TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
James Bridle: Les vidéos cauchemardesques de YouTube pour enfants -- et ce qui ne va pas avec internet actuellement
Filmed:
Readability: 4.1
5,404,429 views
L'écrivain et artiste James Bridle révèle un recoin sombre et étrange d'internet où des gens ou groupes inconnus sur YouTube s'introduisent dans le cerveau de jeunes enfants contre des revenus publicitaires. Des révélations des « œufs surprise » à « la chanson de la famille des doigts » en passant par des personnages de dessins animés familiers dans des situations violentes, ces vidéos exploitent et terrifient les jeunes esprits -- et sont révélatrices d'où va notre monde dirigé par les données.
« Nous devons arrêter de voir la technologie comme une solution à tous nos problèmes et la voir comme un guide vers ce que sont ces problèmes, afin de pouvoir y réfléchir correctement et y remédier », dit James Bridle.
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
Je m'appelle James.
00:13
I'm a writer and artist,
1
1984
1686
Je suis écrivain et artiste,
00:15
and I make work about technology.
2
3694
2341
et je créé des œuvres sur la technologie.
Je fais des choses
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
comme dessiner le contour
de drones militaires à taille réelle
de drones militaires à taille réelle
00:22
in city streets around the world,
4
10389
1828
dans des rues à travers le monde
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
afin que les gens commencent
à réfléchir et à comprendre
à réfléchir et à comprendre
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
ces technologies difficiles à voir
et difficiles à imaginer.
et difficiles à imaginer.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
Je fais des choses telles que
des réseaux neuronaux
des réseaux neuronaux
prévoyant le résultat des élections
00:35
based on weather reports,
8
23354
1737
selon les bulletins météo
00:37
because I'm intrigued about
9
25115
1314
car les réelles possibilités
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
de ces étranges et nouvelles
technologies m'intriguent.
technologies m'intriguent.
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
L'année dernière, j'ai créé
ma voiture autonome.
ma voiture autonome.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
Puisque je ne fais pas
confiance à la technologie,
confiance à la technologie,
00:48
I also designed a trap for it.
13
36405
1928
j'ai également conçu un piège.
00:50
(Laughter)
14
38777
1086
(Rires)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
Je fais ces choses surtout
car je les trouve très fascinantes
car je les trouve très fascinantes
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
et car je pense que
quand nous parlons de technologie,
quand nous parlons de technologie,
00:58
we're largely talking about ourselves
17
46835
2619
nous parlons principalement de nous-mêmes
01:01
and the way that we understand the world.
18
49478
2299
et comment nous comprenons le monde.
01:03
So here's a story about technology.
19
51801
2442
Voici une histoire au sujet
de la technologie.
de la technologie.
01:07
This is a "surprise egg" video.
20
55520
2830
C'est une vidéo « œuf surprise ».
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
C'est une vidéo de quelqu'un ouvrant
un tas d’œufs en chocolat
un tas d’œufs en chocolat
01:13
and showing the toys inside to the viewer.
22
61746
2126
et montrant les jeux
à l'intérieur au spectateur.
à l'intérieur au spectateur.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
C'est tout. C'est ce qu'elle fait
pendant sept longues minutes.
pendant sept longues minutes.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
Je veux que vous remarquiez deux choses.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
Tout d'abord, cette vidéo
a 30 millions de vues.
a 30 millions de vues.
01:26
(Laughter)
26
74601
1275
(Rires)
01:28
And the other thing is,
27
76376
1166
Et l'autre chose est
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
qu'elle vient d'une chaîne
qui a 6,3 millions d'abonnés,
qui a 6,3 millions d'abonnés,
01:33
that has a total of eight billion views,
29
81459
2680
huit milliards de vues au total
01:36
and it's all just more videos like this --
30
84163
3106
et il ne s'agit que de vidéos
comme celle-ci --
comme celle-ci --
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
30 millions de personnes
regardant quelqu'un ouvrir ces œufs.
regardant quelqu'un ouvrir ces œufs.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
Cela semble bizarre, mais si vous cherchez
« œuf surprise » sur YouTube,
« œuf surprise » sur YouTube,
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
il vous dira qu'il y a
10 millions de vidéos
10 millions de vidéos
01:52
and I think that's an undercount.
34
100240
1657
et c'est une sous-estimation.
01:53
I think there's way, way more of these.
35
101921
1897
Je crois qu'il y en a bien plus.
01:55
If you keep searching, they're endless.
36
103842
2242
Si vous continuez à chercher,
c'est sans fin.
c'est sans fin.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
Il y a des millions
et des millions de ces vidéos
et des millions de ces vidéos
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
dans des combinaisons de plus en plus
baroques de marques et de contenu
baroques de marques et de contenu
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
et il y en a de plus en plus
téléchargées chaque jour.
téléchargées chaque jour.
02:07
Like, this is a strange world. Right?
40
115639
3511
C'est un monde étrange, n'est-ce pas ?
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
Le fait est que ce ne sont pas des adultes
qui regardent ces vidéos.
qui regardent ces vidéos.
02:14
It's kids, small children.
42
122581
2921
Ce sont des enfants, de jeunes enfants.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
Ces vidéos sont une drogue
pour les enfants.
pour les enfants.
02:19
There's something about the repetition,
44
127704
2075
Il y a quelque chose dans la répétition,
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
dans la bouffée constante
de dopamine à la révélation,
de dopamine à la révélation,
02:24
that completely hooks them in.
46
132295
1866
qui les rend accros.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
Et les jeunes enfants regardent
ces vidéos encore et encore,
ces vidéos encore et encore,
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
pendant des heures et des heures.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
Si vous essayez de leur enlever l'écran,
02:35
they'll scream and scream and scream.
50
143749
1782
ils vont crier sans fin.
02:37
If you don't believe me --
51
145555
1262
Si vous ne me croyez pas --
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
j'ai vu des gens
dans le public acquiescer --
dans le public acquiescer --
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
si vous ne me croyez pas, demandez
à quelqu'un avec de jeunes enfants
à quelqu'un avec de jeunes enfants
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
et ils connaîtront
les vidéos d’œufs surprise.
les vidéos d’œufs surprise.
02:47
So this is where we start.
55
155251
2070
C'est là que nous commençons.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
Nous sommes en 2018
et quelqu'un, beaucoup de monde,
et quelqu'un, beaucoup de monde,
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
utilise le même mécanisme
que Facebook et Instagram utilisent
que Facebook et Instagram utilisent
02:56
to get you to keep checking that app,
58
164976
1989
pour vous garder sur l'application
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
et l'utilise sur YouTube pour s'introduire
dans le cerveau de jeunes enfants
dans le cerveau de jeunes enfants
03:02
in return for advertising revenue.
60
170998
1958
en échange de revenus publicitaires.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
J'espère que telle est leur motivation.
03:08
I hope that's what they're doing it for,
62
176371
1955
J'espère qu'ils le font pour cela
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
car il y a des moyens plus simples d'avoir
des revenus publicitaires sur YouTube.
des revenus publicitaires sur YouTube.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
Vous pouvez inventer ou voler des trucs.
Si vous cherchez
des dessins animés populaires
des dessins animés populaires
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
comme « Peppa Pig »
ou « La Pat' Patrouille »,
ou « La Pat' Patrouille »,
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
vous trouverez des millions
et millions de ces vidéos en ligne.
et millions de ces vidéos en ligne.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
La plupart ne sont pas postées
par les créateurs du contenu original.
par les créateurs du contenu original.
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
Elles viennent de tout un tas
de différents comptes aléatoires
de différents comptes aléatoires
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
et il est impossible
de savoir qui les poste
de savoir qui les poste
03:34
or what their motives might be.
71
202209
1822
ou quelles sont leurs motivations.
03:36
Does that sound kind of familiar?
72
204428
1930
Cela semble-t-il familier ?
03:38
Because it's exactly the same mechanism
73
206382
1980
Car c'est également le même mécanisme
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
qui a lieu pour la majorité
de nos services numériques,
de nos services numériques,
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
où il est impossible de savoir
d'où provient cette information.
d'où provient cette information.
03:46
It's basically fake news for kids,
76
214241
1829
Ce sont des « fake news »
pour les enfants
pour les enfants
03:48
and we're training them from birth
77
216094
2161
et nous leur apprenons dès la naissance
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
à cliquer sur le premier lien qui vient,
03:52
regardless of what the source is.
79
220809
1953
peu importe sa source.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
Cela ne semble pas être
une super bonne idée.
une super bonne idée.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
Une autre chose très populaire
sur YouTube pour enfants :
sur YouTube pour enfants :
04:01
This is called the "Finger Family Song."
82
229133
1928
« La chanson de la famille des doigts ».
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
J'ai entendu quelqu'un
grogner dans le public.
grogner dans le public.
04:05
This is the "Finger Family Song."
84
233127
1624
C'est « la famille des doigts ».
04:06
This is the very first one I could find.
85
234775
1930
C'est la première que j'ai pu trouver.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
Elle est de 2007
et a seulement 200 000 vues,
et a seulement 200 000 vues,
04:11
which is, like, nothing in this game.
87
239582
1976
ce qui n'est rien.
04:13
But it has this insanely earwormy tune,
88
241582
2852
Il y a cette mélodie
incroyablement entêtante,
incroyablement entêtante,
04:16
which I'm not going to play to you,
89
244458
1682
que je ne vais pas vous passer,
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
car elle s'incrustera dans votre cerveau
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
comme elle s'est incrustée dans le mien
04:22
and I'm not going to do that to you.
92
250615
1770
et je ne vais pas vous faire ça.
04:24
But like the surprise eggs,
93
252409
1344
Mais comme les œufs surprise,
04:25
it's got inside kids' heads
94
253777
2164
elle est entrée dans la tête des enfants
04:27
and addicted them to it.
95
255965
1607
et les a rendus accros.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
En quelques années,
ces vidéos de la famille des doigts
ces vidéos de la famille des doigts
04:32
start appearing everywhere,
97
260151
1303
sont apparues partout
et il y a des versions
dans différentes langues,
dans différentes langues,
04:33
and you get versions
in different languages
in different languages
98
261478
2029
04:35
with popular kids' cartoons using food
99
263531
2121
avec des dessins animés
populaires, avec de la nourriture
populaires, avec de la nourriture
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
ou n'importe quel élément d'animation
qui leur tombe sous la main.
04:40
you seem to have lying around.
101
268250
2252
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
De nouveau, il y a des millions de vidéos
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
disponibles en ligne
avec toutes ces combinaisons folles.
avec toutes ces combinaisons folles.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
Plus vous passez de temps dessus,
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
plus vous avez l'impression d'être fou.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
C'est à ce moment-là
que je me suis lancé là-dedans,
que je me suis lancé là-dedans,
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
ce sentiment profond d'étrangeté
et ce profond manque de compréhension
et ce profond manque de compréhension
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
quant à comment était construite
la chose qui se présentait autour de moi.
la chose qui se présentait autour de moi.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
Car il est impossible de savoir
d'où viennent ces choses.
d'où viennent ces choses.
05:12
Like, who is making them?
110
300089
1241
Qui les crée ?
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
Elles semblent parfois créées par
des équipes d'animateurs professionnels,
des équipes d'animateurs professionnels,
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
parfois assemblées
aléatoirement par un logiciel,
aléatoirement par un logiciel,
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
parfois elles semblent être créées
par de vrais artistes pour enfants.
par de vrais artistes pour enfants.
05:23
And some of them are from people
114
311704
1552
Certaines sont clairement de gens
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
qui ne devraient pas
s'approcher d'enfants.
s'approcher d'enfants.
05:28
(Laughter)
116
316311
1615
(Rires)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
De nouveau, cette impossibilité
de découvrir qui crée ces choses --
de découvrir qui crée ces choses --
05:35
like, this is a bot?
118
323651
1156
est-ce un bot ?
05:36
Is this a person? Is this a troll?
119
324831
2647
Est-ce une personne ? Est-ce un troll ?
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
Qu'est-ce que cela signifie
que nous ne puissions plus
que nous ne puissions plus
05:41
between these things anymore?
121
329908
1583
différencier ces choses ?
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
Cette incertitude ne semble-t-elle pas
familière actuellement ?
familière actuellement ?
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
La façon dont les gens
ont des vues sur leurs vidéos --
ont des vues sur leurs vidéos --
05:52
and remember, views mean money --
124
340749
1707
les vues, ce sont de l'argent --
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
est de farcir les titres de ces vidéos
avec des mots populaires.
avec des mots populaires.
05:59
So you take, like, "surprise eggs"
126
347246
1687
Vous prenez « œufs surprise »
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
et « La Pat' Patrouille »,
« œuf de Pâques »
« œuf de Pâques »
06:03
or whatever these things are,
128
351047
1393
ou quoi que ce soit d'autre,
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
tous ces mots issus d'autres vidéos
populaires dans votre titre
populaires dans votre titre
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
jusqu'à finir avec ce mélange
linguistique dénué de sens
linguistique dénué de sens
06:10
that doesn't make sense to humans at all.
131
358373
2498
qui n'a aucun sens pour les êtres humains.
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
Car seuls les jeunes enfants
regardent votre vidéo
regardent votre vidéo
06:16
and what the hell do they know?
133
364465
1827
et qu'en savent-ils ?
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
Votre vrai public
pour ces choses-là est logiciel.
pour ces choses-là est logiciel.
06:21
It's the algorithms.
135
369347
1156
Ce sont les algorithmes.
06:22
It's the software that YouTube uses
136
370527
1855
C'est le logiciel que YouTube utilise
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
pour sélectionner quelles vidéos
sont comme les autres,
sont comme les autres,
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
pour les rendre populaires,
les recommander.
les recommander.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
C'est pourquoi vous finissez avec
ce mélange complètement dénué de sens
ce mélange complètement dénué de sens
06:32
both of title and of content.
140
380665
2071
à la fois dans le titre et le contenu.
06:35
But the thing is, you have to remember,
141
383792
1894
Le fait est, rappelez-vous,
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
il y a encore des gens au sein
de ce système optimisé par algorithme
de ce système optimisé par algorithme
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
qui sont de plus en plus forcés
à mettre en scène
à mettre en scène
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
ces combinaisons de mots
de plus en plus bizarres,
de plus en plus bizarres,
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
tels des artistes d'improvisation
désespérés répondant aux cris
désespérés répondant aux cris
06:53
of a million toddlers at once.
146
401313
2203
d'un million d'enfants en même temps.
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
Il y a de vraies personnes
piégées dans ces systèmes
piégées dans ces systèmes
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
et c'est l'autre aspect étrange
de cette culture
dirigée par les algorithmes
dirigée par les algorithmes
car si vous êtes un être humain,
07:03
because even if you're human,
149
411739
1381
07:05
you have to end up behaving like a machine
150
413144
2145
vous devez agir comme une machine
07:07
just to survive.
151
415313
1800
pour survivre.
07:09
And also, on the other side of the screen,
152
417137
2100
De l'autre côté de l'écran,
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
il y a encore de jeunes enfants
regardant ces trucs,
regardant ces trucs,
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
coincés, toute leur attention attirée
par ces étranges mécanismes.
par ces étranges mécanismes.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
Ces enfants sont trop petits
pour utiliser un site internet.
pour utiliser un site internet.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
Ils se contentent de taper
sur l'écran avec leurs petites mains.
sur l'écran avec leurs petites mains.
07:24
And so there's autoplay,
157
432890
1217
Il y a la lecture automatique,
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
qui continue à lire ces vidéos
en boucle de façon constante,
en boucle de façon constante,
07:29
endlessly for hours and hours at a time.
159
437734
2059
sans cesse durant
des heures et des heures.
des heures et des heures.
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
Il y a maintenant tellement
d'étrangeté dans le système
d'étrangeté dans le système
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
que la lecture automatique vous mène
à des endroits étranges.
à des endroits étranges.
07:37
This is how, within a dozen steps,
162
445717
2488
C'est ainsi qu'en une dizaine d'étapes,
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
vous pouvez passer d'une vidéo mignonne
d'un train qui compte
d'un train qui compte
07:43
to masturbating Mickey Mouse.
164
451411
2442
à Mickey Mouse se masturbant.
07:46
Yeah. I'm sorry about that.
165
454529
2288
Oui. Je suis désolé.
07:48
This does get worse.
166
456841
1700
Il y a pire.
07:50
This is what happens
167
458565
1282
Voici ce qu'il se passe
07:51
when all of these different keywords,
168
459871
3086
quand tous ces mots-clés,
07:54
all these different pieces of attention,
169
462981
2461
tous ces éléments d'attention,
07:57
this desperate generation of content,
170
465466
2807
cette génération désespérée de contenu,
08:00
all comes together into a single place.
171
468297
2582
sont réunis en un seul endroit.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
Voici où tous ces mots-clés très étranges
se retournent contre vous.
se retournent contre vous.
08:08
You cross-breed the finger family video
173
476367
2391
Vous croisez la vidéo
de la famille des doigts
de la famille des doigts
08:10
with some live-action superhero stuff,
174
478782
2088
avec un truc de super-héros en direct,
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
ajoutez des blagues bizarres et de troll
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
et soudain vous arrivez
dans un lieu très étrange.
dans un lieu très étrange.
08:19
The stuff that tends to upset parents
177
487564
2113
Ce qui a tendance à déranger les parents
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
est le contenu violent
ou sexuel, n'est-ce pas ?
ou sexuel, n'est-ce pas ?
08:25
Children's cartoons getting assaulted,
179
493056
2822
Les personnages pour enfants
se faisant agresser,
se faisant agresser,
08:27
getting killed,
180
495902
2018
se faisant tuer,
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
des plaisanteries étranges
qui terrifient les enfants.
qui terrifient les enfants.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
Vous avez un logiciel qui recherche
toutes ces différentes influences
toutes ces différentes influences
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
pour générer automatiquement
les pires cauchemars des enfants.
les pires cauchemars des enfants.
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
Cela affecte vraiment les jeunes enfants.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
Les parents déclarent
leurs enfants traumatisés,
leurs enfants traumatisés,
08:45
becoming afraid of the dark,
186
513610
1392
développant une peur du noir,
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
une peur de leurs personnages
de dessins animés préférés.
de dessins animés préférés.
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
Si vous retenez une chose de ceci,
c'est que si vous avez de jeunes enfants,
c'est que si vous avez de jeunes enfants,
08:54
keep them the hell away from YouTube.
189
522159
1996
tenez-les éloignés de YouTube.
08:56
(Applause)
190
524743
3949
(Applaudissements)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
Mais l'autre chose,
ce qui m'atteint vraiment,
ce qui m'atteint vraiment,
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
est que je ne suis pas sûr
que nous comprenions
comment nous en sommes arrivés là.
comment nous en sommes arrivés là.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
Nous avons pris l'influence
de toutes ces choses
de toutes ces choses
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
et créé un mélange
que personne n'avait l'intention de faire.
que personne n'avait l'intention de faire.
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
Pourtant, c'est aussi la façon
dont nous créons le monde entier.
dont nous créons le monde entier.
09:20
We're taking all of this data,
196
548063
1773
Nous prenons toutes ces données,
09:21
a lot of it bad data,
197
549860
1447
beaucoup de mauvaises données,
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
beaucoup de données historiques
pleines de préjugés,
pleines de préjugés,
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
pleines de nos pires pulsions
au cours de l'histoire,
au cours de l'histoire,
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
et en faisons d'énormes
ensembles de données
ensembles de données
09:31
and then we're automating it.
201
559318
1423
et les automatisons.
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
Nous les incluons à des choses
comme les rapports de crédit,
comme les rapports de crédit,
09:36
into insurance premiums,
203
564291
1634
les primes d'assurance,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
des systèmes de prévision policière,
09:40
into sentencing guidelines.
205
568666
1762
des directives
de détermination des peines.
de détermination des peines.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
Aujourd'hui, nous construisons le monde
09:45
out of this data.
207
573297
1151
à partir de ces données.
09:46
And I don't know what's worse,
208
574472
1698
Je ne sais pas ce qui est le pire :
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
que nous créions un système
semblant entièrement optimisé
semblant entièrement optimisé
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
pour les pires aspects
du comportement humain
du comportement humain
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
ou que nous l'ayons fait par accident,
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
sans même réaliser que nous le faisions
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
car nous ne comprenions pas vraiment
les systèmes que nous créions
les systèmes que nous créions
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
et nous ne comprenions pas vraiment
comment faire les choses autrement.
comment faire les choses autrement.
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
Il y a deux choses qui,
à mon avis, semblent stimuler cela
à mon avis, semblent stimuler cela
10:10
most fully on YouTube,
216
598158
1189
principalement sur YouTube
10:11
and the first of those is advertising,
217
599371
1827
et la première est la publicité,
10:13
which is the monetization of attention
218
601222
2837
la monétisation de l'attention
10:16
without any real other variables at work,
219
604083
3136
sans autre réelle variable à l’œuvre,
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
sans s'inquiéter des personnes
qui élaborent ce contenu,
qui élaborent ce contenu,
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
la centralisation du pouvoir,
la séparation de ces choses-là.
la séparation de ces choses-là.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
Je pense que peu importe votre avis
sur l'utilisation de la publicité
sur l'utilisation de la publicité
10:29
to kind of support stuff,
223
617980
1238
pour subventionner cela,
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
la vision d'hommes adultes en couche
se roulant dans le sable
se roulant dans le sable
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
en espérant qu'un algorithme
qu'ils ne comprennent pas vraiment
qu'ils ne comprennent pas vraiment
10:37
will give them money for it
226
625340
1315
leur donnera de l'argent
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
suggère que ce n'est probablement pas
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
ce sur quoi nous devrions baser
notre société et culture
notre société et culture
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
ni la façon dont
nous devrions les financer.
nous devrions les financer.
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
L'autre facteur-clé est l'automatisation,
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
le déploiement
de toute cette technologie
de toute cette technologie
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
dès qu'elle arrive, sans supervision,
10:53
and then once it's out there,
233
641952
1412
et, une fois disponible,
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
nous levons les mains et disons :
« Ce n'est pas nous,
c'est la technologie. »
c'est la technologie. »
10:59
Like, "We're not involved in it."
235
647255
1642
Comme si nous n'étions pas impliqués.
11:00
That's not really good enough,
236
648921
1767
Cela ne suffit pas
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
car ces trucs ne sont pas que
dirigés par des algorithmes,
dirigés par des algorithmes,
11:05
it's also algorithmically policed.
238
653446
2498
ils sont surveillés par des algorithmes.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
Quand YouTube a commencé
à prêter attention à cela,
à prêter attention à cela,
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
ils ont d'abord dit vouloir
déployer de meilleurs algorithmes
d'apprentissage automatique
d'apprentissage automatique
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
11:15
to moderate the content.
242
663670
1329
pour modérer le contenu.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
L'apprentissage automatique,
comme vous le dirait
n'importe quel expert,
n'importe quel expert,
11:20
is basically what we've started to call
244
668532
1896
est ce que nous appelons
un logiciel dont nous
ne comprenons pas le fonctionnement.
ne comprenons pas le fonctionnement.
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
Nous en avons déjà assez.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
Nous ne devrions pas laisser l'IA décider
11:32
what's appropriate or not,
248
680261
1251
ce qui est approprié ou pas,
11:33
because we know what happens.
249
681536
1436
nous savons ce qu'il se passe.
11:34
It'll start censoring other things.
250
682996
1688
Il va censurer d'autres choses.
11:36
It'll start censoring queer content.
251
684708
1783
Il va censurer le contenu queer.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
Il va censurer
un discours public légitime.
un discours public légitime.
11:40
What's allowed in these discourses,
253
688776
1925
Ce qui est autorisé dans ces discours
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
ne devrait pas dépendre de systèmes
inexplicables et irresponsables.
inexplicables et irresponsables.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
Cela fait partie d'une discussion
nous devrions tous avoir.
nous devrions tous avoir.
11:48
But I'd leave a reminder
256
696817
1308
Je vais également rappeler
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
que l'alternative
n'est pas très plaisante non plus.
n'est pas très plaisante non plus.
11:52
YouTube also announced recently
258
700926
1535
YouTube a récemment annoncé
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
la mise en ligne d'une version
de l'application pour enfants
de l'application pour enfants
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
entièrement modérée
par des êtres humains.
par des êtres humains.
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
Facebook, Zuckerberg a dit
la même chose au Congrès
la même chose au Congrès
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
quand on lui a demandé comment
ils allaient modérer leur contenu :
ils allaient modérer leur contenu :
12:06
He said they'd have humans doing it.
263
714787
1747
des êtres humains le feraient.
12:08
And what that really means is,
264
716558
1459
Cela signifie
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
que plutôt que ces choses soient vues
d'abord par des enfants,
d'abord par des enfants,
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
il y aura des travailleurs
contractuels sous-payés
contractuels sous-payés
12:16
without proper mental health support
267
724100
1726
sans soutien psychologique adéquat
12:17
being damaged by it as well.
268
725850
1376
auxquels elles nuiront aussi.
12:19
(Laughter)
269
727250
1096
(Rires)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
Nous pouvons tous faire
bien mieux que cela.
bien mieux que cela.
12:22
(Applause)
271
730995
2499
(Applaudissements)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
L'idée qui, pour moi, relie vraiment
ces deux choses ensemble
ces deux choses ensemble
12:30
is agency.
273
738705
1420
est la capacité d'action.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
Combien nous comprenons vraiment --
par capacité d'action, je parle
par capacité d'action, je parle
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
de comment nous savons
comment agir dans notre intérêt.
comment agir dans notre intérêt.
12:39
Which -- it's almost impossible to do
276
747744
1787
C'est presque impossible à faire
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
dans ces systèmes que
nous ne comprenons pas complètement.
nous ne comprenons pas complètement.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
L'inégalité des pouvoirs
mène toujours à la violence.
mène toujours à la violence.
12:48
And we can see inside these systems
279
756159
1685
Nous voyons au sein de ces systèmes
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
que l'inégalité de compréhension
fait la même chose.
fait la même chose.
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
S'il y a une chose que nous pouvons faire
pour améliorer ces systèmes,
pour améliorer ces systèmes,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
c'est les rendre plus lisibles
pour leurs utilisateurs
pour leurs utilisateurs
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
afin que nous partagions une compréhension
13:01
of what's actually going on here.
284
769268
1851
de ce qu'il se passe.
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
Le fait est que je pense
que le problème avec ces systèmes
que le problème avec ces systèmes
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
est que, j'espère l'avoir expliqué,
qu'il ne s'agit pas vraiment de YouTube.
qu'il ne s'agit pas vraiment de YouTube.
13:10
It's about everything.
287
778843
1312
Il s'agit de tout.
13:12
These issues of accountability and agency,
288
780179
2444
Ces problèmes de responsabilité
et capacité d'action,
et capacité d'action,
13:14
of opacity and complexity,
289
782647
2225
d'opacité et de complexité,
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
de violence et d'exploitation
qui résultent de façon inhérente
qui résultent de façon inhérente
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
de la concentration du pouvoir
dans quelques mains --
dans quelques mains --
13:22
these are much, much larger issues.
292
790915
2579
ce sont des problèmes bien plus larges.
Ce ne sont pas des problèmes
que pour YouTube
que pour YouTube
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
mais pour la technologie en général
et ils ne sont pas nouveaux.
13:30
and they're not even new.
294
798106
1265
13:31
They've been with us for ages.
295
799395
1461
Ils existent depuis toujours.
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
Nous avons finalement créé ce système,
ce système mondial, internet,
ce système mondial, internet,
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
qui nous les montre
de façon extraordinaire,
de façon extraordinaire,
13:40
making them undeniable.
298
808337
1547
les rendant incontestables.
13:41
Technology has this extraordinary capacity
299
809908
2820
La technologie a
cette capacité extraordinaire
cette capacité extraordinaire
13:44
to both instantiate and continue
300
812752
3973
à instancier et à maintenir
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
tous nos désirs et préjugés
les plus extraordinaires et cachés
les plus extraordinaires et cachés
13:53
and encoding them into the world,
302
821021
1866
et à les encoder dans le monde,
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
mais également à les écrire
afin que nous les voyions,
afin que nous les voyions,
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
afin que nous ne puissions pas
prétendre qu'ils n'existent plus.
prétendre qu'ils n'existent plus.
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
Nous devons arrêter de voir la technologie
comme la solution à tous nos problèmes
comme la solution à tous nos problèmes
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
et la voir comme un guide
vers ce que sont nos problèmes
vers ce que sont nos problèmes
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
afin de pouvoir y réfléchir correctement
14:12
and start to address them.
308
840055
1766
et commencer à y remédier.
14:13
Thank you very much.
309
841845
1335
Merci beaucoup.
14:15
(Applause)
310
843204
5192
(Applaudissements)
14:21
Thank you.
311
849733
1188
Merci.
14:22
(Applause)
312
850945
2869
(Applaudissements)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
Helen Walter : James, merci d'être venu
et d'être intervenu ainsi.
et d'être intervenu ainsi.
14:32
So it's interesting:
314
860041
1189
C'est intéressant :
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
quand vous pensez aux films
où des robots envahissent le monde,
où des robots envahissent le monde,
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
c'est un peu plus glamour
que ce que vous décrivez.
que ce que vous décrivez.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
Je me demande -- dans ces films,
la résistance s'organise.
la résistance s'organise.
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
Y a-t-il une résistance qui s'organise
au sujet de ces choses-là ?
au sujet de ces choses-là ?
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
Voyez-vous des signes positifs,
des précurseurs d'une résistance ?
des précurseurs d'une résistance ?
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
James Bridle : Une résistance
directe, je ne sais pas,
directe, je ne sais pas,
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
car ce sont des choses à très long terme.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
C'est intégré à la culture
très profondément.
très profondément.
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
Une amie à moi,
Eleanor Saitta, dit toujours
Eleanor Saitta, dit toujours
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
que tout problème technologique
d'une certaine échelle et envergure
d'une certaine échelle et envergure
15:05
are political problems first of all.
325
893568
2267
est d'abord un problème politique.
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
Tout ce à quoi nous essayons de remédier
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
ne trouvera pas de solution
en créant de meilleures technologies
en créant de meilleures technologies
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
mais en changeant la société
qui produit ces technologies.
qui produit ces technologies.
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
Actuellement, nous avons
un très long chemin à parcourir.
un très long chemin à parcourir.
15:20
But as I said, I think by unpacking them,
330
908505
1986
Je l'ai dit, en décortiquant
les problèmes,
les problèmes,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
en les expliquant, en en parlant
très honnêtement,
très honnêtement,
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
nous pouvons commencer ce processus.
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
HW : Quand vous parler de lisibilité
et d'alphabétisation numérique,
et d'alphabétisation numérique,
15:31
I find it difficult to imagine
334
919351
1591
j'ai du mal à imaginer
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
que nous devons porter nous-mêmes
le fardeau de l'alphabétisation numérique.
le fardeau de l'alphabétisation numérique.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
De qui relève la responsabilité
de l'éducation dans ce nouveau monde ?
de l'éducation dans ce nouveau monde ?
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
JB : Je crois que c'est
de notre responsabilité à tous,
de notre responsabilité à tous,
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
que tout ce que nous faisons,
construisons et créons
construisons et créons
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
doit être fait au sein
d'une discussion consensuelle
d'une discussion consensuelle
15:51
with everyone who's avoiding it;
340
939616
1940
avec tous ceux qui l'évitent ;
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
nous ne créons pas de systèmes dans le but
de piéger et surprendre les gens
de piéger et surprendre les gens
15:57
into doing the right thing,
342
945945
2300
pour qu'ils agissent bien
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
mais ils sont impliqués
à chaque étape de leur éducation
à chaque étape de leur éducation
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
car chacun de ces systèmes est éducatif.
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
C'est pour cela que j'ai espoir,
même pour ce qui est sinistre,
même pour ce qui est sinistre,
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
que si vous le prenez
et l'observez correctement,
et l'observez correctement,
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
c'est éducatif en soi
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
et nous permet de voir
comment des systèmes complexes
fonctionnent ensemble
fonctionnent ensemble
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
et d'appliquer ce savoir
ailleurs dans le monde.
ailleurs dans le monde.
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
HW : C'est une discussion si importante
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
et beaucoup de gens ici sont ouverts
et prêts à en discuter,
et prêts à en discuter,
16:26
so thanks for starting off our morning.
352
974057
1859
merci d'avoir démarré notre matinée.
16:27
JB: Thanks very much. Cheers.
353
975940
1400
JB : Merci beaucoup.
16:29
(Applause)
354
977364
1651
(Applaudissements)
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com