Tim Berners-Lee: The next Web of open, linked data

Le web à venir par Tim Berners-Lee

441,970 views ・ 2009-03-13

TED


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

Traducteur: Nicolas Cynober Relecteur: Loic Prot
00:18
Time flies.
0
18330
2000
Le temps passe vite.
00:20
It's actually almost 20 years ago
1
20330
2000
Il y a maintenant presque 20 ans,
00:22
when I wanted to reframe the way we use information,
2
22330
4000
j'ai voulu restructurer la manière dont nous utilisons l'information,
00:26
the way we work together: I invented the World Wide Web.
3
26330
3000
la manière dont nous travaillons ensemble -- et j'ai donc inventé la Toile, le World Wide Web.
00:29
Now, 20 years on, at TED,
4
29330
3000
Et maintenant, 20 ans après, ici à TED,
00:32
I want to ask your help in a new reframing.
5
32330
4000
je vous demande votre aide pour une nouvelle restructuration.
00:37
So going back to 1989,
6
37330
4000
Retournons en 1989:
00:41
I wrote a memo suggesting the global hypertext system.
7
41330
3000
j'avais écrit à l'époque un mémo sur la mise en place d'un système d'hypertexte public.
00:44
Nobody really did anything with it, pretty much.
8
44330
3000
Ça n'avait pas intéressé grand-monde à l'époque.
00:47
But 18 months later -- this is how innovation happens --
9
47330
4000
Mais 18 mois plus tard -- vous savez, les innovations se produisent comme ça --
00:51
18 months later, my boss said I could do it on the side,
10
51330
4000
18 mois plus tard, mon patron m'a autorisé à y passer du temps,
00:55
as a sort of a play project,
11
55330
2000
comme un genre de projet expérimental,
00:57
kick the tires of a new computer we'd got.
12
57330
2000
pour tester un nouvel ordinateur que nous avions obtenu.
00:59
And so he gave me the time to code it up.
13
59330
3000
Et il me donna donc le temps de le coder.
01:02
So I basically roughed out what HTML should look like:
14
62330
5000
Et j'ai donc écrit ce que devait être le langage HTML,
01:07
hypertext protocol, HTTP;
15
67330
3000
le procotole hypertexte -- HTTP --
01:10
the idea of URLs, these names for things
16
70330
3000
l'idée des liens URL, ces choses
01:13
which started with HTTP.
17
73330
2000
qui commence par "HTTP".
01:15
I wrote the code and put it out there.
18
75330
2000
J'ai écrit le code et je l'ai publié.
01:17
Why did I do it?
19
77330
2000
Pourquoi j'ai fait ça ?
01:19
Well, it was basically frustration.
20
79330
2000
Et bien parce que j'étais dans un état de frustration.
01:21
I was frustrated -- I was working as a software engineer
21
81330
4000
J'étais frustré -- Je travaillais comme ingénieur logiciel
01:25
in this huge, very exciting lab,
22
85330
2000
dans cet immense et exitant laboratoire de recherche,
01:27
lots of people coming from all over the world.
23
87330
2000
où beaucoup de gens venait travailler de partout dans le monde.
01:29
They brought all sorts of different computers with them.
24
89330
3000
Ils apportaient chacun des ordinateurs différents.
01:32
They had all sorts of different data formats,
25
92330
3000
Ils utilisaient aussi des formats de données différents.
01:35
all sorts, all kinds of documentation systems.
26
95330
2000
Toute une palette de systèmes de documentation différents.
01:37
So that, in all that diversity,
27
97330
3000
Donc, avec toute cette diversité,
01:40
if I wanted to figure out how to build something
28
100330
2000
si je voulais y créer quelque chose
01:42
out of a bit of this and a bit of this,
29
102330
2000
en prenant un morceau à droite, un morceau à gauche,
01:44
everything I looked into, I had to connect to some new machine,
30
104330
4000
je devais à chaque fois me connecter à une nouvelle machine,
01:48
I had to learn to run some new program,
31
108330
2000
je devais apprendre à utiliser un nouveau logiciel,
01:50
I would find the information I wanted in some new data format.
32
110330
5000
et l'information que je voulais était dans un nouveau format de données.
01:55
And these were all incompatible.
33
115330
2000
Et ils étaient tous incompatibles.
01:57
It was just very frustrating.
34
117330
2000
C'était donc très frustrant.
01:59
The frustration was all this unlocked potential.
35
119330
2000
Cette frustration provenait de tout ce potentiel enfermé.
02:01
In fact, on all these discs there were documents.
36
121330
3000
En fait sur tous ces disques, il y avait des documents.
02:04
So if you just imagined them all
37
124330
3000
Donc si on pouvait tous les intégrer
02:07
being part of some big, virtual documentation system in the sky,
38
127330
5000
dans un hypothétique grand système de documentation virtuel,
02:12
say on the Internet,
39
132330
2000
c'est à dire sur internet,
02:14
then life would be so much easier.
40
134330
2000
alors la vie serait beaucoup plus simple.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
136330
4000
Et quand vous avez une idée comme ça, elle s'accroche vous,
02:20
and even if people don't read your memo --
42
140330
2000
et même si les gens n'ont pas lu votre mémo --
02:22
actually he did, it was found after he died, his copy.
43
142330
3000
En fait il l'a lu, on a retrouvé sa copie après sa mort.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
145330
3000
Il avait écrit "vague mais intéressant" au crayon dans un coin.
02:28
(Laughter)
45
148330
2000
(Rires)
02:30
But in general it was difficult -- it was really difficult to explain
46
150330
4000
Mais d'une façon générale il était très difficile
02:34
what the web was like.
47
154330
2000
d'expliquer ce qu'était le web.
02:36
It's difficult to explain to people now that it was difficult then.
48
156330
2000
Il est difficile d'expliquer aujourd'hui combien c'était difficile à expliquer à ce moment-là.
02:38
But then -- OK, when TED started, there was no web
49
158330
3000
Mais quand TED a été crée il n'y avait pas de web,
02:41
so things like "click" didn't have the same meaning.
50
161330
3000
des mots comme "cliquer" n'avait pas le même sens.
02:44
I can show somebody a piece of hypertext,
51
164330
2000
Je pouvais montrer un bout d'hypertexte,
02:46
a page which has got links,
52
166330
2000
une page avec des liens,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
168330
4000
on peut cliquer dessus, et hop, on se retrouve sur une autre page hypertexte.
02:52
Not impressive.
54
172330
2000
Pas vraiment impressionant.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
174330
3000
On avait déjà vu ça. On avait vu des liens hypertextes sur des CDROM.
02:57
What was difficult was to get them to imagine:
56
177330
3000
Ce qui était difficile était de les faire imaginer...
03:00
so, imagine that that link could have gone
57
180330
4000
Alors imaginez que ce lien peut vous emmener
03:04
to virtually any document you could imagine.
58
184330
2000
sur n'importe quel document que vous puissiez imaginer.
03:07
Alright, that is the leap that was very difficult for people to make.
59
187330
4000
C'est une barrière qui est très difficile à franchir pour certaines personnes.
03:11
Well, some people did.
60
191330
2000
Et bien quelques personnes ont réussi.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
193330
3000
Alors oui. C'était difficile à expliquer mais il existait un mouvement de fond.
03:17
And that is what has made it most fun.
62
197330
4000
Et c'est ça qui aura été le plus sympa.
03:21
That has been the most exciting thing,
63
201330
2000
C'est ça qui aura été le plus existant.
03:23
not the technology, not the things people have done with it,
64
203330
2000
Pas la technologie, pas ce que les gens ont fait avec,
03:25
but actually the community, the spirit of all these people
65
205330
2000
Mais vraiment la communauté, l'esprit de tous ces gens
03:27
getting together, sending the emails.
66
207330
2000
qui se réunissaient, s'envoyaient des emails.
03:29
That's what it was like then.
67
209330
2000
C'était comme ça à cette époque.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
211330
3000
Et vous savez quoi... C'est marrant... Mais d'une certaine manière, c'est comme cela à nouveau.
03:34
I asked everybody, more or less, to put their documents --
69
214330
2000
Je demandais à tout le monde plus ou moins de mettre ses documents en ligne.
03:36
I said, "Could you put your documents on this web thing?"
70
216330
3000
"Pourriez-vous mettre vos documents sur ce web-machin?"
03:39
And you did.
71
219330
3000
Et... vous l'avez fait.
03:42
Thanks.
72
222330
1000
Merci.
03:43
It's been a blast, hasn't it?
73
223330
2000
Ça a été sympa non?
03:45
I mean, it has been quite interesting
74
225330
2000
C'était vraiment intéressant,
03:47
because we've found out that the things that happen with the web
75
227330
2000
car on s'est aperçu que ce qui se passait sur le web
03:49
really sort of blow us away.
76
229330
2000
nous dépassait réellement.
03:51
They're much more than we'd originally imagined
77
231330
2000
Il s'est passé bien plus de choses que ce que nous avions imaginé
03:53
when we put together the little, initial website
78
233330
2000
lorsque nous avions créé
03:55
that we started off with.
79
235330
2000
le premier site web.
03:57
Now, I want you to put your data on the web.
80
237330
3000
Maintenant, je veux que vous mettiez vos données sur le web !
04:00
Turns out that there is still huge unlocked potential.
81
240330
4000
Ce qui se passe c'est qu'il reste encore un énorme potentiel inexploité.
04:04
There is still a huge frustration
82
244330
2000
Il y a toujours une énorme frustration.
04:06
that people have because we haven't got data on the web as data.
83
246330
4000
Car nous n'avons pas de données sur le web en tant que données.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
250330
2000
Qu'est ce que ça veut dire? Quelle est la différence entre document, données...
04:12
Well, documents you read, OK?
85
252330
3000
Et bien les documents vous les lisez, ok?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
255330
3000
En gros vous pouvez les lire, suivre les liens, mais c'est tout.
04:18
Data -- you can do all kinds of stuff with a computer.
87
258330
2000
Avec les données vous pouvez faire plein de trucs sur un ordinateur.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
260330
6000
Qui a ici vu la présentation de Hans Rosling ?
04:26
One of the great -- yes a lot of people have seen it --
89
266330
4000
Cool. Plein de personnes l'on vu.
04:30
one of the great TED Talks.
90
270330
2000
C'est l'une des meilleurs présentation de TED.
04:32
Hans put up this presentation
91
272330
2000
Hans a fait cette présentation
04:34
in which he showed, for various different countries, in various different colors --
92
274330
5000
dans laquelle il montre dans différents pays, dans différentes couleurs,
04:39
he showed income levels on one axis
93
279330
3000
le niveau de revenus sur un axe
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
282330
3000
avec les taux de natalité sur un autre, et le tout animé à travers le temps.
04:45
So, he'd taken this data and made a presentation
95
285330
4000
Il a donc récupéré ces données et en a fait une présentation
04:49
which just shattered a lot of myths that people had
96
289330
3000
qui démonte les idées préconçues qu'ont les gens
04:52
about the economics in the developing world.
97
292330
4000
sur l'économie des pays émergents.
04:56
He put up a slide a little bit like this.
98
296330
2000
Il a utilisé un slide de ce type.
04:58
It had underground all the data
99
298330
2000
Derrière cette présentation il avait plein de données.
05:00
OK, data is brown and boxy and boring,
100
300330
3000
Les données c'est terne, carré, ennuyeux...
05:03
and that's how we think of it, isn't it?
101
303330
2000
C'est l'image que nous en avons, n'est-ce pas ?
05:05
Because data you can't naturally use by itself
102
305330
3000
Car les données ne peuvent pas être utilisées naturellement tel quel.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
308330
4000
Mais en réalité les données influencent en grande partie nos vies.
05:12
and it happens because somebody takes that data and does something with it.
104
312330
3000
Cela arrive quand quelqu'un prend ces données et crée quelque chose avec.
05:15
In this case, Hans had put the data together
105
315330
2000
Dans notre cas, Hans a rassemblé toutes les données,
05:17
he had found from all kinds of United Nations websites and things.
106
317330
5000
il les a trouvé auprès des Nations-Unies, sur des sites webs.
05:22
He had put it together,
107
322330
2000
Il les a rassemblées,
05:24
combined it into something more interesting than the original pieces
108
324330
3000
les a combinées pour donner quelque chose de plus intéressant
05:27
and then he'd put it into this software,
109
327330
5000
et alors il les a insérées dans son logiciel,
05:32
which I think his son developed, originally,
110
332330
2000
créé je crois par son fils,
05:34
and produces this wonderful presentation.
111
334330
3000
pour donner cette merveilleuse présentation.
05:37
And Hans made a point
112
337330
2000
Et Hans a mis en avant le fait
05:39
of saying, "Look, it's really important to have a lot of data."
113
339330
4000
qu'il était très important d'avoir beaucoup de données.
05:43
And I was happy to see that at the party last night
114
343330
3000
Et je suis heureux de l'avoir vu hier
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
346330
4000
demandant encore avec insistance plus de données.
05:50
So I want us now to think about
116
350330
2000
Et maintenant je voudrais que vous vous imaginiez,
05:52
not just two pieces of data being connected, or six like he did,
117
352330
4000
pas seulement 2 morceaux de données connectés, ou même 6,
05:56
but I want to think about a world where everybody has put data on the web
118
356330
5000
mais un monde où tout le monde aurait mis ses données sur le web.
06:01
and so virtually everything you can imagine is on the web
119
361330
2000
Virtuellement tout ce que vous pouvez imaginer serait sur le web.
06:03
and then calling that linked data.
120
363330
2000
Et j'ai appelé cela "Linked Data" ("données liées")
06:05
The technology is linked data, and it's extremely simple.
121
365330
2000
La technologie s'appelle "Linked Data" et elle est extrêmement simple.
06:07
If you want to put something on the web there are three rules:
122
367330
4000
Si vous voulez mettre quelque chose sur le web, il y a 3 règles.
06:11
first thing is that those HTTP names --
123
371330
3000
La première chose est que nous utilisons toujours les adresses HTTP --
06:14
those things that start with "http:" --
124
374330
2000
ces trucs qui commencent par http: --
06:16
we're using them not just for documents now,
125
376330
4000
Mais plus uniquement pour les documents,
06:20
we're using them for things that the documents are about.
126
380330
2000
on va les utiliser pour décrire les documents.
06:22
We're using them for people, we're using them for places,
127
382330
2000
On va les utiliser pour des personnes, on va les utiliser pour des lieux,
06:24
we're using them for your products, we're using them for events.
128
384330
4000
on va les utiliser pour vos produits, pour des événements.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
388330
4000
N'importe quel concept aura un nom commençant par http.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
392330
5000
Deuxième règle: Si j'utilise une de ces adresses HTTP
06:37
and I do the web thing with it and I fetch the data
131
397330
2000
le web va me renvoyer des informations,
06:39
using the HTTP protocol from the web,
132
399330
2000
en utilisant le protocole HTTP,
06:41
I will get back some data in a standard format
133
401330
3000
des données dans un format standard
06:44
which is kind of useful data that somebody might like to know
134
404330
5000
Et ce sont des données utiles que quelqu'un aimerait connaitre,
06:49
about that thing, about that event.
135
409330
2000
à propos de cette chose: si c'est un événement,
06:51
Who's at the event? Whatever it is about that person,
136
411330
2000
qui s'y rend ? Si c'est un personne,
06:53
where they were born, things like that.
137
413330
2000
où est-elle née ? Ce genre de choses.
06:55
So the second rule is I get important information back.
138
415330
2000
Donc la deuxième règle est qu'on me renvoie des informations importantes.
06:57
Third rule is that when I get back that information
139
417330
4000
La troisième règle est que quand je récupère ces informations,
07:01
it's not just got somebody's height and weight and when they were born,
140
421330
3000
ce ne sera pas uniquement le poids ou la taille ou le lieu de naissance de cette personne,
07:04
it's got relationships.
141
424330
2000
on me fournira également des relations.
07:06
Data is relationships.
142
426330
2000
Les données sont des relations.
07:08
Interestingly, data is relationships.
143
428330
2000
C'est ce qui est intéressant, les données sont des relations.
07:10
This person was born in Berlin; Berlin is in Germany.
144
430330
4000
Vous avez cette personne née à Berlin, Berlin est en Allemagne.
07:14
And when it has relationships, whenever it expresses a relationship
145
434330
3000
Dès lors qu'il y a une relation,
07:17
then the other thing that it's related to
146
437330
3000
l'élément lié est nommé
07:20
is given one of those names that starts HTTP.
147
440330
4000
avec un nom commençant par http.
07:24
So, I can go ahead and look that thing up.
148
444330
2000
Et à partir de son nom HTTP je peux accéder à cette ressource.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
446330
3000
Je peux accéder à cette personne, ensuite je peux accéder à la ville ou elle est née,
07:29
I can look up the region it's in, and the town it's in,
150
449330
3000
à sa région, à sa ville,
07:32
and the population of it, and so on.
151
452330
3000
à la population de sa ville,
07:35
So I can browse this stuff.
152
455330
2000
et ainsi de suite... Je peux parcourir toutes ces choses.
07:37
So that's it, really.
153
457330
2000
Et voilà.
07:39
That is linked data.
154
459330
2000
C'est ça, "Linked Data".
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
461330
3000
Il y a quelques années j'ai écrit un article intitulé Linked Data,
07:44
and soon after that, things started to happen.
156
464330
4000
et peu de temps après les choses ont commencé à bouger.
07:48
The idea of linked data is that we get lots and lots and lots
157
468330
4000
Nous avons eu de plus en plus de ces boites
07:52
of these boxes that Hans had,
158
472330
2000
que Hans décrivait,
07:54
and we get lots and lots and lots of things sprouting.
159
474330
2000
et nous avons vu de plus en plus de choses éclore.
07:56
It's not just a whole lot of other plants.
160
476330
3000
Ce ne sont pas que des plantes.
07:59
It's not just a root supplying a plant,
161
479330
2000
Ce n'est pas seulement une racine qui fait vivre une plante.
08:01
but for each of those plants, whatever it is --
162
481330
3000
Pour chacune de ces plantes, peu importe sa nature,
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
484330
3000
une présentation, une analyse, quelqu'un cherchant des tendances dans les données,
08:07
they get to look at all the data
164
487330
3000
peut interroger toutes ces données.
08:10
and they get it connected together,
165
490330
2000
et toutes ces données sont connectées.
08:12
and the really important thing about data
166
492330
2000
La chose vraiment important sur les données, c'est que
08:14
is the more things you have to connect together, the more powerful it is.
167
494330
2000
plus vous avez de données connectés, plus elles deviennent puissant.
08:16
So, linked data.
168
496330
2000
Linked Data est donc apparu,
08:18
The meme went out there.
169
498330
2000
le concept, le mème a été essaimé.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
500330
4000
et quelques temps après, Chris Spitzer, de l'Université Libre de Berlin,
08:24
who was one of the first people to put interesting things up,
171
504330
2000
qui fut l'un des premiers à publier des données interessantes,
08:26
he noticed that Wikipedia --
172
506330
2000
remarqua que Wikipédia,
08:28
you know Wikipedia, the online encyclopedia
173
508330
3000
cette fameuse encyclopédie en ligne,
08:31
with lots and lots of interesting documents in it.
174
511330
2000
qui contient plein de documents intéressants,
08:33
Well, in those documents, there are little squares, little boxes.
175
513330
4000
possédait parfois des encadrés, des sortes de boites d'information.
08:37
And in most information boxes, there's data.
176
517330
3000
Et que dans ces boites d'information, il y a des données.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
520330
4000
Il a écrit un programme pour extraire ces données de wikipedia
08:44
and put it into a blob of linked data
178
524330
2000
et les stocker au format Linked Data sur le web.
08:46
on the web, which he called dbpedia.
179
526330
3000
Il a appelé son site DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
529330
4000
DBpedia est représenté au milieu de cette slide par le rond bleu.
08:53
and if you actually go and look up Berlin,
181
533330
2000
et si vous continuez à faire des recherches sur Berlin,
08:55
you'll find that there are other blobs of data
182
535330
2000
vous vous apercevez qu'il y a d'autres zones de données
08:57
which also have stuff about Berlin, and they're linked together.
183
537330
3000
sur Berlin, et elles sont toutes connectées entre elles.
09:00
So if you pull the data from dbpedia about Berlin,
184
540330
3000
Donc si vous récupérez quelque chose de DBpedia sur Berlin,
09:03
you'll end up pulling up these other things as well.
185
543330
2000
vous vous retrouvez à récupérer les autres données en même temps.
09:05
And the exciting thing is it's starting to grow.
186
545330
3000
La chose incroyable est que cela commença à grossir.
09:08
This is just the grassroots stuff again, OK?
187
548330
2000
C'est à nouveau un mouvement de fond.
09:10
Let's think about data for a bit.
188
550330
3000
Maintenant examinons ces données.
09:13
Data comes in fact in lots and lots of different forms.
189
553330
3000
Les données apparaissent sous différentes formes.
09:16
Think of the diversity of the web. It's a really important thing
190
556330
3000
Pensez à la diversité du web. C'est un élément primordial pour le web,
09:19
that the web allows you to put all kinds of data up there.
191
559330
3000
de pouvoir y ajouter n'importe quel type d'information.
09:22
So it is with data. I could talk about all kinds of data.
192
562330
2000
Il en va de même avec les données. Il existe plein de types de données.
09:25
We could talk about government data, enterprise data is really important,
193
565330
4000
Il y a les données gouvernementales, des données d'entreprises, qui sont vraiment essentielles,
09:29
there's scientific data, there's personal data,
194
569330
3000
les données scientifiques, les données personnelles,
09:32
there's weather data, there's data about events,
195
572330
2000
les données météorologiques, les données concernant les événements,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
574330
4000
les données des discussions, les informations, toutes sortes de données.
09:38
I'm just going to mention a few of them
197
578330
3000
Je vais en mentionner quelques unes
09:41
so that you get the idea of the diversity of it,
198
581330
2000
pour que vous ayez une idée de leur diversité,
09:43
so that you also see how much unlocked potential.
199
583330
4000
et ainsi vous rendre compte de leur potentiel.
09:47
Let's start with government data.
200
587330
2000
Commençons par les données gouvernementales.
09:49
Barack Obama said in a speech,
201
589330
2000
Barak Obama a dit dans un de ses discours que
09:51
that he -- American government data would be available on the Internet
202
591330
5000
les données du gouvernement américain seront disponibles sur internet
09:56
in accessible formats.
203
596330
2000
dans des formats accessibles.
09:58
And I hope that they will put it up as linked data.
204
598330
2000
Et j'espère qu'ils utiliseront le format "Linked Data".
10:00
That's important. Why is it important?
205
600330
2000
C'est important. Pourquoi est-ce important?
10:02
Not just for transparency, yeah transparency in government is important,
206
602330
3000
Pas seulement pour la transparence. Bien sûr la transparence est importante.
10:05
but that data -- this is the data from all the government departments
207
605330
3000
Mais ces données proviennent de tous les départements gouvernementaux.
10:08
Think about how much of that data is about how life is lived in America.
208
608330
5000
Alors pensez comment ces données montrent comment nous vivons en amérique.
10:13
It's actual useful. It's got value.
209
613330
2000
C'est très utile, ça a de la valeur,
10:15
I can use it in my company.
210
615330
2000
je peux l'utiliser pour ma société,
10:17
I could use it as a kid to do my homework.
211
617330
2000
En tant qu'enfant, je peux l'utiliser pour faire mes devoirs.
10:19
So we're talking about making the place, making the world run better
212
619330
3000
Ce que je dis ici, c'est qu'on peut rendre la gestion du monde meilleure,
10:22
by making this data available.
213
622330
2000
en rendant ces données disponibles.
10:24
In fact if you're responsible -- if you know about some data
214
624330
4000
En fait, si vous êtes décideur, et vous entendez parler
10:28
in a government department, often you find that
215
628330
2000
de données gouvernementales particulières,
10:30
these people, they're very tempted to keep it --
216
630330
3000
vous verrez que ces gens ont souvent tendance à les garder pour eux.
10:33
Hans calls it database hugging.
217
633330
3000
Hans appelle ça le serrage de base de données.
10:36
You hug your database, you don't want to let it go
218
636330
2000
Vous serrez votre base de données. Vous ne la laissez pas partir
10:38
until you've made a beautiful website for it.
219
638330
2000
tant que vous n'en avez pas fait un joli site web.
10:40
Well, I'd like to suggest that rather --
220
640330
2000
Ce que je suggère, c'est qu'avant de ...
10:42
yes, make a beautiful website,
221
642330
2000
... Oui, faites un joli site !
10:44
who am I to say don't make a beautiful website?
222
644330
2000
Je ne peux pas vous empêcher de faire un joli site.
10:46
Make a beautiful website, but first
223
646330
3000
Faites-en donc un joli site. Mais avant cela,
10:49
give us the unadulterated data,
224
649330
3000
donnez-nous accès aux données non altérées.
10:52
we want the data.
225
652330
2000
On veut des données.
10:54
We want unadulterated data.
226
654330
2000
On veut des données non altérées.
10:56
OK, we have to ask for raw data now.
227
656330
3000
Il faut que nous demandions des données brutes maintenant.
10:59
And I'm going to ask you to practice that, OK?
228
659330
2000
Et je vais vous demander de vous entrainer.
11:01
Can you say "raw"?
229
661330
1000
Pouvez vous dire "Raw" ?
11:02
Audience: Raw.
230
662330
1000
Audience: Raw!
11:03
Tim Berners-Lee: Can you say "data"?
231
663330
1000
Pouvez vous dire "Data" ?
11:04
Audience: Data.
232
664330
1000
Audience: Data!
11:05
TBL: Can you say "now"?
233
665330
1000
Pouvez vous dire "Now" ?
11:06
Audience: Now!
234
666330
1000
Audience: Now!
11:07
TBL: Alright, "raw data now"!
235
667330
2000
Raw Data Now ! (Des Données Brutes Maintenant !)
11:09
Audience: Raw data now!
236
669330
2000
Audience: Raw Data Now !
11:11
Practice that. It's important because you have no idea the number of excuses
237
671330
4000
Pratiquez-le, c'est important. Car vous n'imaginez pas les excuses
11:15
people come up with to hang onto their data
238
675330
2000
que trouvent les gens pour retenir leurs données
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
677330
4000
pour vous empêcher d'y accéder, alors même que vous les avez payées avec vos impôts.
11:21
And it's not just America. It's all over the world.
240
681330
2000
Et ce n'est pas qu'en Amérique. C'est la même chose partout dans le monde.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
683330
3000
Et ce n'est pas uniquement les gouvernements. Les entreprises également.
11:26
So I'm just going to mention a few other thoughts on data.
242
686330
3000
Je vais juste vous faire part de quelques idées sur les données...
11:29
Here we are at TED, and all the time we are very conscious
243
689330
5000
Nous sommes ici à TED, et nous sommes particulièrement conscient
11:34
of the huge challenges that human society has right now --
244
694330
5000
des immenses challenges que l'humanité doit relever.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
699330
3000
Eliminer le cancer. Comprendre le cerveau pour traiter l'Alzheimer.
11:42
understanding the economy to make it a little bit more stable,
246
702330
3000
Comprendre l'économie, la rendre plus stable.
11:45
understanding how the world works.
247
705330
2000
Comprendre comment le monde fonctionne.
11:47
The people who are going to solve those -- the scientists --
248
707330
2000
Ceux qui vont résoudre ces problèmes sont des scientifiques,
11:49
they have half-formed ideas in their head,
249
709330
2000
ils ont des tonnes d'idées dans leur tête,
11:51
they try to communicate those over the web.
250
711330
3000
ils essayent de les communiquer à travers le web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
714330
3000
Mais beaucoup de connaissances de la race humaine
11:57
is on databases, often sitting in their computers,
252
717330
3000
se trouvent actuellement dans des bases de données
12:00
and actually, currently not shared.
253
720330
3000
qui ne sont pas actuellement partagées.
12:03
In fact, I'll just go into one area --
254
723330
3000
En fait si vous prenez juste un domaine
12:06
if you're looking at Alzheimer's, for example,
255
726330
2000
comme Alzheimer, la recherche de médicaments par exemple,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
728330
3000
vous vous apercevez qu'il y a beaucoup de "Linked Data" qui apparaissent
12:11
because scientists in that field realize
257
731330
2000
car les scientifiques de ce domaine se sont aperçu
12:13
this is a great way of getting out of those silos,
258
733330
3000
que c'était une bonne manière de sortir de leurs silos.
12:16
because they had their genomics data in one database
259
736330
4000
Il y avait des données sur le génome dans cette base de données,
12:20
in one building, and they had their protein data in another.
260
740330
3000
dans ce bâtiment, et il y avait des données sur les protéines dans une autre...
12:23
Now, they are sticking it onto -- linked data --
261
743330
3000
Et maintenant ils les ont réunies comme "Linked Data"
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
746330
3000
et maintenant ils peuvent poser des questions que vous ne vous poseriez pas,
12:29
I wouldn't ask -- they would.
263
749330
2000
moi non plus, mais eux oui...
12:31
What proteins are involved in signal transduction
264
751330
2000
Quelles protéines sont utilisées dans la transduction des signaux
12:33
and also related to pyramidal neurons?
265
753330
2000
et qui sont en rapport avec les neurones pyramidaux?
12:35
Well, you take that mouthful and you put it into Google.
266
755330
3000
Et bien vous prenez cette question, vous la mettez dans Google,
12:38
Of course, there's no page on the web which has answered that question
267
758330
3000
Bien-sûr il n'y a pas de page sur web qui répond à cette question,
12:41
because nobody has asked that question before.
268
761330
2000
car personne ne se l'est déjà posée.
12:43
You get 223,000 hits --
269
763330
2000
Vous récupérez 223,000 réponses,
12:45
no results you can use.
270
765330
2000
mais aucun résultat utilisable !
12:47
You ask the linked data -- which they've now put together --
271
767330
3000
Vous interrogez les données cumulées du "Linked Data":
12:50
32 hits, each of which is a protein which has those properties
272
770330
4000
32 réponses, et chacune d'elle est une protéine
12:54
and you can look at.
273
774330
2000
qui a cette propriété.
12:56
The power of being able to ask those questions, as a scientist --
274
776330
3000
Et vous voyez la puissance de pouvoir poser ces questions pour un scientifique.
12:59
questions which actually bridge across different disciplines --
275
779330
2000
Des questions qui créent des ponts entre différentes disciplines.
13:01
is really a complete sea change.
276
781330
3000
C'est un changement radical.
13:04
It's very very important.
277
784330
2000
C'est vraiment très important.
13:06
Scientists are totally stymied at the moment --
278
786330
2000
Et les scientifiques l'ont très bien compris.
13:08
the power of the data that other scientists have collected is locked up
279
788330
5000
Les données que d'autres scientifiques ont collectées sont enfermées
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
793330
3000
et nous devons les délivrer pour pouvoir nous atteler à ces grands problèmes.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
796330
4000
Si je continue, vous allez vous dire que toutes les données proviennent des grosses institutions
13:20
and has nothing to do with you.
282
800330
3000
et que cela n'a rien à voir avec vous.
13:23
But, that's not true.
283
803330
2000
Et bien cela est faux.
13:25
In fact, data is about our lives.
284
805330
2000
Les données parlent de nos vies.
13:27
You just -- you log on to your social networking site,
285
807330
3000
Vous vous connectez sur votre réseau social favori.
13:30
your favorite one, you say, "This is my friend."
286
810330
2000
Vous selectionnez un ami,
13:32
Bing! Relationship. Data.
287
812330
3000
et hop, une relation, une donnée.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
815330
3000
Vous dites: cette photo représente cette personne, hop, une donnée.
13:38
Bing! That's data. Data, data, data.
289
818330
3000
Données, données, données.
13:41
Every time you do things on the social networking site,
290
821330
2000
A chaque fois que vous faite quelque chose dans un réseau social,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
823330
4000
le site crée des données et les utilise, les retravaille,
13:47
and using it to make other people's lives more interesting on the site.
292
827330
4000
et rend la vie des autres utilisateurs du site plus intéressante.
13:51
But, when you go to another linked data site --
293
831330
2000
Mais si vous allez dans un autre réseau social,
13:53
and let's say this is one about travel,
294
833330
3000
disons spécialisé dans les voyages,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
836330
3000
et que vous voulez envoyer une photo à toutes les personnes de ce groupe,
13:59
you can't get over the walls.
296
839330
2000
vous ne pourrez pas passer les murs.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
841330
2000
"The Economist" a écrit un article sur le sujet, de nombreux blogueurs en ont parlé.
14:03
tremendous frustration.
298
843330
1000
C'est une énorme frustration
14:04
The way to break down the silos is to get inter-operability
299
844330
2000
de ne pas pouvoir détruire les silos et apporter de l'interopérabilité
14:06
between social networking sites.
300
846330
2000
entre les réseaux sociaux.
14:08
We need to do that with linked data.
301
848330
2000
Nous devons faire ça avec le "Linked Data".
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
850330
3000
Un dernier type de données, et peut-être le plus excitant.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
853330
3000
Pour venir ici, j'ai utilisé OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
856330
2000
OpenStreetMap est une carte mais aussi un wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
858330
3000
Zoomez, ce truc carré est un théatre, où nous nous trouvons actuellement,
14:21
The Terrace Theater. It didn't have a name on it.
306
861330
2000
le théatre Terrace. Il n'y avait pas de nom dessus.
14:23
So I could go into edit mode, I could select the theater,
307
863330
2000
Alors je suis allé dans le mode édition, j'ai sélectionné le théatre,
14:25
I could add down at the bottom the name, and I could save it back.
308
865330
5000
j'ai pu rajouter en bas le nom, puis sauvegarder,
14:30
And now if you go back to the OpenStreetMap. org,
309
870330
3000
et maintenant si vous allez sur openstreetmap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
873330
3000
retrouvez cet endroit, vous verrez que le théatre Terrace a maintenant un nom.
14:36
I did that. Me!
311
876330
2000
J'ai fait ça. Moi !
14:38
I did that to the map. I just did that!
312
878330
2000
J'ai fait ça sur la carte. Je viens de faire ça.
14:40
I put that up on there. Hey, you know what?
313
880330
2000
Et vous savez quoi.
14:42
If I -- that street map is all about everybody doing their bit
314
882330
3000
Street Map n'est constitué que de personnes ayant rajouté leur petite touche.
14:45
and it creates an incredible resource
315
885330
3000
Et cela crée une ressource incroyable
14:48
because everybody else does theirs.
316
888330
3000
car chacun apporte sa ressource.
14:51
And that is what linked data is all about.
317
891330
3000
"Linked Data" c'est exactement ça.
14:54
It's about people doing their bit
318
894330
3000
Ce sont des gens qui produisent peu,
14:57
to produce a little bit, and it all connecting.
319
897330
3000
mais dont le peu est connecté avec tout le reste.
15:00
That's how linked data works.
320
900330
3000
Voilà comment le "Linked Data" fonctionne.
15:03
You do your bit. Everybody else does theirs.
321
903330
4000
Vous faites votre part, et tout les autres aussi.
15:07
You may not have lots of data which you have yourself to put on there
322
907330
4000
Vous n'avez peut-être pas beaucoup de données vous-même,
15:11
but you know to demand it.
323
911330
3000
mais vous pouvez en demander.
15:14
And we've practiced that.
324
914330
2000
On vient de s'y entrainer.
15:16
So, linked data -- it's huge.
325
916330
4000
Voilà. "Linked Data" est énorme.
15:20
I've only told you a very small number of things
326
920330
3000
Je viens de vous en expliquer une petite partie.
15:23
There are data in every aspect of our lives,
327
923330
2000
Il y a des données dans tout les aspects de nos vies,
15:25
every aspect of work and pleasure,
328
925330
3000
dans tout les aspects du travail et des loisirs.
15:28
and it's not just about the number of places where data comes,
329
928330
3000
Et l'important n'est pas uniquement le nombre de sources des données,
15:31
it's about connecting it together.
330
931330
3000
c'est de pouvoir toutes les relier.
15:34
And when you connect data together, you get power
331
934330
3000
Et quand vous connectez les données,
15:37
in a way that doesn't happen just with the web, with documents.
332
937330
3000
vous obtenez une puissance qui n'existe pas avec le web des documents.
15:40
You get this really huge power out of it.
333
940330
4000
Vous en obtenez un pouvoir énorme.
15:44
So, we're at the stage now
334
944330
3000
Nous arrivons à une étape
15:47
where we have to do this -- the people who think it's a great idea.
335
947330
4000
où tous ceux qui pensent que c'est une bonne idée doivent agir.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
951330
3000
Et il y a beaucoup de personnes à TED qui font des choses
15:54
even though there's not an immediate return on the investment
337
954330
2000
même s'il n'y a pas un retour immédiat sur investissement,
15:56
because it will only really pay off when everybody else has done it --
338
956330
3000
car cela payera uniquement lorsque beaucoup de personnes l'auront fait.
15:59
they'll do it because they're the sort of person who just does things
339
959330
4000
Ils le feront car c'est le genre de personnes qui font des choses
16:03
which would be good if everybody else did them.
340
963330
3000
qu'ils seraient bon que tout le monde fasse.
16:06
OK, so it's called linked data.
341
966330
2000
Cela s'appelle "Linked Data".
16:08
I want you to make it.
342
968330
2000
Je veux que vous le fassiez,
16:10
I want you to demand it.
343
970330
2000
je veux que vous le demandiez,
16:12
And I think it's an idea worth spreading.
344
972330
2000
et je pense que cette idée mérite d'être partagée.
16:14
Thanks.
345
974330
1000
Merci.
16:15
(Applause)
346
975330
3000
(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