Voilà longtemps que les données de Facebook sont un inestimable matériau de recherche. Mais la politique de l’entreprise de Mark Zuckerberg en la matière est digne de celle d’un État. En proposant un état civil de substitution, en organisant le recensement quasi exhaustif de la population américaine (et du monde, demain), en adoptant une politique scientifique qui sélectionne les « bons » laboratoires et en promouvant une politique, c’est-à-dire des objectifs de recherche, Facebook déstabilise les sciences sociales, estime le sociologue Dominique Boullier, chercheur au Digital Humanities Institute à l’École polytechnique fédérale de Lausanne (EPFL). La nécessité d’une obligation contraignante de service public pour les données des plates-formes monopolistiques s’impose de plus en plus.

Facebook soutient depuis six mois une recherche de Raj Chetty, économiste à Stanford, en lui fournissant les données de tous les comptes de ses utilisateurs aux États-Unis pour un projet qui vise à comprendre le lien entre les inégalités et les interactions sociales. Quoi de plus normal ? De plus intelligent ? Et de plus noble comme objectif politique ? ,Car Mark Zuckerberg a mis en avant son engagement personnel pour réduire les inégalités et Raj Chetty est un de ces économistes et data scientists qui a fait ses preuves en mobilisant des données massives du fisc américain pour montrer notamment comment les chances de gagner plus que ses parents diminuaient constamment. Ce projet a même donné lieu à une campagne nationale Equality of Opportunity project, qui a inspiré des politiques sociales de plusieurs villes américaines. Cette étude était conduite avec une visée classique des sciences sociales, visant à Prouver et gouverner comme l’expliquait Alain Desrosières : c’est-à-dire à la fois connaitre « la société » grâce aux registres de l’État (le fisc) pour prouver la baisse des chances pour les nouvelles générations et gouverner en choisissant des politiques qui contrecarrent ces effets indésirables dans la lignée d’un État-providence mieux informé et plus ciblé.

Image : La disparition du rêve américain. Un graphique issu d’une étude du Centre de Stanford sur la pauvreté et l’inégalité où travaille Ray Chetty qui montre l’évolution du pourcentage des enfants américains qui gagnent plus que leurs parents.

De la politique sociale du quasi-État Facebook : la politique sans ses inconvénients

Cette fois-ci, avec les données de Facebook, l’opération change de nature et constitue un saut que j’avais annoncé avec d’autres, mais dont on doit mesurer l’importance. Facebook (et plus précisément Mark Zuckerberg) décide de s’attaquer aux inégalités et se donne donc un agenda politique, ce qui est plutôt intéressant alors que toutes les firmes ont de fait un agenda politique qui n’est jamais explicité, mais mis en acte et souvent révélé après coup (du fait de leurs conséquences en matière de discriminations, d’environnement, etc.). Mais Facebook ne se réduit pas cependant à Mark Zuckerberg, c’est l’une des plus grosses capitalisations boursières désormais (528 milliards de dollars en 2017) et l’une des plates-formes devenues monopoles dans leur domaine. Si Facebook choisit d’investir dans une telle politique, ce choix a plus de poids que celui de bon nombre d’États, mais il a « l’avantage » d’être soustrait à toute décision politique publique. Facebook se dote donc comme n’importe quel état d’une politique sociale pourrait-on dire, sans pour autant avoir de compte à rendre comme n’importe quel gouvernement : la politique sans les inconvénients de la politique en quelque sorte.

Pour gouverner dans ce sens, Facebook doit aussi prouver, comme tous les autres gouvernements, et commande donc des études. Parfait, quoi de plus noble que ce soutien à la recherche ! Mais il décide de choisir les chercheurs qu’il soutient, qui sont peu nombreux, et après les retours négatifs sur son étude de manipulation des émotions avec des chercheurs de Stanford en 2014, Facebook s’est doté de procédures pour valider ces projets de recherche. De là à dire qu’il s’agit d’un concours comme pour une agence publique de recherche, il ne faut pas exagérer, tout cela reste secret comme le protocole exact de la recherche conduite par Chetty. Pour résumer, Facebook s’arroge les avantages de la science sans les inconvénients de la science (à savoir le débat académique transparent et la validation par les pairs).

Enfin troisième étage de la fusée, les données sont fournies par Facebook et sont d’une ampleur jamais égalée, car Chetty pourra traiter les 230 millions de comptes ouverts aux États-Unis en janvier 2018 sur un total de 326 millions d’habitants dont 18 % de moins de 14 ans (soit 58 millions), ce qui fait une couverture de près de 80 % de la population de plus de 14 ans. On peut difficilement rêver mieux comme échantillon : on est en fait plus près de l’exhaustivité, ce critère de validation des données de population qui était quasiment réservée aux instituts statistiques nationaux et qui a permis de fonder ce que j’appelle les sciences sociales de première génération, celles qui mettent en avant le pouvoir d’agir de « la société » comme « tout », comme structure, en prouvant ses effets par les grands nombres collectés par les recensements. Voilà donc Facebook en position de faire le recensement de la population américaine comme l’État, voire même mieux que l’État puisqu’il peut le faire toutes les minutes s’il le souhaite et surtout parce qu’il collecte une quantité de traces d’activité sans commune mesure avec n’importe quel recensement, même lorsqu’on additionne les variables traitées dans les quatre univers classiques : personnes, familles, ménages, logements.

Facebook : nouveau gestionnaire de l’état civil

Certes, il est nécessaire de rappeler que Facebook peut collecter des comptes fictifs, en double, avec robots, etc. Mais il faut souligner que la volonté de départ de la plate-forme d’imposer l’identification des nouveaux comptes par l’usage des noms de l’état civil a fini par se diffuser largement. Elle s’est même renforcée depuis octobre 2017 avec une chasse aux faux comptes et une suppression de comptes en très grande augmentation. Facebook constitue en effet avec Google un prétendant à la gestion de l’état civil se substituant aux états puisque désormais un identifiant Facebook peut servir de passeport pour accéder à un grand nombre de services et d’applications, et bientôt pour franchir les frontières puisque les douanes US commencent à demander ces identifiants (de façon facultative pour l’instant). Cette contrainte a totalement remis en cause la tradition d’anonymat qui était présente sur le web à ses débuts et on ne mesure ses conséquences que maintenant, lorsqu’une firme (ou deux) a acquis le monopole de l’identification fiable (c’est-à-dire en rapport avec l’état civil) des comptes présents sur les réseaux. Ce « forçage » institutionnel s’est présenté comme un souci de fiabilité et une source de confiance dans le réseau, mais il a été de fait imposé aux utilisateurs et profite avant tout à la firme pour accomplir ses objectifs commerciaux et désormais politiques. Malgré cette prétention de substitut à l’état civil de plus en plus rigoureuse, il reste sans aucun doute des comptes qui ne sont pas correctement associables à des personnes IRL, in Real Life. Mais ces biais sont connus, sont redressables et il ne fait pas de doute que Chetty et ses équipes pourront contourner cet obstacle.

Plus problématique reste le statut légal de ces données ainsi récupérées et exploitées. La loi fixe les conditions des recensements, l’obligation de réponse, le type d’utilisation des données et en confie la gestion à des entités de statut public qui peuvent les mettre à disposition selon certaines conditions. Pour Facebook, ces contraintes ne tiennent pas : il fixe toutes les règles à sa façon, les exploite de manière totalement confidentielle (du point de vue du business) c’est-à-dire opaque (du point de vue du citoyen). Les CGU (conditions générales d’utilisations) annoncent certaines garanties qu’il est très difficile de vérifier. Désormais, depuis l’action de Max Schrems en 2011 et la plainte collective qui s’en est suivie, il est possible de recevoir ses données personnelles brutes et des services comme ceux de Personaldata.io permettent de contrôler ce qui est détenu par les diverses applications, firmes ou services. Mais rien n’indique quelles sont les traces qui seront exploitées dans l’étude de Raj Chetty particulièrement. Bref, Facebook s’arroge les avantages du recensement sans les inconvénients de l’accountability et de la privacy (de la responsabilité et du respect de la vie privée).

On se doute cependant que les chercheurs sauront anonymiser tout ce qu’il est nécessaire. Mais cela oblige à leur faire confiance et on ne sait pas quelle autorité de contrôle est en charge de la vérification (sans doute plus Stanford que Facebook). Et surtout, cette anonymisation ne permet en rien d’empêcher l’identification des individus via le recoupement de 5 à 6 données dont la géolocalisation qui reste clé dans les travaux de Chetty comme dans les usages des traces sur internet en général. C’est souvent à travers ce point de contact entre le monde des traces numériques et le monde des activités physiques que l’identification peut se faire et c’est pourquoi Google comme Facebook en sont très friands. Il est aussi quasiment certain que Chetty et ses équipes ne s’intéressent pas du tout à cette identification individuelle, ni même à un profiling à vocation de ciblage marketing. Cependant, il faut noter qu’ils vont manipuler une base de données qui rendra possibles tous ces calculs, ce que fait déjà Facebook pour son compte, et sachant le degré extrêmement faible de la sécurité des réseaux contemporains, on peut s’interroger sur la responsabilité ainsi prise, malgré tous les cryptages et hachages que l’on peut imaginer. N’oublions pas cependant que sur ce plan, le vent est en train de tourner et il est probable que ce genre d’études exploitant les données personnelles sans consentement explicite ne sera plus possible (même anonymisées) dans quelque temps : ainsi Facebook a été condamné le 16 janvier 2018 par un tribunal allemand sur huit clauses de ses conditions générales d’utilisation. En réponse (et après avoir fait appel de la décision), la plate-forme a annoncé qu’elle allait se mettre en conformité avec le RGPD européen (Règlement général pour la protection des données personnelles) en déployant un centre de confidentialité mondial. Il se peut donc, comme je l’ai annoncé dès le début des réseaux sociaux, que cette fenêtre de tir où tout le monde peut exploiter toutes les traces qu’il veut, va se refermer pour des raisons très différentes d’ailleurs et pas seulement à cause du RGPD.

Vers des sciences sociales à deux vitesses ?

Mais ce qui intéresse surtout Raj Chetty ce sont avant tout des effets structuraux validés sur une grande masse de données, puisque les méthodes de Machine Learning qu’il utilisera exigent de grands volumes pour apprendre et réviser les modèles testés au fur et à mesure. À tel point qu’on peut dire que les sciences sociales ordinaires n’ont quasiment jamais la chance de pouvoir agir sur ce volume et donc de mettre en œuvre ces méthodes de calcul si tant est qu’elles en aient l’expertise et l’envie. Ce mouvement de dépossession des accès aux données se renforce donc dans le cas de cette étude, mais il était déjà bien avancé, à tel point que j’ai pu annoncer pour dramatiser que l’enjeu était ni plus ni moins celui de la vie et de la mort des sciences sociales. D’ores et déjà, les computer sciences et spécialement les data scientists occupent le terrain des « sujets de société » dont les sciences sociales se réservaient le monopole de l’expertise. Avec cette étude, on voit bien que des sciences sociales à deux vitesses vont s’installer, celles qui ont accès autorisé à des masses de données qui seules permettent de mobiliser des techniques de Machine Learning dont il faut avoir la maîtrise et celles qui exploreront certaines niches de faible quantification (pour compléter les grands tableaux), qui produiront des hypothèses risquées (à valider par la suite) ou qui se contenteront de commenter et de critiquer (quand les autres proposeront des solutions, comme l’exige le solutionnisme technologique et libéral à la fois, cher à Evgeny Morozov).

Cependant, il s’est passé dans cette opération Chetty, un détournement des spécificités des données des plates-formes de réseaux sociaux qui peut paraître étrange du point de vue des générations de sciences sociales que j’ai proposé. En effet, cette étude prétend réaliser en tous points le programme des sciences sociales de première génération, celles des recensements et de l’exhaustivité, du pouvoir d’agir des structures, en exploitant des données et des traces supposées faire partie du « patrimoine » des sciences sociales de troisième génération. Le mouvement est tout à fait intéressant et montre bien précisément que ce n’est pas seulement une question de statut ontologique des données et des traces numériques qui seraient « par nature » d’un monde ou d’un autre, mais bien plutôt une question de « point de vue » (structures, préférences individuelles, réplications). Précisons que le travail de Chetty vise avant tout – pour ce qu’on en sait – à partir aussi des travaux qu’il a déjà conduits, à mettre en valeur les effets des engagements relationnels, à partir de l’analyse des traces d’activité en réseau, sur les inégalités ou plus exactement sur les opportunités. Cette théorie des ressources disponibles à travers les réseaux est un classique de l’analyse sociologique de réseaux, dont Mark Granovetter avait notamment produit une démonstration devenue célèbre sous le nom de « la force des liens faibles » (1). Mais on se doute bien que ces approches qui portaient sur des réseaux complets de petite taille et avec des volumes de données faibles peuvent être totalement revisitées par des études comme celle en cours (et on peut donc regretter que tous ces chercheurs ne puissent pas eux aussi bénéficier de ces accès aux données de Facebook). Cependant, Facebook comme toutes les autres plates-formes d’internet, génère des quantités de traces à un degré de granularité et à une fréquence jamais atteinte dans toutes les analyses classiques de réseaux. Cette haute fréquence de traces élémentaires est le matériau privilégié pour suivre des propagations, des processus de contagion, d’imitation, de bursts (phénomènes d’impulsions), de cascades, de buzz, qui sont parfois très éphémères, mais pourtant significatifs d’une dimension de la vie sociale. Il est fort probable que ce point de vue n’intéressera pas Chetty. Cependant, il intéresse de fait les marques qui financent via la publicité Facebook et tout l’internet. Les calculs faits à la volée par Criteo par exemple lors des enchères de placement publicitaire sur tous ces supports reposent entièrement sur une capture de traces du type click, temps de passage, de réaction, voire de like, de partage (qui deviennent dans ce cas déjà des traces de haut niveau si l’on veut).

Les trois générations des sciences sociales face à Facebook

On peut donc dire que les sciences sociales de première génération peuvent trouver dans les traces des réseaux sociaux des sources fiables pour tester et valider ce pouvoir d’agir de la société, de la structure sur les individus quand bien même ces données n’ont pas été construites selon les mêmes principes d’exhaustivité des recensements. En fait, les conditions de validité d’une telle affirmation sont extrêmement fortes puisqu’il faut avoir accès à toutes les données, et donc obtenir l’accord du propriétaire, puisque les données se trouvent ainsi considérées comme propriété de Facebook. Or, il existerait beaucoup d’autres façons de traiter le même corpus si une obligation de service public était imposée à Facebook (avant d’envisager son démantèlement pour lutter contre son monopole !).

L’analyse de réseaux qui va être pratiquée peut privilégier diverses approches comme je l’ai indiqué et rien n’empêche par exemple de mettre en évidence les influenceurs, à la mode des sciences sociales de seconde génération, ou dans la même veine, les choix effectués dans l’activation des liens entre amis. Mais il serait aussi possible de suivre à la trace non plus les comptes, mais les contenus, les idées, les mèmes qui circulent pour mieux comprendre les processus de contagion, de propagation et pour alimenter une théorie des réplications. En janvier 2018, Facebook a modifié son algorithme de gestion des fils d’actualité pour répondre aux attaques dont il faisait l’objet pour avoir laissé passer des contenus indésirables notamment de la part de groupes djihadistes. La réaction de Facebook a été tout à fait significative. Devenu média sans réellement l’avoir visé, mais par effet agrégateur de contenus, Facebook s’est trouvé sommé d’assumer des responsabilités équivalentes à celles d’un éditeur. Or, il n’en était pas question. Facebook voulait bien les avantages des médias (et notamment leurs audiences et leurs revenus publicitaires), mais pas les inconvénients légaux de la responsabilité éditoriale. Il a donc fait machine arrière pour revenir à son cœur de métier, les échanges entre membres d’un réseau d’amis, mais à condition que cela active la conversation. Pourquoi cette restriction ? Pour mieux valoriser son public actif auprès des marques et ne plus laisser proliférer des diffusions simples de contenus qui ne génèrent aucun engagement. Passer de l’audience à l’engagement a toujours constitué un objectif des marques et Facebook adopte les algorithmes qui conviennent pour cela, bien entendu sans expliquer en détail comment cela se passe, dans l’opacité la plus totale, qui produit cet effet étrange pour l’utilisateur qui ne maîtrise rien des règles d’affichage sur son propre fil de son propre compte ! Twitter a subi les mêmes attaques sur sa responsabilité éditoriale et tente de trouver une réponse semble-t-il plus subtile et plus ouverte à la recherche, la mesure de la « sérénité » des conversations, inspirée du MIT, mais ouverte à toutes les contributions.

Dans cette veine, il serait donc tout à fait possible (et même intéressant pour l’entreprise et son marché publicitaire !) de comprendre comment certains contenus peuvent générer de la connectivité, peuvent rapprocher et mobiliser l’attention. Les sciences sociales de troisième génération sont précisément faites pour cela et sont les plus adaptées à ce nouveau régime de publication que sont les réseaux numériques en général. Mais il faut en avoir le projet, l’ambition et construire les méthodes adaptées dont les meme trackers de Leskovec et Kleinberg par exemple sont un des volets. Et dans ce cas, les contraintes d’exhaustivité ou de représentativité ne s’appliquent pas véritablement, elles sont remplacées par des exigences de traçabilité qui concernent les contenus, en l’occurrence ici limités à une plate-forme, car il reste quasiment impossible de suivre correctement des réplications d’une plate-forme à l’autre. C’est pour cela que ces travaux sont possibles dans le cadre de Twitter ou même dans le cadre des publications scientifiques, comme le fait la scientométrie, mais pas encore sur des contenus qui circulent à travers tous les médias. La dépendance aux plates-formes est donc grande.

Mais comme on le voit avec l’étude de Chetty, cette dépendance aux plates-formes sera encore plus importante pour les études qui veulent traiter d’effets de structures ou de préférences. Ce qui devient très inquiétant pour les sciences sociales en général, qui seront donc soumises au bon vouloir des plates-formes et de Facebook en particulier pour accéder à des jeux de données de qualité. Nous aurons donc à terme la « recherche Facebook » face au reste du monde et il n’est pas sûr que le reste du monde y survive !

Promouvoir l’ouverture des données des plateformes

Se focaliser sur Facebook ne veut en aucun cas dire qu’on oublie que toutes les autres plates-formes des « GAFAMT » posent les mêmes problèmes. Elles le font cependant selon des modalités différentes qui recoupent les trois générations de sciences sociales que j’ai proposées.

Facebook et Google sont les prétendants pour reprendre les activités des sciences sociales de première génération et l’étude envisagée qui exploite les données Facebook à la mode d’un recensement ne fait que le confirmer. La diversité de leurs applications, leur position de monopole et leur puissance capitalistique et technologique leur permet de connaître et de suivre toute la population mondiale à terme. Microsoft est entré dans la compétition en rachetant Linkedin et l’activité intense développée depuis montre bien qu’ils veulent capter toutes les informations en lien avec le travail ce qui est à coup sûr plus directement monétisable.

Apple et Amazon ne procèdent pas de la même façon, car ces plates-formes se focalisent sur les consommations, sur les goûts et donc sur les préférences individuelles, ce pouvoir d’agir privilégié par les sciences sociales de seconde génération. La rentabilité d’une telle cible est plus immédiate et ne suppose pas de tout connaître des activités et des réseaux des inscrits en privilégiant la conversion en acte d’achat. Leurs modèles de recommandations sont les leviers essentiels de pilotage des goûts mondiaux et de ce fait de prescription auprès de tous les fournisseurs, qui ne peuvent plus désormais contourner ce point de passage obligé. Toute théorie des choix, toute approche de la consommation et du marketing ne peut plus désormais évacuer la puissance de captation de marché et d’organisation des places de marché de ces plates-formes et cela dans tous les secteurs.
Enfin Twitter constitue la plate-forme idéale pour les sciences sociales de troisième génération, on peut presque dire qu’il en est le prototype, le fondateur ou même la drosophile, puisqu’il permet de tester tous les modèles de propagation, et cela de façon assez ouverte par comparaison avec leurs compères des GAFAMT. Ce sont plutôt les sciences sociales qui peinent encore à élaborer un véritable modèle des réplications, pour enfin tester les hypothèses sur le pouvoir d’agir des non-humains, à savoir des contenus et des messages.

Les tâches sont ainsi divisées entre plates-formes et si les chercheurs comme Chetty vont sur Facebook, ce n’est donc pas un hasard, de la même façon que les pionniers de la troisième génération préfèrent Twitter. Dans tous les cas, cependant, la dépendance déjà mentionnée à l’ouverture de ces données par les plates-formes est totale et la précarité de ces approches mérite d’être soulignée comme problème de politique scientifique pour une ressource fournie par le public et accaparée par quelques firmes.

Les prétentions à la suzeraineté de ces plates-formes, pour reprendre la formule de Alain Supiot (2) dans Gouverner par les nombres, doit être combattue par la souveraineté des États (comme le fait le RGPD) pour contraindre ces plates-formes à remettre dans le domaine public toutes les données et traces qui sont à leur disposition, données produites par le public et qui méritent d’être reprises, traitées et contrôlées par des organismes scientifiques publics avant d’être mises à disposition des chercheurs dans des conditions précises comme c’est le cas pour les recensements (et donc avec des limites). Les principes de la science ouverte risquent fort de rester des vœux pieux si on ne s’attaque pas dès maintenant à cette prédation des données par l’oligopole de l’attention que constituent les GAFAMT.

Dominique Boullier

_________
Notes
1. J’ai rappelé ailleurs (mon papier sur les études de Twitter à paraitre en 2018 dans Sociologie et Sociétés) que Granovetter lui-même identifiait bien deux accès privilégiés à ces données de réseau, selon l’agency qu’on adoptait : celle de la structure du réseau (les liens) ou celles du réseau personnel et des préférences adoptées par les nœuds (les choix du modèle dit DHL).
2. Alain Supiot souligne ainsi le rapport de vassalisation qu’instituent ces grands groupes, sans réelle teneur juridique, mais par le seul effet de leur force de frappe et par leur statut de point de passage obligé. L’absence de réelle légalité à tout cela permet de gérer les litiges sous forme d’arbitrage ou par défaut en utilisant du court shopping » selon les pays et même les états aux USA. N’ayant pas de contrainte de contrôle d’un territoire comme l’ont les États souverains, ces entreprises gagnent une flexibilité et une réactivité qui attirent les investisseurs qui constituent désormais le rapport social dominant comme le propose Michel Feher dans son livre, Le temps des investis.