Big data : vers une nouvelle science des risques? Serge Abiteboul INRIA et ENS Cachan Conseil national du numérique et Académie des sciences Big data et science des risques 1
Organisation Big data en bref Big data : mythe et réalité Exemple : la santé (une vision d ignorant) Big data et science des risques 2
Big data en bref Big data et science des risques 3
Le Big Data Le big data ou La data Data ce n est pas pluriel? En français : Grosses données Moins glamour? Big data et science des risques 4
Crash course en Big Data La société moderne génère des volumes de données infernaux Double tous les 18 mois Ces données ont une valeur considérable Santé, science, environnement, sécurité, transport... Le «Big data»: croiser les données Très structurées et propres d une entreprise/organisation Avec la masse de données moins structurées/plus sales du Web Des données personnelles (comme des emails) Des données de réseaux sociaux Et des flux de données (générées par ex. par des senseurs) Valoriser ces données Découvrir de nouvelles connaissances Offrir de nouveaux services Big data et science des risques 5
Crash course: tâches principales L analyse de données Un vieux problème Tâches principales Acquisition : aller chercher les données, e.g., outils ETL Intégration : e.g., transformer dans un schéma unique, aligner les données Nettoyage : e.g., éliminer les réplicas, résoudre les contradictions, gérer les données manquantes Crowd sourcing: interagir avec des humains pour obtenir des données, résoudre les contradictions Interrogation : requête, souscription, visualisation Analyse statistique : frequent item set L analyse de données ne répond pas à des problèmes souvent complexes Fouille : quelles sont les questions intéressantes? Utilisation : comment utiliser ces données? Etc. Big data et science des risques 6
Difficultés Taille des données : c est Big! Téraoctets, plus Hétérogénéité: structures, ontologies, multilinguisme Vélocité: importance du temps, taux de changement/d'arrivée Espace : localisation Protection des données : données privées, réglementation Qualité: erreurs, incomplétude, confiance, Et encore de la qualité: provenance, fraicheur... Et la complexité : un algorithme en n 3 sur un milliard d enregistrements reste hors de portée même avec mille machines Big data et science des risques 7
Pour tuer quelques idées reçues La grande mode est au parallélisme massif style Hadoop Super techno venue des moteurs de recherche Ne marche que sur les problèmes très parallèles Technologie encore assez bas niveau (ça s améliore) Évidemment, Ça impressionne (de moins en moins) C est fun Mais si «votre data est Big» et si vous recherchez l efficacité, interrogez vous : Vos données sont-elles vraiment Big? Ne suffirait-il pas de gonfler votre machine en RAM/en SSD? Peut-on réduire la dimension en échantillonnant? Big data et science des risques 8
Big data : mythe et réalité Big data et science des risques 9
Big data Le mythe On va résoudre les problèmes de l humanité On a plus en plus de données bientôt toutes les données Un coup d algo et on va résoudre le cancer, la pauvreté, etc. En analysant ces données, nous pouvons faire des prédications de plus en plus fines mais Cela reste des statistiques Limites dues à la complexité en la taille des données Et évidemment une énorme place au hasard On va sûrement résoudre des problèmes Mais Big data et science des risques 10
Big data La réalité Ce qu on observe surtout pour l instants 1. Les sociétés utilisent des données privées Pour des buts commerciaux principalement pub ciblées Plus il y a de données, plus ils gagnent d argent 2. Les états utilisent des données privées Pour se protéger du terrorisme Pour surveiller leurs citoyens (surtout dans certains pays) Plus il y a de données, plus l état est puissant Big data et science des risques 11
Et si on utilisait cette techno pour résoudre de vrais problèmes Prévoir et mieux y répondre À des crises sanitaires À des problèmes d'environnement À des catastrophes naturelles Aider à résoudre les problèmes de Santé, transport, pauvreté, Organiser un suivi personnalisé Des personnes en difficultés Des personnes âgées Des élèves en difficulté Big data et science des risques 12
Exemple : la santé (une vision d ignorant) Big data et science des risques 13
Exemple : La santé Les soins personnalisés Toutes les données médicales de la personne Son génome Toutes ses données sociales Soins personnalisés Mesures prédictives Les polices personnalisées Plus chères pour les personnes à risque Personnes «trop» à risque non assurées Mutualisation des risques de plus en plus limitée C est la même science qui rend ça possible Quel monde souhaitons-nous? Big data et science des risques 14
Problème : les données personnelles Mes achats, ma géolocalisation, mes courriels Mes données médicales, fiscales, assurances Mes données dans les réseaux sociaux Peut-être celles de mes amis Mes données génomiques 23andMe: pour 99$ séquencement de votre génome et publication sur le Web Et ma vie privée? 2 exemples de problèmes récents : Instagram et revente Facebook et embauche Big data et science des risques 15
Une religion personnelle À qui appartiennent mes données? Les données personnelles appartiennent à la personne Les entreprises/états n en sont que les dépositaires temporaires Big data et science des risques 16
Comment pouvoir faire quand même des statistiques? L anonymisation des données En garantissant l anonymat de chacun - compliqué Par exemple, «differential privacy» Le propriétaire des données a le droit de choisir ce qu on fait de ses données Condition d utilisation Durée Responsabilité légales de ceux qui détiennent ces données Big data et science des risques 17
Big data et science des risques 18