# Étude pilote sur la préparation à la concession de licence sur des données

Créé : 2026-11-17
Mis à jour : 2026-11-17

## Question et décision

Que doit préparer une organisation avant son premier échange avec un programme de concession de licence sur des données ou de fourniture de données ? Le lecteur visé possède ou gère un jeu de données organisationnel et doit pouvoir le décrire avec précision. Cette étude pilote examine si les étapes de prise de contact rendues publiques permettent de produire une fiche de préparation utile. Elle ne mesure pas la performance des fournisseurs et n’en recommande aucun.

Les 10 programmes de `observations.json` ont été sélectionnés avant l’actualisation principale des éléments de preuve, afin de couvrir différents types de prise de contact visibles dans un examen antérieur d’un annuaire des voies offertes aux fournisseurs. La sélection est raisonnée et non aléatoire : elle comprend des manifestations d’intérêt directes auprès de laboratoires, des places de marché, un annuaire examiné par des analystes, des licences de contenu, des données opérationnelles d’entreprise et des archives industrielles. L’annuaire antérieur n’est pas un recensement du marché. Aucun score antérieur, aucune activité de compte, donnée privée ou aucun classement subjectif n’entre dans ce jeu de données.

## Collecte

Date de recherche : 17 novembre 2026, Asia/Bangkok. Sources : pages publiques officielles des programmes en anglais, explications publiques directement pertinentes et libellés de prise de contact extractibles publiquement. L’outil de récupération web peut utiliser des copies indexées ; il s’agit d’une lecture datée des sources accessibles, et non d’un audit en temps réel certifié par les fournisseurs. L’article explicatif d’OpenAI a été publié initialement le 9 novembre 2023 ; il n’est pas considéré comme une nouvelle annonce.

Le périmètre s’arrête avant la saisie d’informations personnelles, la création d’un compte, l’acceptation d’un accord, le téléversement d’un échantillon ou toute soumission. Aucune de ces actions n’a été effectuée. Chaque enregistrement indique les sources précisément examinées et les limites de l’observation. Des pages explicatives publiques supplémentaires ont été utilisées lorsque la page d’entrée ne donnait pas accès au formulaire de candidature. La profondeur de l’examen varie selon les fournisseurs : les nombres d’éléments divulgués ne constitueraient donc pas des scores comparables.

L’extracteur n’a renvoyé aucun contenu exploitable du programme Turing Lazarus. La page d’accueil de The General Data Company était lisible, mais pas la voie de partenariat. Ces 2 cas restent dans l’échantillon fixe comme non observables pour cette question ; aucun n’est considéré comme fermé, inaccessible aux personnes ou dépourvu de procédure de prise de contact. Le programme public et la voie de contact de Protege étaient lisibles, mais pas les champs intégrés. Le formulaire intégré de Neudata n’a pas été extrait ; sa page publique décrivait la demande d’informations sur l’entreprise et le contact ainsi que les étapes suivantes.

## Codage

Un enregistrement représente un programme. `observation_status` vaut `substantive` lorsqu’au moins une source actuelle fournit des informations utiles sur la prise de contact ou la préparation ; il vaut `unobservable` dans le cas contraire. Un enregistrement substantiel ne signifie pas qu’un formulaire de candidature complet a été observé.

`first_action` décrit la voie d’entrée annoncée : `interest_form`, `account_creation`, `provider_application`, `listing_request`, `partner_form`, `meeting_request`, `estimate_or_contact` ou `unknown`. Cela ne signifie pas que l’action a été effectuée. `preparation` contient de courtes paraphrases d’éléments explicites des sources ; `later_stage` conserve la séquence indiquée par un fournisseur. `limitations` consigne les éléments non visibles. Les libellés des champs ne prouvent pas les règles de validation et les promesses des fournisseurs ne sont pas des résultats observés de manière indépendante.

La synthèse regroupe la préparation en 3 catégories : contexte de l’entreprise, caractéristiques du jeu de données, et autorisation et périmètre. Ces catégories d’organisation ont été créées par les auteurs. Elles constituent une interprétation pratique des observations, et non une échelle validée. Une information inconnue n’est codée ni comme zéro ni comme l’absence d’une exigence.

## Reproduction

Exécutez `python3 analyze.py` depuis ce dossier. Le script lit uniquement `observations.json` et produit `results.json` et `evidence-table.md` ; il n’effectue aucun appel réseau et ne comporte aucune dépendance tierce. Les assertions vérifient l’échantillon fixe, les dates, les catégories d’actions autorisées, les références aux sources et la distinction entre les enregistrements substantiels et non observables. Le résultat de 8/10 décrit uniquement les éléments de preuve lisibles dans cette étude pilote ; aucun intervalle de confiance ni pourcentage de marché ne serait approprié.

La reproduction de l’analyse à partir des observations fournies est déterministe. Pour reproduire la collecte, il faut consulter à nouveau les URL indiquées, dont le contenu peut changer. Le téléchargement contient volontairement des observations factuelles rédigées par les auteurs et des références aux sources, mais pas de pages web intégrales redistribuées, de captures d’écran, d’enregistrements de compte ni du corpus de recherche privé. Les droits d’auteur sur les sources liées restent la propriété de leurs titulaires. L’article, la fiche et les fichiers d’observation propres à Sapien1 peuvent être utilisés en tant que documents publiés sur le site ; ce paquet n’accorde aucun droit sur les jeux de données sources ou les contenus tiers.

Exécutez `python3 render-assets.py` pour reproduire les 2 figures SVG originales. La figure sur les points d’entrée utilise les enregistrements d’observation ; l’infographie sur la préparation présente la synthèse créée par les auteurs. Les 2 contiennent du texte, des titres et des descriptions modifiables.
