Archives de catégorie : Libre accès

L’exception Text & Data Mining sans décret d’application…

Data-mining, Ouverture des données scientifiques

L’information vient d’être relayée sur Twitter (et n’a apparemment pas encore fait l’objet de publication par ailleurs) : le conseil d’État a rejeté le décret encadrant l’exception au droit d’auteur pour la fouille de texte et de données (Text & Data Mining) à des fins scientifiques.

Ce rejet n’est pas définitif : la loi prévoit de toute manière un décret (“Un décret fixe les conditions dans lesquelles l’exploration des textes et des données est mise en œuvre”). En attendant, cela limite considérablement l’application concrète de l’exception.

Que peut-on faire en attendant ?

Le principe de base demeure : il n’est pas illégal, au regard du code de la propriété intellectuelle, de constituer des “copies ou reproductions numériques réalisées à partir d’une source licite, en vue de l’exploration de textes et de données incluses ou associées aux écrits scientifiques pour les besoins de la recherche publique, à l’exclusion de toute finalité commerciale.”

Par exemple, j’ai extrait automatiquement plusieurs centaines articles de presse pour un projet de recherche sur le débat européen autour de la Liberté de panorama (notamment à partir de la base de données Europresse, à laquelle mon université est abonnée). J’étais alors potentiellement dans l’illégalité si je n’en faisais pas un usage strictement privé (par exemple en communiquant les copies à des collaborateurs). Aujourd’hui ce ne serait a priori plus le cas.

Par contre, en l’absence de décret d’application, les propriétaires des contenus ne sont tenus en rien de fournir ces corpus aux chercheurs ; ils ont même toute latitude de bloquer les extractions automatiques (en invoquant la nécessité de “protéger” le site des requêtes excessives). En somme, l’exception lève le risque juridique lié à l’utilisation de copies licites pour la fouille de donnée ; elle ne permet pas de récupérer ces copies (qui requièrent des arrangements contractuels au cas par cas).

Que prévoyait le décret ?

Le décret d’application visait à corriger cette déficience. La dernière version en date (republiée pour l’occasion sur Sciences Communes) correspond à un texte de compromis. La préservation de la “sécurité” des infrastructures face à des requêtes multiples ne peut servir d’argument pour entraver excessivement l’extraction : les détenteurs des droits (généralement des éditeurs) peuvent “appliquer des mesures destinées à assurer la sécurité, la stabilité et l’intégrité des réseaux et bases de données, dès lors qu’elles n’excèdent pas ce qui est nécessaire pour atteindre ces objectifs”.

Les établissements de recherche sont de plus habilités à conserver “sans limitation de durée les copies techniques produites dans le cadre de l’exploration de textes et de données”. L’objectif est d’éviter de mener d’effectuer des extractions multiples (alors que des corpus peuvent avoir déjà été constitués).

Qu’est-ce qui va suivre ?

Pour l’instant, l’argumentaire du Conseil d’État n’a pas encore été publié. Il sera intéressant de voir quelles dispositions du décret ont motivé le rejet (et, par contraste, quelles dispositions sont appelées à être reprises dans un futur décret).

Il semblerait également qu’une voie intermédiaire entre arrangement contractuel et cadre général soit également envisagée, sous la forme de “protocoles d’accords” intégrés dans les contrats entre les institutions de recherche et les éditeurs. Tout ceci risque de complexifier grandement la mise en œuvre de l’exception (rien ne garantit que les protocoles soient rendus publics, ni qu’ils soient systématiquement identique d’un contrat à l’autre…).

À plus long terme, une exception similaire est très sérieusement envisagée au niveau européen. Le principe d’un droit de fouille de textes et de données semble faire l’objet d’un relatif consensus : le débat porte davantage sur son extension au-delà du monde de la recherche (pour tous les usages non-commerciaux, voire pour des usages commerciaux). Le rapport Comodini, qui correspond déjà à un texte de compromis entre les différentes options retenues par le parlement européen, propose ainsi d’étendre le périmètre de l’exception à “l’innovation” (Amendement n°3) et non uniquement à la “recherche scientifique”.

Les nouveaux modes d’éditorialisation du libre accès : l’étude critique de 2016 est là !

communs, Data-mining, HAL, Industries académiques, Libre accès, Licences, Open Science, Ouverture des données scientifiques

Je diffuse aujourd’hui mon principal projet de ces derniers mois, qui marque également l’aboutissement d’une réflexion engagée depuis plusieurs années sur Sciences communes : une étude critique sur les nouveaux modes d’éditorialisation des revues scientifiques en accès ouvert réalisée pour BSN — et très opportunément, cela tombe en pleine Open Access Week…

couverture_rapport
Cliquez sur l’image pour accéder au rapport (hébergé sur scoms en attendant HAL)

L’étude n’est que la version « synthétique » d’une quarantaine de pages d’un ouvrage qui paraîtra dans quelques mois. On peut retrouver également certains éléments propres à l’ouvrage (non repris dans l’étude) dans la présentation que j’en ai tirée pour la BSN et que j’ai ressorti la semaine dernière pour le séminaire PragmaTIC :

Support de présentation de l’étude pour BSN

Le libre accès connaît aujourd’hui un tournant majeur. Il entre dans la loi : la Loi pour une République numérique prévoit un droit de republication des versions auteur ainsi qu’une exception au droit d’auteur pour faire de l’extraction automatisée de textes et de données (text & data mining, encore connu sous le sigle TDM). Au-delà de cette officialisation, le libre accès, sous toutes ses formes (archives ouvertes, revues, bases de données) est devenu un phénomène massif et incontournable, toutes disciplines, communautés et pays confondus.

De quel libre accès parle-t-on ?

La mise à disposition gratuite, voire sous licence libre, dissimule des choix éditoriaux, économiques et même politiques, radicalement distincts. Une partie du mouvement du libre accès est ainsi tentée par une mutation a minima : le journal flipping, soit une reconversion (to flip) des budgets consacrés aux abonnements en achats de « droits à publier » en libre accès, sans rien changer aux montants.

Cette reconversion maintient en l’état l’oligopole des géants de l’édition scientifique (bien présenté dans le dernier Datagueule), voire en étend la portée. Car un acteur comme Elsevier n’attend pas la généralisation du libre accès pour amorcer sa reconversion. Les acquisitions successives de Mendeley ou de l’archive ouverte SSRN (en attendant, peut-être, celles de ResearchGate ou Academia) témoignent de l’avènement de formes de contrôle et de captation inédites de l’activité scientifique : les interactions des chercheurs autour de leur publication alimentant un vaste recueil de métriques, revendues entre autres aux institutions universitaires. Nous assistons à l’émergence d’un nouveau modèle économique de l’édition scientifique assez largement inspiré de celui des grandes industries du web comme Facebook ou Google.

Une autre édition est possible

D’autres modèles existent : de par son ampleur-même, la conversion au libre accès autorise une réforme plus globale des conditions de diffusion de l’écrit scientifique. Les évolutions sont déjà engagées. C’est ce que rend visible la « cartographie » des pratiques et des initiatives émergentes qui se décline sur les quatre parties du rapport : outils d’édition, formes d’écritures, dispositifs d’évaluations et modèles économiques connaissent des transformations parfois radicales — et parfois convergentes. L’article n’est plus seulement ce un objet fixe et immuable une fois le processus de publication achevé mais connaît une multitude d’incarnation ultérieures (par exemple en se métamorphosant en données grâce aux techniques de text & data mining). L’évaluation ne s’arrête pas davantage au seuil de la revue : en s’ouvrant (open peer review), elle prend la forme d’une réception continue.

capture-decran-2016-10-27-a-16-18-45
Analyse de correspondance réalisée à partir des données d’une étude sur les pratiques d’écriture de 20 000 chercheurs : l’utilisation d’outils libre est étroitement liée à la pratique en libre accès (orange) tandis que des pratiques émergentes mettent davantage l’accent sur la réplication (bleu).

En 2016, la question n’est plus tant de susciter ou de développer des innovations, mais de les intégrer et de les combiner dans des infrastructures cohérentes. L’architecture du web permet de faire cohabiter et « dialoguer » des modèles très différents par le biais de standards communs. Pour soutenir cette « bibliodiversité », il est nécessaire de la donner à lire, de faciliter la circulation d’une forme à l’autre et d’une plateforme à l’autre. J’ai ainsi proposé une petite projection (connus par les initiés de BSN sous le nom de code de « slide 63 ») du rôle déterminant que pourraient désormais jouer les archives ouvertes au-delà du simple recueil de l’article en recensant la pluralité de ces incarnations : évaluations, réplications, extraction de données…

Projection d'une archive ouverte augmentée
Projection d’une archive ouverte augmentée (à partir d’un article déjà déposé dans HAL)

L’élaboration des infrastructures ne soulève pas des enjeux que « techniques ». Finalement un acteur comme Elsevier pourrait très bien jouer ce rôle (et commence à le faire). La différenciation s’opère sur un autre plan : celui, « politique », de la gouvernance. L’enjeu double est aussi bien d’empêcher le détournement de l’open access au profit de nouvelles enclosures que de développer des processus de prise décision plus efficaces et mieux adaptés à un contexte fortement évolutif. Le futur de l’édition scientifique passe ainsi peut-être par l’avènement de grandes plateformes auto-gérées. Celles-ci s’inscriraient la lignée de communs numériques comme Wikipédia ou OpenStreetMap, mais avec des modèles forcément différents, qui restent encore à inventer.

Bien qu’il m’ait été officiellement confié en janvier dernier, le rapport a été « préparé » depuis trois ans sur Sciences Communes. Le présent carnet a été créé en 2013 dans la perspective d’étudier et de référencer les « les nouvelles pratiques de réutilisation des publications et des données scientifiques ». Le rapport va aujourd’hui beaucoup plus loin que ce que j’imaginais alors : j’étais alors plutôt focalisé sur les questions de licences, tout en ayant en tête la perspective d’un écosystème élargi, né de la mobilité inédite des textes et données de la recherche (mon rapport particulier à l’open access, découvert alors que j’étais un simple contributeur sur Wikipédia dans l’incapacité d’accéder aux grandes bases d’articles sous paywall, n’y est pas étranger). Les dimensions de la « cartographie » du rapport sont en partie apparues dans le fil de ce carnet : la possibilité d’une captation de l’open access par des industries académiques 2.0, la nécessité d’une réponse politique, la longue « préhistoire » du libre accès…

Il y a une autre forme de continuité. Dans le rapport comme dans Sciences communes, les opportunités ouvertes par les nouvelles méthodes et formes d’écriture scientifique ne sont pas juste signalées mais mises en pratiques et exploitées. J’ai ainsi repris des données déposées sur Figshare ou Zenodo et j’ai développé des programmes d’extractions automatisés d’articles scientifiques (notamment pour situer le débat académique sur le terme d’open peer review) — tout comme, j’ai pu, par le passé, publier ici des « expériences » (1, 2, 3) qui démontraient, par l’exemple, l’opportunité de penser la publication scientifique comme une production croisée de textes, de données, de codes et de visualisations.

Réseau de similarité entre termes dans les blogs référencés dans l'Open Access Directory
Essai de text mining sur les blogs référencés dans l’Open Access Directory. Le réseau de similarité entre les termes met en évidence l’importance croissante des thématiques éditoriales (données, évaluation…) dans le mouvement sur libre accès

Et puis, ce travail est une forme de production collaborative par procuration. Si j’en suis techniquement le rédacteur, je ne peux pas laisser de côté toutes les influences, déterminantes, qu’il laisse percevoir : celles de mes « encadrants » (Serge Bauin, Emmanuelle Corne, Jacques Lafait et Pierre Mounier), celle de ma collaboratrice sur Sciences Communes Rayna Stamboliyska (qui a directement contribué à l’écriture de ce présent billet), celle de mes collègues de SavoirsCom1 (Lionel Maurel, Thelonious Moon, Mélanie Dulong de Rosnay — également contributrice sur Sciences Communes) et de tant d’autres, théoriciens ou acteurs du libre accès (Marin Dacos, Daniel Bourrion, Guillaume Cabanac, Marie Farge…)

Les données ouvertes et la recherche : quel état des lieux ?

Billets, Ouverture des données scientifiques, , ,

Cette semaine c’est l’Open Access Week. Pour marquer l’occasion, de nombreuses ressources sont publiées (#teasing : reviendez demain pour une nouveauté de et par Pierre-Carl 🙂 ).

Parmi ces ressources, figshare a édité une compilation d’articles traitant des données ouvertes dans le domaine de la recherche scientifique. Pour rappel, figshare est la première plate-forme au monde à proposer la publication de jeux de données issus d’expérimentation scientifique ainsi que des figures et autres supports n’ayant pas trouvé de place dans un article scientifique « officiel ». Séquence émotion pour votre serviteure qui était en thèse au même moment que Mark, le fondateur de figshare, avec qui on avait organisé une compétition de blogs scientifiques et co-écrit la toute première FAQ de figshare.

Mais revenons à nos moutons. Le rapport de figshare, intitulé The State of Open Data, est une sélection de divers papiers de recherche écrits par des scientifiques de différentes universités, de représentants associatifs et d’experts du secteur privé. Le sujet est assez vaste et parle des données ouvertes en général, même si les données de la recherche y ont une place notable. N’y cherchez pas par contre de participation française…

Que disent les chercheurs ?

Deux articles présentent les conclusions du questionnaire adressé à la communauté scientifique par figshare. Le questionnaire a recueilli les réponses d’environ 2 000 personnes. Les données brutes anonymisées sont disponibles sur figshare. J’en ai utilisé pour illustrer certains points de la discussion.

Deux grandes dimensions ressortent des réponses : les défis structurels et ceux liés à la culture de l’ouverture de la recherche. Cette dernière englobe les questions « classiques » du genre « mais pourquoi devrais-je ouvrir mes données alors que mes collègues n’en font rien ? », « est-ce que mes concurrents vont utiliser mes données pour me devancer dans la publication et donc, avoir les financements pour lesquels je rempile ? » ou encore « peut-on se rendre compte que j’ai un peu exagéré les résultats obtenus ? ». La question de la reconnaissance des efforts individuels d’ouverture des données revient à différents endroits dans le rapport et notamment dans l’article de David Groenewegen (directeur de recherche à l’université Monash, Australie ; pp. 34-36). Ces questionnements sont « humains », pour reprendre le qualificatif des auteurs, mais je ne m’y attarderai pas.

La dimension structurelle qui émerge de ce questionnaire est discutée en de plus amples détails. Elle englobe des questionnements plus pratiques tels que « qu’est-ce que je dois faire pour ouvrir mes données ? », « quel(s) est(sont) le(s) bon(s) format(s) ? », « ai-je la permission de mon agence de financement de partager les données de mes recherches ? » ou encore « partager OK, mais n’est-ce pas du travail supplémentaire pour moi et qui ne reçoit aucune reconnaissance ? ».

Les réponses recueillies permettent de dresser un état des lieux de la connaissance et l’utilisation des données ouvertes en recherche. Bien évidemment, la méthodo peut être critiquée, mais les observations que l’on peut faire ont un intérêt qualitatif et méritent d’être soulignées.

La majorité des interrogés (n = 1 915) connaissent l'existence de données scientifiques ouvertes, soit des données librement accessibles et réutilisables.
La majorité des interrogés (n = 1 915) connaissent l’existence de données scientifiques ouvertes, soit des données librement accessibles et réutilisables.
Parmi les interrogés, une proportion importante a déjà fait des démarches d'ouverture de données.
Parmi les interrogés, une proportion importante a déjà fait des démarches d’ouverture de données.
Une majorité des interrogés (n = 1 777) a déjà réutilisé des données ouvertes qu'une autre équipe de recherche a mises à disposition.
Une majorité des interrogés (n = 1 777) a déjà réutilisé des données ouvertes qu’une autre équipe de recherche a mises à disposition.
Une proportion non-négligeable des interrogés juge que les données ouvertes réutilisées ont été importantes pour leur projet de recherche. La proportion de ceux ayant répondu "pas du tout important" est pratiquement de 0 %.
Une proportion non-négligeable des interrogés juge que les données ouvertes réutilisées ont été importantes pour leur projet de recherche. La proportion de ceux ayant répondu “pas du tout important” est pratiquement de 0 %.

Et parlant de recherche et d’obtention de financements, le monstre des citations s’impose. Les réponses sont assez intéressantes ici :

Parmi ceux ayant déjà rendu leurs données de recherche ouvertes, une proportion non négligeable estime que la citation de ces jeux de données est au moins aussi importante qu'une citation d'article, si ce n'est plus (10 % des interrogés).
Parmi ceux ayant déjà rendu leurs données de recherche ouvertes, une proportion non négligeable estime que la citation de ces jeux de données est au moins aussi importante qu’une citation d’article, si ce n’est plus (10 % des interrogés).

De manière assez surprenante quand même, les interrogés avouent ne pas toujours bien savoir comment citer les jeux de données réutilisés.

Au-delà des observations autour des pratiques, on peut également tirer quelques conclusions supplémentaires également intéressantes :

  • Une majorité des chercheurs (y compris des jeunes chercheurs) ont besoin d’accompagnement légal pour naviguer les complexités contractuelles de leurs financements. Ce besoin est exprimé aussi bien par les chercheurs ayant déjà publié des données en open data que par ceux qui ne l’ont jamais fait auparavant.
Parmi ceux ayant déjà rendu leurs données de recherche ouvertes, une proportion non négligeable a cependant des difficultés pour définir le conditions légales et, ainsi, le "niveau d'ouverture" desdites données.
Parmi ceux ayant déjà rendu leurs données de recherche ouvertes, une proportion non négligeable a cependant des difficultés pour définir le conditions légales et, ainsi, le “niveau d’ouverture” desdites données.
Le paysage des financements est très embrouillés : une majorité ne sait pas qui financera les démarches d'ouverture de données.
Le paysage des financements est très embrouillé : une majorité ne sait pas qui financera les démarches d’ouverture de données.

La question des licences est loin d’être anodine. Je vous recommande vivement la lecture de cette brève “twitterstorm” de John Wilbanks, anciennement à l’origine de Science Commons (l’initiative liée à la science chez Creative Commons) et aujourd’hui, l’un des piliers de Sagebio. Il souligne la complexité inhérente de la notion de propriété intellectuelle et son rapport peu amène avec l’objet “données” :

[View the story “John Wilbanks on data licensing” on Storify]
  • Le rôle des bibliothécaires a énormément évolué : ceux-ci se retrouvent au croisement des connaissances sur les données, le code et les cadres légaux ;
  • La perception de la publication scientifique a aussi énormément changé : un article n’est plus l’objet unique, statique, composé de texte gravé dans le marbre. Comme on l’a déjà dit par ailleurs sur ce blog, l’article scientifique est devenu la pub pour votre recherche ; ainsi, la routine éditoriale implique aujourd’hui la publication conjointe de l’article, des données produites dans le cadre de l’étude, du code utilisé pour les analyser et, dans certains cas, de fichiers multimédias annexes. La publication scientifique est donc une version de la connaissance du sujet pouvant évoluer.
  • Le volume a une importance (ou, plus prosaïquement, size matters) : si vous vous intéressez un peu au monde des données, vous ne serez pas étonné-e que l’attention (médiatique, financière) se porte le plus souvent sur le big data (les mégadonnées dont la volumétrie dépasse les terabytes). Cependant, les small data restent fermées : seulement 22 % des chercheurs indiquant produire des mégabytes partagent leurs données. Mais c’est aussi là que se cachent la diversité et les informations importantes mais trop souvent négligées, à savoir les résultats négatifs, les figures rejetées de l’article final, etc.

Ces observations font donc ressortir l’importance de trois éléments structurels du processus par lequel on rend publiques des données issues de la recherche scientifique :

  1. Les métadonnées : il s’agit de ce que l’on appelle communément des données sur les données (date de création du fichier, son format, etc.). Dans la mesure où une publication devient une version d’enregistrement de la connaissance, une quantité invraisemblable de métadonnées vient avec cet objet : on a aussi bien celles générées par l’utilisateur que celles générées par le traitement automatique. Il y a par ailleurs de nombreux éléments du processus de recherche qui ne figurent pas (encore) au firmament des objets à ouvrir : les protocoles expérimentaux utilisés, les réglages des appareils, etc. La quantité de métadonnées accompagnant la publication de données et résultats scientifiques ne fera donc que croître et on se retrouve rapidement dépassé-e par les volumes à appréhender et gérer.
  2. La « curation » : autrement dit, le fait de choisir ce qui est pertinent pour un sujet donné. Faire de la veille implique de faire ces choix-là et passe par diverses étapes qui enlèvent ce qui est peu pertinent et qualifient les sources retenues pour une exploitation future. Mais si on a des outils plutôt corrects pour suivre les publications de nos pairs, comment gérer l’invraisemblable quantité de métadonnées dont je parlais juste ci-dessus ? Les auteurs soulignent ainsi le besoin de toujours créer des outils pour structurer les métadonnées et les travailler pour faciliter leur curation et (ré)utilisation ultérieures.
  3. La revue par les pairs : j’allais parler de Retraction Watch (même si les auteurs ne le font pas), de la publication de résultats négatifs ou neutres et de diverses autres initiatives telles que Software Carpentry, Run my Code, etc. mais je vais laisser pour une prochaine fois.

« L’économie politique de la recherche »

Dr Sabina Leonelli (University of Exeter, Royaume-Uni, pp. 7-12) met l’accent sur l’impact des données ouvertes sur l’économie et la politique de la recherche tel que l’on peut le penser à partir des conceptions que l’on a des données scientifiques :

Que la recherche soit mue par des données plutôt que par des théories, des hypothèses, des modèles ou des changements de politiques publiques reste un sujet de débat. Ce qui est clair [cependant], c’est que les données sont de plus en plus conceptualisées comme des produits dont la valeur est inhérente à la recherche scientifique, plutôt que comme des composantes du processus de recherche qui n’ont pas de valeur propre.

Elle ajoute que les réutilisations que l’on peut faire de ces données ne ressemblent pas toujours celles que l’on fait traditionnellement des publications scientifiques. Ainsi, il est important de bien analyser pourquoi le mouvement en faveur des données ouvertes est devenu aussi populaire dans le discours scientifique et politique contemporain. Pour ce faire, elle propose d’articuler la réflexion autour des quatre dimensions suivantes :

  1. Les données ouvertes (mouvement open data) sont une plateforme commune où les chercheurs, les institutions de recherche et les bailleurs de fonds peuvent échanger autour des difficultés pratiques de l’ouverture et la réutilisation des données issues de la recherche.
  2. Les données ouvertes contribuent à une discussion plus large autour de la transparence et de la légitimité des financements ainsi que à celle du retour sur investissement, piliers des politiques publiques de la recherche et préoccupations des bailleurs de fonds.
  3. Le mouvement open data s’aligne sur des défis plus globaux tels que les acteurs désormais incontournables de la recherche issus de centres scientifiques hors de la zone euro-américaine.
  4. Les données ouvertes sont un exemple de l’introduction de la recherche scientifique dans des logiques de marché. Assez pragmatiquement, ce point aborde la conception des données comme des objets politiques, sociaux et financiers. « L’idée même des données scientifiques comme artéfacts pouvant être vendus, échangés et réutilisés pour créer de nouvelles formes de valeur est indissolublement liée à la logique de marché où les données sont des objets d’échange ». De même, l’idée de libre circulation de données scientifiques pose des défis quant à la conception de compétition et propriété non seulement au sein de la communauté scientifique, mais aussi dans les interactions de celle-ci avec d’autres acteurs.

Pour rebondir sur les considérations sociétales et culturelles et la valeur des données de recherche, l’article de Prof. Daniel Paul O’Donnell (université Lethbridge, Canada ; pp.38-40) sur les changements induits par les données ouvertes dans les sciences humaines est intéressant. Il y élabore le changement de pratique et la redéfinition des objets d’étude en SHS, dans une veine sensiblement épistémologique. En effet, la tradition veut que les chercheurs en SHS travaillent sur des détails provenant d’un corpus réduit lesquels permettent de construire une argumentation plus générale et généralisable. Comme il le remarque avec un certain amusement, « à l’ère de l’open data, on peut être tenté de voir cette démarche comme une analyse d’un petit échantillon sans puissance statistique ». Mais une telle critique constituerait « une sorte d’erreur catégorielle », comme il dit. En effet, la recherche SHS diffère de celle dans les sciences dites « dures » par sa finalité : les premières visent à l’interprétation alors que les dernières cherchent des solutions. Ainsi, conclut-il :

[l]e véritable défi pour les sciences humaines à l’ère des données ouvertes numériques est de reconnaître la valeur des deux types de sources, à savoir le matériau que nous pouvons générer avec des algorithmes à des échelles autrefois impensables et la valeur toujours actuelle du passage originel.

Enfin, diverses participations proposent des approches permettant d’accélérer les activités de plaidoirie et de sensibilisation autour de l’ouverture des données de recherche. Je vous laisse les découvrir et, qui sait, vous en inspirer !

L’exception text & data mining définitivement approuvée!

Data-mining, Ouverture des données scientifiques

La bonne nouvelle vient de tomber : la commission mixte parlementaire chargée de mettre en œuvre une rédaction définitive pour la loi sur le numérique s’est ralliée à une exception étendue pour le text & data mining. La rédaction définitive sera rendue publique prochainement mais d’après une dépêche AEF elle modifie le code de la propriété intellectuelle.

L’article L122-5 qui référence l’ensemble des exceptions au droit d’auteur inclut un nouvel alinéa 10 ainsi rédigé :

Les copies ou reproductions numériques réalisées à partir d’une source licite, en vue de l’exploration de textes et de données incluses dans des écrits scientifiques ou associées à ceux­-ci pour les besoins de la recherche publique, à l’exclusion de toute finalité commerciale. Un décret fixe les conditions dans lesquelles l’exploration des textes et des données est mise en œuvre, ainsi que les modalités de conservation et de communication des fichiers produits au terme des activités de recherche pour lesquelles elles ont été produites ; ces fichiers constituent des données de recherche.

La rédaction me paraît globalement conforme avec ce que l’Assemblée avait approuvé en janvier. Le droit des bases de données est également modifié. L’article L342-5 (qui référence les exceptions en la matière) est doté d’un nouvel alinéa 5 ainsi rédigé :

Les copies ou reproductions numériques de la base réalisées par une personne qui y a licitement accès, en vue de fouilles de textes et de données incluses dans des écrits scientifiques ou associées à ceux-­ci dans un cadre de recherche, à l’exclusion de toute finalité commerciale. La conservation et la communication des copies techniques issues des traitements, au terme des activités de recherche pour lesquelles elles ont été produites, sont assurées par des organismes désignés par décret. Les autres copies ou reproductions sont détruites.

Le dispositif finalement approuvé prévoie ainsi une exception au text mining “universelle”, qui se ne limite pas seulement aux contrats d’abonnements conclus par les universités mais à l’ensemble des sources licites (tels que les textes librement consultables sur le web). Cette sécurité juridique va considérablement faciliter la mise en œuvre de projets de lectures distantes ou d’extraction automatisés de données à grande échelle.

Suite au succès de la commission mixte parlementaire, la loi sur le numérique entre dans la dernière ligne droite : elle sera voté (en “masse”) par l’Assemblée le 20 juillet et le Sénat en septembre.

Le droit des bases de données va-t-il disparaître ?

Data-mining, Ouverture des données scientifiques

C’est un coup de théâtre qui m’a laissé speechless : le parlement européen envisage  sérieusement de mettre fin au droit des bases de données. C’est la 108e recommandation d’une motion adressée à la Commission Européenne sous le titre « Vers un Marché digital unifié » (et relayée par une excellente synthèse de Julia Reda). Elle tient en une ligne :

108. Le parlement Européen note que l’évaluation par la Commission Européenne de la directive sur le droit des bases de données conclut que ce dispositif nuit au développement d’une économie de la donnée (« data-driven ») européenne ; il appelle la commission à en tirer les conséquences qui s’impose en supprimant la directive 96/9/EC.

En 1996, la directive européenne 96/9/EC ajoute un nouveau chapitre au code de la propriété intellectuelle. Elle prévoit un droit « sui generis » pour les producteurs des bases de données : ceux-ci peuvent empêcher toute réutilisation « substantielle » de la base :

Les États membres prévoient pour le fabricant d’une base de données le droit d’interdire l’extraction et/ou la réutilisation de la totalité ou d’une partie substantielle, évaluée de façon qualitative ou quantitative, du contenu de celle-ci, lorsque l’obtention, la vérification ou la présentation de ce contenu attestent un investissement substantiel du point de vue qualitatif ou quantitatif.

En pratique, le droit des bases de données s’est imposé comme, de loin, l’un des droits les plus « généreux » pour son titulaire (et, par réciprocité, le plus restrictif pour l’utilisateur et le public). En effet :

  1. Il n’est pas borné par un critère clair : toutes les bases de données sont concernées dès lors que son détenteur investit pour les maintenir. Par contraste, le droit d’auteur ne porte que sur des productions originelles (ce qui fait que l’on ne peut réclamer, à ce titre, une protection pour des idées, des données élémentaires pour des expressions non significatives) ; le droit des marques ne s’applique que dans le champ commercial où une entreprise est active.
  2. La notion d’usage substantiel n’est pas définie. Le législateur européen permet de l’évaluer de « façon qualitative ou quantitative » ; tout en visant avant tout la base de donnée dans son entièreté, il laisse la porte ouverte à une appréciation beaucoup plus restrictive (par exemple, toute reprise qui porte la « marque » de la base d’origine). En France, la jurisprudence retient de plus en plus une interprétation maximaliste (à l’image du procès Notre Famille).
  3. Le droit est potentiellement éternel. La durée de protection de 15 ans ne part en effet que du moment où le producteur de la base cesse de l’entretenir. Tant qu’il continuer d’apporter des modifications il peut repousser la date d’expiration : « Toute modification substantielle (…) permet d’attribuer à la base qui résulte de cet investissement une durée de protection propre. »
  4. Dans un environnement numérique, le droit est « contaminant ». Sur Internet, tout est donnée : un livre est un ensemble de données textuelles ; une œuvre musicale un ensemble de données sonores. C’est ainsi que dans le cadre du projet Notre Famille, les archivistes ont pu revendiquer un droit « sui generis » sur des documents administratifs du XVIIe ou du XVIIIe siècle. À ce titre, le droit des bases de données constitue un argument juridique privilégié pour défendre un copyfraud, soit l’application de droits indus sur une production entrée dans le domaine public.

On le voit, le droit des bases de données génère des insécurités juridiques majeures pour de nombreux usages. C’est à ce titre que la fouille de texte et de données a pu être dissociée du « droit de lire ». C’est à ce titre que les institutions publiques ou privées peuvent justifier l’adjonction de copyfraud. C’est à ce titre que les licences libres ont dû être amplement reformulées (à l’image de la version 4.0 de Creative Commons) pour éviter d’ajouter des restrictions indues contraires à leur intention initiale. C’est à ce titre, finalement, que la circulation des informations est largement bloquée dans notre société. Il est ainsi impossible, en l’état, de reprendre de nombreuses séries d’informations a priori brutes sur Wikipédia, sur WIkidata ou sur des plate-formes d’open data, sans encourir un procès potentiel.

Cet obstacle considérable reste cependant récent : il a été codifié il y a moins de vingt ans ; il figure de manière récurrente dans la jurisprudence depuis moins longtemps encore. Le droit n’a pas été suffisamment naturalisé dans notre législation pour rester indéracinable. En l’état, la mention du droit « sui generis » dans le code de la propriété littéraire et artistique fait figure d’anomalie : alors que tout le reste du code s’adresse à des « auteurs » on parle ici de « producteurs » ; alors que le critère d’originalité est un soubassement récurrent, il est totalement évacué.

Néanmoins la suppression du droit des bases de données n’est pas une certitude à ce stade. En dépit du soutien affiché du parlement européen, les oppositions risquent d’être considérables : les GAFAs ont très largement profité de ce cadre légal bien plus généreux que son équivalent américain (qui ne reconnaît qu’un droit à la compilation). On risque d’assister à l’émergence d’un front commun entre industries culturelles et industries du web (ce qui aurait au moins pour effet de clarifier les clivages…).

Par ailleurs, Lionel Maurel m’a signalé que l’abolition de la directive 96/9/EC ne suffira peut-être pas pour lever toutes les restrictions. Depuis l’affaire Ryanair, la jurisprudence européenne a consacré la supériorité des Conditions Générales d’Utilisations contractuelles sur le droit législatif : une entreprise ou une institution n’a même pas besoin d’invoquer le droit des bases de données pour empêcher des reprises, même limitées, de sa base. La Cour Européenne de Justice « a écarté l’application de cette exception pour considérer que les CGU de la base pouvaient valablement interdire l’exercice des droits reconnus par la directive aux utilisateurs légitimes d’une base de données. »

Au-delà du fondement légal, je pense que la présence du droit des bases de données consacre un certain état d’esprit « hyper-propriétaire », marqué par une extension toujours plus maximaliste des droits de propriétés sur les créations intellectuelles. Sa disparition aurait pour effet de refermer une parenthèse d’une vingtaine d’années en montrant que l’extension propriétaire n’est pas inéluctable et que les institutions politiques peuvent revenir sur les droits accordés s’ils nuisent à la société au sens large.

La loi open access amendée

Libre accès

Je pensais modifier mon précédent billet au fil des avancements mais la loi open access française a l’air désormais relativement bien fixée. Pour mémoire, il est question de créer un droit de republication valable pour l’ensemble des chercheurs, dès lors que la recherche est financée par moitié par fonds publics : au terme d’un certain délai et sous certaines conditions (pas de réutilisation à fin d’édition commerciale) les droits additionnels des éditeurs ne sont plus valables. Ce dispositif lève l’un des principaux verrous limitant le développement de l’open access : la nécessité d’avoir l’accord des éditeurs (qui contrôlent de nombreuses revues prestigieuses).

Les débats en commission des lois n’ont apporté que trois modifications au texte intégré dans la loi sur la République Numérique.

  1. Prise en compte de toutes les versions intermédiaires de la publication scientifique : « toutes les versions successives du manuscrit jusqu’à la version finale ». C’est une initiative plutôt bienvenue à l’heure où l’écrit scientifique devient un objet textuel de plus en plus coulant et hétérogène (le preprint, notamment, contient souvent des précisions détaillées, par exemple en matière de manipulation de données, que l’on ne trouve parfois pas dans l’article final).
  2. Possibilité de « réduire » les durées d’embargo par un simple arrêt du Ministère de la Recherche. La ministre du numérique était sceptique pour une raison que j’avais également évoquée : celle de démultiplier les régimes entre disciplines (alors que la distinction SHS/STM demeurait encore relativement lisible). Le risque existe que l’on ait 10 mois et deux semaines en socio, 3 mois et deux jours en bio et 11 mois et quatre heures en droit. Ce que l’on perd en simplicité on le gagne en souplesse : il n’est pas nécessaire de passer par une nouvelle loi pour changer les durées (en particulier si les chercheurs en SHS militaient entretemps pour l’intégration dans le régime de 6 mois)
  3. Un rapport d’évaluation doit être remis d’ici 2019. Disons que ce sera peut-être l’occasion de faire une nouvelle loi open access qui aille plus loin que la précédente 🙂

À l’heure où j’écris rien n’a été encore décidé sur trois mesures fondamentales : la reconnaissance des communs informationnels, la liberté de panorama et l’exception pour les usages de text mining.

Loi open access : les amendements retenus

Libre accès

Je précise tout de suite qu’il s’agit d’une page in progress montrant l’évolution de la loi open access intégrée à la loi sur la République numérique (en tant qu’art. 17 de la section sur l’économie des savoirs), au gré de l’évolution du texte dans les derniers stades de son acceptation.

L’examen en commission des affaires économiques et en commission des affaires culturelles le 12 janvier a marqué le coup d’envoi du débat parlementaire. Par contraste avec le retour soudain et inespéré des communs de la connaissance et de la liberté de panorama dans le texte, l’évolution des dispositions open access paraissent beaucoup plus timide. L’essentiel avait en effet déjà été acquis en amont : non seulement le gouvernement n’avait pas affaibli les dispositions initiales, mais ils les avaient renforcées.

Il y a tout de même quelques inflexions significatives :

  1. Sur les embargos : les durées réduites finalement adoptées (12 mois pour les STM et 6 mois pour les SHS au lieu de 24 et 12 mois) sont confortées : l’amendement visant à rétablir les anciennes durées a été rejeté (mais aussi celui préconisant une durée unique de six mois). Par contre, une disposition assez habile du rapporteur de la commission culture permet de les « réduire » facilement, sans avoir à passer par une nouvelle loi : il suffit que le ministère de la recherche passe des arrêts disciplines par disciplines. Il va sans dire que la disposition ne permet que de mettre en place des « durées inférieures ». Le seul risque, que je pointais dans mon billet précédent, est d’aboutir à des durées variables d’une discipline à l’autre (ce qui serait encore moins lisible que la distinction SHS-STM).
  2. Sur les types de publications : l’intégration des recueils de mélanges (une innovation française encore reprise par aucun pays européen) est confortée par le rejet de l’amendement CE103. Le rapporteur de la commission culture a prévu une autre disposition  intéressante : intégrer la publication des différentes versions des articles (AC22). À une époque où la publication scientifique tend à se démultiplier en plusieurs textes parfois complémentaires (on trouve ainsi dans les preprint des développements qui n’avaient pu figurer dans les revues par manque de place), c’est plutôt bien vu.
  3. Sur les licences : la restriction de l’utilisation commerciale est renforcée (ce qui a pour effet négatif d’éloigner encore l’open access à la française des standards de publications en open access, comme CC-BY). Toute forme de republication à des fins commerciales est illégale (et non la simple parution dans une édition à caractère commerciale).

Loi numérique : quels amendements pour le libre accès ?

Data-mining, Libre accès

Au cours de l’année écoulée, nous avons suivi de près l’élaboration d’une loi open access à la française, qui fait partie intégrante de la loi sur la société numérique. Une loi open access vise à lever le principal obstacle restreignant le développement du libre accès : les droits d’exclusivité dont disposent les éditeurs de revues ; lorsqu’ils souhaitent diffuser leurs publications les chercheurs. Pour y remédier, une recommandation européenne de 2012 a élaboré le mécanisme juridique suivant : toute recherche financée au moins par moitié par fonds public pourra être republiée sous une licence non-commerciale au terme d’une durée maximale de 6 mois à 1 an ; tous les engagements contractuels contraires pris entre les auteurs et l’éditeur expirent au terme de cette date.

Les différents épisodes de ce feuilleton législatif (qui incluent également, pratique inhabituelle, une consultation publique ouverte à tous) ont apporté leur lot de bonnes et de mauvaises surprises. Par rapport au projet initialement envisagé, le dispositif finalement retenu par l’exécutif (art. 17) est plus ambitieux dans deux domaines : les durées d’embargo (qui passent, de 12 à 6 mois dans les Sciences Techniques et Médicales et de 24 à 12 mois pour les Sciences Humaines et Sociales) et la diffusion des données associées à l’article (dont « la réutilisation est libre »). Par contre, deux mesures complémentaires importantes ont disparu : la mise en place d’une exception pour les projets scientifiques de text mining et la reconnaissance positive du domaine public (qui vise notamment à contrecarrer le copyfraud).

Après la publication du projet de loi finalement retenu par le conseil des ministres et l’examen du conseil d’État, nous en entrons dans une nouvelle phase : le débat législatif. Les amendements des parlementaires ont été publiés hier. Au total, j’en dénombre 430 à la commission des lois et 14 à la commission des affaires culturelles. Je me suis permis d’extraire automatiquement leur contenu à partir d’un petit scraping en python, ce qui me permet d’effectuer des requêtes plus précise et, accessoirement, de me laisser aller à une pratique délicieusement trollesque : du text mining, peut-être illégal, sur des amendements qui visent justement à autoriser le text mining :

assemble_link = codecs.open("/Users/pclanglais/Desktop/assemble_link.txt", "r")
assemble_link = assemble_link.read()
assemble_link = assemble_link.split('\n')
for link in assemble_link:
	finallink = re.sub(ur"http://www.assemblee-nationale.fr/14/amendements/3318/CION_LOIS/", ur'', link)
	finallink = re.sub(ur".asp", ur'', finallink)
	extractnotice(link, finallink)
	time.sleep(3)

Une confirmation de la loi open access

Commençons par les mesures qui concernent exclusivement les chercheurs. Actuellement, le dispositif principal de la loi open access est visé par une vingtaine d’amendements (dont la moitié dans la commission des affaires économiques). Ils n’apportent que des préconisations assez subsidiaires. Tirant clairement les conclusions d’une consultation publique très favorable à l’open access, le texte finalement adopté en conseil des ministres a déjà pris en compte plusieurs revendications majeures (l’intégration des données dans le dispositif de la loi et l’abaissement des durées d’embargo, en conformité avec la recommandation européenne de 2012). En fait, j’anticipais plutôt un retour en arrière. Il n’a, pour l’essentiel, pas eu lieu (exception faite d’une série d’amendements en commission des affaires économiques soutenus par seulement trois signataires).

Pour faciliter la lecture, j’ai regroupé les amendements dans les thématiques suivantes :

  1. Les durées d’exclusivité. Trois amendements pointent l’irrecevabilité de deux durées distinctes pour les Sciences Techniques et Médicales (6 mois) et pour les Sciences Humaines et Sociales (12 mois). AC7 et CL340 recommandent le passage général à 6 mois, tandis que CL289 préconise 12 mois. AC17 propose une alternative intéressante (mais qui risque de devenir rapidement peu lisible) : autoriser le ministère de la recherche à introduire des « délais inférieurs » discipline par discipline (ce qui permettrait concrètement d’abolir totalement l’embargo). Pour des raisons pratiques, je préconiserais plutôt un régime général de 6 mois (même si pas d’embargo du tout serait une situation encore préférable…). Enfin, le CE104 s’inscrit dans une dynamique rétrograde en revenant aux durées initialement prévues : 24 et 12 mois pour les SHS et les STM.
  2. Les publications concernées. Je n’ai vu que deux amendements souhaitant altérer le périmètre initialement envisagé. AC22 préconise de publier tous les manuscrits intermédiaires (et non, uniquement, la version finale approuvée par l’éditeur) : alors que l’écrit scientifique devient de plus en plus une production in progress associant plusieurs versions distinctes, l’idée me paraît intéressante. Inversement, CE103 (toujours le même groupe rétif à l’open access) prescrit d’exclure les « recueils de mélanges » du cadre de la loi.
  3. Les modalités de republication. Le CL339 apporte une spécification utile : les publications doivent non seulement être mises à disposition gratuitement mais dans un « format ouvert » (par exemple csv pour les données, OpenOffice ou HTML pour les articles, plutôt que respectivement excel et word). Le CE67 propose les mêmes spécifications.
  4. Le statut des données scientifiques. Les deux amendements portant sur ce sujet crucial apportent peu de chose. En prescrivant d’intégrer les « données sources » CL288 est redondant avec la loi dans son état actuel (qui met déjà les données associées à l’article en libre accès). CL473 ajoute une restriction de réutilisation par rapport au régime actuel le régime actuel (qui consiste approximativement à placer les données sous une licence de type CC0, en retirant toute forme de droits patrimoniaux et moraux) : il vise à astreindre toute utilisation à « faire référence à la source utilisée ». On basculerait ainsi plutôt dans un système de licence proche de la CC-BY ou de l’ODBL.
  5. Les licences. Le texte original autorisait la republication sous une licence ne permettant pas la diffusion commerciale par un autre éditeur. Ce texte est remis en cause par plusieurs amendements (peu soutenus) recommandant des restrictions additionnelles.  AC18 souhaite une mention explicite de l’interdiction de tout usage commercial (en dehors d’une rédaction différente, ça ne change rien au fond de l’art. 17). Soutenus par un même groupe de trois parlementaires plutôt rétifs à une loi open access, CE167 et CE102 tentent respectivement d’édicter une restriction commeciale générale (et non seulement dans le cadre de l’édition scientifique) et d’intégrer les réutilisation « indirectement » commerciales. Enfin, le CE105 des mêmes auteurs tentent d’inscrire dans le marbre la portée exclusivement individuelle de ce droit (en empêchant la mise en place de dépôts institutionnels et impératifs).
  6. L’évaluation a posteriori. Pour AC19 et CE155 il est souhaitable de commander une étude d’impact deux à trois ans après l’adoption de la loi.

Dans l’ensemble il y a finalement peu de choses. Seules les durées peuvent peut-être encore changer, au risque de braquer les éditeurs en SHS ou les chercheurs en STM selon que l’harmonisation se fait à la baisse ou à la hausse.

La configuration actuelle n’était pas trop favorable à un lobbying acharné des éditeurs scientifique. Les petits éditeurs en Sciences Humaines et Sociales ont été apparemment rassurés par la mise en œuvre d’une politique de subvention pour accompagner leur conversion à l’open access. Les grandes multinationales ont d’autres chats à fouetter. Suite aux contrats signés l’année dernière les universités continuent de verser des millions à Elsevier. D’ici l’expiration des contrats, le marché aura complètement changé en Europe (avec une conversion probable vers le modèle open access gold ou auteur-payeur). Même avec l’adoption de la loi sur le numérique, la France reste, du point de vue de ces acteurs, un cas beaucoup moins problématique que les Pays-Bas, le Royaume-Uni ou l’Allemagne.

La résurrection de l’exception au text mining

L’exception au titre du text mining avait été rapidement retirée du projet de loi : elle ne figurait pas dans le texte soumis à une consultation publique. À l’instar de l’avocat du Syndication National de l’Édition, Richard Malka, les ayant-droit avaient tirés à boulets rouges sur cette exception : dans une brochure intitulée La Gratuité c’est le vol (pourtant diffusée… gratuitement), il assimilait l’extraction automatisée à des fins scientifiques à un « pillage ».

Pourtant, cette exception existe aujourd’hui dans des pays aussi marxistes que le Royaume-Uni (depuis 2014) ou, de facto, aux États-Unis (suite à l’adoption d’une jurisprudence favorable, dans le cadre du procès Google Books); elle est actuellement sérieusement envisagée dans la réforme européenne du droit d’auteur. L’exception vise davantage à clarifier une zone grise qu’à créer un nouveau droit : l’enjeu est d’établir que, dans la recherche scientifique, le droit d’extraire est indissociable du droit de lire. Plus que le droit d’auteur, le droit des bases de données constitue le principal obstacle : il empêche toute forme de copie substantielle d’une base de données protégée. Or, les projets de text mining à grande échelle impliquent nécessairement une recopie significative voire intégrale d’une base.

Le débat parlementaire redonne des chances à l’exceptions. Elle est actuellement recommandée par pas moins de sept amendements (AC11, AC16, CL84, CL344 et CL463, CE29 et CE78). La mesure est œcuménique : elle est souhaitée aussi bien par des parlementaires de gauche (CE29 pour les communistes, CL344 pour des écologistes et indépendants (Attard), CL463 pour les socialistes) que par des parlementaires de droite (le seul CL84, mais adopté par un grand nombre de signataires).

La rédaction est quasiment identique (je n’ai pas détecté de variations notables). Elle prend la forme de deux dispositions. La première décrit le cadre général de l’exception : les copies numériques de « sources licites » sont autorisées pour les « besoins de la recherche publique ». Par contraste avec l’exception initialement envisagée par la Loi sur le Numérique, les parlementaires insistent sur la nécessaire conservation des données résultant de l’extraction automatisée :

2° Après le 4° de l’article L. 342‑3, il est inséré un 5° ainsi rédigé :« 5° Les copies ou reproductions numériques de la base réalisées par une personne qui y a licitement accès, en vue de fouilles de textes et de données dans un cadre de recherche, à l’exclusion de toute finalité commerciale. La conservation et la communication des copies techniques issues des traitements, au terme des activités de recherche pour lesquelles elles ont été produites, sont assurées par des organismes désignés par décret. Les autres copies ou reproductions sont détruites. »

En l’état l’exception au text mining dispose de chances significatives. Elle peut compter sur des soutiens significatifs dans les principaux partis (ainsi que sur l’approbation tacite des principaux acteurs concernés : les chercheurs) ainsi que sur la concrétisation parallèle d’une exception similaire au niveau européen.

Vers un retour des communs ?

En dehors du strict cas de l’open access une trentaine d’amendements portent sur l’art. 17 ou sur l’art. 18 (qui cible plus précisément la réutilisation des données personnelles à des fins de recherche). Ils ne se limitent d’ailleurs pas à l’open access. Comme les deux articles sont les seuls survivants d’une section plus largement consacrée à « l’économie des savoirs », plusieurs amendements visent à rétablir la section sur les communs informationnels et la reconnaissance positive du domaine public (AC8, AC9, AC13, CL117, CL341, CL342, CL460, CL461).

D’autres s’attachent à mettre en œuvre une exception souhaitée de longue date par les chercheurs et les projets de libre diffusion des connaissance : la liberté de panorama (AC10, AC15, CL30, CL88, CL343, CL462). Comme je le rappelais dans un billet sur Rue89 il y a quelques années, l’espace public français est actuellement « troué » : les architectes conservent des droits d’auteurs sur leurs réalisations ce qui rendent la plupart des photographies urbaines de facto illégales.

Projet de loi sur le numérique : vers un libre accès sans communs…

communs, Data-mining, domaine public, Libre accès

La version finale de la proposition de loi sur le numérique vient d’être publiée. Elle n’a pas suivi un processus ordinaire. Entre la phase d’élaboration par l’exécutif et l’examen au parlement, une nouvelle étape intermédiaire s’est intercalée : une consultation publique, où tout un chacun pouvait, sous certaines conditions, noter, commenter et reconfigurer la loi existante.

La version finale porte la trace de ces apports collaboratifs. Des petits cadres, sur le côté, viennent régulièrement justifier l’introduction de telle ou telle mesure à la lumière des suggestions formulées pendant la consultation publique. En soi, la loi est un exercice très intéressant de démocratie mixte, à la fois direct et indirect.

Exemple du système de rédaction collaboratif de la proposition de loi sur le numérique
Exemple du système de rédaction collaboratif de la proposition de loi sur le numérique

C’est aussi un exercice limité. Les avis convergents des intervenants de la plate-forme République Numérique n’ont été pris en compte que dans la mesure où ils ne heurtaient pas trop frontalement les intérêts de certains lobbys puissants. À ce jeu, l’édition scientifique s’est révélée moins influente que les industries culturelles.

La consécration du libre accès

La conversion de l’édition scientifique au libre accès n’est plus une vague promesse utopiste. Depuis 2011, plus de la moitié des articles scientifiques européens sont disponibles en ligne. Or, le droit existant est inadapté à cette transformation massive : le mouvement du libre accès repose fréquemment sur des hacks, des détournements plus ou moins légaux. Cela va des licences creative commons (qui détournent les arrangements contractuels pour créer des biens communs) aux bibliothèques numériques illégales sur le modèle de Libgen. Les contrats d’exclusivité avec les grands éditeurs en effet un obstacle majeur : même si les chercheurs sont assez largement favorables à une politique de libre accès, ils restent indéfiniment liés par des engagements auprès de revues prestigieuses, au sein desquelles on ne peut pas ne pas publier pour faire carrière…

En 2012, l’Union Européen a émis une recommandation aux États-membres, les incitant à mettre en ligne les articles de recherche financés par moitié par l’argent public dès que possible, ou au plus tard 6 mois après publication en STM et 12 mois en SHS. Elle a été suivi d’effets dans la plupart de grands pays européens, que cela passe par l’adoption de loi open access ou de grands programmes de diffusion.

La France restait à la traîne. Si dernière version de la loi sur le numérique est adopté, elle sera en avance. La nouvelle mouture de l’article 9 (devenu art. 14) a acté plusieurs évolutions déterminantes :

  • Les durée d’embargos sont raccourcies. De 12 mois pour les STM et 24 mois pour les SHS, on revient respectivement à 6 et 12 mois, ce qui place la France en conformité avec la recommandation européen et, surtout, ils deviennent des délais maximaux (et non des temps par défaut) : « au plus tard six mois pour les sciences, la technique et la médecine et douze mois pour les sciences humaines et sociales, à compter de la date de la première publication. »
  • Les données de la recherche sont intégrées dans le périmètre de la mesure. C’est là un acquis capital, qui représente une avancée par rapport à la loi sur le libre accès allemande : sous l’effet de la numérisation, la publication scientifique s’apparente de plus en plus à une création “composite” associant un contenu rédigé, des jeux de données ou des algorithmes (pour vous en donner une idée, cf. mon dernier billet sur les réseaux d’acteurs à partir de Wikidata). Non seulement les données sont prises en considération dans la loi mais leur statut est beaucoup plus souple : elles deviennent d’emblée des choses communes, échappant à toute appropriation et, de facto, diffusable librement dès la publication de l’article. « Les données de la recherche rendues publiques légalement issues d’une activité de recherche financée au moins pour moitié par des fonds publics et qui ne sont pas protégées par un droit spécifique sont des choses communes. » L’éditeur ne peut revendiquer aucun droit dessus : « L’éditeur d’un écrit scientifique mentionné au I ne peut limiter la réutilisation des données de la recherche rendues publiques dans le cadre de sa publication ». Ces dispositions sont cohérentes avec une innovation majeure apportée par l’art. 5 de la dernière version : les bases de données publiques ne pourraient plus revendiquer de droit sui generis (ce qui les transforment, d’emblée, en choses communes) : « le droit sui generis ne doit pas faire obstacle à la réutilisation du contenu des bases de données de l’administration. » Tout ceci va par contre à l’encontre des mesures adoptées par la loi Valter (qui conforte le statut d’exception des institutions de recherche au regard de la politique d’ouverture des données publiques).
  • Le libre accès porte plus spécifiquement sur les versions finales du processus éditorial. Dans un précédent article publié dans Sciences Communes, Mélanie Dulong de Rosnay pointait le risque de durcir en réalité les conditions actuelles de dépôt en archive ouverte : si la loi concernait non spécifiquement la version publiée, mais aussi la version auteur, elle risquait de soumettre les chercheurs à des embargos qu’ils n’étaient en aucun cas tenus de respecter : « La dernière version soumise par l’auteur (ou preprint) appartient donc bien en droit à l’auteur dès sa création, et peut par conséquent dans l’état actuel du droit déjà être déposée immédiatement en archive ouverte, en même temps qu’elle est envoyée à l’éditeur avec un éventuel contrat autorisant la reproduction de l’article. » A priori, la rédaction actuelle de l’art. 9/14 limite ce risque. Elle porte sur la « version finale du manuscrit acceptée pour publication ». L’indication sur la travail de mise en forme de l’éditeur disparaît.
  • La réutilisation non commerciale est moins contraignante. Tandis que la précédente formulation excluait toute forme de cession commerciale, il n’est plus question que « d’une activité d’édition à caractère commercial ». Même si ce n’est pas totalement clair, on peut supposer que la vente non lucrative d’une publication pourrait être autorisée (ce qui serait propice à des projets sur le modèle de la Framakey : diffuser des clés USB défrayés contenant des publications en libre accès).
  • Vers une rétroactivité ? A priori, cela était totalement exclu dans la rédaction précédente, comme en témoignait la mention « Elles ne s’appliquent pas aux contrats en cours. » Cette mention a disparu depuis. Le commentaire signale cependant que l’absence de rétroactivité va de soi : « Une application rétroactive serait attentatoire aux intérêts des auteurs et des éditeurs signataires des contrats en vigueur. »
  • Quid de l’exception pour le data mining ? L’exécutif a envoyé à ce propos des signaux contradictoires. Hier soir, le ministre de la recherche Thierry Mandon suggérait que l’exception serait rétablie dans la rédaction finale. Pour l’instant, je n’ai rien trouvé qui aille en ce sens. A priori, le gouvernement serait tenté de se défausser sur l’Europe, l’exception data mining étant maintenue au programme des projets de réforme européen du droit d’auteur.

La disparition des communs

La précédente version de la loi sur le numérique soumise à la consultation publique comportait une autre disposition importante pour la recherche : une reconnaissance positive du domaine public informationnel et des biens communs de la connaissance (art. 8). Même si la formulation n’était pas parfaite, ces mesures contribuaient à sécuriser considérablement les recherches effectuées des productions a priori dénuées de droits patrimoniaux telles que les informations “brutes”, les données des documents administratifs ou les œuvres passées dans le domaine public.

Les projets scientifiques sont généralement très soucieux de la légalité de leur activité. Si l’usage des technologies numériques ouvre de nombreuses perspectives (par exemple, en terme d’analyse statistique de grands corpus), leur mise en œuvre effective reste limitée de facto par l’absence d’un cadre juridique clair (peut-on ou non importer automatiquement le contenu de telle bibliothèque numérique ou la base de données de telle institution publique ?)

Au-delà de cette sécurisation, l’art. 8 représentait un premier pas vers une reconnaissance des communs. À partir de cette base, on pouvait envisager ultérieurement l’intégration des communs volontaires tels que les logiciels libres, l’open data ou les publications sous creative commons. On disposerait ainsi d’un arsenal juridique apte à protéger ces communs contre diverses formes de réappropriation ou d’enclosure. Ainsi, même si elles ont été élaborées et acclimatées en droit français par d’excellents juristes, de par leur nature contractuelle, les Creative Commons n’offrent peut-être pas une protection suffisante.

L’art. 8 a suscité une contre-attaque virulente des société de gestion de droit d’auteur et des industries culturelles. Le Conseil Supérieur de la Propriété Littérature et Artistique, où des acteurs sont surreprésentés, a mandaté dans un premier temps mandaté un rapport à l’avocat Jean Martin, qui ne lui a pas donné satisfaction : tout en étant assez rétif à une reconnaissance positive du domaine public informationnel, Martin admettait que cette disposition n’attentait nullement aux droits de propriété intellectuelle sous leur forme actuelle, et qu’il ne faisait qu’expliciter certaines dispositions sous-entendue.

La définition du domaine commun informationnel préserve les principes fondamentaux du droit d’auteur malgré des imprécisions (…) Dans l’ensemble, toutefois, et même si elle pourrait être complétée et précisée, par exemple pour expliciter la notion potentiellement très large des « informations », cette première définition permet cependant le maintien du régime actuel.
En dépit de cette analyse prudente, le CSPLA s’est engagé dans une opposition virulente qui a porté ses fruits. Une réunion organisée hier à Matignon a tranché en sa faveur : l’art. 8 est abrogé et la réflexion continuera sous la forme d’une vague commission… Apparemment, les dés étaient déjà pipés : la réunion comprenait une vingtaine de lobbyistes des industries culturelles contre lesquels la parole de quelques bénévoles ne valaient pas grand chose.
Une victoire, donc, mais peut-être une victoire à la Pyrrhus. Du point de vue des industries culturelles, la reconnaissance des communs permettaient de sauver l’essentiel : le maintien du code de la propriété intellectuelle dans son état actuel, moyennant l’explicitation des libertés qu’il permet.
En refusant idéologiquement toute forme d’aménagement pragmatique et, surtout, en réduisant au silence une consultation publique ouverte à tous, ces acteurs risquent de radicaliser le débat public. Quitte à rentrer dans une logique du tout ou rien, je me sens de plus en porté à ignorer tout ce système. Et je suis loin d’être le seul…

Pourquoi le droit autorise déjà l’archivage ouvert de la dernière version soumise par l’auteur et son exploration, et comment préserver cette possibilité

Billets, Data-mining, HAL, Libre accès

L’article 9 du projet de loi pour une République numérique intitulé Libre accès aux publications scientifiques de la recherche publique, en raison de certaines imprécisions de rédaction, risque de revenir sur les acquis du droit d’auteur pour les chercheurs.

La rédaction actuelle de l’alinéa 1 réduit considérablement les droits des auteurs sur la dernière version soumise et va à l’encontre de tous les textes de la Commission Européenne qui portent sur la version publiée. La mise à disposition d’un article dans une archive ne fait pas concurrence à l’article publié dans un journal ou un ouvrage collectif.

Le principe général du droit d’auteur (Article L111-1, le premier article du titre sur le droit d’auteur du Code de la Propriété Intellectuelle), est de conférer un droit exclusif aux auteurs, dont ils peuvent disposer par la suite par contrat avec des éditeurs : “L’auteur d’une œuvre de l’esprit jouit sur cette oeuvre, du seul fait de sa création, d’un droit de propriété incorporelle exclusif et opposable à tous.”

La dernière version soumise par l’auteur (ou preprint) appartient donc bien en droit à l’auteur dès sa création, et peut par conséquent dans l’état actuel du droit déjà être déposée immédiatement en archive ouverte, en même temps qu’elle est envoyée à l’éditeur avec un éventuel contrat autorisant la reproduction de l’article.

Ce sont les contrats de certains éditeurs qui, après la naissance des droits exclusifs attribués aux seuls auteurs, peuvent conduire à diminuer les droits des auteurs, en exigeant une cession exclusive et/ou en imposant un embargo. Ces transferts sont de nature contractuelle et interviennent dans un deuxième temps (la rédaction de l’alinéa 2 du projet de loi permet de les neutraliser).

C’est pourquoi les auteurs ont déjà, dans l’intervalle entre la création et la cession, ou en termes moins juridiques entre l’écriture et l’envoi, le droit de procéder au dépôt immédiat de cette dernière version soumise par l’auteur (comme le proposent l’INRIA et Laurent Romary dans la consultation).

Carine Bernault, Professeur de droit à l’Université de Nantes, s’est exprimée à ce sujet dans la consultation et je partage son interprétation sur le risque introduit par la rédaction actuelle :

“Les délais d’embargo de 12 et 24 mois prévus par le texte sont impératifs : il sera impossible d’y déroger puisque l’article est déclaré d’ordre public.”

La controverse entre certains éditeurs et certains défenseurs des droits des auteurs et de l’accès ouvert porte sur la possibilité et la durée maximale d’un embargo sur la version publiée par l’éditeur (le postprint PDF). La Commission Européenne préconise de limiter la durée des embargos à 6 mois et 12 mois d’ailleurs, au lieu de 12 mois et 24 mois dans le projet. Carine Bernault propose de rajouter “au plus tard” pour éviter d’interdire des dispositions contractuelles qui seraient plus courtes que la loi.

L’article comprend enfin 4 autres points qui soulèvent des difficultés d’application et que j’ai soulignés dans mes contributions à la consultation :

– L’expression “version acceptée” porte à interprétation, il s’agit de la dernière version soumise par l’auteur, celle sur laquelle il dispose encore de droits exclusifs avant contrat avec l’éditeur (proposition de l’INRIA dans la consultation).

– La définition de “recherche financée au moins pour moitié par des fonds publics” (proposition de Marc Lipinski dans la consultation) introduit du flou. Il faut supprimer cette distinction et viser la recherche financé par des fonds publics.

– Le mot “mélanges” vient de la recherche en droit. Il faut ajouter les “ouvrage collectif” pour inclure la recherche effectuée dans d’autres disciplines que le droit, quand elle est publiée sous la forme d’articles dans des livres, et non pas dans des revues.

– La distinction entre SHS et STEM est inapplicable à l’interdisciplinaire, et donc à toute la recherche un peu innovante.

– Enfin, il est indispensable que la loi inclut les données liées à un article, et d’éviter que les contrats des éditeurs ne les enclosent derrière des portails de manière exclusive.

Le dernier point à réintroduire absolument est l’exploration de données et la fouille de textes. Trois solutions permettent de confirmer que cette pratique, une extension du droit de lire, est légale :

– L’introduction d’une exception au droit des producteurs de bases de données pour confirmer que cette pratique ne correspond pas un droit exclusif,

– Le passage des résultats de la recherche financée par les fonds publics sous licence ouverte avec l’ouverture des données issues des subventions publiques,

– L’interdiction des contrats d’éditeurs qui iraient en sens contraire.

Cette troisième et dernière solution peut facilement être obtenue avec l’alinéa 2 du projet de loi.

L’alinéa 2 du projet de loi a une bonne rédaction qui rendraient nuls les contrats qui empêcheraient l’archivage ouvert de la dernière version soumise par l’auteur. Il faut bien veiller à conserver cette disposition, c’est la plus importante.

Une solution complémentaire serait de rendre illégale la cession exclusive, comme proposé par Renaud Fabre – DIST dans la consultation.

Il faut aussi prêter attention à éviter, comme l’Allemagne, qu’elle ne s’applique qu’aux éditeurs nationaux et clarifier la situation des articles rédigés avec des co-auteurs dans des pays tiers et des publications dans des revues de pays tiers.

En conclusion, je recommande aux rédacteurs de la loi de ne pas introduire d’embargo sur la dernière version soumise par l’auteur. Un dépôt immédiat de la dernière version soumise par l’auteur, sur laquelle il ou elle dispose de droits exclusifs avant tout contrat, est permis et nécessaire. Seule la durée d’un éventuel embargo sur la version publiée par l’éditeur est négociable par contrat, et la loi peut en fixer une durée maximale. L’alinéa 2 qui rend les contrats contraires nuls doit être maintenu et étendu aux contrats avec des éditeurs étrangers.

Proposition :

I. Lorsque un écrit scientifique, issu d’une activité de recherche financée par des fonds publics, est publié dans un périodique, un ouvrage paraissant au moins une fois par an, des actes de congrès ou de colloques, un ouvrage collectif ou des recueils de mélanges, son auteur, même en cas de cession exclusive à un éditeur, dispose du droit de mettre à disposition immédiatement et gratuitement sous un format numérique et ouvert, la dernière version soumise de son manuscrit à son éditeur et à l’exclusion du travail de mise en forme qui incombe à ce dernier, et les éventuels jeux de données liées.

« II. – Les dispositions du présent article sont d’ordre public et toute clause contraire à celles-ci est réputée non écrite. Elles s’appliquent aux contrats avec des éditeurs de pays tiers. »