L’importance de l’incertitude pour le data journaliste

Comment l’étudiant en data journalisme doit-il apprendre à questionner sans cesse ses données pour éviter les fausses certitudes ?

page.alt
  • data journalisme
  • data discovery
  • éducation

L’importance de l’incertitude pour le data journaliste

Tommaso Venturini Tommaso Venturini

Rencontre avec Tommaso Venturini, maître de conférences au Département Digital Humanities au King’s College de Londres et chercheur associé au Médialab de Sciences Po Paris.
Il nous livre son point de vue sur l’apprentissage du data journalisme et comment l’étudiant en data journalisme doit apprendre à questionner sans cesse ses données pour éviter les fausses certitudes ?

C’est toujours compliqué d’enseigner la visualisation de données et plus généralement l’analyse de données en elle-même aux étudiants, même lorsqu’ils sont très bons ! J’enseigne ces techniques depuis 7 ans à Sciences Po Paris et maintenant au King’s College de Londres.

Les étudiants ont tendance à glisser dans une posture très peu critique envers les données et les visualisations qu’ils peuvent en faire. Je dis souvent que « les données ne sont jamais données ». Elles sont toujours le résultat d’un travail de sélection, de nettoyage et de curation de nouveaux contenus issus du Web. Les données sont toujours « construites » par l’homme. Pour arriver à un résultat au plus proche de la réalité, les données doivent être constamment déconstruites et reconstruites de manière différente. La manipulation des données n’est pas un processus magique. Le journaliste doit lui-même faire l’effort de rendre ses données lisibles et utiles. Tant que l’étudiant n’a pas pratiqué ce travail difficile d’exploration des données, il est souvent hermétique à ce discours.

Les données ne sont jamais données.

Il est vrai que les outils informatiques dont nous disposons ne nous aident pas beaucoup. La plupart des logiciels incarne une vision trop rigide et trop linéaire du travail des données où les phases de collecte, de nettoyage, d’analyse et de visualisation se suivent comme les perles d’un collier. Pourtant les choses ne sont pas si simples, ce serait trop beau ! L’exploration des données est une pratique itérative dans laquelle le « retour en arrière » n’est pas synonyme d’échec. A l’inverse, revenir plusieurs fois sur ses données d’origine est l’essence même du travail du data journaliste.

Les outils récents de data discovery permettent une approche exploratoire des données. C’est en ce sens qu’ils constituent un très bon outil pédagogique car le travail sur les données devient plus flexible. Le fait de créer et transformer ses visualisations rapidement, de combiner analyse et visualisation en même temps et de tester plusieurs fonctions de filtrages et de représentations sont autant d’atouts qui facilitent l’agilité nécessaire au data journaliste.

Ces logiciels permettent aux étudiants de faire l’expérience pratique du travail de construction des données. Les futurs journalistes que je forme aujourd’hui au King’s College ne peuvent pas se permettre d’avoir une vision naïve des données. Au contraire, leur mission est de rendre l’information compréhensible et de montrer à leur audience comment les statistiques, les chiffres, les diagrammes sont obtenus pour représenter la réalité. Ils doivent aiguiser leur regard critique en s’entraînant à manipuler les données pour adopter de nouveaux angles d’observation et de nouvelles pistes de lecture.

Dans les prochaines semaines, je testerai Matlo comme instrument pédagogique de learning by doing dans un cours de journalisme de données. Mes étudiants travailleront en groupes de cinq en collaboration avec plusieurs ONG sur différents jeux de données :

Rendez-vous donc en décembre, pour les résultats de cette expérience !