# Aujourd'hui : des données récupérées à la main

:::tip{title="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](/decisions/liste-officielle-et-annuaire-generique) |
| Identité des structures           | Rapprochement par numéro RNSR, puis ROR, Wikidata, scanR                     | [Sources](/donnees/sources)                                  |
| Personnes et projets              | Proxy Elasticsearch de l'interface scanR, non documenté                      | [Questions ouvertes](/projet/questions-ouvertes) (Q1)        |
| Activité et domaines              | Publications HAL moissonnées en entier, non republiées                       | [Chaîne de données](/architecture/chaine-de-donnees)         |
| Rattachement aux Graduate Schools | **Calculé** depuis les domaines HAL des publications, « proposé, à valider » | [ADR 011](/decisions/rattachement-par-domaines)              |
| Personnes publiées                | **Règle provisoire** : au moins N publications HAL récentes                  | [ADR 010](/decisions/publication-des-personnes)              |

Chiffres et volumes mesurés : [Couverture](/donnees/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](/decisions/source-de-verite)), 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](/projection/branchement-crisalid).