– Franck Ghitalla : l’analyse de réseau du web aux documents internes des organisations (1)

Nous avons découpé le compte-rendu de cette très longue séance, tenue le 27 février 2013, en deux parties. En voici la première (deuxième partie : ici).

L’un des initiateurs de la sciences des réseaux à la française, Ghitalla s’appuie sur des découvertes accompagnant des bouleversements qui ne concernent pas seulement le Web mais plus généralement le traitement de données pour les organisations. Il est à l’origine de plusieurs d’entreprises (Linkfluence, Gephi) qui portent le développement d’outils en open source pour l’analyse de réseau, afin d’y trouver des invariants par le calcul. Ghitalla est une de ces figures qui viennent des SHS et non de l’informatique (des Lettres en particulier).

Son travail est issu de réflexions sur l’avenir du documentaliste ou du bibliothécaire, mais aussi du chargé d’étude, qui doivent évoluer face à la révolution en cours liée aux métiers de la veille. Les outils des chargés d’étude dans les entreprises dépassent maintenant la capacité de traitement l’information qu’on peut imaginer (et ceci pas simplement en termes de puissance informatique). Les institutions sont d’ailleurs particulièrement en retard dans ce domaine selon lui. Cette révolution est issue d’une redécouverte chez les industriels américains du travail qualitatif humain : contrôler les résultats, et mettre en oeuvre les bonnes briques technologiques au bon endroit. C’est un mouvement de fond postule que les technologies sont pour les humains et doivent donc être monitorées.

Les nombreux de débats sur le big data engendrent beaucoup de caricatures ; Ghitalla précise qu’il n’est pas vrai que l’analyse de grandes masses de données ne sont pas contrôlées au niveau humain et qualitatif. Au contraire, ll y a une grande part d’artisanat dans ces nouvelles méthodes, comme en témoigne son blog, l’ « atelier de cartographie ».

Plusieurs approches sont en jeu : conceptuelles (le rapport entre SHS et big data au-delà des caricatures), méthodologiques et techniques (approche et outils de la cartographie de données). Ces outils permettent de comprendre l’idée d’ « autorité calculée », et les différentes manières du calcul.

Ghitalla a développé ces réflexion alors qu’il suivait les projets en Ecole d’ingénieurs (à l’Université Technologique de Troyes), en particulier au département informatique. Issu des sciences humaines, et face à un public nouveau, il décide qu’il faut « mettre les ignorances en commun ». Il demande alors aux étudiants : « dessine moi l’internet comme tu me l’imagines », ce qui implique un effort d’imagination et de conceptualisation pour modéliser espace et parler de l’internet sans navigateur ou moteur de recherche. Cet espace est alors pensé comme une « topologie et architecture documentaires ».

A l’issue de ces travaux, certains de ces étudiants iront travailler chez avec Linkedin, mais aussi à Sciences Po, au MediaLab (cf. par exemple le Web of Science ou Scopus : extraction de données chargées dans GEPHI qui génère de la visualisation). D’autres ont participé à la création d’entreprise portant des projets innovants et inédits :

> Linkfluence : leader en France sur la veille d’opinion sur internet (travaille pour des grandes marques et des politiques), elle produit des atlas (cartographies dynamiques des blogs et autres médias sociaux). Pour cela, il s’agit d’indexer et analyser des milliers de sources en français, en continu. Le corpus constitué est considéré comme une « écosphère » sur lequel on veille depuis quelques années, et dont extrait des constantes.

> Logiciel open source Gephi. Leader mondial en termes de visualisation d’information, déployant sa technologie dans les grands comptes américains. Seul projet français au Google Summer of Code (bourses données aux étudiants chaque année).

> Atelier Iceberg (SARL / Organisme de formation, en pépinière avec l’Ecole des Mines de Nantes). Association avec des webdesigners pour s’intéresser aux interfaces tactiles et mobiles, par exemple et aussi approfondir la formation à la scénographie informationnelle.

Le travail à l’UTT vise à utiliser les technologies liées à Internet et à l’ingénierie et à les vider de leur contenu internet pour y mettre des projets et réseaux professionnels. Trois grandes difficultés se posent qui sont aussi des verrous :

– taille : grandes masses de données

– diversité (formats…)

– aspect dynamique (ça change tout le temps).

Sur un projet comme l’analyse des réseaux de l’évaluation de la recherche (conçue comme une organisation) par exemple, on travaille sur des rapports, des contenus qui ne changent plus (ce qui est plus facile).

L’analyse du « patrimoine informationnel des organisations » est un outil puissant pour la valorisation et l’aide à l’évaluation. Les informations sensibles et utiles pour demain ne sont pas forcément sur Internet, elles dorment dans les espaces internes à l’entreprise : par exemple sur le bureau des secrétaires, dans les fichiers excel, où sont listés les partenaires et collaborateurs, les thématiques et moyens de la collaboration. Ce sont des données organisées de manière qualitative, à partir desquelles on peut produire des cartes. Les questions qui se posent à travers cette analyse :

  • Qui travaille sur quoi ? Il y a des paquets de mots-clef (synonymes de compétences) qui s’agrègent autour des noms. C’est un répertoire de compétences que tout le monde a du mal à accomplir est déjà exploitable à travers ce travail.
  • Qui travaille avec qui ? Les réseaux sociaux ont obligé les chercheurs (notamment en SHS) à réfléchir sur l’organisation sociale. La sociologie l’a peut-être déjà fait, mais on parle ici d’outils d’ingénierie sur des très grandes masses de données. On peut appliquer l’organisation du Web dans les organisations pour voir les réseaux de coopération.

Cette démarche rend hommage au travail qualitatif de ceux qui peaufinent les corpus dans les organisations (secrétaires, chargés d’étude…). Elle est avant tout une aide à l’évaluation ; les clients demandent de justifier certains choix, et l’on va ainsi voir au plus près les réseaux pour que les qu’ils procèdent ensuite à la réorganisation, selon une méthode ascendante (l’analyse des données et en fonction des patterns des données précède et détermine la réorganisation).

Ghitalla rappelle ses missions à l’INIST. Son travail cherche à montrer qu’on peut échapper à l’obsession de « qui est le plus visible » (via les liens entrants). Il demande plutôt quel est le chercheur par qui passent le plus de chemins. Il se rend compte que ceux qui « papillonnent » au niveau des lieux et relations dans la recherche sont des vecteurs de la diffusion du savoir, et qui relient fortement des clusters indépendants les uns des autres : ils sont des liens. Ce type de chercheur là, parfois discret mais pas isolé, est aussi déclencheur d’innovations ; mais on ne les reconnaît pas forcément. Cela pourrait accompagner et modifier la politique de la recherche : donne-t-on une prime à la visibilité ou à la centralité ? Cette dernière favorise la circulation du savoir et la fécondation réciproque des disciplines.

Autre exemple issu de ces missions : le traitement des métadonnées des catalogues Thompson Web of Science / Elsevier Scopus, pour une analyse des domaines d’excellence de la recherche française en chimie. Les documents proposaient 225 colonnes excel, et donc une capacité de croisement des données phénoménales. On a d’abord regardé les chercheurs les plus connus ; on a remarqué que les jeunes chercheurs (doctorants) formaient des sous-clusters en manque de visibilité. Avec les mêmes données, on a fait une autre carte qui visualise une recherche sur ceux qui publient depuis moins de 5 ans, qui partagent au moins la moitié de leur vocabulaire (la description de leur activité dans un vocabulaire nouveau non partagé par l’ensemble de la communauté), et fréquentent les mêmes conférences. On a trouvé une dizaine de petits groupes de jeunes chercheurs français qui étaient sur toutes les pistes innovantes au niveau international. Cette deuxième carte justifierait les politiques de prospective la recherche appliquées aux USA (NSF) et en Allemagne (Max Planck) , qui mettent l’emphase sur les pistes innovants. Cela pose de grandes questions stratégiques d’aide à la décision et à l’évaluation (ici dans le domaine de la recherche et de l’innovation). Plus les données sont projetées dans un espace d’action et de décision, plus le travail artisanal et qualitatif sur ces données sera valorisé. L’aide à la décision réclame des données fiables, bien classées, bien cherchables… mais il manque souvent une mise en scène des données aux professionnels de l’information.

Comment transformer un fichier excel en carte : comment faire respirer les corpus ? et qu’est-ce qu’on peut faire de ces cartes ? Ce sont les questions centrales. En mettant à distance le corpus et en faisant jouer différents algorithmes, on redécouvre ses propres données. Les corpus sont construits sur des « patterns robustes », c’est-à-dire récurrents, qui résistent à la danse des algorithmes ; il existe une colonne vertébrale.

(Deuxième partie : ici)