Facilitate Open Science Training for European Research
La conservation pérenne des données de 
recherche
Lorène BECHARD
Centre Informatique National de l’Enseignement Supérieur
30 juin 2015
Un exemple…
Sommaire
• Définitions et contexte juridique
• Les données scientifiques, quelles spécificités ?
• L’archivage électronique, késaco ?
• Un acteur ESR désigné, le CINES
• Une donnée / un document est : 
— produit dans le cadre d’une activité,
— sous une forme bien spécifique,
— à une date donnée et dans un lieu précis,
— sur un support désigné.
 C’est donc une « archive en devenir ».
Donnée VS Archive
« Les archives sont l’ensemble des documents, quels que soient leur date, leur lieu 
de conservation, leur forme, leur support, produits ou reçus par toute personne 
physique ou morale, et par tout service ou organisme public ou privé dans 
l’exercice de leur activité. »
Art.L 211-1 du Code du Patrimoine
À ne pas confondre avec
TEMPS
Archives courantes
Archives intermédiaires
  Archives définitives ou 
destruction
Gestion
Diffusion
Création
Conservation
Le cycle de vie de la donnée
Durée d’Utilité Administrative (DUA)
= Durée de conservation au sens CNIL
L’archivage dans H2020 : les acteurs
Producteurs 
des données
Ingénieur 
projet
ArchivistesRéférents IST
Services 
informatiques
Connaissance du contexte de 
production, expertise sur le 
contenu informationnel des 
données et leur usage, 
description des données
Pilotage du DMP, 
identification de 
la propriété des 
données, 
allocation des 
ressources 
nécessaires
Expertise sur 
les méthodes et 
moyens 
sécurisés de 
stockage et 
d’accès aux 
données 
numériques
Expertise sur le 
partage, la diffusion 
et la réutilisation 
des données
Expertise du cycle de vie 
des données, leur 
évaluation, sélection et 
organisation pour 
l’archivage
• Identifier la propriété des données produites
‒ Déterminée dans l’accord de consortium ?
‒ Porteur de projet français = données relevant de la législation sur 
les archives publiques ?
L’archivage dans H2020 : quelles 
responsabilités ?
• Une archive est publique le plus souvent, car 
produite :
‒ par des organismes publics,
‒ et/ou dans le cadre d’une mission de 
service public
Une donnée publique n’est pas forcément publique !
Obligations légales pour les archives 
intermédiaires
• Gestion à la charge des producteurs / administrations productrices
• Service dédié pour la gestion des archives
• Doté de moyens suffisants
• Externalisation possible mais encadrée
• Quelles responsabilités ?
• Traiter tous les documents produits, y compris les archives électroniques
• Suivre les prescriptions en termes de classement et de conservation
• Respect des règles de communicabilité établies par la loi
• Tri à l’issue de leur durée d’utilité administrative (DUA)
• Collaboration entre producteurs et archivistes
• Archives à éliminer  visa obligatoire de l’administration des archives
• Archives définitives  conservation dans les services d’archives publics
 Contrôle scientifique et technique effectué notamment par le 
service interministériel des archives de France (SIAF)
• Démocratisation de la donnée (openData)
• Explosion du volume des données :
• Nouveaux capteurs (plus précis)
• LSST : Large Synoptic Survey Telescope (15 à 30 Térabytes par nuit).
• LHC : Le Grand collisionneur de hadron (15 petabytes par an)
• Augmentation des capacités de calcul
• Champs de recherche de plus en plus larges
• Exploitation
• Interdisciplinarité : interdépendance des thématiques scientifiques
• Data Mining : recherche d’information cachée
• Outils de visualisation et Web 2.0
Panorama de la donnée scientifique 
numérique
Panorama de la donnée scientifique 
numérique
• Formats de fichiers complexes et variés
• Quelques formats « pivots »
• HDF
• NetCDF
• Beaucoup de formats « maison » binaires
• Absence de documentation autour des données
• Indispensable à la compréhension pour une utilisation future
• Nécessaire collaboration producteurs / archivistes
Quantité de données scientifiques 
conservées
0%
20%
40%
60%
80%
100%
Age courant
Age intermédiaire
Age définitif
• Pour des raisons 
− administratives : pour faciliter le travail quotidien des agents et 
des usagers (le diplôme d’un étudiant, le dossier de carrière d’un 
personnel…)
− juridiques : pour justifier d’une action ou d’une activité lorsqu’il y 
a contentieux (contentieux en édition, plagiats…)
…pendant la période d’archivage intermédiaire (DUA)
• Pour des raisons historiques (pour témoigner de l’activité 
d’un organisme, d’une personne, d’une équipe) pour un 
archivage définitif
Pourquoi conserver une archive ?
Pourquoi conserver une donnée scientifique ?
• Pour la réutiliser 
• réaliser des statistiques, reprise de calculs, traduction des résultats 
en image (lisibilité, fiabilité)
• Prouver les résultats scientifiques obtenus (intégrité authenticité)
• Pour la protéger (open data vs confidentialité)
La problématique de l’archivage numérique
Qu’est-ce que l’archivage électronique ?
L’archivage des documents électroniques consiste à conserver le document et 
l’information qu’il contient :
• dans son aspect physique comme dans son aspect intellectuel, 
• aussi longtemps que nécessaire (moyen et long termes),
• de manière à ce qu’il soit en permanence accessible et compréhensible.
Sauvegarde VS Sauvegarde sécurisée VS Archivage
SAUVEGARDE SAUVEGARDE SECURISEE
ARCHIVAGE
 Sur le moyen et long terme
 Garantie de lisibilité 
 Garantie de compréhension
 Respect de l’intégrité et 
de l’authenticité
Voici un document 
que j’ai créé en 
1998…
De quoi s’agit-il déjà ? 
Est-ce bien ce qui est 
indiqué sur la 
disquette ?
La disquette est-elle 
toujours en bon état ?
Mon portable, acheté 
en 2013, n’a pas de 
lecteur de disquette…
J’ai créé ce document avec Claris 
Works. Comment retrouver ce 
logiciel ? Quel est le format du 
document ?
J’ai trouvé le logiciel, 
mais puis-je l’installer 
et l’utiliser sous 
Windows 8 ?
Ça marche ! Mais j’ai 
perdu toute ma mise 
en forme…
Perte  
compréhension
et accessibilité ?
Services de 
« préservation à 
moyen et 
long termes » de 
données 
scientifiques du 
CINES pour une prise 
en charge de la 
problématique tout au 
long du cycle de vie 
du document
Le CINES et sa mission de préservation numérique
Centre Informatique National de l’Enseignement Supérieur
• Basé à Montpellier (Hérault, France)
• EPA créé en 1999, succédant au CNUSC (Centre National Universitaire Sud de 
Calcul) – créé en 1980
• Placé sous la tutelle du Ministère chargé de l’Enseignement Supérieur et de la 
Recherche
• Missions
– Calcul numérique intensif 
– Archivage pérenne de données 
électroniques
– Hébergement de matériels informatiques à 
vocation nationale
• Plus d’informations : http://www.cines.fr/
La machine " Occigen" du CINES (2,1 Pflops – 26ème du 
Top 500)
L’archivage au CINES en quelques dates…
2004 20082006
• 1ères réflexions sur 
l’archivage 
numérique
• Prestation de 
conseil en AE 
(2005)
• Arrêté du 7 août 
2006 (Thèses)
• 1ères thèses versées 
dans PAC_V1,  une 
plateforme  
d’archivage 
« maison » (arrêté du 
07/08/2006)
• Convention  pour 
l’archivage du portail  
Persée (02/05/2007)
• Recadrage des 
activités du CINES 
(lettre du 
12/02/2008)
• Mise en production 
de PAC_V2 (basée 
sur la solution 
Arcsys d’Infotel et 
un client spécifique) 
 « migration de 
plateforme »
2012 20142010
• Publication de guides 
méthodologiques sur 
les formats de 
fichiers audio et vidéo 
(2010-2012) + Bases 
de données (2013) + 
PDF (en cours)
• Archivage des 
données de la Cour 
des Comptes 
conformément au 
SEDA (2013)
• Archivage des 
données de l’INSERM 
(2013)
• Fin 2013 / début 2014 : 
Archivage de données 
scientifiques dans le 
nœud EUDAT@CINES 
(projet européen FP7)
• Début 2014 : 
Renouvellement 
agrément SIAF
• 1er janvier 2014 : 25To
utiles archivés dans PAC
• Modification des statuts 
du CINES : mission 
d’archivage pérenne 
inscrite
• Archivage de HAL (Hyper 
Articles en Ligne), des 
données orales du CRDO
(TGE-Adonis), de livres 
numérisés (Cujas, BIUS, 
BSG…)
• 2009 : 1er To archivé
• Agrément SIAF 
(14/12/2010)
• Projet APARSEN : 
évaluation norme ISO 
16363 (2011)
L’archivage au CINES en quelques dates…
Des équipements exceptionnels 
21
Des équipes d’experts :
• Système
• Réseaux
• Sécurité
• Bases de données
• Stockage
• Calcul haute performance, visualisation
• Préservation (archivistes, réseau de 
professionnels de l’IST…)
• Administrateurs 
Des solutions techniques et organisationnelles
Nos solutions sont :
• Personnalisées
• Mutualisées
• Economiques
• Sécurisées
• Performantes
• Standardisées
• Complémentaires de vos solutions de diffusion (Diffusion vs. Archivage)
 Seul un centre national spécialisé peut proposer cette qualité de service
Les infrastructures d’archivage du CINES
Assurance qualité
OAIS (ISO 14721)
Expertise format
Compétences 
archivistiques
Processus métier
Gestion des risques
Archivage de données scientifiques 
pour des communautés européennes 
structurées
Archivage à long terme de données
scientifiques, patrimoniales, 
administratives
Archivage intermédiaire 
de données scientifiques
PAC
EUDATISAAC
Le processus d’archivage au CINES
1. Réception 2. Vérification
de la qualité des 
données reçues
3. Ajout 
d’informations 
(PID, empreintes, 
date d’archivage…)
4. Traitements 
complémentaires 
(récupération 
d’informations 
associées, etc.)
5. Stockage de l’archive en plusieurs exemplaires
Plateforme d’archivage (agréée SIAF + Santé + DSA + ISO 16363)
24
Salle 
machine 1
Salle 
machine 2
Salle 
machine 3
Site distant 
( > 300km)
6. Vérification 
périodique de tous les 
exemplaires archivés
+ migration quand il y a 
lieu
‒ adapté à la durée de conservation des données
‒ et au niveau de services demandé : intégrité, lisibilité, intelligibilité
• L’archivage de données produites par les organismes de l’ESR :
 validées (archivage courant, intermédiaire et définitif)
 sélectionnées 
 documentées (jeu minimal de métadonnées : Dublin Core / SEDA)
Un projet d’archivage au CINES, c’est… ?
Quel travail de curation sur les données pour l’archivage ?
• Une équipe-projet dédiée :
 Un référent-projet informatique et un archiviste 
côté CINES
 Un référent-projet côté Service Versant
 Des développements informatiques à prévoir : 
interfaçage avec la plateforme
• Un partenariat encadré :
 Lettre d’intention
 Convention d’archivage
 Tarification au Téraoctet utile archivé et en 
fonction du niveau de service
Un projet d’archivage au CINES, c’est… ?
• Type de données concernées :
• Images satellitaires brutes et orthorectifiées
• Couverture annuelle nationale et régionale, 
acquisitions en pied d’antenne (SPOT6/7)
• Eléments de volumétrie : environ 10 To/an
• Niveau de service assuré :
• Archivage pérenne avec conservation sur le 
long terme
• Différents niveaux de métadonnées de 
description : Dublin Core, ISO 19115
• Contrôle de la validité des formats des fichiers : 
GeoTIFF, JPEG2000, XML, PDF
• Intérêt de l’archivage : pouvoir mesurer les 
évolutions des territoires
Exemple : « l’archivage des 
données satellitaires Géosud »
Problème de conformité à la norme 
GeoTIFF (système de projection 
Lambert 93 utilisé pour les images 
orthorectifiées absent de la norme).
Solution retenue : archivage des 
images brutes en plus
Objectif : fournir une Infrastructure Collaborative de Données (CDI) européenne 
qui adresse le cycle de vie de la donnée (Stockage, Traitement,  Accès, Echange, 
Conservation à moyen et long termes)
Public cible : Les communautés de la recherche dans toutes les disciplines
Eudat « European Data for e-science »
Réseau de 35 partenaires (centres de 
calcul, centres de données, 
communautés scientifiques) à travers 
15 pays européens
 dont le CINES seul centre de données 
et de calcul en France

L’appel à collaborations EUDAT
POURQUOI FAIRE ? 
- Data synchronisations and exchange
- Data repository and data sharing
- Data replication and preservation
- Data staging for analysis and processing
- Data discovery and search
- Data typing and visualization
- New services or tools in the area of Big Data Analytics, Semantic web, etc.
 Possibilités de financement par la CE
POUR QUI ? Toutes les initiatives, infrastructures et communautés de recherche européennes 
CRITERES d’EVALUATION :
- Faisabilité technique du pilote (considérant le calendrier et les ressources dédiés) [40%]
- Participation et bénéfices attendus pour la communauté de recherche ciblée [20%]
- Valeur ajoutée pour EUDAT (développement de services, de communautés) [20%]
- Contribution à l’open access [10%]
- Développement de solutions selon des approches génériques telles que RDA [10%]
CALENDRIER :
- Date limite des soumissions : 30/09 – 17h CET
- Implémentation du pilote : 01/01/2016 – 30/06/2017
Les données archivées au CINES
Des questions ?
Plus d’informations : http://www.cines.fr/archivage/
lorene.bechard@cines.fr