L'utilisation par Hal de vocabulaires contrôlés disciplinaires pour l'indexation des publications a tout d'une bonne nouvelle. En effet, l'utilisation des années durant, de mots-clés libres a généré une "dette technique de données" qui rend délicate pour les établissements, par exemple, la caractérisations des profils d'expertise des chercheurs ou des laboratoires. ¹ Pour rendre le problème plus parlant, voici la liste des variantes de graphies pour quelques mots clés obtenues depuis l'API Hal :

Idéalement, pour gérer les informations sur la recherche selon les canons des "FAIR Data", il faudrait disposer pour chaque concept d'un identifiant unique (une URI) se prêtant, si possible, à un "déreférencement" : une opération qui consiste à . Par exemple, pour "Partenariat public-privé", si on dispose d'une URI telle que https://catalogue.bnf.fr/ark:/12148/cb13755654m ou https://www.idref.fr/061611514, on peut obtenir des traductions, des alignements avec des vocabulaires tiers (https://id.loc.gov/authorities/subjects/sh96011049.html), etc.

Exemple : les données indexées avec JEL

Raison de plus pour vouloir tirer parti au maximum des quelques vocabulaires contrôlés utilisés sur Hal ! C'est ce que nous avons voulu faire dans le cadre du projet SoVisu+, du consortium CRISalid, où plusieurs établissements œuvrent ensemble à la construction automatisée de leur "graphe de connaissance institutionnel", socle de la gestions des informations sur la recherche.