big data mythes et imaginaires

big data mythes et imaginaires

positonnement Ce document est le fruit d un travail de recherche mené au sein des Orange Labs. Le thème des big data a produit un nombre impressionnant d articles et de dossiers. Cet engouement s est accompagné de constructions imaginaires et de visions prospectives, globales ou sectorielles. L objectif de ce papier est de donner matière à réflexion en présentant les principaux mythes et imaginaires qui accompagnent l émergence des big data avec un double objectif : Déconstruire le contenu mythique de certaines des promesses des big data, Analyser ce que pourraient être la ou les formes et usages des big data en s appuyant sur l histoire des déploiements technologiques qui ont vu les découvertes scientifiques et techniques s inscrire dans des contextes sociaux et historiques particuliers. Ce document s inscrit dans des travaux de recherche et n engage que leurs auteurs. Il ne reflète pas les positions du Groupe Orange. auteurs Christophe Aguiton, Hélène Jeannin, Valérie Peugeot, Daniel Stern Orange Labs executive summary En l espace de quelques années, le thème du «big data» est devenu la coqueluche de l industrie numérique. Il ne se passe pas un jour sans qu un florilège d articles et d études ne décrive les vertus et promesses des big data. Source de nouvelles opportunités d affaires et de croissance économique, elles seraient également porteuses de découvertes scientifiques susceptibles de faire progresser l humanité dans les grands défis auxquelles elle se confronte (santé, urbanisation, climat, ressources naturelles, ). Cette étude entend prendre du recul avec cette effervescence de promesses en proposant 3 analyses : une sur le discours qui prophétise un changement de paradigme épistémologique avec la fin des modèles et théories rendus caducs par les big data ; une seconde qui pointe, à travers un des grands champs applicatifs des big data, celui de la ville, les usages émergents sur le terrain et leur distance éventuelle aux promesses ; une dernière concernant les risques de surveillance généralisée associés aux big data, avec leurs évolutions et leurs controverses. Ce travail nous a permis de mieux comprendre comment cette surcharge d attentes polarisées sur les big data explique en partie la vitesse à laquelle le phénomène s est imposé dans le paysage de l économie informationnelle, donnant le sentiment que nous étions, dans une mesure qui reste à déterminer, face à une prédiction auto-réalisatrice. Il révèle également que différents imaginaires sont à l œuvre derrière ces attentes, imaginaires qui se polarisent autour de figures-types que nous avons intitulées «césarisme pragmatique» et «libertarisme technophile». Il appelle enfin à poursuivre un travail d analyse approfondie pour observer la manière dont les promesses des big data se réalisent, se dépassent ou déçoivent dans d autres champs d activités que sont notamment le marketing, les biotechnologies et la santé ou encore l environnement. Cet approfondissement doit également permettre d observer comment l équilibre précaire entre opportunités et risques associés aux big data se maintiendra ou non dans le temps, en fonction de l évolution du contexte politique et idéologique dans lequel les technologies afférentes et leurs usages se développeront. 2/8

table des matières Le bouquet de promesses : un classique en sociologie de l innovation... 4 La rupture épistémologique, mythe fondateur... 4 Mesurer l écart aux promesses : l exemple des villes... 5 Big data, brique parmi d autres d une société de surveillance?... 6 Conclusion... 8 mots-clés big data, STS, SHS, épistémologie, smart city, surveillance date décembre 2013 3/8

Le bouquet de promesses : un classique en sociologie de l innovation Dans l histoire des sciences et technologies, on trouve régulièrement des formules qui déclenchent un nombre impressionnant d articles, d analyses, de références. Comme dans les années 1970 avec la micro-informatique, ou plus tard avec «la nouvelle économie de l internet», et le «Web 2.0», les big data sont au cœur des engouements de l économie et de la recherche liées au numérique. A chaque fois, la technologie émergente est vecteur d imaginaires au sens de projections de changements possibles mais aussi de mythes qu il convient de déconstruire. La rupture épistémologique, mythe fondateur En matière de big data, Chris Anderson, ancien rédacteur en chef de Wired soutient l hypothèse radicale d une rupture épistémologique. Dans un article «La fin de la théorie : le déluge de données rend la méthode scientifique obsolète» 1, il soutenait dès 2008 l épuisement de la méthode scientifique basée sur des hypothèses vérifiables, des expériences, des modèles. Avec l accès à de grandes masses de données, les corrélations suffiraient à faire apparaître les résultats. Les algorithmes, se substituant aux modèles scientifiques, ouvriraient un nouveau chapitre dans le développement de connaissances, les premiers champs concernés étant les sciences du vivant, les sciences sociales et surtout le marketing qui est la cible première des entreprises qui proposent, comme IBM, des applications issues des big data. Une longue histoire de tournants épistémologiques L histoire des sciences est faite de ruptures épistémologiques. Au 17ème siècle, la science moderne, avec les académies des sciences, se dégage de la doctrine religieuse. A la fin du 19 ème s établit la «big science», celle des laboratoires et des universités modernes qui vont accompagner l essor de la grande industrie, nourrie de positivisme, d une foi absolue dans la science. Emerge alors un mythe qui va traverser le monde occidental, la science serait capable de tout prévoir, pourvu qu on dispose d une description complète de l état du système. Au 20 ème siècle, la physique quantique puis la biologie permettent de comprendre que le «déterminisme linéaire à temporalité réversible 2» (des expériences reproductibles dans lesquelles une cause «A» entraîne une conséquence «B») qui avait prévalu durant 4 siècles, de Newton à Einstein, ne représentait qu une toute petite partie de la science. L apparition d un modèle de production des sciences en contexte ouvert Plus près de nous les STS (sciences et technologies studies), développées à partir des années 1970, se penchent sur les rapports entre sciences, technologies et société, et cherchent à faire tomber le grand mythe de notre modernité, la distinction entre «nature» et «société», ainsi qu entre «science» et «société» 3. Dans les années 90 émerge un débat qui éclaire le contexte dans lequel Anderson affirme la fin de la recherche de modèles scientifiques. En 1994 Michael Gibbons, Helga Nowotny et leurs collègues publient The New Production of Knowledge, puis en 2001 Re-Thinking 1 The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, Wired magazine, 2008 http://www.wired.com/science/discoveries/magazine/16-07/pb_theory 2 Wallerstein, «L universalisme européen», Paris, Demopolis, 2006 3 Latour, «Nous n avons jamais été modernes», Paris, La Découverte, 1991 ; Callon, Lascoumes et Barthes, «Agir dans un monde incertain. Essai sur la démocratie technique», Paris, Seuil, 2001 4/8

Sciences (traduit en français sous le titre Repenser la science), dans lesquels ils défendent l idée que la science et la production des connaissances, dans nos sociétés, se transforment profondément passant d un «mode 1» à un «mode 2», soit de la production de connaissance par une communauté autonome de scientifiques travaillant sous leurs propres normes à la «production de connaissance dans les contextes d application». C est l idée que la production de connaissance se pose désormais dans un contexte ouvert, en relation avec les utilisateurs potentiels. Les champs disciplinaires jouent un rôle moindre face aux logiques transdisciplinaires et les scientifiques ne sont plus seuls à définir les orientations de la recherche. Bien que très débattue, la description du mode 2 a suscité un enthousiasme extraordinaire, qui a imprégné très fortement le monde des technologies de l information dont Anderson est issu. La numérisation généralisée met les technologies de l information au cœur de tous les domaines scientifiques et techniques, ce qui oblige à des approches transdisciplinaires, sur le mode 2. On assiste à un déplacement massif des investissements de la recherche qui délaissent la physique au profit du numérique, des sciences du vivant et des technologies liées à la défense de l environnement. Or ces domaines échappent au déterminisme linéaire de la physique traditionnelle, mobilisent de nouveaux modes de fabrications de la connaissance, utilisent des masses de données de plus en plus importantes et débouchent sur de nouveaux champs de recherche transdisciplinaires comme les Web Sciences. L épistémè qui a fondé notre modernité, autour du «bien» et du «beau» pour les humanités et du «vrai» en sciences exactes, semble être entrée en crise, sans que l on sache quelle sera la nouvelle. L Univers-Réseau : le modèle n a pas dit son dernier mot La thèse de Chris Anderson a fait l objet de nombreux débats. Pour l essentiel, ils argumentent sur la nécessité des théories et des modèles, mais ne cherchent pas à définir une nouvelle épistémè. En revanche, il existe une approche défendue par le physicien Albert-László Barabási qui prétend qu il existe une théorie unificatrice de champs disciplinaires a priori très différents. En partant de la théorie des graphes et des réseaux aléatoires, décrivant les réseaux statiques (routes, chemins de fers, téléphone), il élabore un modèle applicable aux réseaux dynamiques comme le web, en observant que la loi de puissance de Pareto s y applique. Il postule que la distribution du nombre de liens reliant chaque nœud dans le web suit cette distribution en "loi de puissance" : 20% des nœuds du web possèdent 80% des liens existants. La caractéristique cruciale de cette loi est d être invariante en échelle: elle n'est pas modifiée malgré une croissance de la population ; en cela Barabási revisite des théories antérieures, comme celles de Paul Lazarfeld, qui mettaient en avant l importance des nœuds dans les réseaux de communication. Barabási généralise ce modèle à tous les systèmes présentant les mêmes caractéristiques que le web : croissance (de nouveaux nœuds apparaissent en permanence); attachement préférentiel (un nouvel arrivant se rattache selon une préférence, quelle qu elle soit). Selon lui, «l étude des réseaux est un prérequis pour décrire tout système complexe», la communication étant inhérente à la Vie. Mesurer l écart aux promesses : l exemple des villes La rupture épistémologique associée aux big data n est pas la seule promesse, loin s en faut. Marketing prédictif vécu comme un service par le client, recherche génomique assortie de biologie de synthèse pour prévenir et guérir les maladies, fin de la tragédie babélienne grâce à une traduction automatisée enrichie de big data, organisation d une surveillance environnementale généralisée, démocraties devenues authentiquement transparentes grâce à la circulation des données les imaginaires associés aux big data fleurissent dans quasiment tous les domaines de l activité humaine. Nous avons choisi d explorer en priorité un champ d application, celui de la ville, qui apparaît comme un des domaines où les promesses sont les plus foisonnantes, et l un des moins futuristes : les réalisations mobilisant les big data associées à la smart city sont déjà en route. 5/8

De la smart city à la data city Dans un contexte de croissance galopante, la ville au Nord mais encore plus au Sud, doit faire face à des problèmes de complexité exponentielle : habitat, gestion des déchets, mobilités, emploi, pollution, pauvreté Elle subit le choc démographique, la crise économique et environnementale de plein fouet. Un premier imaginaire s est construit depuis quelques années autour des villes «intelligentes» (smart cities). Ce concept habille des philosophies de la ville très diverses, voire contradictoires. Une première vision très techno centrée, celle des entreprises de l économie informationnelle, voit la ville intelligente d abord comme un ensemble de dispositifs techniques capable de remonter une information dense et riche vers un «centre» pour l aider à planifier et proposer les services adaptés aux habitants et rendre la ville plus compétitive. Du côté de la recherche, différents travaux ont pris leur distance à l égard de cette vision, tout en chargeant encore plus la barque de la «smart city» en promesses. Ils assignent à la ville intelligente des tâches complexes : le renouvellement des formes de gouvernance, susceptibles d associer les citoyens à la construction du devenir de leur territoire ou la volonté d intégrer toutes les catégories sociales. Dans les deux cas, on observe depuis 2011/2012 que la donnée joue un rôle de plus en plus prégnant. Déplacements dans la ville, occupation des sols, usage des transports, comportement des entreprises ou des communautés d habitants, nouvelles méthodes de planification urbaine ou de gouvernance de la cité, toutes les pistes de cette nouvelle science pour la ville tournent autour de la donnée. Zones d incertitude de la donnée urbaine massive La data city ouvre de nouvelles controverses sur des questions d inclusion sociale : les smart cities oublieront-elles les catégories défavorisées?, d empowerment et de co-conception par les habitants : où se trouve le service public en ligne du design de ma ville?, de la présence à la ville : avec son smartphone, l individu interagit avec un environnement augmenté. S engagera-t-il dans de nouvelles sociabilités? L étude des big data dans la ville fait apparaître deux tensions. La première, oppose une vision réticulaire et distribuée de la société à un modèle centralisé: les algorithmes des big data sont héritiers des controverses du début des réseaux électriques. La seconde tourne autour de visible/invisible : alors que la production et la collecte de la donnée, médiées par des capteurs-actionneurs, échappent de plus en plus à l œil humain, les revendications de transparence et d accès à ces données montent de toute part. Big data, brique parmi d autres d une société de surveillance? Au-delà des difficultés techniques (formatage, interopérabilité, stockage ), l obstacle sur le chemin des big data mentionné le plus fréquemment est la protection des données, en particulier personnelles. Les données collectées sur le web et via le mobile sont le plus souvent sous les feux de la rampe, leur collecte à grande échelle fait l objet de dénonciations récurrentes. Concentrée entre les mains des entreprises et/ou des États, elles constituent des d instruments de surveillance. Mais quelles en sont les sources? Les multiples facettes de la dataveillance On observe deux grandes sources de données susceptibles de déboucher sur une forme de surveillance : certaines ont pour fonction première de surveiller, d autres constituent un effet secondaire indépendant de la fonction initiale du dispositif. Caméras vidéo, puces RFID ou biométrie, permettent que toutes les caractéristiques des personnes soient capturées et conservées dans des bases de données. Le problème majeur lié à ces bases de données reste leur décloisonnement, leur interconnexion. Tant qu un fichier reste contrôlé par une administration ou une entreprise pour un usage clairement 6/8

identifié, le risque de mésusage et de surveillance peut être encadré légalement, même si cela est de plus en plus complexe. Mais depuis 2001, le croisement des fichiers, jusque-là tabou, est devenu à l ordre du jour. Au nom de la lutte contre le terrorisme, un dialogue s est engagé entre le gouvernement américain et des entreprises travaillant dans les bases de données, les biotechnologies et les télécommunications. Aux Etats-Unis, l ARDA (Advanced Research and Development Activity), travaille sur l exploitation et la fusion de données. L affaire Snowden a montré que la question de la gouvernance n était pas réservée aux pays non démocratiques, puisque le gouvernement américain via la NSA (National Security Agency) n avait pas hésité à mettre à contribution de nombreuses entreprises, pour recueillir en masse des données sur des citoyens ordinaires. La barrière entre bases de données des entreprises et des pouvoirs publics, déjà mise à mal dans le courant des années 2000, est clairement rompue. Cette évolution ouvre aux opérateurs de cloud européens une opportunité de convaincre leurs clients de relocaliser leurs données. En route vers la société de surveillance? On voit à travers ce rapide survol que la question des big data est à la croisée d une multiplicité de technologies qui vont produire de la donnée. Aussi, les approches qui consistent à évaluer une à une chaque technologie en mettant en balance les avantages versus les risques sur les libertés n ont pas beaucoup de sens. C est la convergence de l ensemble qui doit être pensée. On retrouve derrière cette convergence de nombreuses critiques et objections parmi lesquelles : Le passage de logiques de management ou d efficacité à un contrôle par les structures de pouvoir privées ou publiques, Une segmentation des populations, débouchant sur discriminations et accentuation des inégalités, Le déploiement de technologies prédictives du comportement des individus et l analyse de leur passé, balaye définitivement l un des fondements de la justice en pays démocratique où une personne peut payer sa dette à la société. Des observateurs de la surveillance aux défenseurs de la liberté, des acteurs épars Les mouvements qui tentent de résister à la société de surveillance peuvent être classés de façon simplificatrice en 3 grandes familles : Les acteurs venus des droits de l homme : de nombreuses organisations non gouvernementales, notamment en Amérique du Nord, portent une veille, des dénonciations et un plaidoyer autour des technologies de surveillance. Certaines sont nées avec les technologies numériques (ex : l Electronic Frontier Foundation), ou ont une vocation plus large (ex : la Ligue des droits de l homme). Les acteurs venus des technologies de l information : les personnalités à l origine de ces technologies qui façonnent aujourd hui notre monde ont depuis les années 70 toujours défendu vigoureusement, à la fois la liberté d information que ces technologies sont censées faciliter par des logiques de distribution et le refus de toute forme de surveillance notamment étatique. L hactivister est la figure type de cette revendication. Incarné par des personnalités comme Aaron Swartz ou Julian Assange, l hacktiviste utilise ses connaissances techniques pour protéger les libertés publiques. Les acteurs venus de la donnée : depuis le milieu des années 2000, un mouvement de plus en plus structuré a émergé pour revendiquer que les données de source publique soient mises à disposition de tous (open data), au nom de la transparence, considérée comme une garantie de qualité démocratique. Plus la tension entre opportunités d affaires liées aux big data et logiques de surveillances, s accentuera, plus les acteurs devront se positionner en défenseur de leurs clients. 7/8

Conclusion À la lumière de ces travaux, on observe que la construction des imaginaires autour des big data fait apparaître deux polarités. L une sépare ceux qui rejettent modèles et théories et ceux qui souscrivent au contraire à l émergence d une «métathéorie» ; l autre sépare les tenants d une plus grande centralisation de ceux qui pensent que les big data favorisent une décentralisation et un pouvoir accru donné aux individus. A partir de ces polarités, deux figures-types de l imaginaire cristallisé autour des big data peuvent être dégagées : 1 - La limitation de nos libertés au nom d un péril (Etat), ou de nouvelles promesses (Google, Facebook, ou acteurs de l internet des objets et de la smart city), c est le «césarisme pragmatique» et 2 - Les big data sont au cœur de développements technologiques menant à une décentralisation généralisée, tant dans la production et la consommation électrique (grid) que dans la réalisation matérielle et le stockage (avec l aide de technologies telles que les imprimantes 3D, les fablabs, les clouds personnels ), ou le champ démocratique (les média sont décentralisés grâce au web, chacun pouvant devenir producteur de contenus), c est le «libertarisme technophile». Dans les deux cas, la question de la vie privée est en quelque sorte évacuée ou marginalisée. Elle pourrait être selon nous la première grande épreuve à laquelle ce nouveau domaine d innovations et d investissements massifs pourrait être confronté, au regard des récents scandales. Une autre question, moins visible mais tout aussi essentielle, traverse les différents champs applicatifs des big data : quelles sont les finalités sociétales poursuivies? Les big data contribuent- ils à un retrait du rôle de l État et à un renvoi vers l individu, «éclairé» par les données mises à sa disposition? Une telle évolution participerait d une dépolitisation de grands sujets de société, et ce faisant risquerait de contribuer à un accroissement des inégalités sociales, tout le monde n étant pas en capacité égale de mobiliser l information fournie par les données pour arbitrer des choix essentiels. 8/8