Ok

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies. Ces derniers assurent le bon fonctionnement de nos services. En savoir plus.

data-philosophie

  • Fondements et enjeux de la data-philosophie

    Capture d’écran 2020-05-06 à 07.34.33.png

    La revue Management & Data Science accueille mon article sur les Fondements et les enjeux de la Data-Philosophie

    Aborder la “data” se fait principalement de façon “technique”, en lien avec soit la programmation algorithmique, soit la question matérielle (outils de collecte ou outils de conservations). Peu de travaux questionnent la notion même de “data”. Encore moins d’articles existent sur la data abordée de façon philosophique. Dans cet article, nous tâchons de mettre en lien la “data” et la “philosophie”. Pour cela, nous nous appuierons sur la question du “critère du réel”. En posant la question de la “data” comme un “critère de réalité” potentiel, nous entrons dans l’exercice philosophique. Nous cherchons ici à fonder la “data-philosophie” et ses enjeux. Nous en venons à poser les quatre champs opératiques de la Data-Philosophie : ontologie, épistémologie, praxis et éthique de la data.

    En juin 2017, lors d’une présentation à la commission des droits de l’homme à la conférence des ONG du Conseil de l’Europe, j’ai exposé la nécessité de comprendre l’avènement du monde de la data à l’aide de l’interrogation philosophique et d’une éthique radicale que j’ai désignée sous l’expression “data philosophie”[1].

    Il s’agit ici d’expliquer en quoi la philosophie de part son histoire et ses recherches sur la notion fondamentale de “critère de réalité” peut aider à la compréhension des enjeux de la data.

    Dans cet article, nous allons aborder deux points essentiels à la réflexion sur la philosophie à l’ère du big data. En premier lieu, nous devons nous interroger sur la conciliation entre deux champs qui paraissent opposés. D’un côté nous aurions la “data” qui serait de l’ordre de la technologie mais qui peut être aussi considérée comme une technique (au sens de la techné τέχνη, « fabriquer », « produire »), et de l’autre la “philosophie” au sens du questionnement sur les savoirs et la conduite des êtres humains. Ces deux recherches sont-elles compatibles sans pour autant basculer dans une philosophie pratique ?

    Dans un deuxième temps, nous verrons que cette conciliation est non seulement possible mais qu’elle se doit de recouvrir quatre champs d’investigations : une ontologie de la data, une épistémologie, une data-praxis, une éthique des données.

    Lire la suite directement sur le site de la revue Management & Data Sciences

  • Pourquoi la data-philosophie ?

    Au coeur du confinement, j'ai enfin décider de prendre le temps d'écrire sur les bases de ce qui devrait nous occuper tous dans les prochaines années à savoir "la data-philosophie". Ce blog porte les traces de mes réflexions sur l'usage des données, les questions éthiques, notre rapport au temps, etc.

    Mais là il nous faut aller plus loin et explorer ce qu'est la "data-philosophie".

    L’association « data-philosophie » a son importance. Il ne s’agit pas de poser une « philosophie de la data » qui serait simplement une sorte d’application pratique ou un code déontologique de la data.
    Nous devons regarder la data comme ce qu’elle est : un critère du réel. Cette idée de critère du réel est très importante. Toute la philosophie s’accorde autant qu’elle se déchire sur cette notion de « critère » du réel qui rend possible ensuite tout le reste : la croyance juste, la croyance vraie, la croyance justifiée, la connaissance, le savoir… Dès lors nous pourrions ici tenter une analogie entre la « data » et la « monade » de Leibniz.
    Dans cet article, il ne s’agit pas de résoudre cette analogie qui par ailleurs, comme toute analogie a son degré de fausseté. Cependant, nous devrions remarquer, qu’à la base de toutes les recherches ou manipulations de data, il devrait y avoir une question.
    L’objectif de la data-philosophie serait donc situé là : dans l’art de poser les questions et donc de soulever des problèmes. Sans ce cheminement il ne peut y avoir d’analyse structurée.

    Cliquez-ici pour lire l'article dans son intégralité sur Academia.