Visualisation féministe des données

« Feminist Data Visualization » de Catherine D’Ignazio et Lauren F. Klein est moins un guide d’esthétique graphique qu’un essai sur la manière dont les graphiques produisent du savoir. À partir des études féministes des sciences et des techniques, de l’interaction humain-machine, des humanités numériques et de la cartographie critique, les autrices refusent de voir la visualisation comme une simple mise en transparence de données déjà constituées. Les chercheuses et chercheurs décident quoi recueillir, quelles différences deviennent des variables, quelles valeurs sont traitées comme des cas atypiques, puis choisissent une forme visuelle, un mode d’interaction et un public. Ces décisions déterminent ce qui peut apparaître comme un fait visible et ce qui disparaît avant même la création de l’image. La clarté n’est donc pas synonyme de justice, et une apparence d’objectivité n’efface ni la position de la personne qui conçoit ni le contexte institutionnel.

La contribution la plus directement mobilisable du texte est une série de six principes reliés à des questions sur le processus et le résultat du design. Repenser les binarités suppose d’examiner comment des catégories telles que le genre sont déjà restreintes lors de la collecte, et pourquoi les personnes qui n’y entrent deviennent des « cas limites ». Accueillir le pluralisme demande aux conceptrices et concepteurs de situer leur propre regard et de préserver des récits différents sans les forcer à former un consensus unique. Examiner le pouvoir et viser l’émancipation signifie que les communautés concernées ne soient pas seulement des sources de données ou des usagères finales, mais puissent participer à la définition des questions, à l’interprétation des matériaux et à leur représentation. Toutefois, davantage de choix ou un accès ouvert ne redistribuent pas automatiquement le pouvoir : il faut demander qui décide et qui supporte les risques. Le principe du contexte avertit enfin que le « nettoyage » et la standardisation peuvent aussi effacer des significations locales, des histoires et les conditions de production des données.

Les deux autres principes contestent l’idée que les preuves visuelles seraient purement rationnelles. Le corps et l’affect peuvent être des modes de connaissance, pas seulement du bruit à éliminer ; cela ne remplace pas les données quantitatives, mais oblige à expliquer comment différentes formes de savoir interviennent dans la conception. Rendre le travail visible, c’est revenir du graphique achevé vers la collecte, l’annotation, le nettoyage, la maintenance et la conception : qui accomplit ces tâches, qui reçoit reconnaissance et ressources, et quelles contributions restent invisibles ? Les six principes ne sont donc pas une étiquette stylistique à apposer à la fin, mais des questions de responsabilité qui traversent la formulation du problème, la collaboration, le traitement des données, leur représentation et leur circulation.

On peut lire l’article avec le livre ultérieur des autrices Féminisme des données et avec Gender Shades : Disparités d’exactitude intersectionnelles dans la classification commerciale du genre, étude de cas concrète sur les catégories et les écarts de performance. Il faut aussi garder à l’esprit les limites du texte : les autrices présentent ces six principes comme une proposition préliminaire destinée à ouvrir le dialogue et de futures pratiques, non comme une liste universelle ou une garantie de résultats équitables validée expérimentalement. Leur apport consiste à rendre les décisions de conception discutables et responsables ; leur mise en œuvre exige toujours de tenir compte des histoires particulières, de la provenance des données et des savoirs et de la participation des communautés concernées.