Il n’y a guère d’activités aujourd’hui dans le monde qui n’utilisent pas ce qu’elles appellent des données. Les data sont partout et le fait que le terme se soit diffusé bien au-delà des frontières de la science est sans aucun doute un indice de la valeur symbolique dont elles sont créditées en particulier auprès de la classe dirigeante (qui ne les considère néanmoins pas sans ambiguïtés).
Mais, à y regarder de plus près, le crédit des data ne tient pas seulement à la référence implicite à la légitimité savante. À l’heure où l’accroissement continu des nouvelles technologies repousse toujours un peu plus loin les limites de stockage et de calcul, les GAFAM (Google, Apple, Facebook, Amazon, Microsoft) ont préempté depuis longtemps déjà le domaine de la data : équipés de l’épistémologie spontanée des data sciences (positiviste et relativiste) qu’implique une appropriation strictement instrumentale des techniques statistiques et informatiques, ils n’ont eu de cesse d’étendre leur emprise (algorithmes de tri et de classement, économie de plateforme, longue traîne, etc.) du secteur privé au secteur public (et, pour ce dernier, de l’administration à l’enseignement et la recherche).
Face à un capitalisme numérique en plein essor, explorer le champ de la data sur la base de ses différents enjeux et impensés s’avère donc tout à fait impérieux et c’est ce à quoi voudrait contribuer le séminaire « La science à l’épreuve des données ».
Il s’agira ici d’insister dans une logique pluridisciplinaire sur les principes les mieux à même de consolider une science des données :
1/ Cette science des données est nécessairement historique et épistémologique. Inscrire les données dans leurs conditions de possibilité permet de se prémunir de l’illusion de « la radicale nouveauté » ou de « la reproduction à l’identique »
2/ Elle impose une réflexivité accrue dans tous les gestes liés à la manipulation des données. Il s’agit de faire de la prise en compte du rapport aux données un véritable réflexe scientifique.
3/ Avec l’application de ces deux principes, il en va plus largement de la définition rationnelle et critique de la science, de la manière dont elle se pratique et de ce qu’elle doit dire et faire pour préserver et, parfois même, reconquérir son autonomie.
There is hardly any activity in the world today that does not use what they call data. Data is everywhere, and the fact that the term has spread far beyond the boundaries of science is undoubtedly an indication of the symbolic value with which it is credited, especially among the ruling class (which does not, however, consider it unambiguous).
But, on closer inspection, the credit of data is not only due to the implicit reference to scholarly legitimacy. At a time when the continuous growth of new technologies is pushing the limits of storage and calculation a little further, the GAFAMs (Google, Apple, Facebook, Amazon, Microsoft) have long since pre-empted the field of data: equipped with the spontaneous epistemology of data sciences (positivist and relativist) that implies a strictly instrumental appropriation of statistical and computer techniques, they have not ceased to extend their hold (sorting and classification algorithms, platform economy, long tail, etc.) from the private sector to the public sector (including the private sector). ) from the private sector to the public sector (and, for the latter, from administration to teaching and research).
Faced with a booming digital capitalism, exploring the field of data on the basis of its various issues and unthinkables is therefore quite imperative and this is what the seminar “Data-proof science” would like to contribute to.
The aim here is to insist, in a multidisciplinary logic, on the principles best suited to consolidate a science of data:
1/ This science of data is necessarily historical and epistemological. Inscribing data in their conditions of possibility allows us to avoid the illusion of “radical novelty” or “identical reproduction”.
2/ It imposes an increased reflexivity in all gestures linked to the manipulation of data. It is a question of making the consideration of the relationship with data a real scientific reflex.
3/ With the application of these two principles, the rational and critical definition of science is at stake, as well as the way it is practiced and what it must say and do to preserve and, sometimes, even regain its autonomy.