TED2015
Jim Simons: The mathematician who cracked Wall Street
Jim Simons: Une rare interview avec le mathématicien qui a craqué Wall Street
Filmed:
Readability: 4
2,981,452 views
Jim Simons est un mathématicien et un cryptographe qui a compris que les mathématiques complexes qu'il a utilisées pour casser des codes pouvaient aider à expliquer le monde de la finance. Après avoir gagné quelques milliards, il travaille pour soutenir la prochaine génération de professeurs et d'étudiants en maths. Chris Anderson s'assoit avec Simons pour parler de sa vie hors du commun.
Jim Simons - Philanthropist, mathematician
After astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy. Full bio
After astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy. Full bio
Double-click the English transcript below to play the video.
00:12
Chris Anderson: You were something
of a mathematical phenom.
of a mathematical phenom.
0
817
2834
Chris Anderson : Vous étiez un genre
de génie mathématique.
de génie mathématique.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
Très jeune, vous avez enseigné
à Harvard et au MIT.
à Harvard et au MIT.
00:18
And then the NSA came calling.
2
6763
2190
Puis la NSA a fait appel à vous.
00:21
What was that about?
3
9464
1204
C'était à quel sujet ?
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
Jim Simons : Eh bien la NSA --
c'est l'Agence Nationale de Sécurité --
c'est l'Agence Nationale de Sécurité --
00:27
they didn't exactly come calling.
5
15154
1969
ils n'ont pas exactement
fait appel à moi.
fait appel à moi.
Ils avaient une opération à Princeton
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
pour laquelle ils embauchaient
des mathématiciens
des mathématiciens
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
pour attaquer des codes secrets
et ce genre de choses.
et ce genre de choses.
00:37
And I knew that existed.
8
25294
1672
Et ils connaissaient mon existence.
00:39
And they had a very good policy,
9
27315
2180
Ils avaient une très bonne politique,
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
car, la moitié du temps, nous faisions
nos propres mathématiques,
nos propres mathématiques,
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
et la moitié du temps nous le passions
à travailler sur leurs projets.
à travailler sur leurs projets.
00:49
And they paid a lot.
12
37559
1474
Et ils nous payaient cher.
00:51
So that was an irresistible pull.
13
39057
3051
C'était une proposition
à laquelle nous ne pouvions pas résister.
à laquelle nous ne pouvions pas résister.
00:54
So, I went there.
14
42132
1912
Donc j'y suis allé.
CA : Vous étiez un craqueur de codes.
00:56
CA: You were a code-cracker.
15
44068
1338
00:57
JS: I was.
16
45430
1166
JS : Oui.
CA : Jusqu'à ce que vous soyez viré.
00:58
CA: Until you got fired.
17
46620
1157
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
JS : J'ai été viré, oui.
01:01
CA: How come?
19
49408
1245
CA : Pourquoi ?
01:03
JS: Well, how come?
20
51280
1333
JS : Pourquoi ?
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
J'ai été viré car,
c'était pendant la guerre du Vietnam,
c'était pendant la guerre du Vietnam,
01:10
and the boss of bosses in my organization
was a big fan of the war
was a big fan of the war
22
58591
5738
et le grand patron dans mon entreprise
était un grand fan de la guerre
était un grand fan de la guerre
et a écrit un article
pour le New York Times,
pour le New York Times,
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
la une de la partie magazine,
01:20
about how we would win in Vietnam.
24
68772
1770
sur comment nous gagnerions au Vietnam.
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
Et je n'aimais pas cette guerre,
je la trouvais stupide.
je la trouvais stupide.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
J'ai écrit une lettre au Times,
qui a ensuite été publiée,
qui a ensuite été publiée,
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
expliquant que toutes les personnes
travaillant pour Maxwell Taylor,
travaillant pour Maxwell Taylor,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
si vous vous souvenez de ce nom,
n'étaient pas forcément d'accord avec lui.
n'étaient pas forcément d'accord avec lui.
01:37
And I gave my own views ...
29
85553
1658
Et j'ai donné mon avis...
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
CA : Je peux voir en quoi cela pourrait...
JS : ... qui était différent
de celui du Général Taylor.
de celui du Général Taylor.
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
01:44
But in the end, nobody said anything.
32
92002
1906
Mais, finalement, personne n'a rien dit.
01:45
But then, I was 29 years old at this time,
and some kid came around
and some kid came around
33
93932
3701
J'avais 29 ans à l'époque
et un gamin est venu,
et un gamin est venu,
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
il disait être un reporter
pour le magazine Newsweek,
pour le magazine Newsweek,
01:52
and he wanted to interview me
and ask what I was doing about my views.
and ask what I was doing about my views.
35
100769
5367
il voulait m'interviewer et m'a demandé
en quoi j'agissais selon mon opinion.
en quoi j'agissais selon mon opinion.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
Je lui ai dit : « Actuellement,
je fais principalement des mathématiques,
je fais principalement des mathématiques,
02:02
and when the war is over,
then I'll do mostly their stuff."
then I'll do mostly their stuff."
37
110083
3373
et quand la guerre sera finie,
je travaillerai sur leurs projets. »
je travaillerai sur leurs projets. »
Ce que j'ai fait ensuite,
la seule chose intelligente de la journée,
la seule chose intelligente de la journée,
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
j'ai parlé de l'interview
à mon chef direct.
à mon chef direct.
Il a dit : « Qu'avez-vous dit ? »
02:13
And he said, "What'd you say?"
40
121153
1459
02:14
And I told him what I said.
41
122636
1466
Et je lui ai dit.
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
Et il a dit :
« Je dois appeler Taylor. »
« Je dois appeler Taylor. »
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
Il a appelé Taylor,
cela a pris 10 minutes.
cela a pris 10 minutes.
02:20
I was fired five minutes after that.
44
128866
2262
Cinq minutes après, j'étais viré.
02:23
CA: OK.
45
131590
1222
CA : OK.
JS : Mais ce n'était pas mal.
02:24
JS: But it wasn't bad.
46
132836
1151
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
CA : Ce n'était pas mal
car vous êtes allé à Stony Brook
car vous êtes allé à Stony Brook
02:28
and stepped up your mathematical career.
48
136528
3133
et avez fait évoluer votre carrière.
02:31
You started working with this man here.
49
139685
2452
Vous avez commencé à travailler
avec cet homme.
avec cet homme.
02:34
Who is this?
50
142161
1164
Qui est-ce ?
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
JS : Oh, [Shiing-Shen] Chern.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
Chern était l'un des meilleurs
mathématiciens du siècle.
mathématiciens du siècle.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
Je l'ai connu quand j'étais étudiant
à Berkeley.
à Berkeley.
02:46
And I had some ideas,
54
154173
1871
J'avais quelques idées,
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
je lui en ai parlé
et il les a aimées.
et il les a aimées.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
Ensemble, nous avons fait ce travail
que vous voyez facilement là-haut.
que vous voyez facilement là-haut.
02:57
There it is.
57
165189
1150
Voilà.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
CA : Cela vous a amené
à publier ensemble ces travaux connus.
à publier ensemble ces travaux connus.
03:02
Can you explain at all what that work was?
59
170828
3238
Pouvez-vous expliquer
quels étaient ces travaux ?
quels étaient ces travaux ?
03:07
JS: No.
60
175028
1158
JS : Non.
03:08
(Laughter)
61
176210
2274
(Rires)
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
JS : Je pourrais l'expliquer à quelqu'un.
03:13
(Laughter)
63
181054
2075
(Rires)
03:15
CA: How about explaining this?
64
183153
1864
CA : Et expliquer cela ?
03:17
JS: But not many. Not many people.
65
185041
2729
JS : Mais pas à grand monde.
CA : Je crois que vous m'avez dit
que c'était relatif à des sphères,
que c'était relatif à des sphères,
03:21
CA: I think you told me
it had something to do with spheres,
it had something to do with spheres,
66
189144
2814
03:23
so let's start here.
67
191982
1862
commençons là.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
JS : En effet,
mais je dirais sur ces travaux --
mais je dirais sur ces travaux --
03:29
it did have something to do with that,
but before we get to that --
but before we get to that --
69
197492
3200
c'était en rapport avec cela,
mais avant d'en arriver là --
mais avant d'en arriver là --
03:32
that work was good mathematics.
70
200716
3540
ces travaux, c'étaient
des bonnes mathématiques.
des bonnes mathématiques.
03:36
I was very happy with it; so was Chern.
71
204280
2492
J'en étais très content, et Chern aussi.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
Cela a même lancé un sous-domaine
qui prospère aujourd'hui.
qui prospère aujourd'hui.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
Mais, plus intéressant,
cela s'est appliqué à la physique,
cela s'est appliqué à la physique,
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
un sujet dont nous ne savions rien --
je ne connaissais rien à la physique
je ne connaissais rien à la physique
et je ne pense pas que Chern
y connaissait grand chose.
y connaissait grand chose.
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
Environ 10 ans
après la publication des travaux,
après la publication des travaux,
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
un gars appelé Ed Witten, à Princeton,
a appliqué cela à la théorie des cordes
a appliqué cela à la théorie des cordes
04:05
and people in Russia started applying it
to what's called "condensed matter."
to what's called "condensed matter."
78
233072
4852
et des gens en Russie l'ont appliqué
à ce qu'on appelle « matière condensée ».
à ce qu'on appelle « matière condensée ».
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
Aujourd'hui, ces choses appelées
les invariants de Chern-Simons
les invariants de Chern-Simons
04:14
have spread through a lot of physics.
80
242865
1865
se sont répandues en physique.
04:16
And it was amazing.
81
244754
1174
C'était génial.
04:17
We didn't know any physics.
82
245952
1365
Nous ignorions tout de la physique.
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
Je n'ai jamais pensé
que cela s'appliquerait à la physique.
que cela s'appliquerait à la physique.
04:22
But that's the thing about mathematics --
you never know where it's going to go.
you never know where it's going to go.
84
250592
3788
C'est le truc avec les mathématiques :
vous ne savez jamais où cela va aller.
vous ne savez jamais où cela va aller.
04:26
CA: This is so incredible.
85
254404
1492
CA : C'est incroyable.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
Nous avons parlé de la façon dont
l'évolution façonne les cerveaux humains
l'évolution façonne les cerveaux humains
04:32
that may or may not perceive the truth.
87
260308
2508
qui perçoivent ou non la vérité.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
D'une certaine manière, vous avez trouvé
une théorie mathématique,
une théorie mathématique,
04:38
not knowing any physics,
89
266177
1848
en ne connaissant rien à la physique,
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
vous découvrez 20 ans plus tard
qu'elle est appliquée
qu'elle est appliquée
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
pour décrire en profondeur
le vrai monde physique.
le vrai monde physique.
04:45
How can that happen?
92
273626
1153
Comment est-ce possible ?
04:46
JS: God knows.
93
274803
1157
JS : Dieu seul le sait.
04:47
(Laughter)
94
275984
2110
(Rires)
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
Mais un célèbre physicien
appelé [Eugene] Wigner
appelé [Eugene] Wigner
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
a écrit un essai sur l'efficacité
démesurée des mathématiques.
démesurée des mathématiques.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
D'une certaine manière, ces mathématiques,
qui sont ancrées dans le monde réel
qui sont ancrées dans le monde réel
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
en un sens -- nous apprenons à compter,
mesurer, tout le monde le fait --
mesurer, tout le monde le fait --
05:08
and then it flourishes on its own.
99
296630
1830
puis elles fleurissent d'elles-mêmes.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
Mais très souvent, elles reviennent
pour sauver le monde.
pour sauver le monde.
05:14
General relativity is an example.
101
302293
2178
La relativité générale est un exemple.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
[Hermann] Minkowski avait cette géométrie,
et Einstein a réalisé :
et Einstein a réalisé :
05:19
"Hey! It's the very thing
in which I can cast general relativity."
in which I can cast general relativity."
103
307636
3847
« C'est là-dedans que je peux
mouler la relativité générale. »
mouler la relativité générale. »
05:23
So, you never know. It is a mystery.
104
311507
3112
Donc vous ne savez jamais.
C'est un mystère.
C'est un mystère.
05:27
It is a mystery.
105
315056
1217
C'est un mystère.
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
CA : Voici un peu
d'ingéniosité mathématique.
d'ingéniosité mathématique.
05:31
Tell us about this.
107
319617
1342
Parlez-nous en.
05:32
JS: Well, that's a ball -- it's a sphere,
and it has a lattice around it --
and it has a lattice around it --
108
320983
5924
JS : C'est une balle -- c'est une sphère
entourée d'un maillage --
entourée d'un maillage --
05:38
you know, those squares.
109
326931
1573
vous savez, ces carrés.
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
Ce que je vais vous montrer a été observé
la première fois par [Leonard] Euler,
la première fois par [Leonard] Euler,
05:47
the great mathematician, in the 1700s.
111
335627
2254
le grand mathématicien du XVIIe siècle.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
C'est progressivement devenu un domaine
très important des mathématiques :
très important des mathématiques :
05:55
algebraic topology, geometry.
113
343428
2334
la topologie algébrique, la géométrie.
05:59
That paper up there had its roots in this.
114
347039
4364
Les travaux là-haut y prennent racine.
06:03
So, here's this thing:
115
351427
1834
Voici le truc :
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
ça a 8 sommets,
12 arêtes, 6 faces.
12 arêtes, 6 faces.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
Si vous considérez la différence --
sommets moins arêtes plus faces --
sommets moins arêtes plus faces --
06:13
you get two.
118
361615
1152
vous obtenez deux.
06:14
OK, well, two. That's a good number.
119
362791
2219
Eh bien, deux. C'est un bon nombre.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
Voici une autre façon de le faire --
c'est couvert par des triangles --
c'est couvert par des triangles --
06:21
this has 12 vertices and 30 edges
121
369306
4577
cela a 12 sommets, 30 arêtes,
06:25
and 20 faces, 20 tiles.
122
373907
4195
20 faces et 20 carreaux.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
Et sommets moins arêtes plus faces
est toujours égal à deux.
est toujours égal à deux.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
En fait, vous pourriez le faire
de n'importe quelle façon --
de n'importe quelle façon --
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
recouvrir cela avec toutes sortes
de polygones et triangles
de polygones et triangles
06:41
and mix them up.
126
389484
1320
et les mélanger.
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
Si vous prenez sommets moins arêtes
plus faces, vous obtenez deux.
plus faces, vous obtenez deux.
06:46
Here's a different shape.
128
394131
1611
Voici une autre forme.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
C'est un tore, ou la surface d'un donut :
16 sommets
16 sommets
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
couverts par ces rectangles,
32 arêtes, 16 faces.
32 arêtes, 16 faces.
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
Sommets moins arêtes vaut zéro.
07:01
It'll always come out to zero.
132
409238
1475
Cela sera toujours zéro.
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
Chaque fois que vous couvrez un tore
avec des carrés et des triangles
avec des carrés et des triangles
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
ou des choses du genre,
vous obtiendrez zéro.
vous obtiendrez zéro.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
Cela s'appelle
la caractéristique d'Euler.
la caractéristique d'Euler.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
C'est ce qu'on appelle
un invariant topologique.
un invariant topologique.
07:18
It's pretty amazing.
137
426849
1156
C'est assez génial.
Quelle que soit la façon d'agir,
vous avez toujours le même résultat.
vous avez toujours le même résultat.
07:20
No matter how you do it,
you're always get the same answer.
you're always get the same answer.
138
428029
2791
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
C'était le premier genre d'avancées,
datant des années 1700,
datant des années 1700,
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
dans un sujet qu'on appelle aujourd'hui
la topologie algébrique.
la topologie algébrique.
CA : Et votre travail a pris une idée
comme celle-ci et l'a amenée
comme celle-ci et l'a amenée
07:32
CA: And your own work
took an idea like this and moved it
took an idea like this and moved it
141
440960
2983
07:35
into higher-dimensional theory,
142
443967
2449
vers de la théorie
de dimension supérieure,
de dimension supérieure,
des objets de dimension supérieure,
et a trouvé de nouveaux invariants ?
et a trouvé de nouveaux invariants ?
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
JS : Il y avait déjà des invariants
de dimension supérieure :
de dimension supérieure :
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
les classes de Pontryagin --
en fait, c'étaient les classes de Chern.
en fait, c'étaient les classes de Chern.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
Il y avait quelques invariants
de ce type-là.
de ce type-là.
07:54
I was struggling to work on one of them
147
462272
4135
J'avais des difficultés
à travailler sur l'un d'eux
à travailler sur l'un d'eux
07:58
and model it sort of combinatorially,
148
466431
4203
et l'ai modélisé combinatoirement,
08:02
instead of the way it was typically done,
149
470658
3022
plutôt qu'en utilisant
la méthode habituelle,
la méthode habituelle,
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
cela a mené ces travaux et
nous avons découvert de nouvelles choses.
nous avons découvert de nouvelles choses.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
Mais sans M. Euler --
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
qui a écrit près de 70 volumes
de mathématiques
de mathématiques
08:17
and had 13 children,
153
485617
1731
et avait 13 enfants,
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
qui apparemment gesticulaient
sur ses genoux quand il écrivait --
sur ses genoux quand il écrivait --
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
sans M. Euler, il n'y aurait peut-être pas
ces invariants.
ces invariants.
08:32
CA: OK, so that's at least given us
a flavor of that amazing mind in there.
a flavor of that amazing mind in there.
156
500157
4097
CA : Cela nous a au moins donné
un aperçu de ce brillant esprit.
un aperçu de ce brillant esprit.
08:36
Let's talk about Renaissance.
157
504804
1543
Parlons de la Renaissance.
08:38
Because you took that amazing mind
and having been a code-cracker at the NSA,
and having been a code-cracker at the NSA,
158
506371
5856
Parce qu'avec cet esprit brillant,
ayant été craqueur de code à la NSA,
ayant été craqueur de code à la NSA,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
vous êtes devenu un craqueur de code
dans la finance.
dans la finance.
Je pense que vous n'étiez pas d'accord
avec la théorie de l'efficacité du marché.
avec la théorie de l'efficacité du marché.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
Vous avez trouvé une façon de créer
d'incroyables revenus sur plus de 20 ans.
d'incroyables revenus sur plus de 20 ans.
08:56
The way it's been explained to me,
162
524629
1671
De ce qu'on m'en a expliqué,
les revenus n'étaient pas la seule chose
remarquable dans ce que vous avez fait,
remarquable dans ce que vous avez fait,
08:58
what's remarkable about what you did
wasn't just the size of the returns,
wasn't just the size of the returns,
163
526324
3499
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
mais que vous les gagniez avec
une volatilité, un risque étonnamment bas,
une volatilité, un risque étonnamment bas,
09:05
compared with other hedge funds.
165
533754
1824
comparé aux autres fonds spéculatifs.
09:07
So how on earth did you do this, Jim?
166
535602
1929
Comment avez-vous fait cela, Jim ?
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
JS : Je l'ai fait en réunissant
un formidable groupe de personnes.
un formidable groupe de personnes.
09:14
When I started doing trading, I had
gotten a little tired of mathematics.
gotten a little tired of mathematics.
168
542206
3956
Quand j'ai commencé dans la bourse,
j'en avais un peu marre des mathématiques.
j'en avais un peu marre des mathématiques.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
J'étais proche de la quarantaine,
j'avais peu d'argent.
j'avais peu d'argent.
09:22
I started trading and it went very well.
170
550133
2509
J'ai commencé dans la bourse
et cela s'est très bien passé.
et cela s'est très bien passé.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
Par chance, j'ai très rapidement
gagné beaucoup d'argent.
gagné beaucoup d'argent.
09:27
I mean, I think it was pure luck.
172
555835
1666
Je pense que c'était de la chance.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
Ce n'était certainement pas
de la modélisation mathématique.
de la modélisation mathématique.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
Mais, après un certain temps,
en regardant les données, j'ai réalisé :
en regardant les données, j'ai réalisé :
09:35
it looks like there's some structure here.
175
563513
2553
on dirait qu'il y a une structure
là-dedans.
là-dedans.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
J'ai engagé quelques mathématiciens,
nous avons commencé à modéliser cela --
nous avons commencé à modéliser cela --
09:41
just the kind of thing we did back
at IDA [Institute for Defense Analyses].
at IDA [Institute for Defense Analyses].
177
569811
4265
le genre de choses que nous faisions à
l'IDA [Institut d'Analyses de la Défense].
l'IDA [Institut d'Analyses de la Défense].
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
Vous créez des algorithmes,
les testez sur un ordinateur.
les testez sur un ordinateur.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
Est-ce que cela marche ou pas ?
Ainsi de suite.
Ainsi de suite.
09:51
CA: Can we take a look at this?
180
579443
1479
CA : Jetons un œil à cela.
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
Car voici le graphique typique
d'une marchandise.
d'une marchandise.
09:58
I look at that, and I say,
"That's just a random, up-and-down walk --
"That's just a random, up-and-down walk --
182
586487
4041
Je le regarde et me dis :
« C'est aléatoire, des hauts et des bas --
« C'est aléatoire, des hauts et des bas --
peut-être une légère tendance
à la hausse sur la période entière. »
à la hausse sur la période entière. »
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
Comment pouvez-vous faire des échanges
en regardant cela, en n'y voyant pas
de l'aléatoire ?
de l'aléatoire ?
10:07
and see something that wasn't just random?
185
595575
2326
JS : Dans le temps, -- c'est un genre
de graphiques qui date,
de graphiques qui date,
10:09
JS: In the old days -- this is
kind of a graph from the old days,
kind of a graph from the old days,
186
597925
3247
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
les marchandises et les devises
avaient tendance à évoluer.
avaient tendance à évoluer.
10:17
Not necessarily the very light trend
you see here, but trending in periods.
you see here, but trending in periods.
188
605504
6055
Pas nécessairement la légère hausse qu'on
voit ici, mais une évolution en périodes.
voit ici, mais une évolution en périodes.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
Si vous décidiez de prédire
l'évolution du jour,
l'évolution du jour,
10:27
by the average move in the past 20 days --
190
615663
4968
grâce aux mouvements moyens
des 20 derniers jours --
des 20 derniers jours --
cela pouvait être une bonne prédiction
et vous gagniez de l'argent.
et vous gagniez de l'argent.
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
En fait, il y a quelques années,
un tel système fonctionnait --
un tel système fonctionnait --
10:41
not beautifully, but it would work.
193
629418
2391
ce n'était pas génial,
mais cela fonctionnait.
mais cela fonctionnait.
Vous gagniez de l'argent, vous en perdiez,
vous en gagniez.
vous en gagniez.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
10:46
But this is a year's worth of days,
195
634366
2198
Mais cela correspond à une année entière,
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
et vous auriez fait un
peu d'argent sur cette période.
peu d'argent sur cette période.
10:53
It's a very vestigial system.
197
641884
1958
C'est un système très rudimentaire.
10:56
CA: So you would test
a bunch of lengths of trends in time
a bunch of lengths of trends in time
198
644525
3529
CA : Donc vous testiez certaines durées
d'évolution dans le temps
d'évolution dans le temps
11:00
and see whether, for example,
199
648078
2436
et voyiez si, par exemple,
11:02
a 10-day trend or a 15-day trend
was predictive of what happened next.
was predictive of what happened next.
200
650538
3481
une évolution sur 10 ou 15 jours
permettait de prédire la suite.
permettait de prédire la suite.
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
JS : Bien sûr, vous essayiez
toutes ces choses
toutes ces choses
et voyiez ce qui fonctionnait le mieux.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
L'observation des évolutions
étaient très bien dans les années 60,
étaient très bien dans les années 60,
11:16
and it was sort of OK in the '70s.
203
664889
2132
c'était bien dans les années 70.
11:19
By the '80s, it wasn't.
204
667045
1873
Mais dans les années 80,
cela ne l'était plus.
cela ne l'était plus.
11:20
CA: Because everyone could see that.
205
668942
2817
CA : Parce que tout le monde
pouvait le voir.
pouvait le voir.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
Comment avez-vous gardé votre avance ?
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
JS : Nous avons conservé notre avance
en trouvant de nouvelles approches --
en trouvant de nouvelles approches --
11:33
shorter-term approaches to some extent.
208
681202
2741
dans une certaine mesure,
des approches à court terme.
des approches à court terme.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
Le vrai objectif était de récolter
un volume considérable de données --
un volume considérable de données --
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
et, au début,
nous devions le faire manuellement.
nous devions le faire manuellement.
Nous descendions à la Réserve Fédérale et
copiions l'historique des taux d'intérêt
copiions l'historique des taux d'intérêt
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
et ce genre de choses, parce que
cela n'existait pas sur ordinateur.
cela n'existait pas sur ordinateur.
11:50
We got a lot of data.
213
698859
1643
Nous avions beaucoup de données.
11:52
And very smart people -- that was the key.
214
700526
4160
Et des gens très intelligents --
c'était la clé.
c'était la clé.
Je ne savais pas vraiment
comment embaucher des gens
comment embaucher des gens
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
pour faire du courtage fondamental.
J'en avais embauché quelques uns --
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
certains gagnaient beaucoup d'argent,
d'autres pas.
d'autres pas.
12:04
I couldn't make a business out of that.
217
712722
1880
Je ne pouvais pas faire d'affaires.
12:06
But I did know how to hire scientists,
218
714626
2042
Mais je savais engager des scientifiques,
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
parce que j'ai quelques connaissances
dans ce domaine.
dans ce domaine.
12:12
So, that's what we did.
220
720105
1838
C'est donc ce que nous avons fait.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
Et, progressivement, ces modèles
sont devenus meilleurs,
sont devenus meilleurs,
12:17
and better and better.
222
725222
1335
et meilleurs, et meilleurs.
CA : On vous attribue
une action remarquable chez Renaissance,
une action remarquable chez Renaissance,
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
qui est de créer cette culture,
ce groupe de personnes,
ce groupe de personnes,
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
12:24
who weren't just hired guns
who could be lured away by money.
who could be lured away by money.
225
732444
3142
qui n'étaient pas juste
des mercenaires attirés par l'argent.
des mercenaires attirés par l'argent.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
Leur motivation était de faire
des sciences et mathématiques excitantes.
des sciences et mathématiques excitantes.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
JS : J'aimerais que cela soit vrai.
12:34
But some of it was money.
228
742283
3580
Mais l'argent jouait aussi un rôle.
CA : Ils ont gagné beaucoup d'argent.
12:37
CA: They made a lot of money.
229
745887
1393
JS : Je ne peux pas dire que personne
n'est venu pour l'argent.
n'est venu pour l'argent.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
Je pense que beaucoup
sont venus pour l'argent.
sont venus pour l'argent.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
Mais aussi parce que
c'était amusant.
c'était amusant.
CA : Quel rôle a joué
l'apprentissage automatique ?
l'apprentissage automatique ?
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
JS : D'une certaine façon, nous avons fait
de l'apprentissage automatique.
de l'apprentissage automatique.
12:52
You look at a lot of data, and you try
to simulate different predictive schemes,
to simulate different predictive schemes,
235
760879
6291
Vous regardez beaucoup de données, essayez
de simuler des schémas prévisionnels,
de simuler des schémas prévisionnels,
12:59
until you get better and better at it.
236
767194
2182
jusqu'à ce que vous deveniez meilleur
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
Ce que nous faisions n'avait pas
nécessairement de répercussions en retour.
nécessairement de répercussions en retour.
13:05
But it worked.
238
773191
2309
Mais cela fonctionnait.
13:08
CA: So these different predictive schemes
can be really quite wild and unexpected.
can be really quite wild and unexpected.
239
776150
4059
CA : Ces schémas prévisionnels
peuvent être assez fous et inattendus.
peuvent être assez fous et inattendus.
13:12
I mean, you looked at everything, right?
240
780233
1914
Vous avez tout pris en compte ?
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
Vous regardiez la météo, la longueur
des robes, l'opinion politique.
des robes, l'opinion politique.
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
JS : Nous n'avons pas essayé
la longueur des robes.
la longueur des robes.
13:20
CA: What sort of things?
243
788373
2057
CA : Quel genre de choses ?
13:22
JS: Well, everything.
244
790454
1158
JS : Tout.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
Tout apporte de l'eau au moulin --
sauf la longueur des ourlets.
sauf la longueur des ourlets.
13:28
Weather, annual reports,
246
796852
2300
La météo, les rapports annuels,
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
les rapports trimestriels, l'historique de
données, les volumes. Ce que vous voulez.
données, les volumes. Ce que vous voulez.
13:35
Whatever there is.
248
803932
1151
Tout ce qu'il y a.
13:37
We take in terabytes of data a day.
249
805107
2621
Nous prenons chaque jour
des terabytes de données.
des terabytes de données.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
Nous les stockons, les manipulons,
les préparons pour les analyser.
les préparons pour les analyser.
13:45
You're looking for anomalies.
251
813446
1382
Nous cherchons des anomalies.
13:46
You're looking for -- like you said,
252
814852
2953
Nous cherchons -- comme vous le disiez,
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
l'hypothèse de l'efficacité du marché
n'est pas correcte.
n'est pas correcte.
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
CA : Une anomalie pourrait être
juste de l'aléatoire.
juste de l'aléatoire.
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
Est-ce que le secret c'est de regarder
de nombreuses anomalies
de nombreuses anomalies
13:59
and see when they align?
256
827478
1328
et de voir quand elles correspondent ?
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
JS : Une anomalie pourrait être
une chose aléatoire :
une chose aléatoire :
cependant, avec assez de données,
vous pouvez distinguer l'aléatoire.
vous pouvez distinguer l'aléatoire.
14:04
however, if you have enough data
you can tell that it's not.
you can tell that it's not.
258
832475
3039
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
Vous pouvez voir une anomalie persistant
un temps assez long --
un temps assez long --
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
la probabilité que ce soit aléatoire
n'est pas élevée.
n'est pas élevée.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
Mais ces choses s'effacent après un temps,
les anomalies peuvent disparaître.
les anomalies peuvent disparaître.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
Il faut garder le contrôle
sur les affaires.
sur les affaires.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
CA : Beaucoup de personnes regardent
l'industrie des fonds spéculatifs
l'industrie des fonds spéculatifs
14:27
and are sort of ... shocked by it,
264
855533
4398
et sont, d'une certaine façon,
choqués par cette industrie,
choqués par cette industrie,
14:31
by how much wealth is created there,
265
859955
2172
par la richesse qui y est créée,
14:34
and how much talent is going into it.
266
862151
2245
par le talent qui y est investi.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
Êtes-vous inquiet
quant à cette industrie,
quant à cette industrie,
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
et peut-être l'industrie des finances
en général ?
en général ?
14:43
Kind of being on a runaway train that's --
269
871991
2704
C'est comme être dans un train fou qui --
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
je ne sais pas --
aide à augmenter les inégalités ?
aide à augmenter les inégalités ?
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
Comment défendriez-vous ce qu'il se passe
dans l'industrie des fonds spéculatifs ?
dans l'industrie des fonds spéculatifs ?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
JS : Je pense que durant
les 2 ou 3 dernières années,
les 2 ou 3 dernières années,
les fonds spéculatifs
ne s'en sont pas très bien sortis.
ne s'en sont pas très bien sortis.
14:57
hedge funds have not done especially well.
273
885260
2103
14:59
We've done dandy,
274
887387
1400
Pour nous ça a été,
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
mais l'industrie des fonds spéculatifs
en elle-même n'allait pas si bien.
en elle-même n'allait pas si bien.
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
La bourse est en bonne marche,
en augmentation comme nous le savons tous,
en augmentation comme nous le savons tous,
15:09
and price-earnings ratios have grown.
277
897762
3445
et les ratios cours-bénéfices
ont augmenté.
ont augmenté.
15:13
So an awful lot of the wealth
that's been created in the last --
that's been created in the last --
278
901231
3063
Une très grande partie de la richesse
créée durant les, disons,
créée durant les, disons,
15:16
let's say, five or six years --
has not been created by hedge funds.
has not been created by hedge funds.
279
904318
3350
5 ou 6 dernières années, n'a pas
été créée par les fonds spéculatifs.
été créée par les fonds spéculatifs.
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
Les gens me demandent :
« Qu'est-ce qu'un fond spéculatif ? »
« Qu'est-ce qu'un fond spéculatif ? »
15:23
And I'd say, "One and 20."
281
911703
2260
Et je dis : « Un et vingt ».
15:25
Which means -- now it's two and 20 --
282
913987
3566
Ce qui veut dire --
maintenant c'est deux et vingt --
maintenant c'est deux et vingt --
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
c'est 2% de frais fixes
et 20% de profit.
et 20% de profit.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
Les fonds spéculatifs sont tous
des créatures différentes.
des créatures différentes.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
CA : D'après les rumeurs, vos frais
sont un peu plus élevés que cela.
sont un peu plus élevés que cela.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
JS : Nos frais ont été les plus élevés
du monde.
du monde.
15:42
Five and 44, that's what we charge.
287
930444
3226
5 et 44, ce sont nos frais.
15:45
CA: Five and 44.
288
933694
1398
CA : 5 et 44.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
Donc 5% de frais fixes,
44% de bénéfices.
44% de bénéfices.
Vous faisiez quand même gagner des sommes
spectaculaires à vos investisseurs.
spectaculaires à vos investisseurs.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
JS : Nous avions de bons profits.
15:53
JS: We made good returns, yes.
291
941181
1452
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
Les gens s'énervaient
car les frais étaient élevés.
car les frais étaient élevés.
Je disais :
« Vous pouvez vous retirer. »
« Vous pouvez vous retirer. »
15:57
I said, "OK, you can withdraw."
293
945681
1627
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
Mais « Comment puis-je avoir plus »
était ce que les gens --
était ce que les gens --
16:02
(Laughter)
295
950174
1504
(Rires)
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
Mais à un moment donné,
comme je vous l'ai dit,
comme je vous l'ai dit,
16:06
we bought out all the investors
because there's a capacity to the fund.
because there's a capacity to the fund.
297
954166
5175
nous avons remboursé les investisseurs
parce que le fond a une capacité.
parce que le fond a une capacité.
CA : Devrions-nous nous être inquiets
quant à l'industrie des fonds spéculatifs
quant à l'industrie des fonds spéculatifs
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
qui attire un trop grand nombre de grands
mathématiciens et autres talents
mathématiciens et autres talents
pour y travailler, en opposition avec
les nombreux autres problèmes du monde ?
les nombreux autres problèmes du monde ?
16:19
to work on that, as opposed
to the many other problems in the world?
to the many other problems in the world?
300
967555
3238
16:22
JS: Well, it's not just mathematical.
301
970817
1929
JS : Ce n'est pas juste mathématique.
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
Nous engageons des astronomes,
des physiciens et d'autres.
des physiciens et d'autres.
Je ne pense pas que nous devrions
trop nous inquiéter à ce sujet.
trop nous inquiéter à ce sujet.
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
16:30
It's still a pretty small industry.
304
978288
3142
C'est toujours une industrie
relativement petite.
relativement petite.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
En fait, amener la science
dans le monde des investissements
dans le monde des investissements
16:39
has improved that world.
306
987475
2159
a amélioré ce monde.
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
Cela a réduit la volatilité.
Cela a augmenté la liquidité.
Cela a augmenté la liquidité.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
Les marges sont réduites car les gens
négocient ce genre de choses.
négocient ce genre de choses.
16:48
So I'm not too worried about Einstein
going off and starting a hedge fund.
going off and starting a hedge fund.
309
996965
5076
Donc je ne suis pas trop inquiet quant à
Einstein lançant un fond spéculatif.
Einstein lançant un fond spéculatif.
16:54
CA: You're at a phase in your life now
where you're actually investing, though,
where you're actually investing, though,
310
1002478
4164
CA : Cependant, vous êtes dans une phase
de votre vie où vous investissez,
de votre vie où vous investissez,
16:58
at the other end of the supply chain --
311
1006666
3734
à l'autre bout de la chaine logistique --
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
vous stimulez les mathématiques
à travers l'Amérique.
à travers l'Amérique.
17:06
This is your wife, Marilyn.
313
1014552
1865
Voici votre femme, Marilyn.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
Vous travaillez ensemble
sur des problèmes philanthropiques.
sur des problèmes philanthropiques.
17:13
Tell me about that.
315
1021221
1163
Parlez-moi de cela.
17:14
JS: Well, Marilyn started --
316
1022408
3649
JS : Marilyn a commencé --
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
là voici, ma fabuleuse femme --
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
elle a lancé la fondation
il y a environ 20 ans.
il y a environ 20 ans.
17:24
I think '94.
319
1032548
1151
Je crois que c'était en 94.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
Je dis que c'était en 93, elle dit 94,
17:27
but it was one of those two years.
321
1035842
2571
mais c'était l'un ou l'autre.
17:30
(Laughter)
322
1038437
2135
(Rires)
17:32
We started the foundation,
just as a convenient way to give charity.
just as a convenient way to give charity.
323
1040596
6719
Nous avons lancé la fondation car c'était
commode pour donner de l'argent.
commode pour donner de l'argent.
17:40
She kept the books, and so on.
324
1048346
2507
Elle tenait les comptes, etc.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
A ce moment-là,
nous n'avions pas de perspective,
nous n'avions pas de perspective,
mais, progressivement,
une perspective a émergé :
une perspective a émergé :
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
se concentrer sur les maths et la science,
se concentrer sur de la recherche basique.
se concentrer sur de la recherche basique.
17:55
And that's what we've done.
327
1063569
2772
C'est ce que nous avons fait.
17:58
Six years ago or so, I left Renaissance
and went to work at the foundation.
and went to work at the foundation.
328
1066365
6355
il y a environ 6 ans,
j'ai quitté Renaissance
j'ai quitté Renaissance
et je suis parti
travailler à la fondation.
travailler à la fondation.
18:04
So that's what we do.
329
1072744
1571
C'est notre boulot.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
CA : Et donc les Maths pour l'Amérique,
c'est simplement investir
c'est simplement investir
18:09
in math teachers around the country,
331
1077272
2638
dans des professeurs de maths
à travers le pays,
à travers le pays,
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
leur offrir un revenu supplémentaire,
leur offrir du soutien et du mentorat.
leur offrir du soutien et du mentorat.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
Et essayer de rendre cela
plus efficace
plus efficace
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
et d'en faire un modèle auquel
tous les professeurs peuvent aspirer.
tous les professeurs peuvent aspirer.
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
JS : Au lieu de s'en prendre
aux mauvais professeurs,
aux mauvais professeurs,
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
ce qui a créé des problèmes moraux
au sein de la communauté éducative,
au sein de la communauté éducative,
18:31
in particular in math and science,
337
1099151
2441
particulièrement en maths et en science,
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
nous nous concentrons sur la célébration
et la reconnaissance des bons professeurs.
et la reconnaissance des bons professeurs.
Nous leur donnons un revenu supplémentaire
de 15 000$ par an.
de 15 000$ par an.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
Aujourd'hui, nous avons 800 professeurs
de maths et de science
de maths et de science
18:42
We have 800 math and science teachers
in New York City in public schools today,
in New York City in public schools today,
340
1110725
4467
dans les écoles publiques de New York,
18:47
as part of a core.
341
1115216
1814
c'est un point fondamental.
18:49
There's a great morale among them.
342
1117054
3686
Parmi eux le moral est très bon.
18:52
They're staying in the field.
343
1120764
2506
Ils continuent à travailler
dans leurs domaines.
dans leurs domaines.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
L'année prochaine, ils seront 1 000
ce qui représente 10%
ce qui représente 10%
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
des professeurs de maths et de science
dans les écoles publiques de New York.
dans les écoles publiques de New York.
19:01
(Applause)
346
1129781
5905
(Applaudissements)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
CA : Voici un autre projet philanthropique
que vous avez soutenu :
que vous avez soutenu :
19:11
Research into origins of life, I guess.
348
1139144
2397
la recherche sur les origines de la vie.
19:13
What are we looking at here?
349
1141565
1447
Que voyons-nous ?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
JS : Je l'expliquerai dans un instant.
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
Et puis je vous dirai
ce que nous voyons.
ce que nous voyons.
19:19
Origins of life is a fascinating question.
352
1147628
3056
La question des origines de la vie
est fascinante.
est fascinante.
19:22
How did we get here?
353
1150708
1533
Comment en sommes-nous arrivés là ?
19:25
Well, there are two questions:
354
1153170
1771
Il y a deux questions :
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
la première est : quel est le chemin
de la géologie vers la biologie --
de la géologie vers la biologie --
comment en sommes-nous arrivés là ?
19:32
how did we get here?
356
1160857
1381
Et l'autre question est :
avec quoi avons-nous commencé ?
avec quoi avons-nous commencé ?
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
19:36
What material, if any,
did we have to work with on this route?
did we have to work with on this route?
358
1164650
3102
Avec quelle matière, s'il y en avait une,
devions-nous travailler en chemin ?
devions-nous travailler en chemin ?
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
Ce sont deux questions très intéressantes.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
La première est un chemin tortueux
de la géologie à l'ARN.
de la géologie à l'ARN.
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
Comment cela a-t-il fonctionné ?
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
Et l'autre :
qu'avions-nous pour travailler ?
qu'avions-nous pour travailler ?
19:54
Well, more than we think.
363
1182325
1771
Plus que ce que nous pensons.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
Ce qui est représenté ici
est une étoile en formation.
est une étoile en formation.
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
Chaque année dans notre Voie Lactée,
qui a 100 milliards d'étoiles,
qui a 100 milliards d'étoiles,
20:05
about two new stars are created.
366
1193285
2495
environ 2 nouvelles étoiles sont créées.
20:07
Don't ask me how, but they're created.
367
1195804
2470
Ne me demandez pas comment,
mais elles sont créées.
mais elles sont créées.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
Et cela leur prend environ
un million d'années pour se former.
un million d'années pour se former.
20:14
So, in steady state,
369
1202132
2176
Il y a constamment
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
environ deux millions d'étoiles
en formation.
en formation.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
Celle-ci est quelque part
dans cette période de formation.
dans cette période de formation.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
Et il y a toute cet amas
qui tourne autour,
qui tourne autour,
20:27
dust and stuff.
373
1215027
1498
de la poussière et ce genre de choses.
Et cela formera probablement
un système solaire, ou quelque chose.
un système solaire, ou quelque chose.
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
20:32
But here's the thing --
375
1220526
2176
Voici le point important :
20:34
in this dust that surrounds a forming star
376
1222726
6348
dans cette poussière qui entoure
un étoile en formation,
un étoile en formation,
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
nous avons trouvé
des molécules organiques significatives.
des molécules organiques significatives.
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
Des molécules pas seulement de méthane
mais du formaldéhyde et du cyanure --
mais du formaldéhyde et du cyanure --
20:54
things that are the building blocks --
the seeds, if you will -- of life.
the seeds, if you will -- of life.
379
1242121
6517
des choses qui sont les fondations --
les graines si vous voulez -- de la vie.
les graines si vous voulez -- de la vie.
21:01
So, that may be typical.
380
1249136
2692
Cela pourrait être une constante.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
Et ça pourrait être une constante
que les planètes dans cet univers
que les planètes dans cet univers
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
commencent avec certaines
de ces fondations.
de ces fondations.
21:15
Now does that mean
there's going to be life all around?
there's going to be life all around?
383
1263830
2715
Cela veut-il dire qu'il y aura
de la vie tout autour ?
de la vie tout autour ?
21:18
Maybe.
384
1266569
1364
Peut-être.
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
Mais la question est combien
le chemin est tortueux
le chemin est tortueux
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
entre ces frêles débuts,
ces graines, et la vie.
ces graines, et la vie.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
La plupart de ces graines
tomberont sur des planètes en jachère.
tomberont sur des planètes en jachère.
CA : Pour vous personnellement,
21:33
CA: So for you, personally,
388
1281742
1409
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
trouver une réponse à cette question
d'où nous venons,
d'où nous venons,
21:37
of how did this thing happen,
that is something you would love to see.
that is something you would love to see.
390
1285921
3658
comment cela s'est passé,
est quelque chose que vous aimeriez voir.
est quelque chose que vous aimeriez voir.
21:41
JS: Would love to see.
391
1289603
1786
JS : J'aimerais le voir.
21:43
And like to know --
392
1291413
1490
Et savoir --
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
si ce chemin est assez tortueux,
et si improbable,
et si improbable,
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
que peu importe avec quoi vous commencez,
nous pourrions être une singularité.
nous pourrions être une singularité.
21:55
But on the other hand,
395
1303336
1152
Mais d'un autre côté,
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
étant donné toute cette poussière
organique qui flotte tout autour,
organique qui flotte tout autour,
22:00
we could have lots of friends out there.
397
1308014
3791
nous pourrions avoir de nombreux amis
là-dehors.
là-dehors.
Cela serait génial à savoir.
22:04
It'd be great to know.
398
1312947
1161
22:06
CA: Jim, a couple of years ago,
I got the chance to speak with Elon Musk,
I got the chance to speak with Elon Musk,
399
1314132
3480
CA : Jim, il y a quelques années,
j'ai eu la chance de parler avec Elon Musk
j'ai eu la chance de parler avec Elon Musk
22:09
and I asked him the secret of his success,
400
1317636
2837
et je lui ai demandé
le secret de son succès
le secret de son succès
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
et il a dit que c'était
de prendre la physique au sérieux.
de prendre la physique au sérieux.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
En vous écoutant,
ce que je vous entends dire
c'est de prendre les maths au sérieux,
c'est de prendre les maths au sérieux,
22:20
that has infused your whole life.
403
1328723
3003
cela a impacté toute votre vie.
22:24
It's made you an absolute fortune,
and now it's allowing you to invest
and now it's allowing you to invest
404
1332123
4563
Cela vous a créé une vraie fortune,
et vous autorise aujourd'hui à investir
et vous autorise aujourd'hui à investir
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
dans le futur de milliers d'enfants
à travers l'Amérique et ailleurs.
à travers l'Amérique et ailleurs.
22:33
Could it be that science actually works?
406
1341567
2858
Cela pourrait-il être
que la science fonctionne ?
que la science fonctionne ?
22:36
That math actually works?
407
1344449
2772
Que les maths fonctionnent vraiment ?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
JS : Les maths fonctionnent,
c'est certain. Les maths fonctionnent.
c'est certain. Les maths fonctionnent.
22:43
But this has been fun.
409
1351641
1198
Mais cela a été amusant.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
Travailler avec Marilyn et le transmettre
était très agréable.
était très agréable.
22:49
CA: I just find it --
it's an inspirational thought to me,
it's an inspirational thought to me,
411
1357833
2936
CA : Je trouve cela --
c'est une pensée qui m'inspire,
c'est une pensée qui m'inspire,
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
en prenant au sérieux les connaissances,
nous pouvons en tirer tellement plus.
nous pouvons en tirer tellement plus.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
Merci pour votre vie géniale
et d'être venu ici pour TED.
et d'être venu ici pour TED.
22:59
Thank you.
414
1367866
751
Merci.
23:00
Jim Simons!
415
1368651
1101
Jim Simons !
23:01
(Applause)
416
1369806
4380
(Applaudissements)
ABOUT THE SPEAKER
Jim Simons - Philanthropist, mathematicianAfter astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy.
Why you should listen
As a mathematician who cracked codes for the National Security Agency on the side, Jim Simons had already revolutionized geometry -- and incidentally laid the foundation for string theory -- when he began to get restless. Along with a few hand-picked colleagues he started the investment firm that went on to become Renaissance, a hedge fund working with hitherto untapped algorithms, and became a billionaire in the process.
Now retired as Renaissance’s CEO, Simons devotes his time to mathematics and philanthropy. The Simons Foundation has committed more than a billion dollars to math and science education and to autism research.
Jim Simons | Speaker | TED.com