A noter que la transformation des données en “information” peut également passer par la visualisation (représentations graphiques, réseaux…). C’est ce que l’on appelle la “fouille de données visuelle”.
Si les efforts de recherche dans ce domaine sont très importants il y a encore trop peu d’applications grand public de ces travaux.
A noter cependant les efforts de sociétés comme kartoo (www.kaartoo.com) ou iconocast (www.iconocast.fr).

“Pour ma part il me semble que l’intuition sera pourtant au coeur de cette activité et que c’est même elle qui fera la différence entre les bons et les mauvais dataminers. L’intuition c’est la part humaine, subjective, créative, interprétative que l’on applique sur la réalité, dans le but de comprendre et d’anticiper les évènements. Parce qu’aussi brutes que soient les données c’est toujours l’homme qui, au final, les transformera en informations et en connaissances. Pour cela il aura besoin de trouver les sources de données à exploiter et, comme l’ont montré Edouard Chi et Peter Pirolli, du Xerox Palo Alto Research Center, c’est d’abord à son instinct qu’il se fie pour cela. Quant à la créativité, elle lui permettra d’imaginer des croisements improbables de données, susceptibles de générer de la valeur, comme cela est déjà perceptible avec le phénomène des mashups.”

Cependant, quand la donnée elle-même se transforme en équation, je pense que c’est bel et bien la donnée elle-même qui est mise en question. Ainsi quand plutôt que de mettre dans un texte le chiffre de la population de la France, mais de mettre un script qui va chercher ce résultat sur le net par exemple, c’est bien la donnée qui me semble être transformée.

Et puis “l’intelligence des données”, c’est plus lisible que “l’intelligence des traitements”. .

D’abord, et je suis d’accord avec la remarque de Daniel Kaplan http://www.internetactu.net/?p=7274, il me semble plus juste de parler d’intelligence des traitements que d’intelligence des données. C’est aussi ce que pointe Laurent Bastide plus haut. Traditionnellement dans les systèmes d’information, on ne considère pas les données comme intelligentes, c’est l’information produite par les traitements sur les données qui (le cas échéant) peut incorporer une certaine intelligence. Les données ne peuvent avoir qu’un certain niveau de pertinence par rapport aux objectifs implicites ou explicites de celui (individu, organisation ou système) qui l’a collecté et produite.

Dans le cas de l’information fournie par les utilisateurs des outils de type Web 2.0 (ce que les anglo-saxons appellent Volounteered Information – cette notion de volontairement fournie demanderait une investigation à elle seule), la pertinence des données est liée aux objectifs de chacun des utilisateurs et au contexte dans lequel celui-ci le produit (blog, réseau social, partage d’information …). La réutilisation de ces données brutes pour en faire un traitement intelligent, en fonction de buts qui diffèrent nécessairement de ceux qui ont présidé à la collection pose des problèmes très difficiles. D. Kaplan point celui de l’introduction – volontaire elle aussi – de données fausses par simple vandalisme, par intérêt ou par sabotage délibéré. La question de fond me semble donc être la capacité à produire des traitements capables de repérer puis d’écarter (ou de réinterpréter) des données peu fiables, inadaptées ou délibérément erronées.

Un simple exemple :
L’application Walk Score http://www.walkscore.com calcule interactivement un indice de “walkability” du voisinage d’une adresse, en se basant sur les distances à une série d’équipements (restaurants, écoles, bibliothèques, cinémas) localisés volontairement sur Google Maps. La walkability est une politique des villes américaines pour améliorer l’environnement piétonnier des quartiers. Un l’algorithme (non publié) combine les différentes distances plus d’autres indicateurs pour classer le niveau de qualité piétonnière du quartier.
Lancez-le traitement sur une adresse française que vous connaissez et vous constaterez que les équipements déclarés dans Google sont largement fantaisistes. L’indice calculé est peu fiable car l’information volontaire sur Google Maps est faible en France. Il faudrait que les entrepreneurs, commerçants et services publics français soient plus nombreux à se déclarer volontairement sur Google Maps. A un deuxième niveau, l’algorithme semble calé sur une morphologie urbaine et des normes de déplacements nord-américaines, a priori inadaptées à l’Europe. Il faut donc contextualiser l’algorithme et le rendre plus intelligent. A un troisième niveau, il faudra empêcher des propriétaires peu scrupuleux de créer de faux équipements afin d’augmenter l’indice de Walkability de leur voisinage et donc la valeur de leur logement. Il faut donc améliorer à la fois la qualité des données, sans décourager la bonne volonté et améliorer l’intelligence du traitement.

Tout cela va demander un peu d’intelligence et beaucoup de travail …

Attention toutefois à la distinction entre données et informations, la raccourci est peut être parfois un peu rapide.

Bonne journée

Je tiens à signaler un concept qui prend de l’ampleur : l’économie de l’attention
http://www.readwriteweb.com/archives/towards_the_attention_economy_opening_silos.php

Avec une application déja existante pour “enregistrer” ses faits et gestes
http://www.attentiontrust.org/