gestionnaires des données de la recherche. Après avoir fait des archives ouvertes, c’est le prochain chantier. Au niveau national, l’ouverture d’une plateforme nationale, sur le modèle de HAL, mais dédié aux données de la recherche, vient d’être annoncée. Il s’agit de recherche.data.gouv. Cela dit, c’est encore une forme de centralisation à la française et il faut voir si c’est réaliste ou pas, parce que les communautés ont déjà leurs habitudes. Quoiqu’il en soit, on positionne les bibliothécaires et les conservateurs sur la gestion des données de la recherche et on leur donne une mission de qualification et de documentation pour assurer la qualité et la réutilisabilité de ces données.
C. S. : Donc tu dirais que dans le domaine de la recherche, il y a un intérêt pour les données. Et ailleurs, de façon transversale dans le monde de la gestion de l’information, on y arrivera en passant d’abord par la datavisualisation. C’est comme ça qu’on va arriver à progressivement prendre en compte les données et développer ses compétences autour des données ?
Gh. C. : Nos métiers sont proches des publics. Or, les publics veulent de la restitution, il est donc logique que la dataviz14 apparaisse comme le premier enjeu auquel il faut répondre. Avec Béatrice Arrabuerrana15, nous avons créé au CNAM, en 2019, une unité d’enseignement de « Datavisualisation pour tous ». Il s’agit de démocratiser l’accès à ces techniques de dataviz. S’occuper de la restitution de la data est une entrée importante pour l’appropriation du champ de la donnée pour les documentalistes. C’est très proche des demandes des usagers, car on est de plus en plus dans des modes de communication visuelle voire performative. Il est juste de dire que c’est certainement par la dimension diffusion et restitution que les métiers s’ancrent progressivement dans la data. Après, il y a aussi le data mining, la fouille de données, ce sont des fonctionnalités qu’on voit apparaître, notamment dans les activités de veille.
C. S. : Notre cerveau a du mal à analyser tous ces flux de données. Est-ce que cela concerne les données ou plutôt les algorithmes ? On bascule peut-être plutôt vers des outils du type algorithme.
Gh. C. : C’est sûr. Nous assistons au déploiement d’une économie de plus en plus assistée par l’intelligence artificielle [IA] qui se nourrit de données. Nos métiers sont en prise avec cette tendance. On tend effectivement, aujourd’hui, à intégrer de l’IA dans tous les secteurs et l’IA a besoin de données, de données propres. Au final, on est en prise aussi avec ces mouvements de fond, même si on ne s’en rend pas toujours compte.
C. S. : Est-ce qu’on peut dire que la donnée, par rapport aux documents, ce serait une information qu’on va traiter par le biais d’une machine et non pas directement par l’humain ?
Gh. C. : Ce n’est pas faux. Jusqu’à présent, on se nourrissait de documents et on restituait notamment des livrables sous forme de synthèses par exemple. Aujourd’hui, on est fortement assisté par la machine, à cause de la volumétrie et de la rapidité, et cela nous conduit à travailler de plus en plus à la qualité des données pour nourrir des algorithmes, qui nous aideront à restituer et dont nous devrons contrôler les productions. Je pense que la valeur ajoutée de nos métiers se déplace de plus en plus vers la garantie de la qualité des données en amont et la vérification et l’analyse critique de ce qui est produit au final.
C. S. : Cela nous ramène à la question des compétences. Nous avons parlé des compétences mathématiques, des connaissances de la statistique. Alors, quelles sont les compétences hard, les compétences vraiment métier, et puis les compétences intellectuelles, les soft skills ? Est-ce qu’il faut toujours être rigoureux, organisé et curieux pour gérer l’information ?
Gh. C. : Je pense que les fondamentaux restent. C’est-à-dire la rigueur, la qualité, l’objectivité, l’ouverture. Nous sommes garants du matériau sur lequel d’autres vont pouvoir raisonner ensuite. Pour moi, cette dimension est permanente. C’est pour ça que j’étais un peu énervée de voir parfois des moteurs de recommandation dans des bibliothèques tenir compte prioritairement du fait qu’une information soit ouverte pour apprécier la qualité des contenus : « C’est ouvert, c’est fermé, c’est bon, c’est pas bon… ». Nous devons rester les garants de la qualité et de la diversité. Ensuite, pour exercer, il faut des compétences qui suivent le cercle de traitement de l’information : la collecte, le traitement, l’analyse, la conservation. Chaque phase renvoie à des compétences particulières qui évoluent avec le contexte des documents structurés, non structurés, etc. Là se situent des compétences techniques plus fortes. La compréhension des techniques informatiques, toujours évolutives, est un enjeu à souligner. Aujourd’hui, comme hier, il faut faire du requêtage, du nettoyage de données avec de nouveaux outils (pas tout à fait ceux d’hier), faire de la restitution avec des outils diversifiés et peut-être aller jusqu’à savoir actionner des intelligences artificielles pour produire du résumé automatique, en conservant un recul critique.
Mais, il faut aussi continuer à développer une compétence juridique. La data et son traitement amplifient, mine de rien, la question de ce qu’on peut faire, de ce qu’on ne peut pas faire. Beaucoup de règlements sur l’IA et les données sont en cours d’élaboration au niveau européen. Tout cela cadre nos métiers et détermine ce qu’on peut faire et ce qu’on ne peut pas faire. Il faut rester en alerte sur tous ces cadres juridiques.
Le numérique déplace de toute façon nos métiers vers l’analyse parce qu’il y a des formes d’automatisation de plus en plus fortes. Les métadonnées, par exemple, sont de plus en plus encapsulées dans les contenus, on n’a donc plus forcément besoin de produire de l’information secondaire puisqu’on va récupérer ces métadonnées par une chaîne de traitement qui l’aura prévu à la source. Notre valeur ajoutée va donc se déplacer vers l’analyse, et c’est tant mieux. On voit, ces derniers temps, de plus en plus d’annonces de postes de veille, ce qui est le signe qu’on n’arrive plus à absorber tout ce qui se diffuse. Et je pense que tous ces métiers qui restituent l’information essentielle, qui éclairent finalement d’autres métiers, continuent à avoir du sens, même si l’on prédit qu’ils seront remplacés par des algorithmes. Pour l’instant, les algorithmes ne sont que des aides, car l’automatisation n’est pas complète et ses résultats ne sont pas toujours bons.
C. S. : « On va faire disparaître les professionnels et on les remplacera par des outils », c’est un serpent de mer. Mais les professionnels trouvent continuellement de nouvelles tâches, en montant d’un cran à chaque fois dans le contrôle et la gestion. Ils finissent par contrôler et gérer les outils qui gèrent ce qu’ils géraient manuellement avant. Il y a toujours, au final, une activité à développer.
Gh. C. : Le contrôle qualité effectivement. Il y a longtemps que les documentalistes de Medline, la grande base de médecine emblématique du métier de documentaliste scientifique, testent des indexations automatiques. Maintenant c’est en production et le rôle des indexeurs est de vérifier ce qui sort et de recadrer.
C. S. : De nourrir les algorithmes…
Gh. C. : Puis de contrôler, parce qu’il y a des choses mal faites, et de corriger, sans cesse corriger, voire enrichir quand l’algorithme n’est pas allé jusqu’au bout. Je crois qu’effectivement on monte à un niveau de contrôle, de qualité, d’enrichissement. C’est peut-être transitoire…
C. S. : Je crois que ce n’est pas définitif. Pourquoi serait-on arrivé au bout de l’évolution du métier ? J’ai une dernière question sur la mémoire des données. Tu as parlé des plans de gestion de données pour la conservation pérenne des corpus scientifiques. Mais quelle mémoire donne-t-on aux données d’activité des entreprises ?
Gh. C. : Le problème aujourd’hui, c’est qu’on garde trop de données. On ne se pose pas la question de leur valeur. L’Europe veut construire son nuage de données scientifiques et les chercheurs reçoivent des injonctions à déposer et garder toutes leurs données, au risque de fabriquer des cimetières de données. Bien sûr, si on oblige les chercheurs à déposer, en lien avec leurs articles, des données empiriques de valeur, cela a plus de sens. Mais c’est une extension de la fonction éditoriale qui veille à l’intégrité de l’article. Pour les entreprises, faire du record management de toutes les données d’activités semble déraisonnable et elles s’orientent plus vers les « lacs de données », sans chercher à sélectionner quitte à partir ensuite à la pêche selon les besoins.
C. S. : Si on veut pouvoir retracer l’activité d’une entreprise, une décision majeure par exemple, on peut imaginer qu’on aurait envie de conserver la datavisualisation, les cartographies ou les tableaux que l’on remet aux décideurs, parce que ce sont les traces d’un processus.
Gh. C. : Pour le contexte des données, je pense que chaque cas est spécifique. Et les données, ça ne suffit pas, il faut aussi faire des data book pour les sauvegarder. C’est ce qu’Anna Nesvijevskaia16 a développé dans sa thèse : il faut documenter les états, il n’y a pas que les données, il y a tout ce qui accompagne le traitement de la donnée qu’il faut aussi documenter. Mais je pense aussi qu’il y a des logiques informatiques qui viennent surplomber tout cela. On peut très bien se dire « on s’en fiche, on garde tout » comme je disais précédemment. Cette inflation de data centers n’est pas bonne pour la planète, mais c’est la philosophie du data lake, faire du requêtage pour retrouver les données qui éventuellement répondront à des usages qu’on ne peut pas anticiper.
Le Système d’information de l’entreprise, l’ERP17, fonctionne en temps réel et écrase les données, alors que les structures techniques appelées datawarehouse, elles, gardent l’historique des données. Ensuite, avec le machine learning, on peut faire de la prévision sur les ventes, voir ce qui a marché, ce qui n’a pas marché. La data science est donc en train de redonner du sens au stockage des données et à l’historisation des données en entreprise. Mais, le plus souvent, on utilise les données des trois dernières années pour formuler des prédictions à N + 1.
C. S. : Et finalement la mémoire peut servir à la prédiction.
Gh. C. : C’est une première réponse à l’historisation des données produites par les entreprises. Mais, à un moment donné, on ne va pas pouvoir tout garder. On va avoir des cadrages différents en fonction du contexte et des usages. Et tout va être fonction de ce qui est, encore une fois, lié au risque. On archivera en fonction du risque et du recours possible.
Notes de bas de page
1 Association des professionnels de l’information et de la documentation.
2 Système de gestion de base de données.
3 Système intégré de gestion de bibliothèque.
4 Gestion électronique des documents.
5 Enterprise Resource Planning (progiciel de gestion intégré).
6 Paul Otlet (1868-1944), fondateur de l’Office international de bibliographie, a posé les bases et les concepts des méthodes documentaires dans le Traité de documentation, éditions du Mundaneum, 1934.
7 Méthode d’analyse statistique consistant à regrouper les données en grappes selon des caractéristiques communes.
8 L’analyse de régression linéaire sert à prévoir la valeur d’une variable en fonction de la valeur d’une autre variable. Les modèles de régression sont utilisés pour l’apprentissage automatique (machine learning).
9 Jean-Paul Benzécri (1932-2019) est un mathématicien et statisticien français, professeur à l’Institut de statistique de l’université de Paris [ISUP] et à l’université de Rennes dans les années 1960.
10 Le traitement des smart data (données intelligentes) consiste à extraire rapidement les données stratégiques les plus pertinentes parmi les volumes de données produites par l’entreprise. Il se distingue du traitement des big data (données massives ou mégadonnées) dans lequel on infère des modèles prédictifs à partir de masses de données.
11 Customer Relationship Management ou gestion de la relation client. Les logiciels de CRM recueillent et stockent les informations sur les clients.
12 Structured Query Language.
13 Institut de l’information scientifique et technique. Unité d’appui à la recherche du CNRS dans le domaine de l’accès à l’information scientifique et la valorisation des données de la recherche.
14 Dataviz (ou data visualisation) désigne l’ensemble des méthodes permettant d’aider à la compréhension et à l’interprétation des données en les présentant de façon visuelle.
15 Béatrice Arrabuerrana est enseignante-chercheuse au laboratoire Dicen-IDF du Cnam. Son expertise porte sur l’exploitation scientifique et la visualisation des Data.
16 Anna Nesvijevskaia est data-scientiste et directrice associée Quinten Finance. Sa thèse, soutenue en 2019, a pour titre Phénomène Big Data en entreprise ; processus projet, génération de valeur et Médiation Homme-Données.
17 Enterprise resource planning ou progiciel de gestion intégré [PGI].
Auteur
-
Ghislaine Chartron
Professeur au Cnam et directrice de l’Intd
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Le consulat de France à Cadix
Institution, intérêts et enjeux (1666-1740)
Anne Mézin et Anne Pérotin-Dumon (dir.)
2016
Archives et communisme(s) : l’avant-guerre (1919-1943)
Nouveaux outils, nouvelles archives
Sylvie Le Clec’h, Christian Oppetit et Serge Wolikow (dir.)
2016
Connaître les dénaturalisés de Vichy
La base Dénat, un nouvel outil et ses exploitations
Thomas Lebée et Annie Poinsot (dir.)
2019
Les archives iconographiques et audiovisuelles de la Reconstruction en France, de 1940 aux années 1960
Boris Labidurie et Christel Palant (dir.)
2023
Éducation populaire : engagement, médiation, transmission (XIXe-XXIe siècles)
Jean-Charles Buttier, Clothilde Roullier et Agnès Sandras (dir.)
2022
Les nouveaux paradigmes de l'archive
Claire Scopsi, Clothilde Roullier, Martine Sin Blima-Barru et al. (dir.)
2024