Massive-scale online collaboration | Luis von Ahn

Luis von Ahn : Collaboration en ligne à très grande échelle.

311,384 views

2011-12-06 ・ TED


New videos

Massive-scale online collaboration | Luis von Ahn

Luis von Ahn : Collaboration en ligne à très grande échelle.

311,384 views ・ 2011-12-06

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Elisabeth Buffard Relecteur: Patrick Brault
00:15
How many of you had to fill out a web form
0
15260
2000
Combien d'entre vous ont déjà eu à remplir un formulaire en ligne
00:17
where you've been asked to read
1
17284
1512
dans lequel on vous demande de lire une séquence déformée de caractères telle que ceux-là ?
00:18
a distorted sequence of characters like this?
2
18820
2136
Combien d'entre vous ont trouvé ça vraiment, vraiment enquiquinant ?
00:20
How many of you found it really annoying?
3
20980
1953
Ok, c'est clair. Et c'est moi qui l'ai inventé.
00:22
(Laughter)
4
22957
1099
00:24
OK, outstanding. So I invented that.
5
24080
1736
(rires)
00:25
(Laughter)
6
25840
1836
Enfin, j'ai participé à son invention.
00:27
Or I was one of the people who did it.
7
27700
1856
Cette chose s'appelle un CAPTCHA.
00:29
That thing is called a CAPTCHA.
8
29580
1536
Et sa raison d'être est de vérifier que vous, l'entité qui remplit le formulaire,
00:31
And it is there to make sure you, the entity filling out the form,
9
31140
3136
êtes bien un humain et pas un quelconque programme informatique,
00:34
are a human and not a computer program
10
34300
1856
créé pour soumettre le formulaire des millions et des millions de fois.
00:36
that was written to submit the form millions of times.
11
36180
2576
La raison pour laquelle ça marche est que les humains
00:38
The reason it works is because humans, at least non-visually-impaired humans,
12
38780
3656
en tous cas les humains qui ne sont pas mal voyants,
n'ont pas de problème pour lire des caractères ondulés et déformés,
00:42
have no trouble reading these distorted characters,
13
42460
2416
alors que les programmes informatiques ne peuvent pas encore le faire aussi bien.
00:44
whereas programs can't do it as well yet.
14
44900
1976
00:46
In the case of Ticketmaster,
15
46900
1496
Par exemple, dans le cas de "Ticketmaster",
00:48
the reason you have to type these characters
16
48420
2096
la raison pour laquelle vous devez taper ces caractères
00:50
is to prevent scalpers from writing a program
17
50540
2136
est d'empêcher des revendeurs au marché noir d'écrire un programme
00:52
that can buy millions of tickets, two at a time.
18
52700
2256
qui pourrait acheter des millions de tickets, deux par deux.
00:54
CAPTCHAs are used all over the Internet.
19
54980
1936
Les CAPTCHA sont utilisés partout sur Internet.
00:56
And since they're used so often,
20
56940
1576
Et comme on les utilise aussi souvent,
00:58
a lot of times the sequence of random characters shown to the user
21
58540
3136
de nombreuses fois, la séquence de caractères aléatoires qui est montrée à l'utilisateur
n'est pas très heureuse.
01:01
is not so fortunate.
22
61700
1216
01:02
So this is an example from the Yahoo registration page.
23
62940
2656
Voici un exemple tiré de la page d'inscription de Yahoo.
01:05
The random characters that happened to be shown to the user
24
65620
2816
Les caractères aléatoires montrés à l'utilisateur
étaient A,T,T,E,N,D,R,E (ndlt: WAIT en anglais), qui, bien sûr, forment un mot.
01:08
were W, A, I, T, which, of course, spell a word.
25
68460
2696
Mais le plus drôle c'est le message
01:11
But the best part is the message
26
71180
2096
01:13
that the Yahoo help desk got about 20 minutes later.
27
73300
2456
que l'aide en ligne de Yahoo a reçu environ 20 min plus tard.
01:15
[Help! I've been waiting for over 20 minutes and nothing happens.]
28
75780
3136
Texte : "Aidez-moi ! J'attends depuis plus de 20 min, et il ne se passe rien."
01:18
(Laughter)
29
78940
4856
(rires)
01:23
This person thought they needed to wait.
30
83820
1905
La personne pensait devoir attendre.
01:25
This, of course, is not as bad as this poor person.
31
85749
2407
Bien sûr, ce n'est pas aussi terrible que ce qui est arrivé à cette pauvre personne (texte : redémarrez).
01:28
(Laughter)
32
88180
2376
(rires)
01:30
CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago,
33
90580
3736
Nous avons lancé le projet CAPTCHA il y a plus de 10 ans, ici, à Carnegie Mellon,
et il est maintenant utilisé partout.
01:34
and it's been used everywhere.
34
94340
1456
01:35
Let me now tell you about a project that we did a few years later,
35
95820
3136
Laissez-moi maintenant vous parler d'un projet que nous avons lancé quelques années plus tard,
qui est, en quelque sorte, l'étape suivante du CAPTCHA.
01:38
which is sort of the next evolution of CAPTCHA.
36
98980
2216
Il s'agit du projet que nous avons appelé reCAPTCHA,
01:41
This is a project that we call reCAPTCHA,
37
101220
1976
que nous avons commencé ici à Carnegie Mellon,
01:43
which is something that we started here at Carnegie Mellon,
38
103220
2776
puis que nous avons transformé en start-up.
01:46
then we turned it into a start-up company.
39
106020
2008
Et il y environ un an et demi,
01:48
And then about a year and a half ago, Google actually acquired this company.
40
108052
3588
Google l'a en fait rachetée.
Laissez-moi vous raconter les débuts de ce projet.
01:51
Let me tell you what this project started.
41
111664
2007
Ce projet est né du constat suivant :
01:53
This project started from the following realization:
42
113695
2531
il s'avère qu'approximativement 200 millions de CAPTCHA
01:56
It turns out that approximately 200 million CAPTCHAs
43
116250
2437
sont tapés par des gens tous les jours dans le monde.
01:58
are typed everyday by people around the world.
44
118711
2151
02:00
When I first heard this, I was quite proud of myself.
45
120886
2484
La première fois que j'ai entendu ça, j'étais assez fier de moi.
Je me suis dit "regarde l'influence que ma recherche a eue".
02:03
I thought, look at the impact my research has had.
46
123394
2341
Mais ensuite, j'ai commencé à me sentir mal.
02:05
But then I started feeling bad.
47
125759
1484
En effet, à chaque fois que vous tapez un CAPTCHA,
02:07
Here's the thing: each time you type a CAPTCHA,
48
127267
2206
vous perdez en gros 10 secondes de votre temps.
02:09
essentially, you waste 10 seconds of your time.
49
129497
2339
02:11
And if you multiply that by 200 million,
50
131860
1936
Et si vous multipliez ça par 200 millions,
02:13
you get that humanity is wasting about 500,000 hours every day
51
133820
3016
vous vous rendez compte que l'humanité perd environ 500 000 heures chaque jours
02:16
typing these annoying CAPTCHAs.
52
136860
1536
en tapant ces ennuyeux CAPTCHA.
02:18
(Laughter)
53
138420
1016
Alors, j'ai commencé à me sentir mal.
02:19
So then I started feeling bad.
54
139460
1429
02:20
(Laughter)
55
140913
1803
(rires)
02:22
And then I started thinking, of course, we can't just get rid of CAPTCHAs,
56
142740
3496
Et puis j'ai commencé à me demander, bon, bien sûr, on ne peut pas simplement se débarrasser des CAPTCHA,
car la sécurité du Web en dépend un peu.
02:26
because the security of the web depends on them.
57
146260
2256
Mais alors j'ai commencé à me demander s'il y avait moyen d'utiliser cet effort
02:28
But then I started thinking, can we use this effort
58
148540
2416
02:30
for something that is good for humanity?
59
150980
1936
pour quelque chose de bénéfique pour l'humanité ?
02:32
So see, here's the thing.
60
152940
1496
Alors, voilà.
02:34
While you're typing a CAPTCHA, during those 10 seconds,
61
154460
2616
Pendant que vous tapez un CAPTCHA, pendant ces 10 secondes,
votre cerveau fait quelque chose d'incroyable.
02:37
your brain is doing something amazing.
62
157100
1856
02:38
Your brain is doing something that computers cannot yet do.
63
158980
2816
Votre cerveau fait quelque chose que les ordinateurs ne savent pas encore faire.
Pouvons-nous alors vous amener à faire un travail utile pendant ces 10 secondes?
02:41
So can we get you to do useful work for those 10 seconds?
64
161820
2696
Autrement dit,
02:44
Is there some humongous problem that we cannot yet get computers to solve,
65
164540
3496
y a-t-il un énorme problème que nous ne sachions pas encore résoudre à l'aide d'ordinateurs,
mais que nous puissions découper en petits bouts de 10 secondes
02:48
yet we can split into tiny 10-second chunks
66
168060
2776
02:50
such that each time somebody solves a CAPTCHA,
67
170860
2176
de façon à ce que chaque fois que quelqu'un résout un CAPTCHA,
il résout un petit bout de ce problème ?
02:53
they solve a little bit of this problem?
68
173060
1936
Et la réponse est "oui", et c'est ce que nous faisons maintenant.
02:55
And the answer to that is "yes," and this is what we're doing now.
69
175020
3136
Ce que vous ne savez peut-être pas, c'est que maintenant, quand vous tapez un CAPTCHA,
02:58
Nowadays, while you're typing a CAPTCHA,
70
178180
1936
non seulement vous vous authentifiez en tant qu'humain,
03:00
not only are you authenticating yourself as a human,
71
180140
2429
mais en plus vous contribuez à la numérisation de livres.
03:02
but in addition you're helping us to digitize books.
72
182593
2443
Laissez-moi vous expliquer comment ça marche.
03:05
Let me explain how this works.
73
185060
1456
Il y a plein de projets dont le but est de numériser des livres.
03:06
There's a lot of projects trying to digitize books.
74
186540
2416
Google en a un. Internet Archive en a un.
03:08
Google has one. The Internet Archive has one.
75
188980
2136
Amazon, maintenant avec Kindle, essaye de numériser des livres.
03:11
Amazon, with the Kindle, is trying to digitize books.
76
191140
2496
Voilà en gros comment ça marche :
03:13
Basically, the way this works is you start with an old book.
77
193660
3176
vous prenez un vieux livre.
03:16
You've seen those things, right?
78
196860
1576
Vous voyez de quoi je parle, n'est-ce pas ? Genre, un livre ?
03:18
Like a book?
79
198460
1216
(rires)
03:19
(Laughter)
80
199700
1256
03:20
So you start with a book and then you scan it.
81
200980
2536
Donc, vous prenez un livre et vous le scannez.
Scanner un livre,
03:23
Now, scanning a book
82
203540
1216
03:24
is like taking a digital photograph of every page.
83
204780
2376
c'est comme prendre une photo numérique de chaque page du livre.
Vous avez alors une image de chaque page du livre.
03:27
It gives you an image for every page.
84
207180
1816
Une image avec du texte pour chaque page du livre.
03:29
This is an image with text for every page of the book.
85
209020
2576
L’étape suivante du processus
03:31
The next step in the process is that the computer needs to be able
86
211620
3136
implique que l'ordinateur sache décrypter tous les mots de l'image.
03:34
to decipher the words in this image.
87
214780
1736
On utilise une technologie appelée ROC,
03:36
That's using a technology called OCR, for optical character recognition,
88
216540
3416
pour Reconnaissance Optique de Caractères,
03:39
which takes a picture of text
89
219980
1416
qui prend une image du texte
03:41
and tries to figure out what text is in there.
90
221420
2176
et essaie d'identifier le texte qui s'y trouve.
03:43
Now, the problem is that OCR is not perfect.
91
223620
2656
Le problème est que la ROC n'est pas parfaite.
Surtout avec les vieux livres,
03:46
Especially for older books
92
226300
1416
03:47
where the ink has faded and the pages have turned yellow,
93
227740
3136
dont l'encre est passée, et les pages jaunies,
03:50
OCR cannot recognize a lot of the words.
94
230900
1936
La ROC ne reconnait pas beaucoup mots.
03:52
For things that were written more than 50 years ago,
95
232860
2456
Par exemple, pour des trucs écrits il y a plus de 50 ans,
l'ordinateur ne reconnait pas environ 30% des mots.
03:55
the computer cannot recognize about 30 percent of the words.
96
235340
2856
Donc maintenant
03:58
So now we're taking all of the words that the computer cannot recognize
97
238220
3376
nous prenons tous les mots que l'ordinateur ne reconnait pas
04:01
and we're getting people to read them for us
98
241620
2256
et des gens les lisent pour nous
04:03
while they're typing a CAPTCHA on the Internet.
99
243900
2216
quand ils tapent un CAPTCHA sur Internet.
Alors, la prochaine fois que vous tapez un CAPTCHA, ces mots que vous taperez
04:06
So the next time you type a CAPTCHA, these words that you're typing
100
246140
3176
seront en fait des mots venant de livres en cours de numérisation
04:09
are actually words from books that are being digitized
101
249340
2576
04:11
that the computer could not recognize.
102
251940
1856
que l'ordinateur n'a pas su reconnaitre.
04:13
The reason we have two words nowadays instead of one
103
253820
2456
Et la raison pour laquelle nous avons deux mots, et non pas un seul,
est qu'un de ces mots
04:16
is because one of the words
104
256300
1416
04:17
is a word that the system just got out of a book,
105
257740
2576
est un mot que le système a tiré d'un livre,
sans savoir ce que c'est, et il va vous le montrer.
04:20
it didn't know what it was and it's going to present it to you.
106
260340
3016
Mais comme il ne connait pas la bonne réponse, il ne peut pas évaluer la vôtre.
04:23
But since it doesn't know the answer, it cannot grade it.
107
263380
2696
Donc nous vous en donnons un autre,
04:26
So we give you another word,
108
266100
1376
04:27
for which the system does know the answer.
109
267500
2000
un pour lequel le système connait la réponse.
04:29
We don't tell you which one's which and we say, please type both.
110
269524
3072
Nous ne vous disons pas lequel est lequel, et nous vous demandons de taper les deux.
Et si vous tapez le bon mot
04:32
And if you type the correct word
111
272620
1575
pour celui pour lequel le système connait déjà la réponse,
04:34
for the one for which the system knows the answer,
112
274219
2377
il suppose que vous êtes humain,
04:36
it assumes you are human
113
276620
1256
04:37
and it also gets some confidence that you typed the other word correctly.
114
277900
3456
et il vous fait confiante pour taper l'autre mot correctement.
Et si nous répétons ce processus avec environ 10 personnes différentes,
04:41
And if we repeat this process to 10 different people
115
281380
2456
et que toutes tombent d'accord sur le nouveau mot,
04:43
and they agree on what the new word is,
116
283860
1896
alors nous obtenons un mot de plus numérisé correctement.
04:45
then we get one more word digitized accurately.
117
285780
2216
Voila comment fonctionne le système.
04:48
So this is how the system works.
118
288020
1576
Et en gros, depuis que nous l'avons lancé, il y a 3 ou 4 ans,
04:49
And since we released it about three or four years ago,
119
289620
2616
beaucoup de sites web ont commencé à passer
04:52
a lot of websites have started switching from the old CAPTCHA,
120
292260
2936
du vieux CAPTCHA avec lequel les gens perdaient leur temps
04:55
where people wasted their time,
121
295220
1536
au nouveau CAPTCHA avec lequel les gens contribuent à numériser des livres.
04:56
to the new CAPTCHA where people are helping to digitize books.
122
296780
2936
Par exemple, Ticketmaster.
04:59
So every time you buy tickets on Ticketmaster,
123
299740
2176
Alors chaque fois que vous achetez un billet sur Ticketmaster, vous contribuez à numériser un livre.
05:01
you help to digitize a book.
124
301940
1376
Facebook : Chaque fois que vous ajoutez quelqu'un, ou lui envoyez un poke
05:03
Facebook: Every time you add a friend or poke somebody,
125
303340
2616
vous contribuez à numériser un livre.
05:05
you help to digitize a book.
126
305980
1376
Twitter et environ 350 000 autres sites utilisent reCAPTCHA.
05:07
Twitter and about 350,000 other sites are all using reCAPTCHA.
127
307380
2936
Et en fait, le nombre de sites utilisant reCAPTCHA est si grand
05:10
And the number of sites that are using reCAPTCHA is so high
128
310340
2816
que le nombre de mots que nous numérisons par jour est très très grand.
05:13
that the number of words we're digitizing per day is really large.
129
313180
3136
C'est environ 100 millions par jour,
05:16
It's about 100 million a day,
130
316340
1416
soit l’équivalent d’à peu près 2,5 millions de livres par an.
05:17
which is the equivalent of about two and a half million books a year.
131
317780
3496
Et tout est fait un mot après l'autre,
05:21
And this is all being done one word at a time
132
321300
2136
uniquement par des gens qui tapent des CAPTCHA sur Internet.
05:23
by just people typing CAPTCHAs on the Internet.
133
323460
2216
(applaudissements)
05:25
(Applause)
134
325700
6880
05:32
Now, of course,
135
332940
1216
Bien sûr,
05:34
since we're doing so many words per day,
136
334180
3336
puisque nous faisons tellement de mots par jour,
il peut se produire de drôles de choses.
05:37
funny things can happen.
137
337540
1256
05:38
This is especially true because now we're giving people
138
338820
2616
Et c'est particulièrement vrai car nous proposons aux gens
deux mots pris au hasard dans la langue anglaise, l'un à côté de l'autre.
05:41
two randomly chosen English words next to each other.
139
341460
2496
Et donc de drôles de choses se produisent.
05:43
So funny things can happen.
140
343980
1336
Par exemple, nous avons proposé ce mot.
05:45
For example, we presented this word.
141
345340
1736
Il s'agit du mot "Chrétiens"; il n'y a rien de mal à ça.
05:47
It's the word "Christians"; there's nothing wrong with it.
142
347100
2736
Mais si vous le présentez à côté d'un autre mot pris au hasard,
05:49
But if you present it along with another randomly chosen word,
143
349860
2936
de mauvaises choses peuvent se produire.
05:52
bad things can happen.
144
352820
1336
Ainsi, nous avons obtenu ça. (Texte : mauvais chrétiens)
05:54
So we get this.
145
354180
1216
05:55
[bad Christians]
146
355420
1216
Et c'est bien pire, car il se trouve que le site web où cela s'est affiché
05:56
But it's even worse, because the website where we showed this
147
356660
2896
était en fait appelé Ambassade du Royaume de Dieu.
05:59
actually happened to be called The Embassy of the Kingdom of God.
148
359580
3056
(rires)
06:02
(Laughter)
149
362660
1696
Oh la gaffe !
06:04
Oops.
150
364380
1216
06:05
(Laughter)
151
365620
3856
(rires)
Voici encore un vraiment mauvais coup.
06:09
Here's another really bad one.
152
369500
1696
JohnEdwards.com
06:11
JohnEdwards.com
153
371220
1296
06:12
[Damn liberal]
154
372540
1216
(Texte : Maudit libéral)
06:13
(Laughter)
155
373780
4496
(rires)
Ainsi, nous insultons sans cesse des gens ici et là, tous les jours.
06:18
So we keep on insulting people left and right everyday.
156
378300
2816
Bien sûr, nous ne nous contentons pas de les insulter.
06:21
Of course, we're not just insulting people.
157
381140
2016
Vous voyez, le truc c'est que, puisque nous présentons deux mots pris au hasard,
06:23
Here's the thing. Since we're presenting two randomly chosen words,
158
383180
3176
il peut se passer des choses intéressantes.
06:26
interesting things can happen.
159
386380
1456
06:27
So this actually has given rise to a really big Internet meme
160
387860
4616
Et ça a donné lieu
à un immense mème sur Internet,
06:32
that tens of thousands of people have participated in,
161
392500
2536
auquel des dizaines de milliers de personnes ont participé,
et qui s'appelle le CAPTCHA art.
06:35
which is called CAPTCHA art.
162
395060
1656
06:36
I'm sure some of you have heard about it.
163
396740
1976
Je suis sûr que certains d'entre en ont déjà entendu parler.
06:38
Here's how it works.
164
398740
1256
Voici comment ça marche.
06:40
Imagine you're using the Internet and you see a CAPTCHA
165
400020
2616
Imaginez que vous soyez en train d'utiliser Internet et que vous voyiez un CAPTCHA,
06:42
that you think is somewhat peculiar,
166
402660
1736
que vous trouvez quelque peu bizarre,
06:44
like this CAPTCHA.
167
404420
1216
comme ce CAPTCHA (Texte : grille-pain invisible).
06:45
[invisible toaster]
168
405660
1216
06:46
What you're supposed to do is you take a screenshot of it.
169
406900
2736
Ce que vous êtes alors censé faire, c'est une capture d'écran.
Bien sûr, ensuite, vous remplissez le CAPTCHA
06:49
Then of course, you fill out the CAPTCHA because you help us digitize a book.
170
409660
3656
car vous nous aidez à numériser un livre.
Mais ensuite, d'abord vous faites une capture d'écran,
06:53
But first you take a screenshot
171
413340
1496
06:54
and then you draw something that is related to it.
172
414860
2376
et ensuite vous dessinez quelque chose qui ait un rapport.
(rires)
06:57
(Laughter)
173
417260
1696
06:58
That's how it works.
174
418980
1216
Voilà comment ça marche.
07:00
(Laughter)
175
420220
1336
07:01
There are tens of thousands of these.
176
421580
2656
Il y en a des dizaines de milliers comme ça.
07:04
Some of them are very cute.
177
424260
2072
Certains sont vraiment mignons. (Texte : je l'ai serré)
07:06
[clenched it]
178
426356
1213
(rires)
07:07
(Laughter)
179
427593
1843
D'autres sont plus drôles.
07:09
Some of them are funnier.
180
429460
1536
(Texte : fondateurs défoncés)
07:11
[stoned Founders]
181
431020
1216
07:12
(Laughter)
182
432260
4376
(rires)
07:16
And some of them, like paleontological shvisle ...
183
436660
3429
Et certains,
comme bidule paléontologique,
07:20
(Laughter)
184
440113
1923
font figurer Snoop Dogg.
07:22
they contain Snoop Dogg.
185
442060
1216
07:23
(Laughter)
186
443300
3136
(rires)
07:26
OK, so this is my favorite number of reCAPTCHA.
187
446460
2576
Bon, voilà mon nombre préféré de reCAPTCHA.
Et c'est le truc que je préfère dans tout ce projet.
07:29
So this is the favorite thing that I like about this whole project.
188
449060
3176
C'est le nombre de personnes distinctes
07:32
This is the number of distinct people
189
452260
1816
qui ont contribué à numériser au moins un mot avec reCAPTCHA :
07:34
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
454100
3736
750 millions de personnes,
07:37
750 million, a little over 10 percent of the world's population,
191
457860
3056
soit un peu plus de 10% de la population mondiale,
07:40
has helped us digitize human knowledge.
192
460940
1896
nous ont aidés à numériser le savoir humain.
07:42
And it is numbers like these that motivate my research agenda.
193
462860
3096
Et c'est ce genre de nombre qui me motive à continuer mes recherches.
07:45
So the question that motivates my research is the following:
194
465980
3056
Et la question qui motive mes recherches est la suivante :
Si vous observez ce que l'humanité a fait à grande échelle,
07:49
If you look at humanity's large-scale achievements,
195
469060
2416
ces choses vraiment grandes,
07:51
these really big things
196
471500
1216
07:52
that humanity has gotten together and done historically --
197
472740
2715
que l'humanité a faites dans l'histoire,
07:55
like, for example, building the pyramids of Egypt
198
475479
2477
comme par exemple construire les pyramides d’Égypte,
07:57
or the Panama Canal
199
477980
1576
ou le Canal de Panama,
07:59
or putting a man on the Moon --
200
479580
2056
ou envoyer un homme sur la lune,
08:01
there is a curious fact about them,
201
481660
1696
elles présentent un fait curieux,
08:03
and it is that they were all done with about the same number of people.
202
483380
3336
c'est qu'elles ont toute été réalisées par le même nombre de gens.
C'est étrange : elles ont toutes été réalisées par environ 100 000 personnes.
08:06
It's weird; they were all done with about 100,000 people.
203
486740
2696
Et la raison en est que, avant Internet,
08:09
And the reason for that is because, before the Internet,
204
489460
2656
coordonner plus de 100 000 personnes,
08:12
coordinating more than 100,000 people,
205
492140
1856
sans parler de les payer, était impossible.
08:14
let alone paying them, was essentially impossible.
206
494020
3016
Mais maintenant, avec Internet, je viens de vous montrer un projet
08:17
But now with the Internet, I've just shown you a project
207
497060
2656
dans lequel j'ai obtenu que 750 millions de personnes
08:19
where we've gotten 750 million people to help us digitize human knowledge.
208
499740
3496
nous aident à numériser le savoir humain.
Donc, la question qui motive mes recherches est,
08:23
So the question that motivates my research is,
209
503260
2176
si nous pouvons envoyer un homme sur la lune avec 100 000 personnes,
08:25
if we can put a man on the Moon with 100,000,
210
505460
2136
08:27
what can we do with 100 million?
211
507620
2176
que pouvons-nous faire avec 100 millions de personnes?
08:29
So based on this question,
212
509820
1256
En partant de cette question,
08:31
we've had a lot of different projects that we've been working on.
213
511100
3056
nous avons travaillé sur de nombreux projets différents.
Laissez-moi vous parler de celui qui m'enthousiasme le plus.
08:34
Let me tell you about one that I'm most excited about.
214
514180
2536
08:36
This is something that we've been semiquietly working on
215
516740
2656
Nous travaillons là-dessus sans en parler trop
depuis environ un an et demi.
08:39
for the last year and a half or so.
216
519420
1696
On ne l'a pas encore lancé. Ça s'appelle Duolingo.
08:41
It hasn't yet been launched. It's called Duolingo.
217
521140
2376
Comme on ne l'a pas encore lancé, chut!
08:43
Since it hasn't been launched, shhh!
218
523540
1736
(rires)
08:45
(Laughter)
219
525300
1656
08:46
Yeah, I can trust you'll do that.
220
526980
2256
Oui, je peux vous faire confiance pour ça.
Voici donc ce projet. Voilà comment il a commencé.
08:49
So this is the project. Here's how it started.
221
529260
2216
Il a commencé quand j'ai posé une question à mon étudiant en doctorat,
08:51
It started with me posing a question to my graduate student, Severin Hacker.
222
531500
3576
Severin Hacker.
Voici Severin Hacker.
08:55
OK, that's Severin Hacker.
223
535100
1280
Je lui ai donc posé la question.
08:57
So I posed the question to my graduate student.
224
537299
2217
Au fait, vous m'avez bien entendu ;
08:59
By the way, you did hear me correctly; his last name is Hacker.
225
539540
2976
son nom de famille est Hacker.
09:02
(Laughter)
226
542540
1016
je lui ai donc posé cette question :
09:03
So I posed this question to him: How can we get 100 million people
227
543580
3296
Comment faire pour que 100 millions de personnes
09:06
translating the web into every major language for free?
228
546900
2960
traduisent gratuitement le Web dans toutes les langues principales ?
Bon, il y a beaucoup à dire là dessus.
09:10
There's a lot of things to say about this question.
229
550500
2416
D'abord, traduire le Web.
09:12
First of all, translating the web.
230
552940
1656
Pour le moment, le Web est fractionné en de multiples langues.
09:14
Right now, the web is partitioned into multiple languages.
231
554620
2796
Une grande partie est en anglais.
09:17
A large fraction of it is in English.
232
557440
1816
Si vous ne connaissez pas du tout l'anglais, vous ne pouvez pas y accéder.
09:19
If you don't know English, you can't access it.
233
559280
2216
Mais il y en a de grandes parties dans d'autres langues différentes,
09:21
But there's large fractions in other different languages,
234
561520
2696
et si vous ne connaissez pas ces langues, vous ne pouvez pas y accéder.
09:24
and if you don't know them, you can't access it.
235
564240
2256
Alors j'aimerais traduire tout l'Internet, ou tout du moins la plus grande partie du Web,
09:26
So I would like to translate all of the web,
236
566520
2096
09:28
or at least most of it, into every major language.
237
568640
2376
dans toutes les langues principales.
C'est ce que j'aimerais faire.
09:31
That's what I would like to do.
238
571040
1496
09:32
Now, some of you may say, why can't we use computers to translate?
239
572560
4476
Certains d'entre vous me diront, pourquoi ne pouvons-nous pas utiliser les ordinateurs pour faire cette traduction ?
Pourquoi ne pouvons-nous pas utiliser la traduction informatisée ?
09:37
Machine translation is starting to translate
240
577060
2096
De nos jours, on a commencé à traduire des phrases ici et là avec la traduction informatisée.
09:39
some sentences here and there.
241
579180
1456
Pourquoi ne pouvons-nous pas l'utiliser pour traduire tout le Web ?
09:40
Why can't we use it to translate the web?
242
580660
1976
Et bien, le problème est que ce n'est pas encore assez bon
09:42
The problem with that is it's not yet good enough
243
582660
2336
et que ça ne le sera pas avant les 15 à 20 prochaines années.
09:45
and it probably won't be for the next 15 to 20 years.
244
585020
2496
Il y a beaucoup d'erreurs.
09:47
It makes a lot of mistakes. Even when it doesn't,
245
587540
2336
Même quand il n'y a pas d'erreur,
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
246
589900
3576
elles sont tellement fréquentes que vous ne savez pas si vous pouvez vous y fier ou pas.
Permettez-moi de vous montrer un exemple
09:53
So let me show you an example
247
593500
1416
09:54
of something that was translated with a machine.
248
594940
2256
de traduction faite par ordinateur.
En fait, c'est un billet sur un forum.
09:57
Actually, it was a forum post.
249
597220
1456
09:58
It was somebody who was trying to ask a question about JavaScript.
250
598700
3176
C'est quelqu'un qui essayait de poser une question à propos de JavaScript.
10:01
It was translated from Japanese into English.
251
601900
2616
Ça a été traduit du japonais à l'anglais.
10:04
So I'll just let you read.
252
604540
1776
Je vais vous le laisser lire.
10:06
This person starts apologizing
253
606340
1776
Cette personne commence par s'excuser
10:08
for the fact that it's translated with a computer.
254
608140
2456
pour le fait que c'est une traduction faite par ordinateur.
10:10
So the next sentence is going to be the preamble to the question.
255
610620
3776
La phrase suivante sera le préambule à la question.
Il ne fait donc qu'expliquer quelque chose.
10:14
So he's just explaining something.
256
614420
1656
Souvenez-vous, c'est une question à propos de JavaScript.
10:16
Remember, it's a question about JavaScript.
257
616100
2056
10:18
[At often, the goat-time install a error is vomit.]
258
618180
2616
(Texte : A souvent, le temps de chèvre installe une erreur est vomi.)
10:20
(Laughter)
259
620820
5096
(rires)
10:25
Then comes the first part of the question.
260
625940
3536
Ensuite vient la première partie de la question.
10:29
[How many times like the wind, a pole, and the dragon?]
261
629500
2936
(Texte : Combien de fois comme le vent, un poteau, et le dragon ? )
10:32
(Laughter)
262
632460
4656
(rires)
Ensuite vient la partie de la question que je préfère.
10:37
Then comes my favorite part of the question.
263
637140
2056
10:39
[This insult to father's stones?]
264
639220
1936
(Texte : Ceci insulte aux pierres du père ? )
10:41
(Laughter)
265
641180
3856
(rires)
Et puis vient la fin, qui est ce que je préfère dans tout ça.
10:45
And then comes the ending,
266
645060
1296
10:46
which is my favorite part of the whole thing.
267
646380
2136
(Texte : S'il vous plait excusez-vous pour votre stupidité. Il y a un beaucoup merci.)
10:48
[Please apologize for your stupidity. There are a many thank you.]
268
648540
3136
10:51
(Laughter)
269
651700
2176
(rires)
10:53
OK, so computer translation, not yet good enough.
270
653900
2936
Bon, donc, la traduction par ordinateur, pas encore assez bonne .
Revenons à la question de départ.
10:56
So back to the question.
271
656860
1256
Nous avons donc besoin de gens pour traduire tout le Web.
10:58
So we need people to translate the whole web.
272
658140
2976
Maintenant, la question suivante que vous vous posez peut-être,
11:01
So now the next question you may have is,
273
661140
1976
c'est pourquoi ne pouvons-nous pas simplement payer des gens pour le faire ?
11:03
well, why can't we just pay people to do this?
274
663140
2176
Nous pourrions payer des traducteurs professionnels pour traduire tout le Web.
11:05
We could pay professional translators to translate the whole web.
275
665340
3096
Nous pourrions le faire.
11:08
We could do that.
276
668460
1256
11:09
Unfortunately, it would be extremely expensive.
277
669740
2216
Malheureusement, ce serait extrêmement cher.
11:11
For example, translating a tiny fraction of the whole web, Wikipedia,
278
671980
3256
Par exemple, traduire une minuscule fraction de tout le Web, Wikipedia,
dans une seule autre langue, l'espagnol,
11:15
into one other language, Spanish.
279
675260
2496
11:17
OK? Wikipedia exists in Spanish,
280
677780
1976
Wikipedia existe en espagnol,
11:19
but it's very small compared to the size of English.
281
679780
2456
mais c'est très petit comparé à la taille de l'anglais.
Ça représente environ 20% de la taille de l'anglais.
11:22
It's about 20 percent of the size of English.
282
682260
2176
Si nous voulions traduire les 80 autres pour cent en espagnol,
11:24
If we wanted to translate the other 80 percent into Spanish,
283
684460
2856
ça coûterait au moins 50 millions de dollars,
11:27
it would cost at least 50 million dollars --
284
687340
2136
même en délocalisant dans le pays le plus exploité qui soit.
11:29
and this is even at the most exploited, outsourcing country out there.
285
689500
3656
Ce serait donc très cher.
11:33
So it would be very expensive.
286
693180
1456
Alors ce que nous voulons faire, c'est trouver 100 millions de personnes
11:34
So what we want to do is, we want to get 100 million people
287
694660
2762
pour traduire le Web dans toutes les langues principales
11:37
translating the web into every major language for free.
288
697446
2590
gratuitement.
Et si c'est ce que vous voulez faire,
11:40
If this is what you want to do, you quickly realize
289
700060
2416
vous vous rendez très vite compte que vous allez tomber sur deux gros os,
11:42
you're going to run into two big hurdles, two big obstacles.
290
702500
2936
deux gros obstacles.
11:45
The first one is a lack of bilinguals.
291
705460
3296
Le premier c'est le manque de personnes bilingues.
11:48
So I don't even know
292
708780
2176
Je ne sais même pas
11:50
if there exists 100 million people out there using the web
293
710980
2736
s'il existe 100 millions de gens qui utilisent le Web
11:53
who are bilingual enough to help us translate.
294
713740
2296
et qui sont suffisamment bilingues pour nous aider à traduire.
C'est un gros problème.
11:56
That's a big problem.
295
716060
1216
11:57
The other problem you're going to run into is a lack of motivation.
296
717300
3176
L'autre problème que vous allez rencontrer, c'est le manque de motivation.
Comment allons-nous motiver les gens
12:00
How are we going to motivate people to actually translate the web for free?
297
720500
3536
à traduire le Web gratuitement ?
Normalement, on doit payer les gens pour ça.
12:04
Normally, you have to pay people to do this.
298
724060
2296
12:06
So how are we going to motivate them to do it for free?
299
726380
2616
Alors, comment allons-nous les motiver à le faire gratuitement ?
Quand nous avons commencé à y réfléchir, nous étions bloqués par ces deux choses.
12:09
When we were starting to think about this, we were blocked by these two things.
300
729020
3736
Mais ensuite nous nous sommes rendus compte qu'en fait il y a un moyen
12:12
But then we realized, there's a way
301
732780
1696
de résoudre ces deux problèmes avec une solution unique.
12:14
to solve both these problems with the same solution.
302
734500
2456
Une manière de faire d'une pierre deux coups.
12:16
To kill two birds with one stone.
303
736980
1616
Il s'agit de transformer la traduction
12:18
And that is to transform language translation
304
738620
2136
12:20
into something that millions of people want to do
305
740780
2816
en quelque chose que des millions de gens veulent faire,
12:23
and that also helps with the problem of lack of bilinguals,
306
743620
3136
tout en contribuant à résoudre le problème du manque de personnes bilingues :
12:26
and that is language education.
307
746780
2376
c'est l'apprentissage des langues.
12:29
So it turns out that today,
308
749180
1976
Il s'avère qu'aujourd'hui,
12:31
there are over 1.2 billion people learning a foreign language.
309
751180
3400
il y a plus de 1,2 milliard de gens qui apprennent une langue étrangère.
Les gens veulent vraiment apprendre une langue étrangère.
12:35
People really want to learn a foreign language.
310
755300
2216
Et ce n'est pas seulement parce qu'on les y oblige à l'école.
12:37
And it's not just because they're being forced to do so in school.
311
757540
3136
Par exemple, rien qu'aux États-Unis,
12:40
In the US alone, there are over five million people
312
760700
2416
il y a plus de 5 millions de gens qui ont payé au moins 500 $
12:43
who have paid over $500 for software to learn a new language.
313
763140
2896
des logiciels pour apprendre une nouvelle langue.
Les gens veulent donc vraiment apprendre une nouvelle langue.
12:46
So people really want to learn a new language.
314
766060
2176
Ce sur quoi nous travaillons depuis un an et demi, c'est un nouveau site web,
12:48
So what we've been working on for the last year and a half
315
768260
2736
qui s'appelle Duolingo,
12:51
is a new website -- it's called Duolingo --
316
771020
2056
où l'idée de départ est que les gens apprennent une nouvelle langue gratuitement
12:53
where the basic idea is people learn a new language for free
317
773100
2856
12:55
while simultaneously translating the web.
318
775980
2056
tout en traduisant le Web.
Et donc en gros ils apprennent en faisant.
12:58
And so basically, they're learning by doing.
319
778060
2536
Voilà comment ça marche :
13:00
So the way this works
320
780620
1216
13:01
is whenever you're a just a beginner, we give you very simple sentences.
321
781860
3416
quand vous n'êtes que débutant, nous vous donnons des phrases très, très simples.
Il y a, bien sûr, beaucoup de phrases très simples sur le web.
13:05
There's a lot of very simple sentences on the web.
322
785300
2376
Nous vous donnons des phrases très, très simples
13:07
We give you very simple sentences along with what each word means.
323
787700
3216
en même temps que la signification de chaque mot.
13:10
And as you translate them
324
790940
1336
Et en les traduisant, et en voyant comment d'autres les traduisent,
13:12
and as you see how other people translate them,
325
792300
2216
vous commencez à apprendre la langue.
13:14
you start learning the language.
326
794540
1576
Et au fur et à mesure de votre progression,
13:16
And as you get more advanced,
327
796140
1416
13:17
we give you more complex sentences to translate.
328
797580
2256
nous vous donnons des phrases de plus en plus complexes à traduire.
13:19
But at all times, you're learning by doing.
329
799860
2016
Mais à tout moment, vous apprenez en faisant.
13:21
Now, the crazy thing about this method is that it actually really works.
330
801900
3696
Ce qui est dingue, avec cette méthode,
c'est que ça marche vraiment.
13:25
People are really learning a language.
331
805620
1856
D'abord, les gens apprennent vraiment une langue.
13:27
We're mostly done building it and now we're testing it.
332
807500
2616
Nous avons presque fini de le construire, et nous sommes en train de le tester.
Les gens peuvent vraiment apprendre une langue avec ça.
13:30
People really can learn a language with it.
333
810140
2056
Et ils apprennent aussi bien qu'avec le meilleur logiciel d'apprentissage de langue.
13:32
And they learn it about as well as the leading language learning software.
334
812220
3496
Les gens apprennent vraiment une langue.
13:35
So people really do learn a language.
335
815740
1816
Et non seulement ils l'apprennent,
13:37
And not only do they learn it as well, but actually it's more interesting.
336
817580
3496
mais en fait c'est bien plus intéressant.
Parce que vous voyez, avec Duolingo, les gens apprennent avec du contenu authentique.
13:41
Because with Duolingo, people are learning with real content.
337
821100
2896
Contrairement à l'apprentissage avec les phrases préfabriquées,
13:44
As opposed to learning with made-up sentences,
338
824020
2176
les gens apprennent avec du contenu authentique, qui est intéressant par essence.
13:46
people are learning with real content, which is inherently interesting.
339
826220
3336
Les gens apprennent donc vraiment une langue.
13:49
So people really do learn a language.
340
829580
1816
Mais ce qui est peut-être plus surprenant,
13:51
But perhaps more surprisingly,
341
831420
1616
c'est que les traductions que nous obtenons des gens qui utilisent ce site,
13:53
the translations that we get from people using the site,
342
833060
2736
13:55
even though they're just beginners,
343
835820
1776
même si ce ne sont que des débutants,
13:57
the translations that we get
344
837620
1376
les traductions que nous obtenons sont aussi exactes que celles des traducteurs professionnels,
13:59
are as accurate as those of professional language translators,
345
839020
2936
ce qui est très surprenant.
14:01
which is very surprising.
346
841980
1216
Permettez-moi de vous montrer un exemple.
14:03
So let me show you one example.
347
843220
1536
14:04
This is a sentence that was translated from German into English.
348
844780
3016
Voici une phrase qui a été traduite de l'allemand à l'anglais.
L'allemand est en haut.
14:07
The top is the German. The middle is an English translation
349
847820
2776
Au milieu, c'est la traduction anglaise
14:10
that was done by a professional translator
350
850620
2256
faite par un traducteur professionnel
14:12
who we paid 20 cents a word for this translation.
351
852900
2376
que nous avons payé 20 cents le mot pour sa traduction.
Et en bas, la traduction des utilisateurs de Duolingo,
14:15
And the bottom is a translation by users of Duolingo,
352
855300
2696
alors qu'aucun d'eux ne connaissait un mot d'allemand
14:18
none of whom knew any German before they started using the site.
353
858020
3736
avant de commencer à utiliser le site.
14:21
If you can see, it's pretty much perfect.
354
861780
1976
Vous voyez, c'est parfait.
14:23
Of course, we play a trick here
355
863780
1536
Bien sûr, nous avons triché ici
14:25
to make the translations as good as professional language translators.
356
865340
3336
pour que les traductions soient aussi bonnes que celles des professionnels.
Nous avons combiné les traductions de nombreux débutants
14:28
We combine the translations of multiple beginners
357
868700
2336
pour obtenir la qualité d'un seul traducteur professionnel.
14:31
to get the quality of a single professional translator.
358
871060
2896
14:33
Now, even though we're combining the translations,
359
873980
4536
Même si nous combinons les traductions,
14:38
the site actually can translate pretty fast.
360
878540
2776
le site peut en fait traduire assez vite.
Laissez-moi vous montrer,
14:41
So let me show you,
361
881340
1216
14:42
this is our estimates of how fast we could translate Wikipedia
362
882580
2936
voici nos estimations quant à la vitesse à laquelle nous pourrions traduire Wikipedia
d'anglais en espagnol.
14:45
from English into Spanish.
363
885540
1296
14:46
Remember, this is 50 million dollars' worth of value.
364
886860
2976
Rappelez-vous, ça représente une valeur de 50 millions de dollars.
14:49
So if we wanted to translate Wikipedia into Spanish,
365
889860
2456
Alors si vous voulez traduire Wikipedia en espagnol,
cela peut être fait en 5 semaines, avec 100 000 utilisateurs actifs.
14:52
we could do it in five weeks with 100,000 active users.
366
892340
2696
Et nous pourrions le faire en 80 heures avec un million d'utilisateurs actifs.
14:55
And we could do it in about 80 hours with a million active users.
367
895060
3056
Puisque tous les projets sur lesquels mon groupe a travaillé jusqu'à présent ont eu des millions d'utilisateurs,
14:58
Since all the projects my group has worked on so far
368
898140
2456
15:00
have gotten millions of users,
369
900620
1456
nous espérons que nous serons en mesure de traduire
15:02
we're hopeful that we'll be able to translate extremely fast.
370
902100
2896
très vite avec ce projet-ci.
Ce qui m'enthousiasme le plus avec Duolingo
15:05
Now, the thing that I'm most excited about with Duolingo
371
905020
2976
c'est que je pense qu'il apporte un modèle économique équitable pour l'apprentissage des langues.
15:08
is I think this provides a fair business model for language education.
372
908020
3736
Voilà ce qu'il en est :
15:11
So here's the thing:
373
911780
1216
le modèle économique actuel pour l'apprentissage des langues,
15:13
The current business model for language education
374
913020
2336
c'est que l'élève paie,
15:15
is the student pays,
375
915380
1376
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
376
916780
3056
et en particulier, l'élève paie à Rosetta Stone 500 dollars.
(rires)
15:19
(Laughter)
377
919860
1816
C'est le modèle économique actuel.
15:21
That's the current business model.
378
921700
1656
Le problème avec ce modèle économique,
15:23
The problem with this business model
379
923380
1736
c'est que 95% de la population mondiale n'a pas 500 dollars.
15:25
is that 95 percent of the world's population doesn't have 500 dollars.
380
925140
3296
C'est donc extrêmement injuste envers les pauvres.
15:28
So it's extremely unfair towards the poor.
381
928460
2776
C'est totalement en faveur des riches.
15:31
This is totally biased towards the rich.
382
931260
1936
Vous voyez, dans Duolingo,
15:33
Now, see, in Duolingo,
383
933220
1616
15:34
because while you learn, you're actually creating value,
384
934860
3656
lorsque vous apprenez,
en fait vous créez de la valeur, vous traduisez des trucs,
15:38
you're translating stuff --
385
938540
1336
15:39
which, for example, we could charge somebody for translations,
386
939900
2936
que par exemple nous pourrions facturer à quelqu'un.
15:42
so this is how we could monetize this.
387
942860
1856
C'est ainsi que nous pourrions le rentabiliser.
15:44
Since people are creating value while they're learning,
388
944740
2616
Puisque les gens créent de la valeur en apprenant,
ils n'ont pas à payer avec leur argent, ils paient avec leur temps.
15:47
they don't have to pay with their money, they pay with their time.
389
947380
3096
Mais ce qui est magique ici, c'est qu'ils paient avec leur temps,
15:50
But the magical thing here
390
950500
1923
15:52
is that is time that would have had to have been spent anyways
391
952447
2996
mais que c'est du temps qu'ils auraient passé de toute façon
à apprendre la langue.
15:55
learning the language.
392
955467
1209
15:56
So the nice thing about Duolingo
393
956700
1576
Ce qui est bien avec Duolingo c'est que je crois que ça apporte un modèle économique équitable,
15:58
is, I think, it provides a fair business model --
394
958300
2336
qui ne défavorise pas les pauvres.
16:00
one that doesn't discriminate against poor people.
395
960660
2376
Voici donc le site. Merci
16:03
So here's the site. Thank you.
396
963060
1456
(applaudissements)
16:04
(Applause)
397
964540
7000
Donc voici le site.
16:13
We haven't yet launched,
398
973060
2416
Nous n'avons pas encore fait le lancement,
16:15
but if you go there, you can sign up to be part of our private beta,
399
975500
3296
mais si vous allez voir, vous pouvez vous inscrire pour participer à la version bêta privée,
16:18
which is probably going to start in three or four weeks.
400
978820
2656
qui devrait normalement commencer dans 3 ou 4 semaines.
Nous n'avons pas encore lancé Duolingo.
16:21
We haven't yet launched it.
401
981500
1336
16:22
By the way, I'm the one talking here,
402
982860
1816
Au fait, c'est moi qui parle ici,
16:24
but Duolingo is the work of a really awesome team,
403
984700
2376
mais Duolingo est le travail d'une équipe géniale, dont voici certains.
16:27
some of whom are here. So thank you.
404
987100
1736
Merci.
16:28
(Applause)
405
988860
5240
(applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7