12 sustainable design ideas from nature | Janine Benyus

Janine Benyus partage les designs de la Nature

620,503 views

2007-05-17 ・ TED


New videos

12 sustainable design ideas from nature | Janine Benyus

Janine Benyus partage les designs de la Nature

620,503 views ・ 2007-05-17

TED


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

Traducteur: Toromanoff Olivier Relecteur: Jacques Hilbey
00:25
It is a thrill to be here at a conference
0
25000
4000
Cela fait quelque chose d’être ici à un colloque
00:29
that's devoted to "Inspired by Nature" -- you can imagine.
1
29000
5000
consacré à "Inspiré par la Nature" -- vous pouvez l’imaginer.
00:34
And I'm also thrilled to be in the foreplay section.
2
34000
4000
Et je suis ravie d’être dans la section préliminaire.
00:38
Did you notice this section is foreplay?
3
38000
2000
Aviez-vous remarqué que cette section est préliminaire?
00:40
Because I get to talk about one of my favorite critters,
4
40000
3000
Parce que ça me donne l'occasion de parler d’un de mes animaux préférés,
00:43
which is the Western Grebe. You haven't lived
5
43000
3000
qui est le grèbe élégant. Vous n’avez pas vécu
00:46
until you've seen these guys do their courtship dance.
6
46000
4000
tant que vous n’avez pas vu ces animaux faire leur parade nuptiale.
00:50
I was on Bowman Lake in Glacier National Park,
7
50000
3000
J’étais au lac Bowman dans le Parc national des Glaciers, au Canada,
00:53
which is a long, skinny lake with sort of mountains upside down in it,
8
53000
4000
qui est un long lac étroit avec comme des montagnes retournées dedans,
00:57
and my partner and I have a rowing shell.
9
57000
2000
et mon ami et moi faisions de l’aviron.
00:59
And so we were rowing, and one of these Western Grebes came along.
10
59000
6000
Et donc nous ramions, et l’un des ces grèbes élégants passa par là.
01:05
And what they do for their courtship dance is, they go together,
11
65000
5000
Et ce qu’ils font pour leur parade nuptiale, c’est qu’ils se rapprochent,
01:10
the two of them, the two mates, and they begin to run underwater.
12
70000
5000
tous les deux, mâle et femelle, et qu’ils commencent à courir sous l’eau.
01:15
They paddle faster, and faster, and faster, until they're going so fast
13
75000
4000
Ils battent des pattes de plus en plus vite, jusqu’à ce qu’ils aillent si vite
01:19
that they literally lift up out of the water,
14
79000
3000
qu’ils s’élèvent littéralement hors de l’eau,
01:22
and they're standing upright, sort of paddling the top of the water.
15
82000
4000
et qu’ils restent dressés, en battant la surface de l’eau.
01:26
And one of these Grebes came along while we were rowing.
16
86000
5000
Et l’un de ces grèbes passa par là alors que nous ramions.
01:31
And so we're in a skull, and we're moving really, really quickly.
17
91000
4000
Nous sommes dans un deux de couple, et nous allons vraiment, vraiment vite.
01:35
And this Grebe, I think, sort of, mistaked us for a prospect,
18
95000
7000
Et ce grèbe, j'imagine, nous à pris pour un partenaire potentiel,
01:42
and started to run along the water next to us,
19
102000
4000
et a commencé à courir sur l’eau à côté de nous,
01:46
in a courtship dance -- for miles.
20
106000
5000
en une parade nuptiale -- sur des kilomètres.
01:51
It would stop, and then start, and then stop, and then start.
21
111000
4000
Il s’arrêtait, recommençait, s’arrêtait, recommençait.
01:55
Now that is foreplay.
22
115000
2000
Ça c’est des préliminaires.
01:57
(Laughter)
23
117000
3000
(Rires)
02:00
I came this close to changing species at that moment.
24
120000
9000
OK. J’ai presque -- j’étais à ça de changer d’espèce à ce moment-là.
02:09
Obviously, life can teach us something
25
129000
4000
Évidemment, la vie peut nous apprendre des choses
02:13
in the entertainment section. Life has a lot to teach us.
26
133000
4000
dans le domaine du divertissement, OK. La vie a beaucoup à nous apprendre.
02:17
But what I'd like to talk about today
27
137000
3000
Mais ce dont j’aimerais parler aujourd’hui
02:20
is what life might teach us in technology and in design.
28
140000
4000
c'est ce que la vie pourrait nous apprendre en technologie et en design.
02:24
What's happened since the book came out --
29
144000
2000
Ce qui s’est passé depuis que le livre est sorti --
02:26
the book was mainly about research in biomimicry --
30
146000
3000
le livre parlait principalement de recherche en bio-mimétisme.
02:29
and what's happened since then is architects, designers, engineers --
31
149000
4000
Depuis, des architectes, des designers, des ingénieurs --
02:33
people who make our world -- have started to call and say,
32
153000
3000
des gens qui font notre monde -- ont commencé à nous appeler et à dire,
02:36
we want a biologist to sit at the design table
33
156000
4000
nous voulons qu'un biologiste s'asseye à la table à dessin
02:40
to help us, in real time, become inspired.
34
160000
3000
pour nous aider, en temps réel, à trouver l'inspiration.
02:43
Or -- and this is the fun part for me -- we want you to take us out
35
163000
4000
Ou -- et c’est ce qui m'amuse -- nous voulons que vous nous emmeniez
02:47
into the natural world. We'll come with a design challenge
36
167000
2000
dans la nature. Nous arriverons avec un défi de design
02:49
and we find the champion adapters in the natural world, who might inspire us.
37
169000
5000
et nous trouvons les as de l’adaptation dans la nature, qui pourraient nous inspirer.
02:54
So this is a picture from a Galapagos trip that we took
38
174000
4000
Voici une photo d’un voyage aux Galápagos que nous avons fait
02:58
with some wastewater treatment engineers; they purify wastewater.
39
178000
4000
avec quelques ingénieurs en traitement des eaux usées; ils purifient l’eau usée.
03:02
And some of them were very resistant, actually, to being there.
40
182000
3000
Et certains d’entre eux étaient très réticents, en fait, à être là.
03:05
What they said to us at first was, you know, we already do biomimicry.
41
185000
5000
Ils nous ont d'abord dit, vous savez, nous faisons déjà du bio-mimétisme.
03:10
We use bacteria to clean our water. And we said,
42
190000
5000
Nous utilisons des bactéries pour nettoyer notre eau. Alors nous avons dit,
03:15
well, that's not exactly being inspired by nature.
43
195000
4000
bon, il ne s’agit pas vraiment -- ce n’est pas vraiment être inspiré par la nature.
03:19
That's bioprocessing, you know; that's bio-assisted technology:
44
199000
4000
C’est de la bio-production, vous voyez; C’est de la technologie bio-assistée:
03:23
using an organism to do your wastewater treatment
45
203000
5000
utiliser un organisme pour traiter votre eau usée
03:28
is an old, old technology called "domestication."
46
208000
3000
est une vieille, vieille technologie appelée "domestication".
03:31
This is learning something, learning an idea, from an organism and then applying it.
47
211000
7000
Il s’agit d’apprendre quelque chose, une idée, d’un organisme et de l’appliquer.
03:38
And so they still weren't getting it.
48
218000
3000
Et ils ne comprenaient toujours pas.
03:41
So we went for a walk on the beach and I said,
49
221000
2000
Alors nous sommes partis faire une ballade sur la plage et j'ai dit,
03:43
well, give me one of your big problems. Give me a design challenge,
50
223000
5000
bon, donnez-moi l’un de vos gros problèmes. Donnez-moi un problème de design,
03:48
sustainability speed bump, that's keeping you from being sustainable.
51
228000
3000
un ralentisseur de durabilité, qui vous empêche d’être durable.
03:51
And they said scaling, which is the build-up of minerals inside of pipes.
52
231000
6000
Ils ont dit l’entartrage, qui est l’accumulation de minéraux à l’intérieur des tuyaux.
03:57
And they said, you know what happens is, mineral --
53
237000
2000
Et ils ont dit, ce qui se passe, c’est que les minéraux --
03:59
just like at your house -- mineral builds up.
54
239000
2000
exactement comme à la maison -- les minéraux s’accumulent.
04:01
And then the aperture closes, and we have to flush the pipes with toxins,
55
241000
4000
Alors l’ouverture se ferme, et nous devons nettoyer les tuyaux avec des toxines,
04:05
or we have to dig them up.
56
245000
2000
ou les curer.
04:07
So if we had some way to stop this scaling --
57
247000
3000
Et donc si nous avions un moyen de stopper cet entartrage --
04:10
and so I picked up some shells on the beach. And I asked them,
58
250000
5000
et alors, j'ai ramassé quelques coquillages sur la plage. Et je leur ai demandé,
04:15
what is scaling? What's inside your pipes?
59
255000
2000
qu'est-ce ce qui s'accumule? Qu’y a-t-il dans vos tuyaux?
04:17
And they said, calcium carbonate.
60
257000
3000
Ils ont répondu, du carbonate de calcium.
04:20
And I said, that's what this is; this is calcium carbonate.
61
260000
3000
Et j'ai dit, ça c'en est; c'est du carbonate de calcium.
04:23
And they didn't know that.
62
263000
3000
Et ils ne le savaient pas.
04:26
They didn't know that what a seashell is,
63
266000
2000
Ils ne savaient pas qu’une coquille de coquillage,
04:28
it's templated by proteins, and then ions from the seawater
64
268000
4000
part d'une matrice de protéines, puis les ions de l’eau de mer
04:32
crystallize in place to create a shell.
65
272000
3000
cristallisent sur place, OK, pour créer une coquille.
04:35
So the same sort of a process, without the proteins,
66
275000
4000
Un processus du même type, sans les protéines,
04:39
is happening on the inside of their pipes. They didn't know.
67
279000
3000
se passe à l’intérieur de leurs tuyaux. Il ne le savaient pas.
04:42
This is not for lack of information; it's a lack of integration.
68
282000
6000
Ce n’est pas par manque d’information; c’est un manque d’intégration.
04:48
You know, it's a silo, people in silos. They didn't know
69
288000
3000
Vous savez, c’est un silo, des gens dans des silos. Ils ne savaient pas
04:51
that the same thing was happening. So one of them thought about it
70
291000
3000
que la même chose se produisait. Alors, l’un d’entre eux y a réfléchi
04:54
and said, OK, well, if this is just crystallization
71
294000
4000
et a dit, OK, bon, si c’est juste de la cristallisation
04:58
that happens automatically out of seawater -- self-assembly --
72
298000
5000
qui se produit automatiquement à partir d’eau de mer -- de l'auto-assemblage --
05:03
then why aren't shells infinite in size? What stops the scaling?
73
303000
5000
pourquoi les coquilles ne sont-elles pas infinies? Qu’est-ce qui arrête leur formation?
05:08
Why don't they just keep on going?
74
308000
2000
Pourquoi ne croissent-elles pas encore et toujours?
05:10
And I said, well, in the same way
75
310000
4000
J'ai répondu, bon, de la même façon qu’elles relâchent des pro --
05:14
that they exude a protein and it starts the crystallization --
76
314000
4000
qu’elles sécrètent une protéine, ce qui commence la cristallisation --
05:18
and then they all sort of leaned in --
77
318000
4000
et ils ont tous commencé à boire mes paroles --
05:22
they let go of a protein that stops the crystallization.
78
322000
3000
elles relâchent une protéine qui stoppe la cristallisation.
05:25
It literally adheres to the growing face of the crystal.
79
325000
2000
Ça adhère littéralement à la face croissante du cristal.
05:27
And, in fact, there is a product called TPA
80
327000
4000
Et, en fait, il y a un produit appelé TPA
05:31
that's mimicked that protein -- that stop-protein --
81
331000
5000
qui imite cette protéine -- cette protéine stoppante --
05:36
and it's an environmentally friendly way to stop scaling in pipes.
82
336000
4000
et c’est une façon écologique d’arrêter l’entartrage dans les tuyaux.
05:40
That changed everything. From then on,
83
340000
4000
Ça a tout changé. Ensuite,
05:44
you could not get these engineers back in the boat.
84
344000
4000
on ne pouvait plus ramener les ingénieurs au bateau.
05:48
The first day they would take a hike,
85
348000
3000
Le premier jour, ils ont fait une excursion,
05:51
and it was, click, click, click, click. Five minutes later they were back in the boat.
86
351000
3000
et c’était, click, click, click, click. Cinq minutes après, ils étaient dans le bateau.
05:54
We're done. You know, I've seen that island.
87
354000
4000
On a fini. Vous savez, j’ai vu cette île.
05:58
After this,
88
358000
2000
Après ça,
06:00
they were crawling all over. They would snorkel
89
360000
3000
ils marchaient à quatre pattes partout. Ils n’allaient pas --
06:03
for as long as we would let them snorkel.
90
363000
5000
ils nageaient avec leur tuba aussi longtemps qu’on les laissait faire.
06:08
What had happened was that they realized that there were organisms
91
368000
4000
Ce qui s'est passé, c’est qu’ils ont réalisé qu’il y avait des organismes
06:12
out there that had already solved the problems
92
372000
4000
dans la nature qui avaient déjà résolu les problèmes
06:16
that they had spent their careers trying to solve.
93
376000
3000
qu'ils ont essayé de résoudre durant toute leur carrière.
06:19
Learning about the natural world is one thing;
94
379000
5000
Apprendre sur le monde naturel est une chose,
06:24
learning from the natural world -- that's the switch.
95
384000
2000
apprendre du monde naturel – la différence est là.
06:26
That's the profound switch.
96
386000
3000
Voilà le changement profond.
06:29
What they realized was that the answers to their questions are everywhere;
97
389000
4000
Ce qu’ils ont réalisé, c’est que les réponses à leurs questions sont partout;
06:33
they just needed to change the lenses with which they saw the world.
98
393000
4000
ils devaient juste changer les lunettes avec lesquelles ils voyaient le monde.
06:37
3.8 billion years of field-testing.
99
397000
4000
3,8 milliards d’années d'essais sur le terrain.
06:41
10 to 30 -- Craig Venter will probably tell you;
100
401000
3000
10 à 30 -- Craig Venter vous le dira probablement;
06:44
I think there's a lot more than 30 million -- well-adapted solutions.
101
404000
4000
Je pense qu’il y a beaucoup plus de 30 millions -- de solutions bien adaptées.
06:48
The important thing for me is that these are solutions solved in context.
102
408000
8000
L'important selon moi, c’est que ces solutions sont trouvées en contexte.
06:56
And the context is the Earth --
103
416000
2000
Et le contexte, c'est la Terre --
06:58
the same context that we're trying to solve our problems in.
104
418000
5000
le même contexte dans lequel nous essayons de résoudre nos problèmes.
07:03
So it's the conscious emulation of life's genius.
105
423000
4000
Il s’agit de prendre modèle sur le génie de la vie.
07:07
It's not slavishly mimicking --
106
427000
2000
Pas de le mimer servilement --
07:09
although Al is trying to get the hairdo going --
107
429000
3000
bien qu’Albert essaie d’avoir la même coupe --
07:12
it's not a slavish mimicry; it's taking the design principles,
108
432000
4000
ce n’est pas une imitation servile. C’est prendre les principes de design,
07:16
the genius of the natural world, and learning something from it.
109
436000
5000
le génie de la nature, et en apprendre quelque chose.
07:21
Now, in a group with so many IT people, I do have to mention what
110
441000
4000
Maintenant, dans un groupe avec autant d’informaticiens, je dois mentionner que --
07:25
I'm not going to talk about, and that is that your field
111
445000
3000
il y a un domaine dont je ne vais pas parler, parce que votre domaine
07:28
is one that has learned an enormous amount from living things,
112
448000
4000
en est un qui a énormément appris des choses vivantes,
07:32
on the software side. So there's computers that protect themselves,
113
452000
4000
du côté du logiciel. Ainsi, il y a des ordinateurs qui se protègent eux-mêmes,
07:36
like an immune system, and we're learning from gene regulation
114
456000
3000
comme un système immunitaire, et nous apprenons de la régulation des gènes
07:39
and biological development. And we're learning from neural nets,
115
459000
5000
et du développement biologique. Et nous apprenons des réseaux de neurones,
07:44
genetic algorithms, evolutionary computing.
116
464000
3000
des algorithmes génétiques, du calcul évolutionnaire.
07:47
That's on the software side. But what's interesting to me
117
467000
5000
Voilà pour le côté logiciel. Mais ce qui m’intéresse
07:52
is that we haven't looked at this, as much. I mean, these machines
118
472000
5000
c’est que nous n’avons pas autant regardé ça. Je veux dire, ces machines
07:57
are really not very high tech in my estimation
119
477000
3000
ne sont vraiment pas très high-tech à mon avis
08:00
in the sense that there's dozens and dozens of carcinogens
120
480000
5000
dans la mesure où il y a des dizaines de substances cancérigènes
08:05
in the water in Silicon Valley.
121
485000
3000
dans l’eau de la Silicon Valley.
08:08
So the hardware
122
488000
3000
Ainsi le matériel
08:11
is not at all up to snuff in terms of what life would call a success.
123
491000
5000
n’est pas du tout au niveau de ce que la vie appellerait un succès.
08:16
So what can we learn about making -- not just computers, but everything?
124
496000
5000
Que peut-on apprendre pour fabriquer des ordinateurs, et le reste?
08:21
The plane you came in, cars, the seats that you're sitting on.
125
501000
4000
L’avion qui vous a amené, les voitures, les sièges où vous êtes assis.
08:25
How do we redesign the world that we make, the human-made world?
126
505000
7000
Comment repenser le monde que nous faisons, que les humains font?
08:32
More importantly, what should we ask in the next 10 years?
127
512000
4000
Et surtout, quelles questions poser dans les 10 années à venir?
08:36
And there's a lot of cool technologies out there that life has.
128
516000
3000
Et il y a beaucoup de chouettes technologies dont la vie dispose.
08:39
What's the syllabus?
129
519000
2000
Quel est le programme?
08:41
Three questions, for me, are key.
130
521000
4000
Trois questions, selon moi, sont cruciales.
08:45
How does life make things?
131
525000
2000
Comment la vie fait-elle les choses?
08:47
This is the opposite; this is how we make things.
132
527000
3000
Voilà l’opposé; ça c’est comment nous faisons les choses.
08:50
It's called heat, beat and treat --
133
530000
2000
Ça s’appelle chauffer, battre et traiter --
08:52
that's what material scientists call it.
134
532000
2000
c'est comme ça que les spécialistes des matériaux l’appellent.
08:54
And it's carving things down from the top, with 96 percent waste left over
135
534000
5000
Et ça consiste à tailler les choses dans la masse, avec 96 pour cent de déchets
08:59
and only 4 percent product. You heat it up; you beat it with high pressures;
136
539000
5000
et seulement 4 pour cent de produit. Vous chauffez, vous battez sous haute pression,
09:04
you use chemicals. OK. Heat, beat and treat.
137
544000
3000
vous utilisez des produits chimiques. OK. Chauffer, battre et traiter.
09:07
Life can't afford to do that. How does life make things?
138
547000
4000
La vie ne peut pas se le permettre. Comment fait-elle les choses?
09:11
How does life make the most of things?
139
551000
3000
Comment la vie utilise-t-elle au mieux les choses?
09:14
That's a geranium pollen.
140
554000
3000
C’est du pollen de géranium.
09:17
And its shape is what gives it the function of being able
141
557000
5000
Et sa forme est ce qui lui donne la capacité
09:22
to tumble through air so easily. Look at that shape.
142
562000
4000
de planer si facilement, OK. Regardez cette forme.
09:26
Life adds information to matter.
143
566000
5000
La vie ajoute de l’information à la matière.
09:31
In other words: structure.
144
571000
2000
En d'autres termes : de la structure.
09:33
It gives it information. By adding information to matter,
145
573000
5000
Elle lui donne de l’information. En ajoutant de l’information à la matière,
09:38
it gives it a function that's different than without that structure.
146
578000
6000
elle lui donne un rôle différent de celui qu'elle a sans cette structure.
09:44
And thirdly, how does life make things disappear into systems?
147
584000
5000
Et troisièmement, comment fait la vie pour transformer les choses en système?
09:49
Because life doesn't really deal in things;
148
589000
5000
Parce que la vie ne traite pas vraiment des choses;
09:54
there are no things in the natural world divorced
149
594000
4000
rien n’existe dans la nature séparé
09:58
from their systems.
150
598000
3000
de son système.
10:01
Really quick syllabus.
151
601000
2000
Un programme très rapide.
10:03
As I'm reading more and more now, and following the story,
152
603000
6000
A mesure que je lis de plus en plus, et que je suis ce qui se passe,
10:09
there are some amazing things coming up in the biological sciences.
153
609000
4000
il y a des choses surprenantes qui se présentent en sciences biologiques.
10:13
And at the same time, I'm listening to a lot of businesses
154
613000
3000
Et en même temps, j’écoute de nombreuses entreprises
10:16
and finding what their sort of grand challenges are.
155
616000
4000
et je découvre quels sont leurs défis suprêmes.
10:20
The two groups are not talking to each other.
156
620000
2000
Les deux groupes ne se parlent pas.
10:22
At all.
157
622000
3000
Du tout.
10:25
What in the world of biology might be helpful at this juncture,
158
625000
4000
Qu'est-ce qui dans le monde de la biologie pourrait être utile, là,
10:29
to get us through this sort of evolutionary knothole that we're in?
159
629000
5000
pour sortir de cette sorte de point mort de l'évolution où nous sommes?
10:34
I'm going to try to go through 12, really quickly.
160
634000
3000
Je vais tenter d'examiner 12 points, très rapidement.
10:37
One that's exciting to me is self-assembly.
161
637000
3000
OK, un que je trouve excitant c’est l’auto-assemblage.
10:40
Now, you've heard about this in terms of nanotechnology.
162
640000
4000
Pour le moment, vous en avez entendu parler en termes de nanotechnologies.
10:44
Back to that shell: the shell is a self-assembling material.
163
644000
4000
Revenons à cette coquille: la coquille est un matériel auto-assemblant.
10:48
On the lower left there is a picture of mother of pearl
164
648000
4000
En bas à gauche, il y a une image de nacre
10:52
forming out of seawater. It's a layered structure that's mineral
165
652000
4000
se formant à partir d’eau de mer. C’est une structure en couche qui est d’abord minérale
10:56
and then polymer, and it makes it very, very tough.
166
656000
3000
puis polymère, et ça la rend très, très dure.
10:59
It's twice as tough as our high-tech ceramics.
167
659000
3000
C’est deux fois plus dur que nos céramiques high-tech.
11:02
But what's really interesting: unlike our ceramics that are in kilns,
168
662000
4000
Mais le plus intéressant: contrairement à nos céramiques qui sont cuites,
11:06
it happens in seawater. It happens near, in and near, the organism's body.
169
666000
5000
cela se produit dans l’eau de mer. Dans et à côté du corps de l’organisme.
11:11
This is Sandia National Labs.
170
671000
2000
OK, les gens commencent --
11:13
A guy named Jeff Brinker
171
673000
5000
voici les laboratoires Sandia; un certain Jeff Brinker
11:18
has found a way to have a self-assembling coding process.
172
678000
4000
a trouvé un moyen de programmer un processus d’auto-assemblage.
11:22
Imagine being able to make ceramics at room temperature
173
682000
4000
Imaginez être capable de fabriquer des céramiques à température ambiante
11:26
by simply dipping something into a liquid,
174
686000
4000
simplement en trempant quelque chose dans un liquide,
11:30
lifting it out of the liquid, and having evaporation
175
690000
3000
en l’en ressortant, et que l’évaporation
11:33
force the molecules in the liquid together,
176
693000
4000
regroupe les molécules du liquide,
11:37
so that they jigsaw together
177
697000
2000
de manière qu'elles s'assemblent
11:39
in the same way as this crystallization works.
178
699000
4000
de la même manière que cette cristallisation a lieu.
11:43
Imagine making all of our hard materials that way.
179
703000
3000
Imaginez produire tous nos matériaux durs ainsi.
11:46
Imagine spraying the precursors to a PV cell, to a solar cell,
180
706000
7000
Imaginez pulvériser les précurseurs d’une cellule solaire,
11:53
onto a roof, and having it self-assemble into a layered structure that harvests light.
181
713000
4000
sur un toit, et qu'elle s’auto-assemble en une structure feuilletée qui collecte la lumière.
11:57
Here's an interesting one for the IT world:
182
717000
4000
Ça c’est quelque chose d’intéressant pour le monde de l’informatique:
12:01
bio-silicon. This is a diatom, which is made of silicates.
183
721000
5000
bio-silicium. Ceci est une diatomée, qui est faite de silicates.
12:06
And so silicon, which we make right now --
184
726000
2000
Le silicium que nous produisons actuellement --
12:08
it's part of our carcinogenic problem in the manufacture of our chips --
185
728000
6000
ça fait partie du problème des cancérigènes dans la fabrication de nos puces --
12:14
this is a bio-mineralization process that's now being mimicked.
186
734000
4000
ceci est un processus de bio-minéralisation qui est actuellement imité.
12:18
This is at UC Santa Barbara. Look at these diatoms.
187
738000
4000
C’est à l’Université de Californie à Santa Barbara. Regardez ces diatomées;
12:22
This is from Ernst Haeckel's work.
188
742000
3000
cela fait partie des travaux de Ernst Haeckel.
12:25
Imagine being able to -- and, again, it's a templated process,
189
745000
5000
Imaginez pouvoir -- et c’est encore un processus qui part d'une matrice,
12:30
and it solidifies out of a liquid process -- imagine being able to have that
190
750000
4000
et qui solidifie à partir de liquide -- imaginez pouvoir faire apparaître
12:34
sort of structure coming out at room temperature.
191
754000
4000
ce genre de structure à température ambiante.
12:38
Imagine being able to make perfect lenses.
192
758000
3000
Imaginez pouvoir faire des lentilles parfaites.
12:41
On the left, this is a brittle star; it's covered with lenses
193
761000
5000
À gauche, c’est une ophiure; elle est recouverte de lentilles
12:46
that the people at Lucent Technologies have found
194
766000
3000
dont les gens de Lucent Technologies ont découvert
12:49
have no distortion whatsoever.
195
769000
2000
qu'elles n'avaient aucune distorsion.
12:51
It's one of the most distortion-free lenses we know of.
196
771000
3000
C’est l’une des lentilles avec le moins de distorsion que nous connaissions.
12:54
And there's many of them, all over its entire body.
197
774000
3000
Et il y en a beaucoup, partout sur son corps.
12:57
What's interesting, again, is that it self-assembles.
198
777000
3000
L'intéressant est là encore qu’elle s’auto-assemble.
13:00
A woman named Joanna Aizenberg, at Lucent,
199
780000
4000
Une femme du nom de Joanna Aizenberg, à Lucent,
13:04
is now learning to do this in a low-temperature process to create
200
784000
4000
apprend actuellement à le faire à basse température pour créer
13:08
these sort of lenses. She's also looking at fiber optics.
201
788000
4000
ce genre de lentilles. Elle étudie aussi les fibres optiques.
13:12
That's a sea sponge that has a fiber optic.
202
792000
3000
Voici une éponge de mer qui a une fibre optique.
13:15
Down at the very base of it, there's fiber optics
203
795000
3000
Tout à sa base, il y a des fibres optiques
13:18
that work better than ours, actually, to move light,
204
798000
3000
qui marchent mieux que les nôtres, en fait, pour déplacer de la lumière.
13:21
but you can tie them in a knot; they're incredibly flexible.
205
801000
6000
mais vous pouvez les nouer; elles sont incroyablement flexibles.
13:27
Here's another big idea: CO2 as a feedstock.
206
807000
4000
Encore une autre grande idée: le CO2 comme source de nourriture.
13:31
A guy named Geoff Coates, at Cornell, said to himself,
207
811000
3000
Un certain Geoff Coates, à Cornell, s’est dit,
13:34
you know, plants do not see CO2 as the biggest poison of our time.
208
814000
4000
les plantes ne voient pas le CO2 comme le plus grand poison de notre temps.
13:38
We see it that way. Plants are busy making long chains
209
818000
3000
C'est nous qui le voyons ainsi. Les plantes font de longues chaînes
13:41
of starches and glucose, right, out of CO2. He's found a way --
210
821000
6000
d’amidons et de glucose -n’est-ce pas- à partir de CO2. Il a trouvé un moyen --
13:47
he's found a catalyst -- and he's found a way to take CO2
211
827000
3000
il a trouvé un catalyseur, et il a trouvé un moyen de prendre le CO2
13:50
and make it into polycarbonates. Biodegradable plastics
212
830000
4000
et de le transformer en polycarbonates. Des plastiques biodégradables
13:54
out of CO2 -- how plant-like.
213
834000
2000
à partir de CO2 – tout comme les plantes.
13:56
Solar transformations: the most exciting one.
214
836000
3000
Les transformations solaires : le plus excitant.
13:59
There are people who are mimicking the energy-harvesting device
215
839000
4000
Il y a des gens qui imitent le dispositif de récolte d’énergie
14:03
inside of purple bacterium, the people at ASU. Even more interesting,
216
843000
4000
des bactéries violettes, les gens de l’ASU. Encore plus intéressant,
14:07
lately, in the last couple of weeks, people have seen
217
847000
3000
récemment, ces deux dernières semaines, des gens ont vu
14:10
that there's an enzyme called hydrogenase that's able to evolve
218
850000
5000
qu’il y a une enzyme appelée hydrogénase, capable de créer
14:15
hydrogen from proton and electrons, and is able to take hydrogen up --
219
855000
4000
de l’hydrogène à partir de protons et d’électrons, et capable d’oxyder l’hydrogène --
14:19
basically what's happening in a fuel cell, in the anode of a fuel cell
220
859000
5000
en gros ce qui se passe à l’anode d’une pile à combustible
14:24
and in a reversible fuel cell.
221
864000
2000
et dans une pile à combustible réversible.
14:26
In our fuel cells, we do it with platinum;
222
866000
3000
Dans nos piles à combustible, nous le faisons avec du platine.
14:29
life does it with a very, very common iron.
223
869000
4000
La vie le fait avec un fer très très commun.
14:33
And a team has now just been able to mimic
224
873000
4000
Et une équipe vient juste de parvenir à imiter
14:37
that hydrogen-juggling hydrogenase.
225
877000
5000
cette hydrogénase qui jongle avec l’hydrogène.
14:42
That's very exciting for fuel cells --
226
882000
2000
C’est très enthousiasmant pour les piles à combustible --
14:44
to be able to do that without platinum.
227
884000
3000
être capable de le faire sans platine.
14:47
Power of shape: here's a whale. We've seen that the fins of this whale
228
887000
5000
Le pouvoir des formes: voilà une baleine. Nous avons remarqué que ses ailerons
14:52
have tubercles on them. And those little bumps
229
892000
3000
présentent des tubercules à leur surface. Et ces petites bosses
14:55
actually increase efficiency in, for instance,
230
895000
5000
augmentent vraiment l’efficacité, par exemple,
15:00
the edge of an airplane -- increase efficiency by about 32 percent.
231
900000
5000
du bord d'attaque d'une aile d'avion -- d’environ 32 pour cent.
15:05
Which is an amazing fossil fuel savings,
232
905000
2000
Ce qui est une économie de carburant fossile impressionnante,
15:07
if we were to just put that on the edge of a wing.
233
907000
5000
juste en mettant ça sur le bord d’une aile.
15:12
Color without pigments: this peacock is creating color with shape.
234
912000
4000
La couleur sans pigments: ce paon crée de la couleur par la forme.
15:16
Light comes through, it bounces back off the layers;
235
916000
3000
La lumière traverse et est réfléchie par les couches;
15:19
it's called thin-film interference. Imagine being able
236
919000
3000
ça s’appelle de l’interférence par une couche mince. Imaginez pouvoir
15:22
to self-assemble products with the last few layers
237
922000
3000
auto-assembler des produits dont les quelques dernières couches
15:25
playing with light to create color.
238
925000
4000
jouent avec la lumière pour créer de la couleur.
15:29
Imagine being able to create a shape on the outside of a surface,
239
929000
5000
Imaginez pouvoir créer une forme à l’extérieur d’une surface,
15:34
so that it's self-cleaning with just water. That's what a leaf does.
240
934000
5000
qui la rende autonettoyante juste avec de l’eau. C’est ce qu’une feuille fait.
15:39
See that up-close picture?
241
939000
2000
Vous voyez cette image en gros plan ?
15:41
That's a ball of water, and those are dirt particles.
242
941000
3000
C’est une goutte d’eau et ce sont des particules de saleté.
15:44
And that's an up-close picture of a lotus leaf.
243
944000
3000
Et voici une image en gros plan d’une feuille de lotus.
15:47
There's a company making a product called Lotusan, which mimics --
244
947000
5000
Une entreprise fabrique un produit appelé Lotusan, qui imite --
15:52
when the building facade paint dries, it mimics the bumps
245
952000
4000
quand la peinture de la façade sèche, elle imite les bosses
15:56
in a self-cleaning leaf, and rainwater cleans the building.
246
956000
5000
d'une feuille autonettoyante, et l’eau de pluie nettoie le bâtiment.
16:01
Water is going to be our big, grand challenge:
247
961000
6000
L’eau va devenir notre défi suprême:
16:07
quenching thirst.
248
967000
2000
étancher la soif.
16:09
Here are two organisms that pull water.
249
969000
3000
Voici deux organismes qui extraient de l’eau.
16:12
The one on the left is the Namibian beetle pulling water out of fog.
250
972000
4000
Celui de gauche est le scarabée de Namibie qui extrait de l’eau du brouillard.
16:16
The one on the right is a pill bug -- pulls water out of air,
251
976000
3000
Celui de droite est un cloporte -- il extrait l’eau de l’air.
16:19
does not drink fresh water.
252
979000
3000
Il ne boit pas d’eau.
16:22
Pulling water out of Monterey fog and out of the sweaty air in Atlanta,
253
982000
7000
Extraire l’eau du brouillard de Monterey et de l’air moite d’Atlanta,
16:29
before it gets into a building, are key technologies.
254
989000
4000
avant qu’elle ne rentre dans un bâtiment, sont des technologies cruciales.
16:33
Separation technologies are going to be extremely important.
255
993000
4000
Les technologies de séparation vont être extrêmement importantes.
16:37
What if we were to say, no more hard rock mining?
256
997000
4000
Supposons que nous disions plus d’extraction minière?
16:41
What if we were to separate out metals from waste streams,
257
1001000
6000
Supposons que nous extrayions les métaux des flux de déchets --
16:47
small amounts of metals in water? That's what microbes do;
258
1007000
4000
de petites quantités de métal de l’eau? C’est ce que les microbes font,
16:51
they chelate metals out of water.
259
1011000
2000
ils fixent les métaux de l’eau.
16:53
There's a company here in San Francisco called MR3
260
1013000
3000
Il y a une entreprise ici à San Francisco nommée MR3
16:56
that is embedding mimics of the microbes' molecules on filters
261
1016000
6000
qui incorpore aux filtres des imitations des molécules de ces microbes
17:02
to mine waste streams.
262
1022000
3000
pour extraire les métaux des flux de déchets.
17:05
Green chemistry is chemistry in water.
263
1025000
4000
La chimie verte est la chimie dans l'eau.
17:09
We do chemistry in organic solvents.
264
1029000
2000
Nous faisons de la chimie dans des solvants organiques.
17:11
This is a picture of the spinnerets coming out of a spider
265
1031000
4000
C’est une image des filières d’une araignée, OK,
17:15
and the silk being formed from a spider. Isn't that beautiful?
266
1035000
3000
et de la soie que l’araignée produit. N’est-ce pas magnifique?
17:18
Green chemistry is replacing our industrial chemistry with nature's recipe book.
267
1038000
8000
La chimie verte remplace notre chimie industrielle par le livre de recettes de la nature.
17:26
It's not easy, because life uses
268
1046000
5000
Ce n’est pas facile, car la vie n’utilise
17:31
only a subset of the elements in the periodic table.
269
1051000
4000
qu’une partie des éléments du tableau périodique.
17:35
And we use all of them, even the toxic ones.
270
1055000
4000
Et nous les utilisons tous, même les toxiques.
17:39
To figure out the elegant recipes that would take the small subset
271
1059000
5000
Trouver d'élégantes recettes, utilisant le petit sous-ensemble
17:44
of the periodic table, and create miracle materials like that cell,
272
1064000
6000
du tableau périodique, et créant des matériaux miracles comme cette cellule,
17:50
is the task of green chemistry.
273
1070000
2000
c'est la tâche de la chimie verte.
17:52
Timed degradation: packaging that is good
274
1072000
4000
La décomposition programmée : un emballage qui soit bon
17:56
until you don't want it to be good anymore, and dissolves on cue.
275
1076000
4000
jusqu'à ce que vous ne vouliez plus qu’il le soit, et le dissoudre sur commande.
18:00
That's a mussel you can find in the waters out here,
276
1080000
3000
Voici une moule telle qu'on en trouve ici.
18:03
and the threads holding it to a rock are timed; at exactly two years,
277
1083000
4000
Les fils qui la tiennent au rocher ont une durée limitée -- au bout de deux ans,
18:07
they begin to dissolve.
278
1087000
2000
ils commencent à se dissoudre.
18:09
Healing: this is a good one.
279
1089000
3000
Guérir : voilà un point intéressant.
18:12
That little guy over there is a tardigrade.
280
1092000
3000
Cette petite bête-là est un tardigrade.
18:15
There is a problem with vaccines around the world
281
1095000
6000
Il y a un problème mondial de vaccins
18:21
not getting to patients. And the reason is
282
1101000
3000
qui n’arrivent pas jusqu’aux patients. La raison en est
18:24
that the refrigeration somehow gets broken;
283
1104000
4000
que la réfrigération est rompue d’une façon ou d’une autre;
18:28
what's called the "cold chain" gets broken.
284
1108000
2000
ce qu’on appelle la "chaîne du froid" est rompue.
18:30
A guy named Bruce Rosner looked at the tardigrade --
285
1110000
3000
Un certain Bruce Rosner a regardé le tardigrade --
18:33
which dries out completely, and yet stays alive for months
286
1113000
6000
qui se dessèche complètement, et pourtant reste vivant pendant des mois,
18:39
and months and months, and is able to regenerate itself.
287
1119000
3000
des mois et des mois, et est capable de se régénérer.
18:42
And he found a way to dry out vaccines --
288
1122000
3000
Et il a trouvé un moyen de dessécher les vaccins --
18:45
encase them in the same sort of sugar capsules
289
1125000
4000
de les enfermer dans la même sorte de capsules de sucre
18:49
as the tardigrade has within its cells --
290
1129000
3000
que le tardigrade a dans ces cellules --
18:52
meaning that vaccines no longer need to be refrigerated.
291
1132000
5000
ce qui signifie que les vaccins n’ont plus besoin d’être réfrigérés.
18:57
They can be put in a glove compartment, OK.
292
1137000
4000
Ils peuvent être mis dans la boîte à gant, OK.
19:01
Learning from organisms. This is a session about water --
293
1141000
5000
Apprendre des organismes. C’est une session à propos de l’eau --
19:06
learning about organisms that can do without water,
294
1146000
3000
apprendre sur les organismes qui n’ont pas besoin d’eau,
19:09
in order to create a vaccine that lasts and lasts and lasts without refrigeration.
295
1149000
7000
pour pouvoir créer un vaccin qui dure, dure et dure sans réfrigération.
19:16
I'm not going to get to 12.
296
1156000
3000
Je ne vais pas aller jusqu’à 12.
19:19
But what I am going to do is tell you that the most important thing,
297
1159000
4000
Mais ce que je vais faire, c’est vous dire que la chose la plus importante,
19:23
besides all of these adaptations, is the fact that these organisms
298
1163000
5000
en dehors de toutes ces adaptations, est le fait que ces organismes
19:28
have figured out a way to do the amazing things they do
299
1168000
5000
ont trouvé un moyen de faire les choses incroyables qu’ils font
19:33
while taking care of the place
300
1173000
3000
tout en prenant soin de l’endroit
19:36
that's going to take care of their offspring.
301
1176000
5000
qui va prendre soin de leur descendance.
19:41
When they're involved in foreplay,
302
1181000
3000
Quand ils sont engagés dans les préliminaires,
19:44
they're thinking about something very, very important --
303
1184000
3000
ils pensent à quelque chose de très, très important:
19:47
and that's having their genetic material
304
1187000
4000
que leur matériel génétique
19:51
remain, 10,000 generations from now.
305
1191000
5000
existe pour encore 10 000 générations.
19:56
And that means finding a way to do what they do
306
1196000
2000
Et ça signifie trouver une façon de faire ce qu’ils font
19:58
without destroying the place that'll take care of their offspring.
307
1198000
4000
sans détruire l’endroit qui va prendre soin de leur descendance.
20:02
That's the biggest design challenge.
308
1202000
3000
C’est le plus grand défi en matière de design.
20:05
Luckily, there are millions and millions of geniuses
309
1205000
6000
Par chance, il y a des millions et des millions de génies
20:11
willing to gift us with their best ideas.
310
1211000
3000
prêts à nous faire don de leurs meilleures idées.
20:14
Good luck having a conversation with them.
311
1214000
3000
Bonne chance durant votre conversation avec eux.
20:17
Thank you.
312
1217000
1000
Merci.
20:18
(Applause)
313
1218000
14000
(Applaudissements)
20:32
Chris Anderson: Talk about foreplay, I -- we need to get to 12, but really quickly.
314
1232000
4000
Chris Anderson: en parlant de préliminaires, je -- nous avons besoin d’aller jusqu’à 12, mais vraiment vite.
20:36
Janine Benyus: Oh really?
315
1236000
1000
Janine Benyus: Oh, vraiment?
20:37
CA: Yeah. Just like, you know, like the 10-second version
316
1237000
3000
CA : Oui. Juste avec, vous savez, avec la version 10 secondes
20:40
of 10, 11 and 12. Because we just -- your slides are so gorgeous,
317
1240000
3000
de 10, 11 et 12. Parce que nous -- vos transparents sont si beaux,
20:43
and the ideas are so big, I can't stand to let you go down
318
1243000
2000
et les idées sont si fortes, je ne peux pas vous laisser repartir
20:45
without seeing 10, 11 and 12.
319
1245000
2000
sans voir 10, 11 et 12.
20:47
JB: OK, put this -- OK, I'll just hold this thing. OK, great.
320
1247000
4000
JB : OK, mettez ça -- OK, je vais juste tenir ce truc. OK, génial.
20:51
OK, so that's the healing one.
321
1251000
3000
OK, donc c’est la partie guérison.
20:54
Sensing and responding: feedback is a huge thing.
322
1254000
3000
Sentir et réagir: le feedback est une chose essentielle.
20:57
This is a locust. There can be 80 million of them in a square kilometer,
323
1257000
4000
Voilà un locuste. Il peut y en avoir 80 millions par kilomètre carré,
21:01
and yet they don't collide with one another.
324
1261000
3000
et pourtant ils n’entrent jamais en collision entre eux.
21:04
And yet we have 3.6 million car collisions a year.
325
1264000
5000
Et malgré tout nous avons 3,6 millions de collisions de voitures par an.
21:09
(Laughter)
326
1269000
2000
(Rires)
21:11
Right. There's a person at Newcastle
327
1271000
4000
Entendu. Il y a une personne à Newcastle
21:15
who has figured out that it's a very large neuron.
328
1275000
3000
qui a compris que c’est un très gros neurone.
21:18
And she's actually figuring out how to make
329
1278000
3000
Et elle cherche comment faire
21:21
a collision-avoidance circuitry
330
1281000
2000
un circuit électronique d’évitement de collision
21:23
based on this very large neuron in the locust.
331
1283000
4000
basé sur ce très gros neurone du locuste.
21:27
This is a huge and important one, number 11.
332
1287000
2000
Celui là est un point très important, le numéro 11.
21:29
And that's the growing fertility.
333
1289000
2000
Et c’est cultiver la fertilité.
21:31
That means, you know, net fertility farming.
334
1291000
4000
Cela signifie, vous voyez, la culture de la fertilité.
21:35
We should be growing fertility. And, oh yes -- we get food, too.
335
1295000
4000
Nous devrions cultiver la fertilité. Ah oui -- et nous obtenons de la nourriture, aussi.
21:39
Because we have to grow the capacity of this planet
336
1299000
5000
Parce que nous devons augmenter la capacité de cette planète
21:44
to create more and more opportunities for life.
337
1304000
3000
à créer de plus en plus d’opportunités pour la vie.
21:47
And really, that's what other organisms do as well.
338
1307000
2000
Et vraiment, c’est ce que les autres organismes font aussi.
21:49
In ensemble, that's what whole ecosystems do:
339
1309000
3000
De façon générale, c’est ce que les écosystèmes entiers font:
21:52
they create more and more opportunities for life.
340
1312000
3000
ils créent de plus en plus d’opportunités pour la vie.
21:55
Our farming has done the opposite.
341
1315000
3000
Notre agriculture a fait l’inverse.
21:58
So, farming based on how a prairie builds soil,
342
1318000
4000
Une agriculture basée sur la formation par la prairie de la terre,
22:02
ranching based on how a native ungulate herd
343
1322000
4000
l’élevage basé sur la manière dont un troupeau naturel d’ongulés
22:06
actually increases the health of the range,
344
1326000
2000
augmente effectivement la santé de la prairie.
22:08
even wastewater treatment based on how a marsh
345
1328000
5000
Et même le traitement des eaux usées basé sur la façon dont un marais
22:13
not only cleans the water,
346
1333000
2000
non seulement nettoie l’eau,
22:15
but creates incredibly sparkling productivity.
347
1335000
4000
mais crée aussi une productivité incroyablement foisonnante.
22:19
This is the simple design brief. I mean, it looks simple
348
1339000
4000
C’est la mission simple du design. Je veux dire, ça a l’air simple
22:23
because the system, over 3.8 billion years, has worked this out.
349
1343000
5000
parce que le système, durant 3,8 milliards d’année, l’a élaboré.
22:28
That is, those organisms that have not been able to figure out
350
1348000
5000
Autrement dit, ces organismes qui n’ont pas été capables de trouver
22:33
how to enhance or sweeten their places,
351
1353000
4000
comment améliorer ou adoucir leurs milieux,
22:37
are not around to tell us about it.
352
1357000
3000
ne sont plus ici pour nous en parler.
22:40
That's the twelfth one.
353
1360000
3000
C’est le douzième point.
22:43
Life -- and this is the secret trick; this is the magic trick --
354
1363000
4000
La vie -- et c’est l'astuce ; le tour de magie --
22:47
life creates conditions conducive to life.
355
1367000
4000
la vie crée des conditions favorables à la vie.
22:51
It builds soil; it cleans air; it cleans water;
356
1371000
4000
Elle produit la terre, elle nettoie l’air, elle nettoie l’eau,
22:55
it mixes the cocktail of gases that you and I need to live.
357
1375000
3000
elle prépare le cocktail de gaz dont vous et moi avons besoin pour vivre.
22:58
And it does that in the middle of having great foreplay
358
1378000
6000
Et elle fait ça en plein milieu de super préliminaires
23:04
and meeting their needs. So it's not mutually exclusive.
359
1384000
6000
et tout en satisfaisant leurs besoins. Ce n’est donc pas mutuellement exclusif.
23:10
We have to find a way to meet our needs,
360
1390000
3000
Nous devons trouver un moyen de satisfaire nos besoins,
23:13
while making of this place an Eden.
361
1393000
6000
tout en faisant de cet endroit un Eden.
23:19
CA: Janine, thank you so much.
362
1399000
1000
CA : Janine, merci beaucoup.
23:20
(Applause)
363
1400000
1000
(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