Skip to navigation – Site map
Open access et Open science
>> Médiation

Les mécanismes de centralisation des données de la recherche

Étendre l’accès libre à l’hébergement libre
Mechanisms of centralization of research data. Extending open access to open hosting
Chloé Girard

Abstracts

Behind open access to research data, what about their hosting? Open access can be exclusive and hosting completely centralized. What does this mean for “open” science, where researchers would use data such as usage statistics as they want? Exclusivity and centralization aren’t compliant with the diversity of content exploitation models, and therefore with innovation. Our paper shows how different social, economic and technical mechanisms, at all levels of the publishing process, foster this centralization even in the spheres most inclined to open access. We will also propose ways to imagine and develop distributed and open data hosting and exploitation solutions, for an open science.

Top of page

Full text

Introduction

1Les outils informatiques et réseau décuplent les possibilités d’exploitation des publications et données de la recherche. C’est vrai en particulier en ce qui concerne les formats structurés XML et HTML en ligne, auxquels nous nous restreindrons donc dans cet article. Ces exploitations consistent aujourd’hui en trois types d’opérations :

  • la lecture (incluant annotation, export de citations, et autres opérations du lecteur dans l’interface de rendu),

  • la fouille dans les textes (text et data mining ou TDM),

  • les mesures d’usage : elles sont aujourd’hui l’une des données de la recherche autant qu’élément de sa mesure (facteurs d’impact, ranking…). Elles peuvent être normées (Counter) ou peuvent être propres au diffuseur, lequel peut les utiliser afin de maximiser ses outils au service des chercheurs aussi bien qu’adapter sa politique commerciale.

2Ces trois types d’opérations participent aujourd’hui de la recherche scientifique.

  • 1 Bourcier, Danièle. « Science commons : nouvelles règles, nouvelles pratiques ». Hermès, La Revue 57 (...)

« Dans le travail scientifique, ce n’est plus seulement l’accès aux données qui importe, mais les nouvelles formes de partages de données. »1

  • 2 Quel que soit par ailleurs son degré d’interactivité. Interactivité et centralisation sont deux pro (...)

3La question de leur accès libre se pose aujourd’hui de manière aiguë et nombre d’initiatives scientifiques et techniques sont mises en œuvre dans ce sens. Cette question de l’accès libre ne recouvre cependant pas toutes les problématiques à traiter pour assurer une science ouverte et innovante : l’accès, y compris libre, peut être exclusif et l’hébergement complètement centralisé. Ce sont des problématiques restées peu ou pas discutées sinon dans les débats autour du sujet de la centralisation du net, autrement dit “minitel 2.0”2 :

  • 3 Jérémie Zimmerman cité dans Girardeau, Astrid. « Tout le monde a intérêt à transformer Internet en (...)

« L’avantage d’Internet est d’être décentralisé. Et même acentré. C’est ce qui fait tout la différence entre Internet et les autres réseaux. Et ce qui permet à chacun d’innover. »3

4En cas d’accès comme d’hébergement exclusifs, les données se trouvent alors uniquement sur les serveurs d’un seul et même acteur et sont dispensées au moyen des seuls outils et conditions de cet acteur. Cette centralisation constitue un risque en termes d’innovation, de conservation et d’intégrité des contenus. Nous verrons ici comment elle se met en place ainsi que les mécanismes qui la renforcent et que nos politiques devraient prendre en considération pour une science ouverte.

Les risques de l’hébergement centralisé : exploitation, conservation et intégrité

  • 4 LOI n° 2016-1321 du 7 octobre 2016 pour une République numérique (1), article 38, https://www.legif (...)

5En ce qui concerne l’exploitation des données, aucun opérateur, privé ou public, en accès libre ou fermé, ne peut garantir à lui seul répondre aux besoins et fournir les outils d’exploitation dont pourraient avoir besoin des chercheurs de différentes disciplines ou de différents pays. La loi République numérique s’est penchée sur cette question et y répond en partie. Elle ne se préoccupe cependant en aucun cas de cette question de centralisation des données4. De la même manière le projet de licences nationales ISTEX est pensé selon des modalités très centralisatrices. Ses dépôts, hébergés par le CNRS (le CINES, ainsi qu’il en est également pour Persée), doivent donner un accès aux textes pour leur fouille mais ne garantissent aucun accès libre aux données d’usage.

6En matière de conservation, dans le cas fort probable à court, moyen ou long terme où un silo documentaire exclusif tomberait, qu’adviendrait-il de ces sources ? C’est le risque posé par la “Bibliothèque numérique” caractérisée par Jérémie Zimmerman dans son langage fleuri :

  • 5 Girardeau, Astrid, op. cit.

« Tout est gardé sur un gros ordinateur central en espérant que ça ne crame pas. »5

  • 6 Voir les sites “refuges” : Datarefuge, Building refuge for federal climate & environmental data, ht (...)

7Zimmerman précise bien qu’il ne s’agit pas de faire des copies de sécurité. Il s’agit que différents acteurs indépendants hébergent les mêmes données. Car par “cramer” il faut entendre un risque technique aussi bien que politique ou économique, c’est-à-dire un contexte de contrôle des dépôts, aussi nombreuses les copies de sécurité soient-elles sous ce même contrôle. Les récentes opérations de “sauvetage de données” scientifiques liées aux élections présidentielles américaines de 2016 mettent ce risque et ce besoin en lumière6. Il n’est à exclure pour aucun état ni aucune communauté.

  • 7 Via le back-office réservé aux éditeurs.

8Enfin, la centralisation des données garantit-elle l’intégrité des contenus ? Dans le cas où un auteur/éditeur (qui peut être un état, un organisme, etc.) serait tenté de modifier le contenu d’un texte, n’est-il pas plus simple pour lui de modifier cette source unique que de traquer et modifier l’ensemble des sources dispersées ? Or cette modification centralisée est possible aujourd’hui. Les éditeurs ont dans de nombreux cas la possibilité de remplacer leurs fichiers numériques sur la plateforme de leur diffuseur sans impératif de documentation d’éventuelles modifications de contenu7. La centralisation ne garantit donc pas l’intégrité des contenus.

  • 8 Barbier, Frédéric. Histoire du livre en Occident. 3e éd., revue, et augmentée. Paris : Armand Colin (...)

9On ne peut arguer que la décentralisation des points d’hébergement garantit en elle-même plus d’intégrité. Seul un hypothétique mécanisme de clôture ferme des textes numériques le pourrait. Mais la multiplication des copies offre la possibilité que toutes ne soient pas corrompues et qu’une version originale puisse être retrouvée. Rétablir un texte pourra être difficile mais sera envisageable. L’histoire éditoriale est remplie de petites ou grandes “conciliations” et autres corrections, heureusement identifiables par la comparaison des états successifs8. Un état du texte pouvant aujourd’hui aisément effacer la trace du précédent, seule la multiplication décentralisée des copies constitue une parade.

10Face aux risques de la centralisation en matière de conservation et d’intégrité des sources on opposera les différentes initiatives de conservation des données, nationales et internationales, qui ont vu le jour dans le courant des années 2000.

11LOCKSS (Lots of copies keep stuff safe), par exemple, consiste en un réseau distribué de dépôts indépendants qui moissonnent les dépôts des adhérents pour collecter les nouveaux fichiers ou ceux qui auraient changé. Ces dépôts distribués se concertent sur le contenu derrière une URI et, en cas d’accord, valident la collecte de chacun d’entre eux. Il s’agit d’une initiative très intéressante qui vise à conserver un accès aux données en cas de défaillance du diffuseur. On notera par contre qu’il ne répond pas au besoin d’intégrité puisqu’il reste agnostique devant une modification dans la ressource. Il n’assure aucun versionning. Si un texte est modifié, derrière une référence acquise, alors LOCKSS conservera cette nouvelle version, la précédente disparaissant.

12Différentes initiatives nationales ou internationales se préoccupent de conservation des données scientifiques. Ce sont au final des initiatives qui visent à parer en aval un écueil délibérément construit en amont, y compris sur des plateformes publiques.

13Ayant identifié les risques de cette centralisation voyons justement comment celle-ci se constitue malgré un contexte d’engagement de nombreux acteurs pour une science ouverte.

La centralisation par les opérateurs/diffuseurs

  • 9 Notons, sur cet aspect contractuel, que Persée ne nous a pas transmis son contrat type aux éditeurs (...)

14Certains opérateurs/distributeurs de documents et données de la recherche participent activement de cette centralisation. Le Cléo, Centre pour l’édition électronique ouverte, porteur notamment de la plateforme OpenEdition.org et labellisé Équipement d’Excellence (Labex) dans le cadre du Grand Emprunt depuis février 2012, est l’un d’entre eux. Cette unité mixte de services (UMS) du CNRS impose l’exclusivité sur ses contenus HTML en accès libre9.

  • 10 Le Cléo, Contrats 2016. Condition particulières de diffusion commerciale d’OpenEdition Books - Enco (...)

« L’éditeur s’engage à ne pas publier en ligne les versions HTML des ouvrages concernés y compris si l’éditeur a numérisé ses livres par ses propres moyens ou s’il a racheté ses sources XML au Cléo. »10

15Le cas est intéressant précisément car il s’agit d’un acteur public mais aussi de l’un des porteurs de la culture de l’accès libre (gratuit) et des biens communs. D’autre part, les arguments qu’il invoque pour légitimer cette exclusivité permettent de poser le problème de manière claire.

Un argument économique

  • 11 Marin Dacos, email reçu le 11 juil. 2012 dans le cadre de la réflexion de la maison d’édition Droz (...)

« […] il serait peu raisonnable, de la part de l’État, d’investir 7 millions d’euros sur des contenus qui s’auto-concurrenceraient sur le Web et s’en verraient sanctionnés »11.

16L’argument est limpide et classique. Mais il contrevient aux propos mêmes des experts mêmes du Cléo. Rappelons ici un texte de Pierre Mounier qui dénonce la captation des archives qui constituent les sources de la recherche scientifique par les grandes plateformes commerciales :

  • 12 Mounier, Pierre, éd. Read/write book 2 : une introduction aux humanités numériques. Marseille, Fran (...)

« On parle moins fréquemment d’une autre menace, tout aussi importante, qui est celle du contrôle de l’archive. Dans un nombre croissant de cas, en particulier pour les archives de matériaux nativement numériques, ce ne sont pas des structures publiques qui constituent les bases de données. L’accès à celles-ci, mais aussi les logiques de leur constitution sont donc définies par des acteurs divers (fondations, sociétés commerciales privées) qui établissent des politiques conformes à leurs intérêts. L’accès aux matériaux primaires n’est donc pas garanti par la possibilité technique d’y accéder ; il dépend de tout un ensemble de facteurs comme les situations de concurrence, la politique commerciale d’un acteur ou tout simplement sa viabilité économique. Les menaces qui pèsent sur les archives numériques constituant les sources de la recherche en sciences humaines permettent aux chercheurs d’interroger en retour les processus de fabrique de la mémoire au sein de sociétés fortement numérisées. Que peut être cette mémoire lorsque tout un chacun en confie l’archive aux grandes plateformes commerciales qui dominent actuellement le Web ? »12

17Les différentes plateformes publiques de publications scientifiques numériques sont aussi “une grande plateforme commerciale” qui craint de ce fait, c’est légitime, une situation de concurrence. La logique et ses risques sont donc les mêmes que ce contre quoi Pierre Mounier met en garde. Elles devraient inciter l’État à ne pas pratiquer lui-même d’exclusivité. La mémoire, y compris d’État, peut-elle être en sécurité dans cette centralisation ?

18Pourtant, les différentes initiatives publiques soutenues par l’État, telles que OpenEdition, Persée, ISTEX ou le portail BibCNRS assurent entre elles une continuité en évitant autant que possible les intersections donc tout hébergement distribué des contenus.

Un argument scientifique

  • 13 Le Cléo, idem.

« […] cela nuit à la citabilité ainsi qu’à l’évaluation de la fréquentation et dégrade fortement les mesures d’impact et les métriques d’usages13 »

19La question de la citabilité est fondamentale. Elle se base sur les métadonnées du texte ainsi que sur des repères (ou balises, au sens de dispositifs de délimitation) posés dans le texte. À l’heure de publications rendues sur des écrans, ces balises peuvent être différentes d’un opérateur à un autre et d’un format à un autre : Cairn insère des numéros de paragraphes dans la version HTML en ligne mais produit un PDF qui intègre, dans la marge, le numéro de page de l’original papier. Erudit.org, au Canada, ne conserve ni numéro de page ni n’intègre de numéro de paragraphe et ne reproduit pas de PDF mais utilise, le cas échéant, le PDF imprimeur. Le Cléo insère des numéros de paragraphes et produit sa propre version PDF sans ces numéros mais avec une pagination propre qui n’est en rien celle du papier.

20Un même ouvrage publié chez ces trois opérateurs pourrait néanmoins être cité sans équivoque, à l’instar de la citation d’un même ouvrage dans trois éditions papier différentes : titre, auteur, éditeur, nom du diffuseur, balise (numéro de paragraphe, numéro de page original si disponible, nouveau numéro de page le cas échéant, etc.), date de publication.

21La seule difficulté, qui ne tient en rien à l’exclusivité mais aux politiques de fabrication de chacun de ces opérateurs, consisterait pour le lecteur de la version papier à retrouver la citation précise dans le cas où la balise “numéro de page original” n’aurait pas été conservée. Si ces trois opérateurs diffusaient un même contenu, chacun indiquant le numéro de page retrouvé dans la version papier, alors aucun lecteur n’aurait de difficulté ni à citer cet ouvrage ni à indiquer précisément un extrait au lecteur de la version papier. La non-exclusivité des sources ne pose donc aucune difficulté quant à la citabilité. Le raisonnement est identique pour des sources nativement numériques. La citabilité est une question de « balises », de références, communes et non de localisation.

22En ce qui concerne la métrique d’usage il est certain que la centralisation chez un acteur unique lui permet de mesurer facilement l’usage total qui est fait d’un corpus. Mais il en est le seul bénéficiaire et le seul maître. Lorsque mes propres recherches m’ont amenée à demander une donnée de mesure à un acteur public, celui-ci a répondu que cette donnée n’était pas mesurée, me laissant sans aucun moyen pour procéder à ma recherche sur ces fonds exclusifs. La décentralisation des sources aurait permis l’étude de ces données chez plusieurs acteurs/hébergeurs/diffuseurs, avec les précautions afférentes à cette atomisation des accès. La possibilité de s’adresser à d’autres diffuseurs aurait peut-être aussi incité chacun desdits diffuseurs à améliorer ce service aux chercheurs, lesquels n’auraient plus été captifs d’un unique point d’accès.

23L’exclusivité de l’hébergement implique qu’accéder aux mesures dépendra toujours du bon vouloir et des outils de la plateforme. C’est au final un avantage pour le diffuseur mais pas pour la recherche ouverte. Il est donc important, à tout le moins s’il s’agit d’un acteur public, d’assurer un service ouvert à tous sur ces données, et d’établir une documentation précise desdits outils pour permettre aux chercheur de rédiger leur méthodologie et de suggérer ou y apporter des évolutions nécessaires à leur recherche. Un service ouvert permettrait également d’apporter des extensions fonctionnelles à ces outils de mesure.

24Certes, un « éparpillement » de la diffusion d’une même source rendrait la mesure d’impact un peu plus complexe. Mais les solutions techniques existent :

  • s’accorder pour que chacun applique les mêmes normes de mesure (des normes sont déjà appliquées),

  • développer un outil permettant de collecter et d’agréger les données fournies par l’ensemble des diffuseurs d’une même source (ISBN, DOI, autre identifiant unique…).

25Finalement, à quoi bon attribuer des identifiants uniques si cela ne permet pas d’identifier cette ressource partout où elle se trouve hébergée et consultée et d’en agréger les mesures d’usage ?

Un argument technique

  • 14 Le Cléo, Conditions générales d’utilisation des plateformes électroniques du portail OpenEdition du (...)

« […] éviter le déréférencement ou le mauvais référencement effectué par certains moteurs de recherche lorsque deux contenus identiques sont mis en ligne. »14

26Bien que ces algorithmes de détection de sites « pauvres » aient pu à une époque susciter des craintes pour la diffusion non exclusive de contenus leur impact sur ceux-là furent toujours mince ou nul, voire bénéfiques aux sites « riches ».

  • 15 Levy, Steven, TED 2011 : The ‘Panda’ That Hates Farms : A Q&A With Google’s Top Search Engineers, s (...)

« […] it will provide better rankings for high-quality sites—sites with original content and information such as research, in-depth reports, thoughtful analysis and so on. »15

  • 16 Singhal, Amit, Google Fellow, and Matt Cutts, Principal Engineer, Google official blog, Finding mor (...)

27Ces algorithmes, le plus célèbre d’entre eux étant Panda de la firme Google, n’ont été développés que pour traquer les sites “pilleurs” de contenus, des agrégateurs sauvages destinés à vendre du trafic. Il s’agit typiquement des sites comparateurs de prix ou générant des contenus à la volée, sites contenant un nombre particulièrement élevé de publicités16. Les plateformes de diffusion d’articles et d’ouvrages de recherche, sites aux contenus riches et cohérents entre eux, n’ont jamais rien eu à craindre de Panda.

28Quoi qu’il en soit, un diffuseur peut-il arguer de son propre référencement pour exiger l’exclusivité, faisant de ces “communs numériques” des biens rivaux, à l’opposé des orientations théoriques de l’accès libre ?

  • 17 Par objet nous entendrons ici “publication scientifique” bien que l’acception soit beaucoup plus la (...)

29Un autre argument peut éventuellement venir appuyer le besoin de centralisation des sources, celui de leur localisation aisée. L’exclusivité a par définition un impact sur la localisation du texte, ou pour être exact sa localisation rapide ou directe. Mais ce n’est pas un argument fort pour la recherche, laquelle, au besoin, sait chercher et trouver ses sources parmi plusieurs exemplaires accessibles. Nous développerons ce point plus loin au sujet de l’infrastructure des Digital Object Identifier (DOI)17.

30En résumé, cette politique d’exclusivité de l’accès imposée par le diffuseur ne peut se justifier que sur le plan économique, à l’avantage unique de celui-ci. C’est au risque de la captation des sources de la recherche ainsi que des mesures sur leur usage et sans apport scientifique en contrepartie, ni en matière de citabilité, ni en ce qui concerne l’intégrité des contenus.

31Quelles sont alors les raisons qui poussent les éditeurs scientifiques à accepter cette exclusivité ? Nous allons voir que plusieurs mécanismes y contribuent. À terme le diffuseur devient non seulement diffuseur exclusif en accès libre mais également hébergeur voire éditeur exclusif.

La centralisation par délégation technique et économique

Par manque de compétences numériques

  • 18 Schéma ou Définition de type de document (DTD).

32La fabrication numérique, native ou en rétro-conversion, est une tâche lourde qui demande une expertise encore peu intégrée chez les éditeurs. En fonction du degré de complexité typographique de la source comme de l’exigence en matière de structuration sémantique, ces compétences varient. Il y a un monde entre la production d’ePUB en sortie de InDesign pour un roman et la vérification d’un fichier XML dans un schéma18 donné pour un ouvrage d’édition critique de textes anciens.

  • 19 Reconnaissance optique de caractères.

33Dans tous les cas, quand il s’agit de rétro-convertir du PDF ou du papier vers le XML (scan, OCR19, structuration XML, sortie ePUB…) ce travail est assuré dans des pays en développement (Inde, Madagascar, Vietnam…), pour un coût d’environ 1 ou 1,5 €/page. C’est un travail lourd et long qu’aucun éditeur français ne peut assurer lui-même et encore moins au coût d’une main-d’œuvre française ou européenne.

34Pour la production des nouveautés, les outils de mise en page classiques, tel qu’InDesign, ne sont pas appropriés pour le XML. Il y a peu d’outils disponibles et d’usage aisé pour cela : la chaîne XML de l’Université de Caen20 est développée exclusivement pour les éditeurs publics. Des chaînes XML propriétaires ou maison existent chez des compositeurs spécialisés et demandent une certaine expertise en informatique afin de configurer l’outil aux besoins de différentes DTD. Cairn, le Cléo ou Erudit.org exploitent les DTD TEI et EruditArticle qui demandent une réelle expertise XML car il n’existe pas d’outils wysiwyg21 pour les produire.

35Le travail du responsable de fabrication chez un éditeur peut donc concerner la seule réception des fichiers ePUB sans regarder la manière dont ils sont encodés à une vérification exhaustive des fichiers XML. Ce dernier cas est rare car le XML est pour l’instant peu exploité et constitue majoritairement une archive. À minima cela demande donc peu de compétences mais le métier reste externe. Au mieux cela consiste en un poste à part entière et de fortes compétences en interne. Il existe peu d’aides pour cette transition professionnelle et technique. Le Centre national du livre (CNL) ne finance la formation à ces nouveaux métiers et techniques que depuis 2015. Son aide pour “l’engagement dans le numérique” concerne notamment “la mise en place d’une chaîne de production numérique en interne” et “l’achat de licences de logiciels destinés à l’édition numérique”. Un seul dossier a été déposé et accepté en 2015, trois en 201622.

36Ces compétences sont et restent donc rares en interne et les éditeurs désireux de proposer une publication en ligne sont donc enclins à déléguer ce travail.

Du fait d’un financement indirect ou partiel

  • 23 Centre national du livre, Aides aux éditeurs indépendants souhaitant s’engager dans le numérique, c (...)

37À ces difficultés métier il faut ajouter le coût de ce travail. Dans le respect de la charte documentaire du CNL celui-ci peut financer les éditeurs publics à hauteur de 30 % et les éditeurs privés jusqu’à 70 % pour la rétro-conversion des fonds23. Reste donc dans le meilleur des cas aux éditeurs à assumer 30 % à 70 % de la charge. Les opérateurs/diffuseurs tels que le Cléo et Cairn proposent cependant des conditions qui, d’une part, permettent de bénéficier de leur réelle expertise et, d’autre part, limitent, voire annulent les besoins en trésorerie. Cairn propose la prise en charge des 30 % non subventionnés contre rémunération sur les ventes d’abonnements et de fichiers. Mais il s’agit d’une option et Cairn ne garde pas la propriété sur les sources. Le Cléo, lui, ne pouvant voir son travail rémunéré par des subventions du CNL en tant qu’acteur public, ne propose que la prise en charge complète et gratuite de la conversion/structuration, mais c’est en contrepartie, non seulement de sa rémunération sur les ventes mais aussi contre la propriété sur les fichiers structurés.

38La pression technique ajoutée à la charge économique favorise donc non seulement une délégation de la fabrication mais aussi de la propriété et de l’exploitation des sources vers les opérateurs/diffuseurs, qui en deviennent les propriétaires/diffuseurs exclusifs. Ce mécanisme se renforce d’autant plus que l’éditeur comme l’opérateur/diffuseur sont publics (donc dans le domaine scientifique) : moins de financement direct à l’éditeur, opérateur public prenant l’intégralité des coûts à sa charge contre la propriété des sources.

Par non-restitution des sources enrichies

39Quand bien même les opérateurs/diffuseurs n’imposeraient pas d’exclusivité aux éditeurs, quand bien même les éditeurs disposeraient de fonds et compétences suffisantes pour produire ou faire produire eux-mêmes leurs fichiers source, un troisième mécanisme viendrait les en priver finalement : les diffuseurs de formats numériques en ligne procèdent à des modifications des contenus. Il s’agit notamment, pour le moment, de l’ajout de DOI à la ressource elle-même comme aux références bibliographiques citées dans les ouvrages/articles qui leurs sont confiés.

40Ces enrichissements sont importants et sont destinés à se multiplier à mesure que les outils permettant de reconnaître des unités dans un texte le permettront : références bibliographiques, noms propres, noms de lieux, molécule ou quelques données d’intérêt scientifique que ce soit. Une fois ces données balisées il est possible de les exploiter de manière distincte, de les croiser, d’y lier des contenus externes tels que des données issues de dépôts sémantisés. Il s’agit de raffiner et enrichir l’expérience de lecture, au moyen de données liées, mais aussi les fonctionnalités de text-mining ou de représentation de données.

41Or ces enrichissements ne sont aujourd’hui pas reversés à l’éditeur. Ces fabriquant/diffuseurs détiennent alors le fichier le plus riche et à jour. Ils deviennent ainsi l’“éditeur” final et unique de toutes ces sources qui au départ ne sont pas les leurs. Ils se transforment en méga-éditeurs possédant une véritable rente de situation, archétype du modèle que combat précisément le mouvement de l’accès libre.

La centralisation par les DOI

  • 24 Le système des DOI est l’un des administrateurs de la Linked Content Coalition (LCC), aux côtés de (...)

42Nous venons de voir comment la centralisation des données de la science découle d’arguments économiques et de compétences. À cela s’ajoute un argument que nous pourrions qualifier de social : il s’agit du besoin d’accès “direct”, c’est-à-dire “en un clic”, et pérenne, sans bris d’URL. C’est à cette question que répond l’architecture des DOI, dont presque 150 millions ont été attribués à ce jour, bien que cela ne soit pas son objectif originel24.

43À la différence d’un moteur de recherche web qui peut renvoyer de multiples réponses à une requête, le système des DOI résout la requête en une réponse unique : à tel DOI correspondent les données de tel objet, sans équivoque. Ainsi le requérant, surtout dans le cas où ce requérant est un service de requête automatique et non un humain, n’a pas à chercher l’objet qui l’intéresse parmi plusieurs objets pouvant porter, par exemple, des titres proches. C’est le principe déterministe de la résolution.

44Les données liées à un objet dans le registre administré par les DOI peuvent cependant contenir plusieurs URLs. Rien ne s’oppose donc en théorie à ce qu’une requête adressée au système sur la base d’un identifiant renvoie bien un jeu de données unique parmi lesquelles plusieurs URLs, indiquant ainsi plusieurs hébergeurs. Les DOI renvoient cependant aléatoirement une seule URL. Non seulement la renvoient mais y redirigent l’internaute. D’où cet accès dit direct, en un clic : un lecteur clique sur un DOI dans une bibliographie, le protocole opère et l’amène directement et sans cliquer de nouveau à la ressource elle-même.

45Cette redirection vers une URL étant aléatoire on pourrait imaginer qu’elle favorise une diversification des accès et un soutien à la décentralisation. C’est ne pas connaître le mécanisme de maintenance des DOI qui produit l’effet inverse.

46Étant données la plasticité du réseau ainsi que la faillibilité de ses machines et de ses acteurs, les URLs sont fragiles. Pour éviter les bris dans la redirection le système fonctionne par maintenance d’un registre : quelqu’un doit surveiller et, au besoin, réparer les URLs brisées. Le système DOI impute cette responsabilité au “premier déposant” d’un identifiant. On comprendra que pour celui-ci la façon d’assurer cette efficience est alors de s’assurer que chaque ressource sera publiée à un seul endroit localisé par une seule URL, de préférence maîtrisée par lui-même, donc chez lui. C’est d’autant plus important pour ce premier déposant que le radical DOI l’identifie publiquement comme responsable de cet accès. C’est ainsi que les diffuseurs déposants de DOI ont intérêt à demander l’exclusivité de l’hébergement, surtout quand on administre les DOI de milliers de ressources.

47En 2014 l’une des plus importantes agences d’enregistrement de DOI répondant à nos questions concernant des URLs multiples pour un même DOI indiquait :

  • 25 Email reçu le 8/12/2014 du service support de l’agence d’enregistrement Datacite.

« There are a few exceptions known, but it’s impossible to give an exact rate. I’m pretty sure these cases make less than 1 % […] Having multiple (primary) URL for one DOI is not supported by DataCite. À DOI will always resolve to one and only one URL when resolved “normally”. »25

48Le protocole DOI renvoie donc ainsi toujours la même URL, celle de l’unique hébergeur, et renforce en permanence la position dominante de ce dernier lors de chaque citation : un auteur cite un article portant un DOI donné qui renvoie chez un diffuseur unique lequel sera à nouveau cité par de futurs lecteurs de cette citation, etc.

Conclusion

49Nous avons vu les différents mécanismes qui, du début à la fin de la chaîne de publication, renforcent la centralisation des documents issus de la recherche y compris dans le cas de l’accès libre, qui n’est pas un hébergement libre :

  • la demande d’exclusivité, pour des raisons économiques, y compris dans l’accès libre soutenu par l’État,

  • des contraintes techniques et financières, chez les éditeurs, qui les incitent à déléguer une partie de leur métier et de leurs compétences.

  • des manipulations assurées en cours de diffusion et qui ne reviennent pas à l’éditeur source,

  • et enfin un système de suivi des droits et d’accès direct qui renforce l’ensemble.

50Aucun de ces mécanismes n’est à l’avantage d’une science ouverte. Au contraire la centralisation et l’exclusivité font porter aux éditeurs et chercheurs des risques de dépendance économique, scientifique et politique, comme c’est le cas dans tout contexte de centralisation.

51Chacun de ces mécanismes pourrait se voir apporter des réponses. Aucune n’est simple mais elles peuvent se résumer ainsi :

  • formation accrue des éditeurs en matière de fabrication numérique et en particulier en XML afin d’être autonomes dans la vérification de leurs fichiers et la prescription d’une DTD,

  • financement direct aux éditeurs, y compris publics, pour la numérisation, de façon à ce qu’ils soient en tout temps propriétaires de l’ensemble des formats d’archivage et d’exploitation,

  • abandon des demandes d’exclusivité sur l’accès libre dans quelque format que ce soit et a priori dans les formats web (HTML/XML),

  • restitution régulière aux éditeurs des fichiers enrichis par les diffuseurs,

  • remise en question de l’argument d’accès direct (en un clic) impliquant un registre centralisé et maintenu.

52L’abandon de cette centralisation poussera a contrario à :

  • la nécessaire excellence des services sur les textes pour convaincre les acheteurs/lecteurs de choisir telle plateforme plutôt qu’une autre, qu’elle soit publique ou privée. Parmi ces services, l’ouverture aux outils et données de mesure d’usage deviendra un impératif,

  • la garantie d’une meilleure conservation des contenus puisque distribués, et donc un accès pérenne à l’information (à ne pas confondre avec localisation pérenne),

  • la garantie de retrouver au moins une forme intègre du texte dans le cas de modifications non documentées,

  • l’indépendance des éditeurs.

53Nous sommes aujourd’hui dans une logique d’accès aux données de la recherche basée non seulement sur l’accès en lecture mais aussi sur la fouille de données et de données sur les données. Sur ces derniers impératifs l’accès à des données centralisées n’est pas une condition suffisante à une science ouverte et innovante. Le service dépend de l’hébergement. Il faut également ouvrir celui-ci pour une politique complète de science ouverte qui ne peut être que distribuée et non exclusive, a fortiori si les hébergeurs et prestataires de services sont des acteurs publics.

Top of page

Bibliography

BARBIER, Frédéric. Histoire du livre en Occident. 3e éd., revue, et augmentée. Paris : Armand Colin, 2013. Print. Collection « U ».

BENEL, Aurélien, Christophe LEJEUNE, et Chao ZHOU. « Éloge de l’hétérogénéité des structures d’analyse de textes ». Document numérique 13.2 (2010) : 41-56. Print.

BOURCIER, Danièle. « Science commons : nouvelles règles, nouvelles pratiques ». Hermès, La Revue 57 (2013) : 153-160. Print.

CHARTRON, Ghislaine. « Open access et SHS : Controverses ». Revue européenne des sciences sociales 52.1 (2014) : 37-63. Print.

CLEO, Contrats 2016. Condition particulières de diffusion commerciale d’OpenEdition Books - Encodage par délégation.

CLEO, Contrats 2016. Conditions particulières de diffusion commerciale d’OpenEdition Books - Soutien à la numérisation.

CLEO, Conditions générales d’utilisation des plateformes électroniques du portail OpenEdition du Cléo, http://www.openedition.org.faraway.u-paris10.fr/11937?file=1

FILIPPI, Primavera De, et Danièle BOURCIER. « Réseaux et gouvernance. Le cas des architectures distribuées sur internet ». Pensée plurielle 36 (2014) : 37-53. Print.

GIRARDEAU, Astrid. « Tout le monde a intérêt à transformer Internet en Minitel », Libération.fr. N.p., 6 févr. 2009. Web. 28 mars 2017.

HITCHCOCK, Steve et al. « Digital Preservation Service Provider Models for Institutional Repositories : Towards Distributed Services ». D-Lib Magazine 13.5/6 (2007). Web. 28 mars 2017.

JANTZ, Ronald, et Michael J. GIARLO. « Digital Preservation : Architecture and Technology for Trusted Digital Repositories ». D-Lib Magazine 11.06 (2005). Web. 28 mars 2017.

MOUNIER, Pierre, éd. Read/write book 2 : une introduction aux humanités numériques. Marseille, France : OpenEdition Press, 2012. Open WorldCat. Web. 28 mars 2017.

Top of page

Notes

1 Bourcier, Danièle. « Science commons : nouvelles règles, nouvelles pratiques ». Hermès, La Revue 57 (2013) : 153-160. Print, p. 154.

2 Quel que soit par ailleurs son degré d’interactivité. Interactivité et centralisation sont deux problématiques indépendantes qui peuvent être simultanées.

3 Jérémie Zimmerman cité dans Girardeau, Astrid. « Tout le monde a intérêt à transformer Internet en Minitel », Libération.fr, 6 févr. 2009. (mis à jour le 13 août 2010 à 17 :16), http://www.liberation.fr/ecrans/2009/02/06/tout-le-monde-a-interet-a-transformer-internet-en-minitel_949005 consulté le 30 novembre 2016

4 LOI n° 2016-1321 du 7 octobre 2016 pour une République numérique (1), article 38, https://www.legifrance.gouv.fr/eli/loi/2016/10/7/ECFI1524250L/jo/texte. Le terme hébergement n’apparaît pas une seule fois, centralisé deux fois, au sujet d’un accès centralisé possible aux données concernant la distribution de gaz et d’électricité.

5 Girardeau, Astrid, op. cit.

6 Voir les sites “refuges” : Datarefuge, Building refuge for federal climate & environmental data, https://www.datarefuge.org/ et Libraries+ Network, Bridging DataRescue Events with Libraries+, https://libraries.network/

7 Via le back-office réservé aux éditeurs.

8 Barbier, Frédéric. Histoire du livre en Occident. 3e éd., revue, et augmentée. Paris : Armand Colin, 2013. Print. Collection « U ».

9 Notons, sur cet aspect contractuel, que Persée ne nous a pas transmis son contrat type aux éditeurs, considéré comme confidentiel. Dans le cas d’Erudit comme de Cairn, les éditeurs ne se voient pas demander d’exclusivité et sont propriétaires de leurs fichiers numériques alors que la fabrication numérique est intégralement prise en charge et tous les ouvrages en accès libre intégral sur Erudit.org

10 Le Cléo, Contrats 2016. Condition particulières de diffusion commerciale d’OpenEdition Books - Encodage par délégation, p. 6. Conditions particulières de diffusion commerciale d’OpenEdition Books - Soutien à la numérisation p. 7.

11 Marin Dacos, email reçu le 11 juil. 2012 dans le cadre de la réflexion de la maison d’édition Droz quant à une contractualisation avec le Cléo.

12 Mounier, Pierre, éd. Read/write book 2 : une introduction aux humanités numériques. Marseille, France : OpenEdition Press, 2012, p. 14

13 Le Cléo, idem.

14 Le Cléo, Conditions générales d’utilisation des plateformes électroniques du portail OpenEdition du Cléo, http://www.openedition.org.faraway.u-paris10.fr/11937?file=1.

15 Levy, Steven, TED 2011 : The ‘Panda’ That Hates Farms : A Q&A With Google’s Top Search Engineers, site Wired, 03.03.11. , https://www.wired.com/2011/03/the-panda-that-hates-farms

16 Singhal, Amit, Google Fellow, and Matt Cutts, Principal Engineer, Google official blog, Finding more high-quality sites in search, February 24, 2011, https://googleblog.blogspot.fr/2011/02/finding-more-high-quality-sites-in.html

17 Par objet nous entendrons ici “publication scientifique” bien que l’acception soit beaucoup plus large puisqu’elle peut aller jusqu’à un objet matériel n’ayant rien à voir avec un texte.

18 Schéma ou Définition de type de document (DTD).

19 Reconnaissance optique de caractères.

20 Pôle pluridisciplinaire de la MRSH de Caen, Projets, Chaîne éditoriale, http://www.unicaen.fr/recherche/mrsh/document_numerique/projets/chaine_editoriale

21 What you see is what you get.

22 Centre national du livre, Bilan des aides du CNL 2015, http://centrenationaldulivre.fr/fichier/p_ressource/9352/ressource_fichier_fr_bilan.des.aides.2015.ok.pdf . Bilan des aides du CNL 2015, à paraître.

23 Centre national du livre, Aides aux éditeurs indépendants souhaitant s’engager dans le numérique, consulté en janvier 2017, http://centrenationaldulivre.fr/fr/numerique/presentation/aides-aux--diteurs-ind-pendants-souhaitant-s-engager-dans-le-num-rique/

24 Le système des DOI est l’un des administrateurs de la Linked Content Coalition (LCC), aux côtés de grands groupes éditoriaux, dont l’objet est en premier lieu d’assurer l’utilisation légale des contenus sous droits. « Facilitate and expand the legitimate use of content in the digital network through the effective use of interoperable identifiers and metadata ». http://www.linkedcontentcoalition.org/#!the-lcc-board/c2kd

25 Email reçu le 8/12/2014 du service support de l’agence d’enregistrement Datacite.

Top of page

References

Electronic reference

Chloé Girard, « Les mécanismes de centralisation des données de la recherche », Revue française des sciences de l’information et de la communication [Online], 11 | 2017, Online since 01 July 2017, connection on 14 December 2017. URL : http://journals.openedition.org/rfsic/3255

Top of page

About the author

Chloé Girard

Doctorante en sciences de l’information et de la communication, Université Paris-Nanterre, Cnam-Dicen-IDF EA 7339. Responsable numérique, éditions Droz, Genève.

Top of page

Copyright

Licence Creative Commons
Les contenus de la Revue française des sciences de l’information et de la communication sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.

Top of page