République
Française
Thèses soutenues en France depuis 1985
Description
Ce jeu de données contient les métadonnées des thèses de doctorat françaises soutenues depuis 1985.
Les données sont issues de theses.fr, le moteur de recherche des thèses de doctorat françaises. Il recense l’ensemble des thèses de doctorat soutenues en France depuis 1985. Les données sont produites par les établissements habilités à délivrer le doctorat et sont placées sous leur responsabilité.
Seules les thèses de doctorat françaises soutenues depuis 1985, telles que définies par l’arrêté du 25 septembre 1985, l’arrêté du 7 août 2006 et l’arrêté du 25 mai 2016 (mis à jour par l'arrêté du 26 août 2022), font l’objet d’un signalement sur theses.fr (et sont présentes dans ce jeu de données).¹ Ce signalement constitue une obligation réglementaire.
Ce jeu de données est disponible en trois formats : CSV, json et ndjson. Il est accompagné d'un guide de réutilisation.
Exposition et réutilisation des données personnelles
La mise à disposition de données relatives aux personnes se fait en conformité avec l’article D.312-1-3, paragraphe 4, du Code des relations entre le public et l’administration et l’article 17, paragraphe 3, du Règlement Général sur la Protection des Données. Les données publiées sont toutes des données publiques. Elles sont réduites au strict nécessaire, conformément à l’article 89, paragraphe 1, du Règlement Général sur la Protection des Données : noms et prénoms des personnes liées aux thèses de doctorat (auteurs, directeurs de thèse, membres du jury), liste des thèses liées au nom desdites personnes.
Les personnes concernées disposent d'un droit d'accès et de rectification des données, qu’elles peuvent exercer via le guichet d'assistance de l’Abes. Le droit à l’effacement ne peut s’exercer concernant le signalement des thèses de doctorat soutenues, conformément aux exceptions prévues par l’article 17, paragraphes 3.b et 3.d, du Règlement Général sur la Protection des Données.
¹ Les HDR, les thèses d’exercice et les mémoires ne font pas partie du périmètre de theses.fr.
- Dernière mise à jour
- January 8, 2024
Fréquence de mise à jour non respectée
Vues
0
Téléchargements
0
Do you want to find a thesis on a specific topic?
scanR allows you to browse and access research publications (if access is open).
Votre question porte sur autre chose que ce jeu de données ? Visiter notre forum
7 discussions dont 1 clotûrée
Questions sur le renseignement des disciplines, la nature de l'identifiant nnt et les dates d'inscription
Bonjour,
Tout d'abord j'aimerais vous remercier pour ce dataset. J'ai quelques questions concernant certains champs, notamment le champ "discipline" où on retrouve quelques valeurs étonnantes (typos, caractères en trop, plusieurs occurrences de "?" comme valeur), pourriez-vous m'éclairer quant au processus qui a permis de récolter cette information et qu'est-ce qui fait que ces anomalies apparaissent dans la colonne ?
J'aimerais également savoir s'il est prévu d'inclure la date d'inscription en thèse dans une version ultérieure du dataset. Sauf erreur de ma part, cette information devrait être accessible depuis STEP ou STAR et son ajout permettrait d'avoir une meilleure estimation de la durée de chaque thèse.
Enfin, auriez-vous des informations sur la façon dont est formé l'identifiant nnt des thèses ? On reconnaît assez facilement qu'il s'agit du code de l'établissement suivi de l'année de soutenance et enfin une combinaison de caractères (le plus souvent uniquement des nombres mais avec certaines exceptions) : ma question concerne la combinaison de caractères, savez-vous s'il s'agit d'un simple code unique aléatoire ou s'il est basé sur l'identité de la personne ayant effectué la thèse ? J'aimerais retrouver avec certitude les personnes ayant effectué plus d'une thèse, et dans la mesure où l'idRef n'est pas toujours présent, je ne peux en l'état me baser que sur le nom complet et m'aider d'heuristiques (établissement, date, disciplines...), si le nnt est basé sur l'identité de la personne, je pourrais me baser dessus à la place.
Encore merci pour ce dataset et pour tous les efforts que vous fournissez pour le maintenir et le mettre à jour.
Cordialement,
Version mise à jour et corrigée du dataset
Bonjour,
Merci pour ce dataset qui nous a beaucoup aidé dans le cadre de nos recherches. Cependant, nous avons remarqué plusieurs problèmes (IdRefs obsolètes ou malformés pour certaines personnes, certaines données absentes de la version CSV, etc.) qui nous ont amenés à produire une version modifiée du dataset. Cette version corrige les problèmes que nous avons identifiés en plus d'ajouter les thèses manquantes de 2022 à 2025 et d'ajouter quelques features (identifiants TEL et SUDOC des thèses, données issues d'IdRef, informations dérivées des données existantes, etc.)
Nous avons mis à disposition notre version du dataset (https://doi.org/10.5281/zenodo.19453190) et un data paper (https://doi.org/10.48550/arXiv.2604.08619) décrivant les modifications que nous avons effectué.
Votre dataset est cité comme une des sources du nôtre dans le data paper et les métadonnées de Zenodo, mais si vous souhaitez que nous référencions l'ABES ou votre dataset d'autres manières, n'hésitez pas à nous contacter.
Bonjour,
Nous vous remercions de l'intérêt que vous portez à ce jeu de données et nous vous prions d'excuser ce retard dans la mise à jour du jeu de données à disposition sur data.gouv. Nous sommes bien conscient de son l'obsolescence et nous avons relancé le travail interne concernant sa mise à jour.
A titre purement indicatif, pourriez vous nous fournir quelques précisions sur les outils, webservices et process que vous avez utilisé pour le mettre à jour s'il-vous-plaît ?
Par ailleurs, il nous semble qu'il manque un lien vers le dataset lui-même (https://www.data.gouv.fr/datasets/theses-soutenues-en-france-depuis-1985) dans votre data paper et les métadonnées de Zenodo. Pourriez vous l'ajouter svp ?
Bien cordialement,
Bonjour,
Merci pour votre réponse. Concernant la citation du dataset, actuellement le papier le cite en note de bas de page (page 1 et 4) mais nous ferons en sorte que la référence soit plus explicite dans la nouvelle version. Pour Zenodo, le dataset est mentionné dans la partie "Additional details" des métadonnées, mais nous avons ajouté un lien vers le dataset et l'API dans la data card.
Pour la mise à jour de la liste des thèses, nous avons utilisé l'API de Thèses.fr pour récupérer toutes les thèses soutenues entre 2022 et 2025 qui n'étaient pas disponibles dans ce jeu de données. Nous avons harmonisé les données au format de votre jeu de données (quand c'était possible), et nous avons indiqué dans les données la provenance de chaque thèse (API ou dataset). Si ce point vous intéresse, presque tout ce passe dans ce fichier : https://github.com/WilliamAboucaya/phd-theses-france/blob/main/code/datasets/theses_fr/utils/download_theses_fr_data.py
En dehors de ça, nous nous basons beaucoup sur du scraping (IdRef, Thèses en ligne) et nous utilisons le webservice nnt2ppn du SUDOC pour récupérer l'identifiant PPN de la thèse. Nous effectuons le genrage automatique en utilisant la bibliothèque Python "nomquamgender", et les colonnes dérivées du reste des données (centralité, métriques d'ancienneté, etc), sont produites par de l'analyse de données classique. Si vous voulez des éclaircissements sur un point précis, n'hésitez pas.
Bien cordialement,
William Aboucaya
Date d'actualisation du fichier de thèses en 2026 et thèses débutées pas encore soutenues
Bonjour. Merci pour votre jeu de données mais comme indiqué dans le titre, j'aimerais connaître à quelle date les données de thèses inclueront celles soutenues en 2024 et 2025 (deux ans sans actualisation là) et pourquoi vous n'avez pas extrait de la base theses.fr les thèses en cours en laissant le champ date de soutenance à vide ce qui enlève nombre d'informations très intéressantes sur les orientations de travaux les plus récents. Merci pour votre réponse. Très cordialement
Bonjour
Nous vous remercions de l'intérêt pour ce jeu de données et nous vous prions d'excuser ce retard dans la mise à jour du jeu de données à disposition sur data.gouv. Nous sommes bien conscient de son l'obsolescence.
Malheureusement, plusieurs gros projets concurrents au sein de l'Agence ainsi que des mises à niveau techniques préalables, nous mettent dans l'impossibilité de vous donner une date de mise à jour.
Ainsi que vous le demandez, il est bien prévu, lors de l'automatisation de la production de ce jeu de donné, avec une périodicité alors garantie, de mettre à disposition un jeu complémentaire des projets de thèses non encore soutenues.
En attendant, vous disposez de 2 alternative exploitant les données de la base theses.fr : https://theses.fr/?domaine=theses
soit de notre API, directement branchée sur la base de theses.fr qui vous permettra de compléter le jeu de données sur data.gouv
https://documentation.abes.fr/aidethesesfr/index.html#PrincipeAPI
- en exportant les thèses soutenues depuis le 1re janvier 2024 : status:(soutenue) , dateSoutenance(2024-01-01 TO 2025-12-31)
- en exportant les thèses en préparation (status:(enCours))
soit, si vous souhaitez un résultat tabulé
de la fonction d'export a partir des résultats d'une recherche dans l'interface de theses.fr
https://documentation.abes.fr/aidethesesfr/index.html#exportsdonnees
- en sélectionnant "thèses soutenues Explorer" depuis la page d'accueil, puis en jouant, dans colonne de gauche, sur la facette "Date" qui est l'année de soutenance
- en sélectionnant "thèses en préparation Explorer" depuis la page d'accueil
Le maximim de thèses exportable simultanément est de 10 000 : il vous faudra donc faire des sous ensembles
Espérant que ces solutions alternatives pourront répondre à votre besoin dans l'immédiat
Brigitte Michel pour L'Abes
Ecart données par rapport à l'interface web de theses.fr
Bonjour,
en comparant le nombre de thèses dans le dump par rapport au chiffre du nombre de thèses soutenues sur l'interface web j'observe un écart entre ces deux sources : on a 445 830 thèses soutenues dans le dump contre 457 706 thèses soutenues jusqu'en 2023 sur l'interface web. Je me demandais s'il s'agissait de doublons présents sur les données web qui avaient été corrigées dans le dump ou simplement d'une erreur (ou toute autre raison)?
Par ailleurs, le nom et la description du dump indiquent que les thèses enregistrées sont censé remonter au plus tard à 1985 or on retrouve des date de soutenance allant jusqu'à 1965. Du coup, je me demande également s'il s'agit d'une erreur ou autre?
En vous remerciant d'avance,
Bien à vous
Bonjour,
nous vous remercions grandement de votre signalement et de l'intérêt que vous portez aux données de theses.fr.
Le delta entre les deux sources s'explique par la durée de traitement des thèses par les établissements de soutenance : le jeu de données exposé sur data.gouv a été publié le 08 janvier 2024 et ne contient pas les thèses déjà soutenues à cette date, mais dont le signalement et l'archivage n'étaient pas encore finalisés.
Effectivement, quelques scories (thèses soutenues avant 1985) étaient encore présentes au moment de ce premier dump. Il s'agissait d'un "reste" du chargement initial des données dans theses.fr, avant que la limite de date ne soit intégrée. Un nettoyage a été effectué depuis et ces thèses ne sont plus présentes sur le site.
Par ailleurs, une mise à jour du dump est également prévue pour le début de l'année 2026, sans que nous ne puissions être plus précis pour le moment.
Bien cordialement,
Bonjour,
merci pour votre réponse très rapide et claire. Je suis également content d'apprendre qu'un nouveau dump avec les données à jour est prévue pour bientôt.
Bien à vous
Connaître les thèses en Sciences de gestion soutenues en 2024
Bonjour,
J'aimerais pouvoir connaître les thèses soutenues en Sciences de gestion en 2024, comment puis-je faire ?
Depuis la mise à jour du site, j'ai l'impression que le filtre ne me permet pas de toute les trouver...
Merci par avance pour votre réponse.
Bien à vous,
Bonjour,
Je vous prie de bien vouloir nous excuser pour les délais de réponse.
La base de données de theses.fr n’a pas été modifiée. De même, les filtres sur les disciplines ou les domaines thématiques sont toujours disponibles sur la nouvelle version du site et récupèrent toujours les données au même endroit. Il n’y a donc pas de différences à ce niveau là. En revanche, le moteur de recherche est désormais plus restrictif car il ne cherche plus les informations dans le plein texte des thèses : les résultats sont plus pertinents. Nous vous invitons donc : soit à utiliser les filtres (en combinant le filtre « domaines thématiques » et le filtre « disciplines » => en cherchant "gestion"), soit à utiliser la recherche avancée.
Bien cordialement,
Champs date_soutenance avec des dates dupliquées
Bonjour,
juste pour signaler que certains champs 'date_soutenance' ont un format incorrect du type "2002-01-013031-01-01" ou la première partie du champs semble être la date correcte. C'est au moins le case dans la version csv des données, peut-être aussi dans les autres mais je n'ai pas testé.
Cordialement
Vincent
Raisons du manque de certaines informations (résumé, jury, etc)
Discussion close par 
Data Abes le February 14, 2023
Data Abes le February 14, 2023