Actualité – AlgoJ

L’éthique des données

Retour sur la communication présentée par Ugo Verdi au séminaire Genic (Groupe sur l’éthique et le numérique en SIC) du 10 novembre 2022

L’éthique des données étudie les problèmes moraux en lien avec la donnée (Floridi & Taddéo, 2016). Elle a pour objectif de mieux comprendre les données, leur rôle dans la société et la manière avec laquelle elles sont utilisées (Arruda, 2020).

Présente sur l’ensemble du cycle de vie de la donnée, elle promeut une bonne utilisation des données et un double engagement responsable avec l’environnement, compris à la fois comme environnement des personnes et comme respect écologique. Ceci nécessite par un consentement éclairé du consommateur apporté par des politiques de transparence, d’accès, de sécurité et d’intégrité des données (Harfoush, 2021), poursuivant une logique de mise en capacité du citoyen (empowerment). Elle est une extension des règlementations préexistantes. Dans le cadre français, il s’agit avant tout du RGPD et de la loi pour une République Numérique de 2016.

Au sein de la data literacy, si l’éthique des données est citée à plusieurs reprises, sa description et sa mise en application n’est que peu présente. Il faut s’intéresser aux critical data literacies, ce courant de la data literacy inspiré par les travaux de Paolo Freire qui promeut une analyse politique des différents objets (la data comme objet sociologiquement dépendant de ses contextes culturels), pour déceler une vision plus fine de l’éthique qui ici est vue comme un catalyseur de l’empowerment des citoyens et qui, à plus grande échelle, alimente toute volonté de justice sociale. Les algorithmes, dans ce contexte, sont vus comme des instruments portant une volonté politique qu’il faut décortiquer pour ne pas en subir les biais discriminants.

En étudiant les discours d’un public d’entrepreneurs travaillant sur la data literacy avec une réflexion éthique, il apparaît pour ce public que la data literacy est à la fois un ensemble de compétences mais également une posture critique : « c’est une éducation civique à la donnée » comme le précise l’un d’entre eux. Ainsi, l’éthique des données ne représente à leurs yeux que l’un des nombreux enjeux actuels autour des données : si les différents usages des données sont cités, il est à noter que l’interprétabilité des algorithmes est présent dans cette liste, démontrant une résonance entre données et algorithmes.

Basant les analyses spécifiquement sur l’éthique des données, il découle une vision partagée d’une éthique comme code de conduite permettant de « limiter les abus » sur « l’ensemble de la chaine de de traitement des données ». Un code de conduite qui à nouveau dépasse le cadre des données pour atteindre des domaines parallèles dont les plus emblématiques sont : « comprendre les algorithmes de recommandation », « éthique de l’intelligence artificielle », « combattre la désinformation » ou encore « promouvoir le respect de la vie privée ». Il s’agit donc d’une vision globale critique bien plus large que le domaine de la data, l’éthique des données tendant à se confondre ici avec l’esprit critique.

Au final, l’éthique des données peut-être vue comme un code de conduite et un éventail de compétences permettant, à travers la data literacy, d’adopter une posture réflexive et critique poussée sur la donnée et ses usages mais également sur un ensemble de concepts limitrophes comme l’intelligence artificielle et les algorithmes. A nouveau, se pose la question d’une application applicative concrète, une difficulté constante du fait que l’éthique des données est avant tout prescriptive, dénuée de valeur juridique.

Bibliographie

Arruda, S. A. G. (2020). Exploring Data Literacy : Concepts and Determinants for Data Skills Development. Exploring Data Literacy: Concepts and Determinants for Data Skills Development. Exploring Data Literacy: Concepts and Determinants for Data Skills Development. https://estudogeral.sib.uc.pt/handle/10316/94716
Calzada-Prado, F. J., & Marzal, M. (2013). Incorporating Data Literacy into Information Literacy Programs : Core Competencies and Contents. Libri, 63. https://doi.org/10.1515/libri-2013-0010
Dressen, A. (2021). From Digital Literacy to Data Literacy : How Much Digital Literacy Do We Need in the Art History Curriculum? International Journal for Digital Art History, 6, Art. 6. https://doi.org/10.11588/dah.2021.6.81735
Floridi, L., & Taddeo, M. (2016). What is data ethics? Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2083), 20160360. https://doi.org/10.1098/rsta.2016.0360
Harfoush, F. A. (2021). Data Ethics : Facts and Fiction. Management for Professionals, 87‑99. https://doi.org/10.1007/978-3-030-76990-1_7
Koltay, T. (2015). Data literacy : In search of a name and identity. Journal of Documentation, 71(2), 401‑415. https://doi.org/10.1108/JD-02-2014-0026
McCosker, A. (2017). Data literacies for the postdemographic social media self. First Monday. https://doi.org/10.5210/fm.v22i10.7307
Sampson, D., Papamitsiou, Z., Ifenthaler, D., Giannakos, M., Mougiakou, S., & Vinatsella, D. (2022). Educational Data Literacy. Springer International Publishing. https://doi.org/10.1007/978-3-031-11705-3
Sowton, C. (2021). Digital and Data Literacy. Data Education in Schools. https://dataschools.education/digital-and-data-literacy/
Tarrant, D. (2021). Data literacy : What is it and how do we address it at the ODI?https://theodi.org/article/data-literacy-what-is-it-and-how-do-we-address-it-at-odi/
Tiell, S. (2020). AI Ethics vs Data Ethics – Ethics of Data [Ethicsofdata.com]. https://ethicsofdata.com/ai-ethics-vs-data-ethics
Wolff, A., Gooch, D., & Cavero Montaner, J. J. (2016). Creating an Understanding of Data Literacy for a Data-driven Society. The Journal of Community Informatics, 810, 205‑214. https://doi.org/10.1007/978-3-319-74334-9_22

Seminaire_GENIC_Verdi_101122_versiondefinitive Télécharger

Un état de l’art de la data literacy

Le colloque « à l’épreuve des données : sensibilité, interprétation, appropriation des données numériques » a été l’occasion de proposer un état de l’art de la littératie des données.

Par Ugo Verdi

Ses définitions sont nombreuses (une trentaine recensée) et montrent une évolution qui passe d’une vision fonctionnelle (la data literacy en tant que set de compétences) à une vision élargie incorporant des logiques démocratiques et citoyennes. Plus récemment, deux éléments se sont ajoutés aux définitions : l’éthique des données et l’esprit critique.

Si les deux termes relèvent de logiques multiples (logistique, intellectuelle…) et dépassent le simple cadre de compétences fonctionnelles, ils ne sont, pour autant, que peu définis dans la data literacy : leur présence est donc de l’ordre du symbolique, de l’évocatoire, de ce qui serait nécessaire. Globalement, au sein des définitions, une même logique est toujours présente, celle d’une maitrise des données et de leurs usages dans la société.

La data literacy renvoient à diverses influences, véhiculées par les visions parfois contradictoires à la fois en ce qui concerne le concept littératie mais aussi les enjeux définitionnels autour des données. La littératie en tant qu’analyse des impacts de la lecture et de l’écriture sur la cognition humaine est réinterprétée au travers de la littératie des données comme décodage d’un monde gouverné par les logiques algorithmiques. De même, les données, auparavant simples ressources statistiques dans la conduite des pratiques scientifiques, sont désormais étendues à l’ensemble des pratiques citoyennes sous des formes multiples nécessitant une réappropriation de leurs caractéristiques et enjeux.

La question de cette réappropriation, de cette acculturation, est l’objectif recherché de la data literacy. Par conséquent, l’aspect monolithique initial de la data literacy a été remis en cause par de nombreux chercheurs qui ont développé des alternatives spécifiques, centrées sur des axes de recherches singuliers : les compétences (comme l’esprit critique et la dataviz), les questions citoyennes (data citizenship), les questions pédagogiques (educational data literacy), les types de données (open data literacy) ou encore les questions scientifiques (science data literacy). Et par-delà cette évolution interne, la data literacy est soumise aux interactions avec ses voisines, tendant à faire d’elle une métalittératie, un « cadre englobant, autonome et exhaustif qui alimente les autres types de littératies » (Mackey et Jacobson, 2014 ; traduction de Michelot, 2019).

Des questionnements épistémologiques

La question de la traduction n’est pas tranchée. On rencontre une dizaine de termes français avec chacun une spécificité particulière et un usage final des données spécifique . Même, la question de l’unicité de la data literacy est discutée et il apparaît plus juste de parler au final de data literacies pour montrer la diversité des approches et des pratiques. La relation avec le numérique reste également à clarifier, en particulier dans le cas de son ascendant. Faire de la data literacy une forme déclinée de la digital literacy va à l’encontre de l’absence original de distinguo entre données analogiques et numériques. A ce flou définitionnel et scientifique, s’ajoute le fait que les techno-discours tendant à faire de la donnée une entité essentialisée et autonome, en expansion illimitée, et dont les effets entraineraient une « révolution des données » dans la société.

Il est préférable pour les chercheurs de mettre à distance ces types de discours pour remettre au cœur des débats les finalités des usages des données.

Bibliographie.

Barthes, R. (1957). Mythologies. POINTS.
Bhargava, R., Deahl, E., Letouzé, E., Noonan, A., Sangokoya, D., & Shoup, N. (2015). Beyond Data Literacy : Reinventing Community Engagement and Empowerment in the Age of Data. https://dspace.mit.edu/handle/1721.1/123471
Commission Européenne. (2020). Indice relatif à l’économie et à la société numériques (DESI) 2020 (p. 16). Commission Européenne. https://digital-strategy.ec.europa.eu/en/policies/desi-france
Calzada-Prado, F. J., & Marzal, M. (2013). Incorporating Data Literacy into Information Literacy Programs : Core Competencies and Contents. Libri, 63. https://doi.org/10.1515/libri-2013-0010
Crusoe, D. (2016). Data Literacy defined pro populo : To read this article, please provide a little information. The Journal of Community Informatics, 12(3), Art. 3. https://doi.org/10.15353/joci.v12i3.3276
Dencik, L., Hintz, A., & Cable, J. (2019). Towards data justice : Bridging anti-surveillance and social justice activism 1. In Data Politics. Routledge.
Earl, L., & Katz, S. (2002). Leading Schools in a Data-Rich World. https://doi.org/10.1007/978-94-010-0375-9_34
Fotopoulou, A. (2020). Conceptualising critical data literacies for civil society organisations : Agency, care, and social responsibility. Information, Communication & Society, 0(0), 1‑18. https://doi.org/10.1080/1369118X.2020.1716041
Frank, M., & Walker, J. (2016). Some Key Challenges for Data Literacy. The Journal of Community Informatics, 12(3), Art. 3. https://doi.org/10.15353/joci.v12i3.3288
Gibson, P., & Mourad, T. (2018). The growing importance of data literacy in life science education. American Journal of Botany, 105(12). https://doi.org/10.1002/ajb2.1195
Goody, J. (1979). La raison graphique : La domestication de la pensée sauvage. Les Editions de Minuit.
Goody, J., Privat, J.-M., & Maniez, C. (2007). Pouvoirs et savoirs de l’écrit. La Dispute.
Goody, J., & Watt, I. (1963). The Consequences of Literacy. Comparative Studies in Society and History, 5(3), 304‑345. https://doi.org/10.1017/S0010417500001730
Gummer, E., & Mandinach, E. (2015). Building a Conceptual Framework for Data Literacy. Teachers College Record, 117(4), 1-22.
Janicaud, D. (1985). La Puissance du rationnel. Gallimard.
Kremser, W., & Brunauer, R. (2019). Do we have a Data Culture? In P. Haber, T. Lampoltshammer, & M. Mayr (Éds.), Data Science – Analytics and Applications (p. 83‑87). Springer Fachmedien. https://doi.org/10.1007/978-3-658-27495-5_11
Lemaire, B. (2022). Les données sont le nouvel or noir du 21e siècle. Maitriser nos données, c’est maitriser notre avenir, notre souveraineté politique et numérique. [Réseau social]. Twitter. https://twitter.com/BrunoLeMaire/status/1569319396371320834
Love, N. (2004). Taking Data to New Depths : There’s a Ton of Data Being Collected. The Trick Is to Know How to Use It Effectively. Journal of Staff Development, 25(4), 22‑26.
Mandinach, E. (2012). A Perfect Time for Data Use : Using Data-Driven Decision Making to Inform Practice. Educational Psychologist, 47, 71-85. https://doi.org/10.1080/00461520.2012.667064
Michelot, F. (2019). Buts et objectifs d’apprentissage de la métalittératie : Proposition d’un traduction en français. Florent Michelot. https://www.michelot.info/education/2019/03/02/buts-et-objectifs-dapprentissage-de-la-metalitteratie-proposition-dun-traduction-en-francais/
Norris, S. P., & Phillips, L. M. (2003). How literacy in its fundamental sense is central to scientific literacy. Science Education, 87(2), 224‑240. https://doi.org/10.1002/sce.10066
Oceans of data. (2016). Building Global Interest in Data Literacy : A Dialogue-Workshop Report. http://oceansofdata.org/our-work/building-global-interest-data-literacy-dialogue-workshop-report
Olson, D. R., & Lejosne, J.-C. (2006). Littératie, scolarisation et cognition. Quelques implications de l’anthropologie de Jack Goody. Pratiques, 131(1), 83-94. https://doi.org/10.3406/prati.2006.2119
Prado, J. C., & Marzal, M. Á. (2013). Incorporating Data Literacy into Information Literacy Programs : Core Competencies and Contents. Libri, 63(2), 123-134. https://doi.org/10.1515/libri-2013-0010
Qlik, C. de. (2022). La Data Literacy sera la compétence la plus demandée d’ici 2030, en raison de la transformation des environnements de travail par l’IA. Decideo – Actualités sur le Big Data, Business Intelligence, Data Science. https://www.decideo.fr/La-Data-Literacy-sera-la-competence-la-plus-demandee-d-ici-2030-en-raison-de-la-transformation-des-environnements-de_a12589.html
Shield, M. (2005). Information Literacy, Statistical Literacy, Data Literacy. IASSIST Quarterly, 28(2-3), 6-6. https://doi.org/10.29173/iq790
Street, B. (2006). Autonomous and Ideological Models of Literacy : Approaches from New Literacy Studies. Undefined. https://www.semanticscholar.org/paper/Autonomous-and-Ideological-Models-of-Literacy-%3A-New-Street/1957884a4cad853a1c6eff5bf148671e45f6af4f

Journée d’étude. Les journalistes au défi des algorithmes

L’IJBA et le MICA organisent le 10 novembre prochain une journée d’étude sur la place des algorithmes numériques dans la pratique journalistique. Chercheur.es et professionnel.`les de l’information sont invité.es à explorer les nouvelles formes de dépendance aux algorithmes du secteur privé comme public, et à analyser les défis de l’enquête sur ces actants invisibles qui structurent notre rapport au monde et à l’information.

Ils sont chargés d’orienter (les élèves), de prédire (les catastrophes naturelles), d’appareiller (les malades), de distribuer (les allocations), de juger (les prévenus), de prévenir (les récidives), de suggérer (des contenus) de rédiger (des articles) ou encore de distribuer (des informations)… Pourtant leurs propriétés, leur mode de fonctionnement, et leurs possibles biais échappent régulièrement à la vigilance des décideurs et des journalistes.

Rares sont les enquêtes qui s’attaquent de front à la question algorithmique. La presse en compte une dizaine consacrées à Facebook, TikTok, Parcoursup ou encore Tinder. Leurs résultats sont toujours édifiants et leur méthodologie invariablement complexe. Comment aider les journalistes à se saisir de ces sujets épineux, mais nécessaires ? Quelles méthodes, quels outils et quels terrains privilégier ? La première partie de la journée sera consacrée au casse-tête de l’investigation sur les algorithmes avec Michaëla Cancela-Kieffer (AFP), Hubert Guillaud (journaliste indépendant), Soizic Pénicaud (experte indépendante), Frédéric Sallet (Sud Ouest), Emmanuelle Saillard (INRIA) et Nicolas Kayser-Bril (AlgorithmWatch).

L’après-midi s’ouvrira sur une carte blanche de Michaëla Cancela-Kieffer qui reviendra sur les leçons tirées du projet international AIJO en matière d’amélioration de la représentation des femmes dans la presse grâce à l’intelligence artificielle. Maxime Crépel présentera ensuite les résultats d’une enquête comparative menée par Le MédiaLab sur la presse UK/US pour comprendre les caractéristiques et limites du traitement médiatique des algorithmes.

La journée se poursuivra avec une table ronde consacrée à l’influence des infomédiaires sur les stratégies éditoriales des médias d’information. Muriel Beasse (Lisec), Bénédicte Courret (Radio France), Olivier Laffargue (Le Monde) et Alexandre Marsat (Curieux !) échangeront autour du rapport de force asymétrique qui s’est installé entre les journalistes et les plateformes. Si être « algorithme-compatible » est désormais une obligation, comment préserver la qualité de l’information et maintenir le contrôle sur les contenus et les formats ?

A 17h, la conférence de clôture de Thibault Phillipette, professeur à l’Université Catholique de Louvain, portera sur les défis de la littératie algorithmique et les modes d’accompagnement de la pensée critique par le design.

Programme

8h30-9h Accueil (café)
9h-9h10 Mot de bienvenue. Arnaud Schwartz (Directeur de l’Ijba)
9h10-9h30 Introduction. Comprendre la mécanique, reprendre le contrôle. Rayya Roumanos (Ijba) & Olivier Le Deuff (Bordeaux Montaigne)
9h30-10h45 Table ronde. Le casse-tête de l’enquête sur les algorithmes
Michaëla Cancela-Kieffer (AFP), Hubert Guillaud (journaliste indépendant), Soizic Penicaud (experte indépendante), Frédéric Sallet (Sud Ouest)
Animation : Olivier Le Deuff
10h45 – 11h Pause
11h-12h Conférence. Surveiller les algorithmes : cinq ans d’expériences avec AlgorithmWatch. Nicolas Kayser-Bril (AlgorithmWatch)

12h-14h Pause déjeuner

14h-14h30 Carte blanche. Le projet Aijo ou comment utiliser l’IA pour améliorer la représentation des femmes dans la presse. Michaëla Cancela-Kieffer (AFP)
14h30-15h15 Conférence. Analyses du traitement médiatique de l’IA : prophétie, critique et promesse. Maxime Crépel (Le Medialab)
15h15-16h30 Table ronde. L’impact des algorithmes sur les stratégies éditoriales
Muriel Beasse (Lisec), Bénédicte Courret (Radio France), Olivier Laffargue (Le Monde), Alexandre Marsat (Curieux !), Emmanuelle Saillard (INRIA)
Animation : Rayya Roumanos

16h30 – 17h Pause

17h-18h : Conférence de clôture. Éducation à l’algorithmique : accompagner la pensée critique par le design. Thibault Philippette (Université Catholique de Louvain)

Présentation de l’Osintosphère

Dans le cadre de la journée OSINT organisée récemment à l’IJBA, nous avons présenté plusieurs réalisations dont l’Osintosphère. Nous en donnons ici une présentation plus détaillée.

L’Osintosphère est un projet web qui représente sous forme de graphe les principaux acteurs de l’OSINT (Open Source Intelligence). Il s’agit d’un hyperdocument qui rend visibles les grandes figures du domaine ainsi que les relations qui existent entre elles. Non exhaustif, l’osintosphère sera néanmoins régulièrement mise à jour.

L’outil s’appuie sur le code de l’Otletosphère, une réalisation du programme de recherche HyperOtlet financé par l’ANR. Le logiciel en mode open source est désormais accessible sous le nom d’Opensphère. Il fait partie des outils disponibles au sein du GraphLab.

Le projet d’Osintosphère fait suite à un dossier spécial coordonné par Rayya Roumanos et Olivier Le Deuff pour la revue I2D. Le numéro est intégralement disponible sur Cairn.

Qu’est-ce que l’OSINT ?

L’OSINT désigne des méthodes et des techniques d’enquête à partir de ressources librement accessibles. Cette potentialité intéresse plusieurs professionnels : les journalistes dans le cadre de ses investigations, les acteurs du droit pour la recevabilité des preuves, les professionnels de la finance, les veilleurs, les documentalistes, les hackers, les activistes ainsi que les services de renseignements et de cybersécurité.
Nous avons tenté d’en recenser plus de 200.

A quoi sert ce dispositif ?

L’Osintosphère est un hyperdocument qui permet de visualiser les acteurs du domaine et leurs éventuelles connexions. Ce travail reste un work in progress dédié à des fins de recherche et de pédagogie. Sans être exhaustif, il permet de mesurer l’ampleur du domaine et de repérer les principaux acteurs qui mériteraient d’être suivis, notamment sur Twitter.

Il est possible de circuler dans le graphe de plusieurs manières :

En cliquant sur les nœuds qui s’affichent pour avoir accès sur la fiche qui décrit alors l’acteur-réseau.
En cliquant sur les liens mentionnés dans la fiche latérale.
En utilisant le moteur de recherche pour retrouver une personne
En utilisant les filtres dans le bandeau supérieur pour n’afficher que les catégories souhaitées.
Il est aussi possible de sortir du mode graphe pour bénéficier d’un affichage sous forme alphabétique. Il suffit de cliquer sur le mode « fiches » dans le bandeau supérieur. Pour revenir au mode graphe, vous pouvez cliquer sur « Réseau ».

Développement du projet étape par étape

1. Le recueil de données

Les données récoltées viennent pour la plupart du réseau social Twitter qui recense un nombre important d’acteurs actifs sur les thématiques de l’OSINT. Les métadonnées Twitter permettent de renseigner plusieurs d’éléments (courte description, hashtags, followers, lieu d’habitation) et nous ont permis de réaliser un premier travail de description. Le nombre de followers et la régularité de l’activité autour des thématiques OSINT a été utilisé comme critère pour décider ou non de l’intégration à l’Osintosphère.

D’autres réseaux ont été utilisés pour ajouter des acteurs clefs, ou pour compléter les données déjà récoltées. Si plusieurs figures mentionnent sur leur compte leur employeur ou propose des liens vers leur blog, d’autres affichent très peu d’infirmation sur leur profil. Nous avons notamment utilisé Linkedin pour affiner certaines descriptions.

Nous précisions par ailleurs, qu’aucune donnée personnelle de type mail, adresse physique, adresse IP, numéro de tel, etc., ne figure dans la base et que nous avons respecté l’anonymat des personnes qui ne souhaitent pas dévoiler leur identité en ligne.

Les personnes figurant dans l’osintosphère peuvent également demander à ne pas y figurer en nous contactant. A l’inverse, il est possible de demander à l’être ou de signaler des manques via le formulaire dédié.

2. La structuration des métadonnées

La base de données, hébergée sur Google Sheets, est structurée d’après un schéma de métadonnées exprimé via les entêtes de colonnes. Chaque ligne représentant une entité. Un export est ensuite effectué en format .json.

Les métadonnées ont été choisies et ordonnées afin de pouvoir subdiviser les acteurs en catégories. Nous avons retenu des catégories exclusives, c’est-à-dire chaque entité est classée dans une catégorie dominante. Elles sont également utilisées pour l’affichage final de la « fiche individuelle » de chaque entité avec un code couleur dédié.

Les catégories suivantes ont été retenues : journalisme, veille, renseignement, veille et formation, cyber, justice et droits de l’homme.

Les entités sont, par ailleurs, subdivisées selon leur nature. Il s’agit majoritairement des personnes, mais il est possible d’y trouver des ressources, des évènements ainsi que des institutions ou des organisations.

Un premier travail de repérage a été fait par les étudiants en DUT Information Numériques Dans Les Organisations dans le cadre d’un cours sur l’OSINT. Le travail a, par la suite, été poursuivi par Agathe Legrand durant son stage au sein du projet HyperOtlet.

L’intégration des données se poursuit désormais de façon régulière.

3. Les relations

Les relations sont hébergées dans le même tableur Google Sheets que les entités ordonnées par lignes : une ligne représente une relation.

Les liens entre les différents acteurs permettent d’obtenir la vue graphe et facilitent la visualisation des communautés. Nous avons essayé de préciser la nature de la relation qui s’affiche avec une infobulle.

Outre le travail de recensement des acteurs clefs, le travail de recensement des relations demeure long à produire. Il est donc très loin d’être finalisé. Il reste beaucoup de manques qui peuvent s’observer par les nombreuses entités isolées sur le graphe. Notre objectif des prochains mois réside justement sur l’enrichissement des relations.

Nous avons choisi aussi d’intégrer notre récente journée d’études sur le sujet parmi les évènements. Tous les participants y sont donc recensés et reliés à la journée. Beaucoup d’évènements ont lieu régulièrement dans le domaine, en présentiel ou en ligne. Il a été impossible de tous les recenser.

4. Choix de mise en forme

Une fois les relations établies, le but est d’assembler et de structurer toutes les données et informations afin d’aboutir à une visualisation simple et efficace . Les liens sont reliés par des nœuds reproduisant une constellation comme pour l’Otletosphère et de l’OpenDataSphère.

L’Osintosphère.https://hyperotlet.huma-num.fr/osintosphere/

Vers un graphe Algo J avec Cosma

Le projet AlgoJ prévoit plusieurs axes de développement dont un dédié à la mise en ligne d’une plateforme collaborative de ressources et d’outils à destination des journalistes et chercheurs. Au coeur de ce dispositif se trouve Cosma ALGO J que nous vous présentons rapidement ici.

L’équipe travaille depuis plusieurs semaines à la réalisation d’un graphe d’un lexique thématique pour Algo J. Cette réalisation repose sur le récent logiciel développé par l’équipe du Graphlab : Cosma.

Issu des recherches menées dans le cadre d’HyperOtlet, le logiciel Cosma est né suite au développement de l’Otletosphère, le réseau social de Paul Otlet consultable sous forme de graphe. Il a pour but de réaliser des lexiques sous forme de fiches interreliées. Téléchargeable gratuitement et open source, il s’adresse à des publics très divers.

Vous retrouverez dans ce billet d’Arthur Perret, la genèse du projet COSMA, ses objectifs et les potentialités du logiciel. Vous pouvez également tester une application du dispositif Cosma à un glossaire des humanités numériques.

Dans le cadre du projet AlgoJ, nous avons lancé un travail de réalisation de fiches dédiées à la thématique algorithmique après un premier travail exploratoire d’Emma Rondot, stagiaire du projet HyperOtlet et étudiante en deuxième année de master à l’Institut de Journalisme Bordeaux Montaigne.

Le travail de rédaction de contenus se poursuit et s’accompagne d’une typologie pour catégoriser les contenus afin de définir un code couleur plus facile pour l’usager de la base de connaissance Algo J. Plus d’une centaine de fiches a déjà été produite.

Le dispositif est déjà fonctionnel mais nous le livrerons d’ici quelques mois dans une première version.

Nous donnons quelques aperçus dans les captures d’écran ci-dessous.

Cosma permet de visualiser une galaxie de contenus et ses relations sous forme de graphes. Il est possible de définir une typologie des contenus et de leur assigner des couleurs déterminées. Les liens peuvent être également définis de façon graphique si on veut préciser leur nature.

Le but est d’avoir une lecture latérale de la fiche et de bénéficier du graphe pour situer le concept ou l’élément décrit dans un ensemble plus grand. L’intégralité des fiches est également consultable dans la barre latérale droite avec un index alphabétique.

La fiche permet de rebondir sur les liens et les rétroliens. Les liens correspondent à tous les éléments hypertextuels mentionnés dans le texte de la fiche, tandis que les rétroliens mentionnent toutes les fiches qui renvoient à la fiche consultée. COSMA repose ainsi sur les principes hypertextuels conceptualisés par Ted Nelson. A noter qu’il est possible aussi d’isoler les relations principales en utilisant la fonction focus du graphe.

Les captures d’écran ne permettent pas de se représenter pleinement ce qu’il est possible de faire. Il faudra donc patienter avec une première mise en ligne officielle.

https://giphy.com/gifs/rNuSeMjcBcbJ4znfLK

Le graphe de connaissances AlgoJ en quelques secondes

Lancement du projet AlgoJ

Nous avons le plaisir de vous annoncer le lancement du projet AlgoJ, financé par la Région Nouvelle Aquitaine (2021-2023)

Mené en partenariat avec Sud Ouest et Curieux!, le projet Algo-J entend étudier la place et du rôle des algorithmes numériques dans le secteur de la presse. Il est porté par Rayya Roumanos et Olivier Le Deuff et s’appuie sur une équipe pluridisciplinaire composée d’Arnaud Schwartz, Florian Tixier, Ugo Verdi et Mohamed Mosbah.

L’enquête comprend trois visées qui répondent aux multiples enjeux de la présence massive et structurante des algorithmes dans l’écosystème informationnel. Celle, d’abord, d’étudier l’influence de ces actants technologiques sur les écritures journalistiques. Celle, ensuite, de mesurer le niveau d’acculturation des journalistes à la logique algorithmique qui charpente leurs horizons de production de l’information. Et celle, enfin, de mettre en œuvre une méthodologie à mi-chemin entre l’exploration scientifique et l’investigation journalistique pour enquêter sur les algorithmes.

La phase régionale d’Algo-J est prévue sur deux années et repose sur des partenariats avec des acteurs solidement implantés dans la région Nouvelle-Aquitaine :

Le journal Sud Ouest qui offre aux chercheurs la possibilité de développer avec ses journalistes une méthodologie d’enquête sur les algorithmes en vue de publier une plateforme à visée pédagogique

L’association NACSTI et Cap Sciences Bordeaux dont le média Curieux !, constituera le terrain d’étude privilégié dans le cadre de cette recherche.

Le Club de la presse de Bordeaux et l’Association des diplômés de l’IUT/IJBA dont l’implication dans le projet permettra de cibler un large réseau de journalistes indépendants et/ou salariés dans des rédactions de presse écrite, de radio et de télévision.

Algo-J peut aussi compter sur la collaboration du Clemi et de Reporters Sans frontières, très investis dans les actions de sensibilisation au pouvoir des algorithmes dans le l’écosystème informationnel.

Les premiers résultats de cette enquête feront l’objet de conférences et des journées d’études courant 2022.