Production et valorisation des logiciels issus de la recherche publique française
Notice bibliographique
Résumé
En 2022, le projet de loi 3DS a été adopté par l’Assemblée Nationale et le Sénat. Cette loi prévoit le principe de publication par défaut des codes sources et algorithmes de l’administration. Dans l’amendement 3614 de cette même loi, il a été perçu que cette disposition « pourrait déstabiliser les actions de valorisation et de transfert de technologie des établissements publics de recherche qui produisent des logiciels ». Afin de mieux comprendre les impacts de cette disposition sur les acteurs de la recherche française, il a été convenu qu’un rapport du gouvernement au Parlement serait remis d’ici la fin de l’année 2023. La présente étude a été conduite sous le pilotage du Professeur Pierre Boulet, Professeur des universités en informatique et Vice-Président Infrastructures Numériques à l’Université de Lille. Cette mission lui a été confiée par le ministère de l’Enseignement Supérieur et de la Recherche, en la personne de Madame Isabelle Blanc, Administratrice ministérielle des données, des algorithmes et des codes sources, rattachée à la DGESIP et la DGRI. L’étude dresse un état des lieux de la production et de la valorisation des logiciels issus de la recherche en France et alimente le rapport attendu par le Parlement. Elle vise à apporter des informations clés aux décideurs politiques de manière à leur permettre de faire évoluer, si cela s’avère nécessaire, le cadre réglementaire qui régit les modalités de production et de valorisation scientifique et économique des logiciels. A cette fin, l’étude présente un panorama de la production de logiciels de la recherche public française et des stratégies de développement associées. Elle fournit également une analyse des pratiques de protection et des licences qui sont appliquées aux logiciels. Enfin, elle recense les différents modèles de valorisation et les pratiques adoptées par les acteurs de la valorisation pour les logiciels libres et propriétaires.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».