Data, données, informations disponibles…
cette matière se présente sous plusieurs formats et variétés (texte, vidéo, sons, chiffres) et peut être analysée et utilisée en volume à l’aide d’outils dédiée.
La data est devenu le mot à la mode dans le monde qui se digitalise. En effet, les données sont la matière première du digital, le modèle digital a remplacé les modèles d’organisations traditionnelles et avoir des informations s’avère précieux.
Mais encore faut-il les analyser correctement et savoir les rendre «intelligentes» afin qu’elles nous épaulent efficacement dans la résolution de problématiques même complexes.




Le « Machine Learning » est entré dans l’entreprise. On en voit certes les opportunités, mais en mesure-t-on bien les enjeux sociétaux ? Peut-être est-il utile d’interroger les usages de cette nouvelle génération d’algorithmes d’apprentissage utilisant des bases géantes de données empiriques ? Existe-t-il un risque épistémologique à reproduire les biais et stéréotypes humains ? A titre d’exemple, nous interrogerons le tri de CV par le « machine Learning ». Ne véhicule-t-il pas des schémas sexistes existants ? Dit autrement, est-il équitable ?






























