{"id":5299,"date":"2017-11-27T13:51:08","date_gmt":"2017-11-27T12:51:08","guid":{"rendered":"https:\/\/www3.unifr.ch\/alma-georges?p=5299"},"modified":"2017-11-27T14:24:24","modified_gmt":"2017-11-27T13:24:24","slug":"big-data-alerte-noyade","status":"publish","type":"post","link":"https:\/\/www.unifr.ch\/alma-georges\/articles\/2017\/big-data-alerte-noyade","title":{"rendered":"Big data – Alerte noyade?"},"content":{"rendered":"

Va-t-on bient\u00f4t se noyer dans une vague virtuelle? Comment g\u00e9rer, classer, utiliser le tsunami de donn\u00e9es que nous g\u00e9n\u00e9rons chaque jour? Un d\u00e9fi qui ne fait pas peur \u00e0 Philippe Cudr\u00e9-Mauroux, professeur en informatique sp\u00e9cialis\u00e9 dans ces questions. Il nous aide \u00e0 remonter le courant en vue du Caf\u00e9 scientifique consacr\u00e9 \u00e0 ce sujet.<\/strong><\/h4>\n
<\/div>\n

Le big data est pr\u00e9sent\u00e9 comme une sorte de r\u00e9volution d\u00e9mesur\u00e9e dans le traitement des donn\u00e9es. C\u2019est extr\u00eamement difficile de se le repr\u00e9senter. A quoi peut-on le comparer pour se faire une id\u00e9e?
\n<\/strong>On dit souvent que le big data est le p\u00e9trole de demain. Je trouve l\u2019analogie int\u00e9ressante. Comme le p\u00e9trole, le big data peut \u00eatre utilis\u00e9 pour alimenter toutes sortes d\u2019applications (aide \u00e0 la d\u00e9cision, optimisation, personnalisation, etc.). Mais, tout comme pour le p\u00e9trole \u00e9galement, il faut passer par des \u00e9tapes complexes d\u2019extraction et de raffinage avant de pouvoir utiliser les donn\u00e9es de mani\u00e8re optimale.<\/p>\n

Comment cela fonctionne-t-il?
\n<\/strong>La science des donn\u00e9es est autant un art qu\u2019une science \u00e0 l\u2019heure actuelle. On proc\u00e8de de mani\u00e8re it\u00e9rative: on commence par extraire des donn\u00e9es, les formater et les int\u00e9grer. On essaie ensuite d\u2019en extraire la substantifique moelle (ce qu\u2019on appelle des features<\/em>) pour l\u2019application vis\u00e9e. On utilise les donn\u00e9es extraites pour g\u00e9n\u00e9rer un mod\u00e8le de classification ou de pr\u00e9diction. Finalement, on \u00e9value la performance du mod\u00e8le, ses points forts et ses faiblesses, et on recommence le cycle sur la base de l\u2019exp\u00e9rience acquise jusqu\u2019\u00e0 pr\u00e9sent.<\/p>\n

Que vont devenir toutes ces donn\u00e9es?
\n<\/strong>L\u2019id\u00e9e est de sauvegarder un maximum des donn\u00e9es sur le long terme. M\u00eame si on ne sait pas toujours \u00e0 quoi ces donn\u00e9es pourraient servir \u00e0 l\u2019heure actuelle, on esp\u00e8re toujours leur trouver de nouvelles applications dans le futur.<\/p>\n

En tant que sp\u00e9cialiste de la question, comprenez-vous que cela puisse effrayer certaines personnes? Quels en sont les dangers et les avantages?
\n<\/strong>Oui bien s\u00fbr, il y a \u00e9norm\u00e9ment d\u2019opportunit\u00e9s, mais aussi de risques li\u00e9s au big data. Les avanc\u00e9es potentielles dans les domaines de la science, de la sant\u00e9, de l\u2019industrie ou des services sont gigantesques. Mais elles s\u2019accompagneront de changements profonds de notre soci\u00e9t\u00e9 et rendront un nombre croissant de professions obsol\u00e8tes. Il faudra donc accompagner ce changement et \u00e9viter une mainmise totale des soci\u00e9t\u00e9s \u00e9trang\u00e8res dans ce domaine.<\/p>\n

Le d\u00e9fi pour la recherche, en tous cas, est immense, qu\u2019est-ce qui vous attir\u00e9 dans ce domaine sp\u00e9cifique?
\n<\/strong>Deux points principalement: le fait qu\u2019il n\u2019y avait pratiquement aucune solution aux probl\u00e8mes de big data il y a 10 ans, quand j\u2019ai commenc\u00e9 \u00e0 travailler sur ce sujet (les choses ont bien \u00e9volu\u00e9 depuis) et\u2026 les applications potentielles, quasi infinies.<\/p>\n

<\/div>\n__________<\/span><\/p>\n
<\/div>\n