Des données inquiétantes

Au chaud dans les bases de données de Facebook reposent 30 petabytes de données personnelles. Le préfixe “peta” est un raccourci pour “millions de milliards”. Prenez un million de “peta” et vous obtiendrez un “zeta”, ordre de grandeur de l’univers numérique en 2012. Si vous n’avez pas encore le tourni, considérez que ce chiffre est en croissance exponentielle. Il y a une expression pour cela : le Big Data. Et des métaphores. L’information est le pétrole du XXIe siècle. Les données personnelles, les dollars du web. Stéphane Grumbach, directeur de recherche à l’Inria, attire l’attention sur ces faits et souligne leur importance géopolitique.

Dans ce contexte, les gigantesques bases de données du web peuvent inquiéter. La façon dont elles sont alimentées et leurs mécanismes d’exploitation préoccupent. Sur la scène de TED le numero un de Mozilla et responsable du développement de Firefox, Gary Kovacs, met en garde contre les pisteurs du web qui enregistrent au quotidien nos faits et gestes numériques : We are like Hansel and Gretel, leaving bread crumbs of our personal information everywhere we travel through the digital woods.  Eli Pariser quant à lui nous invite à percer la bulle de filtres, c’est-à-dire notre environnement numérique immédiat tel qu’il nous est servi par les robots du web, en fonction de ce qu’ils savent de nous et pensent savoir de ce que nous attendons.

L’architecture des réservoirs d’information que sont les bases de données,  et le fonctionnement des algorithmes qui les exploitent sont des secrets commerciaux jalousement gardés. Les éléments manquent donc pour construire une pensée critique précise. L’inquiétude est réelle. Ce que nous apprend Kevin Driscoll dans un essai passionnant, c’est que la méfiance à l’égard  du traitement massif de l’information n’est pas chose nouvelle. Voici les grandes lignes du parcours historique qu’il propose en prenant comme référentiel la société américaine.

L’ère du traitement massif et automatisé de l’information commence en 1890 avec le grand recensement américain. Pour la première fois,  des tabulatrices automatiques opérant sur des cartes perforées sont utilisées. C’est à un jeune doctorant de l’époque, Hermann Hollerith, que l’on doit l’invention. Comme Gainsbourg, il aurait été inspiré par les poinçonneurs de titres de transport. Et comme pour le chanteur, le succès commercial a été au rendez-vous : la “Tabulating Machine Company” fondée par Hollerith n’est autre que l’ancêtre d’IBM.

Carte perforée

Les premières bases de données automatisées sont donc de volumineuses collections de cartes. Les systèmes utilisés pour formuler des requêtes sont pilotés par des opérateurs spécialisés. Destinés à des tâches spécifiques, ils sont coûteux et leur fonctionnement varie d’une institution à l’autre. Le gouvernement est l’utilisateur type de cette première génération de bases de données. Pour faciliter les prélèvements d’impôts, la conscription militaire ou la collecte d’empreintes digitales par exemple. Ces premiers usages renvoient donc à l’idée du contrôle des individus. Pour les bureaucraties, les individus déshumanisés se réduisent à des cartes perforées. L’image est peu attrayante.

La seconde guerre mondiale agit comme un catalyseur sur l’informatique balbutiante. Des efforts intellectuels et matériels mobilisés pour les besoins de la cryptographie militaire émerge l’idée de l’ordinateur moderne. Les progrès technologiques d’après-guerre permettent sa réalisation à grande échelle : ordinateur rime d’abord avec supercalculateur. Dans les années 70, l’invention du micro-processeur amorce la miniaturisation des ordinateurs. C’est le début de la micro informatique, dont l’évolution sera gouvernée par une prophétie de Gordon Moore : tous les deux ans, la puissance brute des ordinateurs double à prix constant. L’ordinateur investit les garages avant de se percher sur les bureaux. Une “contre culture” de passionnés d’informatique émerge. Des revues spécialisées voient le jour, mêlant considérations techniques et réflexions philosophiques sur l’avenir de l’informatique. L’usage des bases de données est discuté. Quels services pratiques pourraient-elles rendre au citoyen? Quelle place pourraient-elles avoir dans son quotidien ? Un système de gestion automatisé des ressources du foyer répond Ted Lau en imaginant le “Total Kitchen Information System”. Ce n’est qu’un exemple. Non seulement très pratique, l’utilisation quotidienne des bases de données formerait la critique collective au sujet leur utilisation à grande échelle. Comprendre les principes du traitement automatique de données dans des situations simples donnerait des outils pour réfléchir à son utilisation à grande échelle.

Mais pour qu’une telle utilisation soit possible, même si le matériel devient accessible, il faut surmonter l’obstacle technique que représente la formulation de requêtes. Passer par un opérateur spécialisé pour ajouter deux kilos de farine à son garde-manger numérique ne serait pas commode. Pour résoudre ce problème parmi d’autres, Tedd Codd, chercheur à IBM, met au point le modèle relationnel. L’idée est de dissocier le stockage physique des données de leur manipulation logique. Vient ensuite le langage SQL, permettant de formuler des requêtes avec une syntaxe proche de l’anglais impératif :

SELECT horaire FROM trains
WHERE depart=”Part Dieu”
AND arrivee=”Gare de Lyon”

Tout cela dans le but avoué de rendre la gestion de base de donnée accessible aux non programmeurs. Leur manipulation devient plus aisée (sans être complètement triviale précisent les étudiants du master #archinfo). Elles perdent leur opacité et leur utilisation se répand à des institutions aux louables intentions : les bibliothèques. Tout cela a sans doute contribué à redorer leur image

Seulement voilà, entrez-vous souvent des requêtes en SQL pour réserver en ligne vos billets de train ? Sûrement pas. En pratique, les utilisateurs interrogent les bases de données du web par l’intermédiaire d’interfaces graphiques. Ces interfaces traduisent en SQL des demandes formulées en langage naturel. Ce sont donc les programmeurs d’interfaces qui manipulent le SQL. Mais ces derniers maîtrisent aussi des langages complexes plus expressifs. Composer avec SQL devient pour eux une contrainte. Le modèle relationnel s’avère inadapté aux traitements à grande échelle que demande le web 2. Ce mouvement de rejet a un nom : le NoSQL . Pour répondre aux besoins des géants du web, il faut des bases de données construites sur-mesure, pilotées par un petit nombre de salariés spécialisés

Et retour à la case départ. Des bases de données opaques qui échappent au discours. Une utilisation inquiétante. Une méfiance latente. A la différence notable près qu’elles rendent aujourd’hui des services considérable aux petits usagers du web. L’idée de voir ses informations personnelles marchandées par Google est inquiétante. Celle de devoir se passer du moteur de recherche pendant une semaine l’est aussi. La solution consiste sans doute à former une critique collective suffisamment vigilante pour profiter des bénéfices du Big Data sans s’exposer à ses débordements. Rendre accessible au public non initié des outils simples de traitement de données s’articulerait bien avec le mouvement de l’Open Data. Manipuler soi-même des données librement accessibles serait une façon de développer une pensée critique sur ce que font les autres, à plus grande échelle. Je conclurai en citant l’exemple d’un tel effort de diffusion, concernant une autre technologie de pointe : la programmation parallèle. Il s’agit du projet Parallella dont l’objectif est de rendre accessible pour une centaine d’euros un ordinateur multi-coeurs minimaliste. Cela afin de permettre aux passionnées et aux curieux de s’essayer à la programmation parallèle et préparer les innovations de demain. Une initiative analogue dans le domaine du traitement de l’information reste à imaginer…

Quentin Agren, pour les étudiants du master #archinfo.


Imprimer ce billet Imprimer ce billet
This entry was posted in Billets, Histoire des médias et du web. Bookmark the permalink.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Vous pouvez utiliser ces balises et attributs HTML : <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <embed style="" type="" id="" height="" width="" src="" object="" allowfullscreen="" allowscriptaccess="" cachebusting="" bgcolor="" quality="" flashvars=""> <iframe width="" height="" frameborder="" scrolling="" marginheight="" marginwidth="" src=""> <object style="" height="" width="" param="" embed=""> <param name="" value="">