lawve-ai/recherche-theses-allison-fiorentino
Recherche, cartographie et analyse des thèses de doctorat françaises via theses.fr (API ABES) et TEL (HAL). Spécialisée droit avec filtrage par sous-disciplines juridiques. Ouverte sur d'autres domaines universitaires. Capacités : (1) recherche multi-critères — sujet, directeur, jury, établissement, école doctorale, période, statut soutenue/en préparation, discipline ; (2) cartographie académique — qui dirige sur quel sujet, qui siège dans quels jurys, réseaux de co-direction, écoles doctorales productives ; (3) analyses temporelles — évolution d'un sujet, détection de saturation, calendrier des soutenances à venir ; (4) filtrage sous-discipline juridique — droit privé, public, social, affaires, international, etc. Déclencher dès que l'utilisateur mentionne thèse, doctorat, directeur de thèse, jury de thèse, école doctorale, soutenance, doctorant, ou demande une analyse d'écosystème doctoral. Pour articles ou ouvrages de doctrine, utiliser plutôt recherche-doctrine.
npx skills add https://github.com/lawve-ai/awesome-legal-skills --skill recherche-theses-allison-fiorentinoSkill spécialisée pour les enseignants-chercheurs, doctorants, jurys de recrutement et bibliothécaires juridiques. Couvre les thèses de doctorat françaises soutenues depuis 1985 et les thèses en préparation (depuis 2006).
> Note de version (mai 2026) : l'API publique theses.fr a été refondue (front Nuxt). Ce skill documente la nouvelle structure d'endpoints /api/v1/theses/... et /api/v1/personnes/.... Les anciennes routes /api/v1/recherche/these et /api/v1/diffusion/... ne fonctionnent plus. Voir § Procédure de récupération en cas de breakage.
| Source | Couverture | Endpoint racine | Licence |
|--------|-----------|-----------------|---------|
| theses.fr API (ABES) | Toutes thèses FR depuis 1985 + en préparation depuis 2006 | https://theses.fr/api/v1/theses/recherche/ | Métadonnées sous Licence Ouverte Etalab 2.0 |
| theses.fr — détail thèse | Métadonnées complètes d'une thèse + champ accessible | https://theses.fr/api/v1/theses/these/{NNT} | Etalab 2.0 |
| theses.fr — recherche personnes | Recherche d'auteurs / directeurs / membres de jury | https://theses.fr/api/v1/personnes/recherche/ | Etalab 2.0 |
| theses.fr — profil personne | Rôles agrégés (rapporteur, directeur, examinateur, président) + thèses + disciplines + établissements | https://theses.fr/api/v1/personnes/personne/{PPN} | Etalab 2.0 |
| theses.fr — facets / completion / stats | Facettes, autocomplétion, stats globales | /api/v1/theses/facets/, /api/v1/theses/completion/, /api/v1/theses/statsTheses, /api/v1/theses/statsSujets | Etalab 2.0 |
| TEL (HAL) | Texte intégral des thèses déposées | API HAL (api.archives-ouvertes.fr/search/tel/) | Variable, mention auteur obligatoire |
| IdRef | Référentiel d'autorités personnes/structures (PPN = IdRef) | data.idref.fr | Etalab 2.0 |
| Sudoc (optionnel) | Catalogue, thèses publiées en ouvrage | www.sudoc.fr | Etalab 2.0 |
Périmètre : thèses de doctorat uniquement. Les HDR, thèses d'exercice (médecine, pharmacie) et mémoires de master ne sont PAS dans theses.fr. Pour les HDR, signaler la limite à l'utilisateur.
1. Métadonnées (titres, auteurs, jurys, dates, résumés, mots-clés) — Réutilisation libre sous Etalab 2.0. Toujours ajouter en pied de réponse : *« Source : theses.fr / ABES — Licence Ouverte Etalab 2.0, données extraites le [date] ».*
2. Texte intégral des thèses — Le doctorant reste titulaire du droit d'auteur. Ne télécharger un PDF que si l'API confirme l'accès libre (champ accessible:"oui" sur l'endpoint détail). Ne JAMAIS tenter de contourner l'authentification CAS pour les thèses en accès restreint ESR.
3. Citations dans les réponses — Citations courtes uniquement (exception L.122-5, 3° CPI), entre guillemets, avec attribution. Pas de reproduction de paragraphes. Privilégier la paraphrase et le lien vers la thèse.
4. Fouille de contenu (TDM) — L'analyse automatisée est couverte par l'exception TDM recherche (L.122-5-3 II CPI) pour un enseignant-chercheur, à condition d'un accès licite. Donc : fouille uniquement sur thèses en accès libre.
5. Données personnelles — Les noms de directeurs, jurys et doctorants sont des données publiques au sens du RGPD (article 89 §1). Les utiliser pour cartographie académique est légitime. Ne pas extrapoler d'informations privées.
L'API renvoie silencieusement totalHits: 0 quand un champ de la requête Lucene n'existe pas. Ce comportement masque des bugs de requête en faux négatifs. Toujours :
parent.enfant qui ne fonctionne pas.| Champ | Exemple | Notes |
|-------|---------|-------|
| titrePrincipal | titrePrincipal:(blockchain) | Titre français |
| discipline | discipline:(droit*) | ⚠️ pas discipline.fr |
| dateSoutenance | dateSoutenance:[2020-01-01 TO 2025-12-31] | Format AAAA-MM-JJ côté requête, mais retourné au format JJ/MM/AAAA |
| status | status:soutenue ou status:enCours | ⚠️ pas enPreparation |
| accessible | accessible:oui | String "oui" / "non" |
| langues | langues:fr | ⚠️ pluriel, pas langue |
| etabSoutenanceN | etabSoutenanceN:(Lille) | Établissement de soutenance |
| sujetsLibelle | sujetsLibelle:(blockchain) | Mots-clés libres saisis par l'auteur |
directeursThese.nom, directeurs.nom, rapporteurs.nom, membresJury.nom, examinateurs.nom, presidentJury.nom, auteurs.nom, sujetsRameauLibelle, sujetsRameau.libelle, ecolesDoctorales.nom, partenairesRecherche.nom, etabCotutelleN.
→ Pour ces critères, deux contournements :
/personnes/recherche/?q=Nom pour trouver le PPN, puis /personnes/personne/{PPN} qui renvoie directement la liste des thèses associées et les rôles.?q=Loiseau retourne tout document mentionnant ce nom, puis filtrer en Python sur le champ JSON pertinent.⚠️ Incohérence à connaître : les deux endpoints n'utilisent PAS la même nomenclature pour les champs imbriqués.
/theses/recherche/ (résultats de liste){
"totalHits": 48613,
"took": 53,
"theses": [
{
"id": "...", "nnt": "...", "titrePrincipal": "...",
"etabSoutenanceN": "...", "dateSoutenance": "JJ/MM/AAAA",
"datePremiereInscriptionDoctorat": null,
"auteurs": [{"ppn", "nom", "prenom"}],
"directeurs": [{"ppn", "nom", "prenom"}],
"rapporteurs": [{"ppn", "nom", "prenom"}],
"examinateurs":[{"ppn", "nom", "prenom"}],
"president": {"ppn", "nom", "prenom"}, // singulier
"discipline": "Droit",
"status": "soutenue",
"ecolesDoctorale": [...], // singulier
"partenairesDeRecherche":[...], // 'De'
"sujets": [...],
"sujetsRameau": [{"ppn", "libelle"}]
}
]
}
/theses/these/{NNT} (détail)Champs supplémentaires et noms partiellement différents : accessible, cas, codeEtab, doi, etabSoutenance (sans N), etabCotutelle, isSoutenue, langues, mapSujets, membresJury (au lieu de examinateurs), numSujet, partenairesRecherche (sans De), presidentJury (au lieu de president), resumes, source, titres (multilingues), ecolesDoctorales (au pluriel).
→ Conséquence pratique : si on agrège des données issues des deux endpoints, normaliser les noms côté client.
/personnes/personne/{PPN} ⭐Le plus utile pour la cartographie. Renvoie :
{
"id": "035137576", "nom": "Loiseau", "prenom": "Grégoire", "has_idref": true,
"roles": {
"Rapporteur / Rapporteuse": 28,
"Examinateur / Examinatrice": 70,
"Directeur / Directrice": 79,
"Président / Présidente du jury": 9,
"Auteur / Autrice": 1
},
"theses": [...],
"disciplines": ["Sciences juridiques", "Droit privé", "Droit"],
"etablissements": ["Paris 1", "Paris 2", "Bordeaux"]
}
nombre=N&debut=K. La limite testée fonctionne au moins jusqu'à nombre=500 par requête. Pour de gros corpus, paginer par tranches de 100 reste prudent.tri ne semble appliqué côté serveur en mai 2026 (toutes les valeurs dateSoutenance, dateSoutenanceDesc, dateSoutenanceAsc, -dateSoutenance, score produisent le même ordre, qui n'est pas chronologique). Trier côté client après récupération.Combiner les filtres validés ci-dessus avec les opérateurs Lucene AND, OR, NOT, parenthèses. Exemple :
GET https://theses.fr/api/v1/theses/recherche/?q=
titrePrincipal:(licenciement économique)
AND discipline:(droit*)
AND dateSoutenance:[2015-01-01 TO 2025-12-31]
AND status:soutenue
&nombre=100&debut=0
Pour rechercher par sujet de manière plus large, combiner titrePrincipal:(...) avec une recherche full-text (sans préfixe de champ) qui interroge l'index complet : ?q=licenciement économique AND discipline:(droit*).
Pour identifier qui a rapporté/dirigé/jugé sur un sujet :
1. Récupérer le corpus thématique via /theses/recherche/?q=...
2. Extraire les PPN uniques des champs directeurs/rapporteurs/examinateurs
3. (Optionnel) Pour chaque PPN, GET /personnes/personne/{PPN}
→ obtient les rôles agrégés sur l'ensemble du catalogue
→ utile pour distinguer un rapporteur "occasionnel" d'un "récurrent"
4. Agréger côté client (Counter Python sur PPN)
Désambiguïsation : le PPN de l'API theses.fr est l'identifiant Sudoc, qui est identique à l'IdRef. Une URL canonique vers la fiche personne : https://www.idref.fr/{PPN}.
Pour cartographier une école doctorale ou un établissement :
L'absence de champ Lucene utilisable pour ecolesDoctorale impose un workflow en deux temps :
1. /theses/recherche/?q=etabSoutenanceN:(NomEtab) AND status:soutenue
2. Côté client, regrouper sur les ecolesDoctorale[].nom retournées
dateSoutenance[-4:] après split) → détection de saturation ou émergencestatus:enCours + datePremiereInscriptionDoctorat permet de prévoir les soutenances à venir (durée moyenne 3-6 ans en droit)dateSoutenance − datePremiereInscriptionDoctorat, utile pour comparer écoles doctoralesL'API expose la discipline déclarée par l'établissement (discipline, sans .fr), souvent libre, ce qui produit du bruit. Stratégie de filtrage :
discipline:(droit*) capture la majorité des thèses juridiquessujetsLibelle:(...) (plus précis qu'une recherche dans le titre) ; noter que sujetsRameauLibelle n'est PAS requêtable mais le champ sujetsRameau[].libelle est disponible dans la réponse pour filtrage côté clientq= sans préfixe interroge tout l'index, utile pour un thème transversalSous-disciplines principales gérées : droit privé, droit public, droit pénal, droit du travail / social, droit des affaires / sociétés / commercial, droit international (privé / public), droit européen, droit fiscal, histoire du droit, théorie / philosophie du droit, droit comparé, droit de la santé, droit du numérique, droit constitutionnel, droit administratif, procédure (civile / pénale / administrative).
Avant toute recherche, identifier :
Si ambigu, demander avant de lancer une requête lourde.
Garder la requête initialement large pour éviter de manquer des résultats pertinents en raison d'une discipline mal renseignée. Rédiger un script Python plutôt que des curl pour faciliter l'agrégation.
import urllib.request, urllib.parse, json
API = "https://theses.fr/api/v1/theses/recherche/"
q = ('titrePrincipal:(licenciement économique) '
'AND discipline:(droit*) '
'AND dateSoutenance:[2015-01-01 TO 2025-12-31] '
'AND status:soutenue')
url = API + "?" + urllib.parse.urlencode({"q": q, "nombre": 100, "debut": 0})
data = json.loads(urllib.request.urlopen(url, timeout=30).read())
discipline:(droit*) (souvent trop strict si la thèse est mal classée), élargir aux résumés via une recherche full-text q=...directeurs.nom:(Loiseau) renvoie 0 alors que Loiseau en seul terme renvoie 655 hits.Format de sortie selon la demande :
/personnes/personne/{PPN} pour les figures principales/theses/these/{NNT}, vérifier accessible:"oui", puis chercher le PDF sur TEL/HAL si disponiblePour chaque thèse mentionnée :
https://theses.fr/{NNT} (ex : https://theses.fr/2021NORMR098)https://www.idref.fr/{PPN} ou https://theses.fr/{PPN}« Qui dirige des thèses sur le télétravail en France ? »
→ Capacité 2. Recherche titrePrincipal:(télétravail) AND discipline:(droit*) AND status:soutenue + agrégation côté client sur directeurs[].ppn + tri par fréquence et récence.
« Quelles thèses récentes sur la responsabilité algorithmique ? »
→ Capacité 1 + 4. Recherche large q=responsabilité algorithmique AND discipline:(droit*) (full-text + filtre discipline) + tri date côté client.
« Le sujet "discrimination à l'embauche" est-il saturé ? »
→ Capacité 3. Récupération de toutes les thèses + agrégation annuelle Python + détection de pic.
« Préparer un jury de thèse en droit du numérique : qui mobiliser ? »
→ Capacité 2. Identifier les rapporteurs récurrents sur des thèses voisines (agrégation des PPN du champ rapporteurs) + désambiguïsation IdRef + consultation /personnes/personne/{PPN} pour confirmer le profil global.
« Cette thèse a-t-elle été publiée en ouvrage ? »
→ Croisement avec Sudoc par auteur ou titre.
« Y a-t-il des thèses en cours sur la directive CSRD ? »
→ Capacité 1 + 3. status:enCours AND titrePrincipal:(CSRD) + date prévisible de soutenance via datePremiereInscriptionDoctorat.
Si une route renvoie 404 ou si tous les champs Lucene renvoient 0 :
1. curl -s "https://theses.fr/?q=test" -o /tmp/page.html
2. grep -o 'window.__NUXT__.config.*' /tmp/page.html
→ confirme la valeur courante de l'URL de l'API (clé `public.API`)
3. Identifier les chunks JS chargés :
grep -oE '/_nuxt/[A-Za-z0-9_-]+\.js' /tmp/page.html
4. Télécharger les chunks et chercher les routes :
curl -s "https://theses.fr/_nuxt/{chunk}.js" | grep -oE '"/[a-z]+/(recherche|completion|facets|stats)[^"]*"'
Cette procédure a permis (mai 2026) de retrouver les routes après leur refonte silencieuse.
discipline : librement renseigné par les établissements, donc bruité. Compléter toujours par mots-clés libres (sujetsLibelle) ou recherche full-text.directeurs.*, rapporteurs.*, examinateurs.*, ecolesDoctorale.*. L'API renvoie 0 hit sans erreur — risque élevé de faux négatifs si on ne le sait pas. Workflow PPN obligatoire.tri= ne semble appliqué — toujours trier côté client./theses/recherche/ et /theses/these/{NNT} : examinateurs vs membresJury, president vs presidentJury, ecolesDoctorale vs ecolesDoctorales, partenairesDeRecherche vs partenairesRecherche. Normaliser côté client.À ajouter en pied de toute réponse utilisant ces données :
> *Sources : theses.fr / ABES — Licence Ouverte Etalab 2.0 ; le cas échéant, TEL (HAL) — données extraites le [JJ/MM/AAAA].*
Take lawve-ai/recherche-theses-allison-fiorentino from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.