Geoffrey West: The surprising math of cities and corporations

Geoffrey West : Les maths surprenantes des villes et des compagnies

170,507 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Geoffrey West : Les maths surprenantes des villes et des compagnies

170,507 views ・ 2011-07-26

TED


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

Traducteur: Elisabeth Buffard Relecteur: Anna Cristiana Minoli
00:16
Cities are the crucible of civilization.
0
16260
3000
Les villes sont le creuset de la civilisation.
00:19
They have been expanding,
1
19260
2000
Elles se développent,
00:21
urbanization has been expanding,
2
21260
2000
l'urbanisation se développe,
00:23
at an exponential rate in the last 200 years
3
23260
2000
de manière exponentielle ces 200 dernières années,
00:25
so that by the second part of this century,
4
25260
3000
au point que d'ici 2050,
00:28
the planet will be completely dominated
5
28260
2000
la planète sera complètement
00:30
by cities.
6
30260
3000
dominée par les villes.
00:33
Cities are the origins of global warming,
7
33260
3000
Les villes sont à l'origine du réchauffement climatique,
00:36
impact on the environment,
8
36260
2000
ont un impact sur l'environnement,
00:38
health, pollution, disease,
9
38260
3000
la santé, la pollution, les maladies,
00:41
finance,
10
41260
2000
la finance,
00:43
economies, energy --
11
43260
3000
les économies, l'énergie :
00:46
they're all problems
12
46260
2000
voilà tous les problèmes
00:48
that are confronted by having cities.
13
48260
2000
que nous devons affronter car nous avons les villes.
00:50
That's where all these problems come from.
14
50260
2000
C'est de là que viennent tous ces problèmes.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Et le tsunami de problèmes que nous avons l'impression
00:55
in terms of sustainability questions
16
55260
2000
d'avoir en face de nous quand il s'agit de développement durable
00:57
are actually a reflection
17
57260
2000
est en fait un reflet
00:59
of the exponential increase
18
59260
2000
de l'accroissement exponentiel
01:01
in urbanization across the planet.
19
61260
3000
de l'urbanisation sur la planète.
01:04
Here's some numbers.
20
64260
2000
Voilà des chiffres.
01:06
Two hundred years ago, the United States
21
66260
2000
Il y a 200 ans, les Etats-Unis
01:08
was less than a few percent urbanized.
22
68260
2000
n'étaient urbanisés qu'à quelques pourcents.
01:10
It's now more than 82 percent.
23
70260
2000
Aujourd'hui c'est à plus de 82 %.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
La planète a passé la barre des 50% il y a quelques années.
01:15
China's building 300 new cities
25
75260
2000
La Chine va construire 300 nouvelles villes
01:17
in the next 20 years.
26
77260
2000
dans les 20 prochaines années.
01:19
Now listen to this:
27
79260
2000
Maintenant écoutez ça :
01:21
Every week for the foreseeable future,
28
81260
3000
Chaque semaine du futur prévisible,
01:24
until 2050,
29
84260
2000
jusqu'en 2050,
01:26
every week more than a million people
30
86260
2000
chaque semaine plus d'un million de personnes
01:28
are being added to our cities.
31
88260
2000
se rajoutent à nos villes.
01:30
This is going to affect everything.
32
90260
2000
Cela va tout affecter.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Tout le monde dans cette salle, si vous êtes toujours en vie,
01:34
is going to be affected
34
94260
2000
vous serez affectés
01:36
by what's happening in cities
35
96260
2000
par ce qui se passe dans les villes
01:38
in this extraordinary phenomenon.
36
98260
2000
dans cet extraordinaire phénomène.
01:40
However, cities,
37
100260
3000
Cependant, les villes,
01:43
despite having this negative aspect to them,
38
103260
3000
malgré cet aspect négatif
01:46
are also the solution.
39
106260
2000
sont aussi la solution.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Parce que les villes sont les aspirateurs et les aimants
01:52
that have sucked up creative people,
41
112260
2000
qui ont aspiré les gens créatifs,
01:54
creating ideas, innovation,
42
114260
2000
les idées créatives, l'innovation,
01:56
wealth and so on.
43
116260
2000
la richesse etc.
01:58
So we have this kind of dual nature.
44
118260
2000
Nous avons cette dualité.
02:00
And so there's an urgent need
45
120260
3000
Et il y a donc un besoin urgent
02:03
for a scientific theory of cities.
46
123260
4000
d'une théorie scientifique des villes.
02:07
Now these are my comrades in arms.
47
127260
3000
Voici mes compagnons d'armes.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Ce travail a été fait avec un groupe de gens extraordinaires,
02:12
and they've done all the work,
49
132260
2000
et ils ont fait tout le travail,
02:14
and I'm the great bullshitter
50
134260
2000
et moi je suis celui qui raconte des âneries
02:16
that tries to bring it all together.
51
136260
2000
et qui essaye de rassembler le tout.
02:18
(Laughter)
52
138260
2000
(Rires)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Donc voici le problème : Voilà ce que nous voulons tous.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
Les 10 millions de gens sur la planète en 2050
02:25
want to live in places like this,
55
145260
2000
veulent vivre dans des endroits comme ça,
02:27
having things like this,
56
147260
2000
avoir des choses comme ça,
02:29
doing things like this,
57
149260
2000
en faisant des choses comme ça,
02:31
with economies that are growing like this,
58
151260
3000
avec des économies qui ont une croissance comme celle-là,
02:34
not realizing that entropy
59
154260
2000
sans se rendre compte que l'entropie
02:36
produces things like this,
60
156260
2000
produit des choses comme ça,
02:38
this, this
61
158260
4000
ça, ça,
02:42
and this.
62
162260
2000
et ça.
02:44
And the question is:
63
164260
2000
Et la question est :
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Est-ce à ça que ressembleront Édimbourg,
02:48
are going to look like in 2050,
65
168260
2000
Londres et New York en 2050,
02:50
or is it going to be this?
66
170260
2000
ou à ceci?
02:52
That's the question.
67
172260
2000
Voilà la question.
02:54
I must say, many of the indicators
68
174260
2000
Je dois dire, de nombreux indicateurs
02:56
look like this is what it's going to look like,
69
176260
3000
laissent penser que ça va ressembler à ça,
02:59
but let's talk about it.
70
179260
3000
mais parlons-en.
03:02
So my provocative statement
71
182260
3000
J'affirme avec provocation
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
quenous avons désespérément besoin d'une théorie scientifique des villes.
03:08
And scientific theory means quantifiable --
73
188260
3000
Et une théorie scientifique signifie quantifiable,
03:11
relying on underlying generic principles
74
191260
3000
qui s'appuie sur des principes génériques sous-jacents
03:14
that can be made into a predictive framework.
75
194260
2000
qu'on peut transformer en base prédictive.
03:16
That's the quest.
76
196260
2000
Voilà la quête.
03:18
Is that conceivable?
77
198260
2000
Est-ce concevable?
03:20
Are there universal laws?
78
200260
2000
Y a-t’il des lois universelles?
03:22
So here's two questions
79
202260
2000
Alors voici deux questions
03:24
that I have in my head when I think about this problem.
80
204260
2000
que j'ai en tête quand je pense à ce problème.
03:26
The first is:
81
206260
2000
La première est :
03:28
Are cities part of biology?
82
208260
2000
Les villes font-elles partie de la biologie?
03:30
Is London a great big whale?
83
210260
2000
Londres est-elle une grosse baleine?
03:32
Is Edinburgh a horse?
84
212260
2000
Édimbourg est-elle un cheval?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Microsoft est-il une grande fourmilière?
03:36
What do we learn from that?
86
216260
2000
Qu'apprenons-nous de ça?
03:38
We use them metaphorically --
87
218260
2000
Nous les utilisons métaphoriquement,
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
l'ADN d'une entreprise, le métabolisme d'une ville, etc.
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
est-ce des âneries, des âneries métaphoriques,
03:45
or is there serious substance to it?
90
225260
3000
ou est-ce qu'il y a du vrai là-dedans?
03:48
And if that is the case,
91
228260
2000
Et si c'est le cas,
03:50
how come that it's very hard to kill a city?
92
230260
2000
comment se fait-il que tuer une ville soit très difficile?
03:52
You could drop an atom bomb on a city,
93
232260
2000
On peut lâcher une bombe atomique sur une ville,
03:54
and 30 years later it's surviving.
94
234260
2000
et 30 ans plus tard elle survit.
03:56
Very few cities fail.
95
236260
3000
Très peu de villes échouent.
03:59
All companies die, all companies.
96
239260
3000
Toutes les entreprises meurent, toutes les compagnies.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Et si vous avez une théorie sérieuse, vous devriez pouvoir prédire
04:04
when Google is going to go bust.
98
244260
3000
le moment où Google fera faillite.
04:07
So is that just another version
99
247260
3000
Alors est-ce seulement une autre version
04:10
of this?
100
250260
2000
de ceci?
04:12
Well we understand this very well.
101
252260
2000
Et nous comprenons ceci très bien.
04:14
That is, you ask any generic question about this --
102
254260
2000
C'est-à-dire, vous posez n'importe quelle question générique là-dessus,
04:16
how many trees of a given size,
103
256260
2000
combien d'arbres d'une certaine taille,
04:18
how many branches of a given size does a tree have,
104
258260
2000
combien de branches d'une taille donnée un arbre possède,
04:20
how many leaves,
105
260260
2000
combien de feuilles,
04:22
what is the energy flowing through each branch,
106
262260
2000
quelle est l'énergie qui coule dans chaque branche,
04:24
what is the size of the canopy,
107
264260
2000
quelle est la taille de la canopée,
04:26
what is its growth, what is its mortality?
108
266260
2000
quelle est sa croissance, quelle est sa mortalité?
04:28
We have a mathematical framework
109
268260
2000
Nous avons un cadre mathématique
04:30
based on generic universal principles
110
270260
3000
basé sur des principes universels génériques
04:33
that can answer those questions.
111
273260
2000
qui peuvent répondre à ces questions.
04:35
And the idea is can we do the same for this?
112
275260
4000
Et l'idée est de savoir si nous pouvons faire la même chose pour ça?
04:40
So the route in is recognizing
113
280260
3000
Alors pour y parvenir, nous devons reconnaître
04:43
one of the most extraordinary things about life,
114
283260
2000
une des caractéristiques les plus extraordinaires de la vie,
04:45
is that it is scalable,
115
285260
2000
le fait qu'elle est évolutive,
04:47
it works over an extraordinary range.
116
287260
2000
elle travaille sur une gamme extraordinaire.
04:49
This is just a tiny range actually:
117
289260
2000
Ceci est en fait une gamme minuscule ;
04:51
It's us mammals;
118
291260
2000
c'est nous, les mammifères,
04:53
we're one of these.
119
293260
2000
nous en faisons partie.
04:55
The same principles, the same dynamics,
120
295260
2000
Les mêmes principes, la même dynamique,
04:57
the same organization is at work
121
297260
2000
la même organisation est à l'œuvre
04:59
in all of these, including us,
122
299260
2000
dans tous ces mammifères, nous y compris,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
et la taille peut varier de 1 à un million.
05:04
And that is one of the main reasons
124
304260
3000
Et c'est une des principales raisons
05:07
life is so resilient and robust --
125
307260
2000
la vie est tellement résiliente et robuste,
05:09
scalability.
126
309260
2000
c'est le potentiel d'échelle.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Nous en discuterons dans un moment.
05:14
But you know, at a local level,
128
314260
2000
Mais vous savez, au niveau local,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
vous ajustez l'échelle, tout le monde dans cette pièce est ajusté à l'échelle.
05:18
That's called growth.
130
318260
2000
C'est ce qu'on appelle la croissance
05:20
Here's how you grew.
131
320260
2000
Voici comment vous grandissez.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
C'est un rat, ça aurait pu être vous.
05:24
We're all pretty much the same.
133
324260
3000
Nous sommes tous assez semblables.
05:27
And you see, you're very familiar with this.
134
327260
2000
Et vous voyez, vous connaissez bien ça.
05:29
You grow very quickly and then you stop.
135
329260
2000
Vous grandissez très vite, puis vous vous arrêtez.
05:31
And that line there
136
331260
2000
Et cette ligne là,
05:33
is a prediction from the same theory,
137
333260
2000
est une prédiction de la même théorie,
05:35
based on the same principles,
138
335260
2000
basée sur les mêmes principes,
05:37
that describes that forest.
139
337260
2000
qui décrit cette forêt.
05:39
And here it is for the growth of a rat,
140
339260
2000
Et voici en ce qui concerne la croissance du rat.
05:41
and those points on there are data points.
141
341260
2000
Et ces points là dessus sont des points de données.
05:43
This is just the weight versus the age.
142
343260
2000
Il ne s'agit que du poids par rapport à l'âge.
05:45
And you see, it stops growing.
143
345260
2000
Et vous voyez, il s'arrête de grandir.
05:47
Very, very good for biology --
144
347260
2000
Très, très bon pour la biologie,
05:49
also one of the reasons for its great resilience.
145
349260
2000
c'est aussi une des raisons pour sa grande résilience.
05:51
Very, very bad
146
351260
2000
Très, très mauvais
05:53
for economies and companies and cities
147
353260
2000
pour les économies, les compagnies, et les villes
05:55
in our present paradigm.
148
355260
2000
dans notre paradigme actuel.
05:57
This is what we believe.
149
357260
2000
C'est ce que nous croyons.
05:59
This is what our whole economy
150
359260
2000
C'est ce que toute notre économie
06:01
is thrusting upon us,
151
361260
2000
nous impose,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
particulièrement illustré dans le coin à gauche ;
06:06
hockey sticks.
153
366260
2000
des crosses de hockey.
06:08
This is a bunch of software companies --
154
368260
2000
Ce sont quelques compagnies informatiques,
06:10
and what it is is their revenue versus their age --
155
370260
2000
et ce dont il s'agit c'est leur revenu par rapport à leur âge,
06:12
all zooming away,
156
372260
2000
qui ont une progression fulgurante,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
et elles gagnent toutes des millions et des milliards de dollars.
06:16
Okay, so how do we understand this?
158
376260
3000
Bon, alors comment comprenons-nous ceci?
06:19
So let's first talk about biology.
159
379260
3000
Alors parlons d'abord de la biologie.
06:22
This is explicitly showing you
160
382260
2000
Cela vous montre clairement
06:24
how things scale,
161
384260
2000
comment les choses évoluent.
06:26
and this is a truly remarkable graph.
162
386260
2000
Et c'est un graphique vraiment remarquable.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Ce qu'on représente ici c'est le métabolisme,
06:31
how much energy you need per day to stay alive --
164
391260
3000
la quantité d'énergie par jour nécessaire pour rester en vie,
06:34
versus your weight, your mass,
165
394260
2000
par rapport à votre poids, votre masse,
06:36
for all of us bunch of organisms.
166
396260
3000
pour nous tous qui sommes des organismes.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Et la représentation est bizarrement présentée dans une croissance en facteurs de 10,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
sans quoi on ne pourrait pas tout mettre sur le graphique.
06:44
And what you see if you plot it
169
404260
2000
Et ce que vous voyez si vous le tracez
06:46
in this slightly curious way
170
406260
2000
de cette curieuse manière,
06:48
is that everybody lies on the same line.
171
408260
3000
c'est que tout le monde est sur la même ligne.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
En dépit du fait que c'est le système le plus complexe et le plus varié
06:54
in the universe,
173
414260
3000
dans l'univers,
06:57
there's an extraordinary simplicity
174
417260
2000
il y a une extraordinaire simplicité
06:59
being expressed by this.
175
419260
2000
exprimée ici.
07:01
It's particularly astonishing
176
421260
3000
C'est particulièrement étonnant
07:04
because each one of these organisms,
177
424260
2000
parce que chacun de ces organismes,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
chaque sous-système, chaque type de cellule, chaque gène,
07:08
has evolved in its own unique environmental niche
179
428260
4000
a évolué dans sa propre niche environnementale unique
07:12
with its own unique history.
180
432260
3000
avec sa propre histoire unique.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Et pourtant, en dépit de toute cette évolution darwinienne
07:18
and natural selection,
182
438260
2000
et cette sélection naturelle,
07:20
they've been constrained to lie on a line.
183
440260
2000
ils ont été contraints à se placer sur une ligne.
07:22
Something else is going on.
184
442260
2000
Il se passe autre chose.
07:24
Before I talk about that,
185
444260
2000
Avant que je n'en parle,
07:26
I've written down at the bottom there
186
446260
2000
j'ai écrit ici en bas
07:28
the slope of this curve, this straight line.
187
448260
2000
la pente de la courbe, cette ligne droite.
07:30
It's three-quarters, roughly,
188
450260
2000
Ce sont les 3 quarts, en gros,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
c'est moins qu’un, et nous appelons ça sublinéaire.
07:35
And here's the point of that.
190
455260
2000
Et voilà à quoi ça sert.
07:37
It says that, if it were linear,
191
457260
3000
Cela dit que, si c'était linéaire,
07:40
the steepest slope,
192
460260
2000
la pente la plus raide,
07:42
then doubling the size
193
462260
2000
puis en doublant la taille
07:44
you would require double the amount of energy.
194
464260
2000
vous auriez besoin de doubler la quantité d'énergie.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Mais c'est sublinéaire, et cela se traduit ainsi,
07:49
is that, if you double the size of the organism,
196
469260
2000
si vous doublez la taille de l'organisme,
07:51
you actually only need 75 percent more energy.
197
471260
3000
vous n'avez en fait besoin que de 75% d'énergie supplémentaire.
07:54
So a wonderful thing about all of biology
198
474260
2000
Alors ce qui est merveilleux avec toute la biologie
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
c'est qu'elle exprime une extraordinaire économie d'échelle.
07:59
The bigger you are systematically,
200
479260
2000
Plus vous êtes grand systématiquement,
08:01
according to very well-defined rules,
201
481260
2000
selon des règles très bien définies,
08:03
less energy per capita.
202
483260
3000
moins vous avez besoin d'énergie par tête.
08:06
Now any physiological variable you can think of,
203
486260
3000
Maintenant, toute variable physiologique,
08:09
any life history event you can think of,
204
489260
2000
toute histoire de vie,
08:11
if you plot it this way, looks like this.
205
491260
3000
si vous la tracez comme ça, elle ressemble à ça.
08:14
There is an extraordinary regularity.
206
494260
2000
Il y a une régularité extraordinaire.
08:16
So you tell me the size of a mammal,
207
496260
2000
Alors vous me donnez la taille d'un mammifère,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
je peux vous dire à hauteur de 90 % tout sur lui
08:21
in terms of its physiology, life history, etc.
209
501260
4000
quant à sa physiologie, l'histoire de sa vie, etc.
08:25
And the reason for this is because of networks.
210
505260
3000
Et c'est à cause des réseaux.
08:28
All of life is controlled by networks --
211
508260
3000
Toute vie est contrôlée par des réseaux,
08:31
from the intracellular through the multicellular
212
511260
2000
de la vie intracellulaire à la vie extracellulaire
08:33
through the ecosystem level.
213
513260
2000
en passant par l'écosystème.
08:35
And you're very familiar with these networks.
214
515260
3000
Et vous êtes familiers avec ces réseaux.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
C'est une petite chose qui vit à l'intérieur d'un éléphant.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Et ici vous voyez le résumé de ce que je dis.
08:45
If you take those networks,
217
525260
2000
Si vous prenez ces réseaux,
08:47
this idea of networks,
218
527260
2000
cette idée de réseaux,
08:49
and you apply universal principles,
219
529260
2000
et que vous appliquez des principes universels,
08:51
mathematizable, universal principles,
220
531260
2000
qu'on peut mettre en mathématiques, des principes universels,
08:53
all of these scalings
221
533260
2000
toutes ces évaluations d'échelle
08:55
and all of these constraints follow,
222
535260
3000
et toutes ces contraintes suivent,
08:58
including the description of the forest,
223
538260
2000
y compris la description de la forêt,
09:00
the description of your circulatory system,
224
540260
2000
la description de votre système circulatoire,
09:02
the description within cells.
225
542260
2000
la description à l'intérieur des cellules.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Une des choses sur laquelle je n'ai pas insisté dans l'introduction
09:07
was that, systematically, the pace of life
227
547260
3000
c'est que systématiquement, l'allure de la vie
09:10
decreases as you get bigger.
228
550260
2000
diminue alors que vous devenez plus grand.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Les rythmes cardiaques sont plus lents ; vous vivez plus longtemps ;
09:15
diffusion of oxygen and resources
230
555260
2000
la diffusion d'oxygène et de ressources
09:17
across membranes is slower, etc.
231
557260
2000
au travers des membranes est plus lente etc.
09:19
The question is: Is any of this true
232
559260
2000
La question est : est-ce qu'il y a du vrai là dedans
09:21
for cities and companies?
233
561260
3000
pour les villes et les compagnies?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Alors est-ce que Londres est une Birmingham en plus grand,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
à son tour une Brighton en plus grand, etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Est-ce que New York est un San Francisco en plus grand,
09:32
which is a scaled up Santa Fe?
237
572260
2000
à son tour Un Santa Fe en plus grand?
09:34
Don't know. We will discuss that.
238
574260
2000
Je ne sais pas. Nous en discuterons.
09:36
But they are networks,
239
576260
2000
Mais il y a des réseaux.
09:38
and the most important network of cities
240
578260
2000
Et le réseau le plus important des villes,
09:40
is you.
241
580260
2000
c'est vous.
09:42
Cities are just a physical manifestation
242
582260
3000
Les villes ne sont qu'une manifestation physique
09:45
of your interactions,
243
585260
2000
de vos interactions,
09:47
our interactions,
244
587260
2000
nos interactions,
09:49
and the clustering and grouping of individuals.
245
589260
2000
et les regroupements d'individus.
09:51
Here's just a symbolic picture of that.
246
591260
3000
En voici une image symbolique.
09:54
And here's scaling of cities.
247
594260
2000
Et voici l'échelle des villes.
09:56
This shows that in this very simple example,
248
596260
3000
Ceci montre que dans cet exemple très simple,
09:59
which happens to be a mundane example
249
599260
2000
et qui est un exemple ordinaire,
10:01
of number of petrol stations
250
601260
2000
du nombre de stations service
10:03
as a function of size --
251
603260
2000
en tant que fonction de taille,
10:05
plotted in the same way as the biology --
252
605260
2000
tracé de la même manière que la biologie,
10:07
you see exactly the same kind of thing.
253
607260
2000
vous voyez exactement le même genre de chose.
10:09
There is a scaling.
254
609260
2000
Il y a une échelle.
10:11
That is that the number of petrol stations in the city
255
611260
4000
C'est que le nombre de stations service dans la ville
10:15
is now given to you
256
615260
2000
vous est donné
10:17
when you tell me its size.
257
617260
2000
quand vous me dites sa taille.
10:19
The slope of that is less than linear.
258
619260
3000
La pente en est moins linéaire.
10:22
There is an economy of scale.
259
622260
2000
Il y a une économie d'échelle.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Moins de stations service par tête plus vous êtes grand, ce n'est pas surprenant.
10:27
But here's what's surprising.
261
627260
2000
Mais voilà ce qui est surprenant.
10:29
It scales in the same way everywhere.
262
629260
2000
L'échelle s'étend de la même manière partout.
10:31
This is just European countries,
263
631260
2000
Ce n'est que pour les pays européens,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
mais vous le faites pour le Japon, la Chine, ou la Colombie,
10:36
always the same
265
636260
2000
toujours la même chose
10:38
with the same kind of economy of scale
266
638260
2000
avec la même économie d'échelle
10:40
to the same degree.
267
640260
2000
au même degré.
10:42
And any infrastructure you look at --
268
642260
3000
Et quelle que soit l'infrastructure,
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
que ce soit la longueur des routes, la longueur des lignes électriques,
10:48
anything you look at
270
648260
2000
quoi que vous regardiez,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
cela aura la même économie d'échelle qui s'étend de la même manière.
10:53
It's an integrated system
272
653260
2000
C'est un système intégré
10:55
that has evolved despite all the planning and so on.
273
655260
3000
qui a évolué malgré toute la planification etc.
10:58
But even more surprising
274
658260
2000
Mais encore plus surprenant,
11:00
is if you look at socio-economic quantities,
275
660260
2000
si vous regardez les quantités socio-économiques,
11:02
quantities that have no analog in biology,
276
662260
3000
les quantités qui n'ont rien d'analogue dans la biologie,
11:05
that have evolved when we started forming communities
277
665260
3000
qui ont évolué quand nous avons commencé à former des communautés
11:08
eight to 10,000 years ago.
278
668260
2000
il y a 8 à 10 000 ans.
11:10
The top one is wages as a function of size
279
670260
2000
Celle d'en haut, ce sont les salaires en fonction de la taille
11:12
plotted in the same way.
280
672260
2000
tracée de la même manière.
11:14
And the bottom one is you lot --
281
674260
2000
Et celle d'en bas c'est vous,
11:16
super-creatives plotted in the same way.
282
676260
3000
des super-créatifs tracés de la même manière.
11:19
And what you see
283
679260
2000
Et ce que vous voyez
11:21
is a scaling phenomenon.
284
681260
2000
c'est un phénomène d'échelle.
11:23
But most important in this,
285
683260
2000
Mais le plus important,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
l'exposant, l'analogue à ces 3 quarts
11:27
for the metabolic rate,
287
687260
2000
pour le métabolisme,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
est plus grand que celui-ci, de 1,15 à 1,2 fois.
11:31
Here it is,
289
691260
2000
Et le voici,
11:33
which says that the bigger you are
290
693260
3000
qui dit que plus vous êtes grand,
11:36
the more you have per capita, unlike biology --
291
696260
3000
plus vous avez par tête, contrairement à la biologie,
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
des salaires plus élevés, plus de super-créatifs par tête quand vous êtes plus grand,
11:43
more patents per capita, more crime per capita.
293
703260
3000
plus de brevets par têtes, plus de crimes par tête.
11:46
And we've looked at everything:
294
706260
2000
Et nous avons tout vu :
11:48
more AIDS cases, flu, etc.
295
708260
3000
Les cas de SIDA, la grippe, etc.
11:51
And here, they're all plotted together.
296
711260
2000
Et ici, ils sont tous tracés ensemble.
11:53
Just to show you what we plotted,
297
713260
2000
Juste pour vous montrer ce que nous avons tracé,
11:55
here is income, GDP --
298
715260
3000
voici le revenu, le PIB,
11:58
GDP of the city --
299
718260
2000
le PIB de la ville,
12:00
crime and patents all on one graph.
300
720260
2000
les crimes et les brevets, le tout sur un même graphique.
12:02
And you can see, they all follow the same line.
301
722260
2000
Et vous pouvez voir, ils suivent tous la même ligne.
12:04
And here's the statement.
302
724260
2000
Et voici ce que ça dit.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Si vous doublez la taille d'une ville de 100 000 à 200 000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
d'un million à 2 millions, de 10 à 20 millions
12:11
it doesn't matter,
305
731260
2000
ça n'a pas d'importance,
12:13
then systematically
306
733260
2000
alors systématiquement
12:15
you get a 15 percent increase
307
735260
2000
vous obtenez une augmentation de 15%
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
des salaires, de la richesse, du nombre de cas de SIDA,
12:19
number of police,
309
739260
2000
du nombre de policiers,
12:21
anything you can think of.
310
741260
2000
tout ce que vous pouvez imaginer.
12:23
It goes up by 15 percent,
311
743260
2000
Cela augmente de 15%.
12:25
and you have a 15 percent savings
312
745260
3000
Et vous avez une économie de 15%
12:28
on the infrastructure.
313
748260
3000
sur l'infrastructure.
12:31
This, no doubt, is the reason
314
751260
3000
C'est sans aucun doute la raison
12:34
why a million people a week are gathering in cities.
315
754260
3000
pour laquelle un million de gens par semaine se rassemble dans les villes.
12:37
Because they think that all those wonderful things --
316
757260
3000
Parce qu'ils pensent que toutes ces choses merveilleuses,
12:40
like creative people, wealth, income --
317
760260
2000
comme les créatifs, la richesse, le revenu,
12:42
is what attracts them,
318
762260
2000
c'est ce qui les attire,
12:44
forgetting about the ugly and the bad.
319
764260
2000
en oubliant ce qui est laid et ce qui est mauvais.
12:46
What is the reason for this?
320
766260
2000
Quelle en est la raison?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Je n'ai pas le temps de vous parler de toutes les mathématiques,
12:51
but underlying this is the social networks,
322
771260
3000
mais les réseaux sociaux sont sous-jacents ici.
12:54
because this is a universal phenomenon.
323
774260
3000
parce que c'est un phénomène universel.
12:57
This 15 percent rule
324
777260
3000
Cette règle des 15%
13:00
is true
325
780260
2000
est vraie
13:02
no matter where you are on the planet --
326
782260
2000
où que vous soyez sur la planète,
13:04
Japan, Chile,
327
784260
2000
au Japon, au Chili,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
au Portugal, en Écosse, ça n'a pas d'importance.
13:09
Always, all the data shows it's the same,
329
789260
3000
Toutes les données montrent toujours qu'elle est la même
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
en dépit du fait que ces villes ont évolué de manière indépendante.
13:15
Something universal is going on.
331
795260
2000
Il se passe quelque chose d'universel.
13:17
The universality, to repeat, is us --
332
797260
3000
L'universalité, je le répète, c'est nous,
13:20
that we are the city.
333
800260
2000
le fait que nous sommes la ville.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Et ce sont nos interactions et les regroupements de ces interactions.
13:25
So there it is, I've said it again.
335
805260
2000
Alors voilà, je l'ai redit.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Si ce sont ces réseaux et leurs structures mathématiques,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
contrairement à la biologie, qui avait une échelle sublinéaire,
13:33
economies of scale,
338
813260
2000
des économies d'échelles,
13:35
you had the slowing of the pace of life
339
815260
2000
vous aviez le ralentissement de l'allure de la vie
13:37
as you get bigger.
340
817260
2000
quand vous devenez plus grand.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Si ce sont les réseaux sociaux avec une échelle super-linéaire,
13:41
more per capita --
342
821260
2000
plus par tête,
13:43
then the theory says
343
823260
2000
alors la théorie dit
13:45
that you increase the pace of life.
344
825260
2000
que vous augmentez l'allure de la vie.
13:47
The bigger you are, life gets faster.
345
827260
2000
Plus vous êtes grand, plus la vie accélère.
13:49
On the left is the heart rate showing biology.
346
829260
2000
À gauche, c'est le rythme cardiaque qui montre la biologie.
13:51
On the right is the speed of walking
347
831260
2000
A droite, c'est la vitesse de marche
13:53
in a bunch of European cities,
348
833260
2000
dans un tas de villes européennes,
13:55
showing that increase.
349
835260
2000
qui montre cette augmentation.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Pour finir, je veux parler de croissance.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Voilà ce que nous avions dans la biologie, je le répète.
14:03
Economies of scale
352
843260
3000
Des économies d'échelle
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
ont donné naissance à ce comportement sigmoïde.
14:09
You grow fast and then stop --
354
849260
3000
Vous grandissez vite puis vous vous arrêtez,
14:12
part of our resilience.
355
852260
2000
ça fait partie de notre résilience.
14:14
That would be bad for economies and cities.
356
854260
3000
Ce serait mauvais pour les économies et pour les villes.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Et bien sûr, une des choses merveilleuses de cette théorie
14:19
is that if you have super-linear scaling
358
859260
3000
est que si vous avez une échelle super-linéaire
14:22
from wealth creation and innovation,
359
862260
2000
de la création de richesse et l'innovation
14:24
then indeed you get, from the same theory,
360
864260
3000
alors vous obtenez, par la même théorie,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
une belle courbe qui monte exponentiellement, superbe.
14:29
And in fact, if you compare it to data,
362
869260
2000
Et en fait, si vous la comparez aux données,
14:31
it fits very well
363
871260
2000
ça colle très bien
14:33
with the development of cities and economies.
364
873260
2000
avec le développement des villes et des économies.
14:35
But it has a terrible catch,
365
875260
2000
Mais il y a un terrible piège.
14:37
and the catch
366
877260
2000
Et le piège
14:39
is that this system is destined to collapse.
367
879260
3000
est que ce système est destiné à s'effondrer.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Et il est destiné à s'effondrer pour de nombreuses raisons,
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
des raisons plutôt malthusiennes, c'est-à-dire que vous tombez à court de ressources.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Et comment éviter ça? Et bien nous l'avons déjà fait.
14:50
What we do is,
371
890260
2000
Ce que nous faisons c'est,
14:52
as we grow and we approach the collapse,
372
892260
3000
alors que nous grandissons et approchons de l'effondrement,
14:55
a major innovation takes place
373
895260
3000
une innovation majeure a lieu
14:58
and we start over again,
374
898260
2000
et nous recommençons à zéro.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
Et nous recommençons à zéro alors que nous approchons de la suivante etc.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Il y a donc ce cycle continu d'innovation
15:05
that is necessary
377
905260
2000
qui est nécessaire
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
pour soutenir la croissance et éviter l'effondrement.
15:10
The catch, however, to this
379
910260
2000
Cependant, le piège
15:12
is that you have to innovate
380
912260
2000
est que vous devez innover
15:14
faster and faster and faster.
381
914260
3000
de plus en plus vite.
15:17
So the image
382
917260
2000
Alors l'image
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
est que nous sommes non seulement sur un tapis de course qui va très vite,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
mais nous devons changer le tapis de course de plus en plus vite.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Nous devons accélérer continuellement.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Et la question est : pouvons-nous, en tant qu'êtres socio-économiques
15:31
avoid a heart attack?
387
931260
3000
éviter la crise cardiaque?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Alors finalement, je vais terminer cette dernière minute
15:37
asking about companies.
389
937260
2000
en posant des questions sur les compagnies.
15:39
See companies, they scale.
390
939260
2000
Voyez les compagnies, elles évoluent en échelle.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Celle d'en haut, en fait, est Walmart à droite.
15:43
It's the same plot.
392
943260
2000
C'est le même tracé.
15:45
This happens to be income and assets
393
945260
2000
Il se trouve qu'il s'agit de revenus et d'actifs
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
par rapport à la taille de la compagnie tel qu'indiqué par son nombre d'employés.
15:49
We could use sales, anything you like.
395
949260
3000
Nous pourrions utiliser les ventes, tout ce que vous voulez.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
C'est là : après quelques petites fluctuations au début,
15:55
when companies are innovating,
397
955260
2000
quand les compagnies innovent
15:57
they scale beautifully.
398
957260
2000
elles évoluent parfaitement selon l’échelle.
15:59
And we've looked at 23,000 companies
399
959260
3000
Et nous avons examiné 23 000 compagnies,
16:02
in the United States, may I say.
400
962260
2000
aux États-Unis, si je peux dire.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Et je ne vous en montre qu'un petit bout.
16:07
What is astonishing about companies
402
967260
2000
Ce qui est étonnant avec ces compagnies
16:09
is that they scale sublinearly
403
969260
3000
c'est qu'elles suivent une échelle sublinéaire
16:12
like biology,
404
972260
2000
comme la biologie,
16:14
indicating that they're dominated,
405
974260
2000
ce qui indique qu'elles ne sont pas dominées,
16:16
not by super-linear
406
976260
2000
par des innovations et des idées
16:18
innovation and ideas;
407
978260
3000
sublinéaires ;
16:21
they become dominated
408
981260
2000
elles tombent sous la domination
16:23
by economies of scale.
409
983260
2000
des économies d'échelle.
16:25
In that interpretation,
410
985260
2000
Dans cette interprétation,
16:27
by bureaucracy and administration,
411
987260
2000
celles de la bureaucratie et de l'administration,
16:29
and they do it beautifully, may I say.
412
989260
2000
et si je peux dire, elles le font magnifiquement.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Alors si vous me donnez la taille d'une compagnie, d'une petite compagnie,
16:34
I could have predicted the size of Walmart.
414
994260
3000
j'aurais pu prédire la taille de Wallmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Si elle suit cette échelle sublinéaire,
16:39
the theory says
416
999260
2000
la théorie dit
16:41
we should have sigmoidal growth.
417
1001260
3000
que nous devrions avoir une croissance sigmoïde.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Walmart est là. Il n'a pas l'air très sigmoïde.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Voilà ce que nous aimons, des crosses de hockey.
16:49
But you notice, I've cheated,
420
1009260
2000
Mais vous remarquez, j'ai triché,
16:51
because I've only gone up to '94.
421
1011260
2000
parce que je ne suis allé que jusqu'en 1994.
16:53
Let's go up to 2008.
422
1013260
2000
Allons jusqu'en 2008.
16:55
That red line is from the theory.
423
1015260
3000
Cette ligne rouge vient de la théorie.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Alors si j'avais fait ça en 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
j'aurais pu prédire ce que Walmart serait aujourd’hui.
17:03
And then this is repeated
426
1023260
2000
Et puis ceci se répète
17:05
across the entire spectrum of companies.
427
1025260
2000
à travers tout le spectre des compagnies.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Les voilà. 23 000 compagnies.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Elles commencent toutes par ressembler à des crosses de hockey,
17:12
they all bend over,
430
1032260
2000
elles plient toutes,
17:14
and they all die like you and me.
431
1034260
2000
et elles meurent toutes comme vous et moi.
17:16
Thank you.
432
1036260
2000
Merci.
17:18
(Applause)
433
1038260
9000
(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