Science citoyenne: l’enjeu du partage de données de Sciences Humaines et Sociales

L’Open Science, ou Science Ouverte en français, est considéré aujourd’hui comme un nouveau paradigme dans la conduite des recherches scientifiques. Mais que ce soit effectivement un paradigme “nouveau” ou la résurgence de pratiques propres au monde de la recherche (comme le pointent notamment ceux qui se référent à R. K. Merton et son The Sociology of Science paru en 1973, et comme on peut aussi relever en pensant à la porosité entre monde académique et praticiens avant le XX^e siècle), la Science Ouverte structure aujourd’hui les pratiques et les cadres juridiques et de financement de la recherche. La France s’est par exemple dotée en 2018 d’un Plan National pour la Science Ouverte qui rend obligatoire l’accès ouvert pour les publications et pour les données issues de recherches financées sur projets sur fonds publics. 
Ce plan fait notamment référence à l’Amsterdam Call for Open Science (2016) où l’on souligne la nécessité de poursuivre l’exploration des frontières possibles pour la Science Ouverte, maintenant qu’une grande expertise a été atteinte en matière de libre accès aux publications universitaires. Selon l’appel d’Amsterdam, une exploration ultérieure des frontières de la Science Ouverte doit se faire notamment en ce qui concerne: (1) le partage des données, avec une attention particulière aux coûts et moyens de protection de ces données, et (2) les méthodes d’ouverture du processus scientifique à la société, par exemple via les pratiques de science citoyenne ou les partenariats public-privé.

Trois axes majeurs pour la Science Ouverte

La Science Ouverte se structure autour de trois axes majeurs: l’accès ouvert aux publications et résultats de recherche (Open Access), la mise à disposition de données de recherche (Open Data) et les relations science-société, dont l’implication d’acteurs sociaux externes au monde académique dans les activités de recherche (Citizen Science) est une des modalités. 
Ce billet se focalisera sur la question de l’ouverture des données de recherche dans les domaines des sciences humaines et sociales (SHS), en lien avec les pratiques de science citoyenne dont nous avons parlé dans un autre billet. Mais il reste intéressant de noter en ouverture que ces trois axes ont non seulement suivi des développements parallèles avant d’être réunis sous une même dénomination – notamment par le travail d’institutionnalisation menée via les politiques européennes de la recherche¹ – mais ont pu à certains égard s’entrelacer avec d’autres mouvements d’ouverture portés par certains secteurs de la société, tels par exemple celui de l’open source. Il arrive d’ailleurs que l’on parle de la Science Ouverte comme d’une “extension” des principes d’ouverture à l’ensemble du cycle de la recherche².
Sans vouloir approfondir la question ici, cela permet aussi d’inviter qui voudrait s’engager sur la voie de la “Science Ouverte” a regarder en dessous de cet “umbrella term”, terme “parapluie” couvrant une diversité d’approches “englobant une multitude d’hypothèses sur l’avenir de la création et de la diffusion des connaissances”, comme on pu écrire Benedikt Fecher et Sascha Friesike dans leur tentative de dégager cinq écoles de pensée sur la Science Ouverte en 2013³.

Notons également, avant de nous engager dans la question des données, que l’axe de l’accès ouvert aux publications de recherche est l’un des mouvements plus anciens dans le chemin vers la Science Ouverte. Ce mouvement a été essentiel car il a posé nombreux termes du débat, en explicitant les enjeux impliqués dans une fermeture – économique et sociale – des productions de la recherche à l’intérieur des frontières d’institutions scientifiques publiques ou privées. La littérature au sujet de l’accès ouvert aux publications de la recherche est aujourd’hui assez vaste, et pour qui voudrait s’initier à la question, l’ouvrage de Peter Suber, Open Access, paru en 2012 et traduit en français en 2016, reste une bonne introduction en matière. Pour le versant français, Jérôme Valluy a proposé en 2017 une perspective critique en matière des politiques pour l’accès ouvert en France: quoique orientée notamment par la crainte d’une dérive bibliométrique et de centralisation étatique, ce tour d’horizon a le mérite de suivre l’évolution du cadre juridique de la dernière décennie et de proposer une bibliographie utile pour qui voudrait commencer à explorer la question. 

Un enjeux spécifique des données ouvertes: ouvrir autant que possible, fermer autant que nécessaire

Concernant le second volet, l’ouverture des données (Open Data), il s’agit d’augmenter l’accès à et la réutilisation des données de recherche, tout en explorant un équilibre entre ouverture et protection des données. Il s’agit d’une démarche relativement récente⁴ et le dernier programme cadre européen pour le financement de la recherche (Horizon 2020) qui touche à son terme, parlait encore à ce sujet d’expérimentations “pilote”.
La protection dont on parle est en lien soit avec la commercialisation des données ou avec la protection de la propriété intellectuelle, ou encore avec la protection de la vie privée des personnes ou de la sécurité des populations, des entreprises et des États. Cette ouverture “autant que possible” en ce qui concerne les données de recherche caractérise les défis spécifiques de l’axe Open Data de la Science Ouverte. Pour reprendre les mots du Plan National pour la Science Ouverte à propos de cette demande d’ouverture: “Cette obligation sera limitée par les exceptions légitimes encadrées par la loi, par exemple en ce qui concerne le secret professionnel, les secrets industriels et commerciaux, les données personnelles ou les contenus protégés par le droit d’auteur”. 

 

Au passage, ce mouvement vers les données ouvertes dans le monde de la recherche s’entrelace également au mouvement appelant à la transparence de l’action publique (Open Government), dont le Freedom of Information Act américain peut être considéré comme l’un des événements constitutifs de son développement. La France est engagée dans ce mouvement notamment par l’initiative internationale Open Government Partnership. Nous retrouvons par ce biais un certain lien avec les questions de démocratie participative évoquées dans le premier billet sur le rapport entre science citoyenne et sciences humaines et sociales.

Le cadre régulateur de la quête d’équilibre dans la mise à disposition des données de recherche est identifié actuellement dans les principes FAIR, une démarche initiée par trois pays européens (France, Allemagne et Pays-Bas). Selon ces principes, les données de recherche doivent être, autant que possible, faciles à trouver, accessibles, interopérables et réutilisables non seulement par le monde de la recherche, publique ou privée, mais aussi par autant de citoyens que possible. Des enjeux différents émergent alors dès lors qu’on parle de partage entre professionnels de la recherche (partage intra-professionnel) ou de partage entre monde de la recherche et autres professionnels (partage inter-professionnel). 

C’est pour répondre à ces principes FAIR dans les domaines des SHS qu’a été créé le réseau international CO-OPERAS IN, réuni autour de la communauté d’OPERAS et coordonné par OpenEdition Center, Huma-Num et l’Université de Turin. CO-OPERAS IN rassemble aujourd’hui 45 membres issus de 27 institutions et organismes de recherche européens et internationaux. Ce réseau travaille en étroite collaboration avec les autres réseaux internationaux GO FAIR impliqués dans la construction de l’“European Open Science Cloud” (EOSC), une initiative réunissant plusieurs infrastructures européennes et avec pour but de garantir justement un solide socle infrastructurel pour la Science Ouverte à l’échelle européenne. Parmi ces infrastructures, DARIAH, CLARIN, CESSDA, SHARE et ESS sont spécifiquement dédiées aux données SHS et se sont réunies autour d’un projet commun (SSHOC) pour garantir la prise en compte des pratiques et besoins de la recherche en science humaines et sociales dans la construction de l’EOSC. 

Au sein du monde de la recherche en SHS française, l’infrastructure Huma-Num développe des services accompagnant les différentes étapes du cycle de vie des données numériques en SHS, tandis que l’infrastructure Progedo s’engage dans le développement d’une “culture des données”  et propose – à côté de l’animation d’une dynamique nationale autour du sujet – aussi un dispositif d’archivage, de documentation et de mise à disposition des données dans certains domaines des SHS (droit, économie, géographie, gestion, histoire, sciences politiques et sociologie). L’EHESS, tutelle d’OpenEdition Center pour la réalisation de ce projet PLACES et l’une des tutelles de Progedo avec le CNRS, a récemment ouvert aussi son propre entrepôt de données Didomena. 
Il n’est pas sans intérêt de remarquer à ce point que ces infrastructures et services sont développées partant d’abord du monde de la recherche et de ses besoins et cadres d’activité, quoique Didomena envisage dès son départ la possibilité d’ouverture à “toutes les personnes intéressées par la recherche en sciences sociales”, selon des modalités définies par ceux qui y déposent les données.
Un exemple encore plus spécifique dans ce sens est la banque d’enquêtes qualitatives en sciences humaines et sociales (beQuali), qui fait partie de l’équipement d’excellence DIME-SHS (Données, Infrastructures, Méthodes en SHS) et est développée au Centre de données socio-politiques de SciencePo. Il s’agit d’un exemple particulièrement intéressant dans le cadre de ce billet, car c’est une initiative explicitement et exclusivement dédiée aux données qualitatives produites par des recherches en SHS. L’accès aux enquêtes incluses dans la base est dans ce cas sécurisé et restreint à la communauté scientifique, et l’on peut y accéder seulement sur justification d’un projet de recherche ou d’enseignement. L’obligation de confidentialité est garantie par un contrat de réutilisation signé par l’utilisateur à chaque demande d’accès. L’anonymisation est effectuée en collaboration avec les chercheurs, le Comité scientifique et technique et le Correspondant informatique et libertés du CNRS pour trouver un équilibre entre la protection des enquêtés et la richesse des données.

Il est important de noter également qu’une des visées des principes FAIR est de rendre les données “lisibles par des machines”, dans l’optique de faciliter les recherches mobilisant de grandes masses de données. Cette finalité soulève de nombreuses questions, éthiques et méthodologiques. Une précision contenue dans le Plan National pour la Science Ouverte français prend ici toute son importance: elle explicite le fait que la mise à disposition des données de recherche doit également être “encadrée par les bonnes pratiques définies par chaque communauté scientifique”. Cette phrase d’apparence anodine met en lumière toute la diversité de méthodes de collectes, d’analyses et d’usages de données qui caractérise le monde académique. Ce point est particulièrement important pour l’encadrement de pratiques de science citoyenne impliquant spécifiquement les disciplines des sciences humaines et sociales. En effet, une fermeture des données autant que nécessaire est toujours garantie, car l’objectif de la Science Ouverte n’est évidemment pas de fournir à quiconque des données brutes contenant des informations personnelles (ce qui en serait une caricature). C’est cette garantie qui permet de répondre adéquatement aux contraintes requises, par exemple, par la protection des données sensibles, comme nous l’avons bien vu aussi dans le cadre de PLACES en suivant le cadrage du règlement RGPD, toute en garantissant la possibilité d’effectuer des recherches qualitatives spécifiques aux disciplines des SHS.

Partager des données de Sciences Humaines et Sociales

Sylvain Parasie, en nous présentant le cas du precision journalism promu par Philip Meyer lors du séminaire préparatoire à PLACES, nous avait rappelé que les “données” sont moins quelque chose de “donné”, justement, qu’il faudrait juste extraire et exploiter, que plutôt le résultat d’un processus d’une mise en donnée, auquel plusieurs acteurs et plusieurs intérêts participent, suivant les pratiques et règles propres de leur domaine de recherche ou de leur profession. 
Sans entrer ici dans les débats épistémologiques qui conduisent à cette position (qu’il serait bien évidemment superficiel de réduire à une opposition entre naturalisme et constructivisme⁵), ce qui importe est de mettre en lumière la diversité des pratiques qui amènent aux différents processus possibles de mises en données. De ces processus qui diffèrent selon les disciplines, mais aussi selon les professions, découlent également des techniques différenciées de partage, qui prendront de surcroît en compte différents niveaux de publicisation requis pour les données en question. Les techniques de partage et de publication varient donc à leur tour selon les disciplines et aussi selon les degrés de collaboration éventuellement mis en oeuvre avec des acteurs sociaux donnés. 

Chaque domaine a donc besoin d’outils et de cadrages spécifiques – règles pratiques, éthiques et juridiques de collecte, analyse et partage de données – et cela est d’autant plus vrai lorsqu’il s’agit de partager des données sur la base d’une méthodologie commune. Quelques exemples de spécificité peuvent s’apprécier par exemple en explorant les enjeux de l’archivage des enregistrements du patrimoine sonore, ayant valeur d’information ethnologique, linguistique, historique, musicologique ou littéraire, pris en charge par la phonothèque de la Maison méditerranéenne des sciences de l’homme (MMSH), ou encore en explorant la complexité des pratiques d’observation et d’entretien en sociologie.
Pour aller vers davantage d’ouverture des données de recherche en SHS, pour qu’elles puissent être autant ouvertes que possible et autant fermées que nécessaire, la question devient alors plus précisément: quelle mise en donnée est appropriée, pour quel niveau de partage entre les collaborateurs et pour quel niveau de publicisation du jeu de données produit?

Dans un billet précédent, nous avons vu que différents degrés de collaboration peuvent être mis en œuvre dans le cadre de la science citoyenne. La crowdsourced science, par exemple, mobilise des grandes masses de données et fait le plus souvent appel, pour les récolter, à des bénévoles. Ce type de collaboration, dont le cadrage et la mise en œuvre sont pilotés par des chercheur.e.s, est particulièrement mobilisée dans les sciences de la nature pour récolter des informations portant sur le monde animal ou végétal ou encore minéral, ce qui fait que le niveau de sécurité requis pour ces données est souvent assez faible voir nul (il est rare en effet qu’une plante porte plainte pour exposition de ses données personnelles, ou soit vulnérabilisée par l’effet direct de cette exposition). 
Un autre type de collaborations, un peu plus engageant du point de vue de la participation mais toujours piloté par des chercheur.e.s (la distributed intelligence, voir encore ce billet), peuvent aussi bien concerner des recherches historiques, que littéraires, demandant à un large nombre de participants de contribuer à la transcription de manuscrits anciens numérisés ou de lettres anciennes. Ici aussi, le niveau de sécurité requis pour les données récoltées et partagées est faible voir nul.
C’est à ce genre d’expériences que l’on fait pour la plupart référence, lorsqu’on parle d’une “cumulativité de la science”. Le Plan National pour la Science Ouverte l’exprime ainsi: “La science ouverte vise à construire un écosystème dans lequel la science est plus cumulative”. L’enjeu est alors de renforcer les capacités de compréhension de certains phénomènes par une extension de la capacité de récolte et traitement d’une grande masse de données. Il n’est pas anodin d’observer qu’une grande partie des projets de citizen science s’enregistrent justement dans les sciences dites “dures” et dans les branches quantitatives des sciences humaines et sociales où ce modèle de production de connaissance est davantage répandu (des exemples sont les domaines de l’ornithologie, de l’astronomie, de la météorologie, de la biologie, du patrimoine⁶).

Sur la question de la récolte et du traitement des données en SHS, deux aspects méritent particulièrement d’être interrogés. D’une part, de quelle nature sont les données mobilisées dans ce type de processus? D’autre part, quelle est la spécificité des recherches de type qualitatives? 
Concernant le premier point, s’il existe bien évidemment d’importantes branches quantitatives des recherches en sciences humaines et sociales, mobilisant des grandes masses de données, il n’en reste pas moins que dans nombre de cas, les données produites dans les cadres de recherches en SHS impliquent des données sensibles. Comme dans le cas des recherches cliniques ou démographiques, nombreuses sont les activités de recherche qui manipulent ce type de données depuis longtemps, au sein desquelles les chercheurs ont établit des protocoles d’échange spécifiques, et cela concernant différents niveaux de publicisation. Nous le voyons aussi en cette période de mise à disposition de données épidémiologiques concernant la pandémie du nouveau Coronavirus. 
Si les pratiques concernant la diffusion de ces grand jeux de données sont aujourd’hui plutôt établies, l’enjeu principal à leur sujet concerne alors, maintenant, les plateformes d’échange de ces données numérisées: leur localisation, leur sécurité, leur politique de contrôle des accès et leur propriétaires sont autant de sujets qui sont au centre des préoccupations. Ceci conduit à porter une attention accrue aux infrastructures, avec des questionnements concernant les acteurs à qui revient la charge de stocker ces données, de proposer des espaces de dépôts, des réseaux sécurisés, des possibilités de sauvegardes de gros fichiers, etc. La réglementation RGDP, dont Alexandra Caria a rendu compte pour PLACES dans une série de billets, semble d’ailleurs se concentrer justement sur ce niveau d’analyse⁷. Cette réglementation a vu le jour justement pour réglementer l’extension du stockage, du traitement et de la circulation de données personnelles via les canaux numériques.

Mais, et c’est le second point, les enjeux de partage des données personnelles est d’autant plus visible, et problématique, quand il s’agit d’enquêtes qualitatives. Comme l’a écrit Alexandra Caria, “la recherche qualitative a pour raison d’être d’étudier des objets en faisant l’analyse fine de processus qu’une approche quantitative ne permet pas toujours de rendre visibles, en se focalisant sur ce qui pourrait être considéré comme des détails, des singularités mais qui participe de fait à la cumulation de savoirs, à la définition de concepts, à la théorisation de phénomènes. Faire de la recherche qualitative en SHS, implique de prendre l’humain comme objet dans sa dimension individuelle, sociale, culturelle, historique, politique, géographique, etc.”. Cette modalité de récolte et d’accumulation de savoir qui prête attention aux singularités et aux détails au sujet des humains, traite des données portant sur des cas circonscrits et spécifiques, qui sont pour cela susceptibles de compromettre la  protection de la vie privée, et parfois de la sécurité aussi, des personnes étudiées. C’est une démarche particulièrement fréquente en sociologie et en anthropologie, par exemple, mais c’est aussi le pain quotidien du journalisme. Il y a une dénomination commune pour le souci central qui accompagne cet important travail de recherche: c’est la protection des sources. Les trois binômes impliqués dans PLACES ont d’ailleurs chacun établit leur propre façon d’assurer la protection des personnes sur lesquelles leurs enquêtes ont porté. 

Ces pratiques rendent rendent donc cruciale la compréhension de ce que “ouvrir” et “partager” les données dans le cadre de recherches qualitatives en SHS peut vouloir dire: quels cadres légaux et administratifs sont susceptibles d’encadrer des pratiques de partage interprofessionnelles dans ces type de recherche? Encore une fois, il n’est en effet pas question de rendre publiques des données brutes sans conditions, mais justement de comprendre à quelles conditions, suivant quel droits d’accès, et surmontant quels écueils il peut être possible de partager ces données dans un contexte numérique, y compris entre professions académiques et professions externes aux institutions académiques, comme l’on pratique déjà dans certaines recherches industrielles dans les domaines de l’ingénierie ou de la pharmaceutique.
C’est un des enjeux premiers de PLACES, qui est une étude des pratiques collaboratives entre chercheurs en sciences sociales et journalistes: explorer et analyser les questions juridiques, éthiques et économiques spécifiques soulevées par le partage de données sensibles – c’est à dire, des données primaires portant sur des personnes. 

Dans ces expérimentations pratiques, de nombreux problèmes sont totalement nouveaux et complexes à traiter si bien que les parties prenantes sont confrontées ensemble à l’obligation de respecter leurs règles éthiques respectives, mais aussi à expliciter et, parfois, remettre en question, leurs propres procédures. C’est alors à partir de l’exploration de cas concrets qu’il sera possible de proposer des solutions pour surmonter ces défis. Et c’est à partir de cas issus d’activités de sciences citoyenne impliquant des disciplines des SHS que l’on pourra contribuer à la compréhension de la manière dont la FAIRification peut être correctement comprise et assurée dans ces disciplines, notamment aux niveaux les plus engagés de collaboration.
Ce faisant, les résultats du projet PLACES, consacré aux collaborations interprofessionnelles, viendront compléter le tour d’horizon portant sur les pratiques de recherche en SHS que trente-six auteurs, coordonnées par Véronique Ginouvès et Isabelle Gras et le groupe de travail Éthique & Droit en SHS, ont publié en 2018 dans “La diffusion numérique des données en SHS. Guide des bonnes pratiques éthiques et juridiques”.

*

En conclusion, les activités de science citoyenne dans les domaines des SHS et impliquant des partenaires de différentes professions et organisations, doivent maintenant s’atteler sérieusement au défi du partage de données. Cela est crucial pour répondre pleinement à l’Amsterdam Call for Open Science et prendre au sérieux les questions de transfert de connaissance au-delà du seul niveau des publications (c’est à dire, la diffusion des résultats quand la recherche est déjà finie). Cela permettra aussi de développer des modèles innovants de transfert de connaissances, tirant parti de ce que les pratiques de science citoyenne permettent d’envisager. 
Si les SHS ont affaire principalement à des données personnelles sensibles, il est nécessaire de développer des approches spécifiques non seulement pour se conformer aux normes juridiques européennes – dont le règlement général sur la protection des données (RGDP) fait partie – mais aussi pour se doter de protocoles éthiques et juridiques partagés garantissant la protection des données tout au long de la chaîne de recherche et dans des cadres de partage essentiellement numériques. Ces développement ne peuvent faire l’économie de la possibilité de partages interprofessionnels, garantissant le transfert de connaissance entre science et société. Cela seulement permettra de continuer à contribuer à la production de connaissances qualitatives issues de pratiques de recherche en SHS, tout en s’inscrivant dans le cadre de la science citoyenne. 

1. Burgelman J.-C. et alii, 2019, Open Science, Open Data, and Open Scholarship: European Policies to Make Science Fit for the Twenty-First Century, in Frontiers in Big Data, 2019 [↩]
2. Bueno de la Fuente G., What is Open Science? Introduction, in www.fosteropenscience.eu [↩]
3. Fecher B. et Friesike S., 2013, Open Science: One Term, Five Schools of Thought, in Bartling S. et Friesike (eds.), Opening Science, New York, Springer, 2013, pp. 17-47 [↩]
4. Voir le rapport SPARC, An Analysis of Open Science Policies in Europe v4, Août 2019 [↩]
5. Pour une entrée en la matière voir par exemple De Fornel M. et Lemieux C. Cyril (eds.), 2007, Naturalisme versus constructivisme?, Paris, Éditions de l’EHESS, 2007. Pour aller plus loin et se penchant sur un cas particulier portant sur des données gouvernementales et interrogeant la notion de “données brutes”, voir Denis J. et Goëta S., 2017, Rawification and the careful generation of open government data, Social Studies of Science, 47 (5). Sylvain Parasie a mis à disposition sur son site personnel nombre de ses contributions portant sur la mobilisation des données dans différents domaines sociaux, et en particulier dans le domaine du data journalism. [↩]
6. Cf. Kullenberg C. et Kasperowski D., 2016, What Is Citizen Science? – A Scientometric Meta-Analysis, PLoS One, 11 (1), 2016. Mais on pourrait se demander au fond si cette “domination” des sciences de la nature sur la citizen science ne vient d’un double biais: la dénomination elle-même (“science”), avec la longue traîne d’oppositions entre les “sciences” et les “humanités” que cette dénomination comporte, mais aussi les sources du décompte des projets pris en compte (Web of Science, la base de données sur laquelle cette méta-analyse de Kullenberg et Kasperowski est basée, est connue pour sous estimer et les productions des sciences humaines et sociales, et les productions non anglophones). [↩]
7. Sur le service de soutien du CNRS au sujet de la conformité au RGDP voir par exemple l’entretien à Gaëlle Bujan, déléguée à la protection des données du CNRS depuis avril 2018, publié le 5 Mai 2020 sur le site du CNRS [↩]

---

---