Navigation – Plan du site

AccueilNumérosVol. 42/2DossierArticlesLes études critiques sur les données

Dossier
Articles

Les études critiques sur les données

Généalogie et cartographie d’un champ
Florence Millerand, Mélanie Millette et Lucie Delias

Résumés

Cet article présente une cartographie du champ des études critiques sur les données (critical data studies). Il retrace son émergence au sein de la littérature anglophone et francophone et précise sa perspective sur le plan épistémologique autour de la constitution d’un objet de recherche propre, la « donnée ». Il organise les travaux rassemblés dans ce champ de recherche autour de deux axes thématiques : l’étude des conséquences de la mise en données sur la vie sociale et l’étude des solutions de remplacement à la datafication.

Haut de page

Texte intégral

1Les études critiques sur les données, critical data studies en anglais, se structurent depuis les années 2010 autour du projet commun de déconstruire les discours présentant les données comme des éléments bruts et naturellement objectifs. Le champ a ainsi pris forme par le biais de recherches critiques qui montrent que les données sont des artefacts qui contribuent à mettre en forme la réalité dont elles témoignent, tout en étant formées par des structures sociales, culturelles et économiques (Gitelman, 2013 ; Hepp, Jarke et Kramp, 2022).

2L’objectif de cet article est de proposer une cartographie des travaux en sciences humaines et sociales contribuant au champ émergent des études critiques sur les données, entendues au sens de data, c’est-à-dire les données produites en contexte numérique et exploitables notamment par des processus automatisés. La contribution de l’article est triple. Premièrement, il s’agit de mettre en valeur l’étendue de ce champ d’études, non seulement ses filiations, mais aussi ses spécificités par rapport à d’autres champs d’études critiques s’intéressant aux technologies numériques. Deuxièmement, nous souhaitons circonscrire les spécificités de ce champ d’études, notamment sur le plan épistémologique et de la constitution d’un objet propre. Troisièmement, il s’agit de présenter une lecture organisée de ces travaux en les regroupant autour d’axes thématiques. Ce faisant, l’article vise à dresser un bilan provisoire des recherches réalisées. Cet exercice de cartographie ne prétend pas à l’exhaustivité, même s’il s’efforce de présenter un portrait du champ. À ce titre, il porte une attention particulière aux recherches francophones en la matière, beaucoup moins nombreuses que celles en anglais. Disséminées dans des espaces disciplinaires variés, les publications francophones s’inscrivent rarement de manière explicite sous l’étiquette critical data studies, malgré leur apport manifeste — notamment autour des travaux fondateurs en sociologie de la quantification. Ainsi l’article permet-il de prendre en compte la contribution francophone au champ des études critiques sur les données, largement représenté par des travaux en anglais. Cette triple contribution de l’article vient corriger deux angles morts de la littérature : l’absence, à notre connaissance, d’une cartographie des travaux critiques sur les données ainsi que la prise en compte des publications en français.

  • 1 La décennie 2010 est celle qui voit s’organiser des travaux clés permettant d’identifier les contou (...)
  • 2 Pour les références en français, les bases de données interrogées incluaient Scopus, CAIRN, Sophia, (...)
  • 3 L’un des avantages de la recherche automatisée dans Scopus est d’avoir fait émerger des travaux sur (...)
  • 4 Précisons que les objectifs de l’analyse bibliométrique se limitent au portrait du champ à partir d (...)

3Sur le plan méthodologique, l’article repose sur une recension de la littérature qui a été réalisée en trois temps. Une première recension a été conduite à partir de recherches dans les principales bases de données en sciences humaines et sociales en 2021 à partir des mots-clés critical data studies, datafication et leurs équivalents en français : études ou approches critiques sur les données. Par la suite, cette recension a été complétée au fur et à mesure de la découverte de nouvelles références pertinentes, pour atteindre un total d’environ 250 références parues entre 20101 et 2024. Une seconde recension a été réalisée en janvier 2025 pour mettre à jour la liste des références, avec deux objectifs : ajouter les travaux parus depuis 2021 en anglais dans un souci de complétion et repérer de façon plus fine les travaux en français parus entre 2015 et 2025. Pour ces derniers, la liste des mots-clés a été élargie pour inclure, entre autres, les travaux critiques sur la quantification et les biais algorithmiques2. Troisièmement, une recension systématique et une analyse bibliométrique ont été menées dans la base de données Scopus sur l’ensemble des références contenant l’expression « critical data studies » (en anglais) dans leur titre, leur résumé ou leurs mots-clés. Cette recherche a permis d’obtenir 297 références parues entre 2015 et 2025, dont la majorité recoupait celles déjà référencées, tout en permettant le repérage de nouveaux travaux3. Une analyse bibliométrique a confirmé certains de nos constats sur l’organisation du champ, notamment l’identification des articles fondateurs, l’évolution du nombre de publications dans le temps et les champs disciplinaires les plus représentés à partir des revues les plus importantes4. L’ensemble des références recensées ont été triées, analysées et classées manuellement afin de dégager les grands thèmes et problématiques qui organisent le champ des études critiques sur les données.

4Malgré ce travail méthodologique rigoureux et la réalisation de trois recensions successives de la littérature, l’article comporte quelques biais. Par exemple, les bases de données comme Scopus traitent beaucoup plus efficacement les articles en anglais. Ensuite, le champ s’est d’abord doté d’une étiquette en anglais, ce qui facilite le repérage dans cette langue puisque les publications subséquentes s’identifient comme telles. L’article reflète donc non seulement l’asymétrie anglais/français présente dans le champ, mais aussi celle des outils bibliométriques souvent moins précis avec les langues autres que l’anglais.

5L’article s’organise en deux parties. La première présente le contexte d’émergence des études critiques sur les données en tant que champ de recherche, dans les espaces scientifiques anglophones et francophones, puis précise la perspective épistémologique du champ de même que les spécificités de son objet de recherche. La deuxième partie organise une sélection des travaux en identifiant deux grands axes de problématiques : l’étude des conséquences de la mise en données généralisée sur la vie sociale et l’étude des solutions de remplacement à la datafication.

L’émergence du champ des études critiques sur les données

  • 5 « Datafication refers to the process by which subjects, objects, and practices are transformed into (...)

6Les études critiques sur les données constituent un champ interdisciplinaire relativement jeune, puisqu’il commence à se structurer à partir des années 2010 en lien avec l’accélération de la production et de l’exploitation des données numériques, dans la foulée de l’adoption massive des applications mobiles et de la plateformisation des médias sociaux associés au big data (Kitchin, 2022). Dans le milieu scientifique, le terme datafication se développe à la même époque afin de désigner les conséquences de la prédominance croissante des données dans l’ensemble des domaines de la vie sociale (Mayer-Schönberger et Cukier, 2013 ; Lycett, 2013 ; Van Dijck, 2014). Traduit en français par l’expression « mise en données », la datafication renvoie, d’un côté, aux « processus par lesquels les sujets, les objets et les pratiques sociales sont transformés en données numériques5 » (Southerton, 2022, p. 358, notre traduction) et, de l’autre, à une logique économique et politique qui envisage le monde comme une source de données à exploiter, à des fins diverses (commerciales, scientifiques, etc.) (Crawford, 2021 ; Mattelart, 2019). Dans ce contexte, les recherches se penchent sur les implications de cette profusion de données, produites en direct, non seulement à l’échelle des organisations et des États, mais aussi par les individus dans leur vie quotidienne (Lupton, 2015).

7La dénomination critical data studies apparaît en 2014 dans un article publié dans le magazine scientifique en ligne Society & Space, signé par Dalton et Thatcher, deux chercheurs en géographie. Dans ce court texte se voulant provocateur, les auteurs proposent une critique du régime de données instauré par le big data. Ils évoquent notamment l’importance d’historiciser le développement des données massives pour en comprendre les effets sur la société, la nécessaire déconstruction de l’apparente objectivité des données, le danger de tomber dans des formes de déterminisme technologique et l’urgence d’imaginer des régimes alternatifs et des « contre-données ». Avant eux, les articles de boyd et Crawford avaient posé les bases d’un programme de recherche pour les études critiques sur les données, en formulant une critique de l’épistémologie du big data, de la rhétorique utopique et dystopique l’entourant ainsi qu’en soulevant la nécessité de questionner le pouvoir des données à (re)produire la réalité (boyd et Crawford, 2012 ; Crawford, Gray et Miltner, 2014).

8Dans les années suivantes, un programme de recherche concernant les études critiques sur les données prend forme à travers une série de publications phares, dont un article de Kitchin, chercheur en géographie, et Lauriault, chercheuse en communication, qui reprend les idées de Dalton et Thatcher (2014) en appelant à mener un travail conceptuel arrimé à la conduite d’études empiriques pour développer le champ (Kitchin et Lauriault, 2014). Markham, Tiidenberg et Herman codirigent en 2018 un numéro spécial de la revue influente Social Media + Society sur le thème Doing ethics in the era of big data research, regroupant des textes qui interrogent les perspectives éthiques du big data, prolongeant ainsi les interrogations et réflexions critiques soulevées par boyd et Crawford dès 2012 (Luka et Millette, 2018). En 2016, un numéro spécial de la revue Big Data & Society est consacré pour la première fois aux critical data studies (Iliadis et Russo, 2016), avec, entre autres, un entretien entre Dalton, Thatcher et Taylor, chercheuse en droit des technologies, qui discute des grands enjeux de recherche à examiner, nommément la nature profondément spatiale des données, la variabilité historique des processus de production et d’accumulation des données ainsi que le développement de régimes de données pilotés par l’industrie de la big tech (Dalton, Taylor et Thatcher, 2016). Ce numéro spécial de Big Data & Society marque un jalon important : les critical data studies constituent désormais un champ de recherche à part entière. D’ailleurs, les publications se multiplient par la suite, passant d’une quinzaine annuellement en 2016 à une trentaine en 2020, puis une soixantaine en 2022 (voir l’annexe 1).

9À partir des années 2020, plusieurs ouvrages collectifs sont publiés, dont New perspectives in critical data studies: The ambivalences of data power (Hepp, Jarke et Kramp, op. cit.), qui propose un premier bilan de l’état des recherches. L’ouvrage réitère l’appel formulé dans les textes fondateurs : aborder de manière critique le pouvoir des données pour en comprendre les ambivalences. Les contributions rassemblées dans le collectif invitent à réfléchir, d’un côté, aux nouvelles occasions d’action offertes par les données à l’échelle de la société, par exemple lorsque des données de consommation d’énergie permettent de soutenir des processus plus durables, et, de l’autre, aux risques qu’elles suscitent en matière de surveillance, de vie privée et de reproduction des inégalités sociales. Depuis 2025, signe de la maturité du champ, les études critiques sur les données disposent de leur propre dictionnaire, Critical data studies. An A to Z guide to concepts and methods (Kitchin, 2025), regroupant plus de 400 termes et concepts clés allant des algorithmes à la sousveillance en passant par la datafication. Signalons également le SAGE handbook of data and society publié en 2025 (Venturini et al., 2025) et le De Gruyter handbook of critical data studies (Mejias, McNealy et Miceli, à paraître en 2026).

10Cette production scientifique s’est développée dans des espaces de discussion qui ont largement contribué à structurer le champ tel qu’il se présente aujourd’hui, principalement en anglais. La revue Big Data & Society, fondée en 2014 par la sociologue Evelyn Ruppert, a publié le plus grand nombre d’articles — et de loin — s’inscrivant explicitement dans le champ (voir l’annexe 2). Des sociétés savantes (comme la Society for Social Studies of Science 4S), des instituts de recherche (comme le Data & Society Research Institute, fondé par danah boyd), des initiatives militantes (comme Data For Black Lives) et des conférences ont également joué un rôle structurant. La conférence Data Power en particulier, dont la première édition s’est tenue en 2015, a réuni les chercheurs et chercheuses du domaine de façon régulière. Désormais à sa cinquième édition, elle a donné lieu à plusieurs publications ; citons, à titre d’exemples, les numéros spéciaux « Data power in material contexts » publié dans la revue Television and New Media (Kennedy et Bates, 2017) et « Data power » paru dans la Online Information Review (Gerrard et Bates, 2019) ainsi que dans le Canadian Journal of Communication (Lauriault et Lim, 2019) et l’ouvrage collectif de Hepp, Jarke et Kramp (op. cit.) issu de la conférence de 2022.

11Sur le plan des filiations théoriques, les travaux en études critiques des données se situent, du côté anglophone, au croisement de différentes approches issues de l’histoire des sciences, des sciences & technology studies (STS), de la géographie, de l’anthropologie, des études des archives, de la communication, des études médiatiques et des Internet studies, plus spécifiquement les sous-champs de l’éthique d’Internet et des études sur les plateformes. Autrement dit, les études critiques des données émergent au croisement de champs et sous-champs disciplinaires en sciences humaines et sociales qui se démarquent par le regard critique qu’ils portent sur la production de connaissances et la technologie. L’influence des STS et de l’histoire de la science se fait sentir par la publication de certains ouvrages clés sur l’histoire des données qui ont pavé la voie aux études critiques, notamment « Raw data » is an oxymoron, de Lisa Gitelman (op. cit.). Des travaux en Internet studies ont également contribué à formuler une critique du travail de cadrage de la réalité qui s’effectue à travers l’activité scientifique de production de données (Markham, 2013). La contribution de géographes critiques a donné lieu à des textes fondateurs inspirés, entre autres, par un regard réflexif sur la responsabilité de leur domaine dans l’essor des données massives, par exemple à travers la généralisation des systèmes de géolocalisation (systèmes d’information géographique) (Dalton et Thatcher, 2014) et le développement d’assemblages sociotechniques complexes, comme les villes connectées (Kitchin, 2014a), sources importantes de production et de consommation de données.

12En français, la production de travaux relevant des études critiques sur les données est à la fois moindre et plus dispersée. Il faut dire que les recherches sur le sujet ne revendiquent pas forcément leur inscription sous la dénomination des critical data studies (ou son équivalent en français), un champ qui reste issu de la recherche anglophone. Sur le plan des publications, citons le numéro « Production des données. Production de la société » publié par la revue Les Enjeux (Bullich et Clavier, 2018) ainsi que le numéro « Produire les données, à la frontière de plusieurs mondes sociaux » de la revue Réseaux (Flichy, 2021). Réseaux publiera d’ailleurs d’autres numéros touchant à des problématiques connexes, comme les villes intelligentes (Bernardin et Jeannot, 2019) et la sociologie des bases de données (Flichy et Parasie, 2013). Citons également le numéro récent « Big Data : usages et résistances », paru dans la revue Quaderni (Theviot et Bellon, 2024).

13Sur le plan des ancrages théoriques, plusieurs travaux critiques sur les données en français viennent prolonger la frange critique de la sociologie de la quantification (Henneguelle et Jatteau, 2021). Rappelons que la question de savoir ce qu’est une « donnée » a alimenté un ensemble de recherches sur les données et les chiffres bien avant l’ère numérique (Mattelart, op. cit.). Par exemple, la sociologie de la quantification et de la statistique, à travers les travaux fondateurs de Desrosières (2000) et, plus récemment, de Martin (2020), a mis en lumière la « valeur sociale » accordée aux chiffres dans les sociétés occidentales, que les travaux sur les quantifications de soi réactualisent en partie (Dagiral et al., 2019). Le parallèle est intéressant à faire entre la prolifération actuelle des données et les raisons évoquées par Martin (ibid.) pour expliquer l’expansion de la quantification : quantifier pour connaître, pour répondre à une quête de justice, pour se coordonner, pour établir la confiance, pour exercer le pouvoir, etc. Tous ces motifs peuvent s’appliquer aux régimes de données contemporains (Mattelart, op. cit.).

14D’autres travaux en français s’inscrivant dans les STS se sont penchés sur l’histoire et la nature des données scientifiques, en les qualifiant d’« obtenues » plutôt que de « données », selon la formule de Latour (2007). L’ouvrage de Denis (2018), Le travail invisible des données. Éléments pour une sociologie des infrastructures scripturales, constitue un bon exemple de prolongement de ces questionnements critiques sur les données numériques. Dans une autre perspective, l’ouvrage collectif Gouverner par les données ? Pour une sociologie politique du numérique, dirigé par Theviot (2023), propose de déconstruire les mythes autour du big data en interrogeant la manière dont les données sont utilisées ainsi que les modalités de leur influence sur les modes de gouvernance et les prises de décision dans les organisations étatiques, marchandes et scientifiques. La critique des données massives alimente également plusieurs travaux en communication, notamment sur l’illusion de neutralité des données, en mettant en évidence la façon dont cette apparence de neutralité sert des intérêts économiques et de pouvoir (Crémier, Bonenfant et Lafrance, 2019 ; Ménard et al., 2018). Des travaux récents autour des « publics de données » s’inscrivent dans ces prolongements critiques en déplaçant l’attention des données vers les individus, les collectifs et les organisations représentés dans les données ou à qui elles sont destinées (Millerand et al., 2025).

15Ce bref historique du champ permet d’identifier les traditions disciplinaires dans lesquelles s’ancrent les études critiques des données. Si les fondateurs viennent de la géographie et des Internet studies, plusieurs travaux se situent aujourd’hui à la croisée de la communication et des études médiatiques (sciences de l’information et de la communication en France), de la sociologie, de l’anthropologie et des STS. Soulignons à ce sujet que les revues qui publient le plus de travaux (en anglais) s’inscrivant dans les critical data studies sont en majorité des revues interdisciplinaires comme Big Data & Society et Internet Policy Review ainsi que des revues associées à la communication comme Information, Communication & Society, New Media & Society et International Journal of Communication (voir l’annexe 2). Même si tous les travaux en français ne font pas référence de manière explicite au champ des critical data studies, certains citent des publications phares du champ ou épousent les mêmes présupposés épistémologiques, à savoir un regard critique sur les données et sur les mutations sociales, économiques et politiques qui les accompagnent. À ce titre, certains auteurs et autrices, y compris anglophones, s’inscrivent aussi ou plus explicitement dans des champs connexes marqués par une approche critique des technologies numériques, comme les infrastructure studies (Bowker et al., 2010 ; Knox et Gambino, 2023), les critical algorithm studies (Gillespie, 2014, 2015 ; Beer, 2017), les platforms studies (Gillespie, 2018 ; Burgess, 2021) ou plus récemment les critical AI studies (Lingren, 2023 ; Crawford, op. cit.). À l’instar des critical data studies qui placent les data au cœur des questionnements de recherche, ces champs visent à attirer l’attention de la communauté de recherche sur des objets et dispositifs spécifiques (les infrastructures, les algorithmes, les plateformes, l’IA) et à proposer des programmes de recherche transversaux aux sciences humaines et sociales. Face à cette prolifération et à cet éclatement apparent des champs d’études — qui se multiplient depuis les années 2000 (Silver, 2004), les études critiques sur les données proposent ainsi une approche transversale des enjeux sociaux, politiques et économiques liés aux technologies numériques, dont l’exploitation des données est à la base du fonctionnement.

Les données comme objet de recherche

16Sur le plan épistémologique, nous identifions deux spécificités des études critiques sur les données — tant dans la recherche anglophone que francophone. D’abord, une épistémologie intrinsèquement sociotechnique, revendiquée dans les travaux fondateurs (Dalton, Taylor et Thatcher, op. cit.) comme dans les plus récents (Kitchin, 2025), où l’on appréhende la constitution des données comme résultant à la fois d’une pratique et d’un travail réalisé par des humains portant leur subjectivité et par la mobilisation de différents dispositifs de collecte et de traitement des données. L’interinfluence de ces deux facettes s’avère constitutive de la perspective épistémologique du champ, alors que les dispositifs de collecte, de gestion et de visualisation des données, de même que les décisions humaines associées, sont souvent naturalisés ou invisibilisés, et cela, dans une foule de domaines (marketing, sécurité, finance, santé, etc.) où les données jouent un rôle majeur et sont comprises a priori comme étant le témoin neutre d’une réalité. Ensuite, les études sur les données s’inscrivent, comme leur nom l’indique, dans une épistémologie critique qui se démarque par une perspective sur le monde centrée sur les rapports de pouvoir, leur reproduction et leurs répercussions, dans une visée de justice sociale (boyd et Crawford, op. cit. ; Luka et Millette, op. cit. ; Fuchs, 2019). Cette spécificité épistémologique s’inscrit dans le prolongement de certaines perspectives des travaux fondateurs, comme l’éthique, les études trans, féministes et postcoloniales (Markham, Tidenberg et Herman, 2018 ; Hoffman, 2020 ; D’Ignazio et Klein, 2020 ; Marcetic et Nolin, 2022 ; Mejias et Couldry, 2024), mais aussi en rupture avec certaines approches des données qui s’avèrent peu critiques ou acritiques, comme les perspectives post-positivistes ou issues du marketing. Cette spécificité épistémologique a également contribué à cadrer l’objet, les données, de manière critique en les abordant comme la manifestation de « formes de pouvoir » (Iliadis et Russo, op. cit., paragr. 1, notre traduction). Si l’on s’attarde aux différents apports qui inscrivent l’épistémologie critique au fondement du champ, le féminisme intersectionnel contribue notamment à la critique de la reproduction de biais sexistes et racistes, mais aussi capacitistes et âgistes, dans les jeux de données et les systèmes qui les mobilisent (Noble, 2018 ; D’Ignazio et Klein, op. cit.). Les perspectives dé-coloniales et postcoloniales abordent la datafication de la société par une critique de l’extraction de données à des fins lucratives, en établissant une continuité entre le colonialisme et le capitalisme (Taffel, 2021). Tout comme le colonialisme s’approprie des territoires et des ressources à des fins de profit, le colonialisme par les données « normalise l’exploitation des êtres humains par le biais de données » (Couldry et Mejias, 2018, p. 336). Plus largement, les perspectives issues de l’économie politique abordent la place centrale des données dans la société par l’examen critique des changements opérés dans les modes de gouvernance et de la gouvernementalité, de la prise de décision basée sur les données dans les bureaucraties aux processus de surveillance généralisée (Ouellet et al., 2015 ; Mattelart, op. cit. ; Fuchs, op. cit.). Plus récemment, l’inscription des données dans des rapports de pouvoir préexistants, relus au prisme de la datafication, a donné à voir un « capitalisme de surveillance » (Zuboff, 2019), une nouvelle forme de « colonialisme » par les données (Mejias et Couldry, op. cit.) et le travail des algorithmes entraînés sur celles-ci, sources de biais potentiellement préjudiciables (Noble, op. cit. ; Broussard, 2023). Il s’agit, à travers ces publications, de déconstruire les fondements idéologiques de la datafication, en particulier la croyance répandue dans le dataism (qui suppose que le monde peut être compris à travers les data) en mettant au jour l’imbrication du politique (les gouvernements), de l’économique (les plateformes) et du scientifique (les chercheurs et chercheuses) au cœur de cette idéologie (Van Dijck, op. cit.).

17Le caractère contextuel des données et leur nature éminemment politique (Bigo et al., 2019 sont deux présupposés qui fondent l’objet de recherche privilégié du champ et qui teintent par le fait même son épistémologie critique. Les premiers travaux ont cherché à déconstruire activement les discours neutralisants sur la révolution du big data, qui présentaient les données comme une nouvelle matière première brute, neutre et exploitable, et leur traitement automatisé comme une source de connaissance inédite aux logiques des comportements humains (Kitchin et McArdle, 2016). Le caractère situé des régimes de production de données, soumis à diverses logiques de pouvoir (boyd et Crawford, op. cit.), et le caractère construit de la soi-disant « donnée brute » ont été largement documentés (Gitelman, op. cit. ; Denis, op. cit.). Ainsi,

  • 6 « CDS understands data as being contingent and relational in nature; their generation, processing, (...)

les [critical data studies] considèrent que les données sont contingentes et relationnelles par nature ; leur génération, leur traitement et leur utilisation s’inscrivent dans un contexte (conceptuel, technique, social, économique) et sont profondément imprégnés de politique (personnelle, institutionnelle, culturelle)6 (Kitchin, 2025, p. 41, notre traduction).

18Cette manière de problématiser l’objet de recherche du champ implique « […] qu’une donnée constitue toujours un artefact de médiation, c’est-à-dire une construction scientifique qui témoigne effectivement d’une partie de la réalité, qui la représente, sans être exactement cette réalité » (Millette, 2023, p. 15).

19Dans cette perspective, les données, tout en étant un moyen de connaître et de comprendre le monde, constituent également des « matériaux sociotechniques contingents et changeants, essentiels à la production de connaissances, à la création de valeur et à la gestion de la société » qu’il s’agit de dénaturaliser et de repolitiser (Kitchin, 2025, p. 41).

20Mais quelles sont les conséquences méthodologiques de l’adoption d’une telle posture épistémologique sociotechnique et critique ? Hepp, Jarke et Kramp (op. cit.) soulignent à ce sujet que la réflexion méthodologique sur l’examen critique du pouvoir des données reste centrale depuis l’émergence du champ. Il s’agit alors, pour les chercheurs et chercheuses, d’étudier les pratiques autour des données et de dégager les épistémologies qui les sous-tendent, et, dans la foulée des appels des textes fondateurs, d’entreprendre un « travail ethnographique et discursif » pour décrire non seulement les données, les cultures qui les entourent et les systèmes algorithmiques (Dalton, Taylor et Thatcher, op. cit., p. 7), mais aussi les contextes de production des données, y compris la question politique de déterminer ce qui mérite d’être mis en données et ce qui ne le mérite pas (D’Ignazio et Klein, op. cit.). L’entretien d’un certain scepticisme à l’égard des données massives et de l’emploi des seules méthodes computationnelles marque le champ depuis ses débuts. Kitchin et McArdle (op. cit.) y ont directement contribué par une méta-analyse de plus d’une vingtaine de recherches basées sur l’analyse de données qualifiées de massives, en montrant qu’elles partageaient, finalement, très peu de caractéristiques propres au big data, tant sur le plan méthodologique que des jeux de données. Cette démarche ayant démontré que ce qui est considéré comme du big data dans une discipline ne l’est pas du tout dans une autre, les chercheurs et chercheuses en études critiques des données ont privilégié une diversité de méthodes, notamment qualitatives, et la pratique de la triangulation méthodologique (Hepp, Jarke et Kramp, op. cit. ; Latzko-Toth, Bonneau et Millette, 2017). Ces perspectives méthodologiques sont cohérentes avec l’épistémologie critique du champ, alors que de petits jeux de données denses (thick data) permettent, par exemple, de mieux cerner la mise en données d’un phénomène complexe et de le replacer dans les enjeux de pouvoir qui le traversent (Latzko-Toth, Bonneau et Millette, 2020 ; Christin, 2020 ; Millette, op. cit.).

Les thèmes de recherche structurant le champ

21À partir de nos recensions des travaux relevant des études critiques sur les données, nous présentons dans cette section les thèmes de recherche principaux de ce champ d’études, organisés autour de deux axes structurants. Le premier porte sur l’analyse des conséquences de la datafication, tandis que le deuxième s’intéresse aux solutions de remplacement à ce phénomène.

L’étude des conséquences de la mise en données de la société

22L’une des préoccupations centrales des travaux critiques sur les données réside dans la mise au jour et l’analyse des conséquences de la mise en données généralisée sur la vie sociale, envisagée dans son acception la plus large. Dans cette section, il s’agira de proposer une synthèse des recherches, à la dimension souvent empirique, qui s’intéressent à la manière dont l’introduction des données et leur traitement automatisé dans différents contextes affectent « leurs “sujets”, c’est-à-dire [les entités], les personnes et les activités concernées par cette quantification » (Christin, op. cit., p. 1116). Nous reviendrons d’abord sur les travaux portant sur les conséquences économiques, politiques et sociales de la datafication qui ont émergé à mesure que le traitement automatique des données s’est imposé parallèlement dans la société et dans la recherche, puis sur ceux abordant ses conséquences sur les pratiques et secteurs professionnels.

Les conséquences économiques, politiques et sociales

23À partir du début des années 2010, les recherches en critical data studies, en lien avec l’émergence des discours autour de l’explosion du big data, commencent à s’intéresser aux conséquences de la datafication sur l’économie et sur les mécanismes de production de valeur (Lycett, op. cit.) ainsi qu’aux liens d’interdépendance entre le capitalisme, le big data et la marchandisation des corps et des comportements individuels. Plusieurs auteurs théorisent le renouvellement du capitalisme « traditionnel » face à un système où les traces laissées en ligne par les internautes et celles générées par leurs comportements deviennent une nouvelle matière première à exploiter. C’est le cas du « capitalisme de surveillance » (Zuboff, op. cit.) qui met l’accent sur l’orientation des comportements individuels à partir des données personnelles, du « techno-féodalisme » (Durand, 2021) qui décrit la manière dont les entreprises du Web vivent de la rente du travail gratuit des utilisateurs de leurs services ou encore du « colonialisme de données » (Meijas et Couldry, op. cit.) qui met en avant le prolongement des logiques extractivistes des empires coloniaux, désormais incarnés par les géants du numérique. Plus précisément, les recherches explorent la manière dont les données sont constituées en actifs économiques pour les entreprises (Birch, 2023) ou s’intéressent à des acteurs spécifiques comme les courtiers de données (data brokers) (Crain, 2018).

24Les travaux en critical data studies s’interrogent également sur les transformations apportées par les données dans le champ politique. Dès la première moitié des années 2010, des recherches commencent à analyser de manière critique le mouvement des données ouvertes (open data) et de l’application de ses principes par les gouvernements à différentes échelles (États, municipalités, institutions internationales). La philosophie de ce mouvement repose sur l’idée que l’ouverture du plus grand nombre possible de jeux de données produits par les institutions publiques aurait des effets bénéfiques dans plusieurs domaines : renouvellement de la démocratie grâce à une plus grande transparence de l’action publique et encapacitation citoyenne (Badouard, 2017 ; Baack, 2015), augmentation de l’efficacité des administrations (Chevallier, 2018 ; Purwanto, Zuiderwijk et Janssen, 2020) et stimulation de l’innovation technologique ainsi que de l’activité entrepreneuriale (Cardulo et Kitchin, 2019).

25Certaines recherches invitent à nuancer les discours optimistes, voire naïfs, concernant l’effet de l’ouverture des données, celle-ci n’étant pas automatiquement associée à une augmentation de la puissance d’agir des citoyens (Goëta et Mabi, 2014), et pourrait au contraire générer une forme de démocratie fondée sur une action citoyenne se limitant à la surveillance d’indicateurs (Ruppert, 2015 ; Chen, 2024). La question de l’ouverture des données est aussi liée à celle de l’émergence des villes intelligentes, c’est-à-dire les villes dont le fonctionnement repose sur l’utilisation de technologies omniprésentes et productrices de données en temps réel, et dont l’économie et la gouvernance dépendent de l’innovation, de la créativité et de l’entrepreneuriat (Kitchin, 2014a ; Bernardin et Jeannot, op. cit.). Au-delà des enjeux de surveillance et de privatisation de l’espace public (Rogan, 2019), les villes intelligentes (smart cities) sont aussi vues comme le symptôme d’une nouvelle forme de gouvernementalité, la gouvernementalité « dirigée par les données » ou « gouvernementalité algorithmique » (Henman, 2020).

26Dans la lignée des travaux fondateurs sur la statistique d’État, ces recherches montrent comment la centralité des données et des calculs automatisés dans la conception des politiques publiques (Rieder et Simon, 2016) et dans les prises de décision transforme la manière dont sont perçus les citoyens et l’espace public, désormais réduits à des entités calculables. Plus récemment, les réponses des gouvernements face à la pandémie de COVID-19 ont donné lieu à de nombreuses études sur la gestion des populations et de leur santé grâce à des technologies de traçage et à l’analyse de données, d’une manière qui a souvent remis en question la liberté des citoyens et l’égalité dans l’accès aux soins (Lee, 2021 ; Schmidt, Roberts et Nwamaka, 2021 ; Pelizza et al., 2021 ; Lupton, 2022). Finalement, dans un paysage technologique de plus en plus mondialisé et face à des enjeux géopolitiques et législatifs majeurs concernant les données et leur circulation, d’autres travaux explorent la question de la souveraineté des données, les États cherchant à avoir un meilleur contrôle sur les données produites par leurs citoyens et sur leur territoire (Irion, 2012). Enfin, les enjeux politiques sont également abordés à partir de la place de l’analyse et de l’exploitation des données par les partis politiques ou les États à des fins d’orientation, voire de manipulation, de l’opinion publique. Certains travaux s’intéressent à l’utilisation des données afin de rationaliser les efforts de ciblage de l’électorat lors des campagnes électorales (Theviot, 2016), dans un contexte où la place des données dans les actions de déstabilisation politique, à travers la diffusion de fausses informations et d’exploitation illégale des données personnelles, notamment à la suite du scandale de Cambridge Analytica, est largement discutée.

27Sur le plan social, les conséquences de la mise en données sont abordées sous l’angle de la reproduction ou de l’aggravation des inégalités sociales et des discriminations. Un premier ensemble de recherches pointent le fait que les jeux de données mobilisés par les organisations, qu’ils soient antérieurs ou non à la numérisation, sont souvent biaisés et/ou incomplets, car hérités de logiques sociales inégalitaires préexistantes et d’une vision du monde patriarcale, raciste et colonialiste. Par exemple, certains travaux examinent les répercussions symboliques et matérielles de l’exploitation des données sur des groupes de population vulnérables et/ou minorisés. Un premier problème identifié est celui de l’absence de certaines catégories de population dans les données. Hargittai (2020) souligne que les groupes de personnes utilisant moins Internet et les médias sociaux, spécialement celles peu dotées en capitaux culturels et financiers, apparaissent peu dans les données massives comportementales récoltées en ligne destinées à la recherche ou au marketing, comme c’est le cas aussi des personnes âgées (Rosales et Fernández Ardèvol, 2019). Ces omissions font écho à celles relevées par les chercheurs et chercheuses qui s’intéressent aux données des recensements de la population et qui, faute de catégories adéquates, ont longtemps invisibilisé les citoyens et citoyennes dont l’identité de genre ou l’orientation sexuelle ne correspondait pas aux normes dominantes (Bouk, 2022 ; Guyan, 2022).

28D’autres catégories de population minorisées font bien l’objet d’une mise en données, mais d’une manière biaisée qui tend à reproduire des stéréotypes négatifs. C’est le cas des données étatiques concernant les peuples autochtones et les personnes noires, qui se concentrent sur les aspects négatifs de la vie de ces communautés, ce qui contribue à reproduire une vision déficitaire (deficit narrative) (Walter et al., 2020 ; Gachoud, Naslund et Hansson, 2023 ; Watson-Daniels et al., 2020). Par ailleurs, les efforts institutionnels pour développer une meilleure inclusion au moyen de nouvelles catégories, par l’exemple pour l’identification des personnes transgenres, peuvent reproduire des formes de violence (Hoffman, 2020), voire constituer un outil de surveillance qui pourrait les mettre en danger dans des contextes où les transidentités sont réprimées (D’Ignazio et Klein, op. cit.). En définitive, et au vu de l’importance des données et de la quantification dans la construction de la réalité, la circulation de ces jeux de données tronqués ou biaisés contribue à reproduire l’invisibilisation et les stéréotypes concernant les plus vulnérables, alimentant ainsi le terreau des discriminations.

29Au-delà, d’autres travaux se concentrent sur les conséquences matérielles de cette inadéquation des données, en particulier lorsque leur traitement conduit au ciblage des groupes et des individus et à la prédiction de leurs comportements, à l’origine de prises de décision souvent discriminatoires dans les domaines du maintien de l’ordre et de la justice, de l’assistance sociale, de la santé ou encore des assurances. Plusieurs travaux fondateurs sur les conséquences des biais algorithmiques, à l’image de ceux de O’Neil (2016), de Noble (op. cit.) ou de Eubanks (2018), montrent que ces systèmes fonctionnent comme des boucles de rétroaction négatives, à l’instar de ceux utilisés par la police étasunienne (Benbouzid, 2018 ; Currie et al., 2016), qui poussent les agents à cibler en priorité les quartiers défavorisés dont les populations sont historiquement plus criminalisées et surveillées, tandis que les quartiers plus aisés sont ignorés. Ces pratiques s’inscrivent dans une histoire plus ancienne de mobilisation des données par les institutions afin de pratiquer le redlining, une discrimination fondée sur le lieu de résidence (Koopman, 2020 ; Bakelmun et Shoenfeld, 2020).

30Un second ensemble de recherches sur les conséquences de la datafication prolongent les réflexions sur la fracture des données (data divide), c’est-à-dire « la relation de pouvoir asymétrique entre ceux qui collectent, stockent et exploitent de grandes quantités de données et ceux qui sont ciblés par cette collecte » (Andrejevic, 2014, p. 1673, notre traduction). À l’image de l’étude d’Andrejevic qui a contribué à populariser cette expression, ces travaux se concentrent souvent sur les inégalités entre les internautes ordinaires et les organisations à partir de la question de la surveillance et de la vie privée. Il s’agit notamment de documenter le phénomène dit du paradoxe de la vie privée (privacy paradox), c’est-à-dire l’inadéquation entre les préoccupations exprimées par les internautes concernant l’exploitation de leurs données personnelles à des fins commerciales et le manque d’actions concrètes mises en place pour s’en protéger (Young et Quan-Haase, 2013). Dans les approches en critical data studies, ce « compromis » (Bourcier et De Filippi, 2016) des internautes entre la délégation de leurs données personnelles et la promesse d’une personnalisation des services est moins lu comme un phénomène relevant de la responsabilité individuelle que comme une forme d’impuissance dans un jeu de pouvoir à l’avantage des entreprises. Ce phénomène doit par ailleurs être analysé au prisme des inégalités sociales et épistémiques entre les internautes (Kennedy, Steedman et Jones, 2020 ; Hoffmann, Lutz et Ranzini, 2024), et des émotions qu’il provoque (Grover, Idera et Ananny, 2025 ; Pink, Lanzeni et Horst, 2018).

31De manière plus large, divers travaux portent sur le rapport des individus ordinaires aux données (Armstrong et al., 2023 ; Burgess et al., 2022), afin d’interroger leurs représentations et pratiques quotidiennes autour de l’auto-quantification de soi (self-data) (Lupton, 2020 ; Amelang, 2022), des recommandations algorithmiques (Siles, 2023 ; Bénistant, Chevret-Castellani et Labelle, 2024), de la géolocalisation (Dalton et Thatcher, 2019) et de l’interprétation des chiffres qui nous entourent, que ce soit sous forme de datavisualisation (Kennedy, Steedman et Jones, 2020) ou des données de suivi épidémiologiques lors de la pandémie de COVID-19 (Lee, 2023). Ces travaux ont pour intérêt de révéler la profondeur et la complexité des relations entre les individus ordinaires et les données (Feinberg, 2022) et d’apporter une lecture moins binaire du data divide en mettant l’accent sur les pratiques agentives de négociation, de réinterprétation, de résistance quotidienne, voire sur la constitution de « publics de données » actifs (Burgess et al., 2025 ; Millerand et al., 2025).

32Les recherches comprennent également des travaux qui se concentrent, à une échelle plus macro, sur les inégalités liées à la mise en données entre les pays du Nord et ceux du Sud global. Un certain nombre de travaux se placent à l’interface entre les critical data studies et les études critiques sur le développement (Masiero, 2022). Ils étudient la manière dont les injonctions, les valeurs et les normes de la datafication telles que développées par les acteurs des pays du Nord tentent de s’imposer aux pays des Suds sans prise en compte de la pertinence et des bénéfices réels pour les populations, comme lorsque le big data et ses applications sont présentés comme un moyen de développement et d’empowerment (Arora, 2016) ; que des programmes de données ou science ouverte sont implantés sans tenir compte du contexte en termes de ressources (Bezuidenhout, Leonelli, Kelly et Rappert, 2017), de cultures de données (Lynch et al., 2023) et de dynamiques de pouvoir locales (Gurstein, 2011). Ainsi, dans le contexte d’une relation qui demeure asymétrique entre ces pôles géographiques, ces politiques de mise en données contribuent à la fois à l’accélération de la datafication des Suds et à une potentielle réappropriation de ces données par des acteurs issus des pays du Nord au détriment des populations locales.

33Un autre axe des travaux sur les conséquences de la mise en données s’intéresse aux mutations du capitalisme dans un contexte de mondialisation des industries numériques, en examinant les nouvelles chaînes de valeur basées sur le double mouvement de délocalisation et de sous-traitance, dans les pays du Sud global, des tâches sous-qualifiées du travail numérique (digital labor), au profit des grandes entreprises occidentales (Hung, 2024 ; Casilli, 2017). Ces microtâches qui consistent à « générer, annoter ou enrichir les données » (Le Ludec, Cornet et Casilli, 2023) assurées par des travailleurs de pays économiquement fragilisés d’Afrique et d’Asie permettent d’améliorer les systèmes algorithmiques utilisés dans les pays du Nord. L’un des buts des recherches critiques sur le sujet est alors de rendre visible ce travail, souvent ignoré des utilisateurs des services numériques (Anwar et Graham, 2020).

34La mondialisation de l’économie des données est également étudiée à partir de son impact environnemental, dans un contexte où la consommation en ressources naturelles et en énergie exigée par le développement des systèmes automatisés participe au réchauffement climatique et à la dégradation de la planète, dont les conséquences touchent majoritairement les pays vulnérables des Suds. Ces études se situent souvent au croisement entre critical data studies et infrastructure studies, ces dernières permettant d’aborder la dimension matérielle et (géo)politique des équipements liés à la circulation, au traitement et au stockage des données. Plusieurs recherches se penchent plus spécifiquement sur l’impact des centres de données (data centers) à une échelle mondiale (Brodie, 2024), mais aussi plus locale. C’est le cas, par exemple, des travaux de Hogan sur l’exploitation de l’eau par les serveurs de l’Agence nationale de sécurité (NSA) dans l’Utah aux États-Unis (Hogan, 2015) ou encore de ceux de Marquet (2018) sur les enjeux de l’implantation de centres de données en région parisienne.

Les conséquences sur les pratiques et les secteurs professionnels

  • 7 D’autres travaux en critical data studies s’intéressent à des secteurs comme la culture, le journal (...)

35À côté des travaux centrés sur la donnée et ses conséquences sociopolitiques, des études empiriques s’attellent à identifier et à analyser les conséquences de l’exploitation des données numériques dans un éventail très large de pratiques et de secteurs professionnels. Parmi ceux-ci, les plus nombreux se concentrent sur certains secteurs clés, comme la santé, l’éducation et la recherche scientifique7.

36La santé est un secteur où les attentes suscitées par la datafication sont particulièrement fortes et où les données sont présentées comme un actif stratégique : sources d’avancées médicales pour les médecins, potentiel de connaissance pour les scientifiques, création de valeur économique pour les entreprises, opportunité de transparence pour les associations de patients, etc. (Peugeot, 2018). Sans surprise, de nombreux travaux en critical data studies se sont penchés sur l’étude critique des discours, imaginaires et promesses circulant sur les données de santé (Van Dijck et Peoll, 2016 ; Wamsley et Chin-Yee, 2021). Ces travaux montrent la prégnance d’un discours peu critique à l’endroit de la datafication, empreint des imaginaires associés au big data, prolifèrent les métaphores sur la capture, l’exploitation et le partage de données au service du bien public, ce qui contribue à objectiver et à naturaliser la donnée de santé, une donnée pourtant caractérisée par l’hétérogénéité de ses contextes de production et d’usage (Stevens et al., 2018 ; Cheung, 2020 ; Medina-Perea, Bates et Cox, 2024). Ce faisant, ces études montrent le pouvoir de ces métaphores et cadres de pensée sur l’organisation du secteur, en particulier depuis la pandémie, alors que l’essor des technologies numériques a catalysé de vastes changements dans la gouvernance mondiale de la santé, qui ont bénéficié surtout aux entreprises privées, par exemple à travers le développement d’applications et de plateformes en ligne (Wamsley et Chin-Yee, op. cit.).

37D’autres études s’intéressent plus spécifiquement aux changements pour les patients et patientes, dans le cadre d’enquêtes empiriques menées sur des plateformes nationales de santé publique ou de services privés, avec des préoccupations centrées non seulement sur le gain d’autonomie potentiel pour les malades (grâce à l’accès aux données de santé à la maison, par exemple), mais aussi sur les risques pour la vie privée de la collecte de données à leur insu (Mahnke et Nielsen, 2021 ; Costa et Milne, 2022). Les travaux se développent sur les difficultés inhérentes à la conciliation d’attentes, d’imaginaires et de besoins différenciés autour des données de santé, avec des pistes vers le déploiement de stratégies de codesign des services et des plateformes, pour espérer concrétiser les promesses de retombées positives pour les patients et patientes, qui restent encore largement à advenir (Donia et Shaw, 2021 ; Coutant et Vial, 2025 ; Harvey et Latzko-Toth, 2025).

38L’éducation est un autre secteur où la mise en données promet de profondes transformations : le numérique y est déjà bien intégré et l’importance des systèmes de classement, notamment pour l’évaluation du rendement et de la performance, se prête particulièrement bien aux processus de datafication. Comme pour le secteur de la santé, la pandémie a précipité l’adoption de technologies et, avec elle, la production et la mise en circulation de données de toutes sortes. La controverse suscitée à l’été 2023 au sujet de la décision de la plateforme de téléconférence Zoom d’autoriser l’utilisation des données d’utilisation pour entraîner ses systèmes d’intelligence artificielle a remis sur le devant de la scène l’épineuse question de la protection des données personnelles, dans un secteur où ces outils sont désormais généralisés. Cette question alimente de nombreuses études en critical data studies sur les risques liés à la collecte systématique de données sur les élèves, de la maternelle aux études supérieures, sachant que la grande majorité des plateformes utilisées appartiennent aux grandes entreprises privées (Prinsloo, 2019 ; Prinsloo, Slade et Khalil, 2022).

39À une échelle plus micro, des études empiriques analysent les plateformes numériques utilisées pour mesurer la performance scolaire, dans différents contextes nationaux (Hartong, 2021 ; Hartong et Förschler, 2019). Elles s’intéressent à la manière dont ces plateformes contribuent à définir ce qui constitue une « bonne » école, une école « performante » ou un élève « à risque », à travers les catégorisations et indicateurs essentiellement quantitatifs qu’elles proposent. Des études récentes se penchent notamment sur les usages qui sont faits des profils d’élèves « dataifiés » (Selwyn, Pangrazio et Cumb, 2022), qui construisent des subjectivités à partir d’uniques mesures de performance ou d’assiduité, mais qui se voient attribuer une valeur explicative globale du comportement des élèves. À ce titre, des pistes sont proposées pour recadrer le discours éducatif autour des données en les prenant comme un point de départ pour réfléchir aux améliorations possibles des pratiques professionnelles, plutôt que comme une source de connaissances guidant des décisions (ibid.).

40La place grandissante dévolue aux données s’observe dans un autre secteur clé, la recherche scientifique, où l’étude des conséquences du traitement automatisé et à grande échelle de jeux de données sur la production des connaissances ne cesse d’alimenter les réflexions, et ce, depuis la vague du big data jusqu’à la diffusion récente des outils d’intelligence artificielle — des systèmes très gourmands en données. Les premiers travaux, stimulés par le contexte de « ruée vers l’or des données » qui a suivi la vague du big data (Felt, 2016), interrogent la manière dont l’accès à de vastes quantités de données numériques transforme les pratiques et postures épistémologiques des scientifiques (Plantin et al., 2017 ; Kitchin, 2014b ; Leonelli, 2014 ; Markham, op. cit.). La fermeture de l’accès gratuit aux données par les plateformes en ligne et l’ajout de restrictions importantes pour les usages universitaires renouvellent actuellement cette question de l’accès aux données numériques à des fins de recherche scientifique (Birch, 2024).

41Dans ces travaux qui interrogent les données dans le contexte scientifique, nous distinguons trois grandes problématiques récurrentes. La première est liée aux modalités et à l’éthique de « fabrication » des données et des connaissances à partir du moment où celles-ci sont produites en dehors de la sphère universitaire, en l’occurrence à partir de traces collectées par des plateformes commerciales gardant secrets leurs algorithmes (Lagoze, 2014 ; Delias et al., 2025). L’usage de méthodes numériques et computationnelles ainsi que l’intégration d’outils de visualisation de données dans le processus d’élaboration des connaissances alimentent également de nombreuses réflexions critiques (Cardon, 2012 ; Flyverbom et Murray, 2018 ; Flyverbom, Madsen et Rasche, 2017), avec des préoccupations liées aux niveaux de littératie de données (data literacy) chez les chercheuses et chercheurs formés en sciences humaines et sociales (Gray et al., 2016). La deuxième problématique aborde, à une échelle plus macro, les liens d’interdépendance entre les milieux de la recherche et les entreprises productrices de données, notamment dans le domaine de la recherche biomédicale, mais aussi en sciences humaines et sociales (Richterich, 2018 ; Birch, 2024). La troisième s’intéresse à la réorganisation des disciplines et des expertises, sous l’action conjointe du développement de la science des données et de l’intégration de spécialistes de l’informatique et des données (data scientists) dans les équipes de recherche (Theviot et Treille, 2019 ; Ollion, 2016). Sur ce sujet, plusieurs travaux suggèrent d’incorporer des éléments issus des études critiques sur les données dans les programmes de formation des futurs scientifiques de données, qui restent centrés sur l’acquisition de compétences techniques en informatique et en statistique, ce qui limite leur compréhension des dimensions sociopolitiques et éthiques des données (Pène, 2020 ; Neff et al., 2019 ; Stark et Hoffmann, 2019).

42Enfin, nous distinguons deux problématiques transversales parcourant l’ensemble des recherches qui s’intéressent aux conséquences de la datafication sur les pratiques et secteurs professionnels. La première s’intéresse aux injonctions à développer une culture de la donnée au sein des organisations (Lehmans, 2017 ; Bates, 2017 ; Casemajor, 2025). Certaines études prennent la forme d’enquêtes empiriques sur la manière dont le personnel interagit avec les données et négocie l’instauration de nouvelles façons de faire, par exemple au sein d’administrations publiques engagées dans les données ouvertes (Millerand et al., 2023 ; Millerand et Meunier, 2025). Dans un sens proche d’une littératie à développer tant à l’échelle individuelle qu’organisationnelle (Casemajor et al., 2023), ces études se penchent sur les défis liés à l’intelligibilité des données et à l’intégration de processus de gestion des données dans les pratiques professionnelles existantes (Lehmans et Liquète, 2022 ; Lehmans et Capelle, 2023). La deuxième problématique transversale concerne les considérations éthiques, avec de nombreux questionnements touchant à la collecte de données sur les employés et aux risques de surveillance au travail, à l’évolution des codes d’éthique professionnelle, à la production de chartes éthiques, aux enjeux d’inclusion et de reproduction de biais dans les données, etc. (Metcalf et Crawford, 2016 ; Stark et Hoffmann, op. cit. ; Delias, 2025).

Les solutions de remplacement à la datafication

43Face aux conséquences multiples de la datafication, qui transforment les logiques économiques, politiques et sociales à l’avantage des acteurs les plus puissants, un autre ensemble de recherches en critical data studies s’attellent à théoriser et à décrire les solutions de remplacement à ce phénomène. Certaines études se concentrent sur les efforts des organisations pour réguler les pratiques liées au traitement des données et corriger ou anticiper leurs potentiels effets négatifs, par exemple en analysant les discours des chartes éthiques dont se dotent les grandes entreprises du numérique, les agences et organismes nationaux et internationaux ainsi que les gouvernements et les collectivités territoriales (Jobin, Ience et Vayena, 2019 ; Verdi, 2023a) ou bien en étudiant les différentes initiatives législatives contraignantes qui visent à encadrer l’usage des données (par exemple, le Règlement général sur la protection des données en Europe). Cependant, la majorité des recherches s’intéressent aux propositions issues de la société civile et se structurent autour de la notion de l’activisme de données (Gutiérrez, 2018). Ce terme désigne les initiatives citoyennes et mobilisations sociales visant à combattre les inégalités générées par l’exploitation des données, dans le but d’atteindre une forme de justice sociale autour des données (Taylor, 2017 ; Dencik et al., 2022) caractérisée par une meilleure protection et une meilleure répartition du pouvoir entre les différents groupes sociaux, et ultimement de développer des savoirs et des imaginaires alternatifs de la mise en données (Baack, op. cit.). À la croisée des STS et de la sociologie des mouvements sociaux, l’activisme de données se situe à l’intersection des dimensions sociopolitiques propres aux actions citoyennes et des technologies, qui agissent comme médiatrices des enjeux démocratiques. Dans ce cadre, l’activisme de données est l’héritier de formes d’actions plus anciennes, comme le hacktivisme ou le statactivisme (Milan et Ven der Velden, 2016).

44Beraldo et Milan (2019) proposent une typologie dont la dimension heuristique permet de cartographier les multiples initiatives relevant de l’activisme de données. Dans une première catégorie, les données et leur exploitation sont l’objet direct de la contestation, contre lesquelles la résistance s’organise (data as stake) : il s’agit par exemple de s’engager dans une association qui lutte contre la vidéosurveillance dans l’espace public. La seconde catégorie réunit les initiatives qui mobilisent les données et la science des données comme un moyen d’action pour promouvoir le changement social (data as repertoires), comme lorsque les citoyens utilisent les données ouvertes pour dénoncer l’existence de problèmes publics, par exemple dans les cas de pollution. Ces distinctions analytiques ne doivent pas cacher le fait que la plupart des initiatives d’activisme de données se situent en réalité sur un continuum entre ces pôles et empruntent souvent à plusieurs logiques en même temps.

45Au sein des critical data studies, de nombreux travaux relèvent de la recherche-action ou de la recherche participative et proposent des outils et méthodes appropriables par les activistes et testés avec les citoyens. Parmi eux, un nombre important d’études s’intéressent à la manière dont les individus et collectifs peuvent « ouvrir la boîte noire » (Pasquale, 2015) que sont souvent les jeux de données et les systèmes techniques par lesquels ils sont traités par les gouvernements et les entreprises, afin de mettre au jour les biais et les rapports de pouvoir inégalitaires qui les sous-tendent. Il peut s’agir d’effectuer un « audit » technologique, dans la logique de la rétro-ingénierie : face à un système protégé par le secret industriel ou scientifique, certains experts mettent en place des protocoles de tests permettant de déduire leur fonctionnement. On peut citer les travaux sur les logiciels de reconnaissance faciale, dont les bases de données d’entraînement composées d’images de visages humains posent problème, soit parce que le manque de diversité des sujets entraîne une plus faible performance sur la reconnaissance des visages des femmes et des personnes non blanches (Buolamwini et Gebru, 2018), soit parce que ces données ont été récoltées d’une manière non éthique, comme dans le cas des portraits de youtubeurs trans étudiés par Keyes et Austin (2022).

46De manière semblable à la démarche de Crawford dans son Atlas de l’IA (op. cit.) et dans un contexte où les technologies sont des composites transnationaux de plus en plus complexes, d’autres chercheurs et chercheuses proposent des méthodes pour décortiquer la trajectoire des données afin de révéler les logiques de pouvoir qui président à leur création et à leur mise en circulation (Loukissas, 2017 ; Fordyce et Jethani, 2021 ; Flensburg et Lai, 2023). Ces méthodes sont souvent une première étape complémentaire d’actions où les données sont mobilisées comme outil de lutte. Il s’agit, le plus souvent, de créer des jeux de données citoyens alternatifs, ou « contre-données » (Ruppert, 2019), qui mettent en lumière les enjeux de protection de la vie privée ou qui représentent mieux la réalité vécue par les groupes de population sujets à des discriminations, à l’image du hackathon organisé par Currie et al. (op. cit.) pour compléter les jeux de données officiels, très parcellaires, répertoriant les homicides commis par la police de Los Angeles aux États-Unis. Ces contre-jeux de données, qui peuvent être mobilisés comme des leviers de connaissance et de plaidoyer, concernent par exemple les féminicides (D’Ignazio et al., 2022), la représentation des personnes LGBT+ (Gieseking, 2018 ; Ruberg et Ruelos, 2020), l’environnement (Barreneche et Lombana-Bermudez, 2023), la justice raciale (Meng et DiSalvo, 2018) et les peuples autochtones (Rainie et al., 2019). On peut également signaler des initiatives appartenant à d’autres traditions en sciences des données et de l’information, comme la contre-cartographie, qui consiste à utiliser « les outils de la cartographie institutionnelle et commerciale pour les appliquer de manière située et ascendante » (Dalton et Stallmann, 2018 ; Kidd, 2019), ou encore le « contre-archivage » (Ben-David, 2020 ; Currie et Paris, 2018), qui contourne la privatisation des données par les organisations.

47À partir d’une approche différente, proche de la sociologie des mouvements sociaux, d’autres travaux se concentrent sur l’étude de groupes ou de mouvements de data-activistes, en analysant leurs valeurs et imaginaires, leurs répertoires d’action ou leurs dynamiques et structures sociales. On y retrouve, entre autres, des recherches sur des collectifs de scientifiques de données qui mettent bénévolement leur expertise au service des milieux communautaires et associatifs (Millette et al., 2025), des groupes qui luttent contre la surveillance des citoyens (Kazansky et Milan, 2021 ; Anderson, 2022) ou encore des collectifs qui se sont mobilisés spontanément pour produire des outils de collecte et de suivi des données de santé lors de la pandémie de COVID-19 (Goëta, 2022 ; Kim et al., 2024).

48Enfin, un dernier ensemble de recherches s’attellent à théoriser, à mesurer et à opérationnaliser le concept de littératie des données. Celle-ci peut être définie comme

la capacité d’accéder, d’interpréter, d’évaluer, de gérer, de manipuler et d’utiliser de manière critique et éthique les données (Calzada-Prado et Marzal, 2013) grâce à une connaissance des caractéristiques de la donnée, de son cycle de vie et des différents impacts engendrés par son usage, notamment en termes de sécurité et de protection de la vie privée (Crusoe, 2016) (Verdi, 2023b).

49Déclinée en plusieurs sous-concepts en fonction du contexte d’application ou du type de données (critical big data literacy, Sander, 2020 ; creative data literacy, D’Ignazio, 2017 ; data infrastructure literacy, Gray, Gerlitz et Bounegru, 2018 ; personal data literacy, Pangrazio et Selwyn, 2019), la littératie des données propose une approche reposant sur l’autonomisation des individus et des communautés grâce à l’éducation et à la pédagogie critique (Pronzato et Markham, 2023), afin de tenter de combler l’asymétrie épistémique générée par la fracture des données et de créer les conditions nécessaires à la résistance face aux régimes de données inégalitaires.

50En conclusion de cette partie sur les thèmes principaux qui structurent le champ des critical data studies, deux constats principaux ressortent. Tout d’abord, les premières études qui se développent à partir des années 2010 se concentrent sur l’étude des discours autour de la datafication et des données, pour y déceler les visions et imaginaires les plus prégnants et la manière dont ceux-ci contribuent à orienter les décisions, à façonner les pratiques et à organiser la vie sociale. L’orientation critique des recherches s’attache à déconstruire les visions naturalisantes et essentialistes sur les données qui sont issues du big data (et donc de perspectives informatiques et gestionnaires) qui les présentent d’une manière apolitique, comme un actif stratégique au service du bien commun. Les études critiques sur les données révèlent alors les logiques de pouvoir à l’œuvre, leurs implications sur le plan économique, politique et social. De nombreux travaux s’orientent plus particulièrement vers l’analyse de la reproduction ou de l’aggravation des inégalités sociales et des discriminations à travers les processus de datafication, avec des préoccupations de justice sociale. Vont ensuite se développer des études empiriques qui contribueront à ancrer ces approches critiques dans une diversité de terrains d’études. Les études généralisantes sur les données laissent place à des enquêtes sur des dimensions particulières de la datafication (par exemple, l’étude de régimes de données dans un projet de ville intelligente, des cultures de données dans les organisations ou des formes d’activisme autour des données). Ces recherches prennent la forme d’études de cas ou encore s’attardent à des contextes spécifiques et concrets (par exemple, la pandémie de COVID-19 qui stimule la production et la circulation des données de santé) ou à des collectifs de travail ou d’activistes.

Conclusion

51Cet article, qui vise à offrir une vision globale du champ des études critiques sur les données, a montré comment cet ensemble de travaux a émergé au croisement de différentes filiations théoriques et en réponse au positivisme naïf des études sur le big data qui dominaient les recherches au début des années 2010. Plaçant au centre de la démarche de recherche une approche sociotechnique et critique des données, ce champ d’études s’est structuré principalement autour de communautés scientifiques ancrées dans le monde anglophone. Les travaux francophones, même s’ils sont plus dispersés et s’ils ne revendiquent pas toujours l’étiquette de critical data studies, ont toutefois contribué au développement de travaux critiques sur les données, notamment avec des travaux fondateurs en sociologie de la quantification. L’article propose par ailleurs un bilan des thématiques qui structurent le champ, dont les recherches, qui s’ancrent au fil du temps de plus en plus dans l’analyse empirique des divers acteurs et pratiques autour des données, s’attellent à explorer les conséquences de la datafication sur l’ensemble des domaines de la vie sociale et des secteurs professionnels, mais aussi sur les résistances et les solutions de remplacement possibles aux régimes de données dominants.

52Cette cartographie permet de faire émerger les apports principaux des critical data studies à l’étude des technologies en sciences humaines et sociales. Leur premier apport est d’établir que les données ne sont ni neutres ni brutes, au contraire de ce que certains discours peuvent laisser croire : elles sont inextricables des contextes de production et d’utilisation qui leur donnent vie ; elles sont ainsi façonnées par les enjeux politiques, culturels et économiques qui les traversent et témoignent de la réalité qu’elles documentent en charriant ces biais. Cependant, ces rapports de pouvoir demeurent asymétriques, dans un contexte où les organisations qui ont les moyens de produire et d’exploiter à grande échelle les données qui influencent nos vies sociales jouissent de positions largement dominantes (Richterich, op. cit.). Le second apport est lié à l’objet même du champ : travailler sur les données revient à s’intéresser à des artefacts et à des dynamiques qui préexistent largement aux technologies numériques, comme le montrent les travaux sur la mise en nombre, mais aussi sur les pratiques de production et de partage des données scientifiques. Cette généalogie permet donc d’examiner les effets en propre du numérique : les données sur les populations, notamment, ont toujours été créées selon des normes et au service de stratégies politiques dominantes, à des fins de surveillance, de contrôle et de rationalisation (Mattelart, op. cit.). La numérisation de nos activités et les données massives qui en découlent viennent ainsi reproduire et intensifier des logiques préexistantes (Christin, op. cit.) ; ce constat permet donc de mettre à distance les discours déterministes qui parlent trop facilement de « révolution » technologique. Le troisième apport, lui aussi lié à l’objet des critical data studies, réside dans le fait que les données sont des artefacts essentiels au fonctionnement des technologies numériques qui dominent actuellement les investissements économiques, les discours et les pratiques, à savoir les technologies dites d’intelligence artificielle (IA), ce qui confirme l’importance stratégique des données et la pertinence de leur étude à partir d’un point de vue critique.

53La montée des dispositifs d’IA générative et d’aide à la décision, comme ChatGPT ou les recommandations algorithmiques sur YouTube, constitue un nouveau terrain d’exploration pour les études critiques sur les données qui offrent une perspective particulièrement pertinente pour questionner ces outils inédits fonctionnant à partir d’une quantité faramineuse de données, mais aussi pour voir venir, et potentiellement prévenir, les écueils vers lesquels le recours à ces dispositifs pourrait nous mener. De même, la perspective critique et sociotechnique des critical data studies semble essentielle pour éclairer les décisions politiques en matière de gouvernance et de propriété des données, alors que la majorité des plateformes de médias sociaux appartiennent aux États-Unis et à la Chine — une question d’autant plus urgente que les affiliations politiques mondiales semblent se redéfinir. Enfin, les enjeux récents autour des risques de perte d’importants jeux de données scientifiques hébergés aux États-Unis, par exemple sur le climat, à la suite des élections de novembre 2024, rappellent la dimension éminemment politique des données et leur intérêt stratégique. Poursuivre le développement du champ des études critiques sur les données apparaît plus pertinent que jamais.

Haut de page

Bibliographie

ANDREJEVIC Mark (2014), « The big data divide », International Journal of Communication, 8(17), p. 1673-1689.

ANWAR Mohammad Amir et Mark GRAHAM (2020), « Digital labour at economic margins: African workers and the global information economy », Review of African Political Economy 47(163), p. 95-105.

AMELANG Katrin (2022), « (Not) safe to use: Insecurities in everyday data practices with period-tracking apps », dans Andreas HEPP, Julian JARKE et Leif KRAMP, The ambivalences of data power: New perspectives in critical data studies, Cham, Palgrave Macmillan, p. 297-321.

ANDERSON Patrick (2022), Cypherpunk ethics: Radical ethics for the digital age, Londres, Routledge.

ARMSTRONG Andrea, Jo BRIGGS, Wendy MONCUR, Daniel Paul CAREY, Emma NICOL et Burkhard SCHAFER (2023), « Everyday digital traces », Big Data & Society, 10(2), DOI : https://doi.org/10.1177/20539517231213827.

ARORA Payal (2016), « Bottom of the data pyramid: Big data and the global south », International Journal of Communication, 10, p. 1681-1699.

BAACK Stefan (2015), « Datafication and empowerment: How the open data movement re-articulates notions of democracy, participation, and journalism », Big Data & Society, 2(2), p. 1-11.

BADOUARD Romain (2017), « Open government, open data : l’empowerment citoyen en question », dans Clément MABI, Jean-Christophe PLANTIN et Laurence MONNOYER-SMITH, Ouvrir, partager, réutiliser. Regards critiques sur les données numériques, Paris, Éditions de la Maison des sciences de l’homme, https://books.openedition.org/editionsmsh/9067, page consultée le 4 décembre 2025..

BAKELMUN Ashley et Sarah Jane SHOENFELD (2020), « Open data and racial segregation: Mapping the historic imprint of racial covenants and redlining on american cities », dans Scott HAWKEN, Honn HAN et Chris PETTIT (dir.), Open cities – Open data: Collaborative cities in the information era, Singapore, Springer, p. 57-83.

BARRENECHE Carlos et Andres LOMBANA-BERMUDEZ (2023), « Another infrastructure is possible: Grassroots citizen sensing and environmental data justice in Colombia », International Journal of Communication, 17, p. 3638-3659.

BATES Jo (2017), « Data cultures, power and the city », dans Rob KITCHIN, Tracey LAURIAULT et Gavin MCARDLE (dir.), Data and the City, Londres, Routledge, p. 189-200.

BEER David (2017), « The social power of algorithms », Information, Communication & Society, 20(1), p. 1-13, DOI : https://doi.org/10.1080/1369118X.2016.1216147.

BEN-DAVID Anat (2020), « Counter-archiving Facebook », European Journal of Communication, 35(3), p. 249-264.

BENBOUZID Bilel (2018), « Quand prédire, c’est gérer. La police prédictive aux États-Unis », Réseaux, 211, p. 221-256.

BÉNISTANT Alix, Christine CHEVRET-CASTELLANI et Sarah LABELLE (2024), « Quand les abonnés et abonnées travaillent leur profil. Netflix, algorithmes et promesses de découvrabilité », dans Colette BRIN et Véronique GUÈVREMONT (dir.), IA, culture et médias, Presses de l’Université de Laval, https://hal.science/hal-04322289v1, page consultée le 4 décembre 2025.

BERALDO Davide et Stefania MILAN (2019), « From data politics to the contentious politics of data », Information, Communication & Society, 22(7), p. 955-971.

BERNARDIN Stève et Gilles JEANNOT (2019), « La ville intelligente sans les villes ? », Réseaux, 6(218), p. 93-107, https://www.cairn.info/revue-reseaux-2019-6-page-93.htm.

BEZUIDENHOUT Louise, Sabina LEONELLI, Ann H. KELLY et Brian RAPPERT (2017), « Beyond the digital divide: Towards a situated approach to open datas », Science and Public Policy, 44(4), p. 464-475.

BIGO Didier, Engin ISIN et Evelyn RUPPERT (2019), Data politics. Worlds, subjects, rights, Londres, Routledge.

BIRCH Kean (2023), Data Enclaves, Cham, Springer Nature.

BIRCH Kean (2024), « Assetization as a mode of techno-economic governance: Knowledge, education and personal data in the un’s system of national accounts », Economy & Society, 53(1), p. 15-38.

BOUK Dan (2022), Democracy’s Data: The Hidden Stories in The U.S. Census and How to Read Them, New York, MCD/Farrar, Straus and Giroux.

BOURCIER Danièle et Primavera DE FILIPPI (2016), Open data & big data : nouveaux défis pour la vie privée, Paris, Mare & Martin.

BOWKER Geoffrey C., Karen BAKER, Florence MILLERAND et David RIBES (2010), « Toward information infrastructure studies », dans Jeremy HUNSINGER, Lisbeth KLASTRUP et Matthew ALLEN (dir.), International Handbook of Internet Research, Dordrecht, Springer, p. 97-117.

BOYD danah et Kate CRAWFORD (2012), « Critical questions for big data. Provocations for a cultural, technological, and scholarly phenomenon », Information, Communication & Society, 15(5), p. 662-679.

BRODIE Patrick (2024), « Smarter, greener extractivism: Digital infrastructures and the harnessing of new resources », Information, Communication & Society, 28(6), p. 1061-1080.

BROUSSARD Meredith (2023), More than a glitch: Confronting race, gender, and ability bias in tech, Cambridge, MIT Press.

BULLICH Vincent et Viviane CLAVIER (2018), « Production des données, “production de la société” », Les Enjeux de l’information et de la communication, 2(19), p. 51-64.

BUOLAMWINI Joy et Timnit GEBRU (2018), « Gender shades: Intersectional accuracy disparities in commercial gender classification », Proceedings of Machine Learning Research, 81, p. 1-15.

BURGESS Jean (2021), « Platform Studies », dans Stuart CUNNINGHAM et David CRAIG (dir.), Creator Culture: An Introduction to Global Social Media Entertainment, New York, New York University Press, p. 21-38.

BURGESS Jean, Kate ALBURY, Anthony McCOSKER et Rowan WILKEN (2022), Everyday data cultures, Cambridge, Polity.

BURGESS Jean, Kath ALBURY, Anthony MCCOSTER et Rowan WILKEN (2025), « Les publics de données quotidiens », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 155-182.

CALZADA-PRADO Javier et Miguel Ángel MARZAL (2013), « Incorporating data literacy into information literacy programs: Dore competencies and contents », Libri, 63(2), DOI : https://doi.org/10.1515/libri-2013-0010.

CARDON Dominique (2012), « Regarder les données », Multitudes, 49, p. 138-142.

CARDULLO Paolo et Rob KITCHIN (2019), « Being a “citizen” in the smart city: Up and down the scaffold of smart citizen participation in Dublin, Ireland », GeoJournal, 84, p. 1-13, DOI : https://doi.org/10.1007/s10708-018-9845-8.

CASEMAJOR Nathalie (2025), « Les cultures de données. Genèse d’une notion, enjeux épistémologiques et implications pratiques », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH, Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 93-110.

CASEMAJOR Nathalie, Guillaume SIROUS, Guy BELLAVANCE, Nathalie VACHON, François R. DERBAS THIBODEAU, Alexandra BEAUSÉJOUR-VILLEMAIRE et Alexis MORIN (2023), Gouvernance des données d’usage dans les bibliothèques et archives : Sondage sur les perceptions des usagers de Bibliothèque et Archives nationales du Québec, Montréal, INRS – Urbanisation Culture Société.

CASILLI Antonio A. (2017), « Global digital culture: Digital labor studies go global. Toward a digital decolonial turn », International Journal of Communication, 11, p. 3934-3954.

CHEN Tzu-Ting-Yi (2024), « Strong or thin digital democracy? The democratic implications of Taiwan’s open government data policy in the 2010s », Big Data & Society, 11(4), DOI : https://doi.org/10.1177/20539517241296.

CHEUNG Sarah (2020), « Disambiguating the Benefits and Risks from Public Health Data in the Digital Economy », Big Data & Society, 7(1), DOI : https://doi.org/10.1177/2053951720933924.

CHEVALLIER Jacques (2018), « Vers l’état-plateforme ? », Revue française d’administration publique, 167(3), p. 627-637. 

CHRISTIN Angèle (2020), « What data can do: A typology of mechanisms », International Journal of Communication, 14, p. 1115-1134.

COSTA Alessia et Richard MILNE (2022), « Understanding “passivity” in digital health through imaginaries and experiences of coronavirus disease 2019 contact tracing apps », Big Data & Society, 9(1), DOI : https://doi.org/10.1177/20539517221091138.

COULDRY Nick et Ulises A. MEJIAS (2018), « Data colonialism: Rethinking big data’s relation to the contemporary subject », Television & New Media, 20(4), p. 336-349.

COUTANT Alexandre et Stéphane VIAL (2025), « Le codesign d’un service numérique de santé mentale. Concilier les imaginaires et les attentes autour des données », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 75-92.

CRAIN Matthew (2018), « The limits of transparency: Data brokers and commodification », New Media & Society, 20(1), DOI : https://doi.org/10.1177/1461444816657096.

CRAWFORD Kate (2021), The atlas of AI, New Haven, Yale University Press, DOI : https://doi.org/10.2307/j.ctv1nh3kvb.

CRAWFORD Kate, Mary L. GRAY et Kate MILTNER (2014), « Critiquing big data: Politics, ethics, epistemology », International Journal of Communication, 8, p. 1663-1672.

CRÉMIER Lucile, Maude BONENFANT et Laura Iseult LAFRANCE (2019), « Raw data or hypersymbols? Meaning-making with digital data, between discursive processes and machinic procedures », Semiotica, 230, p. 189-212.

CRUSOE David (2016), « Data literacy defined pro populo: To read this article, please provide a little information », The Journal of Community Informatics, 12(3), DOI : https://doi.org/10.15353/joci.v12i3.3276.

CURRIE Morgan E., Britt S. PARIS, Irene PASQUETTO et Jennifer PIERRE (2016), « The conundrum of police officer-involved homicides: Counter-data in Los Angeles county », Big Data & Society, 3(2), DOI : https://doi.org/10.1177/2053951716663566.

CURRIE Morgan E. et Britt S. PARIS (2018), « Back-ups for the future: Archival practices for data activism », Archives and Manuscripts, 46(2), p. 124-142.

DAGIRAL Éric, Christian LICOPPE, Olivier MARTIN et Anne-Sophie PHARABOD (2019), « Le quantified self en question(s). Un état des lieux des travaux de sciences sociales consacrés à l’automesure des individus », Réseaux, 4(216), p. 17-54.

DALTON Craig et Jim THATCHER (2014), « What does a critical data studies look like, and why do we care? Seven points for a critical approach to “Big Data” », Society & Space, https://www.societyandspace.org/articles/what-does-a-critical-data-studies-look-like-and-why-do-we-care, page consultée le 30 novembre 2025.

DALTON Craig M. et Tim STALLMAN (2018), « Counter-mapping data science », Canadian Geographer, (62)1, p. 93-101.

DALTON Craig et Jim THATCHER (2019), « Seeing by the Starbucks: The social context of mobile maps and users’ geographic knowledges », Cartographic Perspectives, 92, DOI : https://doi.org/10.14714/CP92.1447.

DALTON Craig, Lindsay TAYLOR et Jim THATCHER (2016), « Critical data studies: A dialog on data and space », Big Data & Society, 3(1), DOI : https://doi.org/10.1177/2053951716648346.

DELIAS Lucie (2025), « L’inclusion des groupes minorisés dans les politiques publiques », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 141‑154.

DELIAS Lucie, Claudine BONNEAU, Guillaume LATZKO-TOTH et Florence MILLERAND (2025), « Traces numériques, données et preuves en sciences humaines et sociales », dans Julien PRUD’HOMME et Molly KAO (dir.), Preuve et sciences, Montréal, Presses de l’Université de Montréal.

DENCIK Lina, Emiliano TRERÉ, Arne HINTZ et Joanna REEDER (2022), Data justice, Londres, Sage.

DENIS Jérôme (2018), Le travail invisible des données. Éléments pour une sociologie des infrastructures scripturales, Paris, Presses des Mines.

DESROSIÈRES Alain (2000), La politique des grands nombres : histoire de la raison statistique, Paris, La Découverte.

D’IGNAZIO Catherine (2017), « Creative data literacy: Bridging the gap between the data-haves and data-have nots », Information Design Journal, 23(1), p. 6-18.

D’IGNAZIO Catherine et Lauren F. KLEIN (2020), Data feminism, Cambridge, MIT Press.

D’IGNAZIO Catherine, Isadora CRUXÊN, Helena SUÁREZ VAL, Angeles MARTINEZ CUBA, Mariel GARCÍA-MONTES, Silvana FUMEGA, Harini SURESH et Wonyoung SO (2022), « Feminicide and counterdata production: Activist efforts to monitor and challenge gender-related violence », Patterns, 3(7), DOI : https://doi.org/10.1016/j.patter.2022.100530.

DONIA Joseph et James A. SHAW (2021), « Co-design and ethical artificial intelligence for health: An agenda for critical research and practice », Big Data & Society, 8(2), DOI : https://doi.org/10.1177/205395172110652.

DURAND Cédric (2021), Techno-féodalisme : critique de l’économie numérique, Paris, Édition Zones.

EUBANKS Virginia (2018), Automating inequality: How high-tech tools profile, police, and punish the poor, New York, St. Martin’s Press.

FEINBERG Melanie (2022), Everyday adventures with unruly data, Cambridge, MIT Press.

FELT Mylynn (2016), « Social media and the social sciences: How researchers employ big data analytics », Big Data & Society, 3(1), DOI : https://doi.org/10.1177/2053951716645828.

FLENSBURG Sofie et Signe Sophus LAI (2023), « Follow the data! A strategy for tracing infrastructural power », Media and Communication, 11(2), p. 319-329.

FLICHY Patrice (2021), « Le gouvernement des données : une nouvelle forme de gouvernance ? », Réseaux, 3(227), p. 107-130, https://www.cairn.info/revue-reseaux-2021-3-page-107.htm, page consultée le 30 novembre 2025.

FLICHY Patrice et Olivier PARASIE (2013), « Le savant, l’expert et le politique », Revue française de science politique, 63(1), p. 7-31, DOI : https://doi.org/10.3917/rfsp.631.0007.

FLYVERBOM Mikkel et Julian MURRAY (2018), « Datastructuring — Organizing and curating digital traces into action », Big Data & Society, 5(2), DOI : https://doi.org/10.1177/2053951718799114.

FLYVERBOM Mikkel, Anders Koed MADSEN et Andreas RASCHE (2017), « Big data as governmentality in international development: Digital traces, algorithms, and altered visibilities », The Information Society, p. 35-42.

FORDYCE Robbie et Suneel JETHANI (2021), « Critical data provenance as a methodology for studying how language conceals data ethics », Continuum, 135(5), p. 775-787.

FUCHS Christian (2019), « What is critical digital social research? Five reflections on the study of digital society », Journal of Digital Social Research, 1(1), DOI : 

https://doi.org/10.33621/jdsr.v1i1.7.

GACHOUD Vendela, Anna NASLUND et Karin HANSSON (2023), « Sami traces: Diversity and curatorial workarounds in image archives », dans Danilo GIGLITTO, Luigina CIOLFI, Eleanor LOCKLEY et Eirini KALDELI (dir.), Digital approaches to inclusion and participation in cultural heritage, Londres, Routledge, p. 181-206.

GERRARD Ysabel et Jo BATES (2019), « Data power », Online Information Review, 43(6), DOI : https://doi.org/10.1108/oir-10-2019-396.

GIESEKING Jen Jack (2018), « Size matters to lesbians, too: Queer Feminist interventions into the scale of big data », The Professional Geographer, 70(1), p. 150-156.

GILLESPIE Tarleton (2014), « The relevance of algorithms », Media Technologies, 3, p. 167-194.

GILLESPIE Tarleton (2015), « Platforms intervene », Social Media + Society, 1(1), DOI : https://doi.org/10.1177/2056305115580479.

GILLESPIE Tarleton (2018), Custodians of the Internet, New Haven, Yale University Press.

GITELMAN Lisa (dir.) (2013), « Raw data » is an oxymoron, Cambridge, MIT Press.

GOËTA Samuel (2022), « La pandémie de Covid-19 : un moment charnière pour l’ouverture des données en France », Statistique et société, 10(2), p. 9-29.

GOËTA Samuel et Clément MABI (2014), « L’open data peut-il (encore) servir les citoyens ? », Mouvements, 79(3), p. 88-91.

GRAY Jonathan, Carolin GERLITZ et Liliana BOUNEGRU (2018), « Data infrastructure literacy », Big Data & Society, 5(2), DOI : https://doi.org/10.1177/2053951718786316.

GRAY Jonathan, Liliana BOUNEGRU, Stefania MILAN et Paolo CIUCCARELLI (2016), « Ways of seeing data: Toward a critical literacy for data visualizations as research objects and research devices », dans Sebastian KUBITSCHKO et Anne KAUN (dir.), Innovative methods in media and communication research, Cham, Springer International Publishing, p. 227-251.

GROVER Rohan, Josh IDERA et Mike ANANNY (2025), « Data disaffection: Toward a relational and affective understanding of datafication », New Media & Society, DOI : https://doi.org/10.1177/14614448241310901.

GURSTEIN Michael B. (2011), « Open data: Empowering the empowered or effective data use for everyone? », First Monday, 16(2), DOI : https://doi.org/10.5210/fm.v16i2.3316.

GUTIÉRREZ Miren (2018), Data activism and social change, New York, Palgrave Macmillan.

GUYAN Kevin (2022), Queer data: Using gender, sex and sexuality data for action, Londres, Bloomsbury Academic.

HARGITTAI Eszter (2020), « Potential bias in big data: Omitted voices on social media », Social Media + Society, 6(3), DOI : https://doi.org/10.1177/0894439318788322.

HARTONG Sigrid (2021), « The power of relation-making: insights into the production and operation of digital school performance platforms in the US », Critical Studies in Education, 62(1), p. 34-49.

HARTONG Sigrid et Annina FÖRSCHLER (2019), « Opening the black box of data-based school monitoring: Data infrastructures, flows and practices in state education agencies », Big Data & Society, 6(1), DOI : https://doi.org/10.1177/2053951719853311.

HARVEY Maxime et Guillaume LATZKO-TOTH (2025), « La représentation des citoyens dans une plateforme de données en santé », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 59-74.

HENMAN Paul (2020), « Improving public services using artificial intelligence: Possibilities, pitfalls, governance », Asia Pacific Journal of Public Administration, 42(4), p. 209-221.

HENNEGUELLE Aurélien et Jason JATTEAU (2021), « Les économistes face aux données », Genèses, 122(1), p. 10-33, DOI : https://doi.org/10.3917/gen.122.0010.

HEPP Andreas, Julia JARKE et Leif KRAMP (dir.) (2022), New perspectives in critical data studies: The ambivalences of data power, Cham, Springer International Publishing.

HOFFMANN Anna Lauren (2020), « Terms of inclusion: Data, discourse, violence », New Media & Society, 23(12), DOI : https://doi.org/10.1177/1461444820958725.

HOFFMANN Chistina Pieter, Christoph LUTZ et Giulia RANZINI (2024), « Inequalities in privacy cynicism: An intersectional analysis of agency constraints », Big Data & Society, 11(1), DOI : https://doi.org/10.1177/20539517241232629.

HOGAN Mél (2015), « Data flows and water woes: The Utah data center », Big Data & Society, 2(2), DOI : https://doi.org/10.1177/2053951715592429.

HUNG Kai-Hsin (2024), « Artificial intelligence as planetary assemblages of coloniality: The new power architecture driving a tiered global data economy », Big Data & Society, 11(4), DOI : https://doi.org/10.1177/20539517241289443.

ILIADIS Andrew et Federica RUSSO (2016), « Critical data studies: An introduction », Big Data & Society, 3(2), DOI : https://doi.org/10.1177/2053951716674238.

IRION Kristina (2012), « Government cloud computing and national data sovereignty », Policy & Internet, 4(3-4), p. 40-71.

JOBIN Anna, Marcello IENCA et Effy VAYENA (2019), « The global landscape of ai ethics guidelines », Nature Machine Intelligence, 1(9), p. 389-399.

KAZANSKY Becky et Stefania MILAN (2021), « “Bodies not templates”: Contesting dominant algorithmic imaginaries », New Media & Society, 23(2), DOI : https://doi.org/10.1177/1461444820929316.

KENNEDY Helen et Jo BATES (2017), « Data power in material contexts », Television and New Media, 18(8), p. 701-705.

KENNEDY Helen, Robin STEEDMAN et Rhianna JONES (2020), « Approaching public perceptions of datafication through the lens of inequality: A case study in public service media », Information, Communication & Society, 24(12), p. 1776-1794.

KEYES Os et Jevan AUSTIN (2022), « Disability and data justice: Understanding accessibility as a data issue », Big Data & Society, 9(1), DOI : https://doi.org/10.3233/EFI-230022.

KIDD Dorothy (2019), « Extra-activism: Counter-mapping and data justice », Information, Communication & Society, 22(7), p. 854-970.

KIM Youngrim, Megan FINN, Amelia ACKER, Bidisha CHADHURI, Stacey WEDLAKE, Ryan ELLIS et Janaki SRINIVASAN (2014), « Epistemologies of missing data: COVID dashboard builders and the production and maintenance of marginalized COVID data », Big Data & Society, 11(2), DOI : https://doi.org/10.1177/20539517241259666.

KITCHIN Rob (2014a), « The real-time city? Big data and smart urbanism », GeoJournal, 79(1), DOI : https://doi.org/10.1007/s10708-013-9516-8.

KITCHIN Rob (2014b), « Big data, new epistemologies and paradigm shifts », Big Data & Society, 1(1), DOI : https://doi.org/10.1177/2053951714528481.

KITCHIN Rob (2022), The data revolution: A critical analysis of big data, open data & data infrastructures, Londres, Sage.

KITCHIN Rob (2025), Critical data studies: An A to Z guide to concepts and methods, Cambridge, Polity Press.

KITCHIN Rob et Tracey LAURIAULT (2014), « Towards critical data studies: Charting and unpacking data assemblages and their work », The Programmable City Working Paper 2, http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2474112, page consultée le 30 novembre 2025.

KITCHIN Rob et Gavin McARDLE (2016), « What makes big data, big data? Exploring the ontological characteristics of 26 datasets », Big Data & Society, 3(1), p. 1-10.

KNOX Hannah et Evelina GAMBINO (2023), « Infrastructure », dans The open encyclopedia of anthropology, DOI : http://doi.org/10.29164/23infrastructure.

KOOPMAN Colin (2020), How we became our data: A genealogy of the informational person, Chicago, University of Chicago Press.

LAGOZE Clifford (2014), « Big data, data integrity, and the fracturing of the control zone », Big Data & Society, 1(2), DOI : https://doi.org/10.1177/2053951714558281.

LATOUR Bruno (2007), « Le “pédofil” de Boa Vista – Montage photo-philosophique », dans Petites leçons de sociologie des sciences, Paris, La Découverte, p. 171-225.

LATZKO-TOTH Guillaume, Claudine BONNEAU et Mélanie MILLETTE (2017), « Small data, thick data: Thickening strategies for trace-based social media research », dans Anabel QUAND-HASSE et Luke SLOAN (dir.), The SAGE handbook of social media research methods, Londres, Sage, p. 199-214.

LATZKO-TOTH Guillaume, Claudine BONNEAU et Mélanie MILLETTE (2020), « La densification des données : revaloriser la recherche qualitative à l’ère des données massives », dans Mélanie MILLETTE, Florence MILLERAND, David MYLES et Guillaume LATZKO-TOTH (dir.), Méthodes de recherche en contexte numérique : une orientation qualitative, Montréal, Presses de l’Université de Montréal, p. 181-194.

LEE Jeehyun Jenny (2023), « Vital dataveillance: Investigating data in exchange for vitality through South Korea’s COVID-19 technogovernance », Communication, Culture and Critique, 15(4), p. 499-506.

LEE Benjamin (2021), « Compounded mediation: A data archaeology of the newspaper navigator dataset », Digital Humanities Quarterly, 15(14), DOI : https://doi.org/10.17613/k9gt-6685.

LEHMANS Anne (2017), « Données ouvertes et redéfinition de la culture de l’information dans les organisations », Communication et organisation. Revue scientifique francophone en communication organisationnelle, 51, p. 15-26.

LEHMANS Anne et Camille CAPELLE (2023), « Le cadre de l’expérience des données en éducation : gouvernance, représentations et intelligibilité des données dans l’éducation nationale », Communication et organisation. Revue scientifique francophone en communication organisationnelle, 64, p. 33-49.

LEHMANS Anne et Vincent LIQUÈTE (2022), « Des littératies aux approches culturelles du numérique : l’exemple de la culture des données dans le champ de l’éducation aux médias et à l’information (EMI) », Approches théoriques en information-communication, 5(2), p. 35-46.

LE LUDEC Clément, Maxim CORNET et Antoinio A. CASILLI (2023), « The problem with annotation. Human labour and outsourcing between France and Madagascar », Big Data & Society, 10(2), DOI : https://doi.org/10.1177/20539517231188723.

LEONELLI Sabina (2014), « What difference does quantity make? On the epistemology of big data in biology », Big Data & Society, 1(1), DOI : https://doi.org/10.1177/2053951714534395.

LINGREN Simon (2023), Handbook of critical studies of artificial intelligence, Cheltenham, Edward Elgar.

LOUKISSAS Yanni Alexander (2017), « Taking big data apart: Local reading of composite media collections », Information, Communication & Society, 20(5), p. 651-664.

LUKA Mary Elizabeth et Mélanie MILLETTE (2018), « (Re)framing big data: Activating situated knowledges and a feminist ethics of care in social media research », Social Media + Society, 4(2), DOI : https://doi.org/10.1177/2056305118768297.

LUPTON Deborah (2015), Digital sociology, Londres, Routledge, DOI : https://doi.org/10.4324/9781315776880.

LUPTON Deborah (2020), « Data mattering and self-tracking: What can personal data do? », Continuum, 34(1), p. 1-13.

LUPTON Deborah (2022), « How do data come to matter? Living and becoming with personal data », Social Media + Society, 8(1), DOI : https://doi.org/10.1177/20563051221086967.

LYCETT Mark (2013), « “Datafication”: Making sense of (big) data in a complex world », European Journal of Information Systems, 22(4), p. 381-386.

LYNCH Renee, Jason C. YOUNG, Chris JOWAISAs, Joel SAM, Stanley BOAKYE-ACHAMPONG, Maria GARRIDO et Chris ROTHSCHILD (2023), « “The tears don’t give you funding”: Data neocolonialism in development in the global south », Third World Quarterly, 44(5), DOI : https://doi.org/10.1080/01436597.2023.2166482.

MAHNKE Martina Skrubbeltrang et Mikka NIELSEN (2021), « E-health platforms as user-data communication: Examining patients’ struggles with digital health data », Nordicom Review, 42(4), p. 45-58.

MARCETIC Hana et Jan NOLIN (2022), « Feminist data studies and the emergence of a new feminist knowledge domain », First Monday, 27(7), DOI : https://doi.org/10.5210/fm.v27i7.12295.

MARKHAM Annette N. (2013), « Undermining “data”: A critical examination of a core term in scientific inquiry », First Monday, 18(10), DOI : https://doi.org/10.5210/fm.v18i10.4868.

MARKHAM Annette, Katrin TIIDENBERG et Andrew HERMAN (2018), « Doing ethics in the era of big data research », numéro spécial de Social Media + Society, 4(2), DOI : https://doi.org/10.1177/2053951718766651.

MARQUET Clément (2018), « Ce nuage que je ne saurais voir. Promouvoir, contester et réguler les data centers à Plaine Commune », Tracés. Revue de science humaines, 2(35), p. 75-98.

MARTIN Olivier (2020), L’empire des chiffres, Paris, Armand Colin.

MASIERO Silvia (2022), « ICT4D and critical data studies: A joint research agenda », ACM International Conference Proceeding Series, Association for Computing Machinery, DOI : https://doi.org/10.1145/3572334.3572388.

MATTELART Armand (2019), « Pour une archéologie du culte du nombre », dans Éric GEORGE (dir.), Numérisation de la société et enjeux sociopolitiques 1, Montréal, ISTE, p. 19-30.

MAYER-SCHÖNBERGER Viktor et Kenneth CUKIER (2013), « Big data: A revolution that will transform how we live, work, and think », American Journal of Epidemiology, 179(9), p. 1143-1144.

MEDINA-PEREA Itzelle, Jo BATES et Andrew COX (2024), « ‘Data saves lives’: Ideational-material drivers of health data journeys in the UK », Big Data & Society, 11(4), DOI : https://doi.org/10.1177/20539517241296056.

MEJIAS Ulises A. et Nick COULDRY (2024), Data Grab. The New Volonialism of Big Tech and How to Fight Back, Londres, WH Allen.

MEJIAS Ulises Ali, Sarah McNEALY et Monica MICELI (à paraître, 2026), De Gruyter handbook of critical data studies, Berlin, De Gruyter.

MÉNARD Mathieu, Alexandre MONDOUX, Maxime OUELLET et Mathieu BONENFANT (2018), « Big data, gouvernementalité et industrialisation des médiations symboliques et politico-institutionnelles », Interfaces numériques, 5(2), p. 31-41.

MENG Amanda et Carl DiSALVO (2018), « Grassroots resource mobilization through counter-data action », Big Data & Society, 5(2), DOI : https://doi.org/10.1177/2053951718796862.

METCALF Jacob et Kate CRAWFORD (2016), « Where are human subjects in big data research? The emerging ethics divide », Big Data & Society, 3(1), DOI : https://doi.org/10.1177/2053951716650211.

MILAN Stefania et Lonneke VAN DER VELDEN (2016), « The alternative epistemologies of data activism », Digital Culture & Society, 2(2), p. 57-74.

MILLERAND Florence, Lucie DELIAS, Alexandre COUTANT et Marie-Soleil FORTIER (2023), « À la recherche du citoyen “ordinaire”, les publics imaginés de l’ouverture des données publiques au niveau municipal », Les Enjeux de l’information et de la communication, 234(1), p. 109-129.

MILLERAND Florence et Sarah MEUNIER (2025), « Les publics “impensés” des données ouvertes. Quand les fournisseurs désignés sont aussi les usagers », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 25-40.

MILLERAND Florence, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (2025), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal.

MILLETTE Mélanie (2023), « Épistémologie et méthodologie féministes pour la recherche en contexte numérique », Communication, 2(40), DOI : https://doi.org/10.4000/communication.17969.

MILLETTE Mélanie, Florence MILLERAND et Nadia SERAIOCCO (2025), « Data for Good. La science des données au service des publics minorisés et des milieux communautaires », dans Florence MILLERAND, Alexandre COUTANT, Guillaume LATZKO-TOTH et Mélanie MILLETTE (dir.), Les publics de données. Penser la datafication de la société, Montréal, Presses de l’Université de Montréal, p. 125‑140.

NEFF Gina, Anissa TANWEER, Britanny FIORE-GARTLAND et Laura OSBURN (2017), « Critique and contribute: A practice-based framework for improving critical data studies and data science », Big Data, 5(2), p. 85-97.

NOBLE Safiya Umoja (2018), Algorithms of oppression: How search engines reinforce racism, New York, NYU Press.

OLLION Étienne (2016), « L’abondance et ses revers : Big data, open data et recherches sur les questions sociales », Informations sociales, 191, p. 70-79.

O’NEIL Cathy (2016), Weapons of math destruction: How big data increases inequality and threatens democracy, Londres, Penguin.

OUELLET Maxime, Mars MÉNARD, Maude BONENFANT et André MONDOUX (2015), « Big Data et quantification de soi : la gouvernementalité algorithmique dans le monde numériquement administré », Canadian Journal of Communication, 40(4), DOI : https://doi.org/10.22230/cjc.2015v40n4a2869.

PANGRAZIO Luci et Neil SELWYN (2019), « “Personal data literacies”: A critical literacies approach to enhancing understandings of personal digital data », New Media & Society, 21(2), DOI : https://doi.org/10.1177/1461444818799523.

PASQUALE Frank (2015), The black box society, Cambridge, Harvard University Press.

PELIZZA Annalisa et al. (2021), « Identification as translation: The art of assembling European migration data », Science, Technology, & Human Values, 46(3), p. 530-561, DOI : https://doi.org/10.1177/016224392090443.

PELIZZA Annalisa, Stefania MILAN et Yoen LAUSBERG (2021), « Understanding migrants in COVID-19 counting: Rethinking the data-(in)visibility nexus », Data and Policy, 3(4), DOI : https://doi.org/10.1017/dap.2021.19.

PÈNE Sophie (2020), « Métiers de la fonction publique : motifs et modèles de transition numérique », Approches théoriques en information-communication, 1(1), p. 58-80.

PEUGEOT Valérie (2018), « Données de santé : contours d’une controverse », L’Économie politique, 80(4), p. 30-41.

PINK Sarah, Debora LANZENI et Heater HORST (2018), « Data anxieties: Finding trust in everyday digital mess », Big Data & Society, 5(1), DOI : https://doi.org/10.1177/2053951718756685.

PLANTIN Jean-Christophe, Carl LAGOZE, Paul N. EDWARDS et Christian SANDVIG (2017), « Big data is not about size: When data transform scholarship », dans Clément MABI et Laurence MONNOYER-SMITH (dir.), Ouvrir, partager, réutiliser. Regards critiques sur les données numériques, Paris, Éditions de la Maison des sciences de l’homme, DOI : https://doi.org/10.4000/books.editionsmsh.9103.

PRINSLOO Paul (2019), « A social cartography of analytics in education as performative politics », British Journal of Educational Technology, 50(6), DOI : https://doi.org/10.1111/bjet.12872.

PRINSLOO Paul, Sharon SLADE et Mohammad KHALIL (2022), « The answer is (not only) technological: Considering student data privacy in learning analytics », British Journal of Educational Technology, 53(4), DOI : https://doi.org/10.1111/bjet.13216.

PRONZATO Riccardo et Annette N. MARKHAM (2023), « Returning to critical pedagogy in a world of datafication », Convergence, 29(1), DOI : https://doi.org/10.1177/13548565221148108.

PURWANTO Ahmad, Anneke ZUIDERWIJK et Marijn JANSSEN (2020), « Citizen engagement with open government data: A systematic literature review of drivers and inhibitors », International Journal of Electronic Government Research, 16(3), p. 1-25, DOI : https://doi.org/10.4018/IJEGR.2020070101.

RAINIE Carroll, Tahu KUKUTAI, Maggie WALTER, Oscar Luis FIGUEROA-RODRIGUEZ, Jennifer WALKER et Per AXELSSON (2019), « Issues in open data: Indigenous data sovereignty », dans Tim DAVIES, Stephen B. WALKER, Mor RUBINSTEIN et Fernando PERINI, The state of open data: Histories and horizons, Cape Town/Ottawa, African Minds/International Development Research Centre, DOI : https://doi.org/10.5281/ZENODO.2677801.

RICHTERICH Annika (2018), The big data agenda: Data ethics and critical data studies, Londres, University of Westminster Press.

RIEDER Gernot et Judith SIMON (2016), « Datatrust: Or, the political quest for numerical evidence and the epistemologies of big data », Big Data & Society, 3(1), DOI : https://doi.org/10.1177/2053951716649398.

ROGAN Kevin (2019), « The universal factory: Data production and platforms », Enquiry, 16(2), p. 18-31, DOI : https://doi.org/10.5840/enquiry20191624.

ROSALES Andrea et Mireia FERNÁNDEZ ARDÈVOL (2019), « Structural ageism in big data approaches », Nordicom Review, 40(1), p. 51-64, DOI : https://doi.org/10.2478/nor-2019-0013.

RUBERG Bonnie et Spencer RUELOS (2020), « Data for queer lives: How LGBTQ gender and sexuality identities challenge norms of demographics », Big Data & Society, 7(1), DOI : https://doi.org/10.1177/2053951720933286.

RUPPERT Evelyn (2015), « Doing the Transparent State: Open government data as performance indicators », dans Richard ROTTENBURG, Salle E. MERRY, Sung-Jonn PARK et Johanna MUGLER (dir.), A world of indicators: The making of governmental knowledge through quantification, Cambridge, Cambridge University Press, p. 127-150.

RUPPERT Evelyn (2019), « Different data futures: An experiment in citizen data », Statistical Journal of the IAOS, 35(4), p. 633-641.

SANDER Ina (2020), « What is critical big data literacy and how can it be implemented? », Internet Policy Review, 9(2), DOI : https://doi.org/10.14763/2020.2.1479.

SCHMIDT Harald, Dorothy E. ROBERTS et Eneanya D. NWAMAKA (2021), « Rationing, racism and justice: Advancing the debate around “colourblind” COVID-19 ventilator allocation », Journal of Medical Ethics, 48, p. 126-130.

SCHMIDT Harald, Tatjana SEITZ et Sebastian SPIEGL (2021), « Smart city and data protection: Regulatory challenges of urban data spaces », Digital Society, 1(1), DOI : https://doi.org/10.1016/j.iref.2025.104022.

SELWYN Neil, Luci PANGRAZIO et Bronwyn CUMB (2022), « Knowing the (datafied) student: The production of the student subject through school data », British Journal of Educational Studies, 70(3), DOI : https://doi.org/10.1080/00071005.2021.1925085.

SILES Ignacio (2023), Living with algorithms: Agency and user experience, Cambridge, Polity.

SILVER David (2004), « Internet/cyberculture/digital Culture/new media/fill-in-the-blank studies », New Media & Society, 6(1), DOI : https://doi.org/10.1177/1461444804039915.

SOUTHERTON Claire (2022), « Datafication », dans Laurie A. SCHINTLER et Connie L. MCNEELY (dir.), Encyclopedia of big data, Cham, Springer International Publishing, p. 358-361.

STARK Luke et Anna Lauren HOFFMANN (2019), « Data is the new what? Popular metaphors & professional ethics in emerging data culture », Journal of Cultural Analytics, 4(1), DOI : https://doi.org/10.22148/16.036.

STEVENS Marthe, Rik WEHRENS et Antoinette DE BONT (2018), « Conceptualizations of big data and their epistemological claims in healthcare: A discourse analysis », Big Data and Society, 5(2), DOI : https://doi.org/10.1177/2053951718816727.

TAFFEL Sy (2021), « Data and oil: Metaphor, materiality and metabolic rifts », New Media & Society, 25(5), p. 980-998, DOI : https://doi.org/10.1177/1461444821991023.

TAYLOR Linnet (2017), « What is data justice? The case for connecting digital rights and freedoms globally », Big Data & Society, 4(2), DOI : https://doi.org/10.1177/2053951717736335.

THEVIOT Anaïs (2016), « Les data: nouveau trésor des partis politiques ? Croyances, constitutions et usages comparés des données numériques au Parti socialiste et à l’Union pour un mouvement populaire », Politiques de communication, 1(6), p. 137-166.

THEVIOT Anaïs (dir.) (2023), Gouverner par les données ? Pour une sociologie politique du numérique, Paris, Presses des Mines.

THEVIOT Anaïs et Anne BELLON (2024), dossier « Big Data : usages et résistance », Quaderni, 112.

THEVIOT Anaïs et Éric TREILLE (2019), « Les “big data” au travail. Les métiers de la donnée entre expertises professionnelles et effets de croyance », Politiques de communication, 12(1), p. 5-20.

VAN DIJCK José (2014), « Datafication, dataism and dataveillance: Big data between scientific paradigm and ideology », Surveillance & Society, 12(2), p. 197-208.

VAN DIJCK José et Thomas POELL (2016), « Understanding the promises and premises of online health platforms », Big Data & Society, 3(1), DOI : https://doi.org/10.1177/2053951716654173.

VENTURINI Tommaso, Amelia ACKER, Jean-Christophe PLANTIN et Tone WALFORD (dir.) (2025), The SAGE handbook of data and society, New York, Sage Publications.

VERDI Ugo (2023a), « L’éthique des données dans les chartes éthiques des collectivités territoriales », Communication & Organisation, 64, p. 51-66.

VERDI Ugo (2023b), « Quelle(s) réponse(s) à l’enjeu d’acculturation aux données ? Un état de l’art des caractéristiques de la data literacy », Revue française des sciences de l’information et de la communication, 26, DOI : https://doi.org/10.4000/rfsic.14589.

WALTER Maggie, Raymond LOVETT, Bobby MAHER, Bhiamie WILLIAMSON, Jacob PREHN, Gawaian BODKIN-ANDREWS et Vanessa LEE (2020), « Indigenous data sovereignty in the era of Big Data and Open Data », Australian Journal of Social Issues, 56(2), p. 143-156.

WAMSLEY Dillon et Benjamin CHIN-YEE (2021), « COVID-19, digital health technology and the politics of the unprecedented », Big Data & Society, 8(1), DOI : https://doi.org/10.1177/20539517211019441.

WATSON-DANIELS Jamelle, Yeshimabeit MILNER, Nicole TRIPLETT, Irene HEADEAN, Dominique DAY, Zinzi BAILEY… Lucas MASON-BROWN (2020), Data for Black Lives COVID-19 movement pulse check and roundtable report, https://d4bl.org/reports/41-data-for-black-lives-covid-19-movement-pulse-check-and-roundtable-report, page consultée le 29 novembre 2025.

YOUNG Alyson Leigh et Anabel QUAN-HAASE (2013), « Privacy protection strategies on Facebook: The Internet privacy paradox revisited », Information, Communication & Society, 16(4), DOI : https://doi.org/10.1080/1369118X.2013.777757.

ZUBOFF Shoshana (2019), The age of surveillance capitalism: The fight for a human future at the new frontier of power, New York, PublicAffairs.

Haut de page

Annexe

Nombre de publications extraites de Scopus ayant dans leur titre, leur résumé ou leurs mots-clés les mots critical data studies (extraction réalisée le 11 février 2025 à l’aide de R), entre 2015 et 2025

Liste des revues dans lesquelles sont publiés les travaux en critical data studies, classées en ordre d’importance, avec le nombre de publications correspondant

Big Data & Society

57

New Media & Society

11

Transforming Communication

11

Information, Communication & Society

10

Internet Policy Review

7

Proceedings of the ACM on Human-Computer Interaction

7

International Journal of Communication

5

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)

4

Proceedings of the Association for Information Science and Technology

4

Annals of the American Association of Geographers

3

Source : corpus de publications extrait de Scopus le 11 février 2025, voir l’annexe 1.

Haut de page

Notes

1 La décennie 2010 est celle qui voit s’organiser des travaux clés permettant d’identifier les contours et spécificités du champ (voir Kitchin, 2022).

2 Pour les références en français, les bases de données interrogées incluaient Scopus, CAIRN, Sophia, Open Edition Freemium, Repères, Érudit ([Mots-clés, titre ou résumé] : « études critiques sur les données » OU « Critical Data Studies » OU « approches critiques des données » OU « sociologie de la quantification » OU « Approches critiques de la quantification » OU « biais algorithmique » OU « études critiques des données » ou « biais algorithmique »). Pour celles en anglais, les bases de données interrogées incluaient Scopus et Sophia ([mots-clés] : « Critical Data Studies » AND [digital]).

3 L’un des avantages de la recherche automatisée dans Scopus est d’avoir fait émerger des travaux sur la transformation de domaines et secteurs professionnels touchés par la datafication, dont plusieurs étaient publiés dans des revues propres à ces domaines, donc plus difficiles à repérer manuellement. Ce nouveau portrait du champ a aussi permis de réorganiser partiellement nos thèmes et catégories d’analyse pour en proposer une cartographie. Un inconvénient de cette recherche est qu’elle a omis certains travaux fondateurs qui ne citaient pas explicitement l’expression critical data studies, que nos recherches manuelles avaient toutefois permis de repérer. Cette démarche confirme la plus-value d’une stratégie combinant recherche manuelle et semi-automatisée pour ratisser suffisamment large, tout en conservant la main sur l’évaluation de la pertinence des travaux recensés.

4 Précisons que les objectifs de l’analyse bibliométrique se limitent au portrait du champ à partir des éléments évoqués ; ils ne visent ni l’analyse des réseaux de collaboration ni celle de la structure intellectuelle du domaine (similarité des bibliographies). Soulignons, par ailleurs, que même si les données fournies par Scopus sont réputées de bonne qualité, ses limites dans la couverture des sciences humaines et sociales, qui plus est en français, sont reconnues (à titre d’exemple, les chapitres de livres y sont moins bien référencés que les articles de revues).

5 « Datafication refers to the process by which subjects, objects, and practices are transformed into digital data »

6 « CDS understands data as being contingent and relational in nature; their generation, processing, and use contextually framed (conceptu­ally, technically, socially, economically) and thoroughly infused by politics (personal, institutional, cultural) »

7 D’autres travaux en critical data studies s’intéressent à des secteurs comme la culture, le journalisme ou l’agriculture, où la datafication est également en cours, ou encore à certains domaines scientifiques caractérisés par un usage important de données, comme la géographie, mais ces travaux restent peu nombreux, d’une part, du moins dans le cadre de notre travail de recension, et leur ancrage dans les études critiques de données est parfois marginal, d’autre part.

Haut de page

Pour citer cet article

Référence électronique

Florence Millerand, Mélanie Millette et Lucie Delias, « Les études critiques sur les données »Communication [En ligne], Vol. 42/2 | 2025, mis en ligne le 01 décembre 2025, consulté le 14 février 2026. URL : http://journals.openedition.org/communication/22123 ; DOI : https://doi.org/10.4000/15bod

Haut de page

Auteurs

Florence Millerand

Florence Millerand est professeure titulaire au Département de communication sociale et publique de l’Université du Québec à Montréal. Courriel : millerand.florence@uqam.ca

Articles du même auteur

Mélanie Millette

Mélanie Millette est professeure titulaire au Département de communication sociale et publique de l’Université du Québec à Montréal. Courriel : millette.melanie@uqam.ca

Articles du même auteur

Lucie Delias

Lucie Delias est maîtresse de conférences en sciences de l’information et de la communication au département info-com de l’Université de Montpellier Paul-Valéry. Courriel : lucie.delias@univ-montp3.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont susceptibles d’être soumis à des autorisations d’usage spécifiques.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search