Kevin Slavin : Comment les algorithmes façonnent notre monde
-
0:00 - 0:02Voici une photo
-
0:02 - 0:04prise par l'artiste Michael Najjar,
-
0:04 - 0:06et elle est vraie,
-
0:06 - 0:08dans le sens où il est allé en Argentine
-
0:08 - 0:10pour prendre cette photo.
-
0:10 - 0:13Mais c'est aussi de la fiction. Il y a eu beaucoup de travail sur cette photo ensuite.
-
0:13 - 0:15Et ce qu'il a fait
-
0:15 - 0:17c'est qu'il a en fait redessiné, numériquement,
-
0:17 - 0:19tous les contours des montagnes
-
0:19 - 0:22pour suivre les vicissitudes du Dow Jones.
-
0:22 - 0:24Alors ce que vous voyez,
-
0:24 - 0:26ce précipice, ce précipice profond avec la vallée,
-
0:26 - 0:28c'est la crise financière de 2008.
-
0:28 - 0:30La photo a été faite
-
0:30 - 0:32quand nous étions tout au fond de la vallée là-bas.
-
0:32 - 0:34Je ne sais pas où nous sommes maintenant.
-
0:34 - 0:36Voici l'indice Hang Seng
-
0:36 - 0:38de la bourse de Hong Kong.
-
0:38 - 0:40Et une topographie similaire.
-
0:40 - 0:42Je me demande pourquoi
-
0:42 - 0:45Et c'est de l'art. C'est une métaphore.
-
0:45 - 0:47Mais je pense que l'important, c'est
-
0:47 - 0:49que c'est une métaphore qui a des dents.
-
0:49 - 0:52Et c'est avec ces dents que je veux vous proposer aujourd'hui
-
0:52 - 0:54de repenser un peu ensemble
-
0:54 - 0:57au rôle des mathématiques contemporaines,
-
0:57 - 1:00pas seulement les maths financières, mais les maths en général.
-
1:00 - 1:02Repenser au fait que les maths sont passées
-
1:02 - 1:05de quelque chose qu'on extrait et qu'on dérive du monde
-
1:05 - 1:08à quelque chose qui en fait commence à le façonner,
-
1:08 - 1:11ce monde qui nous entoure et ce monde qui est en nous.
-
1:11 - 1:13Et il s'agit en particulier des algorithmes,
-
1:13 - 1:15qui sont essentiellement les maths
-
1:15 - 1:18que les ordinateurs utilisent pour prendre des décisions.
-
1:18 - 1:20Ils acquièrent le sens de la vérité
-
1:20 - 1:22parce qu'ils recommencent sans cesse.
-
1:22 - 1:25Et il se sclérosent et se calcifient
-
1:25 - 1:27et deviennent réels.
-
1:27 - 1:30Je réfléchissais à ça dans un endroit improbable,
-
1:30 - 1:33à bord d'un vol transatlantique il y a deux ans,
-
1:33 - 1:35parce que je m'étais retrouvé assis à côté
-
1:35 - 1:37d'un physicien hongrois qui avait à peu près mon âge,
-
1:37 - 1:39et nous discutions
-
1:39 - 1:41de ce qu'était la vie des physiciens en Hongrie
-
1:41 - 1:43pendant la guerre froide.
-
1:43 - 1:45Et j'ai dit, "Alors que faisiez-vous ?"
-
1:45 - 1:47Et il a dit, "Et bien la plupart du temps on détruisait les boucliers furtifs.
-
1:47 - 1:49Et j'ai dit, "C'est bien. C'est intéressant.
-
1:49 - 1:51Comment ça marche ?"
-
1:51 - 1:53Et pour comprendre ça,
-
1:53 - 1:56il faut comprendre un peu comment fonctionne un bouclier furtif.
-
1:56 - 1:59Et donc, je simplifie à l'extrême,
-
1:59 - 2:01mais en gros, ce n'est pas
-
2:01 - 2:03comme de faire passer un signal radar
-
2:03 - 2:06à travers 156 tonnes d'acier dans le ciel.
-
2:06 - 2:09Ça ne va pas disparaitre.
-
2:09 - 2:12Mais si on peut prendre cette chose énorme,
-
2:12 - 2:15et la transformer
-
2:15 - 2:17en un million de petites choses,
-
2:17 - 2:19comme un vol d'oiseaux par exemple,
-
2:19 - 2:21alors le radar qui cherche ça
-
2:21 - 2:23doit être capable de voir
-
2:23 - 2:25tous les vols d'oiseaux dans le ciel.
-
2:25 - 2:29Et si vous êtes un radar, c'est vraiment un sacré boulot.
-
2:29 - 2:32Et il a dit, "Oui, mais c'est si vous êtes un radar.
-
2:32 - 2:34Alors nous n'avons pas utilisé un radar ;
-
2:34 - 2:37nous avons construit une boite noire qui cherchait des signaux électriques,
-
2:37 - 2:40des communications électroniques.
-
2:40 - 2:43Et chaque fois que nous voyions un vol d'oiseaux qui avait des communications électroniques,
-
2:43 - 2:46on se disait que ça avait un rapport avec les américains."
-
2:46 - 2:48Et j'ai dit, "Oui.
-
2:48 - 2:50C'est bien.
-
2:50 - 2:52Vous avez donc en réalité réduit à néant
-
2:52 - 2:5460 ans de recherches aéronautiques.
-
2:54 - 2:56Et ensuite, que faites-vous ?
-
2:56 - 2:58Et quand vous serez grand, vous ferez quoi ?"
-
2:58 - 3:00Il a répondu,
-
3:00 - 3:02'Des services financiers."
-
3:02 - 3:04J'ai dit, "Oh"
-
3:04 - 3:07Parce qu'on en avait parlé dans les infos récemment.
-
3:07 - 3:09Et j'ai dit, Comment ça marche?
-
3:09 - 3:11Et il a répondu "Eh bien, il y a actuellement 2000 physiciens à Wall Street"
-
3:11 - 3:13et j'en fait partie."
-
3:13 - 3:16Et j'ai dit, "C'est quoi la boite noire pour Wall Street?"
-
3:16 - 3:18Et il a répondu, "C'est drôle que vous demandiez ça,
-
3:18 - 3:21parce que en fait on appelle ça le trading automatique ou black box trading.
-
3:21 - 3:23On l'appelle aussi parfois algo trading,
-
3:23 - 3:26trading algorithmique."
-
3:26 - 3:29Et le trading algorithmique a évolué en partie
-
3:29 - 3:32parce que les traders institutionnels ont les mêmes problèmes
-
3:32 - 3:35qu'avait l'US Air Force,
-
3:35 - 3:38c'est-à-dire qu'ils changent leur positions,
-
3:38 - 3:40que ce soit Proctor & Gamble ou Accenture, peu importe,
-
3:40 - 3:42ils transfèrent un million d'actions de quelque chose
-
3:42 - 3:44dans le marché.
-
3:44 - 3:46Et s'ils font ça d'un seul coup,
-
3:46 - 3:48c'est comme jouer au poker et tout miser tout de suite.
-
3:48 - 3:50Vous dévoilez votre jeu.
-
3:50 - 3:52Et donc ils doivent trouver une solution,
-
3:52 - 3:54et pour ça ils utilisent des algoritmes,
-
3:54 - 3:56pour diviser ce gros paquet
-
3:56 - 3:58en un million de petites transactions.
-
3:58 - 4:00Et ce qui est magique et horrible là-dedans
-
4:00 - 4:02c'est que les mêmes maths
-
4:02 - 4:04qu'on utilise pour diviser le gros truc
-
4:04 - 4:06en un million de petits trucs
-
4:06 - 4:08peut être utilisé pour trouver un million de petits trucs
-
4:08 - 4:10et les réassembler
-
4:10 - 4:12et comprendre ce qui se passe vraiment dans le marché.
-
4:12 - 4:14Alors si vous devez vous faire une image
-
4:14 - 4:17de ce qui se passe à la bourse en ce moment,
-
4:17 - 4:19ce que vous pouvez visualiser c'est un tas d'algoritmes
-
4:19 - 4:22essentiellement programmés pour se cacher,
-
4:22 - 4:25et un tas algorithmes qui sont programmés pour les trouver et agir.
-
4:25 - 4:28Et tout ça c'est super, et c'est bien.
-
4:28 - 4:30Et ça représente 70%
-
4:30 - 4:32de la bourse aux Etats-Unis,
-
4:32 - 4:3470% du système opérateur
-
4:34 - 4:37qu'on appelait auparavant votre retraite,
-
4:37 - 4:40votre hypothèque.
-
4:40 - 4:42Et qu'est-ce qui pourrait aller de travers?
-
4:42 - 4:44Ce qui pourrait aller de travers
-
4:44 - 4:46c'est qu'il y a un an,
-
4:46 - 4:499% de la totalité du marché a disparu en 5 minutes,
-
4:49 - 4:52et on a appelé ça le crash flash de 2:45.
-
4:52 - 4:55Tout à coup, 9% disparaissent,
-
4:55 - 4:57et à ce jour personne
-
4:57 - 4:59n'est d'accord sur ce qui s'est apssé,
-
4:59 - 5:02parce que personne n'en a donné l'ordre, personne n'a voulu ça.
-
5:02 - 5:05Personne n'avait le moindre contrôle sur ce qui se passait vraiment.
-
5:05 - 5:07Tout ce qu'ils avaient
-
5:07 - 5:09c'était un écran devant eux
-
5:09 - 5:11qui affichait des chiffres
-
5:11 - 5:13et un unique bouton rouge
-
5:13 - 5:15qui disait, "Stop."
-
5:15 - 5:17Et c'est ça le truc,
-
5:17 - 5:19c'est que nous écrivons des trucs,
-
5:19 - 5:22nous écrivons ces trucs que nous ne savons plus lire.
-
5:22 - 5:24Et nous avons rendu quelque chose
-
5:24 - 5:26illisible.
-
5:26 - 5:29Nous avons perdu le sens
-
5:29 - 5:31de ce qui se passe vraiment
-
5:31 - 5:33dans le monde que nous avons fabriqué.
-
5:33 - 5:35Et nous commençons à faire notre chemin.
-
5:35 - 5:38Il y a une compagnie à Boston qui s'appelle Nanex,
-
5:38 - 5:40et ils utilisent les maths et la magie
-
5:40 - 5:42et je ne sais pas quoi d'autre,
-
5:42 - 5:44et ils vont chercher toutes les données du marché
-
5:44 - 5:47et ils trouvent, parfois, certains de ces algorithmes.
-
5:47 - 5:50Et quand ils les trouvent, ils les extraient,
-
5:50 - 5:53et les épinglent au mur comme des papillons.
-
5:53 - 5:55Et ils font ce que nous avons toujours fait
-
5:55 - 5:58quand nous sommes confrontés à d'énormes quantités de données
-
5:58 - 6:00que nous ne comprenons pas, nous leur donnons un nom
-
6:00 - 6:02et une histoire.
-
6:02 - 6:04En voici un qu'ils ont trouvé,
-
6:04 - 6:08ils l'ont appelé le Couteau,
-
6:08 - 6:10le Carnaval,
-
6:10 - 6:14le Jongleur,
-
6:14 - 6:16Twilight.
-
6:16 - 6:18Et le gag c'est que
-
6:18 - 6:21bien sûr, ils ne se contentent pas de fonctionner pour le marché.
-
6:21 - 6:24On trouve ce genre de trucs où qu'on regarde
-
6:24 - 6:26une fois que vous savez comment les trouver.
-
6:26 - 6:29Vous voyez ça ici : ce livre sur les mouches
-
6:29 - 6:31que vous avez peut-être cherché sur Amazon.
-
6:31 - 6:33Vous l'avez peut-être remarqué
-
6:33 - 6:35quand son prix est monté à 1,7 millions de dollars.
-
6:35 - 6:37Il est épuisé, pourtant ...
-
6:37 - 6:39(Rires)
-
6:39 - 6:42Si vous l'aviez acheté à 1,7 millions, vous auriez fait une affaire.
-
6:42 - 6:44Quelques heures plus tard, il était monté
-
6:44 - 6:46à 23,6 millions de dollars,
-
6:46 - 6:48plus le port et l'emballage.
-
6:48 - 6:50Et la question est :
-
6:50 - 6:52Personne n'achetait ni ne vendait rien ; que se passait-il?
-
6:52 - 6:54Et vous voyez ce comportement sur AMazon
-
6:54 - 6:56tout aussi surement que vous le voyez à Wall Street.
-
6:56 - 6:58Et quand vous voyez ce genre de comportement,
-
6:58 - 7:00ce que vous voyez c'est la preuve
-
7:00 - 7:02que des algorithmes sont en conflit,
-
7:02 - 7:04des algorithmes pris mutuellement dans des boucles
-
7:04 - 7:06sans surveillance humaine,
-
7:06 - 7:09sans supervision humaine,
-
7:09 - 7:12pour dire, "En fait, 1,7 million c'est beaucoup."
-
7:12 - 7:15(rires)
-
7:15 - 7:18Il il est arrivé la même chose à Netflix qu'à Amazon.
-
7:18 - 7:20Netflix a eu
-
7:20 - 7:22plusieurs algorithmes différents au fil du temps.
-
7:22 - 7:25Ils ont commencé avec Cinematch, et ils en ont essayé un tas d'autres.
-
7:25 - 7:27Dinausaur Planet, Gravity.
-
7:27 - 7:29A présent ils utilisent Pragmatic Chaos.
-
7:29 - 7:31Pragmatic Chaos, comme tous les algorithmes de Netflix,
-
7:31 - 7:33essaye de faire la même chose :
-
7:33 - 7:35Il essaye de vous mettre le grappin dessus,
-
7:35 - 7:37sur le firmware à l'intérieur du crâne humain,
-
7:37 - 7:39pour vous recommander quel film
-
7:39 - 7:41vous pourriez avoir envie de voir ensuite,
-
7:41 - 7:44ce qui est un problème très, très difficile.
-
7:44 - 7:46Mais la difficulté du problème
-
7:46 - 7:49et le fait que nous ne nous ne l'avons pas vraiment cerné,
-
7:49 - 7:51c'est qu'il n'enlève rien
-
7:51 - 7:53aux effets du Chaos Pragmatique
-
7:53 - 7:56Le Chaos Pragmatique, comme tous les algorithmes de Netflix,
-
7:56 - 7:58détermine, en fin de compte,
-
7:58 - 8:0060%
-
8:00 - 8:02des films qui seront effectivement loués.
-
8:02 - 8:04Donc un bout de code
-
8:04 - 8:07qui a une idée sur vous
-
8:07 - 8:10est responsable de 60 % de ces films.
-
8:10 - 8:12Mais si vous pouviez évaluer ces films
-
8:12 - 8:14avant qu'ils ne soient tournés?
-
8:14 - 8:16Ce serait pratique, non?
-
8:16 - 8:19Et bien, quelques spécialistes britanniques des données sont à Hollywood,
-
8:19 - 8:21et ils ont des algorithmes d'histoires,
-
8:21 - 8:23une compagnie du nom d'Epagogix.
-
8:23 - 8:26Et vous pouvez leur soumettre votre scénario,
-
8:26 - 8:28et ils peuvent vous dire,de façon quantifiable,
-
8:28 - 8:30que c'est un film à 30 millions de dollars
-
8:30 - 8:32ou un film à 200 millions de dollars.
-
8:32 - 8:34Et le truc, c'est que ce n'est pas Google.
-
8:34 - 8:36Ce n'est pas de l'information.
-
8:36 - 8:38Ce ne sont pas des statistiques financières ; c'est de la culture.
-
8:38 - 8:40Et ce que vous voyez ici,
-
8:40 - 8:42ou, plutôt, ce que normalement vous ne voyez pas,
-
8:42 - 8:46c'est qu'il s'agit de la physique de la culture.
-
8:46 - 8:48Et si ces algorithmes,
-
8:48 - 8:50comme ceux de Wall Street,
-
8:50 - 8:53plantent un jour ou deviennent défaillants,
-
8:53 - 8:55comment le saurons-nous,
-
8:55 - 8:57à quoi cela ressemblera-t-il?
-
8:57 - 9:00Et ils sont dans vos maisons.
-
9:00 - 9:02Voici deux algorithmes se disputant votre salon.
-
9:02 - 9:04Ce sont deux robots nettoyeurs différents
-
9:04 - 9:07qui ont des idées différentes quant au nettoyage.
-
9:07 - 9:09Et vous pouvez le voir
-
9:09 - 9:12si vous filmez en ralenti et que vous fixez des lumières dessus.
-
9:12 - 9:15Ils sont en quelque sorte les architectes secrets de votre chambre à coucher.
-
9:15 - 9:18Et l'idée que l'architecture même
-
9:18 - 9:20est d'une certaine façon sujette à optimisation algorithmique
-
9:20 - 9:22n'est pas si exagérée.
-
9:22 - 9:25Elle est très réelle et ça se passe autour de vous.
-
9:25 - 9:27Vous le ressentez le plus
-
9:27 - 9:29quand vous êtes dans une boite en métal scellée,
-
9:29 - 9:31un ascenseur moderne,
-
9:31 - 9:33on appelle ça des ascenseurs à système de contrôle de destination.
-
9:33 - 9:36Ce sont ceux où vous devez appuyer sur l'étage où vous allez
-
9:36 - 9:38avant d'entrer dans l'ascenseur.
-
9:38 - 9:40Il utilise ce qu'on appelle un algorithme de conditionnement de boîtes.
-
9:40 - 9:42Donc rien d'insensé
-
9:42 - 9:44comme de laisser chacun entrer dans la cabine de son choix.
-
9:44 - 9:46Tous ceux qui veulent aller au 10ème étage montent dans la cabine numéro 2,
-
9:46 - 9:49et tous ceux qui veulent aller au 3ème étage montent dans la cabine 5.
-
9:49 - 9:51Et là, le problème est que
-
9:51 - 9:53les gens flippent.
-
9:53 - 9:55Les gens paniquent.
-
9:55 - 9:57Et vous voyez pourquoi.
-
9:57 - 9:59C'est parce qu'il manque à l'ascenseur
-
9:59 - 10:02un équipement important, les boutons.
-
10:02 - 10:04(Rires)
-
10:04 - 10:06Le truc que les gens utilisent.
-
10:06 - 10:08Tout ce qu'il possède,
-
10:08 - 10:11c'est le chiffre qui monte et qui descend
-
10:11 - 10:14et ce bouton rouge marqué "Stop."
-
10:14 - 10:17Et c'est le but de notre travail de conception.
-
10:17 - 10:19Nous concevons
-
10:19 - 10:21pour ce dialecte de machine.
-
10:21 - 10:24Et jusqu'où peut-on aller? Jusqu'où peut-on pousser ça?
-
10:24 - 10:26On peut aller très, très loin.
-
10:26 - 10:29Alors permettez-moi de revenir à Wall Street.
-
10:30 - 10:32Parce que les algorithmes de Wall Street
-
10:32 - 10:35dépendent d'une qualité par dessus tout,
-
10:35 - 10:37et c'est la vitesse.
-
10:37 - 10:40Et ils opèrent à la milliseconde et à la microseconde.
-
10:40 - 10:42Et pour vous donner une idée de ce qu'est une microseconde,
-
10:42 - 10:44il vous faut 500 000 microsecondes
-
10:44 - 10:46rien que pour cliquer sur une souris.
-
10:46 - 10:48Mais si vous êtes un algorithme de Wall Street
-
10:48 - 10:50et que vous avez 5 microsecondes de retard,
-
10:50 - 10:52Vous êtes fini.
-
10:52 - 10:54Donc si vous étiez un algorithme,
-
10:54 - 10:57vous chercheriez un architecte comme celui que j'ai rencontré à Francfort
-
10:57 - 10:59qui vidait un gratte-ciel,
-
10:59 - 11:02il jetait tous les meubles, toute l'infrastructure destinée à l'usage humain,
-
11:02 - 11:05et ne mettait que de l'acier dans les étages
-
11:05 - 11:08pour préparer l'arrivée des serveurs à installer,
-
11:08 - 11:10tout ça pour qu'un algorithme
-
11:10 - 11:13puisse se rapprocher d'internet.
-
11:13 - 11:16Et vous pensez qu'internet est une sorte de système décentralisé.
-
11:16 - 11:19Et bien sûr, c'est le cas, mais il est décentralisé depuis des endroits précis.
-
11:19 - 11:21A New York, voici d'où il est décentralisé :
-
11:21 - 11:23le Carrier Hotel
-
11:23 - 11:25sur Hudson Street.
-
11:25 - 11:28Et c'est vraiment de là que les cables partent vers la ville.
-
11:28 - 11:32Et la réalité est que plus vous vous en éloignez,
-
11:32 - 11:34plus vous prenez des microsecondes de retard
-
11:34 - 11:36Ces gars à Wall street,
-
11:36 - 11:38Marco Polo and Cherokee Nation,
-
11:38 - 11:40ont 8 microsecondes de retard
-
11:40 - 11:42sur tous ces gars-là
-
11:42 - 11:46qui vont dans des immeubles qu'on vide
-
11:46 - 11:48autour du Carrier Hotel.
-
11:48 - 11:51Et ça va continuer comme ça.
-
11:51 - 11:53Nous allons continuer à les vider,
-
11:53 - 11:56parce que vous, centimètre pour centimètre,
-
11:56 - 11:59livre pour livre, dollar pour dollar,
-
11:59 - 12:02aucun d'entre vous ne pourrait tirer un profit de cet espace
-
12:02 - 12:05comme le Jongleur peut le faire.
-
12:05 - 12:07Mais si vous prenez du recul,
-
12:07 - 12:09si vous prenez du recul,
-
12:09 - 12:13vous verrez une tranchée de 1 300 kilomètres
-
12:13 - 12:15entre New York et Chicago
-
12:15 - 12:17construite ces dernières années
-
12:17 - 12:20par une compagnie appelée Spread Networks.
-
12:20 - 12:22C'est un câble de fibre optique
-
12:22 - 12:24qui a été posé entre ces deux villes
-
12:24 - 12:27dans le seul but de faire passer un signal
-
12:27 - 12:3037 fois plus vite qu'un clic de souris,
-
12:30 - 12:33rien que pour ces algorithmes,
-
12:33 - 12:36Rien que pour le Carnaval et le Couteau.
-
12:36 - 12:38Et quand vous y réfléchissez,
-
12:38 - 12:40que nous traversons les Etats-Unis
-
12:40 - 12:43avec de la dynamite et des scies à roches
-
12:43 - 12:45pour qu'un algorithme puisse conclure un marché
-
12:45 - 12:48trois microseconde plus vite,
-
12:48 - 12:50tout ça pour une structure de communication
-
12:50 - 12:54qu'aucun humain ne connaitra jamais,
-
12:54 - 12:57qui est une sorte de destin manifeste
-
12:57 - 13:00et qui cherchera toujours une nouvelle frontière.
-
13:00 - 13:03Malheureusement, nous avons du pain sur la planche.
-
13:03 - 13:05Tout ça est théorique.
-
13:05 - 13:07Voici des mathématiciens du MIT.
-
13:07 - 13:09Et la vérité est que une grande partie de ce qu'ils disent
-
13:09 - 13:11est incompréhensible pour moi.
-
13:11 - 13:14Ils parlent de cônes lumineux, de liaisons quantiques,
-
13:14 - 13:16et ce sont des choses que je ne comprend pas vraiment.
-
13:16 - 13:18Mais je peux lire cette carte.
-
13:18 - 13:20Et ce que cette carte dit
-
13:20 - 13:23c'est que, si vous essayez de faire de l'argent sur ces marchés représentés par des points rouges,
-
13:23 - 13:25c'est là que sont les gens, que sont les villes,
-
13:25 - 13:28vous allez devoir mettre les serveurs là où il y a des points bleus
-
13:28 - 13:30pour avoir le maximum d'efficacité.
-
13:30 - 13:33Et ce que vous avez peut-être remarqué à propos de ces points bleus
-
13:33 - 13:36c'est qu'il y en a beaucoup en plein océan.
-
13:36 - 13:39Alors voilà ce que nous allons faire, nous allons construire des bulles,
-
13:39 - 13:41ou des plateformes,
-
13:41 - 13:43nous allons partager les eaux pour de bon
-
13:43 - 13:45pour tirer de l'argent depuis l'air,
-
13:45 - 13:47parce qu'il y a un avenir radieux
-
13:47 - 13:49si vous êtes un algorithme.
-
13:49 - 13:51(Rires)
-
13:51 - 13:54Et ce n'est pas l'argent qui est si intéressant en fait.
-
13:54 - 13:56C'est la motivation que l'argent amène.
-
13:56 - 13:58Le fait que nous transformons
-
13:58 - 14:00la planète-même
-
14:00 - 14:02avec ce genre d'efficacité algorithmique.
-
14:02 - 14:04Et sous cet éclairage,
-
14:04 - 14:06vous retournez voir
-
14:06 - 14:08les photos de Michael Najjar,
-
14:08 - 14:11et vous vous rendez compte qu'elles ne sont pas métaphoriques, elles sont prophétiques.
-
14:11 - 14:13Elles annoncent
-
14:13 - 14:17les effets sismiques, les effets terrestres
-
14:17 - 14:19des mathématiques que nous construisons.
-
14:19 - 14:22Et le paysage a toujours été façonné par
-
14:22 - 14:25cette collaboration étrange et malaisée
-
14:25 - 14:28entre la nature et l'homme.
-
14:28 - 14:31Mais maintenant il y a une troisième force co-évoutionnaire : les algorithmes,
-
14:31 - 14:34le Jongleur, le Carnaval.
-
14:34 - 14:37Et nous allons devoir les comprendre comme faisant partie de la nature.
-
14:37 - 14:39Et dans un sens, c'est vrai.
-
14:39 - 14:41Merci.
-
14:41 - 15:01(Applaudissements)
- Title:
- Kevin Slavin : Comment les algorithmes façonnent notre monde
- Speaker:
- Kevin Slavin
- Description:
-
Kevin Slavin affirme que nous vivons dans un monde conçu pour (et de plus en plus contrôlé par) les algorithmes. Dans cette conférence fascinante qu'il a donnée à TEDGlobal, il montre comment ces programmes complexes déterminent les tactiques d'espionnage, le prix des actions, les scénarios de films et l'architecture.. Et il nous met en garde contre le fait que nous écrivons du code que nous ne comprenons pas, avec des implications que nous ne pouvons pas contrôler.
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 15:02