Le miroir aux algorithmes. La face cachée d’Excel en recherche et en enseignement

Tous les logiciels évoqués dans ce billet sont des freewares. Merci à M. pour son aimable autorisation à citer son travail.
Ce billet est dédié à mon père, le premier informaticien qui m’a appris à placer ma foi en l’humain derrière le clavier bien plus qu’en l’ordinateur

Peut-être faut-il confesser d’emblée ma condition de littéraire. Je n’ai jamais détesté les mathématiques, que j’ai enseignées avec plaisir plusieurs années – mais je ne leur voue pas plus un culte. Il en va de même pour les outils du numérique ; ils sont inestimables pour faciliter la tâche au chercheur (lorsque la quantité de données à traiter est trop grande, notamment), mais je suis de ceux qui croient qu’ils ne sauraient se substituer à lui. Les typologisateurs automatiques et Google Translate version hiéroglyphes n’auront jamais beaucoup d’attrait pour moi.

Quand il m’arrive d’initier à la maîtrise des outils informatiques, c’est cette philosophie que j’essaie d’adopter dans la création des cours : voir les calculs, les lignes de commande et les équations comme des outils au service d’un but d’une autre nature – des humanités – bien plus que comme une fin en soi, un gadget à la mode, un passage obligé ou une garantie automatique de rigueur scientifique qui dispenserait de vérifications humaines.

Introduction : Faire programmer, juste parce que c’est au programme ?

Le fait que des bases de programmation soient désormais, depuis quelques années, au programme de l’enseignement de collège ne me paraît pas être une mauvaise chose. Certes, la majorité des gens peuvent encore se passer de cette compétence dans leur vie quotidienne et professionnelle. Mais bien sûr, sera-ce encore le cas dans vingt ans ? Il ne paraît pas absurde de supposer que la nécessité de disposer au moins de bases de langage de programmation augmentera pour la génération actuellement à l’école primaire ou en collège. Mais, au-delà de ces considérations se projetant dans le futur, je considère également pour ma part qu’en réalité, l’intérêt de l’initiation à la programmation peut même se comprendre indépendamment de tout besoin de maîtrise informatique, quelque paradoxal que cela puisse paraître. En fait, il peut aussi s’agir – tout comme pour l’enseignement des mathématiques de manière générale, face à la sempiternelle rengaine “à quoi ça va nous servir plus tard” – d’entraîner à une forme de raisonnement logique et rigoureux, où les conditions et les conséquences s’enchaînent et s’imbriquent avec une rigueur mécanique.

Dans le collège alternatif où j’enseignais les mathématiques en classe unique à des adolescents en décrochage scolaire, j’avais pris le pari (à l’époque où la programmation n’avait pas encore fait son entrée dans les programmes officiels) d’axer l’apprentissage sur cette hiérarchie de conditions et d’événements soumis à une fréquence spécifique, plutôt que sur l’apprentissage d’un langage de programmation spécifique. Le meilleur point d’entrée m’avait paru l’univers du jeu vidéo, pour une séance plus ludique proposée en fin de séquence. L’activité est ainsi couplée à des questions sur les probabilités, pour l’enseignement desquelles il existe d’ailleurs d’excellentes ressources ailleurs sur le net (par exemple ici).

Le menu “EVENEMENTS” de RPG Maker (capture d’écran d’après tutoriel Youtube)

L’outil employé pour ne pas nécessairement avoir à employer de véritables lignes de commande, mais une interface plus “user-friendly”, est l’excellent petit logiciel RPG Maker. A partir de cette plateforme, la classe réalise divers “challenges” qui sollicitent à la fois leur familiarité avec les mécaniques du game design et les connaissances sur le calcul de probabilités acquises pendant la séquence, en même temps qu’ils représentent une porte ouverte à la créativité de qui souhaiterait s’investir plus personnellement dans le début de jeu qu’il lui est proposé d’apprendre à créer.

Si j’évoque dans cette introduction cette expérience d’enseignement par le jeu (littéralement !, et même par la création de jeu), bien loin des éléments plus rébarbatifs et rigoureux dont il est question dans la suite du billet, c’est parce que, à mon sens, de la 6ème au master, l’initiation aux outils informatiques n’a de sens que si elle suit une règle majeure : loin de n’être que coquetterie futuriste ou pari politique sur les compétences de demain, elle ne doit pas rester une connaissance scolaire. Chacune des compétences abordées doit faire l’objet tout à la fois d’une compréhension des applications directes et des objectifs possibles grâce à ces outils (on s’en sert pour faire des choses pour lesquelles ils sont adaptés, et non parce que l’on nous demande de s’en servir) et de l’acquisition d’un certain esprit critique face à leurs éventuels mésusages, ce qui représente le dernier stade de la maîtrise.

Visualisation de données : enseigner à construire et à déconstruire

Une forme de pensée magique gouverne parfois, dans la recherche, le recours aux outils informatiques. Certes, les statisticiens ont développé de nombreux outils destinés à assurer la fiabilité et la significativité de leurs résultats, sous la forme d’algorithmes si peu accessibles au commun des mortels que la plupart de ceux qui utilisent ces méthodes sans en être spécialistes se contentent d’appliquer la formule et d’en répercuter le résultat dans nos publications. Pourtant, ce faisant, nous semblons oublier que nos résultats, surtout en sciences humaines, sont eux-mêmes construits : là où l’on a tracé un seuil, défini une catégorie, employé dans un questionnaire tel ou tel vocable spécifique, des biais et des fluctuations se sont introduits. Les données sont tout sauf données, elles sont une création artificielle, particulièrement en sciences humaines où le comportement irréductiblement libre et imprévisible d’êtres humains doit être réduit à une série de variables comparables et en nombre fini.

Il me semble que c’est là la leçon principale que doit transmettre un cours orienté sur l’usage des outils numériques d’analyse et de visualisation : éduquer, plus encore qu’à l’application de formules souvent vécues comme des garanties automatiques de la valeur de l’analyse, au regard critique sur ce que celles-ci nous montrent – et, face à notre propre travail, à en évaluer constamment la validité à la fois par la mise en œuvre des outils adéquats et par un constant contrôle réflexif et visuel de la plausibilité des résultats obtenus.

C’est pourquoi je considère que la leçon la plus importante à transmettre aux étudiants comme à appliquer dans ma propre pratique de la recherche est de se tenir éloigné des analyses trop abstraites ou ésotériques, en se demandant, avant de produire une visualisation graphique, ce que l’on cherche à démontrer, ou au moins à quelle question l’on souhaite répondre. Ainsi de l’exemple suivant, tiré d’un ouvrage consacré aux vases décorés du Chalcolithique égyptien (Graff 2002), que je donne à commenter aux étudiants de master suivant le cours d’informatique pour histoire et lettres classiques. Nous remarquons ensemble que plusieurs des conventions graphiques sont confuses (que représentent les différents niveaux de gris, ou l’usage des parenthèses ?), de même que la dénomination choisie pour l’axe des abscisses, qui ne permet pas de visualiser pleinement quelle est la donnée projetée ici. Pourquoi les seuils ont-ils été déterminés à 1, 2, et “plus de deux” ? Pourquoi mettre en regard le rapport entre les deux chiffres, si abstrait, et le nombre d’éléments, ce qui n’apporte rien de nouveau pour l’analyse, plutôt que la moyenne du nombre d’attestations par exemple, confrontée au nombre total d’éléments différents présents sur un même vase ? Et même du point de vue de la structuration de la donnée primaire, que l’on “donne à manger” à l’ordinateur, quelle est ici la raison présidant au découpage des catégories, ici les “éléments”, et qu’est-ce qui sépare par exemple les montagnes-G1 des montagnes-G2 placées dans une autre catégorie ?

Graphique tiré de (Graff 2009, p. 92) et commenté par les étudiants de master de l’UT2J

Un autre exemple, issu du même ouvrage, offre l’occasion de s’interroger sur un autre biais, sous le vernis d’objectivité fourni par l’utilisation des méthodes statistiques : quelles données a-t-on choisi de confronter et comment les a-t-on catégorisées ? L’auteure fournit ainsi un graphe produit par Analyse Factorielle des Correspondances (désigné par erreur comme “analyse factorielle des comparaisons” p. 97 et passim), une méthode qui a fait ses preuves et permet de repérer des corrélations sur un corpus large difficilement étudiable par l’être humain. Mais le fait que les compositions étudiées aient été présélectionnées pour correspondre à la catégorie, définie a priori, des “scènes rituelles”, fait porter le doute sur la significativité du résultat obtenu. Comme le rappelle le spécialiste de l’art rupestre sud-africain David Lewis-Williams (2006, voir aussi 1984) :

‘Scene descriptions’ included: ‘hunting’, ‘fighting’, ‘domestic activities’, ‘dancing or acrobatics’, ‘ceremonial’, ‘ritual’ and ‘mythical’. In the empiricist research programme, categorization is supposed to take place after unbiased collection of ‘raw’ data (…) but the examples of ‘scene description’ categories I have given show that each image has to be interpreted before it is allocated to a category (…) Where did the categories come from ?

(Lewis-William 2006, p. 361)

Les deux séances du cours d’informatique qui étaient consacrées à la manipulation d’Excel et à la production de statistiques de base s’attelaient donc au double objectif d’apprendre à produire, et d’apprendre à décortiquer, des graphiques – ceux que l’on exploite et ceux que l’on lit chez d’autres. Pour amorcer ce second point, les participants étaient donc invités à examiner avec un œil critique, sans les prendre pour des données brutes, des graphiques dont l’aspect visuel conduisait à introduire des biais dans les résultats présentés, et donc, in fine, dans les interprétations.

Graphique tiré de (Anderson 2006, p. 186, figs. 6.26 et 27) et commenté par les étudiants de master de l’UT2J

Ainsi, les étudiantes du master Sciences de l’Antiquité de l’université Toulouse Jean-Jaurès ont bien remarqué que les graphiques ci-contre (issus de Anderson 2006) présentaient un premier problème, qui n’affecte pas réellement le sens à donner aux éléments présentés mais induit le lecteur en erreur en plus de manquer de cohérence interne : entre la première et la seconde figure (sur une même page !), les couleurs ont été interverties, puisque le bleu qui désignait les espèces domestiques dans le premier histogramme représente désormais les espèces sauvages dans le second.

Mais surtout, on s’aperçoit que les deux graphiques présentent des résultats très contrastés : en effet, en excluant les poissons, et selon que l’on présente la part des espèces sauvages de façon absolue, sur l’ensemble de l’échantillon (graphe 2), ou bien de façon relative à chaque secteur de fouille (graphe 1), l’impression est radicalement différente. L’auteur conclut que le secteur 3 ou “Block 3” assume sans doute une portée rituelle, entre autres sur la foi de cette proportion écrasante de 62 % des restes d’animaux sauvages rassemblés en un même secteur, mais un commentaire plus nuancé encouragerait à ne pas surestimer l’importance des quelques 18 ossements identifiés, en rappelant que, ramené à la totalité du site, ce secteur semble loin de manifester un intérêt privilégié pour les espèces sauvages. Le secteur 3 fait en fait montre d’un très petit ratio de restes d’espèces sauvages même s’il en possède en fait un plus grand nombre numériquement parlant – mais il possède encore plus d’espèces domestiques, puisqu’il s’agit du secteur ayant livré le plus d’ossements animaux de façon générale.

Avant donc de nous atteler à la production de données chiffrées, qui paraissent instantanément plus rigoureuses, et à la construction de visualisations graphiques, qui ont de l’image l’évidence a priori indubitable, c’est d’abord à la déconstruction que je préfère sensibiliser les étudiants.

… Et enseigner à bricoler. De la connaissance au détournement des outils existants

Un autre élément de réflexion sur les visualisations graphiques, et sur leur pouvoir de persuasion parfois à double tranchant, que nous abordons lors de cette séance est l’adaptation de la forme choisie aux données traitées, mais aussi aux problématiques de recherche à explorer, surtout lorsque, là encore, le type de graphique choisi (pure convention graphique) peut finir par induire une interprétation du matériel qui ne provient pas tant de la donnée que de la façon dont elle a été mise en forme. Pour cela, avec des étudiants avancés comme ceux du master Sciences de l’Antiquité, nous réalisons une lecture préalable à la séance que nous discutons ensuite entre nous pour en tirer les leçons. Le texte le plus intéressant que j’aie pour le moment trouvé à leur proposer sur le sujet est un extrait de l’opus magnum de Brent Berlin sur l’étude des catégories animales dans diverses cultures, Ethnobiological classification.

The conventions that one adopts will highlight certain aspects of the data and necessarily deemphasize others (…) It is crucial to recognize how the modes of presentation adopted reflect (and influence) the ways in which one thinks about the data

(Berlin 1992, p. 35)

Dans cet extrait relativement limpide pour un sujet aussi précis et peu connu, l’auteur aborde les problèmes inhérents à la représentation d’une taxonomie hiérarchique comme notre société en a pris l’habitude depuis Linné ou Buffon. Citant lui-même la recherche de Jane et William Bright, Berlin rappelle ainsi que “a hierarchical model, which shows only the relationship of domination (i.e., class inclusion), cannot account adequately for the Indian taxonomies. In a hierarchy, an item either is or is not a member of the class named by the higher node. But there is no way of indicating (…) the situation where a specific term (…) can also be used as a generic term [or] when an item is classified in a certain way because it is ‘like’ another item which is more central to the focus of the domain in question. Therefore, the aboriginal taxonomies (…) can be represented more faithfully by a kind of ‘sphere of influence’ model” (Bright & Bright 1965). Un autre problème encore est celui des éléments considérés comme à cheval entre deux catégories, à l’image, même pour nos zoologistes modernes, de la chauve-souris ou de l’ornithorynque.

Le constat émergeant de cette lecture, et de la comparaison entre les inférences mentales créées par le modèle de l’arbre phylogénétique face à celles créées par un diagramme de Venn (en cercles partiellement sécants), d’un point de vue pédagogique, devient donc que la forme choisie pour un graphique n’est pas seulement importante pour la lisibilité, elle l’est également pour aboutir à une interprétation valable et pour ne pas déformer les données collectées. Il est donc nécessaire de se familiariser avec un maximum de types de représentations graphiques différents, dans un premier temps, en appréhendant bien ce qu’elles permettent de faire ou non, et les biais éventuels qu’elles risquent d’induire. C’est pourquoi nous passons ensuite à un brainstorming de classification des diagrammes proposés par Excel, en fonction du nombre de dimensions qu’ils permettent de représenter et de s’ils sont plus appropriés à des données quantitatives ou qualitatives, ce qui nous permet aussi d’effectuer un rappel sur ces divers concepts au cas où les définitions n’en seraient pas acquises.

En sus cependant de ces graphes de base, qui sont d’ailleurs pour beaucoup déjà connus des étudiants qui les ont rencontrés lors de leur formation en mathématiques (à l’exception des moins courants : graphique en triangle, en étoile, en “bulles”, rose des vents…), nous expérimentons aussi avec divers autres outils de visualisation permis par des logiciels autres qu’Excel, comme les nuages de mots, qui ont fait l’objet de récentes récupérations et adaptations aux enjeux de la recherche, notamment d’ailleurs dans le cadre de productions académiquement moins strictes comme les carnets Hypothèses (e.g. Besson 2015).

J’encourage aussi les étudiants à s’approprier les diagrammes basiques qui leur sont proposés en les retravaillant selon leurs propres enjeux et ce qu’ils cherchent à démontrer par cette image, en réfléchissant notamment à la nature des figurés et à l’expressivité des couleurs utilisées. Une séance préalable étant consacrée à la cartographie à travers la génération de cartes de base avec GoogleMaps puis leur reprise des cartes sous Inkscape pour un meilleur rendu esthétique, les compétences de travail graphique sont normalement déjà en partie acquises. Puisque, au moment où je donnais ce cours, j’étais moi-même occupée à finaliser ma thèse, une partie des idées proposées pour personnaliser les graphiques moulinés par Excel était directement tirée de mes propres réflexions, comme par exemple cette figure où, pour une lisibilité maximale, les barres figurant la fréquence de décoration de tel ou tel animal par tel ou tel motif dans la peinture chalcolithique égyptienne ont été eux-mêmes remplis avec les motifs étudiés. On visualise ainsi d’un seul coup d’oeil les motifs les plus fréquents pour chaque espèce animale, et le commentaire s’appuie ainsi sur une illustration claire qui pourrait même se substituer au discours.

Enfin, les outils du numérique n’étant que des outils, ils sont soumis comme tout autre artefact humain (et c’est une pratique que j’essaie d’encourager autant que je le peux dans les cours) au bricolage, à un usage ad hoc et opportuniste qui ne correspond pas à leur destination première. Inventer, contourner un problème en employant un outil originellement non pensé pour cela, c’est précisément faire la preuve de sa maîtrise totale de l’outil, de ses affordances et de ses limites, autant que de sa capacité d’adaptation, essentielle et décisive dans le monde de la recherche.

Détournement et adaptation étaient tout spécialement le mot d’ordre dans le cadre de ce cours fréquenté par des étudiantes spécialistes d’histoire et de lettres classiques, dans l’ensemble peu versées dans le numérique ni intéressées par ce domaine hors pure nécessité pratique. Le choix des logiciels a donc été fait directement pour refléter ce type de besoin : un investissement en temps minimal et variété maximale d’usages et d’analyses afin d’ouvrir autant de possibilités que le temps le permettait pour des masterants en première année, découvrant leur sujet et les enjeux de la recherche.

Ainsi, par manque de temps pour enseigner des notions statistiques complexes qui auraient demandé un semestre entier, j’ai proposé aux étudiants qui le souhaitaient d’aborder les fameuses analyses de corrélation non pas sous le prisme jargonnant des algorithmes mathématiques, mais à travers l’usage détourné d’un logiciel normalement prévu pour réaliser des analyses de réseau, l’excellent freeware Gephi, pas très intuitif au premier regard mais très rapide à prendre en main. Il s’agissait là d’une adaptation directe d’un pari proposé dans ma propre recherche, où les motifs figuratifs associés au sein d’une même image étaient traités comme autant d’acteurs d’un réseau de sociabilité. Il en résulte une image où l’épaisseur des liens entre les divers éléments figure la fréquence relative de leur combinaison, et qui me paraît bien plus accessible que celle citée au début de ce billet.

Privilégier Google Earth, plus intuitif et moins complexe à appréhender, plutôt qu’un vrai SIG pour l’usage basique qui allait être le leur, participait du même impératif. De même, une étudiante au départ très inquiète de ses propres compétences qu’elle estimait limitées en informatique, ne se sentant pas suffisamment à l’aise avec les outils plus poussés d’analyse de corpus qui leur avaient été présentés dans le cadre de ce cours, a proposé une réflexion lexicographique sous une forme différente, en détournant le logiciel de carte mentale qu’ils avaient appris à manier lors d’une autre séance (et que l’on peut aussi employer de façon collaborative). Celui-ci lui semblait certainement moins abstrait que les lignes de code, fussent-elles assistées par un générateur de requêtes SQL, de Catma ; même si celui-ci permet sans conteste des analyses de texte plus poussées, la capacité à se saisir des outils que l’on maîtrise pour les adapter à ses propres besoins paraît, finalement, être l’une des compétences fondamentales que l’enseignement en master doit chercher à susciter et encourager.

Conclusion : Les outils numériques, moyen et non fin en soi

A l’heure d’aujourd’hui, qu’il s’agisse des compétences de base du fameux “socle commun” ou des besoins de la recherche, enseigner les outils du numérique n’est plus une option, mais bien une nécessité. Pour autant, ceux-ci sont souvent pris comme argent comptant, notamment les outils statistiques, comme s’ils garantissaient en eux-mêmes l’objectivité qui ferait défaut aux sciences sociales. Au contraire, ils sont éminemment construits, parce qu’ils ne sont que des outils – des outils faillibles, soumis à la qualité et à la mise en forme des données qu’on leur donne et des consignes qu’on leur applique, comme le marteau ne saurait être tenu pour responsable du clou tordu ou du fait qu’il est inutile face à une vis. Mais aussi des outils malléables, ouverts à la créativité de qui décide de s’en saisir voire de les détourner de leur usage premier. In fine, comme en mathématiques, l’humain ne peut se cacher indéfiniment derrière la loi des chiffres : il est présent dans le choix des données, dans le résultat obtenu et son interprétation, et même dans le choix de l’outil mis en œuvre. Se persuader du contraire, surtout en sciences humaines, c’est se laisser berner par le miroir aux algorithmes.

Photo de couverture par Anthony Shkraba de Pexels

Matériel clés en mains

Activité “Probabilités et Programmation de Jeu vidéo” – Milieu/Fin de collège

      
     Fiche activité
RPG Maker & Probabilités

Séance “Choisir une visualisation graphique adaptée à son propos” – Informatique Master 1

                
 Lecture préliminaire        Powerpoint
 Brent Berlin (2006)         de séance

Références

ANDERSON David A. (2006), Power and Competition in the Upper Egyptian Predynastic. A view from the Predynastic settlement at el-Mahâsna, Egypt, thèse de doctorat, Université de Pittsburgh.

BESSON Florian (2015), “Nuages de mots, courbes d’histoire, cartes interactives : une réflexion sur de nouveaux outils”, Le Carnet du CRFJ (Centre de Recherche Français à Jérusalem), http://crfj.hypotheses.org

BERLIN Brent (1992), “The changing conventions of data presentation as a reflection on changing theory in ethnobiological classification”, in Ethnobiological Classification. Principles of categorization of plants and animals in traditional societies, Princeton, Princeton University Press.

BRIGHT Jane O. & BRIGHT William (1965), “Semantic Structures in Northwestern California and the Sapir-Wolf Hypothesis”, American Anthropology, no. 67, p. 249-258.

GRAFF Gwenola (2009), Les peintures sur vases de Nagada I – Nagada II. Nouvelle approche sémiologique de l’iconographie prédynastique, Louvain-la-Neuve, Presses Universitaires de Louvain.

LEWIS-WILLIAMS David (1984), “The empiricist impasse in Southern African Rock Art Studies”, The South African Archaeological Bulletin, vol. 39, p. 58-66.

LEWIS-WILLIAMS David (2006), “The evolution of theory, method and technique in Southern African Rock Art Research”, Journal of Archaeological Method and Theory, vol. 13, no. 4, p. 343-377.


OpenEdition vous propose de citer ce billet de la manière suivante :
Axelle Brémont (30 septembre 2021). Le miroir aux algorithmes. La face cachée d’Excel en recherche et en enseignement. L'amphi inversé et autres excentricités pédagogiques. Consulté le 12 juillet 2024 à l’adresse https://doi.org/10.58079/b45v


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.