La transition vers OpenAlex au CNRS : quels enjeux et opportunités pour les SHS ?

Le remplacement du WoS par OpenAlex ne doit cependant pas être compris comme un simple changement d’outil. Il s’agit d’une transformation beaucoup plus profonde des rapports entre la recherche scientifique et les données qui la décrivent.

OpenAlex, un miroir de nos propres données

OpenAlex constitue une base de données bibliographique mondiale, ouverte et librement réutilisable, qui indexe des centaines de millions de documents scientifiques, de citations, d'auteurs et d'institutions, conçue comme une alternative aux outils commerciaux propriétaires et très coûteux comme Scopus ou le Web of Science. Néanmoins, un constat s'impose à ce stade : la qualité des données d’OpenAlex n’est pas toujours équivalente à celle du WoS. Certaines affiliations sont incomplètes ou ne coïncident pas avec le nom des auteurs, des noms d’auteurs peuvent être faux, approximatifs ou être présents en doublons, et certaines publications manquent ou sont mal décrites.

Ces imperfections peuvent déconcerter. Mais elles doivent aussi être regardées autrement. OpenAlex fonctionne en grande partie comme un miroir tendu à la recherche. Il montre non seulement ce que cette infrastructure sait de la recherche, mais aussi ce que la recherche sait dire de ses activités.

OpenAlex agrège en effet des données provenant de nombreuses sources ouvertes : les archives ouvertes comme HAL, les infrastructures comme OpenEdition, les répertoires de revues ou encore des répertoires d’identifiants pérennes comme Crossref, DataCite, ORCID (Open Researcher and Contributor ID) ou ROR (Research Organization Registry). À partir de leurs données, il construit un vaste graphe reliant publications, auteurs, institutions et sources.

Lorsque l’affiliation d’un chercheur ou d’une chercheuse est mal identifiée, lorsque plusieurs variantes du nom d’un laboratoire coexistent ou lorsqu’une publication n’est pas correctement rattachée à son auteur, le problème ne se situe donc pas nécessairement « dans OpenAlex ». Il peut trouver son origine en amont, dans la manière dont ces données sont produites, renseignées et exposées.

L’adoption d’OpenAlex a ainsi conduit le CNRS à engager un important travail de fond sur la qualité des données.

Reprendre en main les données qui nous décrivent

Une Task Force OpenAlex, associant les dix instituts du CNRS, a été mise en place par la Direction des données ouvertes de la recherche (DDOR) du CNRS pour identifier les données « pivots » sur lesquelles repose une grande partie de la qualité des informations bibliométriques concernant le CNRS, et pour améliorer leur exposition.

Le premier chantier concerne les identifiants ROR des unités du CNRS. Ils jouent un rôle essentiel dans OpenAlex pour identifier les institutions et rattacher les publications aux établissements et aux unités auxquels les chercheurs et chercheuses sont affiliés. Disposer de ROR correctement renseignés et reliés aux différentes formes sous lesquelles les unités apparaissent dans les publications est une condition essentielle pour améliorer la qualité de l’identification des affiliations CNRS.

Un deuxième chantier concerne HAL, qui acquiert dans ce nouveau contexte une importance stratégique renouvelée. HAL constitue en effet un des principales sources auxquelles OpenAlex s’alimente et toute amélioration de la qualité des données dans HAL rejaillit donc en conséquence sur OpenAlex. 

Pour les chercheurs et chercheuses, cela signifie qu’il est plus important que jamais de déposer leurs publications dans HAL, en veillant à la qualité des métadonnées associées à ces dépôts. Lorsqu’une publication possède un identifiant pérenne de type « DOI » (Crossref ou DataCite), celui-ci doit notamment être renseigné. Le DOI constitue en effet un identifiant particulièrement important pour retrouver et relier les différentes occurrences d’une même publication.

Pour les laboratoires, la création et l’alimentation régulière de collections HAL constitue également un moyen utile de structurer leur production et d’en améliorer la visibilité dans les infrastructures ouvertes.

Le même raisonnement vaut pour l’identification des chercheurs et chercheuses. À plus long terme, les identifiants ORCID auront un rôle essentiel à jouer et le CNRS travaille actuellement à définir une politique en la matière. Les chercheurs et chercheuses peuvent d’ores et déjà créer leur propre identifiant ORCID, en veillant surtout à ne pas en avoir plusieurs.

L’ORCID peut ensuite être renseigné dans le profil HAL et articulé avec l’IDHAL. Les chercheurs et chercheuses peuvent également se créer un profil auteur dans OpenAlex et contribuer ainsi au rattachement correct de leurs publications.

De nouvelles capacités pour analyser la production scientifique

La transformation engagée ne concerne pas seulement la qualité des données en amont. Elle concerne aussi leur exploitation.

En parallèle du travail conduit par la Task Force, un chantier est mené conjointement par la DDOR, avec d’autres directions fonctionnelles du CNRS comme la Direction de l'appui aux partenariats publics (DAPP) et la Direction Europe et International (DEI), accompagnées de l’Institut de l'information scientifique et technique (Inist), afin de développer des indicateurs et des analyses de la production scientifique du CNRS à partir d’OpenAlex.

Cette année, pour la première fois, un rapport produit à partir d’OpenAlex sera mis à disposition par l’Inist. Il viendra compléter le rapport produit par la DAPP à partir du WoS, permettant notamment de comparer leurs approches et résultats respectifs.

L’enjeu est donc double : non seulement améliorer les données fournies au graphe mondial de la recherche, mais aussi développer la capacité du CNRS à interroger ce graphe et à produire ses propres analyses.

De la dépendance aux outils propriétaires à la réappropriation d’un bien commun

C’est ici que se trouve peut-être le véritable sens de l’adoption d’OpenAlex.

Pendant plusieurs décennies, la recherche a largement délégué à des infrastructures commerciales comme le WoS ou Scopus une partie de la description de ses activités. Cette dépendance a un coût financier. Mais elle a aussi un coût moins visible : elle a progressivement dépossédé la recherche d’une partie de sa capacité à produire, maintenir, corriger et exploiter ses propres données.

Le passage à OpenAlex permet de commencer à inverser cette logique.

Il ne s’agit pas simplement de remplacer une base par une autre. Il s’agit de reprendre progressivement la main sur toute une chaîne : identifier les unités, fiabiliser leurs affiliations, déposer les publications, renseigner leurs métadonnées, stabiliser l’identité des chercheurs et chercheuses, relier ces données à des identifiants ouverts, puis exploiter collectivement les informations ainsi constituées.

Autrement dit, OpenAlex oblige le CNRS à prendre soin de ses propres données. Il s’agit ainsi d’un véritable chantier de réappropriation d’un bien commun informationnel : les données qui décrivent la recherche produite collectivement.

Un enjeu particulièrement important pour les SHS

Cette évolution est particulièrement importante pour les sciences humaines et sociales.

Les limites des grandes bases bibliométriques internationales sont depuis longtemps documentées pour les SHS. Le WoS et Scopus privilégient certains types de publications, notamment les articles de revues, et leur couverture est moins complète dans les sciences sociales, les arts et les humanités que dans de nombreuses autres disciplines. Les publications dans des langues autres que l’anglais sont également moins bien représentées.

Cette situation est particulièrement problématique pour les SHS, où le livre, le chapitre d’ouvrage, les revues nationales ou régionales et les publications dans différentes langues jouent un rôle important. Une infrastructure dont la couverture dépend fortement de la sélection des revues et des dynamiques de citation ne peut donc offrir qu’une représentation partielle de cette activité scientifique.

Cette sélectivité a contribué à une forme d’invisibilisation bibliométrique des SHS. Le problème ne tient pas à la qualité intrinsèque des recherches concernées, mais à ce que les instruments utilisés pour les compter et les comparer choisissent de rendre visible.

Le recours aux citations et à des indicateurs comme le facteur d’impact renforce cette difficulté. La littérature bibliométrique a largement documenté les biais disciplinaires et linguistiques de ces approches. Le facteur d’impact, notamment, est un indicateur portant sur une revue et non une mesure de la qualité d’un article ou du travail d’un chercheur.

Ces questions restent d’une actualité particulière au moment où l’observatoire des sciences et techniques (OST – dépendant du Haut Conseil de l'évaluation de la recherche et de l'enseignement supérieur - Hcéres) publie son dernier rapport sur le positionnement de la France dans la recherche mondiale. Les indicateurs mobilisés reposent largement sur les publications et les citations issues du WoS et donnent nécessairement une vision partielle de la production scientifique française, notamment dans les disciplines comme les SHS dont les modes de publication s’éloignent des standards dominants de la bibliométrie internationale.

C’est précisément pourquoi l’ouverture des infrastructures bibliographiques représente une opportunité importante pour les SHS. Une meilleure représentation de ces disciplines ne viendra pas seulement d’une modification des indicateurs. Elle dépend aussi de notre capacité à mieux rendre compte la diversité réelle de leurs productions.

Lionel Maurel, co-responsable Édition scientifique et développement de l'accès ouvert, correspondant juridique, Direction des données ouvertes de la recherche (DDOR) du CNRS

En savoir plus