Les données massives : deux mythes et un paradoxe

Les données massives entraînent des effets non seulement inattendus, mais aussi radicalement opposés à l'opinion colportée par les récits des bonimenteurs. Ainsi, il n'est pas plus vraisemblable que la dynamique de la segmentation aboutisse à l'oligopole des GAFA qu'à la pulvérisation du marché : dans le premier cas le législateur devrait intervenir pour démanteler l'oligopole, dans l'autre pour fixer un tarif minimum qui permette de reconstituer des mutualités. Dans tous les cas, l'assuré sera plus certainement fidèle à un assureur rassurant que partant pour une aventure incertaine. De manière aussi paradoxale, l'accroissement de la masse des données disponibles n'est pas le gage de l'amélioration de la précision statistique car les méthodes nouvelles sont trop complexes pour être testées simplement, et elles peuvent conduire à se tromper lourdement et durablement, comme l'atteste l'exemple de la prédiction de la grippe par Google. Mais alors comment y voir clair entre le bon et les mauvais usages de ces données massives et des algorithmes pour les traiter ? Le bon sens prescrit d'investir dans le capital humain, c'est-à-dire la formation de tous ceux qui auront à décider des méthodes, afin qu'ils soient armés pour comprendre les évolutions contemporaines. Il faut prendre le temps de former une culture. A cet égard, l'ouvrage de Patrick Thourot (2016) constitue un premier pas dans l'approfondissement des subtilités du big data. Quant à ceux qui proposent leurs services et leurs conseils payants, un test simple consiste à leur demander quelle est la proportion des données créée dans les deux dernières années. L'article montre que ceux qui répondent « 90% » n'ont pas plus réfléchi aux sujets sur lesquels ils ratiocinent que les médecins de Molière : il est donc sage d'ignorer leurs avis.