Le complexe d’infériorité de la data science

La data science se présente comme une science. Du moins son nom le stipule. Mais en est-elle réellement une ? N’en a -t’elle que le nom ? La question mérite un examen attentif. Exploration !

Reprenons les choses depuis le début. L’épistémologie se définit comme la science qui étudie justement les autres sciences. Karl Popper en est l’une des grandes figures. Les noms de certains philosophes ayant réfléchi à la question des sciences, lui sont également associés : Aristote, Descartes, Leibniz, Hume, Bergson, Comte, Bachelard…

 

Au fait c’est quoi déjà une science ?

L’épistémologie stipule qu’une science, pour être digne de ce nom, se doit de réunir à minima trois caractéristiques :

1. Avoir un objet de recherche qui lui soit propre, telle la Physique qui étudie la Nature, la Biologie qui s’intéresse aux espèces vivantes, l’Anthropologie qui observe les populations dites primitives…
2. Etre dotée de méthodes d’études spécifiques, telles les statistiques pour les sociologues, la modélisation pour les économistes, la dissection pour les médecins…
3. Avoir effectué des découvertes ayant permis l’énonciation de lois universelles, telle la loi de la gravitation de Newton, la poussée d’Archimède ou encore les lois de Moore, de Metcalfe et de Gilder (pour revenir au digital).

 

La data science étudie quoi au juste ?

A l’heure où nous écrivons, 70 400 000 réponses sont proposées par Google à la requête « data science ». Le moment est donc venu de s’interroger amplement à son sujet en se demandant notamment :

• Quel est l’objet de recherche de la data science ?
• La data est-elle son matériau de base à défaut d’être son élément de prédilection ?
• La data est-elle au contraire son moyen d’étude et d’investigation ?
• Quelles méthodes de recherche la data science a-t-elle inventées, ou est-elle en train d’inventer ?
• La data science a-t’elle stimulé, enrichi ou fait progresser d’autres sciences ?
• La data science sera-t-elle une science noble ?
• La data science deviendra-t-elle une science au service des autres sciences (comme l’Archéologie est le serviteur de l’Histoire ou les Statistiques le partenaire de la Sociologie) ?
• La data science sera-t-elle une science exacte ou une science humaine ?
• La data science sera-t-elle une science autonome ou dépendra-t-elle d’autres sciences ?
• La data science enfantera-t-elle d’autres sciences tout comme les besoins de classifications des très nombreuses espèces vivantes découvertes par la Biologie ou la Botanique firent naître la Taxinomie, ou science de la classification.
• La data science ouvrira-t-elle la voie d’un nouveau type de sciences enracinées dans, et issues de, la technologie ?

 

En somme et en attendant la nomination du premier Prix Nobel de Data Science, il appartient à cette nouvelle venue dans la longue liste des sciences, de réfléchir sur elle-même et de se faire une place. L’épistémologie pourrait lui être d’un grand secours ou du moins l’aider à apporter des réponses que les data seules seraient bien en peine de fournir. A moins que la data science ne se contente simplement de jouer les intrigantes ou les courtisanes au sein de l’aristocratie des sciences nobles.