Féminisme des données

Data Feminism n’est pas un manuel destiné à ajouter une « perspective de genre » à un algorithme déjà achevé. C’est une méthode politique pour examiner le pouvoir de produire des connaissances. Catherine D’Ignazio et Lauren F. Klein partent du féminisme intersectionnel et refusent de considérer les données comme des faits naturels qui attendraient d’être découverts. De la formulation d’une question au choix des catégories et de l’échantillon, puis au nettoyage, à la visualisation et à la publication, chaque étape engage des valeurs façonnées par les financements, l’autorité institutionnelle et la division du travail. La question n’est donc pas seulement de savoir pourquoi un modèle produit un biais, mais qui a reçu le pouvoir de définir le réel, de mesurer autrui et de décider quelles pertes méritent d’être comptées.

L’ouvrage organise cette démonstration autour de sept principes liés entre eux : examiner le pouvoir, contester le pouvoir, valoriser l’émotion et l’incarnation, repenser les binarités et les hiérarchies, accueillir le pluralisme, considérer le contexte et rendre le travail visible. Il ne s’agit pas de sept ornements moraux facultatifs. Sans savoir qui contrôle une infrastructure, la « conception participative » peut se réduire à une consultation sans effet. Sans interroger les catégories homme/femme, normal/anormal ou légal/illégal, une statistique exacte risque de consolider une institution injuste. Sans préciser par qui et dans quelles conditions les données ont été recueillies, la transparence peut exposer un résultat tout en dissimulant ses conditions de production.

L’un des déplacements les plus décisifs du livre consiste à traiter les personnes placées au-dessous du pouvoir institutionnel comme coproductrices de savoir, et non comme objets d’étude. Lorsque des communautés documentent les féminicides, les expulsions, les dommages environnementaux ou des expériences que les systèmes officiels refusent de compter, elles ne comblent pas simplement les lacunes d’une base publique. Elles disputent le droit de nommer le problème, de posséder les preuves et de fixer le calendrier de l’action. L’absence de données peut signaler un abandon institutionnel, mais l’invisibilité peut aussi protéger de la surveillance. La justice des données ne signifie pas tout collecter : elle exige un jugement politique entre visibilité, responsabilité, consentement et droit de ne pas être capturé.

La défense de l’émotion et de l’incarnation corrige également une longue histoire d’exclusion des femmes et des groupes marginalisés hors du savoir dit « objectif ». Colère, deuil, peur et expériences du care ne sont pas nécessairement des bruits qui contaminent l’analyse ; ils peuvent révéler des atteintes que la construction des variables n’a pas su représenter. La réflexion sur la visualisation prolonge ce point. Un graphique ne transmet pas seulement des quantités : il règle la distance, dirige l’attention et organise les conditions de l’empathie ou de son refus. Reconnaître l’incarnation ne revient pas à renoncer aux preuves, mais à admettre qu’elles sont toujours interprétées par des personnes situées, exposées à des risques et concernées par leurs conséquences.

Le principe qui consiste à rendre le travail visible conduit la critique vers les fondations matérielles de l’économie des données. Derrière les systèmes décrits comme automatisés se trouvent des opératrices et opérateurs de saisie, des modérateurs de contenu, des annotateurs, des traductrices, des intermédiaires communautaires, des équipes de maintenance, ainsi que des personnes contraintes de prouver sans cesse leur propre précarité. Les récits dominants concentrent le mérite sur le modèle, le laboratoire ou le fondateur, tout en excluant de l’histoire de l’innovation la maintenance, la correction et le travail traumatique. Le féminisme des données rejoint ici la théorie de la reproduction sociale : il faut identifier qui soutient le système avant de demander qui doit recevoir les ressources, la reconnaissance, le pouvoir de décision et le droit de refuser une tâche nuisible.

L’autre apport majeur est de ne jamais réduire le féminisme aux « données sur les femmes ». En mobilisant la pensée féministe noire, la théorie postcoloniale, les études queer et des traditions de savoir autochtones, les autrices montrent que le genre doit être analysé avec la race, la classe, le handicap, l’histoire coloniale et la géographie. La publication en accès ouvert et le processus de relecture communautaire tentent également de mettre en pratique l’idée selon laquelle tout savoir est partiel et doit pouvoir être révisé depuis plusieurs perspectives. Cette cohérence fait du livre un texte transversal rare : il critique la science des données tout en donnant un vocabulaire concret à la recherche, au journalisme, au design, aux politiques publiques et aux mouvements sociaux.

Les sept principes peuvent néanmoins être domestiqués par les institutions et transformés en liste de conformité inoffensive. Organiser un atelier de coconception, multiplier les catégories identitaires ou publier une fiche de modèle ne transfère pas automatiquement les budgets ni le pouvoir de décision. Nombre d’exemples proviennent des milieux universitaires, associatifs et civiques nord-américains ; ils doivent être réinterprétés là où la violence d’État est plus forte, les infrastructures plus fragiles ou le travail des plateformes massivement externalisé. Une méthode ne suffit pas non plus à modifier le secret commercial, la propriété intellectuelle ou les critères de performance qui récompensent la mise en service rapide. Le livre ouvre la question du pouvoir, mais ne remplace ni les syndicats, ni la régulation, ni l’investissement public, ni la propriété communautaire.

Pour les lectrices et lecteurs de FemRes, Data Feminism fonctionne donc comme une grille d’audit réutilisable. Face à des statistiques de santé, un système de recrutement, une IA générative, des critères d’aide sociale ou une police prédictive, il faut demander non seulement si le modèle est précis, mais qui a formulé le problème, qui est lésé par la classification, si une absence signifie silence ou refus, sur qui repose la correction des erreurs et si les personnes touchées peuvent opposer leur veto. Lu avec les travaux sur l’oppression algorithmique, la justice du design, le travail des plateformes et l’épistémologie féministe, l’ouvrage ne promet aucune solution technique sans friction. Il formule une exigence plus difficile et plus honnête : si la pratique des données ne transforme pas les rapports de pouvoir, « l’équité » risque de n’être que l’interface plus raffinée de la même autorité.