Technology and Human Sciences

Ce travail se propose d'aborder en largeur la question de la structuration disciplinaire et thématique des humanités numériques. Pour cela, je présente la relation aux technologies numériques d'un certain nombre de disciplines « humanistes » d'un point de vue épistémologique et historique. Je pose ensuite la question de l'interdisciplinarité et notamment du dialogue avec l'informatique, du point de vue des sciences humaines et sociales d'une part, et du point de vue des producteurs de technologies d'autre part. Je propose ensuite de suivre une démarche qui pourrait être caractéristique d'une « épistémologie appliquée » modifiée par le numérique pour étudier la structuration en thématiques et en disciplines de la production scientifique caractéristique des humanités numériques.

Twitter has become the most studied online social network in academia, in social sciences as well as in other fields. It is commonly grasped through a collection and analysis of its own data. In this paper, I show through a bibliometric analysis that scholarly publications on this matter come equally from social and computer sciences, and from natural sciences to a lesser extent. Social scientists rely mostly on classical quantitative methods while computer scientists try to improve algorithms and techniques. Twitter data can take several epistemic values, from representing nothing to representing real-world social phenomena. Having observed the infrequence of interdisciplinary works, I make a few suggestions based on the history of science for future collaborative projects based on Twitter data.

Le mythe des big data annonce l'avènement de nouvelles connaissances d'ordre quantitatif en sciences sociales. Considérant les big data comme les conséquences de l'informatisation du fait humain, nous explorons l'exemple des données construites à partir du web en montrant qu'elles ne relèvent ni de l'épistémologie des sciences expérimentales, ni du paradigme indiciaire propre aux sciences humaines et sociales. Leur utilisation les inscrit ainsi dans plusieurs statuts épistémologiques possibles (corpus, objet autonome, miroir du réel) dominés par un ancrage disciplinaire en informatique plutôt qu'en sciences sociales. Un flottement et une circulation conceptuelle entre ces différents statuts s'accompagne d'une succession de ruptures épistémiques dans l'exploitation de la donnée, de sa construction à la signification qui lui sera conférée, avec pour conséquence une ambiguïté sur la signification des savoirs nouveaux ainsi produits.

An algorithm is a result of the formalization of a procedure which, when implemented in a computer program, can then be replayed indefinitely without intervention. The socio-technical materiality of programs puts them in systems of contingencies, standards and habits that leave the human capacity for action in the heart of the process. Neither the mechanical nature of the programs or the structural consistency of their mathematical foundations, will allow them to produce objectivity by themselves. It comes from the expertise of their designers interacting, either by direct exchange or through benchmarking tools, with end users whose appreciation pragmatically validates the products of the algorithms. It is, in short, the design of programs by succession of human choices that makes them machines for knowledge production.

L'enjeu de cette thèse de philosophie des sciences était de répondre à un problème pratique, qui s'est présenté à moi alors que je travaillais comme analyste sur des données massives chez un éditeur de logiciel : comment produire des connaissances valides en manipulant de grandes masses de données que je n'ai pas constituées et qui ne sont pas le fruit d'une méthode scientifique reconnue ?

En m'appuyant sur mon expérience de terrain, je propose un paradigme méthodologique pour la construction, l'exploration et l'interprétation des données massives. Par paradigme méthodologique, on entend un cadre théorique et pratique qui fournit autant de clés pour développer une méthode adaptée aux données et au projet épistémique envisagés. En faisant la part du mythe des big data et des pratiques effectives, je montre comment les données numériques, toujours déjà manipulables, sont construites techniquement et épistémologiquement à partir des traces laissées par les individus et leurs médiations sur les supports informatiques. Cette construction s'appuie sur une logique de constitution qui requiert un cadre interprétatif et une continuité épistémique entre la donnée et les connaissances que l'on cherche à produire. Les sciences de la culture fournissent ainsi un cadre nécessaire, mais pas suffisant, à assurer cette continuité. Le calcul, incarné par les sciences des données et l'intelligence artificielle, actualise et instrumente cette continuité au prix du renoncement à s'envisager comme fin en soi. Ni le cadre théorique, ni le calcul, ne suffisent toutefois à rendre intelligibles les connaissances ainsi produites : c'est la médiation de l'interprétation, du récit et de la conception logicielle (ou design) qui matérialise, donne à voir et contextualise les connaissances ainsi produites. Ces dernières, enfin, ne sont pas légitimées par leur pur caractère véridictionnel, mais par leur capacité à proposer ou faciliter des décisions d'action, bien souvent en entreprise, elles-mêmes productrices de nouvelles traces numériques manipulables.