Roy Price est un homme que la plupart 
d'entre vous ne connaissent sûrement pas,

même s'il est peut-être responsable

de 22 minutes quelque peu médiocres
que vous avez vécues le 19 avril 2013.

Il a pu être responsable
de 22 minutes divertissantes,

mais pas pour beaucoup d'entre vous.

Cela est lié à une décision

que Roy a prise, il y a trois ans de ça.

Vous voyez, Roy Price est 
cadre supérieur à Amazon Studios,

la compagnie de production
de télévision d'Amazon.

C'est un homme mince de 47 ans 
avec des cheveux en bataille,

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

de choisir les séries, 
le contenu original créé par Amazon.

Et, évidemment, 
c'est un domaine très compétitif.

Vu qu'il existe déjà 
tellement de séries télés,

Roy ne peut pas choisir
n'importe quelle série.

Il doit trouver des séries 
vraiment, vraiment exceptionnelles.

Autrement dit, il doit trouver des séries

sur l'extrême droite de cette courbe.

Cette courbe représente
la distribution des notes

attribuées à 2 500 séries télés
sur le site IMDB,

ces notes allant de 1 à 10,

et l'ordonnée montre combien 
de séries obtiennent cette note.

Donc, si votre série obtient une note
de neuf points ou plus, ça cartonne.

Elle est meilleure que 98 %
des autres.

Ce sont des séries comme

« Breaking Bad »,
« Game of Thrones », « Sur écoute »,

des séries auxquelles on devient accro,

où après avoir regardé une saison,
votre cerveau vous dit :

« Il me faut plus d'épisodes ! »

Ce genre d'émission.

Pour être clair, 
du côté gauche,

on retrouve une émission
appelé « Toddlers & Tiaras » ;

(Rires)

ce qui illustre bien

ce à quoi on a affaire
de ce côté de la courbe.

Roy Price ne s'inquiète pas d'être 
placé du côté gauche de la courbe,

parce que je pense
qu'il faudrait être un génie

pour faire pire que « Toddlers & Tiaras ».

Il fait attention
à cette partie au milieu,

la partie moyenne de la télé,

les séries qui ne sont
ni bonnes ni mauvaises,

mais ne vous font pas vibrer.

Il doit s'assurer
qu'il est vraiment du bon côté.

Donc, on lui met la pression,

et bien sûr c'est aussi la première fois

qu'Amazon fait quelque chose comme ça,

donc Roy Price ne veut pas
prendre de risque.

Il veut être à la tête d'un succès.

Il lui faut un succès garanti,

donc il décide d'organiser
une compétition.

Il prend plein d'idées de séries télés,

les évalue et, parmi ces idées,

il retient huit idées de séries.

Ensuite, il se lance dans la création
du premier épisode de chacune des séries

et les met en ligne gratuitement
pour tout le monde.

Et quand Amazon
offre quelque chose de gratuit,

on le prend, n'est-ce pas ?

Donc, des millions de gens
regardent ces épisodes.

Ils ne se rendent pas compte que,
lorsqu'ils regardent leurs séries,

ils sont en train d'être regardés
eux-mêmes.

Roy Price et son équipe les surveillent

et enregistrent tout.

Ils enregistrent quand quelqu'un
appuie sur lecture ou sur pause,

les parties sautées, 
les parties re-regardées.

Ils rassemblent des millions de données,

car ils veulent avoir ces données

pour ensuite décider
quelle série sera réalisée.

Donc ils rassemblent ces données,

ils traitent ces données,
et une réponse en est déduite,

la réponse est :

« Amazon devrait réaliser un sitcom

sur quatre sénateurs
républicains américains. »

(Rires)

Et elle a été réalisée.

Quelqu'un connaît le nom de cette série ?

(Public) :
« Alpha House. »

Exactement, « Alpha House »,

mais on dirait que presque personne
ne se souvient de cette série

car elle n'a pas eu un très grand succès.

En réalité, c'est une série moyenne,

littéralement en fait, car 7,4 représente
la moyenne de la courbe

et « Alpha House » tombe sur 7,5,

elle est juste au-dessus de la moyenne,

mais ce n'est certainement pas
Roy Price et son équipe espéraient.

Cependant, au même moment,

dans une autre entreprise,

un autre cadre a trouver une bonne série
grâce à l'analyse des données,

et il s'appelle Ted,

Ted Sarandos, directeur de l'acquisition
des programmes de Netflix.

Et comme Roy,
il est toujours à la recherche

d'une excellente série,

et il utilise aussi des données,

sauf qu'il s'y prend un peu différemment.

Au lieu d'organiser une compétition,
lui et son équipe

ont pris les données qu'ils avaient déjà
sur les utilisateurs de Netflix,

comme les notes attribuées aux séries,

leur historique, 
leurs séries préférées et tout ça.

Puis ils utilisent
ces données pour découvrir

pleins de petites infos sur le public :

le genre de séries, de producteurs,
d'acteurs ils apprécient.

Et au moment où ils ont
tous les éléments nécessaires,

ils ont accompli un acte de foi

et ont décidé de créer

non pas un sitcom sur quatre sénateurs

mais une série dramatique 
sur un seul sénateur.

Vous connaissez cette série ?

(Rires)

Oui ! « House of Cards » et, bien sûr,
Netflix a eu un grand succès,

au moins pour les deux premières saisons.

(Rires)
(Applaudissements)

« House of Cards » a obtenu
une note de 9,1 sur cette courbe,

donc, exactement ce qu'ils voulaient.

Évidemment, la question est :
que s'est-il passé ?

On a deux entreprises concurrentes
maîtrisant les données.

Elles lient ces millions
de points de données

et ça marche superbement pour une,

mais pas pour l'autre.

Alors, pourquoi ?

La logique nous dit que
ça devrait marcher à tous les coups.

Si vous rassemblez
des millions de données

sur une décision à prendre,

vous devriez être capable
de prendre la bonne décision.

On peut se fier
à plus de 200 ans de statistiques.

On l'amplifie à l'aide
des meilleurs ordinateurs.

La moindre des choses à laquelle
on s'attend, c'est une bonne série, non ?

Et si l'analyse des données 
ne fonctionne pas comme ça,

on peut commencer à s'inquiéter,

parce que nous vivons à une époque
où on utilise de plus en plus ces données

pour prendre des décisions sérieuses
en dehors du monde de la télévision.

Est-ce-que quelqu'un ici connaît
l'entreprise Multi-Health Systems ?

Personne, tant mieux.

Multi-Health Systems est
une entreprise de logiciels,

et j'espère que personne du public
n'aura à utiliser ce logiciel,

car si c'est le cas, vous êtes en prison.

(Rires)

Si un prisonnier des États-Unis
demande une libération conditionnelle,

il est très probable que le logiciel 
d'analyse de données de cette compagnie

sera utilisé pour savoir 
s'il devrait l'obtenir.

C'est le même principe
qu'Amazon et Netflix,

sauf que au lieu de voir 
si une série télé devrait sortir,

on décide si la personne devrait sortir.

Si une série télé médiocre 
de 22 minutes peut être mauvaise,

je suppose que passer
plus longtemps en prison est pire.

Et malheureusement, il existe
des preuves que cette analyse de données,

malgré leur abondance, ne donne pas
toujours des résultats optimaux.

Mais, ce n'est pas
parce que Multi-Health Systems

ignore que faire de ces données.

Même en maîtrisant les données,
on peut se tromper.

Oui, parfois même Google se trompe.

En 2009, Google a annoncé 
qu'ils étaient capables,

à l'aide de l'analyse des données,

de prédire les épidémies
d'influenza, la mauvaise grippe,

en analysant les données 
des recherches sur leur site.

Ça a bien marché,
et ça a fait le buzz aux infos

y compris l'apogée
des réussites scientifiques :

un article dans le journal « Nature ».

Ça marchait à tous les coups, 
année après année,

jusqu'à l'année où ça a échoué.

Et personne ne savait pourquoi.

Cette année-là, ça n'a pas marché

et, bien sûr, ça a refait le buzz,

y compris la rétraction

de la publication dans
le journal « Nature ».

Même les entreprises
maîtrisant ces données,

comme Amazon et Google,

font parfois des erreurs.

Et malgré tous ces échecs,

les données arrivent de plus en plus
dans nos décisions de tous les jours :

dans le monde professionnel,

le monde du droit,

le monde de la médécine.

Donc, il faut nous assurer
que ces données nous aident.

Moi-même, j'ai beaucoup vu
ce problème avec les données

car je travaille
dans l'informatique génomique,

un secteur rempli
de personnes très intelligentes

qui utilisent un grand nombre de données

pour prendre des décisions sérieuses

comme choisir un traitement pour cancer,
développer un médicament.

Au cours des années,
j'ai remarqué un modèle,

ou même une règle, sur la différence

entre des bonnes décisions 
à l'aide des données

et des mauvaises décisions,

et je trouve que ce modèle
vaut la peine d'être partagé,

ça se présente comme ceci.

Quand il faut résoudre
un problème compliqué,

il y a deux étapes essentielles.

Un : il faut diviser
le problème en plusieurs parties

pour pouvoir les analyser
de manière profonde,

et puis deux : bien sûr,

il s'agit de remettre ces pièces ensemble

pour conclure.

Et parfois il faut réessayer,

mais c'est toujours ces deux choses :

déconstruire le problème et le remonter.

Et la partie clé

est que l'analyse de ces données

n'est valable que pour la première partie.

Les données et l'analyse,
peu importe leur puissance,

n'aideront qu'à déconstruire le problème

pour comprendre les éléments
qui le composent.

Ça n'aidera pas à remettre 
les pièces ensemble

pour en arriver à une conclusion.

Il existe un outil qui fait ça, 
que nous possédons tous :

le cerveau.

Si notre cerveau est bon pour une chose,

c'est assembler divers éléments ensemble,

même avec des pièces manquantes,

et arriver à une 
bonne conclusion,

surtout si c'est le cerveau d'un expert.

Et c'est grâce à ça que Netflix
a eu un tel succès :

ils ont utilisé les données
et les cerveaux au moment où il fallait.

Ils ont d'abord utilisé les données
pour comprendre leur public,

ce qu'ils n'auraient pas été capables
de comprendre sans ça,

mais la décision de prendre 
toutes ces informations

et les remettre ensemble pour
créer une série comme « House of Cards »,

n'était pas dans les données.

Ted Sarandos et son équipe ont décidé
d'autoriser la création de cette série,

ce qui voulait aussi dire qu'ils prenaient

un grand risque personnel
avec cette décision.

À l'inverse, Amazon a fait cela
dans le mauvais ordre.

Ils ont utilisé beaucoup de données
pour faire leur choix,

en organisant une compétition
d'idées de séries,

puis en choisissant
de produire « Alpha House ».

C'était bien sûr prudent
comme décision de leur part,

car ils pouvaient accuser
les donnés et dire :

« C'est ce que disaient les données. »

Mais ça ne leur a pas donné les résultats 
exceptionnels qu'ils espéraient.

Les données sont extrêmement utiles
pour prendre de meilleures décisions

mais je pense qu'il y a un problème

quand les données
nous mènent à ces décisions.

Peu importe leur puissance,
les données ne sont qu'un outil,

et pour toujours garder ça en tête,
j'ai trouvé un outil très utile.

La plupart d'entre vous...

(Rires)

Avant les données,

on utilisait cet outil 
pour prendre des décisions.

(Rires)

Vous le connaissez,

ce jouet s'appelle la Magic 8 Ball

et il est génial,

car si vous avez un choix à faire,
une question fermée,

il suffit de secouer la boule
pour obtenir une réponse --

« Très Probable » -- juste ici,
une réponse en temps réel.

J'en ferai la démonstration plus tard.

(Rires)

Le truc c'est que, évidemment -- 
j'ai pris des décisions dans la vie

où, en rétrospective,
j'aurais dû écouter la boule.

Mais, évidemment,
si les données sont disponibles,

on veut remplacer ça
avec quelque chose de plus sophistiqué,

comme l'analyse des données,
pour en arriver à une meilleure décision.

Mais cela ne change
pas le concept de base.

La boule peut devenir
de plus en plus intelligente,

mais je pense que c'est toujours 
à nous de décider

si on veut faire
quelque chose d'extraordinaire,

du côté droit de la courbe.

Et je trouve ça très encourageant
comme message en fait,

que même quand on a
toutes ces données devant nous,

ça nous rapporte quelque chose
de prendre ces décisions,

d'être expert dans notre domaine

et de prendre des risques.

Car à la fin, ce ne sont pas les données,

ce sont les risques qui vous amènent
du côté droit de la courbe.

Merci.

(Applaudissements)