Fonds, corpus, référentiel documentaire : ce que chaque notion délimite

La veille documentaire souffre d'un vocabulaire flottant. On parle indifféremment de fonds, de base, de corpus, de référentiel ou de bibliothèque pour désigner des ensembles de documents dont la finalité, la durée de vie et les règles d'entrée n'ont rien de commun. Le flottement se paie ensuite en documents introuvables, en versions concurrentes et en analyses impossibles à reproduire.

Trois notions suffisent à clarifier presque toutes les situations. Le fonds est un ensemble conservé pour sa valeur durable. Le corpus est un ensemble délibérément constitué pour répondre à une question. Le référentiel est un ensemble prescriptif qui fixe la forme, le vocabulaire et les règles applicables aux deux autres. Les trois coexistent, avec des responsables distincts.

Ce repère les délimite et donne les critères de passage. Les protocoles publiés par l'Observatoire de l'Intelligence Économique décrivent systématiquement leur corpus avant leurs résultats : échantillon, définitions, période, sources exclues. Cette pratique n'est pas une précaution rédactionnelle, c'est la condition pour qu'une mesure soit rejouable par un tiers et donc discutable sur le fond.

Le fonds : un ensemble conservé pour sa valeur durable

Un fonds se définit par sa règle de conservation, non par son contenu. On y verse ce qui doit rester disponible au-delà de l'usage immédiat, avec une durée, un responsable et des conditions d'accès. Sa logique est patrimoniale : le fonds répond à des questions qui ne sont pas encore posées, ce qui interdit de le trier selon les besoins du moment.

Cette logique impose des propriétés techniques précises. Chaque pièce porte son contexte d'origine, sa date, son émetteur et le lien vers sa source primaire quand elle existe. L'intégrité se vérifie, les formats se choisissent pour durer, et les suppressions relèvent d'une décision documentée. Un fonds dont on ne sait pas ce qui a été retiré perd l'essentiel de sa valeur de preuve.

La tentation courante consiste à confondre fonds et espace de stockage partagé. La différence tient au fait qu'un fonds a une politique : ce qui entre, ce qui sort, qui décide, combien de temps. Un répertoire où chacun dépose ce qu'il souhaite accumule des documents sans qu'aucune question ne puisse recevoir une réponse fiable.

La durée de conservation mérite une décision explicite, distincte des seules obligations légales. Certaines pièces se gardent parce qu'un texte l'impose, d'autres parce qu'elles constituent la mémoire d'un dossier, d'un litige ou d'une décision d'investissement. Confondre les deux motifs conduit soit à détruire des documents encore utiles, soit à conserver indéfiniment des volumes qui rendent la recherche impraticable pour tout le monde.

Le corpus : un ensemble constitué pour répondre à une question

Un corpus est délimité par une question et par un protocole. Il se décrit par sa période, ses sources incluses, ses critères d'exclusion, sa langue, son volume et sa date de constitution. Sa qualité ne se mesure pas à sa taille mais à la correspondance entre son contenu et la question posée, et à la possibilité de le reconstituer à l'identique.

Un corpus est daté et jetable, ce qui le distingue radicalement du fonds. Il vit le temps d'une analyse, puis il est archivé avec ses métadonnées de constitution. Le rouvrir six mois plus tard pour une autre question sans réexaminer son protocole est l'erreur la plus fréquente et la plus difficile à détecter dans un travail de veille.

Les exclusions comptent autant que les inclusions. Un corpus qui ne dit pas quelles sources ont été écartées, et pourquoi, ne permet pas d'apprécier ses biais. Cette exigence explique pourquoi une même question traitée avec deux corpus honnêtement construits donne des résultats différents : ce n'est pas une contradiction, c'est un effet de protocole qu'il faut savoir lire.

La taille du corpus mérite un mot, car elle fait illusion. Un ensemble très volumineux constitué par une requête large contient surtout des redondances et des reprises de dépêches, alors qu'un ensemble restreint construit sur des sources primaires soutient des conclusions plus solides. Le critère utile n'est pas le nombre de documents, c'est la diversité effective des points de vue et des origines représentés.

Le référentiel documentaire : ce qui prescrit la forme et le vocabulaire

Un référentiel documentaire est un ensemble de règles opposables : plan de classement, vocabulaire contrôlé, métadonnées obligatoires, formats admis, règles de nommage et de versionnement, durées de conservation. Il ne contient pas les documents, il dit comment ils sont décrits et retrouvés. Sa nature est prescriptive, ce qui suppose une autorité identifiée pour le faire évoluer.

Son bénéfice apparaît à l'échelle. Deux personnes qui décrivent le même document avec le même vocabulaire produisent des recherches qui se recoupent, donc des ensembles comparables dans le temps. Sans vocabulaire contrôlé, chaque contributeur invente ses propres termes et le fonds devient une accumulation consultable seulement par ceux qui l'ont alimentée.

Un référentiel se juge à son coût d'application. Une taxonomie de trois cents entrées que personne ne maîtrise produit moins de cohérence qu'une liste de vingt termes réellement appliqués. La règle pratique consiste à n'imposer que les métadonnées qu'un contributeur renseigne sans hésiter, et à réviser la liste sur la base des recherches qui échouent.

Les critères qui font passer d'une notion à l'autre

Le premier critère est la finalité. Si l'ensemble existe pour des questions futures indéterminées, c'est un fonds. S'il existe pour une question formulée, c'est un corpus. S'il ne contient pas de documents mais des règles, c'est un référentiel. Un ensemble présenté comme remplissant les trois fonctions à la fois échoue généralement sur les deux premières.

Le deuxième critère est la réversibilité. Un corpus se jette, un fonds ne se jette pas sans décision formelle, un référentiel se remplace par une version nouvelle avec période de transition. Cette différence commande les droits d'écriture : on ne donne pas au même profil la possibilité de supprimer dans un corpus de travail et dans un fonds de conservation.

Le troisième critère est la description attendue. Un corpus se documente par son protocole de constitution. Un fonds se documente par sa politique de conservation et son inventaire. Un référentiel se documente par sa version, sa date d'entrée en application et la liste de ses changements. Trois formes de documentation, trois responsables identifiés.

Ce que la distinction change dans une veille documentaire

La première conséquence porte sur la reproductibilité. Une conclusion tirée d'un corpus documenté se rejoue par un tiers, ce qui la rend discutable sur le fond. Une conclusion tirée d'un ensemble non décrit ne se discute que sur la confiance accordée à son auteur, ce qui déplace le débat du terrain analytique vers le terrain des personnes.

La deuxième porte sur la charge de travail. Beaucoup d'équipes constituent à grands frais des corpus qu'elles réutilisent mal parce qu'elles ne les ont pas décrits. Le temps consacré à consigner la période, les sources et les exclusions représente une fraction du temps de collecte, et il détermine seul la possibilité de réemployer le travail.

La troisième porte sur l'outillage. La collecte à large échelle relève désormais de la plateforme : NewsCore (www.newscore.fr) couvre en continu des millions de sources multilingues, trie par pertinence et conserve le lien vers chaque publication d'origine, ce qui rend rapide la constitution d'un corpus traçable. La définition du protocole et des exclusions demeure un choix de l'organisation.

Confusions courantes et leurs effets sur la traçabilité

La confusion la plus répandue traite un corpus comme un fonds. Les documents rassemblés pour une étude restent en place, se complètent au fil des mois et servent à de nouvelles questions sans que personne ne réexamine le protocole. L'ensemble devient alors impossible à décrire, donc inutilisable comme base d'une conclusion défendable devant un tiers.

La confusion inverse traite un fonds comme un corpus. On y applique des filtres thématiques, on en retire ce qui paraît hors sujet, et la valeur patrimoniale disparaît. Les documents écartés étaient précisément ceux qui auraient éclairé une question posée deux ans plus tard, quand le contexte a changé et que le tri initial ne fait plus sens.

La troisième confusion prend le référentiel pour un fonds. L'équipe accumule des chartes, des modèles et des guides dans le même espace que les documents de travail, sans version ni date d'application. Personne ne sait quelle règle est en vigueur, chacun applique la version qu'il a téléchargée, et la cohérence de description s'effondre lentement.

Un corpus se décrit avant de produire un résultat : sans protocole écrit, une conclusion ne se discute plus, elle se croit ou ne se croit pas.

Questions fréquentes

Quelle différence entre un fonds documentaire et un corpus ?

Le fonds est conservé pour des questions futures encore indéterminées et se gouverne par une politique de conservation. Le corpus est constitué pour une question formulée et se décrit par un protocole : période, sources incluses, exclusions, date. Le premier ne se jette pas sans décision formelle, le second est daté et jetable par construction.

À quoi sert un référentiel documentaire dans une veille ?

Il fixe le vocabulaire, les métadonnées obligatoires et les règles de nommage, afin que deux personnes décrivent un même document de la même façon. C'est ce qui rend les recherches comparables dans le temps et les ensembles réutilisables. Sa valeur dépend du nombre de règles réellement appliquées, pas du nombre de règles écrites.

Comment documenter un corpus pour qu'il soit réutilisable ?

En consignant au moment de la collecte la question posée, la période couverte, les sources retenues, les sources écartées avec leur motif, la langue, le volume et la date de constitution. Ces informations tiennent en une page et représentent une petite part du temps de collecte, mais elles décident seules de la réutilisabilité.

Un même espace de stockage abrite-t-il les trois sans risque ?

Techniquement oui, à condition que les droits d'écriture, les règles de suppression et les métadonnées diffèrent selon la zone. En pratique, mélanger sans séparation visible conduit à appliquer au fonds les habitudes du corpus de travail, c'est-à-dire à supprimer par commodité ce qui devait être conservé par principe.