Injustice épistémique et démocratie délibérative à l’ère du numérique : l’envers du mouvement #BalanceTaStartUp
Notice bibliographique
Résumé
Cet article examine l’envers du mouvement en ligne #BalanceTaStartUp, un équivalent du « #MeToo Au Travail », afin de réfléchir à la mise à jour de l’idéal de démocratie délibérative d’Habermas dans le contexte numérique, particulièrement face à l’injustice épistémique. Cette dernière se manifeste lorsque les connaissances des personnes sont dévalorisées en raison de préjugés liés à leur identité ou à leur statut social.À travers une étude netnographique, j’explore comment le mouvement #BalanceTaStartUp révèle les conditions de travail abusives dans les startups françaises, et comment ces dynamiques minent l’idéal habermassien de démocratie délibérative. Je souligne que l’anonymat, bien qu’il permette aux victimes de partager leurs expériences, devient une arme pour les personnes détractrices en ligne qui cherchent à discréditer ces témoignages. Cette situation empêche la formation d’un dialogue constructif et inclusif, pourtant crucial pour opérer un changement organisationnel conséquent dans l’univers des startups.Les plateformes numériques, guidées par des logiques algorithmiques et capitalistes, exacerbent ces injustices en favorisant le contenu sensationnaliste plutôt que la délibération. En m’appuyant sur la critique d’Habermas émise par Fraser, j’appelle à une réévaluation de la démocratie délibérative pour prendre en compte la réalité du monde numérique, en proposant des pistes de solution pour contrer l’injustice épistémique et promouvoir des voix diverses dans des mouvements en ligne tels que #BalanceTaStartUp.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,039 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».