La réponse courte : un jeu de données ne se cite pas, il se rattache. Ce qui fait travailler une page n'est pas d'avoir recopié un chiffre, c'est de pouvoir dire d'où il vient, de quand il date, et comment il sera corrigé. Une donnée sans identifiant stable est une donnée qu'on ne pourra jamais vérifier.
Un exemple français décrit bien cette façon de travailler : un catalogue de données canines publié sous forme d'interface de programmation, avec un référentiel des races aux identifiants stables, un annuaire d'élevages, des statistiques par région, et ce que la plupart des sites de données ne publient pas : une notation, des défauts signalés, des sources et un journal des évolutions.
Ce qui distingue une donnée réutilisable d'une donnée recopiée
Un chiffre recopié perd son contexte en une copie. Un chiffre rattaché à un identifiant garde le sien : on peut remonter à la fiche d'origine, comparer avec la version précédente, et savoir ce qui a changé. La différence n'est pas technique, elle est éditoriale.
Le second marqueur est le journal des évolutions. Une source qui note ses corrections dit qu'elle est tenue ; une source qui ne dit rien laisse l'utilisateur deviner. Sur un site qui cite, ce journal devient la seule façon honnête de dater une page sans la réécrire entièrement.
Que faut-il vérifier avant de citer un jeu de données ?
Quatre contrôles, dans l'ordre. L'identifiant d'abord : la donnée porte t elle une référence stable, ou seulement un libellé qui peut changer d'orthographe. La date ensuite : à quand remonte la dernière mise à jour, et cette date est elle affichée.
Les défauts publiés, puis les sources. Une source qui montre ses erreurs et ses limites est plus utile qu'une source qui n'en parle pas, parce qu'on sait où placer la nuance. Une source qui cite ses propres sources permet de vérifier sans la croire. Bonnes pratiques des données sur le web rassemble ces exigences dans un document de référence, écrit pour les producteurs comme pour ceux qui réutilisent.
Pourquoi les identifiants stables comptent-ils pour un annuaire ?
Prenez une race, une commune, un élevage. Sur trois sites différents, le même objet porte trois libellés : une abréviation ici, un nom officiel là, une traduction ailleurs. Sans identifiant commun, les moteurs traitent ces trois pages comme trois sujets distincts, et chacune reste faible.
Avec un identifiant stable, les pages se rattachent au même objet et se renforcent. C'est le principe des données structurées appliqué à plus grande échelle, et c'est aussi la raison pour laquelle un annuaire qui publie ses identifiants rend service au delà de son propre référencement : il donne aux sites qui le citent une façon de désigner la même chose.
| Ce qu'on regarde | Ce que ça évite |
|---|---|
| Identifiant stable | Trois pages concurrentes pour un seul objet |
| Date de mise à jour | Une page qui cite un chiffre périmé |
| Défauts publiés | Une confiance aveugle dans une source |
| Sources et chaîne de traitement | Une donnée impossible à vérifier |
Comment citer sans recopier ?
La bonne pratique tient en trois gestes. Citer la donnée avec son identifiant, pas seulement son libellé. Dater la page qui la reprend, et reprendre la date quand la source se corrige. Renvoyer vers la fiche d'origine plutôt que vers la page d'accueil de la source, parce que c'est la fiche qui porte la preuve.
Le troisième geste est celui qu'on oublie le plus souvent, et c'est le seul qui se vérifie : un lien vers une page précise, dont l'adresse ne change pas, dit au lecteur où contrôler l'information. Un lien vers une page d'accueil lui demande de chercher.
Le journal des évolutions, la page que personne ne lit
Un journal des évolutions paraît technique. Il est en réalité la page la plus utile d'un site de données, parce qu'il permet de savoir ce qui a bougé sans relire l'ensemble. Un référentiel qui change un identifiant le note ; un annuaire qui retire une fiche le note ; une correction de méthode le note aussi.
Pour un site qui réutilise, ce journal fixe la fréquence de relecture. Une source qui corrige peu se relit une fois par an ; une source qui publie chaque mois demande une relecture au même rythme. Sans ce repère, la relecture se fait au hasard, c'est à dire jamais.
Le geste à retenir
Ouvrir la page du site qui cite le plus de chiffres, prendre la première donnée, et chercher sa fiche d'origine. Si la fiche se retrouve en une minute et que la date correspond, la page est tenue. Si la recherche prend un quart d'heure, la donnée doit être retirée ou rattachée avant la prochaine mise à jour.
Cette discipline rejoint celle de la vérification, déjà décrite pour les prestataires dans notre article sur les vérifications avant de signer : ce qui rassure n'est pas ce qui est affirmé, c'est ce qui peut être contrôlé.
Écrit par la rédaction de Live · Rubrique Référencement naturel · Une erreur, une précision ? Écrire à la rédaction.
