Data as Transcendental Stabilizations: Symbolic Mediation and the Pre-Semantic Conditions of Data
Cet article soutient que les données ne sont ni des primitives ontologiques ni de simples artefacts techniques, mais qu'elles émergent à travers des stabilisations symboliques historiquement variables qui transforment des configurations différentielles en différences opérationnellement disponibles, reformulant ainsi des enjeux tels que le biais algorithmique comme des litiges entre régimes d'intelligibilité concurrents plutôt que comme de simples problèmes de gestion technique.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous tenez un seau de sable. Pour un géologue, c'est un échantillon de silice et de feldspath. Pour un enfant, c'est un matériau de construction pour châteaux. Pour un poète, c'est une métaphore du temps qui glisse entre les doigts. Mais avant que ces personnes ne puissent dire « c'est du sable », quelque chose d'invisible doit se produire d'abord. Les grains chaotiques et mouvants doivent être capturés, nommés et transformés en quelque chose qui puisse être compté, partagé et mémorisé. C'est la vie secrète de la donnée.
Dans le monde de la science et de la technologie, nous traitons souvent les données comme de petits briques de réalité que nous ramassons simplement sur le sol. Nous supposons que si nous avons un thermomètre, la température est juste « là », attendant d'être notée. Mais un nouvel article de Rodrigo Garrido suggère que c'est un peu un tour de passe-passe. Il soutient que la donnée n'est pas quelque chose que l'on trouve ; c'est quelque chose que l'on fabrique. Pour comprendre cela, nous devons examiner trois grandes idées. Premièrement, la médiation symbolique : l'idée que nous ne pouvons pas toucher la réalité directement ; nous devons toujours utiliser des outils, des mots ou des nombres pour traduire le monde en quelque chose que nous pouvons comprendre. Deuxièmement, la stabilisation : le processus consistant à prendre quelque chose de désordonné et à le modifier pour qu'il reste identique assez longtemps pour être utile. Et troisièmement, la projection : comme si l'on projetait la lumière d'une lampe de poche sur un objet 3D pour voir une ombre en 2D, nous devons choisir quelles parties de la réalité mettre en lumière et lesquelles ignorer pour créer un « datum ». Pourquoi est-ce important ? Parce que si nous pensons que la donnée est simplement une « vérité brute », nous risquons de manquer le fait que la manière dont nous choisissons de mesurer les choses décide en réalité de ce que nous pouvons voir, de ce que nous pouvons savoir, et même de ce qui est considéré comme « réel » dans notre monde numérique.
Alors, que dit réellement cet article ? Il propose qu'un « datum » (une unité de donnée) n'est pas un petit morceau préexistant de l'univers. Au contraire, c'est une stabilisation transcendantale. C'est une façon sophistiquée de dire qu'il s'agit d'un instantané de la réalité qui a été figé, emballé et rendu reproductible par un ensemble spécifique de règles et d'outils.
Considérez la réalité comme un immense fleuve d'informations continu et bourdonnant. Il est toujours en mouvement, changeant, et plein de différences infinies. Vous ne pouvez pas simplement puiser le fleuve et le mettre dans un bocal ; il se viderait simplement. Pour obtenir des « données », vous devez construire un barrage. Vous devez décider où couper le fleuve, ce que vous mesurez et comment vous l'étiquetez. L'article soutient que l'acte de construire le barrage est ce qui crée la donnée. Avant que le barrage ne soit construit, il n'y a que le fleuve (variation ontologique). Une fois le barrage construit et l'eau canalisée dans un tuyau spécifique, cela est la donnée.
L'auteur utilise des métaphores intéressantes pour expliquer comment cela fonctionne. Imaginez que vous essayez de décrire une chanson. Les ondes sonores dans l'air sont le « fleuve ». Si vous voulez transformer cette chanson en un fichier sur votre ordinateur (un datum), vous devez découper le son en petits morceaux discrets. C'est ce qu'on appelle la tokenisation dans le monde de l'informatique. Vous ne pouvez pas nourrir une machine avec la chanson entière et continue ; vous devez la briser en petits morceaux (tokens) qu'elle peut contenir. Mais voici le hic : la façon dont vous la découpez change la chanson. Si vous la découpez selon le rythme, vous obtenez un certain type de donnée. Si vous la découpez selon la hauteur de la note, vous obtenez un type totalement différent. L'article affirme que la « donnée » n'est pas la chanson elle-même ; c'est la manière spécifique dont vous avez décidé de la découper.
L'article soutient également que ce n'est pas un événement unique. Une fois que vous avez découpé la chanson, vous devez empêcher ces morceaux de tomber en morceaux. C'est là qu'intervient la sédimentation technique. Imaginez que vous écriviez une recette sur un morceau de papier. Ce papier est un « support technique ». Il retient la recette pour que vous puissiez la lire demain. Mais le papier lui-même a des règles : il a des lignes, une certaine taille, et est peut-être écrit dans une langue que vous connaissez. Ces règles du passé (le papier, la langue) sont « sédimentées » dans votre recette. Elles décident de ce que vous pouvez écrire et de la manière dont vous pouvez l'écrire. L'article suggère que toutes nos données sont ainsi. Elles sont construites sur des couches d'anciens outils, d'anciennes règles et d'anciennes façons de penser que nous ne remarquons même pas. Une base de données conçue dans les années 1980 pourrait encore décider quel type de données nous pouvons collecter aujourd'hui, simplement à cause de la manière dont elle a été construite.
L'auteur est très clair sur ce que la donnée n'est pas. Elle n'est pas un morceau « brut » de la réalité en attente d'être découvert. On ne peut pas simplement trouver un « datum » dans la nature. Un changement de température existe, certes, mais il ne devient un « datum de température » que lorsqu'un thermomètre le mesure, qu'un ordinateur l'enregistre et qu'un scientifique se met d'accord sur la façon de l'écrire. L'article s'oppose également à l'idée que la donnée est un simple bloc de construction neutre de la vérité. Au lieu de cela, il suggère que la manière dont nous stabilisons la donnée (les règles que nous utilisons) crée en fait la vérité que nous voyons. Si vous utilisez un autre ensemble de règles (une autre forme symbolique), vous obtenez un type de donnée différent, et un type de vérité différent.
L'article ne prétend pas avoir trouvé une formule magique pour résoudre tous nos problèmes de données. Au lieu de cela, il suggère que nous devons changer notre façon de penser les données. Nous ne devrions pas traiter les données comme si elles étaient juste « là dehors ». Nous devrions réaliser que la donnée est un produit de nos choix, de nos outils et de notre histoire. Lorsque nous parlons de choses comme le « biais algorithmique » ou la « confidentialité des données », l'article suggère que nous ne devrions pas seulement regarder les chiffres. Nous devrions regarder le barrage que nous avons construit. Nous devrions nous demander : Qui a décidé où couper le fleuve ? Quelles règles avons-nous utilisées pour découper la chanson ? Et quelles vieilles règles poussiéreuses du passé contrôlent encore ce que nous pouvons voir aujourd'hui ?
En résumé, l'article nous invite à cesser de voir la donnée comme un miroir de la réalité pour commencer à la voir comme une peinture. La peinture n'est pas la réalité elle-même ; c'est une version spécifique, stabilisée et figée de la réalité, créée par le pinceau de l'artiste, la toile et l'histoire de l'art qui l'a précédée. Et tout comme une peinture, elle nous en dit autant sur l'artiste et les outils qu'il a utilisés que sur le monde qu'il essaie de montrer.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.