Mise en données du monde, mise en données de l’histoire?

By DARPA (Defense Advanced Research Projects Agency (DARPA)) [Public domain], via Wikimedia Commons

By DARPA (Defense Advanced Research Projects Agency (DARPA)) [Public domain], via Wikimedia Commons

Grâce à un billet1 de Guido Koller sur son excellent blog We think history, j’ai découvert le livre de Viktor Mayer-Schönberger and Kenneth Cukier sur le Big Data2.

Mise en données du monde?

Parmi les nombreux éléments apportés par le livre, je vais ici m’arrêter au chapitre Dataification3. Dataification a été traduit par le Monde diplomatique par « Mise en données du monde », ce qui me semble assez juste. Les auteurs insistent sur le fait que cette mise en données précède l’ère numérique, en donnant particulièrement l’exemple de la marine militaire américaine, qui, par compilation de toutes les données (inscrites sur papier) rapportées au cours des voyages de ses bâtiments a pu les compiler et améliorer les routes, gagnant en temps et en efficacité. Et, ceci, au XIXe siècle.

Le mise en données du monde précède l’informatique et en conséquence la numérisation. Il s’agit de mesurer des éléments dont personne n’avait compris l’intérêt. En outre, cette mise en données implique qu’il y a une certaine valeur dans les grands ensembles de données qui manque dans les plus petits corpus, faits d’échantillons. C’est le cœur même du Big Data: le changement quantitatif entraîne un changement qualitatif.

Comment définit-on cette mise en données du monde?

« To datafy a phenomenon is to put it in a quantified format it can be tabulated and analysed » (p. 78).

La numérisation est, elle, l’action de convertir une information analogique en information numérique, faite de 0 et de 1. La mise en données d’un phénomène peut se faire sous forme analogique, même si aujourd’hui, les deux phénomènes sont liés.

Les auteurs replacent la quête humaine de quantification du monde sur le très long terme, dès le troisième millénaire avant notre ère. La mesure et l’archivage sont les premières étapes, très lointaines, de la mise en données du monde (p. 79). Ils permettent de reproduire l’activité humaine, de profiter de l’expérience de nos prédécesseurs, de planifier. Distances et poids, puis lieux, volumes et temps: la mesure s’est progressivement étendue. Une étape essentielle fut la mise au point de la numération arabe, qui a engendré l’expansion des mathématiques. Avec ces dernières, les données peuvent désormais être analysées. L’introduction, ensuite, de la comptabilité à double entrée a permis une forte diffusion des chiffres arabes, bien plus efficaces que le système romain. La comptabilité à double entrée montraient déficits et bénéfices – elle a ainsi donné du sens aux données tout en les standardisant.

Ces étapes furent longues. Chiffres arabes, mathématiques, comptabilité mirent plusieurs siècles à s’imposer dans le monde occidental. Une première accélération du temps commence au XIXe siècle où l’expansion des sciences pousse à la quantification de nouveaux phénomènes (électricité, température, pression de l’air, son…) (p. 81-82). Une seconde accélération, bien plus importante, est le résultat de l’arrivée de l’informatique. Cette dernière rend la quantification efficace et peu chère, elle autorise une analyse mathématique rapide des données et en fait ressortir des aspects invisibles autrement. Informatique et numérisation ont donné tout son potentiel à la mise en données du monde.

Pour bien montrer la différence entre numérisation et mise en données, les auteurs s’arrêtent longuement sur Google Books (entre autres exemples). La numérisation de millions de livres par Google et, ensuite, la mise au point de Google Ngram Viewer illustre la différence entre numérisation et mise en données. La première permet une lecture sur l’ordinateur ou à l’écran. La seconde permet de transformer des millions de livres en corpus de données sur lesquels ont peut appliquer une analyse « de masse » (p. 83-86).

Les auteurs développent ensuite l’exemple du lieu comme données, jusqu’à aboutir au système GPS et à ses applications possibles, commerciales et, surtout, non-commerciales4.

Enfin, ils s’attachent à la prochaine « frontière » de la mise en données, celle des interactions sociales5. Au passage, les auteurs rappellent que, si Twitter, notamment, limite la taille de ses messages à 140 caractères, leurs métadonnées sont au moins aussi importantes et, dans le cas de Twitter, très développées.

Like Google, a gaggle of social media networks such as Facebook, Twitter, LinkedIn, Foursquare, and others sit on an enormous treasure chest of datafied information that, once analyzed, will shed light on social dynamics at all levels, from the individual to society at large6.

L’extension de la mise en données n’est pas limitée, explique les auteurs dans la partie finale de l’article, et l’usage des données produites n’est limitée que par notre imagination.

Que cela signifie-t-il en histoire?

Une mise en données de l’histoire?

Cukier et Mayer-Schönberger le disent clairement: tout est potentiellement quantifiable, donc tout peut être mis en données. Il n’y a de fait pas de raisons d’ignorer les conséquences de cette mise en données en histoire.

Prenons l’exemple des réseaux sociaux7: jamais nous n’avons disposé d’autant de données pour décrire les pratiques sociales et les phénomènes sociaux. Jamais nous n’avons disposé d’autant de données sur la vie quotidienne de millions de gens, qui prennent en photos de nombreux aspects de leurs pratiques de tous les jours: leurs repas8, leur amour pour leur chat, leur manière d’éduquer leurs enfants, leurs relations au travail, leur rapport au politique, à la famille

Ces données, aujourd’hui exploitées par les sociologues9, posent des problèmes méthodologiques importants. En quoi sont-elles représentatives de la population10? Sont-elles exploitables? Sont-elles accessibles? Seront-elles pérennes? La Just in time sociology essaye de répondre à ces questions. Lors d’une expérience récente11, j’ai pu constater, par exemple, que considérer l’ensemble des membres de Twitter comme une seule et même communauté n’a aucun sens. Les membres de Twitter « ne disent pas », « ne pensent pas », mais des millions d’individualités, parfois regroupés en communautés très nombreuses peuvent avoir des pensées particulièrement hétérogènes.

À terme, ces données seront des sources pour l’histoire et il est fort à parier que, dans quelques années, certaines thèses d’histoire contemporaine se feront exclusivement sur sources numériques, mais également avec des outils permettant des allers-retours constants entre lecture distante et lecture proche des sources12. Le déluge de données devra être géré par les historiens et les archivistes, y compris dans leurs aspects légaux13.

En outre, nous numérisons, à toute vitesse, des archives déjà existantes, et les historiens du contemporain auront, y compris pour les centres d’archives « institutionnels », à faire face à des archives désormais tout-numérique. Je ne crois pas avoir besoin de revenir sur ce point, cette question étant traitée régulièrement sur ce blog14.

Mais la mise en données du monde ne touche pas qu’à la mise en données de l’histoire, mais aussi à la mise en données des historiens et de leurs pratiques.

Une mise en données des historiens?

Je vais ici aborder rapidement trois points:

  • La possibilité qui s’entrouvre de pouvoir « lire » au sens de Franco Moretti15 l’historiographie via des outils Big Data;
  • La possibilité d’observer et de capturer une historiographie « en train de se faire », sur les réseaux sociaux, les blogs, etc;
  • La possibilité de capturer et étudier nos pratiques, avec l’exemple de ce que j’ai appelé les conférences « ubiquitaires ».

Google Books, Google Ngram et l’historiographie

Lorsque vous écrivez un ouvrage, un article, en histoire (et dans bien d’autres sciences sociales ou humaines), la première chose qui doit être faite est une étude de l’historiographie – l’histoire des historiens qui ont déjà écrit sur le sujet que vous abordez.

Aujourd’hui, ces chapitres ou parties historiographiques sont, pour les sujets assez larges et très traités par les historiens, souvent partiels. Pour beaucoup de bonnes raisons:

  • Une littérature très abondante qu’il n’est pas facile d’embrasser dans sa totalité;
  • La barrière linguistique – les historiens ne maîtrisent pas toutes les langues (!) et on ne peut connaître tous les ouvrages de toutes les historiographies nationales;
  • Parfois, de bêtes questions de temps.

Les auteurs de Big Data donnent en exemple Google Books et Google Ngrams. Google Books a permis la numérisation de nombreux ouvrages. Ngram va permettrent d’exploiter ces livres comme des données, de les analyser et d’en faire ressortir des éléments inconnus ou difficiles à rechercher.

Le principe de Google Ngram est assez simple: il vous permet de mesurer les occurrences d’une expression (mot ou groupe de mots) dans un corpus donné. Le choix des corpus se fait selon la langue. Il est, dans le cas de Google Books, de plusieurs millions d’ouvrages. Il vous permet de visualiser plusieurs Ngrams en même temps – ainsi de comparer l’usage de deux (ou plus) expressions concurrentes16.

En septembre dernier, j’étais à l’école d’été de RICHIE, un réseau de jeunes chercheurs en histoire des relations internationales. Le thème de cette école était l' »européanisation ». Quand cette expression est-elle apparue? En rapport à quoi?

L’utilisation de Google Ngram nous a permis:

    1. De voir à quand remontait, en Français, Allemand et Anglais, la (l’une des) première(s) utilisation du terme;
    2. De comprendre (ce qui était assez logique, en somme), que ce terme est apparu d’abord en relation avec la colonisation;
    3. De constater que son usage explose à partir des années 1980, en lien avec la construction européenne.

Ces résultats n’ont rien de surprenant. Simplement, ils ont été acquis en quelques minutes de travail et non plusieurs mois de recherche.

Bien entendu, Google Ngram ne permet pas de remplacer un travail historiographique classique, mais il peut très facilement aiguiller une telle recherche, l’accélérer, et nous mener vers des travaux que nous ne connaissions pas du tout.

En tant que tel, de nombreux ouvrages ayant une partie historiographique sont susceptibles d’être révisés. Prenons un exemple, celle de la légende dorée des Humanités numériques: d’abord le père Busa, puis les pionniers, qui s’en inspirent, puis les Linguistic Computing, issus de ces pionniers, qui se transforme en Humanities computing, un peu plus large, avant de devenir, en 2005, les Digital Humanities.

Sauf que Ngram, associé cette fois à Google Scholar et ses données exploitables par le logiciel Harzing’s Publish or Perish, peut nous raconter une autre histoire:

  • Il est indéniable que Roberto Busa a une influence déterminante. Il a toujours été très cité, mais… particulièrement à partir des années 1980 puis au cours des années 2000;
  • Si l’on utilise Google Ngram, on s’aperçoit que les premiers à utiliser les termes linguistic computing citent… l’économie quantitative et non Busa. À l’image des Annales en France ou de la New economic history aux États-Unis, les Linguistic Computing sont d’abord issus de l’influence des sciences économiques et des sciences statistiques avant d’avoir été influencés par Busa.

Ce type de bases de données, de logiciels, de corpus seront de plus en plus disponibles et élaborés. C’est une mise en données de l’historiographie qui sera sans précédent. Mais on peut aller plus loin: les historien.ne.s sont de plus en plus sur le web: par les réseaux sociaux, les blogs ou les revues en ligne notamment. On peut aujourd’hui capturer une historiographie en train de se faire.

Capturer l’historiographie en train de se faire?

Un réseau social comme Twitter donne accès à ses données par divers moyens. Sur ce réseau précisément, on peut observer des discussions en cours, notamment par l’intermédiaire d’un « hashtag », c’est-à-dire un mot précédé d’un croisillon – « #histoire » par exemple.

Il existe un hashtag #twitterstorians, inventé par Katrina Gulliver. Si l’on capture cette discussion qui dure depuis plusieurs années, on peut voir ressortir un certain nombre de préoccupations des jeunes historien.ne.s (oui, la plupart sont jeunes). La discussion laisse ainsi souvent la place à la diffusion de l’information sur les postes à pourvoir17. On peut aller vers des historiographies plus précises – par exemple, l’histoire environnementale avec #envhist.

De plus en plus de chercheur.se.s, en outre, s’expriment par le biais de blogs, individuels ou collectifs, sur des thèmes précis ou sur l’ensemble de leurs activités. Là aussi, ces données sont captables, notamment par le biais des flux RSS, et l’on peut les agréger dans une base de données ou sur un autre site. C’est sur ce principe que repose l’initiative PressForward. L’un des objectifs de cette initiative est de capturer une littérature scientifique grise qui est publiée sur le web. En histoire, Global perspectives on digital history (GPDH – qui a été notament animé par le regretté Peter Haber) permet ainsi d’avoir une vision rapide et globale de ce qui s’écrit dans le domaine de l’histoire numérique. Cette technique pourrait être appliquée à tous les domaines de l’histoire.

Capturer les pratiques des historiens: exemple des conférences

Un autre secteur de mise en données des historiens, du moins de leurs pratiques, est l’organisation des conférences. Les colloques servent à de nombreuses choses: se rencontrer, présenter nos résultats, en débattre, parfois concevoir de nouveaux projets. Jusqu’ici, les colloques laissaient essentiellement une trace concrète de leur existence: l’édition des actes du colloque. De plus en plus, ils laissent de nombreuses autres traces: des sites webs, des présentation en ligne, des discussions (parfois) sur les réseaux sociaux…

Il est possible de collecter et conserver ces traces numériques de nos colloques, qui, ubiquitaires, se déroulent ainsi dans plusieurs lieux (si l’on considère qu’un site web ou un réseau social est un lieu). Ainsi peut-on connaître mieux ce que pensent et discutent les participants d’une conférence – les actes du colloque ne rapportant que ce qui a été exprimé par les intervenants, parfois corrigé à la suite des discussions avec le public18.

Les biais du Big Data et de la mise en données du monde

Bien sûr, tout ceci doit être mis en balance avec de nombreux éléments. Je vous renvoie au fameux article de Kate Cawford et danah boyd, Six Provocations About Big Data19 et au plus récent article de Kate Crawford dans Foreign Policy.

Quelle que soit la taille d’un corpus, même s’il se rapproche le plus possible de l’entièreté des données collectées (ce qui est l’une des définition du Big Data), il reste une construction sociale, qui repose sur une hypothèse. Son exploitation – et les auteurs de Big Data, rappelant le débat autour de l’article de Chris Anderson20, l’affirment clairement – repose sur des théories statistiques et mathématiciennes. On peut se tromper, même (surtout?), si l’on pense avoir des données intégrales sur un phénomène donné.

Ces outils et méthodes numériques devront donc être utilisés avec soin. En outre, l’état de transition, en termes de mise en données de l’histoire, peut engendrer des erreurs et des déséquilibres. Tim Hitchcock nous rappelle que des données mal saisies – dans ce cas-là, une reconnaissance de texte qui a été mal faite – peut dévoyer toute une historiographie21. Des archives numérisées et disponibles comme corpus peuvent être utilisées aux dépens d’autres sources. Ainsi, l’Organisation mondiale de la santé a-t-elle numérisé et mis en ligne l’ensemble des documents de la Société des Nations qui touchent à la malaria. La conséquence? La malaria est mieux traitée par les historien.ne.s que d’autres maladies. Il existe ainsi une fracture numérique entre ce qui est numérisé et ce qui ne l’est pas ou mal. Cette fracture numérique touche aussi un certain nombre de langues minoritaires. Ainsi, selon Gerben Zaagsma dans notre ouvrage à paraître, est-il difficile de numériser et d’exploiter des données en yiddish.

*
* *

La mise en données de l’histoire est un phénomène qui avance. Ses conséquences ne sont pas toutes encore très claires. Elles dépendent de nombreux facteurs: ses modalités, les outils développées pour faire face aux traces de l’histoire mises en données, la manière dont les historien.ne.s y feront face. Une ère réelle de renouvellement des sciences historiques est en train de s’ouvrir.

  1. Koller, Guido. « Big Data ». We think History 18 juin 2013. Web. 10 juill. 2013. []
  2. Mayer-Schönberger, Viktor, et Kenneth Cukier. Big Data: a Revolution That Will Transform How We Live, Work, and Think. Boston: Houghton Mifflin Harcourt, 2013. Print. []
  3. Par ailleurs traduit sur le site du Monde diplomatique: Cukier, Kenneth, et Viktor Mayer-Schönberger. « Mise en données du monde, le déluge numérique ». Le Monde diplomatique juill. 2013. Web. 9 juill. 2013. []
  4. Notamment l’utilisation des données GPS en santé publique, p. 90. []
  5. Plus vulgairement: les réseaux sociaux, p. 91 et suivantes. []
  6. p. 94 []
  7. Voir notamment le blog de Frédéric Pailler:Frédéric, Pailler. « #twittology : sociologie “just-in-time” et collecte de tweets ». Sociographie 8 juill. 2013. Web. 12 juill. 2013. []
  8. De ce point de vue, le réseau social photographique Instagram est une mine d’or. []
  9. Voir à nouveau les billets de blog de Frédéric Pailler. « Préparer un corpus de tweets avec open/google Refine pour le visualiser dans Gephi ». Sociographie 9 avr. 2013. Web. 12 juill. 2013. []
  10. Voir par exemple: Mitchell, Amy, et Paul Hitlin. « Twitter Reaction to Events Often at Odds with Overall Public Opinion ». Pew Research Center 4 mars 2013. Web. 12 juill. 2013. []
  11. Clavert, Frédéric. « L’algorithme est grand, je suis tout petit ». Frédéric Clavert 11 juin 2013. Web. 12 juill. 2013. []
  12. Clavert, Frédéric. « Lecture des sources historiennes à l’ère numérique ». Frédéric Clavert 14 nov. 2012. Web. 15 mars 2013. []
  13. Ce dont j’ai déjà parlé ici:Clavert, Frédéric. « Histoire et Données Personnelles – Pensées Éparses (6) ». Frédéric Clavert 27 mars 2013. Web. 12 juill. 2013. []
  14. Par ailleurs, le livre que j’ai codirigé avec Serge Noiret contient des éléments sur le sujet:Clavert, Frédéric, et Serge Noiret. L’histoire contemporaine à l’ère numerique / Contemporary history in the digital age. Bruxelles: PIE – Peter Lang, 2013. []
  15. Moretti, Franco. Graphs, Maps, Trees: Abstract Models for Literary History. Verso, 2007. Print. []
  16. Un essai que j’avais fait pour « histoire diplomatique » et « histoire des relations internationales »: Clavert, Frédéric. « Le Miroir de Nos Faiblesses? » Frédéric Clavert 17 oct. 2012. Web. 12 juill. 2013. []
  17. Un billet de blog sur le sujet est en préparation []
  18. Sur le sujet, voir mon billet précédent. []
  19. boyd, danah, et Kate Crawford. « Critical Questions for Big Data ». Information, Communication & Society 15.5 (2012): 662‑679. Taylor and Francis+NEJM. Web. 15 janv. 2013. []
  20. Anderson, Chris. « The End of Theory: The Data Deluge Makes the Scientific Method Obsolete ». WIRED 23 juin 2008. Web. 12 juill. 2013. []
  21. Hitchcock, Tim. « Academic History Writing and Its Disconnects ». Journal of Digital Humanities Winter 2011. Web. 27 juin 2012. []

5 réflexions au sujet de « Mise en données du monde, mise en données de l’histoire? »

  1. Ping : Les humanités numériques et l’École | Numérique et éducation

  2. Ping : Big Data | We think History

  3. Ping : Big data, large sciences et sociétés connectées : introduction | archivEngines

    1. Frédéric Clavert Auteur de l’article

      Merci. A l’origine, c’est la lecture de votre blog qui me l’a inspiré.

      Répondre

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *