Le Big Data

Il est difficile de se représenter ce que signifient méga, giga ou téraoctets. Si, à la place d'un octet (unité numérique nécessaire pour coder un caractère) nous prenons une seconde, une kiloseconde (c'est-à-dire 1 000 s) représente 17 min, soit le temps de cuisson d'un (gros) œuf, une mégaseconde représente 12 jours, c'est-à-dire les deux tiers du cycle d'une mouche, d’œuf à adulte, une gigaseconde, 32 ans, soit le tiers d'une - longue - vie d'humain. La téraseconde, 33 000 ans, nous amène à la dernière glaciation, une pétaseconde à la moitié de la période nous séparant des derniers dinosaures, une exaseconde représente 7 fois l'âge de la planète, une zettaseconde 2 300 fois l'âge de l'univers, et la yottaseconde 2,3 millions de fois...

Nombre de nos activités - échanger avec des amis, admettre des collègues comme relations, remplir un formulaire, téléphoner, voyager, écouter de la musique... - font appel aux TI (Technologies de l'Information). Comme le révèlent ces divers exemples, les traces numériques que laissent ces activités rassemblées, stockées et accumulées, à coûts désormais admissibles en regard de ce qu'il est possible d'en extraire. Et aussi ténues que soient ces traces, leur volume permet aujourd'hui d'en extraire des modèles indicateurs, voire délateurs, de nombreux de nos comportement... à venir.

L'approche scientifique classique [...] est basée sur l'hypothèse initiale formulée par les scientifiques. Ceux-ci cherchent ensuite les moyens pour acquérir des données leur permettant de la conforter ou la réfuter. Les données sont le facteur limitant. Dans les approches massives, c'est la formulation d'une hypothèse pertinente permettant d'expliquer les données qui est le facteur limitant. La logique de recherche est inversée et l'on parle, pour le Big Data de démarche "data driven", au lieu d'"hypothesis driven" : les chercheurs partent des données et cherchent des régularités, ou des singularités, pouvant susciter des hypothèses. L'information fournie par les données obtenues en masse, sans a priori, constitue une alternative valable, complémentaire et parfois nécessaire aux approches classiques basées sur l'hypothèse initiale formulée.

Des données diverses sont donc générées et stockées partout et tout le temps. Elles imprègnent le monde, et leur volume permet d'extraire du sens d'informations pourtant très clairsemées. Plus les données sont nombreuses et couvrent des domaines variés, davantage pouvons-nous adopter, formellement, des raisonnements inductifs et non déductifs. C'est ce qui fait la spécificité du Big Data.

Toutes ces données, utiles pour la maîtrise de machines ou notre vie sociale, économique, voire sentimentale, laissent des traces, des scories, qui sont de plus en plus souvent conservées. C'est de cette profusion de données sur de nombreux domaines que résulte le Big Data ou mégadonnées.