Social Data : Où en est la méthodologie?

Par Social Media Club
Publié le 02/07/2018 à 15:41 | http://socialmediaclub.fr
 

Par Brice Andlauer

Les trois points à retenir :

  • La complémentarité entre l’analyse humaine et les données récoltées par les outils reste au coeur des méthodes de travail.
  • Les méthodologies sont multiples, et doivent être définies en fonction des objectifs de recherche et des corps de métiers qui sont mobilisés.
  • Les méthodologies doivent évoluer et être remises en question en permanence, en ayant recours à un dialogue entre des métiers et des compétences de plus en plus variés.

Pour en discuter, nous avons réuni Marguerite Leenhardt (CEO de XiKO), Ben Chartier (Associé chez D’CAP Research) et Christophe Prieur (Enseignant-Chercheur chez Telecom Paristech). Cette session de la commission Social Data était animée par Rémi Douine (Fondateur de The Metrics Factory) et Rozenn Nardin (Fondateur de Research&Web Conseil).

« La fin de la théorie » titrait de façon provocante le magazine Wired en 2008[1], en prédisant que l’essor du Big Data rendrait les méthodes d’étude scientifiques des données obsolètes. Dix ans plus tard, la prophétie ne s’est pas encore réalisée. Si l’étude de la social data s’impose dans des secteurs de plus en plus variés (commerce, marketing, publicité, journalisme, sciences, politique) ses différentes méthodes d’exploitation varient, ne s’imposent pas de façon exclusive, et mettent encore largement à contribution une intervention humaine.

La quantité de données à décrypter devient cependant tellement énorme que l’automatisation s’impose pour ceux qui veulent étudier la Social Data. Tracker, Radarly by Linkfluence… les outils mis à disposition du marché se multiplient, avec chacun leur spécificité, allant du social listening au data mining. « L’industrialisation est essentielle dans la méthode. Mais à partir du moment où on industrialise l’étude des données, on est obligé de déléguer une partie du process à des machines, ce qui implique des approximations à certains moments. C’est pour ça qu’il ne suffit pas d’avoir d’avoir des milliards de données, il faut de la finesse dans l’analyse et la connaissance, » expose Christophe Prieur (Telecom ParisTech).

Si les machines en question scrutent les bases de données avec des algorithmes, elles font remonter des éléments qui sont ensuite analysés par des humains. « Il faut absolument décorréler l’industrialisation de l’outil. L’outil est simplement un moteur. Si on ne sait pas conduire une voiture, le moteur ne sert à rien, » résume Marguerite Leenhardt (XiKO). Dès lors, la question de la méthodologie reste entière pour comprendre comment la Social Data est traitée et analysée, et semble autant s’apparenter à une problématique de lecture que de recherche.

« L’automatisation a sa limite car elle crée une sorte d’enfermement tautologique.