Activité numérique : l’ensemble des actions posées par un individu dans un environnement numérique, que ce soit sur un ordinateur, un téléphone ou tout autre objet connecté. (Déclaration de Montréal, 2019)
Adresse IP : Une adresse IP est un numéro d’identification attribué à un ordinateur connecté à un réseau Internet. Concrètement, ce matricule sert à identifier les machines et à leur permettre de dialoguer entre elles, en échangeant des données sur Internet. Chaque ordinateur se voit attribuer une adresse IP fixe (s’il reste toujours allumé) ou une adresse IP dynamique (si l'ordinateur est fréquemment redémarré). (Le Parisien, 2019)
Algorithme : une méthode de résolution de problèmes par une suite finie et non ambigüe d’opérations. Plus précisément dans le domaine de l’intelligence artificielle, il s’agit de la suite d’opérations appliquées aux données d’entrées pour arriver au résultat désiré. (Déclaration de Montréal, 2019)
Apprentissage machine (machine learning) : la branche de l’intelligence artificielle qui consiste à programmer un algorithme à apprendre par lui-même. Parmi la multitude de techniques, on distingue trois types majeurs d’apprentissage machine :
• En apprentissage supervisé, le système d’intelligence artificielle (SIA) apprend à prédire une valeur à partir d’une donnée entrée. Cela nécessite d’avoir des couples entrée-valeur annotés lors de l’entrainement. Par exemple,
• un système peut apprendre à reconnaître l’objet présent sur une photo.
• En apprentissage non supervisé, le SIA apprend à trouver des similitudes entre des données qui n’ont pas été annotées, par exemple afin de les diviser en différentes partitions homogènes. Ainsi, un système peut reconnaître des communautés d’utilisateurs de réseaux sociaux.
• En apprentissage par renforcement, le SIA apprend à agir sur son environnement de façon à maximiser une récompense qui lui est donnée lors de l’entrainement. C’est la technique avec laquelle des SIA ont pu battre des humains au jeu de Go ou au jeu vidéo Dota2. (Déclaration de Montréal, 2019)
Apprentissage non-supervisé (unsupervised learning) : le SIA apprend à trouver des similitudes entre des données qui n’ont pas été annotées, par exemple afin de les diviser en différentes partitions homogènes. Ainsi, un système peut reconnaître des communautés d’utilisateurs de réseaux sociaux. (Déclaration de Montréal, 2019)
Boîte noire : Un système dont le fonctionnement est mystérieux; nous pouvons observer les entrées (inputs) et les sorties (outputs), mais nous ne pouvons pas expliquer comment l’un est devenu l’autre. Nous […] n’avons pas d’idée claire sur l’ampleur des déplacements de l’information, comment elles sont utilisées, ou quelles sont leurs conséquences. (Pasquale, 2015 : 3, notre traduction)
Chaîne de blocs (blockchain) : À son niveau le plus de base, la chaîne de bloc est littéralement juste une chaîne de blocs, mais pas dans le sens traditionnel de ces mots. Quand l’on dit les mots « chaîne » et « bloc » dans ce contexte, on parle plutôt de l’information digitale (le « bloc ») stockée dans une base de données publique » (la « chaîne »). Les « blocs » sur la chaîne de blocs sont faits de pièces d’information digitales. Plus spécifiquement, ils ont trois parties :
1. Les blocs stockent de l’information sur les transactions comme la date, le temps, et le montant en dollar de votre plus récent achat sur Amazon. (NOTE : Cet exemple d’Amazon n’est que pour illustrer l’achat; Amazon ne fonctionne pas sur un principe de chaîne de bloc au moment d’écrire ces lignes).
2. Les blocs stockent de l’information sur les participants dans la transaction. […] 3. Les blocs stockent de l’information qui les distingue des autres blocs. […] Même si les détails de votre nouvelle transaction étaient presque identiques aux achats précédents, on pourrait toujours dire si les blocs sont différents parce qu’ils ont des codes uniques. (Reiff, 2020, notre traduction)
Digital labor : Une contribution à faible intensité et à faible expertise mise à profit via des algorithmes et des fouilles de données. (Cardon et Casilli, 2015 : 21)
• Travail du clic (ou microtravail) : Des activités standardisées et à faible qualification. […] Ce type de digital labor est strictement lié à la pratique du « calcul assisté par l’humain » (human-based computation), qui consiste à dépêcher des travailleurs pour effectuer des opérations que les machines sont incapables d’accomplir elles-mêmes. Le micro-travail consiste en la réalisation de petites corvées telles que l’annotation de vidéos, le tri de tweets, la retranscription de documents scannés, la réponse à des questionnaires en ligne, la correction de valeurs dans une base de données, la mise en relation de deux produits similaires dans un catalogue de vente en ligne, etc. (Casilli, 2019 : 119)
Données numériques :
• Analyse des données (data analytics) : La science de l’analyse des données brutes dans le but d’en produire des conclusions sur ces informations. Plusieurs techniques et processus de l’analyse des données ont été automatisés par des processus mécaniques et des algorithmes qui fonctionnent par les données brutes pour la consommation humaine. Les techniques d’analyse de données peuvent révéler des tendances et des métriques qui seraient autrement perdues dans la masse d’informations. Ces informations peuvent alors être utilisées pour optimiser les processus pour augmenter l’efficience globale d’une entreprise ou d’un système. (Frankenfield, 2019, notre traduction)
• Données massives (big data) : Terme appliqué aux jeux de données qui sont de taille ou de type au-delà des habiletés traditionnelles qu’une base de données est capable de saisir, gérer et traiter avec une faible latence [délais entre la stimulation et la réponse]. Les données massives ont souvent une ou plusieurs des caractéristiques suivantes : grand volume, grande vélocité ou grande variété. L’intelligence artificielle, les cellulaires, le social et l’internet des objets conduisent la complexité des données vers de nouvelles formes et sources de données. Par exemple, les données massives venant des capteurs, appareils, vidéos/audios, réseaux, rapports de fichiers, applications de transaction, web, et médiaux sociaux – la plupart étant générées en temps réel et à très grande échelle. (IMB, notre traduction)
• Données comme du capital (data as capital, DaC) : Traitement des données comme un échappement naturel de la consommation qui peut être collecté par les entreprises. (Arrieta Ibarra et al., 2017 : 2, notre traduction)
• Données comme du travail (data as labor, DaL) : Traitement des données comme la possession des utilisateurs et utilisatrices, qui devrait principalement bénéficier leurs propriétaires. (Arrieta Ibarra et al., 2017 : 2, notre traduction)
• Données personnelles : [T]oute information se rapportant à une personne physique identifiée ou identifiable (ci-après dénommée « personne concernée »); est réputée être une « personne physique identifiable » une personne physique qui peut être identifiée, directement ou indirectement, notamment par référence à un identifiant, tel qu'un nom, un numéro d’identification, des données de localisation, un identifiant en ligne, ou à un ou plusieurs éléments spécifiques propres à son identité physique, physiologique, génétique, psychique, économique, culturelle ou sociale. (Commission européenne, 2016 : article 4)
• Données dérivées (secondaires ou prédictives) : Les informations dérivées des autres parties de la présence en ligne d’un individu, incluant toutes analyses, résumés ou agrégation de données et de n’importe quelles inférences comme les caractéristiques, segmentation, profilage ou évaluation de l’individu. (Kugler, 2018 : 17, notre traduction)
• Données primaires (ou brutes, raw) : Les données qui n’ont pas encore été traitées. […] La plupart des techniques d’analyse des données et d’apprentissage machine requièrent des données dans ce format brut. (Bock, notre traduction)
• Données ouvertes (open data) : Les données ouvertes désignent les données numériques auxquelles les usagers peuvent accéder librement. C’est par exemple le cas pour la plupart des résultats de recherche publiés en IA. (Déclaration de Montréal, 2019)
• Données des utilisateurs et utilisatrices : Combinaisons de l’ensemble des données produites par et sur les individus. Cela inclut les données personnelles directement et indirectement identificatoires, les données primaires, ainsi que les données dérivées. • Métadonnées : [U]ne métadonnée est une donnée qui fournit de l’information sur une autre donnée. Il s’agit en fait des renseignements qui sont générés lorsqu’on utilise la
technologie et qui permettent de situer dans leur contexte (qui, quoi, où, quand et comment) diverses activités. Ces activités peuvent aller de la création d’un document à un appel téléphonique en passant par le clavardage. Dans le contexte des communications, les métadonnées fournissent certaines précisions sur la création, la transmission et la diffusion d’un message. À cet égard, les métadonnées peuvent, par exemple, indiquer la date et l’heure où un appel téléphonique a été fait ou le lieu à partir duquel un courriel a été consulté. (Commissariat à la protection de la vie privée du Canada, 2014)
• Minage de données (data mining) : Processus utilisé par les compagnies pour transformer les données brutes en informations utiles. En utilisant des logiciels qui cherche des motifs [patterns] dans de larges lots de données, les entreprises peuvent apprendre plus de leurs consommateurs pour développer des stratégies de commercialisation, augmenter leurs ventes et diminuer leurs coûts. Le minage de données dépend de la collective de données véritables, de l’entreposage et du traitement informatique. (Twin, 2019, notre traduction)
Effet de réseau : Un effet de réseau se produit lorsque la valeur d'un bien ou service augmente avec l’ajout d’un nouvel utilisateur. (Thénière et Morel, 2019)
Entraînement : le processus de l’apprentissage machine pendant lequel le SIA construit un modèle à partir de données. Les performances du SIA [système d’intelligence artificielle] dépendront de la qualité du modèle, lui-même dépendant de la quantité et de la qualité des données utilisées durant l’entrainement. (Déclaration de Montréal, 2019)
Intelligence artificielle (IA) : désigne l’ensemble des techniques qui permettent à une machine de simuler l’intelligence humaine, notamment pour apprendre, prédire, prendre des décisions et percevoir le monde environnant. Dans le cas d’un système informatique, l’intelligence artificielle est appliquée à des données numériques. (Déclaration de Montréal, 2019)
Mise en donnée (datafication) : La transformation des actions sociales en données quantifiées connectées, permettant le suivi en temps réel et l’analyse prédictive. Plus simplement, il s’agit de prendre des activités/processus précédemment invisibles et de les transformer en données, qui peuvent être surveillées, tracées, analysées et optimisées. Les technologies les plus récentes que nous utilisons ont activé beaucoup de nouveaux moyens de « datafier » nos activités de bases et quotidiennes. (Shilova, 2018, notre traduction)
Monopsone : Régime de formation des prix dans lequel un acheteur unique trouve en face de lui une multitude de vendeurs. (Larousse en ligne, s.d.)
Oligopsone : Régime caractérisé par un petit nombre d'acheteurs face à un grand nombre de vendeurs, par opposition à oligopole. (Larousse en ligne, s.d.)
Plateforme : Ce terme est polysémique. Une première acception couvrirait notamment les « écosystèmes d’applications », les sites de partage de contenus et les places de marché, bref, tous les sites qui permettent à des tiers de proposer des contenus, des services ou des biens ; une seconde acception, plus large […] couvrirait également tous les sites qui servent de point de passage pour accéder à d’autres contenus, notamment les moteurs de recherche, les agrégateurs ou les comparateurs de prix. Tous ces sites ont en commun d’être des portes d’entrée, soit pour l’expression des internautes, soit pour l’accès des internautes à d’autres biens et services, soit les deux. (Conseil d’État, 2014 : 215-216)
Profil de risque : Dans un contexte d’assignation par un algorithme d’intelligence artificielle, le profil de risque représente un score probabiliste mesurant divers attributs d’un individu. Ces attributs peuvent être très divers, par exemple la fiabilité, la beauté, ou les aptitudes de conduite. Ils peuvent être mesurés par une série de facteurs objectifs et subjectifs. Ces scores permettent de comparer des individus au sein d’un même groupe ou selon certains seuils et peuvent servir de guide aux décisions.
Service conduit par les données (ou data driven service) : [Service dont] les décisions sont basées sur les données et les faits, non sur les expériences personnelles ni l’intuition. […]
Dans le contexte moderne, être conduit par les données (being data-driven) ne concerne pas uniquement la prise de décisions et la création de stratégies, cela concerne la création d’une culture de pensée logique. (IO Technologies, s.d., notre traduction)
Service d’infonuagique (cloud server) : Une puissante infrastructure physique ou virtuelle qui effectue un stockage du traitement d’applications et d’informations. […] [Les organisations et les utilisateurs] peuvent accéder à distance aux fonctions du serveur virtuel via une interface en ligne. (IBM Cloud Education, 2019, notre traduction)
Système d’intelligence artificielle (SIA) : Un système d’IA désigne tout système informatique utilisant des algorithmes d’intelligence artificielle, que ce soit un logiciel, un objet connecté. (Déclaration de Montréal, 2019)
Témoin (cookie) : Le nom est une version écourtée d’un « magic cookie », qui est un terme pour un paquet de données qu’un ordinateur reçoit et renvoie sans le changer ni l’altérer. […] [U]n cookie informatique consiste en de l’information. Quand nous visitons un site web, le site envoie un cookie à notre ordinateur. Notre ordinateur le conserve dans un fichier à l’intérieur de notre navigateur internet. […] L’objectif de ces cookies informatiques est d’aider les sites web à garder une trace de nos visites et de nos activités. (Norton US, s.d. notre traduction)