Le Big Data pour mieux nous comprendre

Les voitures sans chauffeurs ne sont qu'un début. Quel impact le Big Data aura-t-il sur les innovations technologiques à venir ? Dans cet exposé passionnant, Kenneth Cukier dresse le portrait de l'apprentissage automatique de demain et... de l'intelligence humaine.

Quelle est la tarte préférée
des Américains ?

Public : La tarte à la pomme !
K. Cukier : En effet !

Comment le sait-on ?

Grâce aux données.

Les ventes de supermarchés.

Parmi les ventes en supermarché
de tartes surgelées de 30 cm,

la tarte à la pomme était n°1,
haut la main.

La majorité des ventes se fait
sur les tartes à la pomme.

Puis les supermarchés se sont mis à vendre

des tartes plus petites, de 11 cm.

Et d'un coup, la pomme a chuté
à la 4ème ou 5ème place

Pourquoi ? Que s'est-il passé ?

Réfléchissez !

Quand vous achetez une grande tarte,

il faut que toute la famille
soit d'accord,

Or la pomme est le deuxième choix de tous.

(Rires)

Mais si vous achetez
une petite tartelette,

vous pouvez acheter
celle que vous préférez.

Vous pouvez avoir votre premier choix.

Vous avez plus de données.

On découvre quelque chose
qui nous aurait échappé

avec moins de données.

Mais plus de données ne nous donnent
pas seulement plus d'informations,

plus d'informations sur la même chose.

Plus de données nous permettent
de voir de nouvelles choses,

d'y voir plus clair,

de voir sous un nouvel angle.

Dans ce cas, ça nous a permis de savoir

quelle tarte les Américains préfèrent :

ce n'est pas la pomme.

Vous avez déjà probablement entendu
le terme « Big Data ».

En fait, vous en avez probablement
plein les oreilles des Big Data.

C'est vrai
qu'il y a beaucoup de bruit autour de ça

et c'est bien regrettable,

parce c'est un outil extrêmement important

qui va faire progresser notre société.

Jusqu'ici, on n'utilisait que
de petites quantités de données,

on cherchait à les interpréter

afin de comprendre le monde.

On a à présent infiniment plus de données,

plus de données que jamais auparavant.

Et quand on a une telle
quantité de données,

on peut accomplir des choses

inimaginables avec de petites quantités.

Les Big Data sont à la fois
nouvelles et importantes.

Si on y réfléchit,

le seul moyen qu'on aura
pour faire face aux enjeux mondiaux :

nourrir l'humanité,

l'approvisionner en médicaments,

en énergie, en électricité,

et éviter d'être rôti
par le réchauffement climatique,

ce sera grâce
à une utilisation efficace des données.

Qu'y a-t-il de nouveau dans les Big Data ?
Pourquoi tout le monde en parle ?

Pour y répondre, il faut se rappeler

à quoi ressemblait physiquement
une information dans le passé.

En 1908, sur l'île de Crète,

des archéologues ont découvert
un disque en argile.

Ils l'ont daté de 2 000 ans av. J-C.,
soit vieux de 4 000 ans.

Il y a des inscriptions
mais personne n'arrive à les déchiffrer.

Le mystère reste entier.
Mais c'est à cela

que ressemblait l'information
il y a 4 000 ans.

C'est ainsi que la société stockait

et transmettait l'information.

La société n'a pas tant évolué que ça.

On stocke toujours
l'information sur des disques,

mais en quantité plus grande,
infiniment plus grande.

Les informations sont
plus faciles à chercher,

plus faciles à copier, à partager,

plus faciles à traiter.

On peut aussi réutiliser ces informations

à des fins auxquelles
on n'avait pas du tout pensé

au moment où on les a collectées.

On peut dire que les données sont passées

d'un stock à un flux,

de statique et immobile,

à fluide et dynamique.

On peut dire que l'information
est devenue liquide.

Ce disque découvert en Crète

et vieux de 4 000 ans, il est lourd,

il ne contient pas beaucoup d'information,

et cette information
n'est pas modifiable.

En revanche,

tous les fichiers

qu'Edward Snowden a pris
à la NSA aux États-Unis

tiennent sur une clé USB

pas plus grande qu'une
pièce de 50 centimes,

et ils peuvent être partagés
à la vitesse de la lumière.

Plus de données. Plus.

Une raison pour laquelle nous avons
tant de données aujourd'hui,

c'est qu'on étudie des choses

sur lesquelles
on a toujours collecté de l'information.

Une autre raison, c'est qu'on utilise

des choses qui ont toujours
été informationnelles

et qui n'ont jamais été transformées
en données

et nous les mettons maintenant
en données.

Prenez l'exemple
des données de localisation.

Pensez par exemple à Martin Luther.

Si on avait voulu savoir au 16ème siècle
où Martin Luther se trouvait,

on aurait dû le suivre tout le temps,

sans doute avec une plume et un encrier
pour noter ses différentes positions.

Regardez à quoi ça ressemble aujourd'hui !

Vous savez que quelque part,

probablement dans la base de données
de votre opérateur,

il y a un tableau
ou une entrée dans une base de données

qui enregistre les informations
sur votre localisation, à chaque instant.

Si vous avez un téléphone portable,

que ce dernier soit muni d'un GPS ou non,

il stocke vos informations.

C'est ainsi que la localisation
a été mise en données.

Prenons maintenant l'exemple
de votre posture,

la manière dont vous êtes tous
assis en ce moment

votre manière de vous asseoir à vous,

votre posture à vous,
la vôtre.

Elles sont toutes différentes

en fonction de la longueur de vos jambes
et des contours de votre dos

Et si je posais, disons, 100 capteurs

sur chacun de vos sièges,

je pourrais créer
un index unique qui vous serait propre,

comme une empreinte unique,
autre qu'une empreinte digitale.

Mais à quoi ça pourrait bien servir ?

Des chercheurs à Tokyo utilisent ça

comme un possible système antivol
dans les voitures.

Si un voleur s'assied derrière le volant
et tente de démarrer,

la voiture reconnaît
qu'un conducteur non-approuvé

est derrière le volant
et stoppe simplement le moteur,

sauf si vous entrez un mot de passe

qui dit que vous avez l'autorisation
de conduire la voiture.

Imaginons que chaque voiture en Europe

soit munie de cette technologie.

Quelles perspectives
cela nous ouvre-t-il ?

En rassemblant ces données,

on pourrait peut-être identifier

des signes révélateurs
qui prédisent au mieux

qu'un accident va se produire

dans les 5 prochaines secondes.

C'est ainsi qu'on sera parvenu
à mettre en données

la fatigue du conducteur.

Un nouveau service serait que,

quand la voiture sent qu'une personne
s'affale dans cette position,

elle comprend automatiquement

et réagit en faisant vibrer le volant,
en klaxonnant à l'intérieur

comme pour dire :
« Debout, concentre-toi sur la route ! »

C'est le genre de choses
qui deviennent possibles

quand on met en données
certains aspects du quotidien.

Que valent alors donc les Big Data ?

Pensez-y !

On a plus d'information.

On peut faire des nouvelles choses
qui étaient impossibles auparavant.

Une des applications
les plus impressionnantes des Big Data

concerne le domaine
de l'apprentissage automatique.

Il s'agit d'une branche
de l'intelligence artificielle,

elle-même branche de l'informatique.

L'idée générale c'est que,

plutôt que de dire à l'ordinateur
ce qu'il a à faire,

on va juste donner plein d'informations
à l'ordinateur

et lui dire de se débrouiller avec.

Pour vous aider à comprendre,

retournons aux origines de
l'apprentissage automatique.

En 1950, un informaticien de chez IBM,
Arthur Samuel,

était amateur du jeu de Dames.

Il a donc créé un programme informatique
afin de jouer contre l'ordinateur.

Il a joué. Il a gagné.

Il a joué. Il a gagné.

Il a joué. Il a gagné,

parce que l'ordinateur ne connaissait
rien d'autre que les coups légaux.

Arthur Samuel en savait plus.

Arthur Samuel avait
des notions de stratégie.

Il a alors écrit un sous-programme à côté.
Il opérait en arrière-plan

et tout ce qu'il faisait,
c'est qu'après chacun des coups,

il comptait les probabilités
de chacune des configurations du damier

de mener à la victoire ou à la défaite.

Il joue contre l'ordinateur. Il gagne.

Il joue contre l'ordinateur. Il gagne.

Il joue contre l'ordinateur. Il gagne.

Puis Arthur Samuel a laissé l'ordinateur
jouer contre lui-même.

Plus il joue contre lui-même,
plus il collecte de données.

Plus il collecte de données,

plus il augmente
la précision de ses prédictions.

Et quand Samuel
a rejoué contre l'ordinateur,

il joue et il perd.

Il joue et il perd.

Il joue et il perd.

C'est ainsi qu'Arthur Samuel
a créé une machine

capable de le surpasser
dans une discipline qu'il lui a enseignée.

Et cette idée d'apprentissage automatique
est partout autour de nous.

Comment croyez-vous que des voitures
roulent toutes seules ?

Notre société est-elle meilleure

depuis que le code de la route
a été traduit dans un logiciel ? Non.

Le stockage est-il moins cher ? Non.

Les algorithmes plus rapides ? Non.
Les processeurs plus puissants ? Non.

Toutes ces choses sont importantes,
mais pas décisives.

C'est parce que nous avons
changé la nature du problème.

Avant, on essayait d'expliquer
clairement et ouvertement à l'ordinateur

comment il devait conduire.

Aujourd'hui, on lui dit :

« Voici tout plein de
données sur le véhicule,

débrouille-toi !

Débrouille-toi à comprendre
que ceci est un feu de signalisation

que le feu est rouge et non vert,

que cela veut dire que tu dois t'arrêter,
et non pas continuer. »

L'apprentissage automatique est à la base
de nombreux outils en ligne :

les moteurs de recherche,

l'algorithme de personnalisation d'Amazon,

la traduction par ordinateur,

ou encore la reconnaissance vocale.

Les chercheurs se sont récemment penchés

sur la question des biopsies,

des biopsies de cellules cancéreuses.

Ils ont demandé à des ordinateurs

d'analyser les données
et le taux de survie

pour déterminer quelles cellules
sont réellement cancéreuses.

Sans surprise,
en fournissant assez de données

à l'algorithme
d'apprentissage automatique,

l'ordinateur était capable d'identifier

les 12 signes caractéristiques
qui prédisent au mieux

que cette biopsie
de cellules tumorales mammaires

sont en effet cancéreuses.

Le truc,

c'est que les médecins
n'en connaissaient que 9.

Trois des signes ont été
identifiés par l'ordinateur

sans que quelqu'un n'ait besoin
de faire de recherche dessus.

Mais il y a aussi
une face sombre des Big Data.

Cela va améliorer nos vies,

mais il y a aussi des problèmes
dont il faut être conscient.

Le premier, c'est l'idée que l'on puisse
être puni à cause de prédictions,

que la police utilise les Big Data
un peu comme dans « Minority Report ».

On appelle ça la prévision policière
ou la criminologie algorithmique.

L'idée est que, si on prend
beaucoup de données

par exemple où des crimes ont été commis,

on sait où envoyer les patrouilles.

C'est logique.
Mais le problème,

c'est qu'on ne s'arrêtera pas
aux données de localisation,

on va aller jusqu'au niveau de l'individu.

Pourquoi ne pas utiliser les données
fournies par vos bulletins scolaires ?

Peut-être devrions-nous
utiliser le fait

que les gens ont un emploi ou non,
leur solvabilité,

leur comportement sur Internet,
s'ils sont debout tard dans la nuit.

Leur FitBit, quand c'est possible,

pour identifier les réactions biochimiques
qui produisent des pensées agressives.

On peut avoir des algorithmes

qui pourraient prédire
ce que nous sommes sur le point de faire,

nous pourrions être tenus responsables
de ce que l'on n'a pas encore fait.

La vie privée était le défi principal
lorsqu'on avait peu de données.

Avec les Big Data,

le défi sera
de préserver le libre-arbitre,

les choix moraux, le consentement

et la capacité d'agir de l'homme.

Et il y a un autre problème :

les Big Data vont
nous voler notre travail.

A l'aide des algorithmes,
elles vont entrer en concurrence

avec les cols blancs,
avec les travailleurs intellectuels

du 21ème siècle,

de la même manière que
l'automatisation des lignes de montage

a concurrencé le travail des cols bleus,
au 20ème siècle.

Imaginez un technicien de laboratoire
qui examine à l'aide d'un microscope

la biopsie d'une tumeur
pour déterminer si elle est cancéreuse.

Cette personne a fait des études.

Cette personne est propriétaire.

Il ou elle vote.

Il ou elle est acteur à part entière
de notre société.

Et pourtant cette personne,

ainsi qu'un pan entier
de professionnels similaires,

va voir son travail
radicalement transformé,

voire carrément éliminé.

On aime pourtant se dire

que sur le long terme,
la technologie crée des emplois,

après une courte période temporaire
de destruction d'emplois.

C'est vrai pour la période de référence
dans laquelle nous vivons,

la Révolution Industrielle,
car c'est précisément ce qui s'est passé.

Mais on oublie un élément
dans cette analyse.

Il y a des catégories d'emplois

qui sont simplement éliminées
et ne sont pas remplacées.

La Révolution Industrielle
n'a pas été bonne pour les chevaux.

Il va donc falloir être prudent,

prendre les Big Data
et les ajuster à nos besoins,

nos besoins humains fondamentaux.

Nous devons maîtriser cette technologie

et non devenir ses esclaves.

L'ère des Big Data vient tout juste de commencer

et honnêtement,
nous ne sommes pas très bons

pour manipuler toutes ces données
que nous collectons.

Ce n'est pas juste un problème pour la NSA.

Les entreprises collectent aussi beaucoup
de données, et elles en abusent aussi.

Il va falloir faire mieux,
et cela va prendre du temps.

C'est un peu comme le défi

de l'homme préhistorique
quand il a inventé le feu.

C'est un outil,
mais c'est un outil qui,

si nous ne sommes pas prudents,
va nous brûler.

Les Big Data vont transformer
nos modes de vie,

de travail et de pensée.

Elles nous aideront à gérer nos carrières,

à mener une vie faite de satisfaction,
d'espoir,

de bonheur et de santé.

Mais, par le passé, on a souvent
regardé les technologies de l'information

et nos yeux n'ont vu que le T,

la Technologie, l'ordinateur,

parce que c'est
matériel et palpable.

Il faut à présent
tourner notre regard vers le I,

l'Information,
qui est moins visible,

mais d'une certaine manière
bien plus importante.

L'humanité peut enfin apprendre
des informations qu'elle collecte

dans le cadre de sa quête

pour comprendre le monde
et la place de l'homme en son sein.

Voilà pourquoi
les Big Data sont si importantes.

(Applaudissements)