Ouvrir le menu principal

Wikipédia β

Donnée

information codifiée, figée et transmissible
Page d'aide sur l'homonymie Pour les articles homonymes, voir Donnée (homonymie).

Une donnée est une description élémentaire d’une réalité. C’est par exemple une observation ou une mesure[1].

La donnée est dépourvue de tout raisonnement, supposition, constatation, probabilité. Étant indiscutable ou indiscutée, elle sert de base à une recherche, à un examen quelconque.

Les données sont généralement le résultat d'un travail préalable sur les données brutes qui permettra de leur donner un sens et ainsi, d'obtenir une information. Les données sont un ensemble de valeurs mesurables en fonction d'un étalon de référence. La référence utilisée et la manière de traiter les données (brutes) sont autant d’interprétations implicites qui peuvent biaiser l’interprétation finale (limites des sondages).

Par exemple, des données dans un graphique permettront à un être humain d'y associer un sens (une interprétation) et ainsi créer une nouvelle information.

Sommaire

La valeur des données    Modifier

La valeur des données est devenue un des défis auxquels les économies modernes sont en train de se confronter. A l’ère du numérique, la possibilité offerte par l’Internet au niveau de la collecte des données à ouvert les portes à plusieurs méthodes d’exploitation économique et donc de valorisation de la donnée même. Quand on essaye de définir la valeur de cette unité élémentaire, on commence souvent par analyser une forme construite de la notion de la donnée ; on parle à tel propos d’open data, d’expérimental data et de big data, mais combien ça vaut une donnée, entendue en tant que simple résultat de l’observation ou de mesure de la réalité? Pour sa mesure, il n’est pas nécessaire d’effectuer une marchandisation immédiate de la donnée; sa valeur réside aussi dans son utilisation. Il s’agit alors non pas d’évaluer la donnée mais plutôt de valoriser cette unité de base, à travers un processus capable de valoriser chaque étape de la transformation, où la donnée augmente sa valeur. C’est alors une question de qualcul [2], où il y a une véritable libération « de l’opposition entre jugement (qualitatif) et calcul (quantitatif) »[3].

S. Chignard et LD Benyayer ont essayé de créer une grille de lecture pour la quantification des données[4] en partant de trois conceptions de la valeur :

  1. La valeur est subjective : elle dépend de l’intérêt de ce qui utilisent les donnés et de l’utilisation qu’ils en font ;
  2. La valeur est co-construite : elle augment au moment où il y a une manipulation de la donnée, notamment à travers des études croisées, capables d’exprimer des concepts, d’où l’importance de la collaboration et de la coordination dans le processus de la valorisation des données;
  3. La valeur est un valeur futur : elle peut être vue comme une source d’information, qui donne un avantage compétitif à ceux qui la détiennent.

A partir de ces axiomes, les données peuvent être interprétées à la lumière de trois formes de valeur.

Les données comme matière première

La donnée devient la matière première pour certains agents économiques, tels que les data brokers, des entreprises qui « collects, stores, analyzes and sells consumer data »[5], comme activité principale de leur business. Une donnée sur les conditions médicales d’un individu peut prendre une valeur entre les 15-20 $[6]. En réalité, il n’existe encore un véritable marché des données, puisqu’il manque une standardisation, nécessaire à l’échange. Pour ces motifs, une quantification précise et universelle de la donnée n’est pas encore concevable. 

La collecte des données

La collecte de données peut se faire de manière primaire (le chercheur est le tout premier à obtenir les données sur le terrain de recherche) ou secondaire (le chercheur utilise d'autres sources, par exemple des publications existantes d'autres chercheurs). Les techniques d'analyse des données varient et incluent, par exemple, la triangulation ou la méthode dite de percolation des données [7]. Cette dernière méthodologie offre une système articulé de collecte, de classement et d'analyse des données utilisant entre autres cinq angles possibles d'analyse (au minimum trois) pour maximiser l'objectivité de l'analyse et permettre le regard le plus complet possible sur l'objet sous investigation soit: les analyses qualitatives et quantitatives, la revue des écrits (y compris les écrits scientifiques), les interviews d'experts, et la simulation informatique. Les données sont alors "percolées" selon une série d'étapes déterminées pour en extraire l'information la plus pertinente.

Les données comme levier

La valeur de la donnée dépend de son utilisation, qui devient de jour en jour plus performante. Les données seront le véritable instrument qui permettra de franchir le mur du temps : l’analyse des données est l’appui sur lequel on essaye de rationaliser la prise des décisions. Le but final de l’analyse des données est d’arriver à prévoir ce qui se passera dans le futur, avec une marge d’erreur négligeable.

Les données comme actif stratégique

Enfin, la valeur de la donnée peut être interprétée à l’égard d’un actif stratégique. Elles deviennent une source précieuse, puisque rare, à pouvoir exploiter. La firme qui la possède peut, par exemple, devenir le point d’accès exclusif à l’information que seulement elle détienne, ou être capable de renforcer les barrières à la mobilité.

La détermination de la valeur d’une donnée peut être donc qualculée (Vatin, 2012) à partir de son utilisation subjective, qui fonde la valorisation sur le processus de transformation de la donnée et sur ses caractéristiques qualitatives. 

Notes et référencesModifier

  1. Sciences des données: Leçon inaugurale au Collège de France prononcée le jeudi 8 mars 2012, Serge Abiteboul.
  2. Cochoy, F., « Conclusion. La part de l'âne, ou le qualcul économique du consommateur. », Sciences sociales et sociétés, 203-218.,‎
  3. Michel Callon, « Postface : La formulation marchande des biens. Fran¸cois Vatin. Evaluer et valoriser : une sociologie ´economique de la mesure, », Presses Universitaires du Mirail, pp.247-269,‎
  4. Chignard, S., & Benyayer, L. D., Datanomics–Les nouveaux business models des données., FYP Éditions,
  5. Natasha Singer, « A Data Broker Offers a Peek Behind the Curtain », The New York Times,‎ (ISSN 0362-4331, lire en ligne)
  6. Chignard, S., & Benyayer, intervention au séminaire « Etudier les cultures numériques, approches théoriques et empiriques », 15 mai 2017.    
  7. Mesly, Olivier (2015). Creating Models in Psychological Research. États-Unis : Springer Psychology  : 126 pages. (ISBN 978-3-319-15752-8)

Voir aussiModifier