danslesalgorithmes.net · < 1 min
DE L’ÉTHIQUE DES DONNÉES À LA JUSTICE DES DONNÉES
Concepts qui sécurisent le pouvoir
Parce qu’ils localisent la source des problèmes
dans les individus ou les systèmes techniques
→ Comprendre les algorithmes
ーーー
Concepts qui défient le pouvoir
Parce qu’ils reconnaissent les différentiels de pouvoir structurels et s’efforcent de les démanteler
→ Comprendre l’histoire, la culture le contexte
signalons d’ailleurs sur ce sujet, le travail
stimulant du Manifeste pour des technologies
pleinement consenties, qui propose des prin-
cipes pour des technologies de « plein consen-
tement » : sans pression, réversibles, informées,
enthousiastes et spécifiques
Sur le site Anti Eviction Map qui lutte contre les expulsions à
San Francisco on trouve une centaine de cartes
différentes. Beaucoup ont été produites en
collaboration avec des organisations différentes
afin de documenter le phénomène de l’expul-
sion dans sa plus complète diversité. L’une des
cartes par exemple, montre que la concentra-
tion des expulsions recoupe celle des arrêts
des Bus qui viennent chercher les employés
des grandes entreprises de la tech. Toutes les
cartes ne sont pas aussi lisibles, mais l’objectif
reste de documenter ce qu’il se passe de mul-
tiples façons. Plutôt que de raconter une seule
histoire « vraie » ou consensuelle
« La prise en compte de la valeur des perspec-
tives multiples ne doit pas se limiter à la transpa-
rence et à la réflexivité. Il s’agit également d’inviter
activement et délibérément d’autres points de vue
dans le processus d’analyse et de narration des
données – plus précisément, ceux des personnes
les plus marginalisées dans un contexte donné.
» Pour l’Anti Eviction Map cela signifie centrer
ses données sur les voix et les expériences de
ceux qui ont été expulsés, à l’image de la pro-
position du réseau Design Justice qui souhaite
centrer son travail sur ceux les plus touchés par
les données. Pour Klein et D’Ignazio, l’enjeu est
bien ici de concevoir des projets de co-libération
plutôt que des « données pour le bien » (ce
qu’on appelle le mouvement « Data for good »,
un réseau de réseaux international qui promeut
l’usage de la donnée pour l’intérêt général). Si
le mouvement Data for good décrit des projets
de science des données socialement engagés,
que signifie faire le bien ? De quel bien par-
lons-nous ? Au profit de qui ?
Sommaire :
LE FÉMINISME DES DONNÉES REPOSE SUR 7 PRINCIPES QUI DIRIGE SON ACTION :
Examiner le pouvoir :
le féminisme des données commence par l’ana-
lyse du fonctionnement du pouvoir.
Défier le pouvoir :
Le data féminisme s’engage à remettre en
question les structures de pouvoir inégales et à
œuvrer pour la justice.
Valoriser l’émotion et l’incarnation.
Le féminisme des données nous apprend à
valoriser de multiples formes de connaissances,
y compris celles qui proviennent des personnes
en tant que corps vivants et sensibles dans le
monde.
Repenser le binarisme et les hiérarchies.
Le féminisme des données nous oblige à re-
mettre en question le binaire du genre, ainsi
que d’autres systèmes de comptage et de clas-
sification qui perpétuent l’oppression.
Adopter le pluralisme.
Le féminisme des données insiste sur le fait que
la connaissance la plus complète provient de
la synthèse de perspectives multiples, la prio-
rité étant donnée aux modes de connaissance
locaux, autochtones et expérientiels.
Tenir compte du contexte.
Le féminisme des données affirme que les don-
nées ne sont pas neutres ou objectives. Elles
sont le produit de relations sociales inégales, et
ce contexte est essentiel pour mener une ana-
lyse précise et éthique.
Rendre le travail visible.
Le travail de la science des données, comme
tout travail dans le monde, est le travail de
nombreuses mains. Le féminisme des données
rend ce travail visible afin qu’il soit reconnu et
valorisé.
Data Feminism n’est pas seulement un propos
sur les femmes ou le genre. C’est une réflexion
sur l’émancipation par la science des données.
La force du livre de Klein et D’Ignazio est de bâ-
tir une réflexion politique sur les données et les
calculs… de politiser la science des données
sans la réduire à une injonction à l’ouverture ou
à l’amélioration sans fin des données. Ce n’est
pas un petit pas de côté !