Apprivoiser l’incertitude : divination algorithmique et mise en scène des avenirs sanitaires

La COVID-19 a démontré le rôle stratégique de la modélisation dans la compréhension des phénomènes de santé publique. Or, par-delà leur impact sanitaire, les algorithmes de modélisation sont porteurs d’implications sociales et culturelles importantes. C’est ce que cette recherche menée par Vincent Duclos se propose d’étudier.

Ce projet aborde les algorithmes de modélisation propres à l’épidémiologie en tant que pratiques divinatoires. Comme pour toute autre forme de pratique divinatoire, la modélisation vise à apprivoiser une réalité incommensurable, fondamentalement incertaine. Elle prend pour objet la traduction de phénomènes biologiques, sociaux et culturels complexes en des tendances intelligibles, sur lesquelles on peut intervenir. Cependant, en mettant en scène des avenirs possibles, la modélisation contribue aussi à réguler la vie sociale au présent. Avec la COVID-19, le spectacle des modèles est devenu familier, se taillant une place de choix dans les imaginaires pandémiques. La pratique divinatoire, jusqu’ici restreinte à des lieux et auditoires bien délimités, est investie de pouvoirs inédits. La légitimité de ces pouvoirs fait également l’objet de vifs débats et contestations.

Ce projet a pour objectif de mieux comprendre comment, en mettant en scène des avenirs sanitaires, les modèles algorithmiques façonnent nos possibilités d’imaginer (et d’intervenir sur) les phénomènes de santé. Il a également pour intention de documenter la transformation de la santé publique sous l’influence de la science des données, et ce, à l’échelle mondiale. Une attention particulière est accordée à la contestation de sa légitimité, incluant de sa prétention à apprivoiser l’incertitude. Pour ce faire, la recherche repose sur une méthodologie impliquant :

• des entretiens avec des acteurs impliqués dans la modélisation de la santé publique, incluant de la COVID-19;
• une analyse de modèles pour comprendre les hypothèses qu’ils intègrent ainsi que leurs effets sanitaires, sociaux et politiques;
• et une analyse de contenu médiatique examinant les débats entourant la modélisation de la COVID-19.

FRQSC Soutien à la relève professorale, 2021-2024