INIST : Et maintenant, on fait quoi ?

[Précision sur le titre : « on fait quoi » désigne l’Inist, et non les auteurs envisagent des procédures pénales à son encontre. L’objet de ce billet — comme à mon habitude — est technique, et essaie de poser des questions sur ce que techniquement l’Inist peut faire de sa plate-forme.
<update>En revanche, pour les auteurs qui se demanderaient « Et maintenant, on fait quoi ? », il y a ça !</update>]

Voilà plusieurs jours que le buzz tourne, suite à un premier billet d’Olivier Ertzscheid daté du 1er octobre 2012.

Depuis, les échos ont été nombreux, s’indignant de ce que par Refdoc, on était invités à payer la reproduction papier d’un document qu’on pouvait trouver par ailleurs gratuitement dans une archive ouverte. (je ne vous refais pas toute l’histoire : je considère que si vous suivez ce blog, c’est que certainement vous en suivez suffisamment d’autres pour ne pas la découvrir)

Je voudrais prendre le temps d’expliquer que, non, il ne « suffit » pas de simplement générer un lien depuis Refdoc vers HAL, quand l’équivalent OA (open archive) existe.  Pour des raisons simplement techniques.

L’Inist n’a juste pas le droit de faire ce qu’il fait

Prenons deux secondes pour évoquer la question juridique.

En 2011, l’Inist et le CFC ont été condamnés parce que le droit de reproduction versé au CFC n’autorise que la copie privée. Or Refdoc fait un commerce de ses reproductions. Dans ce cas-là, il faut donc obtenir une autorisation spécifique de l’auteur lui-même.

On a le résumé de l’affaire sur le site de l’Enssib, et l’arrêt complet ici.

Donc l’Inist n’a plus le droit de continuer à fonctionner comme il fonctionne, à moins de solliciter, à chaque commande d’un internaute, l’autorisation des ayant-droit. Et la plate-forme, telle qu’elle existe, ne peut pas continuer en l’état. C’est un fait (légal).

Bref, maintenant, il faut changer Refdoc en… autre chose.

Qu’est-ce qu’autre chose ?

Cela ne signifie pas que le scénario proposé par Olivier Ertzscheid tienne aisément la route. Je le cite :

Et tu sais ce qui me fait le plus mal dans mon petit coeur de chercheur qui cherche et qui défend l’accès ouvert aux connaissances ? Hein ? Dis tu le sais, cher responsable du service Refdoc et cher directeur de l’Inist ? C’est qu’à aucun moment, à AUCUN moment tu ne cherches à te vêtir de la plus élémentaire décence (à ce stade je renonce à parler même d’honnêteté), à aucun moment tu ne cherches à te vêtir de la plus élémentaire décence en signalant que ces 3 articles sont AUSSI disponibles gratuitement, dans la version que l’on veut (pdf, htm, doc, rtf …), conformément, cette fois, à ce petit grain de sable dans ta chaussure de responsable du service Refdoc et dans ton soulier de directeur de l’inist, ce petit grain de sable que l’on appelle la volonté de l’auteur et le respect du droit.

Sympa sur le principe. Mais comment faire le lien ?

Est-ce le même article ?

Plutôt que de partir de HAL, comme le fait Olivier Ertzscheid, pour s’assurer qu’un de ses articles déposés sur HAL se retrouve (payant) dans Refdoc, partons de l’autre bout et voyons comment Refdoc est alimenté.

Reprenons le 2e article de cette copie d’écran : De l’ingénierie des compétences à l’ingénierie des connaissances, par Olivier Ertzscheid, Jo Link-Pezet, Elisabeth Lacombe, paru chez L’Harmattan en 2003 et déposé en 2002 sur HAL.

• Il est sur HAL (en fait, il est sur @rchiveSIC, donc signalé dans HAL)
  
• Il est référencé sur Refdoc
  
  

Comment Refdoc en a eu connaissance ? La source est mentionnée en bas de la notice : par la bibliographie présente dans La librairie des humanités paru en 2005.

Donc :

1. lors du référencement des ouvrages, Refdoc n’avait pas moyen de savoir que l’auteur avait fait un dépôt parallèle du même article dans HAL.
2. il n’y a aucun identifiant commun permettant de faire la jointure (un DOI, par exemple). On pourrait rêver que La librairie des humanités, postérieur au dépôt de HAL, fournisse l’identifiant HAL. Sauf que La librairie des humanités ne référence pas l’archive, il référence l’article publié.

C’est pareil ? Comment le savez-vous ? D’abord, les métadonnées diffèrent :

• Sur @rchiveSIC, le titre est : « FoRSIC : De l’ingénierie des compétences à l’ingénierie des connaissances »
• Sur Refdoc : « De l’ingénierie des compétences à l’ingénierie des connaissances : Construction d’une ontologie pour la recherche d’information »

Ensuite, des versions distinctes peuvent coexister. J’ai bien peu de publications à mon actif. Mais je peux quand même citer celle-ci : « Qu’est-ce que le web des données ? » paru sur Bibliothèque(s) dans la rubrique « Le billet des hybrides » en 2010, dont j’avais donné une version longue sur ce blog. L’article publié est mentionné sur Refdoc, mais si j’avais pensé à le déposer dans HAL (il est vrai qu’il est encore temps), ç’aurait été la version (trop) longue, qui ne pouvait pas s’étendre autant dans Bibliothèque(s).

J’ai par ailleurs eu l’occasion de croiser dans la bibliographie de ma thèse des auteurs qui reprennent un même texte d’une revue à l’autre, en changent à peine le titre et parfois le contenu, pour s’adapter aux spécificités de chaque public ou de chaque comité de lecture.

Le lien entre les métadonnées sur HAL (un titre d’article et ses auteur) et celles d’une publication (titre d’article, auteurs, titre de revue, date de publication). Imaginons que seul le 1er soit mis sur HAL — comment Refdoc pourrait-il y renvoyer aussi hasardeusement ?

Je suppose que le circuit est un peu plus fluide quand il s’agit d’article de revues en ligne. J’en ai pris un article au hasard chez Elsevier : « The Adipocyte as an Active Participant in Energy Balance and Metabolism », de Michael K. Badman,Jeffrey S. Flier, paru dans Gastroenterology en mai 2007.

Il est bien référencé sur Refdoc, et la source est la revue elle-même (avec l’utilisation de formats d’échange et de partenariats dont je ne sais pas grand chose, sauf que ça semble heureusement automatisé).

Mais supposons que les auteurs en ont fait un dépôt dans une archive ouverte par ailleurs. Est-ce que l’on peut espérer de l’éditeur qu’il fournisse cette information avec les métadonnées de l’article publié ?

Est-ce le même auteur ?

Une des pistes proposées (dans le billet d’Affordance et/ou les commentaires) a été de « tenir » compte de la démarche proactive de l’auteur d’être signalé comme déposant sur des archives ouvertes, ou encore comme opposé à la reproduction abusive de sa production.

Pourquoi pas ?

Sauf que : Refdoc ne fonctionne pas comme une base bibliographique, mais comme un service de fourniture de document. Il est conçu pour que, si et seulement si vous connaissez déjà la référence exacte de la ressource, ça vaut le coup de s’adresser à Refdoc pour y avoir accès. Cela a beaucoup de conséquences.

L’une d’entre elle est que, sauf erreur de ma part — il n’y a pas de base d’autorités, ni matière ni auteur. Donc je ne peux pas simplement dire : « Je m’appelle Etienne Cavalié, merci de me faire disparaître de votre base. » Je pourrais avoir des homonymes (ou pas), en tout cas il est impossible d’identifier de manière certaine l’ensemble des productions qui seraient le fruit de mon imaginationmes entrailles mes travaux.

A la différence d’IdRef et du Sudoc.

Impasse ?

En l’état actuel des données disponibles sur Refdoc, il est impossible de générer dynamiquement quelque lien que ce soit vers des dépôts d’archives.

La seule chose envisageable pourrait ressembler à un petit texte disant : « Avez-vous pensé que ce document est peut-être gratuitement accessible pour vous sur HAL/Pubmed Central/ArXiv/Gallica/Persée/Revues.org/Google Books Search/Internet ».

Bof.

Est-ce le même travail ?

Ou alors, sans changer l’outil, on pourrait changer la manière de travailler : à la réception d’une demande, vérifier si l’article demandé n’est pas dans HAL. Et si c’est le cas, rediriger l’internaute vers ladite plate-forme.

Après tout, en BU, quand on reçoit une demande de PEB, le premier réflexe est de vérifier que le livre n’est réellement pas dans le catalogue…

Pour évaluer le taux de recoupement, Olivier Ertzscheid a constaté que tous les articles ou presque dont il constatait la présence gratuite sur HAL étaient (à vendre) sur Refdoc.

Sauf que pour l’équipe de l’Inist, ça fonctionne (là encore) dans l’autre sens : donc il faudrait plutôt, pour les X dernières demandes faites sur Refdoc, constater quelle proportion est présente dans HAL.

HAL, c’est 200.000 articles en plein texte. Refdoc, 53 millions de références.

HAL et Refdoc – obtenu en bidouillant à partir des Google Charts Tools

Donc sauf à constater que les auteurs les plus demandés sont ceux précisément qui sont accessibles dans des archives ouvertes (ce qui serait une information formidable pour la promotion de ce modèle au sein des chercheurs !) on peut supposer que, la plupart du temps, l’article demandé n’est pas dans HAL.

Peut-être est-il alors dans une des autres sources citées plus haut (Pubmed Central, Revues.org, Persée, voire la page perso d’un prof d’université) ?

Au final, ça revient à identifier un ensemble de ressources et mettre en place un métamoteur. Et contrôler (comment ?) que la version publiée, dont la reproduction est demandée par l’internaute, est bien la même que la version en archive ouverte

Autre souci : je n’ai pas testé la plate-forme, mais je suppose qu’on paie au moment de la demande de reproduction. Donc si l’Inist constate ensuite que l’article est disponible gratuitement, et y renvoie l’internaute, que faire de l’argent déjà payé ? Je suppose que ce genre de problème se résout par le passage à une étape intermédiaire (argent bloqué sur le compte d’un tiers, et reversement si prestation annulée), mais nécessite une réorganisation tout de même.

Est-ce le même service ?

D’ailleurs, si c’était le choix retenu, il me semble que le service changerait de forme, et deviendrait une sorte de service de recherche bibliographique d’un autre genre. Si l’Inist travaille à trouver la version gratuite d’un article dont il a recensé les métadonnées, n’est-ce pas là un service rendu (une sorte de questions-réponses) qu’il pourrait souhaiter facturer ?

Que peut faire l’Inist (s’il décide de faire quelque chose) ? Il semble pour commencer qu’ils aient des compétences en interne suffisantes pour évoluer.

Il y a vraiment un énorme problème de positionnement de cette base, selon qu’on la considère comme une sorte de vache à lait (comme elle est décrite ici sur le blog Bibnum), comme une base bibliographique proposant en plus la fourniture payante du document, ou comme un système de demande de reproduction d’articles à distance (sur le modèle du PEB, en quelque sorte).

Le billet d’Olivier Ertzscheid, qui mentionne le lien vers le blog Bibnum, semble suggérer plutôt d’évoluer vers la seconde orientation (base bibliographique), avec la mention de l’alternative Version gratuite / Version payante. Sauf que, comme je l’ai évoqué, Refdoc n’est actuellement pas du tout conçue comme une base bibliographique, dans la structure de ses données et dans les fonctionnalités qui les exploitent.

J’envisage ci-dessous plusieurs pistes. J’avoue d’emblée qu’elles sont toutes incomplètes, que je n’ai pas pris le temps (dont je ne disposais pas) de dépouiller toute la doc que j’aurais pu, notamment le mode d’alimentation actuel de Refdoc sur la base de chargements de métadonnées dans un format propre, au sein d’un circuit complexe.

Extrait de « L’édition électronique scientifique, son impact dans le traitement de l’information d’un centre de documentation », p. 3 – http://archivesic.ccsd.cnrs.fr/sic_00359634

Je n’ai pas non plus exploité le travail effectué par BSN 8 sur le projet de fusion de Refdoc et Supeb (dossier évoqué dans le tout dernier Arabesques), sur lequel des propositions de web services (donc d’interconnexions entre bases) ont été formulées. Le fait est que ces web services n’existent pas encore (ou en tout cas ne sont pas « en service »)

Voici en tout cas les pistes qui me semblent possibles :

• Grosso modo, je lis depuis quelques jours des auteurs accuser l’Inist de « piller HAL et le revendre » (accusation formulée en des termes variés), alors que justement le gros problème vient de ce que l’Inist ne moissonne pas HAL.
  Pourquoi ne pas faire de Refdoc un moissonneur OAI, avec fonction de dédoublonnage (système classique de décompte de points pour évaluer si 2 ressources ont des chances d’être la même).
  Si le dédoublonnage fonctionne, l’internaute se retrouve avec une notice et 2 liens : Payant / gratuit.
  S’il ne fonctionne pas (métadonnées trop différentes), il peut tout de même retomber (selon sa requête) sur l’affichage de 2 résultats, et choisir entre les deux.
• Se contenter de proposer des liens dynamiques vers HAL (en utilisant les API de HAL), en précisant que c’est « sans garantie » sur l’équivalence entre le texte référencé sur Refdoc et celui déposé sur HAL (contenu du document), et « sans garantie » sur la réelle correspondance entre les 2 (qualité des métadonnées).
  Ca ressemblerait à ça :
  
• Ramener la tarification des documents au prix que coûte réellement leur reproduction.
  Je ne suis pas sûr que l’on revienne ainsi  à une pleine légalité, mais je suppose qu’en cessant d’en faire « commerce », ça évacue certains problèmes. Ou alors les BU vont être embarrassées de même, puisqu’elles s’échangent des reproductions d’articles dans le cadre du PEB, sans préalablement en demander l’autorisation aux auteurs.
• Se contenter d’être une base bibliographique, sans donner accès aux ressources.
  Et on appellerait ça Francis&Pascal ?
• Définir un ensemble de bases de contenus (du type archives ouvertes), et exploiter leurs API pour interroger en temps réel ces bases, sur les métadonnées disponibles, afin de s’assurer qu’une version gratuite n’existe pas par ailleurs
  Techniquement, on l’a vu, ça ne marchera pas ou de manière trop incertaine.
• S’appuyer sur un moteur du type OAIster (chez OCLC désormais, je ne sais plus vraiment ce que c’est devenu) pour faire la même chose que précédemment, mais en exploitant ainsi les API d’une seule base, cette base se chargeant de centraliser les informations sur l’accès aux ressources (URL des documents)

Toutes ces pistes (très insatisfaisantes) situent les améliorations et les articulations au niveau de l’article. Si elles sont susceptibles, du moins pour certaines, d’apaiser l’ardeur des protestations actuelles, elles ne résolvent pas le problème juridique : comment gérer l’exigence qu’aurait l’Inist de devoir contacter les ayant-droit à chaque demande de reproduction ?

En supposant qu’on soit sur un modèle d’opt-in (l’auteur doit confirmer qu’il accepte la reproduction), et non d’opt-out (l’auteur doit venir tout seul se déclarer auprès de l’Inist pour refuser les reproductions).

Donc il faut sans doute aussi chercher des solutions au niveau des auteurs (et non de leurs articles). Quelques exemples :

• Une meilleure articulation avec le CFC, s’appuyant sur une base auteurs commune : cela permettrait que, pour un article trouvé sur Refdoc, l’interface Refdoc interroge la base des auteurs qui ont passé contrat avec le CFC, et puisse déterminer si elle peut proposer une reproduction.
  Evidemment, le plus simple serait peut-être d’utiliser une base plus large, du type IdRef (ajoutée à d’autres sources complémentaires). C’est tout l’intérêt du web des données de pouvoir partager des identifiants facilement.
• Une articulation de HAL avec IdRef, avec la possibilité dans HAL de cocher une case sur le profil d’un auteur, correspondant à une « déclaration de principe » au sujet de la reproduction de ses oeuvres.
• Comme IdRef ne contiendra jamais tous les auteurs des articles et qu’il est difficile de l’alimenter, il y a peut-être une piste à suivre sur la constitution d’une base Auteurs, avec attributs sur le positionnement de chaque auteur sur les questions des archives ouvertes, ou de l’accord ou non d’être référencé dans un outil comme Refdoc — base que les auteurs eux-mêmes pourraient venir alimenter (sur la base d’une authentification Shibboleth exploitant différents annuaires, par exemple)
  Cette base, qui utiliserait évidemment les technologies des linked data (et pourquoi pas des API aussi ?) pourrait être exploitée aussi bien par Refdoc, HAL ou tout autre base.
• Exploiter les correspondances apparemment existantes entre Refdoc et Francis, puisqu’il semble y en avoir dans cet exemple de notice structurée dans un format propre à l’Inist : on y trouve la ligne
  <identifier inist="17025242" francis="520-06-10519" monographicid="35400013242590" analyticid="354000132425900050" issn="0765-5762">
Francis est, elle, une base bibliographique.

Et pour récupérer la base existante, pourquoi ne pas s’inspirer de la manière dont l’Abes a travaillé [dernière diapo] pour le lancement de theses.fr, autour de la question des notices d’autorités, avec Google Refine ?

Conclusion ?

Juste une petite conclusion pour la route : ça va pas être simple.