Définition
La provenance (*data provenance*, parfois *lineage*) décrit l'origine et le parcours d'une valeur. En recherche clinique, une valeur bien tracée porte quatre informations : son origine, sa justification, la date à laquelle elle a été fixée, et qui l'a validée.
Les quatre origines possibles
| Origine | Ce que cela signifie | Vérifiabilité |
|---|---|---|
| Champ de registre | La valeur existait déjà, saisie en structuré | Directe — on remonte à la fiche |
| Règle déterministe | Calculée : un IMC depuis un poids et une taille, un stade depuis des critères | Reproductible — la règle se rejoue |
| Proposition d'un modèle | Extraite d'un texte libre par un modèle, citant sa phrase source | Indirecte — la phrase citée reste consultable |
| Décision humaine | Un relecteur a tranché, en écrivant pourquoi | Documentaire — la justification est conservée |
Une valeur sans origine déclarée n'est pas fausse pour autant. Elle est simplement invérifiable, ce qui, dans une étude destinée à être publiée, revient au même une fois la question posée.
Provenance et piste d'audit : ce qui les sépare
Les deux notions se recouvrent souvent dans les discussions, et se distinguent nettement en pratique.
- La provenance est attachée à *la valeur* : elle répond à « d'où vient ce 31,2 ? ».
- La piste d'audit est attachée à *l'étude* : elle répond à « que s'est-il passé, et dans quel ordre ? ».
Une étude peut avoir un journal d'audit impeccable et des valeurs sans provenance — le journal dira alors qu'une valeur a été saisie à telle heure par telle personne, sans dire d'où cette personne l'a tirée. L'inverse est également possible. Les deux sont nécessaires ; aucune ne remplace l'autre.
Exemple
Une variable clavien_max (complication postopératoire maximale selon la classification de Clavien-Dindo) dans une cohorte de soixante dossiers :
- Pour 41 dossiers, l'origine est règle déterministe : aucune complication enregistrée dans le registre, la valeur est donc
0, calculée. - Pour 14 dossiers, l'origine est proposition d'un modèle, avec la phrase du compte rendu opératoire citée en regard, puis confirmée par un relecteur.
- Pour 5 dossiers, l'origine est décision humaine : le compte rendu était ambigu, le relecteur a tranché en écrivant sa justification.
Cette répartition est elle-même une information de méthode. Elle se publie, elle s'audite, et elle permet à un relecteur de concentrer son attention sur les dix-neuf dossiers qui ont demandé un jugement.
Concepts voisins
- Piste d'audit — la chronologie des actions, distincte de l'origine des valeurs.
- Dictionnaire de données — ce que la valeur devait être.
- Vérification des données source (*source data verification*) — le contrôle par recollement avec le dossier d'origine.
- Extraction assistée par IA — le cas où la provenance devient indispensable plutôt que souhaitable.
Référentiels associés
ICH E6(R3) pose le principe que les données rapportées doivent pouvoir être rapprochées de leur source. Les principes FAIR traitent la provenance comme une métadonnée de premier rang, condition de la réutilisation.