Provenance, qualité et fusion
En bref : Pour chaque publication, CRISalid retient la notice la plus riche, pas la plus fiable. Après une fusion, les corrections du document absorbé ne sont pas reportées sur le document conservé (Confirmé dans le code) ; que ces corrections disparaissent à l'affichage n'a pas été mesuré (À confirmer). La défusion n'existe pas. Sur l'instance, 3 362 fusions attendent : une correction faite avant leur traitement peut ne pas survivre.
Cette page fait foi pour la fusion, la défusion et le devenir des corrections. Les champs sont dans le dictionnaire, les échanges dans les contrats API et événements.
Ce que la provenance permet d'expliquer
Traces disponibles : versions datées de l'annuaire dans la passerelle, historique de collecte du moissonneur, notices sources reliées à chaque publication, une trace par correction. Aucun historique « champ retenu → notice gagnante → règle » n'existe : on ne peut pas expliquer à un chercheur pourquoi tel titre a été retenu sans recalculer. Statut : Confirmé.
Identités
- Clé d'une personne ou d'une structure : à défaut d'identifiant fourni, le premier disponible dans un ordre réglable (local, ORCID, IdRef, IdHAL pour une personne). Un format invalide est écarté, sans vérifier à qui appartient l'identifiant. Confirmé.
- Auteurs : rapprochés par identifiant, puis par nom, sinon créés comme personnes externes. Aucun taux de faux rapprochement connu. Mécanisme Confirmé, qualité À confirmer.
Détecter les changements institutionnels
Statut : Confirmé (exécution locale du comparateur, procédure). La passerelle d'annuaire compare l'état courant au précédent et classe chaque entrée : créée, modifiée, inchangée ou supprimée si elle manque du lot. Un lot partiel n'est donc pas une liste de départs : vérifier la complétude de l'extraction avant chargement. Le graphe ignore ensuite les suppressions (suppressions non propagées).
Regrouper les notices en documents
Le graphe relie de proche en proche les notices qui partagent un identifiant de publication (DOI, HAL…), les regroupe en un document, garde le document qui a le plus de notices (à égalité, le premier rencontré) et marque les autres « à fusionner » ou « à supprimer ». Statut : Confirmé. Un identifiant erroné peut donc rapprocher à tort plusieurs notices. Sur l'instance, 3 353 documents marqués à supprimer ne sont pas purgés et 3 362 fusions sont en attente : Observé sur instance (dev) (données observées). Un export doit suivre les fusions et les suppressions, pas seulement les créations.
Choisir les métadonnées consolidées
Le type de document est pris dans la première notice qui en a un, selon l'ordre HAL, IdRef, scanR, Scopus, OpenAlex. Ensuite, toutes les règles actives appliquent la stratégie « la plus riche » :
| Choix | Règle codée |
|---|---|
| Score d'une notice | Somme pondérée : contributions (40), sujets (30), présence d'une date (20), longueur du résumé (1), titres (0) |
| Titres, résumés, date | Pris dans la notice la mieux classée qui en a ; pas de choix langue par langue |
| Sujets | Union des sujets de toutes les notices admises |
| Auteurs, revue, accès ouvert, thèmes | Calculés par d'autres services |
Statut : Confirmé. Le score mesure la richesse disponible, pas une confiance scientifique. Scopus est absent des listes admises pour ces métadonnées, bien qu'il figure dans l'ordre global ; il n'est de toute façon pas utilisé (catalogue). Deux autres stratégies existent de nom mais renvoient un document vide : Partiel, à ne pas présenter comme des alternatives.
Corrections et suppressions
| Situation | Comportement | Limite |
|---|---|---|
| Nouvelle collecte | Recalcul depuis les notices, puis rejeu des corrections du document, par date | Une correction en erreur est journalisée et la boucle continue |
| Correction d'une publication | Titres, résumés, sujets, type, auteurs | La date, corrigeable dans SoVisu+, n'est pas traitée par le graphe ; une cible « personne » ou « projet » n'a pas de traitement non plus |
| Fusion manuelle | Ajoute des équivalences affirmées, puis recalcule | Voir ci-dessous |
| Retrait d'un identifiant de personne | Supprime les notices collectées par ce seul chemin et recalcule | Rien n'empêche une autre source de les réintroduire |
| Personne absente d'un lot d'annuaire | Marquée supprimée par la passerelle | Ignorée par le graphe |
Statut : Confirmé dans le code.
Fusion et devenir des corrections
Statut : Confirmé dans le code du graphe ; sept contrôles d'orchestration exécutés le 22 octobre 2026, sans base de données (procédure).
- Le document conservé est celui qui a le plus de notices ; la cible choisie par l'utilisateur ne s'impose pas.
- La fusion crée un lien « à fusionner dans », mais ne déplace pas les corrections du document absorbé.
- Le rejeu ne lit que les corrections rattachées au document conservé ; le report est un « à faire » explicite dans le code.
Ce qui est établi : les corrections du document absorbé ne sont pas reportées sur le document conservé. Ce qui ne l'est pas : qu'elles soient effacées ou qu'elles disparaissent de SoVisu+. Il faut le mesurer sur une base isolée (À confirmer).
Défusion et limites actuelles
Statut : Confirmé : la défusion n'existe pas.
- Dans SoVisu+, le bouton de défusion ne fait rien ; il est annoncé comme fonctionnalité à venir.
- Le point d'entrée prévu pour la défusion de documents déclenche en réalité une fusion.
- Le graphe ne connaît aucune action de défusion.
Tant qu'une équivalence affirmée relie deux notices, elles restent groupées, même si l'identifiant fautif est corrigé.
Scénario de validation restant à réaliser
Statut : Non exécuté. Sur une installation jetable : fusionner deux documents portant des corrections distinctes, puis comparer le document conservé à l'état initial (identifiants, notices, corrections, affichage dans SoVisu+). Une future défusion devra retirer les équivalences affirmées, reconstruire les groupes, réattribuer les corrections et propager le tout jusqu'à l'export. Ne jamais improviser une suppression sur une instance réelle.
Ce que cela implique pour la contribution des chercheurs
La Partie 2 fait passer les corrections par SoVisu+. Trois conséquences :
- Traiter les 3 362 fusions en attente avant d'ouvrir les corrections à grande échelle. Sinon, une correction faite aujourd'hui sur un document qui sera absorbé demain ne sera pas reportée.
- Pas de retour arrière. Une fusion erronée ne se défait pas ; réserver la fusion à des rôles formés, et faire corriger la défusion en amont.
- Expliquer les choix. Faute d'historique « pourquoi ce titre », le support ne peut pas justifier un choix sans recalcul ; prévoir une réponse type.
Ce qu'un chercheur peut corriger aujourd'hui est borné dans Sécurité, droits et données personnelles.
Contrôles avant usage à Saclay
Les tests amont ont été lus, pas exécutés (Non exécuté). À mesurer sur un échantillon réel (feuille de route) : doublons, auteurs mal rattachés, correction suivie d'un nouveau moissonnage, fusion de documents déjà corrigés.
Preuves techniques
- Graphe (crisalid-ikg) : politique de sélection, stratégies, équivalences, rapprochement des auteurs, recalcul documentaire, rejeu des corrections, lecture par cible, actions connues.
- Passerelle d'annuaire : détection des disparitions.
- SoVisu+ : service des documents. Le détail du défaut de la défusion est réservé à l'équipe CRISalid.
Les révisions sont centralisées dans Sources et preuves.