L'énigme de la frite bouclée : pourquoi les mentions « J'aime » des médias sociaux en disent plus qu'on ne pense.

On peut faire beaucoup de choses avec les données internet. Mais savez-vous que les informaticiens ont déterminé qu'aimer une page Facebook sur les frites bouclées veut aussi dire que vous êtes intelligent ? Vraiment. L'informaticienne Jennifer Golbeck explique comment c'est arrivé, comment certaines applications de la technologie ne sont pas aussi bénignes - et pourquoi elle pense que nous devrions rendre une partie de ce contrôle des informations à leurs propriétaires.

Si vous vous souvenez
des débuts de l'internet,

c'était vraiment très statique.

Vous pouviez aller en ligne,
regarder des pages internet,

mises en ligne par des organisations

qui avaient des équipes pour le faire

ou par des individus
qui s'y connaissaient

vraiment en nouvelles technologies.

Et avec la montée des médias sociaux

et des réseaux sociaux
au début des années 2000,

la toile est devenue

un endroit où maintenant
la majorité du contenu

que nous pouvons voir est mis en ligne
par des utilisateurs moyens,

que ce soit des vidéos sur YouTube
ou des articles de blogs

ou des critiques de produits
ou des messages de médias sociaux.

C'est devenu
cet endroit bien plus interactif,

où les gens interagissent
les uns avec les autres,

ils commentent, ils partagent,

ils ne font pas que lire.

Il n'y a pas que Facebook évidemment,

mais c'est le plus important,

et il sert à illustrer le propos.

Facebook a 1,2 milliards
d'utilisateurs par mois.

La moitié de la population internet
de la Terre

utilise Facebook.

C'est un site, comme d'autres,

qui permet aux gens
de se créer un personnage internet

sans grandes connaissances techniques,

et les gens y mettent
une quantité énorme

de données personnelles.

On se retrouve donc
avec des données comportementales,

préférentielles, démographiques

pour des centaines
de millions de personnes,

pour la première fois dans l'histoire.

En tant qu'informaticienne,
ça signifie que

j'ai pu construire des modèles

qui peuvent prédire
toutes sortes d'attributs cachés

sur vous sans savoir que

vous partagez ce genre d'informations.

En tant que scientifiques,
on utilise ça pour aider

les gens à mieux interagir en ligne,

mais il y a aussi des utilisations
bien moins altruistes,

et le problème est que
les utilisateurs ne comprennent pas

vraiment ces techniques
ni comment elles fonctionnent,

et même s'ils les comprenaient,
ils ne peuvent pas les contrôler.

Donc, j'aimerais
vous parler aujourd'hui

de certaines de ces choses
que l'on peut faire,

et donner une petite idée
sur comment

redonner un peu
de ce contrôle aux utilisateurs.

Voici Target, l'entreprise.

Je n'ai pas mis ce logo

sur le ventre
de cette femme enceinte.

Vous avez peut-être
entendu parler de cette histoire:

Target a envoyé

un prospectus
à cette jeune fille de 15 ans

avec de la publicité
et des ristournes

pour des biberons,
des langes et des berceaux

deux semaines avant
qu'elle ne dise à ces parents

qu'elle était enceinte.

Oui, le père n'était pas content.

Il a dit :
« Comment Target a-t-il compris

que cette ado était enceinte

avant même qu'elle le dise
à ces parents ? »

En fait, Target garde
un historique d'achat

pour des centaines de milliers de clients

et ils calculent ce qu'ils appellent
un score de grossesse,

qui ne dit pas simplement
si une femme est enceinte ou pas,

mais aussi sa date d'accouchement.

Et ils calculent cela

pas en regardant ce qui est flagrant,

comme le fait qu'elle achète un berceau
ou des vêtements pour bébés,

mais comme le fait
qu'elle achète plus de vitamines

que d'habitude,

ou elle a acheté un sac

assez grand pour y mettre des langes.

Seuls, ces achats ne semblent pas

révéler grand chose,

mais c'est une suite
de comportements qui,

quand vous le prenez dans un contexte
de milliers d'autres personnes,

commence à donner
une certaine idée.

C'est ce genre de choses-là
que l'on fait

quand on prédit des choses
sur vous sur les médias sociaux.

On va chercher
des suites de comportements qui,

quand vous les détectez
parmi des millions de gens,

nous permet de trouver
des tas de choses.

Dans mon laboratoire,
avec mes collègues,

nous avons développé
des mécanismes qui nous permettent

de prédire certaines choses
très précisément,

comme votre penchant politique,

votre score de personnalité,
votre sexe, orientation sexuelle,

religion, âge, intelligence,

comme aussi

si vous faites confiance
aux gens que vous connaissez

et si ces liens sont forts ou pas.

On peut savoir tout ça très facilement.

Et de nouveau,
ça ne vient pas forcément

d'informations flagrantes.

Mon exemple préféré
vient de cette étude

publiée il y a un an

dans les « Proceedings
of the National Academies ».

Vous pouvez la trouver sur Google.

Quatre pages,
très faciles à lire.

Ils n'ont regardé que
les mentions « J'aime » de Facebook,

ce que vous pouvez aimer sur Facebook,

et utilisé ça pour prédire
toutes ces caractéristiques,

et d'autres encore.

Et dans leur article,
ils ont listé ces 5 mentions « J'aime »

les plus indicatives
d'une grande intelligence.

Et parmi celles-là,
il y avait un mention « J'aime »

pour les frites bouclées.
(Rires)

C'est délicieux les frites bouclées,

mais les aimer ne veut pas
nécessairement dire

que vous êtes plus
intelligent que la moyenne.

Donc, comment cela se fait-il
qu'un des indicateurs les plus importants

de votre intelligence

est le fait d'aimer cette page

alors que le contenu est sans rapport

avec l'attribut qu'il prédit ?

Nous avons dû étudier

toute une série de théories

pour comprendre
comment on peut y arriver.

L'une d'elle est
une théorie sociale appelée homophilie,

qui dit que les gens sont en général amis
avec des gens comme eux.

Si vous êtes intelligents, vous allez
être amis avec des gens intelligents,

et si vous êtes jeunes, vous allez
être amis avec des jeunes,

C'est un fait averé

depuis des centaines d'années.

On sait aussi

comment les informations
se répandent sur les réseaux.

En fait, les vidéos virales

ou les mentions « J'aime » sur Facebook
ou d'autres informations

se répandent de la même façon

que les maladies.

C'est quelque chose
qu'on étudie depuis longtemps.

On en a fait de bon modèles.

On peut donc mettre
toutes ces choses ensemble

et voir pourquoi ce genre de choses arrive.

Donc, si je devais faire une hypothèse :

c'est quelqu'un d'intelligent
qui a commencé cette page,

ou qu'une des premières personnes
qui l'a aimée

avait un haut score d'intelligence.

Et il l'a aimé, et ses amis l'ont vu,

et par homophilie,
on sait qu'il a des amis intelligents,

et ça s'est répandu chez eux,
et ils l'ont aimé,

et ils avaient des amis intelligents,

et ça s'est répandu chez eux,

et comme ça à travers le réseau,

chez plein de gens intelligents,

et donc à la fin, l'action

d'aimer la page des frites bouclées

est indicative d'une grande intelligence,

pas à cause du contenu,

mais à cause de l'action même d'aimer

qui reflète les attributs communs

à tous ces autres qui l'ont aimé aussi.

Ça à l'air très compliqué, non ?

Ce n'est pas facile à expliquer

à un utilisateur moyen,
et même en le faisant,

que peut-il y faire ?

Comment pouvez-vous savoir
que vous avez aimé quelque chose

qui indique un trait qui pour vous

n'a rien à voir avec le contenu
de ce que vous avez aimé ?

Et les utilisateurs
n'ont aucun pouvoir

à contrôler
comment ces données sont utilisées.

Et pour moi,
c'est un vrai problème pour le futur.

Il y a, je pense, plusieurs chemins

que nous pouvons regarder

si nous voulons donner
un peu de contrôle aux utilisateurs

sur l'utilisation de ces données,

parce qu'elles ne vont pas
toujours être utilisées

à leur avantage.

Un exemple
que je donne souvent est que

si un jour ça m'ennuie
d'être professeur,

je lancerai une entreprise

qui prédit tous ces attributs

et des choses comme le fait
de bien travailler en équipe

et si vous prenez des drogues
et êtes alcoolique.

Nous savons comment prédire tout ça.

Et je vais vendre ces rapports

à de grandes entreprises
et des compagnies R.H.

qui voudraient vous engager.

On peut faire ça maintenant.

Je pourrais commencer ça demain,

et vous n'auriez
absolument aucun contrôle

sur le fait que j'utiliserais
vos données comme ça.

Pour moi, ça c'est un problème.

Donc, un des chemins
que l'on pourrait prendre

est celui de la politique et de la loi.

Et ça serait sans doute
le chemin le plus efficace,

mais le problème est
qu'il faudrait le faire vraiment.

Connaissant les procédures politiques

ça m'étonnerait vraiment

qu'on arrive à ce
que des représentants

s'asseyent,
prennent connaissance de ceci,

et promulguent des changements
de grande envergure

sur les lois
sur la propriété intellectuelle aux USA

pour que les utilisateurs
contrôlent leurs données.

On pourrait prendre
le chemin politique,

où les compagnies
de médias sociaux diraient :

« Vous savez quoi ?
Vos données sont à vous.

C'est vous qui contrôlez
comment elles sont utilisées. »

Le problème est que
les modèles de revenus

de la plupart de ces entreprises

dépendent du partage et de l'exploitation
des données des utilisateurs.

On dit de Facebook,
que les utilisateurs

ne sont pas les clients,
ils sont le produit.

Comment demander à une entreprise

de redonner le contrôle de son capital

aux usagers ?

C'est possible, mais je ne pense pas

que ça se réalise rapidement.

L'autre chemin

que l'on pourrait prendre et
qui serait aussi efficace

est plus scientifique.

C'est la science qui
nous a permis de développer

ces mécanismes calculant

ces données personnelles.

Et ce sont des recherches similaires

qu'il va falloir faire

si nous voulons développer
des mécanismes

qui peuvent dire aux usagers :

« Tu as fais ça, voici le risque encouru. »

En aimant cette page Facebook,

ou en partageant
cette information personnelle,

tu viens de m'aider

à pouvoir prédire le fait
que tu te drogues ou pas

ou que tu t'entendes bien
avec tes collègues de travail.

Et ça peux affecter le fait que

les gens veulent partager
quelque chose,

le garder privé,
ou ne pas le mettre en ligne du tout.

On peut aussi décider de

laisser les gens encoder
les données qu'ils mettent en ligne,

pour qu'elles soient
invisibles et inutiles

pour des sites comme Facebook

ou des tiers qui y ont accès,

mais que seuls des utilisateurs choisis

peuvent y accéder.

Ce sont des recherches
très intéressantes

d'un point de vue intellectuel,

et donc les scientifiques vont les faire.

Ça nous donne aussi
un avantage sur le côté légal.

Un des problèmes
dont parlent les gens

quand je lance ce sujet est, ils disent,

que si les gens gardent
toutes ces données privées,

toutes ces méthodes
qu'on a développées

pour prédire leurs traits
ne vont plus fonctionner.

Et je réponds : « Absolument,
et pour moi, ça serait un succès,

parce qu'en tant que scientifique,

mon objectif n'est pas de déduire
des informations sur les utilisateurs,

mais d'améliorer la façon
dont les gens interagissent en ligne.

Et parfois ça implique
de déduire des choses sur eux,

mais s'ils ne veulent pas
que j'utilise ces données,

ils devraient avoir le droit de le faire.

Je veux que les utilisateurs
soient informés et consentants

sur les outils que nous développons.

Donc, encourager cette science

et ses chercheurs

qui veulent rendre un peu
de ce contrôle aux utilisateurs

et le prendre à ces compagnies
de médias sociaux

veux dire qu'aller de l'avant,
alors que ces outils se développent

et s'améliorent,

veux dire que l'on va avoir
des utilisateurs

éduqués et responsabilisés,

et je crois qu'on est tous d'accord

que c'est de cette façon-là
que l'on doit avancer.

Merci.

(Applaudissements)