Analyse

Depuis les années 2000, une progression fulgurante de la capacité des ordinateurs à collecter, stocker et traiter de la donnée a eu lieu, annonçant un nouveau printemps de l’intelligence artificielle, ou plus spécifiquement des algorithmes d’apprentissage automatique (Machine Learning en anglais, « ML »). Ceux-ci ont pour objectif de permettre à une machine d’accomplir une tâche sans être explicitement programmée, et sont schématiquement le résultat de la convergence des statistiques et de l’informatique. Dans un contexte où internet a permis une massification, fluidification et grande diversification de l’information, ces algorithmes transmuteraient les flux bruts en un savoir de qualité.

Ainsi, accompagnant ce phénomène, nous observons l’avènement de ceux que l’on appelle les « géants du numérique », pour ne pas les nommer, Google, Amazon, Facebook, Apple, Microsoft, du côté américain, chacun proposant ses propres structures algorithmiques. À titre d’exemple, prenons Google qui se présente comme un système de classement qui trie l’information pertinente grâce, entre autres, à des analyses de flux – flux de clics, flux de liens – et une contextualisation personnalisée. Ou encore Facebook, qui grâce à des chaînes de transformations a rendu public ce qui était privé, a participé à la relativisation du travail journalistique, en particulier en s’appuyant sur des systèmes de ciblage qui déterminent le contenu pertinent pour chacun, à partir de critères décidés algorithmiquement.

Ainsi, les géants du numérique sont ceux qui aujourd’hui seraient en mesure de nous fournir un savoir de qualité. Et comment accomplissent-ils cela ? Grâce à des algorithmes dont l’objectif est de discriminer ce qui est ou n’est pas de qualité, du moins dans un contexte donné. Ceux-ci explorent, capturent et optimisent. Si ces algorithmes peuvent tenir une telle promesse dans le périmètre ardu de l’information accessible sur internet, il n’est pas étonnant qu’ils éveillent les fantas