« GERIHCO : 20 ans d’un programme de recherche sur l’érosion des sols en Alsace » Les coulées...
Cette journée est organisée dans le cadre du projet Indisciplinaire "Les subversions du droit :...
Une conférence scientifique en sciences sociales sur les politiques de gestion des risques liés à...
Réunis dans le cadre de l’AG extraordinaire du laboratoire SAGE du 12 avril 2024, les membres...
Une programmation ouverte au public : demandez le programme ! Et l'affiche qui annonce les...
Depuis 2011, la plateforme MedFilm, hébergé par l'Université de Strasbourg, offre aux chercheurs,...
Le colloque aura lieu le 20 et 21 septembre 2023 à Strasbourg. Les propositions de communications...
Julien Boelaert, Étienne Ollion
Revue française de sociologie 2018/3 (Vol. 59),
Big data, sociétés et sciences sociales
pp. 475-506
DOI 10.3917/rfs.593.0475
La grande régression. Machine learning, économétrie et futur des sciences sociales quantitatives
Que peuvent faire les sciences sociales avec le machine learning, et que peut-il leur faire ? Cet article propose une introduction à cette classe de méthodes statistiques. Il détaille ses prémisses, sa logique, et les défis qu’elle pose pour les sciences (sociales). Il le fait au moyen d’une comparaison avec d’autres approches quantitative plus conventionnelles, les régressions paramétriques en premier lieu, et ce tant au niveau général qu’en pratique. Au-delà de l’exercice méthodologique, l’article se propose de revenir sur les débats houleux qui entourent le learning. Il revient pour se faire sur le rôle et les conséquences possibles de l’usage de l’apprentissage statistique. Il soutient que la révolution promise par beaucoup et crainte par d’autres ne se produira pas de sitôt, ou en tout cas pas dans les termes souvent mentionnés. Le changement de paradigme évoqué de manière prophétique n’aura pas lieu. Plutôt, une concurrence accrue entre différentes formes de quantification du monde social va se mettre en place. Contre toute attente, cette incertitude croissante pourrait être de bon augure pour la connaissance en général.