Si une personne vivant dans les années 1950 était projetée directement en 2015, quelle serait la chose la plus compliquée à lui expliquer sur le monde dans lequel nous vivons ? La réponse est sans doute la suivante : « dans ma poche j’ai un objet capable d’accéder à un nombre illimité d’informations mais je l’utilise pour regarder des photos de chats et me disputer avec de parfaits inconnus ».

Une entrée en matière qui permet à Hilary Mason d’affirmer que la technologie évolue très rapidement mais que les gens, eux, restent les mêmes, que les comportements humains restent les mêmes.

L’augmentation du volume de données

La « data science » n’est pas une discipline récente. Cela fait des années qu’elle est exploitée dans différents secteurs comme la finance, les assurances… Mais c’est devenu tellement peu coûteuse qu’il est désormais possible pour la plupart des personnes de s’en servir, de faire des expérimentations, même les plus ridicules. Et il est devenu moins cher de conserver des données que de s’en séparer. Ainsi, le nombre de données continue sans cesse de croître et ce, grâce à trois éléments : l’accès à des ordinateurs puissants peu coûteux, les algorithmes et, bien sûr, les données elles-mêmes. Ce sont autant de développements à l’origine de l’émergence d’une nouvelle profession, celle de « data scientist ».

Qu’est-ce qu’un bon « data scientist » ?

La notion de « data scientist » recouvre plusieurs réalités, il peut aussi bien s’agir d’un mathématicien que d’un ingénieur. Mais un bon « data scientist » doit être capable de comprendre les problèmes que les gens ont besoin de résoudre. Il doit être capable d’écouter une personne qui a un problème commercial ou opérationnel, de comprendre ce que celle-ci souhaite accomplir avant d’aller faire des analyses avec les données et les technologies dont il dispose pour pouvoir aider la personne à résoudre son problème.

C’est donc une personne qui a de l’empathie et qui peut comprendre à la fois le milieu des affaires, les technologies et les mathématiques. Ce qui est nouveau à propos de ce rôle, c’est cette association de compétences au sein d’une même personne.

« Designing a company for data »

La « data » est utilisée dans de très nombreux domaines aujourd’hui comme l’optimisation du temps de réponse d’une ambulance ou la rapidité d’un véhicule de livraison. C’est également très utile pour récolter des informations sur son propre sommeil, ses activités sportives, ou créer des applications comme Google Traffic qui fonctionnent en temps réel grâce des données récoltées auprès des utilisateurs. Mais comment parvenir à créer des produits de ce type ?

Selon Hilary Mason, il est nécessaire de détenir des analyses de données qui puissent être répétées dans le temps, d’avoir une bonne gestion des ressources humaines et d’établir un ordre de priorité. Parce que souvent, l’erreur commise est qu’une société a un data scientist qui n’a pas la capacité d’établir des priorités dans son travail.

Vu du public USI 2015

« Process is usually a dirty word but it is not »

Hilary Mason partage un processus très simple à appliquer pour la « data science ». Selon elle, la clé pour des données performantes c’est de se poser les bonnes questions !

– Quel est le problème que nous essayons vraiment de résoudre ?

– Comment savoir quand nous avons réussi ?

– En supposant que nous avons résolu parfaitement le problème, quelle est la première chose que nous ferons avec ?

– Quel impact aura cette technologie ?

– Quelle est la chose la plus terrifiante pouvant être réalisée avec ? Et, imaginez que vous êtes une personne différente, une personne mauvaise et que vous avez l’intention de commettre quelque chose de terrible, que feriez-vous avec cette technologie ?

– Par quoi commencer ? Et pour y répondre il faut se demander quelles sont les données à disposition ? Quelles sont les données que nous devrions avoir ? Et, quelles sont les hypothèses que nous faisons et que nous pouvons vérifier?

Et, ajoute-t-elle, « les données permettent d’améliorer votre compréhension du monde et de votre entreprise, par exemple pour connaître vos clients ». Utilisez ces données pour vérifier vos hypothèses et si une nouvelle information apparaît, utilisez là ! À condition de ne pas suivre les données aveuglément.

Une évolution rapide

Le monde de l’innovation et des technologies évolue très vite. Que ce soit en langage naturel, en matière de prise de décision en temps réel ou encore en « deep learning », les outils changent très rapidement.

Pour beaucoup, ces innovations sont issues des start-ups. Mais en réalité, souligne Hilary Mason, les start-ups n’innovent pas nécessairement. Souvent, elles utilisent des technologies existantes pour créer de nouveaux produits, elles n’inventent pas de nouvelles technologies et encore moins dans le domaine des données, parce qu’en général, ceux qui possèdent les données travaillent dans de grandes sociétés existant depuis de nombreuses années.

Quel est l’impact des technologies sur le monde ? Quels sont les effets de la « data » ?

Ce sont des questions qui animent véritablement les data scientists aujourd’hui. Hilary Mason ne fait pas partie des personnes qui pensent que l’intelligence artificielle est dangereuse. « Quand on crée, il faut penser à l’impact de cette création sur les personnes qui peuvent l’utiliser, dit-elle, et prendre en considération l’influence que le produit peut avoir sur le comportement des gens ».

Pour Hilary Mason, nous sommes seulement au début du potentiel des « data technologies ». Et, quand elle affirme « data give us superpowers » c’est parce que cela nous permet de percevoir le monde d’une façon qu’il aurait été impossible autrement. Les technologies ont la possibilité de rendre nos vies plus riches et encore plus intéressantes.

A lire : 

On peut encore innover en entreprise… Si, si !

Maker mouvement : quand l’innovation arrive chez vous, la conférence de Chris Anderson

Photo d'Hilary Mason a l'USI 2015 avec citationSources : Youtube USIEvents, hilarymason.com

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *