Gérer ses données selon les principes FAIR
Abstract
Présentation utilisée lors du rendez-vous de l'information scientifique organisé par la Bibliothèque de l'Université de Genève le 10 octobre 2025 et consacré aux principes FAIR. Les principes FAIR sont des bonnes pratiques pour une diffusion optimale des données de la recherche, en assurant leur visibilité, leur découvrabilité et leur réutilisation. De plus en plus de financeurs et d'institutions attendent des chercheurs qu'ils suivent ces principes lors de la diffusion de leurs données de recherche. Cette courte présentation vise à fournir des clés pour aider les chercheurs à améliorer la visibilité, l'accessibilité et le potentiel de réutilisation de leurs données de recherche en appliquant les principes FAIR. Contenu : présentation des principes FAIR exigences des financeurs et de l'UNIGE dans ce domaine ressources pour vérifier si les données sont conformes aux principes FAIR
Full text
Gérer ses données selon les principes FAIR Dimitri Donzé et Floriane Muller 10 octobre 2025 en 15 minutes DOI: 10.5281/zenodo.17307064
Requis par les financeurs et universités 2 http://www.snf.ch/fr/leFNS/points-de-vue-politique-derecherche/open_research_data/Pages/data-management-plan-dmp-directivespour-les-chercheuses-et-chercheurs.aspx et sa feuille de route https://www.unige.ch/openscience/accueil/charte-open-science
Principes FAIR 3 Objectif : permettre la réutilisation des données Image credit: FAIR data principles by SangyaPundir licensed under CC BY-SA 4.0 http://www.datafairport.org/
15 principes 4 http://www.datafairport.org/ Tiré de : Wilkinson MD, Dumontier M, Aalbersberg IjJ, Appleton G, Axton M, Baak A, et al. The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data. 2016;3(1). DOI: 10.1038/sdata.2016.18. Licensed under CC BY 4.0
Rendre les données FINDABLE 5 Dessin par Patrick Hochstenbach partagés sous licence CC0 1.0 : https://open-science-traininghandbook.gitbook.io/book identifiant pérenne métadonnées enrichies cherchables et trouvables en ligne Un identifiant pérenne doit être attribué au jeu de données Les données sont décrites de manière suffisante et appropriée Les publications utilisant les données comportent un data statement* indiquant a minima où les données peuvent être trouvées, au moyen de leur identifiant pérenne * aussi appelé data availability statement, data access statement, etc.
Les données sont archivées, et le cas échéant partagées, dans un outil adapté : un data repository Il en existe de très nombreux, spécialisés pour une discipline ou un type de données, ou non, listés dans L'Université de Genève met à disposition de ses chercheurs et chercheuses un repository institutionnel : Il permet d'archiver et partager des données selon les principes FAIR Utiliser un tel outil répond (généralement) au principe d'accessibilité FAIR : les (méta)données sont accessibles avec leur identifiant via un protocole standardisé des restrictions d'accès aux données sont implémentables les métadonnées restent accessibles, même si les données ne le sont plus Rendre les données ACCESSIBLE 6 Dessin par Patrick Hochstenbach partagés sous licence CC0 1.0 : https://open-science-traininghandbook.gitbook.io/book récupérables en ligne par des protocoles standardisés restrictions si nécessaire
Rendre les données INTEROPERABLE 7 Dessin par Patrick Hochstenbach partagés sous licence CC0 1.0 : https://open-science-traininghandbook.gitbook.io/book formats et standards communs vocabulaires contrôlés L'utilisation de formats ouverts et standardisés, ainsi que de vocabulaires contrôlés, permet la combinaison des données avec d'autres jeux de données, ou leur réutilisation par d'autres groupes de recherche Les formats ouverts et standardisés sont propres à chaque discipline Des ressources listent les vocabulaires contrôlés qu'il est possible d'utiliser :
Rendre les données REUSABLE 8 Dessin par Patrick Hochstenbach partagés sous licence CC0 1.0 : https://open-science-traininghandbook.gitbook.io/book documentées licence et information de provenance claires Les données doivent être suffisamment documentées pour pouvoir être interprétées correctement Dans certaines disciplines, des standards de description existent – c'est évidemment la meilleure solution ! Les droits de réutilisation doivent être clairement indiqués Licence Creative Commons ou autre si les données sont libres d'accès Un Data Use Agreement si ce n'est pas le cas au minimum, un fichier README general décrivant le jeu de données L'Université de Cornell propose un template qu'il est possible de compléter
Autodiagnostic de vos données 9 https://ardc.edu.au/resource/fair-data-self-assessment-tool/ Autres ressources pour mesurer et améliorer le niveau de conformité aux principes FAIR : https://fairassist.org/#!/ « Utilisez cet outil pratique et convivial pour les chercheurs pour découvrir dans quelle mesure votre ensemble de données de recherche est trouvable, accessible, interopérable et réutilisable (FAIR) et obtenir des conseils pratiques sur la façon d’améliorer son niveau de FAIRness. » (notre traduction)