Zoom sur le baromètre de la science ouverte - MESRI/Université de Lorraine Laetitia Bracco, Data librarian à l'Université de Lorraine

Quel est le parcours qui vous a menée au projet du baromètre de la science ouverte ? Après des études d'histoire, j'ai commencé comme bibliothécaire pendant 4 ans à l'Université de Haute-Alsace avant de devenir conservatrice des bibliothèques à l'Université de Lorraine. J'y occupe le poste de Data librarian (bibliothécaire de la donnée), dont les missions consistent principalement à aider les chercheurs à bien gérer les données au cours de leur recherche. Par la suite, j'ai également intégré l'équipe bibliométrie, au sein de l'Université de Loraine, en charge de la production d'indicateurs sur l'impact de la diffusion de la production scientifique.

Mon travail au niveau local m'a conduit à animer, au niveau national, le groupe de travail sur la science ouverte spécialisé sur les données du consortium Couperin, composé de 12 personnes. Ce groupe produit des supports d'accompagnement, des fiches pratiques ou encore des webinaires à destination des établissements et organismes de l'enseignement supérieur et de la recherche (toutes les infos ici). Par exemple, nous avons réalisé une fiche pour savoir comment former les doctorants aux données de la recherche.

Comment est né le projet ? Le MESRI a mis en place le Baromètre français de la science ouverte en 2019 (lien ici). L'idée était de produire des indicateurs sur l'ouverture des publications scientifiques françaises par année, par discipline, par éditeur…

Mon objectif était de décliner ce baromètre au niveau local mais ce n'était pas simple. Je me suis moi-même formée au langage Python pour ce projet. En juin 2020, le premier baromètre local pour l'Université de Lorraine est sorti. Je voulais produire quelque chose d'utile pour la communauté. J'ai mis le code en open source pour qu'il soit réutilisé par les autres universités. Une quinzaine d'établissements l'ont repris. J'accompagnais les universités au-delà de l'ouverture du code.

La déclinaison du projet au niveau local a bien pris. Une nouvelle version du baromètre a été ouverte par le ministère en 2022, version qui prend à présent en compte nativement la possibilité de déclinaison au niveau local (voir l'exemple lorrain ici).

Le ministère a proposé à l'Université de Lorraine de piloter la nouvelle version pour 2023 et j'ai été nommée chef de projet. Cette version proposera des indicateurs d'ouverture non seulement sur les publications mais aussi sur les données de la recherche et les logiciels. C'est un point important car bien souvent on entend le terme "science ouverte" de manière restrictive alors que c'est un ensemble de publications, de données et de logiciels.

Quelles sont les étapes du projet ? Le projet se déroule en deux étapes : - De septembre 2021 à septembre 2022 : nous commençons par détecter les données de recherche et logiciels mentionnés dans les publications (sur un échantillon de 10 000 publications, la moitié au moins fait mention d'un logiciel). On utilise pour cela le logiciel "GROBID" (https://github.com/kermitt2/grobid/) et le logiciel "Softcite software mention recognizer" (https://github.com/ourresearch/software-mentions). Ils sont en open source. Ils ont été développés par Patrice Lopez, de la société Science Miner. Cette technologie a déjà été utilisée par HAL (https://hal.archives-ouvertes.fr/) qui est un portail scientifique de publications en accès ouvert, et qui est ici fortement développée ;

• De septembre 2022 à septembre 2023 : il s'agira de détecter des données et codes non liés aux publications. Ils sont répartis dans de nombreuses bases différentes qui seront interrogées par moissonnage. Ensuite les métadonnées seront récupérées. L'outil Affiliation matcher développé par le MESRI permettra de rattacher les jeux de données et logiciels aux institutions dans lesquels ils ont été produits et donc de limiter notre étude aux productions françaises (https://github.com/dataesr/matcher-affiliation).

L'objectif est d'affiner cet outil et de le rendre plus robuste.

Avez-vous déjà pu mesurer l'impact du projet ? Pour le moment, l'impact du projet est difficile à mesurer car nous n'avons pas encore d'indicateurs complets. En revanche, son impact sera important en termes de prise de conscience d'ouvrir les données et les logiciels. Ce projet permettra de mesurer l'impact des politiques publiques et de fournir des indicateurs aux chercheurs.

Le projet permettra aux établissements d'avoir des indicateurs au niveau local, ce qui est important pour permettre de faire bouger les politiques portées sur le terrain.

Plus largement, le projet montre également la capacité d'innovation au niveau local qui peut permettre d'améliorer un projet élaboré au niveau national.

Quelles sont les prochaines étapes du projet ? La prochaine étape consistera à réaliser un corpus de publications le plus complet possible. Sur ce corpus, il s'agira de détecter les mentions de données et de logiciels, ce que nous avons déjà fait sur un échantillon de 10 000 publications.

Quels sont selon vous les clés de la réussite de ce type de projet ? Tout d'abord, il faut bien anticiper les questions de marché public qui étaient importantes sur notre projet. Nous avons des réunions de travail régulières même courtes de 30 minutes avec l'équipe projet toutes les semaines. Il est préférable d'avoir une équipe projet réduite. Nous sommes huit : Eric Jeangirard, Anne L'Hôte et Emmanuel Weisenburger au MESRI, Jean-François Lutz, Aricia Bassinet et moi-même à l'Université de Lorraine, Patrice Lopez de la société Science-Miner, Laurent Romary d'Inria. Nous avons également fait appel à la société Octo avec qui nous faisons des points plus espacés. Plus généralement, il faut toujours garder le cap pour surmonter les obstacles et maintenir le calendrier. Il est important de bien rester concentrés sur la finalité du projet qui est avant tout d'être utile.

• Lancement du programme 10%

Issu d'une recommandation d'un rapport Dinum/Insee publié en septembre 2021, le programme 10% est piloté par le Lab IA, rattaché au département Etalab au sein de la direction interministérielle du numérique.

Il vise à mettre en place une communauté d'experts de la donnée consacrant une partie de leur temps de travail à des projets d'intérêt partagé à une échelle interministérielle.

Le programme 10% répond à trois objectifs :

• Encourager le travail interministériel entre pairs
• Renforcer l'attractivité de l'État-employeur et faciliter la mobilité entre ministères
• Fidéliser les experts de la donnée déjà en poste

Un atelier d'idéation visant à recueillir des idées de projets d'intérêt commun se tiendra le lundi 16 mai 2022.

Si vous avez des idées de projets ou voulez en savoir plus sur le programme 10%, n'hésitez pas à nous contacter : lab-ia@data.gouv.fr

• Retour sur le datadrink du 17 mars 2022

Le datadrink du 17 mars a mis en lumière deux beaux projets : - [ ] Le projet Basegun, une solution d'IA permettant d'identifier et classer instantanément une arme sur le terrain présenté par le laboratoire des données du Ministère de l'Intérieur. - [ ] Un cas d'usage de XAI (IA explicable) à la CNIL dans la perspective des futurs audits algorithmiques prévus par le projet européen

A voir ou à revoir ici !

• Le Lab IA publie l'inventaire de ses modèles pré-entraînés d'apprentissage !

La publication de l'inventaire des modèles pré-entraînés d'apprentissage automatique (machine learning) fait partie des actions de la feuille de route du Ministère de la Transformation et de la Fonction Publique.

Ce jeux de données recense les différents algorithmes entrainés à date par le Lab IA dans le cadre du développement de ses outils mutualisés.

Pour en savoir plus, rendez-vous sur le site d'Etalab ici

Le consortium big science a lancé l'entraînement d'un nouveau modèle de langage géant. Vous pouvez suivre l'avancée de l'entraînement sur le compte Twitter.

• Au programme :

  • Laetitia Bracco, Data librarian à l'Université de Lorraine et Anne L'Hôte, data engineer

au MESRI, présenteront le baromètre de la science ouverte dont l'objectif est de proposer des indicateurs d'ouverture non seulement sur les publications scientifiques mais aussi sur les données de la recherche et les logiciels

• Gautier Poupeau de l'Institut national de

l'audiovisuel présentera un projet d'analyse des flux médiatiques et de production d'indicateurs en vue d'enrichir le débat public sur le sujet de la représentativité dans les médias

• Romain Pipart de la Direction

générale des douanes et des droits indirects présentera *un projet de détection non instrusive par scanner afin de contrôler les flux de e-commerce*

Inscription ici