Big data et math destruction

Cathy O'Neil, Weapons of Math Destruction. How Big Data Increases Inequality and Threatens Democracy,  Crown, New York, 2016, 272 p., $13,94 (eBook).

L'auteur est mathématicienne de formation (PhD de maths, Harvard, en théorie des nombres) ; ancienne quantitativiste (quant) dans un hedge fund (E.D. Shaw), elle a également travaillé pour une startup new-yorkaise spécialisée dans le e-commerce et l'analyse du comportement commercial des internautes (Intent Media) afin de les cibler.
Cet ouvrage de vulgarisation est servi par un rigoureux marketing (à base de data ?) et un transfert de légitimité tout à fait classique de maths, Harvard, PhD : car il faut beaucoup de légitimité, à une femme surtout, pour réussir dans ce domaine. Dans ce livre, sans toutefois cracher dans la soupe qui l'a nourrie, elle met en garde contre les algorithmes et autres modèles mathématiques qui gèrent notre vie. On l'a vue à Occupy Wall Street (Alternative Banking Group) et elle tient un blog, mathbabe.org. Avec Rachel Schutt, une ancienne googler, elle est co-auteur de l'ouvrage Doing Data Science. Straight Talk from the Front Line (O'Reilly Media, 2014). Théorie et pratique, elle sait donc de quoi elle parle et elle est parfaitement armée pour en parler.

Pour illustrer la fécondité des modèles mathématiques, elle évoque le roman Moneyball (Michael Lewis, 2003 ; au cinéma en 2011) ; il s'agit de l'application de modèles prédictifs à la gestion d'une équipe de baseball qui mobilisent des données nombreuses, fraîches et pertinentes, sans cesse rectifiées à partir de nouveaux résultats. Situation idéale. Mais ensuite le livre en vient à des exemples moins heureux. Avec leur réputation de rigueur, de rationalité et d'infaillibilité, les maths et les algorithmiques qu'ils forgent peuvent être utilisés pour des actions économiques et sociales aux résultats douteux : attribution de bourses, de prêts immobiliers, lutte contre la criminalité, classement des universités... Mal appliquées voire non suivies, parfois manipulant des données fautives, biaisées, ces mathématiques sont surtout utilisées pour légitimer des décisions politiques et sociales malheureuses et injustes : elles deviennent alors des armes de destruction sociale massives (Weapons of Math Destruction).

Le premier exemple développé est celui des subprimes et de la fameuse crise financière qui s'en suit. L'histoire est connue mais Cathy O'Neil la raconte bien, pour l'avoir vécue de l'intérieur. Le second exemple est celui du classement des universités américaines. Lancés à l'origine par l'hebdomadaire U.S. News & World Report (1988), ce type de classement repose sur des données plus ou moins discutables ; les effets en sont redoutables car, pour améliorer leur classement, des établissement sont amenés à truquer leurs données. Faute de données rigoureusement construites et pertinentes, le classement recourt à des proxies, variables fumeuses telles que la réputation, variable subjective s'il en est. Superbe chapitre, d'autant plus édifiant que ce type de classement est devenu un genre journalistique à part entière, un marronnier, et un centre de profit dans le monde entier : tout y passe désormais, les universités et les lycées, les hôpitaux, les banques, les restaurants, les villes, etc. Les classements des universités sont même devenus mondiaux : Shanghaï, Quacquarelli Symonds (QS), etc. : que de bêtises sont faites en leur nom !
Le livre déploie plusieurs autres exemples : la publicité prédatrice utilisée pour cibler des populations vulnérables, la justice et la prévision de la criminalité, le recrutement, l'établissement des emplois du temps dans les entreprises (scheduling software), l'éducation et les performances pédagogiques, le prix des polices d'assurance, les élections et le micro-ciblage...

L'ouvrage débouche sur une réflexion à propos de la propriété de la data et donc de la vie privée, notamment lorsqu'il s'agit de données concernant la santé des personnes ou la situation financière des ménages. La data emprisonne dans le passé. Droit à l'oubli ?

On the other side of the algorithms
De l'autre côté de l'algorithme, l'auteur montre la souffrance et le malheur : les faillites, les personnes perdant leur emploi et leur habitation, les vies saccagées par des emplois du temps absurdes, l'échec scolaire. Convaincant.
Mais ce ne sont pas les mathématiques qui sont en question, c'est l'usage toxique qui en est fait, selon des consignes données par des personnes et appliquées par des personnes. Le problème vient des consignes et de l'obéissance - aveugle ? - à ces consignes, dans les banques, les administrations, les entreprises, les écoles. Boîtes noires, dit-elle, "secret sauce" et de dénoncer l'opacité et les dommages créés.
Mais qui est responsable ? Ce ne sont certainement pas des algorithmes et la "secret sauce" qu'ils cuisinent ni des outils mathématiques, fatalement complexes ("by design, inscrutable black boxes").
L'auteur en appelle à la responsabilité des ingénieurs pour empêcher le mauvais usage (misuse) des données et des maths. Science sans conscience... Elle réclame une déontologie, un code de bonne conduite pour les ingénieurs et les mathématiciens, une sorte de serment d'Hippocrate adapté aux métiers de la donnée (data science) ? Dans le même ordre d'idées, l'auteur demande que soient audités les algorithmes, notamment ceux des réseaux sociaux. Mais qui a les moyens d'assurer de tels audits (revendication qui recoupe celle des annonceurs) ? La conclusion qui s'impose est que la qualité de la data est déterminante, sa fraîcheur aussi (garbage in, garbage out !) et que les utilisations des algorithmes doivent être méticuleusement et régulièrement contrôlées. Mais, ceci affecte les coûts...

L'ouvrage, en partie auto-biographique, en partie journalistique, entr'ouvre une fenêtre sur le monde social peu connu de la quantification des données (optimisation) et de la confection des bases de données. Parfois, on dirait du Balzac... Livre bien écrit, qui ne manque pas d'humour dans sa description de l'obsession quantitative (benchmarking) et des data, mais qui manque de précision. On y trouve peu de mathématiques et beaucoup de généralités sociales et politiques, beaucoup de bonne conscience, d'opinion et pas assez de démonstration. Plus de générosité et de morale que d'algorithmes. Dommage.
L'utilisation de bases de données fautives est souvent la principale source des problèmes dénoncés par l'auteur : vouloir tout inclure dans des bases de données et les utiliser pour rationaliser les recrutements (par exemple) ou encore pour "surveiller et punir", c'est se fier à un modèle économique simpliste, court-termiste. Passer de la relation sociale, du face à face, de la rencontre des visages, à une relation mécanique, aveugle, permet certes de passer des coûts variables à des coûts fixes qui s'amortissent sur de grandes échelles (scaling) : mais plus que de jugement économique, il s'agit de jugement éthique.

Machine learning : le mythe du grand algorithme

Pedro Domingos, The Master Algorithm. How the Quest for the Ultimate Learning Machine Will Remake Our World, New York, 2015, Basic Books, index $18,07, (eBook)

La thèse centrale du livre est celle d'un grand algorithme capable d'apprendre à partir des données disponibles, capable de créer les algorithmes nécessaires, de les combiner pour exploiter ces données de manière flexible et ouverte, et en tirer profit : "the ultimate learning machine", une sorte de metalearner (staked generalisation ?), une machine qui apprend à apprendre, algorithme des algorithmes, qui se construit elle-même : “Machine learning is something new under the sun: a technology that builds itself.”
Moins que de métaphysique, il sera donc surtout question dans ce livre de lever les secrets du machine learning, "le moteur qui transforme les données en connaissance ("the engine that turns data into knowledge").

L'auteur est Professeur de "Computer Science and Engineering" à l'Université de Washington. D'abord, il fait partager aux lecteurs son enthousiasme pour l'algorithmique qui a déjà changé notre monde. Ensuite, il montre comment elle va le changer davantage encore.
La vulgarisation classique des premières pages laisse bientôt la place à des problématiques et des raisonnements plus complexes. On n'est jamais très loin d'exposés mathématiques, simplifiés et limités, certes, mais qui demandent aux non spécialistes un effort d'attention et d'approfondissement.

En dix chapitres, Pedro Domingos parcourt l'histoire de l'algorithmique et des différents modes de raisonnement mobilisés successivement, et de manière polémique, par le machine learning. Ce sont dit-il, les 5 tribus du machine learning. L'histoire commence dans les années 1940 avec le perceptron (Frank Rosenblatt), puis les neurones et la recherche en biologie. L'auteur passe en revue la succession des écoles d'algorithmique : symbolistes (déduction inverse), connectionnistes ("back-propagation", rétro-propagation du gradient), évolutionnistes (algorithmes génétiques), bayésiens (inférence), analogistes (machines à vecteurs de support, support vector machines, ). Ces 5 tribus ensemble forment "le grand algorithme", "the five facets of a single universal learner". L'ouvrage évoque différentes techniques auxquelles recourt couramment le machine learning : probabilités conditionnelles, réseaux bayesiens, chaînes de Markov, complexité, recherche des plus proches voisins (nearest neighbors), etc.

L'auteur ne manque jamais d'anecdotes significatives et drôles, pour détendre ses lecteurs et illustrer ses démonstrations. Ainsi, exposant la différence entre l'approche linguistique (Noam Chomsky) et du machine learning, il cite Fred Jelinek, spécialiste de reconnaissance automatique de la parole (speech recognition) qui prétendait que, chaque fois qu'il excluait un linguiste de son labo, les performances de l'algorithme s'amélioraient (mais lui même avait été influencé par le linguiste Roman Jakobson). L'auteur évoque aussi Andrei Markov appliquant, lettre après lettre, le calcul des probabilités au texte de Eugène Onéguine, roman d'Alexandre Pouchkine, ce qui conduira aux fameuses et omniprésentes chaînes de Markov, qui sont au principe du PageRank de Google et de l'écriture prédictive.

En fin d'ouvrage, l'auteur effectue une mise au point bienvenue sur la notion de singularité technologique (singularity), chère à la science fiction (cf. Synth en séries), transférée des mathématiques par Vernor Vinge, mathématicien et auteur de romans de science fiction (The Coming Technological Singularity, 1993) et développée ensuite par Ray Kurzweil (Singularity is near, 2005). La singularité désigne le moment mythique où l'intelligence artificielle dépasse l'intelligence humaine, moment que Pedro Domingos propose d'appeler Point Turing ; la singularité ne peut être imaginée sans le développement d'un machine learning capable de concevoir des programmes. Selon lui, Ray Kurzweil sur-ajuste (overfitting) : il voit des exponentielles partout (law of increasing returns), même dans les fonctions linéaires où il voit des exponentielles qui n'ont pas encore décollé. Avec ce débat, on touche au messianisme de l'algorithme universel, capable d'induction, sorte de "savoir absolu" ("l'esprit se sachant lui-même comme esprit", Hegel) qui serait atteint au terme d'une phénoménologie du machine learning.

Ouvrage important pour situer l'intelligence artificielle dans la compréhension des médias numériques. De lecture agréable, parfois rude. Au-delà des techniques, l'algorithmique telle que la raconte Pedro Domingos se révèle un ensemble de techniques de pensée, techniques invisibles au commun des mortels utilisateurs. L'auteur en entr'ouvre la boîte noire : boîte de Pandore ?

Du DVD au streaming : genèse de Netflix

Gina Keating, Netflixed. The Epic Battle for America's Eyeballs, Portfolio / Penguin, New York, 2012, 304 p., $10,99 (version Kindle), Bibliography, Index

Netflix compte aujourd'hui plus de 36 millions d'abonnés aux Etat-Unis, plus de 50 millions dans le monde. Cette entreprise de télévision annonce un nouveau paradigme dans les médias : la télévision s'est netflixée (netflixed).
L'ouvrage arrête l'histoire de Netflix en 2012 juste avant une étape nouvelle, essentielle, du développement de l'entreprise : les productions originales ("House of Cards", "Marco Polo").

Netflix représente la mise en place difficile d'un modèle économique nouveau qui s'accompagne d'une rupture culturelle dans la consommation (binge viewing) et dans la distribution des émissions de télévisision et des films.
La genèse de Netflix est indissociable d'un tournant : la fin du magnétoscope et du VHS, d'une part, la fin de la distribution vidéo en magasin, d'autre part. La chute de Blockbuster, longuement détaillée par Gina Keating, est symptomatique de cette révolution. L'auteur pointe d'ailleurs les erreurs stratégiques qui ont précipité la chute de Blockbuster et dont la principale est d'avoir tergiversé et tardé à passer au streaming. Lors d'un changement de paradigme, l'indécision ne pardonne pas.

Le livre est édifiant : il souligne les détours, les erreurs, les hésitations que doivent surmonter la création d'une entreprise, la mise en place d'un nouveau modèle d'affaires. Le désenchantement succède bientôt à l'enthousiasme, les créateurs cèdent la place à la rigueur financière : c'est l'histoire cruelle de nombreuses startups.
L'auteur parcourt chronologiquement chacune des batailles de Netflix, l'échec des négociations avec Amazon, Blockbuster, Comcast, Amazon. L'entrée du Group Arnault au capital, l'invention continue, douloureuse du modèle économique dans ses détails : la prise en compte des délais de livraison (one-day delivery), l'importance du moteur de recommandations fort de la richesse des données collectées auprès des clients, la gestion des files d'attentes pour les films demandés, l'équilibre périlleux entre le marketing ("The customer as a hero") et la gestion froide de l'ingénieur...
On voit poindre les dangers de la gestion pure, les conflits d'égo, les licenciements pour habiller l'entrée en bourse. Ce n'est pas shakespearien, mais comme on dit, la vie de l'entreprise "n'est pas un dîner de gala".

Se détache de cette histoire, comme un moment heureux, la formation d'une équipe scientifique, ingénieurs et mathématiciens, travaillant à l'optimisation de l'algorithme de Cinematch, le moteur de recommandation et la mise en place d'un concours (doté de 1 million de dollars de prix) concernant le comportement des consommateurs. Moment symptomatique de la culture de gestion qui émerge.
Le président de Netflix voit "Netflix, Facebook, and YouTube as forerunners of television for the Internet generation". Un paradigme épuisé vend cher sa peau. Le livre est basé sur les travaux de journaliste effectués par l'auteur pour Reuters (analyses financières et stratégiques surtout). Il se lit comme un roman.

Big Data, notre avenir à présent

Patrick Tucker, The Naked Future. What Happens in a World That Anticipates Your Every Move?, New York, Penguin Group, 2014, 288 p., Index. $11,99 (eBook)

L'objet du livre, c'est le Big Data et son utilisation pour prédire l'avenir, proche ou moins proche, et deviner nos intentions. The Naked Future a le mérite d'explorer et synthétiser de nombreux problèmes à venir, de les faire voir et d'inviter à y réfléchir. C'est un travail de vulgarisation et de sensibilisation, souvent émerveillé et optimiste. L'auteur, spécialiste de technologies numériques, est éditeur de The Futurist, magazine de politique étrangère (sécurité, etc.).

L'originalité du livre est de mettre l'accent sur le futur, sur le rapport au temps. Notre futur proche c'est du privé, du secret ; qu'y a-t-il de plus privé, de plus secret que des intentions ? Avec le Big Data et sa capacité de prédiction et d'anticipation, le futur peut devenir public : les prochaines maladies, les insuccès scolaires ou sentimentaux, la situation bancaire... La connaissance de l'avenir que permet l'analyse de la Big Data est-elle compatible avec la sauvegarde de la vie privée ?
De plus, avec la Big Data, notre futur devient partie prenante, rétro-activement, de notre présent ("causalité du probable"). La Big Data, en prédisant notre futur, altère le présent, devenu du futur passé. C'est comme un destin annoncé, un horoscope qui se lit et se réalise au fur et à mesure du temps qui passe. Le futur mis à nu par la data, de plus en plus probable (raisonnement bayésien), est déshabillé de ses mystères, de ses doutes, de ses erreurs, de ses bifurquations, de ses espoirs ; d'habitude, "on ne sait jamais".
Comment l'avenir, prédit - ou dicté - par la Big Data, affecte-t-il le présent, notre liberté ? On ne sait pas ce que l'on dit (S. Freud), on ne sait pas ce que l'on sait de nous, les traces laissées et oubliées : ainsi s'institue un inconscient numérique refoulé : comment faire advenir un moi libéré à partir d'un "ça" structuré comme de la data ? Big Brother, armé désormais de Big Data, est-il devenu un horoscope totalitaire, où tout est dit, édicté par le passé, par la constellation des astres au moment de la naissance ?

D'où viennent toutes ces données ? Ces données, actes de toutes sortes, actes volontaires et actes manqués (Sigmund Freud), "tropismes" (Nathalie Sarraute), ce sont d'abord des données de la vie quotidienne, données insignifiantes a priori mais qui, traitées en masse, interconnectées, corrélées, peuvent intervenir dans la gestion de nos vies, les éclairer ou les assombrir. Transmutation des données. Les sources sont multiples et de plus en plus nombreuses. L'auteur évoque, entre autres, le quantified self  produit par les capteurs divers notant et quantifiant la santé, les performances sportives (wearables), l'alimentation, les déplacements, les dépenses, les rencontres, les émotions, etc. Il évoque aussi comment peuvent être affectés, positivement, la démographie médicale, les réseaux sociaux, les prévisions météo, le succès d'un film ou d'une série télévisée, les cartes de fidélité, la publicité, l'éducation, la criminalité (on pense à "The Machine" qui signale les dangers à venir pour en protéger de futures victimes innocentes, cf. "Person of Interest", la série télévisée de CBS). Prédire les interactions, les rencontres, les sentiments : est-ce une si bonne idée, si peu romantique ? L'amour ne serait plus aveugle ? "Alors nous regetterons d'avoir médit des anciennes étoiles" (Louis Aragon, Le Progrès, 1931).

L'inventaire des craintes et des possibilités est impressionnant, les réussites semblent plus anecdotiques. Car combien de personnes sont membres régulièrement actifs d'un réseau, combien sont prêtes à partager leur performances sportives, leurs données médicales, leurs déplacements ? N'exagère-t-on pas l'ampleur de cette propension à publier ? Nombre de personnes s'inquiètent du totalitarisme numérique, pire des mondes possibles, certaines résistent, se déconnectent, beaucoup réclament la séparation des data (dimension nouvelle de la séparation des pouvoirs)...

Exemples : dunnhumby et sociomantic (achetés par le distributeur Tesco) "prédisent" l'avenir avec la data

Technologies numériques et changement social

Erik Brynjolfsson, Andrew McAfee, The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, W. W. Norton & Company, New York, 2014, 320 p., $12,99 (kindle), Index.

Voici une réflexion économique sur l'évolution technologique de nos sociétés livrées au numérique. L'ouvrage constitue une réflexion d'étape, une synthèse riche, efficace, précise, de travaux universitaires sur l'économie de l'innovation, émaillée de références et exemples utiles.

Pour caractériser l'évolution numérique de nos sociétés, les auteurs partent de plusieurs constats : la "loi" de Moore qui décrit l'évolution exponentielle des capacités informatiques, d'une part, et le paradoxe de Moravec, d'autre part. Ce paradoxe décrit la division du travail entre machines numériques et humains. Au territoire de l'intelligence artificielle (NLP, machine learning) et de la robotique revient l'automation irrésistible des tâches routinières, avec la délocalisation et le chômage qui s'en suivent, souvent. Au territoire de l'intelligence naturelle et de l'habileté manuelle, revient l'imparfaite voire impossible automation de tâches ordinaires (telles la reconnaissance des visages, la traduction, l'invention, la création). L'ordinateur ne fait qu'obéir à des règles (algorithmes) ; là où il n'y a pas de règle, règnent l'intuition et l'improvisation, le bricolage et la culture (on arrive à l'inconnu par le dérèglement, disait Rimbaud).

La célébration de l'âge numérique et de ses "brillantes technologies", qui participe du marketing de ses produits (discours d'accompagnement), s'appuie sur les habituels lieux communs : gain de temps pour choisir un restaurant, comparer des produits, nombre de photos publiées, etc. Peu convaincant : à quoi bon tant d'images, le choix d'un restaurant est-il un enjeu économique primordial ? La voiture qui se conduit toute seule est-elle supérieure à un réseau ferroviaire à grande vitesse (sauf pour les lobbies du pétrole et de l'automobile) ? On mentionne la commande vocale, Siri : vous pouvez obtenir les scores d'une équipe de foot, réserver une table, demander les programmes de la télé.
Les auteurs privilégient les bons côtés du changement technologique numérique : peut-on s'émerveiller devant les smartphones sans voir les conditions de travail de ceux qui les produisent ? Le changement social, dont le changement technologique pourrait être un moyen, ne serait-ce pas d'abord améliorer la manière de gagner sa vie ? Sinon, ne nous étonnons plus des résistances au changement.
Comme dans beaucoup d'essais écrits par des universitaires n'ayant jamais travaillé en entreprise, la réflexion s'avère quelque peu ethnocentrique. Nos auteurs, dirait Rimbaud, encore, "roulent dans la bonne ornière".

Pour analyser les changements technologiques, il faudrait être a priori en colère contre l'air numérique du temps, et, moins satisfaits, regarder de près l'impact de chacune de ces technologies. Parfois, les gains directs sont indéniables (commodité de communication, de documentation, productivité du travail intellectuel, dématérialisation, extension des capacité humaines, etc.) ; en revanche, les impacts sur les modes de vie sont trop rarement évoqués et encore moins évalués. La déshumanisation des services, la dégradation de l'environnement quotidien (urbanisme, transports), la généralisation de la publicité comme moyen de paiement de produits et services à bon marché (dits gratuits), l'efficacité inquiétante des contrôles sociaux (fichage de la vie privée).
Ce livre parle du monde saisi essentiellement à partir d'autres livres et d'articles écrits par des pairs : il manque d'enquêtes de terrain, et, surtout, semble par trop omettre ceux que concerne la "misère du monde" numérique (manutentionnaires chez Amazon, livreurs en tout genre, ouvriers de Foxconn, etc.). Voyons aussi le monde numérique avec les yeux des perdants : la Silicon Valley où il est bon ton de se rendre en pèlerinage n'est peut-être pas un modèle de société (cf. Joel Kotkin, "Silicon Valley is no Model for America").

Les auteurs soulignent que le changement technique demande une force de travail dotée d'une meilleure formation scientifique et technique. Certes ; ceci renvoie à la sociologie de l'accès à ces études, de l'intérêt pour ces études. Sans une éducation publique luxueuse (donc scientifique et technique) pour tous, ceci n'est qu'héritage ; et les MOOC ne feront sans doute que renforcer les privilèges.

Journalisme littéraire : Joan Didion

• Joan Didion, Slouching Towards Bethlehem. Essays, FSG Classics, 1956, 238 p.

• Joan Didion, We Tell Ourselves Stories In Order To Live, Collected Nonfiction, Every Man's Library. Alfred A. Knopf, 2006, 1122 p., Chronology, avec une superbe Introduction de John Leonard.

Californienne de souche, née à Sacramento en 1934, Joan Didion commnce une carrière de journaliste au magazine Vogue (1956). Son premier ouvrage, qui regroupe des essais de journalisme littéraire ("non-fiction"), est publié en 1968 : Slouching Towards Bethlehem, d'après le titre d'un essai très sceptique sur la vie des hippies à San Francisco (Haight-Ashbury district). Genre hybride ?
Les thèmes abordés par l'oeuvre de Joan Didion sont divers mais ils possèdent une unité de style littéraire et philosophique, faite d'apparent détachement, d'émotion sans les mots galvaudés de l'émotion. Jamais sentimentales, presque ethnographiques, ses analyses semblent être l'effet d'un regard anthropologique sur les Etats-Unis. Beaucoup d'observations subtiles jamais ennuyeuses, orientent un regard tour à tour proche et éloigné - macro-micro - à la Lévi-Strauss. Son métier, son talent en matière de journalisme, c'est aussi sa discrétion : "My only advantage as a reporter is that I am so physically small, so temperamentally unobtrusive, and so neurotically inarticulate that people tend to forget that my presence runs counter to their best interests". La complaisance n'est pas son genre moral.

Presque tous les sujets traités le sont à son initiative ("my idea"); ils ont été publiés d'abord par des revues et des magazines de toutes sortes (The New York Review of Books, The New Yorker, New West, The New York Times Magazine, The Amercain Scholar, Vogue, The Saturday Evening Post, Travel & Leisure, Esquire, mais elle se les approprie ("Whatever I do write reflects, sometimes gratuitously, how I feel") puis, de cette diversité de "choses vues" de très près, à l'air parfois hétéroclite, surgit une vision, un point de vue lucide sur la transformation des Etats-Unis et de leur culture. Joan Didion prend son sujet par tous les bouts : l'importance des centres commerciaux (mall culture), les hippies, El Salvador, Cuba, Bogota, l'oligarchie politicienne, ses journalistes et ses consultants... Hollywood, John Wayne, Los Angeles et la Californie, Miami et la Floride.
Les médias installés en prennent pour leur grade, jusqu'au Wahsington Post (elle ne décèle pas la moindre activité cérébrale dans les textes de B. Woodward, l'un des journalistes de l'histoire du Watergate !). Complices des pouvoirs, "media poisoners", disaient les hippies.

Dans "Political fictions", Joan Didion décrit, mieux que les spécialistes auto-proclammés de la science politique, l'hégémonie de la politique politicienne, des politiciens professionnels qui ont confisqué la démocratie américaine pour en faire leur business. Elle stigmatise l'usage électoral des médias, pointant, derrière d'apparentes oppositions, un consensus intéressé sur les limites du dissensus entre partis politiques alternant au pouvoir. Conclusion : "le plus grand des partis est celui de ceux qui ne voient pas de raison de voter".

Tous ces petits écrits font de très grands livres.
Lus trop vite, les essais de Joan Didion ont été souvent mal compris ; il faut les lire en gardant présente à l'esprit leur idée dominante : la décomposition du monde social, son désordre ("the evidence of atomization, the proof that hings fall apart"), son entropie (Levi-Strauss disait qu'anthropologie devrait s'écrire entropologie) ; on peut les lire avec profit en songeant que l'économie numérique porte l'atomisation sociale à l'incandescence. Cf. Katherine Losse à propos de Facebook. A confronter aussi à la lecture de la Californie par Jean-Michel Maulpoix.
Cette oeuvre journalistique est aussi, en marge, une réflexion sur le journalisme littéraire, genre confus (cf. "Literary Journalism. What it is. What it is not", in Commentary, July-August 2012). Bien sûr, il y a la qualité de l'écriture, "littéraire", mais aussi la puissance d'une approche à la première personne, ("the implacable I"), à la Montaigne ; Joan Didion est elle-même la matière de ses livres et de ses articles. A sa façon, elle aussi peint le passage. Et puis, parce qu'il est littéraire, ce journalisme là n'est pas près d'être produit par des robots avec des algorithmes et des données (cf. Narrative Science).
.

Influence et contagion, pour améliorer le filtrage collaboratif

.
"Wisdom of the Crowd: Incorporating Social Influence in Recommendation Models", Shang Shang, Pan Hui, Sanjeev R. Kulkarni, and Paul W. Cuff, August 3, 2012

Cet article porte sur l'enrichissement des techniques de recommandation personnalisées par la prise en compte des réseaux sociaux.
Les recommendations personnelles telles que les mettent en oeuvre des entreprises de e-commerce comme Amazon, Netflix entre autres (pour les livres, les films, la musique, les applis, etc.), reposent sur un modèle de filtrage collaboratif. Modèle conservateur : il est basé sur l'inertie postulée des comportements et des décisions d'achats passés pour suggérer des choix homologues (cohérents, etc.) pour l'avenir. Un tel modèle est a-social : il considère que les individus sont autonomes, indépendants. De plus, il est handicapé par la question, difficile, des débuts : car,au début, il n'y a pas de données (cold start) et la recommandation est erratique et peut dissuader l'acheteur. Evacuées également  les manipulations par injection de profils et de choix biaisés pour fausser volontairement le fonctionnement du modèle pour désavantager ou avantager artificiellement un produit (shilling attacks).

Au modèle classique du filtrage collaboratif, les auteurs de cet article proposent d'associer des modèles mathématiques basés sur la contagion sociale et l'influence des réseaux sociaux (network theory), pour les individus mais aussi pour les groupes. Tout choix individuel étant surdéterminé par le contexte de réseau social, les auteurs réinsèrent la décision d'achat dans un environnement social structuré ("No man is an island", comme dit le poète). Le modèle final est plus réaliste, mieux adapté à un monde de décisions où les réseaux sociaux donnent une nouvelle ampleur et une nouvelle pérennité à la contagion et à l'influence.

De Patrick Modiano à Emile Zola, Timeline et Open Graph

.
Peut-on lire, relire, Rue des Boutiques Obscures de Patrick Modiano (1978) comme si l'on y démêlait les trames d'un réseau social ? Peut-on formaliser les liens, les noeuds entre les personnages, désembrouiller leurs vies, les "eaux mêlées" ?
Le roman apparaît comme celui d'un espace hodologique tissé de rues, de chambres, de carrefours, de cafés et de bars dans lequel se déplace un narrateur infatigable. Facebook aujourd'hui l'organiserait en Open Graph.
L'enquête semble aussi une quête de soi, une lutte contre l'oubli. Le lecteur est comme dans un jeu vidéo avec ses soluces et des informateurs tels des "amis", personnages non-joueurs (non-playing character, NPC), pions de ce vaste échiquier qui distillent des pistes, donnent des indices. Les annuaires aussi, ces génies tutélaires du narrateur, trônant sur leurs étagères, distribuent des informations tout comme les services de renseignements et les administrations dont les fiches peuvent devenir criminelles. Toute la mémoire du Web dans quelques années.

"Itinéraires qui se croisent, parmi ceux que suivent des milliers et des milliers de gens à travers Paris, comme mille et mille petites boules d'un gigantesque billiard électrique, qui se cognent parfois l'une à l'autre", écrit Patrick Modiano. On dirait la vie d'un réseau social, sa combinatoire observée de l'extérieur, avec l'impression de circuler dans des ruines et d'y chercher des traces.
Les romans de Patrick Modiano se lisent comme des timelines parcourues à rebours par un narrateur détective. Dora Bruder, par exemple : Patrick Modiano y rapproche le chemin suivi par son héroïne en fuite de celui emprunté, dans Paris, par Jean Valjean et Cosette, traqués par Javert (Les Misérables). Homologie de structures, concordance des temps.

La littérature en dit plus long, décidément, et mieux, parfois, que certains savants travaux. Le romancier est sans le savoir énonciateur d'algorithmes sociaux (cf. L'homme des foules). Ainsi, Emile Zola déclare-t-il, dans la Préface de La Fortune des Rougons, vouloir trouver et suivre "le fil qui conduit mathématiquement d'un homme à un autre homme" (1871). "Et quand je tiendrai tous les fils, quand j'aurai entre les mains tout un groupe social, je ferai voir ce groupe à l'œuvre comme acteur d'une époque historique, je le créerai agissant dans la complexité de ses efforts, j'analyserai à la fois la somme de volonté de chacun de ses membres et la poussée générale de l'ensemble".

.

L'homme de la foule, c'est l'homme du Web

.
Edgar Allan Poe, L'hommes des foules, suivi d'un essai de Jean-François Mattei, "Edgar Poe ou le regard vide", Edition Manucius, 2011, 96 p., bibliogr.

Edgar Allan Poe a publié ce conte ("a tale") en 1840. "The Man of the Crowd" est inclus, lors des publications ultérieures, dans les "Mysteries".  L'histoire est simple : le narrateur, dans un café, parcourant un journal, fumant un cigare, observant la rue, se laisse aller à une analyse spontanée des individus de la foule, classant et distinguant les passants selon leurs apparences (vêtements, hexis corporelle, etc.)... Intrigué par un passant qui lui semble inclassable, il le suit dans les rues. Discrète filature. Cet homme, qu'il suit des heures durant, ne fait rien que se noyer dans la foule, parcourant Londres de quartier en quartier à la recherche de foules successives, selon les moments de la journée, foule des magasins et du marché, foule des sorties de bureau, foule du divertissement nocturne... Cet homme passe son temps à rechercher furieusement la foule, comme s'il ne pouvait respirer que dans un bain de foule. Rien d'autre ne se passe.

Edgar Allan Poe termine le conte comme il l'a commencé, empruntant la clé du mystère à une expression allemande pour qualifier un livre : "il ne se laisse pas lire" ("es lässt sich nicht lesen"). L'homme de la foule est comme un gros livre rébarbatif, il ne se laisse pas lire : "peut-être est-ce une grande miséricorde de Dieu" que cette illisibilité (ce sont des mots du "Miserere") de l'homme caché dans la foule, Dieu seul voit ses péchés.
Le narrateur échoue donc dans son enquête ; tout attentif à observer, il ne comprend pas. Aucun signe visible ne l'aide à lire le coeur de cet homme. L'homme de la foule lui échappe. Inutile de continuer à le suivre, il n'apprendra rien de plus qui lui permette de s'identifier à l'inconnu, étranger définitif. "It will be in vain to follow; for I shall learn no more of him, nor of his deeds". Vanité du spectateur, impossibilité de comprendre un tel homme en le suivant, en le regardant (passer), malgré toute l'acuité d'un regard entraîné. On sait tout de lui, tous ses trajets mais pourtant, rien ne le révèle.

Un homme n'est-il compréhensible que comme atome d'une foule, gibier statistique ? Cet "homme de la foule" n'est-ce pas aujourd'hui l'homme des médias numériques ? Celui qui sans cesse se dissout dans des foules virtuelles, se repaissant de la foule de ses "amis" en ligne, sans cesse spamé, "pressé" (crowded, foulé) de déclarer qu'il aime ou n'aime pas, de suivre, de voter, sommé d'être à la mode, au courant... Foules innombrables d'internautes où les algorithmes vont pêcher un savoir : crowd sourcing.
"Que peut-on savoir d'un homme aujourd'hui ?" demandait Sartre à l'entrée de son Flaubert (L'idiot de la famille), question à reprendre à propos des outils du Web. Question au coeur de tout ciblage comportemental. Que peut-on apprendre d'un homme dans une foule d'internautes ? Tout, comme le prétendent Google ou Facebook (Open Graph), ou rien d'important ? "Il n'est pas donné à chacun de prendre un bain de multitude : jouir de la foule est un art" dira Baudelaire, "Les foules", Le spleen de Paris.
.