Séminaire « La science à l’épreuve des données » : nouvelle séance le 18 novembre

Face aux multiples enjeux des données qui nous entourent dans le contexte du numérique, le séminaire « La science à l’épreuve des données » entend explorer le champ de la data et sa place actuelle, se déroulant un vendredi par mois sur le campus des Grands Moulins d’Université Paris Cité.

La science à l’épreuve des données

Prochaine séance le vendredi 18 novembre 2022 : « Pourquoi et comment critiquer les algorithmes ? »

Il n’y a guère d’activités aujourd’hui dans le monde qui n’utilisent pas ce qu’elles appellent des données. Les data sont partout. Pour autant, elles ne sont ni données, ni neutres. C’est là tout l’intérêt du séminaire « La science à l’épreuve des données » qui entend explorer le champ de la data sur la base de ses différents enjeux et impensés et, par là même, contribuer à la réflexion sur la place des données dans le contexte du numérique.

Le séminaire organisé par la DGDBM se déroule un vendredi par mois, sur le campus des Grands Moulins d’Université Paris Cité dans une salle de la Halle aux farines, et en co-modal.

Les informations pratiques ainsi que les annonces des séances sont diffusées sur le carnet Hypothèses.

Prochaine séance le vendredi 18 novembre

La nouvelle séance du séminaire « La science à l’épreuve des données » (SED) aura lieu le vendredi 18 novembre 2022 de 14h à 17h et portera sur le thème « Pourquoi et comment critiquer les algorithmes ? » avec pour intervenants Nicolas Brault (INTERACT, Institut Polytechnique UniLaSalle Beauvais) et Florian Jaton (STSlab, Université de Lausanne).

Si vous souhaitez y assister sur place ou bien recevoir le lien de la visio, nous vous prions de bien vouloir remplir le questionnaire suivant.

Le séminaire se déroule dans le Bâtiment « Halle aux farines » au Campus des Grands Moulins, en salle 264E (la salle initialement prévue a changé : plan à télécharger).

Bibliographie indicative pour la séance

– Brault N, Saxena M., 2021.For a critical appraisal of artificial intelligence in healthcare: The problem of bias in mHealth, Journal of Evaluation in Clinical Practice, juin 2021;27(3):513‑9 (https://doi.org/10.1111/jep.13528).

– Brault, N., Duchemann, B., Saxena, M., 2021. Epistemological Issues and Challenges with Artificial Intelligence in Healthcare, in Saxena A, Brault N, Rashid S.  (éditeurs), 2021. Big Data and Artificial Intelligence for Healthcare Applications, 1re éd, Boca Raton : CRC Press, juin 2021, p. 235-270 (https://doi.org/10.1201/9781003093770).

– Jaton F (2021) The Constitution of Algorithms: Ground-Truthing, Programming, Formulating. Cambridge, MA: The MIT Press.

– Jaton F (2021) Assessing biases, relaxing moralism: On ground-truthing practices in machine learning design and application. Big Data & Society 8(1): 20539517211013569.

– Jaton F (2019) « Pardonnez cette platitude » : de l’intérêt des ethnographies de laboratoire pour l’étude des processus algorithmiques. Zilsel – Science, technique, société 5: 315-43.

– Jaton F (2017) We get the algorithms of our ground truths: Designing referential databases in digital image processing. Social Studies of Science 46(7) : 811-40.

Autres textes importants

– Lee F (2021) Enacting the Pandemic: Analyzing Agency, Opacity, and Power in Algorithmic Assemblages. Science & Technology Studies 34 (1): 65–90.

– Bechmann, A and Bowker GC (2019) Unsupervised by Any Other Name: Hidden Layers of Knowledge Production in Artificial Intelligence on Social Media. Big Data & Society 6 (1): 205395171881956. DOI:10.1177/2053951718819569.

– Ntoutsi, Eirini, Pavlos Fafalios, Ujwal Gadiraju, Vasileios Iosifidis, Wolfgang Nejdl, Maria‐Esther Vidal, Salvatore Ruggieri, et al. 2020. « Bias in Data‐driven Artificial Intelligence Systems—An Introductory Survey ». WIREs Data Mining and Knowledge Discovery 10 (3) (https://doi.org/10.1002/widm.1356).

– Pearl, Judea. 2019. « The Seven Tools of Causal Inference, with Reflections on Machine Learning ». Communications of the ACM 62 (3): 54‑60. (https://doi.org/10.1145/3241036).

Par ailleurs, vous trouverez sur le carnet hypothèses du séminaire une présentation détaillée du projet qui le sous-tend, son programme ainsi qu’un retour sur les séances précédentes :

• 1. L’information géospatiale et les datacenters comme terrains d’analyse du capitalisme numérique
• 2. Enquêter sur les élites : des données comme les autres et, en même temps, pas comme les autres ?
• 3. La mise en doute des données
• 5. Qui sont ceux qui font du code ?
• 6. Ce que le numérique fait à l’éducation et au travail
• 8. Ce que le genre fait aux données d’enquête
• 9. Bourdieu et les données

Comité d’organisation : Boris Attencourt (Université Paris Cité, DGDBM – CESSP), Elise Lehoux (Université Paris Cité, DGDBM – ANHIMA), Suzanne Mpouli (Université Paris Cité, DGDBM), Maricel Rodriguez Blanco (EPSS CY Cergy Paris Université – CREDA – CESPRA).

Séminaire organisé par la Direction Générale Déléguée des Bibliothèques et Musées (DGDBM) d’Université Paris Cité et soutenu par l’Idex Université de Paris ANR-18-IDEX-0001.