Machines prédictives Réseaux Volume 36 n°211 / 2018 Coll. REVUE RESEAUX

Reconnaître des personnes, des objets ou des formes dans des images, classer les pages du web avec un moteur de recherche en fonction des recherches passées de l’utilisateur, recommander un bien culturel, un trajet ou un amant, trier les spams, personnaliser une publicité, etc. Les calculs des services numériques empruntent de plus en plus une forme prédictive s’appuyant sur des méthodes d’apprentissage statistique (machine learning). Mais au-delà les mondes numériques stricto sensu, la prédiction calculée devient aussi, dans la police, l’assurance, la gestion des entreprises, la surveillance, la justice, l’attribution de crédits et certaines politiques publiques, une technologie de plus en plus fréquemment mobilisée pour promettre la modernisation des services tout en installant un nouveau régime d’anticipation des événements.
Technique de calcul profitant du développement des données massives, la prédiction constitue aussi un principe d’intervention inédit dans et sur la société. Sur la base de régularités observées, ces dispositifs calculatoires rationalisent le futur en le rendant disponible à des formes d’action préventives (Rouvroy et Stiegler, 2015). Ils installent l’estimation probable au cœur de toutes projections temporelles et contribuent ainsi à la « dé-futurisation » du possible (Esposito, 2011). Même si la réalité effective de leurs utilisations est parfois très éloignée de beaucoup de discours qui spéculent déjà sur leurs conséquences, un régime original de compréhension de nos sociétés, comparable à la parole divinatoire (Lazaro, 2018), se dessine dans les laboratoires de recherche et dans les premiers déploiements de ces techniques.
Dans ce dossier de Réseaux, nous avons choisi de désigner ces techniques et le régime d’anticipation qu’elle figure sous le nom de « machine prédictive ». Son objectif est de porter à la discussion scientifique des travaux relatifs à la place croissante prise par les décisions algorithmiques engageant des prédictions. Les articles qui le composent cherchent à prendre au sérieux l’hypothèse selon laquelle une nouvelle forme de quantification pénètre progressivement de nombreux secteurs d’activité. L’intention qui a présidé à la conception de ce dossier est qu’avant d’engager l’analyse sur les effets de la prédiction sur les mondes sociaux dans lesquels elle s’installe, il est d’abord essentiel d’enquêter dans l’univers scientifique qui a donné le jour à cette nouvelle promesse. Aussi une partie importante des articles rassemblés dans ce dossier portent-ils sur l’histoire scientifique des machines prédictives, les controverses qui les ont fait naître et sur le travail de ceux qui conçoivent et implémentent ces outils.

Introduction
• Machines à prédire, par Bilel Benbouzid et Dominique Cardon
Dossier : Machines prédictives
• La prédiction algorithmique comme activité sociale, par Tyler Reigeluth
• Comment décrire les technologies d’apprentissage artificiel ? Le cas des machines à prédire, par Jean-Sébastien Vayre
• Abstraction, expropriation, anticipation. Note généalogique sur les visions machiniques de la gestualité, par Fernanda Bruno, Maurício Lissovsky, Icaro Ferraz Vidal Junior
• Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public. Déconstruction d’une alerte ambiguë, par Nicolas Baya-Laffite, Boris Beaude, Jérémie Garrigues
• La revanche des neurones
L’invention des machines inductives et la controverse de l’intelligence artificielle, par
Dominique Cardon, Jean-Philippe Cointet, Antoine Mazières
• Quand prédire, c’est gérer. La police prédictive aux États-Unis, par Bilel Benbouzid
• Grandeur et décadence de l’« édition prédictive ». Retour sur l’intégration manquée d’une « machine prédictive »au sein d’une maison d’édition, par Vincent Bullich
Résumés/Abstracts.