Projection
Aujourd'hui : des données récupérées à la main
En bref
- Aucune donnée ne vient encore de l'établissement par un canal prévu pour : tout est récupéré par nos soins, source par source.
- Les trous des sources sont comblés par des arbitrages de l'équipe (liste des structures, Graduate Schools, personnes publiées), affichés comme provisoires.
- Ça marche — 248 structures, 7 766 personnes, 3 647 projets à Paris-Saclay — mais rien de tout cela n'est officiel, et chaque régénération coûte environ 25 minutes de moisson.
🧺 Ce qui est récupéré, et comment
| Donnée | Récupérée comment | Référence |
|---|---|---|
| Liste des structures | Lecture page par page de l'annuaire public (248 fiches, une par seconde) | ADR 013 |
| Identité des structures | Rapprochement par numéro RNSR, puis ROR, Wikidata, scanR | Sources |
| Personnes et projets | Proxy Elasticsearch de l'interface scanR, non documenté | Questions ouvertes (Q1) |
| Activité et domaines | Publications HAL moissonnées en entier, non republiées | Chaîne de données |
| Rattachement aux Graduate Schools | Calculé depuis les domaines HAL des publications, « proposé, à valider » | ADR 011 |
| Personnes publiées | Règle provisoire : au moins N publications HAL récentes | ADR 010 |
Chiffres et volumes mesurés : Couverture.
⚠️ Pourquoi ça ne peut pas durer
- Pas de source d'autorité : le rattachement d'un chercheur à une unité est déduit, jamais déclaré. Une fiche juste l'est par recoupement, pas par construction.
- Des accès fragiles : le proxy scanR peut fermer, l'annuaire peut changer de gabarit, theses.fr échoue déjà, OpenAlex épuise son budget gratuit.
- Des corrections impossibles à remonter : une erreur vue sur la vitrine se corrige dans la source d'origine (ADR 001), mais aucune de ces sources n'appartient à l'établissement.
- Une régénération lourde : 2 Go de brut, environ 25 minutes, hors Git.
CRISalid répond aux trois premiers points : c'est le référentiel de l'établissement, alimenté par ses propres circuits, avec un espace de correction pour les chercheurs (SoVisu+). D'où la suite : le branchement.