Parfois appelé "l'internet des choses", Big Data est arrivé. Il va «remplacer les idées, les paradigmes, les organisations et les façons de penser sur le monde», a déclaré le professeur Brynjolfsson, directeur du Centre for Digital Business du MIT lors d'une récente conférence. Eh bien, peut-être. Mais cela vaut la peine de penser à ce qu'il ne pourrait pas faire.
Comme Steve Lohr l'a dit dans sa revue de fin d'année dans le New York Times, de telles affirmations reposent sur le principe que des données comme les pistes de navigation Web, les signaux de capteurs, le suivi GPS et les messages de réseaux sociaux mesurer et surveiller les gens et les machines comme jamais auparavant. »Les algorithmes informatiques, utilisant ces données, nous permettront de« prédire des comportements de toutes sortes: faire du shopping, dater et voter, par exemple ».
Tout cela est vrai, et nous voyons cela au travail, car Internet surveille déjà toutes les recherches que nous effectuons sur nos ordinateurs. Nous ne pouvons pas échapper à d'innombrables indices et suggestions sur ce que nous pourrions vouloir acheter d'autre. Rien n'est oublié ou ignoré. Et ce sont les signes les plus détectables de la façon dont nous sommes suivis.
Mais comme Lohr souligne ces prédictions sont basées sur des modèles mathématiques et nos modèles sont fabriqués par l'intelligence humaine. Une fois mis en place, les modèles traitent les données rapidement et efficacement, mais, étant conçus par les humains, ils sont eux-mêmes non seulement faillibles mais aussi vulnérables à une mauvaise utilisation.
Une grande attention a été accordée à l'invasion de la vie privée inhérente à de tels modèles. Que révélons-nous par inadvertance sur nous-mêmes? Et qui utilisera cette information pour nous manipuler et nous contrôler? Cela se produit maintenant, bien sûr, mais cela ne fera qu'empirer. Et comment saurons-nous?
Un danger d'un autre genre est le manque de sophistication et de précision dans les modèles utilisés. Les bons programmes exigent des compétences en mathématiques et en informatique, mais aussi une capacité d'innovation et de réflexion. Lohr note que le McKinsey Global Institute prévoyait que les États-Unis auraient besoin de 140 000 à 190 000 travailleurs de plus avec une «expertise analytique approfondie». Il cite Claudia Perlich, scientifique en chef d'une start-up en ligne de New York: «Nous ne pouvons pas développer rapidement assez."
Ce ne sont pas seulement les compétences en informatique et en mathématiques qui sont nécessaires. Lohr note: "L'écoute des données est importante, mais aussi l'expérience et l'intuition. Après tout, qu'est-ce que l'intuition à son meilleur mais de grandes quantités de données de toutes sortes filtrées à travers un cerveau humain plutôt qu'un modèle mathématique? "(Voir," Bien sûr, Big Data est grand.
Pour être clair, cela inclut l'information inconsciente à laquelle nous sommes inattentifs parce qu'elle semble parfois hors de propos, parfois démodée et parfois non désirée. Le fait est que c'est souvent précisément cette information – non recherchée, inattendue, peut-être même difficile à accepter ou à saisir – qui révèle ce que nous avons le plus souvent besoin de savoir.
Lors de la récente conférence du MIT, Lohr a rapporté qu'un panel interrogé sur les grandes défaillances dans le Big Data pourrait ne trouver aucun exemple. Plus tard, cependant, quelqu'un dans le public a commenté que Big Data n'a pas réussi à prédire la crise du crédit et le krach financier de 2008. Oh!
Se pourrait-il que le spectre de son potentiel amène ses adhérents à négliger ou à minimiser le facteur humain? Le Big Data rend-il les gens trop confiants ou trop confiants? Si oui, c'est juste le genre de problème que le Big Data ne peut pas résoudre?
