Big Data – la grande promesse
Le volume de données produites par les machines double tous les deux ans. Cette évolution est générée par l’accès en développement aux services de télécommunications et Internet et par la création automatique de données par des capteurs de tous types dans le secteur économique, dans l’espace public et dans le domaine scientifique. Seuls des algorithmes automatisés peuvent exploiter ces données dans des modèles pertinents.
Big Data désigne les énormes volumes de données collectées et exploitées par une ou plusieurs sources pour pouvoir en tirer des conclusions utiles. On peut se représenter par exemple des stations météorologiques à travers le monde qui mesurent sans discontinuer la vitesse du vent, les températures de l’air et du sol, le volume de précipitations, la durée d’ensoleillement, le rayonnement global, et qui fournissent ces données à une centrale météorologique. Plus les données fournies sont importantes, plus la qualité et la probabilité de réalisation des prévisions est élevée. Les outils logiciels Big Data peuvent traiter ces énormes volumes de données en temps réel, ce qui ouvre de nouvelles possibilités. L’analyse de flux continus de données en temps réel est également intéressante pour la logistique.
Big Data pour la rue …
Dans le domaine de la circulation routière, il est possible d’analyser des situations de trafic complexes à l’aide de Big Data et ainsi prévoir des embouteillages Le fait que presque tous les conducteurs de véhicules à moteur utilisent un téléphone portable ou un appareil de navigation ouvre de nouvelles possibilités et permet des analyses précises. Une équipe de Swisscom développe pour le compte de l’Office fédéral des routes (OFROU) des algorithmes qui détectent un nombre incalculable de signaux à partir du téléphone portable. Les conducteurs automobiles qui portent un téléphone portable ou un appareil de navigation se déplacent d’une cellule radio à l’autre. Selon le flux de trafic, ce déplacement s’effectue plus ou moins rapidement et il cesse après une durée déterminée. La solution Swisscom traite les signaux des téléphones portables en temps réel. Les données sont tout d’abord anonymisées puis elles sont reliées entre elles dans le temps et dans l’espace. On détecte ainsi les structures typiques qui provoquent des embouteillages.
Sous le terme Big Data, on peut se représenter un flux continu de données que les grands distributeurs, les entrepôts, les discompteurs, etc. génèrent automatiquement. La planification, les prévisions et la gestion des stocks de la production et du commerce, toujours discutées en théorie en commun (connues sous le terme Collaborative Planning, Forecasting and Replenishment, CPFR) pourraient à l’avenir être effectuées avec de nouveaux outils logiciels. L’incapacité de répondre à de soudaines évolutions de la demande pourrait être éliminée ou diminuée avec les outils Big Data.
... et dans les transports publics
Un autre exemple de Big Data du domaine des transports publics: les CFF prévoient l’introduction d’un ticket électronique universel, qui permettra d’emprunter les trains, les tramways et les bus sans devoir penser au billet ou à un abonnement. Des capteurs sont en mesure d’enregistrer les distances parcourues en saisissant, une fois les portes fermées, les données des tickets électroniques de toutes les personnes à bord du véhicule. A la fin du mois, une facture détaillée est envoyée comme pour le téléphone. Avec les cartes à puce des transports publics (ou aussi avec les téléphones portables dotés d’une application correspondante), le comportement d’utilisation d’un usager du train, du tramway ou du bus peut être déterminé sur une période précise.
Outils Big Data – Big Business et protection des donnees
Mais qu’est-ce qui permet seulement l’utilisation d’outils Big Data dans le secteur commercial? Le traitement en temps réel d’un flux colossal de données, longtemps un outil du domaine militaire et plus tard du secteur financier, présuppose un logiciel d’un nouveau type (In-Memory-Processing) qui arrive maintenant sur le marché.
L’utilité d’une analyse Big Data est réelle, comme le décrit Lukas Kern, partenaire associé de l’entreprise de conseil informatique Innovation Process Technology (ICT) à Zoug: «Avec la numérisation croissante des produits et des services, il est de plus en plus important pour les entreprises que les modifications dans les processus opérationnels soient détectables automatiquement et en temps réel – et non manuellement et après un délai.»
Mais le mot clé Big Data rend également sceptique. Il est en effet possible que la protection des données soit mieux structurée en Suisse qu’ailleurs. Ainsi les traces de données peuvent être conservées seulement aussi longtemps que nécessaire pour atteindre l’objectif prescrit. Par comparaison, l’objectif et la durée de conservation des données personnelles collectées par les très grands services Internet américains reste dans la plupart des cas un mystère.
Mais en Suisse aussi, la collecte et l’analyse de données reposant sur des préférences personnelles sont l’objet de questions critiques. Le préposé fédéral à la protection des données, Hanspeter Thür, est intervenu récemment auprès de PostFinance, qui souhaitait exploiter le comportement d’achat de ses clients pour leur proposer des produits de tiers. Il a demandé à PostFinance que les clients peuvent refuser cette exploitation de leurs données sans devoir craindre d’être exclus des services de banque en ligne de la Poste.
Big Data – a la charge de l’usager?
Big Data en tant que modèle d’affaires de l’avenir génère également des critiques de principe. Yvonne Hofstetter, experte en intelligence artificielle, avertit dans son livre «Ils savent tout» d’une domination menaçante des machines: «Seuls les modèles d’affaires Big Data transforment les volumes considérables de données en argent, grâce aux capacités d’analyse et de prévisions d’algorithmes perfectionnés, qui influencent notre comportement. La simple revente de données brutes à des tiers intéressés est également un marché juteux.» Sa réclamation: «Pour une utilisation commerciale de données personnelles, les producteurs de ces données, c’est-à-dire nous tous, doivent être dédommagés financièrement. »
Manuel Fischer