Kenneth Cukier: Big data is better data

Kenneth Cukier: Le Big Data pour mieux nous comprendre

Traducteur: Meryl Ducray Relecteur: Beatriz V L

America's favorite pie is?

Quelle est la tarte préférée des Américains ?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

Public : La tarte à la pomme ! K. Cukier : En effet !

How do we know it?

Comment le sait-on ?

Because of data.

Grâce aux données.

You look at supermarket sales.

Les ventes de supermarchés.

You look at supermarket sales of 30-centimeter pies

Parmi les ventes en supermarché de tartes surgelées de 30 cm,

that are frozen, and apple wins, no contest.

la tarte à la pomme était n°1, haut la main.

La majorité des ventes se fait sur les tartes à la pomme.

The majority of the sales are apple.

But then supermarkets started selling

Puis les supermarchés se sont mis à vendre

smaller, 11-centimeter pies,

des tartes plus petites, de 11 cm.

and suddenly, apple fell to fourth or fifth place.

Et d'un coup, la pomme a chuté à la 4ème ou 5ème place

Why? What happened?

Pourquoi ? Que s'est-il passé ?

Okay, think about it.

Réfléchissez !

When you buy a 30-centimeter pie,

Quand vous achetez une grande tarte,

the whole family has to agree,

il faut que toute la famille soit d'accord,

and apple is everyone's second favorite.

Or la pomme est le deuxième choix de tous.

(Laughter)

(Rires)

But when you buy an individual 11-centimeter pie,

Mais si vous achetez une petite tartelette,

you can buy the one that you want.

vous pouvez acheter celle que vous préférez.

You can get your first choice.

Vous pouvez avoir votre premier choix.

You have more data.

Vous avez plus de données.

You can see something

On découvre quelque chose qui nous aurait échappé

that you couldn't see

when you only had smaller amounts of it.

avec moins de données.

Now, the point here is that more data

Mais plus de données ne nous donnent pas seulement plus d'informations,

doesn't just let us see more,

more of the same thing we were looking at.

plus d'informations sur la même chose.

More data allows us to see new.

Plus de données nous permettent de voir de nouvelles choses,

It allows us to see better.

d'y voir plus clair,

It allows us to see different.

de voir sous un nouvel angle.

In this case, it allows us to see

Dans ce cas, ça nous a permis de savoir

what America's favorite pie is:

quelle tarte les Américains préfèrent :

not apple.

ce n'est pas la pomme.

Now, you probably all have heard the term big data.

Vous avez déjà probablement entendu le terme « Big Data ».

In fact, you're probably sick of hearing the term

En fait, vous en avez probablement plein les oreilles des Big Data.

big data.

It is true that there is a lot of hype around the term,

C'est vrai qu'il y a beaucoup de bruit autour de ça

and that is very unfortunate,

et c'est bien regrettable,

because big data is an extremely important tool

parce c'est un outil extrêmement important

by which society is going to advance.

qui va faire progresser notre société.

In the past, we used to look at small data

Jusqu'ici, on n'utilisait que de petites quantités de données,

and think about what it would mean

on cherchait à les interpréter

to try to understand the world,

afin de comprendre le monde.

and now we have a lot more of it,

On a à présent infiniment plus de données,

more than we ever could before.

plus de données que jamais auparavant.

What we find is that when we have

Et quand on a une telle quantité de données,

a large body of data, we can fundamentally do things

on peut accomplir des choses

that we couldn't do when we only had smaller amounts.

inimaginables avec de petites quantités.

Big data is important, and big data is new,

Les Big Data sont à la fois nouvelles et importantes.

and when you think about it,

Si on y réfléchit,

the only way this planet is going to deal

le seul moyen qu'on aura pour faire face aux enjeux mondiaux :

with its global challenges —

to feed people, supply them with medical care,

nourrir l'humanité,

l'approvisionner en médicaments,

supply them with energy, electricity,

en énergie, en électricité,

and to make sure they're not burnt to a crisp

et éviter d'être rôti par le réchauffement climatique,

because of global warming —

is because of the effective use of data.

ce sera grâce à une utilisation efficace des données.

So what is new about big data? What is the big deal?

Qu'y a-t-il de nouveau dans les Big Data ? Pourquoi tout le monde en parle ?

Well, to answer that question, let's think about

Pour y répondre, il faut se rappeler

what information looked like,

à quoi ressemblait physiquement une information dans le passé.

physically looked like in the past.

In 1908, on the island of Crete,

En 1908, sur l'île de Crète,

archaeologists discovered a clay disc.

des archéologues ont découvert un disque en argile.

They dated it from 2000 B.C., so it's 4,000 years old.

Ils l'ont daté de 2 000 ans av. J-C., soit vieux de 4 000 ans.

Now, there's inscriptions on this disc,

Il y a des inscriptions mais personne n'arrive à les déchiffrer.

but we actually don't know what it means.

It's a complete mystery, but the point is that

Le mystère reste entier. Mais c'est à cela

this is what information used to look like

que ressemblait l'information il y a 4 000 ans.

4,000 years ago.

C'est ainsi que la société stockait

This is how society stored

and transmitted information.

et transmettait l'information.

Now, society hasn't advanced all that much.

La société n'a pas tant évolué que ça.

We still store information on discs,

On stocke toujours l'information sur des disques,

but now we can store a lot more information,

mais en quantité plus grande, infiniment plus grande.

more than ever before.

Searching it is easier. Copying it easier.

Les informations sont plus faciles à chercher,

plus faciles à copier, à partager,

Sharing it is easier. Processing it is easier.

plus faciles à traiter.

And what we can do is we can reuse this information

On peut aussi réutiliser ces informations

for uses that we never even imagined

à des fins auxquelles on n'avait pas du tout pensé

when we first collected the data.

au moment où on les a collectées.

In this respect, the data has gone

On peut dire que les données sont passées

from a stock to a flow,

d'un stock à un flux,

from something that is stationary and static

de statique et immobile,

to something that is fluid and dynamic.

à fluide et dynamique.

There is, if you will, a liquidity to information.

On peut dire que l'information est devenue liquide.

The disc that was discovered off of Crete

Ce disque découvert en Crète

that's 4,000 years old, is heavy,

et vieux de 4 000 ans, il est lourd,

it doesn't store a lot of information,

il ne contient pas beaucoup d'information,

and that information is unchangeable.

et cette information n'est pas modifiable.

By contrast, all of the files

En revanche,

tous les fichiers

that Edward Snowden took

qu'Edward Snowden a pris à la NSA aux États-Unis

from the National Security Agency in the United States

fits on a memory stick

tiennent sur une clé USB

the size of a fingernail,

pas plus grande qu'une pièce de 50 centimes,

and it can be shared at the speed of light.

et ils peuvent être partagés à la vitesse de la lumière.

More data. More.

Plus de données. Plus.

Une raison pour laquelle nous avons tant de données aujourd'hui,

Now, one reason why we have so much data in the world today

is we are collecting things

that we've always collected information on,

c'est qu'on étudie des choses

sur lesquelles on a toujours collecté de l'information.

but another reason why is we're taking things

Une autre raison, c'est qu'on utilise

that have always been informational

des choses qui ont toujours été informationnelles

but have never been rendered into a data format

et qui n'ont jamais été transformées en données

and we are putting it into data.

et nous les mettons maintenant en données.

Think, for example, the question of location.

Prenez l'exemple des données de localisation.

Take, for example, Martin Luther.

Pensez par exemple à Martin Luther.

If we wanted to know in the 1500s

Si on avait voulu savoir au 16ème siècle où Martin Luther se trouvait,

where Martin Luther was,

on aurait dû le suivre tout le temps,

we would have to follow him at all times,

maybe with a feathery quill and an inkwell,

sans doute avec une plume et un encrier pour noter ses différentes positions.

and record it,

but now think about what it looks like today.

Regardez à quoi ça ressemble aujourd'hui !

Vous savez que quelque part,

You know that somewhere,

probablement dans la base de données de votre opérateur,

probably in a telecommunications carrier's database,

there is a spreadsheet or at least a database entry

il y a un tableau ou une entrée dans une base de données

that records your information

qui enregistre les informations sur votre localisation, à chaque instant.

of where you've been at all times.

If you have a cell phone,

Si vous avez un téléphone portable,

and that cell phone has GPS, but even if it doesn't have GPS,

que ce dernier soit muni d'un GPS ou non,

it can record your information.

il stocke vos informations.

In this respect, location has been datafied.

C'est ainsi que la localisation a été mise en données.

Now think, for example, of the issue of posture,

Prenons maintenant l'exemple de votre posture,

la manière dont vous êtes tous assis en ce moment

the way that you are all sitting right now,

the way that you sit,

votre manière de vous asseoir à vous,

the way that you sit, the way that you sit.

votre posture à vous, la vôtre.

It's all different, and it's a function of your leg length

Elles sont toutes différentes

en fonction de la longueur de vos jambes et des contours de votre dos

and your back and the contours of your back,

and if I were to put sensors, maybe 100 sensors

Et si je posais, disons, 100 capteurs

into all of your chairs right now,

sur chacun de vos sièges,

I could create an index that's fairly unique to you,

je pourrais créer un index unique qui vous serait propre,

sort of like a fingerprint, but it's not your finger.

comme une empreinte unique, autre qu'une empreinte digitale.

So what could we do with this?

Mais à quoi ça pourrait bien servir ?

Researchers in Tokyo are using it

Des chercheurs à Tokyo utilisent ça

as a potential anti-theft device in cars.

comme un possible système antivol dans les voitures.

The idea is that the carjacker sits behind the wheel,

Si un voleur s'assied derrière le volant et tente de démarrer,

tries to stream off, but the car recognizes

la voiture reconnaît qu'un conducteur non-approuvé

that a non-approved driver is behind the wheel,

and maybe the engine just stops, unless you

est derrière le volant et stoppe simplement le moteur,

sauf si vous entrez un mot de passe

type in a password into the dashboard

qui dit que vous avez l'autorisation de conduire la voiture.

to say, "Hey, I have authorization to drive." Great.

What if every single car in Europe

Imaginons que chaque voiture en Europe

had this technology in it?

soit munie de cette technologie.

What could we do then?

Quelles perspectives cela nous ouvre-t-il ?

Maybe, if we aggregated the data,

En rassemblant ces données,

maybe we could identify telltale signs

on pourrait peut-être identifier

des signes révélateurs qui prédisent au mieux

that best predict that a car accident

is going to take place in the next five seconds.

qu'un accident va se produire

dans les 5 prochaines secondes.

And then what we will have datafied

C'est ainsi qu'on sera parvenu à mettre en données

is driver fatigue,

la fatigue du conducteur.

and the service would be when the car senses

Un nouveau service serait que,

quand la voiture sent qu'une personne s'affale dans cette position,

that the person slumps into that position,

automatically knows, hey, set an internal alarm

elle comprend automatiquement

et réagit en faisant vibrer le volant, en klaxonnant à l'intérieur

that would vibrate the steering wheel, honk inside

to say, "Hey, wake up,

comme pour dire : « Debout, concentre-toi sur la route ! »

pay more attention to the road."

These are the sorts of things we can do

C'est le genre de choses qui deviennent possibles

when we datafy more aspects of our lives.

quand on met en données certains aspects du quotidien.

So what is the value of big data?

Que valent alors donc les Big Data ?

Well, think about it.

Pensez-y !

You have more information.

On a plus d'information.

You can do things that you couldn't do before.

On peut faire des nouvelles choses qui étaient impossibles auparavant.

One of the most impressive areas

Une des applications les plus impressionnantes des Big Data

where this concept is taking place

is in the area of machine learning.

concerne le domaine de l'apprentissage automatique.

Machine learning is a branch of artificial intelligence,

Il s'agit d'une branche de l'intelligence artificielle,

which itself is a branch of computer science.

elle-même branche de l'informatique.

The general idea is that instead of

L'idée générale c'est que,

instructing a computer what do do,

plutôt que de dire à l'ordinateur ce qu'il a à faire,

we are going to simply throw data at the problem

on va juste donner plein d'informations à l'ordinateur

and tell the computer to figure it out for itself.

et lui dire de se débrouiller avec.

And it will help you understand it

Pour vous aider à comprendre,

by seeing its origins.

retournons aux origines de l'apprentissage automatique.

In the 1950s, a computer scientist

En 1950, un informaticien de chez IBM, Arthur Samuel,

at IBM named Arthur Samuel liked to play checkers,

était amateur du jeu de Dames.

so he wrote a computer program

Il a donc créé un programme informatique afin de jouer contre l'ordinateur.

so he could play against the computer.

He played. He won.

Il a joué. Il a gagné.

He played. He won.

Il a joué. Il a gagné.

He played. He won,

Il a joué. Il a gagné,

because the computer only knew

parce que l'ordinateur ne connaissait rien d'autre que les coups légaux.

what a legal move was.

Arthur Samuel knew something else.

Arthur Samuel en savait plus.

Arthur Samuel knew strategy.

Arthur Samuel avait des notions de stratégie.

So he wrote a small sub-program alongside it

Il a alors écrit un sous-programme à côté. Il opérait en arrière-plan

operating in the background, and all it did

was score the probability

et tout ce qu'il faisait, c'est qu'après chacun des coups,

that a given board configuration would likely lead

il comptait les probabilités de chacune des configurations du damier

to a winning board versus a losing board

de mener à la victoire ou à la défaite.

after every move.

He plays the computer. He wins.

Il joue contre l'ordinateur. Il gagne.

He plays the computer. He wins.

Il joue contre l'ordinateur. Il gagne.

He plays the computer. He wins.

Il joue contre l'ordinateur. Il gagne.

And then Arthur Samuel leaves the computer

Puis Arthur Samuel a laissé l'ordinateur jouer contre lui-même.

to play itself.

It plays itself. It collects more data.

Plus il joue contre lui-même, plus il collecte de données.

Plus il collecte de données,

It collects more data. It increases the accuracy of its prediction.

plus il augmente la précision de ses prédictions.

And then Arthur Samuel goes back to the computer

Et quand Samuel a rejoué contre l'ordinateur,

and he plays it, and he loses,

il joue et il perd.

and he plays it, and he loses,

Il joue et il perd.

and he plays it, and he loses,

Il joue et il perd.

and Arthur Samuel has created a machine

C'est ainsi qu'Arthur Samuel a créé une machine

that surpasses his ability in a task that he taught it.

capable de le surpasser dans une discipline qu'il lui a enseignée.

And this idea of machine learning

Et cette idée d'apprentissage automatique est partout autour de nous.

is going everywhere.

How do you think we have self-driving cars?

Comment croyez-vous que des voitures roulent toutes seules ?

Are we any better off as a society

Notre société est-elle meilleure

enshrining all the rules of the road into software?

depuis que le code de la route a été traduit dans un logiciel ? Non.

No. Memory is cheaper. No.

Le stockage est-il moins cher ? Non.

Algorithms are faster. No. Processors are better. No.

Les algorithmes plus rapides ? Non. Les processeurs plus puissants ? Non.

All of those things matter, but that's not why.

Toutes ces choses sont importantes, mais pas décisives.

It's because we changed the nature of the problem.

C'est parce que nous avons changé la nature du problème.

We changed the nature of the problem from one

Avant, on essayait d'expliquer clairement et ouvertement à l'ordinateur

in which we tried to overtly and explicitly

explain to the computer how to drive

comment il devait conduire.

to one in which we say,

Aujourd'hui, on lui dit :

"Here's a lot of data around the vehicle.

« Voici tout plein de données sur le véhicule,

You figure it out.

débrouille-toi !

You figure it out that that is a traffic light,

Débrouille-toi à comprendre que ceci est un feu de signalisation

that that traffic light is red and not green,

que le feu est rouge et non vert,

that that means that you need to stop

que cela veut dire que tu dois t'arrêter, et non pas continuer. »

and not go forward."

Machine learning is at the basis

L'apprentissage automatique est à la base de nombreux outils en ligne :

of many of the things that we do online:

search engines,

les moteurs de recherche,

Amazon's personalization algorithm,

l'algorithme de personnalisation d'Amazon,

computer translation,

la traduction par ordinateur,

voice recognition systems.

ou encore la reconnaissance vocale.

Researchers recently have looked at

Les chercheurs se sont récemment penchés

the question of biopsies,

sur la question des biopsies,

cancerous biopsies,

des biopsies de cellules cancéreuses.

and they've asked the computer to identify

Ils ont demandé à des ordinateurs

by looking at the data and survival rates

d'analyser les données et le taux de survie

to determine whether cells are actually

pour déterminer quelles cellules sont réellement cancéreuses.

cancerous or not,

and sure enough, when you throw the data at it,

Sans surprise, en fournissant assez de données

through a machine-learning algorithm,

à l'algorithme d'apprentissage automatique,

the machine was able to identify

l'ordinateur était capable d'identifier

the 12 telltale signs that best predict

les 12 signes caractéristiques qui prédisent au mieux

that this biopsy of the breast cancer cells

que cette biopsie de cellules tumorales mammaires

are indeed cancerous.

sont en effet cancéreuses.

The problem: The medical literature

Le truc,

only knew nine of them.

c'est que les médecins n'en connaissaient que 9.

Three of the traits were ones

Trois des signes ont été identifiés par l'ordinateur

that people didn't need to look for,

sans que quelqu'un n'ait besoin de faire de recherche dessus.

but that the machine spotted.

Now, there are dark sides to big data as well.

Mais il y a aussi une face sombre des Big Data.

It will improve our lives, but there are problems

Cela va améliorer nos vies,

that we need to be conscious of,

mais il y a aussi des problèmes dont il faut être conscient.

and the first one is the idea

Le premier, c'est l'idée que l'on puisse être puni à cause de prédictions,

that we may be punished for predictions,

that the police may use big data for their purposes,

que la police utilise les Big Data un peu comme dans « Minority Report ».

a little bit like "Minority Report."

Now, it's a term called predictive policing,

On appelle ça la prévision policière ou la criminologie algorithmique.

or algorithmic criminology,

and the idea is that if we take a lot of data,

L'idée est que, si on prend beaucoup de données

for example where past crimes have been,

par exemple où des crimes ont été commis,

we know where to send the patrols.

on sait où envoyer les patrouilles.

That makes sense, but the problem, of course,

C'est logique. Mais le problème,

is that it's not simply going to stop on location data,

c'est qu'on ne s'arrêtera pas aux données de localisation,

it's going to go down to the level of the individual.

on va aller jusqu'au niveau de l'individu.

Why don't we use data about the person's

Pourquoi ne pas utiliser les données fournies par vos bulletins scolaires ?

high school transcript?

Maybe we should use the fact that

Peut-être devrions-nous utiliser le fait

they're unemployed or not, their credit score,

que les gens ont un emploi ou non, leur solvabilité,

their web-surfing behavior,

whether they're up late at night.

leur comportement sur Internet, s'ils sont debout tard dans la nuit.

Their Fitbit, when it's able to identify biochemistries,

Leur FitBit, quand c'est possible,

pour identifier les réactions biochimiques qui produisent des pensées agressives.

will show that they have aggressive thoughts.

We may have algorithms that are likely to predict

On peut avoir des algorithmes

qui pourraient prédire ce que nous sommes sur le point de faire,

what we are about to do,

and we may be held accountable

nous pourrions être tenus responsables de ce que l'on n'a pas encore fait.

before we've actually acted.

Privacy was the central challenge

La vie privée était le défi principal lorsqu'on avait peu de données.

in a small data era.

In the big data age,

Avec les Big Data,

the challenge will be safeguarding free will,

le défi sera de préserver le libre-arbitre,

moral choice, human volition,

les choix moraux, le consentement

human agency.

et la capacité d'agir de l'homme.

There is another problem:

Et il y a un autre problème :

Big data is going to steal our jobs.

les Big Data vont nous voler notre travail.

Big data and algorithms are going to challenge

A l'aide des algorithmes, elles vont entrer en concurrence

white collar, professional knowledge work

avec les cols blancs, avec les travailleurs intellectuels

in the 21st century

du 21ème siècle,

in the same way that factory automation

de la même manière que l'automatisation des lignes de montage

and the assembly line

challenged blue collar labor in the 20th century.

a concurrencé le travail des cols bleus, au 20ème siècle.

Think about a lab technician

Imaginez un technicien de laboratoire qui examine à l'aide d'un microscope

who is looking through a microscope

at a cancer biopsy

la biopsie d'une tumeur pour déterminer si elle est cancéreuse.

and determining whether it's cancerous or not.

The person went to university.

Cette personne a fait des études.

The person buys property.

Cette personne est propriétaire.

He or she votes.

Il ou elle vote.

He or she is a stakeholder in society.

Il ou elle est acteur à part entière de notre société.

And that person's job,

Et pourtant cette personne,

as well as an entire fleet

ainsi qu'un pan entier de professionnels similaires,

of professionals like that person,

is going to find that their jobs are radically changed

va voir son travail radicalement transformé,

or actually completely eliminated.

voire carrément éliminé.

Now, we like to think

On aime pourtant se dire

that technology creates jobs over a period of time

que sur le long terme, la technologie crée des emplois,

after a short, temporary period of dislocation,

après une courte période temporaire de destruction d'emplois.

and that is true for the frame of reference

C'est vrai pour la période de référence dans laquelle nous vivons,

with which we all live, the Industrial Revolution,

la Révolution Industrielle, car c'est précisément ce qui s'est passé.

because that's precisely what happened.

But we forget something in that analysis:

Mais on oublie un élément dans cette analyse.

There are some categories of jobs

Il y a des catégories d'emplois

that simply get eliminated and never come back.

qui sont simplement éliminées et ne sont pas remplacées.

The Industrial Revolution wasn't very good

La Révolution Industrielle n'a pas été bonne pour les chevaux.

if you were a horse.

So we're going to need to be careful

Il va donc falloir être prudent,

and take big data and adjust it for our needs,

prendre les Big Data et les ajuster à nos besoins,

our very human needs.

nos besoins humains fondamentaux.

We have to be the master of this technology,

Nous devons maîtriser cette technologie

not its servant.

et non devenir ses esclaves.

We are just at the outset of the big data era,

L'ère des Big Data vient tout juste de commencer

and honestly, we are not very good

et honnêtement, nous ne sommes pas très bons

at handling all the data that we can now collect.

pour manipuler toutes ces données que nous collectons.

It's not just a problem for the National Security Agency.

Ce n'est pas juste un problème pour la NSA.

Businesses collect lots of data, and they misuse it too,

Les entreprises collectent aussi beaucoup de données, et elles en abusent aussi.

and we need to get better at this, and this will take time.

Il va falloir faire mieux, et cela va prendre du temps.

It's a little bit like the challenge that was faced

C'est un peu comme le défi

by primitive man and fire.

de l'homme préhistorique quand il a inventé le feu.

This is a tool, but this is a tool that,

C'est un outil, mais c'est un outil qui,

unless we're careful, will burn us.

si nous ne sommes pas prudents, va nous brûler.

Big data is going to transform how we live,

Les Big Data vont transformer nos modes de vie,

how we work and how we think.

de travail et de pensée.

It is going to help us manage our careers

Elles nous aideront à gérer nos carrières,

and lead lives of satisfaction and hope

à mener une vie faite de satisfaction, d'espoir,

and happiness and health,

de bonheur et de santé.

but in the past, we've often looked at information technology

Mais, par le passé, on a souvent regardé les technologies de l'information

and our eyes have only seen the T,

et nos yeux n'ont vu que le T,

the technology, the hardware,

la Technologie, l'ordinateur,

because that's what was physical.

parce que c'est matériel et palpable.

We now need to recast our gaze at the I,

Il faut à présent tourner notre regard vers le I,

the information,

l'Information, qui est moins visible,

which is less apparent,

but in some ways a lot more important.

mais d'une certaine manière bien plus importante.

Humanity can finally learn from the information

L'humanité peut enfin apprendre des informations qu'elle collecte

that it can collect,

as part of our timeless quest

dans le cadre de sa quête

to understand the world and our place in it,

pour comprendre le monde et la place de l'homme en son sein.

and that's why big data is a big deal.

Voilà pourquoi les Big Data sont si importantes.

(Applaudissements)

(Applause)