The Great Regression. Machine Learning, Econometrics, and the Future of Quantitative Social Sciences

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

Lien vers l'article.

Résumé

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.