Une donnée moderne semble légère parce qu’elle arrive sous forme de ligne dans un tableau, de fichier JSON ou de valeur dans une base. Elle se copie sans bruit, se déplace à la vitesse du réseau et s’affiche dans des interfaces qui masquent presque entièrement sa fabrication. Le mot lui-même encourage cette illusion : data, ce qui est donné.

L’article d’Alexey Pomigalov dans Nightingale raconte une histoire plus rugueuse. Il passe par un os marqué, une tablette administrative d’Uruk, les fiches du métier Jacquard, la tabulation du recensement américain et l’usage d’une base relationnelle pour étudier les signes de l’art rupestre.1 Le projet Retrospect de DataArt organise une histoire voisine autour de trois opérations — traiter, représenter, interfacer — et rappelle que l’informatique n’est pas seulement une suite de machines, mais une longue série de décisions sur la manière de rendre le monde manipulable.2

Le sujet n’est donc pas « l’ordinateur existait-il avant l’ordinateur ? ». Ce serait une façon paresseuse de transformer toute pratique de comptage en préhistoire numérique. Le sujet est plus précis : que devient une information quand elle doit être fixée dans une matière, confiée à une autre personne, triée par une machine imparfaite, puis vérifiée avant de produire une décision ? Les anciennes chaînes de traitement donnent une anatomie concrète de questions que nos pipelines cloud ont tendance à cacher.

Compter n’est pas encore traiter

Nightingale commence par une hypothèse sur les marques et les cycles. L’article évoque un os portant 29 entailles, souvent associé au calendrier lunaire, et avance une lecture attentive aux activités féminines de comptage et de conservation des observations.1 Cette attribution ne doit pas être durcie en certitude : l’objet et son interprétation restent discutés. Ce qui est solide pour notre propos est la fonction imaginable de la marque : externaliser une mémoire afin de comparer un présent à des occurrences précédentes.

Une marque ne contient pas encore une base de données. Elle devient utile lorsqu’un groupe sait ce qu’elle signifie, dans quel ordre la lire et quelle action elle autorise. Une entaille peut compter un jour, une naissance, une livraison ou un animal. Sans convention partagée, elle est une trace; avec une convention, elle devient un enregistrement.

Cette différence existe encore dans un entrepôt de données. Une colonne status n’est pas une information parce qu’elle s’appelle status. Il faut savoir qui l’écrit, à quel moment, quelles valeurs sont autorisées, ce que signifie l’absence de valeur et si « cancelled » décrit une décision ou une erreur de saisie. La donnée n’est pas seulement une valeur; c’est une valeur plus un protocole de lecture.

Le passage de la trace au registre ajoute du travail. Il faut choisir ce qui mérite d’être compté, répéter la mesure, noter les exceptions et conserver un ordre. Ce travail est souvent présenté comme préparatoire, donc secondaire. Pourtant il détermine ce que la machine ou l’analyste pourra voir plus tard.

La tablette qui impose des colonnes

L’exemple d’Uruk est plus concret. Nightingale décrit une tablette proto-cunéiforme datée d’environ 3300–3200 avant notre ère, associée à des comptes de céréales et de malt.1 Le Louvre présente l’apparition de l’écriture comme liée à des besoins administratifs : enregistrer des quantités, des biens et des échanges dans une société qui ne peut plus dépendre uniquement de la mémoire des personnes.3

Une tablette comptable ne se contente pas de conserver un nombre. Elle découpe une situation en unités : un produit, une quantité, un fournisseur, un destinataire, parfois une date ou un responsable. La matière impose un format. L’argile permet d’inscrire des signes et de les conserver, mais elle rend les modifications difficiles. Une erreur ne se corrige pas comme une cellule de tableur : il faut gratter, ajouter une marque, refaire la tablette ou accepter qu’une couche de correction fasse partie de l’objet.

La rigidité a un avantage. Une tablette ne se met pas à jour silencieusement. Ses corrections, ses traces et ses incohérences restent visibles. La base moderne est plus pratique, mais elle peut rendre une transformation invisible : une migration écrase une valeur, un script remplace un identifiant, une colonne est renommée, un tableau est recalculé. L’ancienne matière ne garantit pas la vérité; elle rend simplement les opérations plus difficiles à dissimuler.

Le format tabulaire qui nous paraît naturel est lui aussi une décision historique. Mettre les informations en lignes et colonnes produit une relation entre positions. Deux unités deviennent comparables parce qu’elles occupent le même type de case. Un tableur ne « découvre » pas une structure; il oblige un problème à entrer dans une structure lisible.

Le métier Jacquard : quand le motif devient instruction

L’article de Nightingale relie ensuite les cartes perforées du métier Jacquard à l’histoire du calcul programmable.1 Il faut éviter le raccourci selon lequel Jacquard aurait inventé l’ordinateur. L’apport est ailleurs : un motif textile peut être décrit comme une suite d’instructions matérielles séparée du mécanisme qui les exécute.

Une chaîne de cartes encode la levée de certains fils. Le métier lit cette chaîne et produit une répétition. Le dessin n’est plus seulement dans la main de l’ouvrier ou dans la matière finale; il existe aussi dans une partition physique qui peut être stockée, transportée et réutilisée. La carte crée une séparation entre programme et machine.

Cette séparation change la nature de l’erreur. Une mauvaise perforation n’est pas seulement un défaut local : elle peut produire une anomalie à chaque répétition du motif. La correction consiste à trouver la carte, la colonne et la relation entre le trou et le geste mécanique. Le débogage est déjà là, sous une forme qui ne porte pas encore ce nom.

Les cartes sont aussi une manière de transmettre un savoir. L’histoire des collections du Smithsonian montre comment la carte perforée devient ensuite un support général de traitement de données, bien au-delà du contrôle textile.6 On ne donne pas seulement un tissu; on donne une séquence reproductible. Mais cette reproductibilité ne supprime pas le travail. Il faut préparer les cartes, les aligner, repérer les ruptures, réparer les chaînes et vérifier que le motif produit correspond à l’intention. L’automatisation déplace le geste au lieu de le faire disparaître.

Hollerith et le recensement comme chaîne de transformation

La tabulation Hollerith rend cette logique spectaculaire parce qu’elle traite des personnes à l’échelle d’un État. Le Smithsonian décrit un système composé d’un poinçon pour inscrire les données sur une carte vierge, d’une tabulatrice pour lire et additionner, et d’un trieur pour organiser les cartes avant une nouvelle analyse.4 Le Census Bureau explique le principe électrique : les trous permettent à des pointes de fermer un circuit et de déclencher le comptage.5

Ce détail mécanique mérite plus d’attention que la légende de la machine rapide. La carte n’est pas l’équivalent ancien d’un fichier; elle est un contrat entre plusieurs gestes. Une personne lit un formulaire, choisit une catégorie, frappe des trous. La machine lit une configuration de trous. Un opérateur trie les cartes. Une autre passe peut les compter selon une combinaison différente. Chaque étape peut introduire, conserver ou amplifier une erreur.

La sortie dépend donc de toute la chaîne, pas du seul tabulateur. Une machine fiable peut produire une statistique fausse si le formulaire était ambigu, si une réponse a été mal classée ou si un paquet de cartes a été mélangé. À l’inverse, une vérification humaine peut repérer une valeur improbable avant la publication. Le traitement n’est pas une boîte noire; c’est une succession de traductions.

Les cartes rendent cette succession visible. On peut les compter, les déplacer, les faire tomber, les classer par bord, les stocker dans des boîtes et les comparer physiquement. La panne peut être logistique avant d’être électronique. Le support est à la fois mémoire, interface, unité de travail et objet de contrôle qualité.

Le système crée aussi une nouvelle possibilité politique : compter plus vite permet d’administrer plus largement, mais la catégorie choisie sur le formulaire devient une réalité statistique. Une population n’est pas seulement mesurée; elle est découpée par les cases disponibles. La puissance du traitement vient avec une responsabilité de design.

Le travail qui disparaît derrière la machine

On raconte souvent la tabulation comme un remplacement du travail manuel par l’électricité. C’est trompeur. La machine automatise certaines opérations, mais elle crée un atelier de préparation, d’alimentation, de tri, de correction et de maintenance. Le travail ne s’évapore pas; il se répartit entre des personnes et des machines, et certaines tâches deviennent moins visibles.

La NASA offre un parallèle précis. À Langley, avant les ordinateurs électroniques, le terme computer désignait une personne chargée de calculer. Les équipes, majoritairement féminines, lisaient des films de mesures, effectuaient des calculs, traçaient des courbes et vérifiaient les résultats.7 Les opératrices utilisaient règles à calcul, loupes, machines Marchant ou Friden et feuilles de travail. Le résultat n’était pas une ligne produite par une machine, mais une chaîne de lectures et de contrôles dont chaque étape devait rester interprétable.

Cette histoire n’est pas seulement une correction féministe de l’histoire informatique. Elle montre une architecture de qualité. Les calculatrices savaient quelles données regarder, comment traiter les cas, quand demander une vérification et comment présenter un résultat à l’ingénieur. Leur expertise était incorporée dans les méthodes, les tableaux et les habitudes de l’équipe, même si le titre « subprofessionnel » et les possibilités de promotion en minimisaient la valeur.7

Lorsque les machines électroniques arrivent, certaines human computers deviennent programmeuses. Le transfert est moins une disparition qu’un changement de couche : au lieu d’exécuter chaque opération, elles écrivent les instructions, préparent les données et contrôlent les sorties. Le savoir du traitement migre vers le code, mais la nécessité d’interpréter les résultats demeure.

De la carte perforée au pipeline de données

La comparaison avec aujourd’hui devient utile quand on cesse de chercher des ressemblances visuelles. Un pipeline moderne remplace la carte par des fichiers, des messages et des tables distribuées. Il remplace le trieur par des jobs, des partitions et des clés. Il remplace la vérification de la feuille par des tests de schéma et des dashboards. Mais la logique fondamentale persiste : une donnée doit être capturée, encodée, transportée, transformée, contrôlée et interprétée.

Ce qui a changé, c’est la visibilité des opérateurs. Le cloud donne l’impression qu’une donnée passe directement d’un capteur à un modèle. Entre les deux, des personnes nettoient, recodent, fusionnent, annotent, surveillent les tâches et répondent aux anomalies. Elles sont rarement représentées dans le diagramme du pipeline, comme les personnes qui alimentaient et triaient les cartes sont absentes de la photo héroïque du tabulateur.

La différence est que la vitesse et l’échelle modernes rendent l’erreur plus difficile à localiser. Un paquet de cartes mal trié pouvait être retrouvé dans une boîte. Une transformation distribuée peut produire des millions de lignes incohérentes avant qu’un graphique de synthèse ne change assez pour attirer l’attention. La matérialité n’a pas disparu : elle s’est déplacée vers les disques, les files de messages, les quotas, les versions de schéma et la facture énergétique.

Les vieilles chaînes nous donnent alors une règle de conception simple : chaque transformation doit avoir un propriétaire, une trace et une manière de refaire l’opération. Si un fichier est nettoyé, garder la version brute ou documenter la perte. Si une catégorie est fusionnée, conserver la table de correspondance. Si un modèle est entraîné sur des annotations, savoir qui a décidé les cas ambigus. La répétabilité n’est pas seulement une question de code; c’est une question d’archive.

L’art rupestre et la base comme instrument de lecture

Nightingale termine sur les travaux de Geneviève von Petzinger, qui a utilisé une base relationnelle pour comparer des signes géométriques dans 146 sites d’art rupestre français.1 Le projet de von Petzinger documente lui-même ce catalogue comparatif de signes récurrents.8 L’intérêt ne réside pas dans l’idée simpliste d’avoir « enfin décodé » les grottes. Le travail montre ce qu’un système de données rend possible : comparer des formes éloignées lorsque les observations ont été normalisées et indexées.

Mais la base ne parle pas seule. Il faut définir ce qui compte comme un signe, décider si deux formes sont les mêmes, enregistrer le site, la période et le contexte, puis interpréter une répétition. La structure relationnelle ouvre une question en même temps qu’elle la pose : quelles régularités apparaissent parce que le monde les contient, et lesquelles apparaissent parce que notre taxonomie les rend visibles ?

Cette ambiguïté est familière aux équipes qui construisent des datasets. Une classification facilite une comparaison, mais elle élimine des différences. Une base est toujours une proposition sur ce qui mérite d’être séparé ou rapproché. Les données ne sont pas fausses parce qu’elles sont structurées; elles deviennent dangereuses lorsqu’on oublie la structure qui les a produites.

La matière n’est pas nostalgique

Le passé des cartes perforées ne fournit pas un modèle à copier. Il fournit une friction salutaire. Une carte, une tablette ou une feuille de calcul rappelle que l’information a un support, un coût, une vitesse, des opérateurs et des points de rupture. Les interfaces numériques ont rendu ces propriétés plus flexibles, mais pas moins réelles.

La prochaine fois qu’un pipeline est dessiné comme une flèche entre « données » et « insight », il manque probablement quelques ateliers. Qui a décidé les catégories ? Qui a transcrit le formulaire ? Qui a réparé le cas impossible ? Quelle copie est la source ? Où est la dernière version lisible ? Comment saura-t-on, dans six mois, ce que voulait dire cette colonne ?

Les anciennes pratiques de traitement ne disent pas que les humains étaient meilleurs que les machines. Elles montrent que toute automatisation repose sur une distribution du travail et sur une matière qui permet de conserver — ou d’effacer — les étapes. Une donnée n’est pas seulement ce qu’un système calcule. C’est aussi la trace de la façon dont une société a choisi de rendre le monde comptable.