Sciences et big data : La fin de la théorie ?

En décembre dernier, la Revue L'Archicube m'a sollicité dans le cadre d'un numéro spécial intitulé "Responsabilité, intégrité et éthique dans la recherche". J'ai un peu hésité à répondre car je suis moins investi sur ces questions qu'il y a quelques années. 
Mais le débat qui s'est noué m'a montré qu'il y avait beaucoup d'enjeux, de craintes, et d'incompréhensions à dissiper autour de cette question des big data dans la sciences. Il m'a confirmé aussi combien cette révolution bouleverse les habitudes et les organisations, bien au-delà des prouesses mathématiques qu'elle autorise.
J'ai donc réalisé cette interview, que je partage aujourd'hui avec vous, dans une version revue et améliorée.

La science expérimentale consiste à faire des mesures pour les confronter avec des prédictions de modèles théoriques.

Jusqu’au XXe siècle, les données étaient rares et chères : on montait des « manips » pour mettre en évidence (ou invalider) certaines de ces prédictions et l’on faisait des mesures sur ces montages. Ces montages coûtaient souvent très cher, les protocoles étaient complexes et coûteux, il fallait financer des laboratoires onéreux et un personnel nombreux et qualifié. Parfois, les mesures obtenues étaient aléatoires, et la tentation étaient forte de « solliciter » les données (en éliminant par exemple des « mesures aberrantes ») pour obtenir le résultat cherché. D’où l’importance des « cahiers de laboratoire » à la disposition des referee : il était très important de pouvoir reproduire les expériences dans d’autres laboratoires.

 Aujourd'hui, les données ("Data") sont abondantes et bon marché. Est-ce que cela change la philosophie de leur exploitation ?

Je ne sais pas bien à quoi vous opposez la « science expérimentale ». Il me semble qu’il n’y a qu’une seule forme d'activité scientifique : l’activité de comprendre le réel à travers un savoir prédictif, reproductible et falsifiable, comme l’a souligné Karl Popper. Et toutes les disciplines scientifiques devraient être expérimentales, sauf, disait Kant, les mathématiques qui procèdent par construction de concept.

Il faut partir de ce point parce que c’est cela la science. Monter des « manips », comparer une prédiction à une expérience, tenir un cahier ou porter une blouse blanche, ce sont des méthodes, des organisations, des habitudes qui ont leur efficacité, mais qui pourront être remplacées un jour ou l’autre. Déjà, en astrophysique on monte des expériences entièrement virtuelles qui produisent des résultats scientifiques.

Et précisément, comme vous le dites, nous vivons avec la démultiplication des données numériques, une révolution considérable, qui bouleverse toutes les activités humaines et qui ne peut pas ne pas impacter l’activité scientifique.

Cette révolution provient de la conjonction de trois phénomènes :

-       d’une part, en effet, on produit de plus en plus de données bon marché, grâce aux nouvelles technologies de capteurs légers, grâce à de nouveaux appareillages (aujourd’hui on sait faire un satellite à moins de 3000 euros et on séquence un génome humain pour moins de 200 dollars), grâce à la possibilité de créer de la contribution massive (comme le fait OpenStreetMap), grâce à l’informatisation d’un nombre croissant de processus, mais aussi du fait d'un profond changement de nos comportements et de notre rapport à l’intime qui fait qu’un nombre croissant d'entre nous partagent, plus ou moins délibérément, une quantité extraordinaire de données.

-       D’autre part, on assiste à une révolution des méthodes et des techniques de traitement de ces données, qui en baisse le coût (grâce au « cloud computing », par exemple), qui permet de nouvelles aproches (les bases de données en flux, l’informatique massivement parallèle des big data, le machine learning, le deep learning, le regain de l'intelligence artificielle) ou qui ouvre de nouvelles approches pour interroger ces données (« machine learning » par exemple).

-       Et il y a enfin une troisième révolution, consécutive des deux précédente, qui voit naître de très nombreuses nouvelles stratégies d’utilisation de ces données. Cette troisième dimension est à mon sens la plus frappante. On ne pose plus les même questions aux données, ou on les insère dans de nouveaux dispositifs d’action. On manipule des distributions complètes, au lieu de ne traiter que les moyennes statistiques, on « éduque des modèles de prévision », on recherche des signaux faibles, on apprend à raisonner sur des probabilités.

C’est la conjonction de ces trois dimensions de la révolution de la donnée qui bouleverse la science de nombreuses manières : on peut mesurer un nombre incalculable de phénomènes qu’il aurait été trop coûteux d’appareiller, on peut rechercher des signaux faibles à un coût qui diminue à toute allure, on peut mobiliser aisément une puissance de calcul considérable, on peut mobiliser des communautés extérieures au laboratoire – voir à la recherche, on peut rechercher des corrélations insoupçonnées sans hypothèses préalables (avec le « machine learning ») ce qui ne dispense pas de les vérifier ensuite dans de solides conditions expérimentales.
Je ne prends pas à mon compte les proclamations des chantres de la "fin de la théorie", puisque précisément la science reste toujours science et a le devoir de formuler des conclusions falsifiables, prédictives et reproductibles. Mais je constate que la science peut explorer un plus grand nombre de phénomènes, détecter des signaux de plus en plus ténus, et diversifier la stratégie d’identification des hypothèses à tester.

En revanche, c’est dans la sociologie du monde scientifique que les choses changent. Car effectivement on sort d’un monde où l’on reconnaissait le chercheur aguerri au fait qu’il avait appris, durement, sur le tas, à être économe en données, à réfléchir avant d’agir, à « ne pas se lancer à l’aventure ». Et il est vrai qu’aujourd’hui cette attitude est souvent moins efficace que la plongée dans une masse de données, même imprécises ou non structurées, en laissant germer les hypothèses à partir de premières questions posées aux données.

Premier rapport annuel sur la "gouvernance de la donnée" de l'Etat

Le 16 septembre 2014, le Premier ministre instituait la fonction d'Administrateur général des données  (AGD), que j'inaugure depuis le 18 septembre dernier.

Adaptée de la fonction de Chief data officer, mais pensée en fonction des besoins de l'Etat, cette fonction vise principalement à diffuser au sein de l'Etat les nouvelles pratiques des datasciences. A l'usage, ces pratiques ne réalisent pas tant la promesse des "big data" (nous n'avons pas encore relevé au sein de l'action publique tellement de problèmes nécessitant d'énormes quantités de calcul), mais au nom des nouvelles classes d'actions qui s'inventent tous les jours avec les données.

Insensiblement, en effet, nous passons du régime de la description à celui de la prédiction, puis, plus important encore, à celui de la prescription. C'est cela qui se passe aujourd'hui d'important avec les données : l'irruption de nouvelles questions : "next best action", par exemple. Et souvent aussi de nouvelles stratégies d'action : la création de boucles de rétrocontrôle rapide, l' "empowerment" des agents, l'ouverture de référentiels accessibles à tous...

Pour remplir sa mission, l'AGD était autorisé à créer une petite équipe au sein de la mission Etalab, se voyait doté d'une capacité d'expérimentation, d'une capacité à demander à connaître la structure des données des administrations, et se voyait confier la tâche de remettre chaque année au Premier ministre un rapport sur la gouvernance de la donnée.

Être et devenir

Le dimanche matin, au Studio Saint-André des Arts (mais aussi dans de nombreuses villes françaises), vous pouvez assister à la projection d'un film intitulé Être et devenir, consacré à ces familles qui choisissent d'élever elles-mêmes leurs enfants dans le respects de leurs rythmes, de leurs passions et de leurs propres talents.

C'est un film à voir et à partager. Plus précis, plus profond et plus nuancé, d'ailleurs, que ne le montre la bande-annonce.

La première fois que j'ai entendu parler de "homeschooling", c'était par un inspecteur de l'Education nationale qui me parlait de communautés dans des vallées pyrénéennes. Je pensait que le phénomène ne concernait que quelques communautés de soixante-huitards et quelques autres groupes de réactionnaires forcenés et un poil sectaires.

Il y a peut-être des asociaux qui choisissent cette voie, c'est probable. Mais ce ne sont pas ceux-là qu'a rencontrés Clara Bellar. Son film, au contraire, nous entraîne dans un monde d'adultes responsables, qui s'interrogent, s"inquiètent, échangent, expérimentent, dialoguent, apprennent et qui, finalement, osent inventer quelque chose d'essentiel.

Ce n'est pas à proprement parler une méthode que nous découvrons, mais plutôt une attitude, un parti pris. Les enfants aiment apprendre, ils savent apprendre, à bien y regarder ils apprennent tout le temps. Puis ils arrivent à l'école où l'on commence à les contraindre à apprendre, et où, bien trop souvent, cette disposition spontanée devient une contrainte. Mais que se passe-t-il si on prend cette capacité d'apprendre au sérieux et si on décide de pousser ces enfants dans leur propre logique, leur propre dynamique ? Si on les pousse à ressentir leur propre logique, à la prendre au sérieux et à la pousser au bout ?

 

Le Quantified self, pivot de la révolution des données

Il y a bientôt trois ans, j'avais chroniqué le Guide pratique du quantified self de mon ami Emmanuel Gadenne, l'un des explorateurs acharnés de cette tendance qui, petit à petit, se fait mouvement. 
Il y a un an environ, Pierre Guyot et Camille Gicquel m'ont contacté pour me demander une préface à un nouvel ouvrage sur cette question passionnante, beaucoup plus spéculatif cette fois...

J'ai accepté, tout d'abord parce qu'il s'agit d'un très bon ouvrage, que je vous conseille vivement, qui ne méconnaît aucune des dimensions et des questions sous-jacentes à un évolution qui, insensiblement envahit notre quotidien, qui s'appuie sans aucun doute sur des forces profondes, dans nos psychologies mêmes et dans les nouvelles logiques du marché.
J'ai accepté aussi parce que cette tendance, insuffisamment analysée, me semble effectivement mériter toute notre attention. Le "quantified self", cette propension que nous avons tous, peu ou prou, à "mesurer" nos "paramètres", poids, nombre de pas chaque jour, nombre de calories consommées, nombre de cigarettes électroniques utilisées, bilan carbonne, et j'en passe, cette tendance n'est pas seulement au coeur d'un nombre croissant de services et de business modèles. Elle se place aussi au coeur même des paradoxes et des tensions de notre modernité. C'est le point tectonique où se rencontrent le corps et la technologie, l'intime et le marché, le désir et la mathématique. Comme dans toutes les zopnes où se mêlent courants froids et courants chauds, c'est donc aussi une zone d'intense créativité, riche de paradoxes, riche peut-être aussi de dangers et de controverses.

Le livre est finalement sorti peu avant l'été. Je vous recommande ce "Quantified Self, les apprentis sorciers du "moi connecté", publié chez l'excellent FYP édition, et j'ai le plaisir de partager avec vous cette préface rédigée à l'été 2014.

Big data : du nouveau dans l'ordre symbolique ?

Et si les données restructuraient aussi nos inconscients ?

La question peut sembler étrange, mais regardons un peu le quotidien d'un adolescent d'aujourd'hui...

Sortant du Lycée, Jacques prend son smartphone et trouve un Autolib disponible puis identifie, près de sa destination, une station de dépôt où il réserve une place libre. Par sa requête, il enrichit le système informatique qui permettra de mieux encore répartir les Autolib pendant que quelques urbanistes, qui ont accès aux données diffusées en open data, se passionnent pour la sociologie des déplacements des parisiens. Jacques n’en a cure : il calcule rapidement un itinéraire sur Googlemaps et accepte la proposition de Google d’envoyer un SMS à son amie pour lui annoncer son heure d’arrivée au café Signes. Pendant le trajet, son petit appareil Fitbit - ou quelle qu’en soit la marque - mesure sa dépense énergétique et enrichit les informations pour le « coach électronique » qui l’accompagne dans son programme personnel. Au passage, son terminal étant connecté à son Smartphone, il enrichit l’interface de stockage de ses données de santé, il ne sait pas trop pourquoi mais ça servira bien un jour. Arrivé au café Signes, il fait un « check » sur Foursquare, ce qui donne envie à deux autres amis d’attraper un UberPop qui passait dans les parages et allait dans la bonne direction et de les rejoindre pour une belle soirée printanière. Ensemble, ils décident d’aller au Cinéma : Cinémur (désormais Ciné-Loisir), en analysant les comportements de leurs amis sur Facebook va leur proposer le film le plus populaire dans leur cercle d’amis. Au passage, notre lycéen va signaler sa soirée sur Facebook, enrichissant ainsi d’autres applications d’analyse prédictive. Un rapide coup d’œil que sa « timeline » pour voir les informations ou vidéos partagées par ses propres amis. Moins de 12 %, en fait, de tout ce que partagent ses amis, 12 % qui ont été déterminées par un algorithme visant à pousser les utilisateurs  à rester le plus longtemps possible sur la page. Les vidéos les plus burlesques sont nettement favorisées, on s'en doute. Et le coup de mou du camarade de lycée risque de passer inaperçu.