La mise en chiffre de soi (1/2) : qui sont ceux qui se mesurent ?

Réseaux, politique des algorithmesDans le dernier numéro de la revue Réseaux, Anne-Sylvie Pharabod, Véra Nikolski et Fabien Granjon signent un intéressant article sur « La mise en chiffres de soi » qui s’est intéressé à une poignée de praticiens de la mesure de soi.

Ils rappellent que « la mise en chiffre de soi est une pratique marginale », que le partage des données personnelles, enjeu central pour les promoteurs des outils, est très confidentiel et reste cantonné à des pratiques spécifiques, et enfin que la quantification de soi est avant tout un geste intime et peu stable, qui ne s’installe pas dans la durée : souvent « la pratique est ponctuelle, car elle s’apparente à un diagnostic : une fois l’évaluation faite, la quantification n’a plus de sens ». Si certaines pratiques, notamment celles de performances sportives, peuvent être plus stables, elles ne sont pas forcément très intensives.

Contrairement au discours des tenants du Quantified Self, l’analyse des entretiens montre que la vision de la quantification comme pratique illustrant un progrès de la réflexivité est à nuancer. Le plus souvent, l’effet de connaissance apporté par la quantification s’avère limité, estiment les auteurs. La mesure demeure un diagnostic. L’information apportée par la mesure et l’analyse des résultats demeurent le plus souvent restreinte et instable. Les quantifications ordinaires se justifient par une pratique de transparence, mais souvent les quantifiés choisissent ce qu’ils mesurent : les utilisateurs ont donc tendance à mesurer des choses positives et n’hésitent pas à les suspendre quand elles deviennent déprimantes.

Quelles normes partageons-nous ?

En fait, soulignent avec justesse Anne-Sylvie Pharabod, Véra Nikolski et Fabien Granjon « plutôt qu’un mouvement de recul sur soi, de nombreuses quantifications s’inscrivent dans un mouvement de focalisation de l’attention, une sorte de « zoom avant » sur tel ou tel aspect qui masque la vision globale. Se percevoir autrement accompagne alors un changement de comportement, d’activités ou d’état. »

La quantification de soi est bien plus marquée par une volonté d’action sur soi que par la recherche d’une réflexion sur soi. Pour les auteurs, la quantification de soi est une parfaite illustration des formes (technicisées) de l’individualisme contemporain, où la généralisation de la norme d’autonomie s’accompagne de l’injonction à formuler un projet entrepreneurial de soi. L’individu doit se contraindre seul pour devenir un individu-projet, gestionnaire et responsable de soi, expliquent-ils. Les outils de la maîtrise de soi banalisent et généralisent des mesures d’état ou d’activité qui étaient auparavant réservées au cadre institutionnel.

Mais en se privatisant, la mesure d’activité ne perd pas toute référence à des conventions, seuils ou objectifs dont la définition collective pose question. « Le partage du chiffre cache souvent le partage d’une norme ». Les auteurs vont même plus loin et dénoncent le risque d’une standardisation des activités privées, qui rappellent les techniques gestionnaires de l’espace professionnel.

De plus, les mesures effectuées de manière opportuniste, parce que les outils existent peinent à trouver leur sens. Et si les utilisateurs parviennent à trouver un usage pour eux-mêmes, la dimension de partage proposée par les outils leur paraît souvent difficile à exploiter. Souvent en fait, ces partages et mises en commun s’avèrent inutilisables, notamment parce que les personnes n’enregistrent pas les mêmes choses. Le classement de son niveau d’activité quotidienne sur Fitbit avec les autres utilisateurs souligne surtout que tous les utilisateurs n’utilisent pas l’appareil de la même façon : certains l’utilisent en continu, d’autre non, certains que quand ils courent alors que d’autres l’utilisent pour mesurer leur marche quotidienne…

Reste, soulignent avec raison les auteurs, que dans le monde de la quantification personnelle personne ne semble interroger la construction de nouvelles valeurs de références servant de guide aux actions quotidiennes des utilisateurs. Les moyennes issues des algorithmes deviennent des évidences. Nul ne sait dire combien de pas par jour il faut faire pour être en bonne santé – ni ne sait ce qu’est un pas et comment les outils de mesures le définissent différemment -, ni combien de temps il faut courir, mais les usages agrégés moyens proposent des tendances et des normes auxquelles beaucoup d’utilisateurs peuvent être enclins à se conformer. Combien de pas faut-il faire pour être en bonne santé ? Que signifie se conformer à une moyenne globale ? Et Pharabod, Nikolski et Granjon de souligner qu’il n’est peut-être pas si simple aux utilisateurs de se projeter dans des outils qui les comparent aux autres : « la préférence pour un carnet papier ou une feuille Excel incompréhensible pour autrui sont sans doute le signe d’une résistance des individus à inscrire leurs pratiques personnelles dans l’horizon d’une standardisation ».

Qu’est-ce qui fait de nous un « quantifié » ?

Il est dommage que ces questions éminemment intéressantes aient été assez peu présentes à la seconde édition de la conférence Quantified Self Europe qui s’est tenu à Amsterdam les 11 et 12 mai 2013. Plus que l’année dernière (voir notre couverture de la première édition européenne et notre livre sur le sujet) cette édition s’est resserrée sur une succession de présentations personnelles, certes toujours étonnantes et inspirantes – notamment parce que le mantra auquel doivent répondre les présentateurs (« Que faites-vous ? Comment le faites-vous ? Qu’avez-vous appris ? ») sait très bien organiser le storytelling personnel -, mais circonscrites à un cercle d’utilisateurs avancés ou à ceux qui développent de nouveaux outils de mesure de soi. Les ateliers – auxquels j’ai participé – ont peiné à dépasser l’enfilade de lieux communs…


Image : les participants à la conférence Quantified Self Europe 2013, photographiés par Ernesto Ramirez. Qui sont les quantifiés ?

Gary Wolf avait raison de s’interroger, en introduction de la conférence de savoir en quoi le Quantified Self faisait communauté. Malgré une communauté forte de 19 000 membres déclarés à travers le monde, force est de constater qu’il est difficile de saisir ce qui la rassemble tant les raisons qui la rassemblent sont pour chacun différentes. Sur Wikipédia, le Quantified Self est décrit comme un mouvement, mais est-ce que cela en est vraiment un ? Et sur quelles bases se regroupe-t-il ?

Il demeure qu’à l’heure des Big Data, les Small data des quantifiés nous rappellent que ce n’est pas la masse de données qui compte, mais le sens. Si de nouveaux phénomènes émergent avec le volume de données, force est de constater que nos données personnelles les plus proches demeurent celles qui nous sont le plus utiles. « Le sens et la proximité sont plus importants que la taille », soulignait Gary Wolf.

La chercheuse Whitney Erin Boesel (@phenatypical) animait justement un atelier pour savoir qui était absent de cette communauté. Beaucoup de gens se mesurent sans appartenir à la communauté, ni trouver un intérêt à s’y rattacher. Cette absence doit-elle poser problème à la communauté ? Et, si c’est le cas, comment y remédier ? Est-ce que venir aux événements du QS suffit à faire appartenance à cette communauté ? Est-ce qu’utiliser un outil comme Fitbit ou les chaussures de Nike suffit pour faire de vous un quantifié ? Pas vraiment, les milliers d’utilisateurs de ces outils ne se sentant certainement pas appartenir à une communauté dont ils ignorent la plupart du temps l’existence. La meilleure réponse est certainement venue d’un quantifié lui-même : les quantifiés ne sont pas seulement ceux qui sont intéressés par la mesure de soi, mais surtout ceux qui réfléchissent sur le processus et la pratique de la mesure. Comme elle l’explique dans un article pour Cyborgology : « Beaucoup de gens pourraient acheter un Fitbit parce qu’ils sont intéressés par le suivi de leur activité physique, d’autres parce qu’ils sont intéressés à vous le vendre. Pourtant, seulement quelques-uns seront intéressés à réfléchir sur de nouvelles et différentes façons d’utiliser un Fitbit, ou en quoi le comptage de leurs pas parle de leur vie, ou comment l’utiliser pour changer leur expérience du monde ou comprendre ce que cela signifie d’en utiliser une. Et c’est pour ces gens là que le Quantified Self est devenu une communauté et un foyer intellectuel. » Dit autrement, le Quantified Self ne représente bien qu’une petite partie de ceux qui se mesurent, les utilisateurs avancés, ceux qui expérimentent de nouveaux outils, ceux qui cherchent d’autres réponses, ceux qui sont prêts à en parler… Comme l’exprime encore Whitney Erin Boesel dans un autre article sur ce qu’est devenu le Quantified Self désormais, nous sommes passés de « la collecte des outils de suivis personnels pour se poser de grandes questions » à « se poser des questions sur nos outils de suivis et ce que nous faisons avec eux ». En cela que la communauté mûrie et devient assurément plus critique.

La plupart des gens sont mal à l’aise à l’idée de mesurer quelque chose de soi. Tout le monde ne veut pas nécessairement savoir, mettre des chiffres ou au moins du sens sur ses actions quotidiennes. La plupart des gens confrontés à cette question ont peur d’une exclusion, d’une discrimination, d’une standardisation. Bien souvent, leur première question recouvre une profonde incompréhension : « mais pourquoi faites-vous cela ? » Dans le format même des présentations auquel sont invités à participer les participants du mouvement, le Quantified Self a tendance à promouvoir des histoires de transformation et si tout le monde aime ce type d’histoires, tout le monde ne souhaite pas être transformé. L’ethos du QS n’est pas la conformité, mais bien la curiosité.

Comment les données se transforment-elles en action sur soi ?

Dans un autre atelier consacré au soi dans la donnée, Sara Watson (@smwat), chercheuse à l’Oxford Internet Institute, quand on observe la fréquence des termes sur le site du mouvement, on se rend compte que celui-ci parle surtout de données et de technologies. Mais on y parle assez peu de la relation aux données ? Est-ce que nos données sont une projection de nous-mêmes ? Résument-elles notre identité ? Comment construisons-nous du sens à partir d’elles ? Comment les transformons-nous en action sur soi ?

Pour Robin Boorah, le soi est une expérience. Le processus de mesure de soi est en lui-même une expérience que nous cocréons. Les données sont un prétexte pour construire une histoire plus qu’un portrait, estime une anthropologue. Les données ne sont qu’un outil, un miroir, une grammaire pour inventer un nouveau vocabulaire de son soi, désagrégé, déconstruit par les données. Mais plus qu’un miroir, le QS n’est-il pas plutôt un microscope pour dresser son portrait ? La pratique de la mesure de soi consiste plus à se construire soi-même qu’à donner une représentation de soi, estime Whitney Erin Boesel. La pratique compte finalement plus que les données, souligne Robin Boorah, être attentif à sa propre mesure est finalement presque plus important que ce que les chiffres mesurent. La mesure de soi consiste surtout en une transformation de soi, plus qu’en une mesure, avec des outils de narration différents, qui changent la grammaire, la façon dont on parle de soi. Reste que les nombres sont devenus une monnaie d’autorité. Quand on montre des chiffres, on a l’impression de montrer une vérité, estime encore Robin Boorah, cela crédibilise l’expérience personnelle. Mais cela ne reste qu’un moyen de faire de l’introspection : les romanciers usent une autre grammaire, faite de mots plus que de chiffres, eux.

Mais que créons-nous avec ces mesures de soi ? Que sont ces objets, ces artefacts d’identité que les quantifiés échangent ? Comment regardons-nous les autres à travers les données ?

Si l’on place un verre d’eau vide sous la pluie, il devient un verre d’eau que l’on peut boire, souligne un participant. Les participants du QS transforment quelque chose d’eux-mêmes. Ils appliquent des modèles à un contexte. Ils transforment leur pas en données et l’interaction avec ces données permet de modifier leur environnement en le comprenant. Reste que ces données n’ont un sens que personnel, le plus souvent. Elles ont du mal à être utilisées par d’autres sans la connaissance qui leur est attachée, sans le contexte qui permet de les comprendre.

Incontestablement, conclut Sara Watson, les données sont une médiation, un outil pour se relier à soi.

Comment peut-on demander à ne pas être tracé ?

Whitney Erin Boesel portant l'appareil photo MemotoA l’heure de la démultiplication des données personnelles, toutes ne sont pas produites par soi et pour soi, tant s’en faut. Durant la première journée de la conférence, les organisateurs ont voulu lancer une expérience en armant plusieurs d’entre eux de la petite caméra Memoto, un très discret appareil photo qui prend automatiquement une photo toutes les 30 secondes. L’idée était d’inviter le public à réagir à l’avènement des Google Glass qui s’annonce, à observer les réactions tant des porteurs de l’appareil que du public. Quelles questions ces outils posent-ils sur notre manière de faire société ? Comment ces outils transforment-ils les relations sociales ? Comment peut-on demander à ne pas être tracé ?

Les porteurs du Memoto racontent leur journée alors que défile les images qu'ils ont voléPour les porteurs, racontant leur expérience, certains évoquent leur sentiment de puissance à enregistrer les autres à leur insu : la cible de l’image n’a pas vraiment d’option. Finalement, ces enregistrements montrent plus les autres que soi et ont tendance à dédouaner leur utilisateur de toute responsabilité, rappelant combien, en fait, l’architecture est politique, comme le disait Mitch Kapor, ou combien nous sommes responsable de la conception de ces outils, comme le soulignait Adam Greenfield dans Everywhere. Pour un autre porteur, il a été difficile de se souvenir qu’il portait un tel appareil, notamment en faisant quelque chose de privé. Bienvenue dans l’ère de la McVeillance, telle que définit par Steve Mann (Wikipédia), le pionnier de l’informatique portée, qui la définit comme le ratio entre la surveillance et la sousveillance et qui sera au programme de la conférence Istas 2013 qui aura lieu en juin à Toronto. Avec ces outils de lifelogging entrons-nous dans une société post-privacy ? L’assemblée n’a pas fourni de réponses autres que ses propres interrogations et doutes. Certaines personnes ont reconnu s’être éloignées des porteurs de la caméra. Beaucoup ne l’ont pas remarqué. En faisant défiler le flux des photos prises par ce petit objet anodin, on constatait combien toutes ces photos n’avaient pas grand intérêt. C’était un peu comme regarder une batterie d’écrans de caméras de vidéosurveillance sans même savoir quoi y chercher.

Assurément, le problème n’est pas d’être surveillé – nous le sommes toujours dans les lieux publics, ne serait-ce que par les autres -, mais d’être identifié. Et la surveillance est hélas le premier moyen pour permettre l’identification.

Lifelogging : qu’enregistrons-nous de nous ?

Pour donner de la perspective à ces questions, les organisateurs avaient invité pour conclure ces deux jours de conférence deux invités qui travaillent sur la question du lifelogging depuis longtemps.

Depuis 7 ans, Cathal Gurrin (@cathal, qui travaille pour le consortium Clarity, un centre irlandais qui travaille sur les technologies de capteur) porte un appareil qui prend en photo, automatiquement, toutes les 30 secondes, ce qu’il fait et mène des travaux de recherche à l’université de Dublin sur ce sujet (voir la vidéo d’une présentation de son projet faite devant le Dublin City Council Arts Office – aucune donnée du projet ne sont accessibles en ligne). Le problème est d’organiser et tirer du sens de cet amas de données, qui totalise 2 millions de photos et 4 millions de coordonnées de géolocalisation. Cela ne peut pas être manuel.


Image : Cathal Gurrin sur la scène du Quantified Self Europe à Amsterdam, photographié par Rain Rabbit.

La plupart des images sont très ennuyeuses, reconnaît Cathal Gurrin. Elles montrent que nous faisons des dizaines de choses différentes chaque jour, mais que pour le comprendre il est nécessaire de traiter automatiquement les données. La plupart des images n’ont aucun intérêt, mais certaines peuvent avoir beaucoup de sens pour soi, par exemple les images qui prennent en photo quelqu’un que l’on rencontre pour une première fois. Mais en fait, reconnaît Cathal Gurrin, il ne regarde pas les images et la majorité d’entre elles ne sont jamais regardées. C’est son logiciel qui le fait pour lui et qui tente d’extraire du sens des 5000 images que son appareil photo prend chaque jour. En fait, seulement 4 % des photos sont intéressantes. 40 % sont inexploitables (trop sombres ou floues) et 56 % se prêtent à l’analyse par le logiciel.

Depuis 7 ans qu’il porte un appareil photo autour du cou, Cathal Gurrin a remarqué que le plus souvent les gens ne prêtent pas attention à son appareil. Depuis 2006, celui-ci n’a déclenché que 4 fois une tension avec un interlocuteur… Les photos ne font pas vraiment peur aux gens, ceux-ci expriment bien plus d’inquiétude après l’enregistrement audio, souligne le chercheur.

Cathal Gurrin explique encore qu’il n’a aucun contrôle sur ce qu’il enregistre. Si au début il faisait attention, il en a vite oublié l’appareil. Face à la masse de données, naviguer ou faire une recherche dans les photos devient vite impossible. Il explique ainsi qu’il a peu de chance de retrouver quelque chose en naviguant dans les photos et que le moteur de recherche qu’il a construit ne rapporte pas toujours des résultats (3 fois sur 4). Ce système a été construit dans un but de recherche inspiré par celles de Gordon Bell. Cathal voulait comprendre ses routines quotidiennes. L’essentiel de son travail a tout de même été de développer un logiciel adapté, capable de reconnaître des objets ou des personnes, d’organiser les données, d’apprendre de son fonctionnement… Il a fallu apprendre au logiciel à extraire la sémantique des images, à identifier ce que l’on voit sur les photos, en s’inspirant des travaux de Daniel Kahneman pour caractériser les activités de la vie quotidienne (.pdf). Il a fallu ainsi identifier et caractériser l’activité pour mesurer la fréquence de ses interactions sociales ou que la machine soit capable de comprendre s’il était à la maison ou au bureau rien qu’en observant son environnement de travail. Il a fallu également comprendre les besoins d’information de l’utilisateur, notamment quand il souhaite retrouver des informations particulières. Gurrin a ainsi mis au point un journal quotidien capable de publier un résumé de ses activités quotidiennes les plus saillantes, illustré d’image. Il a bâti un Foodlog pour identifier les images de ce qu’il mange. Il utiliser ses images pour construire une frise des couleurs de sa vie, réduisant chaque image à un pixel de la couleur dominante de celle-ci… Il a mesuré ses habitudes à la machine à café (.pdf) en utilisant les API de Face.com pour identifier avec qui il prenait ses cafés. Et pour tout cela, il a mis au point une plateforme, SenseSeer. Cathal Gurrin est visiblement prêt pour les Google Glass.

La game designer hollandaise Ellis Bartholomeus (@elliswonderla) a également accompli une expérience de lifelogging à partir de photos. Avec la nouvelle année, elle a pris pour résolution de photographier tout ce qu’elle mangeait en le partageant sur Facebook. Décider de le faire et le faire a immédiatement modifié son comportement. Elle a préparé ses diners avec plus de conscience et d’application juste parce qu’elle devait les photographier. Face aux réactions de ses amis, curieux, elle a décidé de continuer l’expérience. Elle a étiquetté les images afin de renseigner ce qu’elle mangeait et où elle en mangeait pour en dresser la cartographie. Quand elle ne pouvait pas prendre de photos, elle a capturé un écran noir, ce qui lui a permis de constater qu’avec le temps, elle avait tendance à perdre sa motivation ce qui fait qu’elle a limité l’expérience a trois mois. Bien souvent, prendre en photo son repas nécessite des efforts voir des explications face aux autres qui vous voient faire. Cela nécessite une motivation forte et des buts clairs et précis.

Sans faire de régime, par cette simple attention, elle a perdu 5 kilos. Ce n’était pas le but, mais un résultat du fait de prendre conscience de ce que l’on mange. « Au moment de manger, j’étais invité à réfléchir à ce que je faisais. Devais-je prendre ces chips en photo et les partager ? L’exercice a créé une pression à la fois personnelle et sociale. »

Stan James (@wanderingstan), lui, a programmé la webcam de son ordinateur pour qu’elle prenne automatiquement une photo toutes les demi-heures. Comme les autres lifeloggers, les images issues de ce projet, baptisé tranche de vie, se sont avérées très ennuyeuses. Du fait du contexte dans lequel sont prises les photos, elles lui montrent surtout le temps passé devant son écran. Il a néanmoins tenté de les exploiter pour voir le nombre de fois où il s’est endormi devant l’écran, le nombre de fois où il est torse nu face à l’écran, où il l’utilise au lit, le nombre de fois où il est avec d’autres, où il touche son visage, où il est au téléphone… voir même où il sourit. La pratique, à nouveau, montre la difficulté à exploiter ce type d’images pour en tirer du sens. Cela n’empêche pas le programmeur de réfléchir à en faire une application pour que d’autres l’utilisent.


Image : Stan James présente ses tranches de vies, notamment le nombre de fois où il dort face à l’écran, photographié par Rain Rabbit.

Buster Benson @buster) est également un pionnier du lifelogging (voir sa présentation). Il a commencé à se mesurer en 2002, en monitorant son humeur, puis a lancé un site pour créer un journal intime privé, 750 mots, puis un jeu social pour améliorer sa santé, HealthMonth avant de lancer un outil pour mesurer et conserver toute son activité numérique… Mais depuis 5 ans, Buster Benson a pris une autre habitude, celle de prendre tous les jours à 20h36 une photo. L’idée est de prendre une photo d’une manière quasi automatique (une alarme lui rappelle de prendre une photo) et de la publier en ligne, sans la censurer. Pour lui, la vie privée, n’est qu’un effet de bord de l’absence de connexion. Le but est de capturer quelque chose de soi, sans l’interpréter (même si souvent il renseigne ses images). En 5 ans, Buster a accumulé 1785 photos. Commencé comme un défi, ce pourquoi il l’a fait a pris sens avec le temps. Si l’essentiel des photos est très ennuyeux, certaines ont du sens pour lui. L’enjeu a bien sûr été de les faire parler, de les renseigner, de dataifier l’ensemble, lui permettant de mesurer d’une manière rétrospective quand il sortait, quand il travaillait, quand les photos montraient une activité sociale, sa femme ou son fils. Son but était de capter le passage du temps. Pour autant, il ne sait pas jusqu’où il mènera ce projet. Il en voit les limites, tout ce que ce fil de photos ne collecte pas, les rêves, les espoirs…

Ces projets mettent en perspective bien des questions qui se posent autour du projet de lunettes de réalité augmentée de Google, mais, sans plus que celles-ci répondent à ce qui anime cet enregistrement compulsif de soi et des autres. Pourquoi le faisons-nous ? Pourquoi le continuons-nous ? Comme si en fait nous amassions seulement des images du monde parce que c’est possible et facile, sans en voir les conséquences. Qu’importe si l’expérience de l’utilisateur transforme celle de celui qui y est confronté ? La liberté des uns commence là où s’arrête celle des autres.

Hubert Guillaud

Seconde partie : La mise en chiffres de soi (2/2) : les chiffres ne savent pas toujours répondre.

À lire aussi sur internetactu.net

2 commentaires

  1. bel article et merci aussi pour votre compte rendu de la réunion Quantified Self d’Amsterdam.

    Nous apportons notre pierre à l’édifice en listant sur http://www.red-dolphin.com des solutions pour la mesure de soi, la santé et le « life-logging »…

    Notre communauté est ouverte à tous mais en anglais de préférence pour échanger avis, expériences et conseils.

  2. Pour poursuivre la réflexion sur les dimensions politiques des outils de restitution des traces d’activités ou d’états personnels, il y a aussi le texte court et peu empirique, mais très intéressant, de Christian Licoppe et Laura Draetta, « Des smarts grids au quantified self, technologies réflexives et gouvernement par les traces », in Jutand F. (sous la dir), La métamorphose numérique, ed. Alternatives, Paris , 2013.
    Merci encore pour votre lecture attentive de nos travaux

Laisser un commentaire

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