La préservation dans l’EOSC : un document de réflexion

Task Force “Long Term Data Preservation”

Décembre 2022

>> Lien vers le document original en anglais

Table des matières

Association EOSC & Task Forces

  1. La préservation dans le contexte de l’EOSC et des données FAIR
  2. Annexe : définitions, concepts et points de discussion

Association EOSC & Task Forces

Le groupe consultatif (AG) « Sustaining EOSC» de l’Association EOSC (EOSC-A) comprend deux Task Forces destinées à assurer la pérennité de l’European Open Science Cloud au fur et à mesure de son évolution : la Task Force « Long-Term Data Preservation » (LTDP-TF) et celle « Financial Sustainability ». Bob Jones assure la liaison avec le Conseil d’administration de l’Association EOSC pour les deux TF.

La LTDP-TF examine plusieurs domaines interdépendants dans le but de :

  • Créer une compréhension et une vision communes pour la préservation durable dans l’EOSC.
  • Se mettre d’accord sur les fonctions des dépôts et des services de données nécessaires pour créer, stocker, curer, préserver les méta(données)[1]NdT et interagir avec les (ré)utilisateurs de données.
  • Définir et promouvoir les rôles, les responsabilités et l’obligation de rendre compte des acteurs de la préservation et des acteurs connexes au sein de l’EOSC, y compris les aspects financiers et les modèles d’entreprise possibles.
  • Fournir des recommandations sur l’engagement par le biais d’un réseau européen de dépôts numériques fiables (TDR) pour faire mûrir les pratiques de préservation et de mise en conformité FAIR à travers les disciplines et les zones géographiques.

Les travaux de la LTDP-TF sont menés dans le cadre de quatre sous-tâches portant sur la vision, les rôles, les finances et le réseau de confiance. Les responsables des sous-tâches coordonnent leur domaine de travail et fournissent des informations actualisées lors des réunions périodiques de la LTDP-TF. Les réunions de la TF permettent aux membres des sous-tâches et aux coprésidents de la Task Force de partager leur travail et de s’aligner sur la vision. La présence de Bob Jones (en liaison avec le Conseil d’administration) et de René Buch (directeur technique de l’EOSC-A) permet d’avoir un aperçu des travaux en cours de l’EOSC-A.

Responsables et membres des sous-tâches

D’autres Task Forces de l’EOSC couvrent des aspects qui interagissent avec la LTDP-TF et ont un impact sur celle-ci, y compris les dimensions humaines (par exemple, TF Data Stewardship and Curricula), technologiques (par exemple, TF FAIR Metrics and Data Quality) et financières (par exemple, TF Financial Sustainability). La TF suit également les initiatives et projets européens et internationaux pertinents identifiés dans le cadre de l’exercice de cartographie des parties prenantes en cours. Les présentations des parties prenantes concernées ont lieu au niveau de la TF et des sous-tâches. Cet engagement est essentiel pour obtenir une vue d’ensemble des initiatives de la LTDP et fournit un forum de discussion à propos des difficultés restantes et des recommandations qu’elles impliquent.

La LTDP-TF préparera des recommandations sur les actions et les politiques pour l’EOSC-A et la Commission européenne. La TF partagera des documents intermédiaires pour consultation et commentaires par la communauté au sens large, les recommandations finales étant attendues pour avril 2023.

1. La préservation dans le contexte de l’EOSC et des données FAIR

Un aperçu simplifié de la préservation dans le contexte de l’EOSC peut être défini en termes de résultats, de systèmes et d’actions liés à tout objet numérique :

Résultats de la préservation :il s’agit d’objets numériques qui, après avoir été remaniés pour les rendre FAIR et avec d’autres caractéristiques souhaitables, sont entretenus pour conserver ces caractéristiques aussi longtemps que nécessaire. Ces résultats sont destinés à une « communauté d’utilisateurs cible ».

Systèmes de préservation : ils acceptent le dépôt d’objets numériques à des fins de stockage et d’accès (ce qui en fait des « dépôts » au sens large) et les organisent dans une perspective FAIR à long terme sur les objets et leur communauté d’utilisateurs cible (ce qui en fait des candidats pour devenir des « dépôts numériques fiables »). La base de connaissances et les besoins technologiques de la communauté d’utilisateurs cible sont compris et suivis dans le temps. Ces systèmes disposent de ressources suffisantes, notamment concernant le personnel et les ressources financières, pour être durables en termes d’organisation, de technologie et d’infrastructure de sécurité.

Ces systèmes peuvent impliquer de multiples partenaires jouant différents rôles dans le stockage, la curation, la préservation, la découverte et l’accès, etc. La définition de l’étendue des responsabilités est essentielle pour définir quelle entité est candidate pour devenir un dépôt numérique fiable.

Actions de préservation : il s’agit des modifications apportées aux objets numériques (métadonnées et données) afin qu’ils restent FAIR au fil du temps. Ces actions comprennent des étapes techniques telles que l’émulation ou la transformation vers des formats de fichiers et des schémas de métadonnées modernes et très demandés, mais aussi des actions visant à garantir que le contenu conceptuel des données et des métadonnées, y compris les artefacts sémantiques tels que les ontologies, continue d’être compris et réutilisable.

Le stockage des données et des métadonnées selon des standards convenus et la curation des objets numériques pour satisfaire des critères convenus sont des fondements essentiels de la préservation, mais ils ne peuvent à eux seuls la garantir. Les résultats de la préservation dépendent des actions menées par les systèmes dans une perspective durable à long terme et les dépôts qui répondent à toutes ces exigences peuvent être candidats à l’évaluation et à la certification en tant que dépôts numériques fiables (TDR).

Notez que malgré l’accent mis sur les dépôts fiables et les objets numériques FAIR, il n’y a pas de critères stricts liés à ceux-ci pour l’engagement avec l’EOSC. La confiance et la conformité FAIR sont des processus continus pour de nombreux dépôts et objets numériques : la transparence sur les niveaux actuels de conformité FAIR ou de fiabilité est importante pour identifier l’état actuel et planifier l’amélioration. Cependant, de nombreux objets numériques qui sont moins FAIR conservent une « valeur » pour leurs communautés d’utilisateurs cibles et peuvent devoir être préservés même si les circonstances ou les ressources ne permettent pas d’accroître leur conformité FAIR. En général, l’évaluation de la valeur est importante pour faire des choix d’investissement, mais les définitions et les hypothèses varient d’une communauté à l’autre.

Les dépôts peuvent viser des communautés généralistes d’utilisateurs cibles avec des formats de fichiers couramment utilisés[2] et des métadonnées de base. Les communautés d’utilisateurs cibles qui comprennent des chercheurs dans une discipline ou un domaine spécialisé peuvent également avoir besoin de formats de données moins courants et de métadonnées plus complexes pour que les objets numériques pertinents soient trouvés, consultés, interopérés et réutilisés.

Un scénario « idéal », reflété dans certaines recommandations[3],[4] , pourrait être que tous les objets numériques soient préservés à long terme dans un TDR disciplinaire ou de domaine certifié. Mais les limitations de ressources (nombre de TDR, compétences, techniques et financières) nécessitent toutes une analyse plus nuancée de la situation actuelle, une vision pour l’avenir et une feuille de route pour atteindre nos objectifs.

Ce premier document de réflexion de la LTDP-TF cherche à obtenir l’avis de la communauté sur ces questions concernant la vision, les rôles, le financement et les réseaux nécessaires pour assurer la préservation des objets numériques FAIR au sein de l’EOSC. Les recommandations finales de la Task Force aux parties prenantes seront ciblées au niveau européen, national et institutionnel.

1.1 Approche

Comme décrit dans la section « Association EOSC & Task Forces », le travail de la TF est organisé en quatre sous-tâches : conception, finances, rôles et réseaux de confiance.

  • Démarche intégrée de la LTDP dans le contexte de l’EOSC : base initiale de points de vue et d’hypothèses à intégrer de manière itérative aux résultats des sous-tâches.
  • Finances : la sous-tâche « finances » examine les coûts de la préservation, qui sont fortement liés aux ressources humaines et autres et mis en correspondance avec les processus/fonctions, les résultats (caractéristiques de l’objet) et le temps (par exemple, par le biais de périodes de rétention ou de préservation garanties). Ce sujet est fortement lié et affecté par les rôles.
  • Rôles : la sous-tâche relative aux rôles vise à identifier les types d’acteurs nécessaires pour garantir que la préservation est assurée par des personnes possédant les compétences appropriées. La difficulté de cette opération consiste à aborder le débat en cours sur les termes et les limites des rôles et leurs responsabilités en matière de processus, de fonctions et de résultats, à un niveau granulaire approprié, afin de s’assurer que la préservation est assumée par des ressources humaines suffisantes. L’accomplissement de ces rôles est clairement lié aux centres de coûts visés par la sous-tâche « Finances ». Les permissions, interdictions, obligations, devoirs et contraintes[5] qui régissent les rôles sont essentiels à la responsabilité et au soutien actionnable par la machine.
  • Réseau TDR : il convient de développer une vision commune des concepts de dépôts fiables en lien avec des dépôts et des services de données « fiables ». La périmètre et l’objectif d’un réseau européen de TDR doivent être clarifiés, de même que son public, les conditions d’adhésion et la gestion.

Les sous-tâches suivent des processus parallèles et alignés qui comprennent :

  • une recherche documentaire pour identifier les rapports et les résultats de projets pertinents ;
  • des projets de recommandations ;
  • une consultation ouverte (webinaires/ateliers) ;
  • des recommandations réajustées en tenant compte des commentaires de la consultation.

Ce travail s’accompagne d’une série d’engagements et de présentations des parties prenantes concernées au niveau de la TF et des sous-tâches. En cherchant à fournir une vision de la LTDP et une compréhension commune qui intègre chacun des sujets des sous-tâches, la Task Force se penchera sur :

  • une vue d’ensemble des définitions et des glossaires : recherche documentaire sur la LTDP actuelle et la terminologie associée, dans le cadre de laquelle nous recherchons les définitions les plus proches de la LTDP dans le contexte de l’EOSC et y faisons référence. Dans la mesure du possible, nous nous engageons auprès des communautés de préservation et nous leur faisons part de nos suggestions concernant l’amélioration et le perfectionnement de ces définitions[6].
  • Un document sur le contexte et la position : élaboration d’un énoncé de problème pour définir le qui, quoi, quand, pourquoi et comment à un haut niveau de la préservation au sein de l’EOSC en tant que direction et alignement du travail et de l’interaction entre les sous-tâches.
  • Comprendre l’état actuel : identifier la situation « en l’état », y compris l’identification des parties prenantes, des projets et des documents pertinents. Les domaines couverts par le périmètre comprennent les paysages européens et nationaux, l’état actuel des connaissances, les normes, les standards et les ressources existantes.
  • Analyse des lacunes :identification des lacunes et des problèmes clés pour la LTDP dans le contexte de l’EOSC.
  • Recommandations : identification de l’objectif à atteindre (scénario cible idéal) et plan d’action comprenant les étapes souhaitables, les améliorations et les échéanciers pour y parvenir.

La LTDP-TF doit relever le défi de traiter la question complexe de la préservation à long terme avec l’EOSC et de formuler des recommandations claires et applicables aux niveaux européen, national et institutionnel.

1.2 Vision en cours

Comme indiqué dans la section Préservation dans le contexte de l’EOSC et FAIR ci-dessus, le scénario idéal pourrait être que tous les objets numériques d’intérêt pour les chercheurs de l’EOSC devraient être préservés àlong terme dans un TDR avec un domaine certifié. Toutefois, en partant de l’hypothèse raisonnable[7] qu’il n’existe pas de ressources infinies pour garantir ce résultat, la vision et l’orientation émergentes de la TF doivent être plus nuancées.

Une compréhension plus granulaire de la situation pour appuyer une vision plus affinée dépend de plusieurs questions clés. Il s’agit notamment de :

  • L’éventail des « résultats » souhaitables pour les objets numériques de l’EOSC. Les ressources et les délais de la TF amènent à ce que les objets numériques soient traités à un large niveau. Les « objets numériques » ne se limitent pas aux « données de la recherche », mais englobent les métadonnées, logiciels, artefacts sémantiques, publications, métadonnées relatives aux échantillons physiques, standards et schémas, en fait tous les objets numériques qui revêtent une importance continue pour les chercheurs (et, par extension, pour les bailleurs de fonds, les décideurs politiques et le grand public). Les ressources et les délais de la TF font que ces différents types d’objets numériques ne peuvent pas tous être traités individuellement et en détail, mais il faut comprendre qu’ils entrent tous dans le périmètre de la préservation. La définition et l’obtention de ces résultats souhaitables impliquent que les objets numériques soient connus (qu’ils aient une identité et un emplacement permettant de les trouver et d’y accéder) et qu’ils puissent faire l’objet d’une action (qu’ils aient des droits associés). Décider du résultat approprié implique un processus d’évaluation et de sélection en fonction de certains critères de « valeur » convenus. Les résultats peuvent inclure la rétention (impliquant un besoin de stockage efficace), la curation à court terme pour répondre à des critères convenus (par exemple, la conformité FAIR) ou la préservation active à long terme à un niveau généraliste ou spécialisé. Les résultats de la préservation peuvent également être influencés par d’autres objectifs, notamment la facilitation des données ouvertes et de la recherche, la fourniture d’une sécurité de l’information pour les données sensibles ou l’alignement sur d’autres principes tels que CARE.
  • L’éventail des systèmes qui fournissent les résultats souhaités. Tous les services liés aux données et aux métadonnées dépendent d’un stockage efficace. Un large éventail d’organisations et de partenariats organisés aux niveaux institutionnel, national et européen opèrent pour fournir des services de données et de métadonnées tout au long du cycle de vie de la recherche et entre les parties de l’EOSC. Cependant, les niveaux d’expertise et les services de curation fournis diffèrent d’un dépôt à l’autre. Tous les dépôts ne proposent pas une préservation active à long terme et de nombreux dépôts à long terme n’ont pas obtenu la certification CoreTrustSeal ou une autre certification[8].
  • L’éventail des actions au sein des systèmes. Les systèmes produisent des résultats par le biais de leurs actions. La TF a identifié un besoin d’aligner les travaux sur les rôles (et leurs responsabilités associées) et sur les finances. Les actions, ou groupes d’actions, regroupées en flux de travaux, les procédures et les fonctions opérationnelles standard nécessitent des rôles pour les remplir et impliquent un besoin de financement spécifique. Les premiers travaux sur la sous-tâche « finances » ont noté que si ces fonctions et processus « peuvent être définis et largement compris (avec une certaine flexibilité), nous disposons alors du point de départ pour rendre les estimations de coûts comparables ». Le coût des ressources humaines et la disponibilité des compétences impliquent que les finances et les rôles bénéficieraient d’une vision commune des actions et des fonctions.

Les premières discussions au sein de la sous-tâche « rôles » ont mis en évidence la nécessité de définir les activités en termes d’objets numériques actuels et futurs. La création et la promotion de règles paneuropéennes de bonnes pratiques concernant les données en cours d’élaboration, accompagnées de pratiques claires pour chaque domaine de recherche (y compris les formats recommandés[9], [10]), et la formation peuvent apporter des avantages immédiats. Pour les données existantes plus anciennes, l’évaluation rétrospective peut identifier des cas (par exemple, des expériences physiques) où il est possible, voire plus réalisable de rassembler à nouveau les données, plutôt que de les curer selon des standards modernes, en particulier dans les cas où les chercheurs et les techniciens impliqués dans la production originale ne sont pas disponibles. La reproduction des données peut être moins coûteuse, plus précise et moins sujette aux problèmes de droits historiques. Dans d’autres cas, ces anciens objets numériques peuvent être irremplaçables et avoir une valeur suffisante pour justifier leur mise aux normes modernes.

L’identification générale de ces questions contextuelles plus larges jettera les bases pour définir les systèmes, les actions et les résultats de la préservation, y compris les questions financières et les rôles nécessaires pour traiter les objets numériques passés et futurs. Un TDR entreprend de nombreuses activités, et nécessite donc des rôles, et engage des coûts qui sont communs à tous les services de données et donc pas explicitement ou exclusivement des « coûts de préservation ». Ceux-ci peuvent inclure le stockage, l’infrastructure technique, les mesures de sécurité des informations, les services de dépôt et d’accès ou les systèmes de découverte de ressources.

Des discussions itératives sur les thèmes du financement, des rôles et de la vision globale documenteront les spécifications émergentes d’un réseau de dépôts et de services de données fiables, capables de représenter les acteurs de la curation et de la préservation dans le paysage plus large de la recherche et de la gestion des données de recherche, et seront alimentées par ces spécifications.

Avec une compréhension des actions, des systèmes et des résultats plus larges, nous pouvons être en mesure de définir notre vision de la préservation dans un contexte plus spécifique du monde réel. En voici quelques exemples :

Les objets numériques qui servent d’entrées ou de sorties à la recherche sont identifiés, trouvables et accessibles dans des environnements qui prennent en charge les bonnes pratiques de stockage. Ces objets font l’objet d’une évaluation, et d’une réévaluation au fil du temps, afin de déterminer leur valeur, leur impact et les coûts, risques et avantages qui y sont associés. L’évaluation continue permet de déterminer le niveau d’investissement dans la rétention, la curation et la préservation à long terme des objets numériques. Les niveaux des mesures d’entretien, et les changements de ces niveaux, apportés par les dépôts et assignés aux objets numériques sont transparents pour les financeurs de (méta)données, les déposants et les utilisateurs.

La LTDP-TF souhaite une contribution plus large de la communauté à ces propositions et discussions en cours. Les recommandations finales pour les résultats, les systèmes et les actions cibleront les publics européens, nationaux et institutionnels. Les sections ci-dessous décrivent brièvement les sujets et questions en cours dans le cadre des sous-tâches de la TF.

1.3 Rôles

On peut raisonnablement s’attendre à ce que la sous-tâche sur les rôles fasse l’objet d’un certain nombre d’itérations au cours du calendrier de la TF, à mesure que le périmètre, l’orientation et la granularité seront élaborés. Ces rôles doivent soutenir les propositions de solutions spécifiques, les bonnes pratiques, la formation et le développement de processus qui répondent aux besoins spécifiques des dépôts d’archives ou des organisations scientifiques. Outre les lacunes existantes dans la compréhension des rôles des différents acteurs, il existe des problèmes d’identification et de financement des personnes ayant les compétences nécessaires pour assumer la responsabilité de la curation et de la préservation des objets numériques. Au fur et à mesure que les organisations mettent à jour leurs procédures et leurs pratiques pour rendre leurs objets numériques davantage conformes aux principes FAIR, elles peuvent avoir besoin d’identifier et de remplir de nouveaux rôles. Les fonctions directes de curation et de préservation doivent également être soutenues par des rôles de formation spécialisés qui fournissent des conseils généraux et spécialisés. Comme indiqué ci-dessus, les rôles spécifiques peuvent être influencés par le fait qu’ils prennent en charge des objets numériques nouvellement créés ou qu’ils tiennent compte de l’héritage d’objets numériques historiques.

Nous avons conscience qu’il existe différents acteurs qui fournissent et utilisent des objets numériques, et ceux qui les gèrent. Ces groupes de parties prenantes et leurs rôles associés doivent tous être identifiés et pris en compte. Il peut y avoir un accord général sur le fait que les données et les métadonnées doivent respecter les principes FAIR ou répondre à d’autres critères tels que l’ouverture, afin de garantir la confiance dans la science et d’obtenir des résultats positifs pour la société. Un consensus général est possible quant au fait que les objets numériques de valeur doivent être préservés pour conserver leur valeur au fil du temps, mais celui-ci doit tenir compte d’un large éventail de standards et d’attentes différentes qui ont une incidence sur les coûts et les rôles requis.

Par exemple, les créateurs d’objets numériques (y compris les scientifiques et les techniciens qui fournissent des données « brutes ») peuvent estimer que le respect de standards tels que les principes FAIR ou la fourniture de données et de métadonnées « prêtes à être préservées » constituent une contrainte pour leur temps déjà limité. Les propriétaires d’objets numériques (y compris les organismes de recherche responsables des données et des métadonnées) savent que des responsabilités supplémentaires pour les créateurs de données, l’embauche et la formation de nouveaux techniciens et gestionnaires de données, ou la mise à niveau du stockage et de l’infrastructure, entraînent tous des coûts.

Certains de ces coûts supplémentaires seront inévitables, mais ils seront atténués par des conseils qui soutiennent une approche cohérente et stratégique de l’élaboration des politiques sur les infrastructures de recherche en Europe. Ces orientations permettraient également de mieux définir les rôles nécessaires pour soutenir ces activités.

Les rôles requis seront mis à jour au fil du temps à mesure que la gamme de résultats, de systèmes et d’actions « dans le champ d’application » sera identifiée. Cela inclura les différents rôles requis au niveau institutionnel, national et européen, tels que les acteurs des dépôts et les professionnels de la préservation, mais cela peut également dépendre d’autres acteurs tout au long du cycle de vie de la recherche.

Décembre 2022
Document de réflexion de la Task Force "Long Term Data Preservation" (LTDP) sur la préservation dans l'EOSC.

Diagramme : aperçu simplifié du cycle de vie

Nous pensons que la définition d’un ensemble commun de fonctions clés relevant de la préservation et d’autres services de données permettra de mieux cibler l’attribution des rôles et la définition associée des coûts humains et financiers qu’ils impliquent.

1.4 Finances

La cartographie des aspects financiers de la préservation des données à long terme, y compris le coût de la préservation numérique, les responsabilités financières des différentes parties prenantes au niveau institutionnel, national et européen, et les modèles commerciaux possibles pour les dépôts, sont nécessaires pour fournir les systèmes qui garantissent les résultats de la préservation. Cette sous-tâche examine les problèmes financiers auxquels est confrontée la LTDP et ce qui peut être fait pour les atténuer ou les résoudre. L’objectif n’est pas d’élaborer de nouveaux modèles de coûts, mais de rassembler et d’examiner les options disponibles et la manière dont elles peuvent être intégrées dans une vision globale de l’infrastructure de recherche qui préserve les données et les métadonnées à long terme. Les résultats de projets antérieurs tels que l’échange de coûts de curation permettent une addition semi-standardisée des coûts et une comparaison avec les pairs, mais les travaux plus récents sur les aspects des coûts spécifiques à la préservation sont limités. Il est important que les travaux sur les coûts des (méta)données soient alignés sur une compréhension de la valeur des objets numériques.

Une première hypothèse pourrait être que les coûts augmentent au fur et à mesure que l’on passe d’un stockage efficace à une curation de base, puis à une préservation active. La curation et la préservation peuvent devenir plus coûteuses à mesure qu’elles cherchent à se conformer à des standards plus détaillés et spécifiques à un domaine ou à une discipline ; mais si ces standards ne sont pas respectés, la valeur potentielle des objets numériques risque de ne pas être exploitée.

Seule une partie du coût total d’un TDR est spécifique à la préservation. L’autre côté de l’équation est une analyse coûts/bénéfices de l’inaction. Quels sont les coûts pour la communauté dans son ensemble si un bien numérique susceptible d’être réutilisé n’est pas entretenu de manière à ce que sa valeur puisse être exploitée ?

Un accord sur les fonctions plus larges des dépôts et des services de données est nécessaire pour définir un sous-ensemble de « coûts de préservation ». Sans cela, nous ne pouvons pas calculer efficacement le coût de la préservation en termes de ressources humaines. Un autre argument en faveur de l’alignement itératif sur la sous-tâche « rôles » est que les bénéficiaires (la communauté d’utilisateurs cible qui accède aux données préservées et les utilise dans l’intérêt du public) peuvent ne pas être les mêmes acteurs que ceux qui ont investi dans la création et la préservation des objets numériques.

Les actions de préservation qui produisent des résultats dépendent de la pérennité des systèmes de dépôt qui les prennent en charge. Le financement de projets à court terme n’est pas une base efficace pour des systèmes durables à long terme et la plupart des coûts de préservation seront encourus après l’achèvement des projets. Il est utile d’adopter une perspective de cycle de vie complet, car le fait de ne pas investir dans la qualité, la conformité FAIR ou d’autres critères au sein d’un groupe d’acteurs ou de processus ne fera que transférer, et potentiellement augmenter, ce coût à une autre partie du système.

Le stockage et les autres ressources n’étant pas infinis, il est essentiel de mettre en place un processus d’évaluation et de réévaluation au fil du temps, mais cela entraînera ses propres coûts. Les pratiques différeront entre les dépôts généralistes et les dépôts plus spécialisés, mais il est possible de coopérer sur de nombreux aspects de l’engagement avec des communautés d’utilisateurs cibles. Différents modèles de centralisation des fonctions, de négociation collective de services partagés ou de fédération de services existants doivent être examinés en fonction de leur impact plus large, y compris l’interopérabilité et l’expertise au niveau du dépôt et de l’objet. L’identification des domaines présentant un potentiel d’automatisation à grande échelle doit être mise en balance avec la nécessité de maintenir les ressources en expertise humaine. Les registres d’information partagés peuvent également constituer une méthode de partage des coûts.

L’identification des coûts probables de la préservation, à un niveau de granularité suffisant pour soutenir la planification stratégique et la mise en œuvre, est un défi. Il peut être encore plus difficile d’identifier les coûts de l’inaction et les risques encourus. La valeur des objets numériques en tant que biens numériques est la base d’une analyse de rentabilité crédible pour leur préservation. Si un investissement précoce permet de réduire les coûts au fil du temps, cela plaide en faveur d’un investissement ciblé.

1.5 Réseau de confiance

La réalisation d’une vision d’avenir pour la préservation à long terme au sein de l’EOSC, soutenue par un investissement financier approprié et des rôles dotés des compétences adéquates, ne peut se faire que par un engagement continu avec les professionnels de la curation et de la préservation. Il existe déjà un certain nombre de groupes et de communautés, mais l’Association EOSC a reconnu la nécessité d’un organisme qui intègre l’expertise des dépôts numériques fiables et se fasse le porte-parole de ces derniers.

La sous-tâche relative à la création d’un réseau de dépôts numériques fiables consiste à passer en revue les parties prenantes concernées et les initiatives actuelles. L’objectif d’un futur réseau sera examiné, y compris la manière dont les normes de certification et les principes FAIR pourraient être alignés.

Le périmètre, les activités et les obligations éventuelles du réseau seront examinés, de même que les conditions requises pour que les dépôts adhèrent au réseau, leur intégration, le contrôle du respect des critères d’adhésion et la promotion d’une large inclusion géographique et disciplinaire.

Les thèmes à inclure dans les recommandations sont les suivants :

  • Les aspects fonctionnels, par exemple la formation et le soutien aux dépôts, l’échange de connaissances, les recommandations, les standards, etc.
  • Des fonctions de lobbying qui offrent un forum et une « voix » aux dépôts pour qu’ils soient entendus par les parties prenantes de la communauté de gestion des données de recherche, les décideurs politiques et les bailleurs de fonds.
  • Des éléments techniques, par exemple la fédération d’un réseau de dépôts techniquement couplés par l’intermédiaire de l’EOSC.
  • Des lacunes et solutions pratiques pour les combler à court et à long terme.
  • Le rôle de l’EOSC-A.
  • Des phases de développement et de mise à l’échelle du réseau.
  • Le financement continu et durable du réseau.

2. Annexe : définitions, concepts et points de discussion

Cette annexe est extraite des travaux en cours de la Task Force qui cherche à identifier les définitions actuelles et à soulever des concepts clés et des points de discussion. Elle sera étendue aux objets numériques FAIR, à la différenciation des services de préservation et des autres services de (méta)données, et à des concepts tels que l’évaluation et les artefacts de recherche dans le temps.

Les documents de réflexion et les recommandations ultérieures de la Task Force formaliseront et standardiseront l’utilisation des définitions et des concepts dans un souci de cohérence.

Définitions générales de la LTDP

  • Curation

Le dictionnaire CASRAI et la proposition actuelle de CODATA RDMT qui en découle donnent la définition suivante de la curation :

L’activité de gestion et de promotion de l’utilisation des données depuis leur création pour s’assurer qu’elles sont adaptées à l’objectif contemporain et disponibles pour la découverte et la réutilisation. Pour les jeux de données dynamiques, cela peut signifier un enrichissement ou une mise à jour continus afin qu’ils restent adaptés à l’objectif visé. Les niveaux supérieurs de curation impliqueront également des liens avec les annotations et avec d’autres documents publiés.

Et une définition de la curation des données qui a des points communs (et qui pourrait également s’appliquer à la curation des métadonnées).

Processus géré, tout au long du cycle de vie des données, par lequel les données/collections de données sont nettoyées, documentées, standardisées, formatées et reliées entre elles. Il s’agit notamment de versionner les données ou de constituer une nouvelle collection à partir de plusieurs sources de données, d’annoter avec des métadonnées, d’ajouter des codes aux données brutes (par exemple, classer une image de galaxie avec un type de galaxie tel que « spirale »). Les niveaux supérieurs de curation impliquent le maintien de liens avec les annotations et avec d’autres documents publiés. Ainsi, un jeu de données peut inclure un lien de citation vers une publication dont l’analyse est basée sur les données. L’objectif de la curation est de gérer et de promouvoir l’utilisation des données dès leur création afin de s’assurer qu’elles sont adaptées à l’usage contemporain et disponibles pour la découverte et la réutilisation. Pour les jeux de données dynamiques, cela peut signifier un enrichissement ou une mise à jour continus afin qu’ils restent adaptés à l’objectif visé. Des formes particulières de curation peuvent être en place dans les dépôts de données. Le processus de curation de données lui-même doit être documenté comme faisant partie de la curation. La curation et la provenance sont donc étroitement liées.

  • Infrastructure de gestion des données

Une infrastructure utilisée pour assurer la gestion des données et appliquer les politiques de gestion des données. Une infrastructure de gestion des données doit comprendre des ressources telles qu’un dépôt de données et un catalogue d’informations.

  • Dépôt

Un dépôt d’archives conserve, gère et fournit un accès à de nombreux types de documents numériques dans une variété de formats.

  • Dépôt de données

Un dépôt de données est un service d’archivage qui assure la préservation à long terme d’objets numériques présentant un intérêt pour la recherche. La norme pour ces dépôts est le modèle de référence Open Archival Information System (OAIS) (ISO 14721:2003).

  • Communauté d’utilisateurs cible (modèle de référence OAIS (ISO 14721:2003))

Groupe identifié de consommateurs potentiels qui devraient être en mesure de comprendre un ensemble particulier d’informations. La communauté d’utilisateurs cible peut être composée de plusieurs communautés d’utilisateurs. Une communauté d’utilisateurs cible est définie par les archives et cette définition peut changer au fil du temps.

Un dépôt numérique fiable a été défini comme ayant « pour mission de fournir un accès fiable et à long terme à des ressources numériques à la communauté d’utilisateurs cible, aujourd’hui et à l’avenir ». Le TDR doit comprendre les sept attributs suivants : conformité avec le modèle de référence pour un système ouvert d’archivage d’information (OAIS), responsabilité administrative, viabilité organisationnelle, viabilité financière, adéquation technologique et procédurale, sécurité du système et responsabilité procédurale. Le concept est important, notamment en ce qui concerne la certification des dépôts numériques.

La préservation numérique/des données fait référence à la série d’activités gérées nécessaires pour assurer un accès continu aux documents numériques aussi longtemps que nécessaire. Il s’agit de l’ensemble des actions (appelées « curation numérique ») nécessaires pour maintenir l’accès aux documents numériques au-delà des limites de la défaillance des supports ou des changements technologiques et organisationnels.

La préservation numérique/des données à long terme est une activité qui garantit un accès continu aux documents numériques, ou au moins aux informations qu’ils contiennent, indéfiniment. La préservation des données à moyen terme consiste à maintenir l’accès aux documents numériques au-delà des changements technologiques pendant une période définie, mais pas indéfiniment.

Concepts et sujets clés

Les points ci-dessous reflètent les sujets de discussion interne au sein de la Task Force.

  • Numérique vs données. Le nom de la TF fait référence aux « données ». La LTDP ou l’acronyme de dépôt fiable (TDR) peut utiliser le terme « données » ou « numérique ». Le champ d’application de la TF couvre les « objets numériques » (voir ci-dessous).

Numérique : toute information codée sous forme de zéros et de uns. Dans le contexte de la TF, il est nécessaire de différencier les dépôts de données numériques des dépôts non numériques. Pour la LTDP ou le TDR, les fonds non numériques d’une galerie, d’une bibliothèque, d’un musée ou d’une banque d’échantillons sanguins sont hors du champ d’application, sauf dans la mesure où ils sont décrits numériquement au moyen de données et de métadonnées.

Données : la définition et les limites de ce qu’il convient d’appeler des données peuvent être débattues à l’infini. Les discussions portent notamment sur les typologies de données en tant que résultat de la collecte ou de la création, sur les variations dans l’interprétation des données brutes par rapport aux données traitées, et sur la question de savoir si d’autres artefacts (par exemple les logiciels) doivent être traités comme des « données ». Dans ce contexte de la TF et à ce niveau, il est plus clair et plus inclusif d’utiliser le terme d’objets numériques.

  • Objets numériques : un ensemble de données et de métadonnées. Différents acteurs placeront différentes « limites » autour des données et des métadonnées pour définir différents « objets ». Un objet peut être facilement défini comme une collection de fichiers de données et de métadonnées dans un seul répertoire, mais il peut également être réparti géographiquement. Avec les données liées (RDF), les limites sont encore plus floues. Les objets peuvent être liés à d’autres objets apparentés, avoir différentes versions ou dépendre d’autres objets numériques (par exemple, des artefacts sémantiques tels que des ontologies). Différents chercheurs et différentes archives auront des points de vue différents sur ce qui constitue un « objet numérique ». Mais lorsqu’un groupe d’objets est conservé par une organisation, on peut parler de « collection » et cette organisation peut être qualifiée de « dépôt » (voir ci-dessous). Une collection de dépôt peut contenir des objets soumis à différents niveaux de curation et de préservation. Les métadonnées des objets ne sont pas accompagnées d’un « niveau de curation/préservation » qui nous permettrait d’identifier leur niveau d’entretien actuel, ou de mettre en évidence le moment où ce niveau d’entretien change.
  • Métadonnées : toutes les données relatives aux données, mais souvent utilisées au sens large de métadonnées structurées définies par exemple par des schémas en XML. Lorsque l’on parle de « métadonnées », il peut être utile de définir leur objectif : identification, description, administration, provenance, technique, etc. Les métadonnées, les schémas et les ontologies doivent également être FAIR et nécessitent une préservation.
  • Dépôt : toute entité qui accepte, stocke et fournit un accès approprié à des objets (y compris des objets numériques) peut être décrite comme un « dépôt ». Tout magasin de données, système de gestion des documents d’entreprise, bibliothèque, musée, archives, etc.
  • Confiance vs fiabilité. La confiance (confiance et croyance en la fiabilité ou la vérité de quelque chose) est offerte, acceptée, recherchée et gagnée entre les parties. Lorsque nous choisissons de « faire confiance », nous pouvons avoir raison ou tort. Mais dans le contexte du TDR (voir ci-dessous), la fiabilité consiste à démontrer que les pratiques répondent à un ensemble d’exigences standard par le biais d’un processus d’évaluation.

Un dépôt numérique fiable (TDR) est défini de manière plus spécifique et plus étroite qu’un « dépôt ». Il existe plusieurs standards TDR[11], [12], [13] qui héritent tous des concepts clés du modèle de référence OAIS[14] de la norme ISO qui définit un OAIS conforme comme ayant certaines « responsabilités obligatoires[15] ». Les termes « dépôt numérique de confiance » et « dépôt numérique fiable » sont souvent utilisés de manière interchangeable, mais si l’on garde à l’esprit l’explication « confiance vs fiabilité » ci-dessus, il est clair qu’un « dépôt numérique fiable » n’est pas simplement « un endroit contenant des objets numériques en lesquels j’ai confiance ».

CoreTrustSeal a été développé par un groupe de travail de la RDA et est un produit approuvé par la RDA qui fournit des conseils étendus sur ses 16 prescriptions. Conversational CoreTrustSeal fournit une vue d’ensemble simplifiée (et non officielle). CoreTrustSeal vise à fournir un niveau « de base » convenu par la communauté en ce qui concerne les attentes en matière d’infrastructure organisationnelle, de gestion des objets numériques et de technologie/sécurité qui, ensemble, permettent d’identifier un dépôt comme étant de confiance.

Dans le contexte de la LTDP-TF, nous devons utiliser le terme « TDR » dans ce sens formel. Un TDR partage un grand nombre de caractéristiques avec d’autres types d’organisations et d’autres services de données. Toute organisation responsable d’objets numériques peut être amenée à s’adapter à tout moment à l’évolution de la communauté, de ses besoins ou de la technologie. Ce qui distingue un TDR, c’est la mise à disposition d’infrastructures organisationnelles et techniques, ainsi que d’une sécurité conçue pour assurer la « préservation » de la communauté d’utilisateurs cible. La préservation est une promesse et un processus visant à réduire au minimum les risques qui pèsent sur l’accès continu, l’utilisabilité et l’intelligibilité des objets numériques.

Pour pouvoir bénéficier du statut CoreTrustSeal et TDR, les candidats doivent avoir pour mission (exigence 01) de fournir un accès continu aux données et disposer d’un plan de préservation (R09).

Les 16 exigences de CoreTrustSeal 2023-2025

Les caractéristiques et les actions des TDR sont les suivantes :

  • Suivre l’évolution de la communauté (base de connaissances, besoins)
  • Assurer une veille sur la technologie (éviter l’obsolescence, identifier de nouvelles opportunités)
  • Créer une infrastructure prête pour la préservation : évaluation, dépôt, enrichissement des données et des métadonnées, droits, risques, plans, formats, réévaluation
  • Prendre des mesures de préservation si nécessaire (migration de format, émulation)

Certains entrepôts peuvent fixer des standards minimaux pour le dépôt, tels que des métadonnées obligatoires, d’autres peuvent offrir des services de curation pour enrichir ou améliorer les métadonnées avant l’accès. La préservation implique ces deux éléments et bien d’autres encore.

Les dépôts de préservation se préparent à faire face au prochain cycle de changement et fournissent un environnement capable de le faire de manière durable.

La préservation n’est pas la numérisation.
La conversion de l’analogique au numérique ne garantit pas (à elle seule) son avenir.

La préservation n’est pas la rétention.
Mais il est utile de connaître la durée minimale de rétention d’un objet.

La préservation n’est pas le stockage.
Un stockage efficace est essentiel pour un TDR, même si nous ne disposons pas de définitions formelles et minimales du stockage (N copies, sur N supports en N lieux, etc.). La « préservation des bits » est utilisée mais n’est pas définie comme allant au-delà d’une pratique de stockage efficace.

Préserver ou ne pas préserver

Les dépôts d’archives ont généralement pour mission de veiller à ce que les objets numériques dont ils s’occupent et eux-mêmes répondent à des critères standard. Il s’agit davantage d’un rôle de conformité à la « qualité technique » que d’un rôle d’évaluation de la qualité « scientifique ». Mais tous les objets numériques ne sont pas égaux et les ressources ne sont pas infinies. Ainsi, toutes les données ne peuvent ou ne doivent pas être préservées, que ce soit dans un dépôt généraliste ou disciplinaire. Les processus d’évaluation et de sélection alignés sur des politiques de gestion des fonds participent à la bonne application de ces décisions. Sans préservation, la valeur des « biens numériques » risque de ne pas être maintenue dans le temps. Les objets numériques sont susceptibles d’être réévalués et de voir leur niveau de curation et de préservation (voire de rétention) modifié.

La préservation a un coût, mais les coûts exacts peuvent être difficiles à individualisés parmi d’autres activités. Ne pas préserver a un coût, mais celui-ci est souvent difficile à quantifier sauf en cas d’absence de préservation.

Disciplinaire ou généraliste

De nombreux bailleurs de fonds préféreront un TDR, et des éléments d’assistance (par exemple Science Europe[16]) peuvent en recommander un qui possède une expertise disciplinaire. CoreTrustSeal s’efforce d’identifier l’expertise disciplinaire qu’un dépôt revendique au moment de sa demande, et s’efforcera de l’inclure dans les informations du registre des dépôts lorsqu’il sera certifié. Cela permettra d’effectuer des recherches sur les TDR disciplinaires. CoreTrustSeal attend du candidat qu’il présente des preuves pertinentes relatives à la discipline qu’il revendique, y compris la définition d’une communauté d’utilisateurs cible claire. Mais CoreTrustSeal n’attribue pas une certification propre à des disciplines ou des domaines spécifiques.

Définir et convenir d’une expertise disciplinaire n’est pas trivial, et deviendra encore plus difficile à mesure que les dépôts et les services de données prétendront être interdisciplinaires, pluridisciplinaires ou transdisciplinaires.

La TF doit veiller à utiliser les termes de manière à ce que l’on ne confonde pas un dépôt généraliste/générique avec un dépôt « pluridisciplinaire ».

Dépôts et services de données

Tous les dépôts ne sont pas candidats à devenir des TDR, mais continuent tout de même à jouer un rôle essentiel dans les infrastructures et les cycles de vie des données. Les infrastructures fédérées telles que l’EOSC dépendent de nombreux types de services de données. De nombreux dépôts, y compris les TDR, sont constitués de partenariats complexes ou externalisent certaines fonctions à d’autres services de données. Les services qui « touchent » les données et les métadonnées ont des points communs essentiels, notamment celui de garantir l’intégrité (éviter les changements involontaires). Si des modifications sont apportées aux données et aux métadonnées par un service de données, elles doivent faire l’objet d’un suivi de la provenance (enregistrement des modifications prévues).

Ces autres services de données ne sont pas encore suffisamment définis pour faire l’objet d’une évaluation (ou d’une certification)[17]. C’est important car les dépôts ne sont pas les seuls acteurs, et nous avons donc besoin de services de données fiables. Un exemple est le développement des registres, dont le rôle important[18] leur confère un caractère déterminant pour l’efficacité d’autres services de données. Pour entreprendre des évaluations, il est important de pouvoir définir le type de « chose » (dépôt, service, registre, logiciel, etc.) à évaluer et de fixer des standards, des processus et une gouvernance.

FAIR

Le développement des attentes FAIR et la mise ne place d’infrastructures et d’objets FAIR est un processus continu. Nous disposons de l’acronyme et des principes, et nous avons fait évoluer les indicateurs, mais le développement de mesures et d’outils permettant de les tester est toujours en cours.

Il y a encore du travail à faire sur les définitions FAIR disciplinaires et pour améliorer l’actionnabilité de l’évaluation par la machine.

Pour qu’un objet soit trouvable, accessible, interopérable et réutilisable, nous pouvons être amenés à entreprendre des actions de curation afin de garantir que les objets numériques répondent à des critères minimaux permettant un accès et une réutilisation immédiats. Mais les objets et leurs environnements peuvent devenir obsolètes, et il n’est donc pas garanti que les objets non surveillés restent FAIR au fil du temps. Le problème de FAIR+Time est résolu par la préservation.

Correspondance FAIRsFAIR des principes vis-à-vis des préconisations CoreTrustSeal

EOSC

La mise à disposition de dépôts numériques fiables FAIR[19] contenant des objets numériques FAIR évalués automatiquement est un résultat souhaitable. Mais il est reconnu[20]28 que l’évaluation des objets et la certification des services ne doivent pas encore être un sas d’entrée dans l’EOSC ; la confiance, la préservation et les critères FAIR sont processus évolutif.

Il y a une longue liste de données disparates non conformes aux critères FAIR qui doit être traitée et de nombreux dépôts auront besoin d’un soutien continu pour atteindre le statut « fiable ». La réalisation de ces objectifs à grande échelle dépend en partie de l’exploitabilité des métadonnées et de l’évaluation par la machine, qui dépend d’attentes claires portées par la communauté, y compris les communautés disciplinaires.


[1]NdT terme manquant dans l’original anglais

[2] Les formats de fichiers sont référencés pour plus de simplicité. Les avantages et les défis des données ouvertes liées via des sérialisations telles que RDF restent dans le champ d’application de cette Task Force

[3] « It is always recommended to refer to broadly recognised discipline-scientific or certified repositories » Practical Guide to the International Alignment of Research Data Management – Extended Edition https://doi.org/10.5281/zenodo.4915862

[4] “curated in trusted domain repositories whenever possible” Commitment Statement to Enabling FAIR Data in the Earth, Space, and Environmental Sciences https://doi.org/10.5281/zenodo.1451971

[5] Cf. Open Digital Rights Language (ODRL) Ontology https://www.w3.org/ns/odrl/2/ODRL20.html

[6] par ex. CODATA RDMT Public Review 2022 https://codata.org/initiatives/data-science-and-stewardship/rdm- terminology-wg/

[7] Basée sur les discussions de la TF avec différents groupes de parties prenantes tels que COAR (https://www.coar-repositories.org/).

[8] CoreTrustSeal fournit une certification au niveau coeur, le sceau Nestor (basé sur la norme DIN3166416) fournit une certification étendue, et la norme ISO1636317 fournit une certification formelle.

[9] https://www.loc.gov/preservation/resources/rfs/

[10] https://openpreservation.org/news/new-community-resource-international-comparison-of- recommended-file-formats/

[11] CoreTrustSeal  https://doi.org/10.5281/zenodo.3632533

[12] Nestor Seal https://www.langzeitarchivierung.de/Webs/nestor/EN/Zertifizierung/nestor_Siegel/siegel.html

[13] ISO16363  https://public.ccsds.org/pubs/652x0m1.pdf

[14] https://public.ccsds.org/pubs/650x0m2.pdf

[15] FAIR + Time : Preservation for a Designated Community couvre ce sujet pour un public moins familier avec les concepts OAIS et TDR. https://doi.org/10.5281/zenodo.5797776

[16] Practical Guide to the International Alignment of Research Data Management – Extended Edition https://doi.org/10.5281/zenodo.4915862

[17] FAIRsFAIR D2.7 Framework for assessing FAIR Services https://doi.org/10.5281/zenodo.5336234

[18] Comme le souligne le document “Turning FAIR into reality” https://data.europa.eu/doi/10.2777/54599

[19] M4.3 CoreTrustSeal+FAIRenabling, Capability and Maturity https://doi.org/10.5281/zenodo.5346822

[20] European Commission, Directorate-General for Research and Innovation, Slavec, A., Jones, S., Aronsen, J., et al., Recommendations on certifying services required to enable FAIR within EOSC, Genova, F.(editor), Publications Office, 2021, https://data.europa.eu/doi/10.2777/127253



Citer ce billet
isabelled (2024, 21 mars). La préservation dans l’EOSC : un document de réflexion. EOSC dans le texte. Consulté le 30 mai 2024, à l’adresse https://doi.org/10.58079/w28y

Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search