10  Données et éthique 🗂️

Le CAPP partage certaines de ses données avec des chercheur·es, des étudiant·es et des journalistes. Ce chapitre explique comment sont conservées les réponses à nos sondages, où trouver le catalogue de nos données, comment vérifier leur état dans tube et comment on traite une demande d’accès.

10.1 Portée

  • Données non sensibles : Radar+, Agora+ (incluant Agora+ Europe), Polimètre. Elles suivent le processus décrit ici.
  • Données sensibles : Datagotchi, sondages, Quorum. Toute demande est escaladée à Yannick Dufresne et Shannon Dinan, hors de ce processus.

Pour savoir ce que contiennent ces jeux de données, consultez leurs sites : Radar+, Agora+ (corpus, périodes couvertes et donnée la plus récente), Polimètre (promesses et verdicts; voir sa méthodologie) et Datagotchi. Ils sont décrits au chapitre Projets.

10.2 Banque de données de sondage

Avec l’accord des répondants, les réponses à nos sondages sont conservées dans la banque de données liée aux projets du CAPP. Le Comité d’éthique de la recherche de l’Université Laval l’a approuvée (no 2021-065 CG A-3 R-2 / 21-05-2026). Son cadre de gestion comprend le formulaire d’information et de consentement présenté aux répondants, en français et en anglais. Ce formulaire fixe les règles suivantes :

  • Responsables : Yannick Dufresne et Shannon Dinan.
  • Hébergement : serveurs canadiens et sécurisés d’Amazon Web Services (AWS). La conservation est d’environ 30 ans; la destruction est prévue vers 2050.
  • Anonymat : toutes les données de la banque sont anonymes ou anonymisées. Les noms ne sont pas recueillis. Les informations qui pourraient permettre de réidentifier une personne sont séparées des réponses et conservées de façon sécurisée.
  • Accès : les chercheurs principaux peuvent ouvrir les données, sous forme anonyme ou anonymisée, à d’autres chercheur·es ou étudiant·es qui en font la demande. Leur projet doit avoir été approuvé au préalable par un comité d’éthique de la recherche. C’est pourquoi toute demande d’accès à des données de sondage est escaladée à Yannick Dufresne et Shannon Dinan (voir Portée).
  • Usage : recherche universitaire seulement, sur les attitudes, les comportements politiques et les caractéristiques des électeurs.
  • Retrait : un répondant ne peut pas retirer ses réponses après la collecte, puisqu’elles ne peuvent être reliées à personne.
  • Contact : capp@ulaval.ca.

10.2.1 Panel de répondants : la Communauté Ellipse

La Communauté Ellipse est le panel de répondants du CAPP : des citoyen·nes qui acceptent d’être invité·es à nos sondages d’opinion publique, pour soutenir la recherche sur la démocratie. Ses contacts, ses formulaires d’inscription et ses campagnes de courriels sont gérés dans Cyberimpact, une plateforme québécoise d’envoi de courriels. Hugo Catellier en est responsable. La documentation est sur la page Notion Communauté Ellipse, réservée à l’équipe. Pour toute question sur le panel, écrivez à Hugo.

10.3 Données à conserver ou à supprimer

Le CAPP conserve les données de ses projets internes, et seules celles-là figurent au catalogue. Les données suivantes doivent être supprimées et ne vont pas au catalogue :

  • les données d’un contrat d’Ellipse réalisé pour un partenaire externe, quand elles ne servent à aucun projet interne : par exemple, les sondages faits pour l’INSPQ, le CCSA ou le Barreau;
  • les données collectées pour une seule publication scientifique ou académique : par exemple, un corpus construit pour un mémoire.

Les partenariats qui nourrissent un projet interne restent au catalogue : Boussole, Quorum, Musée de la civilisation.

10.4 Où vont les données

  • Dans tube, dès que possible, y compris les données sensibles (voir Portée). Le README de tube explique comment les y ajouter selon leur nature : voir ses sections « Injecter des données brutes dans la plateforme Ellipse » (collecte automatisée, pipeline semi-automatisé, dimensions, dictionnaires) et « Publier un jeu de données dans un datamart » (ellipse_publish(), pour un jeu issu de vos analyses).
  • En attendant leur transfert, les données qui ne sont pas encore dans tube restent dans un dossier partagé Dropbox dont le nom débute par _SharedFolder, rangé dans le dossier «CAPP» de votre Dropbox (voir Dropbox). Vos scripts les lisent directement dans ce dossier.
  • Jamais dans un repo ni sur GitHub, même privé.

Le README de tube fait foi : si cette section et lui se contredisent, suivez le README (voir Git et GitHub). En cas de doute, demandez dans #00__données-éthique.

10.5 Rôles

Rôle Personnes
Responsable des demandes (fonction Données-éthique) Alexandre Fortier-Chouinard (intérim), puis Jules Piral
En CC de toutes les réponses; décident en cas d’escalade Yannick Dufresne et Shannon Dinan
Champions de la qualité des données Radar+ : Adrien Cloutier · Polimètre et dictionnaires : Alexandre Fortier-Chouinard · Agora+ Europe : à désigner

10.6 À votre arrivée au CAPP

Pendant votre formation :

  1. Lisez ce chapitre.
  2. Parcourez le catalogue de données pour savoir ce qui existe.
  3. Demandez vos clés d’accès AWS à Patrick Poncet sur Slack, puis installez tube en suivant son README.
  4. Faites l’exercice de la section Valider l’état des données dans tube et signalez toute anomalie dans #00__données-éthique.
  5. Si vous recevez une demande d’accès aux données, n’y répondez pas vous-même : transférez-la au responsable des demandes.

10.7 Catalogue de données

Le catalogue recense nos jeux de données : contenu, période, taille, emplacement et sensibilité.

  1. Vérifiez que vous avez accès à l’organisation GitHub clessn (voir Premières étapes).
  2. Ouvrez le catalogue de données. GitHub l’affiche sous forme de tableau.
  3. Cherchez un nom avec la recherche de votre navigateur (⌘F ou Ctrl+F), par exemple Agora ou Datagotchi.

Les colonnes à regarder en premier :

  • nom, periode et n : ce que contient le jeu;
  • emplacement : où le trouver, dans sa version la plus à jour;
  • autres_versions : les copies et les versions moins à jour, et où elles se trouvent. (table vide) signale une table qui existe, mais sans données;
  • sensibilite : sensible ou non_sensible;
  • a_verifier : ce qui reste à confirmer.

Le catalogue suit une règle simple : une ligne correspond à une chose qu’on peut ouvrir, soit une table, un fichier ou un dossier qui forme un tout.

  • Les mêmes données à plusieurs endroits forment une seule ligne : la version la plus à jour dans emplacement, les autres dans autres_versions. Deux lieux restent dans emplacement seulement s’ils se complètent, par exemple quand l’un contient une séance absente de l’autre.
  • Un sous-ensemble d’un jeu est fusionné dans la ligne du jeu complet.
  • Des instruments, des populations ou des vagues différents forment des lignes distinctes, même dans un projet : Datagotchi application et panel, les six Omnibus.
  • Les fichiers de même nature d’un projet sont regroupés : Polimètre (promesses, mastersheets, importsheets).

Pour les tables de tube, n, periode et statut viennent de tube lui-même (ellipse_discover). Pour le reste, ils viennent de vérifications notées dans sources.

Les autres colonnes sont décrites dans le guide du catalogue.

La colonne emplacement commence toujours par le système où aller : tube, hublot, clessnhub, quorum, Dropbox, GitHub, Google Analytics, Cloudflare R2, VALERIA ou Inconnu. Le guide du catalogue explique comment accéder à chacun.

Pour les données sur Dropbox, l’emplacement donne le nom du dossier partagé, puis le chemin à l’intérieur. Par exemple, Dropbox, _SharedFolder_catalogue-donnees : Data/recensement2016/ désigne le dossier Data/recensement2016/ de _SharedFolder_catalogue-donnees. Si vous n’y avez pas accès, demandez son partage dans #00__données-éthique. Une fois le dossier reçu, rangez-le dans le dossier «CAPP» de votre Dropbox, hors du repo du projet (voir Où vont les données).

Inconnu veut dire que personne n’a encore retrouvé ces données. Si vous savez où elles sont, écrivez-le dans #00__données-éthique.

Le catalogue est interne : ne le transmettez pas à l’extérieur du CAPP.

10.7.1 Anciens hubs

Avant tube, nos données étaient dans des « hubs ». Quelques jeux n’ont pas encore été transférés dans tube : la colonne emplacement du catalogue indique lesquels (hublot, clessnhub ou quorum).

  • hublot : accès au hub 3, aussi appelé clHub. Il contient encore, entre autres, les plateformes électorales fédérales de 2021 et québécoises de 2022, le débat des chefs québécois de 2022, les projections Qc125 de 2022 et les pages d’accueil de Radar+ V3.
  • clessnhub : accès au hub 2. Il contient encore les tweets des acteurs politiques et des médias, les conférences de presse à l’Assemblée nationale et des banques éthiques sensibles, dont les panels du Civimètre.
  • clessnverse peut aussi lire ces deux hubs.
  • quorum : interface R des API du Projet Quorum pour Radar+ et Agora+. Son dépôt est archivé depuis 2022. Le catalogue donne plutôt la base MySQL de Quorum, qui s’ouvre par un tunnel SSH : elle contient les pages d’accueil de Radar+ V2 (2021 à 2023).
  • Le hub 1 est éteint : ses données ne sont plus accessibles.

10.7.2 Radar+ en bref

Radar+ collecte, toutes les 10 minutes, la page d’accueil de chaque média et sa une, c’est-à-dire l’article mis en avant. Le temps qu’un article reste à la une mesure la saillance d’un sujet, ce que les archives comme Factiva ou Eureka ne permettent pas. Les données ont connu quatre versions, avec des périodes, des médias et des emplacements différents : voir les lignes radar_v1 à radar_v4 du catalogue.

10.8 Valider l’état des données dans tube

Avant de partager des données, et pendant votre formation, vérifiez qu’elles existent et qu’elles sont à jour en PROD. Utilisez tube 0.9.9 ou plus récent.

Radar+, Agora+, dimensions et dictionnaires sont dans l’entrepôt de données (datawarehouse) :

library(tube)
con <- ellipse_connect(env = "PROD", database = "datawarehouse")

# 1. Tables disponibles, par catégorie (Agora+, Radar+, Dimension, Dictionnaire...)
ellipse_discover(con)

# 2. Colonnes d'une table; is_partition indique les partitions (souvent des dates)
ellipse_discover(con, "r-media-headlines")$columns

# 3. Nombre de lignes par partition, triées : les plus récentes sont à la fin (environ 2 minutes pour cette table)
ellipse_partitions(con, "r-media-headlines") |> tail()

# 4. Nombre total de lignes (utile pour les tables sans partition, comme les dictionnaires)
DBI::dbGetQuery(con, 'SELECT COUNT(*) AS n FROM "dict-political-parties-qc"')

ellipse_disconnect(con)

Le Polimètre est dans le lac de données (datalake) :

con_dl <- ellipse_connect(env = "PROD", database = "datalake")

# Versions (tags) du Polimètre et leur date de création
ellipse_discover(con_dl, "polimeter")

ellipse_disconnect(con_dl)

À vérifier pour chaque table visée :

  • Présente en PROD : une table qui n’existe qu’en DEV n’est pas prête à être partagée.
  • Non vide : un compte de 0 est une anomalie.
  • À jour : la dernière partition ou version doit être récente. Par exemple, les unes de Radar+ sont collectées toutes les 10 minutes.
  • Conforme au catalogue : n, periode et statut de la ligne du catalogue correspondent à ce que montre tube.

En cas d’anomalie, écrivez dans #00__données-éthique en mentionnant le champion du jeu de données.

10.9 Traiter une demande d’accès

Pour chaque demande :

  1. Répondre avec le gabarit Premier contact, qui contient le lien vers le formulaire d’accès aux données. Une notification arrive dans #00__données-éthique quand le formulaire est rempli.
  2. Vérifier que les données demandées sont à jour (voir Valider l’état des données dans tube).
  3. Tenir l’équipe au courant de ce qui manque ou est périmé, dans #00__données-éthique, en mentionnant le champion.
  4. Évaluer la demande selon les critères : accepter, poser des questions de suivi, escalader ou refuser.
  5. Répondre dans les 3 à 5 jours suivant le formulaire :
    • demande acceptée : partager les données avec le gabarit Envoi des données et les références de citation;
    • demande refusée : envoyer le gabarit Refus;
    • données absentes ou incomplètes : l’indiquer au demandeur et proposer ce qui est disponible.
  6. Mettre à jour :
    • la base des demandes : statut, « Autorisé par », date d’approbation, notes (conditions, données partagées);
    • le catalogue : signalez dans #00__données-éthique tout écart entre le catalogue et ce que montre tube.
  7. Faire le suivi après quelques mois : vérifier l’utilisation des données et recenser les publications qui les citent (rapports d’activité, demandes de financement).

10.9.1 Critères d’évaluation

Accepter si toutes ces conditions sont remplies :

  • Le formulaire est rempli et les deux engagements sont acceptés : usage conforme au projet décrit, citation selon nos références.
  • Les données demandées sont non sensibles (Radar+, Agora+, Polimètre).
  • Le projet est identifiable : titre, description, institution, poste.
  • L’usage relève de la recherche, de l’enseignement ou du journalisme.
  • Les bases et la période demandées correspondent au projet décrit.

Poser des questions de suivi si la description est vague, ou si les bases ou la période demandées dépassent les besoins du projet (p. ex., toutes les bases cochées par défaut).

Escalader à Yannick et Shannon si :

  • la demande porte sur des données sensibles;
  • le demandeur prévoit diffuser publiquement les données brutes;
  • l’usage est commercial ou partisan;
  • la demande est ambiguë ou stratégique.

Refuser si :

  • les engagements ne sont pas acceptés, ou le formulaire reste incomplet après une relance;
  • l’escalade conclut au refus.

10.9.2 Gabarits de courriels

  • Envoyer depuis votre compte universitaire individuel.
  • Mettre en CC Yannick, Shannon et l’adresse institutionnelle (CLESSN ou CAPP) qui a reçu la demande.
  • Ajouter les liens applicables (formulaire, Dropbox, références de citation).

10.9.2.1 Premier contact

Dear [name],

Thank you for your request!

Please take 2-3 minutes to read carefully and fill this form: CAPP data access form. We will be in touch 3-5 days after your request is sent (either with the data itself or with follow-up questions). If you do not receive an answer by that time, please send us a reminder.

Let us know if you have any questions about the form!

Best regards,

[Nom, titre, CAPP]

10.9.2.2 Envoi des données

Dear [name],

Here is the data you requested: [lien Dropbox]. [Précisions sur les fichiers, au besoin.]

Please cite the data as follows: [référence(s) de citation].

Let us know if you have any questions or if the link does not work.

Best regards,

[Nom, titre, CAPP]

10.9.2.3 Refus

Dear [name],

Thank you for your interest in our data. Unfortunately, we are unable to share the data you requested [motif, p. ex. : because it contains sensitive survey data].

[Au besoin : ce qu’on peut offrir à la place, p. ex. des données agrégées ou les données publiques du Polimètre.]

Feel free to contact us if your project changes or if you have any questions.

Best regards,

[Nom, titre, CAPP]