A0760 Luttons contre le réchauffement sémantique !

En écoutant les discours sur le big data qui passe son temps à essayer de deviner ce que nous faisons,  pensons, désirons  à notre insu, à travers les réseaux sociaux et les caméras de surveillance, au prix d'une dépense énergétique croissante, il peut nous venir  une drôle d'idée bizarre:

"Ah, s'il existait une application où chacun  serait tenu de déclarer en détail  à tout moment tout ce qu'il fait et tout ce qu'il pense, ça permettrait de fermer quelques centaines de centrales nucléaires et thermiques qui ne servent aujourd'hui qu'à faire tourner les algorithmes d'intelligence artificielle qui nous traquent"

Big brother ou big data il faut choisir !

A0757 Une idée d'application pour augmenter la fortune des GAFA

Google -ou les autres- analysent en permanence  nos conversations, chat, courriels...

Par apprentissage automatique, ils identifient les meilleurs moyens de nous faire changer d'avis au cours d'une conversation.

Ils lancent alors dans la nature des milliards d'agents conversationnels automatiques intelligents et apprenants qui passent leur temps à nous faire prendre les décisions qui les arrangent, au cours de conversations bien menées.

A0755 Innovation et Big Data

Par définition, l'innovation est ce que le big data ne peut pas découvrir

A0754 Différence entre scientiste et data scientist

Quelle est la différence entre les scientistes du 19 ème siècle et les data scientists du 21 ème siècle?

Les scientistes disaient: "on a tout découvert"

Les data scientists disent: "on va tout découvrir"

A0750 Différence entre Open Data et Big Data

Vous vous souvenez, juste avant que l'on parle de big data, on ne parlait que de open data. Et maintenant, ça a presque disparu des radars.

Pour comprendre la différence:

L'open data c'est la liste des toilettes dans Paris:

http://opendata.paris.fr/explore/dataset/sanisettesparis2011/

Le big data, ça sera le jour où ces toilettes seront bourrées de capteurs qui enverront  leurs mesures en temps réel vers tel ou tel GAFA NATU "pour améliorer le service".

Rassurez-vous, l'argent n'a pas d'odeur.

A0744 Un paradoxe du big data

Lors d'un colloque de très haut vol sur le big data, une table-ronde avec des intervenants très écoutés nous a expliqué avec un égal enthousiasme que:

-- en matière de big data ce sont les algorithmes les plus simples et les plus anciens qui marchent le mieux

-- la France va devenir leader mondial du big data car nous avons les meilleurs mathématiciens du monde

A0723 Deux contradictions du Big Data

Si le futur est prévisible, on n'a pas besoin de traiter beaucoup de données puisque l'on aura  déjà calculé pas mal de choses observables.

Si le futur n'est pas prévisible, on n'a pas besoin de traiter beaucoup de données  puisque les calculs seront faux.

Où est le juste milieu d'utilité du big data ?

A0678 Colloque "Les Systèmes Complexes face au Tsunami Exponentiel du Numérique": les Videos arrivent

Premières videos de ce colloque organisé au Pôle Universitaire Léonard de Vinci:

Jean Rohmer: L'informatique n'est pas l'amie des données

Jacques Printz: Ingéniérie des Big Data: risques et opportunités

Philippe Picard: Big Data et Prévision

A0676 L'informatique n'est pas l'amie des données

Voici un lien vers la présentation que j'ai faite au colloque GREC-O "Les systèmes complexes face au tsunami exponentiel du numérique".

Pour moi, une donnée est une phrase entière, un énoncé.

J'y explique que l'ordinateur "matériel" n'a pas été fait pour traiter les données, les langages "logiciels" de programmation non plus.

Et que cela handicape beaucoup les utilisations de l'informatique.

Titres des pages:

• L’ordinateur n’a pas été fait pour traiter les données
• Les langages de programmation n’ont pas été faits pour traiter les données
• Dans un ordinateur, les données sont abandonnées
• Pyramide de l’information ou tarte à la crème ?
• Construire le réseau social des données

A0672 24-25 Juin Colloque "Les Systèmes Complexes Face au Tsunami Exponentiel du Numérique"

Au pôle universitaire Léonard de Vinci, Paris La Défense

Inscription gratuite et obligatoire ICI

Les systèmes complexes (techniques, humains, économiques) sont souvent vus comme des élaborations, des émergences issues de longues évolutions et adaptations, comme des réseaux et structures d’échange et d’équilibre élaborés parfois au cours des siècles. Comment se comportent ces systèmes quand ils sont frappés comme aujourd'hui par le tsunami exponentiel du numérique? Tsunami exponentiel, au sens où la vague de demain sera deux fois plus forte que la vague d’aujourd’hui. 

Programme détaillé

Première demi-journée : 24 Juin Matin

Données et Complexité

·         9h30 : Mot d’accueil,  Benoit Aubert, Directeur du Développement, Pôle Universitaire Léonard de Vinci

·         9h40 : Introduction, Jean Rohmer, Président du GREC-O, Directeur de la Recherche, ESILV

·         9h50 : Panorama du Big Data, Michel Bloch, Groupe Emergence

·         10h20 : Big Data et  Complexité,  Alexandre  Makarovitsch, Groupe Emergence, AFSCET

·         10h50 :  Pause

·         11h20 : Big Data et Prévision , Philippe Picard, Groupe Emergence       

·         11h50 : Ingénierie des Big Data : Risques et opportunités, une lecture systémique, Jacques Printz , Professeur Emérite du CNAM

·         12h20 : Libres propos sur les données, les algorithmes et l’intelligence artificielle, Jean Rohmer, De Vinci Technology Lab.

·         12h45 : Pause Déjeuner

Deuxième demi-journée : 24 Juin Après-Midi

Ethique et Organisations Humaines face au Numérique

·         14h15 : Débat : Comment transmettre la « Pensée Complexe » ?  Recherche, Enseignement, Entreprises, Associations …

·         15h45 : Pause

·         16h15 : Éthique et valeurs: des concepts indépendants pour une dynamique managériale, Michel Dalmas, De Vinci Business Lab

·         16h45 : Valeur et Véracité de la donnée, Thierry Berthier,  Université de Limoges, Chaire  de Cyberdéfense Saint-Cyr, Thales, Cap  Sogeti

·         17h15 : Pour une approche éthique de l'utilisation des Big Data: un partage de la réflexion en 2015, Gérard Balantzian, Groupe Emergence

·         17h45 : Fin de la journée

Troisième demi-journée : 25 Juin Matin

Innovation, Données et Simulation

Avec ateliers pratiques de modélisation et de simulation sur machines

De 9h à 12h30 : Les participants sont invités à venir avec leur ordinateur portable. La matinée sera organisée en deux ateliers se tenant chacun dans une salle. Les participants seront répartis en deux groupes, qui permuteront de salle au milieu de la matinée.

SALLE MASA, avec Jeremy Chanut, Yann Prudent, MASA Group

Théorie et pratique  sur l’atelier de  modélisation et de simulation multi-agents de MASA  Group

 SALLE IMA, avec Pierre Chauvet, IMA UCO

Théorie et pratique de simulation de processus discrets avec l’atelier  ARENA

Théorie et pratique des réseaux de neurones artificiels ; application aux géostatistiques et à la construction d’une carte de densité

Quatrième demi-journée : 25 Juin Après-Midi

Gestion des Risques et financement de l’innovation

·         14h : Mesure des risques et la financiarisation de l’innovation, Stéphane Chauvin, MyDataBall

·         14h20 : La matière de l’assurance,  c’est  la société ! Michel Revest, Covea 

·         14h40 : Titre à confirmer, Thomas Grizel, arsene-taxand, Consultant en Financement de l'Innovation

·         15h : Management Global des Risques des systèmes complexes : une activité de R&D innovante ?, Francis Claude, directeur de la recherche de RiD Lab,  IRC/ESTP Université Paris Est et Sébastien Nouet, EMLV

·         15h30 : Les enjeux de la connaissance du client, Marc Tibi, BNP Paribas

·         16h : Pause

·         16h15 : Présentation du Livre Blanc « Gestion du Risque », Représentant du Pôle de Compétitivité Finance Innovation, Valéry Jost, Délégué général, AGIPI

·         16h45 : Présentation du Livre Blanc «Innovation et Transition Numérique dans l’Assurance», Représentant du Pôle de Compétitivité Finance Innovation, Gontran Peubez, Deloitte

17h15 : Conclusion du Colloque, Jean Rohmer, Président du GREC-O

17h30 : Fin du Colloque

.

·      .

A0639 Mode Innovation Progres

Prenons l'exemple du Big Data

Le Big Data est à la mode.

Les entreprises sont enjointes d'innover en lançant des applications du Big Data.

Problème: les entreprises manquent de personnels compétents.

Normal: pour former des personnels de haut niveau, par exemple via des thèses, il faut 1 an pour se décider et trouver des candidats, 3 ans pour passer la thèse, 2 ans pour les recruter dans une entreprise et les avoir suffisamment appréciés pour leur confier des projets significatifs.

6 ans en tout pour passer de la mode à une situation où un progrès réel pourra commencer à être mis en oeuvre.

Le délai sera du même ordre pour lancer des formations nouvelles en écoles d'ingénieurs et Masters et mettre au travail les nouveaux diplômés.

Le problème, c'est que dans 6 ans, on se sait pas si le big data sera encore à la mode.

Et qu'il y a 6 ans, on ne savait pas que qu'il serait à la mode aujourd'hui.

C'est facile d'ironiser (si, si ..).

En 1995,  d'éminents décideurs -dans les Telecom en particulier- expliquaient aux plus hautes autorités de l'Etat qu'Internet était une mode qui ne durerait pas plus de 6 mois.

On en revient toujours à cette question: "A quelle vitesse faut-il aller vers le futur" ?

A0628 La modélisation de la politique, ça n'a rien de complexe !

Au café du Commerce:

Bah, Monsieur, la politique, c'est pas compliqué! Prenez par exemple la question des dépenses publiques en période de crise. C'est facile de comprendre les positions des uns et des autres:

• La Gauche est pour l'augmentation du nombre des fonctionnaires
• La Droite est pour la diminution du nombre des fonctionnaires
• L'Extrême Gauche est pour l'augmentation du nombre des bénéficiaires
• L'Extrême Droite est pour la diminution du nombre des bénéficiaires

De là à ce qu'un programme de Big Data trouve ça tout seul automatiquement en analysant des dizaines de milliers de déclarations politiques ...

A0604 Une conséquence imprévue du big data prédictif

Plus on a de données, plus on peut prédire l'avenir

Mais alors, si on sait ce qui va se passer, on a moins besoin de données

On sait déjà tant de choses

Donc plus on a de données, moins on a besoin de données.

Cherchez l'erreur.


PS: J'avais au début frappé:  "le big data préFictif"

A0583 Viva MAGNA DATA ! Viva Axelle Lemaire! Sus aux big data!

La Secrétaire d'Etat au Numérique hier soir à Cap Digital:

"Utilisons nos propres mots pour nommer nos propres concepts"!

"Parlons en Europe de "MAGNA DATA" plutôt que de Big Data"

Enfin une résistance au tout anglais!

De plus, Axelle Lemaire motive ainsi le choix de cette expression:

-- c'est européen: c'est du latin

-- c'est aussi une allusion à la "MAGNA CARTA" de 1215, ainsi résumée dans Wikipedia:

Cette « Grande Charte des libertés d'Angleterre » garantit le droit à la liberté individuelle. Elle limite l'arbitraire royal et établit en droit l'habeas corpus qui empêche, entre autres, l'emprisonnement arbitraire.

Une référence précieuse face aux  menaces potentielles du Big Data sur les libertés.

Et quelle bouffée d'air frais de voir un haut responsable politique -qui plus est  dans le domaine des NTIC- afficher courageusement sa francophilie linguistique. Il faut dire qu'elle connaît l'ennemi: elle a travaillé de longues années à la Chambre des Communes.

Longue vie au "MAGNA DATA"!

(qui est correct grammaticalement: pluriel du neutre  datum)

A0522 Big Data et Traitement de l'Information: pourquoi c'est si difficile

Les données naturelles, libres, ouvertes, c'est difficile de les structurer

Les données structurées, c'est difficile de les ouvrir, les libérer, les rendre naturelles

A0521 Quand le numérique bat en retraite

Vive le numérique et le big data!

Il s'avère impossible de calculer le montant de la retraite que touche chaque retraité français, qui est la somme en général de plusieurs régimes.

Chacun d'eux touche bien certains montants à certaines dates, et sait parfaitement quel est le montant de "sa retraite", mais construire une application informatique qui fasse l'addition de ces quelques chiffres relève de la totale impossibilité.

Cela mérite quelque méditation, non ?

Voir cet article:
http://www.toutsurlaretraite.com/pas-de-revalorisation-des-petites-retraites-au-1er-octobre-2014.html

Extraits:

Une « usine à gaz »

Le gouvernement a semble-t-il sous-estimé la complexité de ce système puisque le report de la revalorisation des « petites pensions » résulterait « d'obstacles juridiques et techniques », auraient justifié la direction de la Cnav et les représentants de l'Etat. Dans son rapport annuel sur les finances publiques paru le 25 juin, la Cour des comptes avait déjà pointé les difficultés techniques de la mise en œuvre de la mesure.

Pour savoir si le retraité perçoit au total plus ou moins de 1.200 euros de pensions par mois, il faut que les différents régimes de retraite communiquent entre eux. Des masses énormes d'informations à traiter en peu de temps qui posent également des problèmes de confidentialité des données personnelles. Au point que même l'étude d'impact de la LFRSS pour 2014 avait prévu un retard. « Un rattrapage serait alors opéré au titre du ou des arrérages de pension qui n'auraient pu faire l'objet de la revalorisation », stipule le document.

L'article ajoute que l'on est dans l'impossibilité de donner une date pour la résolution de ce problème...

Comme dit dans :
http://plexus-logos-calx.blogspot.fr/2014/08/a0511-une-catastrophe-informatique-en.html 
 je considère que cette situation relève d'une insuffisance fondamentale dans la nature de l'informatique actuelle, et non, comme on le dit souvent, de l'incompétence ou de l'impéritie des personnes, maîtres d'ouvrage ou maîtres d’œuvre, chargés de mener ces projets.
Les insuffisances techniques et conceptuelles de l'informatique contemporaine finissent par décourager les meilleures volontés.

A0520 Reductio ad Numericum

Il y a certainement des tenants du big data et de l'apprentissage automatique ("machine learning") qui croient qu'en observant pendant assez longtemps  les entrées-sorties d'un circuit de microprocesseur contemporain ils pourraient reconstituer le plan détaillé des milliards de transistors qu'il contient.

Et au passage réinventer l'architecture de Von Neumann

Bon, je me moque.

Mais  s'ils avaient raison ?

A0519 De Natura Numericum: Intelligence Artificielle, Intelligence Naturelle et Super Calculateurs

L'homme exerce son intelligence avec très peu de données, et très peu de modèles généraux.

Très peu de données: 
A la simple lecture de quelques lignes d'un courriel, d'un billet de chat ou de blog, nous nous forgeons une opinion et prenons des décisions

Très peu de modèles généraux:
Nous sommes bien incapables de formaliser comment se décantent  nos décisions et comment  s'élaborent nos opinions

Comment voulez-vous dans ces conditions qu'en mettant beaucoup de données et beaucoup de modèles dans des supercalculateurs, on fasse émerger quelque chose de commensurable à l'intelligence humaine ? Question à poser aux tenants de la singularité.

La question est alors  de caractériser "ce" qui pourrait éventuellement émerger de ces grosses machines ainsi gavées.

A0510 De Natura Numericum: Les Big Data entravées par les Bad Data

Voir: http://www.computerweekly.com/news/2240227682/Poor-data-quality-hindering-government-open-data-transparency-programme

Ça alors! Il y a des gens qui découvrent qu'il est très difficile de choisir comment représenter des données,  d'entrer des données dans un ordinateur, de savoir ce qu'elles veulent dire, de mélanger deux sources de données, ou trois ou quatre, ou mille, et de trouver un moyen simple pour que vous et moi naviguions dans tout ça sans effort, et prenions en conséquence de belles décisions.

Voilà ce que c'est de privilégier les usages à la science de l'information.

A0507 De Natura Numericum: Like or Kill, les deux facettes du numérique

Les reportages sur les "militaires"  "pilotes" des drones tueurs, depuis leurs bases américaines sont très impressionnants.
Tout cela repose sur une colossale infrastructure numérique de capteurs, transmetteurs, bases de données, analyseurs d'image, systèmes d'aide à la décision, big data, études d'ergonomie .. qui est une splendide application du web contemporain.

D'un point de vue ergonomique, je suppose qu'il y a un gros bouton "KILL" qui apparaît au bon moment sur le bon endroit de l'écran de la bonne personne.  Il reste tout de même à cliquer. Ainsi, la supérieure noblesse de la décision purement humaine est éthiquement préservée.

KILL, KILL, ça fait penser à quelque chose d'autre venu aussi d'outre-atlantique.

Oui, bien sûr, au LIKE de Facebook. C'est juste l'inverse, non ?

Voilà les deux facettes, en symétrie quasi parfaite, mobilisant les mêmes technologies, avec la même ampleur, du monde numérique contemporain.

LIKE it or KILL it, quelle belle illustration de notre monde binaire.

LIKE "I.T." or KILL "I.T." ?

Mais n'est-il pas trop tard ?