La vie immortelle des e-mails d'Enron

L'ancien cadre d'Enron, Vincent Kaminski, est un modeste professeur semi-retraité d'une école de commerce de Houston qui a récemment écrit un livre de 960 pages expliquer les fondamentaux des marchés de l'énergie. Son héritage le plus durable, cependant, peut impliquer des milliers d'e-mails qu'il a écrits il y a plus de dix ans à la société de services énergétiques.

Corpus corporatif : Les volumes d'e-mails qui ont été envoyés et reçus au siège d'Enron à Houston, vu ici en 2002, sont toujours analysés et disséqués par des informaticiens et d'autres chercheurs.

Kaminski, un ancien directeur général de la recherche qui mis en garde à plusieurs reprises contre des pratiques préoccupantes qu'il a vu chez Enron, fait partie de plus de 150 cadres supérieurs dont les boîtes de courrier électronique ont été déversées sur Internet par la Commission fédérale de réglementation de l'énergie (FERC) le 26 mars 2003. Au nom de servir l'intérêt public lors de son enquête sur Enron , l'agence fédérale a pris la décision controversée de publier en ligne plus de 1,6 million d'e-mails que les dirigeants d'Enron ont envoyés et reçus de 2000 à 2002. La FERC a finalement réussi à supprimer les données les plus sensibles et personnelles, après avoir reçu des plaintes ( voir PDF ). Même ainsi, le corpus d'e-mails d'Enron, comme la version nettoyée est maintenant connue, reste de loin la plus grande base de données du domaine public d'e-mails réels au monde.

Ce corpus est précieux pour les informaticiens et les théoriciens des réseaux sociaux d'une manière que les auteurs et les destinataires des e-mails n'auraient jamais pu imaginer. Parce que c'est un riche exemple de la façon dont de vraies personnes dans une vraie organisation utilisent le courrier électronique - plein de plans de déjeuner banals, de notes de réunion ennuyeuses, de flirts embarrassants qui ont révélé au moins une liaison extraconjugale et de missives accablantes qui énoncent la corruption - il a devenir le fondement de centaines d'études de recherche dans des domaines aussi divers que l'apprentissage automatique et les études de genre sur le lieu de travail.

Cette recherche a eu de nombreuses applications : les informaticiens ont utilisé le corpus pour former des systèmes qui priorisent automatiquement certains messages dans une boîte de réception et alertent les utilisateurs qu'ils ont peut-être oublié un message important. D'autres chercheurs utilisent le corpus Enron pour développer des systèmes qui organisent ou résument automatiquement les messages. Une grande partie des logiciels d'aujourd'hui pour la détection des fraudes, les opérations de lutte contre le terrorisme et l'exploration de modèles de comportement sur le lieu de travail par courrier électronique ont été en quelque sorte touchés par l'ensemble de données.

C'est comme si nous étudiions la levure, dit Guillaume Cohen, un informaticien de l'Université Carnegie Mellon qui a aidé à mettre le corpus dans une base de données qui pourrait être exploitée par les chercheurs. Il est étudié et expérimenté car c'est un organisme modèle très bien compris. [L'e-mail généré par] Enron est similaire. Les gens vont continuer à l'utiliser pendant longtemps.

Les e-mails d'Enron ont été prolongés par des scientifiques du MIT, de l'Université Carnegie Mellon et de l'institut de recherche à but non lucratif SRI International. Il y a dix ans, les chercheurs de ces institutions collaboraient au projet CALO financé par la DARPA, qui signifie Cognitive Assistant that Learns and Organizes, et dont le plus grand titre de gloire est à l'origine du logiciel Siri d'Apple. Pour CALO, les chercheurs ont concocté des ensembles de données de courrier électronique beaucoup plus petits à analyser.

Lorsque les e-mails d'Enron ont été publiés en 2003, les chercheurs ont réalisé qu'ils pouvaient être extrêmement utiles pour tester des algorithmes capables de traiter le langage écrit et constituer la base d'outils de travail intelligents. Comme la FERC avait posté les e-mails dans un format inutilisable, le MIT Leslie Kaelbling acheté les fichiers bruts auprès d'un entrepreneur gouvernemental pour 10 000 $, et d'autres ont passé du temps à nettoyer les données, à éliminer les doublons, à organiser les dossiers, à supprimer les pièces jointes et les e-mails privés restants et à mapper les expéditeurs et les destinataires sur la structure organisationnelle d'Enron. Le corpus, d'abord plus de 517 431 e-mails, a été réduit à 200 000 en 2004.

Un écosystème de recherche fleurit encore autour du corpus car il n'y a rien d'autre de tel dans le domaine public. S'il n'existait pas, la recherche sur les e-mails professionnels ne pourrait être effectuée que par des personnes ayant accès aux serveurs des grandes entreprises ou du gouvernement. Cela exclurait probablement les chercheurs en sciences sociales, en organisation et en linguistique - dont beaucoup ont utilisé le corpus pour glaner des informations précieuses sur la culture d'entreprise, explique Owen Rambow, professeur de l'Université de Columbia impliqué dans un projet de recherche qui a utilisé le corpus Enron et a reçu un prix Subvention de 510 000 $ de la National Science Foundation .

Depuis 2010, environ 30 articles par an ont cité l'article original qui présentait le corpus d'Enron, selon les estimations de Cohen de Carnegie Mellon. Cette année, par exemple, chercheurs de HP Labs s'est tourné vers le corpus pour démontrer un programme d'intelligence artificielle pour identifier automatiquement les engagements que les gens prennent par e-mail. Jafar Adibi, qui a travaillé sur un carte ancienne du réseau social Enron , dit qu'il reçoit toujours une poignée de demandes de renseignements chaque mois, de plus en plus de chercheurs en dehors des États-Unis. Il y a encore un actif liste-serv consacré à la discussion du corpus.

Les chercheurs qui ont travaillé avec le corpus savent qu'il n'y aura pas d'autre Enron. La FERC a publié les e-mails alors que le monde avait encore beaucoup à apprendre sur la confidentialité en ligne. Les préjudices causés aux personnes mentionnées, dont la plupart étaient innocentes de tout acte répréhensible chez Enron, sont rapidement apparus. Les numéros de sécurité sociale et même les relevés bancaires s'y trouvaient. Bien que de nombreuses données privées aient été supprimées, en parcourant des centaines d'e-mails dans le dossier envoyé par Kaminski, j'ai trouvé un numéro de téléphone personnel, le nom de sa femme et une opinion peu flatteuse qu'il avait d'un ancien collègue. J'ai également eu l'impression qu'il attendait depuis longtemps la promotion qu'il a reçue en 2000. Au moment où les courriels ont été diffusés pour la première fois, Kaminski, le directeur d'environ 50 employés chez Enron, a déclaré qu'il était très troublé de voir ses échanges sur les plaintes RH et les évaluations des candidats deviennent publics. Un candidat qu'il a interviewé une fois s'est fâché après leur libération.

Aujourd'hui, de nombreuses personnes qui travaillent dans des secteurs hautement réglementés comme la finance évitent de mettre des informations sensibles dans leurs e-mails. Kaminski, qui a ensuite été directeur général de Citigroup, note que l'acronyme LTOL est devenu un jargon de courrier électronique populaire dans les années qui ont suivi Enron. Il signifie Prenons ceci hors ligne.

cacher