Plan de gestion des données de recherche (DREI – CIUSSS NIM)

Guide d’élaboration d’un plan de gestion des données de recherche

Version 4 (6 mars 2024)
11 mars 2025
Téléchargez le guide complet en PDF.

Téléchargez la fiche – 9 points pour un plan de gestion des données réussi.

1. CONTEXTE

Les trois organismes subventionnaires canadiens (CRSNG, CRSH, IRSC) ont publié en mars 2021 leur Politique des trois organismes sur la gestion des données de recherche qui est basée sur le principe que les données recueillies par la recherche au moyen de fonds publics doivent être gérées de manière responsable et, lorsque possible, être disponibles pour réutilisation. Elle met l’accent sur trois dimensions :

  • Chaque établissement doit rendre public une stratégie institutionnelle décrivant comment elle entend soutenir le développement des capacités de ses chercheurs à développer de bonnes pratiques de gestion de leurs données de recherche.
  • Les chercheurs doivent produire un plan de gestion des données accompagnant leur projet de recherche.
  • Les détenteurs de subventions doivent déposer leurs données numériques, les métadonnées et les codes dans un dépôt numérique reconnu.

La Politique des trois organismes s’appuie sur la Déclaration de principes des trois organismes sur la gestion des données numériques, publiée au printemps 2016 par les trois grands organismes subventionnaires canadiens (CRSNG, CRSH, IRSC). Son objectif est de promouvoir l’excellence dans la gestion des données générées lors de recherches subventionnées par ces organismes. On y résume les attentes générales en matière de gestion des données de recherche ainsi que le rôle et la responsabilité des chercheurs, des milieux et établissements de recherche ainsi que des bailleurs de fonds dans la satisfaction de celles-ci. Il est important de noter que les trois organismes peuvent avoir en plus de la Politique des politiques spécifiques à chacune d’elles.

De plus, plusieurs organisations ont leurs propres politiques concernant les données de recherche. À Génome Canada, les récipiendaires de fonds doivent s’engager à se conformer aux politiques sur la diffusion et le partage des données. Ainsi, sauf exception, « les équipes de projets financés par Génome Canada doivent partager les données et les ressources sans restrictions et sans tarder ». Plusieurs revues scientifiques imposent le partage des données de recherche comme condition à la publication ou du moins l’encouragent fortement. Dans certains cas, des partenariats ont été développés avec de grands dépôts disciplinaires ou multidisciplinaires et dans d’autres cas, certains périodiques développent leur propre dépôt (exemples : Nature, Elsevier, Springer Nature, Taylor & Francis, Wiley).

Au-delà de ces obligations, la gestion de données de recherche (GDR) contribue à la conduite efficace et responsable de la recherche, accroît la capacité de stockage, de récupération et de réutilisation de ces données et renforce l’excellence de la recherche. Elle est aussi bénéfique aux efforts de collaborations.

2. OBJECTIFS

Le CIUSSS NÎM reconnaît l’importance de la saine gestion des données en recherche. Puisqu’elle peut être requise par les organismes subventionnaires, qu’elle est fortement recommandée par certains comités d’éthiques et que plusieurs groupes de publication requièrent une gestion de données de recherche exemplaire, il est important pour les membres de la communauté de la recherche au CIUSSS NÎM d’être en mesure de se doter d’un plan de gestion des données. L’objectif du présent guide est donc de fournir les outils requis à l’élaboration de ce plan.

3. CONCEPTS ET DÉFINITIONS

Donnée de recherche

« Les données de la recherche sont définies comme des enregistrements factuels (chiffres, textes, images et sons), qui sont utilisés comme sources principales pour la recherche scientifique et sont généralement reconnus par la communauté scientifique comme nécessaires pour valider des résultats de recherche. » (OCDE, 2007). Exemples: Données d’observation sur le terrain, d’expérimentation en laboratoire, de simulation logicielle, de compilation, résultats de sondage ou d’enquête, interview, etc.

Gestion des données de recherche

La GDR est l’ensemble des processus appliqués pendant un projet de recherche pour gérer la collecte, la documentation, l’entreposage, l’accès et la conservation des données de recherche. Elle intervient donc tout au long du cycle de vie des données. La gestion des données permet de :

  • prévenir le risque de perte de données en conservant celles-ci en toute sécurité;
  • prévenir l’incapacité de prouver et valider les résultats de la recherche;
  • assurer l’intégrité des données de recherche;
  • éviter une répétition coûteuse de la collecte de données;
  • prévenir des violations accidentelles de la vie privée et de la législation éthique;
  • offrir des possibilités de collaboration avec d’autres chercheurs;
  • faciliter le traitement et l’analyse grâce à une organisation efficace des fichiers et données;
  • s’assurer du respect des attentes et des politiques des organismes subventionnaires, des établissements ou des éditeurs de revues, relatives aux données de recherche.

Afin d’y arriver, l’élaboration d’un plan de gestion de données est nécessaire.

Plan de gestion des données

Le plan de gestion des données (PGD – Data Management Plan en anglais) aide le chercheur à choisir les meilleures méthodes de gestion de ses données de recherche. Ce document décrit le mode de collecte, de formatage, de conservation et de partage des données. Il facilite le travail des autres chercheurs désirant utiliser les données de recherche en précisant la nature et le mode d’utilisation des données. L’utilisation de ce plan aide aussi le chercheur à déterminer les coûts, les avantages et les défis de la gestion des données de recherche. Le plan de gestion des données doit être adapté et mis à jour au fur et à mesure de l’avancement du projet de recherche. Le format d’un plan de gestion des données et l’ordre des éléments qu’on y trouve peuvent varier grandement. Toutefois, celui-ci devrait décrire :

  • la collecte de données (comment, combien et en quel format);
  • la documentation et les métadonnées (métadonnées, manuel des codes, nomenclature, procédures, etc.);
  • le stockage et la sauvegarde (stockage, copies de sécurité, accès aux données actives);
  • la conservation (accès et préservation);
  • les politiques de partage et de réutilisation (embargo, confidentialité, propriété intellectuelle, etc.);
  • la responsabilité pour chacun des aspects;
  • la conformité aux lois et à l’éthique (données sensibles, propriété intellectuelle);
  • la propriété des données (selon le financement et le type de données);
  • les contributions et reconnaissances de chacune des parties (institutionnelles et des chercheurs).

Principes FAIR

Les principes FAIR (www.go-fair.org/fair-principles) encouragent une meilleure circulation des données de recherche. Les principes FAIR pour la gestion et l’intendance des données scientifiques constituent une pratique exemplaire internationale pour améliorer la récupération, l’accessibilité, la compatibilité et la réutilisation des biens numériques. Les données FAIR sont :

  • (F)aciles à trouver : la première étape de la (ré)utilisation des données consiste à les trouver. Les métadonnées et les données doivent être faciles à trouver, tant pour les humains que pour les ordinateurs. Les métadonnées lisibles par machine sont essentielles pour la découverte automatique des ensembles de données et des services.
  • (A)ccessibles : une fois que l’utilisateur a trouvé les données requises, il doit savoir comment y accéder, éventuellement par une authentification et une autorisation.
  • (I)nteropérables : les données doivent généralement être intégrées à d’autres données. En outre, les données doivent être interopérables et capables de fonctionner avec des applications (y compris les logiciels et le matériel informatique) ou des flux de travail pour l’analyse, le stockage et le traitement.
  • (R)éutilisables : l’objectif ultime est d’optimiser la réutilisation des données. Pour y parvenir, les métadonnées et les données doivent être bien décrites afin qu’elles puissent être reproduites et (ou) combinées dans différents contextes.

4. PLANIFIER LA GESTION DES DONNÉES : OUTILS

Dès la conception du projet, il est nécessaire d’y intégrer la gestion des données qui seront générées. Ainsi, afin d’éviter des embuches et d’identifier les ressources qui seront nécessaires, il est important de réfléchir dès que possible aux types de données générées, au besoin de gérer des données sensibles, au stockage, à la documentation à produire, au partage éventuel et aux contraintes légales qui seront associés à ces données, entre autres. Comme la gestion des données est évolutive, il est aussi avisé de définir le plus rapidement possible la responsabilité de chaque participant au projet dans celle-ci.

Afin d’aider les membres de la communauté scientifique à réussir cet exercice à multiples facettes, plusieurs outils web sont accessibles sur Internet. Il est recommandé d’utiliser un outil qui respecte les attentes des principaux organismes subventionnaires canadiens.

Assistant PGD

L’Assistant PGD est un outil bilingue d’aide à la rédaction de plan de gestion de données de recherche développé par le Réseau Portage (qui a joint l’Alliance de recherche numérique du Canada), un réseau d’expertise pancanadien fondé par l’Association des bibliothèques de recherche du Canada (ABRC) auquel collaborent, entre autres, Données de Recherche Canada et Calcul Canada. Le résultat peut être exporté en différents formats (PDF, XML et autres). L’outil est disponible gratuitement et est accompagné de tutoriel vidéo : Introduction aux plans de gestion des données, Introduction à l’Assistant PGD, Gérer les plans de gestion de données avec l’Assistant PGD.

Ressources universitaires

Les services de données locaux ou les bibliothécaires universitaires peuvent être contacté pour élaborer un PGD. Ceux-ci mettent normalement à disposition de la documentation explicative (p. ex. UdeM, UQAM, Concordia, ÉTS, UQAC, UdS, UNBC) et mettent à disposition des exemples de PGD. De plus, plusieurs services de bibliothèque offrent des consultations pour identifier les besoins en matière de recherche et de gestion des données.

Formulaire

Le modèle de plan du Réseau Portage peut aussi être complété à partir d’un logiciel comme Microsoft Word en téléchargeant ce formulaire. Plusieurs exemples fictifs sont disponibles.

Autres outils

DMP Online (DCC, Royaume-Uni)
DMP Tool (CDL, États-Unis)

La planification de la gestion des données peut être un processus itératif et il est recommandé de partager un PGD avec les collaborateurs de projet à différentes étapes de la planification. En fonction de l’apprentissage de nouveaux concepts et de l’évolution du projet, il est attendu que le PGD soit mis à jour.

5. SECTIONS TYPES D’UN PLAN DE GESTION DE DONNÉES

La trame suivante, qui peut également servir de liste de contrôle, mais n’est qu’un modèle proposé, est adaptée du plan de gestion proposé par l’Assistant PGD. Les universités proposent souvent elles aussi une trame type pour aider leur communauté (ex. Université de Montréal). Un plan de gestion de données comprend généralement les éléments suivants :

  1. Collecte de données
  2. Documentation et métadonnées
  3. Stockage des données
  4. Préservation/destruction des données
  5. Déposer des données
  6. Réutilisation des données

Les sections ci-bas détaillent les informations associées à chacune de ces sections.

Section 1 : Collecte de données

Il est crucial, dès le début d’un projet, de déterminer si des participants humains seront impliqués et de planifier la gestion des données sensibles. La gestion des données à des fins de recherche doit être conforme à l’Énoncé de politique des trois conseils : Éthique de la recherche avec des êtres humains – 2e édition (EPTC2). Ce document fournit des directives clés sur des aspects tels que le consentement, la protection de la vie privée et de la confidentialité, les droits des peuples autochtones, le contrôle de l’accès aux données confidentielles, l’utilisation des données secondaires et le couplage de données. Les chercheurs collectant des données personnelles doivent respecter la vie privée des participants et assurer la confidentialité des informations recueillies. Les responsables des équipes de recherche sont également tenus de minimiser les risques d’identification des participants et de prévenir les préjudices potentiels liés à la collecte, l’analyse, la diffusion et la conservation des données et des résultats de recherche, conformément aux directives de l’EPTC2. Il est donc essentiel que les chercheurs et leurs équipes comprennent bien les contraintes éthiques, légales et partenariales susceptibles d’affecter leurs projets.

À l’étape de la collecte des données, on doit réfléchir aux types et au format des données qui seront collectées. Différents types de données incluent les données textuelles, numériques, multimédia, des codes de programmations, logiciels, etc. En déterminant le type de données recueillies, cela permettra d’identifier le format dans lequel elles se retrouveront (ex. doc, txt, csv, mp3, avi, bmp, ai, zip, 7z, ppt) et de déterminer comment elles seront lisibles, stockables et transférables. Les formats propriétaires nécessitent parfois des logiciels ou du matériel spécialisé et peuvent ne pas être recommandé. Il est donc préférable de sauvegarder les fichiers dans des formats ouverts (docx, txt, csv, xlsx, mkv) vs fermés (doc, xls, avi).

Il est aussi important de réfléchir à la collecte en elle-même et d’établir comment la collecte sera effectuée. Est-ce que des outils commerciaux seront utilisés? Comment est-ce que l’identité des participants sera protégée? De plus, il est essentiel que les chercheurs consultent les standards de leur domaine pour s’assurer que leurs pratiques sont conformes aux exigences spécifiques. Par ailleurs, on recommande aux chercheurs de vérifier les outils de structuration des données déjà disponibles au sein de leur institution afin de profiter de solutions déjà établies et de standardiser les pratiques au sein de l’organisation, lorsque possible.

Finalement, à cette étape, il est nécessaire d’identifier les méthodes qui seront utilisées pour nommer (nommage), gérer les versions (versionnage) et structurer (organisation) les fichiers afin de mieux les naviguer. Il est important de garder la trace des différentes copies et versions. À noter que ces stratégies ne sont pas seulement essentielles pour une bonne gestion des données de recherche mais elles représentent une méthode de travail efficace pour toutes les personnes impliquées dans la réalisation d’activités de recherche, même si lesdites activités ne visent pas nécessairement à produire un contenu à rendre accessible à la communauté. Voici quelques trucs et conseils pour ces différentes obligations :

  • Nommage :
    • Utiliser des mots clés significatifs qui permettent l’identification du sujet principal facilement.
    • Limiter la longueur du nom de fichier à 25 caractères environ. À ce sujet, il est important de savoir que sur Windows, la longueur totale d’un nom de fichier, incluant les répertoires et sous répertoires (ex. C:\data_1\dossier\sous-dossiers\données projet\mon.fichier.xlsx ) ne doit pas dépasser 256 caractères.
    • Organiser les mots clés de plus général au particulier.
    • Ne pas utiliser de phrase complète et éviter les mots superflus.
    • Débuter par l’année, si pertinent et utiliser le format de date international AAAAMMJJ.
    • Ajouter le 0 devant les nombres de 1 à 9 afin de faciliter le tri numérique.
    • Utiliser le tiret bas pour séparer les mots.
    • Éviter les majuscules.
    • Ne pas utiliser les caractères spéciaux, les espaces, les accents, les signes de ponctuation.
    • Utiliser des logiciels pour renommer plusieurs fichiers, au besoin (Renamer 5, PSRenamer, den4b ReNamer).
    • Ajouter la version lorsque nécessaire.

  • Versionnage :
    • Le contrôle de version permet de suivre les révisions d’un ensemble de données ou d’un processus. Sauvegarder et bien identifier différente version d’un travail permet de restaurer les données à partir d’une version antérieure et, lors de travaux collaboratifs, évite de la confusion sur la version en cours. Afin de suivre les différentes versions, il suffit d’ajouter une numérotation à la fin du titre du fichier. La convention standard consistant à utiliser des nombres entiers pour les révisions majeures et des nombres décimaux pour les mineures. Il est aussi conseillé de mettre l’information sur les versions dans le document lui-même. Il est possible d’utiliser des outils de partage de fichiers et de suivre l’évolution des fichiers sur une fiche de contrôle des versions en y illustrant : le numéro de la version, la personne responsable du changement, le but ou la nature du changement et la date à laquelle le changement a été effectué. Pour les utilisateurs plus avancés, on notera aussi l’existence de logiciels de gestion de versions des logiciels (ex.: Git, Subversion);

  • Organisation des dossiers :
    • Une organisation des dossiers claire est essentielle afin de favoriser la navigation simple et efficace des données. Une organisation claire des dossiers s’appuie sur les principes suivants : des noms de dossier significatifs, limiter les niveaux de dossier à trois ou quatre, limiter à dix le nombre de dossier dans chaque dossier et fournir de la documentation sur l’organisation des dossiers (fichier Readme).

Téléchargez la fiche – Collecte de données – Fiche synthèse.

Téléchargez la fiche – Collecte de données – Trucs et conseils.

Section 2 : Documentation et métadonnées

Pensez aux informations nécessaires pour que les autres puissent comprendre vos données. Par exemple, cela pourrait inclure des renseignements sur l’étude, la description des variables, les sources de données, les processus de transformation et d’analyses de données, les informations sur la confidentialité ou sur l’accès des données et autres informations contextuelles. Encore une fois, un fichier Readme (un par fichier de données idéalement) est une bonne façon de documenter les informations. Finalement, les métadonnées (données sur les données) fournissent les informations de base et décrivent les caractéristiques d’un jeu de données pour bien le comprendre. Par exemple, pour une collection de livre : Auteur, Titre, Date, Langue, etc.

Au besoin, consultez votre bibliothécaire de données universitaire ou l’Alliance de recherche numérique du Canada au sujet des normes et des outils qui faciliteront ce processus. Les questions pertinentes pour cette section incluent :

  • Quels documents seront nécessaires pour que les données soient lues et interprétées correctement dans le futur?
  • Comment vous assurerez-vous de documenter le projet de façon systématique tout au long du processus?
  • Si vous utilisez une norme de métadonnées (Dublin Core/MODS, VRA, LOM, DDI, etc.) ou des outils pour documenter et décrire vos données, veuillez les indiquer.

Il est également important d’identifier les rôles et responsabilités pour la documentation du projet dès le début afin d’en assurer une gestion claire et efficace. La gestion des données de recherche est un processus dynamique et en constante évolution, nécessitant qu’une personne soit imputable pour garantir la bonne conduite du projet.

Téléchargez la fiche – Documentation et métadonnées – Fiche synthèse.

Section 3 : Stockage et sauvegarde

Anticipez vos besoins en matière de stockage de données, les stratégies de sauvegarde des données et la manière dont les données seront consultées et modifiées tout au long du projet. Il est parfois difficile d’évaluer les quantités de stockage requises, il pourrait donc être avisé de contacter le service de Technologie de l’information (TI) de votre institution.

Pour bien sauvegarder les données, la règle du 3-2-1 est souvent mise de l’avant : avoir 3 copies différentes des données, sur au moins 2 supports différents (ordinateur, réseau institutionnel, USB, nuage informatique) et 1 version hors-site. Cette stratégie permet de faire face à différentes situations qui pourraient compromettre les données : corruption d’un fichier, feu, perte, obsolescence technologique, etc. Lorsque l’on sélectionne un moyen de stockage, il est important de considérer le type de données à gérer et les fonctionnalités recherchées. Par exemple, les informations nominatives sur des sujets humains doivent être protégées et ne devraient pas être conservées sur des services infonuagique commerciaux (Dropbox, Google Drive, etc.).

Il est nécessaire de protéger l’accès aux données de recherche. Les principes de bases tel qu’un antivirus et appliquer un mot de posse et un écran de veille automatisé sur les ordinateurs sont de mises. De plus, il faut protéger les données avec un mot de passe ou même chiffrer les données directement sur disque (voir VeraCrypt, Portable PGP, FileVault2). Si les données doivent être partagées, réaliser tout transfert de données sensibles vers l’externe en utilisant un canal de communication chiffré ou en chiffrant les données avant leur envoi. Il est aussi important de mettre en place une procédure de retrait des accès aux données. Finalement, dans le cas des données non-numériques, sécuriser l’accès au local où elles sont conservées.

Questions pertinentes :

  • Quels sont les besoins de stockage anticipés pour votre projet en matière d’espace (en mégaoctets, gigaoctets, Bitlocker, téraoctets, etc.) et de durée de stockage?
  • Comment vos données seront-elles stockées et sauvegardées pendant votre projet de recherche et à quel endroit le seront-elles?
  • Comment l’équipe de recherche et d’autres collaborateurs pourront-ils accéder aux données, modifier celles-ci ou en contribuer de nouvelles données tout au long du projet (transfert de données sécurisé)?

Téléchargez la fiche – Stockage et sauvegarde – Fiche synthèse.

Téléchargez la fiche – Stockage et sauvegarde – Trucs et conseils.

Section 4 : Préservation et destruction des données

La préservation des données garantit que les jeux de données peuvent être consultés et compris au fil du temps et tiennent compte des changements technologiques. Il est important de se questionner sur la donnée, d’évaluer les coûts et les bénéfices afin de déterminer lesquelles doivent être conservées : est-ce que la donnée est réutilisable? Doit-elle être conservée pour des raisons juridiques ou politiques? Notez qu’il est important de conserver les données, mais aussi les métadonnées, logiciels et algorithmes. Pour la préservation, il faut favoriser des formats de fichiers ouverts (non propriétaires) de préservation (ZIP, TAR, 7z), inclure une bonne documentation et s’assurer de la confidentialité des sujets de recherche (le cas échéant).

Questions pertinentes :

  • Où déposerez-vous vos données en vue de l’accès et de la préservation à long terme à la fin de votre projet de recherche?
  • Indiquez comment vous vous assurerez que vos données sont prêtes pour la conservation. À prendre en considération : formats de fichier appropriés pour la conservation, mais qui préservent l’intégrité des données; anonymisation et dépersonnalisation des fichiers, y compris les fichiers de documentation.

Quant à la destruction des données, une stratégie pour effacer de manière fiable les données est essentielle. Effacer les fichiers à l’aide des outils d’un système d’exploitation ne détruira pas irrémédiablement les données et certains outils sophistiqués parviennent à récupérer ces données assez facilement. Selon la technologie visée, il est important d’utiliser les outils appropriés, tel que AxCrypt, Eraser et WipeFile pour les disques durs traditionnels, SanDisk SSD, Intel Solid State Toolbox (ou autres outils du fabriquant) pour les disques dur SSD et les lecteurs flash USB.

Téléchargez la fiche – Préservation et destruction des données – Fiche synthèse.

Téléchargez la fiche – Préservation et destruction des données – Trucs et conseils.

Section 5 : Déposer des données

Un dépôt de données est une plateforme où plusieurs ensembles de données sont décrits et hébergés. Cela aide à maximiser la diffusion des résultats de recherche (par exemple, les données ainsi déposées pourraient être cités), facilite la reproductibilité de la recherche et permet le partage des données.

Certaines données sont confidentielles, personnelles ou sensibles, nécessitant un traitement spécifique conforme aux exigences légales et éthiques. La plupart des plateformes demandent que les données soient anonymisées ou dépersonnalisées avant leur téléchargement. Toutefois, il est crucial de noter que la dépersonnalisation peut parfois être insuffisante, car il est possible de ré-identifier une personne à partir de plusieurs données la concernant.

Plusieurs plateformes existent pour diffuser les données et il y a une grande variété de dépôts de données : sans but lucratif, commercial, gouvernemental. Ils peuvent être de type généraliste (Dépôt fédéré de données de recherche, NIH Data Repositories), institutionnel, disciplinaire (GenBANK, PsychData, ICPSR) ou thématique. Les principales universités au Québec mettent à la disposition de leur communauté un dépôt numérique sur la plateforme Boréalis de Scholars Portal. Pour vous aider à sélectionner un dépôt de données, il y a plusieurs critères, incluant le coût, le type de données, la taille des fichiers de données, les licences, la sécurité des données, etc. Il est possible de consulter le bibliothécaire responsable de la gestion des données de recherche de votre université pour établir un choix de dépôt de données.

Téléchargez la fiche – Déposer des données – Fiche synthèse.

Téléchargez la fiche – Déposer des données – Trucs et conseils.

Section 6 : Partage et réutilisation des données

La réutilisation des données par la communauté de recherche permet de sauver du temps, économiser de l’argent, ajouter de la valeur à sa recherche et de réduire la duplication, particulièrement dans les cas de recherche sur l’être humain. Il y a donc des enjeux de temps, d’argent et d’éthique à réutiliser les données et à favoriser le partage des données. Lors de l’élaboration de son plan de gestion de données, il est donc important d’établir quelles données seront partagées et sous quelle forme (brutes, traitées, analysées, définitives) ainsi que de réfléchir aux mesures qui seront prises pour faire connaître l’existence des données. De plus, il existe six différentes licences Creative commons et une licence de domaine public qui permettent la gestion des permissions d’utilisation de données.

  • CC0 – Œuvre dédiée au domaine public. Permet à quiconque le souhaite de copier, modifier, distribuer et représenter une œuvre, même à des fins commerciales. Nul besoin d’obtenir une autorisation pour ce faire et l’attribution du crédit n’est pas obligatoire.
  • CC BY – Attribution. Permet à quiconque le souhaite de copier, modifier, adapter, distribuer et représenter une œuvre, même à des fins commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire.
  • CC BY-SA – Attribution, partage dans les mêmes conditions. Permet à quiconque le souhaite de copier, modifier, adapter, distribuer et représenter une œuvre, même à des fins commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire. De plus, si l’œuvre est modifiée, adaptée, la diffusion de cette nouvelle création doit être soumise à la même licence.
  • CC BY-NC – Attribution, pas d’utilisation commerciale. Permet à quiconque le souhaite de copier, modifier, adapter, distribuer et représenter une œuvre à des fins non-commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire. La même licence n’a pas à être utilisée pour les nouvelles œuvres créées.
  • CC BY-NC-SA – Attribution, pas d’utilisation commerciale, partage dans les mêmes conditions. Permet à quiconque le souhaite de copier, modifier, adapter, distribuer et représenter une œuvre à des fins non-commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire. De plus, si l’œuvre est modifiée, adaptée, la diffusion de cette nouvelle création doit être soumise à la même licence.
  • CC BY-ND – Attribution, aucun dérivé. Permet à quiconque le souhaite de distribuer une œuvre, même à des fins commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire. L’œuvre ne peut être modifiée ou adaptée, elle doit être distribuée dans son intégralité.
  • CC BY-NC-ND – Attribution, pas d’utilisation commerciale, aucun dérivé. Permet à quiconque le souhaite de distribuer une œuvre à des fins non-commerciales. Nul besoin d’obtenir une autorisation pour ce faire, mais l’attribution du crédit est obligatoire. L’œuvre ne peut être modifiée ou adaptée, elle doit être distribuée dans son intégralité.

Si vous souhaitez à votre tour réutiliser des données d’une autre partie, vous devez vérifier les restrictions de droit d’auteur et de licence, vérifier si les données comportent de renseignements identificatoires sur des êtres humains, valider si une certification éthique ou une loi sur la protection de la vie privée protège ces données et créditer l’auteur original.

Pour trouver des données, il est possible d’utiliser le répertoire de dépôts de données r3data.org, Google Data Search ou un dépôt généraliste (Dépôt fédéré de données de recherche canadiennes, Scholars Portal Dataverse, Dryad, …).

Téléchargez la fiche – Partage et réutilisation des données – Fiche synthèse.

Section 7 : Conformités aux lois et à l’éthique

Les chercheurs qui recueillent des informations personnelles auprès d’individus dans le cadre de leurs recherches ont l’obligation de respecter la vie privée des participants et d’assurer la confidentialité des données. Ainsi, les chercheurs ont la responsabilité de réduire au minimum la possibilité d’identifier les participants à une recherche et les risques de préjudices qu’ils pourraient subir suite à la collecte, l’analyse, la diffusion et la conservation des données et des résultats de recherche (EPTC2).

Qu’est-ce qu’un renseignement personnel ? Au Québec, en vertu de la Loi sur l’accès aux documents des organismes publics et sur la protection des renseignements personnels, les renseignements personnels sont définis comme suit : « sont personnels les renseignements qui concernent une personne physique et permettent de l’identifier » (Art. 54). Également, en vertu de la Loi sur la protection des renseignements personnels dans le secteur privé, « est un renseignement personnel, tout renseignement qui concerne une personne physique et permet de l’identifier » (Art. 2). Tous les renseignements recueillis auprès d’êtres humains ne posent pas nécessairement problème et ne méritent pas la même attention. Les chercheurs doivent avant tout s’assurer de la protection des renseignements identificatoires, c’est-à-dire des informations qui, seules ou mises en relation avec d’autres renseignements, permettent d’identifier une personne en particulier (EPTC2).

  • Les identifiants directs : Toute information qui permet d’identifier directement un participant. Par exemple le nom, l’adresse et autres numéros d’identification, dates précises, données multimédias.
  • Les identifiants indirects (aussi appelés quasi identifiants) : informations qui peuvent potentiellement permettre d’identifier une personne par le biais d’une combinaison de renseignements.

Différentes méthodes permettent de protéger la confidentialité des renseignements personnels pour rendre possible un certain partage ou stockage sécurisé de données. La première et la plus simple consiste à supprimer les identifiants directs des données recueillies. Ce processus est généralement appelé anonymisation lorsque la suppression est complète et permanente; les renseignements sont dits anonymisés lorsqu’il n’est plus possible de faire de lien entre l’individu et ses informations identificatoires. On parle plutôt de pseudoanonymisation (ou dénominalisation) lorsque les données identificatoires sont remplacées par des pseudonymes mais sont conservées par le chercheur dans un fichier clé permettant une éventuelle réidentification des participants. Le terme de renseignements anonymes réfère lui à des informations pour lesquelles aucun identificateur n’a jamais été collecté. Plusieurs techniques dites de dépersonnalisation (de-identification) existent (voir également Directives sur la dépersonnalisation des données du Réseau Portage, Canada) :

  • Suppression : retrait de variables, de cas ou de valeurs spécifiques qui présentent un risque élevé.
  • Réduction (ou généralisation) : comprend différentes techniques visant à réduire la précision des informations (agrégation de valeurs en catégories comme l’âge et le revenu, niveau géographique moins précis, fixation de valeurs maximales et minimales pour éliminer les valeurs extrêmes…)
  • Modification : techniques plus complexes comme l’ajout de bruit, la perturbation, la randomisation des données, la permutation.

Téléchargez la fiche – Conformités aux lois et à l’éthique – Fiche synthèse.

6. Bibliographie & Lectures complémentaires

Réseau Portage :

Ressources Gouvernement du Canada

Guides universitaires

Nommage de fichiers

Delengaigne, X., Mongin, P. et Deschamps, C. (2011). Organisez vos données personnelles : l’essentiel du personal knowledge management. Paris : Eyrolles : Éditions d’Organisation.

Lecomte, B., Couture, M. et UQAM. Service des archives et de gestion des documents. (Janvier 2017). Bonne pratiques de gestion des documents électroniques. Formation offerte au personnel de l’UQAM par le Service des archives et de gestion des documents.

Morlanne-Fendan, P. et Tanti, M. (2013). Nommage de documents électroniques : mise au point et évaluation d’une procédure. Documentation et bibliothèques, 59(2), 82-90. DOI: 10.7202/1033220ar

Bibliothèque et Archives Canada. (2014). Lignes directrices sur les formats de fichier à utiliser pour transférer des ressources documentaires.