Calcul scientifique, bioinformatique, simulation et informatique quantique : audit, conseil, formation et assistance technique pour l'enseignement et la recherche

Reproductibilité, code et chaînes d'analyse : le cadre de travail

Reproductibilité, science ouverte et plans de gestion de données

Un calcul scientifique est reproductible lorsqu'un tiers, muni du code, des données et de la description de l'environnement, retrouve le même résultat. Pour les données, la référence de la science ouverte est celle des principes FAIR (Findable, Accessible, Interoperable, Reusable, facilement trouvables, accessibles, interopérables et réutilisables) : faciles à trouver, accessibles, interopérables, réutilisables. La Stratégie de science ouverte 2026-2033 du ministère chargé de l'enseignement supérieur et de la recherche fixe notamment un objectif d'ouverture des données selon ces principes, en s'appuyant sur l'infrastructure Recherche Data Gouv.

Le plan de gestion de données est l'outil qui rend ces principes concrets pour un projet. La FAQ de l'ANR indique que les bénéficiaires d'un projet financé s'engagent à en fournir un pour les appels lancés à partir de son plan d'action 2019 : une première version six mois après le début scientifique, puis des mises à jour à mi-parcours (pour les projets de plus de 30 mois) et à la fin. Le plan ne constitue pas une obligation d'ouverture des données.

Concrètement : une unité obtient un projet de 36 mois. Le plan de gestion de données est dû six mois après le début scientifique. Si personne n'a écrit où vit le code ni qui sauvegarde quoi, il sera rédigé dans l'urgence par un doctorant. Pour la direction, le risque est un livrable en retard ou sans rapport avec la pratique. Pour l'équipe, le plan n'a de valeur que s'il décrit ce qu'elle fait réellement. Pour le doctorant, c'est une charge qui ne figure dans aucune fiche de thèse. Effet contre-intuitif : ce plan n'oblige pas à ouvrir les données. Un plan honnête peut décrire des données fermées, en disant pourquoi.

Le code, les langages et les licences

Le code est un produit de la recherche au même titre qu'un article. Python, R, C++, FORTRAN et MATLAB coexistent souvent dans une même unité, parfois dans une même analyse. Un dépôt Git bien tenu garde l'historique, permet la relecture et prépare le dépôt du code dans une archive pérenne.

Les licences sont l'autre point sensible. MATLAB, Mathematica, Stata, IBM SPSS Statistics, Gurobi Optimizer ou IBM ILOG CPLEX sont vendus ou prêtés à l'établissement dans des conditions académiques qui varient d'un éditeur à l'autre : licence de site, licence nominative, usage limité à la recherche et à l'enseignement. Le même programme, utilisé pour un contrat avec un partenaire privé, peut sortir du cadre prévu. Le contrat de licence fait foi, et son interprétation relève de votre service juridique. Nous aidons à recenser les usages et à poser les bonnes questions, sans rendre d'avis de droit.

Concrètement : un laboratoire utilise une licence de site pour des calculs d'optimisation. Il signe ensuite un contrat de recherche avec une entreprise, et les mêmes modèles servent à ce contrat. La direction doit vérifier avant le lancement si l'usage est couvert, sous peine de devoir renégocier en cours de projet. L'équipe doit savoir quel modèle a servi à quel contrat. Le partenaire, lui, attend des résultats datés et tracés. Un registre des logiciels et de leurs conditions évite cette découverte tardive.

Bioinformatique : plateformes, chaînes d'analyse et lecture des résultats

En bioinformatique, la reproductibilité se joue sur la version des outils. Une chaîne de séquençage à haut débit (NGS) enchaîne le contrôle qualité, l'alignement, l'appel de variants avec GATK, l'annotation, parfois des comparaisons avec BLAST. Chaque étape a ses paramètres, ses versions et ses fichiers intermédiaires. Les gestionnaires de chaînes d'analyse comme Nextflow ou Snakemake, les conteneurs et les environnements figés servent à garder cette trace. Sous R, la suite Bioconductor offre des paquets pour la génomique ; sous Galaxy, la chaîne se décrit par une interface web.

Pour la structure des protéines, les prédictions d'AlphaFold sont accompagnées d'indices de confiance qu'il faut lire avant d'en tirer une conclusion. Pour les analyses courantes, des plateformes mutualisées de bioinformatique existent dans de nombreux établissements : elles évitent d'installer et de maintenir chaque outil sur chaque poste, à condition que leurs versions soient consignées.

Concrètement : exemple construit. Une plateforme relance en 2026 une analyse faite en 2024, après une mise à jour d'un outil d'alignement. Sur 120 variants d'intérêt, trois ne sont plus appelés. Si le journal des versions existe, l'ingénieur retrouve la cause en une demi-journée. Sinon, la direction doit décider si les résultats publiés doivent être revérifiés. Le chercheur, lui, a besoin de savoir quelle version a servi à son article.

Machines de calcul, données sensibles et protection de la recherche

Les calculateurs nationaux, les mésocentres et l'informatique quantique

Le calcul intensif national est coordonné par GENCI (Grand équipement national de calcul intensif), avec trois centres : le TGCC (très grand centre de calcul du CEA), l'IDRIS (institut du développement et des ressources en informatique scientifique) et le CINES (Centre informatique national de l'enseignement supérieur). Les heures de calcul se demandent par un dossier déposé sur le portail DARI (demande d'attribution de ressources informatiques), commun aux trois centres. D'après la page du CINES, des comités thématiques d'experts nationaux examinent les dossiers et proposent des attributions selon leur excellence scientifique. Un accès préparatoire permet de tester ses codes en cours d'année.

À côté de ces moyens, des mésocentres, tenus par des établissements ou des regroupements régionaux, répondent aux besoins intermédiaires. Pour l'informatique quantique, Qiskit, kit de développement ouvert d'IBM, sert d'abord à apprendre la programmation de circuits et à simuler de petits systèmes sur machine classique.

Concrètement : exemple construit. Une équipe démarre un projet en janvier et attend la session de novembre pour ses heures de calcul. En attendant, un accès préparatoire lui permet de mesurer la consommation réelle de son code. La direction connaît ainsi le volume à demander et peut budgéter une solution d'attente, sur le serveur de l'unité ou un mésocentre. Le doctorant évite de perdre trois mois. Effet contre-intuitif : demander beaucoup d'heures ne dispense pas de justifier la consommation, et c'est la mesure préalable qui rend le dossier crédible.

Données génétiques : RGPD, CNIL et recherche

Les données génétiques font partie des catégories particulières de données personnelles de l'article 9 du RGPD (règlement général sur la protection des données), dont le traitement est en principe interdit sauf exception. Pour la recherche scientifique publique qui ne relève pas du Code de la santé publique, la CNIL précise qu'un traitement de données sensibles est possible, en l'absence d'une autre exception comme le consentement, après saisine de la CNIL (Commission nationale de l'informatique et des libertés) pour avis (article 44.6 de la loi Informatique et Libertés), sous trois conditions cumulatives, dont un motif d'intérêt public important. La CNIL publie aussi des méthodologies de référence pour certaines recherches ; leur champ est précis et se lit dans le texte avant de s'en prévaloir. Les recherches impliquant la personne humaine relèvent d'un cadre distinct, celui du Code de la santé publique. Le responsable de traitement est l'établissement ou l'organisme, et son délégué à la protection des données instruit les dossiers.

Une séquence complète est difficile à anonymiser, car elle peut permettre de retrouver la personne. Retirer le nom d'un fichier ne suffit donc pas : on parle alors de pseudonymisation, et les données restent personnelles.

Concrètement : exemple construit. Une équipe envoie à un partenaire étranger un fichier de variants de 300 personnes, noms retirés. Le fichier reste pseudonymisé. La direction doit s'assurer de la base juridique, de l'information des personnes et du cadre du transfert. L'équipe ne peut pas le déposer en accès libre sans analyse préalable. Le délégué à la protection des données doit être consulté avant l'envoi, pas après.

Biosécurité, protection du potentiel scientifique et exportations

L'utilisation confinée d'organismes génétiquement modifiés relève d'une déclaration ou d'un agrément délivré par le ministère chargé de la recherche, selon le groupe de risque. Ce sujet est traité dans le domaine « Prévention des risques, sécurité des laboratoires et des campus » : une équipe de bioinformatique ne manipule pas d'organismes, mais l'unité qui lui fournit les données en manipule peut-être. Optédif ne délivre aucun agrément et ne classe aucune installation.

La protection du potentiel scientifique et technique de la Nation (PPST) soumet à autorisation préalable l'accès aux zones à régime restrictif. Elle relève des articles R. 413-5-1 et suivants du code pénal. Si votre unité est concernée, l'accès de nos intervenants suit la procédure de l'établissement, et nous la prévoyons dans le calendrier. Enfin, le règlement (UE) 2021/821 encadre les exportations de biens à double usage ; l'arrêté du 2 février 2024, en vigueur depuis le 1er mars 2024, ajoute des contrôles nationaux sur les exportations vers les pays tiers de biens et technologies liés à l'ordinateur quantique. Une collaboration quantique avec un laboratoire hors de l'Union appelle donc une vérification préalable.

Ce que nous faisons, et ce que nous ne faisons pas

Ce que nous faisons

Nous intervenons de six façons. En audit, nous suivons une analyse de bout en bout et classons les risques de reproductibilité. En conseil, nous comparons les options de machines, de langages, de gestionnaires de chaînes et de licences. En conception, nous construisons une chaîne d'analyse documentée, avec son environnement figé et son jeu d'essai. En accompagnement, nous installons des pratiques dans l'équipe, sur ses projets, au rythme de quelques jours par mois. En assistance technique, nous réalisons un lot défini au devis (portage d'un code, mise à jour et test d'une chaîne d'analyse, documentation), sous notre responsabilité et notre encadrement, avec des livrables datés, un critère de recette et un prix de lot. En formation, nous travaillons sur les données de l'unité.

Les publics sont les directeurs de laboratoire, les responsables de plateforme technologique ou de calcul, les ingénieurs de recherche, les bioinformaticiens, les doctorants et les directeurs d'école doctorale. Les établissements concernés sont les universités, les écoles d'ingénieurs, les organismes nationaux de recherche et les plateformes et infrastructures de recherche.

Ce que nous ne faisons pas

Optédif n'est pas un centre de calcul : nous ne fournissons ni machine, ni heures de calcul, ni accès à un calculateur national, et nous n'intervenons pas dans l'examen des dossiers par les comités. Nous ne rendons pas d'avis de droit sur une licence, sur un contrat ou sur l'application du RGPD à votre projet ; ce travail revient à votre service juridique et à votre délégué à la protection des données. Nous ne délivrons aucune autorisation, aucun agrément, aucune certification ni habilitation, et nous ne classons pas de laboratoire au regard de la biosécurité. Nous n'évaluons pas la valeur scientifique d'un résultat. Les missions d'assistance technique d'Optédif sont réalisées par des intervenants d'Optédif, sous la responsabilité et la direction d'Optédif, dans le cadre d'un contrat de prestation de services portant sur un objectif, un livrable ou un périmètre défini avec le client. Optédif ne met pas de personnel à disposition de ses clients.

Nous ne traitons pas de données génétiques réelles sans une décision de votre responsable de traitement, une convention qui décrit l'accès, et une exécution dans votre infrastructure.

Comment s'organise une mission

Nous répondons sous 48 heures ouvrées, puis nous établissons un devis après un échange sur votre besoin. Le prix est ferme pour le périmètre et la durée décrits dans le devis. Un établissement public achète dans le respect du Code de la commande publique, et nous répondons aux consultations et aux procédures adaptées. Nous ne répondons pas à une consultation dont nous aurions rédigé le cahier des charges, et nous ne conseillons jamais de découper un besoin pour échapper à une procédure. Une formation débute au plus tôt sept jours après l'accord.