RSS - Articles
NI PUB, NI SPONSOR, NI SUBVENTION, SEULEMENT VOUS ET NOUS....SOUTENEZ CE BLOG FAITES UN DON
«On programme la façon de penser des gens»
Amazon veut envoyer des produits avant même qu’ils n’aient été commandés. Dirk Helbing explique comment on peut lire le futur dans les masses de données
Sommes-nous vraiment aussi prévisibles? La semaine dernière, le Wall Street Journal révélait qu’Amazon venait d’obtenir un brevet pour des «envois anticipés». Il s’agit de commencer le processus de livraison d’un produit avant même que le client ne l’ait commandé. La firme se baserait sur les commandes précédentes d’un utilisateur, ses recherches ou encore le temps que sa souris a passé sur un objet. Le but est de réduire le délai qui décourage encore certains de faire leurs achats en ligne. Le Big Data, la masse de données fournies par les nouvelles technologies, offre des perspectives en matière de prédiction du futur. La version probabiliste, du moins, comme la météo. Pour le meilleur ou pour le pire? Le point avec Dirk Helbing, qui étudie les systèmes complexes à l’Ecole polytechnique de Zurich.
Le Temps: Vous travaillez sur des modèles de prédiction d’épidémie ou de conflits armés. Les algorithmes d’Amazon fonctionnent-ils sur des principes comparables aux vôtres?
Dirk Helbing: La grosse différence est que, contrairement à Amazon et à beaucoup d’autres compagnies, nous n’avons pas accès à des données personnelles. Nous sommes orientés vers une compréhension plus générale des mécanismes de prise de décision. Outre le fait que lier des données à une personne perturbe l’observation – elle ne se comporte pas de la même manière si elle se sait observée –, le potentiel d’abus dans ce domaine est préoccupant. Amazon sait qui sont les gens utilisés dans ses modèles. Et si, en plus, vous possédez une liseuse électronique, on peut enregistrer le temps que vous passez sur certaines pages, les passages que vous marquez, vos commentaires, etc. C’est une manière de regarder dans votre cerveau, il faut être attentif aux effets secondaires.
– Par exemple?
– La manipulation. Avant, vous alliez dans une librairie, vous exploriez, vous découvriez. Maintenant, c’est un algorithme qui vous dit ce qui devrait vous intéresser. C’est une manière de programmer la façon dont les gens pensent.
– Observe–t-on déjà ces effets ?
– Je pense. Si on prend la politique américaine, il semble que les démocrates et les républicains ont de plus en plus de mal à se parler et à trouver des compromis, même lorsque c’est vraiment nécessaire pour le pays. Plus qu’ailleurs. Mon hypothèse est que cela résulte de l’information personnalisée. Il y a quelques années, une recherche Google donnait les mêmes résultats à tout le monde. Aujourd’hui, Google scanne votre boîte aux lettres et vos autres fonctionnalités pour vous donner des réponses basées sur vos intérêts. Par ce biais, il renforce votre vision du monde. C’est ce qui arrive aux démocrates et aux républicains, ils ne voient plus qu’il existe des gens qui pensent différemment d’eux.
– Pourquoi serait-ce plus marqué aux Etats-Unis?
– Ils sont juste plus avancés. Plus de gens utilisent cette technologie personnalisée.
– Pour en revenir à Amazon, vous revendiquez une approche plus généraliste?
– Pour moi, la vue globale est plus importante que l’aspect individuel. C’est ce qui nous distingue des méthodes utilisées par Amazon et probablement par les services secrets. Nous pensons que dans un système fortement interconnecté comme le nôtre, les interactions dominent le comportement individuel.
– Et quel type de prédiction faites-vous?
– Il y a des cas où l’on peut entrevoir des instabilités systémiques avant qu’il y ait des troubles. Un membre de mon équipe a fait une étude sur les conflits armés, en comptant les mots indiquant des tensions entre pays dans des milliers d’articles pris sur Google News et qui s’étalent sur une période de cent ans. Avec ce modèle, on peut calculer la probabilité qu’un conflit éclate dans les mois suivants. Cela donne un avertissement et permet de prendre des mesures politiques ou économiques. On peut imaginer que l’ONU intervienne plus tôt pour compenser l’instabilité avant qu’une crise ne surgisse. Il est beaucoup plus difficile de revenir à la normale une fois que quelque chose s’est passé. On apprend cela des embouteillages: une fois que le flux de trafic est interrompu, il faut souvent des heures pour qu’il se rétablisse, parce que la capacité de la route est réduite. Idem pour une récession économique ou un conflit armé.
– Vous avez montré que les conflits passés auraient pu être anticipés. Et ceux à venir?
– Nous préférons ne pas nous prononcer, aussi parce que cela pourrait avoir une influence. La seule chose que je peux dire, c’est qu’il faut faire très attention à contrôler la crise financière et celle de la dette publique.
– Avec des chercheurs israéliens, votre équipe a évalué l’effet de différentes options politiques sur le niveau de violence à Jérusalem. Peut-on s’en remettre aux ordinateurs?
– Nous ne voulons pas un monde contrôlé par les ordinateurs, nous voulons aider les gens – politiciens, hommes d’affaires, simples citoyens – à prendre de meilleures décisions, en étant mieux informés. Donner des options et, dans la mesure du possible, un aperçu de leurs implications: les opportunités, les risques, les effets collatéraux.
– Est-ce que certains de vos modèles sont déjà mis en pratique?
– Oui, pour les embouteillages notamment. Au fil du temps, nous avons acquis une bonne compréhension de ces phénomènes et des conditions qui les génèrent. Cela a mené au développement de nouvelles technologies, des systèmes d’assistance au trafic et des feux de signalisation auto-organisés. Ces feux fonctionnent de manière décentralisée. C’est étonnamment plus efficace qu’un contrôle central, parce que ce dernier ne peut en général pas être effectué en temps réel. Même les superordinateurs ne sont pas assez rapides. Le plus efficace est d’avoir une adaptation flexible aux besoins locaux. Dans les villes, nous avons développé un concept de coordination entre intersections voisines, qui se propage ainsi à l’ensemble du réseau. Ce système a été mis en place à Dresde, et nous espérons que cela va aussi être le cas à Zurich. Le modèle a par ailleurs été généralisé à l’économie globale et notre conclusion est que la récession peut, dans une certaine mesure, être comprise comme les embouteillages. Il serait donc envisageable d’imaginer des systèmes d’assistance fonctionnant sur des principes similaires.
– D’autres exemples?
– Oui, notre travail sur les mouvements de foule. On a longtemps pensé que les bousculades mortelles lors de manifestations de masse venaient d’individus qui paniquaient ou se comportaient de manière inappropriée. Or, dans la plupart des cas, ça n’est pas vrai. Il suffit de mettre des milliers de personnes dans un espace confiné pour que, à partir d’une certaine densité, ce type de phénomène se produise. C’est ce qui est arrivé pendant la Love Parade de Duisbourg et qui a fait des milliers de morts au fil des ans lors du pèlerinage à La Mecque. Il y a beaucoup de choses que l’on peut faire, comme d’avoir des flux de personnes qui vont dans un seul sens ou prévoir des voies d’évacuation pour relâcher la pression aux endroits critiques. Ces mesures sont mises en pratique depuis 2007 en Arabie saoudite et il n’y a plus eu de bousculade depuis.
– Et vos travaux sur les épidémies, publiés en décembre dans «Science»?
– Auparavant, on pouvait comprendre la propagation locale d’une maladie avec une simple équation de diffusion. Les voyages longue distance, aériens en particulier, l’ont accélérée d’un facteur 100. Ce qui laisse peu de temps pour se préparer. Le trafic aérien rend aussi les schémas de propagation plus difficiles à comprendre. Il existe de bons modèles, basés sur la mobilité, la distribution démographique, les réseaux sociaux ou des outils comme Google Flu Trends. Mais tout cela ne peut pas être fait en amont, d’autant que lorsqu’une nouvelle maladie apparaît, on ne connaît souvent pas son infectiosité, son taux de mortalité ou même son origine. Nous avons trouvé une formule de «distance effective» entre deux villes, basée sur leurs connexions aériennes, qui permet de comprendre les schémas de propagation des maladies. Si on représente le monde selon ce nouveau principe de distance, cela devient même étonnamment simple: en prenant le nombre de personnes malades, il suffit de regarder à partir de quelle ville le schéma de propagation est le plus circulaire et on a l’origine de l’épidémie. On peut aussi déterminer dans quel ordre les autres villes seront atteintes. Cela permet d’envoyer des médicaments et des renforts dans les endroits les plus directement concernés. Ce modèle pourrait être utilisé lors d’une prochaine alerte.
– Pour votre travail, avez-vous accès à beaucoup de données?
– Pour l’instant, cet accès est très limité. Si nous disposions de plus de données, nous pourrions faire beaucoup plus de contributions utiles. Mais je préfère travailler sur la collecte de «smart data» (données intelligentes) plutôt que de «big data». Pour une épidémie, si vous attendez d’avoir du big data, tout le monde est mort.
Par Lucia Sillig/Le Temps 25/1/2014
