À emporter:
Kate Crawford, chercheuse principale chez Microsoft Research, soutient que, si le big data est essentiel pour de nombreuses applications métier, il existe plus d’une façon d’interpréter de nombreux résultats.
Une présentation fascinante de Kate Crawford, chercheuse principale à Microsoft Research, lors de la conférence Strata 2013, examine de plus près le big data et ce que cela signifie, explorant certaines de ce que Crawford appelle "des illusions algorithmiques" et les limites des solutions de données à grande échelle. qui sont adoptés dans de nombreuses régions du monde des affaires.S'appuyant sur une analogie fondamentale avec une illusion d'optique impliquant un chat en train de tourner, Crawford soutient que, si le big data est essentiel pour de nombreuses applications métier, il existe plus d'une façon d'interpréter de nombreux résultats d'ensembles de données qui peuvent sembler objectifs aux décideurs humains. .
"Les choses peuvent être vues différemment", a déclaré Crawford, citant un article dans lequel elle et son co-auteur, David Boyd, réfléchissaient sur certains principes majeurs de l'utilisation du Big Data, y compris ce qu'il appelle "la mythologie" ou la conviction que le Big Data apporte une vérité absolue. et objectivisme à un projet. Les dirigeants, a-t-elle dit, associent souvent directement le Big Data à une vue objective, tout en ignorant ce qu'elle a appelé les trois limitations ou considérations fondamentales qui peuvent affecter cette objectivité de manière clé: biais, signal et échelle.
Crawford commence par des biais d'inondations en Australie et aux États-Unis pour montrer que les mégadonnées ne correspondent pas toujours à la réalité de la rue. Elle relie le deuxième principe, signal, illustrant davantage la manière dont les ensembles de données peuvent refléter des réalités cachées pouvant fausser considérablement les résultats. À titre d'exemple, Crawford a cité les multiples types de cartes du monde qui ont été développées dans le but de montrer une vue objective de la taille relative des continents et des nations.
"Les cartes ne sont pas neutres", a déclaré Crawford. "Nous faisons des choix chaque fois que nous décidons de représenter nos données."
Pour illustrer davantage ce principe, Crawford utilise l'exemple d'une application qui signale des problèmes de nids-de-poule à Boston aux responsables de la ville, suggérant que ce type d'applications fonctionnant sur les smartphones et les appareils mobiles peut donner l'impression que les rapports globaux ressemblent beaucoup à des cartes de recensement indiquant l'âge relatif. et le revenu dans une ville ou une municipalité.
"Nous risquons d'enraciner davantage certains types d'inégalités sociales", a déclaré Crawford, soulignant les personnes susceptibles d'être exclues d'un ensemble de données volumineuses en raison de différences dans l'utilisation de la technologie.
"Que se passe-t-il si vous vivez à l'ombre des ensembles de données volumineuses?" elle a dit.
En outre, Crawford a également évoqué des recherches menées il y a plusieurs années, qui se demandaient si les informations de haut niveau représentaient toujours des données plus granulaires et si un "panorama objectif" fonctionnait toujours comme une représentation plus précise que les données à plus petite échelle. Crawford demande également aux auditeurs de penser non seulement au Big Data, mais également à la "donnée en profondeur". Elle entend par là des données qui guident réellement les lecteurs vers une réalité objective, plutôt que de masquer les détails avec une approche plus globale qui, bien que plus facile à comprendre, peut laisser de côté des éléments clés de ce qui existe réellement.