ABOUT THE SPEAKER
Giorgia Lupi - Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas.

Why you should listen

What sets Giorgia Lupi apart is her humanistic approach to the world of data.

Her work frequently crosses the divide between digital, print and handcrafted representations of information: primarily, she draws with data. She has a passion for and obsession with data, the material she uses to tell stories, and the lens through which she sees the world.

Data are often considered to be very impersonal, boring and clinical, but Lupi's work proves the opposite. She makes sense of data with a curious mind and a heterogeneous arsenal, which ranges from digital technology to exhausting and repetitive manual labor. She believes we will ultimately unlock the full potential of data only when we embrace their nature, and make them part of our lives, which will inevitably make data more human in the process.

Trained as an architect, Lupi has always been driven by opposing forces: analysis and intuition, logic and beauty, numbers and images. True to these dichotomies, in 2011 she started both her own company and studying for a PhD. She earned her ddoctorate in design at Politecnico di Milano, where she focused on information mapping, and she is now the design director and co-founder of Accurat, a global, data-driven research, design and innovation firm with offices in Milan and New York. She relocated from Italy to New York City, where she now lives.

Thanks to her work and research, Giorgia is a prominent voice in the world of data. She has spoken at numerous events, universities and institutions around the world, including the Museum of Modern Art, the Guggenheim Museum, PopTech Conference, Eyeo Festival, Fast Company Innovation by Design, New York University, Columbia University and the New York Public Library. She has been featured in major international outlets such as the New York Times, The Guardian, the Washington Post, NPR, BBC, TIME magazine, National Geographic, Scientific American, Popular Science, Wired, Vogue, Vanity Fair, Monocle and more. Her work has been exhibited at the Design Museum, the Science Museum, and Somerset House in London; the New York Hall of Science and the Storefront for Art and Architecture in New York; at the Triennale Design Museum and the Design Week in Milan, among others.

With her company, Accurat, she has worked with major international clients including IBM, Google, Microsoft, the United Nations, the World Health Organization, the World Economic Forum, the European Union, the Louis Vuitton-Moet-Hennessy Group, Fiat Chrysler Automobiles, J.P. Morgan Asset Management, Unicredit Group and KPMG Advisory.

Giorgia is the co-author of Dear Data, an aspirational hand-drawn data visualization book that explores the more slippery details of daily life through data, revealing the patterns that inform our decisions and affect our relationships.

Her work is part of the permanent collection of the Museum of Modern Art.

More profile about the speaker
Giorgia Lupi | Speaker | TED.com
TEDNYC

Giorgia Lupi: How we can find ourselves in data

Giorgia Lupi: Comment nous retrouver dans les données

Filmed:
1,279,894 views

Giorgia Lupi utilise les données pour raconter des histoires, en ajoutant des nuances aux chiffres. Dans cette conférence charmante, elle partage les moyens qu'elle utilise pour donner une personnalité aux données, en présentant les détails les plus ordinaires de nos vies et en transformant l'abstrait et l'infini en une représentation visible, sensible et directement reliée à nos vies.
- Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas. Full bio

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

00:12
This is what my last weekla semaine lookedregardé like.
0
760
2880
Voici à quoi a ressemblé ma semaine.
00:16
What I did,
1
4680
1696
Ce que j'ai fait,
00:18
who I was with,
2
6400
1816
avec qui,
00:20
the mainprincipale sensationssensations I had
for everychaque wakingse réveiller hourheure ...
3
8240
3120
mes sentiments principaux
pour chaque heure éveillée...
00:24
If the feelingsentiment camevenu as I thought of my dadpapa
4
12080
2496
si j'avais pensé à mon père
00:26
who recentlyrécemment passedpassé away,
5
14600
1776
qui vient de décéder récemment,
00:28
or if I could have just definitelyabsolument
avoidedévité the worriesdes soucis and anxietiesangoisses.
6
16400
4056
ou si j'avais pu éviter
les soucis, l'anxiété.
00:32
And if you think I'm a little obsessiveObsessive,
7
20480
1936
Si vous me trouvez un peu obsessive,
00:34
you're probablyProbablement right.
8
22440
1856
vous avez probablement raison.
00:36
But clearlyclairement, from this visualizationvisualisation,
9
24320
2256
Clairement, dans cette présentation,
00:38
you can learnapprendre much more about me
than from this other one,
10
26600
3296
vous apprenez bien plus de choses
sur moi que dans cette autre,
00:41
whichlequel are imagesimages you're
probablyProbablement more familiarfamilier with
11
29920
2976
qui vous est probablement
plus familière,
00:44
and whichlequel you possiblypeut-être even have
on your phonetéléphone right now.
12
32920
2816
que vous trouvez peut-être même
sur votre téléphone.
00:47
BarBar chartsgraphiques for the stepspas you walkedmarcha,
13
35760
2216
Des histogrammes
pour le nombre de pas,
00:50
pietarte chartsgraphiques for the qualityqualité
of your sleepdormir --
14
38000
2376
des camemberts
pour la qualité de votre sommeil --
00:52
the pathchemin of your morningMatin runsfonctionne.
15
40400
1720
votre parcours de jogging matinal.
00:55
In my day jobemploi, I work with dataLes données.
16
43280
2296
Pour mon métier,
je travaille avec des données.
00:57
I runcourir a dataLes données visualizationvisualisation designconception companycompagnie,
17
45600
2496
Je dirige un studio
de visualisation de données,
01:00
and we designconception and developdévelopper waysfaçons
to make informationinformation accessibleaccessible
18
48120
3336
nous concevons, développons
des moyens d'accéder à l'information
01:03
throughpar visualvisuel representationsreprésentations.
19
51480
2096
par des représentations visuelles.
01:05
What my jobemploi has taughtenseigné me over the yearsannées
20
53600
3016
Ce que m'a appris ce travail
01:08
is that to really understandcomprendre dataLes données
and theirleur truevrai potentialpotentiel,
21
56640
4216
est que pour comprendre réellement
les données, leur véritable potentiel,
01:12
sometimesparfois we actuallyréellement
have to forgetoublier about them
22
60880
3096
nous devons parfois,
vraiment, les oublier,
01:16
and see throughpar them insteadau lieu.
23
64000
1760
voir plutôt à travers elles.
01:18
Because dataLes données are always
just a tooloutil we use to representreprésenter realityréalité.
24
66440
3576
Parce que les données ne sont qu'un outil
servant à représenter la réalité.
01:22
They're always used
as a placeholderespace réservé for something elseautre,
25
70040
2856
Elles sont toujours utilisées
comme le support d'autre chose,
01:24
but they are never the realréal thing.
26
72920
2176
elles ne sont jamais la réalité.
01:27
But let me stepétape back for a momentmoment
27
75120
1936
Mais revenons en arrière,
01:29
to when I first understoodcompris
this personallypersonnellement.
28
77080
2480
à la première fois où je l'ai compris.
01:32
In 1994, I was 13 yearsannées oldvieux.
29
80280
3336
En 1994, j'avais 13 ans.
01:35
I was a teenageradolescent in ItalyItalie.
30
83640
1936
J'étais une adolescente en Italie.
01:37
I was too youngJeune
to be interestedintéressé in politicspolitique,
31
85600
2616
J'étais trop jeune
pour m'intéresser à la politique,
01:40
but I knewa connu that a businessmanhomme d'affaire,
SilvioSilvio BerlusconiBerlusconi,
32
88240
2496
je savais qu'un homme d'affaires,
Silvio Berlusconi,
01:42
was runningfonctionnement for presidentPrésident
for the moderatemodérer right.
33
90760
2560
était le candidat de la droite
à l'élection présidentielle.
01:46
We livedvivait in a very liberallibéral townville,
34
94120
2016
Nous vivions dans une ville très libérale
01:48
and my fatherpère was a politicianhomme politique
for the DemocraticDémocratique PartyParti.
35
96160
3296
et mon père était un politicien
du parti démocrate.
01:51
And I rememberrappelles toi that no one thought
that BerlusconiBerlusconi could get electedélu --
36
99480
4336
Et je me souviens que personne ne croyait
que Berlusconi pouvait être élu --
01:55
that was totallytotalement not an optionoption.
37
103840
1760
ce n'était pas une option.
01:58
But it happenedarrivé.
38
106560
1216
Mais c'est arrivé.
01:59
And I rememberrappelles toi the feelingsentiment very vividlyvivement.
39
107800
2536
Je me souviens
parfaitement de ce sentiment.
02:02
It was a completeAchevée surprisesurprise,
40
110360
1856
C'était une surprise complète,
02:04
as my dadpapa promisedpromis that in my townville
he knewa connu nobodypersonne who votedvoté for him.
41
112240
5040
mon père avait juré qu'en ville,
personne n'allait voter pour lui.
02:10
This was the first time
42
118720
1496
Pour la première fois,
02:12
when the dataLes données I had gavea donné me
a completelycomplètement distorteddéformée imageimage of realityréalité.
43
120240
4560
mes données présentaient une image
entièrement fausse de la réalité.
02:17
My dataLes données sampleéchantillon was actuallyréellement
prettyjoli limitedlimité and skewedbiaisé,
44
125280
3296
Mon échantillon était vraiment
assez limité et biaisé,
02:20
so probablyProbablement it was because of that,
I thought, I livedvivait in a bubblebulle,
45
128600
3736
donc ça devait être ça,
je vivais dans une bulle,
02:24
and I didn't have enoughassez chanceschances
to see outsideà l'extérieur of it.
46
132360
2600
je n'avais pas assez l'occasion
d'en voir l'extérieur.
02:28
Now, fast-forwardavance rapide to NovemberNovembre 8, 2016
47
136080
3776
Avançons jusqu'au 8 novembre 2016
02:31
in the UnitedUnie StatesÉtats.
48
139880
1200
aux États-Unis.
02:33
The internetl'Internet pollssondages,
49
141960
1296
Les sondages Internet,
02:35
statisticalstatistique modelsdes modèles,
50
143280
1376
les modèles statistiques,
02:36
all the punditsexperts agreeingd'accord on a possiblepossible
outcomerésultat for the presidentialprésidentiel electionélection.
51
144680
4816
tous les experts étaient d'accord
sur le résultat probable de l'élection.
02:41
It lookedregardé like we had
enoughassez informationinformation this time,
52
149520
2616
Nous disposions d'assez
d'informations cette fois,
02:44
and manybeaucoup more chanceschances to see outsideà l'extérieur
the closedfermé circlecercle we livedvivait in --
53
152160
4096
de bien plus d'occasions de voir
à l'extérieur de notre petit milieu --
02:48
but we clearlyclairement didn't.
54
156280
1320
mais ce n'était pas vrai.
02:50
The feelingsentiment feltse sentait very familiarfamilier.
55
158040
2096
Ce sentiment m'a semblé très familier.
02:52
I had been there before.
56
160160
1480
J'avais déjà connu ça.
02:54
I think it's fairjuste to say
the dataLes données failedéchoué us this time --
57
162360
2856
Il est juste de dire
que les données nous ont trahis --
02:57
and prettyjoli spectacularlyspectaculairement.
58
165240
1856
spectaculairement.
02:59
We believeda cru in dataLes données,
59
167120
1696
Nous croyions aux données,
03:00
but what happenedarrivé,
60
168840
1416
mais ce qu'il s'est passé,
03:02
even with the mostles plus respectedrespecté newspaperjournal,
61
170280
2696
même dans les journaux les plus respectés,
03:05
is that the obsessionobsession to reduceréduire everything
to two simplesimple percentagepourcentage numbersNombres
62
173000
4696
c'est que dans l'obsession de tout ramener
à deux simples pourcentages
03:09
to make a powerfulpuissant headlinegros titre
63
177720
1976
pour faire un titre accrocheur
03:11
madefabriqué us focusconcentrer on these two digitschiffres
64
179720
2056
nous n'avons plus vu
que ces deux chiffres,
03:13
and them aloneseul.
65
181800
1200
qu'eux seuls.
03:15
In an efforteffort to simplifysimplifier the messagemessage
66
183560
2056
Pour simplifier le message
03:17
and drawdessiner a beautifulbeau,
inevitableinévitable redrouge and bluebleu mapcarte,
67
185640
3416
et dessiner une belle, inévitable,
carte rouge et bleue,
03:21
we lostperdu the pointpoint completelycomplètement.
68
189080
1880
nous nous sommes
complètement fourvoyés.
Nous avons oublié
qu'il y a des histoires --
03:23
We somehowen quelque sorte forgotoublié
that there were storieshistoires --
69
191440
2136
des histoires d'êtres humains
derrière ces chiffres.
03:25
storieshistoires of humanHumain beingsêtres
behindderrière these numbersNombres.
70
193600
2360
03:29
In a differentdifférent contextle contexte,
71
197240
1576
Dans un autre contexte,
03:30
but to a very similarsimilaire pointpoint,
72
198840
1656
mais pour une même observation,
03:32
a peculiarétrange challengedéfi was presentedprésenté
to my teaméquipe by this womanfemme.
73
200520
3896
cette femme a lancé à mon équipe
un défi singulier.
03:36
She camevenu to us with a lot of dataLes données,
74
204440
2376
Elle est venue à nous
avec beaucoup de données,
03:38
but ultimatelyen fin de compte she wanted to tell
one of the mostles plus humanehumain storieshistoires possiblepossible.
75
206840
4416
mais elle voulait raconter
une histoire la plus humaine possible.
03:43
She's SamanthaSamantha CristoforettiCristoforetti.
76
211280
1696
Son nom est Samantha Cristoforetti.
03:45
She has been the first
ItalianItalien womanfemme astronautastronaute,
77
213000
2576
Elle a été la première
astronaute italienne,
03:47
and she contactedcontacté us before beingétant launchedlancé
78
215600
2496
elle m'a contactée avant son envol
03:50
on a six-month-longsix-month-long expeditionexpédition
to the InternationalInternational SpaceEspace StationStation.
79
218120
3896
pour une mission de six mois
dans la station spatiale internationale.
03:54
She told us, "I'm going to spaceespace,
80
222040
2216
Elle nous a dit : « Je pars dans l'espace,
03:56
and I want to do something meaningfulsignificatif
with the dataLes données of my missionmission
81
224280
3096
je veux faire quelque chose d'utile
avec les données de ma mission
03:59
to reachatteindre out to people."
82
227400
1240
pour toucher les gens. »
04:01
A missionmission to the
InternationalInternational SpaceEspace StationStation
83
229600
2536
Une mission dans
la station spatiale internationale
04:04
comesvient with terabytestéra-octets of dataLes données
84
232160
2096
génère des téraoctets de données
04:06
about anything you can possiblypeut-être imagineimaginer --
85
234280
2376
sur tout ce que vous pouvez imaginer --
04:08
the orbitsorbites around EarthTerre,
86
236680
1496
les orbites autour de la Terre,
04:10
the speedla vitesse and positionposition of the ISSISS
87
238200
2096
la vitesse et la position de l'ISS
04:12
and all of the other thousandsmilliers
of livevivre streamsruisseaux from its sensorscapteurs.
88
240320
3680
et les milliers d'enregistrements
en direct de ses senseurs.
04:16
We had all of the harddifficile dataLes données
we could think of --
89
244840
2896
Nous avions toutes les données
dont nous pouvions rêver --
04:19
just like the punditsexperts
before the electionélection --
90
247760
2416
comme les experts avant l'élection --
04:22
but what is the pointpoint
of all these numbersNombres?
91
250200
2976
mais que faire de tous ces chiffres ?
04:25
People are not interestedintéressé
in dataLes données for the sakeSaké of it,
92
253200
2736
Les gens ne s'intéressent pas
aux données pour le plaisir,
04:27
because numbersNombres are never the pointpoint.
93
255960
1855
les nombres ne sont jamais le sujet.
04:29
They're always the meansveux dire to an endfin.
94
257839
1961
Ils sont toujours le moyen
d'arriver à une fin.
04:32
The storyrécit we needednécessaire to tell
95
260839
1777
L'histoire que nous devions conter :
04:34
is that there is a humanHumain beingétant
in a teenyminuscule boxboîte
96
262640
2496
un être humain dans une boîte en fer
04:37
flyingen volant in spaceespace aboveau dessus your headtête,
97
265160
2256
vole dans l'espace,
au-dessus de nos têtes,
04:39
and that you can actuallyréellement see her
with your nakednu eyeœil on a clearclair night.
98
267440
4096
vous pouvez la voir vraiment,
à l'œil nu, si la nuit est belle.
04:43
So we decideddécidé to use dataLes données
to createcréer a connectionconnexion
99
271560
3096
Nous avons décidé d'utiliser les données
pour créer une connexion
04:46
betweenentre SamanthaSamantha and all of the people
looking at her from belowau dessous de.
100
274680
4056
entre Samantha et tous les gens
qui la regardaient d'en bas.
04:50
We designedconçu and developeddéveloppé
what we calledappelé "FriendsAmis in SpaceEspace,"
101
278760
3176
Nous avons conçu et développé
« Friends in Space »,
04:53
a webweb applicationapplication that simplysimplement
letspermet you say "helloBonjour" to SamanthaSamantha
102
281960
4656
une application qui vous permettait
d'envoyer un « salut » à Samantha
04:58
from where you are,
103
286640
1256
d'où vous étiez,
04:59
and "helloBonjour" to all the people
who are onlineen ligne at the sameMême time
104
287920
3536
de saluer toutes les personnes
connectées au même moment
05:03
from all over the worldmonde.
105
291480
1520
dans le monde entier.
05:05
And all of these "hellosbonjours"
left visiblevisible marksdes notes on the mapcarte
106
293640
3456
Tous ces saluts laissaient
des marques visibles sur la carte
05:09
as SamanthaSamantha was flyingen volant by
107
297120
2016
quand Samantha les survolait
05:11
and as she was actuallyréellement
wavingagitant back everychaque day at us
108
299160
3376
et nous saluait en retour chaque jour
05:14
usingen utilisant TwitterTwitter from the ISSISS.
109
302560
1680
via Twitter, depuis l'ISS.
05:16
This madefabriqué people see the mission'sMission dataLes données
from a very differentdifférent perspectivela perspective.
110
304880
4976
Les gens ont alors vu très différemment
les données de la mission.
05:21
It all suddenlysoudainement becamedevenu much more
about our humanHumain naturela nature and our curiositycuriosité,
111
309880
4696
Soudain, il s'agissait bien plus
de notre nature humaine, notre curiosité
05:26
ratherplutôt than technologyLa technologie.
112
314600
1656
que de technologie.
05:28
So dataLes données poweredalimenté the experienceexpérience,
113
316280
2336
Les données ont donc
alimenté l'expérience,
05:30
but storieshistoires of humanHumain beingsêtres
were the driveconduire.
114
318640
2400
mais le moteur en était
les histoires d'êtres humains.
05:34
The very positivepositif responseréponse
of its thousandsmilliers of usersutilisateurs
115
322840
3336
Les retours très positifs
des milliers d'utilisateurs
05:38
taughtenseigné me a very importantimportant lessonleçon --
116
326200
1936
m'ont appris une leçon
très importante --
05:40
that workingtravail with dataLes données
meansveux dire designingconception waysfaçons
117
328160
2856
travailler avec des données
veut dire concevoir des moyens
05:43
to transformtransformer the abstractabstrait
and the uncountablequi ne compte pas
118
331040
2736
de transformer l'abstrait et l'infini
05:45
into something that can be seenvu,
feltse sentait and directlydirectement reconnectedreconnecté
119
333800
4016
en une chose qui peut être vue,
ressentie et directement reliée
05:49
to our livesvies and to our behaviorscomportements,
120
337840
2296
à nos vies et à nos comportements,
05:52
something that is harddifficile to achieveatteindre
121
340160
1856
une chose difficile à atteindre
05:54
if we let the obsessionobsession for the numbersNombres
and the technologyLa technologie around them
122
342040
3896
si on laisse l'obsession des chiffres
et de la technologie qui les entoure
05:57
leadconduire us in the processprocessus.
123
345960
1280
prendre l'ascendant sur nous.
06:00
But we can do even more to connectrelier dataLes données
to the storieshistoires they representreprésenter.
124
348600
4896
Nous pouvons faire mieux pour relier
les données à leurs histoires.
06:05
We can removeretirer technologyLa technologie completelycomplètement.
125
353520
2656
Nous pouvons complètement
retirer la technologie.
06:08
A fewpeu yearsannées agodepuis, I metrencontré this other womanfemme,
126
356200
2256
Il y a quelques années, j'ai rencontré
06:10
StefanieStefanie PosavecPosavec --
127
358480
1376
Stefanie Posavec --
06:11
a London-basedBasé à Londres designerdesigner who sharesactions with me
the passionla passion and obsessionobsession about dataLes données.
128
359880
5816
une designer qui vit à Londres
et partage ma passion pour les données.
Nous ne nous connaissions pas
06:17
We didn't know eachchaque other,
129
365720
1336
06:19
but we decideddécidé to runcourir
a very radicalradical experimentexpérience,
130
367080
3256
mais nous avons décidé de mener
une expérience très radicale :
06:22
startingdépart a communicationla communication usingen utilisant only dataLes données,
131
370360
2536
engager une communication
n'utilisant que des données,
06:24
no other languagela langue,
132
372920
1336
pas d'autre langage,
06:26
and we opteda opté for usingen utilisant no technologyLa technologie
whatsoeverquoi que ce soit to sharepartager our dataLes données.
133
374280
4616
sans technologie d'aucune sorte
pour le partage de nos données.
06:30
In factfait, our only meansveux dire of communicationla communication
134
378920
2896
Notre seul moyen de communicaiton
06:33
would be throughpar
the old-fashionedancienne postposter officeBureau.
135
381840
2856
serait par la poste classique.
06:36
For "DearDear DataDonnées," everychaque weekla semaine for one yearan,
136
384720
2456
Pour « Dear Data »,
chaque semaine pendant un an,
nos données personnelles ont servi
à mieux nous connaître l'une l'autre --
06:39
we used our personalpersonnel dataLes données
to get to know eachchaque other --
137
387200
3456
06:42
personalpersonnel dataLes données around weeklyhebdomadaire
sharedpartagé mundanebanal topicsles sujets,
138
390680
3656
les données personnelles hebdomadaires
partageaient des sujets banals,
06:46
from our feelingssentiments
139
394360
1216
de nos sentiments
06:47
to the interactionsinteractions with our partnersles partenaires,
140
395600
1856
aux relations avec nos partenaires,
06:49
from the complimentscompliments we receivedreçu
to the soundsdes sons of our surroundingsalentours.
141
397480
3160
des compliments reçus
aux sons de notre environnement.
06:53
PersonalPersonnels informationinformation
that we would then manuallymanuellement handmain drawdessiner
142
401480
3536
Des informations personnelles
que nous dessinions
06:57
on a postcard-sizeformat carte postale sheetdrap of paperpapier
143
405040
2496
sur une feuille de papier
au format carte postale,
06:59
that we would everychaque weekla semaine
sendenvoyer from LondonLondres to NewNouveau YorkYork,
144
407560
2936
postée chaque semaine
de Londres à New York,
07:02
where I livevivre,
145
410520
1256
où je vis,
07:03
and from NewNouveau YorkYork to LondonLondres,
where she livesvies.
146
411800
2200
de New York à Londres, où elle vit.
07:06
The frontde face of the postcardcarte postale
is the dataLes données drawingdessin,
147
414480
3696
Le recto de la carte postale
est le dessin des données,
07:10
and the back of the cardcarte
148
418200
1296
le verso
07:11
containscontient the addressadresse
of the other personla personne, of coursecours,
149
419520
2429
contient l'adresse de la destinataire
07:13
and the legendlégende for how
to interpretinterpréter our drawingdessin.
150
421973
2640
et la légende nécessaire
à l'interprétation du dessin.
07:17
The very first weekla semaine into the projectprojet,
151
425640
2016
Pour la première semaine du projet,
07:19
we actuallyréellement chosechoisi
a prettyjoli colddu froid and impersonalimpersonnel topicsujet.
152
427680
3056
nous avions choisi un sujet
assez froid et impersonnel.
07:22
How manybeaucoup timesfois do we
checkvérifier the time in a weekla semaine?
153
430760
3200
Combien de fois avons-nous
regardé l'heure pendant une semaine ?
07:26
So here is the frontde face of my cardcarte,
154
434720
1936
Voici le recto de ma carte,
07:28
and you can see that everychaque little symbolsymbole
155
436680
1976
vous pouvez voir que chaque petit symbole
07:30
representsreprésente all of the timesfois
that I checkedvérifié the time,
156
438680
3416
représente toutes les fois
où j'ai regardé l'heure,
07:34
positionedpositionné for daysjournées
and differentdifférent hoursheures chronologicallypar ordre chronologique --
157
442120
3376
par jour, par heure,
chronologiquement --
07:37
nothing really complicatedcompliqué here.
158
445520
2040
rien de très compliqué.
07:40
But then you see in the legendlégende
159
448200
1576
Vous voyez dans la légende
07:41
how I addedajoutée anecdotalanecdotiques detailsdétails
about these momentsdes moments.
160
449800
3456
les détails anecdotiques
attachés à ces instants.
07:45
In factfait, the differentdifférent typesles types of symbolssymboles
indicateindiquer why I was checkingvérification the time --
161
453280
4576
Les différents symboles indiquent
la raison de ma consultation de l'heure --
07:49
what was I doing?
162
457880
1216
que faisais-je ?
07:51
Was I boredennuyé? Was I hungryaffamé?
163
459120
1696
M'ennuyais-je ? Avais-je faim ?
07:52
Was I lateen retard?
164
460840
1216
Étais-je en retard ?
07:54
Did I checkvérifier it on purposeobjectif
or just casuallymine de rien glanceregard at the clockl'horloge?
165
462080
3216
Ai-je regardé sciemment,
ai-je jeté un œil distrait à la pendule ?
07:57
And this is the keyclé partpartie --
166
465320
2256
C'est là l'élément essentiel --
07:59
representingreprésentant the detailsdétails
of my daysjournées and my personalitypersonnalité
167
467600
3696
la représentation des détails
de mes journées et de ma personnalité
08:03
throughpar my dataLes données collectioncollection.
168
471320
1936
au travers de ma collecte de données.
08:05
UsingÀ l’aide dataLes données as a lenslentille or a filterfiltre
to discoverdécouvrir and revealrévéler, for exampleExemple,
169
473280
4696
L'utilisation des données comme une loupe
ou un filtre, pour découvrir et montrer...
08:10
my never-endingsans fin anxietyanxiété for beingétant lateen retard,
170
478000
2176
ma crainte éternelle d'être en retard,
08:12
even thoughbien que I'm absolutelyabsolument always on time.
171
480200
2200
même si je suis toujours
absolument ponctuelle.
08:16
StefanieStefanie and I spentdépensé one yearan
collectingrecueillir our dataLes données manuallymanuellement
172
484200
4096
Stefanie et moi avons passé un an
à rassembler manuellement nos données,
08:20
to forceObliger us to focusconcentrer on the nuancesnuances
that computersdes ordinateurs cannotne peux pas gatherrecueillir --
173
488320
4496
nous forçant à être attentives aux nuances
que les ordinateurs ne notent pas --
08:24
or at leastmoins not yetencore --
174
492840
1536
du moins pas encore --
08:26
usingen utilisant dataLes données alsoaussi to exploreexplorer our mindsesprits
and the wordsmots we use,
175
494400
3496
utilisant les données pour explorer
nos esprits, les mots que nous disons,
08:29
and not only our activitiesActivités.
176
497920
1936
pas seulement nos activités.
08:31
Like at weekla semaine numbernombre threeTrois,
177
499880
1416
Pendant la troisième semaine,
08:33
where we trackedsuivi the "thank yousyous"
we said and were receivedreçu,
178
501320
3816
quand nous enregistrions les « merci »
que nous disions et recevions,
08:37
and when I realizedréalisé that I thank
mostlyla plupart people that I don't know.
179
505160
4656
j'ai réalisé que je remercie surtout
des gens que je ne connais pas.
08:41
ApparentlyApparemment I'm a compulsivecompulsif thankerThanker
to waitressesserveuses and waitersserveurs,
180
509840
4336
Apparemment, je remercie compulsivement
les serveuses et les serveurs,
08:46
but I definitelyabsolument don't thank enoughassez
the people who are closeFermer to me.
181
514200
3160
mais certainement pas assez mes proches.
08:51
Over one yearan,
182
519000
1256
Pendant un an,
08:52
the processprocessus of activelyactivement noticingremarquer
and countingcompte these typesles types of actionsactes
183
520280
4496
l'observation et le décompte
de ces types d'actions
08:56
becamedevenu a ritualrituel.
184
524800
1296
sont devenus un rituel.
08:58
It actuallyréellement changedmodifié ourselvesnous-mêmes.
185
526120
2056
Il nous a vraiment changées.
09:00
We becamedevenu much more
in tunemélodie with ourselvesnous-mêmes,
186
528200
2696
Nous sommes devenues
bien mieux avec nous-mêmes,
09:02
much more awareconscient of our behaviorscomportements
and our surroundingsalentours.
187
530920
3120
bien plus conscientes de nos comportements
et de notre environnement.
09:06
Over one yearan, StefanieStefanie and I
connectedconnecté at a very deepProfond levelniveau
188
534680
2976
Stefanie et moi avons communiqué
à un niveau très profond
09:09
throughpar our sharedpartagé dataLes données diaryJournal intime,
189
537680
2016
par le partage de nos journaux de données,
09:11
but we could do this only because
we put ourselvesnous-mêmes in these numbersNombres,
190
539720
4296
nous avons pu le faire parce que
nous nous engagions dans ces chiffres,
09:16
addingajouter the contextscontextes
of our very personalpersonnel storieshistoires to them.
191
544040
3976
y ajoutant le contexte
de nos histoires personnelles.
09:20
It was the only way
to make them trulyvraiment meaningfulsignificatif
192
548040
2456
C'était la seule façon
de leur donner un sens
09:22
and representativereprésentant of ourselvesnous-mêmes.
193
550520
2200
et qu'elles nous représentent.
09:26
I am not askingdemandant you
to startdébut drawingdessin your personalpersonnel dataLes données,
194
554480
3096
Je ne vous demande pas
de dessiner vos propres données
09:29
or to find a penstylo palPAL acrossà travers the oceanocéan.
195
557600
2856
ou de trouver un correspondant lointain.
09:32
But I'm askingdemandant you to considerconsidérer dataLes données --
196
560480
2576
Mais je vous demande
de considérer les données --
09:35
all kindgentil of dataLes données --
197
563080
1456
toutes sortes de données --
09:36
as the beginningdébut of the conversationconversation
198
564560
1776
comme le début d'une conversation
09:38
and not the endfin.
199
566360
1200
et non sa fin.
09:40
Because dataLes données aloneseul
will never give us a solutionSolution.
200
568080
3176
Parce que les données seules
ne nous donneront jamais de solution.
09:43
And this is why dataLes données failedéchoué us so badlymal --
201
571280
2696
C'est pourquoi elles
nous ont si gravement trompés --
09:46
because we failedéchoué to includecomprendre
the right amountmontant of contextle contexte
202
574000
3376
parce que nous avons échoué
à leur donner le bon niveau de contexte
09:49
to representreprésenter realityréalité --
203
577400
1456
pour représenter la réalité --
09:50
a nuancednuancée, complicatedcompliqué
and intricatecomplexe realityréalité.
204
578880
3200
une réalité nuancée,
compliquée, complexe.
09:54
We keptconservé looking at these two numbersNombres,
205
582960
2456
Nous ne regardions que ces deux chiffres,
09:57
obsessingobsédé par with them
206
585440
1496
obsédés par eux,
09:58
and pretendingprétendre that our worldmonde
could be reducedréduit
207
586960
2496
prétendant croire que notre monde
pouvait se réduire
10:01
to a couplecouple digitschiffres and a horsecheval racecourse,
208
589480
2336
à deux chiffres et une course de chevaux,
quand les histoires vraies,
10:03
while the realréal storieshistoires,
209
591840
1256
10:05
the onesceux that really matteredimportait,
210
593120
1456
celles qui comptent vraiment,
10:06
were somewherequelque part elseautre.
211
594600
1416
étaient ailleurs.
10:08
What we missedmanqué looking at these storieshistoires
only throughpar modelsdes modèles and algorithmsalgorithmes
212
596040
4416
Ce que nous avons raté en ne les observant
qu'au travers de modèles et d'algorithmes
10:12
is what I call "dataLes données humanismhumanisme."
213
600480
2520
est l'« humanisme des données ».
10:15
In the RenaissanceRenaissance humanismhumanisme,
214
603560
2016
À la Renaissance,
10:17
EuropeanEuropéenne intellectualsintellectuels
215
605600
1616
les intellectuels européens
10:19
placedmis the humanHumain naturela nature insteadau lieu of God
at the centercentre of theirleur viewvue of the worldmonde.
216
607240
4920
ont remplacé Dieu par la nature humaine
au centre de leur vision du monde.
10:24
I believe something similarsimilaire
needsBesoins to happense produire
217
612800
2216
Je crois un même
bouleversement nécessaire
10:27
with the universeunivers of dataLes données.
218
615040
1776
dans le monde des données.
10:28
Now dataLes données are apparentlyApparemment
treatedtraité like a God --
219
616840
2976
Les données sont apparemment
traitées comme des dieux --
10:31
keeperKeeper of infallibleinfaillible truthvérité
for our presentprésent and our futureavenir.
220
619840
3280
gardiennes de la vérité infaillible
de notre présent, de notre futur.
10:35
The experiencesexpériences
that I sharedpartagé with you todayaujourd'hui
221
623840
2896
Les expériences partagées
avec vous aujourd'hui
10:38
taughtenseigné me that to make dataLes données faithfullyfidèlement
representativereprésentant of our humanHumain naturela nature
222
626760
5016
m'ont appris que pour que les données
représentent fidèlement notre humanité,
10:43
and to make sure they will not
misleadinduire en erreur us anymoreplus,
223
631800
3416
qu'elles ne nous trompent plus jamais,
10:47
we need to startdébut designingconception waysfaçons
to includecomprendre empathyempathie, imperfectionimperfection
224
635240
3696
nous devons concevoir des moyens
d'y inclure l'empathie, l'imperfection
10:50
and humanHumain qualitiesqualités
225
638960
1576
et les qualités humaines
10:52
in how we collectcollecte, processprocessus,
analyzeanalyser and displayafficher them.
226
640560
3720
dans leur collecte, traitement,
analyse et présentation.
10:57
I do see a placeendroit where, ultimatelyen fin de compte,
227
645280
2976
J'imagine une époque où, enfin,
11:00
insteadau lieu of usingen utilisant dataLes données
only to becomedevenir more efficientefficace,
228
648280
3336
plutôt que d'utiliser les données
dans un seul but d'efficacité,
11:03
we will all use dataLes données
to becomedevenir more humanehumain.
229
651640
2800
nous les utiliserons
pour devenir plus humains.
11:06
Thank you.
230
654880
1216
Merci.
11:08
(ApplauseApplaudissements)
231
656120
4441
(Applaudissements)
Translated by py carre
Reviewed by Morgane Quilfen

▲Back to top

ABOUT THE SPEAKER
Giorgia Lupi - Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas.

Why you should listen

What sets Giorgia Lupi apart is her humanistic approach to the world of data.

Her work frequently crosses the divide between digital, print and handcrafted representations of information: primarily, she draws with data. She has a passion for and obsession with data, the material she uses to tell stories, and the lens through which she sees the world.

Data are often considered to be very impersonal, boring and clinical, but Lupi's work proves the opposite. She makes sense of data with a curious mind and a heterogeneous arsenal, which ranges from digital technology to exhausting and repetitive manual labor. She believes we will ultimately unlock the full potential of data only when we embrace their nature, and make them part of our lives, which will inevitably make data more human in the process.

Trained as an architect, Lupi has always been driven by opposing forces: analysis and intuition, logic and beauty, numbers and images. True to these dichotomies, in 2011 she started both her own company and studying for a PhD. She earned her ddoctorate in design at Politecnico di Milano, where she focused on information mapping, and she is now the design director and co-founder of Accurat, a global, data-driven research, design and innovation firm with offices in Milan and New York. She relocated from Italy to New York City, where she now lives.

Thanks to her work and research, Giorgia is a prominent voice in the world of data. She has spoken at numerous events, universities and institutions around the world, including the Museum of Modern Art, the Guggenheim Museum, PopTech Conference, Eyeo Festival, Fast Company Innovation by Design, New York University, Columbia University and the New York Public Library. She has been featured in major international outlets such as the New York Times, The Guardian, the Washington Post, NPR, BBC, TIME magazine, National Geographic, Scientific American, Popular Science, Wired, Vogue, Vanity Fair, Monocle and more. Her work has been exhibited at the Design Museum, the Science Museum, and Somerset House in London; the New York Hall of Science and the Storefront for Art and Architecture in New York; at the Triennale Design Museum and the Design Week in Milan, among others.

With her company, Accurat, she has worked with major international clients including IBM, Google, Microsoft, the United Nations, the World Health Organization, the World Economic Forum, the European Union, the Louis Vuitton-Moet-Hennessy Group, Fiat Chrysler Automobiles, J.P. Morgan Asset Management, Unicredit Group and KPMG Advisory.

Giorgia is the co-author of Dear Data, an aspirational hand-drawn data visualization book that explores the more slippery details of daily life through data, revealing the patterns that inform our decisions and affect our relationships.

Her work is part of the permanent collection of the Museum of Modern Art.

More profile about the speaker
Giorgia Lupi | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee