Temps de lecture estimé : 7 minutes

Comment le « supercollectif » se ligue pour trouver un remède à la pandémie.

L’excellent site The Conversation, média indépendant en ligne sans but lucratif, offre un contenu de qualité rédigé par la communauté universitaire. Apparu en Australie en 2011, il décline désormais huit versions. La française est menée par Fabrice Rousselot, journaliste. Il met ses contenus de qualité à disposition de tous.

En l’occurrence, cette perspective renvoie à l’ouvrage de notre chroniqueur Émile Servan-Schreiber, auteur de Supercollectif paru chez Fayard.

Partout dans le monde, épidémiologistes, praticiens, ingénieurs (et tant d’autres) exploitent sans relâche le flot de données sur l’épidémie pour modéliser sa progression, prédire l’impact des interventions possibles ou développer des solutions aux pénuries de matériel médical.
Ils génèrent des modèles et des codes ouverts et réutilisés par d’autres laboratoires. Le monde de la recherche et de l’innovation semble s’être pris d’une frénésie de collaboration et de production de connaissances ouvertes tout aussi contagieuse que le coronavirus. Serait-ce donc ça, la fameuse « intelligence collective » censée résoudre nos problèmes planétaires majeurs ?

La science, un réseau bâti sur les épaules des géants
En 1675, Newton écrivait déjà : « Si j’ai vu plus loin, c’est en me tenant sur les épaules des géants. » Depuis, la reconnaissance de cet héritage intellectuel collectif est devenue standard dans la recherche scientifique. En science et ingénierie, aujourd’hui, 90 % des publications sont d’ailleurs écrites par des équipes.
Ces trois dernières décennies, l’avènement d’Internet puis des réseaux sociaux a participé à l’effacement des limitations traditionnelles de l’intelligence collective, des sociétés « des savants » exclusives aux revues à accès payant, en passant par l’opacité du système de revue par les pairs.

La recherche académique vit une facilitation technologique et une ouverture sans précédent, de quoi permettre à une grande diversité d’acteurs d’interagir de manière immédiate et distribuée. On observe une croissance sans précédent des revues en accès ouvert et de sites d’archivage d’articles.
Hors du système académique, des communautés non institutionnelles voient le jour : hackers, bio-hackers ou encore makers s’auto-organisent en ligne et participent à l’effort collectif de production de connaissance. C’est ce terreau fertile qui permet une réaction sans précédent à la crise de covid-19.

La covid-19 réveille l’intelligence collective
Au départ de l’épidémie, on a pu voir la recherche « traditionnelle » s’accélérer et ouvrir considérablement ses moyens de production. Des journaux prestigieux, comme Science,  Nature ou encore The Lancet, qui font d’habitude payer pour l’accès à leurs articles, ont ouvert l’accès aux publications sur le coronavirus et la covid-19.

Des données sur la progression de l’épidémie sont mises à jour quotidiennement – celles de l’Université John Hopkins par exemple sont le fruit d’un travail ouvert et collaboratif et ont déjà été réutilisées près de 9 000 fois sur la plate-forme de collaboration Git-hub par des projets tiers.

Des résultats sont publiés immédiatement sur des serveurs de prépublication en accès ouvert ou sur les sites des laboratoires mêmes. Algorithmes et visualisations interactives sont en ligne sur GitHub. Vidéos éducatives et de vulgarisation sur YouTube.

Les chiffres donnent le vertige, avec à ce jour plus de 45 000 articles académiques publiés sur le sujet.

Plus récemment, des initiatives populaires réunissant des acteurs variés ont émergé hors des cadres institutionnels, sur des plates-formes en ligne. Par exemple, une communauté de biologistes, d’ingénieurs et de développeurs a émergé sur la plate-forme de collaboration Just One Giant Lab (JOGL) afin de développer des outils à bas coût et open source contre le virus. Cette plate-forme, que nous avons conçue avec Léo Blondel (Harvard) et Thomas Landrain (La Paillasse, PILI) au cours de ces trois dernières années, a pour vocation d’être un institut de recherche virtuel, ouvert et distribué autour de la planète.

La plate-forme permet à des communautés de s’auto-organiser pour apporter des solutions innovantes à des problématiques urgentes et requérant des compétences fondamentalement interdisciplinaires ainsi que des connaissances « de terrain ». Elle agit comme clé de voûte afin de faciliter la coordination par la mise en relation entre besoins et ressources au sein de la communauté, l’animation autour de programmes de recherche, et l’organisation de challenges.

En particulier, l’utilisation d’algorithmes de recommandation filtre l’information pour que les contributeurs suivent l’activité et les besoins de la communauté les plus pertinents, fluidifiant la collaboration et facilitant la mise en place d’une intelligence collective.

Lorsque le premier projet lié à la covid-19, un test de diagnostic open source et à bas coût, y est né il y a quatre semaines, on a pu assister à une véritable ruée sur la plate-forme. Le nombre de contributions par minute n’a cessé d’augmenter : des centaines d’interactions, création de projets, échanges… Si bien que le serveur hébergeant la plate-forme ne tenait plus ! En seulement un mois, ce furent plus de 60 000 visiteurs venant de 183 pays, dont 3 000 contributeurs actifs générant plus de 90 projets, allant de designs de masques de protection à des prototypes de ventilateurs à bas coût.

Cette communauté massive s’est rapidement organisée en sous-groupes de travail, a mêlé des compétences et des univers variés : data scientists de grandes entreprises, chercheurs en anthropologie, ingénieurs et biologistes se côtoient ainsi dans cet univers virtuel.

La personne la plus active, coordinatrice émergente de la communauté s’avère même être… une lycéenne de 17 ans de Seattle ! Cette initiative est aujourd’hui un programme de recherche à part entière, OpenCOVID19, avec 100 000 euros de financements d’Axa Research Fund à redistribuer aux projets émergents selon un système de revue par la communauté, en partenariat avec l’AP-HP pour faciliter l’évaluation et la validation des designs destinés à un usage hospitalier, et plusieurs axes majeurs : diagnostic, prévention, traitement ou encore analyse de données et modélisation.

Carte des compétences partagées par les participants à la plate-forme JOGL sur les projets Covid-19, et leurs interactions. Marc Santolini, JOGL, CRI.

 

L’auto-organisation de communautés a été l’apanage du monde open source et l’origine de projets massifs tel que Linux. Elle devient aujourd’hui apparente dans la résolution de problèmes globaux et multidisciplinaires, mettant la diversité des compétences au service de la complexité.

L’intelligence collective, c’est quoi ?
Si nous pouvons mesurer une intelligence individuelle via la performance à diverses tâches et ainsi dériver un « quotient intellectuel » individuel (le fameux QI), alors pourquoi ne pas mesurer l’intelligence d’un groupe d’individus par leur performance à des tâches collectives ?

Des chercheurs ont démontré en 2010 l’existence d’un « facteur c » d’intelligence collective prédictif de la performance de groupe aux diverses tâches.

Pour qu’un groupe maximise son intelligence collective, nul besoin d’y regrouper des gens avec un fort QI. Ce qui compte, c’est la sensibilité sociale des membres, c’est-à-dire leur capacité à interagir efficacement, leur capacité à prendre la parole de manière équitable lors des discussions ou encore la diversité des membres, notamment la proportion de femmes au sein du groupe.

Autrement dit, un groupe intelligent n’est pas un groupe formé d’individus intelligents, mais d’individus variés qui interagissent convenablement. Et les auteurs de conclure : « il semblerait plus facile d’augmenter l’intelligence d’un groupe que celle d’un individu. Pourrait-on augmenter l’intelligence collective, par exemple, grâce à de meilleurs outils de collaboration en ligne ? »

C’était l’esprit à l’instauration de la plate-forme JOGL : on peut mesurer en temps réel l’évolution de la communauté et l’avancée des projets, ce qui permet de mettre en place une meilleure coordination des multiples programmes, dont bien sûr les programmes covid-19.

Les données offrent aussi un étalon quantitatif de « bonnes pratiques » facilitant l’intelligence collective, pour l’avancée de recherches fondamentales sur les collaborations que nous menons au sein de mon équipe de recherche au Centre de recherches interdisciplinaires de Paris. En mettant en action les outils de la science des réseaux, nous étudions comment ces dynamiques collaboratives sous-tendent l’avancée des connaissances.

Réveil éphémère ou bouleversement à long terme ?
Comment faire en sorte que ces révolutions se pérennisent ? S’il est un enseignement que nous apprennent les « hackathons », parce que ces événements mettent en œuvre les principes de l’intelligence collective pour générer des projets sur un ou deux jours, il est difficile de stabiliser l’activité de ces projets dans le temps, après l’effervescence de l’événement.

Même s’il est tôt pour tirer des conclusions à ce sujet dans le cas d’OpenCOVID19, plusieurs pistes existent pour penser le futur de telles collaborations massives.

Un point commun des communautés qui deviennent rapidement immenses est qu’on y est rapidement perdus ! Qui contacter pour résoudre tel problème ou répondre à telle question ? La solution : une « architecture de l’attention » pour guider les individus là où leur talent serait le plus apte à la progression du projet. Autrement dit, c’est dans les systèmes de recommandation, ces mêmes algorithmes qui ont fait le succès des réseaux sociaux tels que Twitter, Instagram ou Facebook, que réside le graal de ces communautés.

Une telle approche, basée sur les fondamentaux de la science des équipes et la science des réseaux, utilise les traces numériques laissées par la communauté (interactions, discussions, projets réalisés, compétences déclarées) pour présenter dans un flux d’activité quelle serait la meilleure personne à contacter, le projet le plus pertinent à aider, ou encore la tâche la plus logique à produire par la suite.

Au cœur de l’architecture de JOGL, de tels algorithmes permettent ainsi de favoriser ces rencontres hasardeuses qui s’avèrent être de manière inattendue bénéfiques à un projet.

Le développement de tels algorithmes de recommandation au profit de collaborations massives nécessite l’apport de disciplines variées, de l’informatique aux sciences sociales, en passant par les mathématiques ou l’éthique. Finalement, le futur de l’intelligence collective se retourne sur lui-même : car c’est bien l’intelligence collective qui devra se mettre au service de son propre devenir.

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici

J’accepte les conditions et la politique de confidentialité

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.