Du Personal Analytics aux prédictions, le pouvoir de la big data


Technique

Le “Personal Analytics”

En début d’année, Stephen Wolfram (CEO de Wolfram Research, créateur de logiciels mathématiques et auteur de plusieurs livres) rédigeait sur son blog personnel un article intitulé “The Personal Analytics of my life”. Il y présentait dans le détail une série de données sur sa vie, depuis le nombre d’emails qu’il a envoyé jusqu’au temps passé au téléphone tous les jours, en passant par des informations plus improbables, comme le nombre de touches de clavier tapées quotidiennement.

De ses informations récoltées et stockées depuis plusieurs années, Wolfram a généré des graphiques relativement explicites (exemple ici avec le nombre de mails moyen envoyés et reçus par jour).
EmailIncomingOutgoingTimeSeries Du Personal Analytics aux prédictions, le pouvoir de la big data
Il est intéressant, à la vue de l’ensemble des graphiques, de reconnaître des patterns (des motifs). Wolfram les explique dans son article : on constate par exemple des coupures, le temps du dîner, dans les appels journaliers passés ; un changement d’horaire dans les mails envoyés quand il a fait un voyage en Europe (décalage horaire) ; ou encore en soirée une augmentation visible du nombre de touches de clavier tapées, quand il écrivait des articles pour son blog ou ses livres.

L’exemple de Wolfram est un cas à part puisqu’il a poussé le vice de la récolte de données très loin. Il le dit lui-même : “At first it all may seem quite nerdy” (Au premier abord, cela peut sembler très “nerd”). Mais il est intéressant de constater le pouvoir de cette base de données : il est en quelque sorte possible de retracer les évolutions dans la vie de Wolfram simplement en jetant un oeil à l’ensemble de ses données. Mais surtout, il est possible d’adapter sa propre vie en fonction de ce que l’on récolte.

Certains l’expliquent bien, à l’instar d’ Emmanuel Gadenne (fondateur de QuantifiedSelf Paris) : il a commencé à tracker ses données pour retrouver une meilleure hygiène de vie, et c’est en analysant ses rythmes de sommeil, poids, consommation d’alcool…, qu’il a pu trouver des corrélations entre les données et maintenir une hygiène de vie qui lui convenait.

Vers la fin de son article, Wolfram ajoute :

What is the future for personal analytics? There is so much that can be done. Some of it will focus on large-scale trends, some of it on identifying specific events or anomalies, and some of it on extracting “stories” from personal data.
Quel est l’avenir du Personal Analytics ? Il y a tellement à faire. Certains vont se concentrer sur des tendances à grande échelle, certains sur des évènements spécifiques, et d’autres sur l’extraction d’histoires depuis ces données.”

Du Personal Analytics au Quantified Self

Extraire des histoires de ses données personnelles, c’est un peu la motivation du Quantified Self. Mouvement initié en 2007 par Gary Wolf notamment (voir sa conférence au Tedx), et qui a explosé il y 2 ans, le Quantified Self est présent un peu partout aujourd’hui – et ce sans même que vous ne vous en rendiez compte.

La définition de Wikipédia étant particulièrement exacte et surtout très claire, la voici :

“Le Quantified Self est un mouvement qui regroupe les outils, les principes et les méthodes permettant à chaque personne de mesurer ses données personnelles, de les analyser et de les partager.”

Bien sûr, le point important se situe ici au niveau du partage des données, différenciant par rapport à la démarche de Wolfram qui restait lui dans un objectif de récolte pure.

Ainsi, on ne compte plus le nombre d’applications qui permettent aujourd’hui de tracker ses donnéees, quelles qu’elles soient : parcours et nombre de kilomètres courus avec Nike+, écoutes musicales avec Last.fm, à peu près n’importe quoi avec 42goals… Le point commun de ces app/web app étant la mise à disposition des données sur l’ensemble du réseau. Il est d’ailleurs intéressant de noter que sur Lift (l’application des fondateurs de Twitter qui permet de suivre nos progrès sur n’importe quel objectif), l’ensemble de nos actions remonte dans un flux “public”, que n’importe quel utilisateur peut consulter. Vous pouvez ainsi recevoir des encouragements d’inconnus envoyés depuis l’autre bout du monde.

Capture d’écran 2012 10 24 à 16.29.20 Du Personal Analytics aux prédictions, le pouvoir de la big data

Lift, appli mobile des fondateurs de Twitter

Capture d’écran 2012 10 24 à 16.29.14 Du Personal Analytics aux prédictions, le pouvoir de la big data

42goals, web app qui analyse votre quotidien

A l’instar d’autres “disciplines”, certains sont devenus adeptes du Quantified Self jusqu’à le pousser dans ses extrêmes. On parle aujourd’hui du Datasexuel, ce nouvel adonis prenant le relai du métrosexuel désormais dépassé. Le datasexuel est un heureux utilisateur des réseaux sociaux, qui prend un plaisir non dissimulé à partager l’ensemble de ses données (qu’il trouve sexy) sur son réseau personnel ou public.

Au-delà du Quantified Self, la combinaison Passive Data + Intelligence Artificielle

A la fin de son article, Wolfram raconte son empressement à ce que ses données deviennent concrètes :

”Not only being able to act as an adjunct to my personal memory, but also to be able to do automatic computational history—explaining how and why things happened—and then making projections and predictions.”
“[Les données ne doivent] pas seulement être capable d’agir comme complément à ma mémoire personnelle, mais aussi pouvoir faire des calculs automatiquement – en expliquant comment et pourquoi les choses se sont passées – et puis sur cette base, dérouler des projections et des prédictions.”

Et d’ouvrir sur le pouvoir de projection et de prédiction dont on dispose avec telle somme de données. Il met finalement le doigt là où il faut : ce qui est réellement intéressant n’est pas tant la récolte de données en elle-même, ni son partage, mais plutôt ce que l’on peut envisager de faire dans le futur en analysant les motifs issus de données récoltées dans le passé.

Plusieurs applications sont d’ores et déjà positionnées sur ce domaine – toute proportion gardée pour le moment : c’est le cas de Saga ou encore PlaceMe. Dans les deux cas, les applications utilisent le principe de Passive Data : elles récoltent des données vous concernant de manière complètement passive, à savoir qu’il n’y a besoin d’aucune action de votre part pour que l’application enregistre des informations. Une fois ces données enregistrées, l’application en sait plus sur vous, sur vos déplacements, sur vos rythmes de vie, sur ceux de vos amis… et peut ainsi, en fonction d’une série de paramètres (heure, humeur, lieux, etc.) vous proposer de manière intelligente votre “programme à venir”.

Nous sommes sûrement très proche d’un exemple comme celui-ci : “Bonsoir Quentin ! Il pleut, il est 20h, vous sortez du travail dans quelques minutes. Le concert de Tycho commence dans 30 minutes au Bataclan, à moins de 500 mètres d’ici. Au vu de vos 256 écoutes de ce groupe le mois dernier, c’est un concert conseillé. Il y a également un fast-food sur la route, vous pourrez manger avant le concert. »

 Du Personal Analytics aux prédictions, le pouvoir de la big data

Saga, l’application qui vous propose la suite de votre journée

Il est intéressant de noter que ces 2 applications bénéficient d’un mode “privé” : nous ne sommes plus dans du Quantified Self mais bel et bien dans du prédictif comportemental. L’intérêt n’est plus le partage des données que l’on produit, mais la qualité des informations que l’on se voit proposer.

Autre type d’innovation dans le domaine de la prédiction : il n’y a pas plus tard qu’une dizaine de jours, Google investissait dans Expect Lab, une startup prometteuse (qui a levé 2.4 millions de dollars dans son dernier tour de table). Sa spécialité ? Son application MindMeld, qui permet d’écouter les conversations sonores sur internet et prédire les informations dont auraient besoin les utilisateurs dans leurs échanges. Particulièrement utile dans le cadre de planification de voyages de goupe par exemple, ou bien lors d’une discussion sur des faits un peu obscurs ; cet outil donne une idée de la capacité des entreprises à envisager la prédiction sous des angles divers.

Et si l’avenir était en fait déjà là ?

Si l’on pousse la démarche plus loin, et que l’on pense aux objets connectés (the internet of things) par exemple, il devient évident que nous ne sommes qu’à quelques pas d’une révolution sans précédent. En combinant récolte de données, intelligence artificielle et objets connectés (3 concepts qui existent d’ores et déjà), nous entrerons dans une nouvelle ère technologique peu éloignée d’oeuvres d’anticipation telles qu’on les lisait avec bonheur il y a encore quelques dizaines d’années. Votre frigo détectera automatiquement ce que vous avez mangé dans la journée, vous proposera un menu tout prêt sur la base des ingrédients que vous avez en stock, pendant que votre télé programmera automatiquement le film que vous rêvez de voir depuis quelques jours, sur la base de l’analyse de vos Likes et des notes de vos amis… Êtes-vous prêt ?

 

*image d’ouverture issue de https://www.health2news.com/2011/11/22/taking-quantified-self-to-the-classroom/

Laisser un commentaire