Interroger les données en SHS à partir de leur écosystème
p. 63-78
Note de l’éditeur
Inédit
Texte intégral
1L’effet conjugué de l’évolution des méthodologies de la recherche scientifique et de l’accroissement des capacités de traitement numérique des données se traduit par la production et la diffusion d’un nombre toujours plus important de données dans l’espace scientifique (data deluge et big data *). L’inflation est telle que les moyens techniques de traitement traditionnels de certaines bases de données ne sont plus suffisants et nécessitent une réflexion sur la capture, le stockage, l’analyse et la visualisation des données. Dans ce contexte, de nouvelles formes de pratiques scientifiques semblent émerger, et on parle désormais de data-driven science * ou de big science pour désigner ces pratiques de recherche basées sur la classification, l’analyse et la modélisation des données. Afin d’en mesurer la portée réelle, ces transformations ont besoin d’être accompagnées d’une réflexion épistémologique et critique sur les évolutions engendrées.
2En sciences humaines et sociales (SHS) ce type de recherche est limité, en particulier en France. Le recueil et l’analyse des grandes masses de données* sont l’apanage de certains laboratoires de recherche en linguistique et en psychologie sociale (le Cediscor ou l’ENS Cachan par exemple), où les traditions d’analyse de contenus de gros corpus sont déjà anciennes. Pour le reste des SHS, la production et l’analyse des grandes quantités de données issues du numérique restent limitées bien qu’en voie d’émergence. On peut ainsi noter que certains efforts de structuration ont été entamés pour préparer les SHS aux évolutions à venir. Plusieurs cyberinfrastructures se sont progressivement mises en place, parmi lesquelles on peut citer le très grand équipement* (TGE) Adonis créé par le CNRS, dont la plateforme Isidore collecte, enrichit et offre un accès aux données numériques produites par les SHS1. Le développement de ces recherches se structure aujourd’hui autour d’un courant, les « humanités numériques », qui revendique la spécificité méthodologique et heuristique* d’un champ de recherche transdisciplinaire au sein duquel se mène un travail réflexif sur les données, méthodes et outils de la recherche : la présence de ces données numériques dans le travail en SHS engendre-t-elle de nouvelles manières de faire de la science ?
3Dans le prolongement des travaux de Noortje Marres (2012), qui analyse les transformations du travail de recherche en SHS induites par le développement de méthodes et d’outils d’analyse spécifiques au Web comme terrain d’étude, nous proposons de répondre à cette question par une approche « distribuée » des données. Il s’agit de prendre en considération leur écosystème complet (depuis leur production jusqu’à leur réutilisation dans le monde social), tout en intégrant les réflexions épistémologiques et les évolutions en terme d’infrastructures qui en découlent. Cette approche rend visible le cycle de vie des données, permet de reconstituer la complexité des jeux d’acteurs qui émaillent leurs circulations et prend au sérieux les différentes formes de la contrainte technique dans la structuration des dispositifs de recherche. À notre sens, les sciences de la communication, qui approchent de manière critique les dispositifs techniques de médiation et les formes variées de production et d’appropriation techniques par les acteurs, constituent un point d’entrée fécond dans cette problématique.
4C’est dans cette optique qu’a été mené le projet Sacred2 (Séminaire approche communicationnelle des recherches sur les données) : il s’agissait d’initier un espace de rencontres et de réflexions afin d’aborder les données à partir de leur écosystème et ainsi de les « suivre » depuis leur création jusqu’à leur usage par les chercheurs en SHS. Le présent article rend compte des travaux et apports présentés par plusieurs chercheurs3 dans le cadre du projet et met en évidence trois dimensions spécifiques : nous reviendrons sur les réflexions épistémologiques menées, puis sur l’évolution des méthodes et des outils de la recherche et enfin sur les infrastructures de l’écosystème des données.
Les SHS face aux enjeux épistémologiques des données numériques
5La présence de projets de recherche en SHS à base de données numériques appelle à une réflexion d’ordre épistémologique. À rebours de discours sur la radicale nouveauté de ces enjeux pour les sciences, la tradition de réflexivité des SHS fournit un ensemble de concepts critiques qui en relativise la portée. Une approche historique et pluridisciplinaire, notamment dans le domaine des « sciences exactes », met ainsi en évidence la longue tradition de gestion des grandes quantités de données et des méthodologies utilisées pour les analyser : la notion de data deluge doit être appréhendée à l’aune des technologies mises à disposition des chercheurs.
6En la matière, la perspective historique sur les sciences du vivant de Bruno Strasser permet de tordre le cou au cliché de la nouveauté du déluge de données. Il montre en effet que les scientifiques ont régulièrement été confrontés à l’arrivée successive de masses de données, et aux difficultés afférentes pour les traiter. Ce fut notamment le cas des savants de la Renaissance qui ont dû faire face à un afflux massif de données en provenance du Nouveau Monde. De même, la montée en puissance des collectionneurs à l’époque des Lumières s’est traduite par un afflux massif de spécimens aux muséums d’histoire naturelle, bien au-delà de ce que ces institutions pouvaient étudier. Pour se débarrasser de toute tentation d’un regard téléologique sur l’augmentation continue des quantités de données à travers l’histoire des sciences, Strasser avance deux propositions : d’une part, il invite les chercheurs à se concentrer sur les inadéquations entre quantités de données et dispositifs d’analyse et de traitement, pour sortir du prisme quantitatif et repérer les évolutions méthodologiques que ce décalage provoque. Selon lui, il en ressort souvent de nouveaux systèmes de classification et une « production et un renforcement de standards » (2012). D’autre part, au-delà de la quantité, il invite à s’interroger sur l’évolution dans la nature des données entre le cabinet de curiosité du biologiste d’antan et la base de données du biologiste contemporain.
7Le numérique influence-t-il effectivement les dynamiques de la recherche et son organisation ? Prenant du recul sur la notion même de numérique, David Berry l’interroge à l’aune des mutations contemporaines de l’université. Le vertige de la donnée semble en effet avoir saisi les financeurs des projets de recherche : Berry remarque l’importance actuellement accordée au numérique dans les projets en SHS où se trouvent valorisés les résultats concrets, chiffrés, sur de grands corpus, dans un modèle qui se veut similaire à celui des sciences exactes, favorisant ainsi l’émergence de travaux en humanités numériques. Ceci s’accompagne du développement de pléthores d’outils de représentation visuelle, comme le formulent Bernhard Rieder et Theo Rhöle (2012), dont les fonctions synoptiques* et synthétiques sont mobilisées pour conférer une communication rapide des résultats, dans un contexte de « projetisation » à court terme de l’activité de recherche. Berry nous a invités en conséquence à ne pas considérer le numérique comme un support ni comme un outil, mais plutôt comme un objet à investiguer en tant que tel.
8Les sociologues Jérôme Denis et Samuel Goëta prolongent cette réflexion en s’interrogeant sur la notion même de donnée, celle-ci méritant d’être dénaturalisée et prise dans toute sa complexité. Ils remettent ainsi en cause la notion de « donnée brute » (raw data) dans une étude relevant des STS (science, technologie et société). Celle-ci porte sur la construction des données numériques dans le cadre des pratiques de libération de données par les institutions. Cette étude en cours décrit les dynamiques qui président à l’ouverture, de même que les divers acteurs et professionnels qui participent à la construction des jeux de données.
De nouvelles compétences pour une interrogation des méthodes
9En dialogue avec David Berry, Bernhard Rieder s’interroge sur la formation nécessaire aux chercheurs en SHS pour manipuler les outils de traitement des données. Comme il le rappelle, la programmation ne se résume pas au code informatique comme support d’expression, mais repose sur un mode de réflexion axé sur des « fonctionnalités » : les informaticiens réfléchissent à un niveau conceptuel « circonscrit par les exigences de la computation mécanique4 ». Formulé autrement, la « modélisation computationnelle* n’est pas seulement la création d’une version formelle d’une idée plus générale ; cela constitue en tant que tel une idée sur la manière d’appréhender le monde5 ». Au sein des différentes formes que prend cette pensée computationnelle, le risque est de mobiliser en SHS des outils en ignorant le bagage épistémologique qui les sous-tend. Par exemple, utiliser la méthode des graphes sans un socle de connaissances en statistique risquerait d’engendrer des interprétations erronées.
10À ce désajustement épistémologique, s’ajoute justement selon Peter Mechant une inadéquation des compétences : quels sont les chercheurs en SHS possédant les capacités pour manipuler ces outils ? Comme le résume l’aphorisme : « Si vous n’êtes pas programmeur, c’est vous qui êtes programmé ». À cette difficulté nouvelle correspond le développement au sein des universités de cellules d’humanités numériques et autres médialabs : il s’agit de permettre la mise en place de projets de recherche articulant le travail entre informaticiens et chercheurs en SHS, tout en conservant les compétences respectives de chacun. Vouloir faire de chaque chercheur en SHS un informaticien est en effet utopique : comme nous le rappelle Rieder6, la pratique de la programmation informatique nécessite beaucoup de temps, potentiellement utilisé au détriment de l’approfondissement des connaissances propres à son champ ; de même, la manipulation de méthodes numériques requiert souvent des compétences en statistiques, bien plus qu’en programmation. Semble donc clairement se dessiner une reconfiguration des laboratoires de recherche avec une montée en puissance des personnels disposant de compétences en informatique.
11Cet accroissement des compétences informatiques, mathématiques et statistiques dans la recherche en SHS ne doit pas pour autant être assimilé à une plus grande objectivation* de la recherche. C’est ce que souligne particulièrement Noortje Marres qui a mis en avant le caractère normativement construit de ces méthodologies (comme pouvait par exemple l’être l’analyse de discours dans les années 1970). Dans le prolongement de débats récurrents sur le statut épistémologique des statistiques en SHS, il y a donc une charge théorique dans toute méthodologie, y compris numérique, qu’il s’agit de constater, d’assumer, et au besoin de critiquer. De même qu’il n’existe pas de données brutes du fait de leur manipulation et de leur agencement, il n’existe pas de données dans la nature : elles sont toujours le fruit d’une captation, d’un processus technique et scientifique de qualification, et elles sont rendues disponibles par un dispositif technique qui les donne à voir. Ainsi, dans le cadre de manipulations de données issues du Web social comme Facebook ou Twitter, ce sont à la fois les données, mais également les modalités de leur interrogation qui sont rendues disponibles, par exemple à travers une API* (ou « interface de programmation »).
12Noortje Marres interroge plus globalement le rapport du chercheur en sciences sociales aux outils : quels sont les risques qui accompagnent la délégation croissante de l’analyse aux outils dans le cadre de recherche en SHS ? Rieder et Rhöle (2012) avaient déjà pour leur part souligné les risques liés à l’utilisation de ces « boîtes noires » que constituent certains outils. Comment conserver une distance critique sur les résultats de l’analyse si l’accès au code source* est difficile, ou si les chercheurs manquent des compétences nécessaires à son analyse ? L’algorithmisation* des méthodes rend par ailleurs celles-ci parfois difficilement compréhensibles pour l’esprit humain, même si le code source est disponible. Marres, quant à elle, se place en deçà de ce niveau technique pour en appeler à une archéologie des présupposés épistémologiques qui sont déjà contenus dans les outils, et qui ne sont en général pas explicités : comme nous le rappelle Johanna Drucker (2011), les chercheurs en sciences exactes tendent à postuler une séparation de nature entre le chercheur et les données de la recherche, alors que les chercheurs en SHS, du fait de leurs objets de recherche, « font partie » de ce qu’ils étudient. Afin de réaliser cette archéologie mais également d’éviter de faire table rase des théories existantes, Marres nous invite à reconsidérer les approches qui ont déjà traité cette question, comme les travaux en scientométrie* en STS, mais également le champ de la lexicométrie*.
Des dispositifs innovants pour la production et l’utilisation des données
13Notre approche par l’écosystème permet d’identifier une évolution importante dans le cycle des données, notamment un rapprochement entre les étapes de création et de réutilisation des données à travers de nouveaux dispositifs de médiation. On constate ainsi sur le terrain que les acteurs de la réutilisation des données souhaitent de plus en plus s’associer aux processus de création de données afin de pouvoir maîtriser et exploiter des corpus qui correspondent à leurs questionnements.
14Parmi les initiatives allant dans ce sens, on peut citer les infolabs7 présentés par Amandine Brugière et Sarah Labelle ainsi que les hackathons8 étudiés par Michael Castelle. Il s’agit dans les deux cas de faire travailler ensemble des acteurs afin de créer et/ou d’enrichir des jeux de données et de permettre leur réutilisation par les collectifs ainsi formés. Dans leur contribution, Brugière et Labelle mettent en garde contre une éventuelle « fétichisation des données » qui conduirait, sous couvert d’implication citoyenne, à mobiliser des données « à tout prix », en les sortant parfois de leur contexte. Cet avertissement est également une invitation à réfléchir aux dispositifs de médiation appropriés pour permettre la diffusion de compétences et littératies* autour des données, celles-ci contribuant à former une véritable « culture de la donnée », susceptible de faire « monter en compétence » les citoyens et les acteurs de l’écosystème. Les deux auteures se sont concentrées sur les infolabs comme proposition d’espaces de médiation pour organiser cet échange de compétences et la mise en contexte des démarches nécessaires à un regard critique sur le processus global de traitement et d’exploitation des données.
15De son côté, Castelle a montré que ces dispositifs regroupent des participants aux profils très variés (réutilisateurs militants, scientifiques, administratifs, activistes, « journalistes de données », etc.) et rassemblent ainsi les différentes compétences qu’impliquent désormais la production et la réutilisation des données. Les représentants institutionnels y voient une opportunité de contribuer à une plus grande rationalisation de leur activité et une façon d’optimiser le processus de libération des données en s’assurant d’un retour rapide pour l’usager, quand les informaticiens engagés les perçoivent comme une opportunité de contribuer à la vie politique locale. Ces intérêts croisés, parfois divergents, sont à l’origine d’interactions qui contribuent à « donner de la valeur » à certains jeux de données, souvent issus des politiques de libération (open data).
16Ces deux opérations de recontextualisation des données sont l’une des manifestations de la manière dont les relations de pouvoir sont renégociées dans leur écosystème. De la même façon que les informaticiens et les associations contribuent à définir les jeux de données et les dispositifs techniques d’accès, les chercheurs impliqués dans le processus ont ainsi l’opportunité de pénétrer dans la « boîte noire » des données et de déconstruire les différentes étapes de leur prise en charge. Cette opération leur permettrait de pouvoir capter, dans une sorte de « travelling compensé », toutes les opérations de mise en forme et de saisir les circuits jusqu’à la réutilisation.
Conclusion : les défis des SHS à l’heure des données numériques
17Le projet Sacred a tout d’abord permis de mettre en évidence la valeur heuristique d’une approche distribuée de la donnée. À travers cette analyse nous avons pu observer que l’écosystème qui entoure la production de données évolue avec le numérique. Sans tomber dans la surinterprétation, on peut convenir que de nombreux réseaux d’acteurs sont obligés d’adapter leurs pratiques face à ce « tournant computationnel » ; ainsi en est-il des réseaux scientifiques. Le numérique comporte des spécificités qui doivent être prises en compte dans son étude : il transforme les outils, importe des présupposés méthodologiques dans de nombreux champs disciplinaires et impose des contraintes d’usage et de compétences pour les chercheurs.
18La question de la nécessité de réflexions et d’infrastructures portées par les pouvoirs publics pour accompagner ce mouvement se pose : le défi Mastodons, soutenu par la Mission pour l’interdisciplinarité du CNRS constitue un exemple d’intégration de projets en SHS avec pour objectif de prendre en charge les nouvelles masses de données produites par la science, afin que l’approche quantitative, proche des démarches de big science, soit véritablement couplée avec une démarche réflexive sur la manière de produire de la science.
19Finalement, le projet Sacred a permis de constater à quel point l’analyse et l’exploration des données sont un champ en voie de structuration, qui a besoin d’urgence que les chercheurs en SHS s’approprient les outils de façon critique : il s’agit d’éviter que, comme Noortje Marres l’a souligné, les méthodologies d’analyse de données ne diffusent avec elles une rationalité computationnelle en contradiction avec les fondements épistémologiques de la recherche en SHS.
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
Références bibliographiques
Drucker, Johanna, « Humanities Approaches to Graphical Display », Digital Humanities Quarterly, volume 5, no 1, 2011. En ligne sur : www.digitalhumanities.org/dhq/vol/5/1/000091/000091.html
10.1111/j.1467-954X.2012.02121.x :Marres, Noortje, « The Redistribution of Methods : on Intervention in Digital Social Research, Broadly Conceived », The Sociological Review, volume 60, juin 2012, p. 139-165.
Rieder, Bernhard, « What is in PageRank ? A Historical and Conceptual Investigation of a Recursive Status Index », Computational Culture, no 2, 2012. En ligne sur : http://computationalculture.net/article/what_is_in_pagerank
Rieder, Bernhard et Rhöle, Theo, « Digital Methods : Five Challenges », in Berry, David M. (dir.), Understanding Digital Humanities, Basingstoke, Palgrave Macmillan, 2012, p. 67-84.
10.1016/j.shpsc.2011.10.009 :Strasser, Bruno J., « Data-driven Sciences : From Wonder Cabinets to Electronic Databases », Studies in History and Philosophy of Biological and Biomedical Sciences, volume 43, no 1, mars 2012, p. 85-87.
Notes de bas de page
1 En juin 2013 a été lancée la très grande infrastructure de recherche Huma-Num, née de la fusion du TGE Adonis et de IR-Corpus.
2 Le projet Sacred a été mené en partenariat avec l’Institut des sciences de la communication du CNRS, le Costech de l’université de technologie de Compiègne et le Céditec de l’université Paris-Est Créteil Val de Marne. Il s’est concrétisé par une série de séminaires et une journée d’étude le 14 février 2013 qui a réuni de multiples acteurs autour de la donnée numérique : www.iscc.cnrs.fr/spip.php?article1734
3 Servent ainsi de point d’appui à notre réflexion les présentations de : David Berry (Swansea University, College of Arts and Humanities), Amandine Brugière (FING), Michael Castelle (University of Chicago), Jérôme Denis et Samuel Goëta (Telecom ParisTech), Sarah Labelle (Paris 13), Noortje Marres (Goldsmiths, University of London), Peter Mechant (iMinds/UGent), Bernhard Rieder (University of Amsterdam, Media studies department), Bruno J. Strasser (université de Genève et Yale University).
4 Citation originale : « Certainly circumscribed by the requirements of mechanical computation » (Rieder et Rhöle, 2012, p. 72.)
5 Citation originale : « Modeling is not simply the process of creating a formal version of a more general idea ; it is in itself an idea of how to meet the world. » (Rieder, 2012).
6 Intervention de Bernhard Rieder au séminaire Sacred « Digitals Methods et SHS » le 30 novembre 2012 : www.iscc.cnrs.fr/spip.php?article1707
7 La FING définit les infolabs comme des « dispositifs d’innovation ouverte pour prototyper des usages de l’information ». Internetactu :
www.internetactu.net/2012/05/15/avons-nous-besoin-dinfo-labs
8 Un hackathon est un événement au cours duquel des développeurs se réunissent pour faire de la programmation informatique collaborative, sur plusieurs jours. Le terme est un mot-valise constitué de hack (hacker*) et marathon. Source Wikipédia : http://fr.wikipedia.org/wiki/Hackathon
Auteurs
Doctorant en sciences de l’information et de la communication au sein du laboratoire Costech de l’université de technologie de Compiègne. Il prépare une thèse de doctorat sur la construction du concernement dans les débats publics.
Docteur qualifié en sciences de l’information et de la communication. Il est actuellement post-doctorant à la School of Information de l’université du Michigan. Ses travaux de recherche portent sur la cartographie participative et les digital humanities.
Professeure en sciences de l’information et de la communication et vice-présidente de la Commission nationale du débat public. Ses travaux de recherche portent sur l’analyse des dispositifs de débat public et sur les formes de la participation en ligne.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.