Croissance économique, classements des lycées et des universités, publicités sur le Web : de plus en plus, nos actions sont mises en chiffres, en équations, pour aiguiller ou prédire nos comportements. Les big data, ces abondantes traces numériques que nous produisons constamment, nous permettront-elles de créer une nouvelle science de la société, aussi « performante » que les sciences de la nature ? Je me suis appuyé sur ma double pratique de la physique et des sciences sociales pour décortiquer de nombreux cas concrets de quantification de nos activités, en les comparant aux mathématisations réussies de la physique.

Depuis quelques années, on observe de nombreuses tentatives de physiciens, informaticiens et ingénieurs qui, armés de leurs outils mathématiques, cherchent à créer une nouvelle science de la société en utilisant la nouvelle avalanche de données sociales. Pour juger de l’intérêt de ces approches, il faut d’abord comprendre d’où vient la légitimité des sciences de la nature.

Dompter le tigre

Depuis longtemps, les historiens, sociologues et philosophes ont montré que les sciences naturelles construisent, selon l’heureuse expression d’Alain Desrosières, des choses qui « tiennent », au triple sens de : « qui sont solides » face aux objections des collègues, qui « tiennent entre elles » en construisant des savoirs cohérents et « qui tiennent les hommes », en permettant leur accord. Ainsi, les climatologues ont réussi à créer une véritable Terre virtuelle, reproduisant son atmosphère complexe de manière assez réaliste pour permettre des prédictions qui tiennent face aux puissants intérêts contraires.

L’analyse détaillée des pratiques des chercheurs – l’étude par Galilée de la chute des corps, ou la lente « découverte » des atomes – a permis de comprendre qu’il faut transformer la réalité dans les laboratoires pour créer des « îlots de stabilité », reproductibles par les collègues, pour rendre les mathématiques pertinentes. En quelque sorte, les scientifiques doivent « apprivoiser » la réalité, comme les dompteurs doivent transformer un tigre sauvage bondissant dans la forêt en un tigre captif, qui n’effectuera que quelques sauts sur la multitude possible de ceux du tigre sauvage, mais de manière reproductible.

Cette image rend hommage à l’inventivité́ du travail des chercheurs, qui ne se contentent pas de « découvrir » l’agencement du monde. Elle permet également de restituer à la fois la continuité́ et l’altérité entre le monde ainsi que les résultats scientifiques. Continuité, car c’est bien le tigre qui saute dans sa cage, et non un être inventé qu’on pourrait manipuler à loisir – les faits scientifiques ne peuvent être réduits à des constructions sociales où la nature ne jouerait aucun rôle. Altérité, car on ne fera jamais sauter un tigre sauvage sous les lumières d’un cirque… On pourra toujours affirmer qu’il était dans la nature du tigre de se laisser dompter, mais à titre rétrospectif, et sans certitude : il est probable que le tigre, souvent, rêve de retourner sauter dans la jungle…

Formaliser par tous les moyens ?

CC Pixabay Clker-Free-Vector-Images

Munis de cette épistémologie réaliste, puisée aux pratiques effectives des chercheurs, nous pouvons mieux comprendre les forces et les limites de la quantification de la société. Ainsi, la récente avalanche de données numériques fait fantasmer certains modélisateurs, qui veulent reproduire la société dans un ordinateur. Par exemple, le projet FuturICT proclamait : « Un grand nombre des problèmes actuels, la crise financière, les instabilités sociales et économiques, les guerres, les épidémies, sont liés aux comportements humains, mais il y a un sérieux manque de compréhension de la manière dont la société et l’économie fonctionnent. [En combinant la théorie de la complexité et l’analyse de données sociales] FuturICT développera une nouvelle approche scientifique et technologique pour gouverner notre futur ». Ce projet parvint à se glisser parmi les six finalistes susceptibles de décrocher un financement Européen d’un milliard d’euros. Il s’agit d’un cas extrême d’une approche en plein essor : la création de sociétés virtuelles pour mieux comprendre les sociétés réelles et orienter la décision politique.

Dans un autre projet, WorkSim, les chercheurs ambitionnent de quantifier l’effet de la loi travail dite « loi El Komri » (2016) en construisant un marché du travail à l’échelle 1/4700. Dans un autre encore, des équipes de physiciens et épidémiologues modélisent le risque de pandémies mondiales. L’idée de fabriquer des mondes virtuels s’est bien révélée féconde en sciences naturelles, à l’exemple du climat ou des « creusets » virtuels qui permettent d’explorer – rapidement et à coût presque nul – les propriétés de matériaux originaux en partant des lois qui gouvernent les atomes.

Les comparaisons entre modélisations naturelles et sociales permettent de mieux comprendre l’origine de la fragilité de ces dernières : le grand nombre de relations pertinentes, s’étendant dans l’espace et dans le temps, leur instabilité, la réflexivité des humains… Cela empêche de créer les îlots de stabilité dans lesquels le formalisme puise son efficacité. Sans eux, utiliser les mathématiques, c’est comme tenter d’approvisionner une maison en eau en la reliant, à l’aide d’un tuyau très solide, à un réservoir… presque vide.

Mais les sociétés virtuelles ne représentent qu’une approche parmi d’autres de formalisation et quantification des activités sociales. Depuis le XIXe siècle, les techniques d’analyse statistique permettent de relier causes et effets, dégager des responsabilités et intervenir.

CC Flickr torley

Comment affirmer, comme cela a été fait en 2016 par l’agence Santé Publique France, que les particules fines « tuent 48 000 personnes en France chaque année », alors qu’aucun de ces décès n’est observable directement ? Pour séparer les différentes causes possibles d’un phénomène, rendre visibles des phénomènes diffus, ou encore attribuer des effets à une décision spécifique, les statisticiens ont inventé des techniques qui permettent en principe d’évaluer l’effet d’une cause « toutes choses égales par ailleurs ». Pour cela, il faut rassembler les données de nombreuses villes, et expliquer les différences de mortalité par les différences de ces facteurs. Moyennant un certain nombre d’hypothèses, souvent cachées au cœur du formalisme, la logistique mathématique trouvera les facteurs qui rendent au mieux compte des données.

La même approche permet d’établir les discriminations de salaire à l’égard des femmes, la reproduction des inégalités scolaires ou l’effet positif des 35 heures sur l’emploi. Sur tous ces sujets, le formalisme peut aider à établir des faits aussi têtus que possible, pour guider l’action publique et faire face aux pressions des puissants.

Cependant, ces faits, pour aussi têtus qu’ils soient, empêchent de simplifier la discussion… mais ils ne dictent pas la politique à suivre. De plus, le grand nombre d’hypothèses, aussi nécessaires qu’incertaines, rend ces résultats fragiles. Leur fiabilité ne peut venir que d’une communauté scientifique pluraliste, capable de critiquer, de mettre en doute les suppositions et les calculs des « chers collègues ». L’importance actuelle des algorithmes prédictifs utilisant les big data rend indispensable une discussion ouverte des modèles mathématiques utilisés, par les experts mais également par les citoyens. Et il faut bien sûr que l’outil mathématique soit adapté à la complexité de l’objet, à l’enchevêtrement de causes qui engendre la plupart des faits sociaux. Ce n’est pas toujours le cas des modèles élégants proposés par les physiciens, élaborés dans la clarté causale des laboratoires.

CC Alpha Stock Images Nick Youngson

Un dernier moyen pour construire un savoir partagé sur la société consiste à transformer un phénomène complexe en un nombre. Le Produit intérieur brut (PIB), le classement d’un lycée ou le nombre de crimes élucidés par un commissariat ne retiennent du réel que certains aspects jugés pertinents, pour tenter de construire un point de vue « objectif », au-delà des perceptions de chacun. La comparaison détaillée du « thermomètre moral » (le PIB) et d’un indicateur similaire construit par les physiciens – la température – permet de comprendre pourquoi les indicateurs physiques sont autrement plus fiables que les indicateurs sociaux.

Politique de la modélisation

Au niveau politique, rendre la formalisation pertinente en domptant la matière ou les humains, ce n’est évidemment pas équivalent. Il faut constamment rappeler aux chercheurs en sciences dures que modéliser le social, ce n’est pas seulement le simplifier pour expliquer. Modéliser signifie généralement se placer à l’extérieur du processus social, dans un centre de calcul : un laboratoire scientifique, une administration et aujourd’hui, une entreprise du numérique. Par construction, les modèles représentent des individus standardisés, dotés d’intérêts fixes, incapables de maîtriser les phénomènes collectifs, auxquels seuls les modélisateurs ont accès. Pour reprendre une image de James Scott, les individus modélisés sont, comme à l’usine de Taylor (le « père » du taylorisme), les molécules d’un organisme dont le cerveau est ailleurs. On l’aura compris : l’ampleur des bouleversements économiques et politiques provoqués par la révolution numérique dépasse largement le cadre scientifique, rendant urgente une large discussion des modèles mathématiques utilisés par les experts, mais également par les citoyens.

Crédits image à la Une : CC Pxhere et crédits image d’entrée : CC Patrick Mignard pour Mondes Sociaux