Auteur/autrice : Alexandre Gambuto

Passionné par les nouvelles technologies et les sujets de société, Alexandre Gambuto accompagne le passage de technologies issues de la recherche publique vers des applications industrielles. Issu d'une formation d'ingénieur, diplômé d'une Grande École de commerce et auditeur de l'IHEDN en Intelligence Économique, il interroge sur son blog Sociétés Modernes l'impact des technologies sur nos sociétés.

Deux rubans entrelacés en un nœud impossible à démêler, l'un immaculé, l'autre couvert de texte brouillé, symbolisant le mélange du vrai et du faux dans les réponses des IA génératives

Les risques de biais sur les systèmes d’IA générative — entretien avec Raja Chatila.

7 septembre 2023 /

Hallucinations, absence de compréhension du sens, biais culturels, concentration des moyens entre quelques acteurs privés, impossibilité de remonter aux sources : cet article est un décryptage des limites et dangers actuels des IA génératives. Cet article a été réalisé en septembre 2023 dans le cadre des travaux de la commission « Savoir & Modernité » de l’AAIE-IHEDN.

Raja CHATILA est roboticien, professeur émérite d’intelligence artificielle et d’éthique des technologies à Sorbonne Université. Il est l’auteur de plus de 170 publications internationales sur ces sujets. Au regard de notre sujet de réflexion, il est en particulier coprésident du groupe de travail sur l’IA responsable au sein du Partenariat mondial sur l’IA (GPAI) et membre du Comité national français de pilotage pour l’éthique numérique (CNPEN). Il a été également membre du groupe d’experts de haut niveau en IA de la Commission européenne (HLEG-AI). En mars 2023, il figure parmi les signataires d’une pétition publiée par le think tank Future Of Life Institute, et intervient quelques jours plus tard sur France Inter pour alerter le grand public sur le besoin de vigilance et de régulation face à ces systèmes capables de produire du contenu faux difficilement détectable. La pétition du Future Of Life Institute demande de mettre temporairement en pause le développement des systèmes d’IA générative les plus avancés afin de prendre du recul sur la fiabilité de ces technologies, de mesurer les impacts sur la société, et de mettre en place des mesures de prévention du risque.

Propos recueillis par Alexandre Gambuto, cet entretien est extrait du rapport « Quelques réflexions sur le savoir et la modernité… », publié en février 2025 par la commission ad hoc de l’AAIE-IHEDN, animée par Dominique Lamoureux.

NDLR : depuis la réalisation de l’entretien, plusieurs des outils les plus avancés ont ajouté des capacités à faire référence aux sources, et le texte de l’IA Act a été publié au Journal officiel (JO) de l’Union européenne le 12 juillet 2024.

Raja Chatila, bonjour. Pouvez-vous nous expliquer pourquoi les IA génératives suscitent autant de commentaires cette année ?

L’intelligence artificielle est mon domaine depuis toujours et je constate aujourd’hui une évolution. Que se passe-t-il ? Depuis plusieurs mois, vous avez des systèmes d’IA générative très puissants, qui sont facilement disponibles pour le grand public. L’outil ChatGPT d’OpenAI fait partie de ces nouveaux systèmes. Historiquement et jusqu’à maintenant, les systèmes d’IA étaient plutôt utilisés pour interpréter des données, c’est-à-dire extraire des connaissances qui étaient enfouies. À titre d’exemple, la compréhension automatique des images est un cas tout à fait classique, pouvant être appliquée à la vidéosurveillance urbaine ou au contrôle automatisé sur une ligne de production industrielle. Ça, c’est le domaine de l’interprétation. Si l’on cherche à déterminer « est-ce qu’un évènement futur risque d’arriver en fonction d’évènements passés ? », nous sommes dans un domaine très classique de l’IA statistique, celui de la prédiction.

Aujourd’hui, l’IA générative est d’une autre nature. Elle ne se borne pas à interpréter des données, mais elle produit du contenu en grand volume. Quelle est l’idée ? Lors d’une requête (prompt), le système va produire des données qui sont statistiquement les plus probable au regard de la demande de l’utilisateur et de ce que l’IA a appris. Le contenu produit a toujours pour caractéristique de ressembler au corpus d’apprentissage, puisque l’IA est basée sur un modèle statistique obtenu en phase d’apprentissage, et ce qui se corrèle le mieux avec ce modèle sera sa réponse.

Le premier changement majeur introduit par les IA génératives de dernière génération, c’est que les domaines d’apprentissage sont devenus extrêmement vastes, cela représente tout le contenu que les concepteurs du système ont pu récolter sur Internet, ce qui donne un contexte très large pour interpréter les requêtes. Cette notion « d’extension du contexte » est centrale puisque cela rend possibles des réponses très larges sur à peu près n’importe quel sujet.

Le deuxième changement majeur avec des outils tels que ChatGPT, c’est que l’on dialogue en langage naturel et avec une qualité rédactionnelle de très bonne qualité du côté de la machine, ce qui est assez nouveau. Or la langue, c’est le véhicule de notre pensée et de notre logique humaine. C’est à travers elle que l’on échange des informations, des connaissances, des vérités entre humains et que l’on partage des significations communes du monde.

Quels sont les problèmes avec les IA génératives ?

Ils sont nombreux et je vais en évoquer cinq principaux…

PROBLÈME N° 1 : LA PRODUCTION DE FAUSSES INFORMATIONS

À cause du fonctionnement corrélatif du système, la réponse générée sous forme de texte va pouvoir mélanger sans distinction du contenu vrai et du contenu faux. Ce mélange est souvent indiscernable aux yeux du lecteur, car tout apparaît comme « plausible ». Le texte généré est souvent de très bonne facture, car il est bien rédigé et bien construit, ce qui renforce le crédit qu’on lui prête. Si le lecteur humain ne connaît pas la réalité, il est pour lui impossible de discerner le vrai et le faux. Cela représente un réel danger pour nos sociétés, car la vérité partagée est essentielle, c’est notre fondement commun. Sa remise en cause engendre forcément des conflits, et malheureusement, la généralisation de ces outils risque d’engendrer une diffusion de contre-vérités de plus en plus large. C’est une menace directe sur notre cohésion sociale, et la démocratie ! Si vous vous connectez à l’interface d’OpenAI vous pouvez d’ailleurs lire la mise en garde « ChatGPT may produce inaccurate information about people, places, or facts », mais cela n’arrête pas pour autant les gens de l’utiliser.

Je vais maintenant évoquer un exemple pour illustrer mon propos. J’ai demandé à ChatGPT d’écrire une notice biographique sur moi-même. Après lecture de sa réponse, j’estime que le texte comportait environ 50 % de vrai et 50 % de faux. L’erreur est qu’il me prêtait des fonctions erronées qui concernent des personnes que je côtoie, mais pas moi. Comment est-ce possible ? Parce que mon nom apparaît régulièrement aux côtés de ces personnes et que le système mélange mes attributs avec les leurs.

Ce type de confusion est rendu possible, car le système est basé sur l’analyse d’occurrence de mots dans des espaces à très grandes dimensions. Pour le dire autrement, ChatGPT constate la probabilité que certains mots se retrouvent à proximité d’autres groupes de mots (c’est en réalité au niveau des composants constitutifs du codage des mots que sont les « tokens »). C’est en suivant ces observations statistiques que le système génère des phrases entières : « je prédis que le prochain mot le plus probable est celui-ci, et je l’écris ». Par exemple, si j’étais ami avec Einstein et que beaucoup de textes font mention de son prix Nobel à proximité de mon nom, le système peut me coller l’étiquette « prix Nobel ». Si l’on signale manuellement ces erreurs au système, lorsque les utilisateurs les détectent, il peut se rétracter… Ainsi ces systèmes peuvent inventer des faits qui n’ont aucune réalité en effectuant des corrélations fallacieuses, ce qui est appelé « hallucinations » par certains chercheurs.

PROBLÈME N° 2 : LA PROJECTION DE SÉMANTIQUE

Le second problème est lié au premier, toutefois il concerne le fonctionnement même du système, et non la qualité de sa production. Comme évoqué plus haut, le système utilise des chaînes de caractères (token) qui vont être corrélées statistiquement. Le système va ainsi produire du texte en se basant sur ces observations statistiques, il n’utilise à aucun moment le sens, la signification, des mots qu’il ne peut même pas appréhender. C’est très différent de la manière d’écrire d’un humain, car nous produisons du sens lorsque l’on écrit et exprimons des concepts dont nous comprenons la signification profonde. Tout ce que ce que ChatGPT sait, c’est que tel mot est associé statistiquement à un contexte. Il ne comprend pas le sens de ce qu’il produit !

PROBLÈME N° 3 : LES BIAIS LIÉS À LA BASE D’ENTRAÎNEMENT

Rappelons que ces systèmes d’IA générative sont entraînés sur de très grandes bases de données de texte, en plusieurs langues, issues des informations disponibles sur Internet. L’anglais est prépondérant dans ces bases d’entraînement. Pourquoi est-ce un problème ? Lorsque l’on pose une requête dans une langue peu représentée, la réponse va éventuellement passer par la langue pivot qui est l’anglais, et la réponse va être empreinte de la culture de la langue dominante utilisée pour produire la réponse avant sa traduction dans la langue de la requête. Ce problème sera d’autant plus marqué que la langue d’interaction sera minoritaire. Les réponses vont être marquées par le modèle de pensée de la culture anglo-saxonne, dont la culture de l’utilisateur peut être assez éloignée, et ainsi influencer cette culture.

PROBLÈME N° 4 : LES RESSOURCES NÉCESSAIRES POUR DÉVELOPPER CES TECHNOLOGIES

Nous sommes dans une situation un peu particulière. Historiquement, les nouvelles idées et les nouveaux systèmes naissent souvent dans le creuset de la recherche académique. Mais en intelligence artificielle telle qu’elle est aujourd’hui (statistique, générative), les moyens nécessaires pour développer ces technologies sont excessivement importants et dépassent ceux qui sont disponibles dans le monde académique. Ces technologies se développent ainsi dans le monde industriel, et encore, seulement dans les laboratoires de certains industriels qui ont les chercheurs, et ressources nécessaires en calcul et en données pour être à la pointe de l’innovation. On les retrouve surtout dans la Silicon Valley ou en Chine. Ce n’est donc pas la recherche scientifique (avec d’abord la motivation de faire avancer les concepts et les connaissances et éventuellement de diffuser une solution novatrice) qui stimule le développement de ces technologies, ce sont certains industriels privés. Il faut peut-être s’interroger sur comment donner plus de moyens à la recherche académique pour qu’elle puisse occuper une place plus importante dans le développement de ces technologies.

Un autre sujet que je ne ferai que mentionner ici est l’impact environnemental de ces technologies en général (émissions CO2, consommation de ressources) qui nécessite un cadrage particulier.

PROBLÈME N° 5 : LA CITATION DES SOURCES

Les systèmes actuels d’IA générative sont alimentés par des corpus multiples présents sur internets, mais sont incapables, par construction, de mentionner les sources utilisées pour construire leurs réponses.

On a donc au final un agent conversationnel qui ne sait pas de quoi il parle, qui peut commettre d’importantes erreurs, qui semble cependant plausible, et dont on ne peut pas vérifier les sources…

Est-ce que le problème de la production de fausse information ne va pas se résoudre naturellement avec l’amélioration des systèmes ? Si c’est le cas : combien de temps faudra-t-il ?

Le problème initial c’est simplement la corrélation de choses différentes qui va produire du vrai et du faux mélangé. Ce n’est pas parce qu’il y a du faux au départ que ça produit du faux, c’est parce que le système fait des associations erronées. Et ce modèle de production de faux ne va pas se résoudre, car c’est inhérent à la nature corrélative du système. Il faudrait donc soit changer complètement de paradigme, soit ajouter des filtres pour vérifier la validité des sorties après coup, ce qui serait une révision majeure.

Le second problème c’est la qualité de la base d’entraînement. Plus elle contient des inexactitudes, plus les réponses seront potentiellement fausses. Or, on peut estimer qu’une partie de la production de ces systèmes va se retrouver sur Internet avec leurs erreurs. Les systèmes comme ChatGPT vont continuer à apprendre sur ce corpus numérique qui contiendra ce « faux supplémentaire » de leur propre fait. En définitive, le problème du faux va potentiellement être démultiplié, car ces systèmes vont avoir leur apprentissage utiliser des choses fausses qu’ils auront eux-même produites…

À ce sujet, il faut rappeler que le système d’OpenAI n’apprend pas en continu. L’entraînement du modèle actuel [NDLR : à date de l’entretien] a été arrêté en septembre 2021, donc le système ne connaît rien de postérieur. C’est lorsqu’ils vont mettre à jour le modèle que ce « faux supplémentaire » va entrer dans son apprentissage et va multiplier le risque d’associations fausses.

En dehors des retours des utilisateurs, OpenAI corrige aussi les choses, mais après coup. C’est un processus de « renforcement supervisé par l’humain ». En d’autres termes, ce sont des employés qui affinent, entraînent et corrigent. Certaines de ces personnes sont payées moins de 2 dollars de l’heure et sont basées au Kenya…

La seule manière d’avoir un niveau de réponse satisfaisant reposerait sur une démarche différente, ce que l’on ne sait pas faire aujourd’hui. Il faudrait pour cela sélectionner les sources les plus fiables, avoir des systèmes causaux (id est qui établissent des implications logiques entre des corpus et les réponses du système) et pas uniquement basés sur la corrélation (id est une analyse statistique des corpus), distinguer et valider les sources qui contribuent à l’apprentissage, le tout plus ou moins filtré par des êtres humains.

Malgré les efforts déployés par OpenAI et d’autres concepteurs de ces systèmes, ils sont encore largement imparfaits, et je pense qu’il n’y a pas d’issue pour résoudre les problèmes évoqués avec la technologie actuelle…

Pourquoi avoir signé la pétition du Future Of Life Institute ?

Pour toutes ces raisons que je viens de mentionner. Je ne suis pas forcément d’accord sur toutes les prises de position de ce think tank, ni sur tous les paragraphes de cette pétition, en particulier celui qui précise que l’IA pose un risque existentiel à l’humanité. Je ne le crois pas. En revanche : quand on m’a proposé de signer, j’ai été très intéressé par la proposition demandant l’arrêt du développement de technologies plus puissantes que GPT4 (le plus avancé à l’époque) pendant 6 mois, afin de mettre en place des mécanismes de protection, un moratoire donc, et que les États se mettent en avant pour légiférer s’il n’est pas respecté. Je suis d’accord sur la nécessité de ne pas se ruer dans une course effrénée dans laquelle chaque organisation développe un système encore plus puissant.

J’ai signé ce texte publié le 31 mars 2023 dans un contexte particulier. L’opinion publique et les médias se posaient peu la question des problèmes, on était plutôt dans une séquence d’émerveillement. Il fallait lever un carton rouge pour interpeller les médias, les politiques, le grand public et les rendre conscients de ces problèmes. C’est ça qui m’a motivé et je pense que j’ai eu raison. On parle beaucoup plus de ces sujets dorénavant.

Pourquoi les systèmes deviennent-ils populaires et performants seulement aujourd’hui ?

Le domaine traditionnel de l’IA est l’approche symbolique, celle qui avait le vent en poupe avant l’approche statistique. Cette dernière était peu performante et ne l’est que depuis les années 2010, permettant d’atteindre les résultats que nous connaissons maintenant.

L’idéal serait de remarier ces deux approches pour pallier un certain nombre de problèmes évoqués. Ce défi est extrêmement difficile, peut-être même pas faisable.

Selon vous, quel va être l’impact de la multiplication de ces assistants pour les professionnels ?

Ce genre de question est très difficile. Il y a tellement de données de contexte touchant aux volets économiques, géopolitiques et technologiques que l’on se trompe souvent. Il est clair que ces outils sont utiles, mais pour des spécialistes qui peuvent en apprécier la qualité. L’autre problème, c’est que ces outils ne produisent en fait pas grand-chose ! Les réponses de ChatGPT sont généralement plates et compter sur lui pour apporter une véritable connaissance, je n’y crois pas vraiment.

Est-ce utile pour la synthèse de textes dans certains métiers qui en manipulent beaucoup ? Par exemple pour les journalistes ou les professionnels du droit ?

L’histoire de cet avocat américain qui a suivi la synthèse juridique de ChatGPT, qui contenait de nombreuses erreurs, pour construire sa plaidoirie parle d’elle-même. Parfois la vérification coûte plus d’effort que la production. Si un journaliste veut utiliser ChatGPT pour se documenter et générer un résumé d’un match de football, pourquoi pas. Mais sur une analyse politique ou un sujet de fond, je serais méfiant.

Et pour des étudiants ?

Surtout pas ! Etudier ce n’est pas recracher des textes. Il faut rapprocher, réfléchir, mémoriser, comprendre et ce mécanisme d’apprentissage est un cheminement. En tant qu’enseignant, je ne suis pas d’accord que mes élèves suivent cette voie. S’ils font cela, ils n’apprendront rien et souffriront des lacunes engendrées par l’utilisation de ces outils. Encore une fois, une utilisation par un spécialiste ou une personne avertie sur un sujet, pourquoi pas, mais pour une utilisation plus naïve, cela demande beaucoup de précautions.

Est-ce que la clé n’est pas dans l’éducation des utilisateurs ? Leur apprendre que ces technologies sont encore très faillibles et qu’elles ne remplacent pas un travail de bibliographie et d’étude. Mais qu’elles peuvent gagner du temps pour rechercher des ressources et synthétiser de l’information en première lecture ?

L’éducation est fondamentale pour utiliser ces outils avec discernement. Il faut apprendre aux gens quel est l’intérêt de ces outils, quelles sont leurs limites, comment cela fonctionne.

Mais l’éducation, aussi fondamentale qu’elle soit, ne fait pas tout. Si je vous donne un outil extrêmement puissant, mais que je vous mets en garde contre la plupart des utilisations. Que faites-vous ? Vous allez tout de même l’utiliser. On sait qu’il ne faut pas rouler trop vite, pourtant certains le font quand même. L’éducation ne protège pas de tout, mais contribue à diminuer le risque.

Il a fallu une quinzaine d’années pour protéger les données privées contenues dans les systèmes d’information (RGPD, 2016) et environ le même temps pour réglementer les réseaux sociaux (Digital Services Act, 2023). Sommes-nous partis pour réglementer plus vite l’IA générative et en particulier les agents conversationnels ?

Plus vite, je ne le dirais pas. Mais les choses ont commencé à bouger depuis un moment. Depuis 2020, l’Union Européenne ainsi que tous les États ont sorti leur plan pour encadrer l’IA.

En 2018, un groupe d’experts de haut niveau a été constitué, j’en faisais partie, pour réfléchir à un plan IA pour l’Union Européenne. Notre travail a débouché sur la production de deux documents : (1) des propositions d’orientations au regard du cadre éthique et (2) des recommandations pour l’investissement et la politique à mener.

La Commission s’est ensuite saisie de ce travail. Cela a abouti à la parution d’un livre blanc en 2020 et à la proposition d’une première version du règlement aux États et au Parlement, le 19 avril 2021. Fin 2022, le Conseil Européen l’avait amendée, et le Parlement a produit ses propres amendements le 14 juin 2023. Aujourd’hui, trois versions différentes coexistent donc et vont aboutir à une négociation tripartite (les trilogues) entre la Commission, le Conseil et le Parlement. On peut espérer que ces négociations aboutissent à un texte définitif d’ici fin 2023. Vous avez ensuite généralement deux ans de délai entre la publication définitive et la mise en application. Nous pouvons donc espérer qu’en 2025 ou début 2026 nous aurons un texte applicable, sachant que tous les industriels vont probablement se préparer à être conformes à la réglementation en amont.

Est-ce que ce texte répond aux problématiques de l’IA en général, et celles évoquées plus haut en ce qui concerne l’IA générative ?

Plus ou moins selon mon point de vue. La question de la responsabilité des acteurs comme OpenAI qui produisent des modèles dits « de fondation » à partir desquels on peut construire des systèmes à usage général n’était initialement pas abordée dans le texte présenté en 2021. ChatGPT est arrivé après la publication du texte par la Commission. Dans la réflexion initiale, c’était l’usage prévu de l’IA qui définissait la notion de risque qui déterminait les exigences légales. Or, ChatGPT est un système non spécifique, car son usage est très général. Des modifications ont donc été introduites par le Conseil pour en tenir compte et par le Parlement qui a rajouté une surcouche pour légiférer plus fortement sur ce type de systèmes et les modèles de fondation. La classe des « IA génératives » a ainsi été étayée. Si la Commission avait initialement estimé que les agents conversationnels présentaient un niveau de risque moyen, avec une obligation de transparence comprenant la nécessité de savoir que le système est une IA et pas un humain, le texte en discussion est plus exigeant maintenant, avec l’identification de niveaux de risque plus élevés.

Mais le texte final du règlement n’est pas encore connu et les négociations tripartites se poursuivent.

En tant que scientifique spécialisé du domaine, quel message voudriez-vous faire passer aux décideurs qui liront cet article ?

Je pense qu’il faut utiliser des outils avec une fiabilité garantie, reconnue, vérifiée, voire certifiée. Or, gardez bien en tête que ChatGPT ne fait pas encore partie de ces outils-là. Il faut aussi vérifier dans quelle mesure cet outil est utile et fait progresser l’intérêt de l’entreprise et des organisations. Il ne faut pas s’arrêter à de vagues promesses qui peuvent s’avérer fallacieuses ! Laisser la machine aller chercher la plus grande partie de l’information, je dis oui, à condition qu’on laisse l’humain en faire la synthèse et l’interprétation derrière. Je ne pense pas que beaucoup de métiers vont être remplacés par ces outils, car la compétence humaine pour comprendre et faire sens reste pour moi essentielle. Je pense qu’ils représentent un complément d’efficacité. Si ces outils doivent être utilisés en entreprise, j’incite à mettre en place des gouvernances appropriées dont le rôle est d’être garant de l’utilisation de ces systèmes, de la même manière, par exemple, que les délégués à la protection des données le sont vis-à-vis de la RGPD.

Raja Chatila, merci pour votre temps.

Silhouette de tête humaine de profil traversée de chemins entremêlés et d'icônes de réseaux sociaux (pouces, émoticônes, points d'interrogation), avec le titre « Fake news : démêler le vrai du faux à l'ère de l'information »

Lutter contre la désinformation sur les réseaux sociaux : l’exemple de « C’est vrai ça ».

1 septembre 2023 /

Que faire face au « grand fourre-tout » qu’est devenu LinkedIn, où les fake news prospèrent au milieu des publications professionnelles ? Une vingtaine de bénévoles anonymes ont choisi de répondre à leur échelle. Nous sommes allés les rencontrer en septembre 2023 dans le cadre des travaux de la commission « Savoir & Modernité » de l’AAIE-IHEDN.

Yoan BLANC est co-dirigeant de « C’est vrai ça ? », une initiative citoyenne indépendante qui réunit de simples particuliers animés par l’envie de lutter contre les fake news. Il est également professionnel dans le renseignement en sources ouvertes (OSINT) qu’il exerce à son compte. Nous l’avons interviewé pour mieux comprendre leur action.

Propos recueillis par Alexandre Gambuto, cet entretien est extrait du rapport « Quelques réflexions sur le savoir et la modernité… », publié en février 2025 par la commission ad hoc de l’AAIE-IHEDN, animée par Dominique Lamoureux.

Bonjour, Yoan, pouvez-vous nous raconter la genèse de « C’est vrai ça » et nous expliquer son fonctionnement ?

« C’est vrai ça » est une association qui a été fondée par Sylvain Tillon (spécialiste en pédagogie numérique) et par Guy Nagel (avocat) pendant le premier confinement. Ils ont d’abord participé au projet « CopyPost » qui avait pour but de débusquer les copiés-collés. Puis le concept a été amélioré avec le projet actuel. La période du COVID a engendré une forte vague de désinformation et l’envie de lutter contre les fake news leur est apparue naturellement.

Le principe est extrêmement simple. Si une publication LinkedIn semble contenir des informations trompeuses ou erronées, vous citez « C’est vrai ça » en commentaire et nos bénévoles vont « débunker » ce qui a été dit. Cet anglicisme signifie « démystifier » et s’apparente à du fact-checking ou de la vérification d’informations. Le but est de dire si l’information est vraie ou fausse en apportant des arguments objectifs et des sources fiables. Notre posture est toujours la plus neutre possible. On s’autorise parfois quelques traits d’humour dans nos réponses aux spécialistes en « neurobullshit », à savoir, les coachs qui profitent de la faiblesse des gens pour dire des âneries.

Votre association est constituée de bénévoles uniquement ?

Tout à fait. CVC a pris de l’ampleur, car LinkedIn s’éloigne de plus en plus du réseau professionnel et que les publications deviennent un grand fourre-tout. Avec le temps, nous sommes devenus plus nombreux pour faire face. Sur la vingtaine de bénévoles actuelle, seulement trois personnes ne sont pas anonymes. Par ailleurs, le management interne est assez horizontal.

Vous attaquez-vous à tous les sujets ?

D’abord, on ne répond pas quand c’est l’auteur de la publication qui nous taque. Certains auteurs essaient d’augmenter la visibilité de leurs publications par ce subterfuge.

Ensuite, on évite d’intervenir sur un article politique ou un message d’opinion pur. En revanche, si cette opinion s’appuie sur des faits qui sont faux, on intervient.

Quels sont les profils des désinformateurs ?

Il y a plusieurs niveaux. Pendant le confinement nous avions surtout des désinformateurs candides et c’est encore aujourd’hui la plus grande masse. Dans ce cas on désamorce les messages avec une posture pédagogique.

Vous avez ensuite les désinformateurs stratégiques derrière lesquels vous retrouvez des entreprises, des états, ou des organismes paragouvernementaux. Ceux-là produisent de la désinformation suffisamment bien faite pour que les gens la partagent. Ces désinformateurs avancés s’appuient sur le fonctionnement des algorithmes qu’ils connaissent très bien et qu’ils exploitent, ils misent aussi sur la viralité de repartage. Ces acteurs ont clairement un but d’influence de l’opinion. « C’est vrai ça » n’a pas l’ambition de s’attaquer à cette désinformation plus sensible qui nécessite un niveau de sécurité opérationnelle supérieure. Sur ces niveaux stratégiques, il faut être très prudent, car il y a des enjeux géopolitiques très forts, et que l’on s’expose à des menaces. Sur LinkedIn néanmoins, il n’y a pas beaucoup de grands stratèges.

Comment faites-vous pour être garant d’une crédibilité indiscutable ?

La première des choses que je dis aux bénévoles qui nous rejoignent, c’est que l’on peut se tromper dans le travail de débunkage. Cela peut arriver, car on est humains et l’on ne peut pas être des spécialistes de tout. Dans ce cas, on s’excuse. Notre posture est claire, on débunke toujours une histoire, mais jamais une personne, on s’attache à des faits objectifs, nous ne devenons pas des adversaires systématiques. Sur certains sujets cela nous arrive de ne pas savoir ; on ne peut pas être affirmatif dans notre réponse dans ce cas. Pour garantir des réponses de qualité sur des sujets précis, on peut aussi compter sur nos experts bénévoles (agronomes, médecins, chercheurs en biologie, avocat, etc.) dont c’est le métier. Enfin, nous avons un processus interne de validation de nos réponses qui est collectif et qui implique plusieurs niveaux d’expérience au sein des bénévoles. Ce processus permet de garantir une bonne qualité de réponse.

Quelle est la réaction des personnes qui postent des informations fausses, lorsque vous les débunkez ?

C’est variable. Il y a des gens qui nous ignorent, d’autres qui suppriment nos commentaires (dans ce cas-là nous avons des astuces pour pouvoir les republier sans qu’ils le sachent), d’autres qui initient une discussion avec nous. Certains s’excusent et corrigent leur publication. Il est amusant de constater que certaines personnes nous ont bloqués de manière préventive…

Pourquoi n’êtes-vous présent que sur LinkedIn ?

On a déjà du mal à traiter la désinformation sur LinkedIn donc cibler Facebook c’est partir en dépression en 15 jours. Le volume de désinformation est tel que l’on ne pourrait pas suivre.

Est-ce que vous considérez que c’est normal que ce soit à des citoyens d’effectuer ce travail bénévolement ? Est-ce que vous ne palliez pas le travail défaillant des plateformes ?

Oui c’est anormal. Mais au même titre que « Les Restos du cœur » pallient la solidarité nationale. Nous pourrions trouver de nombreux exemples dans le milieu associatif. Malheureusement les plateformes se désengagent de toute modération…

Est-ce que les services publics, les cellules de fact-checking des grands médias ne peuvent pas contribuer ?

Malheureusement, les États sont occupés par ailleurs et les cellules de fact-checking des quotidiens nationaux sont déjà monopolisées pour traiter de gros sujets d’actualité… et elles sont très peu présentes sur Linkedin (on les trouve plus facilement sur X, Facebook et TikTok).

Selon vous, est-ce que le règlement européen Digital Service Act (DSA) qui vient d’être mis en application va changer quelque chose ?

Je n’y crois pas vraiment, il va y avoir quelques ajustements, mais à la marge. Le seul réseau qui risque vraiment des sanctions c’est X (ex-Twitter), car Elon Musk fait n’importe quoi. Ça n’engage que moi, mais ma position c’est qu’il y a un manque de courage politique sur ces sujets. Les réseaux sociaux sont une exception à la loi, ils ne sont pas considérés comme des éditeurs de contenus, donc ils ne sont pas responsables de la production qui y est faite. Mais n’oublions pas qu’il n’y a pas que les GAFAM qui ont une responsabilité dans la diffusion de la désinformation par une mauvaise modération. Les grands groupes produisent aussi beaucoup de désinformation.

Pour ceux qui voudraient se lancer, comment vous rejoint-on ?

On lance des campagnes de recrutement régulièrement, sinon il faut contacter quelqu’un de « C’est vrai ça » pour proposer ses services. Nous sommes maintenant assez vigilants, car nous avons déjà eu de l’entrisme. Il existe désormais différents de « responsabilité » au sein de l’association, en fonction des débunks réalisés et de la participation à l’association.

Je précise qu’il n’y a pas de contrôle de l’implication des bénévoles. On fait comme on peut et quand on a le temps, à côté de nos vies professionnelles. À l’arrivée, on forme les personnes sur les techniques de débunkage. Gardons en tête que plus on sera nombreux, plus notre action sera efficace.

Quel message voudriez-vous faire passer aux décideurs qui nous liront ?

Il faut absolument éduquer et sensibiliser les enfants dans les écoles à rechercher de l’information et à lutter contre la désinformation : qu’est-ce que c’est, comment la détecter, qu’est-ce que les acteurs cherchent à faire ? Cela pourrait être une intervention dès le niveau collège avec une récurrence de 3 ou 4 fois dans l’année. Personne n’est à l’abri de la désinformation, mais avec l’éducation, on limite les risques. La désinformation, ça désagrège le tissu sociétal, c’est une arme pour fracturer les sociétés. Je vais prendre une image pour être plus clair. On est dans un énorme feu de forêt de désinformation et « C’est vrai ça » ce n’est qu’une couverture pour éteindre les braises. Le seul moyen de lutter à la racine, c’est d’éduquer les gens. L’esprit critique a réellement disparu de la circulation surtout chez les jeunes générations, et c’est très inquiétant…

Blockchain, valeur et complexité

22 juin 2018 /

Il y a quelques mois, ma curiosité m’a poussé à investir quelques deniers dans les devises virtuelles. À ce moment-là je n’avais qu’une vague idée de ce que j’achetais vraiment et plusieurs questions se sont imposées à moi. Pourquoi certaines cryptomonnaies ont-elles une valeur plus élevée que d’autres ? Qu’est-ce qui différencie la valeur d’une pièce d’or d’un jeton électronique ?  Peut-on objectivement estimer la valeur d’un Bitcoin ? En persévérant et en retournant ces questions, j’en suis arrivé à des éléments de réponse. Et entre-temps, j’ai arrêté d’investir dans les cryptomonnaies !

Sommaire

Valeur et complexité

Commençons par une citation. Et pas de n’importe qui ! Jean-Paul Delahaye est un informaticien-mathématicien et enseignant-chercheur français. Reconnu comme l’un des premiers à avoir vulgarisé le fonctionnement du Bitcoin en France, il est un fin connaisseur de la cryptomonnaie. Fin 2017 il écrivait cette phrase sur son blog :

« Le bitcoin tient parce que la profondeur logique de sa blockchain est grande et s’accroît au fur et à mesure qu’on calcule des SHA256 […] le bitcoin repose sur quelque chose de matériel ou de quasi-matériel : du contenu en calcul »
De quoi est fait le Bitcoin?, octobre 2017

Décortiquons-la.

Le début est simple. L’expression « le bitcoin tient » signifie tout simplement que la blockchain Bitcoin fonctionne de manière autonome et sans accrocs. « Ça roule Raoul » aurait pu convenir mais n’a pas été retenu par l’auteur.

La suite est un peu plus compliquée avec deux termes liés : le « contenu en calcul » et « la profondeur logique ».

Ce qu’on appelle le « contenu en calcul » ce sont des résultats numériques qui se suivent et qui sont stockés dans une blockchain. Sans rentrer dans l’explication de comment les blocs sont mathématiquement liés les uns aux autres, il est plus simple de prendre l’exemple d’une suite arithmétique classique. Si l’on considère les dix premiers termes de la suite de Fibonacci mis bout à bout nous avons « 0112358132134 ». Cette suite de nombres accolés est en fait très comparable à une blockchain puisqu’elle n’est pas aléatoire et reflète bien du contenu calculé selon la formule de progression de la suite. La chaîne numérique « 5647684534123418 » que j’ai tapée aléatoirement sur mon clavier ne semble pas refléter une quelconque progression mathématique. Elle n’est donc pas comparable à une blockchain a priori.

L’idée de « profondeur logique » est moins évidente et se rapproche de ce que l’on nomme complexité en mathématiques. La complexité est ici une mesure de la difficulté d’obtention d’un résultat, c’est-à-dire de l’effort de calcul qu’il a fallu pour l’atteindre. Attention à ne pas la confondre avec l’incompressibilité : une chaîne tapée au hasard est incompressible, donc de complexité de Kolmogorov maximale, alors que sa profondeur logique est nulle. C’est bien cette seconde notion qui nous intéresse ici. Si l’on reprend l’exemple de la suite de Fibonacci, le n-ième terme est calculé par la formule F(n)=F(n-1)+F(n-2) que je qualifie de simple car le calcul s’effectue rapidement avec des termes F(n) relativement courts. Si l’on considère maintenant une suite définie par C(n)=C(n-1)^[100*C(n-2)]! le calcul devient plus délicat. Non seulement l’effort calculatoire explose à chaque itération mais on se retrouve rapidement avec des termes extrêmement longs. On peut dire intuitivement que la chaîne numérique « F(1)F(2)…F(100) » est moins complexe que la chaîne numérique « C(1)C(2)…C(100) ». Comparer la profondeur logique de deux chaînes numériques construites à partir de deux algorithmes différents est finalement assez simple à appréhender. Encore plus simple, si l’on considère seulement F(n) et que l’on compare les chaînes la concaténation des 50 premiers termes et celle des 1 000 premiers on remarque que la première est plus courte et plus facile à obtenir. L’idée de la correspondance entre complexité et longueur de chaîne pour un même algorithme émerge donc très naturellement.

Dernière précision. Le calcul qui alimente Bitcoin n’est pas engendré par une suite récurrente traditionnelle mais par une fonction de hachage cryptographique appelée SHA-256. Cette fonction est dite à sens unique : calculer l’empreinte d’un message est immédiat, retrouver le message à partir de son empreinte est hors de portée. C’est de là que vient l’asymétrie du minage : trouver un bloc valide coûte des milliards d’essais, le vérifier n’en coûte qu’un seul. Voilà pour la présentation des termes.

On recolle les morceaux !

Résumons les propos de Delahaye en trois points : (1) La complexité d’une blockchain augmente avec le temps (« la profondeur logique de sa blockchain s’accroît ») puisque son contenu en calcul grandit avec les transactions. (2) La complexité c’est donc une mesure de la difficulté pour obtenir cette blockchain. Plus elle est complexe plus il est difficile de la contrefaire – puisqu’il y a plus de contenu à falsifier. (3) La capacité d’une blockchain à croître de manière autonome et sans être falsifiée (« elle tient ») est une source de valeur. En effet cela démontre la robustesse du système, sa résilience.

En résumé : la complexité du calcul que renferme une blockchain est une mesure de sa valeur. Pourquoi est-ce intéressant ? Parce que la complexité est un critère objectif et intrinsèque propre à n’importe quelle blockchain : les comparer devient simple. De plus la complexité se révèle être un excellent indicateur de confiance. Si l’on s’autorise quelques approximations, la complexité d’une blockchain se mesure par le travail cumulé qu’elle renferme : le nombre de blocs multiplié par la difficulté à laquelle chacun a été miné, ce que le protocole nomme le chainwork. Le poids en octets, lui, reste un indicateur grossier : il dépend du volume de transactions stockées, et plus il y a eu de transactions, plus la quantité d’effort dépensé est grande. Rappelez-vous de l’exemple de la suite de Fibonacci.

À retenir
Plus une blockchain est longue, plus elle est issue d’un effort de calcul important, plus elle est mathématiquement sécurisée. Il est donc raisonnable de lui affecter plus de valeur. Par ce principe il devient possible de comparer la valeur des blockchains rien qu’en comparant leurs tailles.

La blockchain Bitcoin grandit de manière quasi-exponentielle avec le temps, blockchain.info, avril 2018

Pour autant, l’idée de valeur reste floue et mérite d’être discutée plus en détail.

Théorie de la valeur

La question de la valeur d’une cryptomonnaie est essentielle puisque la théorie économique admet plusieurs définitions de ce qu’on appelle valeur. A ce propos, le billet du philosophe Thomas Schauder La valeur des choses dépend-elle de leur prix ? (Le Monde, janvier 2018) dresse une comparaison éclairante et accessible entre la valeur d’usage et la valeur d’échange, deux manières classiques d’aborder la notion.

Pourtant dans notre cas, la valeur attribuée à la taille d’une blockchain n’est ni sa valeur d’usage, puisque la monnaie est un objet avec peu de praticité, ni sa valeur d’échange, puisque celle-ci est fixée par le marché. Il s’agit d’une valeur objective de l’effort nécessaire pour aboutir à cette chaîne, une valeur d’obtention en quelque sorte. Considérer l’ensemble de l’effort utile pour arriver à la blockchain(1) revient grosso modo à comptabiliser l’ensemble des coûts électriques associés aux calculs cryptographiques depuis la première transaction, qui sont appelés communément « coûts de minage » par la communauté blockchain(2).

A retenir
La valeur intrinsèque d’une blockchain est équivalente au coût électrique associé à l’effort de minage. Ce coût est différent de sa valeur marchande.

(1) par « effort utile » je signifie que les contributions « perdantes » dans la compétition de minage ne sont pas à comptabiliser. En effet, bien qu’ayant eu lieu leurs traces ne subsistent pas dans la chaîne principale et ne participent donc pas à la complexité de l’objet. Elles ne sont donc pas « utiles ». Par définition, tout calcul basé sur une estimation sans distinction de la consommation électrique du minage est de fait surévalué.

(2) ce calcul est approximatif puisque l’on a négligé les contributions matérielles (hardware) et humaines (développement informatique) aux coûts difficilement évaluables mais vraisemblablement très minoritaires.

Ethereum est la blockchain la plus lourde en avril 2018, bitinfocharts.com

L’analogie de la mine d’or

Dès 2009 la connexion entre valeur et coût électrique est relevée par le fondateur du Bitcoin, Satoshi Nakamoto ! Il établit une analogie intéressante entre l’extraction de l’or et le coût du calcul cryptographique pour une cryptomonnaie.

En effet, l’exploitation d’un métal précieux à partir de minerais souterrains nécessite un effort qui est quantifiable et qui peut être ramené à un coût d’exploitation. Rappelons que ce coût pour la découverte, l’extraction et le raffinage du métal précieux est différent de sa valeur d’échange qui dépend seulement du cours du marché (la demande rapportée à l’offre). Tant que ce coût d’exploitation ou d’obtention est inférieur au cours du marché (35 k€/kg d’or en 2018) il est économiquement viable d’exploiter une mine d’or puisque la revente assure une plus-value. De la même manière pour une cryptomonnaie, tant que les coûts pour effectuer ces calculs sont inférieurs au cours de la devise virtuelle, il est intéressant de prendre part à l’effort calculatoire pour assurer son bon fonctionnement. On construit sur la base de cette analogie le mot minage renvoyant à l’effort mis en œuvre pour le calcul.

Ce que l’on sait moins, c’est que les règles à la base du fonctionnement du Bitcoin favorisent l’apparition de cette situation. Id est favoriser un coût de minage inférieur au cours du marché pour inciter les mineurs à fournir de la puissance de calcul et maintenir le réseau fonctionnel.

À retenir
Il est viable de miner pour le compte d’une blockchain si les coûts électriques associés à la compétition de minage sont inférieurs au cours du marché. Un mécanisme existe pour favoriser cette situation.

Le Bitcoin vaut-il 233 euros ?

Avec toutes les considérations abordées plus haut, il devient possible de mettre en place des indicateurs simples et de mener des calculs de valeur.

La valeur unitaire moyenne d’un jeton

On appelle jeton, l’unité monétaire d’une cryptomonnaie. Son coût d’obtention moyen est défini comme la valeur du calcul de la blockchain ramenée au nombre de jetons en circulation. Puisque la quantité de calcul croît à chaque transaction, son coût d’obtention croît également pour un volume de jeton fixe, puisque la plupart des blockchains ont une émission de jetons très progressive au cours du temps.

VUMJ = valeur du calcul de la blockchain / nombre de jetons en circulation

À quelques approximations près, on trouve qu’un BTC renferme 233 € de travail calculatoire contre environ 27 € pour un ETH. Il est a priori justifié que le cours du BTC soit supérieur à celui de l’ETH sur l’argument objectif de la confiance.

(Edit 08/08/2018)
Ce résultat est basé sur l’estimation annuelle publiée par Digiconomist des coûts de minage ainsi qu’au taux de change euro-dollar à la date d’écriture de l’article  (juin 2018). L’hypothèse principale est que ce coût a augmenté quasi-exponentiellement sur la période non couverte par l’estimation du site. On néglige également la variation du nombre de Bitcoin sur la période. Pour le détail de ce calcul, je vous invite à consulter la section commentaires.

VUMJ (BTC) = (3,55b$ + 1,09b$)/ 17,1 millions = 233€

VUMJ (ETH) = (2,4b$ + 0,81b$) / 100 millions = 27,64€


La valeur d’obtention rapportée au cours du marché

La valeur des marchés est une valeur subjective et humaine qui fixe le prix des choses. Ainsi une baguette de pain à 1,5€ vaut probablement des dizaines de fois son prix de revient, qui est essentiellement donné par le prix de sa matière première (farine, eau, levure) et du travail pour l’obtenir (transport, stockage, cuisson, frais). L’iPhone 8 Plus est vendu 799 $ par Apple avec un coût de revient estimé à 295 $, soit un taux de marque de 171 % à chaque produit vendu. Pour autant, il n’existe aucune règle générale entre ces deux coûts si ce n’est que l’on cherche en principe à maximiser les marges et qu’il est interdit de vendre à perte.

Dernier exemple. Le prix d’extraction de l’or est d’environ 919 $ par once alors que son cours est approximativement de 1 270 $. Le rapport donne un taux de marque de 38 %.

À retenir
Les écarts ci-dessous sont exprimés en taux de marque : (prix de vente − coût d’obtention) / coût d’obtention. On a calculé un coût de revient de 233 € pour le Bitcoin alors que son cours évolue à 5 400 € : le taux de marque est d’environ 2 200 %. Pour Ethereum il est sensiblement plus bas, avec un coût de revient d’environ 27 € et un cours à 375 €, soit environ 1 290 %. A chacun de se faire sa propre opinion.

Conclusion

En introduction nous nous demandions Pourquoi certaines cryptomonnaies ont-elles une valeur plus élevée que d’autres ? On sait maintenant que la valeur de revient d’une cryptomonnaie provient uniquement du nombre d’informations mathématiques qu’elle contient grâce à des milliards de transistors qui travaillent sans relâche de la matière électrique pour la transformer en matière arithmétique. Qu’est-ce qui différencie la valeur d’une pièce d’or d’un jeton électronique ? Finalement pas grand-chose, les deux tirent leur valeur de leur rareté. Si ce n’est que dans un cas les pièces d’or ont une existence palpable avec une valeur d’usage faible. Leur coût d’obtention provient du travail de la terre dans les carrières pour en extraire le précieux métal. Un jeton de cryptomonnaie comme le Bitcoin n’a lui pas d’existence physique, ce n’est que mathématique et informatique pour une valeur d’usage nulle. Leur coût d’obtention provient de la création ex nihilo de la monnaie par des règles de minage communément acceptées. Peut-on objectivement estimer la valeur d’un Bitcoin ? Oui et non. On ne peut pas anticiper la fluctuation des valeurs d’échange des Bitcoins. L’offre et la demande sur les marchés ne peuvent évidemment pas se prévoir, sauf délits d’initiés. En revanche, on peut calculer objectivement le coût d’obtention d’un BTC, quantité à rapprocher de la notion de valeur-travail au sens marxiste (labour theory of value). Une comparaison au cours du marché est rendue possible mais n’éclairera que partiellement la formation du prix.

À retenir
La valeur marchande des choses ne dépend que de la valeur que l’on veut bien leur donner. À vous de croire, ou de ne pas croire.

Bitcoin, le rêve inachevé de Nakamoto

3 mars 2018 /

En 2018 cela fera 10 ans que Bitcoin a été imaginé. Son parcours remarquable fait de lui la principale blockchain en notoriété et en capitalisation. Pour autant, est-ce que Bitcoin a vraiment atteint ses objectifs ? Après une remise dans le contexte sur ce qu’est Bitcoin nous reviendrons sur les raisons de son relatif échec en tant que Monnaie Numérique universelle.

Une publication idéaliste

L’histoire débute en octobre 2008 avec la publication du document fondateur de la technologie blockchain. Répondant au doux nom de « Bitcoin A Peer-to-Peer Electronic Cash System » son auteur Satoshi Nakamoto publie un texte de neuf pages qui fera date dans le cyber espace. Il s’agit d’un manuscrit rédigé dans un anglais impeccable et au style très universitaire comme en témoigne sa mise en page de style LaTeX. Rien ne présage alors le retentissement planétaire du concept de cette monnaie numérique (Bitcoin) et de la solution technique qui lui est associée (Blockchain). Elles seront toutes deux copiées et adaptées maintes fois, d’abord dans l’univers des cryptomonnaies puis dans des cadres d’utilisation variés. En 2017, leur intérêt devient prépondérant dans les sphères médiatiques, économiques et financières.

Le nombre de recherches associées aux termes Bitcoin et Blockchain est en forte augmentation en 2017
Source : Google Trend, mars 2018

Régulation, spéculation, Smart Contract, fermes de minages, pénurie de GPU, Nakamoto n’avait certainement pas imaginé toutes les conséquences à moyen terme qu’aurait Bitcoin ! Au moment de sa publication, son ambition était pourtant simple et claire :  créer une monnaie électronique échangeable directement et sans intermédiaire. Sa force ? Une idée géniale, la blockchain. Sa faiblesse ? Avoir pensé Bitcoin comme une solution technique. En confondant usage et outil, Nakamoto a probablement oublié le plus fondamental dans un échange commercial : l’humain.

La fin des institutions financières

La publication de Nakamoto survient après la crise des subprimes de 2007 alors qu’un vent de critiques souffle sur les excès de certaines institutions financières. L’arrivée de la devise virtuelle est une réaction libertaire hi-tech d’une petite communauté d’idéalistes et de passionnés. L’idée sous-jacente est la remise en cause du rôle de médiation des entités tierces. En cas de litige, le dialogue instauré par le médiateur peut en effet aboutir à l’annulation d’une transaction, ce qui met à mal la vision d’échanges voulus comme définitifs par Nakamoto (completely non-reversible transations are not really possible, since financial institutions cannot avoir mediating dispute). La seconde motivation pour créer une devise virtuelle indépendante se situe au niveau des frais de services, puisque garantir de la confiance et un service de médiation… ça se paie ! Avec des impacts collatéraux à ces frais :

(1) ils limitent la taille minimale d’une transaction (the cost of mediation increases transaction costs, limiting the minimum practical transaction size and cutting off the possibility for small casual transactions). C’est le cas pour certaines commissions fixes qui nous empêchent de régler de petits montants par carte bancaire – en dehors du sans contact – puisque les commerçants ne veulent pas assumer ces coûts.

(2) ils peuvent être augmentés par des frais de second ordre en raison de l’asymétrie paiement-service. Une transaction peut toujours être révoquée mais un service déjà effectué ne peut pas l’être (there is a broader cost in the loss of ability to make non-reversible payments for nonreversible services). En cas de litige, les frais engagés pour le service doivent être assumés par l’une des parties.

Une monnaie sans organe de contrôle

Pour pallier ces désagréments de médiation et de frais, Bitcoin propose une solution aussi radicale qu’ambitieuse : la suppression de tout intermédiaire (we propose a solution to the double-spending problem using a peer-to-peer network). La conséquence est immédiate avec la garantie de l’irréversibilité des échanges commerciaux et la suppression des frais de commission. La fonction de confiance devient ainsi transférée dans la technologie blockchain du réseau (an electronic payment system based on cryptographic proof instead of trust) et la fonction de médiation n’est plus assurée. Attention aux erreurs, vous n’aurez pas de service après-vente.

Pour implémenter concrètement cette idée, le réseau imaginé par Satoshi doit fonctionner de manière distribuée et autonome. Comme vous le savez, ce sont les nœuds du réseau (des ordinateurs) qui fournissent la puissance de calcul nécessaire pour qu’il perdure et consolide sa blockchain au fur et à mesure des transactions (minage). Des primes sont alors reversées aux mineurs pour les gratifier de leur contribution au bon fonctionnement du système (this adds an incentive for nodes to support the network. In our case, it is CPU time and electricity that is spended). C’est ce réseau Bitcoin qui est officiellement lancé le 3 janvier 2009, date historique à laquelle le premier bloc est miné par Nakamoto. Le réseau pensé théoriquement prend vie !

Sauf avancée mathématique majeure mettant à mal la fonction cryptographique de hachage  SHA-256, on estime aujourd’hui que les technologies blockchain et en particulier le protocole Bitcoin deviennent pratiquement inviolables à mesure qu’elles grossissent (the probability drops exponentially as the number of blocks the attacker has to catch up with increases). Architecte prudent, Nakamoto anticipe dans son papier que des attaques peuvent survenir si un contributeur venait à posséder plus de 50 % de la puissance de calcul du réseau, ce qu’il tempère par la gravité limitée d’un tel contrôle et par la très faible probabilité que cela se produise. Au final, son idée est couronnée de succès avec la création d’un réseau sécurisé, persistant et autonome depuis près de 9 ans. Tout juste peut-on noter que différentes versions de la blockchain ont pu apparaître à cause de groupes de nœuds dissidents dans la manière de gérer les transactions (forks). En résumé, on peut globalement dire que la mécanique blockchain a apporté une solution innovante au problème de la réplicabilité des données numériques pour un système autonome : elle garantit qu’une unité ne peut pas être dépensée deux fois. Sans quoi, on pourrait répliquer de l’argent à l’infini. Alors tout est si rose ?

Invention géniale, objectifs ratés

Malgré des qualités techniques évidentes, les imperfections du Bitcoin sont nombreuses et souvent passées sous silence par les crypto-enthousiastes. Mes lectures ainsi qu’une analyse critique de la situation m’ont permis d’en établir une liste non exhaustive.

La première objection est la remise en question de la nature profonde de monnaie du Bitcoin. La cryptomonnaie n’a d’ailleurs jamais caché son ambition de devenir La monnaie numérique universelle. Pour autant, devenir une monnaie d’échange ne se décrète pas : la devise doit atteindre un certain seuil de reconnaissance, d’acceptation et de stabilité. Aujourd’hui, le constat est plutôt amer puisque le Bitcoin est décrié par de nombreuses institutions, inutilisable dans la pratique et extrêmement volatil. On peut considérer le Bitcoin comme une devise financière robuste, mais certainement pas comme une monnaie d’échange pratique puisqu’il n’en a pas les qualités requises. Au lecteur qui doute : a-t-il jamais vu quelqu’un acheter une baguette de pain en Bitcoin ?

Le Bitcoin est un actif volatil, après avoir pris 1 300 % sur l’année 2017, le prix du marché a drastiquement chuté début 2018. Source : blockchain.info, mars 2018.

Seconde raison, il s’agit de l’échec de la suppression des intermédiaires. Comme on l’a vu, Bitcoin s’est fixé comme objectif de se suffire à lui-même dans les échanges commerciaux avec la suppression des frais et l’introduction de l’irréversibilité des échanges. C’était sans compter qu’une écrasante majorité des volumes échangés passe aujourd’hui par des plateformes tierces (Kraken, Coinbase, Bitstamp…). Côté pile, elles ont le mérite d’être plus pratiques et plus simples à appréhender que les clients lourds traditionnels (Bitcoin Core). Côté face, leurs frais de commission et leur forte exposition aux vols et piratages (Mt. Gox, Coincheck) posent des questions profondes en apparente contradiction avec l’esprit Bitcoin. Confier la gestion des opérations et le stockage des clés privées à des tiers, c’est créer un maillon faible autour d’un protocole justement réputé pour sa robustesse. Passer par une plateforme tierce c’est donc réintroduire des frais d’exécution autour d’une monnaie qui avait l’ambition de s’en passer. Toujours sur la thématique des frais, il est intéressant de relever une autre contradiction assez profonde au cœur du système. Pour pallier la décroissance du nombre de BTC émis (jusqu’à l’arrêt du mécanisme d’émissions vers 2140) Nakamoto a laissé la possibilité aux mineurs de rajouter des frais de transaction en plus de la récompense provenant du minage (the incentive can also be funded with transaction fees). Il s’agit à mon sens d’un aveu d’échec de la philosophie du Bitcoin, puisque l’on ne pourra jamais totalement se passer de frais…

Les principales plateformes d’échange versus le volume de Bitcoin échangé. Source : data.bitcoinity.org

Raison numéro trois, le manque de transparence de Bitcoin. Dans sa conception, Bitcoin ne permet pas d’identifier les donneurs d’ordres qui sont masqués derrière des pseudonymes. Agrémentées de quelques mesures de protection supplémentaires, les identités des émetteurs et bénéficiaires deviennent très difficiles à remonter — sans être hors d’atteinte : l’analyse de chaîne permet couramment de reconstituer des flux. C’est pour cette raison que le darknet a massivement adopté Bitcoin comme son moyen de paiement de référence très tôt après sa sortie. Il n’est pourtant pas inutile de rappeler que la philosophie de Bitcoin tourne autour des notions de transparence et de neutralité. Pourquoi, dès lors, employer le mot transparence quand les transactions sont facilement opaques ? Les têtes pensantes des cryptomonnaies ont utilisé ce terme pour qualifier la possibilité de suivre le trajet de chaque fraction de Bitcoin lorsqu’il change de propriétaire… chose qui en pratique se révèle assez inutile puisque la correspondance avec l’identité du propriétaire n’est pas possible à établir. Mieux, il est aujourd’hui possible d’obtenir un nouveau pseudonyme à chaque ordre de transaction (= une adresse publique) pour mieux brouiller les pistes. Lorsque Bitcoin parle de transparence je comprends le droit de posséder ses données de manière indépendante. Ne pas vouloir partager ses informations avec un organisme tiers lors d’un transfert d’argent (banque, Paypal, Apple Pay etc.) reste en soi tout à fait légitime. Mais la terminologie de transparence est particulièrement mal choisie puisque le but final est de rendre opaque ses opérations aux yeux des institutions et des Etats. Je parlerai plutôt de traçabilité partielle. Sur ce sujet, le récent Bitcoin, la monnaie acéphale s’emploie longuement à défendre le terme de transparence que permet l’anonymat cryptographique de Bitcoin contre les lois liberticides du renseignement. Il aurait été plus pertinent de s’interroger sur la notion de société open source (transparence, lisibilité, ouverture) en possible contradiction avec la notion de liberté individuelle qui permet de disposer de ses données en toute indépendance (fermeture, cryptage, vie privée).

Quatrième raison, les limites de scalabilité de la technologie blockchain. La croissance exponentielle de la blockchain Bitcoin (160 Go le 03/03/2018) n’a en effet pas été suffisamment anticipée par le brillant (mais pas omniscient) Nakamoto. La compétition du minage se faisant, le résultat direct est une envolée des coûts énergétiques pour faire fonctionner le réseau. Digiconomist a publié une étude de référence sur la consommation Bitcoin qui a été largement reprise dans les médias, mais aussi critiquée pour son mode de calcul qui repose sur des hypothèses énergétiquement défavorables. J’ai envie de dire peu importe. En effet, l’ordre de grandeur de la consommation du réseau Bitcoin ne change pas fondamentalement en prenant en compte des hypothèses plus favorables (on parle d’un facteur 2). Ainsi, en mars 2018 on estime la consommation annuelle du réseau pour la blockchain Bitcoin à 53TWh ; soit approximativement la même quantité d’électricité consommée en un an par le Bangladesh, pays de 163 millions d’habitants ! Ce problème est aujourd’hui non résolu et propre aux blockchains fondées sur la preuve de travail ; les chaînes à preuve d’enjeu, qui existaient déjà, en consomment plusieurs ordres de grandeur de moins. Pourquoi est-ce si grave ? Parce que cette critique énergétique n’est pas d’ordre philosophique, pratique ou économique puisqu’elle a des conséquences palpables et néfastes dans notre monde réel. En d’autres mots, on gaspille chaque jour dans des fermes de minage des ressources électriques faramineuses pour un système monétaire qui ne fonctionne pas. Rappelons-nous que les deux usages répandus du Bitcoin sont aujourd’hui la spéculation et le trafic. Pour ce dernier, il reste marginal puisque des études montrent que 95 % des volumes échangés le sont en liquide. En première approximation, on peut donc en conclure que l’essentiel de cette énergie sert des usages spéculatifs plutôt que transactionnels.

Raison cinq, le système monétaire déflationniste du Bitcoin est difficilement compatible avec l’économie réelle. En effet, les cryptomonnaies n’ont pas été conçues pour le crédit et n’en sont généralement pas capables en l’état. C’est-à-dire, avec ses 21 millions d’unités en circulation à terme, l’approche économique de Bitcoin se base sur la division du fini (déflation) plutôt que sur l’émission perpétuelle de monnaie (inflation). Cette approche est intéressante et fut anticipée de longue date par Nakamoto : sous réserve de succès il avait prévu que la métrique de la monnaie allait se contracter à mesure que l’unité prendrait de la valeur. Pour continuer à pouvoir faire des transactions aussi petites (précises) que l’on veut et de tout temps, Nakamoto a fixé arbitrairement la plus petite quantité échangeable dans le protocole comme une fraction de 10-8 BTC. À titre de comparaison, cette quantité est plus fine qu’un centime d’euro tant que le taux de change ne dépasse pas 1 BTC = 1 000 000 €. Mieux encore, Nakamoto a laissé la possibilité de mettre à jour Bitcoin par l’ajout de décimales supplémentaires si la finesse de la mesure venait à devenir insuffisante. Cette digression étant faite, ce mode de fonctionnement divisible ne permet pas de générer du crédit à ce jour. En d’autres mots, il n’est pas possible de créer de l’argent à des fins de prêt puisque toutes les unités seront à terme émises… ce qui est problématique. L’économie réelle repose en effet sur la création d’argent ex nihilo par les institutions financières et les États. On génère ainsi des créances qui sont remboursées par le futur travail des bénéficiaires ; cela équivaut à dire que l’on passe la plupart de notre temps à rembourser des emprunts virtuels afin de leur donner une consistance par le fruit de notre travail. Le corollaire est une légère perte de valeur unitaire de la devise (inflation) qui est continue dans le temps, ce qui est incompatible avec un système divisible. La création continue de monnaie pour le prêt, deuxième pilier central d’une monnaie dans une économie, n’est pas non plus couverte par Bitcoin.

Raison six, la difficile législation du Bitcoin. Si les cryptomonnaies décentralisées sont existentiellement libertaires, elles n’en demeurent pas moins assujetties à respecter la loi. Oui mais quelle loi puisqu’elles ne connaissent pas les frontières ? A tout instant Bitcoin est distribué dans autant de pays qu’il existe de nœuds dans le réseau. Sur un système centralisé, la problématique de la législation est relativement simple puisque la domiciliation du serveur hébergeant le système informatique fait foi. Ici, la loi peut éventuellement s’appliquer à l’utilisateur situé physiquement à un endroit donné lorsqu’il passe un ordre Bitcoin, mais certainement pas à l’ensemble de la trésorerie personnelle de l’utilisateur ni au réseau en général. Chers législateurs, la question reste ouverte.

Conclusion

Preuve de concept magnifique, la publication de Nakamoto et le réseau Bitcoin lui  étant attaché restera comme un nouveau jalon dans la longue histoire de la monnaie. Pour la première fois devise et informatique convergent pour former un objet hybride et génial, cristallisant une idée originale et libertaire (non sans paradoxes). Mais les difficultés sont nombreuses : énergétiques, techniques, légales, d’usage. L’économie de ce monde n’étant pas que mathématique et abstraite, mais profondément humaine et subjective, le Bitcoin se révèle profondément inadapté et inapte à incarner son rôle de monnaie numérique universelle. Son émergence restera probablement comme une curiosité contemporaine qui finira par se faner d’elle-même… ou prospérer sous des formes plus vertueuses.

Sources

  • Satoshi Nakamoto, Bitcoin: A Peer-to-Peer Electronic Cash System, Bitcoin.org, 31 octobre 2008 (9 pages)
  • J. Favier, A. Takkal Bataille, Bitcoin, la monnaie acéphale, Éditions CNRS 2016 (280 pages)
  • Jean-Paul Delahaye, Ne nions pas le problème électrique du Bitcoin, 24 décembre 2017 (article de blog)
  • Jean-Luc Gandi, Mike Hearn : « Bitcoin a échoué », 15 janvier 2016 (article de blog)

Data analyse : comment l’étonnante loi de Benford permet de traquer la fraude en entreprise ?

21 décembre 2017 /

Saviez-vous que vous rencontrez plus régulièrement des nombres qui commencent par le chiffre « 1 » que des nombres qui commencent par le chiffre « 9 » ? Ce résultat surprenant fait l’objet de nombreuses publications mais n’est pas encore largement connu dans le monde de l’entreprise. Pourtant, à l’heure du tout digital, cette loi constitue un outil intéressant pour lutter contre les falsifications des données dans le traitement numérique de masse. Après une introduction théorique jalonnée d’exemples, on expliquera comment tester concrètement vos données avec l’aide d’un fichier Excel en décrivant certaines bonnes pratiques d’utilisation. À vos marques, prêts, partez !

La loi de Benford

Énoncée simplement elle stipule que dans une liste numérique quelconque, si vous regroupez les nombres selon leur premier chiffre significatif, vous en dénombrerez plus qui commencent par « 1 » que par « 2 », plus par « 2 » que par « 3 », et ainsi de suite jusqu’à « 9 ».

Par exemple : le registre des amortissements des biens de la ville de Paris – accessible en Open Data – dénombre plus de 40 000 valeurs de biens à l’achat avec un montant exprimé en euros. En analysant cet échantillon de données, j’ai pu mettre en évidence les fréquences d’apparition du premier chiffre significatif comme suit :

Analyse de Benford des acquisitions de la ville de Paris par rapport à la loi statistique théorique, opendata.paris.fr – décembre 2017

Ce qui frappe c’est que ces fréquences semblent strictement décroissantes alors que notre intuition, façonnée par les tirages uniformes que produit l’informatique, les attendrait équiprobables. Pourtant, il ne s’agit pas d’un biais de l’échantillon mais bel et bien d’un phénomène de fond connu sous le nom de son codécouvreur : la loi de Benford. Le phénomène avait été décrit dès 1881 par l’astronome Simon Newcomb, avant d’être redécouvert et popularisé par le physicien Frank Benford en 1938. Des études portant sur des milliards de données diversifiées (mathématiques, géographiques, financières etc) ont montré que ce résultat de Benford est persistant.  Si la loi fut d’abord empirique, il est maintenant prouvé qu’elle est rigoureusement vraie pour certains types de données. On l’exprime par la formule suivante :

P(c) = Log10(1 + 1/c) avec c pour le premier chiffre significatif à prendre parmi {1,2,3,4,5,6,7,8,9} et P(c) la probabilité associée à sa fréquence d’apparition.

Faites l’expérience suivante : prenez un journal au hasard, ouvrez une page au hasard et relevez le premier nombre contenu dans la page. Vous aurez environ Log10(1 + 1/1) = Log10(2) ≈ 30 % de chance qu’il commence par un « 1 » et seulement Log10(1 + 1/9) ≈ 4,6 % de chance qu’il commence par un « 9 ». Ce résultat est si étonnant que l’on voit tout de suite le potentiel d’un jeu de hasard exploitant ce résultat 😉

Dans cette loi, il existe aussi une formulation de second niveau qui porte sur les k-ièmes chiffres significatifs. La probabilité devient quasiment équilibrée dès le 4e chiffre significatif. En d’autres termes un « 1 » a quasiment autant de chances d’apparaître qu’un « 9 » dès que l’on avance dans la composition d’un nombre dans sa forme canonique.

Des propriétés singulières

La propriété la plus remarquable est que la loi de Benford est invariante par changement d’échelle (scale invariance). En d’autres termes, si l’on compile des données financières exprimées en euros et qui suivent la loi de Benford, la transformation de ces données dans une autre devise suivra également la loi ! Pour les curieux, il existe une démonstration simple de l’invariance par la multiplication.

Autre conséquence : la loi reste valable indépendamment de la base numérique choisie. Dire que l’on suit cette loi dans la base 60 – la base sexagésimale, celle du système heure, minute, seconde – revient à la probabilité donnée par la formule P(c) = Log60(1 + 1/c), avec c à prendre cette fois parmi {1, …, 59}. Bref, la distribution reste « de Benford » si l’on décide de convertir des données dans n’importe quelle autre base !

Pour en savoir davantage sur l’aspect mathématique, je vous conseille l’article de Jean-Paul Delahaye (Pour La Science 351, décembre 2006) ou le billet d’Élise Janvresse sur le blog Images des mathématiques (CNRS). La page anglaise de Wikipedia sur le sujet contient également quelques informations complémentaires à ce sujet.

Pour l’heure on va souffler un peu et revenir à un domaine plus terre-à-terre…

Benford par la pratique : la détection de fraudes

Pendant près d’un siècle, ce résultat est resté une curiosité mathématique. La première intuition applicative revient à l’économiste Hal Varian qui, dès 1972, suggère de s’en servir pour repérer des données socio-économiques falsifiées (Benford’s Law, The American Statistician, vol. 26 n° 3, p. 65-66). Il faut attendre la fin des années 1980 pour que l’idée gagne la comptabilité, avec les travaux du chercheur néo-zélandais Charles Carslaw. Dans les années 1990, l’économiste américain Mark Nigrini popularise l’idée.

Propice à la comptabilité, cette idée peut en fait être transposée à d’autres départements comme la Qualité ou le Marketing ; dans un contexte où les données chiffrées sont devenues prépondérantes en entreprise. Des écarts trop importants à la loi peuvent être détectés et présager d’éventuelles erreurs ou fraudes. La réciproque, en revanche, est fausse : un fraudeur averti peut fabriquer des données parfaitement conformes à Benford, et l’adéquation à la loi ne prouve donc rien.

Mais concrètement, quels sont les outils existants pour tester la loi de Benford sur vos Data ? Si l’on peut trouver assez facilement des codes en MATLAB et Python, leur nature limite l’audience à des personnes plutôt aguerries.  Internet étant beaucoup moins prolixe en fichiers Excel de qualité, j’ai décidé de développer une solution moi-même. Voici deux fichiers légèrement différents que je partage de manière libre et qui vous permettront de tester facilement vos données :

Fichiers Excel

Analyse_Benford_Simple.xlsx

Permet de tester sur deux chiffres l’adéquation de vos données par rapport à la loi de Benford et de tracer les histogrammes de fréquence. Il est conseillé d’utiliser des échantillons significatifs de plus de 2 000 valeurs.

  • La seule limite de taille est celle du nombre de lignes d’Excel, un peu supérieur à 1 million.
  • L’adéquation à la loi est automatiquement évaluée par un test du khi-deux (par chiffre et par rang).
  • Un manuel d’utilisation est intégré dans le fichier.

Advanced_Benford_Analysis.xlsm

Reprend les fonctionnalités du fichier précédent avec une analyse plus fine :

  • Neuf rangs sont testés au lieu de deux (en pratique les quatre premiers ont un intérêt).
  • Possibilité de tester les échantillons par lots avec un rapport détaillé au test d’adéquation du Chi-deux.
  • Une fonction benfordProbability permet de calculer la probabilité dans la base de son choix, pour n’importe quel chiffre et n’importe quel rang.
  • Le fichier est en anglais et contient un manuel d’utilisation succinct.
  • Il est nécessaire d’autoriser les macros (VBA) pour que le code puisse s’exécuter.

 Domaines d’application et limites

Le domaine d’application de la loi est crucial et pourtant ce n’est pas évident de le déterminer a priori. Les données les plus candidates à suivre la loi doivent être étalées et régulières avec une taille d’échantillon significative.

Certains jeux de données ne suivent pas la loi de manière évidente : pas question de tester la loi sur la taille (la stature) des habitants d’un pays : la grande majorité mesure 1,x mètre. De même certaines enseignes pratiquent des prix de la forme x,99 € ce qui peut fausser le résultat sur les décimales. Pour d’autres échantillons c’est plus compliqué. Un bon échantillon de Benford au sens mathématique est engendré par la multiplication entre elles de variables indépendantes [1] ; ce critère n’est malheureusement pas utilisable facilement en pratique. Ce que l’on peut dire c’est que certaines données sont parfaitement en adéquation avec la loi, d’autres tendent vers la loi et d’autres ne fonctionnent pas sans qu’une fraude soit à suspecter.

En utilisant les bonnes pratiques du tableau ci-dessous, on écarte déjà un certain nombre de cas simples qui ne suivent pas la loi :

Récapitulatif des bonnes pratiques de sélection des échantillons à tester par Benford

Je dirais donc qu’il faut manier la loi avec prudence et garder un esprit critique sur les éventuels « faux positifs ». Des articles détaillés proposent d’autres bonnes pratiques en la matière [2] [3] et les plus aguerris d’entre vous pourront utiliser d’autres tests statistiques en complément du Chi-deux (test binomial, Kolmogorov-Smirnov etc.) pour affiner l’analyse. Gardez en tête que la loi de Benford est un outil très puissant mais qu’il ne faut pas conclure trop hâtivement si la corrélation du Chi-deux est inférieure à 95 %. Des investigations plus poussées doivent être menées lorsqu’un doute apparait.

Conclusion

In theory, theory and practice are the same. In practice, they are not.

Voilà qui résume bien la situation !
Gardez les yeux bien ouverts sur vos jeux de données 🙂👍🏻

Sources

[1]   Nicolas Gauvrit et Jean-Paul Delahaye, Pourquoi la loi de Benford n’est pas mystérieuse (2008)

[2]   J.M Pimbley, Benford’s Law and the Risk of Financial Fraud (2014)

[3]   Adrien Bonache, Jonathan Maurice, Karen Moris, Détection de fraudes et loi de Benford : quelques risques associés (2010)

Quid de l’accessibilité du service public connecté ?

17 novembre 2017 /

L’arrivée de services connectés dans l’espace public n’est pas sans poser de questions profondes. Comment faire bénéficier les citoyens d’un service numérique qui nécessite peu d’équipement préalable et qui reste simple et accessible en dépit de contraintes technologiques ? C’est une question qui a été abordée lors d’une conférence de l’ACSEL en octobre dernier (lien archivé), voici quelques éléments de réponse et mon point de vue sur la question.

Rendre l’information accessible

La première étape est évidemment de rendre disponible l’information des systèmes d’information publics. Aujourd’hui, c’est en partie chose faite au niveau national avec le site data.gouv.fr et localement avec des sites dédiés comme Paris Data. Leurs missions ? Fournir des données publiques ouvertes et libres (« Open Data ») et inciter les gens à en faire usage.

« Oui mais », monsieur tout-le-monde n’est pas forcément expert et il y trouvera son compte seulement si on lui facilite l’accès à ces données. Peu enclin à lire des logs de raw data, monsieur tout-le-monde a besoin d’une interface simple et universelle. Pourtant, mettre en place cet habillage cosmétique pour tous n’est pas toujours si simple…

La difficulté du multiplateforme

Nous sommes en 2009 et la première App Vélib’ sort, deux ans après l’installation du service dans la capitale. Dans l’air du temps, elle est disponible sur iPhone (iOS3 pour les nostalgiques) ou uniquement disponible sur iPhone devrait-on dire. À l’époque les smartphones en sont à leurs débuts et l’appareil d’Apple, considéré comme haut de gamme, représente environ 14 % du marché des smartphones. Pour le reste des utilisateurs, soit 86 % du parc, ils doivent passer directement par la borne pour gérer l’emprunt du vélo… autant dire qu’ils perdent une sérieuse partie de l’intérêt du service. Quelques mois plus tard l’application arrive enfin sur les autres plateformes, ouf ! Apprendre de ses erreurs est un chemin sinueux puisque l’histoire se répète en décembre 2011 avec le lancement du service Autolib’… La mairie de Paris ambitionnait-elle d’offrir des iPhone à tous les habitants ?! 🙂

Source : IDC/Gartner – ZDnet.fr

Soyons rassurés ! En 2017, le multiplateforme pour les appareils mobiles est devenu un problème très secondaire. Très simplement : avec 99,6 % du marché détenu par iOS (17,9 %) et Android (81,7 %), un développement sur ces deux systèmes assure une couverture de service quasi complète du parc. Pour les autres systèmes : une application web (autrement dit un site internet comme on disait à l’époque) est suffisante dans la majorité des cas. Aujourd’hui les navigateurs sur mobiles sont performants, les sites sont responsive et le HTML5 a tué les technologies propriétaires et peu portables comme Silverlight ou Flash, ce qui n’était pas le cas au début des années 2010. Un hic persiste : la problématique de la rétro-compatibilité des applications avec des OS anciens, mais on dévie du sujet… Alors, où est le problème si toutes les plateformes sont desservies ? Et bien c’est le smartphone en lui-même…

Le devoir moral de posséder un smartphone

Aujourd’hui, le débat de fond  est moins sur la compatibilité du terminal que sur la possession d’un appareil. Et pour cause, on oublie souvent un peu vite les 35 % de Français qui n’ont pas de smartphone et les 15 % de Français sans accès internet (ARCEP, 2016). Ce sont autant de personnes qui ne peuvent pas bénéficier facilement du service public numérique et si l’on peut attendre que ces chiffres baissent avec le temps, on peut affirmer qu’ils ne sont pas encore négligeables et doivent être pris en compte.

On voit bien que la question autour de l’universalité et de l’accessibilité de l’information publique est plus vaste et plus épineuse que la simple compatibilité logicielle ou la mise à disposition des données. Encore un exemple : en 2016 le gouvernement choisit de développer une appli pour le service Alerte Attentats (SAIP) au lieu d’un service SMS universel en cas d’alerte. On assiste alors à une polémique (justifiée) selon laquelle une partie de la population est mise à l’écart. De plus, l’inexcusable dysfonctionnement du service le soir des attentats de Nice aurait probablement pu être atténué avec un service SMS simple et robuste. Bref, il serait judicieux de conserver des moyens de consultation traditionnels pour tous les services connectés publics en cours de déploiement ; par exemple pour les compteurs communicants dont le relevé est accessible uniquement en ligne.

Et demain ?

En tout état de cause les smartphones vont devenir la norme et on peut raisonnablement penser que la fracture numérique va s’atténuer. Pourtant, on voit qu’il existe au-delà une problématique forte autour de la notion de service public numérique et du prérequis de posséder un appareil numérique personnel.  S’il n’y a rien de révolutionnaire dans le fait que la technologie laisse certaines personnes en marge, il est bon de l’avoir en tête et de trouver des solutions simples et accessibles.

Souvenez-vous de votre grand-oncle qui n’avait pas le téléphone fixe dans les années 1990… il n’y a qu’un pas pour penser que l’histoire se répète !

 

La consommation électrique du réseau Bitcoin est faramineuse

7 novembre 2017 /

Brève publiée le 7 novembre 2017.

« Les mineurs Bitcoin du monde entier consomment assez d’électricité pour alimenter 2,26 millions de foyers américains simultanément » — Motherboard, novembre 2017.

Impact énergétique complet à retrouver sur l’article de Motherboard (page d’origine hors service ; version archivée du 3 janvier 2018. Lien court d’origine : http://bit.ly/2ztRKBN).

Mise à jour. Le chiffre ci-dessus est celui de novembre 2017, soit environ 30 TWh par an. Les estimations les plus récentes situent la consommation annuelle du réseau Bitcoin autour de 176 TWh, l’équivalent de la consommation électrique de la Pologne — près de six fois plus.

Que peut-on attendre de la science des données pour l’Internet des Objets ?

31 octobre 2017 /

Quels sont les différents types de données générées automatiquement ? Quel est le rapport entre l’IoT et le Big Data ? Et surtout, que peut-on attendre de la science des données pour l’Internet des Objets ? L’ambition de cet article est de tenter une réponse simple (et assez scolaire, je l’avoue) à ces questions compliquées et de développer un point de vue basé sur des publications d’acteurs de premier plan.
Bonne lecture 🙂 !

La data science commence dans notre environnement quotidien

Quel est le point commun entre passer ma carte de fidélité à la caisse du supermarché, utiliser mon application de géolocalisation favorite ou amener mon véhicule à un contrôle technique ? À priori aucun, en première approche ces situations sont très différentes. Et pourtant, le plus petit dénominateur commun de ces scènes de la vie courante c’est la production automatique de données ! Omniprésentes et invisibles, elles quantifient méticuleusement le monde réel sans que l’on y fasse particulièrement attention.

D’où viennent ces données automatiques ?

Cette remontée de data a plusieurs facteurs de déclenchement, que l’on peut classer en deux grandes catégories : les données à causalité humaine directe et celles qui sont produites par des machines, sans aucune intervention humaine.

Pour les causes humaines, on peut distinguer plusieurs sources de déclenchement : les actions physiques (passage d’un portique, déclenchement d’une chasse d’eau, etc.), les interactions avec un terminal numérique (application, borne numérique, etc.) et les enregistrements d’informations dans un fichier (formulaire, communication de données personnelles etc.). Discrétisés puis consignés, nos faits et gestes quotidiens alimentent à notre insu de gigantesques entrepôts de données.

Contrairement à un tweet ou à une photo, une donnée générée automatiquement n’est pas le fruit de notre volonté immédiate

L’autre production de data provient des machines. Plus restrictive, la relève à distance (télérelève) génère des données de manière régulière (mode temporisé) ou évènementielle (mode déclenché). Il s’agit d’une pratique courante pour remonter un grand nombre d’informations avec une tendance appelée à s’accélérer, comme nous allons le voir.

Bref point historique sur la télémétrie

La collecte d’informations issues de capteurs est utilisée dans l’industrie depuis la fin des années 1980, principalement à titre de maintenance préventive. Appelée Machine-to-Machine (M2M) cette télérelève est aujourd’hui supplantée par un autre concept dont on entend régulièrement parler : l’Internet des Objets (IoT). Comme son nom l’indique, cette manière de transmettre de l’information fonctionne à des échelles plus globales (Internet) et de préférence avec des objets-capteurs et non plus des machines. Ils ont ceci de différent que sans connectivité, l’objet ou le capteur perd toute utilité. À l’inverse, la connectivité dans une machine n’est pas essentielle : la retirer n’empêche en principe pas son bon fonctionnement. Pour parler de manière générale de tous ces types de terminaux, on utilise parfois le terme d’appareils connectés (devices).

Cependant, la différence IoT – M2M ne se limite pas seulement à la nature de l’appareil en bout de ligne et la valeur ajoutée de la connectivité. Elle est également technologique puisque les moyens de transmission, les réseaux utilisés, l’autonomie des appareils ou l’intelligence embarquée sont en principe différents. Mais elle est aussi et surtout conceptuelle : l’Internet des Objets impacte des secteurs beaucoup plus variés avec des cas d’usage multiples. Contrairement au M2M, l’exploitation des données issues de l’IoT est complexe et sert de socle à de la prise de décision. Ces données sont en général représentées avec des méthodes graphiques (data-visualisation). Enfin, le volume de données généré par l’IoT est en principe plus grand de plusieurs ordres de grandeur par rapport au M2M.

Humains ou machines, M2M ou IoT : la certitude est que le monde autour de nous est en permanence retranscrit en jeux de données qui sont de plus en plus volumineux.

Les appareils connectés vont devenir une source prépondérante dans la production de données

Souvenons-nous du temps analogique ! Durant des millénaires la production matérielle, intellectuelle et artistique assimilable à des données était exclusivement le fruit de l’Homme. Devenue digitale, la production engendrée par l’humain (documents, tweets, dessins industriels, photographies…) est vouée à devenir minoritaire face aux volumes générés automatiquement par les appareils connectés et les algorithmes. L’illustration ci-dessous montre que la part de l’IoT augmente régulièrement par rapport à l’ensemble des données produites et stockées à l’échelle de la planète. On appelle ce volume global l’Univers Numérique (ou DU pour Digital Universe) qui est lui-même en croissance forte.

Les systèmes embarqués de l’Internet des Objets génèrent des quantités de données en croissance exponentielle. Ils deviendront prochainement le premier volume de données.
Source : EMC/IDC, « Digital Universe of Opportunities », 2014

Des quantités de plus en plus importantes

Après 2010, le phénomène d’accélération dans la production de data a bénéficié d’une large couverture médiatique et d’une prise de conscience collective.
Cette année-là, Eric Schmidt, le patron de Google, estimait déjà que « tous les deux jours, nous produisons autant d’informations que nous en avons générées depuis l’aube de la civilisation jusqu’en 2003 ».

En 2017, on estime que la taille de l’Univers Numérique croît de 40 % par an (1) ce qui, selon la prévision publiée par IDC et EMC en 2014, pourrait représenter 44 000 milliards de gigaoctets en 2020, soit 10 fois plus qu’en 2013 (2). N’essayez pas de vous représenter ce volume, cela dépasse l’entendement. (Mise à jour : les estimations rétrospectives situent le volume mondial de 2020 plutôt autour de 60 000 milliards de gigaoctets.)

Prévision du nombre d’objets connectés dans le monde : leur augmentation a un impact direct sur le volume d’informations croissant généré par l’IoT. Cette croissance est plus rapide que celle de l’Univers Numérique ce qui aboutit à un ratio Vol(IoT) de plus en plus important.
Source : Oliver Wyman, 2016

Avec 10 % de l’Univers Numérique en 2020 et en croissance exponentielle, on estime que les données brutes produites par l’ensemble des appareils connectés deviendront rapidement le volume de données le plus important. Il dépassera la production de type algorithmique qui se base sur l’analyse des jeux de données existants (modélisation, traitement statistique…) ou sur une production ex nihilo (cryptographie, simulation, apprentissage profond…) ainsi que la production humaine directe.

Boosté par la généralisation de l’IoT, le volume de données va exploser à l’échelle mondiale. Si le stockage de l’information semble aujourd’hui relativement maîtrisé, la question fondamentale tourne autour de l’exploitation de ces gigantesques entrepôts de données (datawarehouse).

Des données déjà nombreuses, mais pas forcément utilisables

Un rapport publié en 2016 rend compte d’un phénomène de fond : 85 % des données stockées en entreprise seraient soit totalement inconnues de l’organisation (52 % de « dark data »), soit redondantes, obsolètes ou triviales (33 %) (3).
Cela interroge sur la qualité et l’exploitabilité des données collectées d’une part. D’autre part, il faut mettre ce chiffre en perspective avec les limites algorithmiques de l’exploitation des jeux de données : une problématique courante chez les géants du web, dans les secteurs du Renseignement et de la Défense, ou dans la recherche scientifique lorsque l’on parle d’association de collections de données extrêmement volumineuses (4). Cette limite est un sujet primordial et est actuellement l’objet d’intenses recherches.

L’évolution vers un Internet des Objets intelligent dépend des avancées de la science des données

La taille de l’Univers Numérique croît, les appareils connectés génèrent en proportion toujours plus de données (et pas toujours utiles) que l’on n’arrivera bientôt plus à exploiter. Se dirige-t-on vers un scénario catastrophe ? J’ai tendance à croire que non : avec l’effet combiné de la recherche sur le sujet, de l’augmentation des puissances de calcul et de prises de conscience simples (« quantité ne signifie pas qualité »), il semble que l’on puisse faire des progrès significatifs. Dans cette partie, je vous propose un tour d’horizon des prochaines étapes clés menant vers des réseaux d’objets connectés plus intelligents.

© alexandre-gambuto.com, librement inspiré d’une intervention d’Alcatel-Lucent

– Phase I : enjeux déjà maîtrisés

Collecte de données : il s’agit de la transmission de l’information et de son stockage. La transmission se fait aujourd’hui à bas coût avec un large spectre de technologies et ne semble pas constituer un frein majeur pour l’IoT. Côté stockage, la formalisation des bases relationnelles dans les années 1970 pose les fondements du stockage structuré qui est encore utilisé de nos jours. À la fin des années 2000 le modèle relationnel est remis en cause pour certaines problématiques de performance et dans un souci de scalabilité. Apparaît le stockage non structuré avec des solutions dites NoSQL. Ce sont aujourd’hui les données non structurées qui représentent la majeure partie des volumes stockés, qu’elles transitent ou non par une base NoSQL.

Monitoring, reporting : il s’agit du traitement de la donnée. Pour du temps réel on parlera plutôt de monitoring (indicateur d’état dynamique) et pour une analyse consolidée sur un jeu « à froid » on parlera plutôt de reporting.
Exemple : sur un tableau de bord d’une voiture l’afficheur de vitesse peut être considéré comme du monitoring alors que l’analyse des rythmes de production du mois sur un TCD d’Excel est du reporting.

Contrôle à distance : il s’agit de l’envoi d’informations ou d’ordres vers des appareils connectés capables de les recevoir dans un premier temps, de l’interpréter et de réagir. Cela concerne les objets ayant un minimum d’intelligence embarquée (i.e non limités à un simple capteur unidirectionnel).
Exemple : piloter une cocotte-minute connectée à distance

– Phase II : les enjeux actuels

Modélisation : la modélisation de jeux de données est la capacité à trouver un motif élémentaire redondant et/ou un schéma mathématique qui décrit les tendances d’évolution du système.
Exemple : une fonction périodique, un modèle proie-prédateur

Knowledge-based system : il s’agit de la capacité à cataloguer un grand nombre de modélisations de données dans un contexte particulier, que l’on peut appliquer rapidement à un jeu du même contexte.

Prédictibilité : cette étape découle naturellement des précédentes. Elle désigne la capacité à identifier rapidement le modèle qui convient, à anticiper les évolutions futures et à quantifier l’incertitude.

Le contrôle intelligent : cela revient à optimiser un système de manière automatique et en temps réel, en associant la prédictibilité au contrôle à distance du parc d’objets.

La principale difficulté de la mise en place d’un contrôle intelligent provient de la taille des collections de données. L’essor du Smart (City, Grid, IoT) est majoritairement rapporté à un problème de Big Data.

– Phase III : futurs enjeux

L’enjeu ultime est d’intégrer une couche d’apprentissage profond à l’ensemble de la chaîne de valeur. Encore faut-il que les parcs d’objets sachent se parler : tant que chaque constructeur impose son protocole et son format, l’apprentissage reste cantonné à des îlots. C’est tout l’enjeu de l’interopérabilité — et c’est ce qui la rend décisive, car un système capable d’agréger les données de tous les parcs pourrait alors se modéliser lui-même et s’appliquer automatiquement un contrôle intelligent à des fins d’optimisation.

Si ce lointain rêve devient réalité dans les prochaines décennies, on pourra peut-être se rappeler les mots du célèbre physicien Stephen Hawking, à qui l’on doit des avancées théoriques significatives dans le domaine de la cosmologie :

« Réussir à créer une intelligence artificielle serait le plus grand événement dans l’histoire de l’homme. Mais ce pourrait aussi être le dernier. »

Ou encore :

« L’impact à court terme de l’intelligence artificielle dépend de qui la contrôle. Et, à long terme, de savoir si elle peut être tout simplement contrôlée. »

(Propos tenus lors d’un entretien à la BBC en décembre 2014 — « Success in creating AI would be the biggest event in human history. Unfortunately, it might also be the last. » — puis à l’inauguration du Leverhulme Centre for the Future of Intelligence, à Cambridge, en octobre 2016.)

Nous voilà prévenus !

  1. PwC
  2. EMC/IDC, 2014
  3. Databerg 2016, Veritas Technologies
  4. Le Big Data un enjeu économique et scientifique, CNRS