Géographies algorithmiques : Big Data, incertitude algorithmique et production de connaissances géographiques

En m'appuyant sur des exemples de recherche sur la mobilité humaine, je soutiens dans cet article que l'avènement du big data a considérablement augmenté le rôle des algorithmes dans la médiation du processus de production de connaissances géographiques. Cette centralité accrue de la médiation algorithmique introduit beaucoup plus d'incertitude dans les connaissances géographiques générées par rapport aux modes traditionnels d'enquête géographique. Cet article réfléchit aux changements importants dans le processus de production de connaissances géographiques associés au passage de l'utilisation de « petites données » traditionnelles à l'utilisation de big data et explore comment les algorithmes informatisés pourraient influencer considérablement les résultats de recherche. Je remets en question la notion souvent vantée de géographie pilotée par les données, qui ignore l'influence potentiellement significative des algorithmes sur les résultats de recherche, et le fait que les connaissances sur le monde générées avec le big data pourraient être plus un artefact des algorithmes utilisés qu'une conséquence des données elles-mêmes. Alors que la production de connaissances géographiques dépend désormais beaucoup plus des algorithmes informatisés qu'auparavant, cet article affirme qu'il est plus approprié de désigner ce nouveau type d'enquête géographique comme géographies pilotées par des algorithmes (ou géographies algorithmiques) plutôt que comme géographie pilotée par les données. La notion de géographies algorithmiques met également en avant la nécessité de prêter attention aux effets des algorithmes sur le contenu, la fiabilité et les implications sociales des connaissances géographiques que ces algorithmes aident à générer. L'article souligne la nécessité pour les géographes de rester attentifs aux omissions, exclusions et aux pouvoirs marginalisants du big data. Il insiste sur l'importance de pratiquer une réflexivité critique tant vis-à-vis du processus de production de connaissances que des données et des algorithmes utilisés dans ce processus.