[Forum des archivistes 2016 à Troyes] Conférence inaugurale de Bruno Bachimont : “L’archive et la massification des données : une nouvelle raison numérique ?”

À l’occasion du second forum des archivistes, organisé à Troyes par l’Association des Archivistes Français du 30 mars au 1er avril dernier, autour du thème “Les archives, bouillon de culture numérique”, Bruno Bachimont, Directeur de Recherche à l’Université de Technologie de Compiègne, a prononcé une conférence  qui questionne l’impact du milieu numérique sur notre façon d’appréhender la culture.

Ce que fait le numérique aux contenus

Depuis environ un siècle, la trace documentaire de l’événement est scindée en une ressource codée — morse, ondes radio, et aujourd’hui codes numériques — et une vue publiée. La compréhension de la ressource codée nécessite un medium technologique, sans quoi elle est illisible. De là vient un risque d’obsolescence : la ressource codée est permanente, mais pas le medium qui assure la vue publiée. La ressource codée numériquement est encore plus problématique puisque le numérique est un support “anonyme et gyrovague”, sans sémantique en soi. Les arts médiatiques explorent à fond les possibilités techniques du numérique et montrent cette distinction ressource codée/vue publiée. Ils illustrent également les problèmes liés à la conservation des documents numériques.

De façon un peu caricaturale, on peut dire que le document est décomposé par le numérique alors qu’auparavant, il était unique.

Le numérique lui-même connaît des évolutions : on est passé du document indexé et qui permet une recherche documentaire suivant des méthodes traditionnelles, comme en bibliothèque, à la ressource annotée, caractéristique du Web sémantique, puis à la donnée manipulée — Big Data.

Deux problèmes sont soulevés par le numérique sur le plan documentaire :

  • Une tension entre la ressource et les vues publiées, que Bruno Bachimont appelle “nominalisme de la variante”. Le document n’existe plus qu’à travers des variantes multiformes. C’est un problème ancien pour les archivistes, habitués à rechercher la tradition des documents et à en faire la critique, que le numérique ne fait que rendre plus criant en démultipliant les copies.
  • Une tension entre les données et leur visualisation, que Bruno Bachimont appelle « nominalisme de la donnée » et qui pose le problème de l’interprétation des résultats produits par le traitement des données. Là est la nouveauté pour les archivistes.

Les révolutions nominalistes

Le nominalisme s’oppose au réalisme médiéval pour qui “une proposition est vraie dans la mesure où les termes et leur agencement syntaxique reflètent la structure du réel”. Selon le réalisme, les termes renvoient à des essences. Le nominalisme renie cette conception en affirmant que les essences ne préexistent pas et que la relation du mot à la chose ne constitue pas la connaissance de celle-ci. Il s’agit d’une révolution qui bouleverse la relation du mot à la chose et à la nature.
Aujourd’hui, le numérique provoque une deuxième révolution nominaliste, dans la relation du mot au fait humain : les bases de données permettent de « calculer la culture », ce qui, à l’extrême, peut conduire à la fin de la médiation par le langage, qui constituait la base de l’ancienne relation de l’homme à la culture. Il suffit désormais de rassembler en masse les données et de les traiter automatiquement pour donner du sens aux faits sociaux.

Le document numérique a longtemps été considéré comme une copie parfaite dotée d’ubiquité, qui réaliserait le rêve du document universel et éternel grâce au langage binaire. Il s’agit en fait d’une illusion à cause des supports physiques du langage numérique. Les données numériques binaires sont un peu comme les noumènes de Kant : on ne les voit jamais brutes mais par le biais d’un format qui permet de les lire. Le rapport aux données n’est jamais immédiat et les interfaces sont multiples : codage, métadonnées, système d’exploitation… “On ne se baigne jamais deux fois dans le même fleuve numérique” affirme Bruno Bachimont en reprenant Héraclite.

Le rapport entre la ressource conservée et la vue publiée est donc incertain et on peut s’interroger sur la commune mesure entre deux vues. La prolifération des variantes est synonyme de multiplication des altérations et pose le problème de l’authenticité. Ce n’est pas nouveau sur le fond mais le numérique impose cela à une échelle beaucoup plus grande que les copies de chartes médiévales. Pour établir l’authenticité du document, il faut recourir à des “principes philologiques” selon l’expression de Bruno Bachimont, que les archivistes ont déjà développés pour les documents papier.1

Avec le nominalisme de la donnée, la massification change la nature même de ce qu’on va voir. Il convient de distinguer masses de données (homogènes) et Big Data. Les données des Big Data sont dynamiques en plus d’être nombreuses et peuvent être gérées malgré leur hétérogénéité, puisque le numérique, en tant qu’il est sans sémantique, peut les rendre homogènes. Mais en les homogénéisant, les Big Data ignorent l’origine des données.

On parle généralement des 4V des Big Data : Volume, Vélocité, Variété, Véracité (le nombre des données est censé garantir l’exactitude de l’interprétation et noyer les erreurs).

La coïncidence entre le traitement des données et le réel est sujette à débat. Certains défendent, à la suite de Lev Manovich, la thèse d’un nouveau paradigme pour les sciences humaines et parlent de Cultural Analytics,2 basées sur un traitement automatisé et informatique des données culturelles. Chris Anderson va plus loin et prédit l’effacement des pratiques savantes critiques au profit d’un empirisme absolu qui calculerait tout et serait donc objectif –ce point de vue repose sur une confusion empirisme/objectivité plus que discutable.

Épistémologie de la donnée

Les données sont construites et ne sont dites “données” que parce qu’on ne maîtrise pas leur processus de construction. Dans le cadre des Big Data, elles sont captées puis traitées et ces deux étapes sont totalement indépendantes. Cette dichotomie entre la captation et le traitement des données constitue à la fois la force et la faiblesse des Big Data. Pour la première fois l’interprétation théorique des données ne correspond plus aux conditions expérimentales de leur captation. Cela permet d’intégrer des données hétérogènes mais fait perdre l’origine de la donnée, un vrai cauchemar pour les archivistes. Les données, déconnectées de leur contexte sont nivelées et ramenées à des informations binaires.

Passer de “l’épistémologie de la mesure” à “l’épistémologie de la donnée” nécessite de repenser ses méthodes et de problématiser les données. Les Big Data sont en fait extrêmement difficiles à interpréter. Le paradoxe est qu’avec leur utilisation, on renonce à comprendre le fait humain derrière les données, sauf si on les connaît déjà ; la nouveauté est indécelable dans les Big Data.

  1. Il s’agirait plutôt en langage d’archiviste de diplomatique des documents numériques. Cf. DURANTI (Luciana), « Pour une diplomatique des documents électroniques », in Bibliothèque de l’École des chartes, vol. 161, n°2, 2003, p. 603-623 []
  2. MANOVICH (Lev), “Cultural Analytics in the Era of More Media”, in DOMUS, printemps 2009 []

Laisser un commentaire

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

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.