Intelligence des données
Axe transversal (2014/2015)

Axe "Intelligence des données" (2014/2015)

La culture naissante des data et de son ingénierie tournée vers les réseaux revêt bien des aspects. Depuis les masses de données elles-mêmes (le big data et son satellite l’open data), en passant par le data analytics et le data intelligence (processus de traitement de l’information) jusqu’à la figure montante du data scientist qui annonce peut-être une nouvelle "science" hybride gouvernée par des hypothèses et des expérimentations mais aussi par une méthodologie inductive (data driven) de découverte de patterns statistiques - voire de "connaissances" (knowledge discovery) - exploitables sous forme de nouveaux services par les géants de l’information. On parle aussi d’intelligence des données pour résumer toutes les étapes des chaînes de traitement de l’information en masse (recueil, archivage, analyse, filtrage, fusion...) qui dépasse aujourd’hui l’univers du web et des moteurs de recherche (gènes, protéines, transport, téléphonie mobile, etc.) où elles sont nées dans les années 90.

Les questions que l’on pose à "l’approche data" sont aussi vastes et diverses que le champ lui-même : certaines sont profondément liées à des problématiques très anciennes de "construction des connaissances", de "limites des outils" ou de la "relativité" du point de vue de celui qui traite les données (l’ingénieur, le chercheur, l’analyste...), d’autres concernent la "plus-value" (économique ou sociétale) que l’on peut attendre des technologies issues de cette écologie des données en train de naître. L’axe "Intelligence des données" se présente dans un premier temps sous la forme d’un atelier à forte dimension expérimentale avec le témoignage de professionnels (juniors et séniors, en général issus de l’UTC), ce qui nous permettra à la fois de nous tenir loin des caricatures que l’on veut parfois dresser (culte des machines, obsession des statistiques, absence de recul critique sur les pratiques et méthodes) et à la fois de faire gagner les discussions en pertinence à partir d’une mise en évidence des traits saillants d’une ingénierie des données effectivement pratiquée. C’est l’objectif majeur de l’atelier intelligence des données où l’on se propose d’observer les différents processus de traitement des données, depuis l’extraction, la curation, l’indexation jusqu’au travail de conception des services utilisateurs qui inclut le design d’interfaces ou le déploiement d’algorithmes. L’expérimentation technologique, l’accompagnement méthodologique et le partage des résultats de l’expérience technique permettront d’identifier, à grande comme à petite échelle, les rouages des mécanismes de traitement des data : agrégation, enrichissement, croisement, filtrage. Comment construire une grille de description d’acteurs ou de communautés en ligne, sur Facebook ou Viadeo ? Comment croiser des noms d’inventeurs issus de notices de brevets et des profils linkedin ? Comment traiter-agréger des données pour visualiser des flux entre des points dans l’espace (par exemple pour analyser les données d’usage de réseaux de téléphonie mobile) ? Peut-on créer de nouveaux systèmes de classification des domaines de recherche d’une université à partir de l’analyse des publications ? Comment produire des données qui permettront d’analyser les phénomènes dynamiques et temporels ? Existe-t-il d’ailleurs des "modèles temporels" pour les masses de données ?

L’univers des data et des technologies associées posent une série de questions auxquelles les S.H.S. sont particulièrement sensibles et auxquelles sont confronté.e.s les chercheur.e.s en termes théoriques, méthodologiques ou techniques. Différentes problématiques seront éclairées :

a) La distinction entre "approche qualitative" et "approche quantitative", très présente dans les débats de méthodologie en sociologie notamment, occupe une place centrale dans les réflexions actuelles sur la façon de construire les objets de connaissance à partir des données numériques. La distinction peut, ou non, être scientifiquement "rentable" selon la perspective adoptée. Ce thème constituera l’un des débats centraux de l’atelier pour observer et expérimenter les multiples façons dont les deux approches s’hybrident dans le travail sur les data en une sorte d’alchimie quali-quantitative qui peut déboucher, par exemple, sur la conception d’un algorithme. C’est l’agilité avec laquelle les chercheur.e.s et les ingénieur.e.s en data sciences manient cette alchimie qui détermine souvent le nombre et la richesse des prises que l’on se donne sur les corpus de données numériques.

b) La nature des corpus en data sciences, qui ne s’épuisent pas dans les critères de pertinence (ce qui n’est pas pertinent à un certain moment ou selon certaines dimensions, le sera sous d’autres angles et à d’autres moments), d’exhaustivité (l’impossible appréhension du tout et de ses parties dans l’univers des masses de données en réseau) ni de clôture (les données sont prises dans des boucles de transformation, par exemple formatées pour de nouveaux services qui eux-mêmes en produiront de nouvelles). L’atelier aura pour objectif d’éclaircir les différentes méthodologies (extraction, construction, fusion) à l’oeuvre en phase "amont" d’un travail sur les data.

c) Les rapports du "manuel" et de "l’automatique", que l’on confond souvent avec la distinction qualitatif-quantitatif. Sur ce point, la partie "expérimentation" de l’atelier intelligence des données permettra d’éprouver l’hybridation presque systématique des deux dimensions. Le travail d’ingénierie des données montre combien la construction d’une "machine logique" comme un algorithme passe d’abord par une série de phases exploratoires et de manipulations presque "artisanales" sur les data.

d) L’articulation entre "données" et "hypothèses" et du niveau intermédiaire du "modèle de donnée". Les data sciences et les méthodes d’intelligence des données se réclament en effet d’une data driven methodology où le travail sur les données précède la formulation d’hypothèses. On peut aussi parler de méthode inductive par opposition à une démarche hypothético-déductive où le dispositif expérimental (et donc les data) sont mobilisées avant tout pour valider ou falsifier une ou plusieurs hypothèses de départ. Plutôt que d’opposer massivement les deux approches, il paraît plus pertinent d’interroger le travail de construction des modèles de données en data sciences, une activité centrale en recherche et développement mais aussi sur le plan scientifique.

e) Les changements d’échelles. Question centrale dans une démarche orientée data, l’atelier conduira une réflexion spécifique sur les effets scientifiques induits dans une démarche où l’accumulation quantitative des données peut en effet conduire, dans certains cas, à la modification qualitative de l’objet de science.

f) Les questions de valorisation des (big) data. L’exploration de l’écosystème des big data, et une bonne partie de ce que l’on désigne par intelligence des données, débouche sur la mise au point de services innovants (chez les "géants" de l’information), l’avènement de formes sociales d’organisation en ligne (comme dans le logiciel libre à travers la contribution à des langages de programmation) ou encore des formes nouvelles de codification et de protection de la propriété intellectuelle. Parmi toutes les pistes potentielles ouvertes dans cette direction, nous voudrions privilégier deux pistes de réflexion (et peut-être d’expérimentation). La première concerne la question juridique des droits d’appropriation des droits de propriété traditionnels aux formes nouvelles émergées du Libre, de l’open source, de l’open science, de l’open data. Avec en ligne de mire la question assez primordiale du statut juridique des banques de données et des investisseurs dans le formatage, storage et le traitement des banques de données. La seconde concerne la caractérisation de la nature des données échangées et du type de biens informationnels ou immatériels ou intangibles du point de vue de leur portée économique. L’idée serait de viser les multiples façons dont des scénarios de valorisation se mettent en place actuellement basés sur le principe d’enrichissement des données ou de conception de services avancés. Au delà, les discussions de l’atelier pourront porter sur les méthodes de description et d’analyse des interactions des acteurs socio-économiques dans des contextes d’innovation "ouverte" ou "ascendante" où la mesure de la valorisation autour des données en masse ne s’arrête pas à l’aspect financier mais inclut bien des formes "d’externalités positives" comme l’engagement, le potentiel de coopération entre acteurs ou la confiance.