Annexe B — Glossaire

Ce glossaire regroupe les principaux termes techniques et conceptuels utilisés dans cet ouvrage. Les renvois indiquent le ou les chapitres où chaque notion est introduite ou approfondie.

Agile: Approche itérative de gestion de projet qui privilégie la livraison progressive de résultats plutôt qu’une planification rigide à long terme. → 3
Anonymisation: Processus consistant à supprimer ou à transformer les informations permettant d’identifier des individus dans un jeu de données, afin de protéger leur vie privée. → 4
API (Application Programming Interface): Interface permettant à deux logiciels de communiquer entre eux. En recherche, les API sont couramment utilisées pour extraire des données depuis des plateformes en ligne (médias sociaux, journaux, bases de données). → 6
Apprentissage machine (machine learning): Sous-domaine de l’intelligence artificielle dans lequel un algorithme apprend automatiquement à effectuer une tâche à partir de données d’entraînement, sans être explicitement programmé pour chaque cas. → 9
Apprentissage profond (deep learning): Technique d’apprentissage machine utilisant des réseaux de neurones artificiels à plusieurs couches pour modéliser des relations complexes dans les données. → 9
BibTeX: Format de fichier texte (.bib) utilisé pour stocker des références bibliographiques. Il est lu par LaTeX, Quarto et d’autres outils pour générer automatiquement des bibliographies formatées. → 5
Branche (branch): Dans Git, copie parallèle d’un dépôt permettant de développer des modifications de façon isolée avant de les intégrer à la version principale. → 4
Code source: Texte lisible par un humain constituant un programme informatique, écrit dans un langage de programmation. Les logiciels libres rendent leur code source accessible publiquement. → 1
Commit: Dans Git, enregistrement d’un ensemble de modifications dans l’historique du dépôt, accompagné d’un message descriptif. → 4
Covidence: Plateforme en ligne de gestion des revues systématiques. Elle structure les phases de tri, distribue les études entre les évaluateurs et documente chaque décision. → 5
CRAN (Comprehensive R Archive Network): Dépôt centralisé hébergeant les packages R validés et mis à la disposition de la communauté. → 2
Dette cognitive: Perte de capacité qui résulte de la délégation répétée d’une tâche intellectuelle à un outil. Le travail est fait, mais l’apprentissage qu’il aurait produit n’a pas lieu. → 9
DOI (Digital Object Identifier): Identifiant numérique permanent et unique attribué à une publication ou à un jeu de données, garantissant son accessibilité à long terme sur le Web. → 4
Données massives (big data): Ensembles de données dont le volume, la variété ou la vélocité dépassent les capacités des outils d’analyse traditionnels, nécessitant des infrastructures et des méthodes spécialisées. → 1
Données sensibles: Données permettant d’identifier directement ou indirectement des personnes, ou contenant des informations confidentielles. Leur conservation et leur partage sont encadrés par le comité d’éthique de la recherche. → 4
ggplot2: Package R de visualisation fondé sur la grammaire des graphiques. Un graphique s’y construit par couches successives plutôt qu’en choisissant un type prédéfini. → 7
Git: Logiciel libre de contrôle de version permettant de suivre l’historique des modifications d’un projet, de collaborer à plusieurs et de revenir à des versions antérieures. → 4
GitHub: Plateforme en ligne hébergeant des dépôts Git et offrant des outils de collaboration (issues, pull requests, révision de code). → 4
Grammaire des graphiques (grammar of graphics): Cadre théorisé par Leland Wilkinson qui décrit un graphique comme la combinaison de composants indépendants, les données, les correspondances visuelles, les objets géométriques et les échelles. → 7
Hallucination: Production, par un modèle de langage, d’une information fausse mais formulée avec assurance. Elle découle du fonctionnement même du modèle, qui optimise la vraisemblance du texte et non sa véracité. → 9
HTML (HyperText Markup Language): Langage de balisage utilisé pour structurer le contenu des pages Web. Utilisé aussi comme format de sortie par Quarto et Markdown. → 6
IDE (Environnement de développement intégré): Logiciel regroupant un éditeur de code, un débogueur et d’autres outils facilitant la programmation. Positron, RStudio et VS Code en sont des exemples courants. → 2
Intelligence artificielle générative: Catégorie de systèmes d’IA capables de produire du contenu nouveau (texte, image, code) à partir d’une requête, en s’appuyant sur des modèles de langage de grande taille. → 9
Kanban: Méthode visuelle de gestion de projet organisée autour d’un tableau divisé en colonnes représentant les étapes d’avancement des tâches (ex. : À faire, En cours, Terminé). → 3
LaTeX: Langage de composition typographique utilisé pour produire des documents de haute qualité, particulièrement adapté aux équations mathématiques et aux longs documents structurés. → 8
Licence GPL (General Public License): Licence de logiciel libre garantissant à tout utilisateur le droit d’utiliser, d’étudier, de modifier et de redistribuer le logiciel, à condition que les versions dérivées restent sous la même licence. → 1
LLM (Large Language Model): Modèle d’intelligence artificielle entraîné sur de très grandes quantités de texte, capable de générer, de résumer ou de traduire du texte de façon cohérente. ChatGPT en est un exemple. → 9
Logiciel libre: Logiciel dont le code source est librement accessible, modifiable et redistribuable selon des conditions définies par sa licence. À distinguer du logiciel gratuit (freeware). → 1
Markdown: Langage de balisage léger permettant de formater du texte à l’aide de caractères simples (ex. : **gras**, # titre). Il est à la base de Quarto et R Markdown. → 8
Métadonnées: Données décrivant d’autres données, comme le titre, l’auteur, la date de création ou les mots-clés associés à un fichier ou à une référence bibliographique. → 5
Package: Extension installable dans un langage de programmation (R, Python) qui ajoute des fonctions ou des capacités non présentes dans la version de base. → 2
Pandoc: Convertisseur universel de documents capable de transformer un fichier d’un format (Markdown, LaTeX, Word) vers un autre (HTML, PDF, DOCX). Quarto l’utilise en coulisses. → 8
Positron: Environnement de développement intégré créé par Posit pour l’analyse de données, présenté dans ce livre comme le successeur de RStudio. Construit sur la même base que VS Code, il exécute R et Python et accepte les extensions de ce dernier. → 2
Préinscription (preregistration): Pratique consistant à enregistrer publiquement, avant de collecter des données, les hypothèses et la méthodologie d’une étude, afin de renforcer la transparence et la reproductibilité. → 1
Principe FAIR: Ensemble de principes guidant la gestion des données de recherche : Faciles à trouver (Findable), Accessibles (Accessible), Interopérables (Interoperable) et Réutilisables (Reusable). → 4
Pull request: Dans GitHub, demande formelle d’intégrer les modifications d’une branche dans une autre, soumise à révision par les collaborateurs avant fusion. → 4
Python: Langage de programmation interprété, polyvalent et populaire en science des données, en apprentissage machine et en développement web. → 2
Quarto: Système de publication scientifique et technique permettant de combiner du texte narratif, du code et des résultats dans un même document, exportable en PDF, HTML ou Word. → 8
R: Langage de programmation et environnement logiciel libre spécialisé dans l’analyse statistique et la visualisation de données, très utilisé en sciences sociales. → 2
Reproductibilité: Capacité d’un autre chercheur à obtenir les mêmes résultats en utilisant les mêmes données et la même méthode. Pilier central de la science ouverte. → 1
Revue de portée (scoping review): Synthèse qui cartographie l’état des connaissances sur une question large, en repérant les concepts clés et les lacunes, sans évaluer la qualité méthodologique de chaque étude retenue. → 5
Revue systématique: Synthèse exhaustive et rigoureuse de la littérature scientifique sur une question précise, suivant un protocole préétabli et documenté (ex. : PRISMA). → 5
rvest: Package R d’extraction de données web. Il lit le code HTML d’une page et en extrait les éléments désignés par des sélecteurs CSS. → 6
Science ouverte: Mouvement visant à rendre la recherche scientifique plus transparente, accessible et reproductible, notamment par le partage des données, du code et des publications en libre accès. → 1
Scraping web (extraction automatisée): Technique de collecte automatique de données à partir de pages Web, généralement à l’aide d’un script qui analyse le code HTML pour en extraire les informations pertinentes. → 6
Scrum: Cadre de travail Agile structurant le développement en cycles courts appelés sprints, avec des rôles définis (Scrum Master, Product Owner) et des rituels réguliers (mêlées quotidiennes, rétrospectives). → 3
Sélecteur CSS: Expression qui désigne un ou plusieurs éléments d’une page web à partir de leur balise, de leur classe ou de leur identifiant. C’est ce qui permet à un extracteur de cibler l’information voulue. → 6
Snowballing: Technique de repérage bibliographique qui part de quelques publications clés, puis remonte vers les références qu’elles citent ou vers les articles qui les citent. Elle s’utilise à l’intérieur de n’importe quel type de revue. → 5
YAML (YAML Ain’t Markup Language): Format de sérialisation de données lisible par l’humain, utilisé notamment pour configurer les métadonnées d’un document Quarto (titre, auteur, format de sortie). → 8
Zotero: Logiciel libre de gestion bibliographique permettant de collecter, organiser et citer des références, et de les exporter vers des formats comme BibTeX. → 5