Contenu du sommaire : Production des données, « Production de la société »

Facebook, plateforme promotionnelle incontournable de la filière musicale, propose aux musiciens un service payant de publicité ciblée. Par la détention de données massives sur les goûts culturels des utilisateurs, la firme laisse entendre qu'un appariement entre musicien et public serait possible grâce au big data. L'objet de cet article est d'engager une double réflexion sur la position du musicien au sein de cet espace, les nouvelles tâches qui lui incombent, notamment celles d'analyser, d'exploiter et de choisir les données fournies par la plateforme et sur le rôle de Facebook dans les mutations du musicien en artiste-entrepreneur. Il sera question de montrer en quoi l'offre industrielle de Facebook participe aux mutations qui font du musicien un artiste-entrepreneur.

Cet article discute de la stratégie de prescription du service de vidéo à la demande Netflix, que nous proposons de qualifier d'« économie de la jouissance ». Il décrit le mécanisme par lequel on stimule un mode de consommation de contenus particulier sur ce service. Ce mécanisme repose sur l'utilisation d'algorithmes qui sont à la base d'un système de recommandation dont l'efficacité est axée sur un parcours de la prescription cohérent. Cet article explore des propositions de méthodes interdisciplinaires pour fournir de l'intelligibilité aux logiques algorithmiques. L'appareillage conceptuel et méthodologique présenté vise à repérer le parcours de la prescription effectué par les concepteurs des dispositifs techniques. À partir d'une approche compréhensive et critique, cet article présente une analyse des choix techniques réalisés par les concepteurs et de la mise en discours des usages attendus qui servent à argumenter et à encourager certaines pratiques chez les usagers.

Cet article propose une analyse sectorielle en portant la focale sur le champ politique et le temps extraordinaire des campagnes électorales. Il s'agit de porter le regard sur les professionnels du politique qui participent à cette production des données et influent sur les manières de faire campagne. En effet, la technicisation des campagnes électorales s'accompagne de la mise en avant de nouvelles expertises afin de vendre un savoir-faire auprès des partis politiques et des candidats. Les « travailleurs de la donnée », inspirés du modèle américain, affirment pouvoir « prédire » les comportements des électeurs grâce aux big data et ainsi agir « scientifiquement » sur les résultats d'une élection. La création rapide d'agences spécialisées dans la gestion des données atteste du succès de cette rhétorique de l'innovation par les data. Cet article analyse ainsi les discours des prestataires en big data électoral qui cherchent à faire croire en l'efficacité de l'usage de données massives pour remporter une élection afin de légitimer leur profession.

Connaître les usages d'une bibliothèque numérique comme Gallica nécessite de renouveler les dispositifs d'enquête traditionnellement utilisés par les bibliothèques, en explorant de manière semi-automatisée les données des serveurs. Cette exploration recourt à des modèles mathématiques qui rendent plus difficile le dialogue entre les chercheurs et les professionnels des bibliothèques. Un projet de recherche conduit par la Bibliothèque nationale de France et Télécom ParisTech sur les logs de Gallica témoigne de la possibilité d'inscrire la fouille de données dans un dialogue où les chercheurs et les professionnels s'efforcent de s'éclairer mutuellement sur les décisions à prendre pour conduire une analyse pertinente. Il met également en lumière l'importance de croiser les méthodes scientifiques pour comprendre les usages en ligne, aucune de celles-ci ne pouvant prétendre se suffire à elle-même.

Les interfaces publiques d'accès aux données contribuent à la définition d'un écosystème de services pour les plateformes du Web 2.0. La publicisation de ces données impose pour ces acteurs de l'économie numérique de concevoir une ouverture graduelle monétisable et d'opérer une réduction informationnelle qui s'apparente à un processus d'éditorialisation. La compréhension de ces mécanismes est essentielle dans la conduite de projets d'analyse de données et de recherches empiriques ou pour nourrir les questionnements critiques, méthodologiques et épistémologiques en SIC.

Cet article étudie les médiations de la donnée et les processus de traduction dont elles font l'objet au prisme des applications liées à la mobilité. À partir d'une méthodologie qualitative, nous analysons des entretiens avec des acteurs de l'opendata et de la smart city et des discours d'accompagnement des applications. Les services urbains assurés par des applications résultent des négociations et des alliances entre producteurs de données, collectivités territoriales, entreprises des télécoms et du logiciel, entrepreneurs du web, constructeurs de terminaux et usagers. Dans cette fabrique de la ville, la figure de l'usager-citadin est tiraillée entre un équipement technologique lui promettant une implication à travers une rationalisation et une individualisation des services et des infrastructures largement automatisées qui font de lui un usager discipliné.

Comment les technologies d'intelligence artificielle, en automatisant la communication organisationnelle, peuvent-elles contribuer à la (re)production de la société ? Afin de traiter cette question, nous commencerons par exposer ce que nous entendons par socialisation algorithmique. Nous montrerons ensuite que, d'un point de vue théorique, les technologies d'apprentissage artificiel ont pour but d'automatiser les processus de communication au sein des organisations selon des mécanismes de socialisation algorithmique qui favorisent la reproduction de la société. Puis nous soutiendrons que, d'un point de vue empirique, ces machines apprenantes recouvrent un important travail de cadrage de leurs activités inférentielles. Nous verrons de cette façon que l'automatisation de la communication qu'autorisent ces technologies renvoie in fine à des formes de socialisation algorithmique qui contribuent plus à la production qu'à la reproduction de la société.

Les dispositifs « Big Data et algorithmes » ont été intégrés au secteur militaire américain dans les années 2000. En Afghanistan et en Irak, les armées les ont utilisés pour détecter les « insurgés » au sein de population et pour prédire de nouvelles « insurrections ». Ces dispositifs ont été employés dans le but d'automatiser la détection et la prédiction, et optimiser ainsi la prise de décision politique. Cependant, malgré les efforts institutionnels et financiers consentis, la promesse de doter le chef de guerre d'une ingénierie plus efficiente que les précédentes n'a pas été tenue. Et cet échec n'a pas remis en question la perpétuation de ces programmes. Nous proposons dans cet article d'analyser l'intégration des dispositifs « Big Data et algorithmes » au secteur militaire étasunien au prisme cette contradiction.

La déferlante des données massives (big data) interroge le journalisme contemporain, ses pratiques, mais aussi les modèles économiques des médias et l'organisation des rédactions. Les enjeux sont protéiformes. Nous mettons tout d'abord en évidence la résistance épistémologique du métier face aux promesses d'un journalisme intégralement robotisé. En effet, le data journalisme se réfère toujours à un terrain identifié auquel les données doivent renvoyer à des fins de validation. Nous montrons ensuite que l'usage des données massives permet aux médias non seulement de personnaliser plus finement l'offre d'information, mais également de favoriser un processus d'innovation qui tend à hybrider de plus en plus les savoir-faire journalistiques avec des compétences techniques extérieures au métier. A défaut de disparaître, le métier mute en se recentrant sur certains de ses fondamentaux.

Une recherche sur les politiques et les pratiques de médiation, de valorisation et d'éducation autour des données ouvertes (open data), révèle que celles-ci peinent à trouver leur place dans l'espace public mais sont pourtant porteuses d'une interrogation fondamentale sur le rôle des données dans le fonctionnement de la démocratie contemporaine. L'espace public des données ouvertes est déterminé dans des lieux de négociation et selon des arrangements peu lisibles. Les dispositifs qui permettent l'accès à ces données répondent à une logique de gouvernance administrative et économique plus que démocratique. Ainsi, pour que les données ouvertes participent d'une réinvention de la démocratie dans le contexte du big data, les pratiques informationnelles et cognitives qui permettent les usages des données nécessitent des formes d'acculturation qui sont complexes.

Nous expliquons comment fonctionne le Web sémantique, et en particulier comment les producteurs de contenus peuvent « discrétiser » les informations de manière à ce que des logiciels comme les moteurs de recherche puissent ensuite les corréler à l'échelle du Web en générant des ontologies. Nous comparons les trois syntaxes auxquels ils peuvent avoir recours : le Resource Description Framework, les microdonnées et les microformats, ainsi que les arènes et les processus de normalisation propres à chacune de ces syntaxes. En nous référant pour notre analyse à la théorie opérationnelle de l'écriture numérique développée à l'Université Technologique de Compiègne, nous montrons ainsi comment sont confrontées différentes « politiques du sens » sur le Web portées par des acteurs dont les objectifs et les intérêts diffèrent. Nous décryptons la teneur non pas simplement du mécanisme de description et de traitement de l'information mais aussi des allers-retours entre l'individu qui décrit et édite des informations et la machine qui traite et éditorialise des données.

La disponibilité croissante de masses de traces numériques inspire une nouvelle génération de projets de recherche numériquement instrumentés. Or l'exploitation de ces traces, en tant que le droit les qualifie de données à caractère personnel, entraîne l'application d'un corpus de normes juridiques dont le Règlement général de protection des données récemment adopté. Celui-ci prévoit un cadre dérogatoire pour la recherche scientifique, soutenu par une coalition d'acteurs issus de la recherche médicale, qui s'applique également aux sciences humaines et sociales (SHS). Le présent article présente une synthèse de travaux de recherche sur ce cadre légal et la façon dont il vient interroger le rapport aux traces numériques dans la recherche en SHS.