Le document présente l'importance et la méthodologie de rédaction d'un Plan de Gestion de Données (PGD) dans le contexte des politiques de science ouverte. Il aborde les éléments de contexte, les enjeux liés à la gestion, à la conservation et à la réutilisation des données de recherche, ainsi que l'outil DMP Opidor pour faciliter cette gestion. En outre, il explique pourquoi un PGD est essentiel pour assurer la qualité, la traçabilité et la visibilité des données scientifiques.

1. Marie-Laure Malingre, Florence Thiault
URFIST de Rennes
7 avril 2021
Pourquoi et comment rédiger un Plan de gestion
de données (PGD / DMP) ?

2. 2
1. Eléments de contexte : politiques de Science ouverte, politiques des
données
2. Rappels sur les données de la recherche
3. Définition d’un Plan de Gestion de Données
4. Pourquoi rédiger un PGD ?
5. La rédaction du PGD : Découverte de DMP OPIDoR
6. Comment rédiger un PGD en appliquant les principes FAIR
7. Evaluation des PGD : TP
8. Evolution des PGD
Plan
2

3. 3
Eléments de contexte : politiques de Science
ouverte, politiques des données

4.  Le rapport de l’OCDE (2007; version révisée 2021)
« Principes et lignes directrices pour l’accès aux données de la
recherche financée sur fonds publics »
 « La valeur des données réside dans leur exploitation. L’accès total
et ouvert aux données scientifiques devrait devenir la norme
internationale pour l’échange des données scientifiques issues de la
recherche financée sur fonds publics »
• Programme de recherche européen Horizon 2020
 Projet pilote lancé en 2013 sur les données de recherche
 Fait « du libre accès aux données de recherche la règle
générale »
Plusieurs jalons :
4
Open Research Data Problématique de l’accès aux données
de la recherche financée sur fonds
publics
Contexte et politiques

5. • Loi pour une République numérique (octobre 2016)
 Article 30 : conditions de libre réutilisation des données de
recherche
« II.- Dès lors que les données issues d'une activité de
recherche financée au moins pour moitié par des dotations de
l'Etat, des collectivités territoriales, des établissements publics,
des subventions d'agences de financement nationales ou par
des fonds de l'Union européenne ne sont pas protégées par un
droit spécifique ou une réglementation particulière et qu'elles
ont été rendues publiques par le chercheur, l'établissement ou
l'organisme de recherche, leur réutilisation est libre. »
5
Open Research Data
Contexte et politiques

6. • Participation française à des réseaux
internationaux
– RDA Alliance
• « La Research Data Alliance (RDA) est une organisation
internationale, interdisciplinaire, dont la mission est de
construire des passerelles, à la fois sociales et techniques,
pour permettre un libre partage des données et leur
interopérabilité. »
• « Dans le cadre du projet européen RDA Europe 4.0, qui a
démarré le 1er mars 2018, le CNRS a la charge de développer
le nœud national RDA-France. » (Ouvrir la Science)
– Initiative GoFAIR
• réutilisation optimale des données de la recherche
• fournir des données et des services « FAIR ».
6
Open Research Data
Contexte et politiques

7.  2018 : Plan national pour la Science Ouverte. Deuxième axe :
« structurer et ouvrir les données de la recherche »
 Principe d’ouverture par défaut pour toutes les données publiées dans le
cadre d’appels à projet sur fonds publics
7
Open Research Data
Contexte et politiques

8.  Plan d’action 2019 de l’ANR et ouverture des données de
recherche
« Engagée dans une politique de science ouverte […],
l’ANR appelle les coordinateurs à considérer la question des
données de recherche au moment du montage et tout au
long du projet. L’Agence demande à ce que les publications
consécutives aux projets qu'elle finance, soient déposées en
texte intégral dans une archive ouverte, et imposera de plus un
plan de gestion des données (DMP) pour les projets financés à
partir de 2019. »
8
Open Research Data
Modèle de DMP / PGD ANR sur DMP Opidor
Contexte et politiques

9. 9
Rappels sur les données de recherche

10. • Diversité des données de la recherche
10
Pourquoi s’intéresser à la gestion des données
Source : Marie Puren. Gérer les données de la recherche, 2018

11. 11
Source : Magali Moysan. Les plans de gestion de données, 2016
Que deviennent les données ?

12.  Les enjeux liés à leur utilisation
 Rôle des données dans la validation de la recherche, rôle de la
donnée comme guide de la recherche
 Maîtrise des données
Il importe de :
 Traiter ces masses d’information pour les analyser
 Réaliser une gestion des données permettant de les retrouver
et de les rendre compréhensibles
 Développer des services d’accès
 Garantir la fiabilité et la traçabilité des données
12
Enjeux de la gestion des données

13.  Les enjeux liés à leur conservation
 Pour garantir de la perte de données ou de leur altération
 Pour protéger les données
 Pour permettre leur éventuelle réutilisation dans un autre
contexte de recherche
 Pour conserver une trace de la recherche (patrimoine
scientifique)
Il importe de :
 Définir les modalités de diffusion, de conservation, d’archivage
des données (sélection et préparation des données, migration
vers des formats de données sans perte de qualité,
entrepôts…)
13
Enjeux de la gestion des données

14.  Les enjeux liés à leur partage et leur réutilisation
 Permettre et faciliter l’accès le plus large lorsque cela est possible
 Eviter les phénomènes de privatisation et d’appropriation des
données
 Améliorer la qualité, la visibilité, l’impact de la recherche
 Favoriser les collaborations scientifiques demandant le partage
ou l’élaboration collective de données
ll importe de :
 Documenter les données et les décrire de manière très précise
 Définir des conditions d’accès, des droits de réutilisation
 Contrôler la compatibilité, l’interopérabilité des formats, la lisibilité
 Procéder à une Dé-contextualisation – re-contextualisation
14
« Aussi ouvert que possible, aussi fermé que nécessaire »
Les données peuvent relever de droits multiples
Enjeux de la gestion des données

15. 15
Source : J.C. Desconnets, P. Aventurier, S. Banon. Entrepôt de données ouvertes IRD

16. Cycle de vie des données de la recherche, CCSD, voir aussi INIST, adapté du modèle UK Data Archive
Collecter / créer les données; capturer les données
avec les métadonnées; acquérir des données
existantes d’un tiers.
Analyser et interpréter les données ;
produire les résultats de recherche ; citer
les sources de données.
Définir un espace de stockage des données
Définir les droits d’auteur et
d’utilisation; contrôler les métadonnées
et la documentation ; faire des copies
de sauvegarde; publier et partager les
données.
Préparer les données pour la conservation; migrer
les données vers le meilleur format et un support
adapté; les sauvegarder et les décrire dans un
entrepôt de données; définir les accès et
promouvoir les données archivées
Entrer, numériser, transcrire, traduire les données ;
vérifier, valider nettoyer, anonymiser ; dériver des
données ; décrire et documenter les données ; gérer
et sauvegarder les données.
Réaliser des analyses secondaires, un
suivi de recherche, une nouvelle
recherche, des évaluations de la
recherche…
16
Le cycle de vie des données

17. 17
Qu’est-ce qu’un PGD ?

18. Le PGD : une définition
Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA.
URFIST Paris - 05 avril 2019
18
Document formalisé qui
décrit la façon dont les
données seront obtenues,
traitées, documentées,
analysées, organisées,
stockées, sécurisées,
préservées, partagées…
au cours et à l’issue
d’un projet.
• Aide à la mise en
place de bonnes
pratiques de
gestion à toutes
les étapes du
cycle de vie des
données
Cycle de
vie
des
données
Le PGD : une définition
S’appuie sur le cycle de vie des données

19. 19
Le PGD : une définition
Le PGD dans le cycle de la recherche
Nathalie Reymonet, Magalie Moysan, Aurore Cartier, Renaud Délémontez. Réaliser un plan de gestion de données “
FAIR ” : modèle . 2018. sic_01690547v2

20. Le PGD : une définition
1966 > première mention des PGD
• Documents de procédure décrivant
les activités de recherche et
développement dans des projets
aéronautiques et techniques
complexes
Années 70-80 > extension de
l’utilisation des PGD
• Outil de gestion de projets en phase
active
Jusqu’au début des années 2000 :
• Un périmètre limité pour les DMP
2000-2010
• Explosion de la production de
données
• Importance croissante des politiques
publiques comme leviers
• OCDE : « Declaration on Access to
Research Data fromPublic Funding »
• 2005, UK : recommandation aux
organismes de financement d’exiger
la soumission de DMP avec les
demandes de financement
2010-
• Mandats du PGD des organismes
de financement
• Outillage institutionnel pour aider le
chercheur 20
Le PGD une forme récente pour une pratique plus ancienne
Source : The History, Advocacy and Efficacity of Data
Management Plans

21. Quand fait-on un PGD ?
C’est un document évolutif :
- Initié en amont du projet (de préférence dès le montage du projet)
- Commencer par ce que l’on sait du projet
- Nulle obligation de rédiger tout le DMP d’un coup
- Continuellement mis à jour tout au long du projet
Différents types de PGD
- PGD de projets
- PGD de structures, d’établissements
- PGD de thèses
- PGD de logiciels ou SMP (cf. modèle PRESOFT)
21
Le PGD : une définition

22. 22
Les plans de gestion de données - S. Cocaud et D. L'Hostis,
INRA. URFIST Paris - 05 avril 2019

23. 16.04.21
PLAN DE GESTION DES DONNÉES
MODÈLE ANR
 Modèle composé de 6 grandes thématiques illustrant les bonnes
pratiques de gestion et de partage :
Modèle de DMP pour l’ANR
Description des
données et collecte
ou réutilisation des
données existantes
Documentation et
qualité des données
Stockage et
sauvegarde pendant
le processus de
recherche
Exigences légales et
éthiques, codes de
conduite
Partage des
données et
conservation à long
terme
Responsabilités et
ressources en
matière de gestion
des données

24. 1. Préparation du projet
2. Coûts liés au projet
3. Collecte et réutilisation des
données
4. Documentation des données
5. Stockage et organisation
6. Accès aux données
7. Partage et publication
8. Archivage
9. Aspects éthiques et juridiques
10. Informations générales sur le
projet et ses données
24
Pour résumer : 10 sujets à traiter dans un PGD
Edugroepen, 2018

25. URFIST Rennes
Les acteurs impliqués
Source : Parcours interactif sur
la gestion des données de la
recherche, DoRANum
Communauté scientifique
Ingénieur projet
Service juridique
Délégué à la Protection
des Données
Professionnel de l’IST
Informaticien
Archiviste

26. Un quiz DoRANum sur le plan de gestion de données
26
Planifier la gestion des données : DMP

27. 27
Pourquoi rédiger un PGD ?

28. Anticiper les questions de gestion avec un PGD
Le PGD / DMP s’appuie sur le cycle de vie des
données/documents
“Data Management Plans (DMPs) are a key element of
good data management.”
Faciliter les bonnes pratiques, les pratiques FAIR
(H2020 Programme. Guidelines on FAIR Data Management in Horizon 2020)
L’établissement d’un PGD est de plus en plus demandé
dans les appels à projets financés sur fonds publics,
notamment européens.
28
Pourquoi rédiger un PGD / DMP

29. Le PGD : une définition
29
• Réfléchir à ses pratiques pour améliorer l’efficacité
de sa recherche
• Économiser son temps et ses efforts
• Réduire les risques de fausse manipulation ou
d’oubli
• Augmenter ses chances d’obtenir des subventions
• Faciliter la valorisation de ses données
• Anticiper de futures recherches
• Préparer des data paper
Dans l’intérêt du chercheur

30. Le PGD : une définition
30
Pour les organismes de recherche
• Reproductibilité de la recherche, réputation
Pour les financeurs
• Réutilisabilité des données, retour sur investissement, innovation
Données consultables ou réutilisables
Science vérifiable et reproductible
Meilleure réputation chercheurs et institutions de recherche
Augmentation de la confiance accordée par société civile
Dans l’intérêt des parties prenantes

31. Le PGD : une définition
Les plans de gestion de données - S. Cocaud et D. L'Hostis, INRA.
URFIST Paris - 05 avril 2019
31
Se poser les bonnes questions dès le début du projet pour…
• identifier les risques liés à la gestion des données,
assurer la sécurité et la préservation des données sur
le long terme,
• identifier les responsabilités, les rôles de chacun
dans la gestion des données, planifier les ressources
et compétences nécessaires à cette gestion,
• garantir des données fiables et bien gérées tout au
long du projet, compréhensibles, disponibles et
préservées sur le long terme pour une réutilisation
future (démarche FAIR)
Planifier la gestion des données

32. 32
Source : Entrepôt de données ouvertes IRD

33. 33
Découverte de DMP OPIDoR
DMP OPIDOR - Guide d’utilisation

34. DMP OPIDOR
GUIDE D’UTILISATION
STAGE URFIST de Rennes, « Semaine Data-SHS », 8 décembre 2020
CNRS – Inist/DVDR/Service Formation-DoRANum

35. 16.04.21
SOMMAIRE
 Présentation
 Page d’accueil / connexion - authentification
 Création d’un plan de gestion des données - Modèles
 Rédaction du plan
 Partage d’un plan
 Téléchargement
 DMPs publics
 Gestion des notifications
 Ressources

36. DMP OPIDOR
PRÉSENTATION
https://dmp.opidor.fr
Outil d’aide à la création en ligne de DMP, permettant d’anticiper la gestion des
données dans le cadre de projets de recherche
 Accessible à la communauté scientifique de l’ESR et à ses partenaires
français ou étrangers
 Personnalisable par tout organisme de recherche pour la mise en place de
sa politique de données
 Enrichi par des exemples et des recommandations adaptés à
l’environnement de recherche
 Collaboratif : il facilite les échanges entre les partenaires d’un même projet
et les services d’accompagnement
 Outil open source, développé par une communauté internationale, basé sur
le code commun DMPRoadmap du Digital Curation Center et de l’UC3

37. 16.04.21
P 37
DMP OPIDOR
PAGE D’ACCUEIL / DE CONNEXION
Créer un compte
Se connecter avec son
accès institutionnel

38. 16.04.21 38
DMP OPIDOR
S’INSCRIRE / S’AUTHENTIFIER
Sélectionner son
établissement

39. 16.04.21 39
DMP OPIDOR
PAGE D’ACCUEIL APRÈS AUTHENTIFICATION Menu principal
Messages
OPIDoR
Plans créés
ou partagés avec
un utilisateur
authentifié
Tri possible

40. 16.04.21 40
DMP OPIDOR
CRÉER UN PLAN
Plusieurs possibilités pour
créer un plan

41. 16.04.21 41
DMP OPIDOR
CRÉER UN PLAN À PARTIR D’UN MODÈLE
Sélectionner
le modèle
Saisir l’acronyme et le
titre du projet

42. 16.04.21 42
DMP OPIDOR
RÉDIGER LE PLAN : RENSEIGNEMENTS SUR LE PROJET
Préciser le numéro
de subvention
Partie commune
à tous les
modèles de plan
Identifiant du
DMP lorsqu’il est
publié et partagé
dans un entrepôt

43. 16.04.21 43
DMP OPIDOR
RÉDIGER LE PLAN : PRODUITS DE RECHERCHE
Déclarez séparément les
différents types de produits de
la recherche : jeux de données,
logiciel, objet physique…

44. 16.04.21 44
DMP OPIDOR
RÉDIGER LE PLAN : VUE D’ENSEMBLE
Récapitulatif des
sections et
questions du DMP,
en fonction du
modèle choisi

45. 16.04.21
45
DMP OPIDOR
RÉDIGER LE PLAN : LES DIFFÉRENTES SECTIONS
Plusieurs sections :
À déplier pour
répondre aux
questions et accéder
aux recommandations

46. 16.04.21 46
DMP OPIDOR
RÉDIGER LE PLAN : RÉDIGER LES DIFFÉRENTES SECTIONS
Possibilité de
créer un tableau
Ne pas oublier
d’enregistrer
chaque réponse
Recommandations :
Il est possible d’en
sélectionner d’autres
Cocher cette case si
on veut dupliquer
les réponses de
cette section pour
les autres produits
de recherche

47. 16.04.21 47
DMP OPIDOR
RÉDIGER LE PLAN : COMMENTAIRES
Il est possible
d’ajouter des
commentaires à
partager avec ses
collaborateurs

48. 16.04.21 48
DMP OPIDOR
PARTAGER UN PLAN DE GESTION
Renseigner le mail du collaborateur
puis lui attribuer des droits
Possibilité de demander
une assistance
Visibilité du PGD

49. 16.04.21 49
DMP OPIDOR
TÉLÉCHARGER UN PLAN DE GESTION
Choix du format d’export :
html, pdf, docx

50. 16.04.21 50
DMP OPIDOR
DMPs PUBLICS
 Les DMPs publics sont
créés à l’aide de DMP
OPIDoR et partagés
publiquement par leurs
propriétaires
 Les plans de test ne
peuvent pas être
rendus publics

51. 16.04.21 51
DMP OPIDOR
GÉRER LES NOTIFICATIONS
Permet d’être
prévenu lorsqu’un
collaborateur fait
des modifications

52. 16.04.21 52
DMP OPIDOR
RESSOURCES
 Aide
 Exemples de plan de gestion
de données
 Ressources utiles, guides, sites
 Types de produits de recherche

53. www.cnrs.fr
16.04.21
53
info-opidor@inist.fr
contact@doranum.fr
https://dmp.opidor.fr
https://doranum.fr

54. 54
Comment rédiger un PGD en
appliquant les principes FAIR

55. 55
Les principes FAIR
https://doranum.fr/enjeux-benefices/principes-fair/

56. • Quel identifiant sera attribué aux données ? (DOI…)
• Quelles métadonnées seront utilisées pour décrire les
données ?
• Dans quel entrepôt seront déposées les données ?
• Des mots-clés sont-ils utilisés pour faciliter la découverte
des données ?
• Des mécanismes d'interrogation standards (SPARQL, SQL,
APIs standards) seront-ils disponibles ?
• Comment les fichiers seront-ils organisés ?
• Quelle convention de nommage sera utilisée pour les
répertoires et les fichiers de données ?
• Comment les versions des fichiers seront-elles identifiées ?
56
Le principe « findable » dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Findable

57. • Quelles sont les données qui seront librement accessibles ?
• Comment les données seront rendues accessibles ?
– dépôt dans un entrepôt…
• S’il y a des données en accès restreint,
– Pour quelles raisons ces données ne peuvent pas être
partagées largement ?
– Comment accéder à ces données ? (conditions d'accès)
• Des outils (documentation ou logiciel…) sont-ils nécessaires
pour accéder aux données ?
– Sont-ils open source, sinon seront-ils fournis ?
• La documentation et le code associés sont-ils accessibles
avec les données ?
57
Le principe « Accessible» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Accessible

58. • Les (méta)données peuvent-elles être échangées,
combinées et utilisées par d'autres (humains ou machines) ?
– Spécifier les standards, méthodologies, vocabulaires,
utilisés pour assurer l’interopérabilité des données et
métadonnées
– Utilisez-vous des vocabulaires standards assurant une
interopérabilité interdisciplinaire ?
– Dans le cas où vous devez utiliser des ontologies ou des
vocabulaires non standards, prévoyez-vous de faire des
liens (mapping) vers des ontologies ou des vocabulaires
communs ?
• Les (méta)données sont-elles liées à d’autres données ?
58
Le principe « Interoperable» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Interoperable

59. • Quelle licence sera associée aux données pour permettre
une large utilisation ?
• Quand les données seront-elles mises à disposition ?
– Les données sont-elles utilisables par des tiers, pendant
le projet/après la fin du projet?
– Quelles données sont à accès restreint et pourquoi ?
– Quel délai pour un éventuel embargo ?
– Pour quelle durée les données seront-elles disponibles
pour réutilisation ?
• Avez-vous décrit les processus d'assurance qualité des
données ?
59
Le principe « Reusable» dans le PGD
https://www6.inra.fr/datapartage/Produire-des-donnees-FAIR/Reusable

60. 1. Commencer tôt
2. Réfléchir à la réutilisation
3. Vérifier les politiques en vigueur
4. Se faire aider
5. Penser large
6. S’inspirer du travail d’autrui
7. Être précis là où c’est
nécessaire
8. Être concret
9. Oser avouer qu’on ne sait pas
10. Mettre à jour
60
10 conseils pour la rédaction du PGD
Edugroepen, 2018

61. 61
Evaluer un PGD

62. 62
L’expérience de la Commission européenne
• La commission européenne a évalué les plans
de gestion de données de projets en faisant
appel à des experts.
• L’évaluation est basée sur le modèle du plan de
gestion de la commission.
• Elle consiste à indiquer si l’information est
correctement, partiellement ou mal décrite et à
formuler des recommandations pour chaque
critère.

63. 63
Recommandations de l’ANR
Comité pour la Science ouverte (CoSO) - Collège
« Données », Groupe de travaiI « PGD »

64. 64
Recommandation n°15 du COSO
• La mise en place d’un « pilote » ;
• Une évaluation-conseil basée sur la trame du
plan de gestion de données de Science Europe ;
• Avoir une attente différente quant au niveau de
description en fonction de la version du PGD
• De formuler des recommandations globales ou
des alertes pour les responsables de projets (par
ex. dans le cas ou des projets gèrent des
données personnelles ou des données sensibles
sans mettre en œuvre les bonnes pratiques de
gestion ou d’ouverture de ces données).

65. 65
ANR Évaluation des plans de gestion de données
Signification des scores :
0 : rubrique peu ou mal renseignée
1 : rubrique partiellement renseignée
2 : rubrique bien décrite

66. Organisation du TP
• Deux exemples de PGD à évaluer à partir de la
grille ANR et Horizon 2020
• Temps de découverte individuelle du PGD à
évaluer : 30 mn
• Mise en commun, présentation : 20 mn par PGD
URFIST Rennes

67. RESSOURCES pour le TP Evaluation de PGD
Grille H2020
Grille ANR
PGD PCR Confluence
PGD STIRRER
URFIST Rennes

68. CONSIGNES pour le TP
• Individuellement, effectuez une lecture critique
des plans de gestion rédigés, à la lumière des
consignes « officielles » d’évaluation : grilles
ANR, Horizon 2020
• Pour chaque élément du PGD, indiquez si les
exigences du modèle vous semblent
totalement, partiellement ou non satisfaites
• Quelles pistes d’amélioration pouvez-vous
suggérer ?
URFIST Rennes

69. 69
Evolutions des PGD

70. 70
• Une nouvelle génération de PGD : les
« machine actionable DMP »
• maDMP, Plans de gestion lisibles et exploitables par
des machines
• Groupe de travail RDA
Evolution des PGD

71. 71
• Les maDMP, objectifs, principes, fonctionnalités
Evolution des PGD
Permettre l’échange d’information et établir des correspondances
entre le PGD et d’autres documents (comportant des éléments
analogues) ou plateformes
Automatiser certaines étapes de renseignements du DMPs et de
mise en œuvre de la gestion des données.
Structurer de l’information du PGD pour la rendre conforme aux
principes FAIR = la rendre facile à trouver, accessible,
interopérable et réutilisable par des programmes et logiciels,
notamment via des API

72. URFIST Rennes
Evolution des PGD
Source : INIST, Benjamin Faure, Florian Mazur, Data BFC2, 2019

73. 2 exemples
URFIST Rennes
Evolution des PGD
Préparation par l’INIST d’une nouvelle
version de DMP OPIDoR : maDMP
OPIDoR
 Version interrogeable par API
 Génération de formulaires
dynamiques
Source : INIST
Projet maDMP4LS : a machine-
actionable DMP for Life Sciences
 porté par l’IFB (Institut Français de
Bioinformatique)
 partenaire principal INIST
Vers des DMP disciplinaires ?

74.  Plusieurs types d’entrepôts :
 Entrepôts propres à un éditeur : GigaDB (GigaScience)
 Entrepôts liés à une discipline, un champ disciplinaire :
SEANOE, pour les sciences de la mer, Réseau Quételet pour les
sciences sociales, Nakala pour les Sciences humaines et sociales
 Entrepôts liés à une institution : Edinburgh Datashare, Université
d’Edinburgh) ou à un organisme international : Zenodo
 Entrepôts généralistes ou multidisciplinaires : Dataverse Project,
Zenodo
 Par rapport aux données :
 Entrepôts acceptant tous les jeux de données, même non liés à une
publication : Zenodo, Figshare, DRYAD
 Entrepôts n’acceptant que des données liées à des publications : ?
 Entrepôts acceptant publications scientifiques et jeux de données :
Zenodo
 Entrepôts pour données sensibles (ex : UK Data Service Secure Lab)
Source : Doranum 74
MEMENTO : Entrepôts de données

75. • Comment choisir un entrepôt ?
 Un entrepôt vous est recommandé :
 Par votre institution, votre financeur…
 S’il n’y a pas d’entrepôt recommandé :
 Identifier des entrepôts via des répertoires :
• CatOPIDoR
• RE3data.org
• OAD : Data Repositories
 Chercher un entrepôt certifié
75
MEMENTO : Entrepôts de données

76.  Pour une bonne compréhension et réutilisation des
données, décrire ses données :
 Avec la documentation associée aux données
 Avec des métadonnées les plus complètes
 Possibilité d’utiliser des standards de métadonnées
 Génériques, par exemple :
 Dublin Core, 15 métadonnées de base
 Disciplinaires, par exemple :
 DDI = Data Documentation Initiative, en SHS (« social,
behavioral, economic, and health sciences »)
 EML = Ecological Metadata Language, en Ecologie
> Mentionner le standard dans le PGD
76
MEMENTO : Standards de métadonnées

77.  Guides de standards de métadonnées
Digital Curation Centre (UK)
https://www.dcc.ac.uk/guidance/standards/metadata
RDA (Research Data Alliance) / Metadata Directory
http://rd-alliance.github.io/metadata-directory/
FAIRsharing.org
https://fairsharing.org/standards/
 Outils pour créer des métadonnées
Voir sur Doranum « Outils de création de métadonnées »
77
MEMENTO : Standards de métadonnées

78. – Commission Européenne. (2016, février 15). Programme-cadre européen
pour la recherche et l’innovation. Horizon 2020. Lignes directrices pour la
gestion des données dans Horizon 2020. Consulté à l’adresse
http://openaccess.inist.fr/IMG/pdf/lignes_directrices_gestion_des_donnees_h
orizon_2020_version2._1_tr_fr.pdf
– European Commission. (21/03/2017). H2020 Programme. Guidelines to the
Rules on Open Access to Scientific Publications and Open Access to
Research Data in Horizon 2020. http://magic-
nexus.eu/sites/default/files/files_documents_repository/h2020-hi-oa-pilot-
guide_en.pdf
– European Research Council (ERC). (2017). Implementation of Open Access
to Scientific Publications and Research Data in projects supported by the
European Research Council under Horizon 2020 (Guidelines on).
https://ec.europa.eu/research/participants/data/ref/h2020/other/hi/oa-
pilot/h2020-hi-erc-oa-guide_en.pdf
– Reymonet, N., Moysan, M., Cartier, A., & Délémontez, R. (2018). Réaliser un
plan de gestion de données « FAIR » : modèle. Consulté à l’adresse
https://archivesic.ccsd.cnrs.fr/sic_01690547/document
78
Indications bibliographiques / Ressources

79. – Wilkinson, M. D., Dumontier, M., Aalbersberg, Ij. J., Appleton, G., Axton, M.,
Baak, A., … Mons, B. (2016). The FAIR Guiding Principles for scientific data
management and stewardship. Scientific Data, 3, 160018.
https://doi.org/10.1038/sdata.2016.18
– Le Gall, O. (2016). Charte pour le libre accès aux publications et aux
données. INRA. https://doi.org/10.15454/1.485854076583696E12
– OpenAIRE guidelines https://www.openaire.eu/guides/
– Whyte, A., Murphy, F., Meyers, N., & Unsworth, K. (2017, septembre). Can
wider exposure of DMPs better connect research data production to
preservation? Présenté à Exposing DMPs Working Group, Québec.
https://www.rd-alliance.org/system/files/documents/2-RDA10-Murphy-
ExposingDMPs.pptx
– Hooft, R. Elsevier Publishing Campus. (s. d.). How to create a good data
management plan. Consulté à l’adresse https://www.elsevier.com/authors-
update/story/publishing-trends/how-to-create-a-good-data-management-plan
– The State of Open Data 2017, curated by Figshare, October 2017,
https://figshare.com/articles/The_State_of_Open_Data_Report_2017/54811
87/1
79
Indications bibliographiques / Ressources

80. – Research Data Alliance. (13:04:53 UTC). OpenAIRE and Eudat services and
tools to support FAIR DMP implementat…. Données & analyses.
https://fr.slideshare.net/ResearchDataAlliance/openaire-and-eudat-services-
and-tools-to-support-fair-dmp-implementation-68900290
– CIRAD Se familiariser avec les plans de gestion de données de la recherche
https://coop-ist.cirad.fr/gestion-de-l-information/gerer-les-donnees-de-la-
recherche/se-familiariser-avec-les-plans-de-gestion-de-donnees-de-la-
recherche/3-exemple-de-trame-d-un-plan-de-gestion-de-donnees
– DCC Example DMPs and guidance http://www.dcc.ac.uk/resources/data-
management-plans/guidance-examples
– DMP Online Funder requirements
https://dmponline.dcc.ac.uk/public_templates
– DMP Tool Funder requirements https://dmptool.org/public_templates
– DMP Tool Public Plans https://dmptool.org/public_plans
– INRA Plan de gestion des données
https://www6.inra.fr/datapartage/Gerer/Plan-de-gestion
– Exemples de grilles d’évaluation : Wellcome Trust
https://zenodo.org/record/257650/files/Wellcome_Rubric_v2.1.pdf, EPSRC
https://zenodo.org/record/247087#.WtTGRJcuBaQ 80
Indications bibliographiques / Ressources