Group items tagged

Pour le scientifique des données Michael Wu - http://lithosphere.lithium.com/t5/user/viewprofilepage/user-id/151 -, il y a 3 types d'utilisation des Big Data : l'analyse descriptive est la plus simple, elle consiste à résumer ce qu'il se passe. 80 % des analyses sont de ce type. L'analyse prédictive utilise des techniques d'apprentissage statistique pour faire des prédictions, elle ne cherche pas à prédire le futur, mais à prédire des données que vous n'avez pas, comme c'est le cas de l'analyse de sentiment, qui utilise du texte pour en produire des scores. L'analyse prescriptive, elle, recommande plusieurs actions et montre le résultat probable de chaque décision

Une étude montre que Google Flu Trends est encore bien imparfait et ne peut fournir une mesure de surveillance fiable de l'évolution des grippes saisonnières ou pandémiques... au moins tant que l'algorithme n'a pas été amélioré.

James Bridle pour le Guardian revient sur les sites de rencontres, à l'heure où 1/3 des couples qui se marient se sont rencontrés sur un site de rencontre. Pour trouver le bon partenaire, pour l'instant, il faut encore mieux être bon en math qu'avoir du charisme, comme l'expliquait il y a peu pour Wired le hacker Chris McKinlay. Et Bridle de revenir sur les techniques d'appariements des sites de rencontre, qui s'appuient sur des préférences déclarées via des tests sensés être scientifiques. Le développement des rencontres en ligne nous en dit plus au sujet de notre relation avec la technologie que de notre relation avec l'autre... Parmi les outils évoqués par Bridle, qui revient surtout sur l'article de McKinlay, http://tastebuds.fm : un réseau social de rencontre qui se branche sur Spotify...

Josh Cohen l'auteur de "Vie privée : Pourquoi devons-nous rester dans l'ombre" revient sur le mouvement de la mesure de soi... Est-ce que le Quantified Self, à l'heure de la surveillance globalisée, va nous permettre de reprendre le contrôle de nos vies dont nous avons été exclus ? Pour Charles Wang, président de Lumo BodyTech et inventeur du LumoBack - http://www.lumobodytech.com/lumoback/ - un système pour surveiller sa posture devant l'écran et la corriger (d'autant plus primordiale quand "rester assis tue plus que le tabac : http://abonnes.lemonde.fr/sante/article/2014/01/24/la-sedentarite-tue-plus-que-le-tabac_4354073_1651302.html ). Ce produit n'est pas tant un correcteur physique, qu'une nouvelle couche de conscience. Le mouvement du QS est-il le problème de la solution qu'il propose ? Ne risque-t-il pas d'aggraver le malaise qu'il prétend guérir ? Que se passe-t-il se le capteur accélère la panique qu'il mesure plutôt que de l'atténuer ? Passer au QS n'est-il pas la marque d'un intuition, que quelque chose vous manque dans la connaissance de soi ?

Le Ward lab de la Duke University tente de prédire les conflits dans le monde... http://mdwardlab.com/conflict_forecasting/home . Le but n'est pas tant de faire des prédictions, que de tester des théories estiment les chercheurs sur leur blog : http://predictiveheuristics.com

4 biomarqueurs (sur 106 testés : l'albumine, l'orosomucoïde, les lipoprotéines de basse densité et l'acide citrique) permettraient de prédire d'une manière étonnante le risque de mourir au cours des 5 années suivantes. Le résultat le plus déstabilisant de cette étude sur les "nécromarqueurs" : permettre de prédire un risque grave pour la santé chez des personnes "apparemment en bonne santé. Reste que le test de la mort ne sera pas disponible demain, des études complémentaires sont avant tout nécessaires. Une étude qui pose une question éthique autour des corrélations : si l'on sait détecter demain les personnes dont l'organisme risque de se déglinguer, reste à savoir comment y répondre. Et là, ce n'est pas si simple !

Pour Forbes, Barry Eggers expliquait qu'on devrait utiliser les Big Data pour construire des listes intéressantes : http://www.forbes.com/sites/ciocentral/2012/09/25/the-problem-with-lists-and-the-fix-from-big-data/ Dans un monde de notes et de classements, notre cerveau adore les listes - cf. http://www.newyorker.com/online/blogs/elements/2013/12/a-list-of-reasons-that-our-brains-love-lists.html - mais, elles sont bien souvent inutiles car trop souvent peu crédibles. Certes, estime Alistair Croll pour O'Reilly, les Big Data vont nous aider à faire des listes, mais sur quels critères ? Certes, nous pourront les personnaliser, mais ne risquons-nous pas de devenir excessivement dépendants d'elles ? Nous confondons trop souvent optimisation et inspiration. Lister les politiciens les plus dignes de confiance est-il une bonne façon de faire de la politique ? Les voitures les plus sûrs seront les voitures autonomes, mais elles seront également plus coûteuses. Savoir quelles sont les meilleures voitures ne va pas nous aider à nous passer des voitures à moteur ? L'optimisation guidée par les données est très bien pour tenter de gagner au jeu auquel nous sommes en train de jouer, mais elle est nulle pour changer les règles ou passer à un jeu différent.

Facebook classe les amis de tous ses membres selon un ordre préférentiel. Ce classement prend en compte différents critères concernant le nombre d'interactions quotidiennes réalisées avec ses amis. Le réseau fait ainsi remonter les informations qui sont censées intéresser ses membres en priorité dans leur fil d'actualité. Sauf que, jusqu'à maintenant, les membres du réseau ne pouvaient pas accéder (simplement) au classement de leur propres amis. Jusqu'à maintenant seulement, parce qu'un ingénieur informatique, Arjun Sreedharan, vient de créer un script permettant à chaque membre d'accéder à la liste de ses amis établie par Facebook ! Grâce à un petit script à installer, vous découvrirez alors la note de chacun de vos contacts. Plus le score se rapproche de zéro, plus vos liens avec la personne associée sont censés être forts selon Facebook.

ESRI, une société spécialisée dans les systèmes d'informations géographiques met les données au service de la prévention des catastrophes naturelles. Le but, modéliser la meilleure intervention possible des pompiers en cas d'incendies ou d'inondation via des données topographiques, en orientant les ressources, en utilisant un calculateur de propagation des incendies selon la topographie, les sols, le vent, l'humidité... .

Pour l'anthropologue Simon Roberts de retour d'Epic 2013 qui se tenait à Londres la semaine dernière, les Big data étaient tapies dans toutes les conversations à la manière de la musique incidieuse de John Williams dans "les dents de la mer", comme une menace que nous serions incapables de surmonter. Mais les discussions sur le sujet l'on déçues. Simplistes, manichéennes... Elles semblaient toutes oublier les relations de pouvoir que les Big Data impliquent. Et Robert Simon de prendre un exemple. ll habitde dans le sud de Londres et, du fait de son code postal, son assurance automobile était très chère. Pour la faire diminuer, il a été contraint d'y placer un dispositif de suivi, acceptant par la même que sa conduite (ainsi que celle de sa femme et de la jeune fille au pair suédoise qu'ils embauchent et accueillent). Quelle va être les implications de cette surveillance sur leur conduite ? Comment le système va-t-il faire la différence entre la conduite encore hésitante d'une jeune femme, et celle plus assurée de gens qui conduisent depuis 20 ans ? Désormais, les limitations de vitesses sont devenues une obligation. Pour l'instant, le système les catégorise comme "bons" conducteurs. Mais les chercheurs devraient porter attention à l'ambiguïté de nos réponses à ce type de services. Quelle ligne de démarcation devons-nous tracer entre la surveillance et la quantification de soi ? Surtout, nous sommes enfermés dans une asymétrie d'échange. Pourquoi nos cartes de fidélités nous proposent-elles certains produits, certaines promotions plutôt que d'autres ? "Quand mes données commencent à vivre dans une chaîne de valeur complexe qui n'est ni visible ni explicable, l'asymétrie d'échange est évidente". C'est comme aller faire le marché avec un bandeau sur les yeux. La rétroaction que nous recevons de ces services est souvent bien faible. Nous devons nous connecter aux sites pour obtenir des informations, pas de rappels, d'alertes

Ces dernières années, les cabinets d'avocats ont investi dans des logiciels pour accélérer le processus d'analyse des grands volumes de documents juridiques. L'examen assisté par la technologie ou codage prédictif (predictive coding) utilise des techniques d'apprentissage automatique pour automatiser la hiérarchisation des documents selon leur pertinence. Les ordinateurs ne remplacent pas les avocats, mais les aident à peaufiner leurs argumentaires, à examiner les pièces et les affaires auxquels ils peuvent se référer. Le logiciel n'éliminera pas les avocats, mais peut leur faire gagner du temps, estime un utilisateur de Relativity, le logiciel de predictive coding de KCura, qui compte plus de 75 000 clients dans le monde.

Tiens, la FDA américaine se réveille et demande à 23&Me de cesser de commercialiser ses kits de tests ADN... La raison ? Leurs conséquences potentielles pour la santé, suite à des résultats de tests faussement positifs ou négatifs qui risquent d'engendrer des traitements prophylactiques coûteux... La mastectomie d'Angelina Jolie a fait école !

Le Centre pour la justice media, ColorOfChange et SumOfUs viennent de publier un rapport qui observe, concrètement, comment les commerçants nous tracent en ligne, en partant du cas d'étude de Walmart, la chaîne de grande surface américaine. Walmart dispose de données sur quelques 145 millions d'Américains, qu'il partage avec quelques 50 partenaires, qu'il enrichie des déplacements des utilisateurs dans ses magasins et travaille à connecter ses données aux activités sociales en ligne des consommateurs... Une enquête passionnante où les associations qui en sont à l'origine réclament à la firme et à toutes celles qui utilisent ces données, d'être transparentes sur leurs méthodes, d'introduire des limites à cette surveillance, de donner le choix aux consommateurs et de trouver les moyens d'être juste pour ne pas développer de nouvelles formes de discrimination.

Dans une présentation pour l'université de Columbia, Audrey Watters d'HackEducation est revenue sur les données des élèves et comment les nouveaux systèmes d'apprentissage les utilisent pour rendre leur systèmes apprenants. Knewton - http://www.knewton.com - une société spécialisée dans les tests de niveaux, se sert des immenses données récoltées sur les élèves pour identifier leurs forces et faiblesses et proposer des apprentissages adaptés. Ces données ne sont pas seulement des notes, elles concernent aussi la participation, le temps passé... Mais les écoles et universités disposent de bien plus de données encore : les passages que les élèvent anottent dans leurs manuels électroniques, les mails qu'ils envoient ou recoivent sur leurs boites mails universitaires, leur activité en ligne... Autant de données qui permettent de porter un nouveau regard sur l'étude de la manière dont les étudiants apprennent. Mais si ces données sont de la valeur, comment faire en sorte que les technologies de l'éducation ne se résument pas seulement à extraire de la valeur, mais également à en apporter ? Qui protégera les données des élèves ? Eux-mêmes seront-ils conscients de la manière dont leurs données seront utilisées ? Les élèves sont déjà le produit du système éducatif... Si nous considérons les élèves comme du pétrole, qui va les exploiter ? Qui va en profiter, en bénéficier ? Et surtout qui va en pâtir ?

RelatelQ - https://www.relateiq.com - est un logiciel qui se propose de regarder votre vie numérique pour vous en faire ressortir ce qui semble important. L'algorithme de RelateIQ recueille constamment des signaux de données pour déterminer si les relations de travail avec des partenaires internes ou externes se refroidissent et si l'utilisateur doit prendre des mesures. Sociometric Solutions utilise une méthode proche pour améliorer les conversations. tenXer - https://www.tenxer.com - gère les modifications de code et les heures passées en réunion pour aider à mieux maîtriser sa productivité. Yesware - http://www.yesware.com - tente d'améliorer la productivité par e-mail. Chez RelateIQ, les programmeurs tentent de toujours mieux cerner les tendances, comme le temps moyen qu'il faut pour qu'une personne puisse répondre et quels types de ponctuation et de phrases provoquent généralement des réponses. Ils tentent également de détecter le sarcasme et les mots qui sont habituellement associées à des questions importantes. Ces données peuvent révéler, par exemple, si une relation stagne ou progresse. Reste que dans des environnements de communication très complexe, le défi de ces outils est également complexe. L'apprentissage machine peut provoquer des erreurs, des mauvaises interprétations, des recommandations qui semblent venir de nulle part. Promesse ou illusion ?

Premise - http://www.premise.com - est une start-up qui cherche à collecter les prix dans des magasins physiques comme dans un nombre toujours plus grand d'applications de commerce afin de les agréger pour pouvoir mesurer l'inflation avant les indicateurs nationaux et internationaux et prévenir les crises alimentaires à venir dans les pays émergents...