Big Data

Le Big Data désigne un domaine pluridisciplinaire au sein de notre actuelle société de l’information, génératrice continue de données. Comme son nom l’indique, le Big Data relève de grandes quantités de données, de l’ordre d’exabytes (un exabyte = un quintillion de bytes). D’après le Rapport Domo de 2018, « plus de 2,5 quintillion de bytes de données sont créées chaque jour… D’ici 2020, l’on estime à 1,7 MB les données qui seront générées par seconde et par individu sur Terre. »

Cependant, et comme nous le rappelle la très citée définition de Gartner de 2001 (Gantz & Reinsel, 2011) le Big Data ne se caractérise pas seulement par le volume des données en question mais également par la rapidité et la diversité de celles-ci.

L’arrivé du Big Data a stimulé le développement des sciences et technologies nécessaires au traitement et à la valorisation des données numériques. Les technologies qui se cachent derrière le Big Data telles que le cloud computing ou les systèmes NoSQL se sont developpées en réponse à une demande de solutions pour la gestion de grandes quantités d’information : « Le Big Data a moins trait aux données massives qu’à la capacité à rechercher, rassembler et faire se recouper de vastes ensembles de données entres elles » (Boyd & Crawford, 2012).

Les premiers rapports, tels que ceux produits par Gantz et Reinsel (2011) et Manika et al. (2011), ont examiné le potentiel du Big Data dans une variété de domaines tels que la récupération d’informations, la gouvernance des données, la sécurité ou encore la vie privée. Le Big Data est présent dans presque tous les aspects de nos vies quotidiennes, que ce soit les réseaux sociaux, l’automobile, le gouvernement, la santé, les banques, les usines, les services publics ou le divertissement (World Economic Forum Report, 2012).

Nous avons pu constater des usages positifs du Big Data dans les secteurs de la médecine (diagnostic précoce de maladies), des services urbains, de l’éducation (Ştefan 2017), de la recherche ainsi que dans l’amélioration de l’efficacité opérationnelle, la croissance économique, le bien-être ou encore la sûreté (Gang-Hoon Kim et al., 2014). Et pourtant, des voix s’élèvent contre l’usage du Big Data, le qualifiant de danger pour la démocratie en raison du fort risque d’abus (Gang-Hoon Kim et al., 2014) ou de mauvais usages (O’Neil, 2016) qu’il présente.

Le principal objectif dans la collecte et l’utilisation des Big Data est de valoriser les données et d’en extraire des informations n’ayant pu être obtenues par l’application de méthodes analytiques traditionelles. L’obtention de ces renseignements facilite l’identification de schémas, de tendances ou d’empreintes numériques singulières et informe une meilleure prise de decisions. Ştefan (2017) énonce que le Big Data ouvre la voie pour « une progression des techniques analytiques qui évoluent du rétrospectif au prospectif. » Ceci explique la connexité entre le Big Data et l’évolution sans précedent des technologies de la science des données, parmi lequelles les plus connues sont le data mining (ou la fouille de données), le machine learning (ou l’apprentissage automatique) et l’Intelligence Artificielle.

À l’interface entre sciences dures et sciences humaines, et plus precisémment à l’endroit de l’archéologie, le Big Data apparaît depuis une vingtaine d’années comme un défi technologique à relever et une opportunité pouvant faciliter le travail d’interprétation  à saisir.

Toutefois, appliqué à l’archéologie, le Big Data a des limites (Gatiglia, 2015) : « Les procédés du Big Data sont efficaces dans la mesure où ils informent plutôt qu’ils n’expliquent et où ils livrent des tendances récurrentes à l’analyse et interprétation archéologique, en fournissant l’occasion d’expérimenter de nouvelles hypothèses à différents niveaux de précision. La visualisation des données peut représenter une contribution importante à la compréhension de grands volumes de données ainsi qu’à la détection d’anomalies ou de corrélations. »

Archéologie Virtuelle

De grandes quantités de données ont été précédemment utilisées dans des reconstructions réalisées à l’aide de technologies 3D ou des réalités virtuelle, augmentée et mixte (Bonde & Houston, 2012). Au cours des dernières décennies, l’archéologie a vu se développer une sous-discipline nouvelle, l’Archéologie Virtuelle (Reilly, 1991; Carter, 2017; Lopez-Menchero Bendicho et al., 2017). Cette dernière a introduit de nouvelles images tridimensionnelles complexes permettant au spectateur une immersion dans des reconstructions volumétriques à l’aide d’instruments, de gants et de capteurs de mouvements qui transmettent de l’information sensorielle et mesurent les réponses de l’usager. L’Archéologie Virtuelle (Reilly, 1991) s’emploie à la reconstruction d’objets, de bâtiments et de paysages du passé, encore existants ou non, mais dont nous avons connaissance grâce à des sources archéologiques, historiques ou artistiques, au moyen de maquettes tridimensionelles, d’hypertextes ou de solutions multimédia.

Comment intervient le Big Data dans l’Archéologie Virtuelle ? Les bases de données comprennent des données collectées à partir d’archives archéologiques, de données spatiales, de données sur l’environnement naturel, sur l’architecture, l’alimentation et des technologies diverses. Une autre source importante de données supplémentaires peut venir d’expériences et reconstitutions archéologiques (avec mouvements et gestes). En Archéologie Virtuelle, le Big Data peut servir à façonner une réalité du passé en employant une panoplie d’informations et de sources et, ainsi, faire parvenir un objet dans le présent via des techniques et technologies modernes telles que la reconstruction 3D, les musées ou visites guidées virtuelles, le gaming et les réalités augmentée et
virtuelle.

Contrairement à ce qu’il en est dans d’autres secteurs, les Big Data archéologiques ne se caractérisent pas par le facteur de rapidité, mais peuvent cependant atteindre des volumes massifs à travers l’exceptionnelle multiplicité et atomicité des sources. La construction d’une maquette 3D est réalisée à partir de plusieurs points de données et peut être davantage modifiée ou enrichie en y appliquant d’autres données (comme les photographies) ou des algorithmes graphiques avancés. L’usage des Big Data en archéologie présente des points communs avec d’autres disciplines (la collection, l’analyse et la valorisation) mais constitue aussi un paradigme à part, dû à la grande place laissée aux contributions de l’humain (intuition et imagination) quand il s’agit de penser le passé.

Immersion

Entrer en contact avec une réalité artificielle, que ce soit par la lecture d’un texte ou par la contemplation d’une œuvre d’art, induit la création d’un état de conscience, nommé immersion, qui provoque chez l’individu le sentiment « d’y être ». Dans le cas d’une œuvre d’art – qu’il s’agissent d’un texte, d’une installation, d’un objet architectural ou d’un jeu vidéo – l’immersion (Reid et al., 2005) est cette qualité qui permet au spectateur de se projeter mentalement dans un environnement artificiel.

En permettant la création d’environnements augmentés immersifs qui sont clairement des objets d’art numérique, (Gheorghiu & Stefan, 2015) le Big Data peut agir sur l’esprit humain en produisant chez l’individu un détachement du réel et un sentiment d’appartenance à une autre réalité comparables à ceux qui se produisent lors de l’expérience esthétique. Ce détachement immersif est central à l’archéologie nouvelle du XXI^e siècle qui produira les environnements les plus immersifs possibles. Il ne s’agira plus de représentations hyper-réalistes mais d’expériences sensorielles complètes dans lesquelles l’individu pourra naviguer dans le temps et l’espace et éprouver une expérience à travers ces sens et psychique à l’aide de gants de données et d’autres technologies émergentes. Ainsi, la recherche archéologique se transforme en recherche artistique (Gheorghiu & Barth, 2019) grâce à la collaboration entre experts issus de l’archéologie, l’anthropologie, le graphisme et l’informatique.

Le Projet Time Maps : Big Data et singularité du lieu

Le projet Time Maps project se caractérise par ce même type d’approche syncrétique. Il reconstruit certains lieux du passé à partir d’informations issues de sources provenant de Roumanie ou d’autres pays d’Europe (Portugal, Italie, Sardaigne, Grèce, Royaume-Uni) ainsi que de médias divers tels que des collections de matériel 2D et 3D ou des reconstructions réelles et virtuelles.

Le projet démontre l’étendue du champ des informations pouvant être mises à contribution lorsque l’on opte pour une approche qui soit aussi bien objective et scientifique que subjective et artistique dans la description d’un lieu. Pour chaque lieu choisi, les environnements les plus représentatifs ont été reconstruits en plusieurs couches chronologiques, en incluant les structures architecturales, des objets, les technologies de ces objets et des reconstitutions développées grâce à ces mêmes outils et fabriqués avec des personnages humains scannés en 3D. Les augmentations en réalité virtuelle ont été obtenues par l’augmentation de textures de l’environnement ou d’études de lumière (Gheorghiu, 2018). Ces augmentations sont réalisées par l’emploi d’outils artistiques (Gheorghiu, 2012), dans la forme de métaphores visuelles qui viennent amplifier la signification d’un lieu.

En conclusion, l’objectif de ce qui précède est de démontrer que le Big Data et le paradoxe des singularités peuvent, avec le concours de l’archéologie, donner lieu à une méthode qui transforme les données complexes liées à la spécificité d’un lieu en une miraculeuse expérience humaine de la transcendance du temps.

Références:

Bonde, S. and Houston, S. D., 2012. Re-presenting the Past: Archaeology Through Text  and Image. Oxford: Oxbow Books.

Boyd, D., and Crawford, K., 2012. “Critical Questions For Big Data.” Information, Communication, & Society 15: 662–679.

Carter, W., 2017. Virtual Ar- chaeology, Virtual Longhouses and “Envisioning the Unseen” Within the Archaeological Record. Western University Electronic Thesis and Dissertation Repository, 2017, accessed January 2020.

Domo Report, 2018.

Gang-Hoon Kim, Silvana Trimi, and Ji-Hyong Chung, 2014. “Big-Data Applications in the Government Sector.” Communication of the ACM, 57(3).

Gantz, J., and Reinsel, D., 2011. Extracting Value From Chaos. Proceedings of IDC  iView, accessed January 2020.

Think  Big About Data: Archaeology and the Big Data Challenge,   Fokus: Open Access & Open Data, accessed January 2020.

Gheorghiu, D. and Barth, T. (eds.), 2019. Archaeological Practices and Artistic Research. Oxford: Archaeopress.

Gheorghiu, D., 2012. Meta- phors and Allegories As Aug- mented Reality. The Use of Art to Evoke Material and Immaterial Objects. In: Back-Danielsson, I-M and Fahlander, F. (eds.), Encountering Imagery. Materialities, Perceptions, Relations. Stockholm Studies In Archaeology, vol. 57. Stockholm: Department of Archaeology and Classical Studies, Stockholm University, 177-186.

Gheorghiu, D., 2018. Lighting In Reconstructed Contexts: Experiential Archaeology with Pyrotechnologies. In: Papadopoulos, C. and Moyes, H. (eds.), The Oxford Handbook of Light in Archaeology, Oxford Handbooks Online, DOI: 10.1093/oxford- hb/9780198788218.013.28.

Gheorghiu, D., and Ştefan, L., 2015. Augmenting Immersion: The Implementation of the Real World in Virtual Reality. In: Börner, W. & Uhlirz, S. (eds.), The 20th International Conference on Cultural Heritage and New Technologies, CHNT 2015. Vienna, Museen der Stadt Wien, Stadtarchäologie.

López-Menchero Bendicho, V.M., Flores Gutiérrez, M., Vincent, M.L., Grande León, A., 2017. “Digital Heritage and Virtual Archaeology: An Approach Through the Framework of International Recommendations.” In: Ioannides, M., Magnenat-Thalmann, N., Papagiannakis, G. (eds.), Mixed Reality and Gamification for Cultural Heritage. Springer, Cham.

Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Hung Byers, A., 2011. Big Data: The Next Frontier for Innovation, Competition, and Productivity, accessed January 2020.

O’Neil, C., 2016. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Penguin Books Limited.

Reid, J., Geelhoed, E., Hull, R., Cater, K., Clayton, B., 2005. Parallel Worlds: Immersion In Location-Based Experiences. Proceedings of the SIGCHI Conference On Human Factors In Computing Systems, New York, 1733–1736.

Reilly, P., 1991, Towards a Virtual Archaeology. Computer Applications and Quantitative Methods in Archaeology,1990 (BAR International Series  565). Tempus Reparatum, Oxford, 132-139.

Ştefan, L., 2017. Big Data to Improve the Quality of Learning in Higher Education. Opportunities, Offerings and Challenges. Proceedings of The 13th International Sci- entific Conference eLearning and Software for Education, Bucharest, Romania, Volume 2, 295-303.World Economic Forum Re-port, 2012, accessed January 2020.