Le document explore la médiation de la connaissance à l'ère numérique, en confrontant la puissance des algorithmes à celle des médiateurs traditionnels à travers quatre thèmes : sélectionner, interpréter, militer, et échanger. Il souligne les révolutions dans la sélection et l'interprétation des ressources, ainsi que la nécessité d'un engagement militant en faveur de l'open access et des communs de la connaissance. En conclusion, le texte aborde l'impact des algorithmes sur les échanges et la nécessité de repenser leur rôle dans la médiation.

1. LA MÉDIATION DE LA CONNAISSANCE À L'ÈRE DU NUMÉRIQUE
Sélectionner, interpréter, militer, échanger
1
ERTZSCHEID Olivier. Maître de conférences en sciences de l’information.
Université de Nantes. IUT de La Roche-sur-Yon.
www.affordance.info
@affordanceinfo

2. Le pitch
• L’histoire de la médiation / médiateurs et des
algorithmes.
• 2 forces sont en présence.
• Voir comment chacune d’elles se positionne par
rapport aux quatre « thèmes » suivants : sélectionner,
interpréter, militer, échanger
• Mais commençons par une allégorie … 2

3. Médiation de la connaissance. 2016. Allégorie.
3
La puissance algorithmique ?
L’usager l’utilisateur le client ?
Le médiateur ?
Une question : où est …

4. Médiation de la connaissance. 2016. Allégorie.
4
Puissance algorithmique
Usager
Utilisateur
Client
médiateur
Zone de confort

5. 5

6. SÉLECTIONNER
6

7. Sélectionner ?
7
Galilée. Médiateur du 16ème
siècle

8. Sélectionner ?
• De nombreux changements de paradigme.
• Nouveaux régimes de croyances
• Eglise du Big Data, cathédrales de données, catéchisme algorithmique
des algorithmes
des algorithmes
accède aux ressources
sont ces ressources
8
Galilée. Médiateur du 16ème
siècle Jean-Michel. Médiateur du 21ème
siècle

9. Sélectionner ?
9
3 S
Et une seule stratégie.

10. Révolution 1 : on passe de pré-sélection à post-sélection (opt-out).
• Logique de stock (limité) : on trie en amont, à partir du stock existant.
• Logique de flux (illimité) : on prend tout (quand on peut), et on triera plus tard
(ex de l’archivage de Twitter par la LoC)
• Étagères infinies (ou le syndrôme de la bibliothèque de Babel)
10
• À la question posée à Colin L. Powell ("quel est le prochain livre que vous allez lire"), il répond: «"Sigh". C'est ça le
problème. Je n'arrête pas de télécharger de nouveaux livres sur ma liseuse, et je n'arrive pas à me décider lequel lire. Le
désir d'acquérir des livres électroniques se fait tellement de façon impulsive, instinctive, que je ne sais plus à la fin ce qui se
trouve sur mes étagères électroniques (e-shelfs). Et quand je regarde, j'y vois des titres que je ne reconnais même pas, ou
du moins dont je ne me rappelle ni avoir voulu ou ni avoir acheté»
http://www.nytimes.com/2012/07/01/books/review/colin-l-powell-by-the-book.html?pagewanted=all&_r=0

11. http://thetypologist.tumblr.com/
http://figuretime.tumblr.com/http://pufpremiercycle.tumblr.com/
Révolution 2 : Fin de la légitimité – exclusive – des corporations du filtre.
• Qui est légitime pour
effectuer la médiation
d’une ressource qui
n’intéresse que 100
personnes ? L’une de
ces 100 personnes.
• Est-ce suffisant pour
qu’un « professionnel »
de la médiation
s’intéresse à cette
ressource ? À cette
communauté ?
• Why … not ? Les
algorithmes, eux, s’y
intéressent.
11

12. Révolution 3 : Algorithmes de recommandation.
• Nos propres comportements : Historiques achat / navigation personnels
• Les comportements médians de nos « semblables » : même âge, même revenu, même goûts …
• Les comportements médians de l’ensemble de leur base utilisateur : ouvrages, mots-clés, vidéos,
etc … les plus recherché(e)s
• De la stochastique (= aléatoire) pour limiter les effets de boucle
• De la statistique qui renforce les stéréotypies.
12

13. Les 9 algorithmes qui contrôlent le monde
(http://io9.gizmodo.com/the-10-algorithms-that-dominate-our-world-1580110464)
1. Pagerank (Google)
2. Edgerank (Facebook)
3. OKCupid (sites de rencontre)
4. NSA (Surveillance heu … globale)
5. Recommandation (Amazon)
6. Adwords (liens sponsorisés – Google)
7. High Frequency Trading (cours des bourses mondiales)
8. Compression / encodage (MP3 notamment
9. CRUSH d’IBM (analyse prédictive)
13

14. Les 9 algorithmes qui contrôlent le monde
1. Pagerank (Google)
2. Edgerank (Facebook)
3. OKCupid (sites de rencontre)
4. NSA (Surveillance heu … globale)
5. Recommandation (Amazon)
6. Adwords (liens sponsorisés – Google)
7. High Frequency Trading (bourses mondiales)
8. Compression / encodage (MP3 notamment
9. CRUSH d’IBM (analyse prédictive)
14
hiérarchisation
éditorialisation
« affection »
opinion
« Pognon »
Compression
prédiction
hiérarchisation
« Pognon »
prédiction
1ère
intention 2ème intention Mais aussi …
éditorialisation
éditorialisation
opinion
prédiction
opinion
prédiction
prédiction
opinion
prédiction
opinion
prédiction

15. Les 9 algorithmes qui contrôlent … la médiation
1. Pagerank (Google)
2. Edgerank (Facebook)
3. OKCupid (sites de rencontre)
4. NSA (Surveillance heu … globale)
5. Recommandation (Amazon)
6. Adwords (liens sponsorisés – Google)
7. High Frequency Trading (bourses mondiales)
8. Compression / encodage (MP3 notamment
9. CRUSH d’IBM (analyse prédictive)
15
Médiation amoureuse
Médiation financière
Médiation éditoriale
Médiation culturelle
Médiation technique
A l’échelle individuelle
A différentes échelles collectives (communautés)
A l’échelle planétaire
Médiation dans l’instant
Médiation par rapport au passé (historique)
Médiation dans le futur (prédiction)

16. There is no Algorithms.
It’s just someone else’s decision*.
*Il n’y a pas d’algorithmes.
Juste la décision de quelqu’un d’autre.
There is no Algorithms.
It’s just someone else’s decision*.
*Il n’y a pas d’algorithmes.
Juste la décision de quelqu’un d’autre.
16

17. Une (seule) stratégie
• Être au plus près des ressources. Et de l’attention. Donc …
• Peser sur l’algorithme, le tester, ruser, tricher, l’éduquer.
• Think Outside The Box : arrêter de faire une fixette sur chiffres de
fréquentation des bibs. La question n’est plus de savoir comment
faire venir les gens en bib mais comment aider les gens à construire
des bibliothèques chez eux.
17

18. « on a construit la Grande Bibliothèque au moment
où l’on inventait Internet ! Ces grandes tours sur la
Seine me font penser à l’observatoire qu’avaient
fait construire les maharajahs à côté de Delhi,
alors que Galilée, exactement à la même époque,
mettait au point la lunette astronomique.
Aujourd’hui, il n’y a que des singes dans
l’observatoire indien. Un jour, il n’y aura plus que
des singes à la Grande Bibliothèque. »
Michel Serres
18

19. 1er
Round de la
sélection
• Algorithmes : 1
• Métiers de la prescription : 0
19

20. 20

21. INTERPRÉTER
21

22. 22

23. Nous interprétons ceci comme de l’art
Un algorithme l’interprète comme de la pornographie
23

24. 24

25. Nous interprétons ceci comme un témoignage historique
Un algorithme l’interprète comme de la nudité
25

26. 26
*
* « n’achetez rien chez les bougnoules »

27. 27
Nous interprétons ceci comme un propos raciste choquant
Un algorithme l’interprète comme une photo choquante de poitrine féminine

28. Nous faisons la différence entre une photo de poitrine féminine
- en train d’allaiter
- dans une campagne publicitaire pour le dépistage du cancer du sein
- dans un film pornographique
- et des coudes
Un algorithme … non. 28

29. Nous interprétons cela comme un besoin de médiation / d’accompagnement particulier
(en fonction de l’âge, du contexte, etc …)
Un algorithme interprète cela comme un … clic.
29

30. 30

31. Nous interprétons cela comme une photo qui peut
permettre d’éveiller les consciences
Un algorithme interprète cela une photo qui n’est
pas bonne pour le business émotionnel.
31

32. « interprétation » algorithmique.
Les algorithmes ont besoin d’être
régulièrement testés. Et éduqués. (prof des
algorithmes)
http://www.simonerebaudengo.com/#/teacher/
Les gens qui les développent ont besoin
d’être formés. Et contrôlés.
(Lessig. Code Is Law)
https://framablog.org/2010/05/22/code-is-law-lessig/
32

33. 2ème
Round de
l’interprétation
• Métiers de la prescription : 1
• Algorithmes : 0
33

34. 34

35. M
ILITER
35

36. Militer ?
• Les professionnels de la prescription doivent-ils être des militants ? Oui.
• Militer contre.
– Les enclosures (DRM). Ou soutenir les éditeurs qui n’en mettent pas.
– Les extensions abusives du droit (d’auteur) #copyfraud
• Mais surtout militer pour.
– Les communs de la connaissance (http://cfeditions.com/en-communs/)
– L’open access.
– Le domaine public (Anne Frank, Le petit prince, etc …) Obtenir une reconnaissance
positive en droit
– Calendrier de l’avent du domaine public : http://www.aventdudomainepublic.org/
– Les alternatives « libres » (dégooglisons internet : https://degooglisons-internet.org/
• Ne jamais oublier que l’histoire des bibliothèques (et de la médiation) est d’abord
une histoire politique. Pour s’en convaincre regarder les 1ères décisions que
prennent tous les élus FN. Donc remettre du politique dans la médiation.
36

37. Militer ?
• Parce que les algorithmes militent aussi
• Parce que les algorithmes sont aussi des outils politiques
• Parce qu’il n’y a pas, ontologiquement, d’algorithme raciste ou anti-raciste, d’algorithme de gauche ou
de droite, mais que rien n’est plus simple que de programmer un algorithme raciste. Parce que derrière
chaque algorithme il y a des ingénieurs / programmeurs / développeurs / décideurs qui EUX sont … de
droite, de gauche, racistes, anti-racistes, etc.
• Trump
• SEME (Search Engine Manipulation Effect)
• #BlackLivesMatter
37

38. Les algorithmes aujourd’hui (allégorie)*
*Photo et légende piquée sur le mur Facebook d’Antonio Casilli
38

39. 3ème
Round du
militantisme
• Métiers de la prescription : 1
• Algorithmes : 1
• Avec un très léger avantage pour les métiers de la prescription
39

40. 40

41. ÉCHANGER
41

42. Marchand ou non-marchand ?
Échanger des biens
• Légalisation des échanges non-marchands
• https://scinfolex.com/2013/09/18/legalisation-des-echanges-non-marchands-plaidoyer-pour-
louverture-dun-cadre-de-discussion/
• Bien rivaux et non-rivaux
• Question du prêt de plus en plus centrale (DRM)
• http://affordance.typepad.com/mon_weblog/2015/09/on-ne-prete-que-aux-riches.html
• Ne pas criminaliser le prêt comme on a pendant des années criminalisé la copie (et comme on
continue de le faire) http://blogs.iutlaroche.univ-nantes.fr/copy-party/
42

43. Marchand ou non-marchand ? Échanger des avis
• https://scinfolex.com/2016/09/05/et-si-on-liberait-les-critiques-et-avis-que-lon-laisse-sur-internet/
• Amazon rachète GoodReads
• Digital Labor
• Intérêts économiques. Intérêts algorithmiques. Intérêts citoyens.
43

44. Marchand ou non-marchand ?
Partage sans appropriation n’est que rediffusion
• Sharing is Caring.
• Partager une ressource, c’est « prendre soin » de cette ressource.
• Intérêts économiques. Intérêts algorithmiques. Intérêts citoyens.
44

45. 4ème
Round de
l’échange
• Métiers de la prescription : 1
• Algorithmes : 1
• Avec un très léger avantage pour algorithmes 45

46. 46
VERDICT ?

47. 1er
round sélection : algos
2ème
round interprétation : métiers prescription
3ème
round militantisme : égalité (avantage médiation)
Le 4ème
round échange : égalité (avantage algos)
47
Match nul
Pour l’instant …

48. 48
A vous de jouer 

49. Rendez vous dans … 5 ans ?
Diaporama disponible sur www.affordance.info et www.slideshare.net/olivier
Librement modifiable, diffusable et réutilisable. Licence Creative Commons Attribution
49