Big Data : comment les données deviennent-elles connaissance ?

Intervenant 10:00

Bienvenue dans le podcast du magazine Tangente. Je suis ravi de vous retrouver aujourd'hui pour une nouvelle analyse.

Intervenant 20:06

Bonjour à tous et merci. Je suis ravie d'être là pour cette exploration.

Intervenant 10:10

Alors aujourd'hui, on va plonger dans un article vraiment fascinant.

Intervenant 20:14

Oui, très dense, mais passionnant.

Intervenant 10:16

Voilà. Il s'intitule « Les données, nouvel eldorado scientifique ». Et pour planter un peu le décor, imaginez pouvoir réduire la criminalité d'une grande ville de 33%. Ah ouais, c'est énorme ! C'est énorme ! Et ça, pas en augmentant le nombre de policiers au hasard, non, mais en appliquant des modèles de probabilité strictes. C'est pour anticiper un événement avant même qu'il ne se produise. C'est l'une des choses qu'on va décortiquer aujourd'hui. L'objectif, c'est vraiment de ne pas tomber dans le jargon marketing des startups, vous voyez.

Intervenant 20:43

Absolument. On va laisser les mots valises de côté.

Intervenant 10:46

Exactement. On va analyser avec toute la rigueur mathématique qui s'impose, comment on est passé de simples chiffres isolés à une technologie qui régit la finance, les transports, la science fondamentale.

Intervenant 20:58

C'est ça. Et d'ailleurs, l'article montre bien que ce qu'on appelle communément le Big Data, ce n'est pas apparu par magie.

Intervenant 11:04

Non, c'est clair.

Intervenant 21:05

Ce n'est pas une génération spontanée. C'est en fait l'alignement simultané de quatre piliers technologiques majeurs.

Intervenant 11:11

Bon, décortiquons un peu tout ça parce qu'on a souvent tendance à se dire « Ah, le Big Data, c'est juste nos likes sur les réseaux sociaux ».

Intervenant 21:18

Ouais, c'est le cliché habituel.

Intervenant 11:20

Alors que le premier pilier dont parle le texte, c'est l'Internet des objets. En fait, on est passé d'une époque où l'humain rentrait les infos au clavier.

Intervenant 21:27

À la main, oui.

Intervenant 11:28

Voilà, à la main, à un énorme réseau de capteurs qui mesurent notre environnement en continu.

Intervenant 21:32

Tout à fait. Et le deuxième pilier, c'est un peu le multiplicateur de ces capteurs, ce sont nos smartphones.

Intervenant 11:40

Bah oui, on en a tous un dans la poche.

Intervenant 21:42

Voilà, ils se sont transformés en de véritables sondes permanentes. Ils créent d'immenses vecteurs de métadonnées géospatiales, temporelles, etc. Et ensuite, pour ingérer toute cette masse de données, il fallait un troisième pilier.

Intervenant 11:57

Le fameux cloud, c'est ça ?

Intervenant 21:58

Exactement, les nouvelles architectures logicielles distribuées. Le calcul s'est totalement décentralisé. Aujourd'hui, un chercheur n'a plus besoin d'avoir un énorme supercalculateur dans son labo.

Intervenant 12:10

Ah oui, il loue juste la puissance dont il a besoin.

Intervenant 22:12

C'est ça, une puissance parallélisée à la demande.

Intervenant 12:15

Ce qui nous amène au quatrième pilier, le système nerveux de tout ça en fait. Les réseaux à très haut débit comme la 4G et surtout les processeurs multicœurs.

Intervenant 22:25

Oui, qui sont beaucoup plus rapides et économes en énergie.

Intervenant 12:28

D'accord. Mais avant de parler de toute cette infrastructure, l'article fait une petite mise au point que je trouve hyper importante. Il faut vraiment distinguer la donnée, l'information et la connaissance. C'est

Intervenant 22:40

crucial de faire la différence,

Intervenant 12:42

oui. Prenons l'exemple du texte. Si on a un thermomètre connecté dans un réacteur chimique et qu'il enregistre la température chaque seconde, cette suite de nombres réels, c'est juste la donnée brute. Son entropie est maximale. On n'apprend rien de structuré avec ça.

Intervenant 22:58

C'est juste du bruit en fait.

Intervenant 12:59

Voilà.

Intervenant 23:00

Et pour passer de cette donnée brute à l'information, il faut une première intervention mathématique. Par exemple, on applique un filtre statistique sur ces températures.

Intervenant 13:09

Comme une moyenne.

Intervenant 23:10

Par exemple, oui. Ou vous calculez la variance, vous lissez le bruit de fond. Et là, vous réduisez l'entropie, vous obtenez une information exploitable.

Intervenant 13:19

D'accord. Donc l'information nous décrit un état. Mais l'état bien près, la connaissance, c'est de comprendre les causes, c'est ça ?

Intervenant 23:25

Exactement. Là, on rentre dans la modélisation complexe. On va croiser cette courbe de température avec, je ne sais pas, la pression, le taux d'humidité, la pureté des produits chimiques.

Intervenant 13:36

Ah, je vois. On calcule des matrices de corrélation.

Intervenant 23:38

Tout à fait. Et le but, c'est d'avoir un modèle prédictif qui va dire attention, il y a une anomalie avant même qu'elle soit visible à l'œil nu.

Intervenant 13:45

Et c'est là que la donnée devient vraiment un eldorado scientifique.

Intervenant 23:49

Exactement. Mais pour que ces modèles soient robustes, mathématiquement parlant, il faut la loi des grands nombres. Et c'est ça qui nous amène au fameux 5V du Big Data. Le volume et la vélocité, c'est assez intuitif.