Skip to content
Menu

Regard philosophique sur la donnée !

Regard philosophique sur la donnée !

Temps de lecture : 5 minutes

Regard philosophique sur la donnée !

Temps de lecture : 5 minutes

Bienvenue dans ce troisième podcast, aujourd’hui nous avons le plaisir de lancer cette émission radiophonique pour parler de la donnée et notamment comment prendre des meilleures décisions grâce à la donnée ? Nous avons eu le plaisir d’accueillir Charles Bodon, philosophe qui a effectué un parcours à la Sorbonne avec un double master 2 en philosophie contemporaine : “Philosophie Contemporaine” et “Logique, Philosophie des Sciences, Philosophie de la Connaissance (Paris I) Domaine d’études Philosophie”. Il a complété sa formation avec un intérêt pour le numérique qu’il a démontré avec plusieurs certifications “Artificial Intelligence: Implications for Business Strategy” au MIT Sloan School of management ou encore “comprendre le cœur d’internet : Les réseaux d’opérateurs” à l’institut Mines Télécom. Il cherche aujourd’hui à prendre le numérique à sa juste valeur.

 

Qu’est-ce qu’une donnée ?

 

Selon Charles, nous sommes rentrés dans une nouvelle dimension avec le digital, où la donnée prend un tout autre sens. Si l’on définit les termes, une donnée : “c’est ce qui est donné” dit-il, “c’est un objet brut”. Dans l’informatique en revanche, cela a un tout autre sens, une donnée c’est la représentation informative de quelque chose. Pour ordinateur, la donnée c’est un nombre binaire qui contient une information associée à ce nombre binaire.

 

Quelle est la différence entre la mesure et l’information ?

 

Il faut savoir distinguer la mesure de l’information en effet : une mesure peut être un calcul de probabilité d’apparition d’un message tandis que l’information peut se trouver dans la métrique. Si l’on prend l’exemple de la physique par exemple : l’information de l’énergie ou de la masse résulte d’une mesure d’un phénomène physique. La métrique donne l’info, mais les 2 notions sont à distinguer.

 

Comment décide-t-on ?

 

Pour répondre à cette question, il faut justement, tout d’abord partir du point de vue de la machine pour nous définir puisque nous sommes opposé. Aussi, parce que décrire le fonctionnement d’une machine est facile mais pas celui des Hommes. Ainsi, comment une machine décide ?

Le premier a répondre à cette question est Turing en 1936 avec son algorithme “la machine de Turing”. Fonctionne-t-il comme un algorithme universel et décide de tout problème ? Non ça n’existe pas :

  • Un système informatique ne peut pas décider parce qu’il est logicomathématique.

Chez les êtres humains en revanche il existe une composante psychologique très importante. En réalité, une machine ne répond pas, ne décide pas. Il faut bien se rendre compte qu’il y a autant de décision que de personnes.

Notre psychologie, nous permet de faire face à des situations significatives. En fait, l’être humain est en mesure de décider parce qu’il doit décider. C’est parce qu’il a une vue d’ensemble, qu’il peut valoriser et choisir. La machine en revanche ne peut pas valoriser et donc choisir.

 

Une machine ne décide pas ?

 

Comme nous venons de le dire, elle ne peut que suivre les règles établies.

Chez les Hommes en revanche, il existe un enjeu moral : c’est le début d’une conséquence, qui engendre une prise de décision. L’être humain suit des règles selon sa compréhension. Lorsque l’on prend une décision on saisit les tenants et aboutissants d’un sujet, or une machine n’a pas cette faculté.

 

Qu’est-ce que la prise de décision ?

 

Pour faire le lien avec le numérique, Facebook prend des décisions par rapport à des changements. Il y avait déjà une organisation sociétale mais Facebook ne vend pas un service mais une structure pour favoriser des échanges. Les grandes structures du numérique sont des intermédiaires. Elles fournissent des structures. Au final, prendre une décision c’est savoir suivre une règle.

Il ne faut cependant pas imaginer que tout est rationnel !Il y a une part d’irrationalité, on ne peut pas toujours justifier sa prise de décision. On prend une décision en conformité de son environnement de qui on est mais surtout en mesure de ce que l’on comprend de la règle de la prise de décision.

Il y a différentes rationalités, la machine de Turing ne suit que la même règle, tandis que nous suivons plein de règles différentes mais en plus de cela, l’humain est capable de rompre avec les règles.

 

Corrélation entre confiance et humanité

 

Comment l’IA fonctionne ?

  • Les réseaux de neurones, comme les fameux KNN, dont les facultés ne sont pas permises aux êtres humains. D’ailleurs, quand on y réfléchit ce qui est amusant c’est que la machine ne comprend pas l’humain, pour elle ,l’être l’humain est également une boîte noire. Nous sommes si différents que l’on rajoute des métadonnées pour que la machine nous comprenne. Les systèmes d’information sont interopérables. On essaye de transposer cela aux êtres humains pour que les machines nous comprennent. Si l’on devait développer une technologie, je ferais un discours sur la technique, parce que ce qui nous manque c’est de donner une formation, des clés de lecture, le futur ce sont les SI, le digital. Il faut comprendre comment la machine comprend et apprend tandis qu’il faut comprendre comment elle peut nous comprendre. La question à se poser c’est : comment contextualiser les informations pour qu’elles soient compréhensibles par tous ?
 

Comment la donnée est-elle interconnectée ?

 

Par définition, une donnée est toujours reliée. L’absence de donnée c’est une donnée qui s’inscrit dans un réseau de donnée. En réalité, on peut labelliser les données, il y a beaucoup de langages comme le SQL pour n’en citer qu’un, qui permettent de faire ça, pour que la machine les classe et que nous les humains, on les labellise. On croit que la donnée est sur-matérielle nous dit Charles parce qu’elle est médiée par plein d’autres, mais elle existe comme ça.

 

Quelles sont les évolutions potentielles de la donnée pour l’aide à la prise de décision ?

 

La suite, c’est sûrement les ontologies informatiques, nous dit-il, qui permet de structurer les données en les cartographiant. Cela nous permettra par exemple pour un médecin de consulter l’ontologie pour avoir une représentation graphique.

Les autres grandes évolutions sont les projections, les représentations graphiques des données.

La donnée prendra peu d’espace, on pourra la consulter rapidement avec des nouveaux espaces qui seront interactifs.

 

L’éthique dans l’IA

 

Alors, ici nous touchons à quelque chose de fondamentale, il nous explique la chose suivante : la machine n’est pas douée de penser, elle n’a donc aucune responsabilité dans ses actes. S’il y a une erreur, c’est le décisionnaire qui est fautif. La machine est donc “amorale”. Au final, qu’est-ce qu’un bon usage de l’IA ? Il faut Bien structurer son algorithme. La donnée se partage, plus on la raffine puis on peut l’extrapoler. La donnée ne souffre pas de la perte, elle peut être itérée à l’infini. Il faut seulement bien la contextualiser avec un rapport pertinent.

Si l’on reprend le scandale Cambridge Analytica, là on peut parler d’un algorithme mauvais. L’IA c’est comme un “Système nerveux comme un filet autour du monde”. Nous sommes en train de nous connecter aux autres et par conséquent prendre des décisions dans le numérique cela engage soi et les autres.

 

Si un accident survient qui est responsable ?

 

Pour résoudre cette énigme, il faut regarder les modèles algorithmiques. Le seul responsable, c’est le créateur de l’algorithme. Dans l’exemple très connu des voitures intelligentes, vu qu’il n’y a pas de conducteur, le seul moyen d’accuser le constructeur, c’est si l’accident avait été prédictible et qu’ils n’ont rien fait pour l’empêcher. En revanche, le paradoxe est le suivant : pour qu’un modèle soit explicable, il faut qu’il soit stable. On tombe très vite dans des serpents étymologiques, peu importe la raison de l’accident, le constructeur aurait quand même des bonnes réponses. Pour conclure, nous dit Charles, L’IA ouvre tellement de d’ouvertures et s’imbrique dans tellement de disciplines, qu’il va falloir surmonter grâce à la technologie.

N’hésitez à retrouver nos autres podcast ici et à nous contacter ici, si vous cherchez à valoriser vos données marketing.