Computing, Data and Arts: implementing responsible and plural algorithms and practices for data, to design responsible scientific and artistic futures

Acronyme : CODA

Responsables :

• Genoveva VARGAS-SOLAR, LIRIS, Scicences Informatiques
• Frédéric BEVILACQUA, STMS, Scicences Informatiques
• Baptiste CARAMIAUX, ISIR, Sciences Informatiques

Résumé :
This one-year Atelier, “CODA Computing, Data and Art: implementing responsible and plural data- and algorithmic-practices for other scientific-artistic futures”, addresses the vital intersection of data science, AI, computing and artistic creation through feminist, pluralist and alterity-centred perspectives. In a context where data and algorithms increasingly shape both research and creation, CODA interrogates who produces data, how algorithms are designed, and under which values these infrastructures operate. By inclusive algorithmic practices we mean that under-represented communities (female, LGBTQIA+, racialised and postcolonial diasporic communities, handicap), early-career researchers and artists are involved upstream in deciding what is computed, with which data, according to which fairness, explainability and harm-reduction criteria, while making pipelines and documentation auditable as part of “data care” and refusal. By co-creative art–science engagements we go beyond artists illustrating science: artists, scientists and communities jointly formulate questions, methods and prototypes (installations, performances, visual or sonic pieces) that both use and critically probe computation, in iterative cycles of making and reflection. In doing so, CODA aims to reduce dependency on dominant external technologies, strengthen national and European digital sovereignty, and build visible local infrastructures in arts and sciences. It addresses key societal imperatives, equitable access totechnology; governance, transparency and trust in AI; sustainable and resource-efficient digital practices; and interdisciplinary skill-building, by structuring collective meetings, co-creative actions, shared data governance and prototype development around a vibrant ecosystem where data, computation and art become instruments for plural, just and community-shaped futures rather than mere technical artefacts.

Effet de pair dans les graphes de données sociales

Acronyme : GRASP

Responsables :

• Céline ROUVEIROL, LIPN, Scicences Informatiques
• Noémi BERLIN, EconomiX, Sciences Humaines & Sociales
• Carole TREIBICH, GAEL, Sciences Humaines & Sociales

Résumé :
De nombreuses études montrent que les comportements des individus sont ancrés dans les interactions sociales. Les individus interagissent de multiples façons. En particulier, ils imitent et apprennent du comportement des autres, surtout de ceux qui leur sont proches, tels que leurs familles, amis, collègues ou voisins. L’impact de ces interactions sur le comportement individuel est appelé effets de pairs. Au-delà de cette définition intuitive, les effets de pairs sont difficiles à démontrer empiriquement, et des communautés variées (informatique, économistes, statisticiens, …) se sont penchées sur cette problématique. En économie, on fait la distinction entre les effets de pairs endogènes (qui correspondent à l’influence des comportements adoptés par l’entourage/ les pairs) et les effets de pairs exogènes (qui correspondent à l’influence des caractéristiques individuelles de l’entourage). On essaie également de distinguer les effets de pairs des effets corrélés qui sont liés à l’environnement commun ou aux chocs communs auxquels font face les personnes. Il peut également être intéressant d’étudier l’hétérogénéité des effets de pairs (est-ce qu’une personne est davantage influencée par des personnes du même genre ? du même âge ? etc.)

De nombreux défis scientifiques sont à relever dans ce domaine qui sont liés (a) à la nature potentiellement volumineuse, et complexe des données issues de graphes de données sociales (e.g. liens sociaux multiples, incomplétude des liens observés ou déclarés, choix des variables caractérisant des individus, données d’enquêtes ou issues d’essais randomisés contrôlés), (b) à la difficulté de définir des modèles permettant de dégager des hypothèses causales et des explications sur le comportement des individus ou de sous-ensemble d’individus. Différents jeux de données sont publics et disponibles (Données dans le domaine de la microfinance1, ou encore données issues du projet Add Health2 qui permettent d’étudier une série de comportements liés aux activités extra-scolaires, à la performance scolaire ou également à l’alimentation des adolescents). D’autres jeux de données sont actuellement récoltés et analysés dans le cadre de projets (ANR MEDSPE3, concernant le choix d’une spécialité en médecine, ANR ERMES4, concernant l’étude des effets des programmes d’éducation par les pairs sur les comportements alimentaires ou l’ANR ResPro5 qui étudie l’influence de l’entourage au travail sur l’adoption de comportements sains et pro-environnementaux avec un focus sur la mobilité domicile-travail, ou encore le projet financé par la FSM (Fondation des Sciences de la Modélisation) sur les effets de pairs dans les choix de formation dans le supérieur par les lycéens, grâce aux données de Parcoursup…)

L’Atelier aura pour objectif de favoriser les échanges entre informaticiens, économistes et statisticiens sur la problématique de l’identification et l’estimation de l’effet de pair et de mieux comprendre les avantages et les limites des approches de chacun, et leurs possibles complémentarités.