Contenu du sommaire : Big data, sociétés et sciences sociales

Dans la majorité des couples hétérosexuels, l'homme est plus âgé que la femme. Ce fait est étonnamment constant à travers le temps et les continents : dans la quasi-totalité des sociétés connues, l'époux est en moyenne plus âgé que son épouse. Si le fait est bien établi, les ressorts le sont beaucoup moins. Comment se produit cette asymétrie sexuée ? À cette problématique, relative aux rapports de genre, les enquêtes peinent à répondre. Parce qu'elles interrogent des personnes déjà en union, elles captent mal le processus de rencontre. Cet article propose une approche alternative, mobilisant des données issues d'un site de rencontres sur internet. Ces services – désormais largement utilisés en France – constituent un point d'observation original sur les attentes des acteurs et les logiques d'appariement des partenaires. Aussi donnent-ils des enseignements nouveaux. Alors que les données d'enquêtes indiquent que l'écart d'âge est surtout désiré par les femmes, les analyses du site montrent qu'il est aussi recherché par les hommes, notamment lors d'une remise en couple. Plus généralement, l'étude questionne la notion de « choix » du conjoint – chère aux sociologues du couple – montrant que les rencontres amoureuses et sexuelles reposent sur un arbitrage entre les aspirations féminines et masculines qui divergent plus souvent qu'elles ne concordent. Par l'exemple de l'écart d'âge, l'article se veut une illustration empirique de quelques-unes des opportunités offertes par lesdites « données massives ».

Cet article adopte une perspective de sociologie de la donnée pour analyser les recompositions de la gouvernance urbaine liées à l'émergence d'un nouveau régime de quantification : le big data. À partir du cas des politiques de circulation routière et de l'application Waze, deux hypothèses sont poursuivies : 1) Le big data propose de nouvelles représentations de la ville qui troublent l'agencement stable et ordonné de la réalité porté par les institutions publiques. Cela permet à de nouveaux acteurs, les plateformes, de proposer des formes alternatives de régulation de l'espace urbain provoquant des tensions avec les autorités publiques locales. 2) Toutefois, l'analyse précise des modalités de production de ces nouvelles données met en évidence des modes d'accommodement entre la réalité établie par les institutions publiques et celle des plateformes de service numérique. Par la voie discrète des données émergent de nouvelles modalités de coordination entre acteurs publics et privés. Cet article illustre ainsi l'apport d'une sociologie de la donnée pour comprendre comment, à l'ère du big data, s'articulent différents types de régulation sur un territoire pour former de nouveaux modes de gouvernance urbaine.

Sur les blogs, forums et sites de réseaux sociaux, l'abondance et la calculabilité de la parole des internautes permettrait d'accéder à une opinion spontanée, directement issue des traces de nos conversations ordinaires. Depuis les années 2000, un ensemble de start-ups et d'agences élaborent ainsi des méthodes humaines et algorithmiques visant à tirer parti de ce matériau foisonnant pour proposer une nouvelle mesure des opinions du grand public, voulue plus authentique que celle mesurée par les sondages traditionnels. À travers une sociohistoire du marché de l'opinion en ligne, cet article étudie la façon dont se recompose un nouveau régime de connaissance de l'opinion à partir de ses traces numériques, et souligne le caractère varié, contingent et situé des projets épistémiques qui se saisissent des big data. À partir d'entretiens et d'un travail ethnographique, nous montrons ainsi l'opposition entre des entreprises adeptes de l'échantillonnage des traces numériques, et d'autres, qui visent au contraire une captation la plus exhaustive possible des opinions du web social. Nous analysons en particulier les épreuves simultanément techniques et épistémiques auxquelles se confrontent les acteurs de l'opinion en ligne, qui mettent en échec les approches échantillonnées, et consacrent a contrario le projet d'une veille extensive et continue sur la conversation en ligne.

Que peuvent faire les sciences sociales avec le machine learning, et que peut-il leur faire ? Cet article propose une introduction à cette classe de méthodes statistiques. Il détaille ses prémisses, sa logique, et les défis qu'elle pose pour les sciences (sociales). Il le fait au moyen d'une comparaison avec d'autres approches quantitative plus conventionnelles, les régressions paramétriques en premier lieu, et ce tant au niveau général qu'en pratique. Au-delà de l'exercice méthodologique, l'article se propose de revenir sur les débats houleux qui entourent le learning. Il revient pour se faire sur le rôle et les conséquences possibles de l'usage de l'apprentissage statistique. Il soutient que la révolution promise par beaucoup et crainte par d'autres ne se produira pas de sitôt, ou en tout cas pas dans les termes souvent mentionnés. Le changement de paradigme évoqué de manière prophétique n'aura pas lieu. Plutôt, une concurrence accrue entre différentes formes de quantification du monde social va se mettre en place. Contre toute attente, cette incertitude croissante pourrait être de bon augure pour la connaissance en général.

Des blogs et forums aux pages Facebook et comptes Twitter, le récent déluge des données numériques du web a fortement affecté la recherche en sciences sociales. Cette nouvelle catégorie d'information, utile à l'extraction des opinions politiques, se présente comme une alternative aux techniques traditionnelles telles que les sondages. Premièrement, en réalisant un état de l'art des études de l'opinion s'appuyant sur les données Twitter, cet article vise à mettre en relation les méthodes d'analyse utilisées dans ces études et les définitions de l'opinion politique qui y sont suggérées. Deuxièmement, cet article étudie la faisabilité de réaliser des analyses multi-échelles en sciences sociales concernant l'étude de l'opinion politique en exposant les mérites de plusieurs méthodes, allant des méthodes orientées contenus aux méthodes orientées interactions, de l'analyse statistique à l'analyse sémantique, des approches supervisées aux approches non supervisées. Le résultat de notre démarche est ainsi d'identifier les tendances futures de la recherche en sciences sociales concernant l'étude de l'opinion politique.

Depuis les années 2000, de nouvelles techniques d'analyse textuelle font leur apparition au croisement des mondes informatiques, de l'intelligence artificielle et du traitement automatique de la langue. Bien qu'élaborées en dehors de toute préoccupation sociologique, ces techniques sont aujourd'hui mobilisées par des chercheurs – sociologues comme non-sociologues – dans le but de renouveler la connaissance du social en tirant parti du volume considérable de matériaux textuels aujourd'hui disponibles. En dressant un panorama des enquêtes sociologiques qui reposent sur la mise en données et le traitement quantitatif de corpus textuels, cet article identifie à quelles conditions ces approches peuvent constituer une ressource pour l'enquête sociologique. Les trois conditions qui émergent de notre analyse concernent : 1) la connaissance du contexte de production des inscriptions textuelles ; 2) l'intégration à l'enquête de données extérieures au texte lui-même ; 3) l'ajustement des algorithmes au raisonnement sociologique.