De Google My Maps à ggplot2 en quelques secondes

J’avais brièvement évoqué, en juin dernier, la version 1.0.0 du package R xml2, qui permet de lire du XML dans R en permettant d’y mobiliser la librairie libxml. Voici un petit bricolage basé sur cette chaîne d’outils.

Les données : Google My Maps

Au hasard d’une recherche sans rapport avec le schmilblick, je suis tombé sur cette carte des morts violentes à Barbès et à la Goutte d’Or. La carte a été réalisée par Jean-Raphaël Bourge, qui fait un superbe travail de recherche sur le quartier.

En fouillant un peu, j’ai également retrouvé cette carte des églises africaines qui font leur publicité à la Goutte d’Or. La carte a été réalisée par Baptiste Coulmont, qui a amplement documenté le phénomène, et qui a publié un très chouette article sur le sujet.

Enfin, en creusant encore un peu, je découvre une autre carte : « Gangs of Los Angeles« , et son complément sur les gangs hispaniques. Les graffiti que laissent les gangs de Los Angeles font l’objet d’une recension aussi systématique que possible sur Instagram, et il existe des tonnes de cartes très détaillées des territoires de ces gangs1.

Le problème : KML et ggplot2

Je me suis demandé comment je pouvais réutiliser les données de ces cartes. Google My Maps est un outil très pratique qui peut être utilisé sans compétence technique par un nombre illimité d’utilisateurs, ce qui en fait un excellent support pour le recueil de données géolocalisées ; mais comment réexploiter ces données ?

Google My Maps permet d’exporter les informations d’une carte au format KML, ce qui est pratique, mais l’utilisation de ces données par des outils tels que les packages R rgdal ou sf n’est pas facile, surtout si l’on souhaite utiliser les packages du « tidyverse » (dyplr et ggplot2 en particulier) pour manipuler les données et les visualiser.

La solution (limitée) : tidykml

Histoire de passer rapidement d’un fichier KML à un jeu de données qui puisse être utilisé avec ces packages, j’ai codé un petit package, tidykml, qui importe les éléments KML les plus simples (les géométries de base et leurs métadonnées). Tous les détails sont dans le README du package, et voici un exemple de résultat :

gangs

Le package est très limité : il ne gère pas les « géométries multiples » (les multi-polygones qui permettent de visualiser des îles, par exemple), et il n’a été testé que sur les cartes listées plus haut, plus quelques autres exemples de cartes issues de Google My Maps. En attendant mieux, le package permet de réaliser des cartes comme celle-ci :

sherman

L’exemple ci-dessus, qui ne demande que quelques lignes de code dont la plupart sont des réglages graphiques réalisés dans ggplot2, apparaît également dans ce billet en anglais, un peu plus technique.

Pour aller plus loin

Mon objectif, avec tidykml, était de raccourcir autant que possible le code allant de l’import d’un fichier KML à un graphique réalisé avec ggplot2, histoire de faciliter la réutilisation de données Google My Maps sur d’autres supports, et sans passer par des solutions de cartographie plus sophistiquées.

Pour aller plus loin, il faudrait avant tout que je trouve un moyen de prendre en compte les « géométries multiples » évoquées plus haut, et aussi que je documente l’énorme répertoire d’outils cartographiques pour R, comme par exemple l’excellent package cartography de Timothée Giraud et al..

Pas d’empressement toutefois : les outils de cartographie avec R sont en discussion et pourraient évoluer de manière à rendre mon package obsolète dans les mois à venir. Tant mieux.

  1. Voir notamment cette conversation sur Reddit. []

Bonnes résolutions 2017, édition « science des données »

En toute probabilité, cette année, vous n’allez ni arrêter de fumer, ni commencer à manger et à dormir de manière équilibrée, ni vous astreindre à un planning hebdomadaire de passages à la piscine. Enfin, cette année, vous n’allez certainement pas réguler votre dose quotidienne de café1.

En revanche, cette année, vous pouvez prendre dix bonnes résolutions pas très compliquées, sur recommandation des nerds derrière le comptoir. Ces résolutions tournent autour de la « science des données », la fameuse data science, dont on ne sait pas encore exactement ce que c’est—mais ce n’est pas grave.

  1. Boycottez Elsevier

    Il faut continuer à signer la pétition The Cost of Knowledge, et encourager les réseaux de bibliothèques universitaires qui ont pris des initiatives de désabonnements massifs de certains « bouquets » de revues aux prix prohibitifs.

    Ce n’est pas compliqué, et c’est nécessaire si l’on veut mettre le minimum de pression nécessaire sur l’édition scientifique. Malheureusement pour la science politique, il y a d’excellentes revues chez Elsevier : Electoral Studies et Sociologie du travail2. Pour l’analyse de réseaux, c’est pire, la revue centrale est chez Elsevier.

    Mise à jour : un gentil commentateur m’apprend que Sociologie du travail s’apprête à quitter Elsevier pour rejoindre Revues.org. Double excellent choix ! L’éditorial de Didier Demazière sur le sujet est très intéressant à lire en entier.

  2. Désactivez Flash

    L’année 2016 n’a pas manqué de hacks (ou de révélations d’anciens hacks) spectaculaires, et si vous avez un compte LinkedIn ou Yahoo!, vous êtes concernés. Pour faire le point, voir l’excellent service Have I Been Pwned?

    Pour réduire les risques, cette année, vous pouvez notamment abandonner Flash, en le désactivant dans les préférences de votre navigateur Internet. C’est totalement indolore : l’industrie a abandonné ce format, et les sites Internet que vous consultez ont déjà fait leur transition vers autre chose.

  3. Apprenez R

    C’est le bon moment pour apprendre R. Comme tous les langages, il est périssable, mais en ce moment, il est à son apogée : les outils de base de la science des données (import/export, manipulation, visualisation) sont robustes, et les innovations quasi-quotidiennes3.

    L’offre de formation à R est aussi à son apogée : on trouve presque tout sur Internet, sur Stack Overflow notamment, et les formations hors-ligne s’organisent aussi—j’en dirai plus cette année, ici ou ailleurs. Surtout, c’est dans ce langage que se mènent, en ce moment, certaines des discussions les plus intéressantes sur comment analyser quelles données (Julia et Python comptent aussi, bien sûr).

    Si vous êtes data-journaliste ou aspirant à l’être, et/ou si vous vous levez le matin pour analyser des données, apprenez R, et le reste suivra.

  4. Utilisez Youtube

    En 2016, j’ai enfin réussi à faire comprendre à Youtube que je n’étais pas intéressé par les vidéos d’Alain Soral et Jean-Luc Mélenchon, ce qui m’a permis d’utiliser Youtube pour remplacer l’écoute de France Info à mes heures perdues.

    Pour cela, j’ai dû m’abonner à tout un tas de « canaux » Youtube, histoire de les faire peser dans l’algorithme de recommandation. Voici quelques exemples de canaux recommandables :

    Médias
    Arte, Arte+7, Arte – Tracks, Mediapart ; Mediapart, en particulier, publie de longs et excellents débats quasi-nocturnes : je recommande en particulier ceux de la série « Moyen-Orient Express« 
    Universitaire
    British Academy, Center for European Studies, Paris School of Economics, London School of Economics (and Political Science), Lee Kuan Yew School of Public Policy
    Autres
    Oxford Union Society, Alan Macfarlane, Bycome, Reactions, On The Top of Damavand for ever, DEFCONConference
  5. Apprenez HTML

    Bilan d’une conversation avec un ami : dans la vie, ce sont les langages qui vous amènent quelque part. Dans mon cas, ce fut l’anglais, le web design valide et accessible, et la programmation statistique, avec Stata puis avec R.

    J’ai appris HTML5 et CSS2/3 il y a quinze ans, à une autre époque, celle de Jeffrey Zeldman, Mark Pilgrim et Eric Meyer. À l’époque, il fallait y rajouter un peu de Javascript et PHP/MySQL ; aujourd’hui, il faut rajouter beaucoup de Javascript, librairies et frameworks inclus (Angular, Node, jQuery). Je conseille d’apprendre les bases avant tout.

  6. Défendez RSS

    La fermeture de Google Reader, qui fut, je pense, l’une des plus grosses erreurs jamais commises par Google/Alphabet, a condamné l’utilisation de masse des flux RSS ; mais les blogueurs, journalistes et autres geeks connaissent RSS, et veulent continuer à l’utiliser.

    Le standard est menacé de disparaître : il n’y a pas de flux RSS (ou Atom) sur Twitter (solution alternative), par exemple, et la nouvelle plateforme d’édition scientifique de Cambridge University Press, Cambridge Core, n’a plus de flux RSS pour ses revues4 Il faut protester quand l’occasion se présente.

  7. Envisagez Linux

    Voici la seule recommandation de cette liste que je n’ai pas encore prise.

    Il y a trois ans, si j’avais fait la liste des choses qui me manqueraient si je passais de Mac OS X à Linux, la liste était longue ; aujourd’hui, elle est de plus en plus courte. À l’inverse, la liste des choses agaçantes et/ou inutiles sur Mac OS X – maintenant macOS, mais vu que je n’ai pas l’utilité des nouvelles fonctionnalités du système, je suis encore sous Mac OS X 10.9 – s’est allongée.

    Il reste trop de choses génialement conçues sur Mac OS X pour que j’envisage un « switch » immédiat, mais j’hésite désormais autant à installer Xubuntu qu’à installer macOS. La dernière itération du MacBook, qui est un gros jouet plutôt qu’un ordinateur, me conforte dans cette tendance.

  8. Hebdomarisez Facebook

    Ce n’est évidemment pas l’usage que Facebook souhaite que ses utilisateurs aient du service, mais de mon point de vue, Facebook devrait une sorte d’hebdomadaire. En 2016, Facebook a d’ailleurs inauguré son équivalent des marronniers sur l’islam ou les Francs-Maçons, avec le phénomène des « fake news.

    Les outils pour transformer Facebook en « revue hebdomadaire » restent à inventer – consulter Facebook une fois par semaine ne suffira pas5 –, mais c’est l’une des choses que j’aimerais voir se développer cette année, après dix ans d’utilisation et quelques pauses de désintoxication.

  9. Documentez une API

    Cette résolution est peut-être la plus importante de ma liste. Elle est sous-rédigée, mais j’essaierai d’y revenir plus tard cette année.

    Il y a de plus en plus de sources de données, mais le nombre d’individus qui les documentent est à peu près stable. C’est un problème, car pour que la « science des données » décolle et produise un vrai saut qualitatif, il faudra de la main d’oeuvre, et elle doit être aussi diverse que possible6.

    À l’heure actuelle, les données disponibles sous la forme d’APIs sont documentées par les développeurs de ces APIs, ou par quelques-uns de leurs utilisateurs7. Cela ne suffira pas : comme sur Wikipedia, il faut différentes categories de contributeurs pour créer un écosystème. Ma conviction est que l’écosystème actuel des APIs est trop homogène, trop uniforme : il faut des journalistes, des chercheurs, des informaticiens, mais aussi des étudiants, des cartographes, des bureaucrates, bref un peu de tout, et ce mix est rarement présent aujourd’hui.

    Conclusion : si vous avez un intérêt dans la data science, qui sera probablement mon thème pour 2017 sur ce blog et ailleurs, participez à documenter une API.

  10. Bloguez sur Hypothèses

    On est bien sur Hypothèses, et le ‘Bistro a déjà un billet de prêt (ou en préparation) jusqu’à début mars, au rythme d’un billet tous les trois ou quatre jours. Le planning pourra évidemment changer si nécessaire, mais un rythme de deux billets par semaine me semble être un bon rythme de croisière.

    Venez sur Hypothèses, et meilleurs voeux à toute l’équipe !

  1. Ce ne sont que des exemples, hein. Ne dîtes rien à mes parents, s’il vous plaît. Par ailleurs, êtes-vous déjà allé en Norvège ? C’est fantastique, les gens boivent du café à toute heure du jour et de la nuit. Autre question : êtes-vous déjà rentré dans une boutique Nespresso ? C’est terrifiant, les employés se présentent comme des « collaborateurs ». []
  2. De mon point de vue, la meilleure revue francophone de sociologie des organisations. Moment nostalgie ce Noël, quand j’ai retrouvé L’acteur et le système et Le pouvoir et la règle dans mes étagères. []
  3. À suivre cette année, les progrès en manipulation de données spatiales. Les cartographes utilisant R sont très bien organisés, et les derniers exemples de réalisations dans le domaine sont très prometteurs. []
  4. J’ai déjà râlé à ce sujet auprès des développeurs, et espère que Cambridge Core introduira des flux RSS pour ses revues cette année, même si je n’en ai actuellement aucune garantie. []
  5. Idée : une extension pour navigateur Internet qui ouvrirait des combinaisons d’onglets différents selon le jour de la semaine. []
  6. Au niveau professionnel, mais aussi au niveau sociologique, évidemment. []
  7. Voici un exemple : quelques APIs suédoises, listées par un data-journaliste de SVT.se. []

Women Also Know Stuff, édition personnelle 2016

how_it_works

En travaillant sur le programme définitif d’un panel de conférence (j’en reparlerai en temps voulu), j’ai réalisé que nous avions, avec mon co-équipier, éliminé toutes les communications incluant des femmes parmi les auteurs, sauf une. Tous les organisateurs et discutants de l’événement seront des hommes.

Autre contexte : en comité de rédaction, l’un des deux éditeurs d’une revue qui sort bientôt son n°1 (j’en reparlerai aussi) nous annonce que le pourcentage de femmes parmi les auteurs est hyper-bas. Je me souviens que nous avions déjà fait tout notre possible pour féminiser le comité de rédaction.

Autre contexte : une amie m’explique qu’elle postule à un financement dans une agence nationale. Elle m’explique qu’elle sait que ses chances de succès sont plus faibles : elle est jeune, et femme. Les chiffres sont là pour le prouver, et des biais similaires existent pour la publication en revue scientifique.

Ces inégalités sont difficiles à corriger. Si je scanne vite fait mes liens et lectures du jour, je dois en être à 80-90% d’hommes, aussi en sciences sociales qu’en trucs informatiques1. En science politique, sur certains sujets, et alors même qu’il y a de l’offre, on passe très facilement à 100% d’hommes2.

La liste ci-dessous ne changera rien, mais voici dix femmes dont j’ai découvert ou redécouvert les travaux/oeuvres cette année.

  1. Masha Gessen, pour « The Putin Paradigm » et « Autocracy: Rules for Survival » (sur Donald J. Trump)

  2. Dasha Rush, pour toute sa production musicale (le mix ci-dessous commence à proprement parler vers 2:30)

  3. Julia Silge (qui vient d’être embauchée par Stack Overflow), pour Tidy Text Mining with R (avec David Robinson)

  4. Jenny Bryan, pour Happy Git and GitHub for the useR

  5. Isis Lovecruft, du Tor Project, pour cette conférence sur les systèmes anonymes

  6. Jocelyn Pook, pour l’album Untold Things et la chanson « Yellow Fever Psalm » en particulier (ci-dessous ; à écouter aussi à l’envers)

    Je ne m’attarde pas sur le sujet, mais tous les amateurs de musique ambient savent qu’il y a plein de femmes parmi les pionniers du genre, à l’époque du bidouillage de synthétiseurs analogiques pesant super lourd ; allez donc écouter Else Marie Pade en 1962 ou Laurie Spiegel en 19793.

  7. Joan C. Williams, pour « What So Many People Don’t Get About the U.S. Working Class » – où l’on trouve un paragraphe qui mériterait à lui seul six heures de cours sur la stratification socio-éducative :

    One little-known element of that gap is that the white working class (WWC) resents professionals but admires the rich. Class migrants (white-collar professionals born to blue-collar families) report that “professional people were generally suspect” and that managers are college kids “who don’t know shit about how to do anything but are full of ideas about how I have to do my job,” said Alfred Lubrano in Limbo. Barbara Ehrenreich recalled in 1990 that her blue-collar dad “could not say the word doctor without the virtual prefix quack. Lawyers were shysters…and professors were without exception phonies.” Annette Lareau found tremendous resentment against teachers, who were perceived as condescending and unhelpful.

  8. Béatrice Cherrier, pour son blog The Undercover Historian [of Economics]

  9. Casey, pour l’ensemble de ses albums (extrait du dernier ci-dessous), et pour ses concerts à Gennevilliers et à Paris cette année

  10. Sonia Kronlund, pour Les Pieds sur terre (France Culture)

Mention spéciale à Katherine Ognyanova, pour « Network visualization with R » (tutoriel découvert au moment de sa première publication l’an dernier, mais mis à jour depuis).

  1. Le biais sexiste en informatique est moins fort que prévu, si j’en crois mes dernières lectures (langage R). []
  2. Les biais varient d’un pays et d’un sujet à l’autre. Comparer, par exemple, la France et les États-Unis, ou bien la couverture médiatique et scientifique de l’État islamique avec celles de la Russie. []
  3. Le biais masculin varie aussi selon les styles musicaux. Jetez un coup d’oeil, par exemple, à la jungle/drum and bass. []

ArchiPolis : des entretiens plein les tiroirs

Plus tôt ce semestre, un email de la liste de diffusion du réseau MATE-SHS m’a informé des avancées du projet ArchiPolis, qui vise à rendre accessible les matériaux bruts des enquêtes qualitatives en science politique, et que j’avais rapidement évoqué cet été :

archipolis-dataverse

Le catalogue ArchiPolis est désormais consultable en ligne, et c’est un veritable trésor d’enquêtes qualitatives – des entretiens réalisés sur les cinquante dernières années ! – qui est désormais accessible sur demande :

archipolis-catalogue

Le catalogue utilise Dataverse. Le reste des détails est à lire sur le blog d’ArchiPolis, hébergé, comme tant de choses chouettes, sur Hypothèses (Where else?).

Bravo aux acteurs du projet, et aux nombreux laboratoires de science politique qui y participent !

Ce soir au Tank à Paris : R et la data science au service de l’action publique

r-action-publique-2016-11-15-1

Joël et Samuel, avec qui nous enseignons le cours « Open Data in Urban Research » et qui sont en train de lancer leur entreprise, Datactivist, m’ont gentiment invité à intervenir ce soir dans cette conférence qu’ils co-organisent avec Open Data France :

conf-tank

La description complète de la conférence, qui fait partie du programme de la Semaine de l’innovation publique, suit, avec quelques liens et retours chariot supplémentaires :

La data science promet une transformation en profondeur de l’action publique. Comment fait-on parler les données publiques ? La data science doit-elle rester une affaire de spécialistes ?

Depuis la nomination d’Henri Verdier en tant qu’administrateur générale des données, de nouvelles organisations publiques annoncent régulièrement la nomination d’un Chief Data Officer en charge de l’application des méthodes de la data science aux données, en particulier ouvertes, de l’administration.

Mais concrètement comment fait-on parler les données publiques ? Avec quels outils ? La data science doit-elle rester une affaire de spécialistes ?

À l’occasion de la publication d’une formation d’introduction au logiciel R, véritable « couteau suisse » de la data science, la coopérative datactivi.st et l’association Open Data France proposent de discuter concrètement des outils et des méthodes qui permettent de « faire parler les données », autour d’une table ronde avec notamment :

Diane Beldame, data scientist, formatrice à R chez ThinkR

François Briatte, vétéran de la ligne ferroviaire TGV surtarifée Paris-Lille à des horaires tardifs ou matinaux

Jean-François Eudeline, administrateur de l’Insee, chef du service des études et de la diffusion à l’Insee Normandie

Christophe Libert, Responsable du service innovation numérique de la région Ile de France

Voici ma très brève présentation, qui évoque notamment les réseaux de collaboration parlementaire dont j’ai souvent parlé sur ce blog depuis quelques années. Quelques slides tirées de la présentation ci-dessous :

r-action-publique-2016-11-15-2

r-action-publique-2016-11-15-3

r-action-publique-2016-11-15-4

Ça se passe au Tank, la salle de Spintank, à 19h. Pensez à réserver sur Meetup !

r-action-publique-meetup

Mise à jour : tout était filmé ! Si j’avais su, je serais passé chez le coiffeur. Vidéo ci-dessous, avec plein de choses intéressantes de la part des intervenants et de Joël.

J’ai manqué de précision sur plusieurs des choses que je mentionne dans ma présentation, mais les liens que je fournis dans les slides devrait suffire à reconstituer l’essentiel.

Encart publicitaire : encore plus de cartographies réticulaires

Si vous avez aimé l’exemple de « cartographie réticulaire » publié il y a un mois au sujet des théories du complot, vous en trouverez naturellement plein d’autres sur ce blog, mais aussi dans mes notes sur R, en anglais (voir l’encart publicitaire précédent).

L’une de mes dernières notes sur R porte sur la construction d’un petit réseau de co-occurrences de mots-clés, dont voici le premier résultat :

réseau de co-occurrences

Les mots-clés que vous voyez ci-dessus m’ont été fournis par une classe de cobayes gentils étudiants du Master Governing the Large Metropolis, qui est objectivement le Master le plus chouette de la planète1. Les (17) étudiants étaient tenus de lister leurs centres d’intérêt intellectuels, ce qui a donné ce petit réseau de co-occurrences.

Ce graphe repose, à peu de choses près, sur la même méthodologie que celle utilisée pour cartographier les théories du complot, à ceci près que la note qui l’accompagne contient plus de détails techniques, notamment sur la pondération des liens dans les réseaux de co-occurrence2.

À ce stade, je n’ai pas eu recours à la détection de communautés pour classer les mots-clés en fonction de leurs co-occurrences : une lecture rapide du graphe m’a suffi. En revanche, dans une seconde note utilisant les mêmes données, je me suis amusé à reprendre le réseau bipartite initial des étudiants et de leurs mots-clés :

réseau bipartite

Or, si l’on réduit ce graphe à des liens entre étudiants plutôt qu’entre mots-clés, alors la détection de communautés devient assez intéressante, puisque l’on va pouvoir s’en servir pour repérer les clusters d’étudiants partageant les mêmes centres d’intérêt, en utilisant le même algorithme de détection de communautés que dans ma cartographie des théories du complot :

réseau unipartite avec clusters

Remarquez que j’ai la composition réelle des groupes de travail qu’ont formé les étudiants suivant mon cours, et qu’elle ne correspond pas du tout, mais alors pas du tout, à celle qui apparaît ci-dessus… Autrement dit, dans l’immense majorité des cas, les étudiants ont formé leurs groupes de travail en se fondant sur d’autres critères que leurs centres d’intérêt communs.

  1. J’aime vraiment beaucoup enseigner dans ce Master où l’on trouve, dès la deuxième semaine de cours, un exemplaire de Seeing Like A State dans les sacs des étudiants. []
  2. Voir aussi cette autre note sur la pondération des liens dans des réseaux de co-auteurs. []

Redîtes « big data » une fois de plus, pour voir

head-exploding

La fin de l’année approche, et cette année, malgré un début un peu étrange dans mon cas, fut une bonne année. Sauf que si j’entends « big data » une fois de plus, je vais finir comme le présentateur télévisé dans Scanners (image ci-dessus).

J’ai la chance de connaître des gens très chouettes qui travaillent sérieusement sur le sujet, mais à l’ouverture du 70384-ième email m’annonçant une conférence sur « X et big data« , j’avoue que je fatigue un peu.

Ce n’est pas très original comme positionnement, mais j’en ai un peu ras-le-bol.

L’enjeu définitionnel

Il y a des articles complets dédiés à la définition de ce que sont les big data, et des gens très bien planchent sérieusement sur le sujet.

Toutefois, s’il faut se contenter d’une seule phrase de définition, j’aime bien cette définition empruntée à (un email de) Benjamin Ooghe-Tabanou :

Big data veut dire « qui ne tient pas dans une seule machine et nécessite des outils de calcul distant sur grilles de calcul pour être manipulé » (sic scripsit opera mundi, septembre 2016).

Cette définition a l’avantage de rappeler que le « big » de « big data » est le résultat d’une comparaison entre les données, les machines censées les stocker, et les algorithmes censés les analyser : « big » est un qualificatif indexé sur (1) la capacité de stockage et sur (2) la capacité de calcul disponibles sur les équipements informatiques standard.

En plus de ces deux éléments définition, j’aime bien celui suggéré par Philippe Tassi dans « Big data (1) – la fin des échantillons ou nouveau paradigme ?« , un billet mentionné sur l’excellent blog d’Arthur Charpentier ; le billet est le premier d’une série publié ailleurs sur le thème du « big data ».

Dans ce billet, Philippe Tassi complique la définition des « mégadonnées » en évoquant la fréquence de mise à jour de ces données, et il me semble que c’est effectivement un paramètre important à prendre en compte, car les infrastructures qui ont produit l’idée de « big data » sont souvent conçues pour héberger des données très fréquemment mises à jour et exploitables quasiment en temps réel, ce qui rend ces données et leurs modalités d’utilisation radicalement différentes des grandes enquêtes de la statistique publique, par exemple.

L’enjeu scientifique

Bien que je me sois déjà amusé avec quelques fichiers de recensement, je n’ai jamais eu à manipuler des « big data » : même les fichiers du recensement indien s’ouvrent sans difficulté sur une machine de bureau. Et s’il m’arrive de placer certaines données dans des tables à accès rapide, cela ne fait pas de ces données des « big data » pour autant.

De plus, même dans le cas où il m’est arrivé d’analyser des données sur des serveurs de calcul distant, c’était par commodité, pour gagner du temps, plutôt que par nécessité : les calculs qui m’intéressent tiennent presque toujours dans les limites physiques de la mémoire d’un ordinateur portable récent.

Autrement dit, je connais mal les enjeux techniques du « big data »—faute d’avoir pu voir comment ces enjeux affectent un workflow scientifique standard. Mais passé les enjeux techniques, la vraie question me semble être : la technique du « big data » a-t-elle des conséquences sur la manière d’imaginer les recherches que cette technique sous-tend ?

S’il y a un effet « big data » sur l’imagination scientifique, je demande à voir à quoi il ressemble en pratique, et pas seulement dans les titres incantatoires de conférences ou d’axes prioritaires des programmes de financement.

Ben justement, voir ci-dessous, tiens.

Pour aller plus loin : journée d’études « Sciences XXL »

Si mon coup de gueule vous paraît bien peu constructif, ne vous inquiétez pas, le sentiment est partagé.

Pour aller plus loin, donc, voici une annonce intéressante : « Sciences XXL – Ce que l’abondance et la diversité des données numériques font aux sciences sociales« , un appel à communications pour une conférence co-organisée par Étienne Ollion, déjà cité plus haut ; date-limite dans 20 jours !

La macroéconomie est un sport de combat

Mise à jour, 16 février 2017 : Olivier Godechot a publié une très bonne recension, calme et mesurée, de l’un des ouvrages cités dans ce billet.

Mise à jour, 23 novembre 2016 : Denis Colombi vient de publier un billet de blog sur le sujet abordé ci-dessous ; à déguster.

Paul Romer, Chief Economist à la Banque mondiale depuis peu et l’un des économistes régulièrement pressentis pour décrocher un jour le prix quasi-Nobel d’Économie pour sa théorie de la croissance endogène et pour ses travaux sur le changement technologique1, a récemment publié ce papier, qui est un délicieux jeu de massacres :

romer-1

romer-2

romer-3

Ce n’est pas la première fois que Romer prend la macro-économie à parti : son papier « “Mathiness in the Theory of Economic Growth” » était déjà une manière pour lui d’engueuler une bonne partie des macroéconomistes, en leur demandant de se mettre d’accord sur les fondamentaux, et de prendre les mesures nécessaires en cas de défaite dans l’affrontement qu’il appelle de ses voeux entre les différentes théories macroéconomiques qu’il juge incommensurables.

J’avoue que j’adore aller regarder les matches de boxe chez les économistes, parce qu’il y a vraiment du spectacle : les matches se jouent souvent sans les gants, et ça cogne fort, à coup de « ma science versus ta pseudo-science« . Les victoires se gagnent rarement par K.O., mais l’intention y est.

Un extrait supplémentaire du papier de Romer pour l’exemple :

romer-4

Et si vous n’avez pas le temps d’aller lire Romer, Noah Smith a résumé l’essentiel.

Un match de boxe économique française

cahuc-zylberberg Deux économistes français, Pierre Cahuc et André Zylberberg, ont récemment lancé leur propre match de boxe, en parlant de « négationnisme économique » (rien que ça) pour désigner l’économie qui échappe à leur définition de l’économie scientifique mais qui se vend néanmoins très bien dans différents segments des médias.

Je n’ai pas lu l’ouvrage, mais le compte-rendu de Stéphane Ménia chez Éconoclaste confirme que les auteurs n’y vont pas de main morte, et qu’on est bien dans un combat que les auteurs espèrent voir se finir au tapis.

Les économistes donnent souvent l’impression d’être très sûrs de gagner le match quand ils montent sur le ring, ce qui rend le match encore plus amusant quand ils se plantent : Cahuc et Zylberberg, par exemple, semblent manier l’épistémologie avec la subtilité d’un étudiant de première année de Licence, et ne semblent pas avoir pris le temps de répliquer les papiers qu’ils citent pour défendre leurs positions2.

Ce match a l’air moins intéressant que Romer v. Macroeconomics : Cahuc et Zylberberg se retrouvent déjà en difficulté au deuxième round, leur contre-attaque au troisième round m’a semblé bien faible, et effectivement, Alexandre Delaigue, l’autre Éconoclaste, n’a au aucun mal à taper fort là où ça fait mal.

Bref, le match est en train de tourner court pour ses instigateurs, et j’avoue que je n’ai même pas réussi à comprendre s’il s’agissait d’un match de « macro » ou de « micro ».

Depuis que j’ai rédigé la première version de ce billet, le match est devenu une sorte de grosse mêlée, avec réactions de toutes parts : André Orléan et l’AFEP (les premiers visés), mais aussi tout ce que la France comptent d’économistes avec une boîte email, s’y sont invités, et le tout ressemble désormais à un match de boxe de rue.

Passons, et revenons-en, comme l’a fait Béatrice Cherrier dans un billet bien mieux documenté et structuré que le mien, à Romer v. Macroeconomics.

Mon match de macroéconomie favori

Romer v. Macroeconomics s’annonce divertissant, mais si vous avez le temps d’aller assister à un match de boxe macroéconomique qui dure depuis plusieurs années et qui n’est pas prêt de se terminer, je recommande celui sur le DSGE et sa modélisation :

Et la nature modélisée du raisonnement économique garantit d’autres beaux matches à l’avenir, en fonction du degré d’abstraction (et donc d’évasion de la réalité) que la discipline est disposée à admettre.

Dernières petites choses

Le truc le plus intéressant cité dans ce billet reste le papier de Romer. Si vous êtes plus curieux de savoir ce qu’il prévoit de faire à la Banque mondiale, allez voir cette conférence.

Le papier de Romer est aussi intéressant pour ce qu’il a à dire du raisonnement bayésien appliqué aux problèmes d’identification dans les modèles économiques (Section 5.3, pages 13-14), et j’ai aussi beaucoup aimé son billet de blog sur « Abstraction vs. Radical Specificity« .

rodrik Outre Romer, les autres économistes américains que j’aime bien lire de temps à autre incluent ceux cités dans ma liste « DSGE » plus haut, ainsi que Dani Rodrik, qui vient justement de sortir un ouvrage de self-defense économique assez recommandable, car très lisible et en même temps très complet : on y retrouve les métaphores et les modèles essentiels de l’économie, dans une forme plus comestible que dans un manuel d’économie classique à la Mankiw.

  1. Voir les prédictions d’Alexandre Delaigue, du blog Éconoclaste, en 2005, 2006, 2008, et 2015. []
  2. Dixit un collègue qui a tenté de répliquer le papier sur l’effet des 35 heures : apparemment, ça ne réplique pas ; voir aussi ce billet de Thomas Coutrot, qui a eu presque la même idée de titre que moi. []

Édition spéciale « process-tracing »

Un récent numéro spécial de New Political Economy, que j’ai repéré grâce à une note de bas-de-page de Jean Leca (page 315) au coeur de l’été, est entièrement consacré au process-tracing, que j’avais déjà évoqué une fois en passant :

npe-process-tracing

La revue n’est pas celle où l’on s’attendrait le plus à voir une discussion de la notion de process-tracing, que l’on a plutôt croisée dans des revues comme Comparative Political Studies ou des revues centrées sur les méthodes de recherche, mais New Political Economy présente l’avantage de permettre des « réponses invitées » à ses articles, ce qui fait que le numéro spécial contient aussi une série de textes assez courts commentant les textes plus longs sur lesquels il s’ouvre.

Le process-tracing, c’est un peu le moment passeronnien des méthodes de recherche qualitatives dans le champ des sciences sociales américaines, et en particulier de la science politique, où toute une série de réflexions sur la causalité, la temporalité et la complémentarité des approches « quali-quanti »1 a suivi la publication de « KKV« , l’ouvrage que tous les postgrads ont avalé durant leur formation au research design.

L’utilisation de la notion de process-tracing au sens de « méthode d’identification des mécanismes causaux » est assez ancienne (fin des années 1970, avec des racines en psychologie cognitive), mais sa popularité actuelle s’explique surtout par la publication du manuel de méthodologie des études de cas de George et Bennett, Case Studies and Theory Development in the Social Sciences, paru en 2005, et sur lequel plusieurs chercheurs très lus dans les cercles de recherche qualitatifs/comparatifs, tels que Peter Hall2, David Collier ou Gary Goertz, ont ensuite rebondi, avec la volonté de creuser la notion pour en extraire une armature épistémologique solide, qui puisse faire la démonstration de la nature rigoureuse des outils qualitatifs les plus communément employés (étude de cas, analyse comparée, recherche historique).

Quelques conseils de lecture

On trouve désormais une bonne dizaine de manuels consacrés au process-tracing, dont plusieurs sont cités dans l’article de Jean Leca évoqué en tête de billet3. Pour ma part, si je ne devais recommander qu’un nombre limité de textes sur le process-tracing, je choisirais les textes suivants :

  1. Cet article de Peter Hall, déjà cité, pour un bref aperçu de la notion et des conseils pratiques sur comment s’y mettre,
  2. Ce chapitre de James Caporaso, qui pose les bases générales de la réflexion sur le process-tracing et la division « quali-quanti »,
  3. Cet article de James Mahoney dans le numéro spécial de New Political Economy, qui connecte le process-tracing et la réflexion sur le raisonnement bayésien,
  4. Cet autre article de James Mahoney pour rentrer dans le coeur des enjeux (causalité, explication, logique),
  5. Et l’ouvrage collectif Process Tracing. From Metaphor to Analytic Tool, qui renvoie vers à peu près tout ce qu’on peut lire en supplément.

Cette liste ne mentionne pas les nombreux textes de Derek Beach, Ingo Rohlfing, Tulia Falleti, … qu’il faudrait aussi inclure dans une bibliographie étendue, mais les textes ci-dessus y renvoient régulièrement.

Interlude via Google Ngrams

Ingo Rohlfing a scanné la popularité de l’expression « process-tracing » dans Google Ngram, et sa croissance de popularité semble plus ancienne que ma brève chronologie. Voici son graphique, avec deux repères indiquant la publication de « KKV » (1991) et celle du manuel de George et Bennett (2005) :

pt-1

Le problème, c’est que ce graphique ne tient pas compte du volume variable de publications indexées dans Google Books. Voici un autre graphique qui permet de poser le problème, en comparant « process-tracing » et d’autres expressions beaucoup plus courantes :

pt-2

Si l’on normalise la série « process-tracing » par ces autres séries, le résultat ne dégage pas de chronologie très lisible :

pt-3

pt-4

Je suis très sceptique sur la qualité du corpus de Google Ngram : l’inconclusivité des résultats corrigés ne me surprend donc pas plus que ça.

Le code des graphiques, qui est totalement inintéressant, est quand même en ligne.

Une remarque supplémentaire

Une grande partie des méthodes de recherche que l’on utilise en science politique (je pense par exemple à la grille de lecture néo-institutionnaliste des « 3 i » formulée par Yves Surel et Bruno Palier, et initialement basée sur une synthèse Hall et Taylor) sont des théorisations de la pratique, c’est-à-dire des formalisations post hoc d’une esquisse de méthodologie initialement bricolée au moyen du pool d’outils existants. Il en va de même pour la comparaison pair-à-pair ou les champs d’action stratégique.

Le process-tracing n’échappe pas à cette catégorisation, et c’est tant mieux : ce que les déductivistes les moins tolérants aux approches inductives prennent pour une déficience est en réalité une marque d’honnêteté sur la manière dont s’élaborent les méthodes de recherche, dans toutes les domaines non théorématiques des sciences, sociales ou pas.

  1. Les débats sur les mixed-methods et le développement de la fuzzy-set analysis (ou méthodes « set-théoriques« ) rentrent dans la même catégorie de réflexion. []
  2. De mon point de vue, on peut recommander toutes les publications de Peter A. Hall, qui sont toujours très riches et souvent méthodologiquement passionnantes. []
  3. Voir aussi le workshop de Derek Beach et Ingo Rohlfing aux ECPR Joint Sessions d’Antwerp en 2012. []

Qualifier et quantifier l’activité parlementaire : données, méthodes et pratiques

Olivier Rozenberg et moi-même organisons une section thématique au prochain Congrès de l’Association Française de Science Politique. Voici l’appel à communications, qui se termine dans une semaine :

st38

L’appel existe aussi en anglais, et le reste des détails est à trouver sur le site Internet de la section, qui disparaîtra quand elle aura eu lieu—attendez-vous donc à ce que tous les liens de ce billet finissent en erreur 404 dans quelques temps.

Si vous aimez les parlements et les données, envoyez vite votre proposition de communication !

Remerciements

La diffusion de cet appel à communications m’a donné l’occasion de faire le tour des associations professionnelles et groupes de recherche qui travaillent sur les parlements. Outre l’AFSP et l’ANCMSP, voici la liste des groupes qui ont reçu et diffusé l’appel—avec tous mes remerciements à leurs coordinateurs et organisateurs :

La seule société qui n’ait pas diffusé l’appel est la Société Québécoise de Science Politique, mais bon, on ne va pas se fâcher pour si peu.

Remerciements supplémentaires au blog germanophone « Soziologie der Parlamente » (hébergé sur Hypothèses), qui a relayé l’appel de son côté.

Repérages supplémentaires

La liste ci-dessus n’est pas tout à fait exhaustive : pour la zone francophone, le Groupe de Recherche sur les Parlements et les Parlementaires (GRPP) de l’AFSP aurait été pertinent, mais il est apparemment inactif, de même que l’Association de science politique du Luxembourg, LUXPOL, et que les associations qui ont existé en Tunisie et au Cameroun.

De plus, si l’on souhaitait étendre la liste aux groupes d’histoire parlementaire francophones et anglophones, il faudrait aussi inclure les groupes suivants :

  1. Calenda n’a pas encore diffusé l’appel, mais c’est ma faute, j’envoie toujours trop peu à l’avance… Mise à jour : c’est fait, l’équipe de Calenda a été très rapide—merci beaucoup ! []
  2. Et l’IPSA elle-même, qui a aussi diffusé l’appel de son côté. []
  3. Ce groupe est centré sur un autre sujet, mais je n’ai pas trouvé de groupe « parlements » au sein du CES, et ai pris celui-ci en remplacement. []