Le paradoxe de la mesure de la société

J’ai essayé de mettre mes pas dans les traces d’Alain Desrosières pour mieux comprendre les dits “big data” ou “intelligence artificielle”. Pour ne pas être trop long, j’ai réparti le texte en deux billets successifs :
1. Le paradoxe de la mesure de la société (celui-ci)
2. La science des données en quête du “su” (celui-là)

Ce ne sont que quelques pistes, je n’ai ni les compétences, ni les moyens pour aller beaucoup plus loin. Et ces pistes sont orientées par le prisme des trois dimensions du document (vu, lu, su. version longue ou version abrégée) qui me sert de boussole depuis plusieurs années.

Le paradoxe de la mesure de la société

Ils ne l’auraient sans doute pas exprimé de cette façon, mais j’ai tiré de la lecture d’Alain Desrosières, puis de celle de Pablo Jensen, la conviction que les tentatives de mesure de la société, celles mises en œuvre par les institutions publiques ou privées au travers des statistiques, puis des modèles mathématiques et enfin des algorithmes, étaient traversées par un paradoxe dont les deux volets contradictoires pourraient être résumés ainsi :

1. La complexité de la société et sa volonté de maîtrise par les institutions conduisent à la construction d’indicateurs chiffrés dont l’objectif est de simplifier les représentations pour pouvoir discuter des situations sans les laisser aux seuls experts.
2. Mais la complexité de la société rend très difficile, sinon impossible une modélisation raisonnable à cause du nombre et de l’interopérabilité des paramètres en cause.

Le premier volet est bien décrit et documenté par A. Desrosières dans son histoire fine et rigoureuse de la statistique. Pour lui, la statistique est d’abord un langage construit progressivement notamment par les controverses entre les statisticiens dans un dialogue entre les administrations et la science. Il s’agit d’éclairer la société sur elle-même et d’aider les responsables à prendre les bonnes décisions.

“La constitution d’un espace rendant possible le débat contradictoire sur les options de la cité suppose l’existence d’un minimum d’éléments de référence communs aux différents acteurs : langage pour mettre en forme les choses, pour dire les fins et les moyens de l’action, pour en discuter les résultats.” (p.406)

La statistique, pour Alain Desrosières, a deux facettes : elle doit permettre de prouver, de rendre compte d’une situation ; et elle doit aussi faciliter le gouvernement, la prise de décision. La valeur du débat sur les chiffres dans l’espace public dépend des circonstances historiques et de la volonté des pouvoirs politiques et économiques en place. Lorsque des rapports de pouvoir se crispent et que les indicateurs sont instrumentalisés au profit de quelques-uns, le langage statistique, celui des indicateurs, peut devenir au sens strict une novlangue, telle que l’a imaginée G. Orwell dans son livre 1984 : plus on réduit la subtilité du langage en réduisant le nombre de mots, moins les gens sont capables de réfléchir et plus ils sont manipulables. Alain Desrosières, dans un livre publié après sa mort, suggère lui-même une rétroaction des indicateurs sur le comportement des personnes, notamment dans la société néolibérale qui est la nôtre : la mesure produit l’évaluation qui exacerbe la concurrence.

Alain Soupiot, parmi d’autres, a repris cet argument sur une histoire longue de l’évolution des normes en critiquant une “gouvernance par les nombres” qui serait la marque de notre époque. Mais, comme le rappelle Jacky Fayolle au colloque des 70 ans de l’INSEE dans la continuité d’A. Desrosières,  ce dernier méconnait la première facette de la construction du langage statistique : “la statistique et l’économétrie sont des ‘sports de combat’, au sein desquels les controverses épistémologiques sur le rapport à la réalité traversent la communauté des statisticiens (comme d’autres disciplines scientifiques). Ces controverses ne sont pas d’ordre spéculatif : elles portent précisément sur les méthodologies de mesure des faits et de test des hypothèses.” Le langage statistique est traversé par une tension entre objectivité et pragmatisme, entre une volonté d’universalité et une orientation vers l’action contingente. La novlangue de 1984 se veut infaillible et intangible, son objectif est d’interdire toute pensée critique. Le langage statistique est, au contraire, régulièrement remis en cause par la communauté de ses concepteurs et discuté dans l’espace public.

La politique n’a pas besoin de la statistique pour tromper les populations. Citons un autre écrit méconnu d’Orwell, un essai contre les discours verbeux des intellectuels et des politiques de son temps. Contrairement à la novlangue qu’il inventera plus tard dans son roman, il critique dans ce pamphlet, exemples à l’appui, le manque de concision et de concret des propos et il conclut par : “le langage politique, et avec des variations c’est vrai de toutes les bords des anarchistes aux conservateurs, est conçu pour rendre vraisemblable les mensonges, respectables les meurtres et donner une apparence de solidité à un simple courant d’air” (trad. JMS). La manipulation n’est pas une conséquence directe des mesures ou des indicateurs chiffrés même si ceux-ci peuvent en être un instrument, mais bien d’abord des postures de pouvoir. A notre époque où les fake news ou les infox font florès, il est préférable de ne pas se tromper de coupable. On peut, pour s’en convaincre, comparer ces deux rhétoriques : TV5monde sur l’évolution de l’indicateur de l’espérance de vie aux Etats-Unis, ou un blog de “chrétiens américains, francophones, conservateurs et pro-israélien” sur les mesures du président Trump contre l’Obamacare.

Pourtant pour que le langage statistique puisse jouer un rôle émancipateur, il est primordial que l’on se soit mis d’accord sur les indicateurs, sur les instruments de mesures, qu’ils soient fiables, que leurs calculs soient pertinents et représentatifs. C’est là qu’intervient le second volet du paradoxe. Plus les instruments se perfectionnent, plus ils semblent avoir des difficultés à représenter fidèlement leur objet. C’est, en tous cas, la conclusion que j’ai tirée du livre de Pablo Jensen sur la difficulté à mettre la société en équation.

Pour résumer, on pourrait dire que le langage statistique a réussi à rendre compte d’un certain nombre de phénomènes simples, ou peut-être plus modestement a réussi à nous faire nous accorder  sur,  ou simplement discuter, quelques représentations approximative du social, mais peine et échoue bien souvent lorsqu’il s’agit de construire des indicateurs pour nous aider à nous orienter dans des situations plus complexes, souvent les plus courantes ou, pire, les plus cruciales.

La raison pour Pablo Jensen vient du fait que les modèles mathématiques fonctionnent souvent correctement dans les sciences de la nature car celles-ci observent des régularités stables, mais peinent dans les sciences sociales. Le social concerne une situation ouverte qui fait appel à tellement de paramètres interdépendants qu’il suffit d’en ajouter un ou même d’en modifier légèrement un pour que les résultats initiaux se transforment radicalement. Les modèles sont peu robustes et fiables. Dès lors, comment prendre des décisions éclairées et les discuter à partir de résultats incertains ?

La vertu d’un paradoxe est qu’il constitue un moteur par la dialectique qu’il installe entre ses deux pôles. Les statisticiens cherchent à rendre compte du réel et leurs avancées ne sont pas toujours couronnées de succès. Ils sont incités à approfondir leurs travaux. Mais plus les outils se complexifient, plus la difficulté est grande. C’est ainsi que l’on peut aborder la toute nouvelle science des données.

Lire la suite dans : La science des données en quête du “su”

---

---