Abonnez-vous à Universalis pour 1 euro

BIG DATA

Applications du big data

Le big data a été conçu pour la prise de décision, et donc la réduction des risques, en exploitant les fabuleuses capacités de classification automatique désormais disponibles et en établissant des liens exploitables entre de grandes quantités de données disparates au premier abord. Être assisté dans ses choix en vue d’un bénéfice à court terme est au centre des préoccupations de tout être humain, cette raison expliquant à elle seule pourquoi le champ d’application du big data est aussi large.

La santé et les sciences

En ce qu’il permet de croiser un nombre très important de dossiers médicaux, le big data trouve en la santé de l’homme une application de choix. Avec ses outils statistiques puissants, il aide à identifier très vite et de manière très fiable les origines des maladies chez les patients (étiologie), notamment avec des outils d’analyse d’imagerie (IRM, scanner, radio). Il est capable de mettre en évidence des rapprochements subtils entre ces origines (avec des techniques de regroupement issues de l’apprentissage non supervisé) et d’intégrer dans le diagnostic final un nombre considérable de facteurs environnementaux jusqu’ici négligés, ce qui rend la médecine plus prédictive et moins risquée. Avec des dispositifs et des capteurs à même le corps humain (body area networks, réseau sans fil à même le corps), il est aujourd’hui possible de suivre en temps réel et de manière non intrusive les paramètres physiologiques vitaux de n’importe quelle personne, et même de détecter des allergies ou des phénomènes épidémiologiques (grippe) grâce à des modèles prédictifs adaptés.

Les sciences profitent, elles aussi, de cette avancée majeure et des capacités exponentielles de calcul. Grâce aux centres de données, il est possible de modéliser et de simuler des phénomènes multiphysiques (conjuguant simultanément plusieurs domaines de la physique, comme l’optoélectronique, la mécanique, la thermique et la fluidique) trop complexes pour être directement appréhendés par l’homme, aussi bien à l’échelle submicronique qu’à celle du système solaire. L’apprentissage statistique permet ainsi de mettre en évidence des agencements, des structures ou des lois d’évolution inconnues pour les matériaux, la thermodynamique, la fluidique, l’optique ou encore les micro-ondes. Les premiers bénéficiaires de ces avancées sont les industries automobile, aéronautique et spatiale, et la biologie. L’analyse génomique et plus généralement celle des systèmes biologiques complexes font ainsi et très rapidement d’énormes progrès.

Les services

Sur un plan sociétal, les services à la personne, entre les êtres humains et entre les hommes et les machines profitent aussi du big data. Les secteurs bancaires, financiers et de l’assurance sont constitutivement intéressés par la réduction de la prise de risque pour leur entité comme pour leurs clients. On peut par exemple citer l’utilisation des mégadonnées pour lutter contre les fraudes et la cybercriminalité, en déterminant en temps réel les anomalies sur les comptes des usagers. Dans le même ordre d’idée, l’analyse à la microseconde près des transactions financières, des flux boursiers, des ventes et achats d’actions, et de la réaction immédiate des marchés permet au trading haute fréquence (high frequency trading) de croître de manière très importante (des ordinateurs se substituent à l’intervention humaine et, à partir d’algorithmes puissants, arbitrent et transmettent les ordres sur les marchés avec une vitesse d’exécution de quelques microsecondes). Le secteur des assurances, avec une meilleure estimation de la santé des personnes, peut également adapter ses offres (et ses taux !) de manière personnalisée.

La gestion de l’énergie et des réseaux énergétiques devient également plus simple avec le big data, car celui-ci[...]

La suite de cet article est accessible aux abonnés

  • Des contenus variés, complets et fiables
  • Accessible sur tous les écrans
  • Pas de publicité

Découvrez nos offres

Déjà abonné ? Se connecter

Écrit par

. In Encyclopædia Universalis []. Disponible sur : (consulté le )

Médias

Centre de données

Centre de données

Apprentissage supervisé

Apprentissage supervisé

Apprentissage non supervisé

Apprentissage non supervisé

Autres références

  • APPRENTISSAGE PROFOND ou DEEP LEARNING

    • Écrit par Jean-Gabriel GANASCIA
    • 2 645 mots
    • 1 média
    L’apprentissage supervisé recourt à des techniques variées fondées sur la logique ou la statistique et s’inspirant de modèles psychologiques, physiologiques ou éthologiques. Parmi celles-ci, des techniques anciennes reposant sur un modèle très approximatif du tissu cérébral – les réseaux...
  • CONSOMMATION - Comportement du consommateur

    • Écrit par Bernard DUBOIS, Marc VANHUELE
    • 9 030 mots
    • 1 média

    Par « comportement du consommateur », on entend l'ensemble des comportements qui se rapportent à l'acquisition de biens et services. On y inclut l’exposition à des messages commerciaux et à d’autres types d’information, l'expérience de l’utilisation des biens et services achetés et l'abandon éventuel...

  • HISTOIRE GLOBALE

    • Écrit par Pierre-Yves SAUNIER
    • 5 932 mots
    • 1 média
    La montée en puissance des ressources en données massives (big data) et de leur possibilité de traitement approfondit cette fracture méthodologique. Le Collaborative for Historical Information and Analysis (CHIA, fondé en 2011, université de Pittsburgh), le projet Pulotu (Database of Pacific Religions),...
  • INTELLIGENCE ARTIFICIELLE (IA)

    • Écrit par Jean-Gabriel GANASCIA
    • 5 584 mots
    • 5 médias
    Depuis 2010, la puissance des machines permet d’exploiter de grandes masses de données (ce que l’on appelle couramment les big data) avec des techniques d’apprentissage machine qui se fondent sur le recours à des réseaux de neurones formels, c’est-à-dire à des techniques relativement anciennes que...
  • Afficher les 7 références

Voir aussi