thumb|upright=1.5|Les 4 principes du Fair data (en anglais) thumb|upright=1.5|L'interopérabilité vise à permettre de croiser des types et formats de données très divers ; c'est l'un des principes et critères du FAIR data
Dans le contexte de l'accessibilité de l'Internet, du big data (mégadonnées) des données de la recherche et des sciences ouvertes et plus largement du partage et l'ouverture des données, la notion de FAIR data ou données FAIR recouvre les manières de construire, stocker, présenter ou publier des données de manière à permettre que les données soient . (), d'où l'acronyme « FAIR ».
Le mot (« équitable », « juste ») fait aussi référence au , commerce équitable (), fair play, etc., il évoque un comportement proactif et altruiste du producteur de données, qui cherche à les rendre plus facilement trouvables et utilisables par tous, tout en facilitant en aval le sourçage (éventuellement automatique) par l'utilisateur des données.
Histoire de FAIR
Ces principes voient leur origine en dans des travaux collectifs autour de l'initiative Data FAIRportFAIR Guiding Principles - For Comment (google doc) (Consulté le 03/04/2020) en 2014, par un groupe de travail au sein de FORCE 11, une communauté internationale fondée en 2011 composée de chercheurs, d’éditeurs, de sociétés savantes, d’universités, de bibliothécaires, d’archivistesFAIR Data Publishing Group (Consulté le 03/04/2020).
Ces travaux ont abouti, en 2016, à une publication considérée comme fondatrice des principes FAIR, dans la revue Scientific data (groupe Nature).., par un groupe de chercheurs de différents laboratoires à travers le monde (dont Mark D. Wilkinson du à l'université polytechnique de MadridBIOLOGICAL INFORMATICS (Consulté le 03/04/2020).
Depuis cette publication, différentes initiatives se mettent en place pour déployer ces principes, dont GO FAIRGO FAIR ou en FranceScience ouverte : la France rejoint GO FAIR en tant que co-fondatrice - Ministère de l'Enseignement supérieur, de la Recherche et de l'Innovation (Consulté le 03/04/2020), un projet de recherche ANR 2020-2022: FOOSINProjet FOOSIN.
Principes et critères Le implique que les données publiées répondent aux principes détaillés ci-dessous..
F : Faciles à (re)trouver Pour être FAIR selon les principes énoncés en 2016, les données doivent être faciles à trouver ou retrouver par tous, humains et machines. Pour ce faire, les (méta)données doivent avoir un identificateur unique et pérenne. Elles doivent être décrites avec des métadonnées riches (voir plus bas) incluant notamment et explicitement un identificateur des données qu'elles décrivent, unique et pérenne. Ces (méta)données doivent être enregistrées ou indexées dans un dispositif permettant de les rechercher.
En général, cette fonction s'effectue via les moteurs de recherche, ce qui implique des arborescences de classement et des mots-clefs cohérents et une stratégie de préservation à long terme des données (archivage sécurisé, etc.).
A : Accessibles Les données FAIR ne sont pas obligatoirement des données ouvertes. Elles doivent dans tous les cas être récupérables par leur identifiant en utilisant un protocole standard de communication (ouvert, libre, et d'usage universel), et dans tous les cas les (méta)données sont disponibles à des conditions connues, grâce à des licences claires (Creative Commons par exemple), et bien visibles ; si un protocole de procédure d'authentification et d'autorisation est nécessaire (ex. : identification précise de la personne qui consulte, passage par un comité d'attribution de droits de consultation) cette condition doit être également bien visible. Enfin, les métadonnées doivent rester accessibles, même si les données ne sont plus disponibles ; Quand les données ne peuvent être ouvertes, ou ne sont ouvertes qu'à certaines entités, il est recommandé d'indiquer pourquoi et pour combien de temps, clairement et en séparant les raisons juridiques et contractuelles de toute restriction volontaire (ex. : accord de consortium). Si des outils logiciels ou méthodes particulières sont nécessaires pour accéder aux données ou les exploiter, la documentation sur ces logiciels nécessaires ou la méthode devraient aussi être disponibles pour tous en utilisant un logiciel libre quand c'est possible. Le lieu de consultation des (méta)données doit aussi être clairement identifié et accessible. Les dépôts certifiés de données qui soutiennent l'accès libre devraient tant que possible être préférés.
I : Interopérables L'interopérabilité (à ne pas confondre avec une simple « compatibilité ») ; elle est sémantique et syntaxique, et elle implique l'utilisation des métadonnées contextuelles précises, et de contenu et de formats respectant les grands standards internationaux et utilisant un vocabulaire informatique respectant les principes FAIR ;
R : Réutilisables La réutilisation (libre, conditionnelle ou payante) doit être facilité par l'utilisation de standards communs, grâce à des bases de données rassemblant des données claires, vérifiées et bien décrites, directement (ré)utilisables pour la recherche ou d'autres usages.
Les (méta)données doivent être richement décrites, par une pluralité d'attributs précis et pertinents, incluant des détails sur leur provenance. Elles sont libérées avec une licence d'utilisation claire et accessible (exemple : Creative Commons).
Histoire du concept Les bailleurs de fonds publics de la recherche, certains éditeurs et un nombre croissant d'agences gouvernementales commencent à exiger la publication de données ouvertes ou plus facilement réutilisables, et des plans de gestion de données numériques à long terme. Les données FAIR sont aussi apparues comme l'un des moyens de mieux valoriser le big data.
Dans le monde depuis plusieurs années de grands organismes tels que la des États-Unis, les , la aux Pays-Bas ou l'Agence nationale de la recherche (ANR) en France L’ANR met en place un plan de gestion des données pour les projets financés dès 2019, exigent déjà des « plans de gestion des données » pour les recherches qu’ils financent et encouragent les données ouvertes.
En Europe, le programme européen Horizon 2020 intégrait un projet pilote (« données de recherche ouvertes ») puis dès son programme de travail 2017, il a élargi à tous les thèmes l'incitation au FAIR, avec un « accès libre par défaut » pour les données de recherche générées au moyen de subventions européennes. Il invite les chercheurs à s'appuyer sur des licences ouvertes et sur les principes et critères FAIR, en réponse notamment aux demandes de l'Organisation de coopération et de développement économiques (OCDE) et de la Commission européenne d'une large ouverture des données. Dans ce cadre, l'approche FAIR data a été notamment portée par « FORCE11 », une communauté d'académiques, bibliothécaires, archivistes, éditeurs et bailleurs de fonds de la Recherche.
Les data papers sont encouragés pour mieux disséminer et faire partager les résultats des projets financés dans le cadre européen, et pour favoriser l’innovation et la création de connaissances nouvelles.
En France, le statut des données pour la recherche a également récemment changéMaurel Aka Lionel (2016) Quel statut pour les données de la recherche après la loi numérique ? Publication du 3 novembre 2016. S.I.Lex – Carnet de veille et de réflexion d'un juriste et bibliothécaire. La loi « pour une République numérique »L’article 38 de la loi « pour une République numérique » ; République française. LOI du 7 octobre 2016 pour une République numérique précise que dès lors que les données, liées à une publication, ne sont pas protégées par un droit spécifique et qu'elles ont été rendues publiques par le chercheur, leur réutilisation est libre. Reymonet N (2017) Améliorer l’exposition des données de la recherche : la publication de data papers 5 / 5). le Plan d’action de l'ANR (et son Appel à projets générique 2016) incitent les chercheurs à utiliser les grandes bases de données existantes et à publier leurs résultats en accès ouvert.
Enjeux thumb|150px|Logo de la science ouverte. thumb|150px|Quelques concepts en jeu avec le FAIR data. thumb|Schéma d'organisation de Dataverse.
Pour le Barend Mons (spécialiste néerlandais de la gestion et de l'interopérabilité des données), le FAIR data est notamment l'une des réponses à la croissance exponentielle des données (ex : doublement tous les six mois par exemple dans le domaine de la biologie)Professor Barend Mons – Social machines & FAIR data, mis en ligne sur YouTube par l'Université de Leyde le 11 janvier 2017 et une nécessité pour l'exploration de données devenu nécessaire dans le cadre du big data.
Ces principes visent à faciliter et améliorer la réutilisation de données déjà publiées, issues de la science ou utiles à la Recherche notamment dans les domaines hautement complexes (ex : prévision météorologique, changement climatique, biologie computationelle, biodiversité et services écosystémiques, médecine, économie, etc.).
Les quatre principes du FAIR concernent l'accessibilité et l'usage par et pour l'être humain, mais aussi l'usage direct des données brutes par les ordinateurs et les « agents de calcul », au service de la recherche, de la connaissance, de l'éducation, de la formation, de l'innovation et de plus en plus de formes d'intelligence artificielle (apprentissage automatique, etc.). En accédant plus facilement à des données bien décrites, les ordinateurs peuvent en effet mettre en relation d'énormes quantités de données et identifier des tendances, détecter des signaux faibles, considérablement accélérer certains processus d'innovation. Mais ils ont besoin que les données soient rangées dans des ensembles bien structurés et qu'elles soient décrites dans un langage non ambigu.
Ces quatre principes accélèrent et facilitent le travail collaboratif ; ils sont par exemple utilisés dans les plans de gestion des données qui prennent une importance croissante alors qu'apparaissent de nouveaux lieux de stockage mondial de grandes quantités de données avec par exemple Dataverse, FigSharehttp://figshare.com, Dryad, Mendeley Data., Zenodo., DataHubhttp://datahub.io, DANS., EUDat, etc. Dans des domaines plus spécialisés et anciens on peut citer dans le domaine des sciences de la vie et de la génétique : GenBank, (wwPDB)Berman, H., Henrick, K. & Nakamura, H. (2003) Announcing the worldwide Protein Data Bank. Nat. Struct. Biol. 10, 980–980. UniProtThe Uniprot Consortium. UniProt: a hub for protein information. Nucleic Acids Res. 43, D204–D212 (2015). ; ou pour le domaine des sciences et technologies spatiales : le Space Physics Data Facility de la Nasa (SPDF). ou la base d'identifications astronomiques SIMBADWenger, M. The SIMBAD astronomical database-The CDS reference database for astronomical objects. Astron. Astrophys. Suppl. Ser. 143, 9–22 (2000) ; ou encore pour les sciences humaines et sociales les services NAKALA de l'infrastructure Huma-Num..
Partant du principe que toutes les composantes du processus de recherche devraient être disponibles pour assurer la transparence, la reproductibilité, la vérifiabilité et une possible réutilisation, certains auteurs invitent à appliquer ces principes aux « données » au sens conventionnel du terme (données numériques et certains objets numériques tels qu’algorithmes ou modèles mathématiques et informatiques par exemple, gènes et codes génétiques dans les banques de données génétiques développées pour la recherche et les biotechnologies), mais aussi à tous les algorithmes utiles, et aux outils, méthodes et flux de travail qui ont conduit à pouvoir produire ces données.
Des enjeux éthiques et notamment bioéthiques sont associés à ces approches, ainsi que de sécurité informatique.
Difficultés