TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Ce que j'ai appris de 2 000 nécrologies
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan démarre sa journée avec des œufs et la question : « Qui est mort aujourd'hui ? » Pourquoi ? En analysant 2 000 nécrologies dans le New York Times sur une période de 20 mois, Narayan a découvert, en quelques mots, à quoi la réussite ressemble au cours d'une vie. Il partage ce que ces personnes immortalisées dans les journaux peuvent nous apprendre sur une vie bien vécue.
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
Joseph Keller faisait son footing
autour du campus de Stanford
autour du campus de Stanford
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
et il était frappé par toutes les femmes
qui couraient là également.
qui couraient là également.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Pourquoi leur queue de cheval
se balançait-elle d'un côté à l'autre ?
se balançait-elle d'un côté à l'autre ?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Étant mathématicien,
il prévoyait de le comprendre.
il prévoyait de le comprendre.
00:29
(Laughter)
4
17029
1151
(Rires)
Professeur Keller était curieux
sur plein de sujets :
sur plein de sujets :
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
00:32
why teapots dribble
6
20534
1967
pourquoi les théières bavent
00:34
or how earthworms wriggle.
7
22525
1830
ou comment les vers de terre bougent.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
Quelques mois auparavant,
je ne connaissais pas Joseph Keller.
je ne connaissais pas Joseph Keller.
00:40
I read about him in the New York Times,
9
28581
2852
J'ai lu à son propos
dans le New York Times,
dans le New York Times,
00:43
in the obituaries.
10
31457
1432
dans la rubrique nécrologique.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
Le Times lui a dédié
une demi page d'éditorial,
une demi page d'éditorial,
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
vous imaginez que c'était important
pour un journal d'une telle stature.
pour un journal d'une telle stature.
00:53
I read the obituaries almost every day.
13
41368
2342
Je lis la rubrique nécrologique
quotidiennement.
quotidiennement.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Ma femme, et c'est compréhensible,
pense que je suis morbide
pense que je suis morbide
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
de démarrer ma journée avec des œufs
et un « voyons qui est mort aujourd'hui ».
et un « voyons qui est mort aujourd'hui ».
01:04
(Laughter)
16
52160
1150
(Rires)
01:06
But if you think about it,
17
54025
1292
Mais en y réfléchissant,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
la une du journal est généralement
pleine de mauvaises nouvelles
pleine de mauvaises nouvelles
01:10
and cues man's failures.
19
58778
1975
signalant des échecs de l'Homme.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Une mauvaise nouvelle
signalant un accomplissement
signalant un accomplissement
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
se trouve à la fin du journal,
dans la nécrologie.
dans la nécrologie.
01:19
In my day job,
22
67405
1364
Le jour,
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
je dirige une entreprise se concentrant
sur les informations pouvant être obtenues
de données passées --
de données passées --
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
01:25
a kind of rearview-mirror analysis.
25
73737
2944
une analyse qui se tourne vers le passé.
01:29
And we began to think:
26
77092
1155
Nous avons pensé :
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
et si nous appliquions la même approche
aux nécrologies du New York Times ?
aux nécrologies du New York Times ?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Y a-t-il des leçons pour que
sa nécrologie soit présentée --
sa nécrologie soit présentée --
01:40
even if you aren't around to enjoy it?
29
88006
1977
même si vous n'en profiterez pas ?
01:42
(Laughter)
30
90007
1484
(Rires)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Cela irait-il mieux avec les œufs ?
01:46
(Laughter)
32
94167
1150
(Rires)
01:48
And so, we looked at the data.
33
96163
2998
Nous avons considéré les données.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2 000 nécrologies éditoriales, non payées,
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
sur une période de 20 mois
entre 2015 et 2016.
entre 2015 et 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Qu'est-ce que c'est 2 000 morts --
ou plutôt vies -- nous ont appris ?
ou plutôt vies -- nous ont appris ?
02:04
Well, first we looked at words.
37
112901
2033
D'abord, nous avons considéré les mots.
02:06
This here is an obituary headline.
38
114958
1761
Voici le titre d'une nécrologie.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
C'est celle du génial Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Si vous enlevez le début et la fin,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
il vous reste un descripteur
joliment mis en mots
joliment mis en mots
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
qui essaye, en seulement quelques mots,
de capturer un accomplissement ou une vie.
de capturer un accomplissement ou une vie.
02:21
Just looking at these is fascinating.
43
129666
2161
Les regarder est fascinant.
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
En voici quelques connus, des gens morts
sur les deux dernières années.
sur les deux dernières années.
02:27
Try and guess who they are.
45
135620
1319
Devinez qui ils sont.
[Un artiste qui a défié le genre]
02:28
[An Artist who Defied Genre]
46
136963
1440
02:30
That's Prince.
47
138427
1185
C'est Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[Titan de la boxe et du XXe siècle]
02:34
Oh, yes.
49
142358
1160
Oh, oui.
02:35
[Muhammad Ali]
50
143542
1224
[Mohamed Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Architecte révolutionnaire]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Nous avons pris ces descripteurs
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
et avons fait des traitements
du langage naturel :
du langage naturel :
02:45
where you feed these into a program,
55
153163
1771
nous les avons donnés à un programme.
02:46
it throws out the superfluous words --
56
154958
1865
Il s'est débarrassé des mots superflus --
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
« le », « et » -- le genre de mots
pouvant être mimés facilement --
pouvant être mimés facilement --
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
et vous laisse les mots
les plus significatifs.
les plus significatifs.
02:55
And we did it not just for these four,
59
163311
1821
Nous ne l'avons pas fait
que pour ces quatre
que pour ces quatre
02:57
but for all 2,000 descriptors.
60
165156
2519
mais pour les 2 000 descripteurs.
02:59
And this is what it looks like.
61
167699
1743
Voici ce à quoi cela ressemble.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Film, théâtre, musique, danse
et, bien sûr, art sont très utilisés.
et, bien sûr, art sont très utilisés.
03:08
Over 40 percent.
63
176485
1946
Plus de 40% des mots.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Il faut se demander
pourquoi dans tant de sociétés,
pourquoi dans tant de sociétés,
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
nous insistons pour que nos enfants
étudient l’ingénierie, la médecine,
étudient l’ingénierie, la médecine,
le commerce ou le droit
03:17
to be construed as successful.
66
185466
1587
pour considérer qu'ils ont réussi.
03:19
And while we're talking profession,
67
187871
1693
Quitte à parler de profession,
03:21
let's look at age --
68
189588
1151
considérons l'âge --
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
l'âge moyen auquel
ils ont accompli quelque chose.
ils ont accompli quelque chose.
03:25
That number is 37.
70
193297
1846
Cet âge est 37 ans.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Cela signifie qu'il vous faut
attendre 37 ans...
attendre 37 ans...
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
avant votre premier accomplissement
significatif dont on se souviendra --
significatif dont on se souviendra --
03:35
on average --
73
203373
1151
en moyenne --
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
44 ans plus tard, à votre mort
à l'âge de 81 ans --
à l'âge de 81 ans --
03:39
on average.
75
207050
1168
en moyenne.
03:40
(Laughter)
76
208242
1001
(Rires)
03:41
Talk about having to be patient.
77
209267
1684
Parlez d'être patient.
03:42
(Laughter)
78
210975
1057
(Rires)
03:44
Of course, it varies by profession.
79
212056
2089
Bien sûr, cela dépend de la profession.
03:46
If you're a sports star,
80
214566
1193
dans le sport,
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
vous atteindrez le sommet
à la vingtaine.
à la vingtaine.
03:49
And if you're in your 40s like me,
82
217934
2645
Si vous avez la quarantaine, comme moi,
03:52
you can join the fun world of politics.
83
220603
1991
vous pouvez rejoindre la politique.
03:54
(Laughter)
84
222618
1056
(Rires)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
Les politiques font leur premier,
parfois seul, acte mémorable vers 45 ans.
parfois seul, acte mémorable vers 45 ans.
03:59
(Laughter)
86
227637
1257
(Rires)
04:00
If you're wondering what "others" are,
87
228918
1937
Si vous vous questionnez sur les autres,
04:02
here are some examples.
88
230879
1476
voici quelques exemples.
04:04
Isn't it fascinating, the things people do
89
232821
2116
N'est-ce pas fascinant
ce que les gens font
ce que les gens font
04:06
and the things they're remembered for?
90
234961
1882
et ce pour quoi
nous nous souvenons d'eux ?
nous nous souvenons d'eux ?
04:08
(Laughter)
91
236867
1752
(Rires)
04:12
Our curiosity was in overdrive,
92
240136
1844
Notre curiosité était piquée,
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
nous voulions analyser
plus que le descripteur.
plus que le descripteur.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Nous avons ingéré le premier paragraphe
des 2 000 nécrologies
des 2 000 nécrologies
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
mais l'avons fait séparément
pour deux groupes de personnes :
pour deux groupes de personnes :
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
les personnes célèbres et les autres.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Les gens célèbres :
Prince, Ali, Zaha Hadid.
Prince, Ali, Zaha Hadid.
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
Les inconnus : Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
le révérend Curry
04:37
or Lorna Kelly.
100
265717
1169
ou Lorna Kelly.
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
Je peux parier que vous ne connaissez pas
la majorité de ces noms.
la majorité de ces noms.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Des gens géniaux,
des accomplissements fantastiques
des accomplissements fantastiques
mais ils ne sont pas célèbres.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
Et si nous analysions
ces deux groupes séparément --
ces deux groupes séparément --
04:49
the famous and the non-famous?
104
277532
1525
les célèbres et les autres ?
04:51
What might that tell us?
105
279081
1419
Que verrions-nous ?
04:52
Take a look.
106
280524
1240
Regardez.
04:56
Two things leap out at me.
107
284556
1469
Deux choses me sautent aux yeux.
04:58
First:
108
286569
1170
Un :
05:00
"John."
109
288106
1198
« John ».
05:01
(Laughter)
110
289328
1300
(Rires)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Quiconque appelé John
devrait remercier ses parents --
devrait remercier ses parents --
05:07
(Laughter)
112
295326
1329
(Rires)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
et rappeler à ses enfants de découper
votre nécrologie après votre mort.
votre nécrologie après votre mort.
05:13
And second:
114
301061
1356
Deux :
05:15
"help."
115
303849
1154
« aide ».
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Nous avons tiré beaucoup de leçons
de vies bien vécues
de vies bien vécues
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
et de ces personnes
immortalisées dans les journaux.
immortalisées dans les journaux.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Cet exercice était un témoignage fascinant
du kaléidoscope qu'est la vie
du kaléidoscope qu'est la vie
05:29
and even more fascinating
119
317635
2715
et, encore plus fascinant,
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
que la grande majorité des nécrologies
05:35
featured people famous and non-famous,
121
323466
2998
présentaient des personnes,
célèbres ou non,
célèbres ou non,
05:38
who did seemingly extraordinary things.
122
326488
2433
ayant fait des choses extraordinaires.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Ils ont laissé une marque positive
dans l'étoffe de la vie.
dans l'étoffe de la vie.
05:44
They helped.
124
332708
1237
Ils ont aidé.
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
Demandez-vous,
en reprenant vos vies quotidiennes :
en reprenant vos vies quotidiennes :
05:49
How am I using my talents to help society?
126
337387
2920
comment est-ce que j'utilise mes talents
pour aider la société ?
pour aider la société ?
05:52
Because the most powerful lesson here is,
127
340331
2973
Car la leçon la plus importante
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
est que si plus de gens vivaient leur vie
à essayer d'être célèbre après la mort,
à essayer d'être célèbre après la mort,
05:59
the world would be a much better place.
129
347688
2605
le monde serait un bien meilleur endroit.
06:03
Thank you.
130
351062
1169
Merci.
06:04
(Applause)
131
352255
2848
(Applaudissements)
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com