Pratiquer le secret dans le laboratoire

21L’ignorance qui fait l’objet de notre analyse découle également du secret comme pratique, cette fois, intérieure au laboratoire scientifique. À la différence des recherches décrites plus haut, nous sommes intéressés non pas par la manipulation stratégique de la « vérité » par les acteurs impliqués à diverses échelles dans l’implémentation d’une politique ou la vente d’un produit. Il n’est pas question dans notre étude d’utiliser le « doute » pour fragiliser une connaissance scientifique établie. Le choix sur ce qui est « communicable » est formulé plus en amont par les scientifiques et le caractère potentiellement « dangereux » d’un résultat est mesuré d’après les retombées attendues en termes de crédit scientifique qu’il est susceptible d’engendrer. Nous nous focalisons donc sur la production des résultats et sur la gestion que les scientifiques eux-mêmes leur réservent. Notamment, nous avons constaté que le secret entoure certaines anomalies quand elles sont perçues comme contraires aux intérêts des leurs découvreurs. Peu de travaux se sont focalisés sur le processus qui amène les scientifiques à garder certaines données secrètes et sur les raisons qui l’animent.

22Dans un ouvrage classique sur la communauté scientifique, Warren O. Hagstrom (1965) présente le secret comme un comportement déviant qui peut faire appel à diverses explications. Nous pouvons partir des raisons qu’il invoque pour préciser les spécificités de notre cas empirique. Du texte d’Hagstrom, on voit se dégager trois possibles fonctions du secret. En premier lieu, le scientifique choisit de ne pas dévoiler ses résultats pour prévenir l’appropriation et l’utilisation de ses idées par d’autres. Deuxièmement, la propriété des résultats peut être maintenue sur des résultats partiels obtenus au fur et à mesure du travail du scientifique, pour lui consentir, au moment opportun, de livrer l’aboutissement complet de ses recherches. Cela limite la possibilité que d’autres puissent l’anticiper et assure un impact majeur des publications. Un troisième cas de figure se dégage ; le secret peut se justifier par le manque de certitudes quant à la validité des idées du scientifique. Il peut alors décider de ne pas rendre public son travail en attente d’une accumulation de preuves suffisantes pour le rendre « fiable ». On voit dans cette typologie que le secret peut aider le scientifique à prévenir une conduite interdite (le vol d’idée), à augmenter la portée des résultats ou à se protéger d’une défaite embarrassante. Il est considéré à la fois comme une conduite malhonnête et comme un moyen de s’y opposer. Nous voudrions élargir la réflexion et discuter du secret dans un autre contexte, celui où le scientifique cache des résultats qu’il considère comme « vrais » non pas par crainte qu’ils soient utilisés frauduleusement mais pour éviter des conflits qui pourraient menacer sa carrière. Si Hagstrom décrit le secret comme une pratique plutôt solitaire, nous verrons, dans notre cas, sa dimension collective et négociée.

23De notre étude émerge que les décisions de communiquer ou pas des données nous informent sur la manière dont la contrainte de l’évaluation pèse sur l’élaboration même de la connaissance. La disparition de certaines données est le symptôme de l’environnement concurrentiel où les chercheurs doivent se démarquer par leur découverte, ce qui aboutit à une sélection des résultats « intéressants » parce que acceptables par des revues scientifiques (préférablement prestigieuses). Le secret comme réponse des acteurs, parfois négociée collectivement, révèle les effets des normes imposées par les éditeurs scientifiques sur la production même des résultats.

24La gestion des anomalies en science est désormais un thème classique. On peut penser à l’important travail de Susan Leigh Star (Star, 1985 ; Star & Gerson, 1987) qui retrace la trajectoire historique des anomalies qui peuvent changer de nature et évoluer selon les conditions théoriques, matérielles et sociales. En lignée avec les apports désormais classiques de la sociologie des sciences, nous faisons le constat que le succès d’un « fait » ne dépend pas seulement des résultats issus de la « paillasse », il trouve aussi ses raisons dans le contexte social et économique dont les normes doivent être à chaque fois délimitées. Ici les données de l’expérience, bien que concluantes, n’autorisent pas la mise en circulation d’une nouvelle « vérité », il faut invoquer d’autres paramètres pour expliquer pourquoi elle est passée sous silence. L’occultation d’une anomalie est justifiée à la fois par la crainte d’aller contre des connaissances dominantes et par l’obligation de produire des résultats « publiables ». Notre cas fournit des arguments en faveur de la flexibilité interprétative (Collins, 1981) car l’accumulation de preuves qui vont à l’encontre de résultats relatés par la littérature rend compte de l’existence de visions divergentes sur un même phénomène et, dans le même temps, du poids des contingences sur la reproduction des expériences.

25S’intéresser au secret permet d’identifier les pratiques qui s’écartent du partage des données auquel devrait viser le travail scientifique. C’est un bon moyen pour mettre au jour les possibles frictions entre plusieurs normes qui gouvernent le quotidien des chercheurs.

Des anomalies pas commodes

29L’ingénieur que nous allons suivre et que nous appellerons Jérôme est l’un des membres de l’équipe de cognition sociale, et bien que son contrat de chercheur post-doctorant ait été reconduit pour un an, sa situation professionnelle reste précaire. Brillamment diplômé, Jérôme a obtenu une thèse en physique dans une université parisienne où il a développé une méthode de mise en correspondance automatique de structures cérébrales issues d’images IRM. Il a ensuite intégré l’institut de neurosciences dans une autre région. Cet établissement existe depuis seulement quelques années, mais il a su se créer rapidement une réputation internationale. Fort d’une interdisciplinarité proclamée, l’institut s’appuie sur une diversité de thèmes de recherche, en favorisant une exploration du fonctionnement cérébral à différentes échelles et en mobilisant un grand nombre de techniques (électroencéphalogramme, microscopie optique, IRM, eye tracking, chirurgie expérimentale in vivo). Les acteurs de la recherche travaillent aussi en collaboration avec le monde médical, ce qui se traduit par une présence dans les équipes de professionnels exerçant en milieu hospitalier.

30Jérôme a été recruté par son équipe sur la base de son expertise en méthodes informatiques de traitement d’images, qui fournit une nouvelle approche pour la recherche d’une possible « signature » anatomique et fonctionnelle de pathologies où la « cognition sociale » est défaillante, comme l’autisme. Jérôme travaille sur plusieurs projets où il est question de comparer, avec différentes méthodes, des groupes d’images IRM du cerveau de patients atteints d’autismes et des groupes d’images de sujets sains. Le but est celui de mesurer, à l’aide de programmes informatiques spécifiques, les différences anatomiques entre le cerveau « normal » et le « cerveau autiste ». Une des études que Jérôme coordonne utilise un logiciel qui permet de générer, à partir d’images IRM, les réseaux cérébraux qui peuvent ensuite être visualisés et comparés.

31Les chercheurs en neurosciences cherchent de plus en plus à confirmer expérimentalement l’hypothèse d’un dysfonctionnement de connectivité (tant structurelle que fonctionnelle) qui caractériserait certaines formes d’autisme. En s’inspirant des concepts issus de la théorie des graphes, ils avancent l’idée que le réseau cérébral « normal » serait un réseau « petit monde » (plus connu sous l’appellation anglaise small world), caractérisé par un équilibre entre intégration (corrélations globales très efficaces) et ségrégation (corrélations locales très efficaces), et que le réseau cérébral des personnes atteintes d’autisme aurait des défauts d’intégration, ce qui expliquerait une désorganisation pathologique (Bassett & Bullmore, 2006 ; Barttfeld et al., 2011).

32Les images du cerveau utilisées dans ce projet sont issues d’une base qui réunit des données de neuro-imagerie associées à des informations phénotypiques (relatives au sexe, à l’âge, au diagnostic, au Q.I.) de sujets sains et de sujets autistes. Sur cette plateforme appelée ABIDE (Autism Brain Imaging Data Exchange) sont stockées plus de 1000 images IRM provenant d’institutions hospitalières et centres de recherche de différents pays. La mise à la disposition d’un grand nombre de données permet aux chercheurs de gagner en signification statistique et de pallier les critiques qui accusent les recherches en neuro-imagerie de surévaluer la portée de résultats produits dans le cadre d’expériences employant trop peu de sujets (Button, 2013 ; Ioannadis, 2008). Mais l’exploitation des images qui sont contenues dans la base de données n’est ni simple ni immédiate. Un long processus de traitement est nécessaire avant de procéder à leur comparaison. Les chercheurs doivent d’abord standardiser les matériaux pour pouvoir les regrouper et ensuite leur appliquer des traitements pour qu’ils soient « lisibles » par les logiciels qu’ils choisissent d’utiliser. En l’occurrence, les images viennent de sites différents, ce qui signifie qu’il faut vérifier, toujours à l’aide de programmes informatiques, celles qui peuvent être assemblées et comparées. Les données doivent aussi subir un traitement, à savoir une segmentation en régions, car l’identification de celles-ci est une étape préalable indispensable à la production des cartes des réseaux cérébraux via le logiciel choisi par les chercheurs. Les images issues de la base de données ne sont donc pas utilisées telles quelles, elles font l’objet d’une série d’opérations afin de répondre à des contextes d’usages spécifiques.

33L’équipe a recruté deux stagiaires issues d’une école d’ingénierie pour accompagner Jérôme dans ce travail qui se compose de plusieurs étapes, mais que nous n’allons pas décrire dans les détails. Ce qui nous intéresse ici, c’est la phase finale, celle de la génération des cartes des réseaux qui constituent les résultats de la recherche. Le chercheur et les deux étudiants ont constitué des groupes d’images homogènes selon différentes variables (âges, sites de provenance des données, type de diagnostic) et ont procédé à leur comparaison. Mais les cartes des réseaux qui dérivent des analyses du logiciel, s’avèrent très variables au point qu’il est impossible d’avancer des interprétations et elles sont, du coup, inutilisables. La variabilité des résultats est tellement importante que tout le travail réalisé jusque-là se révèle un échec. Un des stagiaires m’explique :

34

« […] ce qu’on observe, c’est pas qu’on n’a pas des résultats… mais c’est que les résultats varient énormément d’un sous-groupe à un autre, on a une énorme base de données, on compare à chaque fois autistes et contrôles, on a fait plein de groupes autistes et contrôles et chaque fois on a des choses différentes, c’est-à-dire qu’on n’a pas été capables de dire au travers de plusieurs sous-groupes d’autistes et de contrôles s’il y avait des différences qui étaient robustes. Donc, on s’est dit : on n’a pas des mesures objectives… toute la méthode nous donne des résultats qui ne sont pas reproductibles et ne nous donne pas de choses cohérentes et interprétables… »

35Devant l’incohérence manifeste de l’ensemble des résultats, Jérôme commence à douter du logiciel lui-même et décide alors de réaliser un « test » pour vérifier ses performances :

36

« On s’est dit : attends ! C’est tellement pas reproductible qu’on va faire quelque chose… On va comparer deux groupes de contrôles, pour voir si la méthode nous donne des différences du même ordre que celles qu’on trouve entre autistes et contrôles, et, si c’est le cas, ça veut dire que la méthode c’est n’importe quoi… »

37Cette intuition sera confirmée par le fait que les mêmes différences anatomiques entre les cerveaux des autistes et les cerveaux des contrôles sont détectées entre groupes de cerveaux contrôles confrontés entre eux. Jérôme et les deux stagiaires décident alors d’examiner les publications relatives à l’utilisation de la méthode en question. Celle-ci a été conçue au début des années 2000 et a été depuis utilisée par les neuroscientifiques pour l’étude de diverses pathologies. Voici la stratégie que Jérôme veut adopter pour tester le logiciel :

38

« On reprend la littérature où ils comparent des groupes contrôles avec différentes pathologies et on va voir ce qu’ils obtiennent dans les groupes de contrôles et on va les comparer entre les publications. Donc on voit s’ils retrouvent les mêmes choses… Parce que s’ils ne retrouvent pas les mêmes choses ça veut dire qu’effectivement dans la littérature ça se voit que la méthode a un problème et c’est ce qu’on a observé. »

39Après avoir constaté que les comparaisons de groupes contrôles, effectuées avec ce même logiciel, aboutissent à des résultats différents au travers des articles, Jérôme se convainc que des anomalies ont échappé aux relecteurs et aux responsables de revues. Les chercheurs essaient néanmoins d’écarter l’éventualité qu’ils soient responsables d’avoir, eux-mêmes, introduit des erreurs durant les analyses. Ils contrôlent alors scrupuleusement la segmentation du cerveau en régions, étape dont cette méthode dépend et qui peut contribuer à altérer les données. Mais cette précaution supplémentaire ne suffit pas à renverser l’incohérence des résultats.

40Arrivé à ce stade, Jérôme a réuni assez de preuves contre cet outil de traitement d’images et a vraisemblablement les raisons nécessaires pour les rendre publiques, mais ce travail de vérification et la confiance en ses observations ne sont pas suffisants. Rendre manifeste une anomalie n’est pas un acte anodin :

41

« […] publier un article en disant “cette méthode ne marche pas”, ça veut dire que tu publies un article où tu dis que ces dix articles [7] disent n’importe quoi ; quand tu fais ça et que t’es pas en poste, c’est un risque… »

42Précisons que Jérôme est un post-doctorant et qu’il cherche à entrer au CNRS. La position qu’il occupe semble donc une des raisons principales pour lesquelles il ne peut pas se « permettre » d’attaquer de front une partie de la communauté. Il rajoute même « si j’avais été en poste, il n’y aurait pas eu d’hésitation, on l’aurait fait ». Ces réticences ne sont pas seulement personnelles, elles sont surtout exprimées collectivement dans les rencontres entre le chercheur et ses collègues. Lors d’une réunion hebdomadaire, chaque chercheur présente la progression de ses travaux. À cette occasion, Jérôme illustre en détail, à l’aide de graphiques, les données obtenues avec la méthode de traitement d’images qui lui donne du fil à retordre. Une discussion vive s’engage avec les autres membres de l’équipe sur la manière de gérer ses résultats. Vu le temps et les moyens que le laboratoire a investis sur ce projet et les nombreux tests réalisés par Jérôme et ses stagiaires, la question de la fiabilité des résultats n’est pas remise en cause. Le chef d’équipe exprime ses réticences quant à la possibilité de rendre publiques ces découvertes. Il explique aux autres membres pourquoi publier un article visant à critiquer la méthode n’est pas raisonnable :

43

« C’est une bataille, c’est-à-dire que tu vas contre le courant, contre les gens qui ont publié, contre des gros labos et lui il s’appelle Jérôme S. c’est un petit, pas connu… C’est pas que c’est un combat qu’il faut abandonner, c’est juste que ce n’est pas le moment… Peut-être que l’année prochaine ça sera un combat qu’il faudra mener mais pour l’instant… c’est beaucoup plus dur de montrer que ça marche pas, que de faire un papier sur NeuroImage [8] pour dire : ah les autistes sont différents des contrôles ! »

44L’équipe se verrait donc tout entière exposée à un conflit ouvert avec de gros laboratoires et des revues importantes, celles qui ont accepté les articles sur la méthode controversée. Même s’il s’agit incontestablement d’un fait « nouveau », cette découverte ne semble pas susciter le même enthousiasme que l’on aurait accordé à des résultats attestant l’existence d’un « biomarqueur » de l’autisme. Lors d’une autre discussion, Jérôme précise :

45

« Démontrer qu’une méthode ne marche pas, c’est au moins aussi dur que démontrer qu’il y a une différence entre autistes et contrôles ou qu’on a des choses intéressantes à dire. Tu fais le choix, au lieu d’avancer dans la compréhension de la pathologie, tu fais le choix de démontrer un truc purement méthodologique, déjà ça intéresse beaucoup moins G. (responsable de l’équipe), etc. »

46L’orientation de l’équipe, ses objectifs et ses priorités sont ici mis en avant : un article méthodologique ne ferait pas avancer le travail et la visibilité de l’équipe autant qu’une découverte sur les spécificités anatomiques du cerveau des autistes. Toutefois, Jérôme décide d’effectuer un dernier essai en faisant varier la manière de calculer la corrélation entre les régions. L’espoir est celui d’éviter une « guerre » avec les concepteurs du logiciel et de trouver des solutions intermédiaires :

47

« On va regarder si, en changeant des petites choses dans la méthode, on ne peut pas résoudre le problème et dans ce cas-là c’est très différent parce que tu vas faire un papier où tu dis, regardez : cette méthode a un problème donc attention à ce qui a été fait jusque-là… Mais on a une solution, c’était pas très grave, voilà la solution qu’on apporte. Il y avait cette méthode, il y avait des trucs qui étaient aberrants… Maintenant, on a changé la méthode et elle ne donne plus des trucs aberrants. Donc, voilà on change cette pièce-là et on voit ce que ça donne. »

48Changer une des « pièces » ne permet pas de dépasser le problème qui est pour l’instant mis de côté en attendant que Jérôme change de statut. À ce moment-là, la solution envisagée par l’équipe est plutôt celle de programmer une visite de Jérôme dans le laboratoire étranger auquel le concepteur de la méthode informatique est rattaché. Cela permettrait de communiquer le problème par voies « officieuses » en évitant un conflit potentiellement nuisible pour les scientifiques français. Voilà un extrait des échanges relatifs aux stratégies d’action de l’équipe. Le chercheur qui participe à la discussion est un des trois neuro-imageurs de l’équipe, un jeune scientifique réputé à l’international spécialisé dans l’imagerie cérébrale appliquée à l’étude de l’autisme :

49

Chercheur : « Je lui dirai qu’il m’invite chez lui, je prends une semaine, je fais tourner les mêmes choses sur son machin… »
G. (Responsable de l’équipe) : « Voilà ça c’est le truc à faire, aller là-bas et à l’occasion d’un séminaire, ou je ne sais pas quoi, et tu dis voilà… et t’en discutes avec lui d’abord… »
Chercheur : « Ou alors il faudrait le faire en poster… »
Jérôme : « Ouais, il faut que je vienne avec une armure… ils vont être nombreux à venir voir mon poster… armés… » (rires)

50Au-delà de cette dernière boutade, le dévoilement du dysfonctionnement du logiciel semble vouloir être joué non pas ouvertement dans une publication, ce qui pourrait être considéré comme une attaque et qui exposerait l’équipe à des ripostes dangereuses, mais sur le plan informel de la visite ou du poster [9].

51Selon Young et ses collaborateurs (2008), rendre publics l’échec d’une expérience, la faiblesse d’une étude ou d’une technique n’est pas chose aisée. Critiquer publiquement une étude car sa réplication ne produit pas les mêmes données signifie souvent débuter une véritable « croisade ». C’est pour cela que les doutes quant à la pertinence d’un procédé ou à la véracité d’un ensemble de données font l’objet d’échanges informels et « prudents », au moins jusqu’à la formation d’une « masse critique » d’objections suffisante à faire valoir sa position :

52

« Les données négatives ou contradictoires peuvent être discutées lors de conférences ou entre collègues, mais elles font surface plus publiquement seulement quand un paradigme dominant est remplacé par un autre »

53Ainsi la transparence vis-à-vis de résultats « contradictoires » est aussi problématique. C’est ce qui ressort de nos observations autour d’une autre recherche où Jérôme mesure et compare, à partir d’images IRM de sujets « sains » et de sujets autistes, l’épaisseur et la longueur des sillons, les interstices qui séparent les circonvolutions cérébrales. Ces « objets » ont subi un regain d’intérêt depuis que, suite à l’introduction et au perfectionnement des technologies informatiques appliquées aux données d’imagerie à la fin des années 1990, ils ont pu être identifiés et modélisés automatiquement. Les sillons sont devenus alors des repères anatomiques quantifiables et élus à possibles biomarqueurs de pathologies neurologiques, comme l’autisme.

54Une des étapes de l’étude prévoit que le chercheur calcule la corrélation des valeurs morphométriques [11] avec des données comportementales utilisées dans l’évaluation diagnostique de l’autisme pour vérifier la correspondance entre un comportement et un trait physique. Mais les résultats issus des mesures effectuées sur les images ne coïncident pas avec les résultats des corrélations avec les échelles diagnostiques des comportements. Jérôme explique :

55

« Dans notre travail, on a fait les différences entre les groupes. On a des corrélations avec les scores comportementaux, on a eu des corrélations significatives… sauf qu’elles vont dans le mauvais sens, ça veut dire qu’on a un sillon qui est plus profond chez les autistes que chez les contrôles, sauf que quand on corrèle avec un score de sévérité, plus le sillon est profond et moins on est autiste, c’est pas cohérent. »

56Jérôme dit que la corrélation ne va pas dans le « bon » sens et, même s’il considère ce résultat comme digne d’intérêt, il affirme aussi ne pas pouvoir prétendre publier son article dans des revues avec un « impact factor » très élevé. Pour cela, il aurait fallu tout au moins « minimiser » la contradiction, c’est-à-dire en partie l’ignorer :

57

« Il y en a qui décident même de ne pas mentionner dans quel sens va la corrélation. Mais notre point de vue, c’est que le fait qu’il y a une corrélation c’est important, ça veut dire quelque chose. O.K., on ne sait pas l’interpréter, mais c’est mieux que s’il n’y avait pas de corrélations, donc on va assumer qu’il y a une corrélation qui va dans le mauvais sens et le mettre noir sur blanc. »

58Dans cet exemple on voit qu’« avouer » un « mauvais » résultat (dans ce cas une corrélation contradictoire entre données comportementales et mesures relatives à la morphologie des sillons) signifie encourir le risque du rejet de publication de la part des revues les plus prestigieuses. Le fait de ne pas pouvoir fournir une interprétation claire des résultats est jugé négativement et semble constituer un écueil que l’on peut minimiser en évitant de mentionner toutes les informations, comme démontré par une étude précédente (Anichini, 2014).

Normes pratiques et ethos du partage

59Les exemples décrits ici témoignent des réticences vis-à-vis de certaines informations qui pourraient entraver ou porter préjudice à la carrière des chercheurs. Qu’il s’agisse de preuves qui contestent le bon fonctionnement d’un logiciel ou de données qui s’opposent au sens des prédictions, ces résultats sont considérés problématiques et font l’objet d’un traitement particulier. La possibilité que ceux-ci soient rejetés, qu’ils soient au centre d’un conflit entre laboratoires, ou simplement le risque qu’ils ne reçoivent pas assez d’attention et d’intérêt de la part de la communauté scientifique, sont autant de raisons qui expliquent le refus des chercheurs à les partager. Nier l’accès à ces connaissances, pratique que nous avons interprétée comme étant un type de fabrication de l’ignorance, nous a permis de comprendre, par la nature des résultats « éliminés » et les réactions qu’ils suscitent, comment les normes d’évaluation des résultats de la recherche, imposées notamment par les revues scientifiques, agissent sur les laboratoires et ses membres. Nous avons vu qu’une découverte « positive », à savoir la détection d’une différence anatomique entre cerveaux normaux et autistes, est à la fois plus rentable et moins risquée que le dévoilement du dysfonctionnement d’une méthode de traitement d’images. La publication des deux découvertes ne revêt pas les mêmes enjeux pour le laboratoire et n’a pas les mêmes effets sur la carrière des individus intéressés.

60En premier lieu, la question de l’ignorance volontairement entretenue sur un certain type de données et le processus de triage des résultats qui en ressort permet d’identifier les injonctions que les chercheurs doivent satisfaire pour assurer leur position. Ces derniers sont évalués de plus en plus sur la base du nombre, mais aussi de la nature, des découvertes présentées. Une offre trop « large » de résultats qui fait face à un éventail relativement restreint de revues et des ressources limitées amènent les comités de lecture des revues scientifiques à préférer les données avec des effets « positifs » (par rapport à l’hypothèse attendue) ou spectaculaires, mais aussi « ceux qui portent la promesse d’une exploitation commerciale ou biotechnologique, ou ceux susceptibles d’être signalés au grand public dans les médias de masse » [12] (Young, Ioannidis, & Al-Ubaydli, 2008, p. 5, notre traduction). Pour favoriser l’acceptation de leur travail par les pairs et leur intégration dans la communauté scientifique, les scientifiques tendent à minimiser ou occulter les échecs et à surévaluer les résultats qui sont favorables aux prédictions du protocole expérimental.

61En deuxième lieu, le choix du secret autour d’une partie des données nous amène à faire dialoguer les pratiques scientifiques avec les idéaux de transparence et de mutualisation auxquels les chercheurs sont censés adhérer. Dans le domaine de la neuro-imagerie, à cause du nombre d’études publiées, de la variabilité des résultats et des pratiques, mais aussi de la complexité des traitements réservés aux images du cerveau, les chercheurs sont de plus en plus tenus à rendre publics tous les éléments utiles à la reproduction des expériences. Selon Button et ses collaborateurs (2013), pour minimiser le « coût » de la variabilité des pratiques individuelles, le chercheur « honnête » doit accorder les hypothèses aux résultats publiés, rendre publics les échecs, fournir toutes les informations relatives au protocole. L’ethos [13] qui est véhiculé par les recommandations de Button incite les chercheurs à admettre publiquement les limites statistiques de leurs études, à publier les résultats négatifs ou incohérents, à partager les données, à rendre disponibles les métadonnées et à préférer la collaboration avec d’autres scientifiques. Mais ces principes s’adaptent difficilement au contexte socio-économique actuel caractérisé par une augmentation de l’offre scientifique et par des ressources rares. Ce contexte se répercute sur les choix des individus de partager ou pas leurs données. D’autres éléments confirment que, pour le chercheur, le partage a parfois un « prix » qu’il n’est pas prêt à payer. Dans une discussion sur la transparence vis-à-vis des métadonnées dans les publications, un autre chercheur explique :

62

« Pour mettre à disposition toutes les données, tous les traitements pour que tout le monde puisse les refaire, il faut que tu fasses un effort supplémentaire pour que les traitements soient nickels et même faciles à mettre en œuvre, simplement il faut que tu passes du temps, toi, à faire en sorte que ce que tu fais soit facile à refaire. […] Ça exige de faire les choses beaucoup plus propres et ça exige donc de passer plus de temps sur l’étude, et de publier moins, ce qui est complètement opposé aux instances qui financent aujourd’hui… »

63Ici, encore une fois, l’évaluation de l’efficacité du travail scientifique sur la base de la productivité ne semble pas compatible avec le partage de toutes les informations qui seraient indispensables à la reproduction des résultats, avec des conséquences évidentes sur la détérioration de la connaissance. Les « normes pratiques » (De Herdt & Olivier de Sardan, 2015) qui émergent de notre étude de terrain témoignent donc des injonctions concrètes qui façonnent le travail scientifique et répondent à des stratégies adoptées pour « survivre » dans un contexte de plus en plus compétitif.

64Le secret et l’ignorance qui en découle constituent une voie privilégiée pour appréhender les mécanismes de contournement et les espaces de négociation autour de ce qui peut être mis en commun et de ce qui doit rester « dans les tiroirs ». À l’ère du numérique, il est intéressant de réfléchir aux zones d’ombres qui peuvent obscurcir le tableau de l’open data et de la science ouverte qui portent l’idée, plus ancienne, du partage désintéressé de la connaissance. Si d’un côté on incite les chercheurs à alimenter les bases de données, à embrasser des pratiques collaboratives et à être irréprochables quant aux conditions de réalisation de leurs expériences, de l’autre côté la compétition qui régule l’acquisition du capital scientifique rend difficile, en pratique, d’adopter sans réserves ces conduites. Bien que l’ouverture et le partage de données scientifiques soient de plus en plus souhaités et valorisés, certaines informations sont perçues par les scientifiques comme capables de porter préjudice à leur carrière.