L’ÉNA hors les murs , revue des anciens élèves de l’ÉNA, numéros de juin à juillet-août 2019
Bibliographic record
Abstract
NOTES DE LECTUREJean HAËNTJENS, Comment les géants du numérique veulent gouverner nos villes ; la cité face aux algorithmes, Rue de l'échiquier, 2018, 162 p.En 2017, pour la première fois, l'aménagement d'un quartier, Quay Side à Toronto, est intégralement confié à Google, plus précisément à Sidewalk, branche d'innovation urbaine d'Alphabet, maison mère de Google.L'essai de Jean Haëntjens s'ouvre sur l'évocation de ce projet, ce qui permet à l'auteur d'énoncer directement sa principale crainte : l'effondrement progressif de la démocratie locale au profit d'entreprises, a fortiori au profit des géants du numérique.L'auteur est consultant en stratégie urbaine, diplômé d'HEC et de l'École d'urbanisme de Sciences Po. Son premier ouvrage, Le pouvoir des villes, paraît en 2008.Dès l'introduction de Comment les géants du numérique veulent gouverner nos villes, il donne au lecteur la mesure des enjeux du fonctionnement du cadre urbain : trois milliards d'êtres humains supplémentaires deviendront citadins d'ici à 2050.La ville est plus que jamais un espace clef des problématiques économiques, écologiques, sociétales mais aussi géopolitiques.Les autorités publiques doivent rapidement prendre conscience de l'affrontement à l'œuvre entre deux modèles de gouvernance urbaine : d'un côté la « cité politique », de l'autre la « ville algorithmique ».Cet « affrontement théorique » proposé par de Jean Haëntjens présente les avantages et les inconvénients de sa pédagogie : une clarification, une dualité parfois un peu réductrice mais qui permet une synthèse et une prise de hauteur sur un sujet souffrant d'un déficit d'anticipation et de planification.D'un côté donc, la cité politique, qui connaît aujourd'hui un « passage à vide », la rendant difficilement capable de peser face aux géants de l'économie numérique.La révolution des métropoles s'essouffle ; les limites budgétaires des pouvoirs locaux risquent de se traduire par un transfert des responsabilités vers le secteur privé.Les « macro-lots » -ou la charge simultanée de plusieurs services : eau, assainissement, transport, comme à Dijon, concédé à un seul puissant opérateur -démontrent une perte d'influence des élus sur le terrain.L'auteur rejette l'idée d'un maire qui choisirait tous les vingt ans l'entreprise concessionnaire des services de sa ville.Il appelle les élus à ne pas abandonner la « propriété de la société civile », et les administrations locales à défendre leurs compétences techniques et politiques.Cette cité politique doit jongler entre trois éléments.D'abord elle doit réguler les nouveaux services urbains spontanés ou offres disruptives qui viennent perturber les services qu'elle propose : Uber et l'émergence des moyens de mobilité en libre-service -trottinettes électriques, vélos sans borne, etc. -sont jusqu'à maintenant les meilleurs exemples d'interférences d'offres privées avec une politique publique de mobilité réfléchie comme un ensemble.Ensuite, elle doit s'affirmer dans ses rapports avec les prestataires privés sur son territoire, parfois un prestataire unique comme dans l'exemple de Dijon.Enfin, la cité politique doit répondre aux aspirations de démocratie locale des citadins.Ce sera donc sa capacité à structurer un jeu d'acteurs complexe tout en gardant une vision à long terme, une indépendance, qui constituera à la fois son principal défi et sa valeur ajouté.En face, la ville algorithmique où la marge de manœuvre des administrations et des élus s'est effacée au profit des agents du numérique.L'auteur distingue bien les acteurs, les géants du numérique, des technologies utilisées.Les outils numériques et techniques seront bien sûr nécessaires à la gouvernance urbaine, et la cité politique doit les inclure dans son fonctionnement et dans son évolution ; l'enjeu réside dans le statut du maître d'œuvre.1. Auteur américain qui a notamment publié Le mirage numérique : pour une politique du Big Data, édité en français par Les prairies ordinaires en 2015.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.068 | 0.030 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".