On parle beaucoup d’intelligence artificielle.
De ses usages, de ses promesses, de ses risques.
Plus rarement des sciences de la donnée qui la rendent possible — et encore moins de ce qu’elles font à nos manières de décider et de gouverner.
Derrière l’IA, il n’y a pas une entité autonome, mais un empilement de sciences : mathématiques, statistiques, informatique, sciences du traitement de la donnée, sciences de la décision. Des sciences qui transforment le réel en données, les données en modèles, et les modèles en options d’action.
Poser les sciences de la donnée, ce n’est pas chercher l’exhaustivité ni produire une cartographie figée. C’est accepter de regarder les coulisses : les cadres intellectuels, les hypothèses implicites, les choix de représentation qui orientent silencieusement ce que l’on voit — et ce que l’on ne voit pas.
Cette question est indissociable de celle de la gouvernance de la donnée. Non pas au sens d’une appropriation ou d’un inventaire exhaustif — souvent illusoire dans des systèmes complexes — mais comme une attention portée aux flux de données : là où elles circulent, se transforment, s’anonymisent, produisent (ou non) un impact réel pour les équipes, les produits et les décisions.
Dans les organisations, la donnée n’appartient jamais vraiment à quelqu’un. Elle traverse les métiers, les systèmes, les outils. Chercher à en être “propriétaire” relève souvent davantage de jeux de pouvoir que d’une gouvernance effective. Suivre les flux, en revanche, permet de relier le développement aux usages, les métiers aux clients, et les décisions aux effets observables.
Cet article n’a pas vocation à expliquer l’IA ni à prescrire une méthode. Il ouvre un espace de réflexion sur les fondations scientifiques qui structurent nos environnements décisionnels, et sur la manière dont la donnée peut redevenir un appui pour décider — plutôt qu’un prétexte pour diluer la responsabilité.
Dans l’esprit du Campus, ce texte est volontairement vivant. Il évoluera au fil de l’année, en fonction de l’actualité, des débats émergents, des transformations observées sur le terrain. Les sections qui suivent ouvrent des champs de pensée. Elles seront enrichies, précisées, parfois déplacées, à mesure que le Campus continue d’explorer ce que décider, livrer et gouverner veulent dire à l’ère de la donnée et de l’IA.
Pour une exploration approfondie des tensions invisibles que révèle la gouvernance de la donnée, voir aussi notre article précédent :
“Gouvernance des données : révélateur des tensions invisibles”.
Les sciences de la donnée : les fondations
Ce sont celles qui rendent la donnée lisible, visible.
Les sciences de la donnée : traitement et exploitation
Ici c’est le prolongement mathématique ou les sciences de l’ingénierie qui permettent de rendre la donnée exploitable, et résoudre des problèmes associés
Les sciences de la décision et de la valeur
Les sciences humaines et sociales autour de la donnée
Les sciences émergentes
En synthèse
Les sciences de la donnée ne servent pas à produire des chiffres, mais à rendre le monde prédictible.
👉 la vraie maturité data commence quand la donnée cesse d’être un objet technique pour devenir un objet relationnel et politique.