Jonathan Harris: The Web's secret stories

84,172 views ・ 2007-07-10

TED


Please double-click on the English subtitles below to play the video.

Translator: Elisabeth Buffard Reviewer: Marie-Claude Bélanger
00:25
So I really consider myself a storyteller.
0
25000
4000
Je me considère vraiment comme un conteur.
00:29
But I don't really tell stories in the usual way,
1
29000
4000
Mais je ne raconte pas les histoires de manière classique,
00:33
in the sense that I don't usually tell my own stories.
2
33000
3000
dans le sens oů je ne raconte pas mes propres histoires.
00:37
Instead, I'm really interested in building tools that allow
3
37000
2000
Par contre, je suis très intéressé aux outils qui permettent
00:39
large numbers of other people to tell their stories,
4
39000
4000
à un grand nombre de personnes de raconter leurs histoires,
00:43
people all around the world.
5
43000
1000
peu importe leurs origines.
00:45
I do this because I think that people actually have a lot in common.
6
45000
4000
Je le fais parce que je pense que les gens ont beaucoup en commun.
00:49
I think people are very similar,
7
49000
1000
Je pense que les gens se ressemblent beaucoup,
00:51
but I also think that we have trouble seeing that.
8
51000
2000
mais je pense aussi que nous avons du mal à le voir.
00:54
You know, as I look around the world I see a lot of gaps,
9
54000
3000
Vous savez, en regardant le monde, je vois beaucoup de différences,
00:57
and I think we all see a lot of gaps.
10
57000
1000
et je pense que nous en voyons tous beaucoup.
00:59
And we define ourselves by our gaps.
11
59000
2000
Nous nous définissons par nos différences, voyez:
01:02
There's language gaps,
12
62000
1000
Il y a des différences linguistiques,
01:04
there's ethnicity and racial gaps, there's age gaps,
13
64000
4000
des différences ethniques et raciales, des différences d'âge,
01:08
there's gender gaps, there's sexuality gaps,
14
68000
5000
des différences de sexe, des différences d'orientation sexuelle,
01:13
there's wealth and money gaps, there's education gaps,
15
73000
4000
des différences de richesse, des différences d'éducation,
01:18
there's also religious gaps.
16
78000
2000
il y a aussi des différences religieuses.
01:20
You know, we have all these gaps and I think we like our gaps
17
80000
2000
Vous savez, nous en avons tous, et je pense que nous les aimons,
01:22
because they make us feel like we identify with something,
18
82000
3000
parce qu'elles font qu'on s'identifie à quelque chose,
01:25
some smaller community.
19
85000
1000
à une petite communauté.
01:26
But I think that actually, despite our gaps,
20
86000
2000
Mais je pense qu'en réalité, malgré nos différences,
01:29
we really have a lot in common.
21
89000
1000
nous avons beaucoup en commun.
01:30
And I think one thing we have in common is a very deep need
22
90000
4000
Et je pense que ce que nous avons en commun,
01:35
to express ourselves.
23
95000
1000
c'est un besoin très profond de s'exprimer.
01:36
I think this is a very old human desire. It's nothing new.
24
96000
5000
Je pense que c'est un désir très ancien. Ce n'est pas nouveau.
01:42
But the thing about self-expression
25
102000
1000
Mais dans l'expression de soi,
01:43
is that there's traditionally been this imbalance
26
103000
2000
il y a toujours eu ce déséquilibre
01:45
between the desire that we have to express ourselves
27
105000
3000
entre le désir que nous avons de nous exprimer
01:48
and the number of sympathetic friends
28
108000
2000
et le nombre d'amis sympathiques
01:50
who are willing to stand around and listen.
29
110000
2000
qui sont prêts à être là et à écouter.
01:52
(Laughter)
30
112000
1000
(Rires)
01:54
This, also, is nothing new.
31
114000
2000
Ça aussi, ce n'est pas nouveau.
01:56
Since the dawn of human history, we've tried to rectify this imbalance
32
116000
3000
Depuis l'aube de l'histoire humaine, nous avons essayé de corriger ce déséquilibre
01:59
by making art, writing poems, singing songs,
33
119000
4000
à travers l'art, l'écriture de poèmes, la chanson,
02:03
scripting editorials and sending them in to a newspaper,
34
123000
3000
l'écriture de scripts éditoriaux et leur publication dans un journal,
02:06
gossiping with friends. This is nothing new.
35
126000
2000
les bavardages avec des amis. Ce n'est pas nouveau.
02:08
What's new is that in the last several years
36
128000
2000
La nouveauté, c'est que ces dernières années
02:10
a lot of these very traditional physical human activities,
37
130000
3000
beaucoup de ces activités traditionnelles chez l'homme, très physiques,
02:13
these acts of self-expression, have been moving onto the Internet.
38
133000
2000
ces actes d'auto-expression, sont passés sur Internet.
02:16
And as that's happened, people have been leaving behind footprints,
39
136000
3000
Et ce qui s'est passé, c'est que les gens ont laissé derrière eux des empreintes,
02:20
footprints that tell stories of their moments of self-expression.
40
140000
3000
des empreintes qui racontent les histoires de leurs instants d'auto-expression.
02:24
And so what I do is, I write computer programs
41
144000
3000
Et donc, voilà ce que j'ai fais, j'ai écrit des programmes informatiques
02:27
that study very large sets of these footprints,
42
147000
3000
qui étudient de larges échantillons de ces empreintes,
02:30
and then try to draw conclusions about the people who left them --
43
150000
3000
et ensuite, j'ai essayé d'en tirer des conclusions sur les personnes qui les ont laissées --
02:34
what they feel, what they think,
44
154000
1000
ce qu'ils ressentent, ce qu'ils pensent,
02:36
what's different in the world today than usual,
45
156000
2000
ce qui a changé dans le monde d'aujourd'hui,
02:39
these sorts of questions.
46
159000
1000
Ce genre de questions.
02:41
One project that explores these ideas,
47
161000
1000
Un projet qui explore ces idées
02:43
which was made about a year ago,
48
163000
1000
a été lancé il y a environ un an,
02:44
is a piece called We Feel Fine.
49
164000
1000
et est intitulé We Feel Fine (nous nous sentons bien).
02:45
This is a piece that every two or three minutes
50
165000
3000
C'est un outil qui, tous les deux ou trois minutes,
02:48
scans the world's newly-posted blog entries
51
168000
2000
scanne les nouveaux posts de blog dans le monde
02:50
for occurrences of the phrases "I feel" or "I am feeling."
52
170000
5000
pour les occurrences des mots "I feel" (je ressens) ou "I am feeling" (je me sens)
02:55
And when it finds one of those phrases,
53
175000
1000
Lorsqu'il en trouve une,
02:56
it grabs the sentence up to the period,
54
176000
2000
il la capture à la virgule près,
02:58
and then automatically tries to deduce the age, gender
55
178000
3000
puis tente automatiquement d'en déduire l'âge, le sexe
03:01
and geographical location of the person that wrote that sentence.
56
181000
3000
et la situation géographique de la personne qui a écrit cette phrase.
03:05
Then, knowing the geographical location and the time,
57
185000
2000
Puis, connaissant la situation géographique et la date,
03:07
we can also then figure out the weather
58
187000
1000
nous pouvons alors déduire la météo
03:08
when that person wrote the sentence.
59
188000
2000
là où cette personne a écrit la phrase.
03:11
All of this information is saved in a database
60
191000
2000
Toutes ces informations sont enregistrées dans une base de données
03:13
that collects about 20,000 feelings a day.
61
193000
2000
qui collecte environ 20.000 sentiments par jour.
03:15
It's been running for about a year and a half.
62
195000
2000
Il fonctionne depuis environ un an et demi.
03:17
It's reached about seven-and-a-half million human feelings now.
63
197000
3000
Il a rassemblé actuellement environ 7,5 millions de sentiments humains,
03:20
And I'll show you a glimpse
64
200000
1000
et je vais vous donner un aperçu
03:21
of how this information is then visualized. So this is We Feel Fine.
65
201000
5000
de la façon dont cette information est alors visualisée. Voici donc We Feel Fine.
03:27
What you see here is a madly swarming mass of particles,
66
207000
4000
Ce que vous voyez ici est une masse grouillante de particules,
03:31
each of which represents a single human feeling
67
211000
2000
chacune d'elle représentant un sentiment humain unique
03:33
that was stated in the last few hours.
68
213000
2000
qui a été exprimé dans les dernières heures.
03:36
The color of each particle corresponds to the type of feeling inside --
69
216000
3000
La couleur de chaque particule correspond au type de sentiment qu'il contient -
03:39
so that happy, positive feelings are brightly colored.
70
219000
2000
de sorte que, les sentiments positifs soient de couleurs vives.
03:42
And sad, negative feelings are darkly colored.
71
222000
2000
Et les sentiments négatifs de couleur sombre.
03:44
The diameter of each dot
72
224000
2000
Le diamètre de chaque point
03:46
represents the length of the sentence inside,
73
226000
2000
représente la longueur de la phrase,
03:48
so that the large dots contain large sentences,
74
228000
2000
les gros points contiennent de grandes phrases,
03:50
and the small dots contain small sentences.
75
230000
2000
et les petits points contiennent des petites phrases.
03:52
Any dot can be clicked and expanded. And we see here,
76
232000
3000
Tout point peut être cliqué et élargi. Nous voyons ici,
03:56
"I would just feel so much better
77
236000
1000
"Je me sentirais beaucoup mieux
03:57
if I could curl up in his arms right now and feel his affection for me
78
237000
3000
si je pouvais me blottir dans ses bras en ce moment et sentir son affection pour moi
04:00
in the embrace of his body and the tenderness of his lips."
79
240000
3000
dans l'étreinte de son corps et la tendresse de ses lèvres"
04:03
So it gets pretty hot and steamy sometimes
80
243000
2000
Ainsi, les choses deviennent un peu chaudes, parfois
04:05
in the world of human emotions.
81
245000
2000
dans le monde des émotions humaines.
04:07
And all of these are stated by people:
82
247000
3000
Et tout cela est exprimé par des personnes :
04:10
"I know that objectively it really doesn't mean much,
83
250000
2000
"Je sais que objectivement, ça ne signifie vraiment pas grand chose,
04:12
but after spending so many years as a small fish in a big pond,
84
252000
3000
mais après avoir passé tant d'années comme un petit poisson dans un grand étang,
04:15
it's nice to feel bigger again."
85
255000
2000
il est agréable de se sentir encore plus grand."
04:17
The dots exhibit human qualities. They kind of have their own physics,
86
257000
3000
Les points montrent des qualités humaines. Ils ont comme leurs propres lois physiques,
04:20
and they swarm wildly around, kind of exploring the world of life.
87
260000
4000
et ils fourmillent, égarés, comme en train d'explorer le monde de la vie.
04:25
And then they also exhibit curiosity.
88
265000
1000
Et puis, ils montrent aussi la curiosité.
04:26
You can see a few of them are swarming around the cursor right now.
89
266000
3000
Vous pouvez voir en voir qui nagent autour du curseur en ce moment.
04:29
You can see some other ones
90
269000
1000
On peut en voir quelques autres
04:31
are swarming around the bottom left corner of the screen
91
271000
1000
dans le coin inférieur gauche de l'écran
04:33
around six words. Those six words represent the six movements
92
273000
3000
autour de six mots. Ces six mots représentent les six mouvements
04:36
of We Feel Fine. We're currently seeing Madness.
93
276000
3000
de We Feel Fine. Nous regardons actuellement Madness (la folie).
04:39
There's also Murmurs, Montage, Mobs, Metrics and Mounds.
94
279000
4000
Il y a aussi Mumurs, Montage, Mobs, Metric et Mounds.
04:43
And I'll walk you through a few of those now.
95
283000
2000
Et je vais vous guider à travers quelques-uns d'entre eux.
04:45
Murmurs causes all of the feelings to fly to the ceiling.
96
285000
3000
Murmurs fait s'envoler tous les sentiments.
04:49
And then, one by one, in reverse chronological order,
97
289000
2000
Et puis, un par un, par ordre chronologique inverse,
04:51
they excuse themselves, entering the scrolling list of feelings.
98
291000
3000
ils s'invitent, entrant dans la liste déroulante des sentiments.
04:56
"I feel a bit better now."
99
296000
1000
"Je me sens un peu mieux maintenant."
04:57
(Laughter)
100
297000
2000
(Rires)
05:00
"I feel confused and unsure of what the hell I want to do."
101
300000
2000
"Je me sens confus et incertain de ce que je veux faire."
05:03
"I feel gypped out of something awesome here."
102
303000
2000
"Je me sens dépouillé de quelque chose de génial ici."
05:06
"I feel so free; I feel so good."
103
306000
1000
"Je me sens libre, je me sens si bien."
05:08
"I feel like I'm in this fog of depression that I can't get out of."
104
308000
3000
"Je me sens comme si j'étais dans le brouillard de la dépression, que je ne peux quitter"
05:11
And you can click any of these to go out and visit the blog
105
311000
2000
Et vous pouvez cliquer sur n'importe quelle phrase
05:13
from which it was collected. And in that way,
106
313000
2000
et visiter le blog d'oů elle provient. Ainsi,
05:15
you can connect with the authors of these statements
107
315000
2000
on peut prendre contact avec les auteurs de ces déclarations,
05:18
if you feel some degree of empathy.
108
318000
1000
si vous sentez une certaine empathie.
05:20
The next movement is called Montage.
109
320000
2000
Le mouvement suivant est appelé Montage.
05:22
Montage causes all of the feelings that contain photographs
110
322000
3000
Montage concerne tous les sentiments qui sont contenus dans les photos.
05:25
to become extracted and display themselves in a grid.
111
325000
3000
ils sont extraits, et s'affichent dans une grille.
05:29
This grid is then said to represent the picture of the world's feelings
112
329000
4000
Cette grille est sensée représenter en image les sentiments du monde entier
05:33
in the last few hours, if you will.
113
333000
1000
pendant ces dernières heures, si on veut.
05:34
Each of these can be clicked and we can blow it up.
114
334000
3000
On peut cliquer sur chacun d'eux et les ouvrir.
05:37
We see, "I just feel like I'm not going to have fun
115
337000
3000
On peut voir, "J'ai l'impression que j'aurai du plaisir
05:40
if it's not the both of us." That was from someone in Michigan.
116
340000
4000
que s'il est partagé" ça a été écrit par quelqu'un du Michigan.
05:46
We see, "I feel like I have been at a computer all day."
117
346000
4000
On peut voir "Je me sens comme si j'avais été devant un ordinateur toute la journée"
05:50
(Laughter)
118
350000
1000
(Rires)
05:53
These are automatically constructed using the found objects:
119
353000
3000
Ils sont automatiquement construits en utilisant les objets trouvés:
05:56
"I think I feel a little full."
120
356000
2000
"Je n'ai plus faim"
06:00
The next movement is called mobs.
121
360000
1000
Le mouvement suivant est appelé mobs.
06:01
Mobs provides different statistical breakdowns
122
361000
2000
Mobs prévoit différentes ventilations statistiques
06:03
of the population of the world's feelings in the last few hours.
123
363000
3000
de la population des sentiments du monde de ces dernières heures.
06:06
We see that "better" is the most frequent feeling right now,
124
366000
2000
On voit que "mieux" est plus fréquent en ce moment,
06:08
followed by "good," "bad," "guilty," "right," "down," "sick" and so on.
125
368000
4000
suivi par bon, mauvais, coupable, droit, déprimé, malade et ainsi de suite.
06:13
We can also get a gender breakdown.
126
373000
1000
On obtient aussi une ventilation par sexe.
06:14
And we see that women are slightly more prolific
127
374000
2000
On voit que les femmes ont été un peu plus enclines
06:16
talking about their emotions in the last few hours than men.
128
376000
2000
à parler de leurs émotions que les hommes.
06:20
We can do an age breakdown, which gives us a histogram
129
380000
2000
On peut les répartir par âge, ce qui donne un histogramme
06:22
of the world's emotional distribution by age.
130
382000
2000
de la distribution émotionnelle du monde selon l'âge.
06:25
We see people in their twenties are the most prolific,
131
385000
3000
On voit que les gens qui ont la vingtaine sont les plus prolifiques,
06:28
followed by teenagers, and then people in their thirties,
132
388000
2000
suivis des ados, et ensuite des gens dans la trentaine,
06:30
and it dies out very quickly from there.
133
390000
1000
et très peu de monde au delà.
06:32
In weather, the feelings assume the physical characteristics
134
392000
4000
Avec Weather, les sentiments suivent les caractéristiques physiques
06:36
of the weather that they represent,
135
396000
1000
de la météo qu'ils représentent,
06:37
so that the ones collected on a sunny day
136
397000
2000
de sorte que celles recueillies lors d'une journée ensoleillée
06:39
swirl around as if they're part of the sun.
137
399000
2000
tourbillonnent comme s'ils faisaient partie du soleil.
06:41
The cloudy ones float along as if they're on a breeze.
138
401000
2000
Les plus nuageux flottent comme s'ils étaient dans le vent.
06:44
The rainy ones fall down as if they're in a rainstorm,
139
404000
2000
Les pluvieux tombent, comme si c'était une averse,
06:46
and the snowy ones kind of flutter to the ground.
140
406000
2000
et les neigeux tombent sur le sol.
06:49
Finally, location causes the feelings to move to their positions
141
409000
3000
Enfin, "Location" pousse les sentiments à se positionner
06:52
on a world map showing the geographical distribution of feelings.
142
412000
3000
sur une carte du monde, mettant en évidence leur répartition géographique.
06:57
Metrics provides more numerical views on the data.
143
417000
2000
Metrics fournit des vues numériques sur les données.
06:59
We see that the world is feeling "used"
144
419000
1000
On voit que le monde se sent "manipulé"
07:00
at 3.3 times the normal level right now.
145
420000
3000
à 3,3 fois le niveau normal.
07:03
(Laughter)
146
423000
3000
(Rires)
07:06
They're feeling "warm" at 2.9 times the normal level, and so on.
147
426000
4000
La sensation de chaleur est à 2,9 fois le niveau normal, et ainsi de suite.
07:10
Other views are also available.
148
430000
1000
D'autres vues sont disponibles.
07:11
Here are gender, age, weather, location.
149
431000
2000
Voici le sexe, l'âge, la météo, l'emplacement.
07:13
The final movement is called Mounds.
150
433000
2000
Le dernier mouvement, c'est Mounds.
07:15
It's a bit different from the others.
151
435000
1000
Il diffère un peu.
07:16
Mounds visualizes the entire dataset as large, gelatinous blobs
152
436000
4000
Mounds permet de visualiser l'ensemble des données, des "blobs" gélatineux
07:20
which kind of jiggle.
153
440000
1000
qui se trémoussent.
07:22
And if I hold down my cursor, they do a little dance.
154
442000
2000
Et si je tiens mon curseur vers le bas, ils font une petite danse.
07:25
We see "better" is the most frequent feeling, followed by "bad."
155
445000
3000
On voit que "mieux" est le sentiment le plus fréquent, suivi de "mauvais".
07:28
And then if I go over here, the list begins to scroll,
156
448000
3000
Et puis, si je le déplace ici, la liste commence à défiler,
07:31
and there are actually thousands of feelings that have been collected.
157
451000
2000
et il y a des milliers de sentiments qui ont été collectés.
07:33
You can see the little pink cursor moving along,
158
453000
2000
Vous pouvez voir le petit curseur rose se déplacer
07:35
representing our position.
159
455000
1000
il représente notre position.
07:37
Here we see people that feel "slipping," "nauseous," "responsible."
160
457000
4000
Ici nous voyons des gens qui se sentent "glissants", "nauséeux", "responsables".
07:41
There's also a search capability,
161
461000
1000
Il y a aussi une fonction "recherche"
07:42
if you're interested in finding out about a certain population.
162
462000
2000
si vous êtes intéressé par une population donnée.
07:45
For instance, you could find women who feel "addicted"
163
465000
2000
Par exemple, vous pourriez trouver des femmes dans la vingtaine
07:47
in their 20s when it was cloudy in Bangladesh.
164
467000
4000
qui se sentent "accro" alors qu'il fait nuageux au Bangladesh.
07:51
(Laughter)
165
471000
4000
(Rires)
07:55
But I'll spare you that.
166
475000
1000
Mais je vais vous épargner ça.
07:56
So here are some of my favorite montages that have been collected:
167
476000
3000
Voici donc certains de mes montages préférés qui ont été recueillis:
08:00
"I feel so much of my dad alive in me that there isn't even room for me."
168
480000
3000
"Je sens tellement mon père vivant en moi qu'il n'y a même plus de place pour moi."
08:05
"I feel very lonely."
169
485000
2000
"Je me sens très seule."
08:09
"I need to be in some backwoods redneck town
170
489000
2000
"J'ai besoin d'être dans un village de campagne
08:11
so that I can feel beautiful."
171
491000
2000
afin de me sentir belle."
08:16
"I feel invisible to you."
172
496000
1000
"J'ai le sentiment d'être invisible pour toi."
08:19
"I wouldn't hide it if society didn't make me feel like I needed to."
173
499000
3000
"Je ne l'aurais pas caché, si la société ne me suggérais pas de le faire "
08:25
"I feel in love with Carolyn." "I feel so naughty."
174
505000
4000
"J'aime Carolyn." "Je me sens si vilain."
08:32
"I feel these weirdoes are actually an asset to college life."
175
512000
3000
"Je sens que ces énergumènes sont en réalité un plus de la vie au collège"
08:35
(Laughter)
176
515000
4000
(Rires)
08:39
"I love how I feel today."
177
519000
1000
"J'aime comment je me sens aujourd'hui."
08:42
So as you can see, We Feel Fine uses a technique
178
522000
2000
Donc, comme on le voit, We Feel Fine utilise une technique
08:44
that I call "passive observation."
179
524000
1000
que j'appelle l'observation passive.
08:45
What I mean by that is that it passively observes people
180
525000
3000
Ce que je veux dire par là c'est qu'il observe passivement les gens,
08:48
as they live their lives. It scans the world's blogs
181
528000
4000
en train de vivre. Il scanne les blogs du monde entier
08:52
and looks at what people are writing,
182
532000
1000
et examine ce que les gens ont écrit,
08:53
and these people don't know they're being watched or interviewed.
183
533000
3000
et ces gens ne savent pas qu'ils sont observés ou interrogés.
08:56
And because of that,
184
536000
1000
Et grâce à ça,
08:57
you end up getting very honest, candid, sincere responses
185
537000
3000
on obtient des réactions très honnêtes, franches, sincères
09:00
that are often very moving.
186
540000
1000
qui sont souvent très émouvantes.
09:02
And this is a technique that I usually prefer in my work
187
542000
2000
C'est une technique que j'apprécie d'habitude dans mon travail
09:04
because people don't know they're being interviewed.
188
544000
2000
parce que les gens ne savent pas qu'ils sont interrogés.
09:06
They're just living life, and they end up just acting like that.
189
546000
3000
Ils ne font que vivre, et ils finissent par agir comme ça.
09:10
Another technique is directly questioning people.
190
550000
2000
Une autre technique consiste à interroger directement les gens.
09:12
And this is a technique that I explored in a different project,
191
552000
2000
Et c'est une technique que j'étudie dans un projet différent,
09:14
the Yahoo! Time Capsule,
192
554000
1000
Yahoo! Time Capsule,
09:15
which was designed to take a fingerprint of the world in 2006.
193
555000
4000
qui a été conçu pour prendre une empreinte du monde en 2006.
09:20
It was divided into ten very simple themes --
194
560000
2000
Il était divisé en dix thèmes très simples,
09:22
love, anger, sadness and so on --
195
562000
2000
l'amour, la colère, la tristesse et ainsi de suite,
09:24
each of which contained a single, very open-ended question
196
564000
2000
dont chacun contenait une seule question, très ouverte,
09:26
put to the world: What do you love? What makes you angry?
197
566000
3000
posée au monde: Qu'est-ce que vous aimez ? Qu'est-ce qui vous met en colère ?
09:29
What makes you sad? What do you believe in? And so on.
198
569000
2000
Qu'est ce qui vous rend triste ? En quoi croyez-vous ? Et ainsi de suite.
09:31
The time capsule was available for one month online,
199
571000
2000
La "Time Capsule" a été disponible pendant un mois en ligne,
09:33
translated into 10 languages, and this is what it looked like.
200
573000
5000
traduite en 10 langues, et voici à quoi elle ressemblait.
09:38
It's a spinning globe,
201
578000
1000
C'est un globe en rotation,
09:39
the surface of which is entirely composed of the pictures
202
579000
3000
dont la surface est entièrement composée d'images,
09:42
and words and drawings of people
203
582000
2000
de mots et de dessins de gens
09:44
that submitted to the time capsule.
204
584000
1000
qui les ont soumis à la "Time Capsule".
09:46
The ten themes radiate out and orbit the time capsule.
205
586000
2000
Les dix thèmes se propagent autour de la "Time Capsule".
09:48
You can sift through this data and see what people have submitted.
206
588000
4000
Vous pouvez passer en revue ces données et voir ce que les gens ont proposé.
09:52
This is in response to, What's beautiful? "Miss World."
207
592000
2000
Ceci est en réponse à Qu'est-ce qui est beau ? "Miss Monde".
09:54
There are two modes to the time capsule.
208
594000
2000
Il y a deux modes à la "Time Capsule"
09:56
There's One World, which presents the spinning globe,
209
596000
2000
Il y a "One World" (Un Monde), qui présente le globe en rotation,
09:58
and Many Voices, which splits the data out into film strips
210
598000
3000
et "Many Voices" (Beaucoup de Voix) qui sépare les données en bandes de films
10:02
and lets you sift through them one by one.
211
602000
1000
et vous permet de les revoir une par une.
10:05
So this project was punctuated by a really amazing event,
212
605000
4000
Ce projet a été ponctué par un événement vraiment extraordinaire
10:09
which was held in the desert outside Albuquerque in New Mexico
213
609000
5000
qui a eu lieu dans le désert près d'Albuquerque au Nouveau Mexique
10:14
at the Jemez Pueblo, where for three consecutive nights,
214
614000
2000
au village de Jemez, oů pendant trois nuits consécutives,
10:16
the contents of the capsule were projected onto the sides
215
616000
3000
le contenu de la capsule était projeté sur les parois
10:19
of the ancient Red Rock Canyon walls,
216
619000
1000
des murs antiques de Red Rock Canyon,
10:21
which stand about 200 feet tall. It was really incredible.
217
621000
2000
hauts de 200 pieds. C'était vraiment incroyable.
10:23
And we also projected the contents of the time capsule
218
623000
3000
Et nous avons aussi projeté le contenu de la "Time Capsule"
10:26
as binary code using a 35-watt laser into outer space.
219
626000
3000
sous forme de code binaire dans l'espace extra-atmosphérique en utilisant un laser de 35 watts.
10:29
You can see the orange line leaving the desert floor
220
629000
3000
Vous pouviez voir la ligne orange quitter le sol du désert,
10:32
at about a 45 degree angle there. This was amazing
221
632000
2000
à un angle d'environ 45 degrés. C'était étonnant
10:34
because the first night I looked at all this information
222
634000
4000
parce que la première nuit, je regardais toute ces informations
10:38
and really started seeing the gaps that I talked about earlier --
223
638000
3000
et j'ai vraiment commencé à voir les différences dont j'ai parlé plus tôt,
10:41
the differences in age, gender and wealth and so on.
224
641000
2000
les différences d'âge, le sexe et la richesse et ainsi de suite.
10:44
But, you know, as I looked at this more and more and more,
225
644000
2000
Mais, vous savez, pendant que je le regardais encore, encore et encore,
10:46
and saw these images go across the rocks,
226
646000
2000
et que je voyais ces images se promener sur les rochers,
10:48
I realized I was seeing the same archetypal events
227
648000
2000
j'ai réalisé que je voyais les mêmes archétypes
10:50
depicted again and again and again.
228
650000
2000
représentés encore, encore et encore.
10:52
You know: weddings, births, funerals, the first car, the first kiss,
229
652000
5000
Vous savez : mariages, naissances, funérailles, la première voiture, le premier baiser,
10:57
the first camel or horse -- depending on the culture.
230
657000
3000
le premier chameau ou cheval, selon la culture.
11:00
And it was really moving. And this picture here was taken
231
660000
4000
C'était très émouvant. Cette photo là a été prise
11:04
the final night from a distant cliff about two miles away,
232
664000
3000
la dernière nuit d'une falaise éloignée d'environ deux milles,
11:07
where the contents of the capsule were being beamed into space.
233
667000
3000
oů le contenu de la capsule était projeté dans l'espace.
11:10
And there was something very moving
234
670000
2000
Et il y avait quelque chose de très émouvant
11:12
about all of this human expression being shot off into the night sky.
235
672000
3000
à propos de cette expression humaine envoyée dans le ciel nocturne.
11:15
And it started to make me think a lot about the night sky,
236
675000
3000
Ça a commencé à me faire penser à beaucoup de choses sur le ciel nocturne,
11:18
and how humans have always used the night sky
237
678000
1000
et comment les humains l'ont toujours utilisé
11:19
to project their great stories.
238
679000
2000
pour projeter leurs grandes histoires.
11:21
You know, as a child in Vermont, on a farm where I grew up,
239
681000
3000
Vous savez, quand j'était enfant dans le Vermont, dans la ferme oů j'ai grandi,
11:24
I would often look up into the dark sky
240
684000
2000
je regardais souvent le ciel sombre
11:26
and see the three star belt of Orion, the Hunter.
241
686000
2000
et je voyais la ceinture d'étoiles d'Orion, le chasseur.
11:29
And as an adult, I've been more aware
242
689000
2000
Et en tant qu'adulte, j'ai été plus au courant
11:31
of the great Greek myths playing out in the sky overhead every night.
243
691000
3000
des grands mythes grecs qui se jouent dans le ciel tous les soirs.
11:35
You know, Orion facing the roaring bull.
244
695000
2000
Vous savez, Orion face au taureau rugissant.
11:37
Perseus flying to the rescue of Andromeda.
245
697000
2000
Persée volant au secours d'Andromède.
11:39
Zeus battling Chronos for control of Mount Olympus.
246
699000
3000
Zeus battant Chronos pour le contrôle du mont Olympe
11:42
I mean, these are the great tales of the Greeks.
247
702000
2000
Je veux dire, ce sont les grands récits des Grecs.
11:44
And it caused me to wonder about our world today.
248
704000
2000
Et ça m'a fait m'interroger sur notre monde d'aujourd'hui.
11:47
And it caused me to wonder specifically,
249
707000
2000
Et je me suis demandé précisément,
11:49
if we could make new constellations today,
250
709000
2000
si nous pouvions faire de nouvelles constellations aujourd'hui,
11:52
what would those look like? What would those be?
251
712000
2000
A quoi ressembleraient-elles ? Que seraient-elles ?
11:54
If we could make new pictures in the sky, what would we draw?
252
714000
3000
Si nous pouvions faire de nouveaux dessins dans le ciel, que dessinerions-nous ?
11:57
What are the great stories of today?
253
717000
1000
Quelles sont les grandes histoires d'aujourd'hui ?
11:58
And those are the questions that inspired my new project,
254
718000
4000
Ce sont ces questions qui ont inspiré mon nouveau projet,
12:02
which is debuting here today at TED.
255
722000
2000
qui fait ses débuts aujourd'hui chez TED.
12:04
Nobody's seen this yet, publicly.
256
724000
1000
Personne n'avait encore vu ça, publiquement.
12:06
It's called Universe: Revealing Our Modern Mythology.
257
726000
3000
Ça s'appelle "Universe" (Univers), et ça révèle notre mythologie moderne.
12:10
And it uses this metaphor of an interactive night sky.
258
730000
3000
Il utilise cette métaphore d'un ciel nocturne interactif.
12:13
So, it's my great pleasure now to show this to you.
259
733000
3000
Donc, c'est mon grand plaisir maintenant de vous le montrer.
12:16
So, Universe will open here.
260
736000
1000
Universe commencera ici.
12:17
And you'll see that it leads with a shifting star field,
261
737000
4000
Et vous verrez qu'il mène a un champ d'étoiles en déplacement,
12:22
and there's an Aurora Borealis in the background,
262
742000
2000
et qu'il y a une aurore boréale dans le fond,
12:24
kind of morphing with color. The color of the Aurora Borealis
263
744000
3000
une sorte de morphing de couleur. La couleur de l'aurore boréale
12:27
can be controlled using this single bar of color at the bottom,
264
747000
3000
peut être contrôlée à l'aide de cette seule barre de couleur en bas,
12:31
and we'll put it down here to red.
265
751000
2000
et nous la mettrons ici en rouge.
12:33
So you see this kind of -- these stars moving along.
266
753000
2000
Donc, vous voyez ces étoiles qui se déplacent.
12:36
Now, these aren't just little points of light, little pixels.
267
756000
3000
Maintenant, ce ne sont pas juste des petits points de lumière, des petits pixels.
12:39
Each of those stars actually represents
268
759000
2000
Chacune de ces étoiles représente en fait
12:41
a specific event in the real world --
269
761000
2000
un événement précis dans le monde réel,
12:44
a quote that was stated by somebody, an image,
270
764000
2000
une citation qui a été dite par quelqu'un, une image,
12:47
a news story, a person, a company. You know,
271
767000
3000
des nouvelles, une personne, une entreprise. Vous savez,
12:50
some kind of heroic personality.
272
770000
2000
une sorte de personnalité héroïque.
12:53
And you might notice that as the cursor begins
273
773000
2000
Et vous remarquerez peut-être que, comme le curseur commence
12:55
to touch some of these stars, that shapes begin to emerge.
274
775000
4000
à toucher certaines de ces étoiles, des formes commencent à émerger.
12:59
We see here there's a little man walking along, or maybe a woman.
275
779000
3000
Nous voyons ici qu'il y a un petit homme marchant, ou peut-être une femme.
13:02
And we see here a photograph with a head.
276
782000
4000
Et nous voyons ici, une photographie avec une tête.
13:07
You can start to see words emerging here.
277
787000
2000
Vous pouvez commencer à voir les mots émergeant ici.
13:10
And those are
278
790000
1000
Et ce sont les constellations ;
13:12
the constellations of today.
279
792000
1000
ce sont les constellations d'aujourd'hui.
13:14
And I can turn them all on,
280
794000
1000
Et je peux les allumer toutes,
13:15
and you can see them moving across the sky now.
281
795000
2000
et vous pouvez les voir se déplacer dans le ciel maintenant.
13:18
This is the universe of 2007, the last two months.
282
798000
2000
C'est l'univers de 2007, les deux derniers mois.
13:21
The data from this is global news coverage
283
801000
2000
Ces données couvrent
13:23
from thousands of news sources around the world.
284
803000
2000
des milliers de sources de nouvelles dans le monde.
13:25
It's using the API of a really great company that I work with
285
805000
4000
Il s'agit d'utiliser l'API d'une société vraiment super avec qui je travaille
13:29
in New York, actually, called Daylife.
286
809000
1000
à New York: Daylife.
13:31
And it's kind of the zeitgeist view at this level
287
811000
3000
Et c'est un peu une vue à la Zeitgeist à ce niveau
13:34
of the world's current mythology over the last couple of months.
288
814000
4000
de la mythologie courante du monde au cours des deux derniers mois.
13:38
So we can see where it's emerging here, like President Ford,
289
818000
3000
Ainsi nous pouvons voir oů il est train de naître, comme le président Ford,
13:42
Iraq, Bush. And we can actually isolate just the words --
290
822000
3000
l'Irak, Bush. Et nous pouvons en fait isoler seulement les mots -
13:45
I call them secrets -- and we can cause them to form
291
825000
2000
je les appelle "secrets", et on peut les amener à former
13:47
an alphabetical list. And we see Anna Nicole Smith
292
827000
3000
une liste alphabétique. Et nous voyons que Anna Nicole Smith
13:51
playing a big role recently.
293
831000
2000
a joué un grand rôle récemment.
13:53
President Ford -- this is Gerald Ford's funeral.
294
833000
3000
Le président Ford - il s'agit des funérailles de Gerald Ford.
13:56
We can actually click anything in Universe
295
836000
3000
On peut cliquer sur quoi que ce soit dans Universe
13:59
and have it become the center of the universe,
296
839000
1000
et ça devient le centre de l'univers,
14:00
and everything else will enter its orbit.
297
840000
2000
et tout le reste entrera dans son orbite.
14:02
So, we'll click Ford, and now that becomes the center.
298
842000
3000
Donc, nous allons cliquer sur Ford, et maintenant cela devient le centre.
14:05
And the things that relate to Ford enter its orbit
299
845000
3000
Et les choses qui se rapportent à Ford entrent dans son orbite
14:08
and swirl around it.
300
848000
1000
et tourbillonnent autour de lui.
14:10
We can isolate just the photographs, and we now see those.
301
850000
2000
Nous pouvons isoler seulement les photos, et on les voit là.
14:13
We can click on one of those
302
853000
1000
On peut cliquer sur l'une d'elles
14:14
and have the photograph be the center of the universe.
303
854000
2000
et avoir cette photo au centre de l'univers.
14:17
Now the things that relate to it are swirling around.
304
857000
3000
Maintenant les choses qui s'y rapportent tourbillonnent autour.
14:20
We can click on this and we see this iconic image
305
860000
3000
On peut cliquer sur ce point et nous voyons cette image iconique
14:23
of Betty Ford kissing her husband's coffin.
306
863000
3000
de Betty Ford embrassant le cercueil de son mari.
14:26
In Universe, there's kind of no end. It just goes infinitely,
307
866000
5000
Dans l'univers, il n'y a pas de fin. Il s'étend à l'infini,
14:32
and you can just kind of click on stuff.
308
872000
1000
et vous n'avez qu'à cliquer sur des trucs.
14:34
This is a photographic representation, called Snapshots.
309
874000
4000
Il s'agit d'une représentation photo, appelée Snapshots.
14:38
But we can actually be more specific in defining our universe.
310
878000
4000
Mais on peut en fait être plus précis dans la définition de notre univers.
14:42
So, if we want to,
311
882000
1000
Donc, si nous le voulons,
14:43
let's check out what Bill Clinton's universe looks like.
312
883000
3000
regardons à quoi l'univers de Bill Clinton ressemble.
14:46
And let's see, in the past week, what he's been up to.
313
886000
4000
Et voyons, durant cette dernière semaine, ce qu'il a fait.
14:50
So now, we have a new universe, which is just constrained
314
890000
3000
Alors maintenant, nous avons un nouvel univers,
14:53
to all things Bill Clinton.
315
893000
1000
restreint aux choses concernant Bill Clinton.
14:55
We can have his constellations emerge here.
316
895000
2000
Nous pouvons avoir ses constellations qui apparaissent ici.
14:58
We can pull out his secrets,
317
898000
1000
Nous pouvons extraire ses secrets,
14:59
and we see that it has a lot to do with candidates,
318
899000
3000
et on voit qu'il y a beaucoup de candidats,
15:02
Hillary, presidential, Barack Obama.
319
902000
3000
Hillary, les présidentielles, Barack Obama.
15:06
We can see the stories
320
906000
1000
Nous pouvons voir les histoires
15:07
that Bill Clinton is taking part in right now.
321
907000
3000
auxquelles Bill Clinton participe en ce moment.
15:10
Any of those can be opened up.
322
910000
2000
Toutes peuvent être ouvertes.
15:12
So we see Obama and the Clintons meet in Alabama.
323
912000
2000
Ainsi, nous voyons "Obama et les Clinton se rencontrent en Alabama".
15:15
You can see that this is an important story;
324
915000
1000
On voit que c'est une histoire importante,
15:16
there are a lot of things in its orbit. If we open this up,
325
916000
4000
il ya beaucoup de choses dans son orbite. Si nous ouvrons ceci,
15:20
we get different perspectives on this story.
326
920000
3000
nous obtenons des perspectives différentes sur cette histoire.
15:23
You can click any of those to go out and read the article
327
923000
2000
Vous pouvez cliquer sur chaque réponse et lire l'article
15:25
at the source. This one's from Al Jazeera.
328
925000
2000
à la source. Celui-ci est d'Al-Jazira.
15:28
We can also see the superstars. These would be the people
329
928000
4000
Nous pouvons aussi voir les superstars. Ce serait les gens
15:32
that are kind of the looming heroes and heroines
330
932000
3000
qui sont un peu des héros et des héroïnes
15:35
in the universe of Bill Clinton. So there's Bill Clinton, Hillary,
331
935000
3000
qui apparaissent dans l'univers de Bill Clinton. Donc il y a Bill Clinton, Hillary,
15:38
Iraq, George Bush, Barack Obama, Scooter Libby --
332
938000
4000
l'Irak, George Bush, Barack Obama, Scooter Libby,
15:42
these are kind of the people of Bill Clinton.
333
942000
2000
c'est le genre de personnes autour de Bill Clinton.
15:45
We can also see a world map, so this shows us the geographic reach
334
945000
4000
Nous pouvons aussi voir une carte du monde, donc cela nous montre la portée géographique
15:49
of Bill Clinton in the last week or so.
335
949000
1000
de Bill Clinton durant la dernière semaine.
15:50
We can see he's been focused in America
336
950000
2000
Nous pouvons voir que c'est centré sur l'Amérique
15:52
because he's been campaigning, probably,
337
952000
2000
parce qu'il y a fait campagne, sans doute,
15:54
but a little bit of action over here in the Middle East.
338
954000
2000
mais il y a un peu d'action ici au Moyen-Orient.
15:56
And then we can also see a timeline.
339
956000
2000
Et puis on peut voir aussi une chronologie.
15:58
So we see that he was a bit quiet on Saturday,
340
958000
3000
Nous voyons donc qu'il était un peu discret le samedi,
16:01
but he was back to work on Sunday morning,
341
961000
2000
mais il était de retour au travail le dimanche matin,
16:03
and actually been tapering off since then this week.
342
963000
3000
et puis ça s'est réduit depuis, cette semaine.
16:06
And it's not limited to just people or dates,
343
966000
2000
Et ce n'est pas limité à des personnes ou des dates,
16:08
but we can actually put in concepts also.
344
968000
2000
mais nous pouvons actuellement le filtrer par concepts.
16:10
So if I put in climate change for all of 2006,
345
970000
3000
Donc, si je mets le changement climatique pour l'ensemble de 2006,
16:14
we'll see what that universe looks like.
346
974000
2000
nous allons voir à quoi cet univers ressemble.
16:16
Here we have our star field. Here we have our shapes.
347
976000
3000
Ici, nous avons notre champ d'étoiles, ici nous avons nos formes,
16:19
Here we have our secrets.
348
979000
2000
ici nous avons nos secrets.
16:22
So we see again, climate change is large:
349
982000
2000
Donc, nous voyons encore, le changement climatique est important.
16:24
Nairobi, global conference, environmental.
350
984000
3000
Nairobi, conférence mondiale, l'environnement.
16:27
And there are also quotes that you can see,
351
987000
2000
Et il y a également des citations que vous pouvez voir,
16:29
if you're interested in reading about quotes on climate change.
352
989000
2000
si vous êtes intéressé par les citations du changement climatique.
16:31
You know, this is really an infinite thing.
353
991000
1000
Vous savez, c'est vraiment à l'infini.
16:33
The superstars of climate change in 2006:
354
993000
2000
Les superstars du changement climatique en 2006 :
16:35
United States, Britain, China. You know,
355
995000
3000
les Etats-Unis, la Grande-Bretagne, la Chine.
16:38
these are the towering countries that kind of define this concept.
356
998000
3000
Ce sont les pays imposants qui définissent ce genre de concept.
16:41
So this is a piece that demands exploration.
357
1001000
3000
Donc, c'est un outil qui demande à être exploré.
16:44
This will be online in several days, probably next Tuesday.
358
1004000
4000
Ce sera en ligne dans quelques jours, probablement mardi prochain.
16:49
And you'll all be able to use it and kind of explore
359
1009000
4000
Et vous serez tous en mesure de l'utiliser et d'explorer
16:53
what your own personal mythology might be.
360
1013000
2000
ce que votre mythologie personnelle pourrait être.
16:55
You'll notice that in Daylife -- rather, in Universe --
361
1015000
3000
Vous remarquerez que, dans Daylife, plutôt, dans Universe,
16:58
it supports both the notion of a global mythology,
362
1018000
2000
cela soutient aussi bien la notion d'une mythologie mondiale,
17:00
which is represented by something as broad as, say, 2007,
363
1020000
3000
qui est représentée par quelque chose d'aussi large que, disons, 2007,
17:03
and also a personal mythology.
364
1023000
2000
qu'une mythologie personnelle.
17:05
As you search for the things that are important to you in your world,
365
1025000
4000
Pendant que vous recherchez ce qui est important pour vous dans votre monde,
17:09
and then see what the constellations of those might look like.
366
1029000
3000
vous pouvez voir à quoi les constellations vont ressembler.
17:13
So it's been a pleasure. Thank you very much.
367
1033000
3000
Ça a été un plaisir. Merci beaucoup. Merci.
17:16
(Applause)
368
1036000
3000
(Applaudissements)
About this website

This site will introduce you to YouTube videos that are useful for learning English. You will see English lessons taught by top-notch teachers from around the world. Double-click on the English subtitles displayed on each video page to play the video from there. The subtitles scroll in sync with the video playback. If you have any comments or requests, please contact us using this contact form.

https://forms.gle/WvT1wiN1qDtmnspy7