Penser les donnees : les architectes du big data (la ti?che des precisions 2/3)

« Data scientists », « Data architects » voire « Data alchemists »

Grandes seront les professions qui participent a la conception et a l’analyse des architectures de precisions. Derriere ces intitules se trouvent des individus dont des choix contribuent a faconner la figure des prestations connectes. Prendre en compte la dimension sociale de la fabrique des donnees permet de se donner la faculte de questionner a Notre fois leur forme, ainsi, les usages qui en paraissent faits.

Loin d’etre le reflet neutre et objectif une realite, les precisions sont le resultat de processus complexes de captation, de cadrage et d’enregistrement d’elements plusieurs sous des formes standardisees et quantifiables. Ces operations impliquent toujours des choix (de variables a prendre en compte, d’echelles sur lesquelles les quantifier, de seuils, de hierarchisation…) qui conditionnent la forme finale des informations et, de ce fait, celle des calculs qui pourront etre realises a partir d’elles – votre dont nous parlions dans le premier billet de cette collection.

Ainsi, tel l’explique le sociologue Jerome Denis dans son ouvrage la ti?che invisible des informations, « les donnees ne sont jamais desincarnees et n’existent gui?re a l’etat ‘pur’. Elles sont i  chaque fois affaire de melanges, de bricolages, d’accommodements, d’agencements hybrides. Elles paraissent l’objet et le resultat d’un travail ». Mes choix impliques par ce article seront faits – consciemment ou non – via maints acteurs, et en particulier par des professionnels et professionnelles dont le faconnage des donnees constitue le c?ur de metier. Ils et elles concoivent la forme que vont prendre les precisions et nos bases dans lesquelles elles seront reunies en fonction des objectifs qui leur sont assignes, avant que des petites mains, beaucoup moins visibles (et dont nous parlons dans le billet suivant de cette serie) se chargent d’une construction effective des precisions.

Pouvoir des choix de structuration des informations : l’exemple des genres musicaux sur Spotify

J’ai facon dont les informations seront construites impacte fort largement les utilisations qui peuvent en etre faites par nos outils (en particulier algorithmiques) qui les traiteront ensuite. Les objets informationnels que paraissent les donnees sont des representations schematiques, qui grossissent l’importance de certaines besthookupwebsites.org/fr/sites-de-rencontre-mexicains/ variables et en laissent de nombreuses autres de cote ; ils contribuent ainsi a la structuration de systemes de representation specifiques.

Le processus de categorisation des musiques sur Spotify va permettre d’illustrer une telle dynamique. Si l’histoire une classification musicale avec genre est bien sur ancienne, ainsi, en partie reprise par la plateforme qui n’oublie jamais completement le « rock » ou le « jazz », celle-ci se targue egalement de faire emerger des « genres musicaux de demain ». L’importance du catalogue musical de Spotify (plus de 50 millions de titres) lui permet Effectivement de conduire des analyses statistiques sur son fond et coder, sur la base de certains partis-pris, des labellisation inedites.

Le choix de variables particulieres pour decrire nos titres du fond musical en plateforme oriente ces nouvelles categorisations. Celui-ci inclut de facon notable eventuelles caracteristiques liees a des etats emotionnels, egalement appelees « attributs psychoacoustiques », comme l’energie, la « dancabilite », la « couleur emotionnelle ». Une telle labellisation conduit Spotify a construire un referentiel musical base davantage i  propos des effets sensoriels supposes des titres que sur leurs caracteristiques structurelles. Notre plateforme suit en ce qui le parti-pris en start-up d’ « intelligence musicale » EchoNest, dont celle-ci a fera l’acquisition en 2014, qui affirmait a l’epoque vouloir developper une categorisation dynamique des musiques en fonction des mots « couramment utilises pour nos decrire », car « chercher du ‘rock’ [serait] tout juste plus efficace que de demander a ecouter des ‘chansons qui sont d’une musique’ ».

Ainsi, Spotify voit aujourd’hui cohabiter 2 types de categorisation musicale, intrinsequement lies aux criteres employes pour nos qualifier : l’un correspond a toutes les genres « traditionnels » de musique et est base dans leurs caracteristiques structurelles (type de rythme, tempo…), l’autre reste oriente par des etats emotionnels ou des activites bien particuliers supposement lies a un ecoute. C’est cela apparait sur la capture d’ecran suivante d’une page « decouverte » de l’interface de Spotify, voyant se melanger d’un cote le hip-hop, le rock et l’electro, ainsi, de l’autre la musique « chill », sport mais aussi estivale.

Ce glissement par une typologisation emotionnelle d’la musique peut etre compris, suivant l’analyse des auteurs et autrices de Spotify Teardown (toute premiere etude de grande ampleur menee dans le fonctionnement une plateforme), comme s’inscrivant au sein d’ « votre mouvement de grande ampleur par une entree en matii?re utilitariste de la musique, dans laquelle la musique est De surcroit et puis consommee en lien avec 1 contexte particulier ou en appui de certaines activites (plutot que au cadre d’une experience esthetique ou d’un travail de construction identitaire, par exemple) ».

Il semble en tout cas revelateur de l’importance des choix realises par nos « architectes des donnees » d’une plateforme dans la construction en realite qui prend forme sur le interface. La decision, contraire a toutes les standards classiques de musicologie, d’inclure des variables emotionnelles dans la categorisation musicale, s’accompagne d’une bascule dans la facon dont l’ecoute musicale est envisagee. Si on choisissait certainement deja au moment des cassettes audio d’ecouter des titres divers en fonction de l’instant d’une journee et de ses occupations, la generalisation avec Spotify des playlists orientees vers des contextes et des humeurs particulieres (« a ecouter a domicile », « motivation pour le sport », « matin »…) normalise ces categories, ainsi, oriente de ce fait a grande echelle les confortables d’ecoute des utilisateurs et utilisatrices. La forme Plusieurs informations, pensee via leurs concepteurs et conceptrices, conditionne leurs usages.