Résumé Serge Abiteboul propose la définition suivante : la donnée comprise comme « une description élémentaire d’une réalité » (indice, prélèvement, chiffre, photo, etc) et il distingue ensuite : « des mesures de température relevées chaque jour dans une station météo, ce sont des données. Une courbe donnant l’évolution dans le temps de la température moyenne dans un lieu, c’est une information. Le fait que la température sur Terre augmente en fonction de l’activité humaine, c’est une connaissance». Une donnée ne porte donc en elle-même aucune signification, c’est le chercheur qui lui attribue en l’articulant avec d’autres données, pour produire une information scientifique. Là réside sa valeur ajoutée. Alors que l’open science se développe, la gestion des données de la recherche n’est pas uniformisée, notamment dans les disciplines archéologiques. Plus que les données, les métadonnées, dont la constitution fait de l’objet de négociations constantes entre les différents acteurs, sont les données sur les données, c’est-à-dire les informations relatives aux données. Elles sont structurées sous des standards, mais aussi en langage, ce sont des outils facilitateurs et créateur d’interopérabilité. Ce sont elles qui attribuent sa valeur à la données, celle de la réutilisation, et qui permettent la reproductibilité des analyses, point central dans le processus de production du savoir scientifique. Une base de données est un un ensemble organisé d’informations avec un objectif commun (Audibert, 2009, p. 10). Le support n’est pas déterminant, « le contenant n’était rien sans un contenu informatif de qualité ». Dans les faits, la définition de la base de données n’est pas consubstantielle au support informatique : peu importe le support dès lors que les données sont rassemblées et stockées dans un but spécifique. L’enjeu central des BDD reste la cohérence des données, long travail de structuration qui relève de la recherche scientifique. Une base de données informatisée se définit donc comme « un ensemble structuré de données enregistrées sur des supports accessibles par l’ordinateur, représentant des informations du monde réel et pouvant être interrogées et mises à jour par une communauté d’utilisateurs» (Audibert, 2009, p. 10). En utilisant les méthodes de la socio-anthropologie, l’objet de cette étude est de comprendre les freins au partage de l’information scientifique dans l’utilisation des bases de données de recherche. La structuration des communautés de recherche est analysée à différents niveaux, individuels, collaboratifs et institutionnels, en termes disciplinaires et professionnels, de concepteur et d’utilisateur. Ces interactions génèrent des frictions (Vinck & Jaton, 2016), traduites en négociations, permettant ainsi la production de nouvelles connaissances.  L’étude porte sur quatre projets de bases de données sur les matériaux anciens, touchant des disciplines variées comme la bioarchéologie, la pétroarchéologie, la céramologie, l'histoire de l'art, l'archéométrie etc. Des entretiens avec les différents acteurs du projet et des observations participantes et non participantes sont menés. Des objets grapho-numériques, compris comme des objets intermédiaires, sont également collectés et font l'objet d'une étude documentaire. Il n’existe pas de simple reproductibilité lors de la création d’une base de données, car chacune connaît un paradigme différent selon la nature des informations qu’elle détient, produit et permet de produire, ce qui rend son acceptabilité difficilement prévisible. L’information scientifique est stratégique et sa gestion requiert des compétences spécifiques dont la transmission reste partielle, de l'ingénieur vers le chercheur quant à la technicité et du chercheur à l'ingénieur quant à la maîtrise de l'objet scientifique. La base de données vit par ses utilisateurs et leur détermination à en faire un vecteur de communication. Les collaborations interdisciplinaires sont en effet moins importantes après la création de la base de données. Bibliographie : Jaton, F. & Vinck, D. (2016). Processus frictionnels de mises en bases de données. Revue d'anthropologie des connaissances, vol. 10, 4(4), 489-504. doi:10.3917/rac.033.0489. Audibert, L. (2009). Bases de données, de la modélisation au SQL. Paris, Ellipses. 254p.