ABOUT THE SPEAKER
Carlo Ratti - Architect and engineer
Carlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment.

Why you should listen

Carlo Ratti is a civil engineer and architect who teaches at the Massachusetts Institute of Technology, where he directs the SENSEable City Laboratory. This lab studies the built environment of cities -- from street grids to plumbing and garbage systems -- using new kinds of sensors and hand-held electronics that have transformed the way we can describe and understand cities.

Other projects flip this equation -- using data gathered from sensors to actually create dazzling new environments. The Digital Water Pavilion, for instance, reacts to visitors by parting a stream of water to let them visit. And a project for the 2012 Olympics in London turns a pavilion building into a cloud of blinking interactive art. He's opening a research center in Singapore as part of an MIT-led initiative on the Future of Urban Mobility.

For more information on the projects in this talk, visit SENSEable @ TED >>

More profile about the speaker
Carlo Ratti | Speaker | TED.com
TED2011

Carlo Ratti: Architecture that senses and responds

Carlo Ratti: Une architecture qui capte et qui réagit

Filmed:
746,791 views

Avec son équipe du SENSEable City Lab, Carlo Ratti du MIT crée des choses sympas en captant les données que nous créons. Il part de jeux de données passives - comme nos appels téléphoniques, les ordures que nous jetons - pour créer d'étonnantes visualisations de la vie urbaine. Et lui et son équipe créent de fascinants environnements interactifs à partir de l'eau en mouvement et de la lumière qui vole, fournis par de simples gestes enregistrés par des capteurs.
- Architect and engineer
Carlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment. Full bio

Double-click the English transcript below to play the video.

00:15
Good afternoonaprès midi, everybodyTout le monde.
0
0
2000
Bonjour, tout le monde.
00:17
I've got something to showmontrer you.
1
2000
3000
J'ai quelque chose à vous montrer.
00:37
(LaughterRires)
2
22000
2000
(Rires)
00:39
Think about this as a pixelpixel, a flyingen volant pixelpixel.
3
24000
3000
Imaginez que c'est un pixel, un pixel qui vole.
00:42
This is what we call, in our lablaboratoire, sensiblesensible designconception.
4
27000
3000
C'est ce que nous appelons, dans notre laboratoire, du design sensible.
00:45
Let me tell you a bitbit about it.
5
30000
2000
Permettez-moi de vous en parler un peu.
00:47
Now if you take this picturephoto -- I'm ItalianItalien originallyinitialement,
6
32000
3000
Si vous prenez cette photo - je suis italien à l'origine,
00:50
and everychaque boygarçon in ItalyItalie growsgrandit up
7
35000
2000
et chaque garçon en Italie grandit
00:52
with this picturephoto on the wallmur of his bedroomchambre --
8
37000
2000
avec cette photo sur le mur de sa chambre.
00:54
but the reasonraison I'm showingmontrer you this
9
39000
2000
Mais la raison pour laquelle je vous montre ça
00:56
is that something very interestingintéressant
10
41000
2000
c'est que quelque chose de très intéressant
00:58
happenedarrivé in FormulaFormule 1 racingcourses
11
43000
2000
s'est passé en course de Formule 1
01:00
over the pastpassé couplecouple of decadesdécennies.
12
45000
2000
au cours des deux dernières décennies.
01:02
Now some time agodepuis,
13
47000
2000
Il y a quelque temps,
01:04
if you wanted to wingagner a FormulaFormule 1 racecourse,
14
49000
2000
si vous vouliez gagner une course de Formule 1,
01:06
you take a budgetbudget, and you betpari your budgetbudget
15
51000
2000
vous preniez un budget, et vous misiez votre budget
01:08
on a good driverchauffeur and a good carvoiture.
16
53000
3000
sur un bon conducteur et une bonne voiture.
01:11
And if the carvoiture and the driverchauffeur were good enoughassez, then you'dtu aurais wingagner the racecourse.
17
56000
3000
Et si la voiture et le chauffeur étaient assez bons, alors vous gagniez la course.
01:14
Now todayaujourd'hui, if you want to wingagner the racecourse,
18
59000
2000
Or, aujourd'hui, si vous voulez gagner la course,
01:16
actuallyréellement you need alsoaussi something like this --
19
61000
3000
il vous faut en fait aussi quelque chose comme ça -
01:19
something that monitorsmoniteurs the carvoiture in realréal time,
20
64000
3000
quelque chose qui surveille la voiture en temps réel,
01:22
has a fewpeu thousandmille sensorscapteurs
21
67000
2000
possède quelques milliers de capteurs
01:24
collectingrecueillir informationinformation from the carvoiture,
22
69000
2000
collecte les informations de la voiture,
01:26
transmittingtransmission this informationinformation into the systemsystème,
23
71000
3000
transmet ces informations au système,
01:29
and then processingEn traitement it
24
74000
2000
puis les traite
01:31
and usingen utilisant it in ordercommande to go back to the carvoiture with decisionsles décisions
25
76000
3000
et les utilise pour revenir à la voiture avec des décisions
01:34
and changingen changeant things in realréal time
26
79000
2000
et changer les choses en temps réel
01:36
as informationinformation is collectedrecueilli.
27
81000
2000
pendant que les informations sont recueillies.
01:38
This is what, in engineeringingénierie termstermes,
28
83000
2000
C'est ce qu'en termes d'ingénierie,
01:40
you would call a realréal time controlcontrôle systemsystème.
29
85000
3000
on pourrait appeler un système de contrôle en temps réel.
01:43
And basicallyen gros, it's a systemsystème madefabriqué of two componentsComposants --
30
88000
3000
Et au fond, c'est un système constitué de deux composantes -
01:46
a sensingdétecter and an actuatingactionnement componentcomposant.
31
91000
2000
une composante de détection et une d'actionnement.
01:48
What is interestingintéressant todayaujourd'hui
32
93000
2000
Ce qui est intéressant aujourd'hui
01:50
is that realréal time controlcontrôle systemssystèmes
33
95000
2000
est que de véritables systèmes de contrôle en temps réel
01:52
are startingdépart to enterentrer into our livesvies.
34
97000
3000
commencent à entrer dans nos vies.
01:55
Our citiesvilles, over the pastpassé fewpeu yearsannées,
35
100000
3000
Nos villes, au cours des dernières années,
01:58
just have been blanketedont recouvert
36
103000
2000
ont été complètement recouvertes
02:00
with networksréseaux, electronicsélectronique.
37
105000
2000
de réseaux, d'électronique.
02:02
They're becomingdevenir like computersdes ordinateurs in openouvrir airair.
38
107000
2000
Elles deviennent comme des ordinateurs à l'air libre.
02:04
And, as computersdes ordinateurs in openouvrir airair,
39
109000
2000
Et, comme les ordinateurs à l'air libre,
02:06
they're startingdépart to respondrépondre in a differentdifférent way
40
111000
2000
elles commencent à répondre d'une manière différente
02:08
to be ablecapable to be sensedsenti and to be actuatedactionné par.
41
113000
3000
pour pouvoir être détectées et pour être actionnées.
02:11
If we fixréparer citiesvilles, actuallyréellement it's a biggros dealtraiter.
42
116000
2000
Si nous réparons les villes, en fait ce n'est pas rien.
02:13
Just as an asidede côté, I wanted to mentionmention,
43
118000
2000
Soit dit en passant, je voulais mentionner,
02:15
citiesvilles are only two percentpour cent of the Earth'sDe la terre crustcroûte,
44
120000
4000
que les villes ne représentent que 2% de la croûte terrestre,
02:19
but they are 50 percentpour cent of the world'smonde populationpopulation.
45
124000
3000
mais 50 % de la population mondiale.
02:22
They are 75 percentpour cent of the energyénergie consumptionconsommation --
46
127000
3000
Elles représentent 75 % de la consommation d'énergie -
02:25
up to 80 percentpour cent of COCO2 emissionsles émissions.
47
130000
3000
jusqu'à 80 % des émissions de CO2.
02:28
So if we're ablecapable to do something with citiesvilles, that's a biggros dealtraiter.
48
133000
3000
Donc, si nous pouvons faire quelque chose avec les villes, ce n'est pas rien.
02:31
BeyondAu-delà de citiesvilles,
49
136000
2000
Au-delà des villes,
02:33
all of this sensingdétecter and actuatingactionnement
50
138000
3000
toute cette détection et cet actionnement
02:36
is enteringentrer our everydaytous les jours objectsobjets.
51
141000
2000
entre dans nos objets quotidiens.
02:38
That's from an exhibitionexposition that
52
143000
2000
Ça vient d'une exposition
02:40
PaolaPaola AntonelliAntonelli is organizingorganiser
53
145000
2000
que Paola Antonelli organise
02:42
at MoMAMoMA laterplus tard this yearan, duringpendant the summerété.
54
147000
2000
au MoMA plus tard cette année, durant l'été.
02:44
It's calledappelé "Talk to Me."
55
149000
2000
Elle s'intitule "Talk to Me".
02:46
Well our objectsobjets, our environmentenvironnement
56
151000
2000
Eh bien nos objets, notre environnement,
02:48
is startingdépart to talk back to us.
57
153000
2000
commencent à nous répondre.
02:50
In a certaincertain sensesens, it's almostpresque as if everychaque atomatome out there
58
155000
3000
Dans un sens, c'est presque comme si chaque atome là dehors
02:53
were becomingdevenir bothtous les deux a sensorcapteur and an actuatoractionneur.
59
158000
3000
devenait à la fois un capteur et un actionneur.
02:56
And that is radicallyradicalement changingen changeant the interactioninteraction we have as humanshumains
60
161000
3000
Et c'est train de changer radicalement l'interaction que nous, humains,
02:59
with the environmentenvironnement out there.
61
164000
2000
avons avec l'environnement là dehors.
03:01
In a certaincertain sensesens,
62
166000
2000
Dans un certain sens,
03:03
it's almostpresque as if the oldvieux dreamrêver of MichelangeloMichelangelo ...
63
168000
3000
c'est presque comme dans le vieux rêve de Michel-Ange ...
03:06
you know, when MichelangeloMichelangelo sculptedsculpté the MosesMoïse,
64
171000
2000
vous savez, quand Michel-Ange a sculpté le Moïse,
03:08
at the endfin it said that he tooka pris the hammermarteau, threwjeta it at the MosesMoïse --
65
173000
3000
à la fin, il dit qu'il a pris le marteau, il l'a jeté à Moïse -
03:11
actuallyréellement you can still see a smallpetit chippuce underneathsous --
66
176000
3000
en fait vous pouvez encore voir un petit éclat dessous -
03:14
and said, shouteda crié,
67
179000
2000
et a dit, crié,
03:16
"PerchPercheé nonnon parliParli? Why don't you talk?"
68
181000
2000
"Perché Parli non? Pourquoi ne parles-tu pas?"
03:18
Well todayaujourd'hui, for the first time,
69
183000
2000
Eh bien aujourd'hui, pour la première fois,
03:20
our environmentenvironnement is startingdépart to talk back to us.
70
185000
3000
notre environnement commence à nous répondre.
03:23
And I'll showmontrer just a fewpeu examplesexemples --
71
188000
2000
Et je vais vous montrer quelques exemples -
03:25
again, with this ideaidée of sensingdétecter our environmentenvironnement and actuatingactionnement it.
72
190000
3000
là encore, avec cette idée de détecter et d'actionner notre environnement.
03:28
Let's startingdépart with sensingdétecter.
73
193000
3000
Commençons par la détection.
03:31
Well, the first projectprojet I wanted to sharepartager with you
74
196000
2000
Eh bien le premier projet que je voulais partager avec vous
03:33
is actuallyréellement one of the first projectsprojets by our lablaboratoire.
75
198000
3000
est en fait l'un des premiers projets de notre laboratoire.
03:36
It was fourquatre and a halfmoitié yearsannées agodepuis in ItalyItalie.
76
201000
3000
Il a pris quatre ans et demi en Italie.
03:39
And what we did there
77
204000
2000
Et ce que nous y avons fait
03:41
was actuallyréellement use a newNouveau typetype of networkréseau at the time
78
206000
2000
c'était en fait utiliser un nouveau type de réseau à l'époque
03:43
that had been deployeddéployé all acrossà travers the worldmonde --
79
208000
2000
qui avait été déployé partout dans le monde -
03:45
that's a cellphonetéléphone portable networkréseau --
80
210000
2000
c'est un réseau de téléphonie cellulaire -
03:47
and use anonymousanonyme and aggregatedagrégées informationinformation from that networkréseau,
81
212000
2000
et l'utilisation des informations anonymes et agrégées à partir de ce réseau,
03:49
that's collectedrecueilli anywayen tous cas by the operatoropérateur,
82
214000
2000
qui sont recueillies de toute façon par l'opérateur
03:51
in ordercommande to understandcomprendre
83
216000
2000
afin de comprendre
03:53
how the cityville workstravaux.
84
218000
2000
comment la ville fonctionne.
03:55
The summerété was a luckychanceux summerété -- 2006.
85
220000
3000
L'été a été un été de chance - 2006.
03:58
It's when ItalyItalie wona gagné the soccerfootball WorldMonde CupCoupe.
86
223000
3000
C'est quand l'Italie a remporté la Coupe du Monde.
04:01
Some of you mightpourrait rememberrappelles toi, it was ItalyItalie and FranceFrance playingen jouant,
87
226000
3000
Certains d'entre vous se souviennent peut-être, c'était Italie - France,
04:04
and then ZidaneZidane at the endfin, the headbuttheadbutt.
88
229000
2000
puis Zidane à la fin, le coup de boule.
04:06
And anywayen tous cas, ItalyItalie wona gagné at the endfin.
89
231000
2000
Et enfin bref, l'Italie a gagné à la fin.
04:08
(LaughterRires)
90
233000
2000
(Rires)
04:10
Now look at what happenedarrivé that day
91
235000
2000
Maintenant, regardez ce qui s'est passé ce jour-là
04:12
just by monitoringsurveillance activityactivité
92
237000
2000
rien qu'en surveillant l'activité
04:14
happeningévénement on the networkréseau.
93
239000
2000
sur le réseau.
04:16
Here you see the cityville.
94
241000
2000
Ici vous pouvez voir la ville.
04:18
You see the ColosseumColisée in the middlemilieu,
95
243000
3000
Vous voyez le Colisée au milieu,
04:21
the riverrivière TiberTibre.
96
246000
3000
le Tibre.
04:24
It's morningMatin, before the matchrencontre.
97
249000
2000
C'est le matin, avant le match.
04:26
You see the timelinechronologie on the topHaut.
98
251000
2000
Vous voyez le minutage en haut.
04:28
EarlyDès le début afternoonaprès midi,
99
253000
2000
Début d'après midi,
04:30
people here and there,
100
255000
2000
les gens ici et là
04:32
makingfabrication callsappels and movingen mouvement.
101
257000
2000
qui téléphonent et se déplacent.
04:34
The matchrencontre beginscommence -- silencesilence.
102
259000
3000
Le match commence - silence.
04:37
FranceFrance scoresscores. ItalyItalie scoresscores.
103
262000
3000
La France marque. l'Italie marque.
04:40
HalftimeMi-temps, people make a quickrapide call and go to the bathroomsalle de bains.
104
265000
4000
La mi-temps, les gens passent un coup de fil rapide et vont aux toilettes.
04:44
SecondSeconde halfmoitié. EndFin of normalnormal time.
105
269000
2000
Deuxième mi-temps. Fin du temps réglementaire.
04:46
First overtimeheures supplémentaires, secondseconde.
106
271000
2000
Première prolongation, deuxième prolongation.
04:48
ZidaneZidane, the headbuttheadbutt in a momentmoment.
107
273000
3000
Zidane, le coup de boule dans un instant.
04:51
ItalyItalie winsgagne. Yeah.
108
276000
2000
L'Italie gagne. Oui.
04:53
(LaughterRires)
109
278000
2000
(Rires)
04:55
(ApplauseApplaudissements)
110
280000
3000
(Applaudissements)
04:58
Well, that night, everybodyTout le monde wentest allé to celebratecélébrer in the centercentre.
111
283000
2000
Eh bien, cette nuit-là, tout le monde est allé célébrer dans le centre.
05:00
You saw the biggros peakde pointe.
112
285000
2000
Vous avez vu le grand pic.
05:02
The followingSuivant day, again everybodyTout le monde wentest allé to the centercentre
113
287000
2000
Le lendemain, tout le monde s'est rendu au centre
05:04
to meetrencontrer the winninggagnant teaméquipe
114
289000
3000
pour rencontrer l'équipe gagnante
05:07
and the primepremier ministerministre at the time.
115
292000
2000
et le Premier ministre de l'époque.
05:09
And then everybodyTout le monde moveddéplacé down.
116
294000
2000
Et puis tout le monde s'est déplacé vers le bas.
05:11
You see the imageimage of the placeendroit calledappelé CircoCirco MassimoMassimo,
117
296000
2000
Vous voyez l'image de l'endroit appelé Circo Massimo,
05:13
where, sincedepuis RomanRomain timesfois, people go to celebratecélébrer,
118
298000
3000
où, depuis l'époque romaine, les gens vont pour célébrer -
05:16
to have a biggros partyfête, and you see the peakde pointe at the endfin of the day.
119
301000
3000
pour faire une grande fête, et vous voyez le pic à la fin de la journée.
05:19
Well, that's just one exampleExemple of how we can sensesens the cityville todayaujourd'hui
120
304000
2000
Eh bien, c'est juste un exemple de la façon dont nous pouvons sentir la ville aujourd'hui,
05:21
in a way that we couldn'tne pouvait pas have doneterminé
121
306000
2000
comme nous n'aurions pas pu le faire
05:23
just a fewpeu yearsannées agodepuis.
122
308000
2000
il y a seulement quelques années.
05:25
AnotherUn autre quickrapide exampleExemple about sensingdétecter:
123
310000
2000
Un autre exemple de détection rapide :
05:27
it's not about people,
124
312000
2000
il ne s'agit pas de personnes,
05:29
but about things we use and consumeconsommer.
125
314000
2000
mais de choses que nous utilisons et consommons.
05:31
Well todayaujourd'hui, we know everything
126
316000
2000
Eh bien aujourd'hui, nous savons tout
05:33
about where our objectsobjets come from.
127
318000
3000
la provenance de nos objets.
05:36
This is a mapcarte that showsmontre you
128
321000
2000
Ceci est une carte qui vous montre
05:38
all the chipschips that formforme a MacMac computerordinateur, how they camevenu togetherensemble.
129
323000
3000
toutes les puces qui forment un ordinateur Mac, comment ils sont assemblés.
05:41
But we know very little about where things go.
130
326000
3000
Mais nous en savons très peu sur l'endroit où les choses vont.
05:44
So in this projectprojet,
131
329000
2000
Donc, dans ce projet,
05:46
we actuallyréellement developeddéveloppé some smallpetit tagsTags
132
331000
2000
nous avons en fait élaboré des petites étiquettes
05:48
to trackPiste trashpoubelle as it movesse déplace throughpar the systemsystème.
133
333000
3000
pour suivre les ordures au fil de leur déplacements à travers le système.
05:51
So we actuallyréellement startedcommencé with a numbernombre of volunteersbénévoles
134
336000
3000
Donc nous avons commencé avec un certain nombre de bénévoles
05:54
who helpedaidé us in SeattleSeattle,
135
339000
2000
qui nous ont aidés à Seattle,
05:56
just over a yearan agodepuis,
136
341000
2000
il y a à peine un an,
05:58
to tagbalise what they were throwinglancement away --
137
343000
3000
pour mettre des puces sur ce qu'ils jetaient -
06:01
differentdifférent typesles types of things, as you can see here --
138
346000
3000
différents types de choses, comme vous pouvez le voir ici -
06:04
things they would throwjeter away anywayen tous cas.
139
349000
2000
des choses qu'ils jetaient de toute façon.
06:06
Then we put a little chippuce, little tagbalise,
140
351000
2000
Ensuite, nous avons mis une petite puce, une petite étiquette,
06:08
ontosur the trashpoubelle
141
353000
2000
sur le déchet
06:10
and then startedcommencé followingSuivant it.
142
355000
2000
puis nous avons commencé à le suivre.
06:12
Here are the resultsrésultats we just obtainedobtenu.
143
357000
3000
Voici les résultats que nous venons d'obtenir.
06:15
(MusicMusique)
144
360000
3000
(Musique)
06:18
From SeattleSeattle ...
145
363000
3000
De Seattle ...
06:26
after one weekla semaine.
146
371000
2000
après une semaine.
06:53
With this informationinformation we realizedréalisé
147
398000
2000
Avec ces informations, nous nous sommes rendus compte
06:55
there's a lot of inefficienciesinefficacités in the systemsystème.
148
400000
2000
qu'il y a beaucoup d'inefficacité dans le système.
06:57
We can actuallyréellement do the sameMême thing with much lessMoins energyénergie.
149
402000
3000
Nous pouvons en fait faire la même chose avec beaucoup moins d'énergie.
07:00
This dataLes données was not availabledisponible before.
150
405000
2000
Ces données n'étaient pas disponibles auparavant.
07:02
But there's a lot of wastedgaspillé transportationtransport and convolutedalambiqué things happeningévénement.
151
407000
3000
Mais il y a beaucoup de gaspillage de transport et des choses compliquées qui se passent.
07:05
But the other thing is that we believe
152
410000
2000
Mais l'autre chose est que nous croyons
07:07
that if we see everychaque day
153
412000
2000
que si nous voyons tous les jours
07:09
that the cupCoupe we're throwinglancement away, it doesn't disappeardisparaître,
154
414000
2000
que le gobelet que nous jetons ne disparaît pas,
07:11
it's still somewherequelque part on the planetplanète.
155
416000
2000
il est toujours quelque part sur la planète.
07:13
And the plasticPlastique bottlebouteille we're throwinglancement away everychaque day still staysreste there.
156
418000
3000
Et la bouteille en plastique que nous jetons tous les jours reste toujours là.
07:16
And if we showmontrer that to people,
157
421000
2000
Et si nous montrons ça aux les gens,
07:18
then we can alsoaussi promotepromouvoir some behavioralcomportementale changechangement.
158
423000
2000
nous pouvons aussi promouvoir des changements de comportement.
07:20
So that was the reasonraison for the projectprojet.
159
425000
2000
C'était donc la raison du projet.
07:22
My colleaguecollègue at MITMIT, AssafAssaf BidermanBiderman,
160
427000
2000
Mon collègue du MIT, Assaf Biderman,
07:24
he could tell you much more about sensingdétecter
161
429000
2000
il pourrait vous en dire beaucoup plus sur la détection
07:26
and manybeaucoup other wonderfulformidable things we can do with sensingdétecter,
162
431000
2000
et beaucoup d'autres choses merveilleuses que nous pouvons faire avec la détection,
07:28
but I wanted to go to the secondseconde partpartie we discusseddiscuté at the beginningdébut,
163
433000
3000
mais je voulais passer à la deuxième partie dont nous avons discuté au début,
07:31
and that's actuatingactionnement our environmentenvironnement.
164
436000
2000
et c'est l'actionnement de notre environnement.
07:33
And the first projectprojet
165
438000
2000
Et le premier projet
07:35
is something we did a couplecouple of yearsannées agodepuis in ZaragozaZaragoza, SpainEspagne.
166
440000
3000
est ce que nous avons fait il y a quelques années à Saragosse, en Espagne.
07:38
It startedcommencé with a questionquestion by the mayormaire of the cityville,
167
443000
3000
Ça a commencé par une question posée par le maire de la ville,
07:41
who camevenu to us sayingen disant
168
446000
2000
qui est venu nous dire
07:43
that SpainEspagne and SouthernSud EuropeL’Europe have a beautifulbeau traditiontradition
169
448000
3000
que l'Espagne et l'Europe du Sud ont une belle tradition
07:46
of usingen utilisant watereau in publicpublic spaceespace, in architecturearchitecture.
170
451000
3000
de l'utilisation de l'eau dans l'espace public, dans l'architecture.
07:49
And the questionquestion was: How could technologyLa technologie, newNouveau technologyLa technologie,
171
454000
2000
Et la question était : comment la technologie pourrait, les nouvelles technologies,
07:51
be addedajoutée to that?
172
456000
2000
y être ajoutée ?
07:53
And one of the ideasidées that was developeddéveloppé at MITMIT in a workshopatelier
173
458000
3000
Et l'une des idées qui a été développée au MIT dans un atelier
07:56
was, imagineimaginer this pipetuyau, and you've got valvesvannes,
174
461000
3000
a été, imaginez ce tuyau, et vous avez des vannes,
07:59
solenoidsolénoïde valvesvannes, tapsrobinets,
175
464000
2000
des électrovannes, des robinets,
08:01
openingouverture and closingfermeture.
176
466000
2000
qui s'ouvrent et qui se ferment.
08:03
You createcréer like a watereau curtainrideau with pixelspixels madefabriqué of watereau.
177
468000
3000
Vous pouvez créer comme un rideau d'eau avec des pixels en eau.
08:06
If those pixelspixels falltomber,
178
471000
2000
Si ces pixels tombent,
08:08
you can writeécrire on it,
179
473000
2000
vous pouvez écrire sur eux,
08:10
you can showmontrer patternsmodèles, imagesimages, texttexte.
180
475000
2000
vous pouvez montrer des motifs, des images, du texte.
08:12
And even you can approachapproche it, and it will openouvrir up
181
477000
2000
Et vous pouvez même approcher ce dispositif, et il va s'ouvrir
08:14
to let you jumpsaut throughpar,
182
479000
2000
pour vous permettre de passer à travers,
08:16
as you see in this imageimage.
183
481000
2000
comme vous le voyez dans cette image.
08:18
Well, we presentedprésenté this to MayorMaire BellochBelloch.
184
483000
2000
Eh bien, nous l'avons présenté au maire Belloch.
08:20
He likedaimé it very much.
185
485000
2000
Il a beaucoup aimé.
08:22
And we got a commissioncommission to designconception a buildingbâtiment
186
487000
2000
Et nous avons été commissionnés pour concevoir un bâtiment
08:24
at the entranceentrée of the expoexpo.
187
489000
2000
à l'entrée de l'expo.
08:26
We calledappelé it DigitalDigital WaterEau PavilionPavillon.
188
491000
2000
Nous l'avons appelé Pavillon de l'Eau Numérique.
08:28
The wholeentier buildingbâtiment is madefabriqué of watereau.
189
493000
3000
L'ensemble du bâtiment est composé d'eau.
08:33
There's no doorsdes portes or windowsles fenêtres,
190
498000
2000
Il n'y a pas de portes ou fenêtres,
08:35
but when you approachapproche it,
191
500000
2000
mais quand vous vous approchez,
08:37
it will openouvrir up to let you in.
192
502000
2000
il s'ouvre pour vous laisser entrer
08:39
(MusicMusique)
193
504000
6000
(Musique)
08:52
The rooftoit alsoaussi is coveredcouvert with watereau.
194
517000
3000
Le toit est également recouvert d'eau.
08:57
And if there's a bitbit of windvent,
195
522000
2000
Et si il y a un peu de vent,
08:59
if you want to minimizeminimiser splashingéclaboussures, you can actuallyréellement lowerinférieur the rooftoit.
196
524000
3000
si vous voulez minimiser les éclaboussures, vous pouvez en fait abaisser le toit.
09:04
Or you could closeFermer the buildingbâtiment,
197
529000
2000
Ou vous pouvez fermer le bâtiment,
09:06
and the wholeentier architecturearchitecture will disappeardisparaître,
198
531000
2000
et toute l'architecture va disparaître,
09:08
like in this caseCas.
199
533000
2000
comme dans ce cas.
09:10
You know, these daysjournées, you always get imagesimages duringpendant the winterhiver,
200
535000
2000
Vous savez, ces jours-ci, vous obtenez toujours des images pendant l'hiver
09:12
when they take the rooftoit down,
201
537000
2000
quand ils baissent le toit
09:14
of people who have been there and said, "They demolisheddémoli the buildingbâtiment."
202
539000
3000
des personnes qui y sont allés et ont dit : "Ils ont démoli le bâtiment."
09:17
No, they didn't demolishdémolir it, just when it goesva down,
203
542000
2000
Non, ils ne l'ont pas démoli, seulement au moment où il descend,
09:19
the architecturearchitecture almostpresque disappearsdisparaît.
204
544000
2000
l'architecture disparaît presque.
09:21
Here'sVoici the buildingbâtiment workingtravail.
205
546000
3000
Voici le bâtiment en fonction.
09:24
You see the personla personne puzzledperplexe about what was going on insideà l'intérieur.
206
549000
3000
Vous voyez la personne perplexe quant à ce qui se passait à l'intérieur.
09:27
And here was myselfmoi même tryingen essayant not to get wetWet,
207
552000
2000
Et me voici essayant de ne pas me mouiller,
09:29
testingessai the sensorscapteurs that openouvrir the watereau.
208
554000
3000
en testant les capteurs qui ouvrent l'eau.
09:32
Well, I should tell you now what happenedarrivé one night
209
557000
2000
Eh bien, je dois vous dire maintenant ce qui s'est passé une nuit
09:34
when all of the sensorscapteurs stoppedarrêté workingtravail.
210
559000
3000
lorsque tous les capteurs ont cessé de fonctionner.
09:37
But actuallyréellement that night, it was even more funamusement.
211
562000
3000
Mais en fait cette nuit-là, ça a été encore plus amusant.
09:40
All the kidsdes gamins from ZaragozaZaragoza camevenu to the buildingbâtiment,
212
565000
2000
Tous les enfants de Saragosse sont venus au bâtiment,
09:42
because the way of engagingengageant with the buildingbâtiment becamedevenu something differentdifférent.
213
567000
3000
parce que la façon de s'engager avec le bâtiment était devenue quelque chose de différent.
09:45
Not anymoreplus a buildingbâtiment that would openouvrir up to let you in,
214
570000
3000
Ce n'était plus un bâtiment qui s'ouvrait pour vous laisser entrer,
09:48
but a buildingbâtiment that would still make cutscoupes and holesdes trous throughpar the watereau,
215
573000
3000
mais un bâtiment qui faisait quand même des coupes et des trous dans l'eau,
09:51
and you had to jumpsaut withoutsans pour autant gettingobtenir wetWet.
216
576000
2000
et vous deviez sauter sans vous mouiller.
09:53
(VideoVidéo) (CrowdFoule NoiseBruit)
217
578000
13000
(Vidéo) (bruit de la foule)
10:06
And that was, for us, was very interestingintéressant,
218
591000
2000
Et ça, pour nous, c'était très intéressant,
10:08
because, as architectsarchitectes, as engineersingénieurs, as designersconcepteurs,
219
593000
3000
car en tant qu'architectes, ingénieurs, designers,
10:11
we always think about how people will use the things we designconception.
220
596000
3000
nous pensons toujours à la façon dont le gens utiliseront les choses que nous concevons.
10:14
But then reality'sde la réalité always unpredictableimprévisible.
221
599000
3000
Mais ensuite la réalité est toujours imprévisible.
10:17
And that's the beautybeauté of doing things
222
602000
2000
Et c'est ce qui est beau dans le fait de faire des choses
10:19
that are used and interactinteragir with people.
223
604000
2000
qui sont utilisées et qui interagissent avec les gens.
10:21
Here is an imageimage then of the buildingbâtiment
224
606000
2000
Voici une image du bâtiment à l'époque
10:23
with the physicalphysique pixelspixels, the pixelspixels madefabriqué of watereau,
225
608000
2000
avec les pixels physiques, les pixels constitués d'eau,
10:25
and then projectionsprojections on them.
226
610000
3000
et puis des projections dessus.
10:28
And this is what led us to think about
227
613000
2000
Et c'est ce qui nous a amenés à réfléchir
10:30
the followingSuivant projectprojet I'll showmontrer you now.
228
615000
2000
au projet suivant que je vais vous montrer maintenant.
10:32
That's, imagineimaginer those pixelspixels could actuallyréellement startdébut flyingen volant.
229
617000
3000
C'est, imaginez si ces pixels pouvaient en fait se mettre à voler.
10:35
ImagineImaginez you could have smallpetit helicoptershélicoptères
230
620000
2000
Imaginez si vous pouviez avoir de petits hélicoptères
10:37
that movebouge toi in the airair,
231
622000
2000
qui se déplacent dans l'air,
10:39
and then eachchaque of them with a smallpetit pixelpixel in changingen changeant lightslumières --
232
624000
3000
et puis chacun d'eux avec un petit pixel dans des lumières qui changent --
10:42
almostpresque as a cloudnuage that can movebouge toi in spaceespace.
233
627000
3000
presque comme un nuage qui peut se déplacer dans l'espace.
10:45
Here is the videovidéo.
234
630000
2000
Voici la vidéo.
10:47
(MusicMusique)
235
632000
6000
(Musique)
10:53
So imagineimaginer one helicopterhélicoptère,
236
638000
3000
Alors imaginez un hélicoptère,
10:56
like the one we saw before,
237
641000
3000
comme celui que nous venons de voir,
11:01
movingen mouvement with othersautres,
238
646000
3000
se déplaçant avec les autres,
11:04
in synchronysynchronie.
239
649000
2000
en synchronie.
11:06
So you can have this cloudnuage.
240
651000
3000
Alors vous pouvez avoir ce nuage.
11:15
You can have a kindgentil of flexibleflexible screenécran or displayafficher, like this --
241
660000
4000
Vous pouvez avoir une sorte d'écran ou d'affichage flexible, comme celui-ci -
11:19
a regularordinaire configurationConfiguration in two dimensionsdimensions.
242
664000
3000
une configuration habituelle en deux dimensions.
11:29
Or in regularordinaire, but in threeTrois dimensionsdimensions,
243
674000
3000
Ou habituelle, mais en trois dimensions,
11:32
where the thing that changeschangements is the lightlumière,
244
677000
2000
où la chose qui change, c'est la lumière,
11:34
not the pixels'des pixels positionposition.
245
679000
2000
pas la position des pixels.
11:46
You can playjouer with a differentdifférent typetype.
246
691000
2000
Vous pouvez jouer avec un type différent.
11:48
ImagineImaginez your screenécran could just appearapparaître
247
693000
2000
Imaginez si votre écran pouvait apparaître
11:50
in differentdifférent scalesBalance or sizestailles,
248
695000
3000
sous des échelles et des tailles différentes,
11:53
differentdifférent typesles types of resolutionrésolution.
249
698000
3000
différentes résolutions.
12:05
But then the wholeentier thing can be
250
710000
2000
Mais alors tout ça peut n'être
12:07
just a 3D cloudnuage of pixelspixels
251
712000
2000
qu'un nuage de pixels 3D
12:09
that you can approachapproche and movebouge toi throughpar it
252
714000
3000
que vous pouvez approcher et traverser
12:12
and see from manybeaucoup, manybeaucoup directionsdirections.
253
717000
3000
et voir sous de nombreux angles différents.
12:15
Here is the realréal FlyfireFlyfire
254
720000
2000
Voici le véritable contrôle du Flyfire
12:17
controlcontrôle and going down to formforme the regularordinaire gridla grille as before.
255
722000
4000
qui descend pour former le V habituel comme avant.
12:21
When you turntour on the lightlumière, actuallyréellement you see this. So the sameMême as we saw before.
256
726000
3000
Quand on allume la lumière, en fait on voit ça, la même chose que ce que nous avons vu avant.
12:24
And imagineimaginer eachchaque of them then controlledcontrôlé by people.
257
729000
2000
Et imaginez que chacun d'entre eux soit ensuite contrôlé par les gens.
12:26
You can have eachchaque pixelpixel
258
731000
2000
Vous pouvez faire que chaque pixel
12:28
havingayant an inputcontribution that comesvient from people,
259
733000
2000
reçoive une commande provenant des gens,
12:30
from people'sles gens movementmouvement, or so and so.
260
735000
2000
des mouvements des gens, etc.
12:32
I want to showmontrer you something here for the first time.
261
737000
3000
Je veux vous montrer une chose ici pour la première fois.
12:35
We'veNous avons been workingtravail with RobertoRoberto BolleBolle,
262
740000
2000
Nous avons travaillé avec Roberto Bolle.
12:37
one of today'saujourd'hui topHaut balletballet dancersdanseurs --
263
742000
2000
un des meilleurs danseurs de ballet d'aujourd'hui --
12:39
the étoiletoile at MetropolitanMétropolitaines in NewNouveau YorkYork
264
744000
2000
danseur étoile au Metropolitan de New York
12:41
and LaLa ScalaScala in MilanMilan --
265
746000
2000
et à la Scala de Milan --
12:43
and actuallyréellement capturedcapturé his movementmouvement in 3D
266
748000
2000
et avons en fait capturé son mouvement en 3D
12:45
in ordercommande to use it as an inputcontribution for FlyfireFlyfire.
267
750000
3000
pour l'utiliser comme information pour le Flyfire.
12:48
And here you can see RobertoRoberto dancingdansant.
268
753000
3000
Et ici vous pouvez voir Roberto danser.
12:53
You see on the left the pixelspixels,
269
758000
2000
Vous voyez les pixels à gauche,
12:55
the differentdifférent resolutionsrésolutions beingétant capturedcapturé.
270
760000
2000
alors que les différentes résolutions sont capturées.
12:57
It's bothtous les deux 3D scanningbalayage in realréal time
271
762000
2000
C'est à la fois un scan 3D en temps réel
12:59
and motionmouvement captureCapturer.
272
764000
3000
et une capture de mouvement.
13:03
So you can reconstructreconstruire a wholeentier movementmouvement.
273
768000
3000
On peut donc reconstruire un mouvement entier.
13:10
You can go all the way throughpar.
274
775000
3000
On peut faire tout ça.
13:16
But then, onceune fois que we have the pixelspixels, then you can playjouer with them
275
781000
2000
Mais ensuite, une fois que nous avons les pixels, nous pouvons jouer avec
13:18
and playjouer with colorCouleur and movementmouvement
276
783000
3000
et jouer avec la couleur et le mouvement
13:21
and gravityla gravité and rotationrotation.
277
786000
3000
et la gravité et la rotation.
13:24
So we want to use this as one of the possiblepossible inputscontributions
278
789000
2000
Nous voulons donc l'utiliser comme une des sources d'informations
13:26
for FlyfireFlyfire.
279
791000
2000
à envoyer au Flyfire.
13:47
I wanted to showmontrer you the last projectprojet we are workingtravail on.
280
812000
2000
Je voulais vous montrer le dernier projet sur lequel nous travaillons.
13:49
It's something we're workingtravail on for the LondonLondres OlympicsJeux olympiques.
281
814000
2000
C'est une chose sur laquelle nous travaillons pour les jeux olympiques de Londres.
13:51
It's calledappelé The CloudNuage.
282
816000
2000
Ça s'appelle le nuage.
13:53
And the ideaidée here is, imagineimaginer, again,
283
818000
2000
Et l'idée ici est que imaginez encore une fois,
13:55
we can involveimpliquer people
284
820000
2000
que nous pouvons impliquer les gens
13:57
in doing something and changingen changeant our environmentenvironnement --
285
822000
3000
pour qu'ils fassent quelque chose pour changer notre environnement --
14:00
almostpresque to impartrépandre des what we call cloudnuage raisingélevage --
286
825000
2000
presque pour communiquer ce que nous appelons une construction de nuage --
14:02
like barnGrange raisingélevage, but with a cloudnuage.
287
827000
2000
comme une construction de grange, mais avec un nuage.
14:04
ImagineImaginez you can have everybodyTout le monde make a smallpetit donationdon for one pixelpixel.
288
829000
4000
Imagines que vous pouvez faire que tout le monde donne quelque chose pour un pixel.
14:08
And I think what is remarkableremarquable
289
833000
2000
Et je pense que ce qui est remarquable
14:10
that has happenedarrivé over the pastpassé couplecouple of yearsannées
290
835000
2000
et qui s'est produit ces deux dernières années
14:12
is that, over the pastpassé couplecouple of decadesdécennies,
291
837000
2000
c'est que, au cours des 20 dernières années,
14:14
we wentest allé from the physicalphysique worldmonde to the digitalnumérique one.
292
839000
3000
nous sommes passés du monde physique au monde numérique.
14:17
This has been digitizingnumériser everything, knowledgeconnaissance,
293
842000
2000
Tout a été numérisé, le savoir,
14:19
and makingfabrication that accessibleaccessible throughpar the InternetInternet.
294
844000
2000
et tout a été rendu accessible par internet.
14:21
Now todayaujourd'hui, for the first time --
295
846000
2000
Aujourd'hui, pour la première fois -
14:23
and the ObamaObama campaigncampagne showedmontré us this --
296
848000
2000
et la campagne d'Obama nous l'a montré -
14:25
we can go from the digitalnumérique worldmonde,
297
850000
2000
nous pouvons passer du monde numérique,
14:27
from the self-organizingauto-organisation powerPuissance of networksréseaux,
298
852000
2000
du pouvoir des réseaux à s'auto-organiser
14:29
to the physicalphysique one.
299
854000
2000
au monde physique.
14:31
This can be, in our caseCas,
300
856000
2000
Dans notre cas, cela peut être
14:33
we want to use it for designingconception and doing a symbolsymbole.
301
858000
2000
que nous voulons l'utiliser pour concevoir et faire un symbole.
14:35
That meansveux dire something builtconstruit in a cityville.
302
860000
2000
Cela veut dire quelque chose de construit dans une ville.
14:37
But tomorrowdemain it can be,
303
862000
2000
Mais demain, cela peut être,
14:39
in ordercommande to tackletacle today'saujourd'hui pressingpressage challengesdéfis --
304
864000
3000
pour s'attaquer aux problèmes qui s'annoncent --
14:42
think about climateclimat changechangement or COCO2 emissionsles émissions --
305
867000
2000
pensez au changement climatique ou aux émissions de CO2 --
14:44
how we can go from the digitalnumérique worldmonde to the physicalphysique one.
306
869000
3000
comment nous pouvons passer du monde numérique au monde physique.
14:47
So the ideaidée that we can actuallyréellement involveimpliquer people
307
872000
2000
D'où l'idée que nous pouvons vraiment impliquer les gens
14:49
in doing this thing togetherensemble, collectivelycollectivement.
308
874000
2000
pour faire cette chose ensemble, collectivement.
14:51
The cloudnuage is a cloudnuage, again, madefabriqué of pixelspixels,
309
876000
3000
Le nuage est un nuage, une fois encore, fait de pixels
14:54
in the sameMême way as the realréal cloudnuage
310
879000
2000
de la même façon que le vrai nuage
14:56
is a cloudnuage madefabriqué of particlesdes particules.
311
881000
2000
est un nuage fait de particules.
14:58
And those particlesdes particules are watereau,
312
883000
2000
Et ces particules sont de l'eau,
15:00
where our cloudnuage is a cloudnuage of pixelspixels.
313
885000
2000
alors que notre nuage est un nuage de pixels.
15:02
It's a physicalphysique structurestructure in LondonLondres, but coveredcouvert with pixelspixels.
314
887000
3000
C'est une structure physique à Londres, mais couverte de pixels.
15:05
You can movebouge toi insideà l'intérieur, have differentdifférent typesles types of experiencesexpériences.
315
890000
2000
Vous pouvez vous déplaçer à l'intérieur, faire différentes sortes de choses.
15:07
You can actuallyréellement see from underneathsous,
316
892000
2000
Vous pouvez vraiment voir par en-dessous,
15:09
sharingpartage the mainprincipale momentsdes moments
317
894000
2000
partager les principaux moments
15:11
for the OlympicsJeux olympiques in 2012 and beyondau-delà,
318
896000
3000
des jeux Olympiques de 2012 et au-delà,
15:14
and really usingen utilisant it as a way to connectrelier with the communitycommunauté.
319
899000
4000
et vraiment l'utiliser comme un moyen de vous connecter à la communauté.
15:18
So bothtous les deux the physicalphysique cloudnuage in the skyciel
320
903000
4000
Donc à la fois le nuage physique dans le ciel
15:22
and something you can go to the topHaut [of],
321
907000
3000
et une chose sur laquelle vous pouvez monter,
15:25
like London'sDe Londres newNouveau mountaintopSommet de montagne.
322
910000
2000
comme le nouveau sommet de la montagne de Londres.
15:27
You can enterentrer insideà l'intérieur it.
323
912000
2000
Vous pouvez entrer dedans.
15:29
And a kindgentil of newNouveau digitalnumérique beaconBeacon for the night --
324
914000
3000
Un nouveau genre de balise nocturne -
15:32
but mostles plus importantlyimportant,
325
917000
2000
mais plus important
15:34
a newNouveau typetype of experienceexpérience for anybodyn'importe qui who will go to the topHaut.
326
919000
3000
un nouveau genre d'expérience pour quiconque ira jusqu'au sommet.
15:37
Thank you.
327
922000
2000
Merci.
15:39
(ApplauseApplaudissements)
328
924000
2000
(Applaudissements)
Translated by Elisabeth Buffard
Reviewed by Karine AUBRY

▲Back to top

ABOUT THE SPEAKER
Carlo Ratti - Architect and engineer
Carlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment.

Why you should listen

Carlo Ratti is a civil engineer and architect who teaches at the Massachusetts Institute of Technology, where he directs the SENSEable City Laboratory. This lab studies the built environment of cities -- from street grids to plumbing and garbage systems -- using new kinds of sensors and hand-held electronics that have transformed the way we can describe and understand cities.

Other projects flip this equation -- using data gathered from sensors to actually create dazzling new environments. The Digital Water Pavilion, for instance, reacts to visitors by parting a stream of water to let them visit. And a project for the 2012 Olympics in London turns a pavilion building into a cloud of blinking interactive art. He's opening a research center in Singapore as part of an MIT-led initiative on the Future of Urban Mobility.

For more information on the projects in this talk, visit SENSEable @ TED >>

More profile about the speaker
Carlo Ratti | Speaker | TED.com