• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 15476 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 15476 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • Publications des Archives nationales
  • ›
  • Actes
  • ›
  • Les nouveaux paradigmes de l'archive
  • ›
  • Partie 3 - Les données de la recherche
  • ›
  • Infrastructures, architectures et outils...
  • Publications des Archives nationales
  • Publications des Archives nationales
    Publications des Archives nationales
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral Les pratiques de recherche et de dépôt des données de la recherche Infrastructures de dépôt de données de la recherche Conclusion Bibliographie Notes de bas de page Auteurs

    Les nouveaux paradigmes de l'archive

    Ce livre est recensé par

    Précédent Suivant
    Table des matières

    Infrastructures, architectures et outils des données de la recherche

    Nicolas Sauret, Jean-Luc Minel, Mélanie Bunel et Stéphane Pouyllau

    Texte intégral Bibliographie Notes de bas de page Auteurs

    Texte intégral

    1Conceptualisés sous l’acronyme FAIR1, les principes de la Science ouverte et de l’accès libre se sont focalisés ces dernières années sur les données de la recherche. Ce focus s’inscrit dans la continuité du mouvement d’ouverture des publications de la recherche à la fin des années 1990.

    2Comme le soulignent Cousijn, Kenall et Ganley, les scientifiques considèrent les données sur lesquelles ils étayent leurs raisonnements et leurs résultats comme des objets de recherche à part entière : « Data citation is based on the idea that the data underlying scientific findings or assertions should be treated as first-class research objects » (2018, p. 4).

    3Sans reprendre ici l’ensemble des principes FAIR abondamment décrits dans la littérature scientifique (Wilkinson et al., 2016 ; F. W. Group, 2020 ; Wittenburg et Jong, 2020), il est utile pour la suite de ce texte de rappeler l’importance des principes de citation, de découvrabilité et d’accessibilité des données de la recherche : pouvoir citer une donnée, donner les moyens de la trouver, de la découvrir et d’y accéder. Les recommandations concernant la citation des données de la recherche dans les publications académiques ont été publiées en 2014 par la communauté FORCE11 dans la Joint Declaration of Data Citation Principles [JDDCP] soutenue par une centaine de sociétés savantes, d’éditeurs de revues scientifiques et d’agences de financement (D.C.S. Group, 2014). FORCE11 regroupe des chercheurs, des bibliothécaires, des archivistes, des éditeurs et des bailleurs de fonds de la recherche avec l’objectif de faciliter la transition vers une meilleure création et un meilleur partage des connaissances.

    4Si l’accès ouvert et l’ouverture des données sont parfois perçus comme des injonctions pouvant heurter les pratiques des disciplines académiques, cela fait presque deux décennies que les infrastructures de recherche françaises dédiées aux disciplines des SHS œuvrent à une traduction adaptée de ces principes dans les pratiques de ces disciplines. C’est dans ce contexte que sont nées, au tournant de 2010, les grandes plateformes de diffusion, d’archivage, d’accès et de découverte des publications et des données numérisées, puis numériques. Combinant les pratiques anciennes de construction d’instruments de recherche par les scientifiques et la conception de dispositifs d’accès à la documentation scientifique et technique, ces plateformes ont su par ailleurs tirer profit des principes du Web et du Web sémantique (Berners-Lee et Fischetti, 1999) développés dès la fin des années 1990. C’est ainsi que le Web, cet ensemble de dispositifs sociotechniques, est devenu le socle des instruments développés par les infrastructures de recherche françaises, redéfinissant les principes de la circulation des données et des publications, puis des informations (Bermès, Isaac et Poupeau, 2013).

    5Ce chapitre2 propose un parcours dans les infrastructures de la recherche dédiées à la conservation et à la découverte des données de la recherche en prenant en considération les pratiques de dépôt et de recherche qui se sont développées autour et avec ces infrastructures. Dans un premier temps, nous tentons de saisir ces pratiques récentes à partir d’une revue de littérature présentant quelques études de cas. Dans un second temps, nous présentons les initiatives DANS, CLARIN et ISIDORE-NAKALA, trois infrastructures représentatives de la place primordiale prise par les infrastructures de la recherche dans la gestion et la réutilisation des données de la recherche. Nous développerons plus précisément les spécificités du couple ISIDORE et NAKALA pour lequel vient d’être mené un chantier opérationnel de fairisation de leurs données. Enfin, en guise de conclusion, nous livrons le résultat d’un travail prospectif projetant les usages avancés que pourraient offrir des infrastructures exploitant les grands volumes de données qui y sont déposées.

    Les pratiques de recherche et de dépôt des données de la recherche

    6Quelles relations entretiennent les chercheurs et les chercheuses avec les infrastructures dédiées à la gestion de leurs données ? Que ce soit pour le dépôt de leurs données ou pour la recherche de données déposées, les usagers des entrepôts ont développé des pratiques spécifiques que plusieurs études ont cherché à décrire. À la lecture de ces études, nous mettrons en exergue les principales recommandations proposées par leurs auteurs. L’examen des relations entre déposants de données, consultants des données et gestionnaires d’infrastructures de dépôt de données de la recherche nous permettra d’insister sur l’importance d’une politique de médiation, de sa définition et de sa mise en œuvre par les gestionnaires des infrastructures.

    Les pratiques de dépôt pour le partage des données de la recherche

    7Les études sur les pratiques de dépôt de recherche sont relativement peu nombreuses, en raison de leur coût (temps d’analyse) et du faible taux de réponses des utilisateurs aux questionnaires ou aux demandes d’entretien. Néanmoins, quelques études de cas permettent de comprendre le comportement des chercheurs et des chercheuses vis-à-vis du partage de leurs données de recherche.

    8L’étude menée en 2018 par DANS3 (Borgman, Darch et Golshan, 2018) présente les résultats de 9 entretiens réalisés avec des déposants. Ces échanges ont permis d’obtenir quelques réponses sur les motivations des déposants interviewés pour partager leurs données de recherche :

    • pour préserver les données dans un temps long, c’est-à-dire au-delà de la carrière professionnelle du déposant ;

    • pour répondre à l’exigence de l’agence ou de l’institution qui finance le projet du déposant ;

    • pour permettre à d’autres chercheurs d’exploiter leurs données.

    9L’étude met aussi en lumière les pratiques parfois inconsistantes des déposants. Par exemple, alors que la plateforme EASY gérée par DANS assigne un DOI4 aux données déposées, les déposants ne mentionnent pas systématiquement cet identifiant dans leurs publications.

    10L’étude menée en 2017 par l’université Rennes 2 (Serres et al., 2017) porte sur l’analyse des pratiques, des besoins et des attentes des chercheurs et des chercheuses des unités de recherche en sciences humaines et sociales [SHS] de l’université Rennes 2 en termes de stockage, de partage et de diffusion des données de la recherche. Cette étude approfondie, fondée sur des analyses quantitatives et qualitatives, met en exergue de nombreux points intéressants qui incitent à une réflexion globale sur les systèmes de dépôt et de partage de données, non seulement d’un point de vue technique, mais aussi épistémologique et sociologique. Contrairement à l’étude de cas précédente, les répondants n’évoquent pas comme motivation l’exigence du financeur dans le partage des données, mais mettent en avant l’indépendance des chercheurs. Par ailleurs, si l’idée de l’exploitation de leurs données par d’autres chercheurs leur paraît séduisante et altruiste sur un plan philosophique, en accord avec les principes de l’accès libre, des barrières psychologiques viennent cependant neutraliser cette motivation. En effet, l’hypothèse que les données produites dans un certain contexte et dans un but bien précis peuvent être réutilisables dans d’autres situations de recherche, voire d’autres disciplines, n’apparaît pas comme une évidence pour les chercheurs. Ce scepticisme influe énormément sur leur capacité ou leur volonté de partager leurs données. Le partage de la donnée doit alors se faire dans un contexte sécurisé, avec un contrôle sur les modalités du partage (stockage et archivage maîtrisé) afin d’assurer une réutilisation tenant compte, d’une part, de la propriété intellectuelle et, d’autre part, du contexte de production de cette donnée, en particulier l’aspect disciplinaire et le type de données concernées (qualitatives ou quantitatives). Finalement, la reconnaissance et la valorisation scientifique ne semblent pas être des facteurs de motivation dans le partage de la donnée, dans la mesure où ils sont plus efficacement couverts par la publication scientifique (articles, monographies).

    11La troisième étude de cas, réalisée en 2016 (Kim et Stanton, 2016), étudie les facteurs institutionnels et individuels qui influencent les comportements des scientifiques en matière de partage de données dans différentes disciplines scientifiques. Les auteurs s’appuient, d’une part, sur le modèle de la théorie néo-institutionnelle (Scott, 2001) et, d’autre part, sur la théorie de l’action planifiée (Ajzen, 1991). Le modèle de la théorie néo-institutionnelle identifie trois types d’influence : la contrainte régulatrice, la pression normative et la pression cognitivo-culturelle. La théorie de l’action planifiée explique le comportement d’un individu en fonction de ses intentions comportementales qui sont à leur tour influencées par son attitude à l’égard de la perception des normes subjectives. Sur la base de ces deux théories, Kim et Stanton proposent un modèle de recherche pour expliquer et prédire les comportements des scientifiques en matière de partage de données. Ils identifient deux groupes de facteurs d’influence des comportements : les facteurs institutionnels et les facteurs individuels. Le modèle et les hypothèses développés ont été validés empiriquement en utilisant des données d’enquêtes recueillies auprès d’un panel de scientifiques appartenant à 53 disciplines (l’échantillon final comprenait 1 317 scientifiques). Les auteurs concluent leur étude par une série de recommandations :

    • mettre en œuvre des politiques strictes de partage des données par les agences de financement et les revues ;

    • promouvoir des normes communautaires de partage des données en s’appuyant sur les associations professionnelles ;

    • développer un système d’incitation pour fournir des crédits pour le partage des données ;

    • réduire les efforts nécessités par la mise en œuvre du partage des données en standardisant les protocoles de dépôts ;

    • faciliter l’altruisme scientifique individuel des scientifiques en promouvant une culture altruiste de partage des données dans la communauté scientifique.

    Les pratiques de recherche des données de la recherche

    12L’étude de Gregory et al. (2019) vise à identifier les points communs dans la façon dont les utilisateurs issus de cinq communautés de recherche (astronomie, sciences de la terre et de l’environnement, biomédecine, fouilles archéologiques, sciences sociales) recherchent et évaluent les données de recherche. Les auteurs ont collecté puis analysé la littérature sur la recherche de littérature scientifique et de données de la recherche. Cette littérature ne provenant que de la base Scopus5, seules certaines disciplines des sciences humaines et sociales sont représentées6. Néanmoins, l’analyse des 400 articles de recherche collectés apporte des résultats pertinents pour notre réflexion.

    13Les auteurs notent tout d’abord que la recherche d’information et de données se fonde sur un processus identique en trois étapes : 1°) besoins utilisateurs, 2°) actions de l’utilisateur et 3°) évaluation. Ils insistent cependant sur les différences de pratiques, toutes disciplines confondues, entre recherche de publications (Information Retrieval) et recherche de données de la recherche.

    14Dans une seconde étude, Gregory, Cousijn et Groth (2019) articulent une analyse bibliométrique de la littérature scientifique consacrée aux pratiques de recherche avec des entretiens d’utilisateurs de la plateforme DataSearch (22 participants installés dans 12 pays) développée par Elsevier. Les auteurs présentent plusieurs résultats importants. En premier lieu, le rapport insiste sur l’importance des interactions entre un utilisateur et la communauté scientifique avec laquelle il entretient des liens. En second lieu, l’étude insiste sur l’importance d’un moteur de recherche offrant des fonctionnalités combinant différents filtres de recherche de publications et l’accès aux données de recherche associées ou citées par ces publications. En troisième lieu, le processus de recherche des données de la recherche est considéré comme un puissant levier pour mettre en œuvre des collaborations interdisciplinaires qui exploiteront au mieux les données partagées.

    15S’appuyant sur ces résultats, le rapport propose plusieurs recommandations concernant les fonctionnalités importantes que devraient offrir ces dispositifs sociotechniques :

    • standardiser les métadonnées qui décrivent les données de la recherche ;

    • incorporer des techniques d’enrichissement des métadonnées ;

    • développer des fonctionnalités qui permettent de stimuler des collaborations autour des données ;

    • développer des API7 qui permettent d’automatiser certaines recherches dans le dépôt de données ;

    • développer des outils d’interface de représentation visuelle qui permettent d’appréhender les dépôts de données selon différents points de vue (Börner et Record, 2017 ; Scharnhorst, 2015).

    16Nous ajoutons à ces recommandations l’idée de favoriser ces intersections sociotechniques en conservant et en explicitant le contexte de création et de dépôt des données, mais aussi en inférant des passerelles pertinentes entre jeux de données.

    Les relations entre déposants, consultants et gestionnaires des plateformes

    17Dans leur étude, Borgman, Darch et Golshan (2018) examinent les rôles et les relations entre des déposants de données, des consultants des données et des archivistes de la plateforme DANS/EASY. Les auteurs insistent sur l’importance du rôle de médiation scientifique et technique joué par les archivistes. Ces derniers se font en effet médiateurs du libre accès aux données de plusieurs manières. L’une d’elles consiste à fournir l’infrastructure – humaine, technique et institutionnelle – facilitant le dépôt, la récupération et la gestion des données. Ils régissent les règles d’échanges entre les déposants et les consultants. Par exemple, alors que le dépôt avec des licences Creative Commons réduirait au minimum la médiation requise, ce modèle limiterait la capacité du DANS à acquérir des données auprès de chercheurs et chercheuses universitaires. Cette communauté a en effet exprimé qu’elle soumettrait plus volontiers des données si elle pouvait garder le contrôle sur les personnes qui y auront accès. Le verrouillage des ensembles de données oblige les consultants potentiels à s’inscrire auprès du DANS, à renseigner leur nom et à contacter directement les déposants pour demander l’accès. Le processus de demande d’accès crée un canal secondaire permettant aux déposants et aux consultants de négocier l’accès aux ensembles de données. Dans le meilleur des cas, une conversation fructueuse conduit à un partage sélectif des ensembles de données appropriés et potentiellement à une collaboration. Les données pouvant être difficiles à interpréter en dehors de leur contexte d’origine, ces relations personnelles entre déposants et consultants peuvent s’avérer essentielles à la réutilisation des données.

    18Les auteurs notent que les modèles d’utilisation des plateformes présentent les mêmes caractéristiques que les distributions de type « longue traîne » identifiées dans d’autres études sur le comportement des utilisateurs dans la recherche d’informations (Case, 2006), c’est-à-dire avec un nombre limité de grands consultants ou déposants et de nombreux utilisateurs occasionnels. Cette distribution des pratiques a plusieurs conséquences.

    19Les déposants, qui soumettent un ensemble de données une ou deux fois par an, ou peut-être une fois dans leur carrière, ont besoin d’aide au moment du dépôt pour structurer et documenter leurs données. Les documentalistes chargés des plateformes doivent vérifier les métadonnées, la documentation et l’intégrité des données pour s’assurer que les données déposées répondent aux normes minimales. Sans cette assistance par des professionnels, les données se révèlent inutilisables. Néanmoins, si les normes et la classification des métadonnées peuvent assurer un certain niveau de découverte de base, les auteurs estiment qu’il est pratiquement impossible de normaliser les formats et les vocabulaires dans une plateforme polyvalente qui couvre plusieurs disciplines. Ils en concluent que des investissements plus importants dans les métadonnées, la documentation et les outils de recherche permettraient d’améliorer la découverte, mais des compromis sont nécessaires dans ces investissements à forte intensité de main-d’œuvre.

    Infrastructures de dépôt de données de la recherche

    20Un entrepôt (ou dépôt) de données8 est « une collection de données thématiques, intégrées, non volatiles et historisées, organisées pour le support d’un processus d’aide à la décision » (Espinasse, 2021)9. Il existe un très grand nombre de dépôts de données de la recherche. Le catalogue Re3Data10 référence 2 774 dépôts11. Il fournit un moteur de recherche et une API qui permettent de filtrer ou de parcourir le catalogue par discipline, pays, licence, etc.12 (Buddenbohm et al., 2021). De même, FAIRsharing.org13 dénombre une liste de 1 797 dépôts14 qu’il est possible de parcourir suivant différents critères. Chacun de ces entrepôts propose des caractéristiques spécifiques selon qu’il est géré par des institutions académiques (Harvard Dataverse, Dimonea de l’EHESS), par des institutions privées (Figshare), par des institutions disciplinaires (Pangea, CLARIN) ou multidisciplinaires (Dryad, Figshare, Mendeley, Zenodo), ou encore dédié à un seul projet (CERN Open Data Portal). Le thésaurus « Science ouverte » de l’INIST-CNRS15 définit 7 types d’entrepôts de données ouvertes : archive ouverte, dépôt d’archive OAI16, entrepôt agrégateur, entrepôt certifié, entrepôt disciplinaire, entrepôt institutionnel et entrepôt recommandé.

    21Il est important de souligner, à l’instar de nombreux auteurs (Borgman et al., 2016 ; Karasti et Blomberg, 2017), que ces infrastructures techniques doivent être considérées comme des maillons de ce que Borgman, Darch et Golshan (2018) appellent des « infrastructures de connaissances » (Knowledge Infrastructures), c’est-à-dire des « robust networks of people, artifacts, and institutions that generate, share, and maintain specific knowledge about the human and natural worlds17 » (Edwards et al. 2006, p. 13), et non comme des boîtes noires dans lesquelles des données sont déposées puis recherchées.

    22Dans la suite du chapitre, nous présentons trois infrastructures de connaissances décrites selon l’angle institutionnel et selon leur attachement à une institution locale, nationale ou européenne. Les descriptions s’appuient sur leurs sites Web, sur des rapports ou des articles publiés dans des revues scientifiques et sur le rapport du COSO18 de 2020 intitulé « Étude comparative des services nationaux de données de recherche Facteurs de réussite » (Hugo, 2020).

    Une infrastructure nationale : Digital Archiving and Networked Services [DANS]

    23Fondé en 2005 par l’Académie royale néerlandaise des arts et des sciences [KNAW] et l’Organisation néerlandaise pour la recherche scientifique [NOW], DANS19 est chargé de la gestion des données de recherche numériques en sciences humaines et sociales provenant des organisations qui l’ont précédé. DANS offre plusieurs services :

    1. Electronic Archiving System (EASY)20 pour l’archivage à long terme ;

    2. DataverseNL21, un service de dépôt pour les universités, les instituts de recherche et l’enseignement supérieur ;

    3. NARCIS22, le portail national d’information sur la recherche (Doorn, 2020). DANS-EASY a reçu une certification CoreTrustSeal23 garantissant la fiabilité des référentiels selon seize exigences. Ces exigences portent sur l’infrastructure organisationnelle, la gestion des objets numériques et la technologie sur laquelle repose DANS-EASY.

    24En 2014, DANS a créé Research Data Netherlands24, une alliance visant à promouvoir les meilleures pratiques en matière de gestion et de préservation des données en partenariat avec d’autres fournisseurs néerlandais d’archives de données et d’infrastructures de recherche. DANS est par ailleurs impliqué dans de nombreux réseaux nationaux et internationaux tels que l’European data infrastructure for scientific research (EUDAT)25, l’Advanced Research Infrastructure for Archaeological Dataset Networking (ARIADNE)26, l’European Open Science Cloud (EOSC)27 et l’European Holocaust Research Infrastructure (EHRI)28.

    25DANS est organisé en trois services : « Projets et politique », « Archives et Support », « Recherche et Innovation », qui regroupent 58 personnes dont les activités sont coordonnées par un directeur. La gouvernance de DANS s’appuie sur un comité de pilotage, un comité consultatif (advisory board), un comité consultatif spécifique à NARCIS et un comité consultatif spécifique à DataverseNL. Le comité de pilotage de DANS supervise la gestion et le fonctionnement du réseau et des politiques menées par le directeur, ainsi que les résultats obtenus. Le comité consultatif fait part de ses recommandations en matière de stratégie et de politique générale auprès du comité de pilotage. Le comité consultatif propre à NARCIS oriente les choix de la direction de DANS au sujet du développement et du fonctionnement de NARCIS. Il est composé de représentants de sept universités et de la Bibliothèque nationale néerlandaise. Le comité consultatif spécifique à DataverseNL a pour objet de conseiller la direction de DANS sur les axes stratégiques de développement. Les 13 institutions partenaires y sont représentées.

    26En 2020, Peter K. Doorn, directeur de DANS, a publié une étude sur la montée en puissance de la plateforme EASY entre 2007 et 2019 (Doorn, 2020), dont nous reprenons ci-dessous quelques éléments.

    Figure 1. Croissance du nombre de datasets dans DANS EASY, 2007-2019.

    Image 10000000000008790000043DADAB9B2C73C07180.png

    Extrait de P. K. Doorn (2020).

    27La figure 1 illustre la progression du nombre de datasets29 déposés dans EASY. Après la phase de démarrage, à partir de 2012, le nombre de dépôts croît d’environ 15 à 20 % par an, puis connaît une brusque accélération avec 30 à 40 % de croissance, à partir de 2017. Doorn (2020) explique cette croissance par les conventions passées avec les universités et les institutions de recherche pour que le dépôt EASY soit utilisé comme second dépôt par ces organisations. Ces dépôts sont réalisés automatiquement sous la forme de paquets (bulk) échangés entre le dépôt de l’organisation et le dépôt EASY. Par ailleurs, Doorn montre que les sciences sociales représentent 30 % des dépôts et les humanités (hors archéologie) un peu moins de 10 %.

    28De ce fait, DANS répond à deux finalités :

    1. la prise en charge du dépôt de données pérennes indépendamment d’une réutilisation de ces données à court ou moyen terme ;

    2. la prise en charge du dépôt de données de la recherche pour répondre à des besoins de réutilisation de ces données dans l’optique de la science ouverte.

    29Doorn (2020) note une évolution importante du choix des déposants sur le type d’accès aux dépôts. Ainsi en 2012, 50 % des dépôts étaient en accès ouvert contre 70 % en 2016. L’auteur interprète cette augmentation comme un signe de la prise de conscience de l’importance d’une science ouverte.

    30Depuis 2016, DANS n’exige plus des utilisateurs un enregistrement préalable pour télécharger des données déposées en accès ouvert dans EASY. En termes d’usage, le nombre annuel d’utilisateurs enregistrés est d’environ 4 000 pour 312 472 datasets téléchargés entre 2007 et 2019. Ces téléchargements sont différemment répartis suivant les disciplines. Ainsi, les datasets en sciences sociales et dans les humanités représentent environ 4 000 téléchargements par an.

    31Dans le cadre du projet européen Fostering Fair Data in Practices in Europe (FAIRsFAIR)30, le réseau DANS a collaboré avec le Digital Curation Center (DCC)31 et la Middlesex University à la production de l’outil FAIR-Aware32, outil d’auto-évaluation aux principes FAIR développé par DANS NL, le Digital Curation Center et l’université de Brême, et qui vise à sensibiliser les chercheurs et les gestionnaires de données à l’importance des principes FAIR (Hugo, 2020).

    32Les données déposées dans DANS-EASY sont accessibles via le moteur de recherche NARCIS. L’objectif est d’offrir aux utilisateurs les outils pour lier l’ensemble de leurs productions de manière à développer les principes d’une « research in context » : liens entre données, publications, chercheurs, financement et organisation.

    33DANS illustre parfaitement la notion d’infrastructure de connaissances. Cette institution interagit avec de nombreux acteurs publics et privés dans le monde entier, que ce soit des fournisseurs de moteurs de recherche, des réseaux de bibliothèques, des portails du patrimoine culturel et des sites Web qui recueillent et exploitent les données du DANS. L’infrastructure nationale se révèle ainsi être un nœud entre les infrastructures de connaissances dont elle acquiert les données et les communautés qui les consomment. Ainsi l’infrastructure déploie la technologie, définit les politiques, rédige les contrats et gère les ensembles de données qui lui sont confiés. Elle crée également des communautés en sollicitant des ensembles de données, des formations et des actions de sensibilisation. Comme ces communautés évoluent sur de longues périodes, les archives de données numériques assurent une continuité de fait articulant les différentes générations d’utilisateurs. Néanmoins, ces infrastructures sont coûteuses, nécessitent une grande quantité de temps de travail et leurs gains sont difficiles à mesurer. Leur temps de conception et de réalisation se compte en dizaines d’années et nécessite un investissement continu pour limiter une dégradation rapide (Borgman, Darch et Golshan, 2018).

    Une infrastructure européenne : CLARIN

    34Common Language Resources and Technology Infrastructure [CLARIN]33 est un European Research Infrastructure Consortium [ERIC]34 créé en 2012 avec neuf membres35 fondateurs. La tâche principale du consortium est de construire, d’exploiter, de coordonner et d’entretenir l’infrastructure de CLARIN. Il ne mène ni ne finance d’activités de recherche. CLARIN est l’une des infrastructures de recherche qui ont été sélectionnées pour la feuille de route européenne sur les infrastructures de recherche par l’ESFRI et le Forum stratégique européen sur les infrastructures de recherche. CLARIN a été créé avec le soutien financier de la Commission européenne par le biais du projet de la phase préparatoire de CLARIN (2008-2011), mais est maintenant entièrement financé par les pays participants. En 2016, CLARIN a reçu le statut de « Landmark » sur la nouvelle feuille de route. En 2017, le consortium CLARIN comprend dix-neuf pays membres et deux observateurs (dont la France) et a passé une convention avec l’université Carnegie Mellon (États-Unis). CLARIN vise une collaboration interinstitutionnelle et intersectorielle, notamment avec le secteur GLAM36 et avec l’industrie.

    35Actuellement, CLARIN fournit un accès aux données linguistiques numériques (sous forme écrite, parlée ou multimodale) pour les chercheurs en sciences humaines et sociales. CLARIN offre également des outils avancés pour découvrir, explorer, exploiter, annoter, analyser ou combiner ces ensembles de données, où qu’ils se trouvent. Une des particularités de CLARIN est de s’appuyer sur une fédération de centres en réseau qui se distinguent selon trois types de services : des centres de dépôts de données linguistiques, des centres de services et des centres de connaissances. Les outils et les données des différents centres sont interopérables, de sorte que les collections de données peuvent être combinées et que les outils de différentes sources peuvent être articulés pour effectuer des opérations complexes (CLARIN, 2020).

    36Les centres de connaissances, au nombre de neuf en 202037, constituent un réseau (Knowledge Sharing Infrastructure [KSI]) dont une des missions est de réaliser la médiation (the glue) entre les infrastructures techniques et les utilisateurs. Ces centres peuvent se spécialiser dans certaines langues ou dans certaines technologies ou données. Les workshops, organisés par les centres et financés par le consortium CLARIN, sont considérés comme un instrument clef pour le partage des connaissances et pour le développement de nouvelles idées.

    37Les centres de dépôts peuvent se spécialiser dans une langue, une modalité (écrite ou orale), un type de données (lexicale, syntaxique, etc.) ou un type de traitement et s’engagent à être interopérables au sens où ils doivent maintenir le protocole OAI-PMH38 pour l’échange des données. Les centres de dépôt s’engagent à respecter les principes FAIR. Le standard commun utilisé pour décrire les métadonnées est le Component Metadata Infrastructure [CMDI] et l’identifiant pérenne (persistent identifier) est un handle (Fig. 2).

    Figure 2. Fonctionnalités générales d’un centre de dépôt CLARIN.

    Image 100000000000030400000361FFD9684121116889.jpg

    Extrait de Jong et al., 2020.

    38Les données des centres de dépôts sont moissonnées et accessibles via le moteur de recherche Virtual Language Observatory [VLO]39 qui offre des fonctionnalités de recherche textuelles et des facettes de sélection. Néanmoins, dans leur article, les auteurs (Jong et al., 2020) précisent que la recherche dans un entrepôt de plus d’un million de ressources constitue un défi. Ils détaillent aussi plusieurs limitations qui tiennent aux principes mêmes de l’organisation de CLARIN. De nombreux corpus ayant été ajoutés aux dépôts nationaux ne peuvent toujours pas être identifiés dans le VLO à cause de l’absence de mots-clés ou de champs de description, ou du fait de choix idiosyncrasiques ou vernaculaires utilisés pour les dénominations. De même, des informations sur les périodes temporelles, les annotations linguistiques et les licences d’utilisation sont absentes. L’hétérogénéité dans la granularité des datasets dont la taille peut varier d’un simple fichier à une archive contenant des milliers de fichiers soulève aussi des problèmes.

    39Un module de validation des métadonnées (Curation Module) a été développé (Ostojic, Sugimoto et Durco, 2017). Cette application contrôle un large éventail de critères (validité du schéma, présence de champs comme la langue et la disponibilité, etc.). Sur la base de ces contrôles, un score de qualité globale est calculé. Une partie très spécifique de la validation des métadonnées consiste à vérifier la validité des liens. Ces liens peuvent prendre la forme d’un identifiant de ressource de forme unique ou d’un identifiant persistant (par exemple un handle ou un DOI). La pratique a montré qu’environ 10 % des 5,2 millions de liens ne pouvaient être résolus par le moteur de recherche VLO. C’est pourquoi le module de curation comprend un composant spécifique qui explore régulièrement tous les liens rencontrés et stocke le résultat de l’accès à ces liens dans une base de données. Les auteurs remarquent que ce problème est générique et que plusieurs institutions développent le même type d’applications (DataCite, Europeana). Ils proposent de fédérer ces différentes bases de données dans le cadre de l’EOSC.

    40Afin de mesurer la qualité de l’infrastructure, douze indicateurs de performance Key Performance Indicator [KPI] ont été définis. Ces indicateurs forment un sous-ensemble des vingt indicateurs de performance définis par le groupe de travail de l’ESFRI (Report 2019).

    Infrastructures FAIR : l’exemple d’ISIDORE et NAKALA

    41Le début des années 2000 a vu la production d’un très grand nombre d’études portant sur l’analyse des pratiques d’accès des chercheurs aux sources d’information et aux documents bibliographiques (publications, données de série, etc.). Dans leur étude, Ihadjadene et Chaudiron (2008) identifiaient plus d’une centaine de travaux de ce type. Dans leur conclusion, ils insistaient sur un point qui semble toujours d’actualité :

    Un moteur de recherche n’est plus simplement le « lieu » où s’apparient différentes structures cognitives dans le cadre d’interactions, mais il est considéré comme un système plus global dans lequel entrent en jeu de multiples variables : l’espace cognitif des acteurs, les caractéristiques contextuelles psychologiques, sociales et organisationnelles, ainsi que le changement des besoins d’information. Il est important d’appréhender l’usager en situation de recherche d’information de manière beaucoup plus globale que dans les modèles cognitifs et, a fortiori, dans l’approche système qui sous-tend encore souvent les études d’usage actuelles des moteurs de recherche (p. 29).

    42Au cours des dix dernières années, après l’arrivée de Google Scholar40, le nombre de plateformes de recherche de documents, de données, de publications et donc d’informations a fortement augmenté (Gusenbauer 2019). L’étude menée par Know-Center (Breitfuss, Barreiros et al., 2020) recense plus de 47 plateformes, incluant les plateformes privées (ResearchGate, Academia, My Science Work, etc.) ou non gouvernementales (Semantic Scholar, Dimensions, etc.). Cette étude corrobore les résultats publiés en 2016 par Lopez-Cozar, Orduna-Malea et Martin (2018), à savoir que Google Scholar est le moteur de recherche utilisé par 89 % des utilisateurs.

    43Dès la fin de la décennie 2000, la multiplication des moteurs de recherche académiques s’est doublée d’une croissance très importante de la mise à disposition de plateformes de découverte au sein des bibliothèques universitaires (Simonnot, 2012). Les discovery tools se sont d’ailleurs très souvent hybridés avec les moteurs de recherche académiques et les moteurs de recherche du Web (Bermès, Isaac et Poupeau, 2013 ; Gandon, Faron-Zucker et Corby, 2012). À l’échelle européenne, le développement et l’évolution de portails tels que NARCIS aux Pays-Bas, Cultura Italia en Italie, ou plus récemment REDIB en Espagne et en Amérique latine, ont permis aux chercheurs et chercheuses d’avoir accès de façon complémentaire et coordonnée à la littérature scientifique et aux sources de données pour les recherches dans leurs disciplines, que ce soit les publications en libre accès ou les documents sous droits, rendus accessibles via des API dédiées ou plus largement via les proxys intégrés aux portails des bibliothèques universitaires pour gérer les abonnements payants. En Europe, le développement de Driver (2006-2009) puis, depuis 2008, de la plateforme OpenAIRE41, qui regroupe « 50 partenaires, de tous les pays de l’UE et au-delà », a offert, au cours de la décennie 2010-2019, un ensemble de « briques » pouvant être utilisées par des portails ou dispositifs de recherche de données, qu’ils soient thématiques ou disciplinaires (Manghi, Bardi et Schirrwagen, 2018).

    44Dans le même temps, le développement du libre accès aux données de la recherche et aux publications (mouvement de l’Open Access puis de la Science ouverte) et, dans une moindre mesure, le Web sémantique (Bermès, Isaac et Poupeau, 2013), ont libéré des masses très importantes de métadonnées et de documents qui ont été intégrés à la plupart des outils de découverte sous la forme de base de données satellites. Ces dernières permettent de développer des portails associant moteurs de recherche (fondés sur l’indexation des métadonnées et du texte intégral) et outils de rebond ou d’extension par recherche fédérée vers différentes bases de données accessibles sous la forme de multiples API grâce à la proxyfication des dispositifs (Pouyllau et al., 2012).

    45C’est dans ce contexte, et dès 2010, qu’ISIDORE a été imaginé et mis en œuvre (Maignien, 2011 ; Pouyllau, 2011). Au-delà de la dimension « moteur de recherche », ISIDORE s’est orienté dès le début vers l’enrichissement sémantique et la publication de métadonnées en Linked Open Data (Poupeau, 2016) à l’aide de référentiels scientifiques élaborés par les communautés de recherche et des bibliothèques. Et ce, dans une dimension nationale jusqu’en 2015, puis internationale avec le passage aux enrichissements multilingues à partir de 2015. L’ajout de fonctionnalités de réseau social académique dans ISIDORE est venu compléter, en 2018, un dispositif sociotechnique largement centré sur la mise en relation des savoirs avec les travaux des productions de classification et d’organisation proposées par les communautés de recherche.

    46Si NAKALA a été imaginé dans un premier temps comme un réservoir de documents et de métadonnées dans le Linked Open Data, sans interface Web de consultation des métadonnées et des données, ce n’est que lors de sa refonte, en 2020, que son positionnement en complémentarité de contenus avec ISIDORE a été proposé. Les deux services s’inscrivent depuis dans une interopérabilité de services (Maignien, 2011) au sein de l’écosystème d’Huma-Num. À l’image des dispositifs intégrés tels que OpenAIRE, Europeana, etc., ISIDORE et NAKALA poursuivent cette tendance en s’appuyant sur des « briques communicantes » pour faciliter leurs usages par les publics cibles. Ces briques constituent le cœur du dispositif cohérent des services mis en place par Huma-Num pour faciliter l’accès, le signalement, la conservation et l’archivage à long terme des données de la recherche en SHS (Fig. 3).

    Figure 3. Les services pour les données en SHS de Huma-Num.

    Image 100000000000059D00000382E48EC49438222344.png

    NAKALA

    47NAKALA (Fig. 4) est un service d’Huma-Num42 permettant à des chercheurs, enseignants-chercheurs ou équipes de recherche, de partager, publier et valoriser tous types de données numériques documentées (fichiers textes, sons, images, vidéos, objets 3D, etc.) dans un entrepôt sécurisé (Fig. 5) afin de les publier en accord avec les principes FAIR et plus largement ceux de la science ouverte (accès ouvert, immédiat et réutilisable des données publiques)43.

    Figure 4. Page d’accueil du service NAKALA.

    Image 100002010000059F000003ABF417C4C91A570337.png

    48L’entrepôt Nakala assure à la fois l’accessibilité aux données et aux métadonnées ainsi que leur « citabilité » dans le temps à l’aide d’identifiants stables fournis par Huma-Num et fondés sur des identifiants de type Handle (jusqu’en 2021) et DOI44 (depuis le 19 décembre 2020). Il s’inscrit dans la politique du Web des données qui permet notamment de rendre interopérables les métadonnées, c’est-à-dire la possibilité de les connecter à d’autres entrepôts existants suivant ainsi la logique des données ouvertes et liées. Par ailleurs, il propose un dispositif d’exposition des métadonnées qui permet leur référencement par des moteurs de recherche spécialisés comme ISIDORE. La description riche, précise et harmonisée des données avec NAKALA permet d’assurer leur pérennité, de garantir leur traçabilité sur le long terme et d’encadrer leur réutilisation. L’utilisation de NAKALA a pour finalité de cibler des projets visant à publier en ligne un ensemble de données associées à des métadonnées descriptives ayant une cohérence scientifique, comme des corpus, des collections, des reportages, etc. L’objectif de NAKALA est ainsi de viser la publication de jeux de données ou d’ensemble de données ayant une valeur scientifique ou culturelle importante45.

    Figure 5. Architecture du service NAKALA.

    Image 100002010000059E000004214BCB677AAFD88F3B.png

    Source : L’Atelier Universel, 2021.

    ISIDORE

    49Lancé le 8 décembre 2010, ISIDORE est le fruit de la collaboration du très grand équipement Adonis (Maignien, 2011) du CNRS (2007-2013), du Centre pour la communication scientifique directe [CCSD] et des sociétés Antidot, Mondéca et Sword (Pouyllau et al., 2012). Il est actuellement développé et exploité par l’IR*46 Huma-Num47.

    50ISIDORE48 est un moteur et assistant de recherche permettant de trouver des publications, des données numériques et profils de chercheurs et chercheuses en sciences humaines et sociales venant du monde entier (Fig. 6). Il permet de rechercher dans plusieurs millions de documents (articles, thèses et mémoires, rapports, jeux de données, pages Web, notices de bases de données, description de fonds d’archives, etc.) et des signalements d’événements (séminaires, colloques, etc.). Il propose aussi des fonctionnalités de réseau social scientifique (profil personnel, suivi d’auteurs, partage de collections bibliographiques, etc.). Il offre aussi de nombreuses fonctionnalités pour organiser sa veille scientifique (collections bibliographiques, alerte sur des requêtes, etc.).

    Figure 6. Page d’accueil du service ISIDORE (anglais, espagnol et français).

    Image 100002010000059C000003042B1FF50ED67AFA34.png

    51Plus qu’un simple moteur de recherche, ISIDORE constitue une plateforme de traitement et d’enrichissement des données avec pour objectifs :

    • d’offrir aux chercheurs un point d’accès unifié aux différentes ressources structurées produites dans le domaine des SHS en France ;

    • d’exposer, selon les principes du Linked Data, les données bibliographiques structurées de la recherche en sciences humaines et sociales en France ;

    • selon la logique d’une boucle de rétroaction, d’offrir les moyens aux producteurs de récupérer l’enrichissement automatique effectué par le moteur sur les données indexées.

    52ISIDORE et NAKALA constituent d’ores et déjà le « couple » central et moteur de l’écosystème Huma-Num. En 2021, Huma-Num a lancé dans le cadre du programme HNSO49 un chantier pour renforcer ce couple et améliorer la FAIRisation des deux plateformes en travaillant sur les trois dimensions suivantes : 1°) un processus d’authentification unique, 2°) la convergence des référentiels, 3°) la procédure de moissonnage des données NAKALA par ISIDORE.

    531. ISIDORE et NAKALA exploitent aujourd’hui le même dispositif d’authentification HumanID. Ce « hub » d’authentification offre la possibilité d’accéder en un clic à l’offre de services et d’applications de l’IR* Huma-Num en termes de stockage, de traitement, de diffusion ou encore d’exposition des données scientifiques50. HumanID est compatible avec l’ensemble de l’écosystème de l’enseignement supérieur et de la recherche internationale (via EduGAIN ou ORCID en particulier), mais aussi avec les outils les plus courants pour se connecter facilement à des services numériques. Développé avec le logiciel open source LemonLDAP, HumanID permet aux utilisateurs d’Huma-Num de faire des demandes d’accès aux services de l’écosystème Huma-Num et de visualiser les services connectés au Web dont ils sont ou peuvent être utilisateurs. Une évolution concrète pour l’amélioration de l’interconnexion entre ISIDORE et NAKALA consisterait à profiter de l’authentification partagée pour faciliter l’indexation des données NAKALA à partir du profil ISIDORE de l’utilisateur. Par exemple, une personne connectée et disposant de contenus « revendiqués » dans ISIDORE bénéficierait de propositions automatiques et profilées par discipline et/ou par thématique lors du dépôt de ses données dans NAKALA. Plus largement il s’agirait d’exploiter dans la base ISIDORE les informations sur les chercheurs venant des plateformes de publications en SHS, afin de nourrir en métadonnées et de favoriser ainsi l’indexation de qualité dans NAKALA. Inversement, il serait possible d’utiliser les données déposées par un chercheur dans NAKALA pour suggérer dans ISIDORE des lectures relatives (disciplines, mots-clés, mots du titre) [Pouyllau, 2020].

    542. ISIDORE et NAKALA exploitent les mêmes référentiels scientifico-documentaires et les mêmes auteurs. Ces référentiels communs permettent aujourd’hui de proposer à un déposant de données des labels de mots-clés (Fig. 7) et des « formes auteurs » (Fig. 8) par complétion automatique lorsque le déposant saisit ces mots-clés dans l’interface de saisie des métadonnées de NAKALA. Ce dispositif assure également une cohérence conceptuelle et une meilleure précision dans les processus de recherche d’information dans ISIDORE. Le chantier de FAIRisation propose d’améliorer le dispositif en exploitant également les URIs des labels afin d’assurer le suivi des modifications des concepts dans les référentiels et la prise en compte du multilinguisme51.

    Figure 7. Complétion automatique des labels de mots-clés présents dans les référentiels ISIDORE depuis l’interface de NAKALA.

    Image 10000201000004660000023B0697DE0B57F3A466.png

    Figure 8. Complétion automatique des formes auteurs présentes dans ISIDORE depuis l’interface de NAKALA.

    Image 100002010000043A000002136B27F2255B204A83.png

    553. La création d’une collection dans NAKALA par un déposant entraîne aujourd’hui la création automatique d’un set dans l’exposition selon la norme OAI-PMH. Le chantier de FAIRisation prévoit qu’avec l’accord du déposant et à l’aide d’un menu accessible depuis l’interface Web de NAKALA, cette collection soit signalée à ISIDORE et automatiquement moissonnée. Alors que l’ajout de nouvelles sources ISIDORE résulte aujourd’hui d’une procédure manuelle, un ajout automatisé de nouvelles sources ISIDORE à la demande du déposant devrait très nettement améliorer la visibilité des données NAKALA.

    Conclusion

    56Ce chapitre a présenté différentes infrastructures de recherche nationales et européennes dédiées à la conservation et à la découverte des données de la recherche. Nous avons mis à jour l’articulation entre infrastructures de la recherche et pratiques de la communauté académique en termes de dépôt de leurs données et de recherche au sein de ces entrepôts. Ces dernières années ont été marquées par une forte augmentation à la fois de la production de données et à la fois des usages de ces infrastructures. Usages et infrastructures sont ainsi amenés à évoluer rapidement, dans un contexte sociotechnique qui se transforme constamment comme le montre la montée en puissance des IA dans tous les domaines.

    57Sans pouvoir préjuger des orientations que prendront les différentes institutions face aux développements des pratiques, ni même celles d’Huma-Num vis-à-vis des instruments que sont ISIDORE et NAKALA, il nous semble intéressant de noter l’introduction récente des méthodes d'apprentissage machine et d’apprentissage profond qui ouvrent de nouvelles perspectives pour la gestion et le traitement des données de la recherche pour le classement, le requêtage ou la génération automatique de synthèse. Les infrastructures de recherche ont un enjeu particulier à produire des chaînes de traitement adaptées à des jeux de données à la fois très spécialisés et fortement enrichis. C’est une plus-value qui doit les différencier de la simple mise à disposition d'outils, y compris sémantiques, opération qui relève désormais davantage des DSI que des « infrastructures de recherche » au sens d’« infrastructures pour faire de la recherche ».

    58Les initiatives actuelles tentent d’exploiter le potentiel d’association des données fondée sur les principes du LOD52, susceptible de créer des relations sémantiques entre des objets informationnels de natures différentes et provenant de plusieurs agrégateurs de données européens. Au-delà de l’Europe, le programme canadien LINCS53 est l’un des premiers projets à mettre en œuvre une telle approche. Avec cette dernière, il devient envisageable de dépasser le portail Web de recherche documentaire pour proposer une découverte et une navigation entre concepts scientifiques, communautés de recherche et experts. L’un des enjeux de tels dispositifs sera de fournir des points d’entrées éditoriaux dans la masse des données, par exemple à partir d'une sélection de concepts disciplinaires ou en lien avec l'actualité scientifique.

    Bibliographie

    Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.

    Format

    • APA
    • Chicago
    • MLA
    Bermès, E., Isaac, A., & Poupeau, G. (2013). Le Web sémantique en bibliothèque (1–). Éditions du Cercle de la Librairie. https://doi.org/10.3917/elec.berm.2013.01
    Borgman, C. L., Van de Sompel, H., Scharnhorst, A., van den Berg, H., & Treloar, A. (2015). Who uses the digital data archive? An exploratory study of DANS. In Proceedings of the Association for Information Science and Technology (Vols. 52, Issue 1, pp. 1-4). Wiley. https://doi.org/10.1002/pra2.2015.145052010096
    Borgman, C. L., Sands, A. E., Darch, P. T., & Golshan, M. S. (2016). The durability and fragility of knowledge infrastructures: Lessons learned from astronomy. In Proceedings of the Association for Information Science and Technology (Vols. 53, Issue 1, pp. 1-10). Wiley. https://doi.org/10.1002/pra2.2016.14505301057
    Breitfuss, G., Barreiros, C., Dumouchel, S., Blotière, E., Bouillard, M., Di Donato, F., & Forbes, P. (2020). TRIPLE Deliverable: D7.1 Report on Stakeholder and Opportunity Analysis. https://doi.org/10.5281/ZENODO.3925662
    Buddenbohm, S., de Jong, M., Minel, J.-L., & Moranville, Y. (2021). Find research data repositories for the humanities - the data deposit recommendation service. In International Journal of Digital Humanities (Vol. 1, Issues 3, pp. 343-362). Springer Science and Business Media LLC. https://doi.org/10.1007/s42803-021-00030-7
    Cousijn, H., Kenall, A., Ganley, E., Harrison, M., Kernohan, D., Lemberger, T., Murphy, F., Polischuk, P., Taylor, S., Martone, M., & Clark, T. (2018). A data citation roadmap for scientific publishers. In Scientific Data (Vols. 5, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/sdata.2018.259
    Joint Declaration of Data Citation Principles (1–). (2014). (1–). Force11. https://doi.org/10.25490/A97F-EGYK
    , & . (2020). Six Recommendations for implementation of FAIR practice by the FAIR in practice task force of the European open science cloud FAIR working group. (1–). Publications Office. https://doi.org/10.2777/986252
    Gregory, K. (2020). A dataset describing data discovery and reuse practices in research. In Scientific Data (Vols. 7, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/s41597-020-0569-5
    Gregory, K. M., Cousijn, H., Groth, P., Scharnhorst, A., & Wyatt, S. (2019). Understanding data search as a socio-technical practice. In Journal of Information Science (Vols. 46, Issues 4, pp. 459-475). SAGE Publications. https://doi.org/10.1177/0165551519837182
    Gregory, K., Groth, P., Cousijn, H., Scharnhorst, A., & Wyatt, S. (2019). Searching Data: A Review of Observational Data Retrieval Practices in Selected Disciplines. In Journal of the Association for Information Science and Technology (Vols. 70, Issues 5, pp. 419-432). Wiley. https://doi.org/10.1002/asi.24165
    Gusenbauer, M. (2018). Google Scholar to overshadow them all? Comparing the sizes of 12 academic search engines and bibliographic databases. In Scientometrics (Vols. 118, Issue 1, pp. 177-214). Springer Science and Business Media LLC. https://doi.org/10.1007/s11192-018-2958-5
    Catherine, H. (2021). Étude comparative des services nationaux de données de recherche Facteurs de réussite (1–). Ministère de l’enseignement supérieur et de la recherche. https://doi.org/10.52949/6
    Ihadjadene, M., & Chaudiron, S. (2008). Studying search engines uses: methodological issues. In Questions de communication (1–, Issues 14, pp. 17-32). OpenEdition. https://doi.org/10.4000/questionsdecommunication.604
    Karasti, H., & Blomberg, J. (2017). Studying Infrastructuring Ethnographically. In Computer Supported Cooperative Work (CSCW) (Vols. 27, Issues 2, pp. 233-265). Springer Science and Business Media LLC. https://doi.org/10.1007/s10606-017-9296-7
    Kim, Y., & Stanton, J. M. (2015). Institutional and individual factors affecting scientists’ data‐sharing behaviors: A multilevel analysis. In Journal of the Association for Information Science and Technology (Vols. 67, Issues 4, pp. 776-799). Wiley. https://doi.org/10.1002/asi.23424
    López-Cózar, E. D., Orduna-Malea, E., & Martín-Martín, A. (2017). [Supplementary material to book chapter] Google Scholar as a data source for research assessment (1–). Center for Open Science. https://doi.org/10.31235/osf.io/pqr53
    Manghi, P., Bardi, A., & Schirrwagen, J. (2018). D7.2 – Interoperability with EOSCpilot services. https://doi.org/10.5281/ZENODO.3701434
    POUYLLAU, S. (2020). Classifieur de titres utilisant les données du moteur de recherche ISIDORE et l’API Keras. https://doi.org/10.5281/ZENODO.3991994
    POUYLLAU, S., BUNEL, M., CAPELLI, L., & MINEL, J.-L. (2020). "We": a Proposal for the TRIPLE platform (1–). Zenodo. https://doi.org/10.5281/ZENODO.4032622
    Scharnhorst, A., & Wlodarski, J. (2015). Walking through a library remotely. Why we need maps for collections and how KnoweScape can help us to make them. In Les cahiers du numérique (Vols. 11, Issue 1, pp. 103-127). John Libbey Eurotext. https://doi.org/10.3166/lcn.11.1.103-127
    Stern, N., Guédon, J.-C., & Jensen, T. W. (2015). Crystals of Knowledge Production. An Intercontinental Conversation about Open Science and the Humanities. In Nordic Perspectives on Open Science (Vol. 1, p. 1). UiT The Arctic University of Norway. https://doi.org/10.7557/11.3619
    Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. In Scientific Data (Vols. 3, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/sdata.2016.18
    Wittenburg, P., de Jong, F., van Uytvanck, D., Cocco, M., Jeffery, K., Lautenschlager, M., Thiemann, H., Hellström, M., Asmi, A., & Holub, P. (2020). State of FAIRness in ESFRI Projects. In Data Intelligence (Vols. 2, Issue 1-2, pp. 230-237). MIT Press - Journals. https://doi.org/10.1162/dint_a_00045
    Bermès, Emmanuelle, Antoine Isaac, and Gautier Poupeau. “Le Web sémantique En bibliothèque”. []. Éditions du Cercle de la Librairie, 2013. https://doi.org/10.3917/elec.berm.2013.01.
    Borgman, Christine L., Herbert Van de Sompel, Andrea Scharnhorst, Henk van den Berg, and Andrew Treloar. “Who Uses the Digital Data Archive? An Exploratory Study of DANS”. Proceedings of the Association for Information Science and Technology. Wiley, January 2015. https://doi.org/10.1002/pra2.2015.145052010096.
    Borgman, Christine L., Ashley E. Sands, Peter T. Darch, and Milena S. Golshan. “The Durability and Fragility of Knowledge Infrastructures: Lessons Learned from Astronomy”. Proceedings of the Association for Information Science and Technology. Wiley, 2016. https://doi.org/10.1002/pra2.2016.14505301057.
    Breitfuss, Gert, Carla Barreiros, Suzanne Dumouchel, Emilie Blotière, Maxime Bouillard, Francesca Di Donato, and Paula Forbes. “TRIPLE Deliverable: D7.1 Report on Stakeholder and Opportunity Analysis”, April 30, 2020. https://doi.org/10.5281/ZENODO.3925662.
    Buddenbohm, Stefan, Maaike de Jong, Jean-Luc Minel, and Yoann Moranville. “Find Research Data Repositories for the Humanities - the Data Deposit Recommendation Service”. International Journal of Digital Humanities. Springer Science and Business Media LLC, July 2021. https://doi.org/10.1007/s42803-021-00030-7.
    Cousijn, Helena, Amye Kenall, Emma Ganley, Melissa Harrison, David Kernohan, Thomas Lemberger, Fiona Murphy, et al. “A Data Citation Roadmap for Scientific Publishers”. Scientific Data. Springer Science and Business Media LLC, November 20, 2018. https://doi.org/10.1038/sdata.2018.259.
    “Joint Declaration of Data Citation Principles”. Force11, 2014. https://doi.org/10.25490/A97F-EGYK.
    , and . Six Recommendations for implementation of FAIR practice by the FAIR in practice task force of the European open science cloud FAIR working group. LU: Publications Office, 2020. https://doi.org/10.2777/986252.
    Gregory, Kathleen. “A Dataset Describing Data Discovery and Reuse Practices in Research”. Scientific Data. Springer Science and Business Media LLC, July 13, 2020. https://doi.org/10.1038/s41597-020-0569-5.
    Gregory, Kathleen M, Helena Cousijn, Paul Groth, Andrea Scharnhorst, and Sally Wyatt. “Understanding Data Search As a Socio-Technical Practice”. Journal of Information Science. SAGE Publications, April 2, 2019. https://doi.org/10.1177/0165551519837182.
    Gregory, Kathleen, Paul Groth, Helena Cousijn, Andrea Scharnhorst, and Sally Wyatt. “Searching Data: A Review of Observational Data Retrieval Practices in Selected Disciplines”. Journal of the Association for Information Science and Technology. Wiley, March 12, 2019. https://doi.org/10.1002/asi.24165.
    Gusenbauer, Michael. “Google Scholar to Overshadow Them All? Comparing the Sizes of 12 Academic Search Engines and Bibliographic Databases”. Scientometrics. Springer Science and Business Media LLC, November 10, 2018. https://doi.org/10.1007/s11192-018-2958-5.
    Catherine, Hugo. “Étude Comparative Des Services Nationaux De données De Recherche Facteurs De réussite”. []. Ministère de l’enseignement supérieur et de la recherche, January 6, 2021. https://doi.org/10.52949/6.
    Ihadjadene, Madjid, and Stéphane Chaudiron. “Studying Search Engines Uses: Methodological Issues”. Questions De Communication. OpenEdition, December 1, 2008. https://doi.org/10.4000/questionsdecommunication.604.
    Karasti, Helena, and Jeanette Blomberg. “Studying Infrastructuring Ethnographically”. Computer Supported Cooperative Work (CSCW). Springer Science and Business Media LLC, July 28, 2017. https://doi.org/10.1007/s10606-017-9296-7.
    Kim, Youngseek, and Jeffrey M. Stanton. “Institutional and Individual Factors Affecting scientists’ data‐sharing Behaviors: A Multilevel Analysis”. Journal of the Association for Information Science and Technology. Wiley, March 4, 2015. https://doi.org/10.1002/asi.23424.
    López-Cózar, Emilio Delgado, Enrique Orduna-Malea, and Alberto Martín-Martín. “[Supplementary Material to Book Chapter] Google Scholar As a Data Source for Research Assessment”. []. Center for Open Science, December 12, 2017. https://doi.org/10.31235/osf.io/pqr53.
    Manghi, Paolo, Alessia Bardi, and Jochen Schirrwagen. “D7.2 – Interoperability With EOSCpilot Services”, December 29, 2018. https://doi.org/10.5281/ZENODO.3701434.
    POUYLLAU, Stéphane. “Classifieur de titres utilisant les données du moteur de recherche ISIDORE et l’API Keras”, August 19, 2020. https://doi.org/10.5281/ZENODO.3991994.
    POUYLLAU, Stéphane, Mélanie BUNEL, Laurent CAPELLI, and Jean-Luc MINEL. “‘We’: A Proposal for the TRIPLE Platform”. Zenodo, September 16, 2020. https://doi.org/10.5281/ZENODO.4032622.
    Scharnhorst, Andrea, and Jacek Wlodarski. “Walking through a Library Remotely. Why We Need Maps for Collections and How KnoweScape Can Help Us to Make Them”. Les Cahiers Du numérique. John Libbey Eurotext, March 30, 2015. https://doi.org/10.3166/lcn.11.1.103-127.
    Stern, Niels, Jean-Claude Guédon, and Thomas Wiben Jensen. “Crystals of Knowledge Production. An Intercontinental Conversation about Open Science and the Humanities”. Nordic Perspectives on Open Science. UiT The Arctic University of Norway, October 23, 2015. https://doi.org/10.7557/11.3619.
    Wilkinson, Mark D., Michel Dumontier, IJsbrand Jan Aalbersberg, Gabrielle Appleton, Myles Axton, Arie Baak, Niklas Blomberg, et al. “The FAIR Guiding Principles for Scientific Data Management and Stewardship”. Scientific Data. Springer Science and Business Media LLC, March 15, 2016. https://doi.org/10.1038/sdata.2016.18.
    Wittenburg, Peter, Franciska de Jong, Dieter van Uytvanck, Massimo Cocco, Keith Jeffery, Michael Lautenschlager, Hannes Thiemann, Margareta Hellström, Ari Asmi, and Petr Holub. “State of FAIRness in ESFRI Projects”. Data Intelligence. MIT Press - Journals, January 2020. https://doi.org/10.1162/dint_a_00045.
    Bermès, Emmanuelle, et al. Le Web sémantique En bibliothèque. [], Éditions du Cercle de la Librairie, 2013. Crossref, https://doi.org/10.3917/elec.berm.2013.01.
    Borgman, Christine L., et al. “Who Uses the Digital Data Archive? An Exploratory Study of DANS”. Proceedings of the Association for Information Science and Technology, vol. 52, no. 1, Wiley, Jan. 2015, pp. 1-4. Crossref, https://doi.org/10.1002/pra2.2015.145052010096.
    Borgman, Christine L., et al. “The Durability and Fragility of Knowledge Infrastructures: Lessons Learned from Astronomy”. Proceedings of the Association for Information Science and Technology, vol. 53, no. 1, Wiley, 2016, pp. 1-10. Crossref, https://doi.org/10.1002/pra2.2016.14505301057.
    Breitfuss, Gert, et al. TRIPLE Deliverable: D7.1 Report on Stakeholder and Opportunity Analysis. Draft, Apr. 2020, https://doi.org/10.5281/ZENODO.3925662.
    Buddenbohm, Stefan, et al. “Find Research Data Repositories for the Humanities - the Data Deposit Recommendation Service”. International Journal of Digital Humanities, vol. 1, no. 3, Springer Science and Business Media LLC, July 2021, pp. 343-62. Crossref, https://doi.org/10.1007/s42803-021-00030-7.
    Cousijn, Helena, et al. “A Data Citation Roadmap for Scientific Publishers”. Scientific Data, vol. 5, no. 1, Springer Science and Business Media LLC, 20 Nov. 2018. Crossref, https://doi.org/10.1038/sdata.2018.259.
    Joint Declaration of Data Citation Principles. Force11, 2014, https://doi.org/10.25490/A97F-EGYK.
    , and . Six Recommendations for implementation of FAIR practice by the FAIR in practice task force of the European open science cloud FAIR working group. Publications Office, 2020, https://doi.org/10.2777/986252.
    Gregory, Kathleen. “A Dataset Describing Data Discovery and Reuse Practices in Research”. Scientific Data, vol. 7, no. 1, Springer Science and Business Media LLC, 13 July 2020. Crossref, https://doi.org/10.1038/s41597-020-0569-5.
    Gregory, Kathleen M, et al. “Understanding Data Search As a Socio-Technical Practice”. Journal of Information Science, vol. 46, no. 4, SAGE Publications, 2 Apr. 2019, pp. 459-75. Crossref, https://doi.org/10.1177/0165551519837182.
    Gregory, Kathleen, et al. “Searching Data: A Review of Observational Data Retrieval Practices in Selected Disciplines”. Journal of the Association for Information Science and Technology, vol. 70, no. 5, Wiley, 12 Mar. 2019, pp. 419-32. Crossref, https://doi.org/10.1002/asi.24165.
    Gusenbauer, Michael. “Google Scholar to Overshadow Them All? Comparing the Sizes of 12 Academic Search Engines and Bibliographic Databases”. Scientometrics, vol. 118, no. 1, Springer Science and Business Media LLC, 10 Nov. 2018, pp. 177-14. Crossref, https://doi.org/10.1007/s11192-018-2958-5.
    Catherine, Hugo. Étude Comparative Des Services Nationaux De données De Recherche Facteurs De réussite. [], Ministère de l’enseignement supérieur et de la recherche, 6 Jan. 2021. Crossref, https://doi.org/10.52949/6.
    Ihadjadene, Madjid, and Stéphane Chaudiron. “Studying Search Engines Uses: Methodological Issues”. Questions De Communication, no. 14, OpenEdition, 1 Dec. 2008, pp. 17-32. Crossref, https://doi.org/10.4000/questionsdecommunication.604.
    Karasti, Helena, and Jeanette Blomberg. “Studying Infrastructuring Ethnographically”. Computer Supported Cooperative Work (CSCW), vol. 27, no. 2, Springer Science and Business Media LLC, 28 July 2017, pp. 233-65. Crossref, https://doi.org/10.1007/s10606-017-9296-7.
    Kim, Youngseek, and Jeffrey M. Stanton. “Institutional and Individual Factors Affecting scientists’ data‐sharing Behaviors: A Multilevel Analysis”. Journal of the Association for Information Science and Technology, vol. 67, no. 4, Wiley, 4 Mar. 2015, pp. 776-99. Crossref, https://doi.org/10.1002/asi.23424.
    López-Cózar, Emilio Delgado, et al. [Supplementary Material to Book Chapter] Google Scholar As a Data Source for Research Assessment. [], Center for Open Science, 12 Dec. 2017. Crossref, https://doi.org/10.31235/osf.io/pqr53.
    Manghi, Paolo, et al. D7.2 – Interoperability With EOSCpilot Services. Dec. 2018, https://doi.org/10.5281/ZENODO.3701434.
    POUYLLAU, Stéphane. Classifieur de titres utilisant les données du moteur de recherche ISIDORE et l’API Keras. V1, Aug. 2020, https://doi.org/10.5281/ZENODO.3991994.
    POUYLLAU, Stéphane, et al. "We": A Proposal for the TRIPLE Platform. Zenodo, 16 Sept. 2020, https://doi.org/10.5281/ZENODO.4032622.
    Scharnhorst, Andrea, and Jacek Wlodarski. “Walking through a Library Remotely. Why We Need Maps for Collections and How KnoweScape Can Help Us to Make Them”. Les Cahiers Du numérique, vol. 11, no. 1, John Libbey Eurotext, 30 Mar. 2015, pp. 103-27. Crossref, https://doi.org/10.3166/lcn.11.1.103-127.
    Stern, Niels, et al. “Crystals of Knowledge Production. An Intercontinental Conversation about Open Science and the Humanities”. Nordic Perspectives on Open Science, vol. 1, UiT The Arctic University of Norway, 23 Oct. 2015, p. 1. Crossref, https://doi.org/10.7557/11.3619.
    Wilkinson, Mark D., et al. “The FAIR Guiding Principles for Scientific Data Management and Stewardship”. Scientific Data, vol. 3, no. 1, Springer Science and Business Media LLC, 15 Mar. 2016. Crossref, https://doi.org/10.1038/sdata.2016.18.
    Wittenburg, Peter, et al. “State of FAIRness in ESFRI Projects”. Data Intelligence, vol. 2, no. 1-2, MIT Press - Journals, Jan. 2020, pp. 230-7. Crossref, https://doi.org/10.1162/dint_a_00045.

    Cette bibliographie a été enrichie de toutes les références bibliographiques automatiquement générées par Bilbo en utilisant Crossref.

    Icek Ajzen, « The Theory of Planned Behavior », Organizational Behavior and Human Decision Process, 52, 2, 1991, p. 179‑211.

    Madeleine Akrich, The De-Scription of Technical Objects, Cambridge, MIT Press, 1992.

    Emmanuelle Bermès, Antoine Isaac et Gauthier Poupeau, Le Web sémantique en bibliothèque. Bibliothèques [Ressource électronique], Paris, Cercle de la librairie, 2013.

    10.3917/elec.berm.2013.01 :

    Tim Berners-Lee et Mark Fischetti, Weaving the Web: The original design and ultimate destiny of the World Wide Web by its inventor, Harper Business, 1999.

    Christine L. Borgman, Herbert Van de Sompel, Andrea Scharnhorst et Henk Van den Berg, « Who uses the digital data archive? An exploratory study of DANS », Proceedings of the Association for Information Science and Technology, 1‑4, 2015, https://doi.org/10.1002/pra2.2015.145052010096.

    10.1002/pra2.2015.145052010096 :

    Christine L. Borgman, Peter T. Darch, Ashley E. Sands et Milena S. Golshan, « The durability and fragility of knowledge infrastructures: Lessons learned from astronomy », Proceedings of the Association for Information Science and Technology, 53: 1-10, 2016, http://dx.doi.org/10.1002/pra2.2016.14505301057.

    10.1002/pra2.2016.14505301057 :

    Christine L. Borgman, Peter T. Darch et Milena. S. Golshan, « Digital Data Archives as Knowledge Infrastructures: Mediating Data Sharing and Reuse », JASIST, 1-31, 2018, http://arxiv.org/abs/1802.02689.

    Kathy Börner et Elizabeth Record, « Macroscopes for making sense of science ». Proceedings of the practice and experience in advanced research computing on sustainability, success and impact, 2017, p. 64‑74.

    Gert Breitfuss, Carla Barreiros et al., Report on Stakeholder and Opportunity Analysis TRIPLE Project, 2020, https://doi.org/10.5281/zenodo.3925662.

    10.5281/zenodo.3925662 :

    Stefan Buddenbohm, Maaike de Jong, Jean-Luc Minel et Yoann Moranville, « Find Research Data Repositories for the Humanities – The Data Deposit Recommendation Service », International Journal of Digital Humanities, 2021, https://doi.org/10.1007/s42803-021-00030-7.

    10.1007/s42803-021-00030-7 :

    Daniel Owen Case, Looking for Information: A Survey of Research on Information Seeking, Needs, and Behavior (2nd ed.), San Diego, Academic Press, 2006.

    CLARIN, CLARIN in a nutshell, 2020, https://www.clarin.eu/content/clarin-nutshell-0.

    Helena Cousijn, Amye Kenall et Emma Ganley, « A data citation roadmap for scientific publishers », Scientific Data 5, 2018, p. 180-259.

    10.1038/sdata.2018.259 :

    Data Citation Synthesis Group, Joint declaration of data citation principles, San Diego CA, FORCE11, 2014, https://doi.org/10.25490/a97f-egyk.

    10.25490/a97f-egyk :

    Peter K. Doorn, P. K., « Archiving and Managing Research Data : data services to the domains of the humanities and social sciences and beyond : DANS in the Netherlands », Der Archivar 73(01), 2020, p. 44-50, https://pure.knaw.nl/portal/en/publications/archiving-and-managing-research-data-data-services-to-the-domains.

    Paul N. Edwards, Steven J. Jackson, Melissa K. Chalmers et al., Knowledge infrastructures : Intellectual frameworks and research challenges, Ann Arbor, Deep Blue, 2006, http://hdl.handle.net/2027.42/97552.

    ESFRI Report Working Group, Monitoring of Research Infrastructures Performance, 2019, https://www.esfri.eu/sites/default/files/ESFRI_WG_Monitoring_Report.pdf.

    Bernard Espinasse, Introduction aux entrepôts de données, 2021, https://pageperso.lis-lab.fr/bernard.espinasse/wp-content/uploads/2021/12/2-Intro-Entrepots-4p.pdf

    European Commission, Directorate-General for Research and Innovation, Six Recommendations for implementation of FAIR practice by the FAIR in practice task force of the European open science cloud FAIR working group, Publications Office, 2020, https://data.europa.eu/doi/10.2777/986252.

    10.2777/986252 :

    Fabien Gandon, Catherine Faron-Zucker et Olivier Corby, Le Web sémantique : comment lier les données et les schémas sur le Web ?, coll. « InfoPro. Management des systèmes d’information » , Paris, Dunod, 2012.

    Kathleen Gregory, « A dataset describing data discovery and reuse practices in research », Scientific Data 7, 2020, https://doi.org/10.1038/s41597-020-0569-5.

    10.1038/s41597-020-0569-5 :

    Kathleen Gregory, Helena Cousijn, Paul Groth et al., « Understanding data search as a socio-technical practice », Journal of Information Science, 2019, https://doi.org/10.1177/0165551519837182.

    10.1177/0165551519837182 :

    Kathleen Gregory, Helena Cousijn, Paul Groth et al., « Searching data: A review of observational data retrieval practices in selected disciplines », Journal of the Association for Information Science and Technology, 2019, https://doi.org/10.1002/asi.24165.

    10.1002/asi.24165 :

    Michael Gusenbauer, « Google Scholar to overshadow them all ? Comparing the sizes of 12 academic search engines and bibliographic databases », Scientometrics, 18, 1, 2019, p. 177-214. https://doi.org/10.1007/s11192-018-2958-5.

    10.1007/s11192-018-2958-5 :

    Catherine Hugo, Étude comparative des services nationaux de données de recherche Facteurs de réussite, rapport du COSO, 2020.

    10.52949/6 :

    Madjid Ihadjadene et Stéphane Chaudiron, « Quelles analyses de l’usage des moteurs de recherche », Questions de communication, 14, 2008, p. 17-32, https://doi.org/10.4000/questionsdecommunication.604.

    10.4000/questionsdecommunication.604 :

    Franciska de Jong, Bente Maegaard, Darja Fišer, Dieter Van Uytvanck et Andreas Witt, « Interoperability in an Infrastructure Enabling Multidisciplinary Research: The case of CLARIN », Proceedings LREC 2020, p. 3406-3413, https://www.aclweb.org/anthology/2020.lrec-1.417.

    Helena Karasti et Jeanette Blomberg, « Studying Infrastructuring Ethnographically », Computer Supported Cooperative Work (CSCW), 2017, https://doi.org/10.1007/s10606-017-9296-7.

    10.1007/s10606-017-9296-7 :

    Youngseek Kim et Jeffrey M. Stanton, « Institutional and individual factors affecting scientists’ data-sharing behaviors: a multilevel analysis », Journal of the Association for Information Science and Technology, 67, 2016, p. 776-799, http://dx.doi.org/10.1002/asi.23424.

    10.1002/asi.23424 :

    Emilio Delgado Lopez-Cozar, Enrique Orduna-Malea et Alberto Martin, « Google Scholar as a data source for research assessment », Computer Science, 2018, https://doi.org/10.31235/osf.io/pqr53.

    10.31235/osf.io/pqr53 :

    Yannick Maignien, ISIDORE, de l’interconnexion de données à l’intégration de services, 2011, https://archivesic.ccsd.cnrs.fr/sic_00593320v2/document.

    Paolo Manghi, Alessia Bardi et Jochen Schirrwagen, D7.2 – Interoperability with EOSCpilot services, 2018, https://doi.org/10.5281/zenodo.3701434.

    10.5281/zenodo.3701434 :

    Davor Ostojic, Go Sugimoto et Matej Durco, « The Curation Module and Statistical Analysis on VLO Meta-data Quality », Selected papers from the CLARIN Annual Conference 2016, 2017, p. 90-101.

    Gautier Poupeau, « Bilan de 15 ans de réflexion sur la gestion des données numériques », Les petites cases (blog), 12 octobre 2016, http://www.lespetitescases.net/bilan-reflexion-sur-la-gestion-des-donnees-numeriques.

    Stéphane Pouyllau, ISIDORE : une plateforme de recherche de documents et d’information pour les Sciences Humaines et Sociales, 2011, https://archivesic.ccsd.cnrs.fr/sic_00605642.

    Stéphane Pouyllau, Classifieur de titres utilisant les données du moteur de recherche ISIDORE et l’API Keras, 2020, https://doi.org/10.5281/zenodo.3991994.

    10.5281/zenodo.3991994 :

    Stéphane Pouyllau, Jean-Luc Minel, Shadia Kilouchi et Laurent Capelli, Bilan 2011 de la plateforme ISIDORE et perspectives 2012-2015. Comité de pilotage du TGE Adonis, 2012, https://hal.archives-ouvertes.fr/sic_00690558.

    Stéphane Pouyllau, Mélanie Bunel, Jean-Luc Minel et Laurent Capelli, "We": a Proposal for the TRIPLE platform, 2020, https://doi.org/10.5281/zenodo.4032622.

    10.5281/zenodo.4032622 :

    Nicolas Sauret, « Design de la conversation scientifique : naissance d’un format éditorial », Sciences du Design, n° 8, 2, 2018, p. 57-66, https://www.cairn.info/revue-sciences-du-design-2018-2-page-57.htm.

    Andrea Scharnhorst, « Walking through a library remotely. Why we need maps for collections and how KnoweScape can help us to make them », Les cahiers du numérique, 11, 2015, p. 103-27.

    10.3166/lcn.11.1.103-127 :

    Richard W. Scott, Institutions and Organizations, Thousand Oaks, CA, Sage Publication, 2001 [1995].

    Alexandre Serres, Marie-Laure Malingre, Morgane Mignon, Cécile Pierre et Didier Collet, Données de la recherche en SHS. Pratiques, représentations et attentes des chercheurs : une enquête à l’Université Rennes 2 : Rapport ; Annexe 1 : Résultats de l’enquête statistique ; Annexe 2 : Croisements statistiques ; Annexe 3 : Extraits des entretiens ; Synthèse des résultats, 2017, https://hal.archives-ouvertes.fr/hal-01635186v2.

    Brigitte Simonnot, L’accès à l’information en ligne. Moteurs, dispositifs et médiations, coll. « Systèmes d’information et organisations documentaires », Hermès Lavoisier, 2012, https://archivesic.ccsd.cnrs.fr/sic_00804286.

    Niels Stern, Jean-Claude Guédon et Thomas Wiben Jensen, « Crystals of Knowledge Production. An Intercontinental Conversation about Open Science and the Humanities », Nordic Perspectives on Open Science, 1, 2015, p. 1-24, https://doi.org/10.7557/11.3619.

    10.7557/11.3619 :

    Mark D. Wilkinson, Michel Dumontier, Ijsbrand Aalbersberg et al., « The FAIR Guiding Principles for scientific data management and stewardship », Scientific Data 3, 160018, 2016, https://doi.org/10.1038/sdata.2016.18.

    10.1038/sdata.2016.18 :

    Peter Wittenburg et Franciska de Jong, « State of FAIRness in ESFRI Projects », Data Intelligence, 2, 1-2, 2020, p. 230-237.

    10.1162/dint_a_00045 :

    Notes de bas de page

    1  FAIR est l’acronyme de Findable, Accessible, Interoperable, Reusable et se traduit en français par « Faciles à (re)trouver, Accessibles, Interopérables, Réutilisables ».

    2  Ce texte reprend des parties des chapitres de l’ouvrage en édition continue « Propositions méthodologiques pour ISIDORE et NAKALA » réalisé dans le cadre du programme Huma-Num Science Ouverte [HNSO] financé par le Fonds national pour la Science ouverte.

    3  Institut Digital Archiving and Networked Services (Pays-Bas).

    4  Digital Object Identifier : identifiant pérenne et unique d’un fichier en ligne.

    5 Scopus est une base de données transdisciplinaire de résumés et de citations de publications scientifiques lancée par l’éditeur scientifique Elsevier en 2004.

    6  En janvier 2020, 30,4 % des titres de Scopus sont issus des sciences de la santé, 15,4 % des sciences de la vie, 28 % des sciences physiques et 26,2 % des sciences sociales. Scopus dispose d’un processus d’examen étendu et bien défini pour l’inclusion des revues ; 10 % des quelque 25 000 sources indexées dans Scopus sont publiées par Elsevier (Gregory 2020).

    7 Une API (interface de programmation d’application) est une interface logicielle qui permet de « connecter » un logiciel ou un service à un autre logiciel ou service afin d’échanger des données.

    8  En anglais : Datawarehouse.

    9  D’après la définition d’Inmon (1992). Dans sa présentation, Espinasse présente les différents types de données comme suit :
    - thématiques ou orientées sujet : un entrepôt de données rassemble et organise des données associées aux différentes structures fonctionnelles de l’entreprise, pertinentes pour un sujet ou thème et nécessaires aux besoins d’analyse ;
    - intégrées : les données résultent de l’intégration de données provenant de différentes sources pouvant être hétérogènes ;
    - historisées : les données d’un entrepôt de données représentent l’activité d’une entreprise durant une certaine période (plusieurs années) permettant d’analyser les variations d’une donnée dans le temps ;
    - non volatiles : les données de l’entrepôt de données sont essentiellement utilisées en interrogation (consultation) et ne peuvent pas être modifiées (sauf certains cas de rafraîchissement).

    10  Registry of Research Data Repositories. Registre mondial des entrepôts de données de recherche. Disponible à l’url : https://www.re3data.org.

    11  Au 2 décembre 2021.

    12  En appliquant les filtres « Humanities and Social Sciences », « non profit institution » et « FAIR », le catalogue recense un total de 45 infrastructures.

    13  Service lié à l’université d’Oxford. Disponible à l’url : https://fairsharing.org/databases/.

    14  Au 2 décembre 2021.

    15  Disponible à l’url : https://www.loterre.fr/skosmos/TSO/fr/.

    16 Open Archives Initiative (initiative pour des archives ouvertes).

    17  « Des réseaux solides de personnes, de dispositifs et d’institutions qui génèrent, partagent et maintiennent des connaissances spécifiques sur les mondes humain et naturel » (Traduction des auteurs).

    18  COmité pour la Science Ouverte.

    19  Cette description s’appuie sur les articles de Borgman et al. (2015) et Doorn (2020). Disponible à l’url : https://dans.knaw.nl/nl/.

    20  Disponible à l’url : https://easy.dans.knaw.nl/ui/home.

    21  Disponible à l’url : https://dataverse.nl/.

    22  Disponible à l’url : https://www.narcis.nl/.

    23  Voir à l’url : https://www.coretrustseal.org/.

    24  Disponible à l’url : https://researchdata.nl/.

    25  Disponible à l’url : https://eudat.eu/european-data-initiative.

    26  Disponible à l’url : https://ariadne-infrastructure.eu/.

    27  Disponible à l’url : https://eosc-portal.eu/.

    28  Disponible à l’url : https://www.ehri-project.eu/.

    29  Un ensemble de données (data set) EASY est l’équivalent d’une « collection » dans la terminologie de la Dublin Core Metadata Initiative. Les ensembles de données sont étiquetés avec un ou plusieurs codes de classification disciplinaire.

    30  Disponible à l’url : https://www.fairsfair.eu/.

    31  Disponible à l’url : https://www.dcc.ac.uk/.

    32  Disponible à l’url : https://fairaware.dans.knaw.nl/.

    33  Cette description s’appuie sur CLARIN 2020 ; Jong et al., 2020 ; Wittenburg et Jong, 2020.

    34  Un ERIC est une entité juridique internationale, créée par la Commission européenne en 2009.

    35  Les membres de CLARIN sont des gouvernements ou des organisations intergouvernementales.

    36  Acronyme de Galleries, Libraries, Archives, Museums qui désigne le secteur des galeries, bibliothèques, archives et musées.

    37  En France, le consortium CORLI est un centre de connaissance https://corli.huma-num.fr/fr/.

    38 Open Archives Initiative Protocol for Metadata Harvesting. Ce protocole, développé par l’Open Archives Initiative, a pour objectif d’échanger des métadonnées entre institutions afin de multiplier les accès possibles aux documents numériques concernés.

    39 Disponible à l’url : http://vlo.ChapitreInfrastructures-latest-img5.eu

    40  Google Scholar a été lancé fin 2004.

    41  Voir à l’url : https://www.openaire.eu/openaire-history

    42  Disponible à l’url : https://www.nakala.fr.

    43  Voir documentation sur NAKALA disponible en ligne : https://documentation.huma-num.fr/nakala/.

    44  Disponible à l’url : https://www.doi.org/.

    45  Par exemple, un fichier vidéo déposé dans NAKALA peut être inséré dans des pages Web, comme dans le cas d’un carnet de recherche Hypothèses (disponible à l’url : https://fr.hypotheses.org/) ou dans un webdocumentaire.

    46  Appelées jusqu’en 2021 « Très Grandes Infrastructures de Recherche » [TGIR], les IR* sont les infrastructures relevant d’une politique nationale et d’un budget du ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, contrairement aux IR qui sont sous la responsabilité des opérateurs de recherche.

    47  Sur l’historique de l’outil, nous renvoyons le lecteur à la documentation sur ISIDORE disponible sur : https://documentation.huma-num.fr/isidore.

    48  Disponible à l’url : https://isidore.science/.

    49  Voir https://hnlab.huma-num.fr/blog/projets/hnso/.

    50  Voir https://humanum.hypotheses.org/5754.

    51  La description et l’administration des référentiels communs à ISIDORE et NAKALA sont décrits dans les chapitres Référentiels, Concepts, Définitions et Administration, Les référentiels utilisés par ISIDORE et NAKALA et Administration des référentiels utilisés dans ISIDORE de l’ouvrage HNSO « Propositions méthodologiques pour ISIDORE et NAKALA », en ligne https://hnlab.huma-num.fr/blog/2022/03/15/ouvrage-HNSO/.

    52 Linked Open Data : « données ouvertes et liées ».

    53  Linked Infrastructure for Networked Cultural Scholarship, https://lincsproject.ca

    Auteurs

    • Nicolas Sauret

      Maître de conférences, chercheur au Laboratoire Paragraphe, université Paris 8.

    • Jean-Luc Minel

      Professeur émérite, université Paris Nanterre. Président du conseil scientifique de l’IR* Huma-Num.

    • Mélanie Bunel

      Ingénieure d’études spécialisée en ingénierie documentaire, projet Huma-Num Science Ouverte [HNSO].

    • Stéphane Pouyllau

      Ingénieur de recherche au CNRS, responsable du HN Lab.

    Précédent Suivant
    Table des matières

    Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    Charles de Gaulle

    Charles de Gaulle

    Archives et histoire

    Isabelle Chave et Nicole Even (dir.)

    2016

    Le consulat de France à Cadix

    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)

    Archives et communisme(s) : l’avant-guerre (1919-1943)

    Nouveaux outils, nouvelles archives

    Sylvie Le Clec’h, Christian Oppetit et Serge Wolikow (dir.)

    2016

    Noms de lieux, noms de personnes

    Noms de lieux, noms de personnes

    La question des sources

    Sébastien Nadiras (dir.)

    2018

    Connaître les dénaturalisés de Vichy

    Connaître les dénaturalisés de Vichy

    La base Dénat, un nouvel outil et ses exploitations

    Thomas Lebée et Annie Poinsot (dir.)

    2019

    Chaillot, lieu de tous les arts

    Chaillot, lieu de tous les arts

    Sandrine Gill (dir.)

    2020

    Les archives iconographiques et audiovisuelles de la Reconstruction en France, de 1940 aux années 1960

    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)

    Éducation populaire : engagement, médiation, transmission (XIXe-XXIe siècles)

    Jean-Charles Buttier, Clothilde Roullier et Agnès Sandras (dir.)

    2022

    Les nouveaux paradigmes de l'archive

    Les nouveaux paradigmes de l'archive

    Claire Scopsi, Clothilde Roullier, Martine Sin Blima-Barru et al. (dir.)

    2024

    L’histoire de l’art à la source

    L’histoire de l’art à la source

    Isabelle Chave et Philippe Sénéchal (dir.)

    2024

    Voir plus de livres
    1 / 10
    Charles de Gaulle

    Charles de Gaulle

    Archives et histoire

    Isabelle Chave et Nicole Even (dir.)

    2016

    Le consulat de France à Cadix

    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)

    Archives et communisme(s) : l’avant-guerre (1919-1943)

    Nouveaux outils, nouvelles archives

    Sylvie Le Clec’h, Christian Oppetit et Serge Wolikow (dir.)

    2016

    Noms de lieux, noms de personnes

    Noms de lieux, noms de personnes

    La question des sources

    Sébastien Nadiras (dir.)

    2018

    Connaître les dénaturalisés de Vichy

    Connaître les dénaturalisés de Vichy

    La base Dénat, un nouvel outil et ses exploitations

    Thomas Lebée et Annie Poinsot (dir.)

    2019

    Chaillot, lieu de tous les arts

    Chaillot, lieu de tous les arts

    Sandrine Gill (dir.)

    2020

    Les archives iconographiques et audiovisuelles de la Reconstruction en France, de 1940 aux années 1960

    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)

    Éducation populaire : engagement, médiation, transmission (XIXe-XXIe siècles)

    Jean-Charles Buttier, Clothilde Roullier et Agnès Sandras (dir.)

    2022

    Les nouveaux paradigmes de l'archive

    Les nouveaux paradigmes de l'archive

    Claire Scopsi, Clothilde Roullier, Martine Sin Blima-Barru et al. (dir.)

    2024

    L’histoire de l’art à la source

    L’histoire de l’art à la source

    Isabelle Chave et Philippe Sénéchal (dir.)

    2024

    Accès ouvert

    Accès ouvert

    ePub

    PDF

    PDF du chapitre

    1  FAIR est l’acronyme de Findable, Accessible, Interoperable, Reusable et se traduit en français par « Faciles à (re)trouver, Accessibles, Interopérables, Réutilisables ».

    2  Ce texte reprend des parties des chapitres de l’ouvrage en édition continue « Propositions méthodologiques pour ISIDORE et NAKALA » réalisé dans le cadre du programme Huma-Num Science Ouverte [HNSO] financé par le Fonds national pour la Science ouverte.

    3  Institut Digital Archiving and Networked Services (Pays-Bas).

    4  Digital Object Identifier : identifiant pérenne et unique d’un fichier en ligne.

    5 Scopus est une base de données transdisciplinaire de résumés et de citations de publications scientifiques lancée par l’éditeur scientifique Elsevier en 2004.

    6  En janvier 2020, 30,4 % des titres de Scopus sont issus des sciences de la santé, 15,4 % des sciences de la vie, 28 % des sciences physiques et 26,2 % des sciences sociales. Scopus dispose d’un processus d’examen étendu et bien défini pour l’inclusion des revues ; 10 % des quelque 25 000 sources indexées dans Scopus sont publiées par Elsevier (Gregory 2020).

    7 Une API (interface de programmation d’application) est une interface logicielle qui permet de « connecter » un logiciel ou un service à un autre logiciel ou service afin d’échanger des données.

    8  En anglais : Datawarehouse.

    9  D’après la définition d’Inmon (1992). Dans sa présentation, Espinasse présente les différents types de données comme suit :
    - thématiques ou orientées sujet : un entrepôt de données rassemble et organise des données associées aux différentes structures fonctionnelles de l’entreprise, pertinentes pour un sujet ou thème et nécessaires aux besoins d’analyse ;
    - intégrées : les données résultent de l’intégration de données provenant de différentes sources pouvant être hétérogènes ;
    - historisées : les données d’un entrepôt de données représentent l’activité d’une entreprise durant une certaine période (plusieurs années) permettant d’analyser les variations d’une donnée dans le temps ;
    - non volatiles : les données de l’entrepôt de données sont essentiellement utilisées en interrogation (consultation) et ne peuvent pas être modifiées (sauf certains cas de rafraîchissement).

    10  Registry of Research Data Repositories. Registre mondial des entrepôts de données de recherche. Disponible à l’url : https://www.re3data.org.

    11  Au 2 décembre 2021.

    12  En appliquant les filtres « Humanities and Social Sciences », « non profit institution » et « FAIR », le catalogue recense un total de 45 infrastructures.

    13  Service lié à l’université d’Oxford. Disponible à l’url : https://fairsharing.org/databases/.

    14  Au 2 décembre 2021.

    15  Disponible à l’url : https://www.loterre.fr/skosmos/TSO/fr/.

    16 Open Archives Initiative (initiative pour des archives ouvertes).

    17  « Des réseaux solides de personnes, de dispositifs et d’institutions qui génèrent, partagent et maintiennent des connaissances spécifiques sur les mondes humain et naturel » (Traduction des auteurs).

    18  COmité pour la Science Ouverte.

    19  Cette description s’appuie sur les articles de Borgman et al. (2015) et Doorn (2020). Disponible à l’url : https://dans.knaw.nl/nl/.

    20  Disponible à l’url : https://easy.dans.knaw.nl/ui/home.

    21  Disponible à l’url : https://dataverse.nl/.

    22  Disponible à l’url : https://www.narcis.nl/.

    23  Voir à l’url : https://www.coretrustseal.org/.

    24  Disponible à l’url : https://researchdata.nl/.

    25  Disponible à l’url : https://eudat.eu/european-data-initiative.

    26  Disponible à l’url : https://ariadne-infrastructure.eu/.

    27  Disponible à l’url : https://eosc-portal.eu/.

    28  Disponible à l’url : https://www.ehri-project.eu/.

    29  Un ensemble de données (data set) EASY est l’équivalent d’une « collection » dans la terminologie de la Dublin Core Metadata Initiative. Les ensembles de données sont étiquetés avec un ou plusieurs codes de classification disciplinaire.

    30  Disponible à l’url : https://www.fairsfair.eu/.

    31  Disponible à l’url : https://www.dcc.ac.uk/.

    32  Disponible à l’url : https://fairaware.dans.knaw.nl/.

    33  Cette description s’appuie sur CLARIN 2020 ; Jong et al., 2020 ; Wittenburg et Jong, 2020.

    34  Un ERIC est une entité juridique internationale, créée par la Commission européenne en 2009.

    35  Les membres de CLARIN sont des gouvernements ou des organisations intergouvernementales.

    36  Acronyme de Galleries, Libraries, Archives, Museums qui désigne le secteur des galeries, bibliothèques, archives et musées.

    37  En France, le consortium CORLI est un centre de connaissance https://corli.huma-num.fr/fr/.

    38 Open Archives Initiative Protocol for Metadata Harvesting. Ce protocole, développé par l’Open Archives Initiative, a pour objectif d’échanger des métadonnées entre institutions afin de multiplier les accès possibles aux documents numériques concernés.

    39 Disponible à l’url : http://vlo.ChapitreInfrastructures-latest-img5.eu

    40  Google Scholar a été lancé fin 2004.

    41  Voir à l’url : https://www.openaire.eu/openaire-history

    42  Disponible à l’url : https://www.nakala.fr.

    43  Voir documentation sur NAKALA disponible en ligne : https://documentation.huma-num.fr/nakala/.

    44  Disponible à l’url : https://www.doi.org/.

    45  Par exemple, un fichier vidéo déposé dans NAKALA peut être inséré dans des pages Web, comme dans le cas d’un carnet de recherche Hypothèses (disponible à l’url : https://fr.hypotheses.org/) ou dans un webdocumentaire.

    46  Appelées jusqu’en 2021 « Très Grandes Infrastructures de Recherche » [TGIR], les IR* sont les infrastructures relevant d’une politique nationale et d’un budget du ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, contrairement aux IR qui sont sous la responsabilité des opérateurs de recherche.

    47  Sur l’historique de l’outil, nous renvoyons le lecteur à la documentation sur ISIDORE disponible sur : https://documentation.huma-num.fr/isidore.

    48  Disponible à l’url : https://isidore.science/.

    49  Voir https://hnlab.huma-num.fr/blog/projets/hnso/.

    50  Voir https://humanum.hypotheses.org/5754.

    51  La description et l’administration des référentiels communs à ISIDORE et NAKALA sont décrits dans les chapitres Référentiels, Concepts, Définitions et Administration, Les référentiels utilisés par ISIDORE et NAKALA et Administration des référentiels utilisés dans ISIDORE de l’ouvrage HNSO « Propositions méthodologiques pour ISIDORE et NAKALA », en ligne https://hnlab.huma-num.fr/blog/2022/03/15/ouvrage-HNSO/.

    52 Linked Open Data : « données ouvertes et liées ».

    53  Linked Infrastructure for Networked Cultural Scholarship, https://lincsproject.ca

    Les nouveaux paradigmes de l'archive

    X Facebook Email

    Les nouveaux paradigmes de l'archive

    Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    Les nouveaux paradigmes de l'archive

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Sauret, N., Minel, J.-L., Bunel, M., & Pouyllau, S. (2024). Infrastructures, architectures et outils des données de la recherche. In C. Scopsi, C. Roullier, M. Sin Blima-Barru, & Édouard Vasseur (éds.), Les nouveaux paradigmes de l’archive (1‑). Publications des Archives nationales. https://doi.org/10.4000/books.pan.7306
    Sauret, Nicolas, Jean-Luc Minel, Mélanie Bunel, et Stéphane Pouyllau. « Infrastructures, architectures et outils des données de la recherche ». In Les nouveaux paradigmes de l’archive, édité par Claire Scopsi, Clothilde Roullier, Martine Sin Blima-Barru, et Édouard Vasseur. Pierrefitte-sur-Seine: Publications des Archives nationales, 2024. https://doi.org/10.4000/books.pan.7306.
    Sauret, Nicolas, et al. « Infrastructures, architectures et outils des données de la recherche ». Les nouveaux paradigmes de l’archive, édité par Claire Scopsi et al., Publications des Archives nationales, 2024, https://doi.org/10.4000/books.pan.7306.

    Référence numérique du livre

    Format

    Scopsi, C., Roullier, C., Sin Blima-Barru, M., & Vasseur, Édouard (éds.). (2024). Les nouveaux paradigmes de l’archive (1‑). Publications des Archives nationales. https://doi.org/10.4000/books.pan.5802
    Scopsi, Claire, Clothilde Roullier, Martine Sin Blima-Barru, et Édouard Vasseur, éd. Les nouveaux paradigmes de l’archive. Pierrefitte-sur-Seine: Publications des Archives nationales, 2024. https://doi.org/10.4000/books.pan.5802.
    Scopsi, Claire, et al., éditeurs. Les nouveaux paradigmes de l’archive. Publications des Archives nationales, 2024, https://doi.org/10.4000/books.pan.5802.
    Compatible avec Zotero Zotero

    1 / 3

    Publications des Archives nationales

    Publications des Archives nationales

    • Plan du site
    • Se connecter

    Suivez-nous

    • Facebook
    • LinkedIn
    • Dailymotion
    • Instagram
    • X
    • Flux RSS

    URL : http://www.archives-nationales.culture.gouv.fr

    Email : contact.archives-nationales@culture.gouv.fr

    Adresse :

    59, rue Guynemer

    90001 - 93383

    Pierrefitte-sur-Seine

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement