par Mike Callaghan, London School of Hygiene and Tropical Medicine

À première vue, l'obsession actuelle pour le big data — et tout particulièrement ses usages en sciences sociales — semble très caractéristique de l'époque : une nouvelle technologie enthousiasmante à appliquer à une multitude de problèmes. Et pourtant, un examen plus attentif suggère que nombre des idées qui la sous-tendent sont loin d'être à la pointe — elles sont en fait décidément, presque pittoresquement, d'un autre âge.

Il est d'usage de commencer les discussions sur le big data par une variante de la statistique selon laquelle environ 2,3 trillions de gigaoctets de données sont produits chaque jour. Ce fait à lui seul serait dénué de sens sans les augmentations concomitantes de la puissance de calcul qui nous permettent de traiter ces données : c'est une combinaison puissante, qui pousse certains à soutenir que nous sommes au seuil d'un changement de paradigme kuhnien vers un âge de la « science sociale computationnelle » (Chang et al. 2014).

Pour l'instant cependant, notre confrontation au big data consiste surtout en observation : tenter de rassembler une liste toujours plus large, toujours plus profonde de variables à corréler pour les ventes, le marketing ou les campagnes politiques. Mais, comme pour toute nouvelle technologie, de nouveaux horizons fascinants se profilent.

À ce jour, l'exemple le plus connu de recherche en sciences sociales sur le big data réellement expérimentale est une étude menée en 2014 avec Facebook sur la question de la « contagion émotionnelle » (Kramer et al. 2014). L'expérience désormais célèbre cherchait à manipuler l'humeur des utilisateurs en modifiant le ton du contenu publié sur leurs murs. Les chercheurs ont découvert que, dans une faible mais significative mesure, nous sommes effectivement plus susceptibles de publier des messages tristes lorsque nous lisons des messages tristes. Les résultats de l'étude ont été éclipsés par le fait que Facebook a mené cette expérience sur 689, 003 utilisateurs à leur insu, et a publié les conclusions dans la Proceedings of the National Academy of Sciences, sans avoir demandé le consentement des utilisateurs ni obtenu l'aval d'aucun organisme de réglementation.

Mis à part ces questions éthiques assez remarquables, cet exemple révèle quelque chose de très important sur le terrain de jeu du big data en sciences sociales tel qu'il se présente aujourd'hui : c'est une relation débordante de potentiel, mais construite sur une vision du monde propre à l'ère de la vapeur. Le fil commun qui relie la plupart de ces projets est une croyance tenace en un univers social newtonien, une mécanique horlogère juste derrière le rideau qui finira par se révéler à nous si seulement nous rassemblons suffisamment de données.

Cela n'a rien d'étonnant : nombre des géants de la Silicon Valley qui défendent le big data sont, en un sens très réel, des monopolistes néo-fordistes, des technocrates capitalistes pour qui les « complexités » de la société et le « désordre » de la culture ne sont que des problèmes en attente d'une solution (et ensuite, vraisemblablement, de monétisation).

Le problème avec cette weltanschauung pré-moderniste irréformée n'est pas la collecte de telle ou telle donnée. C'est tout le projet : l'idée que le problème des anciennes données était qu'elles n'étaient pas assez « volumineuses », et que seules des données suffisamment « grandes » nous permettront de voir derrière le rideau. En effet, l'enjeu est la croyance même en la terre derrière le rideau, l'idée que nous pouvons visiter le dynamo étoilé, et révéler les rouages et engrenages de la vie humaine pour qu'ils se comportent selon des règles connaissables qui finiront par se révéler dans un grand algorithme une fois que nous aurons, enfin, suffisamment de données.

Geertz n'a pas été le premier mais a été (comme d'habitude) le plus éloquent, lorsqu'il a discrédité cette ligne de pensée en déclarant célèbrement : « J'entends [par l'analyse de la culture] qu'il ne s'agit donc pas d'une science expérimentale en quête de lois mais d'une science interprétative en quête de sens. C'est l'explication que je recherche, en construisant le sens des expressions sociales qui sont, en surface, énigmatiques. »

À un certain niveau, on peut lire cela comme un dilemme entre validité et fiabilité ; entre positivisme et interprétivisme. Si le big data établit des corrélations très larges mais superficielles, que nous dit-il vraiment sur le fait de vivre ?

Mais plus profondément, cette tension porte sur la nature même de l'anthropologie. L'anthropologie est en quelque sorte le projet originel de 'big data' — visant à comprendre toute l'humanité, passée et présente, en construisant une histoire sans cesse extensible de la description et de l'interprétation de l'expérience humaine. Et bien que rassembler une grande réserve de faits soit une bonne chose, la recherche qui édifie vraiment concerne la synthèse, la traduction et l'exégèse.

Geertz, encore : « Ce n'est pas par rapport à un corpus de données ininterrompues, à des descriptions radicalement amincies, que nous devons mesurer la force de nos explications, mais par rapport au pouvoir de l'imagination scientifique de nous mettre en contact avec la vie d'étrangers. »

Mesuré de cette façon, le « big data » n'en est bien sûr rien : loin d'être « grand », il est plutôt si mince qu'il en devient presque invisible de profil. Privés de contexte, ces flux maigres de « big data » peuvent certes avoir des usages, mais dans la mesure où ils ne nous rapprochent en rien de la vie des étrangers, ces données ne sont pas seulement inutiles, elles sont antithétiques au projet ethnographique.

Et ainsi l'anthropologie, du moins en mode ethnographique, peut être mieux comprise comme du « small data » : une attention minutieuse aux détails étroitement observés, finement ciselés de la banalité quotidienne qui constituent la matière de toute expérience humaine, fondamentalement irréductible à un ensemble de variables quantitatives.

Les relations entre le big data et l'anthropologie en sont à leurs débuts, et les écarter serait une erreur. McLuhan disait que tous les médias nous transforment complètement, et il se peut que ce soit bientôt le cas : des ensembles de données vastes et une puissance de traitement stupéfiante pourraient bientôt nous fournir non seulement de nouvelles informations mais de nouvelles manières de penser. Mais à ce stade, il semble que la technologie ait obscurci l'imagination nécessaire pour l'utiliser, et cet outil remarquable est employé à des fins banales.

Pour l'instant, les anthropologues peuvent continuer à constater que les meilleures données sont les plus petites.

Mike Callaghan est chercheur en sciences sociales à la London School of Hygiene and Tropical Medicine, Royaume-Uni. Pour en savoir plus : www.lshtm.academia.edu/MikeCallaghan