Entretien mené par Hans Dillaerts, MCF en SIC
à l’Université Montpellier III

 

Joachim Schöpfel est enseignant-chercheur (MCF-HC) en Sciences de l’information et de la communication à l’Université de Lille et membre du laboratoire GERiiCO. Après avoir dirigé l’UFR IDIST de 2009 à 2012 et l’Atelier National de Reproduction des Thèses de 2012 à 2017, il travaille aujourd’hui comme consultant indépendant dans le domaine de l’information scientifique. Adresse courriel : joachim.schopfel@univ-lille3.fr

Ses intérêts scientifiques : le libre accès à l’information, les données de la recherche, les thèses et mémoires, la science ouverte.

• • CiteULike  : http://www.citeulike.org/user/Schopfel/publications  

• • CV HAL : https://cv.archives-ouvertes.fr/joachim-schopfel 

• • ORCID ID: 0000-0002-4000-807X

****

Alexandre Serres est Maître de conférences en Sciences de l’Information et de la communication. Il est co-responsable de l’URFIST de Rennes depuis 2002, et animateur du GRCDI (Groupe de Recherche sur les Cultures et la Didactique de l’Information). Il travaille à la fois sur les thématiques des cultures de l’information, de l’évaluation de l’information sur le web, de l’information scientifique et technique et, actuellement, de l’intégrité scientifique. Il est par ailleurs Référent à l’intégrité scientifique de l’Université Rennes 2, depuis le 1er janvier 2018.

Sur les données de recherche, il a coordonné une enquête menée en 2017 par l’URFIST de Rennes, la MSHB et le SCD Rennes 2, intitulée « Données de la recherche en SHS. Pratiques, représentations et attentes des chercheurs : une enquête à l’Université Rennes 2 », dont tous les résultats sont sur HAL.

On trouvera la liste de ses publications sur sa Page personnelle de Rennes 2. Adresse courriel : alexandre.serres@univ-rennes2.fr

---

H.D. : Comment définissez-vous les données de la recherche? Parmi les multiples définitions qui existent, laquelle vous semble être la plus complète et la plus représentative des pratiques professionnelles des chercheurs? Les définitions proposées tiennent-elles compte des spécificités de recherche liées aux disciplines ?

Joachim Schöpfel 

C’est la question qu’on entend toujours dans les journées et séminaires : en fait, de quoi parle-t-on ? Et c’est une situation paradoxale, car d’une part, on essaie de bien définir l’objet comme s’il s’agissait d’un objet étrange, inconnu, à cerner, tandis que dans la pratique, sur le terrain, tout le monde sait très bien (ou fait semblant de savoir) de quoi il s’agit. Du coup nous avons essayé de faire le point, lors du séminaire VADOR 2017, aussi pour voir plus clair nous-mêmes.

J’aime bien l’approche de Christine Borgman qui définit les données de la recherche comme « inputs, outputs, and assets of scholarship ».  Distinguer données primaires (collectées) et secondaires (produites), et le tout comme un capital ou bien de et pour la recherche, un matériel à l’état brut que l’on peut (doit) manipuler, traiter, analyser et interpréter. C’est assez proche aussi de la conception de Simon Chignard (2012) qui parle d’« un fait brut, qui n’est pas – encore – interprété » .

Une définition du gouvernement américain (OMB Circular 1101) va plus loin : « the recorded factual material commonly accepted in the scientific community as necessary to validate research findings », dans la traduction de Marilou Pain :

« Les données de la recherche sont des enregistrements factuels (chiffres, textes, images et sons) utilisés comme sources principales pour la recherche scientifique et généralement reconnus par la communauté scientifique comme nécessaires à la validation des résultats de recherche ». 

L’intérêt de cette dernière définition est double, dans la mesure où elle met l’accent sur le lien étroit avec la communauté scientifique et sur leur finalité. Les données de la recherche ont une fonction, jouent un rôle dans le processus scientifique, en particulier pour la validation des hypothèses et résultats.

Alexandre Serres

La question de la définition des données de recherche est effectivement une question-clé, pour plusieurs raisons. Au plan épistémologique, on connaît les variations disciplinaires et la spécificité des SHS, où les données ne sont justement pas « données » mais toujours construites (on parle parfois des « obtenues »).  

On peut d’ailleurs élargir à plusieurs sciences exactes cette idée de données « construites », si l’on prend en compte tout l’appareillage technique, mais aussi théorique, nécessaire pour le recueil des données.

La notion de « donnée brute » doit donc toujours être questionnée, car elle peut induire une vision empiriste un peu naïve (avec l’idée que les données existeraient à l’état brut, comme le pétrole, et qu’il suffirait d’aller les chercher).

Il y a donc un premier niveau, théorique et épistémologique, où la définition des données « primaires » de recherche ne va pas de soi et peut donner lieu à des débats, parfois sans fin.

Si on prend la question au niveau des pratiques réelles, de la perception des acteurs et de la définition qu’ils en donnent, on voit immédiatement l’immense diversité des données de recherche et la très grande difficulté à en donner une définition universelle et univoque.

De nombreux collègues, interrogés lors de l’enquête menée à Rennes 2, nous ont fait part de leur difficulté à donner une définition, ou à se retrouver dans celle qu’on leur proposait. Par exemple, pour les chercheurs qui travaillent quasi-exclusivement sur des textes (historiens, linguistes, philosophes…), considérer ces textes comme des « données collectées » ou primaires ne va pas de soi.

Sur un plan plus « pragmatique », il faut bien valider une définition, la plus large possible. Pour l’enquête de Rennes 2, nous avons ainsi repris la distinction, utilisée également par Joachim, entre données collectées et données produites.

Même si nous avons eu parfois du mal à faire passer cette distinction auprès de plusieurs collègues, elle est néanmoins parlante et pertinente, et permet de bien séparer les données « collectées » (qu’elles soient elles-mêmes produites par le chercheurs, ou issues de l’environnement), primaires, qui servent de matériau de base à la recherche, des données « produites », destinées à la validation et à la publication.

Pour ma part, j’utilise donc également la définition de l’OCDE de 2007, presque identique à celle citée par Joachim : « 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. »

On y trouve les trois éléments essentiels : des enregistrements factuels, utilisés comme sources pour la recherche, et servant à la validation des résultats.

H.D. : Faites-vous une différence entre les « données de la recherche » et les « données académiques » ou universitaires ? Le périmètre retenu est-il le même pour ces deux notions ?

Joachim Schöpfel 

Oui, pour moi les données universitaires sont les données produites par l’institution, sur les étudiants, l’immobilier, les personnels, les filières, projets, etc. tandis que les données de la recherche sont les résultats du travail des chercheurs.

Récemment, Bertrand Mocquet de l’Université de Perpignan a publié un schéma utile sur Twitter pour illustrer les principales données de l’université :

Alexandre Serres

Oui, il faut distinguer « données de recherche » et « données académiques » ou universitaires, qui désignent toutes les données produites par les universités, par exemple les données administratives, pédagogiques, etc.

Il y a plusieurs différences essentielles entre données de recherche et données académiques :

• une différence de nature (administrative, pédagogique, financière…vs données « scientifiques »), mais qui n’est sans doute pas la plus fondamentale, car les données de recherche sont de natures multiples, indéterminées (les données administratives peuvent devenir des données de recherche, si elles servent dans le cadre d’une recherche sur les inscriptions à l’université, par exemple) ;
• une différence de finalité ou d’objet essentielle, car les données académiques ou pédagogiques n’ont évidemment pas les mêmes objets que les données de recherche ;
• une différence d’origine et d’acteurs : les données académiques sont produites par et pour l’institution, tandis que les données de recherche sont, soit extérieures à l’institution, soit produites par les enseignants-chercheurs et les laboratoires, certes dans le cadre de l’institution, mais ne servent pas au fonctionnement de celle-ci.

À noter dans les similitudes, la nouvelle dimension juridique, apportée par la loi sur la République numérique de 2016, qui instaure le principe de l’ouverture des données produites par les universités, quelle que soit leur nature (académique, de recherche…), comme la règle générale et la fermeture (ou la protection) comme l’exception. Autrement dit, données académiques comme données de recherche sont désormais concernées par le principe de l’Open Data.

H.D. : Comment expliquez-vous l’effervescence autour des données de la recherche ?

Joachim Schöpfel 

Il y a sans doute plusieurs explications, y compris un effet de mode et, pour les professionnels de l’information, d’occuper un nouveau terrain pour compenser la perte d’autres terrains de médiation. Mais ce n’est pas l’explication la plus importante.

Je vois surtout trois raisons, de la part des politiciens, de la part de l’industrie de l’information et de la part des communautés scientifiques.

Politique : les gouvernements ont compris l’intérêt d’une ouverture des données et des résultats de la recherche au sens large, d’une part pour faire face aux grands enjeux sociétaux (épidémies, changement climatique, énergies renouvelables, transports…) et d’autre part pour alimenter le secteur économique (« data is fuel for economy ») et créer de la valeur.

L’industrie de l’information : je pense que plus que d’autres, les grands groupes comme Elsevier, Springer ou Wiley ont compris l’enjeu des données, pas seulement des données de la recherche, mais aussi des données statistiques d’usage, des données scientométriques, des métadonnées, etc. Plus on ouvre nos données, et plus ils auront de la matière brute à transformer en outils et services à valeur ajoutée.

Quand je vois les plateformes des grands éditeurs, des réseaux académiques ou, plus récemment, d’un acteur comme Digital Science avec des outils comme Figshare, Symplectic, Dimensions, Altmetric ou Labguru, je rêve d’un Facebook de la recherche, un espace privatisé qui propose aux chercheurs un ensemble d’outils pratiques, gratuits, efficaces et simples pour organiser leur travail, communiquer, diffuser, se tenir au courant. Rêve ? Cauchemar ? Mais quand on voit ce que Facebook fait de nos données, c’est plutôt un cauchemar.

Les communautés scientifiques : si on parle des données de la recherche, c’est que les chercheurs ont aujourd’hui des besoins que leurs employeurs ont du mal à satisfaire, à cause de la volumétrie des données, de leur diversité et de leur production en continu, à cause des instruments, méthodes et technologies. En d’autres mots, les chercheurs doivent faire face à leur propre « big data » et cherchent des solutions.

Alexandre Serres

Je suis d’accord avec ces trois facteurs énoncés par Joachim. Mais j’aurais tendance à privilégier le facteur politique, au sens large du terme, car il semble bien que l’impulsion pour l’ouverture des données de recherche soit venue, à la fois des institutions politico-scientifiques (voir le rapport de l’OCDE de 2007, l’impulsion de l’Union européenne, avec le programme H2020, l’engagement du CNRS-INIST ou la création récente du Comité pour la Science Ouverte en France, etc.), et du mouvement du Libre Accès, initié par les chercheurs eux-mêmes.

Pour moi, le facteur politique est premier, car le mouvement pour l’ouverture et le partage des données de recherche vient de la conjonction de l’Open Data, né dans les sphères politico-administratives, et de l’Open Access (autour des publications). Il me semble donc qu’on ne peut pas mettre ces facteurs à égalité.

Il faut noter également un quatrième facteur explicatif, de nature scientifique et épistémologique : toutes les approches, tous les débats, les controverses, etc. autour du modèle d’une « science guidée par les données » (data-driven science).

Certes, ceci est davantage lié au Big Data, à l’importance considérable que revêtent aujourd’hui les grandes masses de données et les potentialités « scientifiques » qui leur sont prêtées (capacité prédictive, approche inductive généralisée, etc.).

Avec les Big Data, la science changerait de modèle, selon certains, et les données de recherche s’inscrivent évidemment dans ce qui pourrait être un nouveau paradigme de la science (sur les questions posées par ce nouveau modèle, voir notamment Dominique Boullier).

J’ajouterai enfin un cinquième facteur, plus récent, qui renforce (à défaut de l’expliquer) le mouvement autour des données de recherche : la question de l’intégrité scientifique et de l’ouverture des données comme moyen de vérification et de reproduction des résultats.

Ce lien entre intégrité scientifique et données de recherche est affirmé explicitement dans de nombreux documents officiels sur l’intégrité scientifique (Déclaration de Singapour sur l’intégrité de la recherche, Rapport Corvol, Guide du COMETS pour une recherche responsable, etc.).

Mais à l’heure d’une crise croissante de la reproductibilité des résultats dans plusieurs disciplines, ce lien se manifeste aussi de plus en plus fortement dans les revues scientifiques de plusieurs disciplines, qui exigent souvent l’accompagnement d’un article par les jeux de données, la publication de ceux-ci dans un data paper, etc. Et je suis convaincu que le lien entre ces deux thématiques ne va pas cesser de se renforcer de toutes les manières possibles.

Tous ces facteurs entremêlés (politique de l’IST, engagements politiques, enjeux économiques, réalité des Big data, importance générale des données personnelles, nouveau paradigme scientifique, liens entre fraude, intégrité scientifique et gestion des données, etc.) expliquent cette « effervescence » autour des données, qui est beaucoup plus la marque d’un tournant fondamental dans l’histoire des sciences qu’un simple effet de mode.

H.D. : Les enjeux liés autour des données de la recherche sont-ils les mêmes en SHS et en STM ? Est-il pertinent de distinguer les deux?

Joachim Schöpfel 

Je n’ai pas répondu plus haut à la question si les définitions proposées tiennent-elles compte des spécificités de recherche liées aux disciplines.

Elles le font dans la mesure où elles proposent souvent des typologies, et les types de données ont un lien avec les domaines scientifiques. Mais pas uniquement avec les domaines, mais aussi avec les méthodes, instruments, outils et thèmes.

Enfin, pour le dire d’une manière simple : oui, les enjeux sont les mêmes en ce qui concerne la conservation, la curation, la diffusion, la réutilisation, etc. en général ; non, les enjeux ne sont pas les mêmes quand on regarde l’aspect économique et politique. Entre les résultats d’une enquête en SIC et les données du CERN, il y a un monde.

Alexandre Serres

Pour ma part, je pense qu’il faut distinguer les enjeux des deux grands ensembles disciplinaires, ne serait-ce que pour tenir compte des différences, parfois très importantes, entre les « écosystèmes de recherche » en STM et en SHS (en termes d’édition et de publication scientifique, de pratiques de recherche, etc.).

L’enquête menée à Rennes 2 nous a montré une spécificité de certaines disciplines de SHS, notamment autour de la question épistémologique de la contextualisation des données, souvent plus difficile à décrire dans certaines disciplines en SHS qu’en STM.

Comme indiqué dans la première question, les données de recherche sont souvent totalement construites par le chercheur en SHS (mais aussi dans une certaine mesure dans plusieurs disciplines de STM) : pensons aux enquêtes qualitatives ou quantitatives, aux recherches sur les corpus de textes, etc.

Mais les deux grands ensembles STM/SHS sont trop larges, trop « massifs », pour distinguer les enjeux des données de recherche ; c’est plutôt au niveau des disciplines ou des domaines disciplinaires, et de la nature principale de leurs données, qu’il faut aller chercher les véritables différences.

En effet, les enjeux sont le plus souvent directement déterminés par la nature des données qui sont en cause : par exemple, les données d’astrophysique, biomédicales, statistiques, textuelles, iconiques, etc., n’induisent pas les mêmes enjeux, en termes de stockage, d’archivage et de partage. Cette nature des données détermine donc les pratiques disciplinaires.

Et à la place de la distinction classique SHS/ STM, peut-être faudrait-il plutôt distinguer les enjeux selon les types de données et les ensembles disciplinaires qu’ils caractérisent (du moins en majorité) : distinguer ainsi entre les disciplines « textuelles » (lettres, linguistique, langues, droit, histoire dans une large part, etc.), dont les corpus de textes constituent à la fois la matière première et la production principale, les disciplines « statistiques », ou numériques (économie, sociologie, psychologie sociale, etc.), les disciplines « expérimentales » (le domaine bio-médical…), etc.  

Au-delà de la nature des données, c’est leur place dans l’épistémologie de chaque discipline, dans l’écosystème de publication, etc., qu’il faut prendre en compte, pour comprendre les différences entre les enjeux des disciplines.

H.D. : Les pratiques professionnelles des chercheurs varient-elles beaucoup selon les disciplines ? Y a-t-il une fracture à ce niveau entre les chercheurs en SHS et les chercheurs en STM ?

Joachim Schöpfel 

Oui, les pratiques varient en fonction des méthodologies, outils, équipements, thématiques, projets… Pour ne citer qu’un exemple : les contraintes en matière de données pour toute recherche dans le domaine hospitalier.

En même temps, certains problèmes se posent à tous les chercheurs, comme la sécurité des données ou la protection des données personnelles.

Alexandre Serres

Je ne parlerai pas de « fracture » mais de différences, de variations, liées généralement à la nature des données (voir la question précédente), à l’écosystème de chaque discipline.

Et comme le rappelle Joachim, il y a aussi des problématiques communes, dont celle de la sécurisation, du stockage et de l’archivage des données de recherche, qui se posent, mais avec des degrés très variables d’intensité, à TOUS les chercheurs et toutes les disciplines.

H.D. : Les pratiques professionnelles des chercheurs varient-elles selon la nature et les types de données (données brutes/données traitées/données analysées)?

Joachim Schöpfel 

D’après mon expérience, je dirais que oui, bien sûr ; mais il faudrait aller plus loin pour dire de quelle manière exactement cela se fait.

D’une part, par des études sur la gestion des données en fonction d’un processus de projet ; d’autre part (plus simple) en regardant de plus près les dépôts dans les entrepôts de données.

Alexandre Serres

Pour moi également (voir les questions ci-dessus). Mais il y a ici un problème terminologique : pour ma part, je n’utilise pas le mot (très polysémique !) de « nature des données » dans le même sens que dans la question, mais en désignant par là plutôt la « nature » intrinsèque des données : données textuelles, statistiques, expérimentales, d’observation, etc.

Mais on peut bien entendu parler de « nature des données » en désignant leur place dans le « cycle des données ». Les deux se recoupent, de toute évidence.

H.D. : En ce qui concerne plus particulièrement le partage et la publication des données de la recherche, quelles problématiques (déontologiques, méthodologiques) sont soulevées le plus souvent par les chercheurs ?

Joachim Schöpfel 

La sécurité des données ; la protection des données personnelles, avant tout dans le domaine de la santé (RGPD etc.) ; le souci de capitaliser les résultats pour une exploitation ultérieure.

Alexandre Serres

Une première remarque à faire : c’est peut-être autour de la question de l’ouverture et du partage des données que l’on trouve le plus de variations disciplinaires chez les chercheurs.

L’enquête menée à Rennes 2 a montré le poids d’un certain « déterminisme disciplinaire » dans la position des chercheurs face au partage, même s’il faut tenir compte bien sûr des positions individuelles.

Ainsi, les pratiques du partage des données (et les représentations de celui-ci) peuvent varier entre les disciplines qui encouragent plus ou moins fortement l’ouverture des données (géographie physique, psychologie, biomécanique…), et celles qui semblent rester plus naturellement « frileuses » sur cette question (lettres, arts, langues, histoire, avec beaucoup de nuances…).

Par ailleurs, le partage des données suscite chez plusieurs enseignants-chercheurs en SHS beaucoup d’interrogations, de réserves, parfois des craintes, comme celle du plagiat.

Une problématique souvent soulevée par les chercheurs en SHS est celle de la propriété intellectuelle sur les données, dans la mesure où celles-ci ont fait l’objet d’un travail d’élaboration, de construction, souvent très long. 

H.D. : Comment les chercheurs perçoivent-ils les plans de gestion de données de la recherche ? En perçoivent-ils l’intérêt ? Ou l’élaboration de ces documents formels est-elle avant tout perçue comme une contrainte administrative et technique supplémentaire ?

Joachim Schöpfel 

Pour l’instant, j’ai l’impression que seulement les chercheurs qui ont monté un projet européen connaissent les plans de gestion. Ceci étant, d’autres chercheurs savent très bien de quoi il s’agit sans utiliser le terme « plan de gestion » – tous ceux qui ont dû préparer un dossier pour le comité éthique de leur établissement et qui ont dû décrire dans le détail ce qu’ils font de leurs données. Tous ces chercheurs ont déjà rédigé des plans de gestion sans le savoir.

À part cela, quand nous formons les doctorants aux plans de gestion, avec l’outil DMP-OPIDoR, ils apprennent cette technique comme une bonne pratique scientifique, pas comme une obligation administrative.

C’est pour faire leur travail de recherche mieux qu’avant et pour obtenir des financements pour leurs projets à venir, pas pour remplir de la paperasserie pour l’administration.

Alexandre Serres

Selon notre enquête, 89 % des répondants (sur 109 personnes) ignorent ce qu’est le plan de gestion de données. Mais comme le dit Joachim, cela ne signifie pas qu’ils ne décrivent jamais leurs jeux de données.

Cela étant, la sensibilisation et la formation des enseignants-chercheurs (surtout en SHS) à la description de leurs jeux de données et à l’élaboration de PGD est sans doute l’un des grands enjeux pour les années à venir. Et la situation changera certainement si l’obligation du PGD devait se généraliser dans les projets de recherche (par exemple de l’ANR).

H.D. : Quelles actions les professionnels de l’IST et les bibliothécaires peuvent-ils mener pour accompagner les chercheurs ? Les plans de gestion des données renforcent-ils la collaboration entre les chercheurs et les professionnels de l’information-documentation? 

Joachim Schöpfel 

Les documentalistes et bibliothécaires n’ont pas de « légitimité historique » dans le domaine des données, mais ils font partie du jeu, avec les autres acteurs du terrain, les informaticiens, les collègues du comité éthique, les juristes, les membres de la direction de la recherche, les ingénieurs dans les laboratoires, etc. En plus, ils produisent leurs propres données et peuvent montrer l’exemple, pour les plans et le partage.

Concrètement, ils peuvent se rendre utiles lors de la préparation d’un plan de gestion, lors de la documentation (métadonnées) et curation des données et du dépôt et pour la rédaction d’un data paper ; et s’ils ont les compétences nécessaires, je pense que de l’aide pour la visualisation des données serait également appréciée. À condition de ne pas se lancer dans une croisade et venir exiger des chercheurs l’ouverture et le partage de toutes leurs données. Cela ne passera pas.

Les chercheurs n’ont pas besoin qu’un bibliothécaire leur dise ce qu’ils doivent ou ne doivent pas faire. En revanche, ils apprécieront qu’on les écoute et qu’on les aide à trouver des solutions pour leurs problèmes de stockage, de préservation, de sécurité, de gestion, y compris pour la mise en place et la maintenance d’une base de données.

Si leur établissement (institut, laboratoire, etc.) a mis en place ou a l’intention de mettre en place une plateforme pour la conservation et le partage des données, alors ils font naturellement partie de l’équipe, avec leur savoir-faire en matière de gestion et de documentation des résultats de la recherche.

Dernière remarque : j’ai dit plus haut qu’ils ont leurs propres données. En fait, à mon avis (aussi en tant qu’ancien documentaliste), ce serait bien de s’insérer davantage dans les projets de recherche, surtout dans les projets ANR et H2020, non pas comme prestataire externe, mais comme membre de l’équipe projet. Ils gagneraient en crédibilité et légitimité en matière de données.

Alexandre Serres

Je partage totalement la perception de Joachim du rôle des bibliothécaires et des professionnels de l’IST : ils peuvent jouer un rôle important de soutien auprès des chercheurs et dans une politique locale sur les données de recherche, s’ils mettent d’abord en avant leurs compétences professionnelles (sur la gestion, la description, les métadonnées, etc.), s’ils s’intègrent, d’une manière ou d’une autre, aux projets de recherche, et s’ils évitent surtout tout prosélytisme sur le partage des données.

Si les discours militants ont pu parfois être nécessaires et opératoires sur l’Open Access des publications et les archives ouvertes, pour faire évoluer les mentalités, ils ont en revanche peu de chances de l’être sur les données de recherche, où la complexité et la diversité des situations demandent aux professionnels de l’IST des positionnements plus nuancés.

L’une des leçons de l’enquête de Rennes 2 portait d’ailleurs sur l’inanité et l’inefficacité des discours d’injonction sur le partage des données de recherche.

Enfin, à la question sur les PGD, je pense que la réponse est oui : les PGD constituent, de toute évidence, une très bonne occasion de rapprocher chercheurs et professionnels de l’IST, et de renforcer la légitimité de ceux-ci.

Mais deux conditions sont requises : que les bibliothécaires ou professionnels de l’IST soient eux-mêmes parfaitement formés à l’élaboration d’un PGD (ce qui n’est pas encore le cas pour tous), et qu’ils soient davantage associés aux projets de recherche (à l’instar des ingénieurs de recherche dans certains labos).

Merci beaucoup Joachim et Alexandre pour votre contribution et cet entretien riche et passionnant. 

---

---