Sciences du numérique

Par rapport à la classification décimale de Dewey, les domaines couverts[3] se répartissent sous les niveaux 000 (Informatique, information, ouvrages généraux), 500 (mathématiques) et 600 (technologie et sciences appliquées), principalement :

Les grands objets d'études des sciences du numérique sont les systèmes, données, interfaces et modèles. Parmi les systèmes, on peut citer les réseaux. Dans cet exemple, les formalismes vont pouvoir s'appliquer aux réseaux informatiques, mais être ensuite transformés pour étudier des réseaux biologiques (réseaux de neurones, réseaux de gènes, etc.) ou des réseaux humains (réseaux sociaux)[4].

Les sciences du numérique se distinguent des sciences numériques (computational sciences) qui désignent cette approche scientifique basée sur un recours massif aux modélisations informatiques et mathématiques et à la simulation : médecine numérique, biologie numérique, archéologie numérique, mécanique numérique en sont des exemples.

Ce changement de paradigme s'apparente à une « seconde révolution Galiléenne »[5] : ce ne sont plus (pour simplifier) uniquement des équations mathématiques qui décrivent les lois de la nature, mais des algorithmes qui représentent des mécanismes naturels et permettent de les représenter, de les prédire, et d'ajuster leurs variables pour les contrôler.

Les sciences du numérique développent les méthodes et outils fondamentaux et transversaux qu'utilisent les sciences numériques.

Ce terme a été adopté, en France, par les acteurs du domaine, la conférence des présidents d’université et les organismes de recherche liés à ce sujet, lors de la création d'Allistene, « alliance des sciences et technologies du numérique », qui correspond à « l’ensemble du champ des sciences et technologies de l’information et de la communication ». Il a été repris dans la dénomination de l'enseignement de spécialité d'Informatique et sciences du numérique.

Il est principalement utilisé par plus de 10 000 élèves et enseignants de l'enseignement de spécialité Informatique et sciences du numérique, et par l'organisme Inria qui annonce travailler exclusivement sur ce sujet[6].

Le terme anglais de informatics qui est « un large champ académique qui englobe l'informatique, l'interaction humain-ordinateur, la science de l'information, les technologies de l'information, les algorithmes, les domaines des mathématiques (logique mathématique, .), et les sciences sociales qui sont impliqués » dans le numérique est en intersection forte avec « sciences du numérique ».

Son usage permet de rendre explicite le fait que les produits commerciaux de l'informatique et les technologies qui les ont produits sont issus d'une science récente et pluridisciplinaire[7].

C'est une science expérimentale au sens où formaliser un problème par un modèle, puis le simuler dans un paradigme réfutable, pour tester les hypothèses formulées, est une expérience, ici numérique. C'est aussi une science théorique puisque les objets étudiés sont des abstractions des objets issus de la nature ou de la technologique, et qu'ils doivent être étudiés en tant que tel (définitions bien posées, non-contradiction, études de leurs propriétés, etc.).

De grands résultats scientifiques sont offerts par cette science. Par exemple, dès qu'une machine (électronique, abstraite, etc.) qui calcule peut exécuter les « ingrédients de base » des algorithmes, alors elle peut exécuter tous les logiciels du monde : c'est une machine universelle, comme définie par la thèse de Church-Turing. Ce résultat implique par exemple que toutes les « intelligences mécaniques » (ordinateur, robot, etc.) sont qualitativement équivalentes (elles seront justes plus ou moins rapides ou performantes).

Un autre résultat montre le lien entre la science informatique et de grands concepts. C'est la théorie algorithmique de l'information. La complexité d'un message en termes d'information (au sens où "blablabla…" même répété une infinité de fois contient moins d'information que cette page Wikipédia de longueur finie) se définit par « la longueur du plus petit programme écrit avec une machine universelle qui génère le message en question ». Bref, la longueur du plus petit programme indique la complexité du message. Il n'est pas du tout évident, mais c'est le cas, que cette définition est pertinente, bien fondée, ne dépend de la machine choisie qu'à une constante près, et offre une formalisation profonde de cette idée de « complexité ».

Ces deux résultats, sont issus du volet Informatique théorique de ces recherches.

Au fur et à mesure que cette science se popularisera, la pensée informatique[8] enrichira les connaissances humaines et élargira notre vision sur ces sujets.