Comment les données ouvertes améliorent la précision, la reproductibilité et l'impact de la recherche

L'importance de open data dans la transparence de la recherche

Introduction

La recherche scientifique sous-tend les décisions en matière de santé, d'éducation, de politique climatique, d'économie et dans d'innombrables autres domaines qui affectent la vie quotidienne. Pour que ces décisions soient bien fondées, la recherche qui les soutient doit être transparente, vérifiable et digne de confiance. Traditionnellement, la transparence s'est concentrée sur l'article publié – le récit qui explique ce qui a été fait et ce qui a été découvert. Aujourd'hui, cela ne suffit plus. De plus en plus, les financeurs, les revues et le public attendent un accès non seulement à l'histoire, mais aussi aux données, codes et protocoles qui la soutiennent.

C'est là qu'intervient open data. Open data est la pratique consistant à rendre les données de recherche librement et légalement disponibles afin que d'autres puissent les examiner, les réutiliser et les exploiter. Cela est étroitement lié au mouvement plus large de la science ouverte et aux principes FAIR (Findable, Accessible, Interoperable, Reusable). Lorsque les données sont partagées de manière ouverte et responsable, d'autres chercheurs peuvent relancer des analyses, vérifier la robustesse, combiner des ensembles de données et explorer de nouvelles questions que les auteurs originaux n'avaient peut-être jamais envisagées. En bref, open data est l'un des outils les plus puissants dont nous disposons pour renforcer la transparence et la reproductibilité de la recherche.

En même temps, open data soulève de réelles préoccupations : vie privée, mauvaise utilisation, mauvaise interprétation, manque d'infrastructures et résistance culturelle au sein du milieu universitaire. Cet article examine ce que signifie open data en pratique, pourquoi c'est important pour la transparence, les avantages et les défis impliqués, ainsi que ce que les chercheurs et les institutions peuvent faire pour promouvoir un partage des données responsable et durable.

Qu'est-ce que les données ouvertes en recherche ?

Les données ouvertes en recherche désignent les données et matériaux associés mis à disposition des autres sans restrictions inutiles. Cela inclut généralement :

• Jeux de données bruts ou traités utilisés dans une étude.
• Code ou scripts utilisés pour le nettoyage, l'analyse ou la visualisation des données.
• Protocoles, questionnaires et autres documents méthodologiques.
• Métadonnées – informations décrivant comment, quand, où et pourquoi les données ont été collectées.

Mettre simplement un tableur en ligne ne suffit pas à qualifier de bonnes données ouvertes. Pour être vraiment ouvertes et utiles, les données de recherche doivent être :

• Librement disponibles : L'accès ne doit pas être bloqué par des paywalls ou des barrières juridiques inutiles.
• Accessibles dans un format utilisable : Les données doivent être fournies dans des formats standards et non propriétaires (par exemple CSV plutôt qu'un format binaire spécialisé ou obsolète) afin que d'autres puissent réellement les exploiter.
• Bien documentées : Les métadonnées, codebooks et fichiers ReadMe doivent fournir suffisamment de contexte pour que d'autres comprennent la signification de chaque variable, comment les données ont été collectées, ainsi que les limites ou mises en garde.
• Licenciées pour réutilisation : Des licences ouvertes explicites (telles que CC BY ou ODC-BY) clarifient comment d'autres peuvent réutiliser, adapter et citer les données.

Les données ouvertes sont souvent stockées dans des dépôts publics (par exemple Zenodo, Figshare, Dryad, Harvard Dataverse) ou des dépôts spécialisés par sujet (par exemple GenBank pour les séquences génétiques, ICPSR pour les données en sciences sociales). De nombreuses revues exigent désormais une déclaration de disponibilité des données qui explique où les données peuvent être trouvées et dans quelles conditions.

Données ouvertes et transparence de la recherche

La transparence de la recherche est la mesure dans laquelle une étude peut être comprise, évaluée et reproduite par d'autres. Les données ouvertes contribuent à la transparence de plusieurs façons :

• Vérification : Des chercheurs indépendants peuvent vérifier si les analyses et conclusions publiées sont étayées par les données.
• Reproductibilité : D'autres équipes peuvent relancer les étapes d'analyse en utilisant les mêmes données et le même code pour vérifier si les résultats originaux sont reproductibles.
• Robustesse : Des vérifications supplémentaires de la robustesse (par exemple, modèles alternatifs, sous-groupes différents ou données mises à jour) peuvent être effectuées pour évaluer la sensibilité des résultats aux hypothèses.
• Détection des erreurs : Les erreurs dans le codage, l'analyse ou le rapport des données sont plus susceptibles d'être repérées lorsque les matériaux sous-jacents sont visibles.

Dans des domaines tels que la médecine, la science du climat et la politique sociale – où la recherche peut influencer les réglementations, les directives de traitement et le comportement public – ces aspects de la transparence ne sont pas de simples idéaux académiques ; ils sont essentiels pour la confiance du public et la responsabilité éthique.

Reproductibilité et « crise de la réplication »

Les préoccupations concernant la reproductibilité ont augmenté ces dernières années, notamment en psychologie, sciences biomédicales et économie. Des projets de réplication à grande échelle ont constaté que certains effets publiés sont difficiles ou impossibles à reproduire. Bien qu'il y ait de nombreuses raisons à cela, le manque d'accès aux données et au code originaux est un obstacle majeur. Sans les matériaux bruts, il est souvent impossible de savoir si les divergences proviennent de différences réelles dans les données, de choix analytiques ou d'erreurs.

Les données ouvertes répondent directement à ce problème. Lorsque les ensembles de données et le code sont disponibles, des équipes indépendantes peuvent effectuer des réplications ou des réanalyses, testant si les conclusions tiennent sous des hypothèses légèrement différentes ou lorsque des données supplémentaires sont ajoutées. Avec le temps, cela conduit à une base de connaissances plus robuste dans laquelle les affirmations ont été examinées et confirmées à plusieurs reprises sous différents angles.

Avantages des données ouvertes dans la recherche

1. Renforcer l'intégrité scientifique

Les données ouvertes renforcent l'intégrité scientifique en rendant la recherche plus responsable. Savoir que d'autres pourront voir et analyser leurs données encourage les chercheurs à suivre les meilleures pratiques en conception d'étude, gestion des données et rapport. Cette transparence aide à :

• Décourager les pratiques de recherche douteuses, telles que le rapport sélectif ou le « p-hacking ».
• Réduire le risque de manipulation ou de fabrication délibérée des données.
• Augmenter la confiance que les résultats publiés reflètent des motifs réels dans les données.

Lorsque des problèmes surviennent, les données ouvertes facilitent leur identification et leur correction. Les corrections, commentaires et revues par les pairs post-publication peuvent être informés par l'inspection directe des preuves sous-jacentes, et non seulement par des spéculations basées sur l'article écrit.

2. Faciliter la collaboration et l'innovation

Les données sont des ressources précieuses. Lorsqu'elles sont partagées, leur valeur se multiplie. Les données ouvertes permettent :

• Collaboration interdisciplinaire : Un ensemble de données collecté par des écologistes peut intéresser des économistes, des informaticiens ou des sociologues qui peuvent y apporter de nouvelles méthodes et questions.
• Nouvelles questions de recherche : Les chercheurs peuvent combiner plusieurs ensembles de données ouverts pour explorer des motifs qui seraient impossibles à détecter dans une seule étude, tels que les tendances mondiales ou les changements à long terme.
• Résolution de problèmes par la foule : Les défis ouverts et les hackathons peuvent inviter des experts du monde entier à analyser des ensembles de données communs et à partager des solutions.

Ce potentiel de collaboration est particulièrement important dans les domaines traitant des défis sociétaux complexes (par exemple la réponse à la pandémie, l'adaptation au climat, l'urbanisme), où aucune équipe ou discipline unique ne peut fournir toutes les réponses.

3. Augmenter la visibilité de la recherche et les citations

Les preuves s'accumulent que les articles accompagnés de données [open] reçoivent plus de citations que ceux qui n'en ont pas. Lorsque d'autres utilisent un jeu de données dans des travaux ultérieurs, ils citent généralement l'article et le jeu de données originaux, augmentant ainsi l'impact et la visibilité de la recherche. Les données [open] peuvent donc :

• Renforcer le profil académique et le parcours d'un chercheur.
• Soutenir les demandes de financement qui mettent l'accent sur l'ouverture, l'impact et la réutilisation.
• Améliorer la réputation des revues en signalant un engagement envers la transparence et la reproductibilité.

De nombreuses agences de financement et institutions considèrent désormais le partage des données comme un indicateur positif de bonne citoyenneté scientifique et de rapport qualité-prix à long terme.

4. Soutenir l'engagement public et l'élaboration des politiques

Les données [open] ne bénéficient pas seulement aux autres universitaires. Lorsque les données de recherche sont disponibles dans des formats compréhensibles, elles peuvent également soutenir :

• Politiques fondées sur des preuves : Les décideurs peuvent examiner directement les données pertinentes ou commander des analyses indépendantes plutôt que de se fier uniquement à des résumés.
• Examen journalistique : Les journalistes d'investigation peuvent vérifier les affirmations et explorer de nouveaux angles, améliorant ainsi le reportage scientifique.
• Éducation et science citoyenne : Les étudiants, enseignants et communautés de science citoyenne peuvent utiliser des données réelles dans des projets et activités d'apprentissage.

Les données [open] contribuent ainsi à une société plus informée et engagée, où les décisions reposent sur des preuves accessibles plutôt que sur des affirmations d'experts opaques.

5. Réduction du gaspillage en recherche

La collecte de données est souvent coûteuse et chronophage. Lorsque les jeux de données restent sur l'ordinateur d'un seul chercheur ou ne sont jamais partagés au-delà d'un petit groupe, leur potentiel est gaspillé. Les données [open] réduisent ce gaspillage en :

• Permettre à d'autres de réutiliser des données existantes plutôt que de dupliquer les efforts.
• Préserver les données d'études jamais publiées formellement ou ayant produit des résultats nuls/négatifs.
• Permettre des méta-analyses et des revues systématiques qui combinent plusieurs jeux de données pour produire des estimations plus précises.

En maximisant la valeur de chaque jeu de données, les données [open] contribuent à rendre la recherche plus efficace, économique et respectueuse de l'environnement.

Défis et préoccupations dans la mise en œuvre des données [open]

Malgré ces avantages, passer aux données [open] n'est pas simple. Plusieurs préoccupations légitimes doivent être abordées pour garantir que le partage des données soit à la fois éthique et durable.

1. Confidentialité et protection des données

La recherche impliquant des participants humains—en particulier en médecine, psychologie et sciences sociales—comprend souvent des informations personnelles sensibles. Partager ouvertement ces données sans garanties violerait les engagements éthiques et les exigences légales. Les considérations clés incluent :

• Se conformer aux réglementations telles que le GDPR (en Europe), le HIPAA (aux États-Unis) et les lois locales sur la protection des données.
• Utiliser des techniques de dé-identification et d'anonymisation, tout en reconnaissant que les risques de ré-identification ne peuvent jamais être réduits à zéro dans certains contextes.
• Utiliser des dépôts à accès contrôlé lorsque le partage totalement ouvert n'est pas possible, en accordant l'accès uniquement à des chercheurs vérifiés sous des conditions spécifiques.

2. Peur de l'utilisation abusive ou de la mauvaise interprétation des données

Les chercheurs peuvent craindre que leurs données soient mal comprises ou mal utilisées par d'autres qui ne connaissent pas le contexte ou les limites. Les préoccupations courantes incluent :

• Des analyses incorrectes qui conduisent à des conclusions trompeuses.
• Utilisation des données sans reconnaissance ou citation appropriée.
• Des données utilisées d'une manière qui entre en conflit avec les engagements éthiques de l'étude originale.

Ces préoccupations ne peuvent pas être entièrement éliminées, mais elles peuvent être atténuées par une documentation claire, des licences robustes et des normes communautaires autour de la citation et de la réutilisation responsable.

3. Manque de standardisation

Dans de nombreux domaines, il n'existe pas de norme unique sur la manière dont les données doivent être structurées, étiquetées et documentées. Cela rend plus difficile la combinaison ou la comparaison des ensembles de données. Des progrès sont réalisés grâce à :

• Des normes de données spécifiques aux disciplines (par exemple MIAME pour les données de microarrays, DDI pour les enquêtes en sciences sociales).
• Une adoption plus large des principes FAIR qui mettent l'accent sur des métadonnées lisibles par machine et des formats interopérables.

Cependant, atteindre une interopérabilité complète reste un travail en cours et nécessite une coordination entre les revues, les financeurs, les dépôts et les sociétés professionnelles.

4. Contraintes d'infrastructure et de ressources

Le stockage, la conservation et la mise à disposition des données coûtent de l'argent et nécessitent une expertise. Toutes les institutions ne disposent pas de services solides de soutien aux données, et maintenir des dépôts de haute qualité sur plusieurs décennies est un engagement non trivial. Des données ouvertes durables nécessitent :

• Des modèles de financement à long terme pour les dépôts.
• Des gestionnaires de données et des bibliothécaires compétents qui peuvent aider les chercheurs à préparer et déposer des données.
• Des politiques institutionnelles qui reconnaissent la gestion des données comme une partie légitime du travail de recherche, et non comme un supplément optionnel.

5. Résistance culturelle dans le milieu académique

Enfin, la culture compte. Certains chercheurs craignent que le partage des données réduise leur avantage concurrentiel, surtout en début de carrière. D'autres peuvent voir la gestion et la documentation des données comme un travail supplémentaire qui n'est pas correctement reconnu lors des promotions ou des subventions. Surmonter cette résistance implique :

• Reconnaître et récompenser le partage des données dans les critères d'évaluation.
• Mettre en avant des exemples réussis où les données ouvertes ont conduit à des collaborations influentes ou à des citations.
• Fournir des directives claires sur quand et comment les données peuvent être partagées sans compromettre les préoccupations légitimes liées à la carrière.

Comment promouvoir les données ouvertes dans la recherche

La promotion des données ouvertes est une responsabilité partagée. Les chercheurs, institutions, revues et financeurs ont tous un rôle à jouer.

1. Suivre et contribuer à façonner les politiques de données ouvertes

De nombreuses agences de financement, revues et universités exigent désormais des plans de partage des données. Les chercheurs devraient :

• Lire et comprendre les politiques pertinentes pour chaque projet.
• Inclure des plans de gestion et de partage des données dans les demandes de subvention.
• Participer aux consultations lors de l'élaboration des politiques, afin de garantir qu'elles soient pratiques et sensibles aux disciplines.

2. Utiliser des dépôts de confiance

Plutôt que d'héberger les données sur des sites personnels ou des dossiers cloud ad hoc, les chercheurs devraient déposer les ensembles de données dans des dépôts réputés, tels que :

• Zenodo – https://zenodo.org
• Figshare – https://figshare.com
• Dryad – https://datadryad.org
• Harvard Dataverse – https://dataverse.harvard.edu
• PLOS Open Data – https://journals.plos.org/plosone/s/data-availability

De nombreuses disciplines disposent également de dépôts dédiés qui offrent des normes et des outils de métadonnées spécifiques au domaine.

3. Appliquer des licences ouvertes appropriées

La licence est essentielle pour clarifier les droits de réutilisation. Les options courantes incluent :

• Creative Commons CC BY 4.0 : Permet la réutilisation avec attribution.
• Open Data Commons (ODC-BY ou ODbL) : Conçu spécifiquement pour les bases de données et les données structurées.

Choisir une licence qui équilibre ouverture et restrictions nécessaires (par exemple, usage non commercial uniquement) aide à éviter l'ambiguïté et encourage une réutilisation responsable.

4. Investir dans la documentation et les métadonnées

Des données bien documentées sont bien plus précieuses que des feuilles de calcul non documentées. Au minimum, les jeux de données devraient inclure :

• Métadonnées descriptives : Ce que représentent les données, quand et comment elles ont été collectées, qui les a collectées et dans quel but.
• Descriptions des variables et codebooks : Explications claires des noms de colonnes, unités et schémas de codage.
• Code d'analyse et scripts : Lorsque possible, scripts utilisés pour le nettoyage, la transformation et l'analyse, avec des commentaires expliquant chaque étape.
• Fichiers ReadMe : Descriptions de haut niveau qui guident les nouveaux utilisateurs sur la manière de commencer et ce à quoi faire attention.

5. Fournir formation et soutien

Les institutions devraient offrir une formation en :

• Bonnes pratiques pour la gestion et l'organisation des données.
• Considérations éthiques et juridiques dans le partage des données.
• Utiliser efficacement les dépôts, licences et normes de métadonnées.

Les ateliers, guides en ligne et le soutien du personnel de la bibliothèque ou informatique peuvent faire une différence substantielle, surtout pour les chercheurs en début de carrière.

Conclusion

Les données ouvertes sont plus qu'une question technique ; c'est un engagement culturel et éthique envers la transparence, la responsabilité et le progrès partagé en science. En rendant les données de recherche accessibles, réutilisables et bien documentées, les chercheurs permettent aux autres de vérifier leurs résultats, de s'appuyer sur leur travail et de l'appliquer dans de nouveaux contextes. Cela renforce la crédibilité scientifique, soutient les politiques fondées sur des preuves et réduit les efforts gaspillés.

En même temps, les données ouvertes responsables nécessitent une attention à la vie privée, aux cadres juridiques, à la normalisation, à l'infrastructure et aux incitations académiques. Les financeurs, les revues et les institutions doivent soutenir des dépôts durables, récompenser le partage des données et fournir formation et conseils. Les chercheurs, de leur côté, devraient intégrer la planification des données ouvertes dans leurs projets dès le départ et considérer la gestion des données comme une partie intégrante d'une bonne pratique de recherche.

Alors que la communauté académique continue de se diriger vers une culture open-access, adopter des pratiques responsables de partage des données sera essentiel pour garantir que le travail scientifique soit solide, éthique et véritablement bénéfique pour la société. Une documentation de haute qualité, clairement rédigée, et des déclarations de disponibilité des données sont des éléments clés de cet effort – et compte tenu des préoccupations croissantes concernant les textes générés par l'IA, de nombreux auteurs trouveront plus sûr de s'appuyer sur une relecture humaine professionnelle pour affiner leurs manuscrits et descriptions de données associées pour les revues qui surveillent désormais de près la similarité et l'utilisation de l'IA.

Lectures complémentaires

Pour plus d'informations sur la transparence et l'intégrité dans l'édition académique, vous trouverez peut-être les articles suivants utiles :

1. Éviter le plagiat avec des citations appropriées : conseils essentiels pour réussir académiquement – Explore comment des pratiques de citation rigoureuses soutiennent la transparence et protègent contre le plagiat.
2. La menace croissante de la mauvaise conduite en recherche et son impact sur la confiance scientifique – Discute de la manière dont la mauvaise conduite mine la confiance et comment l'ouverture peut aider à la contrer.
3. Comprendre les rétractations : pourquoi les articles de recherche sont retirés et leur impact – Examine le rôle des corrections et des rétractations dans le maintien d'un registre scientifique fiable.
4. La vérité sur open access : dissiper les mythes pour un avenir plus équitable – Explique comment la publication en open access est liée à la transparence et à l'équité en science.
5. Pourquoi le conflit d'intérêts est important dans la recherche et comment le gérer – Met en lumière l'importance de divulguer et de gérer les conflits pour protéger l'intégrité de la recherche.

Ensemble, ces ressources offrent un contexte plus large pour comprendre comment open data, open access et les pratiques d'édition éthiques travaillent ensemble pour soutenir un écosystème de recherche transparent et digne de confiance.