Innovation, Big Data, Smart Data, Small Data, Fast Data …

Le cerveau humain ne peut plus appréhender l’ensemble des données disponibles sur un sujet. Les mathématiciens antiques étaient aussi philosophes et connaissaient tous les sujets. Ce n’est plus possible. La technologie nous offre une possibilité jamais atteinte jusqu’à présent d’accumuler des données et de les interroger en croisant les critères de recherche.

Le Big Data est le nouveau mot à la mode en matière de numérique.

Les « Big Data » désignent de nouvelles approches décisionnelles capables d’analyser rapidement les énormes volumes de données de toutes natures, semi- structurées ou non structurées, que l’on trouve aujourd’hui dans des organisations de tailles très diverses. Le traitement intelligent de ce type de données ouvre aux entreprises de nouvelles opportunités, potentiellement considérables.

L’innovation a toujours eu un temps d’avance, elle apporte des richesses mais aussi une réflexion complexe sur la manière de l’utiliser.

Concernant le big data voici quelques éléments de réflexion

Choix dans les données qui pourront ou pas être utilisées,
Choix dans les entités qui les utiliseront (sociétés directement ou indirectement à vocation « commerciales », entités gouvernementales, centre de recherche/institut…)
Choix dans les résultats qui pourront en être tirés, (produits, services…)
Choix dans les utilisateurs/bénéficiaires
Choix dans les modalités d’usage (gratuit, payant…)

Cela pose aussi des questions Ethiques et une évolution juridique des législations pour encadrer les gestion et l’exploitation de ces données.

Si on regarde le Hype Cycle 2013 de Gartner, le Big Data est au sommet de la phase Hype Cycle.


hyper Cycle

Les professionnels s’interrogent toutefois sur les applications concrètes que le Big Data peut avoir pour leur entreprise. le diagramme ci-dessous permet d’avoir une visualisation intéressante d’insertion du Big Data dans notre sphère sociale, économique et sociétale. La source n’est plus les entreprises mais les utilisateurs eux-mêmes, qui génèrent dorénavant des contenus : textes, photos, vidéos, etc. Mettant donc à disposition un volume de données et une variété totalement inédits.
L’arrivée des wearable ou des objets connectés, va encore amplifier ce domaine. Le diagramme ci-dessous permet d’avoir une synthèses des orientations possibles.



Mais d’autres terme aussi émergent : Smart Data, Small Data, Fast Data, une petite démocratisation s’impose !

Si on se réfère au modèle de la pyramide des connaissances (http://www.gestiondesconnaissances.be/modele.php), il faut bien faire la distinction entre données, information, connaissance, et enfin sagesse. L’augmentation du nombre de données ne signifie pas nécessairement l’augmentation de l’information! Si les données ne sont pas interprétables, compréhensibles par celui ou celle qui est censé(e) la recevoir, cela n’est que du bruit. De plus, le fait d’avoir plein d’informations ce n’est pas encore de la connaissance, c’est du savoir !

D’autres voix s’élèvent contre cette approche jugée trop techno centrée qui se caractérise par les 3 V que sont le volume, la vélocité et la variété des données manipulées, en faisant valoir le fait que la connaissance finit par être noyée dans trop de données, que cela coûte globalement très cher pour un retour sur investissement non assuré et que le « Big Data » ne fournit en définitive qu’une vision de la réalité figée sur un moment donné et donc décorrélée de la dynamique temporelle.

D’où l’émergence de nouveaux concepts :

>> Le Long Data, une approche intégrant la durée qui donne du sens

Certains auteurs tels que :

Michael Kremer, auteur de « Croissance de la population et changement technologique de 1 million d’années avant J.C. à 1990 »

Tertius Chandler, auteur de « 4 siècles de croissance urbaine »

– ou Emmanuel Le Roy Ladurie, auteur de « L’histoire du climat depuis l’an mil »

ont une approche différente qui privilégie le « Long Data ». Ce dernier s’appuie sur des données historiques massives couvrant une très longue période.

Dans ce cas de figure, le présent n’est pas considéré comme le mètre étalon. C’est la longue durée qui est au contraire privilégiée car elle permet d’être attentifs aux process et aux interactions dans le temps, les changements s’opérant lentement et de manière imperceptibles. Il en est ainsi de la géologie, de l’astronomie ou de la biologie évolutionnaire (évolution des espèces à travers les âges)… Pour autant, il est très intéressant aussi d’identifier ce qui ne change pas (les invariants).

A titre anecdotique, Google a développé le Google Ngrams Viewer qui permet de tracer l’historique de l’usage d’un mot depuis l’année 1500 à ce jour en s’appuyant sur une analyse de tous les livres numérisés par Google Books !

Small Data, des données compréhensibles par l’homme

Rufus Pollock, économiste et fondateur de l’Open Knowledge Foundation, considère quant à lui que le « Big Data » est une fausse priorité et déclare que :

« Les discussions à propos du Big Data passent à côté d’une notion plus importante : la réelle opportunité n’est pas le Big Data, mais le Small Data. Non pas le grand cercle de données centralisé, mais les données éparses. »

Pourquoi ? Parce que le « Small Data » est mieux adapté à la compréhension des hommes et qu’il nécessite moins de moyens matériels et techniques sophistiqués et coûteux. Il connecte les gens avec des idées qui donnent du sens à leur vie et qui sont opportunes. Il utilise des bases de données limitées ou des sources locales. Les résultats, souvent présentés sous une forme visuelle, sont accessibles et compréhensibles, ce qui favorise le lancement d’actions au quotidien.

Enfin, les données accessibles via une architecture centralisée renvoient trop souvent à l’hégémonie ou au monopole d’une organisation alors qu’au contraire, la tendance va dans le sens de l’ouverture, du partage, de la collaboration et de l’intelligence collective, et donc de données accessibles via une architecture distribuée.

Le « Slow Data »

Le mouvement du Slow a vu le jour avec le Slow Food qui se positionnait en contestation du Fast Food, synonyme de la mal bouffe. Aujourd’hui, il s’étend également aux données et concerne les informations qui nous inciteront à modifier nos comportements, à vouloir changer le monde et à mieux collaborer ensemble au lieu de vouloir consommer et produire toujours davantage.

Il se caractérise par les 3 S que sont le small, le slow et le sure en opposition aux 3 V du « Big Data » et nous interpelle sur le fait que disposer de plus de technologie n’est pas une garantie pour mieux appréhender et résoudre les problèmes. En ce sens, il a un point commun avec la Phase d’Empathie de la démarche Design Thinking dans la mesure où c’est l’humain qui prévaut dans la résolution des problèmes.

En conclusion, on peut affirmer qu’en matière de data, s’il est vrai que la technologie facilite l’acquisition, le traitement et l’analyse des données, elle ne remplace pas pour autant la réflexion des chercheurs et des analystes. Elle permet aussi d’élargir les débats et de renforcer les échanges entre les laboratoires et instituts de recherche sur un mode collaboratif. Cela est très favorable à une meilleure compréhension des comportements et des usages des utilisateurs dans des domaines extrêmement variés et favorise l’évolution et l’enrichissement des sciences humaines et sociales.

Autres sources :
Big Data : Retour Aux Fondamentaux
Et si la troisième révolution industrielle était plutôt celle des Données ?
Forget Big Data, Small Data is the Real Revolution

Related Posts

Comments are closed.