Les données scientifiques ouvertes ou données de recherche ouvertes s’inscrivent dans la publication d’observations et de résultats d’activités scientifiques analysables et réutilisables par tous. L’un des principaux objectifs du mouvement des données ouvertes consiste à faciliter la vérification des théories scientifiques, en permettant l’examen de la reproductibilité des résultats par des tiersDavid Spiegelhalter, in . et l’intégration de données provenant de nombreuses sources pour transmettre de nouvelles connaissances.

Le concept moderne de données scientifiques est apparu dans la seconde moitié du , avec le développement de grandes infrastructures de la connaissance pour traiter les observations et les informations produites par la science. Rapidement, le partage et la distribution des données ont été identifiés comme des enjeux importants, mais ils étaient entravés par les limites techniques des infrastructures et l’absence de normes communes pour la communication des données. Dès l’origine, le fut conçu comme un protocole universel destiné au partage des données scientifiques, notamment dans le domaine de la physique des particules.

Définition

Données scientifiques Le concept de données scientifiques ouvertes s’est développé en parallèle de celui de données scientifiques.

Les données scientifiques n’ont été formellement définies qu’à la fin du . Avant la généralisation de l’analyse informatique, les données étaient surtout une notion informelle assez souvent interchangeable avec celles de connaissance et d’information. Les discours institutionnels et épistémologiques ont favorisé d’autres concepts et points de vue concernant les activités scientifiques :

La première définition politique des données scientifiques à faire autorité remonte à 1999, quand les Académies nationales des sciences les ont présentées comme La terminologie a continué à évoluer : en 2011, les Académies nationales ont actualisé la définition pour inclure une grande variété d’objets dataifiés tels que , auxquelles s’ajoute

Alors que les formes de données restent vastes et incertaines, dernièrement les définitions et politiques standard avaient tendance à circonscrire les données scientifiques aux secteurs informatiques et numériques. Le projet pilote d’Horizon 2020 sur le libre accès aux données s’est volontairement limité à la recherche numérique : . Dans les années 2010, le développement des sources de données disponibles et la sophistication des méthodes d’analyse des données élargirent l’éventail des disciplines majoritairement concernées par la gestion des données aux

Données scientifiques ouvertes Les débats sur la gestion des données scientifiques ont consacré l’ouverture et le partage comme des thèmes majeurs, mais aussi fait des données une question pertinente au sein des institutions, des disciplines et des cadres politiques.

Selon Paul Edwards, le cheminement des données faut-il les partager, jusqu’à quel point et avec qui ? fut une cause majeure de la friction des données qui révéla les infrastructures jusqu’alors cachées de la science : L’ouverture des données scientifiques est à la fois une friction des données en soi et un moyen de gérer collectivement ces frictions en aplanissant les questions complexes de propriété. Les cultures scientifiques ou épistémiques ont été reconnues comme des facteurs essentiels dans l’adoption de politiques de données ouvertes :

Dans les années 2010, les chercheurs et les décideurs politiques ont adopté de nouveaux concepts pour définir plus précisément les données scientifiques ouvertes. Depuis leur introduction en 2016, les données FAIR sont devenues un axe majeur des politiques de recherche ouverte. L’acronyme FAIR décrit un type idéal de données Facilement trouvables, Accessibles, Interopérables et Réutilisables (en anglais et ). Les données scientifiques ouvertes ont été classées en tant que communs ou biens publics dont l’administration, l’enrichissement et la conservation sont en premier lieu des actions collectives plutôt qu’individuelles :

Historique

Développement des infrastructures de la connaissance (1945-1960) thumb|upright=1.35|À la suite de l'expansion des données scientifiques, le hall d'entrée du National Weather Records Center à Asheville au début des années 1960 est temporairement reconverti en lieu de stockage des cartes perforées

L’émergence des données scientifiques est associée à un glissement sémantique dans la perception courante des concepts clés que sont les données, l’information et la connaissance. À la suite du développement des technologies informatiques, les données et les informations sont de plus en plus souvent assimilées à des :

Après la Seconde Guerre mondiale, les grands projets scientifiques se sont progressivement appuyés sur une infrastructure de la connaissance pour collecter, traiter et analyser d’importantes quantités de données. Le système à cartes perforées fut initialement employé à titre expérimental pour traiter les données climatiques dans les années 1920, avant une application à grande échelle au cours de la décennie suivante : En 1960, les collections de données météorologiques du NWRC (National Weather Records Center) des États-Unis comptaient 400 millions de cartes et avaient une portée mondiale. Le caractère physique des données scientifiques était alors pleinement évident, au point de menacer la stabilité de bâtiments tout entiers :

À la fin des années 1960, beaucoup de disciplines et de communautés se mirent à adopter les infrastructures de la connaissance. L’ERIC (Educational Resources Information Center) innova en 1966 avec la création du premier référentiel bibliographique des données en libre accès sous forme électronique. La même année vit la création de MEDLINE, une base de données de citations bibliographiques provenant de revues biomédicales, accessible en ligne gratuitement et coadministrée par la National Library of Medicine et le National Institute of Health (États-Unis). Aujourd’hui associée à l’interface PubMed, MEDLINE compte actuellement plus de 14 millions d’articles completsMachado, Jorge. Open data and open science. In Albagli, Maciel, Abdo. Open Science, Open Questions, 2015 Des infrastructures de la connaissance ont également vu le jour dans les domaines de l’ingénierie spatiale (NASA/RECON), de la recherche au sein des bibliothèques (OCLC Worldcat) ou des sciences sociales :

Ouverture et partage des données : premières tentatives (1960-1990) Des discours et cadres politiques relatifs aux données scientifiques ouvertes ont émergé aussitôt après la création de la première grande infrastructure de la connaissance. Le système WDC (World Data Center, aujourd’hui World Data System) avait pour but de faciliter l’accès aux données d’observation en vue de l’Année géophysique internationale de 1957-1958.. Le Conseil international des unions scientifiques (aujourd’hui Conseil international pour la science) a créé plusieurs centres mondiaux de données afin de limiter le risque de pertes et de maximiser l’accessibilité des données. En 1955, il recommandait que les données soient mises à disposition dans un format lisible par machine.. En 1966, le Conseil international pour la science lança CODATA, une initiative visant à

Ces formes primitives de données scientifiques ouvertes n’ont guère connu de développement. Les frictions de données et les résistances techniques à l’intégration des données externes étaient trop nombreuses pour mettre en place un écosystème durable de partage. Ces infrastructures étaient le plus souvent invisibles pour les chercheurs, car la majorité des recherches étaient effectuées par des bibliothécaires professionnels. Non seulement les systèmes d’exploitation de recherche étaient compliqués à utiliser, mais ils imposaient un impératif d’efficacité en raison du coût prohibitif des télécommunications à longue distance. Les concepteurs avaient prévu que ces systèmes seraient directement utilisés par les chercheurs, mais les obstacles techniques et économiques ont rendu la démarche impossible :

Les créateurs des premiers systèmes en ligne présumaient que la recherche serait effectuée par les utilisateurs finaux, ce qui a guidé jusqu’à leur conception. MEDLINE et NASA/RECON furent conçus à l’intention des chercheurs en médecine et cliniciens d’une part, et des ingénieurs et scientifiques de l’aérospatiale d’autre part. Pour de nombreuses raisons, cependant, dans les années soixante-dix la plupart des utilisateurs étaient des bibliothécaires et des intermédiaires qualifiés qui agissaient au nom des utilisateurs finaux. En fait, certains chercheurs professionnels voyaient d’un mauvais œil que des utilisateurs finaux enthousiastes puissent accéder aux terminaux.

Pour Christine Borgman, la production et la mise circulation des données scientifiques n'était pas un sujet majeur des politiques de recherche, sauf dans quelques domaines précis (comme la climatologie). Avant l’avènement du Web, les différentes infrastructures scientifiques ne pouvaient généralement pas échanger les données, faute de protocoles standardisés et interopérables Les projets et les communautés s’appuyaient sur leurs propres réseaux non connectés au niveau national ou institutionnel : La communication entre les infrastructures scientifiques n’était pas seulement un défi dans l’espace, mais aussi dans le temps. Lorsqu’un protocole de communication était abandonné, les données et les connaissances qu’il diffusait risquaient aussi de disparaître :

Partage des données scientifiques sur le Web (1990-1995)

À l’origine, le World Wide Web fut conçu comme une infrastructure de science ouverte. Le partage des données et de leur documentation était l’un des principaux objectifs de la présentation initiale du World Wide Web lorsque le projet fut dévoilé en :

Le projet est né d’une infrastructure de la connaissance parente : ENQUIRE. Ce logiciel de gestion de l’information avait été commandé à Tim Berners-Lee par le CERN pour les besoins particuliers de la physique des particules. La structure d’ENQUIRE était plus proche d’un réseau interne de données : elle connectait des nœuds qui ENQUIRE avait beau , il n’était pas en mesure de Comme toutes les infrastructures informatiques scientifiques d’importance antérieures aux années 1990, le développement d’ENQUIRE finit par être entravé par le manque d’interopérabilité et la gestion complexe des communications en réseau :

Le Web a rapidement supplanté les infrastructures de données scientifiques fermées, même lorsqu’elles étaient plus avancées sur le plan informatique. De 1991 à 1994, les utilisateurs du Worm Community System, une importante base de données biologiques sur les vers, ont basculé vers le Web et Gopher. Le Web possédait peu de fonctions avancées pour la recherche de données et la collaboration, mais il était facilement accessible. À l’inverse, le Worm Community System ne pouvait être consulté que sur des terminaux spécialisés présents dans certaines institutions scientifiques :

La diffusion sur le Web a complètement transformé l’économie de la publication des données. Dans le secteur de l’impression, , mais avec ce nouveau paradigme les frais de stockage de la plupart des jeux de données sont faibles. Dans ce nouvel environnement éditorial, les principaux facteurs de limitation du partage de données ne sont plus techniques ou économiques, mais sociaux et culturels.

Définition des données scientifiques ouvertes (1995-2010)