F.A.Q.

Foire aux questions reprenant les questions les plus posées par la communauté afin de mieux appréhender le périmètre du PNDB en tant qu'infrastructure virtuelle de recherche nationale (MESR) et centre de référence thématique (Recherche Data Gouv) et ce, en complémentarité avec les autres acteurs (et leurs outils/services).

Comprendre les {méta}données de biodiversité

Définition des {méta}données

"Les données de recherche sont définies comme des enregistrements factuels utilisés comme sources primaires pour la recherche scientifique, et qui sont généralement acceptés dans la communauté scientifique comme nécessaires pour valider les résultats de la recherche." 

OCDE, 2007. https://www.oecd.org/sti/inno/38500813.pdf

“Les métadonnées, que l’on peut définir simplement comme « des données sur les données», sont un moyen de nommer les choses et de représenter les données et leurs relations.”

Christine L. Borgman, 2020. https://books.openedition.org/oep/14692

Contexte et enjeux des {méta}données

Hétérogénéité dans les types de données (spécimens, données d’observation, Barcoding, cartes satellites, etc.), leur provenance (Entrepôts institutionnels, projets, infrastructures de recherche -observatoires, dispositifs expérimentaux, collections-, tout scientifique désireux de cataloguer des jeux de données) et les standards utilisés (ISO, DarwinCore, EML, etc..)

Une diversité “objets”  à relier entre eux et perte d'informations dans le temps

 

La science ouverte et les principes FAIR

« La France s’engage pour que les résultats de la recherche scientifique soient ouverts à tous, chercheurs, entreprises et citoyens, sans entrave, sans délai, sans paiement. » [lien source]. En France les licences d'utilisation compatibles "licences ouvertes" pour les fichiers de données sont CC-BY 4.0 et Licence Ouverte Etalab 2.0

Les principes FAIR utilisés par le PNDB consistent à rendre les données, métadonnées et codes sources faciles à trouver, accessibles, interopérables et réutilisables par l’humain et la machine. (cf. texte fondateur)

 

[Voir la sélection de critères primaires - métadonnées minimales - proposée par la gouvernance du PNDB]

Quel est l'historique et la date de création du PNDB ?

Le PNDB est une infrastructure numérique nationale du Système Terre-Environnement créée en 2018 porté par le Muséum National d’Histoire Naturelle, contribuant à la politique de Science ouverte du Ministère de l’enseignement supérieur de la recherche et de l’innovation. Faisant suite à l’initiative ECOSCOPE porté par la Fondation pour la recherche sur la Biodiversité.

Enfin, à l'horizon 2024 le PNDB va intégrer l'infrastructure de recherche intégrative Data Terra.

https://www.pndb.fr/media/pages-cms/2023/03/01/image-20230301154520-1.png

Figure issue de "Ministère de l'Ensignement Supérieur et de la Recherche. 2022. Feuille de route nationale des infrastructures de recherche. disponible en ligne sur https://www.enseignementsup-recherche.gouv.fr/sites/default/files/2022-03/feuille-de-route-nationale-des-infrastructures-de-recherche---2021-v2--17318.pdf"

Quels sont les objectifs et missions du PNDB ?

Le PNDB a pour objectif de mettre à disposition un ensemble cohérent d’outils et de services pour la description, l’accès, la validation, l’analyse et la réutilisation des données de biodiversité, pour les communautés de recherche. Les missions du PNDB s’inscrivent dans une approche FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable), et consistent à :

De ce fait, les différents objectifs du PNDB sont complémentaires à l’infrastructure Data Terra (que le PNDB va intégrer à l'horizon 2024), notamment dans le cadre du projet GAIA Data qui vise l’étude et la compréhension du système terre, de la biodiversité et du climat dans leur ensemble.

Quels sont les outils et services du PNDB ?

En tant qu'infrastructure de recherche virtuelle et centre de référence thématique du système Terre-Environnement, le PNDB propose aux communuatés de recherche en biodiversité une offre d'outils (pour gérer, produire partager et analyser des {méta}données) et de services adaptés allant de l’élaboration des plans de gestion de données à l’analyse de ces dernières via la production d’indicateurs, en passant par la publication de Data Paper

Quelles technologies sont utilisées par le PNDB ?

L’un des principes du PNDB est de capitaliser sur les technologies existantes, qui ont fait leurs preuves et sont utilisées au niveau international.

Par exemple, pour la description fine des métadonnées, le PNDB utilise un standard international, l’Ecological Metadata Language – EML.

De même, notre catalogue de données se base sur Metacat - une plateforme développée dans le cadre du réseau mondial DataOne et maintenu par le premier centre de synthèse mondial en écologie, le « National Centre of Ecological Analysis & Synthesis » aux Etats-Unis.

Enfin notre plateforme d'analayse Galaxy-Ecology se base sur le projet Galaxy initialement développé en biodinformatique

dataone_color-logo.jpg

Le paysage "données de biodiversité"

L’étude du suivi et de l’état de la biodiversité pour les questions de recherche et sa prise en compte dans les politiques publiques françaises nécessitent que les données soient faciles à trouver, accessibles, interopérables et réutilisables (FAIR). 

À ce jour, plusieurs systèmes d’information (SI) se structurent actuellement au niveau national et proposent des outils, services et méthodologies pour caractériser, partager, gérer et analyser ces données de biodiversité : le PNDB (pour les données de la recherche) et le SIB (pour les données issues des politiques publiques). Au niveau international on peut également citer le GBIF, Data One, BOLD et le GEO BON. Ces SI présentent une richesse d’acteurs (chercheurs, gestionnaires, citoyens,...), de projets (programmes et dispositifs de recherche - OSU - Zones Ateliers -) et portent sur de nombreuses politiques publiques (Natura 2000, espaces protégés, espèces protégées, …). Tous concourent : 

https://www.pndb.fr/media/pages-cms/2023/03/01/image.png

Figure issue de la restitution des prospectives CNRS-INEE

De plus voici des ressources pouvant aider à la compréhension du paysage :

Comment s'intègre le PNDB dans le paysage national et international ?

Premièrement, la gouvernance du PNDB est composée de 4 instances : Le Comité de pilotage (CoPil), le Conseil Scientifique (CS) et ses Comités d'Experts Scientifiques (CES), le Comité Exécutif (Comex) et le Réseau des responsables des systèmes d'information (RSI).

[Voir la gouvernance]

Le PNDB s’inscrit ainsi dans le paysage des systèmes d’information de biodiversité nationaux et internationaux, le réseau DataOne, le GBIF via son nœud français, etc.). L’une des spécificités du PNDB est de faire le lien entre la recherche et les politiques publiques avec le SIB placé sous la tutelle du ministère de l’environnement. Ceci se matérialise notamment par une représentation conjointe du French BON auprès du GEO BON.

Quelles différences et complémentarités entre le SIB, le GBIF France et le PNDB ?

 

Partager les {méta}données de biodiversité

Pourquoi partager les {méta}données de biodiversité ?

Afin de mieux protéger nos écosystèmes, nous devons mieux les connaître, et pour ce faire, faciliter l’accès et le partage des informations générées et utilisées par les chercheurs pour construire la connaissance scientifique en commençant par l’ouverture la plus généralisée possible des données. Dans les disciplines scientifiques liées à la donnée de biodiversité, la culture du partage de la donnée n’est pas aussi ancrée que dans les disciplines de la biologie moléculaire par exemple.

Pour autant, l’ouverture des données n’est pas suffisante et il est primordial d’y associer des métadonnées détaillées en utilisant des standards largement utilisés à l’international. Dans ce cadre, il apparaît que le domaine de l’écologie possède un avantage face à la multiplicité des standards existants au sein des communautés liées aux technologies *omiques : l’existence d’un langage de métadonnée dédié, modulaire et exhaustif, l’EML.

[voir le projet OpenMetaPaper ] & [voir l'appel à projets DataShare] [Pour aller plus loin autour des data papers : voir la documentation dédiée du service Information Scientifique et Technique du CIRAD]

Pourquoi standardiser par la métadonnée ?

Standardiser par la métadonnée permet :

L’Ecological Metadata Language - EML- est un standard pivot mondialement reconnu et qui a plus de 25 ans de retours d’expériences par les écologues / écoinformaticiens du national center for Ecological Analysis and Synthesis dans le cadre du projet DataONE

dataone_color-logo.jpg

La structuration et la FAIRisation des données se font justement via le renseignement de métadonnées au format EML.

Images et textes tirés de M.B. Jones et al., 2006 https://www.annualreviews.org/doi/10.1146/annurev.ecolsys.37.091305.110031

Nota Bene : toutes les {méta}données recherche moissonnées par le PNDB seront remontées au GBIF si ces dernières sont compatibles au format et standard "DarwinCore" (ex. Données d’occurrence primaires (incluant spécimens), Listes taxonomiques Métadonnées sur des ressources, Données d’échantillonnage).

Quelles licences utiliser pour partager les {méta}données ?

Le PNDB met en avant des jeux de données (via les métadonnées) en open access avec une licence Creativ Commons CC-BY 4.0 ou licence Etalab . En France les licences d'utilisation compatibles "licences ouvertes" pour les fichiers de données sont CC-BY 4.0 et Licence Ouverte Etalab 2.0

https://www.ouvrirlascience.fr/plan-national-pour-la-science-ouverte/

    

Quels types de données sont partagées par le PNDB ?

Les données traitées par le PNDB concernent toutes les dimensions de la biodiversité, dans le but de prendre en compte la biodiversité sur le temps long (depuis les origines de la vie), à toutes les échelles biologiques (de la molécule à l’anthropo-écosystème), et dans toutes ses interactions.

Ces données proviennent essentiellement des systèmes d’informations, entrepôts institutionnels, infrastructures de recherche (observatoires, dispositifs expérimentaux, collections..), mais également des données d’expertise qui proviennent elles du système d’information sur la Biodiversité – SIB – fédérant les données des politiques publiques. Le portail doit permettre aux communautés scientifiques françaises de partager leurs données, qu’elles concernent des échantillonnages pratiqués sur le territoire national ou à l’étranger.

Le but du PNDB est de donner accès aux données brutes (fichiers tabulés, tableurs, média, extraction de bases de données, bases de données, …) utilisés par les scientifiques pour leurs analyses via un accès à un catalogue de métadonnées.

Différents formats sont pris en compte (fichiers de tableurs, fichiers textes csv, ..), fichiers SIG raster et vecteurs, fichiers média (images, sons, …), vues de bases de données, …

Enfin, toutes les données (nommées entités de données en EML) utilisées en entrée et sorties d’analyses sont ainsi potentiellement concernées, mais également les logiciels d’analyse (outils / scripts), et les protocoles.

Nota Bene : toutes les {méta}données recherche moissonnées par le PNDB seront remontées au GBIF si ces dernières sont compatibles au format et standard "DarwinCore" (ex. Données d’occurrence primaires (incluant spécimens), Listes taxonomiques Métadonnées sur des ressources, Données d’échantillonnage).

Où partager les {méta}données de biodiversité ?

Un important travail est en cours de réalisation pour illustrer les bonnes pratiques de partage des {méta}données (choisir le bon entrepôts de données d données, qui contacter, les outils existants pour décrire et partager les données, ...), et sera prochainement disponible, dans l'attente de dernier, voici ci-dessous quelques éléments d'informations :

Ainsi, le PNDB n’a pas pour mission de jouer le rôle d’entrepôt de données. Le stockage de vos données doit se faire dans les entrepôts de données de votre institution ou entrepôt institutionnel. nous pouvons notamment citer les entrepôts INRORES du CNRS-INEE , dataverse de l'IRD , dataverse du CIRAD, ... (cf. liste des entrepôts et/ou SI associés à la biodiversité).

De plus Recherche Data Gouv propose un logigramme pour savoir "où déposer ses données?" voir le logigramme

Quel outil propose le PNDB pour partager et générer des {méta}données ?

Nota Bene : MetaShARK (pour Metadata Shiny Application for Resources and Knowledge) est un outil R&D financé par le Fond National pour la Science Ouverte, dans le cadre du projet OpenMetaPaper . Cet outil n'est pas disponible car actuellement en crash test interne

[voir la page dédiée]

                 

Exemple de génération de métadonnées EML à partir d'ensembles de données via MetaShARK

Quel sont les autres outils pour partager et générer des {méta}données ?

Le secrétariat du GBIF a développé l’IPT comme une plate-forme logicielle pour faciliter la publication des données sur le web, grâce au réseau GBIF. L’IPT est une web application Java qui gère différents types de données :

=> future extension du modèle

standards actuels : DarwinCore pour données, EML pour métadonnée

Le GBIF France peut vous accompagner dans l apubication de ces trois types de données et/ou dans l'accompagnement pour la publication d'un data paper.

[En savoir plus sur l'IPT]

 

Nota Bene : toutes les {méta}données recherche moissonnées par le PNDB seront remontées au GBIF si ces dernières sont compatibles au format et standard "DarwinCore" (ex. Données d’occurrence primaires (incluant spécimens), Listes taxonomiques Métadonnées sur des ressources, Données d’échantillonnage).

Utiliser les {méta}données de biodiversité

Pourquoi réutiliser des {méta}données ?

Afin de mieux protéger nos écosystèmes, nous devons mieux les connaître, et pour ce faire, faciliter l’accès et le partage des informations générées et utilisées par les chercheurs. Mises en commun, ces données existantes peuvent alimenter des problématiques inédites, faire avancer significativement les fronts de connaissances et fournir des recommandations pour les décideurs.

[voir le CESAB pour les méta-analyses]

Quelles licences pour réutliser des {méta}données ?

Le PNDB met en avant des jeux de données (via les métadonnées) en open access avec une licence Creativ Commons CC-BY 4.0 ou licence Etalab (les 2 licences open access recommandées en science en France). Vous pouvez donc réulitiser ces jeux de données en citant la source de ces derniers via un identificant unique (UUID, DOI, etc..)

    

Où trouver des jeux de données ?

Le PNDB propose un catalogue avec un lien de téléchargement direct des données (sans être un “lieu de stockage”)

Les fonctions du catalogue PNDB

  • Accès aux données et métadonnées (produits).
    • Se concentrer sur données primaires, brutes et complètes. La mise à disposition de telles données permet de ne pas se poser d’a priori sur les usages futurs / annexes des données.
    • Proposition de mise en avant des données en open access CC-BY 4.0 ou Etalab (les 2 licences open access recommandées en science en France)
  • Structuration des données via métadonnées. Toute donnée du PNDB doit avoir un minimum de métadonnées associées
    • Choix d’un standard pivot existant unique : l’EML (Ecological Metadata Language). Il permet de décrire finement toute donnée de recherche en écologie. EML vient de KNB/NCEAS + LTER. EML influencé par les standards FGDC et ISO19115.
  • Identification et mise à disposition simplifiée de ressources terminologiques et ontologiques existantes et pertinentes.
    • Recours à l’utilisation de terminologies et ontologies pour augmenter quantité et qualité des concepts. Notamment Ontologies (Bioportal/ecoportal) et EBVs

        

Vous pouvez aussi chercher dans chaques systèmes d'informations et/ou entrepôts institutionnels/thématiques des jeux de données (voir liste)

Comment analyser mes données ?

Il existe de nombreuses ressources (logiciels, langage de programmation, packages, ...) pour analyser des données de biodiversité, mais on peut notamment citer la plateforme d'analyse en ligne Galaxy-Ecology développée par l'équipe du PNDB (et qui se base sur Galaxy project un des plus grands projets scientifiques international collaboratif open source en science). De plus, l'équipe PNDB intégre également des outils au sein de la plateforme d'analyse en ligne Galaxy-Ecology afin de faciliter leur accès au plus grand nombre et via une interface collaborative facilitant le partage, la transparence et la réutilisation des outils de visualisation et analyse de données en écologie.

Galaxy-Ecology permet :

Vous débutez sous Galaxy ou voulez juste voir comment cela fonctionne ? Vous trouverez des supports de formations en vous rendant sur le site du « Galaxy Training Network » dont des tutoriels introductifs à Galaxy et d’autres dédiés Galaxy-E.

 

De plus le Cesab – Centre de synthèse et d’analyse sur la biodiversité (Fondation pour la Recherche sur la Biodiversité) propose de nombreuses ressources pour gérer, structurer et analyser vos données de biodiversité via leur la page GitHub du CESAB