Code et données pour les sciences sociales (1) Introduction

Début d’une série de billets visant à commenter (pas à traduire) le guide de Gentkow et Shapiro (2014).

En 2014, Matthew Gentzkow et Jesse M. Shapiro, deux économistes, publient un petit guide que j’ai récemment découvert, grâce à plein de monde sur Twitter. Le guide s’intitule « Code and Data for the Social Sciences: A Practitioner’s Guide ».

L’introduction du guide décrit une manière de faire de la recherche, que l’on soit en science politique, en économie, en géographie, en sociologie ou en histoire, ou en biologie, en physique, en statistiques ou ailleurs :

… écrire du code pour faire tourner des analyses statistiques, pour simuler des modèles, pour formater des résultats, pour produire des graphiques.

En 2014, deux (jeunes) économistes peuvent assez facilement convaincre leurs pairs que cette manière de faire de la recherche est à la fois une forme légitime (car valide) et importante (car productive) de faire de la recherche1. Idem en biologie, par exemple, où la bio-statistique et la bio-informatique sont bien représentées dans les compositions des laboratoires.

C’est certainement moins évident en science politique, au moins en France, où le number-crunching ne semble pas avoir touché beaucoup de monde en dehors de la sociologie électorale2 pendant plusieurs décennies—ou est-ce un faux-semblant hérité d’une formation primordialement tournée vers l’explication dite « qualitative » et une lecture sélective de la littérature scientifique ? En tout cas, l’article de Nonna Mayer dans The Political Methodologist d’il y a dix ans ne va pas vraiment contre cette observation.

Les vogues récentes pour les « humanités numériques » (digital humanities) et la « science des données » (data science) aidant, on se trouve désormais dans une conjoncture où les nerds auto-proclamés ont une place dans les laboratoires, ne serait-ce que pour aider les collègues à utiliser l’imprimante, et éventuellement à collecter des données ou, dans les champs d’analyse les plus formalisés, à faire tourner quelques modélisations.

Voici quelques-uns des « scénarios utilisateur » que mentionnent Gentzkow et Shapiro en soutien à une recherche en sciences sociales tournée vers le code et les données :

  • Réplication — savoir (re)produire des résultats d’analyse, si possible, vu le rythme de la recherche, sur des durées assez longues ;
  • Données manquantes — savoir diagnostiquer des problèmes d’échantillonnage biaisant les résultats ;
  • Données supplémentaires — savoir rendre une analyse empiriquement plus robuste en élargissant son assise empirique ;
  • Intelligibilité et transparence — savoir rendre une analyse aussi transparente et compréhensible que possible au lecteur extérieur ;
  • Collaboration — savoir mettre en place des protocoles permettant de travailler collectivement sur un problème et ses données.
  • Changement d’échelle — savoir rendre accessible de très gros volumes de données, et/ou produire de très gros volumes d’analyse.

Une partie des problèmes ci-dessus relève à la fois des sciences sociales et de l’informatique : les « problèmes d’intelligibilité », par exemple, existent aussi bien au niveau (abstrait) de la conceptualisation qu’au niveau (concret) de la programmation (literate programming). D’autres croisent statistiques, probabilités appliquées et data engineering ; d’autres sont encore plus transversaux.

Concernant « l’ingéniérie des données« , la multiplication des problèmes à résoudre (big data, exploitation de données Web et/ou numériques, archivage et partage de données qualitatives…), sans que la croissance faible des postes d’ingénieurs de recherche ne permettait pas de suivre la demande, a aussi certainement aidé.

Gentzkow et Shapiro évoquent aussi le rôle de l’industrie et de la science informatiques, et des solutions qu’elle ont apportées sur ces questions :

If you are trying to solve a problem, and there are multi-billion dollar firms whose entire business model depends on solving the same problem, and there are whole courses at your university devoted to how to solve that problem, you might want to figure out what the experts do and see if you can’t learn something from it.

Le décor est ainsi planté : l’analyse quantitative et les utilisations scientifiques de l’informatique (scientific computing) sont devenues plus accessibles, aidées en cela par des changements à la fois internes et externes à la recherche scientifique — et les manières de travailler ont évolué en conséquence.

Voyons ce qu’en disent Gentzkow et Shapiro. On rentrera dans le vif du sujet au prochain épisode : pourquoi et comment automatiser la production d’un résultat d’analyse. Avant cela, il y aura un « épisode intermédiaire » sur l’informatique pour les sciences sociales.

  1. Ne serait-ce qu’en regardant un peu ce que font les « prix Nobel », on tombe vite sur deux d’entre eux, Thomas Sargent et Paul Romer, qui codent en Python ; et ils ne sont certainement pas les seuls. []
  2. Sous-domaine de la science politique où l’on retrouve pas mal de chercheurs formés en économie. []

Robert Faurisson est mort

Le négationniste Robert Faurisson est mort il y a peu.

Pour m’être intéressé au personnage suite à la lecture d’un entretien avec Noam Chomsky, qui s’était retrouvé mêlé à l’une des nombreuses « affaires Faurisson » qui ont fait la carrière de ce dernier, je m’étais moi-même retrouvé cité (nommément) sur quelques sites Web négationnistes. J’en avais parlé avec quelque détail sur un blog désormais disparu1, en 2005, et ne ressens pas vraiment la nécessité d’en reparler, mais suis quand même allé vérifier ce qu’il en restait, et il en reste encore des traces par-ci par-là.

Baptiste Roger-Lacan, via deux fils sur Twitter (archivés dans un format plus lisible ici et ), a très bien résumé le parcours de Robert Faurisson, jusque dans la période récente : ce billet me sert surtout à signaler cet excellent compte-rendu biographique. Un article devrait suivre dans Le grand continent, la très bonne revue en ligne du Groupe d’études géopolitiques (GEG) de l’École Normale Supérieure, et je suppose que Fragments sur les Temps Présents en parlera aussi.

  1. Sur mon blog personnel, dont je sabordais les archives tous les cinq-six ans, jusqu’à passer sur Tumblr. []

Nouveaux manuels de science politique, 2018

Cette rentrée, on croule sous les nouveaux manuels :

Manuels auxquels il faut rajouter, par exemple, le Roux et Savarese paru chez Bruylant, maison d’édition qui publie aussi des traités de science politique — Mayer et Deloye, Analyses électorales ; Thiers et Rozenberg, Traité d’études parlementaires.

Je compare toujours ces sorties aux manuels que j’ai eus lorsque j’étais étudiant, et que j’ai souvent réutilisés dans mes plans de cours. Il y a du mieux sur tous les fronts : les traités et manuels d’il y a quinze ans (Leca et Grawitz, Braud, Lagroye) étaient moins digestes2.

Mention spéciale, de ce point de vue, au Dormagen et Mouchard paru chez De Boeck, qui réorganise presque toutes les sources dont on a besoin, il me semble, en « cours d’intro. » au premier semestre de la Licence 13.

Disclosure — j’ai reçu le manuel de Crettiez, de Maillard et Hassenteufel de la part de l’éditeur, et reçois les emails de nouveautés de De Boeck depuis que je les ai rencontrés sur un stand au Congrès de l’AFSP de Montpellier. J’ai acheté les autres titres cités, ou les ai au moins feuilletés en librairie.

  1. Paru l’an dernier, mais je n’ai jeté un coup d’oeil que cette année. []
  2. Pour l’analyse des politiques publiques, je suis plus réservé : les manuels des vingt dernières années sont tous digestes, mais je ne vois pas trop la différence, sur le fond, entre les manuels des années 2010 et ceux des années 2000. []
  3. J’ai l’impression que c’est avec ce manuel – et celui sur les gender studies – que la collection De Boeck a décollé. Au passage, je n’ai pas le souvenir d’avoir lu le moindre ouvrage paru chez De Boeck lors de mes propres études. []

Trump, suivi de prédiction

Ma prédiction concernant Donald Trump (dont je parle moins, parce que c’est lassant et triste) arrive bientôt à son terme, et malgré les tueries comme celle de Pittsburgh ou les meurtres « à l’aveugle » comme celui de Charlottesville, Trump reste au pouvoir sans avoir encore déclenché d’assassinat ciblé.

En revanche, ma prédiction est à nouveau partiellement validée par les (vrais) explosifs expédiés aux adversaires les plus vocaux de Trump par un militant complètement fasciné par le président. Heureusement, aucun des explosifs ne semble avoir fait de victime, et j’espère évidemment qu’il en sera de même pour les suivants, s’il y en a.

Sur la récente tuerie de Pittsburgh, je me permets, au passage, de vous renvoyer à cette excellente analyse de Rudy Reichstadt, dont les points 1 (« les mots tuent ») et 4 (« Trump est débordé sur sa droite ») sont particulièrement pertinents ici.

L’économie morale de Trump, et par extension de ses soutiens dans la droite américaine, est une abysse glaciale dont les morts de Pittsburgh  jalonnent deux des parois : celle de la libre circulation des armes à feux, et celle de la « libre expression » des haines les plus violentes au nom de la compétition (partisane) des discours (d’incitation au meurtre des « ennemis intérieurs »), des « idées » (complotistes) et des « valeurs » (antisémites).