C'est ce qu'il faut directement dire.
C'est que les réseaux sociaux d'objets sont en fait un système où
il est impossible de comprendre les parties sans comprendre le tout.
On ne comprend pas l'internaute si on ne comprend pas Internet.
Il n'est pas possible de comprendre Internet sans comprendre les comportements
individuels des internautes.
Et en pratique, ces comportements sont très différents d'un individu à l'autre.
Et à nouveau, en pratique, c'est bien le problème.
C'est ce qui rend ces phénomènes si difficiles à analyser.
Puisqu'il y a deux contraintes majeures.
La première contrainte est une contrainte technologique.
Aucun ordinateur au monde n'est pour le moment capable de traiter l'entièreté de
l'information qui est générée chaque jour.
Pour vous donner un exemple, d'après le CNRS,
Twitter et Facebook généreraient à eux-seuls, chaque jour, 17 teraoctets.
Il faut donc des centaines et des centaines de serveurs pour stocker toutes
ces données.
Si en plus en sait que bientôt, chaque appareil électroménager, téléphone,
compteur biométrique, instrument de mesure scientifique, bref, quand n'importe
quel objet sera connecté ces objets généreront chaque seconde des données.
Il sera alors impensable de tout analyser puisque le volume sera beaucoup
trop grand.
Et deuxièmement,
on ne peut pas tout réduire à quelques mesures statistiques agrégées.
Les méthodes statistiques classiques sont basées sur l'échantillonnage d'une
population.
Et dans ce contexte, ce n'est en fait pas approprié à la compréhension d'Internet.
Échantillonner un réseau est très compliqué,
puisqu'il faudrait pouvoir échantillonner correctement les individus,
mais aussi les connexions entre ces individus.
Et le caractère complexe des comportements sur Internet rend quasi-impossible
d'assurer la représentativité des échantillons qui sont censés représenter
les comportements étudiés.
Sur Internet, chaque internaute peut en effet exprimer son identité multiple.
Par exemple, quelqu'un peut aimer le hard rock et la musique classique,
il peut lire des journaux aux tendances politiques opposées.
Un homme peut à la fois être un bon père de famille,
mais aussi avoir une personnalité tout autre sur le Web.
Dans ce cas, on voit bien qu'il sera très difficile de capturer correctement, avec
seulement quelques mesures statistiques, la complexité du comportement individuel.
Sur Internet, comme Edgar Morin le dit à propos des systèmes complexes,
le principe d'identité est en fait complexe.
Il comporte de l'hétérogénéité et de la pluralité dans l'unité.
Je vais prendre un exemple très concret.
Une entreprise qui fera du ciblage marketing comme beaucoup d'entreprises le
font sur Internet.
Imaginons par exemple que nous travaillons pour une compagnie aérienne,
et que nous cherchons à comprendre le comportement de nos clients.
Prenons le cas d'un client potentiel,
jeune consultant dans un cabinet international.
En tant que consultant,
il voyage régulièrement en classe affaires entre l'Asie et la France.
Et d'un autre côté, cette même personne est aussi père de deux enfants.
Bon, il gagne bien sa vie, mais comme il est en début de carrière,
il essaie de faire des économies.
Donc, quand cette personne part en vacances avec sa famille,
disons qu'il part à Barcelone en Espagne,
il va faire bien attention à prendre un vol très bon marché.
Et donc, quand nous allons nous poser la question de savoir qu'elles seraient
les offres à lui faire, si on regarde le comportement moyen de cette personne,
on va avoir un problème.
En fait, on va réaliser qu'il n'y a pas de comportement moyen, mais en effet,
deux comportements différents.
La même personne, d'une part, utilise des solutions haut de
gamme puisqu'il vole en classe affaires la semaine,
et des solutions à bas prix puisqu'il part en vacances en classe économique.
Par contre, si on va chercher des informations sur son réseau social,
tout devient beaucoup plus clair, puisque nous allons voir sur son réseau familial,
par exemple Facebook, c'est plutôt à Barcelone avec ses enfants.
Et sur son réseau professionnel, disons LinkedIn,
qu'il vient de signer un gros contrat à Shanghai.
Que montre cet exemple?
Que c'est l'individu dans son réseau qui fait du sens, et non l'individu isolé.
C'est un exemple paradigmatique de personnalité multiple qui est
seulement compris grâce à l'analyse du système dans son ensemble.
En effet, comme le dit très bien Edgar Morin,
il faut en finir avec la scission paradigmatique entre le sujet et l'objet.
Et ce qu'il veut dire, c'est que la causalité est en fait en boucle,
et pas quelque chose où la volonté d'un sujet s'exprime directement sur l'objet,
mais que c'est plutôt une dynamique d'action-réaction.
Je vais prendre un autre exemple.
Imaginons que nous soyons dans une équipe d'analystes qui travaillerait à la
tarification d'une entreprise fabriquant des tablettes tactiles.
Si notre société annonce le lancement d'une nouvelle version de tablette,
nos clients qui pensaient peut-être acheter notre produit dans un futur proche
vont certainement attendre la sortie de la nouvelle version pour déterminer
leurs choix.
On va donc s'attendre à ce que les ventes ne soient pas très bonnes à court terme.
Nous allons anticiper une baisse des ventes, et pour contrer cette baisse,
les entreprises décident souvent de diminuer les prix de l'ancienne version.
Mais en pratique, malgré cette baisse,
puisque les consommateurs vont attendre de voir la nouvelle version pour se décider,
on voit souvent que les ventes baissent quand même.
C'est quelque chose de bien connu en économétrie.
C'est ce qu'on appelle la critique de Lucas, qui est un professeur qui
a d'ailleurs reçu un prix Nobel d'économie pour ses recherches sur ces sujets.
Et donc, si on ne tient pas en compte cette causalité et cette boucle,
cette action-réaction, on peut arriver à des corrélations contre-intuitives.
Dans le cas de la tablette tactile, on voit par exemple apparaître une
corrélation positive entre le prix et la demande.
On baisse les prix, mais comme la version sera bientôt obsolète,
elle se vendra quand même moins bien.
Si j'utilise cette corrélation sans réfléchir, je pourrai en conclure que plus
un produit est cher, plus il est attractif, ce qui est évidemment faux.
On observe une boucle dialogique.
Nos clients ont des attentes à nos actions, et agissent en conséquence.
À notre tour, en tant qu'analystes, nous anticipons leurs comportements,
et nous agissons en conséquence.
En réalité, on le voit, il n'y a pas vraiment de sujet et d'objet,
et croire l'inverse, peut nous amener à des conclusions qui sont fausses du
fait de cette causalité en boucle.
C'est le principe d'écologie de l'action d'Edgar Morin.
Je cite à nouveau, quand un acte d'individu ou de groupe entre dans un
complexe d'inter- rétroactions qui le font dériver, dévier,
et parfois inverser son sens.
Une fois que nous avons en tête tous ces principes,
nous pouvons donc adapter le paradigme de la complexité au Big Data.
En conclusion de tout ce que j'ai dit, les phénomènes liés au
Big Data sont complexes, et ne peuvent pas être réduits à quelques principes
simples au risque de passer à côté de la réalité pratique des phénomènes observés.
En tant qu'analyste, économiste, ou analyste spécialisé dans la data,
ce qu'on appelle les data-scientists, la pensée complexe nous aide à avoir la bonne
approche pour mieux comprendre ces questions.
Il faut comprendre que plutôt que de chercher à contourner cette complexité
comme un obstacle,
ou même à la réduire à quelques principes simplistes et donc erronés.
Il faut au contraire l'accepter comme une richesse,
et l'embrasser dans son ensemble.
Du point de vue méthodologique,
de nombreuses techniques nous permettent en effet d'appréhender cette complexité.
Premièrement, les techniques d'analyse de réseaux permettent d'identifier les rôles
des nœuds dans un réseau, c'est-à-dire les individus,
non en tant qu'éléments isolés, mais en tant qu'éléments constituants le réseau.
C'est donc le paradigme de la complexité mis en action.
La partie n'est plus dissociée du tout.
Deuxièmement, les modèles hiérarchiques bayésiens permettent de traiter le
caractère poly-identitaire des individus,
ce qu'Edgar Morin appelle l'unitas multiplex.
Puisque grâce à ces techniques statistiques,
nous pouvons tenir compte des variations au sein même du comportement individuel.
Et finalement, trois, les modèles économiques récents, par exemple,
les modèles structurels tiennent compte de l'anticipation des acteurs
et de leur interconnectivité.
Ils répondent donc à la nécessité de prendre en compte les boucles dialogiques
que l'on retrouve dans les systèmes complexes.
Du point de vue de l'approche elle-même, Edgar Morin nous montre aussi l'importance
d'aborder ces problématiques dans une démarche multidisciplinaire.
C'est bien pourquoi à l'ESSEC, nous pensons que la recherche et la formation à
ce niveau doit faire collaborer des ingénieurs, des économistes,
des psychologues, des sociologues, et en fait toute une série de compétences
multiples et variées En définitive, il faut comprendre que ces questions ne
doivent pas être analysées selon une seule discipline à la fois,
mais en cherchant à obtenir une vision holistique de la situation.
