How to use data to make a hit TV show | Sebastian Wernicke

133,036 views ・ 2016-01-27

TED


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

Traducteur: Eléa Weibel Relecteur: Morgane Quilfen
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Roy Price est un homme que la plupart d'entre vous ne connaissent sûrement pas,
00:17
even though he may have been responsible
1
17120
2496
même s'il est peut-être responsable
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
de 22 minutes quelque peu médiocres que vous avez vécues le 19 avril 2013.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
Il a pu être responsable de 22 minutes divertissantes,
00:29
but not very many of you.
4
29760
2256
mais pas pour beaucoup d'entre vous.
00:32
And all of that goes back to a decision
5
32040
1896
Cela est lié à une décision
00:33
that Roy had to make about three years ago.
6
33960
2000
que Roy a prise, il y a trois ans de ça.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Vous voyez, Roy Price est cadre supérieur à Amazon Studios,
00:40
That's the TV production company of Amazon.
8
40840
3016
la compagnie de production de télévision d'Amazon.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
C'est un homme mince de 47 ans avec des cheveux en bataille,
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
qui a écrit sur Twitter pour se décrire « films, télé, technologie, tacos ».
Et Roy Price joue un rôle important, parce que c'est à lui
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
de choisir les séries, le contenu original créé par Amazon.
01:01
And of course that's a highly competitive space.
13
61280
2336
Et, évidemment, c'est un domaine très compétitif.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Vu qu'il existe déjà tellement de séries télés,
01:06
that Roy can't just choose any show.
15
66400
2176
Roy ne peut pas choisir n'importe quelle série.
01:08
He has to find shows that are really, really great.
16
68600
4096
Il doit trouver des séries vraiment, vraiment exceptionnelles.
01:12
So in other words, he has to find shows
17
72720
2816
Autrement dit, il doit trouver des séries
01:15
that are on the very right end of this curve here.
18
75560
2376
sur l'extrême droite de cette courbe.
01:17
So this curve here is the rating distribution
19
77960
2656
Cette courbe représente la distribution des notes
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
attribuées à 2 500 séries télés sur le site IMDB,
01:25
and the rating goes from one to 10,
21
85040
2896
ces notes allant de 1 à 10,
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
et l'ordonnée montre combien de séries obtiennent cette note.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Donc, si votre série obtient une note de neuf points ou plus, ça cartonne.
01:35
Then you have a top two percent show.
24
95680
1816
Elle est meilleure que 98 % des autres.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
Ce sont des séries comme
« Breaking Bad », « Game of Thrones », « Sur écoute »,
01:41
so all of these shows that are addictive,
26
101440
2296
des séries auxquelles on devient accro,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
où après avoir regardé une saison, votre cerveau vous dit :
01:46
"Where can I get more of these episodes?"
28
106840
2176
« Il me faut plus d'épisodes ! »
01:49
That kind of show.
29
109040
1200
Ce genre d'émission.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
Pour être clair, du côté gauche,
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
on retrouve une émission appelé « Toddlers & Tiaras » ;
01:56
(Laughter)
32
116640
2656
(Rires)
01:59
-- which should tell you enough
33
119320
1536
ce qui illustre bien
02:00
about what's going on on that end of the curve.
34
120880
2191
ce à quoi on a affaire de ce côté de la courbe.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Roy Price ne s'inquiète pas d'être placé du côté gauche de la courbe,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
parce que je pense qu'il faudrait être un génie
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
pour faire pire que « Toddlers & Tiaras ».
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Il fait attention à cette partie au milieu,
02:15
the bulge of average TV,
39
135920
1816
la partie moyenne de la télé,
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
les séries qui ne sont ni bonnes ni mauvaises,
02:20
they don't really get you excited.
41
140639
1656
mais ne vous font pas vibrer.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Il doit s'assurer qu'il est vraiment du bon côté.
02:27
So the pressure is on,
43
147200
1576
Donc, on lui met la pression,
02:28
and of course it's also the first time
44
148800
2176
et bien sûr c'est aussi la première fois
qu'Amazon fait quelque chose comme ça,
02:31
that Amazon is even doing something like this,
45
151000
2176
02:33
so Roy Price does not want to take any chances.
46
153200
3336
donc Roy Price ne veut pas prendre de risque.
02:36
He wants to engineer success.
47
156560
2456
Il veut être à la tête d'un succès.
02:39
He needs a guaranteed success,
48
159040
1776
Il lui faut un succès garanti,
02:40
and so what he does is, he holds a competition.
49
160840
2576
donc il décide d'organiser une compétition.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Il prend plein d'idées de séries télés,
02:46
and from those ideas, through an evaluation,
51
166600
2296
les évalue et, parmi ces idées,
02:48
they select eight candidates for TV shows,
52
168920
4096
il retient huit idées de séries.
Ensuite, il se lance dans la création du premier épisode de chacune des séries
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
02:56
and puts them online for free for everyone to watch.
54
176280
3136
et les met en ligne gratuitement pour tout le monde.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
Et quand Amazon offre quelque chose de gratuit,
03:01
you're going to take it, right?
56
181720
1536
on le prend, n'est-ce pas ?
03:03
So millions of viewers are watching those episodes.
57
183280
5136
Donc, des millions de gens regardent ces épisodes.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
Ils ne se rendent pas compte que, lorsqu'ils regardent leurs séries,
03:11
actually, they are being watched.
59
191680
2296
ils sont en train d'être regardés eux-mêmes.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Roy Price et son équipe les surveillent
03:16
who record everything.
61
196360
1376
et enregistrent tout.
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Ils enregistrent quand quelqu'un appuie sur lecture ou sur pause,
03:21
what parts they skip, what parts they watch again.
63
201160
2536
les parties sautées, les parties re-regardées.
03:23
So they collect millions of data points,
64
203720
2256
Ils rassemblent des millions de données,
03:26
because they want to have those data points
65
206000
2096
car ils veulent avoir ces données
03:28
to then decide which show they should make.
66
208120
2696
pour ensuite décider quelle série sera réalisée.
03:30
And sure enough, so they collect all the data,
67
210840
2176
Donc ils rassemblent ces données,
ils traitent ces données, et une réponse en est déduite,
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
03:35
and the answer is,
69
215640
1216
la réponse est :
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
« Amazon devrait réaliser un sitcom
sur quatre sénateurs républicains américains. »
(Rires)
03:42
They did that show.
71
222440
1216
Et elle a été réalisée.
03:43
So does anyone know the name of the show?
72
223680
2160
Quelqu'un connaît le nom de cette série ?
03:46
(Audience: "Alpha House.")
73
226720
1296
(Public) : « Alpha House. »
03:48
Yes, "Alpha House,"
74
228040
1456
Exactement, « Alpha House »,
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
mais on dirait que presque personne ne se souvient de cette série
03:53
because it didn't turn out that great.
76
233640
1856
car elle n'a pas eu un très grand succès.
03:55
It's actually just an average show,
77
235520
1856
En réalité, c'est une série moyenne,
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
littéralement en fait, car 7,4 représente la moyenne de la courbe
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
et « Alpha House » tombe sur 7,5,
04:04
so a slightly above average show,
80
244440
2016
elle est juste au-dessus de la moyenne,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
mais ce n'est certainement pas Roy Price et son équipe espéraient.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Cependant, au même moment,
04:13
at another company,
83
253200
1576
dans une autre entreprise,
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
un autre cadre a trouver une bonne série grâce à l'analyse des données,
04:19
and his name is Ted,
85
259040
1576
et il s'appelle Ted,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
Ted Sarandos, directeur de l'acquisition des programmes de Netflix.
04:24
and just like Roy, he's on a constant mission
87
264080
2136
Et comme Roy, il est toujours à la recherche
04:26
to find that great TV show,
88
266240
1496
d'une excellente série,
04:27
and he uses data as well to do that,
89
267760
2016
et il utilise aussi des données,
04:29
except he does it a little bit differently.
90
269800
2015
sauf qu'il s'y prend un peu différemment.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Au lieu d'organiser une compétition, lui et son équipe
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
ont pris les données qu'ils avaient déjà sur les utilisateurs de Netflix,
04:39
you know, the ratings they give their shows,
93
279160
2096
comme les notes attribuées aux séries,
leur historique, leurs séries préférées et tout ça.
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
Puis ils utilisent ces données pour découvrir
04:44
And then they use that data to discover
95
284000
1896
04:45
all of these little bits and pieces about the audience:
96
285920
2616
pleins de petites infos sur le public :
04:48
what kinds of shows they like,
97
288560
1456
le genre de séries, de producteurs, d'acteurs ils apprécient.
04:50
what kind of producers, what kind of actors.
98
290040
2096
04:52
And once they had all of these pieces together,
99
292160
2576
Et au moment où ils ont tous les éléments nécessaires,
04:54
they took a leap of faith,
100
294760
1656
ils ont accompli un acte de foi
04:56
and they decided to license
101
296440
2096
et ont décidé de créer
04:58
not a sitcom about four Senators
102
298560
2456
non pas un sitcom sur quatre sénateurs
05:01
but a drama series about a single Senator.
103
301040
2880
mais une série dramatique sur un seul sénateur.
05:04
You guys know the show?
104
304760
1656
Vous connaissez cette série ?
05:06
(Laughter)
105
306440
1296
(Rires)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Oui ! « House of Cards » et, bien sûr, Netflix a eu un grand succès,
05:11
at least for the first two seasons.
107
311520
2136
au moins pour les deux premières saisons.
05:13
(Laughter) (Applause)
108
313680
3976
(Rires) (Applaudissements)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
« House of Cards » a obtenu une note de 9,1 sur cette courbe,
05:20
so it's exactly where they wanted it to be.
110
320880
3176
donc, exactement ce qu'ils voulaient.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Évidemment, la question est : que s'est-il passé ?
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
On a deux entreprises concurrentes maîtrisant les données.
05:29
They connect all of these millions of data points,
113
329200
2856
Elles lient ces millions de points de données
05:32
and then it works beautifully for one of them,
114
332080
2376
et ça marche superbement pour une,
05:34
and it doesn't work for the other one.
115
334480
1856
mais pas pour l'autre.
05:36
So why?
116
336360
1216
Alors, pourquoi ?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
La logique nous dit que ça devrait marcher à tous les coups.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Si vous rassemblez des millions de données
05:43
on a decision you're going to make,
119
343560
1736
sur une décision à prendre,
05:45
then you should be able to make a pretty good decision.
120
345320
2616
vous devriez être capable de prendre la bonne décision.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
On peut se fier à plus de 200 ans de statistiques.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
On l'amplifie à l'aide des meilleurs ordinateurs.
05:53
The least you could expect is good TV, right?
123
353240
3280
La moindre des choses à laquelle on s'attend, c'est une bonne série, non ?
05:57
And if data analysis does not work that way,
124
357880
2720
Et si l'analyse des données ne fonctionne pas comme ça,
06:01
then it actually gets a little scary,
125
361520
2056
on peut commencer à s'inquiéter,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
parce que nous vivons à une époque où on utilise de plus en plus ces données
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
pour prendre des décisions sérieuses en dehors du monde de la télévision.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Est-ce-que quelqu'un ici connaît l'entreprise Multi-Health Systems ?
06:17
No one. OK, that's good actually.
129
377080
1656
Personne, tant mieux.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
Multi-Health Systems est une entreprise de logiciels,
et j'espère que personne du public n'aura à utiliser ce logiciel,
06:22
and I hope that nobody here in this room
131
382000
2816
06:24
ever comes into contact with that software,
132
384840
3176
06:28
because if you do, it means you're in prison.
133
388040
2096
car si c'est le cas, vous êtes en prison.
06:30
(Laughter)
134
390160
1176
(Rires)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Si un prisonnier des États-Unis demande une libération conditionnelle,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
il est très probable que le logiciel d'analyse de données de cette compagnie
06:39
will be used in determining whether to grant that parole.
137
399240
3616
sera utilisé pour savoir s'il devrait l'obtenir.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
C'est le même principe qu'Amazon et Netflix,
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
sauf que au lieu de voir si une série télé devrait sortir,
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
on décide si la personne devrait sortir.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
Si une série télé médiocre de 22 minutes peut être mauvaise,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
je suppose que passer plus longtemps en prison est pire.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
Et malheureusement, il existe des preuves que cette analyse de données,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
malgré leur abondance, ne donne pas toujours des résultats optimaux.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
Mais, ce n'est pas parce que Multi-Health Systems
07:13
doesn't know what to do with data.
146
433506
1627
ignore que faire de ces données.
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
Même en maîtrisant les données, on peut se tromper.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Oui, parfois même Google se trompe.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
En 2009, Google a annoncé qu'ils étaient capables,
à l'aide de l'analyse des données,
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
de prédire les épidémies d'influenza, la mauvaise grippe,
07:29
by doing data analysis on their Google searches.
151
449360
3776
en analysant les données des recherches sur leur site.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
Ça a bien marché, et ça a fait le buzz aux infos
y compris l'apogée des réussites scientifiques :
07:37
including the pinnacle of scientific success:
153
457040
2136
07:39
a publication in the journal "Nature."
154
459200
2456
un article dans le journal « Nature ».
07:41
It worked beautifully for year after year after year,
155
461680
3616
Ça marchait à tous les coups, année après année,
07:45
until one year it failed.
156
465320
1656
jusqu'à l'année où ça a échoué.
Et personne ne savait pourquoi.
07:47
And nobody could even tell exactly why.
157
467000
2256
07:49
It just didn't work that year,
158
469280
1696
Cette année-là, ça n'a pas marché
et, bien sûr, ça a refait le buzz,
07:51
and of course that again made big news,
159
471000
1936
07:52
including now a retraction
160
472960
1616
y compris la rétraction
07:54
of a publication from the journal "Nature."
161
474600
2840
de la publication dans le journal « Nature ».
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
Même les entreprises maîtrisant ces données,
comme Amazon et Google,
08:01
they sometimes get it wrong.
163
481840
2136
font parfois des erreurs.
08:04
And despite all those failures,
164
484000
2936
Et malgré tous ces échecs,
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
les données arrivent de plus en plus dans nos décisions de tous les jours :
08:10
into the workplace,
166
490840
1816
dans le monde professionnel,
08:12
law enforcement,
167
492680
1816
le monde du droit,
08:14
medicine.
168
494520
1200
le monde de la médécine.
08:16
So we should better make sure that data is helping.
169
496400
3336
Donc, il faut nous assurer que ces données nous aident.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Moi-même, j'ai beaucoup vu ce problème avec les données
08:22
because I work in computational genetics,
171
502920
1976
car je travaille dans l'informatique génomique,
08:24
which is also a field where lots of very smart people
172
504920
2496
un secteur rempli de personnes très intelligentes
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
qui utilisent un grand nombre de données
pour prendre des décisions sérieuses
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
comme choisir un traitement pour cancer, développer un médicament.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
Au cours des années, j'ai remarqué un modèle,
08:37
or kind of rule, if you will, about the difference
176
517920
2456
ou même une règle, sur la différence
08:40
between successful decision-making with data
177
520400
2696
entre des bonnes décisions à l'aide des données
08:43
and unsuccessful decision-making,
178
523120
1616
et des mauvaises décisions,
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
et je trouve que ce modèle vaut la peine d'être partagé,
ça se présente comme ceci.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Quand il faut résoudre un problème compliqué,
08:52
you're doing essentially two things.
181
532679
1737
il y a deux étapes essentielles.
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
Un : il faut diviser le problème en plusieurs parties
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
pour pouvoir les analyser de manière profonde,
09:00
and then of course you do the second part.
184
540280
2016
et puis deux : bien sûr,
09:02
You put all of these bits and pieces back together again
185
542320
2656
il s'agit de remettre ces pièces ensemble
pour conclure.
09:05
to come to your conclusion.
186
545000
1336
09:06
And sometimes you have to do it over again,
187
546360
2336
Et parfois il faut réessayer,
09:08
but it's always those two things:
188
548720
1656
mais c'est toujours ces deux choses :
09:10
taking apart and putting back together again.
189
550400
2320
déconstruire le problème et le remonter.
09:14
And now the crucial thing is
190
554280
1616
Et la partie clé
09:15
that data and data analysis
191
555920
2896
est que l'analyse de ces données
09:18
is only good for the first part.
192
558840
2496
n'est valable que pour la première partie.
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Les données et l'analyse, peu importe leur puissance,
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
n'aideront qu'à déconstruire le problème
pour comprendre les éléments qui le composent.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Ça n'aidera pas à remettre les pièces ensemble
09:31
and then to come to a conclusion.
196
571600
1896
pour en arriver à une conclusion.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
Il existe un outil qui fait ça, que nous possédons tous :
09:36
and that tool is the brain.
198
576280
1296
le cerveau.
09:37
If there's one thing a brain is good at,
199
577600
1936
Si notre cerveau est bon pour une chose,
09:39
it's taking bits and pieces back together again,
200
579560
2256
c'est assembler divers éléments ensemble,
09:41
even when you have incomplete information,
201
581840
2016
même avec des pièces manquantes,
09:43
and coming to a good conclusion,
202
583880
1576
et arriver à une bonne conclusion,
09:45
especially if it's the brain of an expert.
203
585480
2936
surtout si c'est le cerveau d'un expert.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Et c'est grâce à ça que Netflix a eu un tel succès :
09:51
because they used data and brains where they belong in the process.
205
591120
3576
ils ont utilisé les données et les cerveaux au moment où il fallait.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Ils ont d'abord utilisé les données pour comprendre leur public,
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
ce qu'ils n'auraient pas été capables de comprendre sans ça,
10:01
but then the decision to take all these bits and pieces
208
601720
2616
mais la décision de prendre toutes ces informations
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
et les remettre ensemble pour créer une série comme « House of Cards »,
10:07
that was nowhere in the data.
210
607720
1416
n'était pas dans les données.
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
Ted Sarandos et son équipe ont décidé d'autoriser la création de cette série,
10:13
which also meant, by the way, that they were taking
212
613160
2381
ce qui voulait aussi dire qu'ils prenaient
10:15
a pretty big personal risk with that decision.
213
615565
2851
un grand risque personnel avec cette décision.
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
À l'inverse, Amazon a fait cela dans le mauvais ordre.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Ils ont utilisé beaucoup de données pour faire leur choix,
10:24
first when they held their competition of TV ideas,
216
624240
2416
en organisant une compétition d'idées de séries,
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
puis en choisissant de produire « Alpha House ».
10:30
Which of course was a very safe decision for them,
218
630400
2496
C'était bien sûr prudent comme décision de leur part,
10:32
because they could always point at the data, saying,
219
632920
2456
car ils pouvaient accuser les donnés et dire :
10:35
"This is what the data tells us."
220
635400
1696
« C'est ce que disaient les données. »
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
Mais ça ne leur a pas donné les résultats exceptionnels qu'ils espéraient.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Les données sont extrêmement utiles pour prendre de meilleures décisions
10:47
but I believe that things go wrong
223
647120
2376
mais je pense qu'il y a un problème
10:49
when data is starting to drive those decisions.
224
649520
2576
quand les données nous mènent à ces décisions.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Peu importe leur puissance, les données ne sont qu'un outil,
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
et pour toujours garder ça en tête, j'ai trouvé un outil très utile.
10:59
Many of you will ...
227
659280
1216
La plupart d'entre vous...
11:00
(Laughter)
228
660520
1216
(Rires)
11:01
Before there was data,
229
661760
1216
Avant les données,
on utilisait cet outil pour prendre des décisions.
11:03
this was the decision-making device to use.
230
663000
2856
11:05
(Laughter)
231
665880
1256
(Rires)
11:07
Many of you will know this.
232
667160
1336
Vous le connaissez,
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
ce jouet s'appelle la Magic 8 Ball
11:10
and it's really amazing,
234
670497
1199
et il est génial,
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
car si vous avez un choix à faire, une question fermée,
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
il suffit de secouer la boule pour obtenir une réponse --
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
« Très Probable » -- juste ici, une réponse en temps réel.
11:21
I'll have it out later for tech demos.
238
681240
2096
J'en ferai la démonstration plus tard.
11:23
(Laughter)
239
683360
1216
(Rires)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Le truc c'est que, évidemment -- j'ai pris des décisions dans la vie
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
où, en rétrospective, j'aurais dû écouter la boule.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Mais, évidemment, si les données sont disponibles,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
on veut remplacer ça avec quelque chose de plus sophistiqué,
11:37
like data analysis to come to a better decision.
244
697560
3616
comme l'analyse des données, pour en arriver à une meilleure décision.
11:41
But that does not change the basic setup.
245
701200
2616
Mais cela ne change pas le concept de base.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
La boule peut devenir de plus en plus intelligente,
11:47
but I believe it's still on us to make the decisions
247
707040
2816
mais je pense que c'est toujours à nous de décider
11:49
if we want to achieve something extraordinary,
248
709880
3016
si on veut faire quelque chose d'extraordinaire,
11:52
on the right end of the curve.
249
712920
1936
du côté droit de la courbe.
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
Et je trouve ça très encourageant comme message en fait,
11:59
that even in the face of huge amounts of data,
251
719400
3976
que même quand on a toutes ces données devant nous,
12:03
it still pays off to make decisions,
252
723400
4096
ça nous rapporte quelque chose de prendre ces décisions,
12:07
to be an expert in what you're doing
253
727520
2656
d'être expert dans notre domaine
12:10
and take risks.
254
730200
2096
et de prendre des risques.
12:12
Because in the end, it's not data,
255
732320
2776
Car à la fin, ce ne sont pas les données,
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
ce sont les risques qui vous amènent du côté droit de la courbe.
12:19
Thank you.
257
739840
1216
Merci.
12:21
(Applause)
258
741080
3680
(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