On peut disserter à l’infini  sur le bigdata, l’IA, le ML, le NLP, la technologie, les algorithmes, célébrer ou condamner l’accumulation des découvertes, des techniques, et l’explosion des outils,  on ratera le fait que la culture des données ne vient pas tant de leur surabondance que d’une langue partagée : une lingua franca, dont Thomas Wieder¹ rappelle une définition :

Un jargon qu’on parle sur la mer Méditerranée, composé de français, d’italien, d’espagnol et d’autres langues, qui s’entend par tous les matelots et marchands de quelque nation qu’ils soient.

Python et r sont désormais les deux grands pidgins qui couvrent la planète et permettent aux informaticiens, statisticiens, biostatisticiens, économètres, psychomètres, ingénieurs, data scientists de nouvelles espèces, mathématiciens, géographes, automaticiens, linguistes, roboticiens et on en oublie, d’échanger et de partager des procédures, des solutions, des algorithmes, du code, des données, un savoir qui en dépit de son explicitation est souvent implicite.

Il en résulte aujourd’hui une formidable accumulation d’outils, de techniques et  de modèles pour manipuler les données. Prenons l’exemple de r et de ses 20000 packages, rappelons que 28 millions de développeurs utilisent github, les stalkoverflows qui répondent à toutes les questions qu’on peut se poser. Sans compter les concours, celui de kagle a joué un rôle déclencheur en 2008, Ce sont des communautés qui sont regroupées et disposent  de ressources importantes et interopérables. On a sans doute le gisement d’une immense créativité.

On ne négligera pas le fait qu’au cours des dix dernières années l’offre de données croît aussi de manière exponentielle. Il s’agit des séries chronologiques maintenues par les instituts de statistiques et les grands organismes économiques, des bases de données telles que l’ESS, du gisement des textes publiés sur le net : avis de consommateurs, conversations dans les réseaux sociaux, articles des journaux factiva, rapports d’activités des entreprises, 

Voilà qui représente aussi un défi pour les sciences de gestion. Aller au-delà de modèle lisrel, accéder aux données même de l’organisation, traiter le discours à grandes échelles va devenir un impératif. Dans les revues on voit apparaître ce mouvement par exemple en comportement du consommateur avec (Humphreys et Wang 2018), pour l’analyse des marques (Shirdastian, Laroche, et Richard 2019)  ou dans le champs organisationnel (Kobayashi et al. 2018) et naturellement celui des systèmes d’informations (Johnson, Gray, et Sarker 2019), (Churchill 1979)

Le but de cette rubrique est donc de contribuer à cette circulation de la lingua franca des datas sciences, et de mettre en lumière des modèles originaux, et les savoir-faire. Chaque note sera donc centrée sur une technique, appliquée à des cas concrets, elle donnera le code et chaque fois que ce sera possible,  les données, pour assurer la réplicabilité des exemples. L’écriture pédagogique et les références clés.

Les propositions sont bienvenues, en r ou en python, l’originalité est revendiquées, elle sont à adresser à christophe.benavent@gmail.com.