The human insights missing from big data | Tricia Wang

Traducteur: Hélène Vernet Relecteur: TED Translators admin

In ancient Greece,

Dans la Grèce antique,

when anyone from slaves to soldiers, poets and politicians,

quand un esclave, un soldat, un poète ou un politicien

needed to make a big decision on life's most important questions,

avait besoin de répondre aux questions importantes de leur vie

like, "Should I get married?"

telles que : « Devrais-je me marier ? Entreprendre ce voyage ? »

or "Should we embark on this voyage?"

or "Should our army advance into this territory?"

ou « Est-ce que notre armée devrait avancer sur ce territoire ? »,

they all consulted the oracle.

tous consultaient l'oracle.

So this is how it worked:

Voici comment ça fonctionnait.

you would bring her a question and you would get on your knees,

Vous lui posiez une question en vous mettant à genoux.

and then she would go into this trance.

Ensuite, elle entrait en une transe qui pouvait prendre un ou deux jours.

It would take a couple of days,

and then eventually she would come out of it,

Puis, finalement, elle en sortait

giving you her predictions as your answer.

pour vous donner ses prédictions comme réponse.

From the oracle bones of ancient China

Depuis les os divinatoires de la Chine ancienne

to ancient Greece to Mayan calendars,

à la Grèce antique et les calendriers mayas,

people have craved for prophecy

les gens ont cherché avec passion dans les prédictions

in order to find out what's going to happen next.

le moyen de savoir ce qui allait se passer dans le futur.

And that's because we all want to make the right decision.

Et c'est parce que nous voulons tous prendre la bonne décision.

We don't want to miss something.

Nous ne voulons pas manquer le coche.

The future is scary,

Le futur est effrayant

so it's much nicer knowing that we can make a decision

mais devient plus engageant quand nous savons

que nous pouvons prendre une décision avec une garantie du résultat.

with some assurance of the outcome.

Well, we have a new oracle,

Hé bien, nous avons un nouvel oracle, et son nom, c'est « Big Data »,

and it's name is big data,

or we call it "Watson" or "deep learning" or "neural net."

ou « Watson », « apprentissage profond » « réseau de neurones artificiel »...

And these are the kinds of questions we ask of our oracle now,

Voici le genre de questions posées aujourd'hui à notre oracle :

like, "What's the most efficient way to ship these phones

« Quel est le moyen le plus efficace

d'expédier ces téléphones de la Chine à la Suède ? »,

from China to Sweden?"

Or, "What are the odds

ou « Quels sont les risques

of my child being born with a genetic disorder?"

que mon enfant naisse avec une maladie génétique ? »

Or, "What are the sales volume we can predict for this product?"

ou « Quel volume de ventes pouvons-nous prévoir pour ce produit ? »

I have a dog. Her name is Elle, and she hates the rain.

J'ai un chien. Son nom est Elle et elle déteste la pluie.

And I have tried everything to untrain her.

J'ai tout essayé pour tenter de changer son attitude.

But because I have failed at this,

Mais vu que j'ai échoué,

I also have to consult an oracle, called Dark Sky,

je suis obligée de consulter, moi aussi, un oracle appelé Dark Sky,

every time before we go on a walk,

chaque fois que nous allons sortir pour la promenade,

for very accurate weather predictions in the next 10 minutes.

pour les prévisions météo précises des prochaines dix minutes.

She's so sweet.

Elle est si mignonne.

So because of all of this, our oracle is a $122 billion industry.

À cause de tout cela, notre oracle est une industrie de 122 milliards de dollars.

Now, despite the size of this industry,

Mais malgré la taille de cette industrie,

the returns are surprisingly low.

les retours sont étonnamment faibles.

Investing in big data is easy,

Il est facile d'investir dans big data, mais l'utiliser est difficile.

but using it is hard.

Over 73 percent of big data projects aren't even profitable,

Plus de 73 % des projets de big data ne sont pas rentables,

and I have executives coming up to me saying,

et certains dirigeants viennent me voir en disant :

"We're experiencing the same thing.

« Il nous est arrivé la même chose.

We invested in some big data system,

Nous avons investi dans le big data,

and our employees aren't making better decisions.

mais nos employés ne prennent pas de meilleures décisions,

And they're certainly not coming up with more breakthrough ideas."

et ils ne vont certainement pas trouver plus d'idées révolutionnaires. »

So this is all really interesting to me,

Pour moi, tout ceci est vraiment intéressant

because I'm a technology ethnographer.

parce que je suis un ethnographe de la technologie.

I study and I advise companies

J'étudie et je conseille les entreprises

on the patterns of how people use technology,

sur les modèles d'utilisation de la technologie,

and one of my interest areas is data.

et un de mes centres d'intérêt est la data.

So why is having more data not helping us make better decisions,

Pourquoi plus de données ne nous aide pas à prendre de meilleures décisions,

especially for companies who have all these resources

en particulier pour les sociétés qui ont les ressources

to invest in these big data systems?

pour investir dans ces systèmes de big data ?

Why isn't it getting any easier for them?

Pourquoi cela n'est-il pas plus facile pour eux?

So, I've witnessed the struggle firsthand.

J'a moi-même fait l'expérience de ce problème.

In 2009, I started a research position with Nokia.

En 2009, j'ai commencé un travail de recherche à Nokia.

And at the time,

À cette époque, Nokia était une des plus grandes compagnies

Nokia was one of the largest cell phone companies in the world,

de téléphones mobiles dans le monde,

dominating emerging markets like China, Mexico and India --

dominant les marchés naissants en Chine, au Mexique et en Inde,

all places where I had done a lot of research

pays dans lesquels j'avais déjà fait des recherches

on how low-income people use technology.

sur la façon dont les gens à faible revenu utilisent la technologie.

And I spent a lot of extra time in China

J'ai passé beaucoup de temps libre en Chine,

getting to know the informal economy.

ce qui m'a permis de découvrir l'économie parallèle.

So I did things like working as a street vendor

J'ai, par exemple, travaillé comme vendeuse de rue

selling dumplings to construction workers.

en vendant des raviolis chinois aux ouvriers du bâtiment.

Or I did fieldwork,

J'ai travaillé sur le terrain,

spending nights and days in internet cafés,

passant des jours et des nuits dans les cybercafés,

hanging out with Chinese youth, so I could understand

fréquentant la jeunesse chinoise pour comprendre

how they were using games and mobile phones

la façon dont ils utilisent les jeux et les portables

and using it between moving from the rural areas to the cities.

y compris dans leurs déplacements de la campagne à la ville.

Through all of this qualitative evidence that I was gathering,

En compilant toutes ces expériences qualitatives,

I was starting to see so clearly

j'ai commencé à voir très clairement

that a big change was about to happen among low-income Chinese people.

qu'un très grand changement allait se produire

parmi les chinois à faible revenu.

Even though they were surrounded by advertisements for luxury products

Bien que cernés par les publicités pour des produits de luxe

tels que les toilettes chics - qui n'en voudrait pas ? -

like fancy toilets -- who wouldn't want one? --

and apartments and cars,

pour des appartements et des voitures,

through my conversations with them,

à travers mes conversations avec eux,

I found out that the ads the actually enticed them the most

j'ai découvert que les pubs qui les affectaient le plus

were the ones for iPhones,

étaient celles concernant les IPhones

promising them this entry into this high-tech life.

qui leur promettaient l'accès à une vie à la pointe de la technologie.

And even when I was living with them in urban slums like this one,

Quand j'ai vécu avec eux dans des bidonvilles urbains comme celui-ci,

I saw people investing over half of their monthly income

j'ai vu des gens investir presque la moitié de leur revenu

into buying a phone,

dans l'achat d'un téléphone, lequel devenait de plus en plus « shanzhaï »,

and increasingly, they were "shanzhai,"

which are affordable knock-offs of iPhones and other brands.

une imitation bon marché d'iPhone et autres marques.

They're very usable.

Ils sont tout à fait utilisables.

Does the job.

Ils font l'affaire.

And after years of living with migrants and working with them

Après des années à vivre et travailler avec les ambulants,

à travailler et faire tout ce qu'ils faisaient,

and just really doing everything that they were doing,

I started piecing all these data points together --

j'ai commencé à joindre toutes ces données ensemble -

from the things that seem random, like me selling dumplings,

des choses à priori insignifiantes comme la vente de raviolis chinois

to the things that were more obvious,

aux choses plus consistantes comme le montant de leurs factures de téléphone.

like tracking how much they were spending on their cell phone bills.

And I was able to create this much more holistic picture

J'ai été capable de créer une image plus globale de ce qui se passait.

of what was happening.

And that's when I started to realize

Alors, je me suis rendue compte

that even the poorest in China would want a smartphone,

que même le plus pauvre, en Chine, souhaiterait avoir un smartphone

and that they would do almost anything to get their hands on one.

et qu'il serait prêt à tout faire pour en avoir un.

You have to keep in mind,

Rappelez-vous que les iPhone venaient juste de sortir.

iPhones had just come out, it was 2009,

C'était en 2009, il y a huit ans,

so this was, like, eight years ago,

and Androids had just started looking like iPhones.

et les Androïde ressemblaient à peine aux iPhone.

And a lot of very smart and realistic people said,

Beaucoup de gens intelligents et réalistes ont dit :

"Those smartphones -- that's just a fad.

« Ces smartphones sont juste une mode.

Who wants to carry around these heavy things

Qui veut porter ces trucs lourds

dont les batteries sont faciles à épuiser et qui se cassent en tombant ? »

where batteries drain quickly and they break every time you drop them?"

But I had a lot of data,

Mais j'avais beaucoup de données et confiance en mes intuitions.

and I was very confident about my insights,

so I was very excited to share them with Nokia.

J'étais donc très impatiente de les partager avec Nokia.

But Nokia was not convinced,

Mais Nokia n'a pas été convaincu parce que ce n'était pas du big data.

because it wasn't big data.

They said, "We have millions of data points,

Ils ont dit : « Nous avons des millions de points de données

and we don't see any indicators of anyone wanting to buy a smartphone,

et rien n'indique que quelqu'un veut acheter un smartphone.

and your data set of 100, as diverse as it is, is too weak

Vos données basées sur 100, bien que larges,

for us to even take seriously."

sont trop faibles pour que nous les prenions réellement au sérieux. »

And I said, "Nokia, you're right.

J'ai dit : « Vous avez raison.

Of course you wouldn't see this,

Vous n'êtes pas capable de le voir car vos enquêtes assument

because you're sending out surveys assuming that people don't know

que les gens ne connaissent pas les smartphones.

what a smartphone is,

so of course you're not going to get any data back

Vous ne pouvez donc pas obtenir les données

about people wanting to buy a smartphone in two years.

concernant le désir des gens d'acheter un smartphone dans deux ans.

Your surveys, your methods have been designed

Vos méthodes ont été conçues pour optimiser un modèle commercial existant.

to optimize an existing business model,

and I'm looking at these emergent human dynamics

Pour ma part, j’observe les nouvelles dynamiques humaines

that haven't happened yet.

qui ne sont pas encore apparues.

We're looking outside of market dynamics

Nous explorons en dehors de la dynamique des marchés afin de la prédire. »

so that we can get ahead of it."

Well, you know what happened to Nokia?

Savez-vous ce qui est arrivé à Nokia ?

Their business fell off a cliff.

Leur compagnie a subit un revers.

This -- this is the cost of missing something.

Ceci est le prix à payer pour avoir raté le coche.

It was unfathomable.

C'était inconcevable!

But Nokia's not alone.

Mais Nokia n’est pas la seule.

I see organizations throwing out data all the time

Je vois sans arrêt des organisations rejeter des données

because it didn't come from a quant model

quand elles ne viennent pas d'une analyse quantitative

or it doesn't fit in one.

ou ne s'accordent pas avec une.

But it's not big data's fault.

Ce n'est pas la faute du big data.

It's the way we use big data; it's our responsibility.

C'est la façon dont nous utilisons big data ; c'est notre responsabilité.

Big data's reputation for success

La réputation de succès de big data

comes from quantifying very specific environments,

vient de la quantification d'environnements bien spécifiques

like electricity power grids or delivery logistics or genetic code,

tels que les réseaux de distribution d’électricité,

la logistique de livraison ou le code génétique,

when we're quantifying in systems that are more or less contained.

où nous quantifions en systèmes plus ou moins indépendants.

But not all systems are as neatly contained.

Mais tous les systèmes ne sont pas aussi indépendants.

When you're quantifying and systems are more dynamic,

Lorsque les systèmes sont plus dynamiques,

especially systems that involve human beings,

en particulier ceux impliquant des êtres humains,

forces are complex and unpredictable,

les forces sont complexes et imprévisibles,

and these are things that we don't know how to model so well.

et nous ne savons pas bien les modéliser.

Once you predict something about human behavior,

Quand vous prédisez un comportement humain,

new factors emerge,

de nouveaux facteurs entrent en jeu car les conditions changent constamment.

because conditions are constantly changing.

That's why it's a never-ending cycle.

Donc, ce cycle est infini.

You think you know something,

Quand vous pensez savoir, quelque chose d'inconnu apparaît.

and then something unknown enters the picture.

And that's why just relying on big data alone

C'est pourquoi compter uniquement sur big data

increases the chance that we'll miss something,

augmente nos risques de rater le coche

while giving us this illusion that we already know everything.

tout en nous donnant l'illusion que nous savons déjà tout.

And what makes it really hard to see this paradox

Ce qui rend ce paradoxe si difficile à voir

and even wrap our brains around it

ou même à l'appréhender avec notre intellect,

is that we have this thing that I call the quantification bias,

c'est ce que j'appelle « le préjugé de la quantification »,

which is the unconscious belief of valuing the measurable

l'habitude inconsciente de privilégier le mesurable sur le non-mesurable -

over the immeasurable.

And we often experience this at our work.

nous en faisons souvent l'expérience au travail ;

Maybe we work alongside colleagues who are like this,

certains de nos collèges peuvent être comme ça

or even our whole entire company may be like this,

voir notre compagnie toute entière -

where people become so fixated on that number,

où les gens deviennent si focalisés sur ce chiffre

that they can't see anything outside of it,

qu'ils ne peuvent rien voir en dehors,

même si vous leur présentez les preuves sous les yeux.

even when you present them evidence right in front of their face.

And this is a very appealing message,

C'est un message intéressant

because there's nothing wrong with quantifying;

parce qu'il n'y a rien de mal à quantifier.

it's actually very satisfying.

En fait, c'est très gratifiant.

I get a great sense of comfort from looking at an Excel spreadsheet,

Regarder une feuille de calcul Excel me réconforte beaucoup,

even very simple ones.

même les plus simples.

(Laughter)

(Rires)

It's just kind of like,

C'est un peu comme si oui, la formule marche,

"Yes! The formula worked. It's all OK. Everything is under control."

tout va bien, la situation est sous contrôle.

But the problem is

Mais le problème, c'est que quantifier devient une addiction,

that quantifying is addictive.

And when we forget that

et quand nous oublions cela et n'avons rien pour nous le rappeler,

and when we don't have something to kind of keep that in check,

il est facile de rejeter les données

it's very easy to just throw out data

because it can't be expressed as a numerical value.

qui ne peuvent être exprimées en valeurs numériques ;

il est facile de déraper vers le raisonnement miracle

It's very easy just to slip into silver-bullet thinking,

as if some simple solution existed.

comme s'il existait une solution simple.

Because this is a great moment of danger for any organization,

C'est un dangereux moment pour toute organisation

because oftentimes, the future we need to predict --

car souvent, le futur que nous avons besoin de prédire

it isn't in that haystack,

n'est pas dans cette botte de foin, là,

but it's that tornado that's bearing down on us

mais plutôt dans cette tornade qui se dirige sur nous,

outside of the barn.

en dehors de la grange.

There is no greater risk

Il n'y a pas de plus grand danger que d'être incapable de voir l'inconnu.

than being blind to the unknown.

It can cause you to make the wrong decisions.

Cela vous conduit à prendre de mauvaises décisions

It can cause you to miss something big.

et à manquer quelque chose d'important.

But we don't have to go down this path.

Néanmoins cette voie n'est pas une fatalité.

It turns out that the oracle of ancient Greece

Il s'avère que l'oracle de la Grèce antique

holds the secret key that shows us the path forward.

contient la clé secrète qui montre la voie à suivre.

Now, recent geological research has shown

Des recherches géologiques récentes ont montré

that the Temple of Apollo, where the most famous oracle sat,

que le Temple d'Apollon dans lequel était situé le fameux oracle

was actually built over two earthquake faults.

a été construit entre deux failles sismiques.

And these faults would release these petrochemical fumes

Ces failles libéraient des vapeurs pétrochimiques

from underneath the Earth's crust,

du dessous de l'écorce terrestre,

and the oracle literally sat right above these faults,

et l'oracle était littéralement assise au-dessus de ces deux failles

inhaling enormous amounts of ethylene gas, these fissures.

et inhalait des quantités énormes d'éthylène...

(Laughter)

(Rires)

It's true.

C'est vrai !

(Laughter)

(Rires)

It's all true, and that's what made her babble and hallucinate

C'est vrai et c'est ce qui lui permettait de pérorer et halluciner

and go into this trance-like state.

et d'entrer dans un état similaire à la transe.

She was high as a kite!

Elle planait complètement !

(Laughter)

(Rires)

So how did anyone --

Donc, comment se fait-il que les gens

How did anyone get any useful advice out of her

obtenaient des conseils utiles dans son état ?

in this state?

Well, you see those people surrounding the oracle?

Eh bien, voyez-vous ces gens autour de l'oracle ?

You see those people holding her up,

Ils la soutiennent car elle est un peu dans les vapes.

because she's, like, a little woozy?

And you see that guy on your left-hand side

Remarquez cet homme sur la gauche qui tient le carnet orange.

holding the orange notebook?

Well, those were the temple guides,

Ce sont les guides du temple

and they worked hand in hand with the oracle.

qui travaillent main dans la main avec l'oracle.

When inquisitors would come and get on their knees,

Quand les questionneurs venaient et s'agenouillaient,

that's when the temple guides would get to work,

les guides du temple se mettaient au travail,

because after they asked her questions,

car une fois les questions posées, ils observaient les états émotionnels

they would observe their emotional state,

and then they would ask them follow-up questions,

et demandaient des infos complémentaires :

« Pourquoi voulez-vous cette prédiction ? Qui êtes-vous ?

like, "Why do you want to know this prophecy? Who are you?

What are you going to do with this information?"

Qu'allez-vous faire de cette information ? »

And then the temple guides would take this more ethnographic,

Ensuite, les guides du temple,

avec cette information plus ethnographique et qualitative,

this more qualitative information,

and interpret the oracle's babblings.

interprétaient les paroles de l'oracle.

So the oracle didn't stand alone,

Donc, l'oracle n'était pas seule,

and neither should our big data systems.

de même, nos systèmes de big data ne devraient pas l'être.

Now to be clear,

Pour clarifier, je ne dis pas

I'm not saying that big data systems are huffing ethylene gas,

que les systèmes de big data exhalent de l'éthylène

or that they're even giving invalid predictions.

ou qu'ils font des prévisions caduques.

The total opposite.

Exactement le contraire, ce que je veux dire

But what I am saying

c'est que tout comme l'oracle avait besoin des guides du temple,

is that in the same way that the oracle needed her temple guides,

our big data systems need them, too.

nos systèmes de big data ont aussi besoin d'eux.

They need people like ethnographers and user researchers

Ils ont besoin des ethnographes et des chercheurs sur les utilisateurs

who can gather what I call thick data.

pour rassembler ce que j'appelle « les données denses ».

This is precious data from humans,

Ce sont des données précieuses fournies par les hommes,

like stories, emotions and interactions that cannot be quantified.

les histoires, émotions et interactions non quantifiables.

It's the kind of data that I collected for Nokia

C'est le genre de données que j'ai recueillies pour Nokia

that comes in in the form of a very small sample size,

sous la forme d'un échantillon très petit

but delivers incredible depth of meaning.

mais incroyablement profond quant au sens.

And what makes it so thick and meaty

Ce qui le rend si dense et consistant,

is the experience of understanding the human narrative.

c'est l'expérience et la compréhension du récit humain.

And that's what helps to see what's missing in our models.

C'est ce qui aide à percevoir ce qui manque dans nos modèles.

Thick data grounds our business questions in human questions,

Les données denses ancrent les questions commerciales

dans les questions humaines.

and that's why integrating big and thick data

C'est pourquoi fusionner big data et données denses

forms a more complete picture.

permet d'obtenir une image plus complète.

Big data is able to offer insights at scale

Le big data peut offrir des aperçus à échelle

and leverage the best of machine intelligence,

et tirer le meilleur profit de l'intelligence artificielle,

whereas thick data can help us rescue the context loss

tandis que les données denses aident à minimiser

la perte de contexte générée en rendant big data utilisable,

that comes from making big data usable,

and leverage the best of human intelligence.

et à tirer le meilleur de l'intelligence humaine.

And when you actually integrate the two, that's when things get really fun,

En fait, quand vous intégrez les deux, ça devient vraiment intéressant,

because then you're no longer just working with data

car vous ne travaillez plus uniquement avec les données recueillies,

you've already collected.

vous travaillez avec des données non recueillies.

You get to also work with data that hasn't been collected.

Vous commencez à demander « pourquoi? » :

You get to ask questions about why:

Why is this happening?

Pourquoi cela se passe-t-il ?

Now, when Netflix did this,

Quand Netflix a fait ça,

they unlocked a whole new way to transform their business.

ils ont ouvert une nouvelle voie de transformation pour leur entreprise.

Netflix is known for their really great recommendation algorithm,

Netflix est connue pour ses algorithmes de recommandation.

and they had this $1 million prize for anyone who could improve it.

Ils ont offert un million de dollars à quiconque pouvait les améliorer

And there were winners.

et il y a eu des gagnants.

But Netflix discovered the improvements were only incremental.

Mais Netflix a découvert que ces améliorations

étaient seulement incrémentielles.

So to really find out what was going on,

Pour comprendre la situation,

ils ont embauché un ethnographe, Grant McCracken,

they hired an ethnographer, Grant McCracken,

to gather thick data insights.

afin d'obtenir des données denses,

And what he discovered was something that they hadn't seen initially

et il a trouvé une chose qu'ils n'avaient pas vue à l'origine

in the quantitative data.

dans les données quantitatives.

He discovered that people loved to binge-watch.

Il a découvert que les gens aimaient le « binge-watching ».

In fact, people didn't even feel guilty about it.

En fait, ils ne s'en culpabilisaient pas mais en jouissaient.

They enjoyed it.

(Laughter)

So Netflix was like, "Oh. This is a new insight."

Netflix a réalisé : « Oh, c'est une nouvelle donnée ».

So they went to their data science team,

Ils se sont tournés vers leur équipe de science des données

and they were able to scale this big data insight

qui a su comparer cette donnée avec leurs données quantitatives.

in with their quantitative data.

And once they verified it and validated it,

Après l'avoir vérifiée et validée,

Netflix decided to do something very simple but impactful.

Netflix a décidé d'agir de façon simple mais efficace.

They said, instead of offering the same show from different genres

Au lieu d'offrir une même émission dans différents genres

or more of the different shows from similar users,

ou plus d'émissions différentes d'utilisateurs similaires,

we'll just offer more of the same show.

ils ont simplement offert plus de la même émission.

We'll make it easier for you to binge-watch.

« Nous vous rendons le Binge-watching plus facile! »

And they didn't stop there.

Ils ne se sont pas arrêtés là mais ont fait toutes sortes de choses

They did all these things

to redesign their entire viewer experience,

pour changer l’entière expérience de leur spectateur

to really encourage binge-watching.

pour l'encourager au binge-watching.

It's why people and friends disappear for whole weekends at a time,

Voilà pourquoi les gens et les amis disparaissent des weekends entiers

catching up on shows like "Master of None."

pour regarder les « Master of None » manqués.

By integrating big data and thick data, they not only improved their business,

En fusionnant big data et données denses, ils ont amélioré leurs services

but they transformed how we consume media.

et transformé la façon dont nous consommons les médias.

And now their stocks are projected to double in the next few years.

Maintenant, il est prévu que leurs stocks doublent dans les prochaines années.

But this isn't just about watching more videos

Mais il ne s'agit pas de regarder plus de vidéos,

or selling more smartphones.

ou de vendre plus de smartphones.

For some, integrating thick data insights into the algorithm

Pour certains, incorporer le résultat des données denses dans cet algorithme

could mean life or death,

peut être une question de vie ou de mort,

especially for the marginalized.

en particulier pour les marginalisés.

All around the country, police departments are using big data

Les services de Police, dans tout le pays,

utilisent le big data dans la prévision policière,

for predictive policing,

to set bond amounts and sentencing recommendations

afin de définir les cautions et recommandations de sentences

in ways that reinforce existing biases.

d'une manière qui renforce les préjugés existants.

NSA's Skynet machine learning algorithm

Skynet, l'algorithme d'apprentissage machine de la NASA

has possibly aided in the deaths of thousands of civilians in Pakistan

a probablement aidé à tuer des milliers de civils au Pakistan

from misreading cellular device metadata.

en mal interprétant les métadonnées des appareils cellulaires.

As all of our lives become more automated,

Quand nos vies deviennent de plus en plus automatisées,

from automobiles to health insurance or to employment,

des automobiles aux assurances maladie et à l'emploi,

it is likely that all of us

il est probable que nous tous

will be impacted by the quantification bias.

allons être affectés par les erreurs de quantification.

Now, the good news is that we've come a long way

Mais la bonne nouvelle, c'est que nous avons fait des progrès

from huffing ethylene gas to make predictions.

depuis les émanations d'éthylène de la prophétie.

We have better tools, so let's just use them better.

Nous avons de meilleurs outils, donc utilisons-les au mieux.

Let's integrate the big data with the thick data.

Intégrons big data aux données denses.

Let's bring our temple guides with the oracles,

Amenons nos guides du temple avec les oracles.

and whether this work happens in companies or nonprofits

Et que ce soit dans les entreprises, les sociétés à but non lucratif,

or government or even in the software,

les gouvernements ou même les logiciels,

all of it matters,

tout ce travail compte,

because that means we're collectively committed

car il implique que tous ensemble, nous nous engageons

to making better data,

à créer des données meilleures,

better algorithms, better outputs

de meilleurs algorithmes, résultats, et de meilleures décisions.

and better decisions.

This is how we'll avoid missing that something.

C'est de cette façon que nous éviterons de manquer le coche.

(Applause)

(Applaudissements)