Mon dernier article, coécrit avec Marilia Gehrke et Carl-Gustav Lindén et publié dans la revue Journalism, s’intéresse à la manière dont les codes de déontologie européens encadrent, ou non, les pratiques du journalisme de données. Cette recherche, fondée sur l’analyse de 37 codes issus de 32 pays, montre que les principes fondamentaux du journalisme, tels que l’exactitude, l’équité ou la transparence, sont largement présents dans ces textes. Toutefois, ils restent formulés de manière générale et offrent peu de repères pour accompagner les choix méthodologiques propres au travail sur les données, qu’il s’agisse de leur collecte, de leur traitement, de leur analyse ou de leur mise en forme.
Un angle mort de la déontologie journalistique
Si l’éthique du journalisme de données demeure encore peu explorée, c’est sans doute parce que l’on considère généralement que les principes déontologiques traditionnels s’appliquent naturellement à pratiques fondées sur une approche par données. Pour autant, cette conception est mise à l’épreuve des pratiques professionnelles.
En premier lieu, les données bénéficient généralement d’une image d’objectivité et de neutralité. Elles sont pourtant produites dans des contextes sociaux, institutionnels et politiques particuliers, et répondent à des finalités spécifiques. Et leur traitement implique inévitablement des décisions humaines. C’est précisément là que réside l’un des principaux enjeux éthiques du journalisme de données : les données sont souvent mobilisées pour renforcer la crédibilité et l’exactitude de l’information, alors même que leur utilisation repose sur une série de choix interprétatifs susceptibles d’influencer les résultats.
En second lieu, tout travail reposant sur des données mobilise une série d’opérations complexes, allant de la collecte à la visualisation, en passant par le nettoyage, le croisement et l’analyse des données. Chacune de ces étapes est susceptible d’introduire des risques spécifiques pour la qualité de l’information : biais présents dans les jeux de données, erreurs de mesure ou encore choix d’interprétation qui demeurent souvent invisibles pour le public.
Or, aucun de ces choix ne peut être considéré comme neutre ou objectif, dès lors qu’ils reposent sur des décisions humaines exigeants d’être explicitées, maîtrisées et soumises à un examen critique. Le paradoxe de Simpson est une bonne illustration la dimension interprétative inhérente à toute analyse des données : des tendances observées dans plusieurs groupes de données peuvent s’inverser lorsque ces groupes sont agrégés, conduisant à des conclusions radicalement différentes selon les choix méthodologiques opérés.
De plus, bien que la transparence soit une valeur partagée par la plupart des codes de déontologie européens, ce principe est principalement compris comme l’identification des sources, la transparence sur la propriété des médias ou la gestion des conflits d’intérêts. La transparence méthodologique (rendre visibles la provenance des données, les critères de nettoyage, les choix d’analyse et leurs limites) reste largement absente.
Les codes récemment mis à jour en Belgique flamande, au Kosovo, en Serbie et au Royaume-Uni (Impress) intègrent désormais des dispositions relatives à la transparence dans les usages l’IA. Ces dispositions portent surtout sur l’étiquetage des contenus générés automatiquement et sur la supervision humaine. C’est une avancée, mais qui laisse de côté les pratiques de données en amont, là où naissent précisément de nombreux risques associés à l’IA.
La gouvernance épistémique, un pont vers l’éthique de l’IA
Peu d’entre eux visent d’ailleurs explicitement le journalisme de données, en dehors de quelques dispositions ponctuelles : la présentation des sondages et enquêtes d’opinion (échantillon, commanditaire, période de réalisation, l’exactitude des graphiques et illustrations ou encore l’attribution des données provenant de sources tierces. Aucun ne traite en revanche de la qualité des jeux de données, de leurs biais ou des choix opérés lors de leur analyse. Cette absence de réflexion sur les conditions de production des connaissances est d’autant plus problématique que ces choix méthodologiques influencent directement la qualité et la crédibilité de l’information produite.
Pour dépasser cette limite, nous proposons d’envisager l’éthique du journalisme de données comme une forme de gouvernance épistémique, c’est-à-dire comme l’ensemble des règles, procédures et dispositifs qui structurent la production des connaissances journalistiques.
Alors que les approches déontologiques traditionnelles mettent principalement l’accent sur la responsabilité individuelle du journaliste, la gouvernance épistémique s’intéresse aux conditions dans lesquelles les choix méthodologiques sont réalisés, discutés et contrôlés. Cette perspective conduit à considérer l’éthique non seulement comme un ensemble de valeurs ou de principes, mais aussi comme une exigence intégrée aux pratiques professionnelles elles-mêmes. La documentation des choix méthodologiques, la relecture collective des analyses ou encore le partage de la responsabilité au sein des équipes deviennent ainsi des garanties essentielles de la qualité et de la fiabilité de l’information.
Cette approche processuelle est particulièrement adaptée au journalisme assisté par l’IA, où les risques se distribuent dans des chaînes automatisées. Ainsi, la nature probabiliste des systèmes d’IA amplifie des risques qui trouvent souvent leur origine dans les données elles-mêmes. Des notions issues de l’éthique de l’IA, comme l’explicabilité ou la redevabilité algorithmique, peuvent ainsi nourrir la déontologie journalistique, à condition de construire un langage commun : exactitude, transparence et objectivité ne recouvrent pas nécessairement les mêmes réalités en journalisme et en science des données ou en ingénierie de l’IA.
Corpus, codes et annotations accessibles en libre accès sur OSF : https://osf.io/m4g9r/overview
Dierickx, L., Gehrke, M., & Lindén, C.-G. (2026). From normative principles to epistemic governance: A workflow-based analysis of European journalism ethics in datafied environments. Journalism. https://doi.org/10.1177/14648849261492006
