Enregistrements et métadonnées décrivant les origines, la filiation, l'historique de traitement et les attributs contextuels des données afin de soutenir traçabilité, confiance, audit et réutilisation conforme.

Principe

Capturer identifiants, étapes de transformation, acteurs, horodatages et paramètres pertinents à chaque étape de collecte et de traitement des données pour qu'une reconstruction ou une explication de leur genèse soit possible dans des limites connues.

Démonstration

Un jeu de données accompagné de métadonnées enregistrant les fichiers sources, les requêtes d'extraction, les opérations de nettoyage appliquées, les dates et les identifiants des agents, permettant à un auditeur de tracer une valeur jusqu'à sa source originale et les étapes qui l'ont produite.

Mauvaise application

Considérer une provenance incomplète ou optimiste comme preuve de correction ; n'enregistrer qu'une provenance grossière ou des métadonnées incohérentes peut donner une fausse impression de traçabilité et échouer aux contrôles réglementaires ou scientifiques.

Conséquence

Une provenance robuste augmente la responsabilité des données, permet des analyses reproductibles, facilite le débogage et l'évaluation des risques, et soutient la conformité et la réutilisation ; collecter une provenance exhaustive peut être coûteux et soulever des problèmes de confidentialité.

Inversion

Jeux de données dépourvus de provenance ou dont la filiation a été effacée, où ni l'origine ni l'historique de traitement ne peuvent être reconstitués, produisant des entrées opaques difficiles à approuver ou réutiliser en toute sécurité.

Limite

Se concentre sur la filiation et les métadonnées contextuelles ; se distingue de la versionnage des données (qui suit les états dans le temps), bien qu'il existe un recouvrement ; la provenance ne garantit pas par elle-même la correction, l'exhaustivité ou l'absence de biais.

Tension sémantique

Tension entre qualité des données et confidentialité : une provenance détaillée aide à l'évaluation de la qualité mais peut exposer des détails opérationnels sensibles ; une provenance minimale protège la vie privée mais réduit la traçabilité.

Synthèse

La provenance des données est la capture structurée d'informations d'origine et de traitement : en enregistrant sources, transformations, acteurs et contexte, la provenance fournit les moyens d'évaluer, reproduire et gouverner l'utilisation des données tout en équilibrant coûts et confidentialité.