Visualizing the world's Twitter data - Jer Thorp

Visualiser les données que Twitter a du monde - Jer Thorp

Transcriber: Andrea McDonough Reviewer: Bedirhan Cinar

Traducteur: Elise LECAMP Relecteur: Elisabeth Buffard

A couple of years ago I started using Twitter,

Il y a deux ans, j'ai commencé à utiliser Twitter

and one of the things that really charmed me about Twitter

et une des choses qui m'a vraiment plu avec Twitter

is that people would wake up in the morning

c'est que les gens se réveillaient le matin

and they would say, "Good morning!"

et vous disaient, "Bonjour!"

which I thought,

et je trouvais ça --

I'm a Canadian,

je suis canadien,

so I was a little bit,

donc j'étais un peu --

I liked that politeness.

j'aimais bien cette politesse.

And so, I'm also a giant nerd,

Et oui, je suis aussi un vrai nerd,

and so I wrote a computer program

j'ai donc écrit un programme informatique

that would record 24 hours of everybody on Twitter

qui enregistre pendant 24 heures toutes les personnes qui, sur Twitter,

saying, "Good morning!"

disent "Bonjour ! "

And then I asked myself my favorite question,

Ensuite je me suis posé ma question préférée,

"What would that look like?"

"A quoi ça peut ressembler ?"

Well, as it turns out, I think it would look something like this.

En fait, je pense que ça ressemble à quelque chose comme ça.

Right, so we'd see this wave of people

Bon, on a donc vu cette vague de gens

saying, "Good morning!" across the world as they wake up.

qui disent , "Bonjour !" à travers le monde au moment où ils se réveillent.

Now the green people, these are people that wake up

Les gens en vert sont ceux qui se réveillent

at around 8 o'clock in the morning,

vers 8 heures du matin.

Who wakes up at 8 o'clock or says, "Good morning!" at 8?

Qui se réveille à 8 heures ou qui dit "Bonjour " à 8 heures ?

And the orange people,

Et les gens en orange,

they say, "Good morning!" around 9.

disent, "Bonjour ! " vers 9 heures.

And the red people, they say, "Good morning!" around 10.

Et les gens en rouge, ils disent "Bonjour !" vers 10 heures.

Yeah, more at 10's than, more at 10's than 8's.

Oui, plus à 10 heures qu'à... plus à 10 h qu'à 8.

And actually if you look at this map,

En fait, si vous regardez cette carte,

we can learn a little bit about how people wake up

on peut en apprendre un peu sur la façon dont les gens se réveillent

in different parts of the world.

dans les différentes parties du monde.

People on the West Coast, for example,

Les gens de la côte ouest, par exemple,

they wake up a little bit later

se réveillent un peu plus tard

than those people on the East Coast.

que les gens de la côte Est.

But that's not all that people say on Twitter, right?

Mais ce n'est pas tout ce que les gens disent sur Twitter, pas vrai ?

We also get these really important tweets, like,

On peut aussi lire des tweets vraiment important, comme,

"I just landed in Orlando!! [plane sign, plane sign]"

"Je viens juste d'atterrir à Orlando !! [Avion, Avion] "

Or, or, "I just landed in Texas [exclamation point]!"

Ou, ou, "Je viens juste d'atterrir au Texas [point d'exclamation] !"

Or "I just landed in Honduras!"

Ou "Je viens juste d'atterrir au Honduras !"

These lists, they go on and on and on,

Ces listes, elles sont interminables,

all these people, right?

tous ces gens, pas vrai ?

So, on the outside, these people are just telling us

Donc, d'un point de vue extérieur, ces gens nous disent simplement

something about how they're traveling.

des choses sur leur façon de voyager.

But we know the truth, don't we?

Mais on connaît la vérité, n'est-ce pas ?

These people are show-offs!

Ces gens friment !

They are showing off that they're in Cape Town and I'm not.

Ils friment en montrant qu'ils sont à Cape Town et moi non.

So I thought, how can we take this vanity

Alors je me suis demandé, comment peut-on utiliser cette vanité

and turn it into utility?

et la transformer en quelque chose d'utile ?

So using a similar approach that I did with "Good morning,"

Alors en utilisant une approche similaire à celle utilisée pour le "bonjour",

I mapped all those people's trips

j'ai cartographié tous les voyages de ces gens

because I know where they're landing,

parce que je sais où ils atterrissent,

they just told me,

ils viennent de me le dire,

and I know where they live

et je sais où ils vivent

because they share that information on their Twitter profile.

parce qu'ils partagent cette information sur leurs profils Twitter.

So what I'm able to do with 36 hours of Twitter

Ce que je suis en mesure de faire avec 36 heures de Twitter

is create a model of how people are traveling

c'est de créer un modèle de la façon dont les gens voyagent

around the world during that 36 hours.

dans le monde pendant ces 36 heures.

And this is kind of a prototype

C'est une sorte de prototype

because I think if we listen to everybody

parce que je pense que si on écoute tout le monde

on Twitter and Facebook and the rest of our social media,

sur Twitter, Facebook et les autres médias sociaux

we'd actually get a pretty clear picture

on aurait en réalité une image très précise

of how people are traveling from one place to the other,

de la façon dont les gens voyagent d'un endroit à un autre,

which is actually turns out to be a very useful thing for scientists,

ce qui s'avère en fait être une chose très utile pour les scientifiques,

particularly those who are studying how disease is spread.

en particulier ceux qui étudient comment les épidémies se propagent.

So, I work upstairs in the New York Times,

Je travaille à la direction du New York Times,

and for the last two years,

et ces 2 dernières années,

we've been working on a project called, "Cascade,"

nous avons travaillé sur un projet appelé "Cascade",

which in some ways is kind of similar to this one.

qui est en quelque sorte assez similaire à celui-ci.

But instead of modeling how people move,

Mais au lieu de modéliser les déplacements des gens,

we're modeling how people talk.

nous avons modélisé la façon dont les gens parlent.

We're looking at what does a discussion look like.

Nous étudions à quoi ressemble les conversations.

Well, here's an example.

Voilà un exemple.

This is a discussion around an article called,

C'est une discussion au sujet d'un article intitulé

"The Island Where People Forget to Die".

"L'île où les gens oublient de mourir".

It's about an island in Greece where people live

Ça parle d'une île en Grèce où les gens vivent

a really, really, really, really, really, really long time.

très, très, très, très, très, très longtemps.

And what we're seeing here

Ce qu'on voit ici

is we're seeing a conversation that's stemming

c'est le début d'une conversation

from that first tweet down in the bottom, left-hand corner.

depuis ce premier tweet dans le coin en bas à gauche.

So we get to see the scope of this conversation

On obtient cette étendue de la conversation

over about 9 hours right now,

sur 9 heures environ maintenant,

we're going to creep up to 12 hours here in a second.

et dans une seconde on arrivera à 12 heures de conversation.

But, we can also see what that conversation

Mais, on peut aussi voir à quoi cette conversation

looks like in three dimensions.

ressemble en trois dimensions.

And that three-dimensional view is actually much more useful for us.

Cette vue tri-dimensionnelle nous est en réalité bien plus utile.

As humans, we are really used to things

En tant qu'humains, nous sommes vraiment habitués à des choses

that are structured as three dimensions.

structurées en trois dimensions.

So, we can look at those little off-shoots of conversation,

Donc on peut regarder ces petites ramifications de conversation,

we can find out what exactly happened.

et comprendre ce qui s'est passé exactement.

And this is an interactive, exploratory tool

C'est un outil interactif et exploratoire

so we can go through every step in the conversation.

qui permet de voir chaque étape de la conversation.

We can look at who the people were,

On peut voir qui étaient ces gens,

what they said,

ce qu'ils ont dit,

how old they are,

quels âges ils ont,

where they live,

où ils vivent,

who follows them,

qui les suit,

and so on, and so on, and so on.

et ainsi de suite...

So, the Times creates about 6,500 pieces of content every month,

Le Times a donc créé environ 6500 éléments de contenu chaque mois,

and we can model every single one

et on peut modéliser chacune des

of the conversations that happen around them.

conversations qu'ils ont générées.

And they look somewhat different.

Et elles semblent un peu différentes.

Depending on the story

En fonction de l'histoire,

and depending on how fast people are talking about it

de la rapidité avec laquelle les gens en parlent,

and how far the conversation spreads,

et de jusqu'où la conversation se répand,

these structures, which I call these conversational architectures,

ces structures, que j'appelle des architectures de conversation

end up looking different.

finissent par avoir l'air différentes.

So, these projects that I've shown you,

Ces projets que je vous ai montré,

I think they all involve the same thing:

je pense qu'ils impliquent tous la même chose :

we can take small pieces of data

on peut prendre des petits bouts de données

and by putting them together,

et en les assemblant,

we can generate more value,

on peut les valoriser,

we can do more exciting things with them.

on peut faire des choses plus intéressantes avec.

But so far we've only talked about Twitter, right?

Mais jusqu'à maintenant, nous n'avons parlé que de Twitter, pas vrai ?

And Twitter isn't all the data.

Et Twitter ne rassemble pas toutes les données.

We learned a moment ago

Ca fait longtemps qu'on sait

that there is tons and tons,

qu'il y a des tonnes et des tonnes,

tons more data out there.

et des tonnes de données supplémentaires.

And specifically, I want you to think about one type of data

En particulier, je veux que vous pensiez à un type de donnée

because all of you guys,

parce que vous tous,

everybody in this audience, we,

chacun d'entre vous dans le public, nous

we, me as well,

nous, et moi aussi,

are data-making machines.

sommes des machines à produire des données.

We are producing data all the time.

Nous produisons constamment des données.

Every single one of us, we're producing data.

Chacun d'entre nous produit des données.

Somebody else, though, is storing that data.

Quelqu'un d'autre, cependant, stocke ces données.

Usually we put our trust into companies to store that data,

Généralement on place notre confiance dans des sociétés qui stockent ces données,

but what I want to suggest here

mais ce que je veux suggérer ici,

is that rather than putting our trust

c'est qu'au lieu de placer notre confiance

in companies to store that data,

dans des sociétés qui stockent ces données,

we should put the trust in ourselves

nous devrions placer notre confiance en nous-mêmes

because we actually own that data.

parce qu'en fait ces données nous appartiennent.

Right, that is something we should remember.

Vraiment, c'est quelque chose dont nous devrions nous souvenir.

Everything that someone else measures about you,

Tout ce que quelqu'un d'autre mesure à notre sujet,

you actually own.

ça nous appartient en fait.

So, it's my hope,

Alors j'espère,

maybe because I'm a Canadian,

peut-être parce que je suis Canadien,

that all of us can come together

que nous nous rassemblions

with this really valuable data that we've been storing,

avec ces précieuses données que nous conservons,

and we can collectively launch that data

et nous pourrions collectivement les lancer

toward some of the world's most difficulty problems

vers quelques-uns des problèmes les plus difficiles dans le monde,

because big data can solve big problems,

parce que de nombreuses données peuvent résoudre des gros problèmes,

but I think it can do it the best

mais je pense qu'elles sont les plus efficaces

if it's all of us who are in control.

si nous tous en gardons le contrôle.

Thank you.

Merci.