# Audit des sources — KI FWI SA YÉ ? > Session 0. Chaque fiche répond à quatre questions : **ce qu'on y prend**, **sous quelle > licence**, **avec quelle contrainte**, **comment on l'interroge**. Les endpoints listés > ont été **appelés réellement** pendant l'audit, pas recopiés d'une documentation. > > Date de l'audit : 2026-07-27. --- ## Tableau de synthèse | Source | Ce qu'on y prend | Régime | Verdict | |---|---|---|---| | **Wikidata** | Q-id, taxonomie | CC0 | ✅ Utilisée, sans réserve | | **GBIF** | nom accepté, clé d'usage, famille | données ouvertes | ✅ Utilisée, sans réserve | | **Wikimedia Commons** | photographies, planches | CC0 / PD / CC BY / CC BY-SA | ✅ Utilisée, attribution obligatoire, **pas de compositing** | | **iNaturalist** | photographies de complément | ~93 % CC BY-NC (mesuré) | ⚠️ Autorisée mais engage le non-commercial (ADR 0001) | | **TRAMIL** | vérification factuelle citée | **tous droits réservés** | ⛔ **Aucun fichier.** Demande écrite requise | | **CIRAD / Agritrop** | vérification, publications | mixte, majoritairement © | ⛔ Demande écrite avant tout usage | | **INRAE** | vérification | mixte | ⛔ Demande écrite avant tout usage | | **Photos du porteur** | tout | choisi par le porteur | ✅ La meilleure source disponible | --- ## 1. Wikidata — la colonne vertébrale des identifiants **Ce qu'on y prend.** L'identifiant Q de chaque taxon, et la famille botanique remontée par la chaîne de taxons parents. **Licence.** CC0 pour les données. Aucune contrainte d'attribution, mais le projet cite la source par honnêteté et pour la traçabilité. **Contrainte.** Wikidata est un wiki : une valeur peut être fausse ou obsolète. C'est pourquoi le projet croise **systématiquement** avec GBIF et exige les deux dans le schéma (`verifie_contre` doit contenir `wikidata` **et** `gbif` — un seul ne suffit pas). **Comment on l'interroge.** Une seule requête SPARQL pour les 13 taxons : ```sparql SELECT ?taxon ?name ?fam WHERE { VALUES ?name { "Annona muricata" … } ?taxon wdt:P225 ?name . OPTIONAL { ?taxon wdt:P171+ ?f . ?f wdt:P105 wd:Q35409 ; wdt:P225 ?fam . } } ``` `P225` = nom du taxon · `P171` = taxon supérieur · `P105` = rang · `Q35409` = famille. Endpoint `https://query.wikidata.org/sparql`, en-tête `User-Agent` identifiant le projet (exigé par l'infrastructure Wikimedia). Implémenté dans `tools/data/verify-taxa.mjs`. **Résultat de l'audit.** 13/13 taxons trouvés par correspondance exacte sur `P225`. --- ## 2. GBIF — le nom scientifique accepté **Ce qu'on y prend.** La clé d'usage (`usageKey`), le nom scientifique **accepté**, le statut (`ACCEPTED` / `SYNONYM`) et la famille. **Licence.** Données ouvertes. GBIF demande la citation du jeu de données ; le projet cite GBIF globalement dans `CREDITS.md` et lie chaque entrée à sa fiche. **Contrainte.** C'est ici que se détectent les **synonymes**, piège central d'un dataset botanique. Le laurier-jaune est le cas d'école : il circule largement sous *Thevetia peruviana*, alors que le nom accepté est *Cascabela thevetia*. Un dataset qui fige un synonyme se désynchronise silencieusement des référentiels. **Comment on l'interroge.** ``` GET https://api.gbif.org/v1/species/match?name=&strict=false GET https://api.gbif.org/v1/species/ # si status ≠ ACCEPTED ``` **Résultat de l'audit.** 13/13 en `matchType: EXACT` et `status: ACCEPTED`. **Aucune divergence** avec les familles annoncées dans `fruits.seed.json`. La graine était bonne sur ce point — c'est vérifié, plus supposé. Rapport : `docs/verification-taxons.md`. --- ## 3. Wikimedia Commons — le fonds photographique principal **Ce qu'on y prend.** Des photographies pour la filière A (vérité), et des planches botaniques anciennes pour les fiches encyclopédiques. **Licence.** Commons n'héberge que du libre, mais « libre » recouvre plusieurs régimes très différents. Sur les 130 candidats remontés pendant l'audit : domaine public, CC0, CC BY 2.0 à 4.0, CC BY-SA 2.0 à 4.0. **Contraintes, dans l'ordre de gravité.** 1. **Le partage à l'identique contamine les dérivés.** Une photo CC BY-SA compositée dans un sprite rend le sprite CC BY-SA. D'où l'interdiction absolue de compositing posée par l'ADR 0001 et vérifiée par `npm run validate:data`. 2. **L'attribution est nominative.** Il faut l'auteur, la licence, l'URL du fichier et l'URL de la page de description. Le script les récupère et refuse tout fichier à attribution dont l'auteur est absent des métadonnées. 3. **Le titre ne garantit rien.** Une recherche sur *Melicoccus bijugatus* remonte en deuxième position une photographie de **singe capucin** mangeant le fruit. Le moteur de recherche n'est pas un botaniste. Rien ne sort de l'ingestion autrement qu'en `valide: false`. 4. **Toutes les licences ne sont pas acceptables.** L'audit a écarté automatiquement 4 fichiers : deux sous GFDL 1.2 ou « Attribution » simple (régimes non retenus), deux sous licence à attribution dont l'auteur était introuvable dans les métadonnées. **Comment on l'interroge.** ``` GET https://commons.wikimedia.org/w/api.php ?action=query&generator=search&gsrnamespace=6 &gsrsearch="" filetype:bitmap &prop=imageinfo&iiprop=url|size|mime|extmetadata &iiextmetadatafilter=LicenseShortName|LicenseUrl|Artist|Credit|ImageDescription|DateTimeOriginal ``` Implémenté dans `tools/data/ingest-commons.mjs`. **Aucun fichier n'est téléchargé** en session 0 : on ne collecte que des métadonnées et des URLs. **Résultat de l'audit.** 130 candidats sous licence libre sur 13 taxons, soit au moins 10 par taxon. Aucun taxon sous le seuil de deux candidats. --- ## 4. iNaturalist — complément, au prix d'un engagement **Ce qu'on y prend.** Des photographies pour les espèces mal couvertes par Commons, et des observations géolocalisées aux Antilles (utile pour la saisonnalité par île, mode Sézon). **Licence — mesurée, pas supposée.** Échantillon relevé pendant l'audit sur *Chrysobalanus icaco* (zikak), 305 photographies de qualité recherche : | licence | photos | part | |---|---|---| | CC BY-NC | 280 | 92 % | | CC0 | 12 | 4 % | | CC BY | 8 | 3 % | | CC BY-NC-SA | 5 | 2 % | **94 % du fonds est donc sous clause non commerciale.** Se limiter au non-NC réduirait iNaturalist à un appoint marginal. **Contrainte.** Retenir une seule photo NC engage le projet à ne jamais être distribué commercialement (ADR 0001, décision du porteur). Le champ `usage_non_commercial` marque ces médias dans les données, et `CREDITS.md` les isole dans une section dédiée pour rendre un retrait ultérieur possible. **Comment on l'interroge.** ``` GET https://api.inaturalist.org/v1/observations ?taxon_name=&quality_grade=research &photo_license=cc0,cc-by,cc-by-sa,cc-by-nc,cc-by-nc-sa &place_id= # pour la saisonnalité locale ``` **État à ce jour.** Aucune photo iNaturalist n'est encore embarquée. L'engagement non commercial n'est donc **pas encore consommé**. --- ## 5. TRAMIL — ressource majeure, inutilisable sans autorisation **Ce qu'on y prend.** Rien, en fichiers. TRAMIL sert de **source de vérification factuelle citée en référence** — usages traditionnels, toxicité, parties de plante concernées — dans le champ `sources_factuelles` de chaque entrée. **Licence — vérifiée directement pendant l'audit.** - Le pied de page de `tramil.net` affiche : **« © Copyright 2017 TRAMIL all rights reserved. »** - Le lien « Legal notice » du site renvoie une **erreur 404** (`/content/mentions-legales`, vérifié le 2026-07-27). Autrement dit : non seulement aucune licence n'est accordée, mais **les conditions ne sont pas même consultables**. Par défaut : tous droits réservés. **Contrainte.** La TRAMILothèque (photographies, planches d'herbier, coupes microscopiques, scans) est exactement ce dont ce projet aurait besoin, et est **inutilisable sans autorisation écrite**. Aucun fichier TRAMIL ne peut entrer dans le dépôt tant que cette autorisation n'existe pas. **Ce qu'il faut faire — et qui ne se délègue pas.** TRAMIL est hébergé par le SCD de l'Université des Antilles à Schœlcher. Le porteur est à quinze minutes. Un partenariat TRAMIL × OKI sur un jeu scolaire martiniquais a toutes les chances d'aboutir, et transformerait le projet : accès à des images d'herbier vouchées, et une caution scientifique sur le module « Pa touché ». Lettre-type prête : `docs/courriers/tramil.md`. --- ## 6. CIRAD / Agritrop et INRAE **Ce qu'on y prend.** De la vérification factuelle : saisonnalité réelle sous climat antillais, variétés cultivées localement, données agronomiques. Agritrop, le dépôt ouvert du CIRAD, contient de l'open access exploitable en citation. **Licence.** Régimes mixtes, majoritairement propriétaires, avec des cas d'usage pédagogique négociables. **À demander, jamais à présumer** — y compris sur un dépôt « ouvert », où l'ouverture porte souvent sur la lecture, pas sur la réutilisation. **Comment on l'interroge.** Consultation manuelle d'Agritrop (`agritrop.cirad.fr`), avec enregistrement de la référence dans `sources_factuelles`. Aucune ingestion automatisée : le volume ne le justifie pas et le régime de licence l'interdirait. Lettre-type prête : `docs/courriers/cirad.md`. --- ## 7. Photographies du porteur — la meilleure source Une photographie prise au marché de Fort-de-France vaut mieux que n'importe quelle génération, et mieux que la plupart des photos de Commons : elle montre la variété locale, au bon stade de maturité, dans le contexte où l'enfant la rencontrera. **Licence.** Choisie par le porteur. `OKI-CC-BY-SA-4.0` dans le schéma, alignée sur `LICENSE-CONTENT`. Aucune contrainte externe, aucun risque, et aucun compositing interdit puisque le projet en détient les droits. **Ce qui manquera nécessairement.** Les vues d'indice — écorce, feuille isolée, coupe nette — sont rares sur Commons pour les espèces antillaises. Ce sont précisément celles dont le mode Kaché a besoin. Une après-midi de terrain avec un appareil comblera plus de trous que n'importe quelle recherche automatisée. --- ## Ce que cet audit ne couvre pas - La **validité botanique** de chaque photographie : aucune machine ne peut la trancher. - Les **droits voisins des locuteurs** pour les enregistrements audio : autorisation écrite à obtenir avant embarquement, crédit nominatif dans `CREDITS.md`. - La **licence des poids** du modèle utilisé par `rembg` dans le pipeline de filière B (session 3) : les poids ne suivent pas toujours la licence du paquet, à vérifier avant toute utilisation.