Navigation – Plan du site

Catelijne Coopmans, Janet Vertesi, Michael Lynch & Steve Woolgar, Representation in Scientific Practice Revised

Thibault De Meyer
Representation in Scientific Practice Revisited
Catelijne Coopmans, Janet Vertesi, Michael E. Lynch, Steve Woolgar (dir.), Representation in Scientific Practice Revisited, Cambridge, MIT Press, coll. « Inside Technology », 2014, 328 p., ISBN : 9780262525381.
Haut de page

Texte intégral

1Representation in Scientific Practice, édité en 1990 par Michael Lynch et Steve Woolgar, marqua un tournant dans la sociologie des sciences qui ne s’était jusqu’alors intéressée que très peu à l’importance des images dans les pratiques scientifiques. Dans l’ouvrage qui nous occupe ici, Lynch et Woolgar, comptant cette fois avec l’aide éditoriale de deux jeunes sociologues, Catelijne Coopmans et Janet Vertesi, ont l’ambition de rendre compte, 25 ans plus tard, des nouvelles orientations dans ce champ d’études.

2Janet Vertesi signe le premier des 13 chapitres d’une vingtaine de pages qui composent la première section de l’ouvrage. Elle y présente le concept de drawing as, qui peut en fait être compris comme une élaboration du concept gestaltiste de seeing as. La psychologie gestaltiste a popularisé l’image du lapin-canard, dont la particularité tient au fait qu’on peut la voir comme celle d’un lapin ou comme celle d’un canard. En science aussi, une même image peut être vue de façons différentes. Vertesi relate entre autres le cas des photos que le rover Opportunity de la NASA réalise sur Mars. En fonction notamment des filtres utilisés, on peut voir l’image du Cap-Vert, une zone de Mars, comme une falaise stratifiée ou comme un dénivelé composé de différents sols. La sociologue souligne néanmoins une différence importante entre le lapin-canard et l’image de Mars. Dans le premier cas, seeing as est une expérience personnelle et involontaire, alors que dans le second cas, il s’agit d’une expérience intentionnellement construite. Le travail volontaire cherchant à faire voir une certaine image comme un concept analytique est ce que Vertesi propose d’appeler drawing as, dessiner par exemple le Cap-Vert comme une falaise.

  • 1 Les partisans de l’analyse visuelle opposent souvent l’obscurité des listes de données à la clarté (...)

3Le concept de drawing as pose en fait une question qui était absente de l’ouvrage de 1990 : comment une communauté scientifique arrive-t-elle à voir de la même façon une image ? Plusieurs chapitres, sans faire directement référence à cette notion, posent cette même question. Ainsi, Catelijne Coopmans expose la contradiction entre la publicité pour les programmes d’analyse visuelle et les cours pour apprendre à utiliser ces programmes. La publicité met l’accent sur la transparence de la vision1, alors que, lors des cours, les consultants qui font office d’enseignants ne cessent d’employer le champ lexical du « drill » (pour apprendre à voir correctement les graphiques, il faut s’entraîner, répéter ses gammes qui consistent par exemple à reconnaître au plus vite parmi une dizaine de graphiques lequel est porteur de plus d’informations). Natasha Myers montre, elle aussi, l’importance des cours comme outils de drawing as. Elle décrit la pédagogie mise en place par l’ingénierie biologique pour faire voir les molécules comme des machines. Ces cours de biologie et d’analyse visuelle visent à former la vision jusqu’au point où les images ne peuvent plus être vues autrement ; à ce stade, la vision semble en effet transparente (Myers ne nie pas l’importance de voir certaines images d’une certaine façon, mais elle déplore la situation où seule une interprétation est acceptée, ne laissant alors plus de place à la discussion et à la créativité).

4À partir d’une observation de terrain dans un laboratoire de psychologie cognitive, Morana Alač souligne quant à elle l’importance du corps pour interpréter les images. Les IRM rendent compte du mouvement des liquides dans le cerveau, mais le sujet n’est jamais complètement immobile dans le scanner, ce qui cause un problème : comment dissocier les mouvements dus aux processus cognitifs et ceux dus à des mouvements de la tête ? Pour cela, les scientifiques doivent s’imaginer les mouvements du sujet. À travers une étude fine des gestes des scientifiques, Alač montre comment ceux-ci « jouent » (enact) le rôle de sujet (ils bougent leur tête dans le sens qu’ils supposent être celui du sujet). Rachel Prentice, dans le chapitre suivant, montre, elle aussi, combien le corps entier participe à la perception. Elle indique notamment comment les chirurgiens doivent acquérir une nouvelle perception de leurs propres corps pour utiliser les plus récentes technologies visuelles (ils doivent par exemple être capables d’agir sur des images qui sont vues en 2D et en miroir).

5Michael Barany et Donald MacKenzie tentent d’évaluer l’importance de l’écriture dans les mathématiques. Ils indiquent entre autres que les mathématiciens ne voient souvent l’intérêt des équations qu’au moment où ils les retranscrivent en changeant les symboles pour les rendre plus compatibles avec leurs propres recherches. Ainsi, pour bien « voir » les mathématiques, il faut sans doute utiliser la main.

  • 2 Michel Foucault, L’archéologie du savoir, Paris, Gallimard, 1969, p. 61.
  • 3 Après avoir évoqué plus haut la transparence à la vision, c’est maintenant la transparence des imag (...)

6La question de la formation du regard n’occupe donc pas moins de six chapitres du livre. Dans ceux-ci, on retrouve l’intuition de Michel Foucault lorsqu’il déclarait que : « Il ne suffit pas d’ouvrir les yeux [pour voir] »2. En effet, pour voir, comme ces premiers chapitres l’indiquent, il faut des filtres, des cours, du drill, une main, un corps interagissant avec des technologies, un corps agissant comme un sujet observé… Emma Frow, dans sa contribution, pose le plus clairement la question complémentaire : comment donc faire confiance à des images si elles ne sont pas transparentes3 ? Elle donne des jalons de réponses en analysant les recommandations des revues scientifiques par rapport aux retouches des images. Les autres chapitres apportent aussi des éléments de réponses à cette question, quoique de façon moins directe.

7Sarah de Rijcke et Anne Beaulieu décèlent trois logiques dans les brain atlases, les projets de cartographie cérébrale. Ces derniers se construisent sur (1) l’idée de suites d’images (aucun scan individuel du cerveau n’est en soi intéressant aux yeux des chercheurs en neurologie, il ne devient intéressant que lorsqu’il peut être mis en rapport avec un ensemble d’autres scans) ; (2) une logique de modélisation statistique des données (les images dans ces projets de cartographie cérébrale ne sont pas les images du cerveau d’un individu existant, mais d’un individu statistique) ; (3) une logique d’interface entre l’humain et la machine pour éliminer les biais présents dans les images (biais que les neurologues appellent « poubelles »). Cette troisième logique reste indispensable, mais elle est minimisée dans les comptes rendus que font les scientifiques de leurs propres activités afin d’éviter les suspicions de contrefaçons.

8Ces différentes logiques de construction d’images s’entremêlent évidemment, comme nous l’enseignent Annamaria Carusi et Aud Sissel Hoel à travers l’exemple de la biologie computationnelle. Les deux auteures montrent que les observations de type qualitatif se font de sorte qu’elles puissent intégrer facilement des bases de données quantitatives et, inversement, les données quantifiées (et la façon dont elles sont rendues visuellement) visent à faciliter les observations qualitatives futures. C’est grâce à cette intrication entre qualité et quantité que les observations peuvent espérer acquérir une valeur scientifique et non une simple valeur anecdotique.

9Le chapitre de Cyrus Mody montre deux manières de représenter les nano-images, une embellie, l’autre sobre. Ces deux manières sont utilisées dans des cadres différents par les mêmes acteurs : les plus belles sont utilisées comme moyen de vulgarisation et pour obtenir des financements, les autres sont mobilisées dans les journaux scientifiques. Martin Ruivenkamp et Arie Rip font plus ou moins le même constat, mais ils insistent davantage sur le fait que toutes les nano-images sont, par définition, des produits de l’imagination puisqu’elles sont construites à partir de graphiques.

  • 4 Ces deux chapitres décrivent la distinction entre science et opinion, distinction qui semble import (...)

10Yann Giraud retrace également les utilisations contrastées des images par la politique et par la science. À travers l’exemple de la courbe de Laffer, qui prétend décrire une loi économique proposant des options politiques, l’auteur montre que les images tendent à se simplifier lorsqu’elles pénètrent la sphère politique, mais qu’en même temps elles perdent de la crédibilité aux yeux des scientifiques. Joseph Dumit, dans le dernier chapitre de la première section, fait un constat équivalent par rapport à la mobilisation d’images issues des sciences cognitives dans le domaine juridique. Il indique que plus les images sont épistémologiquement infondées, plus elles sont rhétoriquement efficaces4.

  • 5 Il est étonnant que Lynch ne fasse pas ici aussi le rapprochement entre la représentation scientifi (...)

11Dans la deuxième section du livre, sept sociologues chevronnés mentionnent en quelques pages ce qui, selon eux, mériterait le plus d’intérêt dans l’étude des images en science. Lorraine Daston critique le mot « représentation » qui insinue qu’il y a un présent, une réalité, préalable à la représentation ; il faudrait, selon elle, trouver de meilleures façons d’en parler. Lynch comprend les réticences de Daston, mais trouve le lexique de la représentation fort intéressant notamment dans la mesure où il permet de rapprocher la représentation scientifique de la représentation politique5.

12Woolgar, comme Myers dans le chapitre 8, soutient que les images ne sont pas nécessairement fausses, mais qu’elles auraient pu être différentes, ce qui rappelle que la science est, au moins partiellement, le résultat de choix sociaux. Lucy Suchman souligne, comme l’on fait quelques contributeurs à la première partie, combien les images cadrent des pratiques et créent des identités disciplinaires. John Law, s’inspirant de Leibniz, rappelle que les images ne font pas que « refléter » ce qu’il y a sur l’image, mais qu’elles sont aussi le reflet flou de l’univers tout entier : l’imprimerie, l’université, les technologies photosensibles… Les images sont donc de bons points d’appui pour commencer des études sur la société dans son ensemble.

  • 6 Ainsi, le sol d’une forêt ne peut être transporté où que ce soit et ne cesse de se modifier à cause (...)

13Martin Kemp, à l’instar de Frow dans le chapitre 12, rappelle que les nouvelles technologies rendent la science beaucoup plus vulnérable à la falsification des images. Enfin, dans le dernier chapitre, Bruno Latour reprend l’idée qu’il avait présentée plus longuement dans sa contribution de 1990, selon laquelle une image scientifique doit modifier la réalité pour la rendre à la fois plus stable et plus mobile6.

14Toutes les contributions du livre fournissent des thèses stimulantes sur la place des images dans les sciences. Ces thèses sont stimulantes parce qu’aucune ne convainc complètement le lecteur, mais que toutes proposent des idées et des façons de voir qui pourraient néanmoins être différentes. Les commentaires courts de la deuxième section ouvrent, de façon très condensée, des perspectives originales et variées. Mais c’est probablement la première section, avec ses considérations théoriques ancrées dans des observations de terrain, qui suscitera le plus d’intérêts et de débats. Il ne serait pas étonnant que Representation in Scientific Practice Revised connaisse l’engouement qu’a connu le livre de référence de 1990.

Haut de page

Notes

1 Les partisans de l’analyse visuelle opposent souvent l’obscurité des listes de données à la clarté des graphiques. Ainsi, dans un numéro spécial du Economist consacré à l’analyse visuelle, on pouvait lire : « Regarder un tableau numérique demande beaucoup d’effort mental, alors que des informations présentées visuellement peuvent être saisies en quelques secondes » (cité p. 37). Autre part, un adepte dit que grâce à l’analyse visuelle, les bases de données « abandonnent [leurs] secrets » (“give up [their] secrets”, cité p. 38).

2 Michel Foucault, L’archéologie du savoir, Paris, Gallimard, 1969, p. 61.

3 Après avoir évoqué plus haut la transparence à la vision, c’est maintenant la transparence des images que nous relevons. Il s’agit en fait des deux faces de la rhétorique de la transparence : les images ne cachent rien et l’œil voit tout sans défaut. Coopmans, dans son chapitre, mettait l’accent sur le deuxième élément parce que les défenseurs de l’analyse visuelle opposent l’effort mental (le cerveau qui analyse et transforme les données) à la vision (l’œil qui voit sans toucher aux données). Frow traite du premier élément de cette rhétorique car, dans les revues scientifiques, les débats qu’elle analyse portent sur la construction des images et non sur leur interprétation.

4 Ces deux chapitres décrivent la distinction entre science et opinion, distinction qui semble importante aux yeux des scientifiques eux-mêmes. Les cas rapportés par Giraud et Dumit nous paraissent en effet confirmer cette opposition. Cependant, Michel Callon, dans plusieurs de ses travaux, montre que la science n’est que plus sérieuse lorsqu’elle arrive à travailler avec le public (voir notamment Michel Callon, Pierre Lascoumes et Yannick Barthe, Agir dans un monde incertain. Essai sur la démocratie technique, Paris, Seuil, 2001). Il y a peut-être deux manières opposées de présenter la science au public : l’une cherchant à l’impressionner et à fermer les débats, comme dans les cas de la courbe de Laffer et celui des neuro-images présentées devant la Cour ; l’autre cherchant à intéresser et à stimuler des questions.

5 Il est étonnant que Lynch ne fasse pas ici aussi le rapprochement entre la représentation scientifique et la représentation théâtrale, rapprochement tout à fait original que semblent permettre certains chapitres de la première section, comme par exemple le quatrième d’Alač qui explique que, pour représenter un sujet, il faut jouer, se mettre à sa place. Il est possible que ce mimétisme, cette mise en jeu, soit en fait beaucoup plus présent dans l’interprétation des images.

6 Ainsi, le sol d’une forêt ne peut être transporté où que ce soit et ne cesse de se modifier à cause des mouvements des animaux, de l’érosion, du vent… ; en le photographiant par exemple, on rend ce sol plus stable dans la mesure où il ne changera plus à cause de circonstances externes et, en plus, le sol photographié est transportable, mobile.

Haut de page

Pour citer cet article

Référence électronique

Thibault De Meyer, « Catelijne Coopmans, Janet Vertesi, Michael Lynch & Steve Woolgar, Representation in Scientific Practice Revised », Lectures [En ligne], Les comptes rendus, 2014, mis en ligne le 30 juin 2014, consulté le 22 août 2019. URL : http://journals.openedition.org/lectures/15068

Haut de page

Rédacteur

Thibault De Meyer

Diplômé en anthropologie, en science politique et en philosophie à l’Université libre de Bruxelles, blogueur sur www.joueravecdespierres.be.

Articles du même rédacteur

Haut de page

Droits d’auteur

© Lectures - Toute reproduction interdite sans autorisation explicite de la rédaction / Any replication is submitted to the authorization of the editors

Haut de page