Modèles : du monde réel au monde numérique

Coordonné par Bruno BACHIMONT, Marcello VITALI-ROSATI et Pierre GANÇARSKI

Le concept de modèle semble être fondamental pour comprendre les environnements numériques. Cependant cette notion peut être comprise de plusieurs manières et est par ailleurs interprétée différemment selon les disciplines, les approches et aussi les métiers.

La notion de modèle a été intensivement mobilisée dans les sciences de l’ingénieur : un modèle est alors la représentation d’un système permettant de le simuler ; au lieu d’expérimenter le système dans son fonctionnement empirique effectif, on expérimente via le modèle et ses simulations. Le modèle peut s’appuyer sur une théorie de la réalité décrite (souvent une théorie physique) et proposer des simplifications et adaptations ; il est ensuite calibré sur un domaine de validité (les situations concrètes où on peut l’utiliser), et exploité pour étudier le comportement du système dans ce domaine. Mais la notion de modèle est également utile dans de nombreux autres domaines : par exemple les modèles « utilisateur » en ergonomie ou en informatique, les modèles de « visite » en muséologie, ou encore les modèles du consommateur en marketing ou en économie, etc. Un modèle peut servir à analyser, comprendre, explorer, simuler le réel.

Si bien que ce que l’on appelle modèle peut être très varié. En pratique, il semble que toute représentation, formelle ou non, mathématique, computationnelle, graphique, langagière, peut, d’une manière ou d’une autre, être qualifiée de modèle si elle permet de viser une réalité et d’en cerner son évolution : un modèle utilisateur peut ainsi être une description en langue naturelle indiquant le type de comportement qu’on s’attend à constater.

Un modèle est donc essentiellement une médiation et de ce fait possède une double nature : ce qu’il est ou fait, et ce à quoi il renvoie. En effet, un modèle est un modèle de quelque chose, souvent une situation, un système, un objet. En outre, il est un objet possédant ses propres caractéristiques, manifestant des propriétés spécifiques et un comportement singulier. Un modèle mobilise alors nécessairement une double compétence, celle de ce qu’il vise, et celle de qui le constitue. Or, la plupart du temps, ces compétences ressortissent de domaines distincts, aux traditions intellectuelles, méthodologiques et pratiques différentes. Cela implique des tensions, négociées en termes d’interdisciplinarité, de traduction ou de projection d’un domaine à l’autre.

Cette caractérisation de la notion de modèle ne lui est cependant pas spécifique : on pourrait en dire autant de toute entité permettant de représenter ou viser une réalité. Aussi peut-on poser différentes questions pour caractériser ce qu’il convient d’appeler « modèle ». Ces questions peuvent se formuler de la manière suivante :

• Des questions épistémologiques :
  • A partir de quand une représentation devient-elle un modèle ?
  • Quelle différence établir entre une théorie et un modèle ? une vision du monde et un modèle ?
  • Peut-on se passer de la notion de modèle ? toute discipline mobilise-t-elle des modèles ?
• Des questions méthodologiques :
  • Quel est le bon usage d’un modèle ? Que peut-on lui faire dire ou lui faire faire ?
  • Comment constituer un modèle ? Comment le valider (calibrage par exemple) ? Comment le faire fonctionner : collecte des données, production des résultats, interprétation de ces derniers ?
• Des questions pratiques :
  • Quelles compétences spécifiques faut-il posséder pour concevoir et utiliser des modèles ? Sont-elles homogènes à la réalité visée ? Comment gérer l’interdisciplinarité qui en découle si ce n’est pas le cas ?
  • Y-a-t-il des outils génériques pour concevoir des modèles, indépendamment des réalités visées ?

Une manière d’introduire le numérique dans ces débats serait de constater que les outils numériques deviennent transversaux et utilisés dans tous les domaines. Si dans un premier temps, cela peut se justifier par le fait que le numérique permet de codifier tout système de représentation en tant qu’il est symbolique, quelles conséquences cela entraîne-t-il sur la considération des modèles qui sont élaborés dans ces systèmes de représentation numérique et des entités que ces systèmes représentent ?

Autrement dit, la question qui nous intéresse ici et de déterminer si le numérique comme outil, paradigme, concepts, vient modifier, renforcer ou reconfigurer les acceptions que l’on peut donner de cette notion de modèle. Mais comme la question du numérique est désormais transversale à tous les domaines, elle est d’emblée intriquée à ce que chacun de ses domaines formule quant à la nature des modèles qu’il élabore. La modélisation par le numérique remplacerait-elle les différentes modélisations de chaque domaine ? Sont-elles reconfigurées ? Sont-elles simplement enrichies de nouveaux outils ?

De multiples questions émergent donc. Notamment :

• Quel est le rôle du calcul et de la donnée dans le fonctionnement des modèles ? A-t-on affaire à des modèles permettant de mettre en œuvre une représentation théorique d’une situation ou système comme dans les sciences de l’ingénieur (un code permettant par exemple de simuler le fonctionnement d’une turbine) ? Ou des données codifiant une situation ou une réalité que des algorithmes analyseront sans prétendre porter une conception particulière du domaine envisagé ?
• Si un modèle numérique comprend des données qu’on rassemble et un code qu’on mobilise, quelles modélisations (au sens de rapport à un modélisé) sous-tendent la traduction en données du réel envisagé, l’utilisation de tel ou tel algorithme ? Quelles hypothèses, implicites ou explicites, sont faites sur ce que dit, prétend dire ou peut dire le modèle ?

Pour terminer la boucle réflexive ouverte par la question du modèle, l’étude numérique des données est parfois présentée comme un quatrième paradigme faisant l’économie de théories a priori, mais permettant de construire à partir de l’analyse des données la théorie expliquant ces dernières. Mais est-ce toujours la même notion de théorie ?  Faut-il comprendre que le modèle numérique remplacerait la théorie ?

Cet appel à contribution est donc ouvert à toute proposition interrogeant la notion de modèle dans le contexte des utilisations du numérique. Elles peuvent revêtir plusieurs aspects :

• Épistémologie des modèles, en général ou propre à une discipline ou pratique particulières ;
• Analyse de plateforme, algorithmes ou code, expérimentation ou étude permettant d’observer, illustrer, comprendre la notion de modèle ;
• Épistémologie sur des projets particuliers (dans un projet de recherche, comment le modèle est intervenu, pourquoi a-t-on utilisé la notion de modèle, où est-elle intervenue etc.)

Calendrier de publication

• Août 2021 - lancement de l’appel
• 7 novembre : dépôt des propositions d’article
• 5 décembre : retour d’évaluation des articles
• 5 janvier : dépôt des articles révisés
• 24 janvier : avis de publication
• Fin janvier :  parution du numéro

Pour répondre à cet appel, merci de vous référer aux normes et procédures de soumission de la revue. Pour toutes informations complémentaires, veuillez utiliser le formulaire de contact de la revue.

Télécharger le PDF de l'appel

Traces, données et preuves en contexte numérique : quelles acceptions interdisciplinaires ?

Coordonné par Bruno BACHIMONT, Lise VERLAET et Pierre GANÇARSKI

Avec la généralisation de l’instrumentation scientifique numérique, nous avons vécu ces dernières décennies une spectaculaire évolution paradigmatique. En effet, le Web sémantique a en quelque sorte mis fin au paradigme inhérent aux bibliothèques et aux recherches documentaires pour laisser place aux recherches d’information, mais tend lui-même à être supplanté par le paradigme de la donnée. L’effervescence autour des mégadonnées et la résurgence de l’intelligence artificielle invitent à s’interroger sur le statut de ces données, la nature de leurs traitements, l’interprétation des résultats, et finalement leurs acceptions interdisciplinaires.

Les données sont souvent associées, entre autres, aux notions de trace et d’enregistrement. Une première difficulté est d’articuler ces notions, les disciplines ayant souvent des approches différentes en la matière. Une manière de faire est de considérer que la trace relève du système observé, dont on fait un enregistrement, ce dernier constituant la donnée qui sera analysée pour, par exemple, étudier le comportement du système observé. De ce point de vue, en tant qu’enregistrement des traces, les données peuvent être considérées comme des éléments de preuve et permettent de remonter à leurs origines et donc au système dont elles sont issues. Cette notion de trace fait ainsi désormais partie des concepts liés à la production, la gestion, la valorisation et la consommation des données, concepts sollicités tant par les sciences humaines et sociales que les sciences informatiques. Mais, au-delà de cette première vision, comment articuler donnée et trace ? Une donnée est-elle forcément fondée sur une trace ? Quelles interdépendances entre ces notions ? L’enregistrement, s’il convient de mobiliser cet intermédiaire, introduit-il un biais ? De quel type ? Altère-t-il la manière dont on peut interroger la donnée pour retrouver la trace et le système associé ? Ou, tout à l’opposé, faudrait-il considérer ces termes comme synonymes, leur appellation reflétant donc simplement des variations disciplinaires ?

L’objectif de cet appel est d’interroger ces relations et de les mettre en perspective dans le contexte des différentes disciplines.  Et, au-delà de ces notions, en abordant leur exploitation et l’interprétation des processus associés, la question est aussi de comprendre comment les traces ou les données peuvent donner lieu à des preuves ou à des connaissances ?

Si les tensions entre ces notions sont somme toute classiques, elles prennent une intensité particulière dans le contexte numérique. Les traces peuvent être considérées à la fois comme une condition et un résultat de la numérisation de notre environnement et de nos milieux socio-techniques : les outils numériques nous amènent à produire à foison des traces dont on se saisit comme données. Il est donc pertinent d’interroger ce concept et d’en questionner l’intelligibilité, ce que cela signifie pour une chose que d’être une trace, et ce que cela sous-tend pour les procédés et traitements qui les exploitent. En particulier, chaque évolution du système observé peut influer sur les traces qu’il produit, voire en produire de nouvelles. Leur capture constitue-t-elle une nouvelle donnée ou une modification de la donnée existante ? De fait, comment relier des traces et ces données ?

En contexte numérique la reconnaissance des traces est en outre d’autant plus problématique que l’on ne sait pas nécessairement et véritablement ce qui aura de l’intérêt et donc une utilité dans le futur. En filigrane, ceci pose la question des enjeux et objectifs corrélatifs aux traces et à leurs usages. Les développements socio-techniques associés au paradigme de la donnée n’en sont qu’à leurs balbutiements, à l’instar des différentes formes d’exploitations possibles des traces. Ne sachant quelles seront les traces intéressantes à capter, enregistrer, archiver pour en permettre une réutilisation, comment concevoir la pérennité des données et de leurs traces ? Doit-on tout conserver, quand cela s’avère possible, sachant les coûts écologiques et financiers des entrepôts de données ? Si, par acquis de conscience, la décision consiste à tout garder en mémoire virtuelle de sorte à ce qu’elle reste mobilisable en tout temps et tout lieu, comment satisfaire au droit à l’oubli ? Comment garantir l’anonymat des acteurs du cyberespace alors même que l’étude de leurs traces d’activités permettent aisément de découvrir leur(s) identité(s) ?

Ces questions ne sont donc pas anodines et se posent d’autant plus vivement que les notions de traces et de données sont essentielles pour conférer aux traitements qui les mobilisent le statut de preuve ou d’argument : quelle confiance avoir en un résultat produit à partir des données et des traces ? Quelles conditions ces dernières doivent-elles remplir pour asseoir cette confiance ?

Par conséquent, cet appel entend explorer dans la perspective de l’intelligibilité du numérique, la nature des données, leur relation à ce qu’elles représentent et aux traces dont elles peuvent être la capture, pour éclairer la valeur épistémique, pratique, probatoire et argumentatif des résultats qu’elles permettent de produire.

Liste non-exhaustive des thématiques à considérer pour cet appel à articles 

• Évolution paradigmatique et réminiscence des formes
• Caractéristiques et reconnaissances des traces
• Instrumentation scientifique numérique : des traces aux données
• Pérennisation : Des flux de traces aux flux de données...
• Reproductibilité : reproduire les traces pour reproduire les données...
• (Re)Configurations méthodologiques inhérentes à l’instrumentation scientifique numérique
• Confiance et enjeux des traces et des données
• Prédiction des pratiques et usages des traces
• Éthique de l’exploitation des traces
• ...

Calendrier de publication

• Février - lancement de l’appel
• 12 avril 2021 - dépôt des propositions de résumé
• 31 mai 2021 - retour d’évaluation des résumés
• 6 septembre - dépôt des propositions d’article
• 18 octobre 2021 - retour d’évaluation des articles
• 8 novembre 2021 - dernières révisions
• Décembre 2021 - publication du numéro

Pour répondre à cet appel, merci de vous référer aux normes et procédures de soumission de la revue. Pour toutes informations complémentaires, veuillez utiliser le formulaire de contact de la revue.

Télécharger le PDF de l'appel