arXiv obtient plus de 10 millions de dollars pour sa mise à niveau

• arXiv, l’infrastructure de diffusion ouverte d’articles de recherche, a obtenu via Cornell Tech plus de 10 millions de dollars de dons et de subventions afin de renforcer ses bases opérationnelles à long terme
• arXiv, qui héberge plus de 2 millions d’articles, utilisera ce financement pour mener une migration vers le cloud et moderniser son code
• La modernisation vise avant tout à garantir la fiabilité, la tolérance aux pannes et l’accessibilité dont les chercheurs continueront de dépendre
• Le financement de la NSF servira aussi aux enseignants-chercheurs en informatique de Cornell pour développer des techniques de recherche et de recommandation, qui pourront être testées et déployées auprès de la vaste communauté active d’utilisateurs d’arXiv
• Au-delà de l’approche centrée sur le PDF, l’extension de la mise à disposition de versions HTML améliorera l’accessibilité pour les personnes malvoyantes et renforcera la durabilité d’arXiv comme infrastructure d’open science

---

Transition d’infrastructure pour un dépôt de 2 millions d’articles

• Cornell Tech a obtenu au total plus de 10 millions de dollars, combinant un don de la Simons Foundation et une subvention de la National Science Foundation, pour soutenir arXiv
• arXiv est un service gratuit de diffusion d’articles scientifiques et une archive en open access
• Ce financement servira à des travaux de fond pour exploiter de façon plus stable ce dépôt qui contient plus de 2 millions d’articles

  • Migration vers le cloud et modernisation du code

    • Modernisation de la base de code et passage au cloud
    • Renforcement de la fiabilité, de la tolérance aux pannes et de l’accessibilité pour les chercheurs
    • Greg Morrisett, de Cornell Tech, estime que cet investissement est nécessaire pour étendre le service arXiv et prendre en charge un public d’utilisateurs plus large
    • Ramin Zabih, faculty director d’arXiv, considère que la modernisation de la base de code et la migration vers le cloud renforcent l’infrastructure d’arXiv

Plans de développement et soutien à la communauté de recherche

• La prochaine phase de développement d’arXiv comprend le recrutement de plusieurs développeurs logiciels chargés des travaux de modernisation
• Grâce au financement de la NSF, les enseignants-chercheurs en informatique de Cornell développeront de nouvelles techniques de recherche et de recommandation
  • Elles pourront être testées et déployées auprès de la grande communauté active d’utilisateurs d’arXiv
  • Elles prendront en charge les garanties modernes en matière de protection de la vie privée
• Les contenus seront proposés non seulement en PDF, mais aussi en version HTML, ce qui devrait améliorer fortement l’accessibilité pour les personnes malvoyantes
• arXiv a été fondé en 1991 par Paul Ginsparg, alors physicien au Los Alamos National Laboratory
  • Ginsparg a créé arXiv avant de revenir à Cornell en 2001
  • Aujourd’hui, arXiv est maintenu et exploité par Cornell Tech
• arXiv accompagne les chercheurs en physique, mathématiques, informatique, biologie quantitative, finance quantitative, statistique, génie électrique et science des systèmes, ainsi qu’en économie
• La Simons Foundation soutient arXiv depuis 2011, et ce soutien supplémentaire servira à accélérer sa transition vers une durabilité à long terme
• Outre le soutien continu de la Simons Foundation, arXiv bénéficie de l’appui de bibliothèques universitaires et de recherche, d’universités, d’organismes de recherche, de sociétés savantes et de donateurs individuels

[GN⁺]

Avis sur Hacker News

• Je suis vraiment ravi qu’arXiv reçoive davantage de financement. C’est une infrastructure de recherche essentielle.
  Personnellement, je me demande si le front-end va changer. Il y a clairement des améliorations possibles, comme l’accessibilité, les outils de modération ou la prise en charge des changements de nom, mais le site d’arXiv me semble presque être une forme idéale platonicienne. Comme Craigslist, c’est du HTML simple, qui se charge vite, fournit uniquement les informations et fonctions nécessaires, et ne se met pas en travers du chemin.
  L’équipe d’arXiv mérite une immense reconnaissance pour le travail accompli jusqu’ici. Il est difficile d’exagérer à quel point un serveur de prépublications a été utile et transformateur pour la science.

  • « Du HTML simple, un chargement rapide, uniquement les informations et fonctions nécessaires, et rien d’autre qui gêne » : c’est exactement l’essentiel. Je serais vraiment furieux si cela devenait une application monopage nécessitant JavaScript qui court après les modes.
    Ce financement pourrait servir à augmenter la bande passante ou le stockage, mais j’espère qu’il ne sera pas gaspillé dans des changements d’UI inutiles et hostiles.
  • J’ai créé un outil pour explorer les articles d’informatique via l’API arXiv : https://trendingpapers.com/
    J’espère surtout qu’ils continueront l’excellent travail qu’ils font actuellement du côté de l’API.
  • Les PDF se chargent plutôt lentement, donc il y a une exception à l’idée que le site est rapide.

• arXiv est probablement le dépôt le plus important pour la science, et certains s’énervent contre le financement public, en disant que les grandes entreprises tech y déposent leurs recherches et devraient donc le soutenir avec beaucoup d’argent. Mais il faut réfléchir aux conséquences de cette proposition.
  Quand on finance quelque chose, on obtient un certain pouvoir sur cette chose. Directement ou indirectement, on peut dire : « si vous ne suivez pas notre proposition, nous reconsidérerons notre soutien financier ». Est-ce vraiment souhaitable de placer sous influence des entreprises un espace qui devrait rester ouvert et indépendant au service de la science et de l’intérêt général, alors que leurs objectifs ne coïncident pas toujours ?

  • L’open source est, littéralement, ouvert. Contribuer financièrement à arXiv pour aider à couvrir les coûts n’est pas un problème en soi, tant que cet argent ne s’accompagne ni de menaces ni de conditions.
    L’idée de base est que, si l’on tire profit d’une manière ou d’une autre d’un dépôt ouvert, il n’y a rien de mal à contribuer. Si suffisamment de personnes ou d’organisations contribuent, tout le monde y gagne ; et si l’organisation derrière le projet reste au niveau d’un hobby individuel au point d’être difficile à pérenniser, elle peut avoir besoin de soutien.
    Au bout du compte, des services comme arXiv ont aussi des coûts. Personne n’est obligé de contribuer, mais c’est une bonne chose de le faire.

• En lisant que « arXiv a été fondé en 1991 par le Dr Paul Ginsparg, alors physicien au Los Alamos National Laboratory, avant son retour à Cornell », j’ai découvert pour la première fois qu’arXiv existait depuis si longtemps. Honnêtement, je ne l’ai connu et commencé à l’utiliser qu’il y a moins de dix ans.

  • Selon les disciplines, le moment où l’on a commencé à publier régulièrement des articles sur arXiv a varié. Très grossièrement, l’ordre a été : théorie des hautes énergies vers 1992, autres domaines de physique théorique vers 1994, physique expérimentale vers 1996, mathématiques vers 2000, informatique vers 2008.
    Certains domaines ont basculé presque du jour au lendemain ; d’autres ont grandi lentement pendant plusieurs années avant que publier sur arXiv devienne la norme.
  • Avant d’être un site web, c’était une liste de diffusion par e-mail.
  • Il m’arrive encore de taper xxx.lanl.gov. Avant, ça redirigeait ; maintenant non, et c’est dommage.

• Ma prédiction : arXiv n’a pas besoin de cet argent, ni de mise à niveau. Cet argent ne fera qu’attirer des commerciaux, qui seront tous payés pour proposer de rendre arXiv moins bon. L’un d’eux pourrait réussir.

  • Je suis d’accord. Le rôle d’arXiv, très sérieusement, est de servir de dépôt de PDF. Et il le fait bien aujourd’hui.
    Il n’a pas besoin d’un nouveau front-end clinquant qui sera de nouveau remplacé dans 18 mois parce que « cette fois, les formes rondes sont à la mode ». Il n’a pas non plus besoin de migrer vers une « solution de plateforme distribuée, équilibrée en charge, tolérante aux pannes et web-scale » qui demandera environ deux fois plus de maintenance et de temps d’ingénierie qu’aujourd’hui.
    Tout ce qu’il faut, c’est fournir des documents. S’il y a des problèmes de charge, le contenu étant majoritairement statique, il suffit de le mettre derrière un CDN. C’est exactement le cas d’usage pour lequel les CDN ont été conçus.
    Par pitié, qu’ils ne changent rien.

• « Migration vers le cloud », super. On pourra donc s’attendre à un CAPTCHA à chaque article téléchargé.
  Pour être clair, je fais confiance à arXiv pour ne pas prendre une décision aussi stupide, mais une migration vers le cloud signifie souvent que les décisions ne sont plus vraiment prises en interne.

  • Ils pourraient tout aussi bien adopter directement une approche hybride, comme beaucoup d’entreprises. Par exemple, « migrer vers le cloud » pourrait simplement signifier mettre les sauvegardes des articles sur S3 et basculer naturellement vers l’emplacement S3 si le téléchargement initial échoue.
    À l’inverse, cela pourrait aussi vouloir dire tout réécrire pour tourner sur Lambda. Autrement dit, « migrer vers le cloud » signifie des choses différentes selon les entreprises ou organisations.
  • Ce passage au cloud semble plus probablement motivé par la sécurité, c’est-à-dire la prévention des intrusions externes, que par l’amélioration du produit. Comme tu le dis, beaucoup de décisions pourraient ne plus appartenir à Cornell. Cela ressemble à un signal d’une tendance géopolitique plus large.

• arXiv est une bénédiction. Je dois en partie ce que je suis aujourd’hui à arXiv et aux personnes qui y ont partagé ouvertement leurs recherches.
  Je n’aime pas que DeepMind enferme ses recherches derrière des publications comme Nature. Je comprends que cela donne accès à un club prestigieux, mais ça manque d’authenticité. Rendre la recherche publique fait avancer l’humanité.
  On peut dire qu’arXiv a laissé une petite empreinte sur le monde, et je suis heureux qu’il reçoive les fonds nécessaires à sa durabilité. J’espère seulement qu’ils ne se brûleront pas les ailes en essayant de grossir inutilement.

• J’aime vraiment arXiv et je suis ravi qu’il obtienne davantage de financement. J’espère que cet argent permettra de corriger d’anciens problèmes, en particulier la façon dont sont gérées l’identité et l’affichage des auteurs
  Par exemple, le système actuel part du principe que les noms des personnes ne changent pas[1], ce qui a un impact négatif en particulier sur les auteurs trans. Avec plus de moyens, cela semble pouvoir être corrigé, et j’espère que ce sera le cas
  [1]: https://www.kalzumeus.com/2010/06/17/falsehoods-programmers-...

  • Il n’existe pas de bonne façon de gérer les changements de nom. On peut les modifier dans les métadonnées, mais l’ancien nom reste dans le corps des articles
    Même si l’on permet à l’auteur de le modifier dans l’article, les références bibliographiques des autres conserveront l’ancien nom. Les références sont plus difficiles. Il faudrait une automatisation capable de toutes les trouver et de lever les ambiguïtés, ce qui est particulièrement pénible dans des cas comme les noms chinois. En plus, beaucoup d’auteurs refuseraient que quelqu’un d’autre modifie leur article
  • Cela pénalise bien davantage les femmes qui prennent le nom de leur mari ou qui le font sous l’effet des attentes sociales
  • Il ne faut pas changer l’histoire. On peut utiliser un nouveau nom, mais il faut le considérer comme une identité nouvelle et distincte
  • arXiv semble prendre en charge les changements de nom, mais apparemment pas dans les citations et les références[1]
    Cela me paraît acceptable. Modifier les citations donne l’impression d’une réécriture étrange de l’histoire et d’une intervention relevant du droit d’auteur
    Si quelqu’un citait ce commentaire en écrivant « bigyikes » et que Dang changeait ensuite mon nom, faudrait-il aussi corriger le commentaire qui me cite ? Je pense que non, mais je suis peut-être minoritaire sur ce point
    [1]: https://blog.arxiv.org/2021/03/11/update-name-change-policy/

• arXiv est une ressource formidable. Au moins dans mon domaine, les langages de programmation, et probablement dans la majeure partie de l’informatique, il me semble que la plupart des articles sont disponibles sur arXiv
  Il n’y a aucune raison de ne pas rendre les articles accessibles gratuitement. La plupart des biens ont un coût parce qu’ils sont matériels, ou parce que leur production mobilise de l’argent et des ressources qu’il faut récupérer. Mais le coût de distribution d’un article est quasiment nul, et les résultats de recherche et les découvertes sont produits grâce à des subventions qui financent précisément cela

  • Ma philosophie est que si l’on veut consacrer du temps aux revues fermées, libre à chacun
    À l’époque où un domaine était petit et de niche, un regroupement par sujet pouvait être utile. Mais avec la recherche moderne et les outils informatiques actuels, je me demande pourquoi ce serait encore nécessaire
    Dans le monde académique, rien ne me semble davantage relever d’un commerce exploiteur que cette structure. À mon sens, tout devrait être publié, et les discussions naturelles autour d’un sujet devraient en déterminer l’importance

• Est-ce forcément une bonne idée de déplacer vers le cloud quelque chose dont le budget est vraiment très serré ?

• J’aimerais que les articles deviennent nativement web

  • Il semble que ce soit déjà en cours
    « arXiv produira également des versions HTML de ses contenus, en plus des PDF, afin d’offrir une bien meilleure accessibilité aux personnes malvoyantes »
    Reste à savoir si cela pourra réussir. Un pipeline de compilation vers HTML devra fonctionner avec tous les packages LaTeX utilisés par les gens, ou au moins avec la plupart d’entre eux et échouer proprement pour les autres. Rien que compiler en PDF est déjà suffisamment difficile pour qu’arXiv ait dû maintenir indéfiniment des versions annuelles de TeX Live