Bilan du Datathon de la parole 2023

L’atelier « Datathon de la parole » accueilli dans les espaces du DataLab de la Bibliothèque nationale de France s’est déroulé du lundi 13 novembre au mardi 14 novembre 2023.
Rappel des objectifs
Cet événement faisait suite à un premier Datathon de la parole qui s’était déroulé en novembre 2021 à Orléans (bilan disponible ici). L’atelier se proposait de fournir un cadre dans lequel travailler à la description des ressources orales et de leur contexte de production, en vue de leur publication. Les thématiques abordées couvraient les finalités aussi bien que les dimensions spécifiques du plan de gestion de données que sont le plan de classement, le plan de nommage, le formatage et autres étapes qui permettent d’aboutir au dépôt en archive dans les règles de l’art, dépôt qui ouvre les données à de nouvelles utilisations et recherches, dans une logique cumulative.
Public et encadrant(e)s
L’appel à participation était ouvert à tous les chercheuses, chercheurs, doctorantes, et doctorants disposant d’un jeu de données orales et souhaitant en ouvrir l’accès (à diverses fins, y compris sa ré-utilisation à des fins de recherche nouvelles). Toutes les demandes d’inscription ont pu être satisfaites. Suite à deux désistements en dernière minute, dix participantes et participants ont été accueillis. Une diversité de métiers était représentée (quatre post-doctorants, trois enseignants-chercheurs, deux doctorants, une ingénieure), ainsi qu’une certaine diversité disciplinaire : malgré une dominante « Sciences du langage », l’ethnologie/anthropologie était représentée. Les corpus concernaient neuf langues : l’espagnol, et huit langues rares : samba leko (groupe adamawa), gbaya (oubanguien), yulu (groupe sara-bongo-baguirmi), wushi (bantou), quechua, malgache, na (tibéto-birman), araméen (chamito-sémitique).
Les huit encadrantes et encadrants de la BnF et du CNRS ont été présents pendant les quatre demi-journées. Cela a permis un taux d’encadrement élevé (à un niveau proche de 1:1), propice à une progression très rapide des participantes et des participants dans la prise en main des outils présentés. D’autre part, la diversité des métiers représentés au sein de cette équipe encadrante très fournie a permis d’assurer des exposés du meilleur niveau : chacun des thèmes abordés était traité par des praticiennes et des praticiens confirmés.
Déroulement
Le programme des quatre demi-journées est en ligne depuis juin 2023. Le bilan présenté ici vise à mettre en avant les principaux messages de l’événement, à la lumière des échanges avec les participants lors de la quatrième demi-journée.
Tout d’abord, le « BnF DataLab » a été présenté par Marie Carlin (coordonnatrice du Datalab de la BnF). Entendre la voix d’une conservatrice en bibliothèque exposant l’accompagnement des chercheurs dans l’utilisation des collections numériques de la BnF permettait aux participants (détenteurs de données) de prendre la mesure du potentiel en recherche que présentent des documents dûment catalogués et référencés. Par là, l’exposé introduisait déjà à la problématique du dépôt de données en archive, qu’il abordait sous son jour le plus séduisant, encourageant ainsi les participantes et les participants à franchir le pas, et à entrer dans une démarche de dépôt (démarche qui devrait aller de soi, mais qui depuis les années 1990 était devenue presque marginale, avec des conséquences navrantes en termes de déperdition de données).
La gestion des corpus oraux à la BnF a ensuite été présentée par deux autres membres de l’institution hôte du « Datathon », Fabrice Menneteau et Audrey Viault, respectivement Chef du service des documents sonores et Chargée de collections du département Son, vidéo, multimédia. Leur exposé, entrée dans le vif du sujet des corpus oraux, a mis l’accent sur la richesse des corpus oraux conservés par la BnF et sur l’articulation entre les missions complémentaires qui consistent à conserver, décrire et transmettre.
La plateforme Cocoon, qui accueille les dépôts, a ensuite été présentée par son concepteur et responsable, Michel Jacobson (Huma-Num).
Au terme de ces trois exposés, les enjeux d’un bon catalogage étaient clairement posés, dans une perspective de Science ouverte. La notion-clef de « métadonnées » s’éclairait pour des participants qui avaient souvent entendu le terme mais n’avaient pas tous eu l’occasion de mesurer que fournir de bonnes métadonnées revient à expliquer les paramètres essentiels des enquêtes menées, et par là, à expliciter la démarche de collecte, déterminante pour l’entreprise scientifique dans toutes ses dimensions. Les métadonnées sont des données au sujet des données. Mais cette définition peut susciter les pires soupçons d’une spirale infernale dans l’abstraction : tant qu’à faire, pourquoi pas des méta-métadonnées, puis des méta-méta-métadonnées…? jusqu’à perdre tout à fait de vue les données. La définition gagne à être complétée d’une indication quant à la fonction qu’elles remplissent : les métadonnées sont une déclaration d’amour adressée à la postérité, selon le mot d’une collègue américaine (« Metadata: A Love Letter to the Future »).
Outre un aperçu approfondi de la chaîne de traitement (dépôt, archivage et diffusion), les participants étaient familiarisés avec la perspective d’une poursuite du processus au-delà de l’étape de la publication électronique d’un corpus. L’association étroite entre publications, données et outils qui est au cœur du projet de Science ouverte prenait corps par l’exposé des possibilités concrètes pour les déposants de procéder, en continu, à l’enrichissement des annotations et des métadonnées, et de tirer parti de l’outil pour leurs recherches.
Aux trois exposés introductifs, complétés par un tour de table, a aussitôt succédé le travail en mode « atelier ». L’atmosphère studieuse de la BnF convenait bien à un groupe de participantes et de participants hautement motivé et bien préparé à un travail en mode « sprint », et les ateliers ont d’emblée adopté une allure rapide. Au vu de la progression au terme de la première journée, un aménagement a été apporté au programme initial : le travail en mode « atelier » de la matinée du second jour a été précédé par une démonstration (par Michel Jacobson) d’outils pour le dépôt d’un lot volumineux de fichiers. Un second aménagement a consisté à faire une place, dans les des quatre demi-journées, aux questions éthiques et juridiques, qu’il était initialement prévu de ne pas inclure (pour mieux se concentrer sur les aspects techniques) : ces questions sont tellement importantes (notamment dans les recherches sur les langues et sociétés en danger, les langues minoritaires…) qu’il était utile d’échanger au sujet des précautions à prendre pour les contextes de données sensibles, de la nécessité d’une autorisation de diffusion, des implications du choix d’une licence…, fournissant ainsi d’utiles points de repères qui ne prétendent nullement donner des solutions toutes faites pour des situations socio-politiques (et personnelles) qui sont, sur le terrain, d’une diversité infinie.
La dernière demi-journée s’est ouverte sur un message optimiste au sujet des bénéfices de la publication des données pour la recherche. Ce court exposé donné par un chercheur (Alexis Michaud, CNRS-LACITO) prenait pour exemple la collection Pangloss, et fournissait une démo des outils mis en place au service des corpus de langues rares.

Une plage horaire conséquente (90 mn) fut ensuite consacré à un bilan, des perspectives, et une discussion générale ouverte, sur lesquels s’appuie la section « Perspectives » proposée ci-dessous. Enfin, Louise-Anne Charles (Bibliothécaire, BnF Datalab) a conclu la journée par un exposé détaillé « Être accompagnée ou accompagné par le BnF DataLab : services, fonctionnement et appels à projets ». Cet exposé (en présence de la direction du département Son, vidéo, multimédia de la BnF, M. Emmanuel Aziza et Mme Tifenn Martinot-Lagarde) constituait une ouverture de plus vers des perspectives pour la poursuite de l’aventure.

Perspectives
Finalisation des dépôts :
Les échanges entamés lors de l’atelier ont vocation à se poursuivre par un dialogue maintenu entre chacun des participants et les interlocuteurs rencontrés lors du Datathon, jusqu’à publication du corpus sur la plateforme Cocoon et au-delà. Le bilan de l’édition 2021 du Datathon est très encourageant sur ce plan : nombre de participantes et de participants ont atteint, depuis cette date, l’étape de la publication de leur corpus. L’équipe organisatrice est tout aussi optimiste au sujet du potentiel des participantes et des participants de 2023.
Futures éditions :
Pour de futures éditions de l’atelier (sous l’intitulé de « Datathon », ou de « data sprint »), l’opportunité d’un format un peu plus long a été discutée. Comme l’ont relevé des participantes et des participants, l’atelier « Datathon » ne présentait pas un parallèle complet avec le modèle du « Hackathon ». Le « Hackathon » a un objectif précis, et ne s’interrompt qu’une fois cet objectif atteint. Tandis que le « Datathon » initie un processus qui peut difficilement aboutir en quatre demi-journées. En outre, viser la finalisation du dépôt de corpus en archive dans le cadre temporel de l’atelier pourrait donner lieu à un contresens sur la nature du processus de publication électronique de données. Ce processus a, en effet, vocation à se poursuivre dans le temps. Un enjeu central de l’atelier est d’engager un processus d’enrichissement continu des corpus, dans une démarche de progrès solidaire de la documentation et de la recherche. (Pour décrire le trajet continu des données aux analyses et publications, on pourrait proposer des métaphores empruntées au domaine de la géométrie ou de la danse : comme une spirale ascendante – aux antipodes d’une recherche qui tourne en rond faute d’être suffisamment bien établie sur des fondements empiriques.)
Au final, il ressort qu’il y aurait du sens à renouveler l’atelier « Datathon » à l’avenir dans un format similaire.
Sans chercher à imiter fidèlement le modèle du « Hackathon », on retient néanmoins, en vue d’une troisième édition, une piste d’amélioration qui consisterait à demander aux participantes et aux participants de préparer davantage les métadonnées de leur corpus en amont. De la sorte, un « sprint » dans le travail sur leur corpus pourrait être effectué dès les premiers ateliers. En effet, celles et ceux qui avaient amené un corpus audio sans les notes et carnets contenant les métadonnées correspondantes ont dû travailler cette année en mode « bac à sable » dans la prise en main des outils de saisie de métadonnées pour le catalogue Cocoon, ce qui a retardé d’autant le progrès du vrai travail.
Une deuxième question concerne le passage à l’échelle, afin d’embarquer tous les chercheurs, et en particulier les doctorantes et les doctorant, pour qui l’adoption de pratiques de Science ouverte constitue un enjeu de carrière tout à fait essentiel. Il paraît important que de futurs appels à participation connaissent une diffusion aussi large que possible, et soient relayés par les directrices et directeurs de thèse ainsi que par les directions d’unités de recherche, afin que le contact avec les professionnels de la donnée puisse s’établir, et que les passionnées et les passionnés puissent « faire cercle ». Comme le dit une collègue ou un collègue dont le bilan d’une «retraite de Science ouverte» évoque l’effervescence joyeuse d’un mouvement communautaire (a grass root movement): « I live and work in an Open Science and Science Communication diaspora. Perhaps we will see each other? »
En guise de mot de la fin, les encadrantes et les encadrants souhaitent redire leurs encouragements à un groupe de participantes et de participants bien sympathique. Ils et elles se tiennent à disposition pour d’éventuelles interventions auprès de divers organismes et instances : Écoles doctorales, Groupements de recherche, instituts…
Remerciements
L’événement, organisé par le Groupement de recherche « Linguistique Informatique, Formelle et de Terrain » (GDR LIFT, Institut des Sciences Humaines et Sociales du CNRS), la plateforme Collection de Corpus Oraux Numériques (Cocoon) et la Bibliothèque nationale de France, s’inscrivait également dans le cadre des activités soutenues par le consortium « Corpus, Langues et Interactions » (CORLI) de l’Infrastructure de Recherche Huma-Num et par l’Institut des Langues Rares (ILARA) de l’École Pratique des Hautes Études.
Vifs remerciements au GDR LIFT pour son soutien financier, et au LACITO-CNRS pour la gestion des finances ainsi que pour sa contribution au budget.
OpenEdition vous propose de citer ce billet de la manière suivante :
ilara (3 décembre 2023). Bilan du Datathon de la parole 2023. ILARA, l’Institut des langues rares. Consulté le 25 mars 2025 à l’adresse https://doi.org/10.58079/10stu