Introduction de l'atelier par Fabien Borget, professeur à Aix-Marseille Université et chargé de mission science ouverte

• Fabien Borget (AMU)

Qualité et accessibilité des données : des pratiques de recherche responsables, garantes de l’intégrité scientifique ?

• Carole CHAPIN (Office français de l’intégrité scientifique)

Le Code de Conduite Européen pour l’intégrité en recherche décrit l’intégrité scientifique d’après 4 principes, dont celui d’honnêteté, « autrement dit élaborer, entreprendre, évaluer, déclarer et faire connaître la recherche d’une manière transparente, juste, complète et objective. » En application concrète de ce principe, le code de la recherche français, dans ses articles dédiés à l’intégrité scientifique, inscrit la promotion de « la diffusion des publications en accès ouvert et [de] la mise à disposition des méthodes, protocoles, données et codes sources associés aux résultats de la recherche » parmi les missions des établissements publics de recherche. Ainsi, au sein de la vaste catégorie des pratiques de recherche responsables, science ouverte et intégrité scientifique sont explicitement liées par les exigences de reproductibilité et de fiabilité : la transparence, l’ouverture et la traçabilité, notamment des données de la recherche, en sont des principes fondamentaux. Cette présentation reviendra sur les raisons et les objectifs du cadre national, et sur les implications concrètes de sa mise en œuvre, en particulier en matière de garantie de la fiabilité des données.

Science ouverte, intégrité scientifique et données de la recherche dans le biomédical (Inserm)

• Gwenaël DUMONT (Irset UMR_S Inserm 1085, Membre de l’atelier rennais de la donnée ARDoISE)

Le partage des données dans la recherche biomédicale est complexe de part la nature de ces dernières. Bien comprendre les enjeux du partage et les modalités d'ouverture des données est souvent un casse-tête pour le chercheur. Les ateliers de la donnée Recherche Data Gouv ont été créés en proximité géographique des équipes de recherche pour leur apporter une première expertise dans la gestion raisonnée des données de recherche. A travers l'accompagnement de plusieurs projets réalisé par l'atelier rennais de la donnée ARDoISE vous découvrirez que la formule sur l'ouverture des données « aussi ouvertes que possible, aussi fermées que nécessaire » prend tout son sens en recherche biomédicale.

Pause

Quand les métiers dialoguent ! Entre qualité des données et transparence de la démarche pour garantir l’intégrité scientifiques des produits de la recherche en archéologie.

• Stéphane Renault (Coordinateur éditorial et soutien à l’édition des données à la MMSH d'Aix-en-Provence (Laboratoire méditerranéen de préhistoire Europe-Afrique (LAMPEA, AMU - CNRS - Ministère de la culture))

Cette présentation s'attachera à expliciter, à partir de plusieurs projets, comment la mise en application de la science ouverte pousse à la rencontre des métiers dès la mise en place des projets de recherche. Que ce soit dans le cadre d’un groupement de recherche national interdisciplinaire ou dans la mise en place d’un soutien local aux projets de recherche, à l’échelle par exemple d’une MSH ou d’un laboratoire de recherche, l’application des recommandations invite à la transformation de nos pratiques et l’adaptation de nos moyens dans une démarche de partage des compétences.

Open Science dans la physique des particules : un cas d'étude avec l'expérience ATLAS au LHC

• Louie CORPE (Chaire Professeur Junior à l'Université Clermont Auvergne (UCA) / Laboratoire de Physique Clermont Auvergne (LPCA, UCA - CNRS/IN2P3))

Le grand collisionneur de hadrons (Large Hadron Collider, LHC) du CERN a collecté un des plus grands dataset dans l'histoire de la science, grâce à ces détecteurs ATLAS, CMS, ALICE et LHCb. Cela a permis des découvertes remarquables (comme le Boson de Higgs en 2012), des centaines de publications qui exploitent ces données pour des mesures de précision du Modèle Standard de la physique des particules, ainsi que des recherches de nouvelles particules exotiques. Mais comment gérer un tel échantillon, et comment garantir que le dataset et les résultats qui en dérivent soient exploitables sur le long terme ? Nous utiliserons le cas de figure de l'expérience ATLAS pour explorer ces questions (certaines encore ouvertes !).

Conclusion par Fabien Borget

• Fabien Borget (AMU)