Big Data et éthique : comment la visualisation peut détruire tous vos efforts

Pour faire suite à notre premier article sur le Meetup Big Data et Ethique organisé à Digityser le 15 juin 2017, nous aimerions aujourd’hui parler d’une autre présentation très intéressante qui a été donnée par Leenke De Donder durant cet évènement.

Leenke a traité d’un aspect dont l’importance est, à notre avis, toute à fait sous-estimée par les data scientists et autres professionnels des Big Data : la visualisation. Beaucoup de temps et d’efforts sont consacrés à la collecte des données, à leur nettoyage (qualité des données) et à la conception d’algorithmes plus efficaces. Pourtant, nous soucions-nous vraiment de la façon de rendre tous ces efforts visibles de l’utilisateur ? La visualisation, partie intégrante de l’expérience utilisateur, vient-elle en complément des efforts consentis ou au contraire amenuise-t-elle la valeur de ce qui a été fait auparavant ?

Dans son exposé (et ses superbes slides, voir ci-dessous) Leenke a montré qu’une mauvaise visualisation peut en effet ruiner vos efforts et transmettre des messages biaisés aux utilisateurs. Après tout les data sciences et les algorithmes sont là pour créer de la valeur pour l’utilisateur, pas en détruire, n’est-ce pas?

La partie dédiée à la manipulation des graphiques nous a particulièrement interloqué; Lenke a montré comment les chiffres, les axes et les échelles peuvent être manipulés pour induire les utilisateurs en erreur. Qui pourrait vouloir faire usage d’un tel procédé ? Les « politiciens », bien sûr.

Un autre exemple intéressant concernait les infographies et en particulier une carte des djihadistes en Belgique qui a été publiée dans un journal (voir la diapositive 23 ci-dessous). Selon Leenke cette carte était excessivement simpliste ce qui, dans son travail de terrain, s’est traduit par des réactions choquées de la part des personnes qui avait consulté cette carte. Même si les données sont justes, la manière de visualiser les données n’est pas anodine et l’effet sur le public doit donc être pris en considération. Comment vont réagir les personnes ? Quelles seront leurs perceptions ? La visualisation donne-t-elle une image fidèle des données ou est-elle biaisée ?

Cela nous amène à la troisième partie de la présentation de Leenke : la transparence. Nous avons beaucoup parlé de transparence au cours de ce meetup « Big Data et Ethique ». Les discussions se sont principalement orientées vers les aspects de transparence dans la collecte des données et lors de leur traitement ; beaucoup moins sur la manière de présenter les résultats obtenus.
Leenke a soulignait à juste escient qu’il était essentiel de permettre aux utilisateurs de « voir » les données qui avaient servi à produire le visuel. Être transparent signifie donc également donner accès aux données dont vous vous êtes servi dans votre travail (tout comme un chercheur universitaire le ferait pour affirmer le caractère indépendant et la justesse de ses résultats). Leenke a formulé une proposition originale : associer visuel produit et données utilisées (sous forme de dataset).

Si le thème de la transparence dans le Big Data vous intéresse nous vous recommandons de lire ces articles publiés sur notre blog : sur les algorithmes respectueux, la prochaine révolution est la transparence, la transparence dans la publicité ciblée.