Le séminaire « data » du Laboratoire DICEN-IDF se tiendra le 2 juin prochain au CNAM, espérons-le, physiquement ou de manière hybride. Nous y observerons et discuterons les données sous plusieurs angles disciplinaires : Info-communicationnel comme axe d’ancrage bien sûr, mais aussi en convoquant des postures issues notamment de l’anthropologie, de la sociologie ou même de la philosophie et de l’éthique.
Le concept central notre séminaire dans le domaine des données est d’observer et d’analyser l’exploitation des technologies numériques modernes et de mesurer leur impact social et économique. Le développement du domaine des data est indissociable des progrès des nouvelles technologies numériques. Ces nouvelles technologies fournissent non seulement des données de manière de plus en plus massives, personnelles, mais aussi font émerger de nouvelles méthodes d’analyse des données, et peuvent également être utilisées pour créer de nouvelles identités numériques avec l’utilisation des traces, d’analyse comportementale.
Les usages du numérique et les frontières associées posent des questions qui trouvent leurs racines dans l’économie et l’innovation bien sûr, mais aussi sur une dimension socioculturelle sur la vision morale et éthique des usages des données.
Des avancées majeures sont réalisées avec l’émergence de l’intelligence artificielle dans notre quotidien. Par exemple, la technologie de traitement du langage naturel va de plus en plus impacter nos réflexions sur la relation humaine au sens de l’interface humain-machine avec les chatbots émotionnels par exemple. Les technologies imitent de plus en plus la structure de l’intelligence humaine, avec le Web sémantique, l’ontologie, et les conséquences doivent être aussi pensées à la confluence de la morale et l’éthique.

Cette communication cherche à démontrer comment les dispositifs de médiation transmédia peuvent constituer un moyen efficace pour la gouvernance de l’information en entreprise. En adoptant une posture disciplinaire info-documentaire, nous rappelons, dans un premier temps, les besoins actuels des entreprises en termes de pratiques informationnelles (production, usage et gestion) en l’occurrence en contexte d’industrie 4.0. Nous exposerons ensuite l’approche traditionnelle de la gestion d’information documentaire en entreprise que nous mettrons en parallèle avec les nouveaux besoins pour relever leurs limites par rapport au modèle d’activité. Enfin, nous présenterons une approche de gestion transmédia des productions info-documentaires que nous développons pour une organisation multi-métiers.

Cette communication a pour objectif de présenter l’apport méthodologique indéniable d’un traitement documentaire numérique sur les données cartographiques d’un projet recherche en humanités. Cette démonstration se fera à travers l’analyse réflexive d’un projet d’humanités numériques situé en Histoire : le projet en cours « Adressbuch 1854 ».
Nous présenterons ici une posture disciplinaire info-documentaire, au sein des Sciences de l’Information et de la Communication. Cependant, une focale sera également proposée sur la méthode de traitement interdisciplinaire si féconde pour dégager de nouvelles pistes de recherche au sein des humanités. Ce retour sur un projet d’humanités numériques en Histoire franco-germanique se veut à la fois une observation réflexive et une ouverture sur d’autres enjeux et méthodes dans le besoin et l’analyse des données de la recherche. Une focale particulière sera proposée sur la qualification, la modélisation et l’ouverture des données.

(résumé en français)

Poverty as a global challenge has continued to increase due to several socioeconomic, health,
insecurity among other factors, especially in developing countries. From different researches,
it is generally believed that Information Communication Technology is crucial to poverty
reduction, and no doubt, telecommunication’s Gross Domestic Product to National
Development remained relatively significant due to overflowing competitiveness among
telecom’s service providers and the high subscription rate of customers. While Global System for
Mobile communication (GSM) has emerged as an integral and essential part of the culture and
life of people, poverty predictions have focused predominately for instance, on different
economic procedures such as using household incomes and the cost of basic necessities. More
recently, Artificial Intelligence (AI) through satellites survey are also been used for poverty
prediction. By these methods, among other issues of image resolution and batch processes, the
true realities of poverty are not captured in real-time for effective knowledge organization and
decision support with a direct impact on the citizens. Thus, this research aimed at leveraging the
power of the right data from telecoms through machine learning for pattern generation and
predictive analytic for poverty management. By this, standard metrics and attributes, which
differentiate the rich from the poor are clustered based on subscription purchase and usage.
Then direct intelligent patterns, which defines a user in Voice-Data-Text Analytics, Recency-
Frequency-Monetary Model and Social behavior are matched. Consequently, the inferences rule
is applied to the obtained outcome to predict the poverty status of a customer using the newly
defined seven categories of poverty from the obtained score.

Résumé en français

La pauvreté, en tant que défi mondial, n’a cessé d’augmenter en raison de plusieurs facteurs socio-économiques, sanitaires, d’insécurité et autres, notamment dans les pays en développement. D’après différentes recherches, il est généralement admis que les technologies de l’information et de la communication sont essentielles à la réduction de la pauvreté, et il ne fait aucun doute que le produit intérieur brut des télécommunications pour le développement national reste relativement important en raison de la concurrence débordante entre les fournisseurs de services de télécommunications et du taux d’abonnement élevé des clients. Alors que le système mondial de communication mobile (GSM) est devenu une partie intégrante et essentielle de la culture et de la vie des gens, les prévisions de la pauvreté se sont principalement concentrées, par exemple, sur différentes procédures économiques telles que l’utilisation des revenus des ménages et le coût des produits de première nécessité. Plus récemment, l’intelligence artificielle (IA), par le biais de satellites, a également été utilisée pour prédire la pauvreté. Avec ces méthodes, parmi d’autres problèmes de résolution d’image et de traitement par lots, les véritables réalités de la pauvreté ne sont pas saisies en temps réel pour une organisation efficace des connaissances et une aide à la décision ayant un impact direct sur les citoyens. Ainsi, cette recherche vise à tirer parti de la puissance des données exactes provenant des télécommunications par l’apprentissage automatique pour la génération de modèles et l’analyse prédictive pour la gestion de la pauvreté. Les métriques et attributs standard, qui différencient les riches des pauvres, sont regroupés sur la base de l’achat et de l’utilisation de l’abonnement. Ensuite, des modèles intelligents directs, qui définissent un utilisateur dans l’analyse voix-données-texte, le modèle récence-fréquence-monétaire et le comportement social, sont mis en correspondance. Par conséquent, la règle d’inférence est appliquée sur le résultat obtenu pour prédire le statut de pauvreté d’un client en utilisant les sept catégories de pauvreté nouvellement définies à partir du score obtenu.

Les Chatbots émotionnels : comment l’analyse de données peut conduire à l’émergence d’un nouvel outil pour améliorer l’interface Homme-Machine.
Dans cette réflexion, nous utilisons le concept de smartdata et comment la mesure et l’exploitation d’une donnée à savoir le mot, une fois contextualisé, peut permettre de générer une information assez utile dans un premier temps, et qui en étant structurée dans un espace d’usage, peut générer la connaissance dont nous avons besoin pour aboutir à la création d’un chatbot qui tienne compte de la personnalité de l’usager. Dans un premier temps, nous rappellerons le concept de smartdata, de la question de l’émotion selon Scherer Ekman et Plutchick et ensuite introduire le modèle dit FFM (five factor model) qui permet de classifier la personnalité. Les éléments décrits dans ce modèle sont descriptives de la personne. Cinq caractéristiques sont évaluées à sa-voir l’Extraversion, l’Agréabilité, la Conscience, le Névrosisme et l’Ouverture (Ex-traversion Agreableness, Conscientiousness, Neuroticism, and Openness). La notion de l’émotion exprimée est facteur de l’état de la personnalité et par conséquent le Chatbot sera également facteur de l’émotion mais aussi de la personnalité.

Le basculement d’une formation d’une approche connaissances à une approche compétence s’opère sur la base de nombreuses données qui n’ont pas de sens de manière autonome. Cela soulève des problèmes techniques notamment de représentation des données disponibles mais également des questions informationnelles et communicationnelles sur ce que l’on donne à voir. Quelle est l’intention (dessein) de la représentation graphique des données (dessin) ? mais aussi quel est l’intention de ceux qui vont utiliser les données ? Ainsi le recours à la data visualisation pour aborder le basculement d’une formation à l‘approche compétence présente un caractère innovant technique et info-communicationnel. Le degré de complexité augmente si l’on considère le nombre potentiel des utilisateurs comme les parties prenantes du projet de conception et leurs profils variés. Innover quand des profils, des intérêts et des visions différentes sont en jeu ne facilitent pas toujours le travail collectif.

• Cette communication s’intéresse principalement aux parties prenantes amont qui interviennent dans le projet de conception. La question reste à savoir comment s’approprier de manière collective des objets numériques complexes et abstraits ? quelle intelligibilité des représentations est à l’œuvre ?

• Les parties prenantes du projet à ce stade pressentent l’importance du dialogue et la possibilité de déplacer leurs points de vue et pratiques respectives dans le déroulement du projet

• Après une présentation du projet et de ses enjeux, nous aborderons le choix de la datavisualisation et les questions associées. Nous traiterons de la collecte des données, la visualisation et les connaissances dans le cas de ce projet, les points clés de la construction des représentations et les questions techniques vécues à ce stade du projet.

Sera présentée ici la question de la médiation homme-donnée dans le contexte de la valorisation potentielle de la donnée pour l’action et présentation de l’ouvrage collectif qui sort sur ce sujet.