En cette journée internationale des droits des femmes, l’association odyssée céleste vous partage son coup de cœur ❤️ !
L’interview d’exception de Claire Mathieu, Directrice de recherche en informatique à l’IRIF (Institut de Recherche en Informatique Fondamentale). Claire Mathieu et ses équipes ont modélisé le plafond de verre, très étudié par les experts de la sociologie moderne, et l’ont mathématiquement démontré.
« Le plafond de verre est défini depuis longtemps dans toutes les organisations hiérarchiques. Il décrit ce qui empêche une catégorie de personnes comme les femmes, d’accéder aux postes en haut de la hiérarchie proportionnellement à ce qu’on attendrait. Ce que nous avons fait, ça a été un travail théorique, c’est de la modélisation. Quand on parle de réseaux sociaux en général, on pense à un milieu qui n’est pas naturellement hiérarchisé, tout le monde peut intervenir. Mais dans les réseaux sociaux, on voit émerger des gens qui ont davantage d’influence que les autres. Peut-on définir une notion de plafond de verre là-dedans ? »
L’interview d’exception de Claire Mathieu, Directrice de recherche en informatique à l’IRIF (Institut de Recherche en Informatique Fondamentale). Claire Mathieu et ses équipes ont modélisé le plafond de verre, très étudié par les experts de la sociologie moderne, et l’ont mathématiquement démontré.
« Le plafond de verre est défini depuis longtemps dans toutes les organisations hiérarchiques. Il décrit ce qui empêche une catégorie de personnes comme les femmes, d’accéder aux postes en haut de la hiérarchie proportionnellement à ce qu’on attendrait. Ce que nous avons fait, ça a été un travail théorique, c’est de la modélisation. Quand on parle de réseaux sociaux en général, on pense à un milieu qui n’est pas naturellement hiérarchisé, tout le monde peut intervenir. Mais dans les réseaux sociaux, on voit émerger des gens qui ont davantage d’influence que les autres. Peut-on définir une notion de plafond de verre là-dedans ? »
Category
📚
ÉducationTranscription
00:00 Bonjour, je m'appelle Claire Mathieu, je suis chercheure en informatique, je travaille sur
00:06 les algorithmes au CNRS à Paris. Alors quel a été votre parcours d'étudiante ? Je suis née à Caen et
00:17 je suis une enfant d'école publique, donc j'ai été dans le public toute ma vie en France. Et dans
00:26 mes études primaires et secondaires, je dirais que le moment le plus intéressant c'est quand j'étais
00:30 au collège. À Caen, j'ai passé trois ans, sixième, cinquième, quatrième, dans ce qui s'appelle
00:36 maintenant le collège Stephen Hawking, qui est dans une zone rep+ de la banlieue de Caen,
00:46 dans ce qu'on appelait autrefois le quartier de la grâce de Dieu. Et je me rappelle de ces trois
00:53 ans en particulier parce que nous avions des professeurs qui étaient typiquement des
00:57 professeurs jeunes, souvent ça pouvait être leur premier poste, et ils étaient dynamiques,
01:03 plein d'enthousiasme et plein d'idées pour essayer de faire passer, de nous enseigner des choses. Donc
01:09 nous avons fait toutes sortes de projets originaux comme apprendre le français en créant des mots
01:14 croisés, beaucoup de sorties culturelles et donc j'ai gardé un excellent souvenir de ces trois
01:19 années. Ensuite, après mes études secondaires, j'ai eu un parcours très classique, classe
01:26 préparatoire à Paris, puis j'ai eu la grande chance d'intégrer l'école normale supérieure qui m'a
01:32 permis de financer la suite de mes études pendant quatre ans. Ayant commencé en mathématiques,
01:38 je me suis ensuite réorientée vers l'informatique, puis une thèse de doctorat en informatique.
01:44 Quel a été votre parcours professionnel ?
01:51 Après la fin de mes études de doctorat, je suis allée en post-doc aux Etats-Unis. Donc
02:00 mon parcours professionnel a été vraiment partagé entre la France et les USA. Mon domaine de
02:06 recherche est très... les USA sont très en avance, donc j'y ai passé beaucoup de temps,
02:11 j'y ai fait des séjours fréquents, j'y ai travaillé pendant une dizaine d'années au cours de ma
02:15 carrière. Donc en France, j'ai beaucoup bougé au CNRS, puis comme professeur à l'Université d'Orsay,
02:27 puis comme professeur à l'école polytechnique et à l'UF, puis l'Institut universitaire de France,
02:35 puis aux Etats-Unis, puis retour en France au CNRS, bref, toutes sortes d'endroits. L'économie
02:42 supérieure de Lyon, j'oubliais, l'économie supérieure de Paris...
02:48 Qui est une incontournable dans l'excellence des mathématiques françaises d'un point de vue à la
02:53 fois historique, politique, puisqu'il me semble de mémoire. C'était Napoléon qui avait favorisé
02:59 l'apparition de cette école du côté de Lyon et qui est restée dans les mathématiques, je crois,
03:05 l'une des premières sur les meilleurs... Je ne sais pas, mais en tout cas, les écoles
03:10 nomades supérieures, c'est pour la formation des gens qui, a priori, se destinent à l'enseignement
03:15 supérieur et à la recherche. Et ça me convenait tout à fait parce que j'avais envie de faire de
03:20 la recherche depuis mon enfance. J'ai été très marquée par l'influence des Etats-Unis sur ma carrière.
03:26 Et puis en France, je suis rentrée en France il y a une douzaine d'années, je pense qu'il y a eu un
03:33 moment particulièrement important les années dernières, c'est lorsque j'ai eu une chaire au
03:37 Collège de France qui m'a permis d'enseigner un cours sur l'algorithmique au grand public
03:42 en 2017-2018. Le Collège de France à Paris, c'est une très vieille institution, ça a cette
03:51 particularité qu'il n'y a pas de diplôme, pas d'examen, il n'y a pas d'étudiant, il n'y a que des
04:01 professeurs qui font cours à qui, à qui veut. Tous ceux qui veulent venir assister à un cours au
04:08 Collège de France. Donc quand vous enseignez, dans la salle devant vous, vous avez peut-être 50, 100,
04:14 200 personnes, peu importe. Il y a une partie de gens qui sont des étudiants peut-être en doctorat
04:22 ou en master dans des domaines divers, une partie qui sont souvent des retraités qui viennent pour
04:28 s'instruire parce qu'ils sont intéressés et une partie ça peut être des SDF qui viennent parce
04:34 qu'il fait chaud. Avez-vous une rencontre particulière durant votre parcours d'étudiante
04:41 ou professionnelle qui vous a influencé pour vous orienter sur une carrière d'excellence?
04:48 Alors je pense que en classe de quatrième, nous avions un prof de maths donc à Caen, au Collège
04:58 Stephen Hawking, qui encourageait beaucoup l'émulation, donc j'étais bonne élève, j'étais
05:04 bonne en maths. Nous étions quelques-uns dans la classe à être intéressés par les maths, il y a
05:09 bien réussir et donc il nous encourageait à faire des sortes de petites compétitions les
05:16 uns contre les autres, à savoir quand on avait des contrôles, nous étions bons élèves mais il
05:22 ne suffisait pas de tout réussir, en plus sur nos copies il notait au bout de combien de temps on
05:27 avait rendu la copie. Donc il fallait non seulement avoir tout juste mais le plus vite possible et
05:32 donc ça nous plaisait bien, on était bons amis et ça faisait une saine émulation entre nous.
05:38 Donc ça, ça m'a stimulé. Ensuite en maths sup, j'ai eu un prof de maths qui m'a fait découvrir
05:45 les mathématiques en prépa et c'était la première fois de ma vie que j'étais dans une classe où la
05:51 plupart des gens s'intéressaient vraiment aux maths, ça leur plaisait et donc pendant notre temps
05:56 libre, on se retrouvait pour réfléchir à des exercices de maths ensemble parce que ça nous
06:02 intéressait, pour nous distraire en quelque sorte. Et ensuite à l'école en maths supérieur, j'ai eu
06:08 un cours en informatique que j'ai suivi au départ avec réticence parce que je ne connaissais pas
06:15 l'informatique et ça ne m'intéressait pas et puis ensuite ça m'a enthousiasmée et c'est à cause de
06:19 ce cours que je me suis réorientée vers l'algorithmique. Alors quel est votre domaine de
06:26 recherche actuel ? Je travaille sur les algorithmes. Alors comment définir simplement ce qu'est un
06:33 algorithme à la fois sous son aspect historique qui est incontournable mais aussi ses liens avec
06:39 l'informatique puisque l'informatique est l'une des grandes découvertes du 20e siècle et l'une
06:48 des filles des mathématiques si je puis m'exprimer ainsi. Alors l'informatique a, je dirais un père
06:55 et une mère. D'un côté il y a les maths mais de l'autre côté il y a l'ingénierie. Donc on le voit
07:03 d'ailleurs dans les départements d'informatique, leur création c'est aux Etats-Unis, soit ils sont
07:09 issus des départements de Electrical Engineering, le génie électrique, soit ils sont issus des
07:15 départements de maths et c'est vraiment de la rencontre entre les deux que naît l'informatique.
07:21 Donc les algorithmes font partie de l'informatique et c'est ce qu'il a plu au départ dans les
07:28 algorithmes c'est l'aspect très concret. C'est à dire qu'en maths on veut résoudre des problèmes,
07:33 on vous demande est-ce qu'il existe tel ou tel objet et on fait une démonstration mais souvent
07:39 ça peut garder à côté abstrait. Alors qu'en algorithmique on vous demande non pas si quelque
07:45 chose existe mais comment faire pour le construire. Et donc il s'agit de faire une construction pas à
07:53 pas et donc pour moi c'est très concret. Et donc si on veut une analogie ou un cas particulier
08:02 d'algorithme dans la vie courante, si vous regardez une recette de cuisine, donc vous ouvrez votre
08:09 livre de recettes, il vous décrit comment faire un gâteau à partir des ingrédients par une suite
08:15 d'étapes simples, ce qui vous permet même si vous ne saviez pas avant comment faire la cuisine,
08:20 juste de suivre les instructions pas à pas pour obtenir à partir des ingrédients un gâteau qui
08:27 soit bon à manger. Et donc ça, ce principe d'expliquer comment obtenir le résultat désiré
08:34 par une suite d'instructions élémentaires qu'on peut suivre pas à pas, ça c'est un algorithme.
08:39 Et qui est-ce qui suivra ces instructions ? Ce sera l'ordinateur. Comment pourra-t-il suivre
08:44 ces instructions ? Parce que l'algorithme sera traduit dans un programme, dans un langage que
08:51 l'ordinateur peut comprendre. Donc l'algorithme c'est la description pas à pas dans un langage
08:57 naturel, le français, l'anglais, un langage que l'humain peut comprendre mais qui est suffisamment
09:03 détaillé pour pouvoir être traduit en un programme que l'ordinateur peut comprendre.
09:08 Alors quels sont les challenges de l'algorithmique aujourd'hui ? Pouvez-vous nous citer deux à trois
09:17 exemples ? L'une des questions qui se posent actuellement en algorithmique, c'est que le
09:26 numérique envahit la société, c'est clair, nous sommes en passe de transformation en société
09:31 numérique. Et donc il ne s'agit plus seulement de concevoir des algorithmes pour faire des calculs
09:40 très rapidement sur des grosses machines qui font des études de physique fondamentale, par exemple,
09:46 mais il s'agit maintenant de concevoir des algorithmes qui ensuite donneront lieu à des
09:54 applications qui ont un impact direct sur toute la société, des algorithmes sociétaux. Et donc
10:01 là ça change l'aspect des algorithmes, c'est-à-dire qu'autrefois ce qu'on voulait c'est avoir des
10:08 algorithmes corrects, rapides et qui n'utilisent pas trop de mémoire. Maintenant en plus on veut
10:15 des algorithmes qui soient adaptés aux personnes. Par exemple, si vous prenez la plateforme Parcoursup
10:26 pour l'orientation des étudiants dans l'enseignement supérieur, cette plateforme elle est basée sur
10:31 l'algorithme de Gelschepler, comme on dit, et cet algorithme pour que ce soit acceptable,
10:37 il faut qu'il puisse être présenté aux gens de manière convaincante et il y a en plus des
10:43 propriétés d'équité qui interviennent. Donc il y a d'autres aspects, d'autres dimensions qui
10:49 interviennent quand on a des algorithmes sociétaux. Donc ça c'est le premier exemple. Deuxième
10:55 exemple, vous savez bien qu'actuellement on ne parle que d'intelligence artificielle. Les
11:03 progrès récents de l'intelligence artificielle sont dus aux avancées sur les réseaux de neurones
11:08 profonds, en grande partie, et donc c'est une catégorie d'algorithmes qui là est basée sur
11:16 l'exploitation de données et la compréhension de données. Et donc ici on est dans un cas de figure
11:22 où les développements algorithmiques ont précédé la compréhension fondamentale du problème. Et donc
11:30 maintenant la question pour un chercheur comme mes collègues chercheurs c'est de comprendre la
11:37 structure des propriétés sous-jacentes qui expliquent l'efficacité de cette famille d'algorithmes.
11:44 Dans le cadre que vous avez cité, d'un point de vue de réseau de neurones, vous faites allusion
11:54 à quelle spécificité ? C'est les neurones miroirs ? C'est quel ? Alors je pense au deep learning,
12:02 à l'apprentissage automatique, je pense au large language, aux IA génératives pour écrire du
12:11 texte, aux transformers qui sont un type spécial de réseaux de neurones utilisés pour aider à
12:19 comprendre le langage, voilà le genre de choses auxquelles je pense. Aujourd'hui on parle beaucoup
12:24 d'intelligence artificielle mais lorsqu'on nous regardons attentivement on se rend rapidement
12:28 compte que tout le monde n'est pas sur la même compréhension de ce que représente l'intelligence
12:34 artificielle. Dans le cadre de la population mondiale, beaucoup semblent craintifs, méfiants
12:40 de peur de perdre les supports liés au savoir qui ont permis l'apparition, la réalisation pleine et
12:47 entière d'hommes et de femmes, savantes, exceptionnelles et remplies d'humanité. Oui,
12:53 il y a beaucoup de questions qui se posent. Récemment j'ai eu l'occasion de parler avec
13:01 le rabbin Haïm Korsia qui a avancé une idée qui m'a assez plu, comme quoi ces outils devaient
13:13 être à notre service et qu'on devait garder, ne pas en devenir dépendant, c'est à dire garder
13:21 la capacité à se débrouiller sans le cas échéant. Donc il faut garder la compétence, la capacité,
13:29 la préservation de ce qu'on veut. Vous avez fait un travail très intéressant sur le plafond de
13:35 verre. Dans les réseaux sociaux, est-il possible de nous rappeler ce que représente le plafond de
13:40 verre ? Est-ce que vos travaux ont permis une véritable visibilité des femmes compétentes
13:46 et un véritable accès au poste à responsabilité ? Dit autrement, avez-vous brisé le plafond de verre ?
13:53 Le plafond de verre est défini depuis longtemps dans toutes les organisations hiérarchiques. Donc
14:03 il décrit ce qui empêche une catégorie de personnes, les femmes par exemple, c'était
14:13 notre exemple, d'accéder au poste en haut de la hiérarchie, proportionnellement à ce qu'on
14:21 attendrait étant donné le nombre de femmes qu'il y a dans le milieu. Alors ce que nous avons fait,
14:28 notre travail, ça a été un travail théorique, c'est de la modélisation. Quand on parle de
14:36 réseaux sociaux, en général on pense à un milieu qui n'est pas naturellement hiérarchisé. Tout le
14:44 monde peut intervenir, mais dans les réseaux sociaux on voit émerger des gens qui ont davantage
14:51 d'influence que les autres. Donc peut-on définir une notion de plafond de verre là-dedans ? Et nous,
14:58 nous avons pris un réseau particulier, nous nous sommes intéressés au réseau académique,
15:03 au réseau de collaboration entre chercheurs, parce que nous avions des données sur les
15:10 copublications. Et nous avons essayé, nous avons postulé que l'importance, l'influence d'une
15:19 personne dans ce réseau social particulier était proportionnelle à son nombre de collaborateurs.
15:25 Autrement dit, les personnes qui ont le plus d'influence sont celles qui travaillent avec
15:30 le plus de monde. Donc ça c'est d'où la question de plafond de verre. On peut regarder la distribution
15:38 des gens, ceux qui ont selon leur nombre de collaborateurs, les gens qu'ils ont formés en
15:45 particulier, les étudiants qu'ils ont eus. On peut regarder les personnes qui sont en haut de cette
15:53 sorte de pseudo-hierarchie, c'est-à-dire ceux qui ont le plus formé, le plus de monde. Et on peut se
16:00 demander, est-ce que là il y a un phénomène de plafond de verre ? Est-ce que si on regarde par
16:04 exemple les femmes, est-ce que parmi ceux qui ont le plus d'influence en ce sens, est-ce qu'il y a le
16:11 nombre de femmes qu'on attendrait ? Donc nous avons regardé les données dont on disposait sur un
16:19 certain type de publication. La réponse est non. La réponse, il y a un plafond de verre, il n'y a
16:25 pas, il y a moins de femmes que ce qu'on attendrait parmi ceux qui ont le plus d'influence. Alors
16:32 après on s'est dit comment l'expliquer ? Et donc nous avons proposé un modèle. Donc on est allé
16:39 voir de la littérature en sociologie qui fait des postulats. Par exemple ce qu'on appelle "the rich
16:50 get richer", on ne prête qu'aux riches. Nous avons traduit ça dans ce cadre en disant, quand il y a
16:58 une nouvelle personne qui arrive dans le système, avec qui cette personne va-t-elle collaborer ? Elle
17:03 sera naturellement attirée, plus attirée par ceux qui ont déjà beaucoup de visibilité. Donc une
17:09 nouvelle personne ne va pas se connecter, essayer de collaborer avec une personne au hasard, mais
17:13 plutôt avec la personne qui a déjà beaucoup de collaborateurs. Donc ça veut dire qu'il y aura
17:19 un biais, une tendance à ce que des nouvelles connexions soient avec, une nouvelle collaboration
17:25 avec ceux qui ont déjà beaucoup de collaborateurs. Donc on a pris trois postulats de ce type, on les
17:32 a traduit en équations mathématiques et on a démontré que si vous avez un système où ces trois
17:38 équations, ces trois phénomènes arrivent, alors on a une évolution qui naturellement conduit à
17:45 l'émergence d'un plafond de verre. Alors en ce qui concerne l'impact pratique, il est nul. Il est
17:53 nul. C'est uniquement théorique. Parce qu'en fait c'est ce sur quoi la population, très majoritairement,
18:04 attend, c'est le côté concret. Et ça me faisait rebondir à ce que vous soulignez, par la dimension
18:10 l'esprit de ce que signifiait l'algorithme. C'est le rapport au concret que vous-même, vous avez
18:17 anticipé, enfin vous êtes engagé dans une carrière sur l'algorithmie, par rapport à ce rapport au
18:23 concret. Oui c'est surtout ça. Sur le travail sur le plafond de verre, c'est un travail théorique,
18:28 donc on pourrait dire que ça ne sert à rien parce qu'il n'y a pas eu d'impact direct, mais d'un autre
18:34 côté c'est un travail utile comme tout travail théorique parce qu'il permet de, c'est un effort
18:41 pour comprendre. Donc essayer de décrypter, proposer des explications possibles, démonter un phénomène.
18:48 Et à quoi est-ce que ça sert de comprendre ? Eh bien ça sert si ensuite on veut agir. Quels sont
18:53 les leviers d'action ? On peut se dire voilà, tel facteur contribue à l'apparition du plafond de
19:00 verre, donc essayons d'agir directement sur ce facteur-là. Donc la compréhension des causes
19:07 est importante pour, essentielle, pour pouvoir agir. Avec un travail, je le souligne, que vous
19:14 rappelez souvent aussi, c'est que vous travaillez avec des spécialistes des différents domaines et
19:20 notamment des sociologues, c'est-à-dire que vous vous fiez aussi à une réflexion au minimum,
19:27 bien entendu, de la considération des écrits de certains sociologues. Disons que j'ai eu l'occasion
19:33 de travailler avec des chercheurs d'autres disciplines et à chaque fois, ce dont je me
19:37 suis rendue compte de manière patente en travaillant avec eux, c'est qu'ils ont une
19:43 expertise que je n'ai pas et le rapport est indispensable pour pouvoir faire un travail
19:48 interdisciplinaire ou transdisciplinaire. Alors vos travaux sont-ils applicables à la diversité
20:04 visible des Français issus de l'immigration après plusieurs générations de présence sur le
20:12 territoire, que l'on voit pleinement actifs et engagés au sein de notre société incontestablement,
20:18 mais beaucoup moins visibles dans les postes à haute responsabilité, comme les professeurs
20:23 d'université, directeurs et directrices de start-up, dans le spatial notamment, puisque
20:28 l'actualité c'est le new space, directeur et directrice d'observatoires astronomiques et j'en
20:34 passe. Je pense que là ce problème me dépasse de beaucoup. Tout ce que je peux dire c'est que
20:43 dans le cadre restreint de notre étude, ce qu'on a dit sur les femmes, ça s'applique de la même
20:49 manière sur les autres catégories qui sont présentes en minorité. On a essayé de faire
20:58 une validation en regardant les données de publication et en regardant le genre pour voir
21:04 le nombre de femmes et ça c'est beaucoup plus difficile en ce qui concerne, disons, l'origine
21:13 des gens, parce que ça c'est plus difficile à percevoir. On n'a pas de... comment accéder à
21:20 ces données ? Ça me semble une question de recherche en elle-même en fait. Je pense que
21:27 les données manquent pour valider. Alors que conseillez-vous aux jeunes filles et aux jeunes
21:32 garçons intéressés par les sciences en général et les mathématiques en particulier ? D'abord j'aime
21:42 bien cette question. Ça me fait toujours plaisir quand je vois un jeune qui s'intéresse à
21:48 l'informatique, aux maths, aux sciences. Prenons un exemple. Il y a quelques années je discutais
21:59 avec un jeune d'un quartier et je lui demande ce qu'il aime bien à l'école. Il me dit j'aime
22:05 bien les maths. Tout de suite ça m'intéresse. Je lui dis "ah oui et qu'est-ce que t'aimes d'autre ?"
22:10 Il me dit "bah j'aime bien aussi le physique et l'informatique". Parfait, j'étais toute contente.
22:18 Et puis en discutant je lui dis "alors qu'est-ce que tu aimes faire pendant ton temps libre ?" Il
22:23 me dit "oh j'aime bien les sudoku, des jeux logiques avec un aspect mathématique fort". Donc
22:30 là je me suis dit voilà voici un jeune garçon intéressant de mon point de vue. Et je lui dis
22:37 "qu'est-ce que tu voudrais faire plus tard ?" Il me dit "je ne sais pas trop, soit comptable,
22:43 soit astrophysicien". Il était en classe de première. Alors le soir je rentre chez moi,
22:52 je réfléchis, je me dis "ah c'est quand même dommage, il est dans un lycée public,
22:57 dans une zone défavorisée où il a des très mauvaises conditions d'apprentissage". Je lui
23:05 dis en maths "est-ce que tu apprends bien en classe ?" Il m'a dit "non parce que j'ai du mal à,
23:10 enfin j'ai du mal à entendre". Je lui dis "mais toi au premier rang ?" Il me répond "mais je suis
23:16 déjà au premier rang". Je lui dis "mais vous êtes nombreux dans la classe ?" Il me dit "14".
23:21 À suivre le cours de maths avancé. "Mais on n'est que trois à essayer de suivre,
23:25 tous les autres ils font du bruit". Donc voilà un jeune homme qui a tout ce qu'il faut pour
23:31 pouvoir faire des belles études scientifiques mais qui est dans un contexte défavorable.
23:36 Donc le soir j'ai regardé sur internet, j'ai découvert une sorte de colonie de vacances
23:42 pour les jeunes qui s'intéressent aux sciences. Pas de niveau minimum scientifique requis,
23:48 juste le fait de s'intéresser aux sciences. Et il y avait deux camps de vacances, l'un c'était
23:53 les maths, l'autre c'était maths, physique et sciences. Passer une dizaine, une douzaine de
23:59 jours en Auvergne ou dans les Alpes je crois, et passer les matins à faire de la science,
24:06 l'après-midi à faire du sport ou des sorties. Je l'ai prévenu, il a envoyé sa candidature avec
24:12 une lettre de son prof de maths, il a eu une place et il est allé pendant les vacances faire ce camp
24:18 de vacances. Et je me dis, à la fin de la première, c'était fait pour les élèves de première,
24:23 ça permet aux enseignants de discuter avec eux d'orientation et l'année suivante, quand ils
24:30 font leur vœu sur Parcoursup, ils ont une meilleure idée de ce à quoi ils pourraient postuler étant
24:36 donnés leurs intérêts. Les associations scientifiques et techniques sont-elles pour
24:43 vous une nécessité au sein de notre société et pourquoi ? La science, dans notre société,
24:52 il y a un problème de défiance entre la science et les citoyens, entre les scientifiques et le
25:01 gouvernement, un manque de compréhension mutuelle je dirais, il y a une séparation, il faut rapprocher
25:11 la science des citoyens et la science des gouvernants. Comment faire pour rapprocher ? On
25:18 peut essayer individuellement mais en fait quand on est en association c'est beaucoup plus utile
25:26 pour d'abord pour réfléchir ensemble à ce qui est important en science, à ce qu'on peut faire,
25:31 à comment on peut agir, pour se former mutuellement, pour prendre un peu de recul sur son domaine et
25:38 ses impacts. Donc je pense que les associations sont très importantes pour nous scientifiques,
25:45 pour comprendre ce que nous faisons et puis très importantes par ailleurs pour le lien
25:51 avec le reste de la société. Merci
25:55 !
26:01 [SILENCE]