Copy page

Instance Saclay observée

Les données observées : volume, complétude, fraîcheur

En bref : Le graphe porte 18,5 millions de nœuds, alimentés par OpenAlex, scanR, HAL et IdRef, et identifie Paris-Saclay par 235 unités à code RNSR. Le modèle observé est celui que décrit le code. Mais 184 unités sur 235 n'ont aucun chercheur rattaché : une vitrine construite sur ce seul graphe afficherait trois fiches de laboratoire vides sur quatre. L'enrichissement est arrêté depuis le 7 septembre 2026, et 3 353 documents marqués « à supprimer » sont toujours là. Le chemin critique passe de la technique à la curation du référentiel. Tous les constats : Observé sur instance (dev).

Comptages issus des compteurs internes de Neo4j et de requêtes bornées ; le cadre de l'observation est dans Ce que montre l'instance.

Le graphe en trois étages

Le graphe en trois étages

Chargement du schéma pédagogique...

• Modèle conforme au code : 49 types de nœuds, 27 contraintes d'unicité ; la traçabilité entre une entité consolidée et ses sources existe (2,2 millions de liens). Le modèle fait foi dans Le modèle de données.
• Classement par discipline : la hiérarchie domaine, champ, sous-champ, sujet reproduit la classification d'OpenAlex.
• Fusions : 336 777 rapprochements inférés entre notices et 3 362 fusions en attente (provenance et fusion).

La provenance

Notices par source

Chargement du schéma pédagogique...

Scopus n'alimente aucune notice, bien que le code le permette (catalogue des sources). Les identifiants de publication confirment la diversité : 222 013 DOI, 165 867 identifiants HAL, 113 419 PubMed, 36 320 Sudoc, 30 746 thèses, 10 093 arXiv.

Le périmètre Saclay

Chaque unité croise RNSR, ROR, wikidata et un identifiant local : c'est la clé de rapprochement qu'attend une vitrine. Ce qu'est une unité, et comment elle se relie aux publications : Qu'est-ce qu'une unité ?.

Deux questions ouvertes (Q19 du registre) : l'annuaire de l'université compte 248 laboratoires, l'écart reste à expliquer ; et aucun traitement du code lu ne charge le fichier RNSR, alors que les 235 unités portent leur code RNSR : par quel chemin ont-elles été chargées ?

Ce que les volumes ne disent pas

• 833 195 personnes n'est pas le nombre de chercheurs de Paris-Saclay : ce sont tous les coauteurs des publications moissonnées, externes compris. Une propriété external devrait permettre de les distinguer ; sa signification reste à confirmer.
• 251 191 publications n'est pas la production de Paris-Saclay : c'est ce que les moissonneurs ont rapporté pour les chercheurs suivis, sur une instance déclarée incomplète.

Le rattachement des chercheurs aux unités

C'est le constat le plus lourd de conséquences pour une vitrine « laboratoires et chercheurs ».

Couverture des 235 unités de recherche

Chargement du schéma pédagogique...

Le paradoxe. 88 % des publications sont atteignables, mais par 22 % des unités seulement. Les unités peuplées sont soit les plus productives, soit celles traitées en priorité : les cinq premières comptent 761, 596, 439, 425 et 267 chercheurs rattachés.

Lecture pour la décision. Le modèle sait représenter le rattachement, et le parcourt en moins d'une seconde. Ce qui manque, c'est la donnée. Ce n'est pas un travail de développement mais de référentiel, qui relève de l'annuaire, des ressources humaines et des unités. Périmètre volontairement restreint sur une instance de test, ou état réel du référentiel ? La réponse change tout (question Q9).

L'arrêt de l'enrichissement

Activité observable de la chaîne d'enrichissement

Chargement du schéma pédagogique...

Deux mécanismes sont à distinguer :

• le chargement de l'annuaire n'a pas de planification intégrée dans le code : il est lancé à la main ou par un ordonnanceur externe ;
• le moissonnage des publications est relancé à intervalle court pour une personne tirée au hasard (exploitation).

L'instance ne permet pas de trancher la planification réelle : la liste des traitements exige une authentification. Elle montre en revanche qu'aucun article n'a été enrichi depuis sept semaines. Un moissonnage aléatoire peut tourner sans que l'enrichissement suive : la fraîcheur d'une fiche dépend alors du hasard, pas d'une cadence garantie (question Q10).

Publications par année de publication

Chargement du schéma pédagogique...

Deux lectures, non tranchées : le moissonnage ne suit plus, ou les publications récentes tardent à apparaître dans les sources, ce qui est normal pour OpenAlex et HAL. L'arrêt de l'enrichissement début septembre penche pour la première.

Conséquence pour la vitrine. Rien sur l'instance ne démontre qu'une mise à jour hebdomadaire est tenue. La vitrine affiche donc la date de mise à jour de chaque fiche, alerte quand la donnée vieillit, et complète par les sources ouvertes.

Les files de traitement non purgées

Le code ne traite pas les suppressions (contrats et événements) ; l'instance le montre. Tout extrait doit exclure explicitement les entités marquées pour suppression (question Q20).

Les dates futures

Des notices portent des dates jusqu'à neuf mois dans le futur, probablement des numéros de revue annoncés par les éditeurs. Publiées telles quelles, elles feraient paraître des articles avant leur sortie : l'extrait doit plafonner ces dates (question Q21).

Ce que cela ajoute au dossier

1. Un risque principal : la complétude du rattachement chercheurs–unités (risques de la Partie 1).
2. Une charge à chiffrer : la curation du référentiel, distincte du développement de la vitrine.
3. Trois règles d'extrait : exclure les entités à supprimer, plafonner les dates, signaler les unités sans chercheur (Extrait et comparatif du POC).