Bibliométrie : pièges qui produisent un nombre erroné
Cette compétence n'enseigne pas la bibliométrie. Elle enseigne les erreurs spécifiques les plus courantes, ayant toutes la même signature : un nombre qui semble correct et qui est erroné. Aucune n'apparaît à la lecture ; toutes apparaissent lors de la mesure.
La règle qui organise le reste :
N'affirmez jamais une absence sans avoir mesuré la présence. Zéro est une affirmation forte, cela signifie « j'ai cherché au bon endroit, de la bonne manière, et il n'y en a pas ». Presque toujours, cela signifie autre chose.
1. Zéro a six causes. Une seule est l'absence.
Et elles se divisent en deux groupes qui ne se vérifient pas de la même manière.
Quatre s'éliminent par une requête
Chacune a un test concret. Elles coûtent un appel, et le résultat est objectif.
| cause | test | exemple |
|---|---|---|
| base erronée | répéter dans une base de couverture différente (OpenAlex, Crossref, DOAJ) | « maçonaria » : 0 dans PubMed, 1.529 dans OpenAlex |
| champ erroné | répéter le terme dans un autre champ indexé : [Author], [Journal], topics.id | "amilton iatecola"[tw] = 0 ; "iatecola amilton"[Author] = 11 |
| échec de la requête | lire le traitement des erreurs : y a-t-il un chemin qui renvoie 0 dans un except ? | 429 d'OpenAlex devenant zéro |
| arithmétique | vérifier si tous les facteurs de l'intersection sont > 0 | intersection 0 car une des listes était déjà 0 |
Nom d'auteur : PubMed indexe NOM Prénom ; les gens écrivent Prénom NOM. Testez les deux ordres avant de conclure que l'auteur n'a pas publié.
Deux ne s'éliminent pas, elles se déclarent
Il n'existe pas de test universel pour elles, et faire semblant est pire que l'admettre.
- langue erronée, prouver nécessiterait de chercher dans toutes les langues. Ce qui se déclare : en quelle langue la recherche a été effectuée, et si le vocabulaire contrôlé de la base est dans une autre. (Le MeSH est en anglais ; un terme en portugais passe en texte libre et perd les synonymes indexés.)
- stratégie incomplète, prouver la complétude nécessiterait de connaître la stratégie complète, qui est justement l'inconnue. Ce qui se déclare : la stratégie utilisée, en toutes lettres, pour qu'un autre puisse la réfuter.
La conséquence porte sur la force de la phrase permise
Avec les quatre premières éliminées et les deux dernières déclarées, on peut écrire :
« Il n'y a pas d'enregistrement dans cette base, avec cette stratégie, dans ce périmètre. »
Jamais :
« Il n'existe pas de littérature sur ce sujet. »
La première est soutenable et réfutable, quelqu'un peut changer la stratégie et montrer le contraire, ce qui est comme cela devrait être. La seconde est indéfendable car elle affirme sur tout ce qui n'a pas été consulté.
Note sur OpenAlex
Il facture par requête (0,001 USD) avec un budget quotidien qui se réinitialise à minuit UTC. Une fois épuisé, il renvoie 429 avec Insufficient budget (...) Resets at midnight UTC et un Retry-After de plusieurs heures. Donc 429, ici, a deux causes qui nécessitent des réponses opposées : trop rapide (attendre résout) et quota du jour (ne résout pas). Lisez le corps avant de réagir ; une session intense épuise le quota.
2. L'appariement superficiel fonctionne la plupart du temps et se trompe suffisamment
Tout appariement par chaîne de caractères a besoin d'une inclusion complète, jamais d'un mot partagé. Cas réels :
- MeSH a renvoyé
Hypoglycemia, Neonatal, Simulating Foetopathia Diabeticapour « rétinopathie diabétique », descripteur légitime, maladie erronée, apparié sur « diabétique ». - Wikipedia a renvoyé
Escala de Equilíbrio de Bergcomme traduction de « téléconsultation », parce que cet article mentionne la téléconsultation. La liste est devenue"téléconsultation" OR "Berg Balance Scale": 2 456 enregistrements d'une échelle d'équilibre dans une recherche sur la consultation à distance. - Un article est entré dans une recherche vocale parce qu'il avait
SHIMMERdans le titre, acronyme d'un index de dossier médical, pas le paramètre acoustique.
Règle : recherche par pertinence ≠ identité de concept. Le premier résultat d'une recherche floue n'est ni une traduction, ni un synonyme, ni la même entité.
3. Fusion de variantes : l'erreur est de fusionner, pas de laisser séparé
Suggérer une fusion par similarité a produit, lors d'un test, onze propositions, presque toutes erronées :
Type 1 diabetes→Type 2 diabetes(maladies différentes ; le chiffre était la différence entière, et le filtre supprimait les jetons de ≤2 caractères)Diabetes mellitus→Type 2 Diabetes Mellitus(genre devenant espèce)University of Baltimore→University of Maryland, Baltimore(deux établissements différents)
Règles : un chiffre n'est jamais un jeton court ; contenu dans vaut pour l'auteur et l'institution, jamais pour un concept (où la sous-chaîne est une hiérarchie) ; exigez une égalité des mots distinctifs, pas un sous-ensemble. Se tromper par défaut coûte un clic ; se tromper par excès place sur la carte une fusion fausse avec l'apparence d'un succès. La décision finale est toujours humaine.
4. Vérifiez la somme par deux chemins
L'ingestor tronquait l'identifiant à 24 caractères pour générer la clé. Les DOI du même éditeur partagent le préfixe, entraient en collision, l'un écrasait l'autre, et la sortie indiquait « 54 nouveaux » avec un corpus à 49. Cinq articles ont disparu en silence.
L'erreur passe lorsque rien n'est vérifié. Toujours : avant + nouveaux == après et nouveaux + déjà_existants == lus. Si cela ne correspond pas, dites que cela ne correspond pas.
5. Limite du script ≠ taille du champ
Dans un script de recherche ciblée avec per_page=25 + rows=20. Aucune des 13 requêtes n'a dépassé 45 dans le rapport, car 45 était la limite. La couverture réelle varie de trois ordres de grandeur : 0,2 % dans data literacy teacher education, 83 % dans DigCompEdu validation.
Cela n'invalide pas la recherche ciblée, elle existe pour trouver des ouvrages clés. Mais le nombre ne soutient pas une affirmation sur la taille ou la couverture. S'il y a une coupure, dites combien est resté en dehors.
6. Périmètre déclaré, toujours
Les métriques du « corpus entier » et des « inclus » ne sont pas comparables. Un thème avec 53 collectés et 0 triés a répondu « aucun enregistrement avec DOI », vrai par le comptage, trompeur par le sens. Dites le périmètre dans toute sortie.
7. Texte intégral et supplément : la route dépend du type d'article
En recherchant les séquences d'oligos de Benke et al. (2025) : Claude Science a essayé le service OA du PMC et le FTP, a reçu 404 sur les trois chemins et a tourné en boucle. Le supplément existait ; c'est la route qui était erronée. 404 ici signifie route erronée, pas absence (c'est le « requête a échoué » de la section 1).
L'ordre qui fonctionne :
- PMCID :
elink.fcgi?dbfrom=pubmed&db=pmc&id=<PMID>. Sans PMCID, il n'y a pas de texte intégral ouvert dans le PMC ; allez au DOI et voyez si l'éditeur offre un accès ouvert. - Texte intégral :
efetch.fcgi?db=pmc&id=<numéro du PMCID>&retmode=xml. Fonctionne pour un article en accès ouvert et pour un manuscrit d'auteur du NIH. C'est de là que proviennent les méthodes, les tableaux et les chiffres. - Liste des suppléments : dans le même XML, les balises
<supplementary-material>avecxlink:hrefdonnent le nom de chaque fichier. Avant de télécharger, sachez ce que vous cherchez. - Type d'article : si le XML a
<article-id pub-id-type="manuscript-id">NIHMS..., c'est un manuscrit d'auteur, et la route de l'étape 5 ne sert pas pour le supplément. - Supplément d'un article en accès ouvert d'éditeur : Europe PMC,
https://www.ebi.ac.uk/europepmc/webservices/rest/<PMCID>/supplementaryFiles, renvoie un zip (PMC12904924 : zip de 4,5 Mo). - Supplément d'un manuscrit NIHMS : Europe PMC renvoie une réponse vide (297 octets, PMC11700762), le service OA du PMC (
/utils/oa/oa.fcgi) et le FTP donnent 404, et le lienpmc.ncbi.nlm.nih.gov/articles/instance/<id>/bin/<fichier>ouvre une page « Preparing to download...` qui nécessite un navigateur. C'est une barrière anti-robot : ne pas contourner. Arrêtez, dites quel fichier est nécessaire et demandez à l'utilisateur de le télécharger dans le navigateur et de l'enregistrer dans le dossier du paquet, avec le nom que vous indiquez. - Avant de demander à l'utilisateur, essayez l'éditeur. Le manuscrit NIHMS a aussi une version chez l'éditeur. Chez Elsevier, Crossref donne le PII (
alternative-id), et le supplément se trouve généralement sur le CDN publichttps://ars.els-cdn.com/content/image/1-s2.0-<PII>-mmc1.pdf(changez l'extension si 404). Benke 2025 (PII S0956566324010595) est venu par là le 13/10/2026 : 200, PDF de 1,5 Mo, sans barrière.
Ce qu'il ne faut jamais faire : reconstruire une séquence, un numéro de catalogue, un volume ou une température de mémoire parce que le supplément ne s'est pas ouvert. Ce qui ne vient pas du fichier reste « à définir », avec le nom du fichier manquant.
Avant de tourner en boucle sur les routes : si deux routes différentes ont donné 404 pour le même fichier, arrêtez et vérifiez le type d'article (étape 4) au lieu d'essayer une troisième.
Limites qui ne se contournent pas
- Portaria CAPES 275/2023, art. 50 interdit tout robot ou agent intelligent pour accéder ou télécharger du contenu sous contrat, et l'interdiction s'étend à l'utilisateur autorisé. Scopus, Web of Science, Portal CAPES, Google Scholar : montez la chaîne, ouvrez la base à côté, recevez l'exportation. N'automatisez jamais l'interface.
- Ne jamais écrire dans
zotero.sqlite. Lecture uniquement avecmode=ro&immutable=1. - Ne jamais écraser une décision de tri. Les métadonnées se refont ; le jugement humain, non.
- Ne jamais citer un identifiant sans le vérifier via l'API. Un DOI fabriqué est indistinguible du vrai par la lecture.
Avant de livrer
- Tout zéro a-t-il été expliqué par l'une des six causes ?
- Toute somme se ferme-t-elle par deux chemins ?
- Toute coupure indique-t-elle combien est resté en dehors ?
- Tout périmètre est-il déclaré ?
- Toute fusion de variantes a-t-elle été décidée par un humain ?