211service.com
Les professionnels qui prédisent l'avenir pour gagner sa vie
Inès Fong
Professeur de sciences atmosphériques, Université de Californie, Berkeley
Léa Fasten
Prédiction pour 2030 : Nous éclairerons le monde… en toute sécurité
Cette histoire faisait partie de notre numéro de mars 2020
- Voir la suite du problème
- S'abonner
J'ai parlé à des gens qui veulent des informations sur les modèles climatiques, mais ils ne savent pas vraiment ce qu'ils me demandent. Alors je leur dis : Supposons que je vous dise qu'un événement se produira avec une probabilité de 60 % en 2030. Est-ce que cela vous suffira ou aurez-vous besoin de 70 % ? Ou auriez-vous besoin de 90 % ? Quel niveau d'information voulez-vous que les projections des modèles climatiques soient utiles ?
J'ai rejoint le groupe de Jim Hansen en 1979, et j'étais là pour toutes les premières projections climatiques. Et la façon dont nous y avons pensé à l'époque, ces choses sont toujours totalement là. Ce que nous avons fait depuis lors, c'est ajouter de la richesse et une résolution plus élevée, mais les projections sont vraiment fondées sur le même type de données, de physique et d'observations.
Pourtant, il y a des choses qui nous manquent. Nous n'avons toujours pas de véritable théorie des précipitations, par exemple. Mais il se passe deux choses passionnantes là-bas. L'un est la disponibilité des observations satellitaires : regarder le nuage n'est pas encore totalement utilisé. L'autre est qu'il n'y avait auparavant aucun moyen d'obtenir des modèles de précipitations régionales à travers l'histoire - et maintenant il y en a un. Les scientifiques ont trouvé ces grottes en Chine et ailleurs, et ils y vont, cherchent une jolie petite chambre avec des stalagmites, puis ils les hachent et les renvoient au laboratoire, où ils font de fantastiques datations uranium-thorium et mesurent les isotopes de l'oxygène dans carbonate de calcium. De là, ils peuvent interpréter un enregistrement des précipitations historiques. Les données sont incroyables : nous avons plus d'un demi-million d'années d'enregistrements de précipitations dans toute l'Asie.
Je ne nous vois pas réduire les combustibles fossiles d'ici 2030. Je ne nous vois pas réduire le CO2 ou le méthane atmosphérique. Quelque 1,2 milliard de personnes dans le monde n'ont actuellement pas accès à l'électricité, j'attends donc avec impatience la croissance des énergies alternatives dans les régions du monde qui n'ont pas d'électricité. C'est important parce que c'est l'éducation, la santé, tout ce qui est associé à un niveau de vie occidental. C'est là que je place mes espoirs.
Photographie Dvora
Anne-Lise Kjaer
Futuriste, Kjaer Global, Londres
Prédiction pour 2030 : les adultes apprendront à saisir de nouvelles idées
Enfant, je voulais devenir archéologue, et je l'ai fait d'une certaine manière. Les archéologues trouvent des artefacts du passé et essaient de relier les points et de raconter une histoire sur la façon dont le passé aurait pu être. Nous faisons la même chose que les futuristes ; nous utilisons des artefacts du présent et essayons de relier les points dans des récits intéressants à l'avenir.
Quand il s'agit de l'avenir, vous avez deux choix. Vous pouvez vous asseoir et penser que cela ne m'arrive pas et construire un grand mur pour empêcher toutes les mauvaises nouvelles. Ou vous pouvez construire des moulins à vent et exploiter les vents du changement.
Beaucoup d'entreprises viennent nous voir et pensent qu'elles veulent entendre parler de l'avenir, mais ce n'est en réalité qu'un exercice pour elles. Cochons simplement cette case, rédigeons un rapport et mettons-le dans notre bibliothèque.
Nous avons donc un petit test pour eux. On fait des interviews, on leur pose des questions ; puis nous utilisons un modèle appelé Trend Atlas qui considère à la fois les dimensions scientifiques de la société et les dimensions sociales. Nous examinons les tendances en matière de politique, d'économie, de moteurs sociétaux, de technologie, d'environnement, de législation - comment cela correspond-il à ce que nous savons actuellement ? Nous regardons peut-être 10, 20 ans en arrière : pouvons-nous voir une petite tendance et essayer de la projeter dans le futur ?
Et après? De toute évidence, avec la technologie, nous pouvons éduquer beaucoup mieux que nous ne le pouvions par le passé. Mais c'est une énorme opportunité d'éduquer les parents de la prochaine génération, pas seulement les enfants. Les enfants apprennent les objectifs de développement durable, mais qu'en est-il des personnes qui gouvernent réellement notre monde ?
Photo de courtoisie
Philippe Tetlock
Coauteur de Superforecasting et professeur, Université de Pennsylvanie
Prédiction pour 2030 : nous nous améliorerons en étant incertains
Au projet Good Judgment, nous essayons de suivre l'exactitude des commentateurs et des experts dans des domaines dans lesquels il est généralement impossible de suivre l'exactitude. Vous prenez un grand débat et le décomposez en une série d'indicateurs à court terme testables. Vous pourriez donc lancer un débat sur la question de savoir si des formes puissantes d'intelligence artificielle vont provoquer des perturbations majeures sur les marchés du travail des cols blancs d'ici 2035, 2040, 2050. De nombreuses discussions ont déjà lieu à ce niveau d'abstraction. — mais de notre point de vue, il est plus utile de le décomposer et de dire : si nous étions sur une trajectoire à long terme vers un résultat comme celui-là, quel genre de choses nous attendrions-nous à observer à court terme ? Nous avons donc commencé cela en 2015, et en 2016, AlphaGo a vaincu les gens en Go. Mais d'autres choses ne se sont pas produites : les Ubers sans chauffeur ne ramassaient les gens pour les tarifs dans aucune grande ville américaine à la fin de 2017. Watson n'a pas vaincu les meilleurs oncologues du monde dans un tournoi de diagnostic médical. Je ne pense donc pas que nous soyons sur la voie rapide vers la singularité, disons-le ainsi.
Les prévisions ont le potentiel d'être soit auto-réalisatrices, soit auto-négatrices — Y2K était sans doute une prévision auto-négative. Mais il est possible d'intégrer cela dans un tournoi de pronostics en posant des questions de pronostics conditionnels : par exemple, quelle est la probabilité que X dépende de ce que nous fassions ceci ou cela ?
Ce que j'ai vu au cours des 10 dernières années, et c'est une tendance qui, je l'espère, se poursuivra, c'est une ouverture croissante à la quantification de l'incertitude. Je pense qu'il y a un mouvement réticent, hésitant, mais cumulatif vers la réflexion sur l'incertitude, et des moyens plus granulaires et nuancés qui permettent de garder le score.
Ryan Jeune
Keith Chen
Professeur agrégé d'économie, UCLA
Prédiction pour 2030 : nous serons de plus en plus privés
Lorsque j'ai travaillé sur l'algorithme de tarification des surtensions d'Uber, le problème qu'il était censé résoudre était très grossier : nous essayions de convaincre les chauffeurs de consacrer du temps supplémentaire au moment où ils en avaient le plus besoin. Il y avait des moments prévisibles, comme le Nouvel An, où nous savions que nous allions avoir besoin de beaucoup de monde. Le problème le plus profond était qu'il s'agissait d'un système sans aucun contrôle. C'est comme essayer de prédire la météo. Oui, la quantité de données météorologiques que nous collectons aujourd'hui - température, vitesse du vent, pression barométrique, données d'humidité - est 10 000 fois supérieure à ce que nous collections il y a 20 ans. Mais nous ne pouvons toujours pas prédire le temps 10 000 fois plus loin que nous ne le pouvions à l'époque. Et les mouvements sociaux - même dans un cadre très spécifique, comme l'endroit où les coureurs veulent aller à un moment donné - sont, au contraire, encore plus chaotiques que les systèmes météorologiques.
Ces jours-ci, ce que je fais ressemble un peu plus à de l'économie médico-légale. Nous cherchons à voir ce que nous pouvons trouver et prédire à partir des schémas de déplacement des personnes. Nous utilisons simplement de simples données de téléphone portable comme la géolocalisation, mais même à partir des modèles de mouvement, nous pouvons déduire des informations saillantes et construire une dimension psychologique de vous. Ce qui me terrifie, c'est que j'ai l'impression d'avoir des données bien pires que celles de Facebook. Alors, que sont-ils capables de comprendre avec leurs informations bien meilleures ?
Je pense que le prochain grand point de basculement social est que les gens commencent à vraiment se soucier de leur vie privée. Ce sera comme fumer dans un restaurant : cela passera rapidement de l'indignation lorsque les gens veulent arrêter à l'indignation soudaine si quelqu'un le fait. Mais en même temps, d'ici 2030, presque tous les citoyens chinois seront complètement génotypés. Je ne sais pas trop comment concilier les deux.
Sarah Deragon
Annalee Newitz
Auteur de science-fiction et de non-fiction, San Francisco
Prédiction pour 2030 : Nous allons voir une technologie beaucoup plus humble
Chaque époque a ses propres idées sur l'avenir. Retournez dans les années 1950 et vous verrez que les gens fantasmaient sur les voitures volantes. On imagine maintenant des vélos et des villes vertes où les voitures sont limitées, ou où les voitures sont autonomes. Nous avons maintenant des priorités vraiment différentes, ce qui se répercute sur notre compréhension de l'avenir.
Les auteurs de science-fiction ne peuvent pas réellement faire de prédictions. Je pense que la science-fiction s'intéresse aux questions soulevées dans le présent. Mais ce que nous pouvons faire, même si nous ne pouvons pas dire ce qui va vraiment se passer, c'est proposer une gamme de scénarios informés par l'histoire.
Il y a beaucoup de mythes sur l'avenir dont les gens pensent qu'ils vont se réaliser maintenant. Je pense que beaucoup de gens - pas seulement des écrivains de science-fiction mais aussi des personnes qui travaillent sur l'apprentissage automatique - pensent que nous aurons bientôt un cerveau équivalent à celui d'un humain fonctionnant sur une sorte de substrat informatique. C'est autant le reflet de notre époque que ce qui pourrait réellement arriver.
Il semble peu probable qu'un cerveau équivalent à celui d'un humain dans un ordinateur se trouve juste au coin de la rue. Mais nous vivons à une époque où beaucoup d'entre nous ont l'impression de vivre déjà dans des ordinateurs, pour le travail et tout le reste. Alors bien sûr, nous avons des fantasmes sur la numérisation de nos cerveaux et la mise de notre conscience à l'intérieur d'une machine ou d'un robot.
Je ne dis pas que ces choses ne pourraient jamais arriver. Mais ils semblent beaucoup plus étroitement liés à nos fantasmes du présent qu'à une véritable percée technique à l'horizon.
Nous allons devoir développer de bien meilleures technologies en matière de secours en cas de catastrophe et d'intervention d'urgence, car nous verrons beaucoup plus d'inondations, d'incendies, de tempêtes. Je pense donc qu'il y aura beaucoup plus de travail sur des technologies vraiment modestes qui vous permettront de déconnecter votre communauté du réseau ou de purifier votre propre eau. Et je ne veux pas dire d'une manière survivaliste effrayante; Je veux dire juste d'une manière-c'est-ainsi-que-nous-vivons-maintenant.
Noé Willman
Finale Doshi-Vélez
Professeur agrégé d'informatique, Harvard
Prédiction pour 2030 : les humains et les machines prendront des décisions ensemble
Dans mon laboratoire, nous essayons de répondre à des questions telles que Comment ce patient pourrait-il réagir à cet antidépresseur ? ou Comment ce patient pourrait-il réagir à ce vasopresseur ? Nous obtenons donc autant de données que possible de l'hôpital. Pour un patient psychiatrique, nous pourrions avoir tout sur sa maladie cardiaque, sa maladie rénale, son cancer ; pour une recommandation de gestion de la pression artérielle pour l'USI, nous avons toutes leurs informations sur l'oxygène, leur lactate, et plus encore.
Certaines d'entre elles pourraient être pertinentes pour faire des prédictions sur leurs maladies, d'autres non, et nous ne savons pas lesquelles sont lesquelles. C'est pourquoi nous demandons le grand ensemble de données avec tout.
Il y a eu environ une décennie de travail pour essayer d'obtenir des modèles d'apprentissage automatique non supervisés pour faire un meilleur travail pour faire ces prédictions, et aucun n'a vraiment bien fonctionné. La percée pour nous a été lorsque nous avons découvert que toutes les approches précédentes pour faire cela étaient fausses exactement de la même manière. Une fois que nous avons démêlé tout cela, nous avons trouvé une méthode différente.
Nous avons également réalisé que même si notre capacité à prédire quel médicament fonctionnera n'est pas toujours aussi grande, nous pouvons prédire de manière plus fiable quels médicaments ne fonctionneront pas, ce qui est presque aussi précieux.
Je suis ravi de combiner les humains et l'IA pour faire des prédictions. Disons que votre IA a un taux d'erreur de 70 % et que votre humain n'a raison que 70 % du temps. Combiner les deux est difficile, mais si vous pouvez fusionner leurs succès, vous devriez pouvoir faire mieux que l'un ou l'autre système seul. Comment faire cela est une question vraiment difficile et passionnante.
Tous ces modèles prédictifs ont été construits et déployés et les gens n'ont pas suffisamment réfléchi aux biais potentiels. J'espère que nous aurons un avenir où ces équipes homme-machine prendront des décisions meilleures que l'une ou l'autre seule.
Guillaume Simoneau
Abdoulaye Banire Diallo
Professeur, directeur du laboratoire de bioinformatique, Université du Québec à Montréal
Prédiction pour 2030 : la prévision basée sur la machine sera réglementée
Lorsqu'un agriculteur du Québec décide d'inséminer ou non une vache, cela peut dépendre de l'attente de lait qui sera produit chaque jour pendant un an, deux ans, peut-être trois ans après cela. Les fermes ont des systèmes de gestion qui capturent les données et l'environnement de la ferme. Je suis impliqué dans des projets qui ajoutent une couche de données génétiques et génomiques pour aider à la prévision — pour aider les décideurs comme l'agriculteur à avoir une vue d'ensemble lorsqu'ils envisagent de remplacer les vaches, d'améliorer la gestion, la résilience et le bien-être des animaux.
Avec l'émergence de l'apprentissage automatique et de l'IA, ce que nous montrons, c'est que nous pouvons aider à résoudre les problèmes d'une manière qui n'a jamais été faite auparavant. Nous l'adaptons au secteur laitier, où nous avons montré que certaines décisions pouvaient être anticipées 18 mois à l'avance rien qu'en faisant des prévisions basées sur l'intégration de ces données génomiques. Je pense que dans certains domaines comme la santé des plantes, nous n'avons atteint que 10 ou 20 % de notre capacité à améliorer certains modèles.
Jusqu'à présent, l'IA et l'apprentissage automatique étaient associés à l'expertise du domaine. Ce n'est pas une affaire publique. Mais dans moins de 10 ans, ils devront être réglementés. Je pense qu'il y a beaucoup de défis pour les scientifiques comme moi pour essayer de rendre ces techniques plus explicables, plus transparentes et plus vérifiables.