BIG DATA, big value, big business

Transcription

1 BIG DATA, big value, big business Les entretiens de Télécom ParisTech 6 décembre 2012 Le 6 décembre 2012 s'est tenu à Paris, dans le cadre des "Entretiens de Télécom Paris- Tech", un séminaire sur la vague de fond que représente le Big Data, analysé sur le plan technique le matin, et économique l'après-midi. Dominique Jean, président de l'association Télécom ParisTech Alumni et Patrick Duvaut, directeur de la recherche à Télécom ParisTech introduisent la journée qui se propose d'explorer comment innover et entreprendre dans un monde numérique en abordant les deux thèmes: 1. Les enjeux technologiques liés au Big Data 2. Ses enjeux sociaux pour le citoyen (fiabilité, sécurité ) Patrick Duvaut présente la contribution de Télécom ParisTech pour faire entrer le Big Data dans la sphère industrielle. Il définit d'abord ce qu'est le Big Data avec une vision de physicien. C'est un big bang numérique qui a débuté avec l'explosion des réseaux sociaux et qui se poursuit avec l'open Data et l'internet des Objets. Le Big Data génère un univers de données de l'ordre de l'infiniment grand (de l'ordre du zettaoctet : octets). Cet univers de données est en expansion astronomique mais reste aujourd'hui encore peu accessible au public. Porté par la vague des smartphones et des tablettes, Facebook a généré en une année, plus d'informations que l'humanité n'en a générées dans les 36 siècles qui ont précédé. Télécom ParisTech participe au mouvement Big Data sur la formation, la recherche et l'innovation. Il existe aussi à Télécom ParisTech des missions transversales de projets consacrés au Big Data. Un mastère spécialisé "Big Data Gestion et analyse des données massives" sera créé et débutera en octobre En 2018, les Etats-Unis compteront ingénieurs formés à ces technologies. Les grands enjeux seront alors d'assurer la sécurité et la fiabilité des systèmes de données massives et d'extraire du sens à partir des données qui circulent. A côté de ses missions enseignement et recherche, Télécom ParisTech a aussi une mission d'innovation. Des soixante startups passées par l'incubateur de Télécom ParisTech, quinze d'entre elles exploitent les potentialités de l'écosystème du Big Data. Sur les cinquante brevets déposés entre 2009 et 2012 par l'école, six sont liés au Big Data. Patrick Duvaut conclut en soulignant que le Big Data est un univers en forte expansion mais que d'un point de vue social, il présente des risques importants. Big Data, big challenges Cet univers de données est monnayable et possède un infosystème propre. Les compétences requises pour le comprendre et l'utiliser sont pluridisciplinaires et abordées par plusieurs départements de Télécom ParisTech : Le département "Informatique et réseaux" qui s'intéresse au passage à l'échelle (scalability) du Web 2.0. La théorie des graphes peut fournir un mode adéquat de représentation des informations contenues par exemple dans les réseaux sociaux. Le département "Traitement du signal et des images" qui aborde les techniques qui donnent du sens à cette quantité immense d'informations. Le département "Communications numériques et électroniques" qui étudie comment laisser aux machines une certaine autonomie. Le département "Sciences économiques et sociales" qui étudie les verrous sociétaux et juridiques posés par les données à caractère personnel. Concepts et problématiques du Big Data Gilles Babinet, membre du Conseil National du Numérique, annonce des chiffres qui soulignent l'ampleur du phénomène. Aujourd'hui, en deux jours, l'humanité produit plus de données que dans toute son histoire depuis ses débuts jusqu'en Dans huit ans, la masse des données sera cinquante fois supérieure à ce qu'elle est aujourd'hui. Le marché du Big Data s'élèvera à 50 milliards d'euros et 10 fois plus de serveurs seront nécessaires. Le Big Data date de moins de dix ans, mais ses technologies sont déjà massivement déployées par Facebook, Tweeter, Google A chaque minute, en moyenne tweets et quinze millions de SMS sont envoyés au niveau mondial. Toutes les données ne sont pas, bien entendu, porteuses de la même valeur. L'enjeu est de pouvoir les hiérarchiser d'après leurs valeurs. Les applications sont nombreuses, page 1/10

2 par exemple dans le domaine de la médecine et dans le secteur de l'énergie et de la sécurité de l'information. Les sciences médicales sont en effet un des secteurs les plus particulièrement intéressés par le Big Data, avec un afflux de données à prévoir sur les patients, provenant de l'imagerie du cerveau, du séquencement du génome et de la cartographie. A l'inria de Rennes sont étudiées les corrélations entre les images du cerveau et le patrimoine génétique des patients en vue de délimiter les régions cérébrales qui présentent un intérêt symptomatique. Cela implique de manipuler des dizaines de téraoctets. La compréhension de la sémantique du Web, avec la possibilité de croiser les données est un autre domaine prometteur. Dans le domaine de l'énergie, les Smart Grids pour piloter le réseau électrique, pour intégrer la montée en puissance des énergies renouvelables, et pour maîtriser la consommation d'énergie, feront largement appel au Big Data. Autre domaine concerné, l'urbanisme où le Big Data permettra d'optimiser le fonctionnement des réseaux de transport et de réaliser de fortes économies d'énergie en affectant, en temps réel, les moyens de transports dans des services dédiés à la personne, voire même de supprimer la notion d'horaires. Le Big Data permettra de mieux appréhender les zones d'insécurité dues à des causes naturelles ou à des malveillances. L'historique des données permettra une optimisation de l'affectation des forces de police ou de pompiers à tel quartier à risque. Les secteurs du marketing et du marchandising seront bouleversés par l'analyse des comportements ; et des micro-segmentations seront utilisées pour personnaliser des offres. Peut-être marketing et marchandising seront les marchés qui exploiteront le plus le Big Data. Le Big Data pose dès aujourd'hui un réel défi à notre pays. Il faut développer la filière de la Data, du Big Data et de l'open Data, car sinon, à l'horizon 2016, ce sera data scientists, qui possèdent une double compétence, architectes de systèmes et sachant extraire du sens à partir de données complexes, qui selon l'institut McKinsey, manqueront sur le marché. La France présente des atouts avec son excellence en mathématiques (capacité à faire du traitement algorithmique) et en statistiques, sans oublier en sciences humaines avec en particulier les secteurs de la sémantique, la linguistique et le design (comme la data visualisation qui est la méthode de représentation de la data). Nous sommes donc dans un domaine en très forte évolution. Il faut créer une filière et des chaires autour de ces technologies. Des centaines de milliers d'emplois pourront être pourvus autour du Big Data en France, mais il faut savoir saisir les métiers de la data maintenant, il faut que les pouvoirs publics en prennent conscience car le train ne passera qu'une fois. Attention aussi à la fuite des cerveaux. On trouve de nombreux Français dans l'état major de Facebook et à la direction de la R&D. Dans la Silicon Valley, les français représentent même la deuxième communauté après celle des chinois. Question de la salle : Vous avez évoqué la création d'une chaire transverse sur le Big Data, avec plusieurs organismes. Dites-nous en plus! Réponse de Gilles Babinet : Je connais cinq ou six écoles à Paris qui développent de nombreuses disciplines autour de la data, en particulier autour de l'open Data, mais nous restons prisonniers de silos de connaissances. Les designers n'ont pas, par exemple, la culture de la data. Créer une chaire sur ce thème précis nous fera prendre la mesure des enjeux. Big Data et empowerment Daniel Kaplan, délégué général de la Fondation pour l'internet Nouvelle Génération (FING), propose une réflexion sur les transformations de la société, induites par le Big Data. Le sujet du Big Data est d'abord celui de la Data. Il se passe des choses très intéressantes dans l'univers des technologies du Web mais il ne faut pas négliger pour autant, pour des raisons techniques, économiques, sociales ou sociétales, le champ de la data. La donnée doit connaître une vie autonome. Avant les données étaient des éléments négligeables utilisés pour boucher les trous. On a formalisé depuis le principe de séparation de la donnée et de son traitement. Une donnée produite, comme celle issue des capteurs de réseaux de télésurveillance, doit pouvoir connaître une autre utilisation que celle pour laquelle elle a été produite initialement. Par exemple les données recueillies par les multiples caméras de surveillance, à Londres, pourraient, en mettant en œuvre des algorithmes de reconnaissance de caractères pour lire les plaques minéralogiques, assurer aussi les facturations dans les zones de circulation payantes. La donnée doit devenir une matière première naturelle. Que fera-t-on du déluge de données à prévoir? Et quelles en seront les conséquences? En 2011, le volume de données a été de 1,8 zettaoctets (1800 milliards de gigaoctets) et on prévoit un volume de 2,9 zettaoctets en 2015, l'équivalent de 18 millions de fois ce que contient l'ensemble des ouvrages de la Librairie du Congrès. Les nouvelles possibilités de production de données apporteront des aides à la prévision en quasi temps réel. Dès aujourd'hui, Microsoft, depuis la Corée du Sud, repère tout se qui se passe sur tel ou tel axe du réseau et peut prédire si on va vers un embouteillage. Les entreprises sont de plus en plus nombreuses à vouloir maîtriser la data. Celle-ci devient un vif sujet de discussion. Le classement des données est le résultat d'un choix mais la donnée est une matière première naturelle qui peut être utilisée à d'autres fins que celles pour lesquelles elle a été produite. page 2/10

3 Dans son livre "Dix lois du Big Data" paru chez Forbes en 2012, David Feinleib écrit que plus vite les données sont analysées, plus grande est leur valeur prédictive, et quand on les croise avec des données les plus diverses, elles ont encore plus de valeur. Leur valeur persiste bien après le moment où elles ont été produites, donc il ne faut en jeter aucune. Les traces que laisse un navigateur quand il fait des requêtes sur la toile ne sont pas utilisables avec certitude pour savoir qui est un client mais peuvent renseigner sur son acte d'achat en devenir. Le Big Data est un moyen de reculer le moment où les entreprises devront parler directement avec leurs clients pour leur demander ce qu'ils souhaitent. Autant le deviner sans le leur demander. Les clients et les entreprises sont de moins en moins fidèles mais les vendeurs pourront faire valoir que les renseignements qu'ils ont constitués sur chaque client leur permettent de deviner les souhaits des clients et structurer les possibilités de proposer ce dont le client a réellement besoin en diminuant ainsi les risques liés à leur achat. Le Small Data vient en complément du Big Data. Le consommateur dispose de moyens informatiques de plus en plus importants qui lui permettent d'avoir accès à beaucoup de produits. Alors plutôt que de les rechercher, il préfèrera demander au marché : "Voilà ce que je désire, vous me connaissez et connaissez mes besoins, faitesmoi vos propositions". Aujourd'hui une telle demande a peu de chances d'aboutir, et même de pouvoir se faire. Nous avons là un intéressant champ d'investigation. Le gain d'efficacité obtenu, en croisant les gisements d'information, avec le Small Data sera bien supérieur à ce que le Big Data obtiendra avec le ciblage des clients. C'est le but visé par le projet "MesInfos" de la FING. Nouveaux enjeux et conséquences Jean-François Marcotorchino, directeur scientifique de la division DSC de Thales, parle des enjeux du "4V" : Volumétrie, Vitesse, Variété et Valeur. La "Volumétrie" est le domaine du NAS (Network Attached Storage), de la virtualisation et du Cloud Computing. Le Big Data ne doit pas être un simple problème de stockage mais doit aussi s'intéresser à l'analyse des données stockées. La "Vitesse", c'est l'affaire de streaming et de l'analyse des données à la volée, en temps réel. La "Valeur" de l'information rencontre une demande croissante des ingénieurs pour la quantifier. On peut définir le Big Data comme l'ensemble des données dont la taille va au-delà de la capacité actuelle des logiciels pour les collecter, les manager et les traiter. Il ne faut pas confondre le HPC (High Performance Computing) et le Big Data. Il ne faut pas non plus confondre la complexité combinatoire et la complexité d'adressage des data. Dans le premier cas, le problème n'est pas relatif à la quantité de données mais à la structure combinatoire du problème à résoudre. Dans le deuxième cas, le problème est relatif à la "scalability" par la linéarisation plutôt que par le parallélisme. Chez Thales, on s'intéresse aux technologies du Big Data telles que le "Smart Sensing", pour analyser et fusionner l'information, telles que les facteurs humains et cognitifs, telles que l'aide à la décision et à l'organisation. Quand on ne connait pas ce vers quoi va porter l'analyse des données, il faut travailler l'exhaustivité de cette analyse. On distingue le "Big Data par extension", comme dans le domaine de la sécurité avec l'analyse d'intrusions et le "Big Data intrinsèque" qui a recours à l'exhaustivité, aux outils analytiques et à des heuristiques à comportements linéaires (par approximation) comme la modélisation des réseaux sociaux. Ces techniques peuvent être utilisées par exemple pour établir un tarif dégressif pour les utilisateurs du métro de Pékin. Il n'existe pas encore de standards pour le modèle "NoSQL" dans le Big Data, mais quelques solutions émergent comme Hadoop utilisé par IBM et par Thales. Oui, les métiers du Big Data sont des métiers d'avenir! Question de la salle : Quelle création de valeur est portée aujourd'hui par les initiatives autour du Big Data? Réponse de Jean-François Marcotorchino : Citons le Dossier Médical Personnel, mais sa mise en réseau est un sujet monstrueux pour la CNIL et ce n'est pas pour tout de suite. Citons les travaux du CNES sur les structures de stockage et d'exploitation des données envoyées par les satellites. Le marché est considérable et chez Thalès, on se pose la question de quoi faire pour l'exploiter. La cybersécurité est un sujet très important et un vrai problème pour lequel le Big Data peut apporter des solutions : problème d'analyse de tous les évènements remontés par les capteurs, problème de protection des clés de chiffrement Problèmes liés à la sécurité des données Guy Chesnot, architecte stockage chez SGI, introduit le thème de la sécurité des données confiées au Big Data, et en particulier leur confidentialité et ce que peut apporter les traitements du Big Data à la sécurité informatique. Il combat d'abord l'idée que le Cloud Computing est la même chose que le Big Data, et que le Big Data, c'est Hadoop. L'industrie informatique a la capacité de recycler les produits et les équipements pour répondre à de nouveaux défis, mais le Big Data loin d'être un effet de mode, est un changement quantitatif et qualitatif majeur auquel la technique ne peut répondre avec d'anciennes solutions. L'intérêt que présentaient les bases de données relationnelles va disparaître avec la quantité d'enregistrements et c'est là que le Big Data intervient. On peut envisager une infrastructure de type Cloud Computing, basée sur le Big Data pour stocker les données, mais il n'est pas possible d'exploiter la valeur de ces données avec une architecture classique. Aujourd'hui, on page 3/10

4 peut utiliser Hadoop, mis dans le domaine public par Yahoo, qui est une méthode d'analyse post mortem. Facebook l'utilise. Le Big Data pose des problèmes de sécurité spécifiques : 1. Ceux du lieu de résidence des données stockées dans des infrastructures publiques et qui n'est pas forcément divulgué. Elles peuvent être stockées sur des serveurs aux Etats-Unis et tomber ainsi sous la loi du Patriot Act qui fait peser, sur ces données, un risque sur leur confidentialité. Les données peuvent être stockées sur de multiples instances de serveurs entre lesquelles elles circulent et peuvent être interceptées au passage. Mieux vaut donc aujourd'hui les héberger localement, là où on est sûr de pouvoir les contrôler. 2. Ceux spécifiques aux infrastructures logicielles et matérielles. Au niveau applicatif, l'infrastructure logicielle la plus répandue de fait est Hadoop. Mais côté sécurité, les couches logicielles sont aujourd'hui très pauvres et mieux vaut ne pas reposer sa sécurité sur celle du Cloud. 3. Ceux de la structuration des données. Le Cloud repose sur des architectures logicielles peu chères qui permettent de faire des économies de réseaux, de serveurs et de stockage. Les infrastructures proposées par Amazon reposent sur plus d'un million de serveurs, mais avec Hadoop et le système de fichiers HDFS (Hadoop Distributed File System) qui assure l'interconnexion entre serveurs, un serveur ne peut que difficilement échanger des informations avec un autre. Avec le Big Data, les bases de données relationnelles explosent. Il faut alors utiliser des bases NoSQL avec des modèles non structurés qui reposent sur des fichiers plats. Pour des raisons de disponibilité, les données doivent être dupliquées et le Cloud doit assurer leur redondance. La volumétrie (un des quatre "V") pose un problème particulier car elle complique la lutte contre les exfiltrations de données, visées par les attaques en APT (Advanced Persistent Threats). Des analyses du comportement du Big Data sous Hadoop ont été menées par ebay pour s'assurer que les cartes de paiement ne sont pas utilisées de manière frauduleuse, sinon ebay doit rembourser le vendeur. Le temps de décision pour accepter un paiement par carte est de 3 ms en moyenne et doit donc être traité directement dans la mémoire du serveur. Ces dispositions font gagner plusieurs millions de dollars à ebay. L'INPS utilise également ces technologies pour lutter contre la fraude à l'assurance maladie, en pratiquant des analyses post mortem. Pour analyser de si grandes quantités de données, tout en protégeant les systèmes d'information, le Big Data peut se baser non pas sur les données stockées mais sur les métadonnées, sans extraire ces données. Analyser les logs des évènements de sécurité est fastidieux, voire impossible pour un être humain. Le Big Data offrira de nouvelles opportunités dans ce domaine. De nouveaux algorithmes, pour trier, corréler, extraire les éléments pertinents parmi une masse gigantesque d'informations, seront mis à disposition quand les recherches actuelles sur le sujet auront abouti, mais cela se fera dans un horizon de dix, vingt ou trente années. Il convient d'investir dès aujourd'hui dans les réseaux pour constituer des stockages privés et conserver les données dans le temps en s'assurant qu'elles pourront être exploitées par les outils de demain avec leur structure d'aujourd'hui. Le temps est en effet le principal ennemi des data. Table ronde "Quelles protections pour les données personnelles" Dans la table ronde animée par Claire Levallois-Barth, enseignante-chercheur à Télécom ParisTech et CIL (Correspondant Informatique et Liberté) de cette école, prennent place Paul-Olivier Gibert, président de l'afcdp (Association Française des Correspondants à la protection des Données), Sophie Vulliet-Taverniet, directrice de la direction des études et de l'innovation à la CNIL, et Philippe Wolf, chargé de mission à l'anssi. Philippe Wolf (ANSSI), expose ce qui caractérise pour lui le Big Data : Le déluge des données, leurs variétés (structurées, semi ou non structurées, brutes) et la nécessité de les traiter en quasi temps-réel. Sophie Vulliet-Taverniet (CNIL) souligne quatre facteurs importants qui entrainent de nouveaux défis : 1. La multiplication des sources d'information et l'intérêt de les regrouper. Les informations peuvent être en Open Data, être issues du Web Social ou provenir de capteurs. Elles peuvent être ouvertes et réutilisables par tout le monde. 2. Le coût du traitement des données de masse. Les géants de l'internet peuvent se le permettre mais les petits acteurs auront du mal à suivre. 3. Les techniques d'analyse des données qui sont de plus en plus sophistiquées, et qui permettent de cibler un individu de plus en plus efficacement. 4. Les prises de décision par les algorithmes. Que resteil est alors de l'autonomie d'un individu? La santé et la sécurité sont les principaux domaines concernés aujourd'hui. Philippe Wolf (ANSSI) évoque ce qui change avec le Big Data. On assiste à une "prostitution numérique". De plus en plus de données personnelles sont livrées. Les enfants ne résistent pas à l'attrait de se confier sur les réseaux. Le Big Data pose un problème d'inférence : A partir de données tout à fait innocentes, mais corrélées, on peut déterminer par exemple que tel individu a le sida. Ce qui n'est sans doute pas son souhait. page 4/10

5 Dans les années 70, les techniques de virtualisation existaient déjà avec Multics et les mainframes, mais aujourd'hui, avec un million de serveurs qui travaillent en permanence et avec les progrès de l'algorithmique, on peut mieux les exploiter. Claire Levallois-Barth, animatrice, remarque qu'on parle de données à caractère personnel, mais nous assistons à l'apparition d'un nouvel objet, la data, avec une vie propre, détachée de ses traitements. Ceci pose-t-il des problèmes concernant la vie privée. Le caractère privé d'une donnée entre dans un cadre normatif qui date du début des années 80 et n'a plus rien de commun avec notre univers aujourd'hui. Qu'est-ce aujourd'hui qu'une donnée nominative? La loi de 1978 et la directive de 1995 sont de bonnes résolutions mais trop influencées par l'affaire des fiches qui date du début du vingtième siècle où le ministre de la guerre avait établi des fiches sur tous les colonels qui allaient à la messe, pour déterminer ceux qui avaient des tendances monarchistes, donc dangereuses pour la République. Toutes les données seront-elles nominatives ou pourrontelles le devenir, par exemple les données remontées par des capteurs? Devrons-nous faire face à un nouvel espace où toute information relative à un individu pourra devenir une donnée à caractère personnel. Sophie Vulliet-Taverniet (CNIL) pense que les lois existantes ne sont pas si obsolètes. La connaissance du sexe, de la date de naissance et du code postal d'un individu permettent son identification à 87%. Si de plus on connait sa date de décès, les statistiques de santé peuvent révéler le motif de son décès, information qui peut poser des problèmes à ses descendants. Une adresse IP est-elle une donnée à caractère personnel? Au niveau européen, cette question est en cours de règlement. La définition d'une donnée à caractère personnel qui fait référence est celle de l'identification en ligne d'un individu, par ses aspects géographiques, culturels, économiques et sociaux. Philippe Wolf (ANSSI) fait part d'une expérience qu'il a menée à l'anssi avec un stagiaire et qui prouve que Google analyse les frappes clavier de ceux qui lui soumettent des requêtes pour les identifier, et relier ainsi l'adresse IP utilisée à la vraie identité de la personne, et pas à seulement à son pseudonyme ou à son avatar. Avec ça, on peut aller loin et Google se base sur une vingtaine de caractéristiques pour savoir qui est en train de taper au clavier. Claire Levallois-Barth (animatrice) demande comment il serait possible de casser le lien entre l'information et l'identité d'une personne. Philippe Wolf (ANSSI) répond que c'est un problème technique traité en partie dans les certifications Critères Communs. Au début a été exprimé le besoin spécifique de "privacy" qui peut se traduire par "vie privée" mais cette traduction est approximative car le sens réel du mot "privacy" chez les Anglos saxon n'est pas exactement celui de "vie privée". Les Allemands avaient demandé d'inclure, dans les Critères Communs, quatre fonctions concernant la "privacy" mais il n'existe pas de "Profils de Protection" sur ce sujet (éléments minima à inclure dans la cible de sécurité pour obtenir la permission de mener la certification). Ces fonctions sont l'anonymat, la pseudonymie, la nonchaînabilité et la non-observabilité. La création d'un pseudonyme réversible ou pas, peut entrainer l'impossibilité d'établir un lien entre le pseudo et l'identité réelle de l'individu. Ces fonctions, en particulier l'anonymat et la non-observabilité sont de bonnes fonctionnalités à inclure dans le Big Data. L'Open Data permet aux Etats-Unis de maintenir un site qui géolocalise tous les délinquants sexuels. On saisit simplement une adresse et on obtient un plan détaillé de l'emplacement des délinquants qui l'entourent. Il suffit de le montrer aux enfants pour qu'ils aient moins l'envie de sortir. Il faut dire que les Américains n'ont pas la même façon de considérer leurs voisins que nous. Sophie Vulliet-Taverniet (CNIL) pense qu'en raison du prix prohibitif des développements à faire, peu de sociétés peuvent développer des produits qui garantissent l'anonymisation et le besoin est fort dans ce domaine. Claire Levallois-Barth (animatrice) demande quelles sont les principales obligations qui doivent être imposées au Big Data et où se situent les principaux problèmes. Pour Sophie Vulliet-Taverniet (CNIL) la vision pessimiste est que les règles existantes ont été conçues à une époque où prévalaient les notions de fichiers et de responsables de traitement de données. Avec le Big Data, ces principes sont à revoir. Quand sont recueillies des données brutes, comment informer les personnes pour qu'elles fassent valoir leurs droits? Comment leur donner un droit d'accès aux données qui les concernent? Avec le Big Data, des analyses sophistiquées peuvent être faites mais aucune décision automatique ne devrait pouvoir être prise sans l'accord de l'intéressé. Mais ce droit est ignoré ou très peu exercé. La CNIL peut aider à faire valoir ce droit. Elle a lancé une concertation publique et préconisera des recommandations publiques sur les problèmes de sécurité du Cloud. Pour Paul-Olivier Gibert (AFCDP), la protection du droit des personnes à leur vie privée et à leurs libertés fondamentales passe par la protection de leurs données à caractère personnel. On ne peut faire n'importe quoi avec les données de ce type. Des données autonomes, indépendantes de leurs traitements, apparaissent. C'est le cas de celles remontées par les capteurs qui recueillent les données météo ou les données de santé. Ce domaine est trop neuf pour qu'il puisse déjà exister des normes, mais les règlements sur l'informatique et liberté doivent s'appliquer à ceux qui utilisent le Big Data. page 5/10

6 Philippe Wolf (ANSSI) pense que les données trop personnelles du Big Data doivent être chiffrées. Une bonne utilisation du Big Data valorise le patrimoine informationnel. La méthode ebios peut être utilisée pour analyser le risque du traitement de l'information. L'homologation des systèmes se traduit par la signature d'une autorité officielle. Le Référentiel de Sécurité (RGS) fournit des préconisations pratiques. L'effacement et l'anonymisation des données sont un sujet délicat à traiter. Tout chiffrer dans le nuage impose de conserver toutes les clés. Pour vivre avec le bon Big Data, il faudra une lutte citoyenne menée contre le mauvais Big Data. Claire Levallois-Barth (animatrice) demande ce qu'il faut penser de la loi Informatique et libertés rendue effective au niveau de l'entreprise, par la Commission européenne, le 25 janvier Paul-Olivier Gibert (AFCDP) pense qu'il est important d'assurer l'effectivité du droit et des principes. Les choses bougent. Comme l'a écrit Michel Serres, nous vivons une époque de rupture aussi fondamentale que la rupture qui s'est produite il y a 25 siècles avec l'invention de la monnaie, aussi importante que fut le passage à l'écriture alphabétique. Mais nous manquons de recul. Il faut que le traitement des données à caractère personnel soit mené avec les Correspondants Informatique et Liberté et avec ceux qui mettent en œuvre le Big Data, afin que le traitement des données ne porte pas atteinte aux droits et aux libertés des personnes. Claire Levallois-Barth (animatrice) demande ce qu'on peut dire de l'"accountabilité". Sophie Vulliet-Taverniet (CNIL) pense que les modes de régulation de l'information doivent évoluer. Les CNIL jouent un rôle actif dans la protection des données, en rendant obligatoire la déclaration de leurs traitements. Ces grands principes sont peu connus du public qui n'exerce que très rarement son droit d'accès. Pour l'accountabilité, il faut une politique de conformité qui respecte le principe de protection des données. En France, depuis la loi de 1978, les entreprises se focalisent trop sur l'aspect déclaration. Il convient de mener des études d'impact du Big Data dans les entreprises. Sont-elles prêtes aujourd'hui? A l'horizon 2020, il faudra établir la "privacy by design" avec des techniques d'anonymisation et d'effacement automatique. Cela ajoutera un facteur de confiance dans le développement d'une économie numérique forte. Big Data, Big Business L'écosystème du Big Data Matteo Pacca, consultant chez McKinsey intervient sur le thème de l'écosystème du Big Data. Il annonce quelques chiffres qui donnent le vertige : Pour 600 $, on peut s'offrir un système de stockage capable de recevoir toutes les musiques du monde. Il y avait déjà cinq milliards de téléphones mobiles utilisés en 2011 et chaque mois, trente milliards d'éléments arrivent sur Facebook. Quatre milliards de gigaoctets d'informations uniques seront générés cette année (plus que depuis 5000 ans). Le Big Data et définit par les "4V" : "Volumétrie", "Vitesse", "Variété" et "Valeur" auxquels Matteo Pacca souhaite ajouter la "Virtualisation". Est-ce que ça fonctionne aujourd'hui? Est-ce que ça change notre manière de travailler? 80% des personnes utilisent déjà le Big Data mais seulement 20% savent utiliser ses capacités pour en tirer de la valeur. Comment peut-on se différencier en utilisant des données non structurées dans un marché qui est estimé à 5 milliards de dollars en 2012 et qui est estimé à 53 milliards de dollars en 2017 (soit une augmentation de 60% par an)? Beaucoup de grandes sociétés disent être le seul champion du Big Data. C'est le cas pour Microsoft, Oracle, IBM, SAP, HP, EMC Il faut constater : 1. Qu'on nage dans un déluge de data ; 2. que celles-ci ont de la valeur ; 3. qu'il faut des spécialistes pour saisir ces opportunités. La version1.0 du logiciel Hadoop n'a que 8 mois. Va-t-on passer de l'ère de l'informaticien à celle du statisticien? Question de la salle : Comment expliquer le retard de la France dans le marché du Big Data? Réponse de Matteo Pacca : En France on a tendance à décortiquer le problème avant d'agir. Dans d'autres pays on agit tout de suite, et puis on décortique après. La première question à se poser est "comment extraire de la valeur du Big Data?" et pas "Comment ça fonctionne exactement?". Dans une boule de cristal, on pourrait entrevoir que les grandes sociétés comme SAP vont avoir une position dominante sur ce marché, avec deux bémols toutefois : Elles devront procéder à des acquisitions et il existe sans doute des sociétés qui aujourd'hui ne dévoilent pas leurs plans mais qui prendront le leadership dans les 5 ans. Création de valeur pour les citoyens François Brancilhon président de Data Publica (acteur de l open data en France) et François Lainée, président de CetaData traitent de la création de valeur du Big Data pour les citoyens. François Brancilhon (Data Publica) explique que sa société extrait des données brutes, issues de l'open Data et des réseaux sociaux, du Web et des éditeurs, pour produire des jeux de données structurées qu'elle livre à ses clients sur abonnement. Cela requiert trois expertises: page 6/10

7 1. Connaître les sources où résident les données brutes ; 2. savoir les transformer en données structurées ; 3. maitriser les technologies de présentations de ces données. Une grande quantité de données, venant de l'open Data, est accessible aux citoyens et cette quantité augmente très vite, mais madame Michu ne sait qu'en faire. Pour que ces données ne soient pas réservées aux seuls Geeks, des intermédiaires entre les données et les citoyens sont indispensables. La société Data Publica met à disposition des citoyens en France jeux de données, avec des moteurs de recherche et des API au format APFL. Elle met aussi à disposition des tableaux de bord territoriaux où les données sont classées par thèmes, et aussi d'autres outils tels que ceux qui affichent la densité des Monoprix par arrondissements où la localisation du patrimoine immobilier de l'état. François Lainée (CetaData) analyse la valeur citoyenne de l'open Data et du Big Data, son potentiel et ses limites. La disponibilité des données publiques aide la démocratie. Les leviers clés de la création de valeurs sont : La visibilité pour mettre en lumière ce qui ne l'était pas et placer les informations trouvées dans le débat public pour le dynamiser. Par exemple les cartes des possessions de l'état apportent des informations très intéressantes ; le benchmarking pour mesurer les performances des services publics. A partir des données financières des communes de France, il est possible de déterminer lesquelles sont dépensières et lesquelles sont économes. Ces informations peuvent permettre aux citoyens de noter leur commune et leurs élus et d'influencer leurs votes, surtout en période d'austérité. Dans la santé, la cartographie et la comparaison des honoraires des médecins généralistes restent encore un domaine à explorer. Création de valeur pour les entreprises Jean-Luc Raffaelli directeur de projets stratégiques à La Poste et Jean-Paul Leroux, responsable marketing chez Orange Business Services poursuivent les présentations avec la création de valeur du Big Data pour les entreprises. Jean-Luc Raffaelli (La Poste) parle du contexte de la donnée dont l'utilisateur fait partie intégrale. Avec un moteur de recherche, plus on propose de mots, moins on obtient de résultats mais plus pertinente est l'information retournée. Il convient alors de donner du sens à cette information. Le potentiel financier du Big Data incite aux investissements mais la crise actuelle les freine. Le Big Data apporte une meilleure connaissance du client si la donnée est valorisée. La valorisation de l'information peut se faire en externe, par l'analyse par exemple des réseaux sociaux, mais peut-on utiliser des données qui ne nous appartiennent pas? Elle peut se faire aussi en la cherchant en interne dans de grands référentiels comme le permet Terra Nova. Par ses projets sur l'innovation qui visent à capter l'information, lui donner du sens et apporter une aide à la décision, La Poste contribue à emmener plus de transversalité au service du client. Jean-Paul Leroux (OBS) analyse les statistiques de l'usage des médias sociaux fait par les deux candidats aux élections présidentielles des Etats-Unis. Mitt Romney a eu peu de présence sur le Web par rapport à Barack Obama qui avait su tirer l'expérience des élections de 2008 et s'était entouré d'une armée de spécialistes. Romney comptait 12 millions d'amis, fans, un million de followers, avec un budget de 753 millions de dollars. Obama comptait 32 millions d'amis, fans et 28 millions de followers pour un budget de 853 millions de dollars. Les deux étaient pratiquement à égalité un peu avant le scrutin, mais Obama l'a emporté parce qu'il a mieux su gérer la quantité prodigieuse d'informations. Pour Orange qui utilise le "Capacity Planning" pour décider où investir en cette période de crise, le Big Data est un bon outil. Les questions sont "de quelles data je dispose?", "Comment les acteurs marketing peuvent tirer profit de l'existence de ces données?". Création de valeur pour les acteurs informatiques Carlos Condé architecte chez Amazon Web Services aborde le sujet de la Création de valeur pour les acteurs informatique. Les clients d'amazon utilisent le Big Data de manière transparente quand ils se connectent au Web d'amazon. Le business model d'amazon est : "plus nous avons de data, mieux se porte notre business". Son action est de collecter, stocker, analyser et partager les data. L'infrastructure d'amazon s'appuie sur des Data Centers. En Irlande, Amazon possède trois zones redondantes. Le gigaoctet est facturé douze centimes par mois et le débit est de transactions par seconde par accéder à leurs objets. Amazon S3 apportera aux données plus de durabilité. Table ronde "Quelle création de valeur pour les start-ups?" Une table ronde animée par Henri Verdier, président du pôle de compétitivité Cap Digital, sur le thème "Quelle création de valeur pour les start-ups?", regroupe Xavier Casellato (Liligo), Romain Niccoli (Criteo) et Rémi Douine (The Metrics Factory). Xavier Casellato présente Liligo, start-up créée en 2006, qui met en service un Web qui compare les prix des voyages en ligne. Liligo récupère en temps réel les tarifs pratiqués et pour chaque voyage les propose du plus cher au moins cher. Il dirige les efforts de sa startup sur trois voies : page 7/10

8 1. L'amélioration du contenu de son site Web pour interroger en temps réel les tour-operators et éliminer les voyages qui ont des prix jugés anormaux. 2. La monétisation du site. 3. La collecte des informations et le développement de nouveaux services comme l'aide à la décision. Par exemple ce site indique quand c'est le bon moment d'acheter tel billet. Romain Niccoli présente Criteo créée en 2005, dans laquelle aujourd'hui 800 personnes travaillent dans 30 pays. Criteo met en œuvre un moteur de recommandations de produits sur les sites de e-commerce, par exemple "Si vous aimez tel produit, vous aimerez aussi ceux-ci ". En 2008, Criteo s'est implantée dans la Silicon Valley. Rémi Douine présente "The Metrics Factory", start-up de 6 personnes, créée en 2007 spécialisée dans le "Social Media" qui produit des informations, à partir des réseaux sociaux où ces informations sont non structurées, pour aider ses clients à la prise de décisions. Cette start-up analysait les audiences lors de la campagne présidentielle en France. Henri Verdier (animateur) demande si, il y a quinze ans, il aurait été possible de créer des start-ups telles que celles-là? Rémi Douine (The Metrics Factory) répond qu'il fallait qu'il dispose de super calculateurs et de capacités de deux Téraoctets, difficile il y a 15 ans. Xavier Casellato (Liligo) précise que sur la toile, il n'aurait pas trouvé les données que seul le Big Data a pu lui fournir. En plus, vue la taille de l'ensemble des données qu'ils manipulent, les bases de données relationnelles de l'époque ne tenaient pas la route. De plus, entre 2000 et 2012, le prix des serveurs a été réduit d'un facteur 10. On trouve aujourd'hui des serveurs à moins de1000 euros. Romain Niccoli (Criteo) précise qu'il y a quinze ans, le volume de données nécessaires à son business n'était tout simplement pas disponible. Henri Verdier (animateur) pose la question : Dispose-ton des ingénieurs qu'il faut sur ces métiers? Il ressort des réponses que le recrutement d'ingénieurs formés aux technologies du Big Data est un vrai challenge. Nous formons, en France, de très bons ingénieurs. Aux Etats-Unis, par contre, ils sont plutôt assez mauvais en mathématiques. Chez Google, dans les centres R&D, il y a 80% d'étrangers. Par contre un investisseur américain n'investira pas dans une société qui n'a pas de présence aux USA. Table ronde "Big Data, Big Hope?" La dernière table ronde de la journée se réunit autour d'henri Verdier (président de Cap Digital et animateur) avec autour de lui François Bourdoncle, directeur technique et fondateur du moteur de recherche français Exalead, Serge Lebon, développements avancés chez SAP, Serge Boulet, directeur marketing de SAS et Abderrahim Labbi, analyste chez IBM, sur le thème: "Big Data, Big Hope?". François Bourdoncle précise qu'exalead, qu'il a fondé, fait partie du groupe Dassault System depuis juin Dassault System produit des outils pour CAO 3D et des simulateurs. Le Big Data permet de faire une recherche géographique de toutes les pièces qui sont à côté d'autres pièces, ce qui représente un énorme volume de données. Le Big Data permet aussi de connaître tous ce que les clients disent de l'utilisation des produits que la société leur a vendus, que ce soit par les blogs, par Twitter, et par d'autres médias utilisés par leurs clients. Cela apporte un plus pour l'innovation sur leurs produits. Serge Lebon (SAP) présente cette société allemande, qui a 40 ans cette année, qui compte employés et plus de clients. Les 2/3 de l'économie mondiale utilise les services de SAP. Le Big Data est certainement l'avenir du Business Objects. La taille des objets ne cesse de croitre. On comptera 15 milliards d'objets connectés en On parle beaucoup de Facebook, de Twitter mais il ne faut pas oublier le monde des objets connectés. Il faut pouvoir traiter des données fraiches, streamées en temps réel et en mémoire pour prendre des décisions sur le champ avec des bases de données d'une centaine de terra octets. L'objectif de SAP est de s'imposer sur cinq marchés (bases de données, Cloud, applications et avant tout l'internet des objets). Abderrahim Labbi (IBM) parle de l'évolution de la donnée, depuis son traitement par les bases de données relationnelles des années La donnée passe aujourd'hui du back office au front office. Avec le Web et les anatomies des données qui sont différentes, elle n'est plus structurée, donc son système de gestion évolue. Serge Boulet (SAS) s'intéresse au "Business Analytics", traitement statistique de l'information qui offre une opportunité extraordinaire, avec deux notions : le volume et la vitesse. En France, nous avons une des meilleures écoles de statistique du monde, et il faut que nos entreprises puissent en tirer partie. Les Anglo-Saxons sont plus que nous dans la culture du chiffre, mais ne sont pas familiers avec les problèmes de stockage. Avec Hadoop, il est devenu envisageable de gérer de gros volumes, à grande vitesse. Les Anglo-Saxons sont plus que nous dans la micro segmentation pour offrir à chaque client de bons messages. François Bourdoncle (Exalead) pense que le Big Data réclame un savoir-faire sur les calculs effectués sur des données qui ne sont pas seulement numériques. C'est la différence entre la Business Intelligence où les données sont traitées par les ERP et les données transactionnelles qui sont traitées en ligne. Pour faire de l'innovation intelligente, il faut placer au même endroit les données qu'on fabrique et celles qu'on recueille. Le Big Data est une opportunité pour stocker, extraire et analyser des volumes de données qui explosent. page 8/10

9 Intervention de clôture La dernière intervention de la journée est faite par Pierre Barnabé, directeur général de SFR Business Team, branche entreprise de SFR. La connectivité et la fourniture de services applicatifs autour du Cloud Computing sont des technologies qui se trouvent au cœur des métiers de SFR. En manipulant une grande quantité de données individuelles et collectives, SFR a de grandes responsabilités à assumer car par exemple la révélation de ce qu'on trouve dans les réseaux sociaux peut avoir un impact qui peut améliorer ou ruiner la réputation de tout individu. Le Big Data qui est un phénomène inéluctable car : 1. Nous allons passer du Web 2.0 au Web au carré ; 2. en 2010, 800 milliards de gigaoctets de données ont été mis en ligne ; 3. en 2011, ce volume est monté à 1900 milliards de giga octets ; 4. le volume croit de 700% tous les cinq ans. Nous allons donc vers un Web exponentiel : Web au carré, puis Web au cube Il faut éviter que le Big Data se transforme en Big Bang avec perte de contrôle des données. Il faut s'assurer au contraire que derrière la valeur financière se créé aussi de la valeur intellectuelle. Car le Big Data est une formidable opportunité économique : 1. Il a rapporté 315 milliards d'euros en 2011 et on prévoie un marché de 1000 milliards d'euros en 2020 dans la connectivité, le transport, et le stockage dans le Cloud ; 2. le Big Data représentera 8% du PIB européen en 2020 ; 3. la valeur potentielle des données de géolocalisation atteindra 600 milliards de dollars, d'après Mc Kinsey. Cette géolocalisation sera très importante dans le domaine de l'internet des objets, dans le M2M (machines to machines). Dans deux ans, on prévoie que cinq milliards d'objets intelligents seront connectés, et ce sera cent milliards dans dix ans. Les données qui émanent de ces objets, par exemple par les puces RFID, représentent un potentiel gigantesque. Les opérateurs seront au cœur de cet écosystème. Leur rôle sera d'acheminer les informations sans prendre connaissance de leur contenu et même sans les manipuler. Leurs atouts sont la maîtrise des réseaux, la connaissance du Cloud Computing et des Data Centers. Nous sommes dans les prémisses de quelque chose d'énorme, et les opérateurs de télécommunication vont devenir, de plus en plus, des opérateurs de données. Le futur de l'informatique est le Cloud public, car le Cloud ne peut être, dans le futur, que public. Il ne sera plus possible de traiter les gigantesques flux de données dans de multiples silos pour maitriser le contenu des écrans, les tuyaux, les accès, les centres de stockage des données. Les Data Centers de SFR occupent une surface de mètres carrés. Les smartphones, les tablettes qui remontent des informations en temps réel font que les données sont de plus en plus complexes, qu'on trouve de plus en plus de données privées mêlées à des données professionnelles. Les quelques centimètres carrés des écrans tactiles des smartphones et des tablettes génèrent des milliards de gigaoctets, c'est ça le Big Data, et il est de la responsabilité des opérateurs de pouvoir maitriser les flux (mais pas le contenu). Il convient de réduire la fracture numérique entre les générations sans laisser quiconque au bord de la route. Pour gagner la confiance, les opérateurs doivent assurer la sécurité et l'intégrité des données qui leur sont confiées, car si le modèle se grippe, l'intégrité des individus peut en être fortement affectée. Le Cloud public et la sécurité ne sont pas des notions antinomiques. Les données réellement sensibles devront rester en local dans les entreprises mais elles ne représentent qu'un pourcentage infinitésimal de l'ensemble des données. La sécurité du Cloud public sera assurée en faisant appel à des tiers de confiance. Le poste de travail est fragile ; 5 à 7% des laptops disparaissent chaque année au niveau mondial. Les tablettes n'ont pas de solutions pour sécuriser l'information qu'elles contiennent donc les informations sont plus en sécurité dans un Cloud public sécurisé. Résumé et conclusions par Patrick Duvaut Patrick Duvaut, directeur de la recherche à Télécom ParisTech, conclut le séminaire en résumant les grandes lignes de ce qui s'est dit : Le Big Data ne peut exister qu'avec le Big Analysis ; Il va y avoir un fort besoin de Data Scientists et le mastère spécialisé de Télécom ParisTech y contribuera ; Les start-ups représentent un modèle économique important sur ce marché car le Big Data, c'est aussi des services dédiés ; On retient la définition du Big Data par les trois "V" : "Volume", "Vitesse", "Variété" auxquels on peut ajouter la "Valeur" proposée par Thalès et le "Virtuel" proposé par Mc Kinsey. ; La capacité de traiter l'avalanche des données ne peut se faire que par des serveurs et des services dédiés On retient qu'il y a aussi des controverses, en particulier avec l'intervention de Daniel Kaplan (Fing) sur le Small Data qui donne plus de pouvoir au demandeur et moins à l'offreur (le Big Data étant l'inverse) et avec l'intervention de Carlos Condé d'amazon qui définit le Big Data sans les conditions de volume et de vitesse, prenant à contrepied les 5 "V". Gérard Peliks page 9/10

10 Le cyberespace : les nouvelles frontières page 10/10