02 — Méthodologie source-only¶
Avertissement éthique : Ce profil est inféré à partir de sources publiques agrégées. Il ne doit pas être utilisé pour classer des individus réels. Voir
07_ethics_publication_policy.md.
1. Principe directeur¶
Le projet est strictement source-only : aucune inférence basée sur des données individuelles, et aucune utilisation de sources non-publiques. Cf. également doc 07 — Éthique de publication pour les règles d'inférence interdites.
Concrètement, chaque valeur publiée doit être traçable à :
- Un dataset international public (WVS, Hofstede Insights, Pew, World Bank WGI, FFP FSI), ou
- Une statistique officielle publiée par un État ou une organisation intergouvernementale, ou
- Un dataset de frontières public sous licence permissive (Natural Earth = domaine public, geoBoundaries = CC-BY).
- Jamais : questionnaires individuels, graphes sociaux privés, scraping non autorisé, données nominatives.
1.1 Stratification source-only en cascade (V2)¶
Depuis l'introduction de la cascade d'imputation (doc 16), la doctrine source-only est stratifiée selon la qualité observationnelle, sans la diluer :
| Tier | Nature | Sources effectivement utilisées |
|---|---|---|
observed |
Sondage culturel direct | WVS wave 7 (IW), Hofstede Insights 2010 (B_score) |
imputed_wvs_items |
Sondage WVS direct + factor analysis ridge calibrée sur wave-7 | WVS Time-Series 1981-2022 (waves 5-6) — 10 items Inglehart-Welzel |
imputed_pew |
Régression ridge auxiliaire vers IW | Pew composition religieuse complète (7 proportions) + UNDP HDR 2025 + UN voting Voeten + V-Dem v16 |
imputed_governance |
Régression ridge auxiliaire vers Hofstede | WGI Rule of Law + FSI 2024 + UNDP HDR 2025 + UN voting Voeten + V-Dem v16 |
centroid_prior |
Prior théorique de civilisation | Huntington (1996) + barycentres empiriques |
Aucune valeur n'est inventée : un État centroid_prior se voit attribuer la position du barycentre civilisationnel — la covariance du centroïde est intégralement reportée comme ellipse d'incertitude, et le tenseur du second moment voit sa diagonale gonflée d'autant. La cascade ne contredit donc pas la règle source-only ; elle en explicite la hiérarchie.
Couverture résultante au 2026-06-07 : 193/193 États ONU avec x_viz et x_score non-nuls ; 0 État dans le tier centroid_prior parce qu'au moins une source auxiliaire publique alimente chaque État. Cf. data_sources/un_members/coverage_report.md pour le décompte exact par tier.
2. Périmètre des sources utilisées¶
| Source | Type | Année | Licence | Rôle dans cvs/ |
|---|---|---|---|---|
| Huntington (1996) | Académique — théorie | 1996 | Citation académique | Vocabulaire civilisationnel (8 macro + 3 extensions). |
| Inglehart-Welzel (2005, 2010) | Académique — analyse factorielle | 2005, 2010 | Citation académique | Justifie B_viz (axes TS, SE). |
| WVS wave 7 | Dataset public | 2017-2022 | CC-BY 4.0 | Coordonnées IW officielles (60 États). |
| WVS Time-Series 1981-2022 v5.0 | Dataset public | 2022 | CC-BY 4.0 | Extension IW waves 5-6 via ridge sur 10 items (+30 États). |
| Hofstede et al. (2010) | Dataset public + théorie | 2010 (mise à jour 2015) | Usage scientifique | Définit B_score (6 axes). 63 États couverts. |
| Natural Earth | Datasets géo public | continu | Domaine public | Géométries ADM0 publiées. |
| geoBoundaries | Datasets géo public | continu | CC-BY 4.0 | Géométries ADM1 préparées. |
| Smith (2012), Hau'ofa (1994), UN UNPFII | Académique + institutionnel | divers | Citation académique | Justifie les extensions Indigenous, Oceanian. |
| Pew religious composition (7 catégories) | Dataset public | 2020 | Citation académique | Feature pour pew_to_iw (182 États). |
| World Bank WGI Rule of Law | Dataset public | 2022 | CC-BY 4.0 | Feature pour governance_to_hofstede (63 États). |
| Fund For Peace FSI | Dataset public | 2024 | Méthodologie publique | Feature pour governance_to_hofstede (63 États). |
| UNDP Human Development Report 2025 | Dataset public | 2023 | UNDP terms | HDI (193), GII (172), scolarité (191). Source pivot qui élimine le centroïde prior. |
| Voeten/Strezhnev/Bailey UN GA voting | Harvard Dataverse | 2025 | CC-0 | Idealpoint par État (192). Couvre les micro-États hors UNDP. |
| V-Dem Varieties of Democracy v16 | Académique + dataset | 2025 | CC-BY 4.0 | 12 indices institutionnels (172 États). Améliore la calibration. |
Les données canoniques utilisées par le pipeline sont stockées sous data_sources/, avec citation et URL dans chaque fichier.
3. Extension préparée : littérature académique structurée comme source¶
Le projet prépare (sans encore activer) l'usage de la littérature académique comme source structurée : extraction de records bibliographiques avec citation, claim, evidence_level. Cette extension ne change pas la nature source-only — la littérature est publique — mais ajoute une couche d'analyse structurée. À implémenter au besoin.
4. Conséquences opérationnelles¶
- Tout pipeline qui scraperait des sources privées serait refusé en review.
- Tout artefact publié doit porter
source_refs[]pointant vers la bibliographie detaxonomies/macro_civilizations.v2.json. - Toute modification d'une source canonique impose une bump de version des artefacts dérivés et un changelog.