Une donnée est ce qui est connu et qui sert de point de départ à un raisonnement ayant pour objet la détermination d'une solution à un problème en relation avec cette donnée. Cela peut être une description élémentaire qui vise à objectiver une réalité, le résultat d'une comparaison entre deux événements du même ordre (mesure) soit en d'autres termes une observation ou une mesure^[1].

La donnée brute est dépourvue de tout raisonnement, supposition, constatation, probabilité. Si elle est considérée comme indiscutable ou même si elle est indiscutée par méconnaissance, elle peut servir de base à une recherche, à un examen quelconque.

Les données pouvant être de nature très différentes suivant leur source, elles doivent souvent faire l'objet d'une transformation préalable avant traitement.

Jusqu'à il y a quelques siècles, l'être humain n'avait connaissance du monde réel qu'à travers la stimulation de ses sens naturels : la vue, l'ouïe, l'odorat, le goût et le toucher. Par la suite, grâce à l'informatique notamment il a pu déployer des systèmes capables de produire et traiter la donnée à sa place.

La technique utilisée aujourd'hui est la quantification numérique dans un système binaire, associée à des machines de traitement à deux états de fonctionnement. En clair, cela veut dire que le monde réel est vu par des capteurs dont la réponse continue ou discrète est traduite en nombres qui sont traités, c'est-à-dire traduits, par des ordinateurs.

Un travail est souvent fait sur les données brutes pour leur donner un sens et plus précisément un contexte afin de pouvoir les transformer en information^[2]. Les données peuvent être :

• des résultats de mesure fonction d'un étalon de référence pouvant, associé à la manière de traiter les données, générer des biais sur l’interprétation finale (limites des sondages) ;
• des valeurs discrètes représentant l'état d'un système ;
• des informations logiques représentant un contexte non réel ;
• etc.

Le résultat du traitement sera souvent in fine soumis à l'interprétation d'un être humain et devra de ce fait être présenté sous forme adéquate, par exemple un graphique ou une liste de choix. Cela permettra à un être humain d'y associer un sens (une interprétation) et ainsi de créer une nouvelle information.

Caractériser les données

La définition des données soulève des questions importantes dans plusieurs disciplines scientifiques.

Étymologiquement, le terme donnée provient du latin datum qui signifie « donner »^[3]. Comme le soulève Jensen en 1950, l'histoire aurait dû retenir capere, soit « capturer » en français^[4]. En effet, pour la science il s'agit de sélectionner, de capturer dans l'existant plutôt que de comprendre la donnée comme quelque-chose de préalablement « donné »^[5]. Cette différence historique met en évidence le caractère sélectif et partiel voir réductionniste inhérent à la donnée^[5].

Plusieurs définitions hétérogènes existent et essayent de caractériser la donnée. Rob Kitchin (en), dans un chapitre dédié à la caractérisation des données^[6], résume les différentes positions en deux points de vue divergents.

Selon Rosenberg, la donnée préexiste aux interprétations et argumentations qui la convertissent par la suite en faits. C'est-à-dire que si un fait est faux, il cesse d’être un fait. Néanmoins, une donnée fausse reste une donnée^[5]. Cette vision rhétorique des données leur fournit plusieurs caractéristiques : elles sont abstraites, discrètes, agrégatives et surtout indépendantes de leurs formats et de leur contexte (qu'elle soit stockée dans une base de données ou dans un livre, la donnée reste la donnée)^[6].

D'autres auteurs, et notamment le champ des études critiques des données, considèrent les données comme socialement construites^[7]. Pour eux, les données sont une forme de pouvoir, elles sont dépendantes d'une idéologie, d'une façon de pensée inhérente à celui ou celle qui les collecte et les analyse^[6].

La valeur des données 

Depuis toujours, être informé le premier a été un avantage décisif, que ce soit en politique ou à la guerre. Évidemment, plus l'information est pertinente en rapport du contexte et plus l'avantage de celui qui la détient est poussé. À notre époque c'est toujours vrai dans ces domaines, d'autant plus que le temps de validité de l'information s'est considérablement raccourci, ce qui était pertinent la veille ne l'est plus forcément le lendemain.

Aujourd'hui, la donnée élémentaire qui sert à élaborer l'information est produite en très grand nombre, contrairement aux époques précédentes, et ne peut plus être traitée par les mêmes méthodes. Pour être exploitée la donnée initiale doit être transformée en code numérique ce qui dans un premier temps la banalise. Pour lui donner du sens il faut que l'humain la contextualise et l'interprète. Alors la donnée prend toute sa valeur et devient pertinente.

Les sociétés modernes sont organisées autour de la donnée que ce soit pour gérer leur économie ou leur politique. À l’ère du numérique, la capacité de collecte et de transport des données à très grande vitesse a été à l'origine du développement de moyens et de méthodes d’exploitation différentes de ceux qui étaient en vigueur il y a encore quelques années.

La notion de valeur affectée à ces données en a été bouleversée et quand on essaye de définir la valeur de cette unité élémentaire, on commence souvent par analyser une forme construite de la notion de la donnée ; on parle à tel propos d’open data, d’experimental data et de big data, mais combien vaut une donnée, entendue en tant que simple résultat de l’observation ou de mesure de la réalité ?

L'acquisition des données peut être liée à des transactions commerciales ou directes sans qu'il soit nécèssaire d’effectuer une marchandisation. La valeur de la donnée réside alors dans son utilisation.

La valorisation de la donnée se fait à travers un processus capable à chaque étape de la transformation d'augmenter sa valeur directement ou par combinaison avec d'autres données. En général la finalité est l'exploitation par l'homme pour la prise de décision ou par un autre système permettant une commande de processus.

Le calcul^[8] fait partie du processus de transformation par la machine et le jugement qualitatif qui appartient à l'humain fait partie de l'interprétation et donne la valeur objective à l'information finale^[9].

S. Chignard et LD Benyayer ont essayé de créer une grille de lecture pour la quantification des données^[10] en partant de trois conceptions de la valeur :

1. La valeur est subjective : elle dépend de l’intérêt porté par l'humain qui va l'utiliser directement ou après transformation ;
2. La valeur est co-construite : elle augmente à partir de l'instant ou elle rentre dans un processus de transformation, notamment à travers des études croisées, capables d’exprimer des concepts, d’où l’importance de la collaboration et de la coordination dans le processus de la valorisation des données ;
3. La valeur est potentielle : elle donnera ou pas un avantage futur à ceux qui la détiennent.

À partir de ces axiomes, les données peuvent être interprétées à la lumière de trois formes de valeur.

Notes et références

Voir aussi