La « fin de la théorie » n’étant pas pour aujourd’hui, il est plus que jamais crucial dans l’analyse computationnelle de données, de rester vigilant aux hypothèses, aux modèles, aux méthodes mobilisées en chaque point de nos chaînes de traitement (pipelines) afin d’en mesurer les effets, les biais, les limites. Dans un premier temps, je donnerai un exemple en humanités numériques d’une telle analyse critique de pipeline. En effet, les sciences humaines et sociales sont elles aussi secouées par l’irruption des données et de l’apprentissage machine. Lesdites « humanités numériques » ne sont pas un cas exceptionnel mais un cas limite qui rend d’autant plus saillantes les problématiques auxquelles toute recherche scientifique fait face. Dans un second temps, les participants répartis en groupes feront l’analyse critique partielle d’une de leurs chaînes de traitement : explicitation étape par étape de toute la chaîne de production, nettoyage, analyse, stockage et partage des données, puis contextualisation et retour critique sur une ou plusieurs de ces étapes. Ce temps d’atelier sera suivi d’une courte restitution et discussion.