Ioana Manolescu, pour des données accessibles et exploitables par tous

Je viens d'une famille de scientifiques, dans laquelle on se spécialise dans les télécommunications ferroviaires, les centrales hydroélectriques, la physique, ou encore les maths avec option informatique ; je ne suis que le deuxième docteur en sciences dans la famille !

À mon arrivée en France, à l'ENS Paris, je découvre des collègues investis avec bonheur dans des études qui les passionnent - comme les collègues que j'avais quittés au département d'Informatique et Automatique de l'Université polytechnique de Bucarest. Toutefois, le spectre des disciplines informatiques proposées à l'ENS à l'époque était assez étroit. J'ai rencontré la recherche en bases de données à Inria, lors d'un stage M1 dans l'équipe RODIN à Rocquencourt (dans l'équipe de Patrick Valduriez), au printemps 1997. J'ai adoré : le fait de pouvoir creuser un seul sujet à temps plein ; le mélange de théorie et d'expérimentation ; la bienveillance et l'atmosphère de l'équipe, très internationale. J'ai aussitôt su que j'allais vouloir revenir !

J'ai toujours travaillé sur plusieurs projets à la fois ; je n'arrive pas à être productive sur une seule piste... Ces jours-ci, la plupart de mes travaux visent à rendre les données compréhensibles, intéressantes, et exploitables - efficacement, bien sûr, car le volume des données ne fait que grandir, l'efficacité des algorithmes est donc cruciale. Mon projet principal actuellement, SourcesSay, vise à faire parler les données - n'importe quelles données, de tout modèle et de toute provenance - en les interconnectant dans un graphe, ou réseau. SourcesSay est financé par l'ANR et la DGA, et nous fait collaborer avec des journalistes du Monde ainsi qu'avec WeDoData, une agence/studio de "dataviz". Sur ce projet, la collaboration d'Angelos Anadiotis et de Oana Balalau, mes collègues dans CEDAR, est très précieuse.

Un autre projet qui vise à faire parler les données est une collaboration avec ma collègue Yanlei Diao : il s'agit de découvrir automatiquement, dans des grands graphes de données, les questions statistiques dont les résultats sont intéressants, ou surprenants. C'est une nouvelle façon d'explorer les données, proposant aux utilisateurs des pistes ou questions à approfondir.

Ce que je trouve important à atteindre, à long terme, est l'accessibilité et l'utilisabilité universelle de données. L'humanité génère des données depuis toujours, et ces données sont numériques dans une proportion qui ne cesse de grandir, depuis environ 70 ans.

Les premiers systèmes de bases de données ont été des logiciels spécialisés et un peu ésotériques. Des données étaient produites dans le bon format, stockées dans le bon système et utilisées pour la bonne application, pendant des dizaines d'années. Mettre en place, puis exploiter un tel système fait partie du bagage "de base" d'un étudiant en informatique de nos jours. Mais les données se diversifient, se multiplient, elles sont hétérogènes ; les processus de partage et réutilisation des données "explosent", s'atomisent, et ne sont plus, loin s'en faut, réservés aux experts.

Nous devons rendre facile l'usage de données même à des utilisateurs non experts ; nous devons aussi faciliter la tâche de comprendre ce qu'un jeu de données renferme, s'il est intéressant ou non pour un certain besoin. Enfin, nous devons rendre les données interopérables, vraiment, et aujourd'hui, même si les données ne suivent pas les "meilleures pratiques" recommandées par les spécialistes. La plupart des données ouvertes sur Internet, ou encore la plupart des données accessible aux journalistes et aux citoyens sont dans ce cas.

Aujourd'hui, rendre toute donnée accessible, intelligible et utilisable demande de revoir une conception figée, par "silos", de la gestion de données, pour construire des outils flexibles et efficaces. La démocratie se base sur des choix, qui sont informés à la fois par des valeurs, et par les données. Les données doivent pouvoir parler à toutes et tous !