• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 16159 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 16159 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • CNRS Éditions
  • ›
  • Les essentiels d'Hermès
  • ›
  • Information et communication scientifiqu...
  • ›
  • Sciences, réseaux et cognition après le ...
  • CNRS Éditions
  • CNRS Éditions
    CNRS Éditions
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral Sciences in silico Organisation en réseau Accès aux connaissances Bibliographie Notes de bas de page Auteur

    Information et communication scientifique à l'heure du numérique

    Ce livre est recensé par

    Précédent Suivant
    Table des matières

    Sciences, réseaux et cognition après le déluge

    Jean-Gabriel Ganascia

    p. 49-61

    Note de l’éditeur

    Inédit

    Texte intégral Bibliographie Références bibliographiques Notes de bas de page Auteur

    Texte intégral

    1D’Assyrie en Babylonie, de Palestine en Grèce, et au-delà, jusqu’en Chine et en Amérique, on fait état du déluge : l’Épopée de Gilgamesh, la Bible, Pindare, Ovide et même les mythes aztèques mentionnent une pluie incessante qui aurait submergé le monde jusqu’à éradiquer toute forme de vie sur Terre pour en chasser le mal. Seule une frêle embarcation abritant à son bord quelques individus aurait permis de perpétuer l’œuvre de la création. Et, partout, un homme, Atrahasis chez les Assyriens, Noé dans la Bible, Deucalion chez les Grecs, etc., fut chargé de construire cette nef, puis d’y rassembler un couple de chaque espèce, pour en assurer la survie.

    2En quoi le déluge informationnel actuel se rapproche-t-il de ces mythes anciens ? À vrai dire, en bien peu de choses, car si les pluies dont il est question aujourd’hui conservent la fluidité et le caractère cataclysmique des pluies légendaires d’antan, elles ne semblent pas prêtes à cesser ; rien ne laisse soupçonner la fin du déluge et personne ne se risquerait à affirmer son caractère purgatif. Quant à l’arche et à celui qui serait chargé de sauver le monde, nul ne les connaît encore !

    3Pour autant, sans purger la société humaine de ses passions ni a fortiori la sauver, ces flots torrentiels d’informations qui se déversent chaque jour plus intensément sur notre monde le transforment. Des disciplines scientifiques se chargent d’aider les hommes à maîtriser ces flux inouïs. Nous ne les détaillerons pas ici, sauf à rendre incidemment hommage aux spécialistes des mathématiques Bayésiennes*, des statistiques, des théories formelles de l’apprentissage, de la théorie des graphes*, de l’intelligence artificielle, etc., qui tentent, avec détermination et courage, d’endiguer ces immenses masses de données* (big data). Notre but ici est autre : nous aborderons les transformations et, en particulier, les transformations du monde scientifique.

    4Celles-ci sont de trois ordres : d’abord épistémologique, ensuite social et enfin cognitif. En effet, avec les données massives, le schéma expérimental que des savants comme Galilée et Vésale inaugurèrent à l’orée de l’âge moderne, se trouve mis à mal. Une rupture épistémologique se produit sous nos yeux. La première partie lui sera consacrée. Nous verrons alors que les données prennent une part prépondérante dans cette science nouvelle. Il s’ensuit que la communauté scientifique évolue considérablement, car elle doit s’organiser en réseaux pour faciliter le partage des données et des connaissances. Cela fera l’objet de la deuxième partie de cet article. Enfin, nous aborderons les obstacles cognitifs auxquels se heurtent les scientifiques face à l’immensité de la production scientifique. Nous montrerons alors comment les connaissances se transforment elles-mêmes en données et comment elles sont exploitées en tant que telles.

    Sciences in silico

    5À la fin des années quatre-vingt, des scientifiques firent revivre un instant le latin, pourtant réputé être une langue morte, pour inventer un nouvel idiome*. Construit par analogie – et par contraste – avec les expressions in vivo et in vitro, cet idiome désigne des expériences qui ne sont effectuées ni sur des êtres vivants, comme les expériences in vivo, ni dans des tubes à essai de verre, comme les expériences in vitro, mais dans le cœur d’ordinateurs, sur des puces de silicium, d’où l’expression in silico qui a été introduite en 1989 par le mathématicien mexicain Pedro Miramontes, avant d’être reprise par une équipe de biologistes français dirigée par Antoine Danchin puis de connaître un réel succès1.

    6Ces expériences ont lieu virtuellement, sans toucher leur objet d’investigation, sur une représentation abstraite et numérisée de ces objets. Au-delà de cette dématérialisation des supports, les pratiques scientifiques se transforment en profondeur. Non seulement les scientifiques quittent la blouse blanche et désertent la paillasse pour s’asseoir devant un écran d’ordinateur, mais le statut épistémologique de l’expérience est en train de changer radicalement du fait du déluge informationnel, c’est-à-dire de la masse considérable de données numérisées.

    7Pour comprendre ces bouleversements, revenons un instant sur la constitution de la notion d’expérience telle qu’elle s’est élaborée avec des physiciens comme Galilée, puis ensuite, au xixe siècle, avec des physiologistes comme Claude Bernard. La science antique était essentiellement contemplative ; elle se contentait d’observer le monde pour en tirer des enseignements généraux. À l’époque dite moderne, à partir du xvie siècle, l’état d’esprit se modifie en profondeur. Avec des hommes comme André Vésale et Galilée, la science n’accepte plus cette attitude méditative qui était celle du savant ancien ; elle intervient sur son objet d’étude et le transforme. C’est au regard de cette posture volontairement active et interventionniste que se forge la notion d’expérience qui se distingue de la simple contemplation. Une théorie ou une hypothèse étant posée, le scientifique agit : il construit un dispositif matériel pour la valider ou la réfuter. Ensuite, il confronte les données recueillies par ce dispositif matériel à la théorie ou à l’hypothèse initiale, de façon à l’accepter, à la rejeter ou, éventuellement, à la modifier. Rappelons à cet égard que l’étymologie rapproche le mot « expérience » de péril : une expérience vaut d’autant plus qu’elle met une hypothèse en danger face à l’épreuve du réel. Bref, dans ce schéma désormais classique, les données sont produites par un dispositif matériel conçu en regard d’une hypothèse ou d’une théorie que l’on cherche à valider ou à réfuter.

    8Or, aujourd’hui, ce schéma se modifie de nouveau : des processus robotisés engendrent des données à foison ; celles-ci sont ensuite stockées dans d’immenses « entrepôts de données2 » avant d’être exploitées par des techniques dites de fouille de données (data mining) ou de découverte dans les bases de données (knowledge discovery in databases). Tandis que dans le schéma expérimental moderne, les données étaient produites après qu’une hypothèse ait été émise, aujourd’hui, les données apparaissent préalablement à toute hypothèse ; les théories sont ensuite formulées soit sous forme d’assertions, soit sous forme de modèles informatiques, avant d’être testées sur ces données. Et ce sont ces confrontations entre les hypothèses – ou les modèles informatiques – et les données que l’on qualifie couramment d’expériences in silico ou de « quasi-expériences ».

    9Il résulte de tout ce qui vient d’être dit que les principes sur lesquels reposent les sciences expérimentales se modifient sous nos yeux (Ganascia, 2008 ; 2010). Une révolution épistémologique est en cours, cette révolution est silencieuse, elle se déroule en ce moment, sans que personne ne crie gare.

    Organisation en réseau

    10Les données numérisées constituent le substrat des sciences in silico. On ne saurait donc en priver quiconque sans l’exclure totalement du champ scientifique. Et comme ces données s’acquièrent automatiquement, leur possession n’est aucunement affaire de mérite. Il en découle une volonté de mise en commun, ce qui paraît, à première vue, très généreux, puisque cela revient à généraliser le principe du partage entendu comme norme morale, ou comme ethos de la science, au sens de Robert King Merton.

    11De nombreuses initiatives allant en ce sens voient le jour. Songeons par exemple à la biologie moléculaire où les résultats du séquençage de macro-molécules, par exemple de génomes ou de protéines, sont consignés dans d’immenses banques de données* accessibles à tous. Cela met fin aux risques de brevetage du vivant que certains craignirent au début des années quatre-vingt-dix. On retrouve les mêmes tendances dans le domaine de la santé, avec les bases de données médicales, encore que là, les questions de protection de la vie privée fassent parfois échouer ces tentatives. En astronomie, en physique, en traitement automatique de la parole, dans les sciences humaines et sociales, ces principes tendent à se généraliser. Inspiré par le logiciel libre (open source), un mouvement actuel vise à mettre les données scientifiques en accès libre. On parle de données ouvertes (open data) pour caractériser cette tendance. Et dans chaque communauté, les scientifiques s’organisent en réseaux pour financer et maintenir les infrastructures nécessaires au partage des données (voir Dulong de Rosnay et Le Crosnier, 2013).

    12Notons que si l’on associe souvent le partage à la générosité, le partage d’informations se distingue du partage ancien. Le saint du partage, Martin le Miséricordieux, divisa son manteau en deux parties pour en donner la moitié à un pauvre. Ce qu’il donna lui fit défaut : on le voit, sur les vitraux, avec un manteau trop court. En revanche, dans le partage numérique, ce que nous offrons nous appartient toujours. Nous n’y perdons rien puisque nous sommes toujours à même d’utiliser ce que nous avons donné. L’éthique du partage d’information se pose donc en des termes très différents de celle du partage des biens matériels. Comme ce partage ne coûte rien, on devrait l’encourager. La question de l’équité du partage se pose toutefois. En effet, il se pourrait que si tous s’engagent à tout partager, certains en tirent plus de profits que d’autres, ce qui rendrait le partage inéquitable… Par exemple, seuls ceux qui auraient les moyens de donner sens aux données produiraient des publications prestigieuses, tandis que les fournisseurs de données seraient ignorés. L’utilisation extensive de la scientométrie* comme critère d’évaluation de l’activité scientifique accentue encore l’iniquité, puisque la production des données ne jouit d’aucune reconnaissance.

    13Au-delà, on ne saurait passer sous silence l’origine du financement des sciences. Pendant longtemps, elle fut principalement nationale. En contrepartie, les chercheurs devaient allégeance à leur pays. Ils appartenaient à des instituts nationaux auxquels ils donnaient la primeur des fruits de leurs recherches. Aujourd’hui, avec les réseaux informatiques, les frontières nationales disparaissent. Les financements deviennent internationaux. Les scientifiques renforcent leurs réseaux pour défendre leurs intérêts propres et imposer leurs agendas, sans se soucier des questions nationales. Cela a conduit une sociologue américaine, Caroline Wagner, à parler de nouveau collège invisible, en référence au Collège Invisible de Robert Boyle au xviie siècle, pour caractériser les réseaux que constituent actuellement les communautés scientifiques (Wagner, 2008).

    Accès aux connaissances

    14Non contents de partager librement les données, certains souhaitent étendre la prodigalité aux publications scientifiques afin que leur diffusion obéisse aux mêmes règles et que tous y aient librement accès. D’où le mouvement dit de l’accès ouvert (open access) et même de la science ouverte (open science). Sans débattre ici des questions de politique éditoriale et des conflits qui se font jour entre les éditeurs et les scientifiques, on notera qu’une quantité si considérable d’articles se publie chaque jour que le déluge informationnel va bien au-delà des données brutes, pour porter aussi sur les connaissances produites par les scientifiques, sous forme d’écrits.

    15À titre d’illustration, rien que dans le secteur de la biomédecine, le site PubMed3 engrange aujourd’hui vingt-deux millions de références à des articles publiés dans MEDLINE, la bibliothèque nationale américaine de médecine, dans les revues médicales et dans les livres scientifiques en ligne. Ces quantités excèdent nos capacités intellectuelles. Il devient impensable à un individu, fut-il prodigieusement doué, de lire tous les articles parus dans son domaine, même s’il se restreint à une étroite spécialité.

    16Pour remédier à cela, on considère désormais que les connaissances scientifiques produites par les hommes sous forme d’articles sont elles-mêmes des données. À ce titre, elles font l’objet de traitements informationnels avec des techniques de fouille de texte qui en extraient le contenu afin de le ranger dans des bases de données (Cohen et Hunter, 2013 ; Cohen, 2010 ; Liu et al., 2013). Cela passe par le marquage des différentes grandeurs mentionnées dans les articles et des valeurs numériques qui leur sont affectées. On repère aussi les hypothèses de travail et les conclusions avec les techniques de traitement automatique des langues naturelles.

    17Cette automatisation de l’interprétation est destinée à faciliter l’accès aux connaissances, en tenant compte de nos limitations cognitives. Combinée à des techniques d’interrogation intelligente de bases de données, elle nous met en mesure d’accéder à volonté aux informations contenues dans des quantités énormes d’articles qu’il n’est plus nécessaire de lire dans leur intégralité. Certes, la lecture demeure, mais les traitements informatiques filtrent et sélectionnent les items pertinents. Ainsi, un scientifique travaillant sur une question précise, par exemple sur l’effet d’une molécule ou d’une combinaison de molécules dans une pathologie, cible les articles qui ont déjà traité de cette molécule ou d’une molécule de la même famille, ou encore de l’incidence d’une combinaison analogue sur la même pathologie ou sur une pathologie proche.

    18En conclusion, l’activité intellectuelle se transforme. L’exploitation informatique des connaissances augmente nos capacités d’investigation dans les champs étroits du savoir. Grâce à elle, nous délimitons avec une précision accrue l’étendue de nos lectures, ce qui nous aide à nous repérer dans l’immensité de la production scientifique et nous rend donc plus efficaces. Les parts prises par le vagabondage intellectuel, l’exploration et la quête, s’amoindrissent. Les phases de tergiversations et d’atermoiements se réduisent. On cherche moins ; on trouve plus vite.

    19Or, la quête de nouvelles connaissances ne se restreint pas à la formulation et à l’évaluation d’hypothèses. Elle passe aussi par l’élaboration des nouveaux appareils conceptuels à l’aide desquels s’exprimeront des champs d’hypothèses inédites qu’il s’agira d’explorer. À défaut, l’avancement des connaissances se trouve bridé. Cette élaboration se fait souvent de façon imprévue, comme par hasard : elle n’obéit à aucune démarche systématique, à aucune règle ; elle est le fruit de ce que l’on appelle la sérendipité*. Comment ne pas craindre qu’en donnant à l’activité scientifique un tour de plus en plus systématique et professionnel, le traitement de grandes masses de données ne restreigne les facultés d’invention ? Dans cette éventualité, on aboutirait, de façon paradoxale, à une science tout à la fois plus efficace et moins féconde qu’auparavant.

    Bibliographie

    Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.

    Format

    • APA
    • Chicago
    • MLA
    Cohen, K. B., & Hunter, L. E. (2013). Chapter 16: Text Mining for Translational Bioinformatics (F. Lewitter & M. Kann, Eds.). Public Library of Science (PLoS). https://doi.org/10.1371/journal.pcbi.1003044
    Liu, H., Hunter, L., Kešelj, V., & Verspoor, K. (2013). Approximate Subgraph Matching-Based Literature Mining for Biomedical Events and Relations (N. R. Smalheiser, Ed.). Public Library of Science (PLoS). https://doi.org/10.1371/journal.pone.0060954
    Cohen, K. Bretonnel, and Lawrence E. Hunter. “Chapter 16: Text Mining for Translational Bioinformatics”. Edited by Fran Lewitter and Maricel Kann. PLoS Computational Biology. Public Library of Science (PLoS), April 25, 2013. doi:10.1371/journal.pcbi.1003044.
    Liu, Haibin, Lawrence Hunter, Vlado Kešelj, and Karin Verspoor. “Approximate Subgraph Matching-Based Literature Mining for Biomedical Events and Relations”. Edited by Neil R. Smalheiser. PLoS ONE. Public Library of Science (PLoS), April 17, 2013. doi:10.1371/journal.pone.0060954.
    Cohen, K. Bretonnel, and Lawrence E. Hunter. “Chapter 16: Text Mining for Translational Bioinformatics”. PLoS Computational Biology, edited by Fran Lewitter and Maricel Kann, vols. 9, nos. 4, Public Library of Science (PLoS), 25 Apr. 2013, p. e1003044. Crossref, https://doi.org/10.1371/journal.pcbi.1003044.
    Liu, Haibin, et al. “Approximate Subgraph Matching-Based Literature Mining for Biomedical Events and Relations”. PLoS ONE, edited by Neil R. Smalheiser, vols. 8, nos. 4, Public Library of Science (PLoS), 17 Apr. 2013, p. e60954. Crossref, https://doi.org/10.1371/journal.pone.0060954.

    Cette bibliographie a été enrichie de toutes les références bibliographiques automatiquement générées par Bilbo en utilisant Crossref.

    Références bibliographiques

    Cohen, Kevin Bretonnel, « BioNLP : Biomedical Text Mining », in Indurkhya, Nitin et Damerau, Fred J. (dir.), Handbook of Natural Language Processing, Second Edition, Boca Raton, Chapman and Hall/CRC, 2010, p. 605-626.

    10.1371/journal.pcbi.1003044 :

    Cohen, Kevin Bretonnel et Hunter, Lawrence, « Chapter 16 : Text Mining for Translational Bioinformatics », PLoS Computational Biology, volume 9, no 4, avril 2013, e1003044. doi:10.1371/journal.pcbi.1003044

    De Groot, Anne S., Mcmurry, Julie et Moise, Lenny, « Prediction of Immunogenicity : in silico Paradigms, ex vivo and in vivo Correlates », Current Opinion in Pharmacology, volume 8, no 5, octobre 2008, p. 620-626.

    Dulong de Rosnay, Mélanie et Le Crosnier, Hervé, Propriété intellectuelle. Géopolitique et mondialisation, Paris, CNRS Éditions, coll. « Les Essentiels d’Hermès », 2013.

    Ganascia, Jean-Gabriel, « In “silico” Experiments : Towards a Computerized Epistemology », American Philosophical Association Newsletter on Philosophy and Computers, volume 7, no 2, 2008, p. 11-15.

    Ganascia, Jean-Gabriel, « Science x.0 », in Haigneré, Claudie (dir.), Plaidoyer pour réconcilier les sciences et la culture, Paris, Universcience éditions et Éditions le Pommier, 2010, p. 182-204.

    10.1371/journal.pone.0060954 :

    Liu, Haibin, Hunter, Lawrence, Kešelj, Vlado et Verspoor, Karin, « Approximate Subgraph Matching-Based Literature Mining for Biomedical Events and Relations », PLoS ONE, volume 8, no 4, avril 2013, e60954.doi:10.1371/journal.pone.0060954

    Wagner, Caroline S., The New Invisible College. Science for Development, Washington, Brookings Institution Press, 2008.

    Notes de bas de page

    1 Pour s’en convaincre, voir l’article « In silico » sur Wikipédia ou l’usage qui en est fait dans la littérature scientifique (à titre d’illustration, voir De Groot et al., 2008).

    2 Les dispositifs de stockage sont appelés des entrepôts de données (data warehouse).

    3 www.ncbi.nlm.nih.gov/pubmed

    Auteur

    • Jean-Gabriel Ganascia

      Professeur à l’université Pierre et Marie Curie (laboratoire LIP6 – Labex Obvil). Ses domaines de recherche sont l’informatique, l’intelligence artificielle, les humanités numériques et la philosophie. Il vient de participer aux ouvrages collectifs Que reste-t-il du propre de l’homme ? (Les presses de l’ENSTA, 2012) et Next Generation Search Engines : Advanced Models for Information Retrieval (Idea Group, 2012).

    Précédent Suivant
    Table des matières

    Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    Francophonie et mondialisation

    Francophonie et mondialisation

    Anne-Marie Laulan et Didier Oillo (dir.)

    2008

    La communication politique

    La communication politique

    Arnaud Mercier (dir.)

    2008

    L'espace public

    L'espace public

    Éric Dacheux (dir.)

    2008

    L'opinion publique

    L'opinion publique

    Nicole d'Almeida (dir.)

    2009

    Le journalisme

    Le journalisme

    Arnaud Mercier (dir.)

    2009

    Les identités collectives à l'heure de la mondialisation

    Les identités collectives à l'heure de la mondialisation

    Bruno Ollivier (dir.)

    2009

    La télévision

    La télévision

    Guy Lochard (dir.)

    2009

    L'audience

    L'audience

    Régine Chaniac (dir.)

    2009

    Les sciences de l'information et de la communication

    Les sciences de l'information et de la communication

    Éric Dacheux (dir.)

    2009

    Populaire et populisme

    Populaire et populisme

    Marc Lits (dir.)

    2009

    Sociétés de la connaissance

    Sociétés de la connaissance

    Fractures et évolutions

    Michel Durampart (dir.)

    2009

    La cohabitation culturelle

    La cohabitation culturelle

    Joanna Nowicki, Laure Anghel et Stelio Farandjis (dir.)

    2010

    Voir plus de livres
    1 / 12
    Francophonie et mondialisation

    Francophonie et mondialisation

    Anne-Marie Laulan et Didier Oillo (dir.)

    2008

    La communication politique

    La communication politique

    Arnaud Mercier (dir.)

    2008

    L'espace public

    L'espace public

    Éric Dacheux (dir.)

    2008

    L'opinion publique

    L'opinion publique

    Nicole d'Almeida (dir.)

    2009

    Le journalisme

    Le journalisme

    Arnaud Mercier (dir.)

    2009

    Les identités collectives à l'heure de la mondialisation

    Les identités collectives à l'heure de la mondialisation

    Bruno Ollivier (dir.)

    2009

    La télévision

    La télévision

    Guy Lochard (dir.)

    2009

    L'audience

    L'audience

    Régine Chaniac (dir.)

    2009

    Les sciences de l'information et de la communication

    Les sciences de l'information et de la communication

    Éric Dacheux (dir.)

    2009

    Populaire et populisme

    Populaire et populisme

    Marc Lits (dir.)

    2009

    Sociétés de la connaissance

    Sociétés de la connaissance

    Fractures et évolutions

    Michel Durampart (dir.)

    2009

    La cohabitation culturelle

    La cohabitation culturelle

    Joanna Nowicki, Laure Anghel et Stelio Farandjis (dir.)

    2010

    Voir plus de chapitres

    De la surveillance à la « sousveillance »

    Jean-Gabriel Ganascia

    Avant-propos

    Jean-Gabriel Ganascia

    Préliminaires

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Plan d’ensemble

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Constatations

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Enjeux sociétaux, juridiques et éthiques

    Christian Jacob, Philippe Breton, Gérard Loiseau et al.

    Voir plus de chapitres
    1 / 6

    De la surveillance à la « sousveillance »

    Jean-Gabriel Ganascia

    Avant-propos

    Jean-Gabriel Ganascia

    Préliminaires

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Plan d’ensemble

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Constatations

    Jean-Gabriel Ganascia, Line Garnero et Marie-Claude Gaudel

    Enjeux sociétaux, juridiques et éthiques

    Christian Jacob, Philippe Breton, Gérard Loiseau et al.

    Accès ouvert

    Accès ouvert freemium

    ePub

    PDF

    PDF du chapitre

    Suggérer l’acquisition à votre bibliothèque

    Acheter

    Édition imprimée

    • amazon.fr
    • decitre.fr
    • mollat.com
    • leslibraires.fr
    • placedeslibraires.fr
    ePub / PDF

    1 Pour s’en convaincre, voir l’article « In silico » sur Wikipédia ou l’usage qui en est fait dans la littérature scientifique (à titre d’illustration, voir De Groot et al., 2008).

    2 Les dispositifs de stockage sont appelés des entrepôts de données (data warehouse).

    3 www.ncbi.nlm.nih.gov/pubmed

    Information et communication scientifique à l'heure du numérique

    X Facebook Email

    Information et communication scientifique à l'heure du numérique

    Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque Acheter ce livre aux formats PDF et ePub

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    Information et communication scientifique à l'heure du numérique

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Ganascia, J.-G. (2014). Sciences, réseaux et cognition après le déluge. In V. Shafer (éd.), Information et communication scientifique à l’heure du numérique. Paris: CNRS Éditions. https://doi.org/10.4000/books.editionscnrs.19990
    Ganascia, Jean-Gabriel. « Sciences, réseaux et cognition après le déluge ». In Information et communication scientifique à l’heure du numérique, édité par Valérie Shafer. Paris: CNRS Éditions, 2014. doi:10.4000/books.editionscnrs.19990.
    Ganascia, Jean-Gabriel. « Sciences, réseaux et cognition après le déluge ». Information et communication scientifique à l’heure du numérique, édité par Valérie Shafer, CNRS Éditions, 2014, https://doi.org/10.4000/books.editionscnrs.19990.

    Référence numérique du livre

    Format

    Shafer, V. (éd.). (2014). Information et communication scientifique à l’heure du numérique. Paris: CNRS Éditions. https://doi.org/10.4000/books.editionscnrs.19975
    Shafer, Valérie, éd. Information et communication scientifique à l’heure du numérique. Paris: CNRS Éditions, 2014. doi:10.4000/books.editionscnrs.19975.
    Shafer, Valérie, éditeur. Information et communication scientifique à l’heure du numérique. CNRS Éditions, 2014, https://doi.org/10.4000/books.editionscnrs.19975.
    Compatible avec Zotero Zotero

    1 / 3

    CNRS Éditions

    CNRS Éditions

    • Mentions légales
    • Plan du site
    • Se connecter

    Suivez-nous

    • Facebook
    • X
    • Flux RSS

    URL : http://www.cnrseditions.fr

    Email : cnrseditions@cnrseditions.fr

    Adresse :

    15 rue Malebranche

    75005

    Paris

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement