Les dataviz : une “révolution dans la méthode” ?

Billet rédigé par Dorian SEILLIER, à partir de l’article collectif de Stéfan Sinclair, Stan Ruecker et Milena Radzikowska : « Information Visualization for Humanities Scholars », MLA Commons.

L’intérêt des “dataviz” ou “data visualization” est suffisamment reconnu aujourd’hui dans le milieu entrepreneurial, dans le cadre notamment de l’Informatique décisionnelle (Business Intelligence en anglais) qui consiste en la collecte et consolidation de données d’une entreprise en vue d’offrir une aide à la décision et une meilleure vision d’ensemble de l’activité traitée. En effet, face à la croissance exponentielle du nombre de données produites par les entreprises à l’ère du Big Data, les visualisations de données assurent un gain de productivité en rendant celles-ci intelligibles, et donc utiles à la prise de décision. Mais qu’en est-il pour le milieu académique, et notamment dans le domaine des sciences humaines et sociales ? Les dataviz ont-elles le même potentiel quand il s’agit de projets de recherche ? C’est ce que tentent de démontrer les auteurs de l’article « Information Visualization for Humanities Scholars ».

La visualisation change la donn(é)e

On constate à l’heure actuelle un véritable engouement pour les visualisations de données dans le milieu universitaire : les dataviz sont présentes partout, que ce soit dans le domaine des sciences naturelles (biologie, météorologie) ou dans les sciences humaines et sociales (géographie, media studies, digital humanities). Comment définir ce qu’est une “dataviz” ? Si on se réfère à l’ouvrage collectif écrit par S. Card, J. Mackinlay et B. Schneiderman (1999), on peut l’appréhender comme “the use of computer-supported, interactive, visual representations of abstract data to amplify cognition“.  Autrement dit, les dataviz utilisent les moyens du numérique pour améliorer notre compréhension d’informations, de données, qui manqueraient d’intelligibilité à première vue. L’accent mis sur l’aspect interactif de ces visualisations est important, et il est repris par les auteurs de l’article dont il est question ici : l’interactivité permet d’élargir le champ d’exploration et d’interprétation des données, contrairement aux visualisations dites “statiques”, de type diagramme circulaire. Elle donne au chercheur la possibilité de faire évoluer sa visualisation, en ajoutant des données ou en décidant de restreindre l’échantillon pour avoir une vue plus précise d’un phénomène en particulier.

Visualisation du prix de l’immobilier à Paris en fonction des lignes de métro.

Si l’efficacité cognitive des dataviz dans le domaine des sciences dures est suffisamment avérée, en ce qu’elles font majoritairement usage de données quantitatives qui se prêtent facilement aux représentations visuelles, on peut être amené à se poser la question pour les SHS et les humanités en général. Les auteurs récusent cette idée. La différence d’un point de vue épistémologique entre les deux domaines favoriserait davantage le second concernant les possibilités de dataviz, car les sciences humaines et sociales ont ceci de spécifique qu’elles ne réduisent pas, ou du moins rarement, leur objet à une seule interprétation. Au contraire, la pluralité des mises en lumière, des hypothèses, des prismes d’étude, est une dimension essentielle des SHS, et de ce point de vue les dataviz constituent une ressource très riche pour l’exploration. Elles favorisent ainsi la sérendipité, en éclairant de manière nouvelle les données sous un angle auquel le chercheur n’avait peut-être pas encore pensé. Et ces visualisations ne concernent pas que les données chiffrées : les données textuelles, qualitatives, ont toute leur place dans ce processus.

Une autre vision des choses et des mots…

L’analyse textuelle peut en effet s’appuyer sur les outils numériques qui offrent de nouvelles méthodes exploratoires. Ceci est permis en grande partie par la numérisation croissante des documents : que ce soit à l’intérieur d’un même texte ou entre plusieurs textes que l’on souhaite comparer, les dataviz deviennent des alliées puissantes pour les chercheurs quand il devient impossible d’appliquer les techniques traditionnelles d’exploration automatique de grandes quantités de données pour extraire des “patterns”. Un outil comme TextArc propose une manière radicalement nouvelle de représenter une oeuvre littéraire : une galaxie de mots qui deviennent des astres et qui gravitent autour de ceux dont la fréquence est la plus importante dans le texte.

La double spirale sur le contour contient tous les mots de l’oeuvre de Lewis Caroll, Alice au pays des merveilles. L’intérieur est peuplé des mots les plus fréquemment employés.

Ici, le contrat de lecture “classique”, traditionnel, est complètement bousculé.  Les méthodes de construction de la connaissance semblent connaître une quasi révolution dans laquelle les dataviz jouent un rôle de plus en plus important. Kant parlait de “révolution dans la méthode” pour souligner le changement d’ère qu’amenèrent les travaux de Copernic et qui fondèrent, pour le philosophe, la physique moderne, en ce qu’ils ont recentré l’acte de connaissance non plus sur l’objet, mais sur le sujet pensant. Le numérique et les outils qu’il propose sont-ils en passe de provoquer eux aussi une “révolution” dans l’élaboration du savoir ?  S’il ne va pas jusqu’à utiliser ce terme, B. Stiegler souligne en revanche la “rupture  épistémique et épistémologique” qu’a pu causer l’émergence du numérique. Le parallèle est proche.

… qu’il ne faut pas idéaliser

Les avantages de la dataviz pour la recherche universitaire sont nombreux. Ils le sont également pour la société civile, puisque celles qu’on peut trouver un peu partout sur le net placent l’usager lambda dans un rôle actif face au jeu de données qui lui sont offertes et qu’il peut explorer, manipuler à sa guise. Le chercheur et co-leader de la plateforme 4Humanities A. Liu parle même d’une “incursion constante” dans les bases de données pour souligner le changement d’expérience numérique chez les internautes d’aujourd’hui.

Néanmoins, cette affection récente pour les dataviz dans le milieu académique soulève plusieurs questions. Il y a d’abord le risque d’une certaine forme de réification de la donnée qui n’est pourtant qu’un matériau de l’esprit, une ressource abstraite, pensée et conçue par un individu (ou une institution). Il faut sortir du mythe de la donnée brute pour les dataviz qui sont forcément une manière de manipuler et d’interpréter un jeu de données. Elles résultent d’un choix a priori. Par ailleurs, les dataviz peuvent entrer en collision avec certains impératifs méthodologiques propres à la recherche universitaire. En effet, il peut y avoir conflit entre d’un côté le réalisme scientifique et de l’autre les exigences esthétiques d’une visualisation. La difficulté réside donc dans le maintien d’un bon équilibre entre rationalité scientifique, efficacité visuelle et accessibilité. Car les dataviz utilisent des méthodes empruntées à des branches comme la psychologie cognitive ou le design émotionnelle pour générer l’adhésion de l’utilisateur. Or, la démarche scientifique, y compris en SHS, repose en grande partie sur le raisonnement analytique. Si la liaison entre les deux semble possible, voire souhaitable, il serait illusoire de penser qu’elle va de soi. Enfin, c’est la question de la crédibilité du discours scientifique qui se pose à travers l’utilisation des dataviz, le risque étant de tomber dans ce que le monde de l’entreprise appelle les “data-stories” : les humanités n’existent pas pour faire du story-telling ; elles ont pour but d’éclairer notre perception des phénomènes sociaux et des oeuvres de l’esprit ; elles doivent contribuer à l’accroissement de nos connaissances, et non nous raconter des histoires. La puissance évocatrice des visualisations mise au service de la raison, de là dépend l’évolution future des humanités.

Pour aller plus loin :

• CARD, S. and MACKINLAY, J. and SCHNEIDERMAN, B., Readings in Information Visualization: Using Vision to Think, Morgan Kaufmann Publishers, 1999.
• DIAMOND, S., “Lenticular Galaxies: The Polyvalent Aesthetics of Data Visualization“, Code Drift: Essays in Critical Digital Studies, 2, 2010.
• LIU, A., “Transcendental Data: Toward a Cultural History and Aesthetics of the New Encoded Discourse“, Critical Inquiry, 31, Univ. of Chicago Press Journals, 2004.
• MANOVICH, L.,  “The Database as Symbolic Form”, Database Aesthetics: Art in the Age of Information Overload, V. Vesna (ed.) U. of Minnesota Press, 2007.

Dorian Seillier

More Posts