Are you F.A.I.R ?

Au niveau international, les interlocuteurs traitant de la recherche scientifique, que ce soit les chercheurs, les bailleurs de fonds, les éditeurs, tous ont désiré que les données de la Recherche soient lisibles et facilement réutilisables. Le Fair Data en est le principe et permet de valoriser ces données dans des règles partagées par toute la communauté scientifique. Force 11, groupe international composé de chercheurs, d’éditeurs, de sociétés savantes, d’universités, de bibliothécaires, d’archivistes, tous intéressés par l’avenir de la communication de la recherche scientifique sont chargés de porter le projet FAIR.

Mais que signifie FAIR ? En anglais, on l’utilise dans des expressions telles Fair play pour désigner un comportement honnête dans le jeu et par extension dans les relations humaines. Le FAIR data implique que les données déposées par les chercheurs obéissent à des règles. La donnée scientifique déposée doit être « Facile à trouver, Accessible, Interopérable et Réutilisable »

En Europe, le programme Horizon 2020 puis le programme Horizon Europe du Ministère de l’Enseignement Supérieur et de la Recherche incitent au FAIR data dans tous les projets scientifiques financés au moins par moitié par les fonds publics (subventions européennes, etc…) Les DMP rédigés par les unités de recherche lors de candidatures à des appels à projets scientifiques doivent être FAIR. Ces règles font partie des bonnes pratiques de la Science Ouverte et permettent de :

• faciliter les échanges,
• le traitement,
• le stockage,
• la publication rapide
• la reproduction des données de la recherche

• F comme Findable (facile à trouver)

Pour être fair data les données d’une recherche scientifique publiées en open access doivent être facilement retrouvables par tous les moteurs de recherche. A vos mots-clés ! Vous devez porter une attention particulière au choix de vos descripteurs ou mots clés qui seront moissonnés par les moteurs de recherche.

En plus d’un choix cohérent et pertinent de mots clés, votre travail doit être facilement identifié pour être retrouvé. Vous avez besoin d’un identifiant unique et pérenne pour vous et votre travail. Ce sont les ID que ce soit les Research Identifier tel ORCID par exemple et les Object identifier tel le DOI par exemple. Ces ID vous permettent de vous identifier et d’accéder à votre compte utilisateur sur une plateforme informatique. Cet identifiant UNIQUE et PERENNE permet de faciliter l’archivage de vos données sur le long terme.

• A comme accessible

Pour fair data, vos données doivent être facilement récupérables et en accès ouvert. Vos métadonnées descriptives, administratives techniques de vos documents doivent rester disponibles selon des conditions juridiques définies et claires grâce à l’usage des licences créatives commons par exemple. Les métadonnées du document doivent rester accessibles même si l’ensemble des données ne l’est plus.

Si les données doivent subir une restriction de publication il est recommandé de dire pourquoi et pour combien de temps.

Si les données ne sont accessibles que par l’utilisation d’un logiciel open source particulier, vous devez mettre le code source de ce logiciel à disposition sur une plateforme d’échange telle GitHub ou Zenodo. Préférez des plateformes de dépôts certifiés.

• I comme intéropérable

L’interopérabilité est la capacité que possède un produit ou un système, […] à fonctionner avec d’autres produits ou systèmes existants ou futurs et ce sans restriction d’accès ou de mise en œuvre. Celà implique que les contenus et les formats utilisés pour les données doivent respecter les grands standarts internationaux en usage

• R comme réutilisable

La réutilisation des données doit pouvoir être permise et l’origine doit toujours être signalée. Les métadonnées doivent être richement décrites :

• descriptives ( nom, prénom, affiliation, mots -clés décrivant le document )
• administratives ( adresse mail etc..),
• techniques ( formats utilisés, poids etc..)

La notion de reproductibilité des expériences scientifiques est au coeur du débat. Si les données sont FAIR elles seront facilement reproductibles et permettront ainsi ainsi à la recherche d’aller plus vite. Les expériences pouvant être reproduites, l’aspect collaboratif et la vérification des résultats s’obtiendront plus facilement D’ailleurs depuis 2019, il existe une certification sur la reproductibilité des données. Si elles obéissent aux règles énoncées ci-dessus elles seront labelissées CASCaD, ce qui permettra de renforcer le sérieux et l’intégrité scientifique d’une étude.

Décrêt du 3 décembre 2021.

Enfin le décrêt du 3 décembre 2021 reconnaît la science ouverte et la gestion des données comme des questions d’intégrité scientifique

DES QUESTIONS ?

Mise à jour le 30/01/2020. Ce(tte) œuvre est mise à disposition selon les termes de la Licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Partage dans les Mêmes Conditions 4.0 International.

Images liées: