Big Data : vers l’ingénierie sociale ?

Par le 20/05/14 | 38 commentaires | 4,806 lectures | Impression

9781922070890“La physique sociale, c’est ce qui arrive quand le Big Data rencontre la science sociale”, expliquait récemment Sandy Pentland à l’IdeaCast, le podcast de la Harvard Business Review, en évoquant son dernier livre Social Physics, comment les bonnes idées se diffusent. Pour Pentland, “l’extraction de la réalité” (reality mining) va rendre possible la modélisation mathématique de la société… Et c’est là une révolution scientifique qui s’annonce.

Nous avons souvent évoqué les travaux de Sandy Pentland sur InternetActu.net. Il faut dire qu’il n’est pas n’importe qui. Il est l’un des chercheurs clef du Massachusetts Institute of Technology, comme le souligne le récent portrait que dressait de lui The Verge. Directeur du Laboratoire de dynamique humaine du MIT, il est l’un des 26 directeurs d’un groupe de recherche du Media Lab. Mais il est aussi le codirecteur du programme Science urbaine du Media Lab et le directeur du programme entrepreneurial du Media Lab et membre du conseil d’administration d’un grand nombre de startups et de spin off du MIT lancées par ses étudiants. Et ce dernier point est essentiel pour comprendre combien sa réflexion et ses recherches influent sur la société. Car Social Physics est avant tout une démonstration, une thèse sur l’usage social des données qui a le grand avantage de relier l’ensemble des travaux du chercheur pour leur donner sens. Le livre permet de comprendre ce qui anime l’un des principaux responsables du MIT, l’un des mentors d’un des centres de recherche les plus influents dans le domaine technologique, et, derrière lui, tout le courant de recherche autour de l’analyse de données qu’il nourrit et qui le nourrit. L’une des choses les plus fascinantes de l’ouvrage est d’observer combien chaque démonstration faite donne le plus souvent lieu à un service ou à une startup… Une démonstration qui n’est donc pas qu’intellectuelle, mais qui se prolonge comme un modèle d’affaires et qui permet d’entrer de pleins pieds dans l’impact que souhaite offrir l’analyse de données au monde.

Qu’est-ce que la Physique sociale ?

Pentland fonde son livre sur un concept appelé la physique sociale. “La physique sociale est une science sociale quantitative qui décrit de manière mathématique l’efficacité des connexions entre l’information et le flot d’idées d’un côté et le comportement des gens de l’autre.” C’est un autre terme pour parler de l’analyse des données, des Big Data, et les relier à la fois la science de la complexité née chez les physiciens et les sciences humaines, notamment la sociologie. Comme l’explique Nicholas Carr dans une critique du livre pour la Technology Review, Pentland explique que notre capacité nouvelle à recueillir des données comportementales via les Big Data va permettre aux scientifiques de développer “une théorie causale de la structure sociale” et d’établir “une explication mathématique” de la société.

La physique sociale se veut une méthode pour comprendre et mettre en oeuvre l’ingénierie sociale, c’est-à-dire mettre à jour les lois de la société, non seulement pour comprendre le fonctionnement de notre société, mais pour avoir un impact sur elle. Pour Pentland, le Big Data permet de voir la société “dans toute sa complexité”. La physique sociale “fonctionne en analysant les modèles de l’expérience humaine et de l’échange d’idée à travers les traces numériques que nous laissons tous derrière nous”. L’analyse des données permet désormais au chercheur de devenir “l’oeil de Dieu”, lui permettant d’obtenir une “vraie compréhension du fonctionnement de la société afin de prendre des mesures pour traiter ses problèmes”. Son objectif est de “mieux contrôler l’expérimentation dans nos systèmes sociaux”.

Une nouvelle science ?

Elle se base sur un constat d’échec de la méthode scientifique appliquée aux sciences sociales et se propose de la renouveler et la transformer par les Big Data. Jusqu’à présent, les sociologues devaient travailler avec des données et observations floues, incomplètes, déclaratives… Désormais, l’informatique va nous permettre de remédier à ces lacunes en puisant dans les flux de données qui transitent via nos téléphones, nos capteurs, nos médias sociaux… les scientifiques vont pouvoir recueillir des informations précises et en temps réel sur des millions de personnes.

“Le café est-il bon ou mauvais pour nous ? Et le sucre ? Avec des milliards de personnes qui consomment ces produits depuis des siècles, nous devrions avoir les réponses. A la place, nous avons des opinions scientifiques qui semblent changer chaque jour. Nous avons besoin de raviver les sciences sociales en construisant des livings labs pour tester et prouver les idées pour construire des sociétés construites sur les données.”

Comme toute nouvelle science, celle-ci renverse les outils et les formes de classements précédentes. “Des mots comme “marchés”, “classes politiques” et “mouvements sociaux” façonnent notre façon de penser le monde. Ils sont utiles, bien sûr, mais ils représentent aussi une façon de penser simpliste”, explique Pentland. Le socioscope de l’analyse des données, permettant à la fois de voir le global et le singulier, est un nouvel outil de compréhension du monde, explique Pentland, rejoignant par là même la fascination d’autres chercheurs pour ce nouvel outil d’analyse sociologique, comme l’expriment, avec plus de critiques que Pentland, Bruno Latour ou Dominique Cardon.

14080899362_5820aed06c_z
Image : Sandy Pentland sur la scène de la conférence DLD le 30 mai dernier à New York, photographié par Hubert Burda.

La circulation des idées est au coeur de nos échanges

Durant toute sa démonstration, Pentland exprime une thèse : c’est la circulation des idées qui est au coeur de nos échanges et c’est en favorisant cette circulation que l’analyse des données permettra de transformer le monde, de favoriser et accélérer l’innovation. On retrouve là la position d’un chercheur du MIT, façonné par l’échange des plus stimulantes idées avec les meilleurs chercheurs de la planète, nourri d’un écosystème de stimulation intellectuelle unique au monde et immergé dans un processus constant d’essai/erreur et d’expérimentation.

“Ce que j’ai appris de ces expériences est que beaucoup des idées traditionnelles que nous avons sur nous-mêmes et le fonctionnement de la société sont fausses. Ce n’est pas seulement le plus brillant qui a les meilleures idées, c’est celui qui est le meilleur à récolter les idées des autres. Ce n’est pas seulement le plus déterminé qui mène le changement, c’est celui qui est le plus profondément engagé avec des gens qui partagent les mêmes idées que lui. Et ce n’est pas la richesse ou le prestige qui motive le plus les gens, c’est le respect et l’aide de leurs pairs”.

Reste qu’en voulant démonter les idées reçues, Pentland fait finalement trop souvent la démonstration d’évidences. L’analyse des données ne révolutionne pas toujours la connaissance que nous avions du monde, le plus souvent, elle la conforte. En se focalisant sur la circulation des idées, Pentland montre combien elles sont prises dans la toile de nos relations sociales. “Le pouvoir de la physique sociale vient du fait que la quasi-totalité de nos actions au jour le jour est habituelle, principalement basée sur ce que nous avons appris de l’observation du comportement des autres”. Pour Pentland, l’essentiel de nos comportements se prédit de l’exposition que nous avons de comportements exemplaires d’autres personnes. Nous sommes avant tout des “homo imitant”.

En tant qu’homo imitant nous devons apprendre à gérer et diversifier nos influences sociales

Parmi les nombreux exemples qu’il tire des recherches menées ces dernières années au MIT, Pentland fait notamment référence aux études sur le réseau social de traders, e-toro. En observant les traders les plus performants sur ce réseau social, Pentland montre que lorsque l’influence sociale est trop forte, elle génère des réactions moutonnières, faisant que tous les utilisateurs adoptent la même stratégie qui n’est pas la plus efficace. Pour prendre de bonnes décisions, les investisseurs doivent avoir suffisamment de diversité dans leurs réseaux pour à la fois connaître la norme des comportements et avoir suffisamment de diversité pour être en veille sur des idées nouvelles, surprenantes et inspirantes.

“Les meilleures idées viennent d’une exploration sociale attentive et continue. (…) La sagesse des foules se situe entre l’isolement extrême et la chambre d’écho. Le plus important est la zone intermédiaire. C’est là où l’apprentissage social a lieu.”

Le flot d’idées optimum nait des interactions entre les modèles (qui montrent le meilleur de la norme) et la nouveauté (qui inspire des améliorations aux normes des modèles). Et procède d’un équilibre chiffrable que la physique sociale cherche à mettre à jour.
Bien sûr, reste à comprendre comment se situe cet équilibre relationnel… Ici, c’est le meilleur retour sur investissement qui détermine le meilleur équilibre relationnel. La fin justifie les moyens. Les traders qui avaient recours à un cercle d’investisseurs diversifiés (d’origines géographiques différentes, ayant des stratégies et des portefeuilles variés) pouvaient obtenir un retour sur investissement supérieur de 30% aux investisseurs isolés ou s’inspirant des comportements les plus courants. Une recherche qui a donné naissance à l’OpenBook d’eToro, une plateforme d’investissement social. Tout l’enjeu est bien sûr alors de pouvoir comprendre ce qu’est le comportement courant et comment le dépasser.

Dépasser les chambres d’échos : le risque de l’hyperconnexion

La recherche d’un subtil équilibre entre norme et flot d’idées permet de comprendre pourquoi Pentland est finalement critique face à notre monde hyperconnecté, qui risque à la fois de nous perdre dans un flot d’idées trop diverses pour être exploitées ou dans des chambres d’échos trop moutonnières pour nous éveiller. Dans un monde de chambre d’échos, “la panique et les modes sont les normes” et rendent plus difficile la possibilité de prendre de bonnes décisions. Pour Pentland, nous devons être attentif à d’où nous viennent nos idées et réduire notre exposition aux opinions communes. Et le chercheur d’évoquer la possibilité de construire des outils logiciels – capables de garder la trace de la provenance des idées – pour nous y aider, des sortes de disséminateurs, des outils capables de nous aider à prendre des chemins de traverse plutôt que l’autoroute.

Pour Pentland, la clef de l’intelligence sociale repose dans la diversité. Quand un réseau a trop de boucles, et donc que les mêmes idées circulent encore et encore ou que les canaux de communication externes (ceux qui aident les gens à explorer la diversité) sont trop similaires, alors la circulation des idées s’atrophie par manque de diversité. Et cette critique semble beaucoup s’adresser aux réseaux sociaux numériques. Pour Pentland, à en juger par les études qu’il a pu mener, les technologies numériques ne sont pas un bon moyen pour diffuser de nouvelles idées par rapport aux interactions en face à face, à tout le moins pas tant qu’elles ne permettront de mieux donner corps aux signaux non verbaux de nos modes de communications.

Pour lui, les outils numériques ont tendance à créer des chambres d’échos propices à la circulation des mêmes idées… Sauf que comme nous savons les tracer, nous pourrions développer des outils pour contrecarrer ces effets, instille-t-il.

Pour lui, les médias numériques favorisent la défection, comme le montrent les gens qui ne sont pas en forme, qui tendent à éviter l’e-mail au profit d’interactions téléphoniques ou en face à face. Les médias numériques sont pour la plupart sporadiques, asynchrones et épars, ce qui signifie qu’il est difficile d’avoir une exposition fréquente et répétée au comportement de ses pairs de confiance. Les outils numériques sont meilleurs pour diffuser des faits (ou des rumeurs) que pour diffuser de nouvelles habitudes. Reste qu’il leur concède une efficacité : quand une nouvelle norme est en place, ils peuvent être un bon outil de rappel pour renforcer la relation de confiance, même si les gens sont physiquement séparés…

Cette critique ne l’empêche pas de les utiliser et de recommander leur utilisation dans beaucoup de situations. En Suisse, rapporte-t-il récemment au Times, des étudiants de l’Institut fédéral de technologie ont mis en place un réseau social numérique pour inciter les utilisateurs à faire attention à leur consommation d’énergie, en créant un système de récompense provenant de son réseau social. Une forme d’incitation qui a permis de faire diminuer la consommation d’énergie des participants de 17%… Un modèle quatre fois plus efficace qu’une campagne typique incitant à réduire sa consommation d’énergie.

Les limites du modèle de l’imitation

Reste que si nous sommes des homos imitant, notre capacité d’imitation semble ne pas toujours parfaitement fonctionner. En évoquant de très grandes études de données, comme celles réalisées dans le programme Reality Commons, Pentland montre ainsi que nous avons tendance à prendre du poids si nous sommes exposés à des pairs qui en prennent, mais que cela fonctionne moins quand nous sommes confrontés à des pairs qui en perdent. Si Pentland remarque le problème, il ne l’explique pas vraiment. “Si tous vos amis prennent une seconde part de pizza, nous avons une forte proportion de chance de le faire aussi”, résume le chercheur. Mais qui semble négliger le fait que cela ne marche pas à tous les coups, car si tous nos amis n’en prennent qu’une, visiblement, cela ne signifie pas que nous allons n’en prendre qu’une. Etrange théorie du social qu’on n’utilise que quand elle marche ! Reconnaissons au chercheur son honnêteté à montrer que son modèle est imparfait.

Qu’importe si la thèse semble donc avoir des défauts, pour Pentland, notre exposition aux comportements exemplaires qui nous entourent nous domine. Nous sommes le produit de nos modèles. Et cette corrélation est plus forte que tous les autres facteurs comme l’âge ou le genre…

On peut se poser la question de savoir s’il n’y a pas une déformation de l’approche sociale, de l’explication par le social chez Pentland, et au-delà de lui chez bien des théoriciens du Big Data ? Evoquant une autre étude, montrant que votre taux d’exposition à des gens qui ont la même opinion politique prédit avec précision votre propre opinion, Pentland souligne : “Plus les étudiants sont exposés à des opinions similaires, plus ils ont tendance à avoir une position extrême dans leur opinion”.

Comme on l’a vu dans le gain de poids, “c’est le comportement des groupes de pairs environnants – l’ensemble des exemples de comportements dans lesquels ils sont immergés – qui est la plus puissante force pour conduire le flot d’idées et former l’opinion”. Pour Pentland, la meilleure stratégie d’apprentissage dans des environnements complexes consiste à passer 90% de ses efforts dans l’exploration, pour trouver et copier les bons modèles et ne réserver que 10 % à faire ses propres expérimentations, afin d’adapter ces modèles. Pour lui, la plus forte motivation à la coopération consiste à voir des membres d’un groupe de pair adopter de nouvelles idées. Ce sont les liens sociaux forts qui mobilisent les gens à agir…

“Donner des récompenses pour améliorer les comportements des autres produit une pression sociale qui cause plus de changements comportementaux que donner aux gens des récompenses pour modifier leurs propres comportements”

.

Pour le chercheur, cela signifie que c’est en agissant sur les réseaux sociaux que l’on peut changer le comportement des gens. Selon les expériences menées dans le cadre du programme de recherche Funf (voir cette synthèse (.pdf)), les incitations qui passent par les réseaux sociaux fonctionnent 8 fois mieux que les incitations économiques. Pour Pentland et ses équipes, tout l’enjeu de l’usage de ce type d’outils – comme Funf, un cadre de collecte d’information depuis les téléphones -, est de regarder comment créer des habitudes de comportements plus “saines” en passant par la pression sociale. Comment favoriser des recommandations sociales vertueuses provenant de son réseau social, sur le modèle de ceux promus par l’économie comportementale ?

Pour Pentland, l’analyse des réseaux sociaux permet de comprendre que les incitations pour être efficaces doivent se concentrer sur les gens qui ont le plus de liens sociaux et d’interactions avec les autres. En fait, estime Pentland, pour changer les comportements individuels, il ne faut pas tant chercher à agir sur eux, que se concentrer sur la modification des connexions entre les gens. Pour le dire autrement, l’économie comportementale ne doit pas chercher à modifier les comportements individuels, mais doit agir sur le social. La logique est claire. L’échange entre les gens a beaucoup de valeur pour eux, et c’est en faisant levier sur ces échanges pour générer une pression sociale que nous modifierons les comportements…

Pour Pentland, l’engagement – c’est-à-dire les interactions coopératives répétées – construit de la confiance qui augmente la valeur de la relation. “En d’autres mots, l’engagement construit la culture. Et les incitations sociales accélèrent ce processus et sont plus efficaces que les incitations individuelles.”

Mesurer la coopération : une nouvelle métrique pour les organisations

“La physique sociale nous ouvre de nouvelles opportunités pour promouvoir la coopération”, estime Sandy Pentland. Les études sur la violence de May Lim et Richard Metzler montraient ainsi que la violence de groupe arrive quand une communauté est faiblement intégrée ou quand un groupe domine l’autre… Dans une étude menée avec SenseNetworks sur des millions d’utilisateurs de smartphone, Pentland et ses étudiants ont montré que les facteurs moteurs de la motivation et de la performance d’un groupe traditionnel (à savoir la cohésion, la motivation, la satisfaction…) ne sont pas statistiquement significatifs.

“Le plus important facteur prédictif de l’intelligence d’un groupe est l’égalité de prise de parole. Des groupes où quelques personnes dominent la conversation sont moins intelligents collectivement que ceux où la prise de parole est mieux distribuée.”

En appuyant ses recherches sur les sociomètres développés par Sociometric Solutions (encore une autre des nombreuses entreprises nées des recherches lancées par Pentland, cf. notre critique de son précédent livre, Signaux honnêtes), ces capteurs qui mesurent le ton de la voix, le volume gestuel, le temps de parole, d’écoute et d’interruption et cartographient depuis ces données les échanges sociaux de ses porteurs, Pentland montre que les meilleurs groupes sont ceux qui échangent – en face à face – un grand nombre d’idées (qui favorisent beaucoup de petites interactions plutôt que de rares et longues interactions), denses (permettant de valider et invalider des idées et construire des consensus) et diverses (tout le monde contribue à même niveau de participation). C’est sur ces capacités à échanger que l’on devrait bâtir les indicateurs de performance des groupes.

soiometricsbagesdata
Image : ce que mesurent les sociomètres, image extraite d’un tiré à part de la Harvard Business Review sur la nouvelle science pour construire des grandes équipes (.pdf), signée Pentland.

Avec de tels systèmes de mesures, Pentland et ses équipes estiment pouvoir apporter des solutions aux problèmes de créativité des entreprises. La créativité explique-t-il dépend de la découverte de nouvelles idées (l’exploration) et de leur intégration dans de nouveaux comportements (l’engagement). En étudiant les interactions entre les employés d’une banque pendant un mois équipés de badges sociométriques, les équipes de Sandy Pentland ont pu souligner le manque de discussion de tous les services avec le service client. Leur solution, redistribuer les bureaux pour que les employés du service client ne soient plus isolés pour favoriser les interactions sociales… Un changement simple qui a rapidement remédié aux problèmes de coordination de cette organisation permettant au service client de mieux partager l’information et de faire des campagnes de publicité plus efficaces et réussies.

mappingcommunication01
communicationmap02
Image : les explications visuelles de l’étude des échanges au sein de la banque entre les différents services à travers le temps. En vert, les échanges physiques. En gris, les échanges par e-mail. Les graphiques montrent, sur les jours 2 et 6 que l’essentiel de la communication se fait par e-mail et que le service client est très isolé. Le 23e jour, tout a changé : les échanges par e-mail sont devenus moins fréquents que les échanges en face à face, et le service client n’est plus aussi isolé. Images extraites du tiré à part de la Harvard Business Review sur la nouvelle science pour construire des grandes équipes (.pdf), signée Pentland.

Rendre visible nos interactions pour obtenir une rétroaction

Récemment dans le Financial Times, Gillian Tett revenait sur un autre exemple d’une expérience menée avec le centre d’appel de la Bank of America. Là encore, après avoir recueilli les données des sociomètres portés par 80 employés pendant 6 semaines, celles-ci ont montré que, pour que le centre d’appel fonctionne en continu, les employés étaient tenus très isolés les uns des autres. En autorisant des pauses cafés de manière non structurée, les employés ont pu se remettre à échanger entre eux, ce qui a eu pour effet une amélioration spectaculaire des performances, parce qu’ils pouvaient enfin échanger des idées pour remédier aux difficultés auxquels ils étaient confrontés (une augmentation des performances de 23% et une diminution du stress des employés de 19%, affirment les responsables de Sociométric Solutions).

“Quand nous observons le grain fin des modèles d’interaction dans une organisation, nous trouvons des régularités mathématiques qui permettent de mesurer de manière fiable la performance de l’organisation et de prédire comment elle va réagir à de nouvelles situations”, souligne Sandy Pentland, sûr de sa science, sans nous la livrer tout entière.

Puisque montrer le flot d’idées affecte l’intelligence collective des groupes et des organisations, tout l’enjeu est donc de rendre visibles les schémas et modèles d’interaction pour obtenir une rétroaction comportementale. Depuis les badges sociométriques, les équipes de Pentland ont imaginé le Meeting Mediator system (.pdf), afin de permettre aux gens d’être conscients de leurs interactions révélées par les badges sociométriques. D’autres étudiants de Pentland ont lancé Cogito, un logiciel qui analyse le stress des clients pour les calls centersL’important dans l’échange d’idée, n’est pas ce qui est dit… mais l’interaction elle-même.

sociometricfeedback
Image : visualisation du feedback des sociomètres sur un smartphone. A gauche, la participation est équilibrée. A droite, l’élément Y monopolise la conversation. Via Information Playground.

D’une manière surprenante, Pentland souligne que l’important dans l’engagement n’est pas ce qui est dit. Les sociomètres ne s’intéressent absolument pas aux propos des uns et des autres, juste aux signaux sociaux, ces signaux honnêtes qu’il évoquait dans son précédent livre, qui portent sur le langage du corps, le ton de la voix, la manière dont les uns et les autres font circuler la parole… “Les groupes les plus performants sont synchrones les uns avec les autres”.

Et Pentland de livrer une critique acerbe du modèle hiérarchique des organisations :

“Trop longtemps, le modèle hiérarchique a tété le modèle des organisations. Les travailleurs étaient dans des cubes faisant des tâches indépendantes et leurs productions étaient poussées à d’autres travailleurs anonymes pour un nouveau stade du processus. Pour surveiller l’ensemble, on a mis en place des checklists, du contrôle qualité et un management central… C’est pourquoi les organisations sont si inefficaces et lentes à changer. Dans ces organisations, les travailleurs ne s’entraident pas et n’apprennent pas des bonnes pratiques ou ne conservent pas un haut niveau de performance. Et parce que les travailleurs ne sont pas engagés dans le management, aucun n’a la possibilité d’apprendre des autres, et donc le processus d’affaires demeure rigide et inefficace. Par contraste, des organisations sur le modèle de Wikipédia, ont des échanges en continu entre contributeurs et éditeurs qui conduisent au développement de modèle d’interaction qui évolue pour répondre aux besoins d’une entreprise qui grandit vite. La pression par les pairs autour de ces habitudes d’interaction produit une activité coordonnée d’une manière très efficace et efficiente.
Confronté au changement, un groupe a besoin de créer et renforcer de nouvelles habitudes d’interaction pour l’aider à s’adapter à de nouvelles circonstances. Des changements dans le réseau d’interaction agissent comme des incitations dans le réseau social, et le désir de réduire le stress conduit au développement de nouveaux modèles d’interaction.”

Faire des villes des modèles de circulation des idées

Dans la dernière partie de son livre, Sandy Pentland projette ce que l’analyse de données lui a appris des organisations et des entreprises au modèle urbain, en s’intéressant là encore à la circulation des idées plus qu’à la circulation des biens. Car l’enjeu n’est pas seulement de créer des villes plus efficaces en terme de trafic, d’énergie, de transport… grâce à l’analyse des comportements des gens en temps réel que permettent les Big Data… Il est avant tout, pour lui, de favoriser la créativité. Comment inciter les gens isolés à s’engager avec les autres et ceux qui sont trop interconnectés à explorer le monde au-delà de leurs contacts habituels ?

Traditionnellement, on a tendance à penser que notre tendance à explorer notre environnement diminue à mesure qu’on y habite. Mais ce n’est pas si vrai. Les gens les plus riches utilisent leurs ressources pour créer de la diversité. Leur taux de changement d’habitudes d’achat n’est pas plus élevé que le reste de la population, mais ils utilisent leurs ressources pour satisfaire leur motivation sociale à la curiosité et à la diversité. Les plus pauvres ont le même niveau de socialisation en face à face ou au téléphone que les plus riches, rappelle Pentland, mais leur niveau de ressource limite la diversité de leur environnement.

“Quand une famille a plus d’argent, elle change son équilibre entre engagement (contact avec des gens familiers) et exploration (non familiers) afin d’obtenir plus de diversité dans les gens avec qui interagir. Elle utilise son surplus d’argent pour améliorer l’exploration. La relation entre le niveau de revenu et le niveau d’exploration est assez prévisible. Le modèle de la force des liens faibles s’avère exact. L’exploration n’apporte pas plus de richesse, mais la richesse permet aux gens plus d’exploration sociale, notamment parce qu’elle rend les gens plus confiants pour explorer de nouvelles opportunités sociales. Et cette exploration sociale est plus motivée par le besoin de contacts sociaux que par la recherche de richesses.”

Pour Pentland, reprenant et affinant d’une certaine manière les idées d’un Richard Florida sur la classe créative, la productivité d’une ville peut-elle être prédite par la manière dont voyagent les idées et la façon dont les citoyens accèdent à ces nouvelles idées. Et ce niveau de circulation des idées est intrinsèquement fonction de la facilité d’accès et d’interaction entre les habitants d’une même ville.

Image : la cartographie de l’employabilité de New York, développé par le Regional Plan Association, permet de voir, selon l’endroit où vous habitez la géolocalisation des emplois disponibles par secteurs selon la distance qui vous en sépare exprimée en durée de transport. Un outil qui permet de regarder le transport new-yorkais sous l’angle de l’accès à l’emploi, permettant de répondre à la question : quelle est la qualité de votre accès à l’emploi selon les modalités de transports disponibles… Une illustration didactique des idées de Sandy Pentland ? Via A lire Ailleurs.

Plusieurs facteurs affectent cette circulation des idées. A Pékin, les problèmes de circulation la divisent en une multitude de petites villes avec des capacités de transports limitées entre elles. Au final, Pékin n’a pas une plus grande circulation d’idées que des villes moins denses, mais dotées d’un meilleur réseau de transport public. Pour Pentland, “l’échec de la plupart des villes réside dans le fait qu’elles favorisent la ségrégation par fonction”. Elles doivent construire l’exact inverse, et améliorer les distances sociales (c’est-à-dire améliorer la densité des liens sociaux) en améliorant avant tout… les infrastructures de transport. Pour améliorer la créativité, les affaires, la culture, il ne faut pas tant porter attention à ces secteurs que maximiser l’exploration en rendant les transports publics abordables par exemple. Pour le prof du MIT, il nous faut “ingéniérier” les villes sur le modèle des centres de recherches et des campus pour favoriser l’engagement et l’exploration. Tout l’enjeu des sociétés conduites par les données (data-driven societies) est de promouvoir un plus grand échange d’idées entre les individus, pas seulement dans le cadre des entreprises ou des organisations sociales.

Nous avons besoin d’une physique sociale pour passer de systèmes basés sur des moyennes et des stéréotypes à des systèmes basés sur l’analyse des interactions individuelles, conclut Pentland, comme il cherche à le faire avec le Mobile Territorial Lab en Italie par exemple. Pour lui, les outils statistiques traditionnels et les flux de données ne suffiront pas à analyser ces interactions.

“Avoir une science de la société mathématique et prédictive qui inclue à la fois les différences individuelles et les relations entre les individus a le potentiel de changer radicalement la façon dont les autorités, les managers et les citoyens pensent et agissent”. Pour Pentland, dans la continuité des propositions de l’économie comportementale, les incitations sociales sont amenées à devenir de nouveaux outils pour favoriser certains comportements, en plus de la concurrence, des réglementations et amendes, outils traditionnels de la régulation.

L’objectif des Big Data : alimenter le social plutôt que le circonscrire

Contrairement à l’enseignement que tire Nicholas Carr du livre de Pentland (cf. “Les limites de l’ingénierie sociale”), à mon sens, ce qui est intéressant dans la perspective que dresse Pentland, c’est qu’il assigne un objectif aux Big Data. Celui de prendre en compte notre comportement social et pas seulement de le réduire. De faire que la perspective sociale que l’on peut extraire des données alimente le social plutôt qu’elle ne le circonscrive. Le problème est que tous les scientifiques qui travailleront depuis ces vastes ensembles de données n’auront peut-être pas les mêmes objectifs altruistes. Les sociétés guidées par les données n’auront pas toutes comme enjeu de comprendre l’humain. Pour lui, la main invisible des marchés est plus due à la confiance, à la coopération et aux propriétés robustes des réseaux d’échanges de personne à personne qu’à n’importe quelle magie du fonctionnement des marchés. Depuis les Big Data, Pentland prône un monde plus inclusif, où quand une personne tire un bénéfice, c’est la société tout entière qui en bénéficie. La physique sociale est un enjeu social, un enjeu d’intelligence collective qui a pour but de découvrir les meilleures idées et les faire coopérer pour s’améliorer.

Dommage que tous les scientifiques des données ne soient pas ses étudiants et que toutes les entreprises qui mettront à leur service les Big Data ne soient pas une de ces spin-off dont il est au Conseil d’administration. Nous aurions tous besoin d’être les élèves de Sandy Pentland.

Hubert Guillaud

Rétroliens

  1. Big Data : vers l’ingénierie socia...
  2. Big Data : vers l’ingénierie socia...
  3. Big Data : vers l’ingénierie sociale ? « InternetActu.net | raimanet
  4. Big Data : vers l'ingénierie sociale ? |...
  5. Big Data : vers l'ingénierie sociale ? -...
  6. Big Data : vers l'ingénierie sociale ? -...
  7. Big Data : vers l’ingénierie socia...
  8. Big Data : vers l'ingénierie sociale ? -...
  9. Somewhere else, part 136 | Freakonometrics
  10. Big Data : vers l’ingénierie socia...
  11. Big Data : vers l'ingénierie sociale ? -...
  12. Piche (piche) | Pearltrees
  13. Big Data | Pearltrees
  14. Mémoire | Pearltrees
  15. Big Data : vers l'ingénierie sociale ? -...
  16. Big Data : vers l’ingénierie socia...
  17. Big Data : vers l'ingénierie sociale ? -...
  18. Collaborer | Pearltrees
  19. Lu cette semaine (weekly) | relation, transformation, partage
  20. #DigitalFirst | Frédéric Clavert
  21. Proxem » La lettre du 26 mai : les big data sont un outil de réduction des coûts
  22. Quand les données numériques perm...
  23. Big Data : vers l’ingénierie sociale ? | Tinkuy - Ingénierie en Intelligence Collective
  24. Web : outils, usages, technos, trucs & astuces | Pearltrees
  25. Quid de l’ingénierie sociale ? | Actu responsable
  26. Big Data : vers l'ingénierie sociale ? |...
  27. Ciencias sociales | Pearltrees
  28. Big data, vers l’ingénierie sociale ? (lecture de) | relation, transformation, partage
  29. La démesure est-elle le seul moyen pour changer d’outil de mesure? | ELISHEAN
  30. La surveillance n’améliore pas la productivité | InternetActu
  31. FENATRACOOP | Monitoramento não melhora a produtividade
  32. Prospectibles » Big Data, petite synthèse : quelle évolution ?
  33. #DigitalFirst | L'histoire contemporaine à l'ère numérique

5 commentaires

  1. C’est bien joli, mais il y a un truc qui manque, un truc essentiel qui a été mis en sourdine depuis que Von Foerster a proposé a Nobert Wiener d’appliquer aux conférences Macy (de cybernétique), les principes mêmes de la cybernétique, ceci sans obtenir de réponse de sa part. Cette question que les cybernéticiens considèrent comme implicite mais n’affrontent jamais directement, c’est celle de la rétroaction des modèles sur le comportement des agents. En gros : nous sommes aptes à conduire parce que nous croyons être dans une voiture, au point de dire “j’ai crevé” quand un pneu est dégonflé. De même, nous sommes aptes à vivre en société si pré-existe un modèle de société relativement partagé. Avec les Big Data, la question devient criante. En effet, on confie notre modèle de société à des algorithmes en espérant que le miroir qu’ils vont nous tendre suffira à nous organiser en société. Mais on oublie de dire qu’il y a un fort risque ces algorithmes soient créés et manipulés par des gens qui se soustraient leurs propres miroirs. Dès lors, comme Cliff Jocelyn (Pacific Northwest National Laboratory, ex Los Alamos) se l’est demandé (en off) lors de notre denier séminaire du Global Brain Institute :

    “What will stop the Global Brain from being just the information oligarchy?”

    Qu’est qui l’évitera ? Peut-être certaines réflexions menées loin du MIT, en utilisant à peine plus qu’un papier et un crayon.

    Les banquiers de la pensée
    http://www.cuberevue.com/les-banquiers-pensee/3345

  2. @OlivierAuber : La rétroaction des modèles sur le comportement des gens… Il me semble que c’est bien ce dont parle Pentland, justement. Quant au modèle de société, il en propose un, fondé sur l’optimisation de la circulation des idées… Ce qui ne semble pas si caricatural. Oui, oui ! Nous sommes tous d’accord sur les limites des Big Data… Mais pour une fois, il me semble que Pentland entrouvre un peu ce qu’on pourrait en faire qui ne soit pas uniquement un asservissement, ou la descendance des premières armes comme le dit Jean-Louis Dessalles que tu évoques.

  3. Ah zut, j’ai été obligé de vraiment lire ton article pour répondre à ta critique de ma critique ;-)

    Je retrouve la même impression que lors de mon premier survol : Pentland semble très mal à l’aise avec cette question de la rétroaction des modèles. Il oscille entre réductionnisme, scientisme, solutionnisme, affairisme, behaviorisme, et plein d’autres attitudes en isme. Quand il lâche l’ombre d’une auto-critique, cela ressemble à du snobisme. Tu signales qu’il a des critiques autorisées – on reste dans l’élitisme. Son modèle de société : “l’optimisation de la circulation des idées”, okay, mais optimal pour qui ? Les traders ? En dernier ressort, il avoue : “la clef de l’intelligence sociale repose dans la diversité”. Ouf ! Mais alors pourquoi fabrique-t-on tout ce BigBazard centralisé entre quelques mains ?

    Le grand mérite de ton article est de montrer que nous sommes en train de créer un système de computation sociale reposant sur des bases théoriques extrêmement floues, mais dont le résultat pratique est un scission entre les computés et les computeurs. On retrouve l’arme de scission et de dissuasion dont je parle dans mon papier. Un autre voie consisterait à comprendre ses mécanismes et à former nos regards pour tenter de la désamorcer.

  4. par JF ceci

    Merci pour cet article qualitatif et dense.
    Merci aussi pour les commentaires qui apportent d’autres perspectives…
    Je pense que pas grand chose ne vous sépare si ce n’est la frontière entre vulgarisation et recherche positionnée peut être différemment. Sauf a viser un public différent…
    J’ai appris via cet article et aussi qu’il reste bcp a apprendre sur ce sujet via les commentaires.
    Bravo pour votre engagement a communiquer vos connaissances !

  5. “the extraction of reality” (reality mining) will make possible the mathematical modeling of society … And that is a scientific revolution ahead. ”

    I totally agree, in theory. In practice, this will be the hottest political football and class-warfare arms race in history.