Faut-il avoir peur du Big Data ?

Enseignant-Chercheur à Télécom ParisTech, Stephen Clémençon est responsable du Mastère Spécialisé Big Data et titulaire de la Chaire Machine Learning for Big Data.

 

L’évocation du terme Big Data provoque bien souvent une réaction ambivalente. Un engouement certain pour ce que les masses de données aujourd’hui disponibles, combinées à des sciences et technologies de l’information en plein essor, pourraient permettre d’accomplir dans de nombreux secteurs ( science, médecine, commerce, transports, communication, sécurité), à l’instar des progrès réalisés ces vingt dernières années dans le domaine de l’internet. Mais aussi une crainte, fondée parfois sur des dangers bien réels: une automatisation des processus de décision pouvant s’accompagner d’une perte de contrôle, l’impact sur l’emploi, la dépendance de certaines activités à l’égard des systèmes d’information et la disparition de la vie privée.

S’il est encore aujourd’hui difficile de percevoir précisément comment organiser une régulation efficace sans pour autant brider les avancées promises, la maîtrise de ces risques passe en partie par l’éducation et la formation, une plus grande diffusion d’une «culture des données et des algorithmes».

Les peurs suscitées par l’automatisation ne sont pas nouvelles. Dans le cas du traitement des masses d’information numérisées, cette automatisation est pourtant inévitable et souhaitable. Perçue à tort comme une discipline visant à remplacer l’expertise d’un opérateur humain par des machines réalisant des tâches automatisées définies par des données, l’apprentissage statistique (machine-learning) a au contraire pour objectif de nous aider à exploiter les données brutes collectées par les capteurs modernes ( téléscope spatial, spectromètre de masse, téléphones mobiles), portant une information complexe qu’il nous est absolument impossible d’embrasser sans un traitement mathématique adéquat, mis en œuvre au moyen de programmes informatiques dédiés. Il est aujourd’hui à l’œuvre dans de nombreux domaines et s’incarne avec succès dans des applications telles que la vidéosurveillance, la maintenance prédictive des grands systèmes et infrastructures ou les moteurs de recommandation sur le web par exemple.

Un contrôle indispensable

On peut anticiper que ce corpus de connaissances et techniques à l’interface des mathématiques et de l’informatique, en progrès constant depuis quelques décennies, sera encore à l’origine de nombreuses innovations à fort impact sociétal, économique ou scientifique pour peu que son potentiel soit compris par un public de plus en plus large, qu’il soit maîtrisé par un nombre croissant d’ingénieurs et de cadres techniques et qu’il se confronte aux enjeux de la société moderne. Le véritable danger de l’automatisation du traitement des données massives résiderait au contraire dans une pénurie d’expertise et de compétences permettant de vérifier les conditions dans lesquelles les données sont collectées, d’assurer leur véracité et le bien fondé des modèles statistiques sur lesquels reposent les applications modernes et d’interpréter les résultats.

Si le Big Data correspond à une sorte de Nirvana pour la Statistique, dont les méthodes sont d’autant plus fiables qu’elles sont fondées sur l’observation d’expériences «en grand nombre», le contrôle des conditions d’acquisition des données et des hypothèses de validité des algorithmes prédictifs est indispensable au succès des modèles calculés par les machines. La culture probabiliste et statistique devrait ainsi prendre une place de plus en plus importante dans la plupart des cursus universitaires, et pas seulement celui de ces nouveaux spécialistes des statistiques algorithmiques, les «data scientists». Sa diffusion accrue ferait en particulier s’évanouir la crainte d’un monde où le Big Data permettrait de prédire sans erreur nos comportements, la date de notre mort... Les «grands nombres» permettant d’estimer la performance prédictive des modèles, d’évaluer les risques avec précision et d’optimiser les décisions en univers incertain mais pas de réduire le caractère intrinsèquement aléatoire de certains phénomènes.

 

SERVICE:

» Trouvez la formation qui révélera vos talents