TED2009
Bruce Bueno de Mesquita: A prediction for the future of Iran
Bruce Bueno de Mesquita prédit le futur de l'Iran
Filmed:
Readability: 4.1
1,045,301 views
Bruce Bueno de Mesquita utilise des outils mathématiques pour prévoir (souvent avec raison) des évenements humains tel que des guerres, des changements de pouvoirs politiques, des intifadas... Après une brève explication sur la méthode utilisée, il nous offre trois prédictions sur le futur de l'Iran.
Bruce Bueno de Mesquita - Political scientist
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
Double-click the English transcript below to play the video.
00:18
What I'm going to try to do is explain to you
0
0
3000
Ce que j'aimerais faire ce soir, c'est expliquer
00:21
quickly how to predict,
1
3000
2000
rapidement comment prédire l'avenir
00:23
and illustrate it with some predictions
2
5000
2000
et illustrer ma méthode par des prédictions
00:25
about what Iran is going to do in the next couple of years.
3
7000
5000
sur le futur de l'Iran, dans les deux prochaines années.
00:30
In order to predict effectively,
4
12000
3000
Pour prévoir efficacement,
00:33
we need to use science.
5
15000
3000
Nous avons besoin de la science
00:36
And the reason that we need to use science
6
18000
3000
Pour une simple et bonne raison :
00:39
is because then we can reproduce what we're doing;
7
21000
2000
Nous pouvons alors reproduire nos calculs
00:41
it's not just wisdom or guesswork.
8
23000
3000
Ce n'est pas de l'intuition, ou des formulations d'hypothèses.
00:44
And if we can predict,
9
26000
3000
Et si nous pouvons prédire l'avenir
00:47
then we can engineer the future.
10
29000
2000
alors nous pouvons construire le futur
00:49
So if you are concerned to influence energy policy,
11
31000
4000
Donc, si vous voulez influencer la politique sur l'énergie
00:53
or you are concerned to influence national security policy,
12
35000
5000
ou bien la politique sur la sécurité nationale
00:58
or health policy, or education,
13
40000
3000
ou même sur la santé, ou l'éducation,
01:01
science -- and a particular branch of science -- is a way to do it,
14
43000
4000
la science, et une branche particulière de la science peut vous aider
01:05
not the way we've been doing it,
15
47000
2000
plus que les techniques actuelles
01:07
which is seat-of-the-pants wisdom.
16
49000
2000
qui relèvent d'approximations grossières.
01:09
Now before I get into how to do it
17
51000
2000
Avant de rentrer dans les détails,
01:11
let me give you a little truth in advertising,
18
53000
3000
quelques vérités dans cette publicité
01:14
because I'm not engaged in the business of magic.
19
56000
3000
parce que je ne fais pas dans la magie.
01:17
There are lots of thing that the approach I take can predict,
20
59000
4000
Il y a beaucoup de choses que ma méthode peut prévoir
01:21
and there are some that it can't.
21
63000
2000
et certaines autres qu'elle ne peut pas.
01:23
It can predict complex negotiations
22
65000
3000
Elle peut prévoir des négociations difficiles,
01:26
or situations involving coercion --
23
68000
3000
ou des situations contraignantes,
01:29
that is in essence everything that has to do with politics,
24
71000
4000
i.e. en général, tout ce qui a à voir avec la politique
01:33
much of what has to do with business,
25
75000
2000
et a peu près tout ce qui relève de l'industrie
01:35
but sorry, if you're looking to speculate in the stock market,
26
77000
6000
Mais désolé, si vous voulez spéculer sur le marché financier
01:41
I don't predict stock markets -- OK,
27
83000
2000
Je ne prédis pas les marchés financiers --
01:43
it's not going up any time really soon.
28
85000
3000
OK, en ce moment, ca ne montera pas.
01:46
But I'm not engaged in doing that.
29
88000
3000
Mais je ne m'engage pas dans ce genre de choses
01:49
I'm not engaged in predicting random number generators.
30
91000
3000
Je ne prédis pas les générateurs de nombres aléatoires,
01:52
I actually get phone calls from people
31
94000
2000
Je reçois, de fait, des appels de personnes
01:54
who want to know what lottery numbers are going to win.
32
96000
3000
qui veulent connaître les numéros du loto.
01:57
I don't have a clue.
33
99000
3000
Je n'en ai aucune idée.
02:00
I engage in the use of game theory, game theory is a branch of mathematics
34
102000
4000
Je m'intéresse à la théorie du jeu, la théorie du jeu est une branche des mathématiques
02:04
and that means, sorry, that even in the study of politics,
35
106000
4000
et cela veut dire, désolé, que même pour la politique
02:08
math has come into the picture.
36
110000
3000
on retrouve des mathématiques.
02:11
We can no longer pretend that we just speculate about politics,
37
113000
4000
Nous ne pouvons plus dire que nous spéculons sur la politique,
02:15
we need to look at this in a rigorous way.
38
117000
3000
nous l'étudions maintenant de manière méthodique.
02:18
Now, what is game theory about?
39
120000
3000
Bon, qu'est ce que la théorie du jeu ?
02:21
It assumes that people are looking out for what's good for them.
40
123000
5000
L'hypothèse est que les gens font ce qui est bon pour eux
02:26
That doesn't seem terribly shocking --
41
128000
2000
ca ne semble pas terriblement choquant
02:28
although it's controversial for a lot of people --
42
130000
2000
bien que ce soit controversé par beaucoup :
02:30
that we are self-interested.
43
132000
4000
nous sommes tous des gens intéressés.
02:34
In order to look out for what's best for them
44
136000
2000
Pour trouver le meilleur compromis pour eux,
02:36
or what they think is best for them,
45
138000
2000
ou ce qu'ils pensent est le meilleur compromis,
02:38
people have values -- they identify what they want, and what they don't want.
46
140000
4000
les gens ont des valeurs -- ils identifient ce qu'ils veulent, et ce qu'ils ne veulent pas.
02:42
And they have beliefs about what other people want,
47
144000
3000
Et ils ont des suppositions sur ce que les autres veulent,
02:45
and what other people don't want, how much power other people have,
48
147000
3000
sur ce qu'ils ne veulent pas, sur quelle quantité de pouvoir les autres ont,
02:48
how much those people could get in the way of whatever it is that you want.
49
150000
4000
a quel point ils pourraient interférer avec vos plans pour avoir ce que vous voulez.
02:52
And they face limitations, constraints,
50
154000
4000
Et ils ont des limites, des contraintes,
02:56
they may be weak, they may be located in the wrong part of the world,
51
158000
3000
ils peuvent être faibles, mal placés dans le monde,
02:59
they may be Einstein, stuck away farming
52
161000
3000
il peuvent être Einstein, coincés dans leur ferme
03:02
someplace in a rural village in India not being noticed,
53
164000
4000
quelque part dans un patelin indien, jamais remarqués,
03:06
as was the case for Ramanujan for a long time,
54
168000
3000
comme ce fut le cas pour Ramanujan pendant longtemps,
03:09
a great mathematician but nobody noticed.
55
171000
3000
un grand mathématicien que personne ne remarqua.
03:12
Now who is rational?
56
174000
2000
Ensuite, qui est rationnel ?
03:14
A lot of people are worried about what is rationality about?
57
176000
3000
Beaucoup de personnes se demandent a quoi rime la rationalité ?
03:17
You know, what if people are rational?
58
179000
2000
Les gens sont rationnels.
03:19
Mother Theresa, she was rational.
59
181000
3000
Mère Térésa était rationnelle.
03:22
Terrorists, they're rational.
60
184000
4000
Les terroristes sont rationnels.
03:26
Pretty much everybody is rational.
61
188000
3000
A peu près tout le monde est rationnel.
03:29
I think there are only two exceptions that I'm aware of --
62
191000
3000
Je ne connais que deux exceptions :
03:32
two-year-olds, they are not rational,
63
194000
2000
les bébés de deux ans ne sont pas rationnels,
03:34
they have very fickle preferences,
64
196000
3000
il ont des désirs très capricieux,
03:37
they switch what they think all the time,
65
199000
2000
ils changent d'avis tout le temps,
03:39
and schizophrenics are probably not rational,
66
201000
3000
et les schizophrènes ne sont peut-être pas rationnels,
03:42
but pretty much everybody else is rational.
67
204000
2000
mais a peu près tout le monde est rationnel.
03:44
That is, they are just trying to do
68
206000
2000
C'est à dire, ils essaient simplement de faire
03:46
what they think is in their own best interest.
69
208000
5000
ceux qu'ils pensent être dans leur meilleur intérêt.
03:51
Now in order to work out what people are going to do
70
213000
2000
Maintenant, pour savoir ce que les gens vont faire
03:53
to pursue their interests,
71
215000
2000
pour réaliser leurs intérêts,
03:55
we have to think about who has influence in the world.
72
217000
2000
nous recherchons ceux qui influencent le monde.
03:57
If you're trying to influence corporations to change their behavior,
73
219000
5000
Si vous essayez d'influencer les entreprises pour modifier leur comportement,
04:02
with regard to producing pollutants,
74
224000
3000
a propos de la production de polluants,
04:05
one approach, the common approach,
75
227000
2000
une approche, la plus habituelle,
04:07
is to exhort them to be better,
76
229000
2000
est de les exhorter à être meilleures,
04:09
to explain to them what damage they're doing to the planet.
77
231000
3000
leur expliquer les dommages qu'elles infligent à notre planète.
04:12
And many of you may have noticed that doesn't have
78
234000
2000
Et beaucoup d'entre vous ont pu constater que ca n'avait pas
04:14
as big an effect, as perhaps you would like it to have.
79
236000
4000
un effet flagrant, en tout cas pas autant que ce que vous n'auriez voulu,
04:18
But if you show them that it's in their interest,
80
240000
3000
mais si vous leur montrez que cela va dans leurs intérêts
04:21
then they're responsive.
81
243000
2000
alors les entreprises réagissent.
04:23
So, we have to work out who influences problems.
82
245000
3000
Donc, nous devons trouver qui a de l'influence sur le problème.
04:26
If we're looking at Iran, the president of the United States
83
248000
2000
Si nous regardons l'Iran, le président des Etats-Unis
04:28
we would like to think, may have some influence --
84
250000
3000
espère-t-on, peut avoir quelque influence --
04:31
certainly the president in Iran has some influence --
85
253000
4000
le président Iranien en a certainement --
04:35
but we make a mistake if we just pay attention
86
257000
3000
Mais nous ferions une erreur en nous intéressant uniquement
04:38
to the person at the top of the power ladder
87
260000
3000
à la personne tout au haut de l'échelle du pouvoir
04:41
because that person doesn't know much about Iran,
88
263000
3000
car cette personne ne connait pas grand chose à l'Iran,
04:44
or about energy policy,
89
266000
2000
pas plus qu'aux politiques sur l'énergie,
04:46
or about health care,
90
268000
2000
pas plus qu'au programme de santé,
04:48
or about any particular policy.
91
270000
2000
ni plus qu'aucun programme particulier.
04:50
That person surrounds himself or herself with advisers.
92
272000
5000
Cette personne s'entoure de conseillers.
04:55
If we're talking about national security problems,
93
277000
2000
Si nous parlons de problèmes de sécurité nationale,
04:57
maybe it's the Secretary of State,
94
279000
2000
ce sera par exemple le secrétaire d'état,
04:59
maybe it's the Secretary of Defense,
95
281000
2000
ou peut-être le secrétaire à la défense,
05:01
the Director of National Intelligence,
96
283000
2000
le directeur des services de renseignements,
05:03
maybe the ambassador to the United Nations, or somebody else
97
285000
2000
peut-être l'ambassadeur des Nations Unis, peut-être quelqu'un d'autre
05:05
who they think is going to know more about the particular problem.
98
287000
4000
qui, pensent-ils, sera plus compétent sur ce problème en particulier.
05:09
But let's face it, the Secretary of State doesn't know much about Iran.
99
291000
3000
Mais même le secrétaire d'état ne connait pas grand chose à l'Iran.
05:12
The secretary of defense doesn't know much about Iran.
100
294000
3000
Le secrétaire à la défense non plus.
05:15
Each of those people in turn
101
297000
3000
Chacune de ces personnes, à son tour,
05:18
has advisers who advise them,
102
300000
2000
a des conseillers pour l'aider,
05:20
so they can advise the president.
103
302000
3000
afin qu'ils puissent aider le président.
05:23
There are lots of people shaping decisions
104
305000
3000
Beaucoup de personnes influencent ces décisions
05:26
and so if we want to predict correctly
105
308000
2000
et si nous voulons prédire correctement,
05:28
we have to pay attention to everybody
106
310000
3000
nous devons prendre en compte tout ceux
05:31
who is trying to shape the outcome,
107
313000
2000
qui essaient d'influer sur le résultat,
05:33
not just the people at the pinnacle
108
315000
3000
pas juste les gens tout au haut
05:36
of the decision-making pyramid.
109
318000
4000
de la pyramide de décision.
05:40
Unfortunately, a lot of times we don't do that.
110
322000
2000
Malheureusement, la plupart du temps, on ne fait pas ça,
05:42
There's a good reason that we don't do that,
111
324000
2000
et ceci pour une bonne raison,
05:44
and there's a good reason that using game theory and computers,
112
326000
3000
et une bonne raison d'utiliser la théorie du jeu et les ordinateurs,
05:47
we can overcome the limitation
113
329000
3000
est que nous pouvons dépasser cette limite
05:50
of just looking at a few people.
114
332000
2000
de ne s'intéresser qu'à quelques personnes.
05:52
Imagine a problem with just five decision-makers.
115
334000
4000
Supposons un problème avec seulement 5 décideurs.
05:56
Imagine for example
116
338000
2000
Imaginons, par exemple
05:58
that Sally over here,
117
340000
2000
que Sally, ici,
06:00
wants to know what Harry, and Jane,
118
342000
3000
veut savoir ce que Harry, Jane
06:03
and George and Frank are thinking,
119
345000
3000
George et Frank pensent,
06:06
and sends messages to those people.
120
348000
2000
et envoie des messages à ces personnes.
06:08
Sally's giving her opinion to them,
121
350000
2000
Sally leur donne son avis,
06:10
and they're giving their opinion to Sally.
122
352000
3000
et ils lui renvoient leur avis.
06:13
But Sally also wants to know
123
355000
2000
Mais Sally veut aussi savoir
06:15
what Harry is saying to these three,
124
357000
3000
ce que Harry dit aux trois autres,
06:18
and what they're saying to Harry.
125
360000
2000
et ce qu'ils disent à Harry.
06:20
And Harry wants to know
126
362000
2000
Et Harry veut savoir
06:22
what each of those people are saying to each other, and so on,
127
364000
3000
ce que chacun d'entre eux dit à chaque autres, et caetera,
06:25
and Sally would like to know what Harry thinks those people are saying.
128
367000
3000
et Sally aimerait connaitre ce que Harry pensent que les autres disent.
06:28
That's a complicated problem; that's a lot to know.
129
370000
3000
C'est un problème compliqué, beaucoup de choses à savoir.
06:31
With five decision-makers
130
373000
3000
Avec 5 décideurs
06:34
there are a lot of linkages --
131
376000
2000
il y a déjà beaucoup de liens --
06:36
120, as a matter of fact,
132
378000
2000
on en compte 120
06:38
if you remember your factorials.
133
380000
2000
si vous vous souvenez de vos factorielles.
06:40
Five factorial is 120.
134
382000
2000
5 factorielle égale 120.
06:42
Now you may be surprised to know
135
384000
2000
Vous serez peut-être surpris d'apprendre
06:44
that smart people can keep 120 things straight
136
386000
3000
que certains arrivent à garder 120 données
06:47
in their head.
137
389000
2000
en tête
06:49
Suppose we double the number of influencers
138
391000
2000
Supposons que nous doublions le nombre de décideurs
06:51
from five to 10.
139
393000
2000
de 5 à 10.
06:53
Does that mean we've doubled the number of pieces of information
140
395000
4000
Avons nous doublé la quantité d'information
06:57
we need to know, from 120 to 240?
141
399000
2000
à retenir, de 120 à 240 ?
06:59
No. How about 10 times?
142
401000
2000
Non, peut-être 10 fois ?
07:01
To 1,200? No.
143
403000
3000
jusqu'à 1200 ? Non.
07:04
We've increased it to 3.6 million.
144
406000
3000
Nous sommes montés à 3.6 million.
07:07
Nobody can keep that straight in their head.
145
409000
2000
Personne ne peut retenir tout ca de tête.
07:09
But computers,
146
411000
3000
Par contre, les ordinateurs,
07:12
they can. They don't need coffee breaks,
147
414000
3000
eux peuvent. Pas besoin de pause café,
07:15
they don't need vacations,
148
417000
3000
pas besoin de vacances,
07:18
they don't need to go to sleep at night,
149
420000
2000
pas besoin de dormir la nuit,
07:20
they don't ask for raises either.
150
422000
3000
ils ne demandent pas d'augmentation non plus.
07:23
They can keep this information straight
151
425000
2000
Ils peuvent retenir toute cette information
07:25
and that means that we can process the information.
152
427000
3000
et cela veut dire que nous pouvons traiter cette information.
07:28
So I'm going to talk to you about how to process it,
153
430000
2000
Je vais donc vous parler de comment la traiter,
07:30
and I'm going to give you some examples out of Iran,
154
432000
3000
et je vais vous donner des exemples venus d'Iran,
07:33
and you're going to be wondering,
155
435000
2000
et vous aller vous demander :
07:35
"Why should we listen to this guy?
156
437000
2000
"Pourquoi devrions-nous écouter ce type?"
07:37
Why should we believe what he's saying?"
157
439000
3000
"Pourquoi devrions-nous le croire?"
07:40
So I'm going to show you a factoid.
158
442000
4000
Donc voici quelques assertions.
07:44
This is an assessment by the Central Intelligence Agency
159
446000
3000
Ceci est une évaluation de la CIA
07:47
of the percentage of time
160
449000
2000
du pourcentage de fois
07:49
that the model I'm talking about
161
451000
2000
où le modèle dont je parle
07:51
is right in predicting things whose outcome is not yet known,
162
453000
3000
a raison sur une prédiction dont le résultat est encore inconnu,
07:54
when the experts who provided the data inputs
163
456000
4000
quand les experts qui ont donné les données en entrée
07:58
got it wrong.
164
460000
2000
se sont trompés.
08:00
That's not my claim, that's a CIA claim -- you can read it,
165
462000
3000
C'est la CIA qui le dit, vous pouvez le lire,
08:03
it was declassified a while ago. You can read it in a volume edited by
166
465000
3000
il a été déclassifié il y a longtemps. Vous pouvez le lire dans un volume édité par
08:06
H. Bradford Westerfield, Yale University Press.
167
468000
3000
H. Bradford Westerfield, Yale University Press.
08:09
So, what do we need to know
168
471000
2000
Donc, qu'a-t-on besoin de savoir
08:11
in order to predict?
169
473000
2000
pour faire une prédiction ?
08:13
You may be surprised to find out we don't need to know very much.
170
475000
3000
Vous serez surpris de savoir que nous n'avons pas besoin de grand-chose.
08:16
We do need to know who has a stake
171
478000
3000
Nous devons savoir qui a interêt
08:19
in trying to shape the outcome of a decision.
172
481000
5000
à influer sur le résultat de la décision.
08:24
We need to know what they say they want,
173
486000
3000
Nous devons savoir ce qu'ils disent vouloir,
08:27
not what they want in their heart of hearts,
174
489000
3000
pas ce qu'ils veulent réellement au fond d'eux,
08:30
not what they think they can get,
175
492000
2000
pas ce qu'ils pensent pouvoir avoir,
08:32
but what they say they want, because that is a strategically chosen position,
176
494000
3000
mais ce qu'ils disent vouloir, parce que c'est une position stratégiquement choisie,
08:35
and we can work backwards from that
177
497000
2000
et que nous pouvons travailler à reculons, à partir de cela
08:37
to draw inferences about important features of their decision-making.
178
499000
4000
pour inférer des points importants sur leur processus de décision.
08:41
We need to know how focused they are
179
503000
2000
Nous devons savoir a quel point ils sont concernés
08:43
on the problem at hand.
180
505000
2000
par le problème.
08:45
That is, how willing are they to drop what they're doing when the issue comes up,
181
507000
3000
C'est-à-dire, sont-ils prêt à laisser tomber ce qu'ils font pour se concentrer sur ce problème
08:48
and attend to it instead of something else that's on their plate --
182
510000
4000
et s'y consacrer au lieu de se consacrer à autre chose --
08:52
how big a deal is it to them?
183
514000
2000
A quel point ceci est un problème pour eux ?
08:54
And how much clout could they bring to bear
184
516000
3000
Et quelle influence peuvent-ils amener sur ce problème
08:57
if they chose to engage on the issue?
185
519000
5000
s'ils choisissent de s'y consacrer.
09:02
If we know those things
186
524000
2000
Si nous savons cela,
09:04
we can predict their behavior by assuming that everybody
187
526000
3000
nous pouvons prévoir leur comportement en supposons que tout le monde
09:07
cares about two things on any decision.
188
529000
5000
s'intéressent à deux choses, en toute décision :
09:12
They care about the outcome. They'd like an outcome as close to
189
534000
2000
- Le résultat, ils voudraient un résultat aussi proche que possible
09:14
what they are interested in as possible.
190
536000
3000
de ce qui les intéressent.
09:17
They're careerists, they also care about getting credit --
191
539000
3000
- Leur carrière, ils veulent être récompensés
09:20
there's ego involvement,
192
542000
2000
il y a un certain ego mis en jeu,
09:22
they want to be seen as important in shaping the outcome,
193
544000
4000
ils veulent être vus comme ayant du pouvoir sur le résultat,
09:26
or as important, if it's their druthers, to block an outcome.
194
548000
5000
ou tout aussi important, pour bloquer un résultat.
09:31
And so we have to figure out how they balance those two things.
195
553000
3000
Nous devons donc trouver comment ils équilibrent ces deux choses.
09:34
Different people trade off
196
556000
2000
Des personnes différentes choisissent
09:36
between standing by their outcome,
197
558000
3000
entre soutenir coûte que coûte leur résultat,
09:39
faithfully holding to it, going down in a blaze of glory,
198
561000
3000
le soutenir fidèlement, perdre dans un éclair de gloire,
09:42
or giving it up, putting their finger in the wind,
199
564000
3000
ou laisser tomber, envoyer tout le monde se faire voir
09:45
and doing whatever they think is going to be a winning position.
200
567000
3000
et faire ce qu'ils pensent nécessaire pour obtenir une position gagnante
09:48
Most people fall in between, and if we can work out where they fall
201
570000
3000
La plupart des gens se trouvent entre les deux, et si nous pouvons trouver où,
09:51
we can work out how to negotiate with them
202
573000
2000
nous pouvons savoir comment négocier avec eux
09:53
to change their behavior.
203
575000
2000
pour modifier leur comportement.
09:55
So with just that little bit of input
204
577000
3000
Donc avec simplement ces entrées
09:58
we can work out what the choices are that people have,
205
580000
3000
nous pouvons définir quels choix ont ces personnes,
10:01
what the chances are that they're willing to take,
206
583000
3000
et quels risques sont-ils prêt à prendre,
10:04
what they're after, what they value, what they want,
207
586000
3000
ce qui les fait courir, ce qu'ils les importent, ce qu'ils veulent,
10:07
and what they believe about other people.
208
589000
3000
et ce qu'ils croient sur les autres décideurs.
10:10
You might notice what we don't need to know:
209
592000
4000
Vous aurez remarqué ce que nous n'avons pas besoin de savoir
10:14
there's no history in here.
210
596000
2000
Il n'y a pas d'historique ici.
10:16
How they got to where they are
211
598000
2000
Comment ils sont arrivés là
10:18
may be important in shaping the input information,
212
600000
2000
peut être important pour définir les informations en entrée,
10:20
but once we know where they are
213
602000
2000
mais une fois que nous savons où ils sont
10:22
we're worried about where they're going to be headed in the future.
214
604000
3000
nous nous intéressons à où ils vont dans l'avenir.
10:25
How they got there turns out not to be terribly critical in predicting.
215
607000
4000
Comment ils sont arrivés là n'est plus vraiment relevant pour notre prédiction.
10:29
I remind you of that 90 percent accuracy rate.
216
611000
4000
Je vous rappelle le taux de 90 pourcent de précision.
10:33
So where are we going to get this information?
217
615000
2000
Donc, où allons-nous trouver ces informations ?
10:35
We can get this information
218
617000
3000
Nous pouvons les trouver
10:38
from the Internet, from The Economist,
219
620000
3000
par Internet, par The Economist,
10:41
The Financial Times, The New York Times,
220
623000
3000
Le Financial Times, le New York Times,
10:44
U.S. News and World Report, lots of sources like that,
221
626000
3000
U.S. News et World Report, ce genre de sources,
10:47
or we can get it from asking experts
222
629000
2000
ou nous pouvons les avoir en demandant à des experts
10:49
who spend their lives studying places and problems,
223
631000
3000
qui ont passé leur vie à étudier les lieux et les problèmes,
10:52
because those experts know this information.
224
634000
3000
parce que ces experts connaissent ces informations.
10:55
If they don't know, who are the people trying to influence the decision,
225
637000
3000
S'ils ne savent pas quelles personnes tentent d'influer sur la décision,
10:58
how much clout do they have,
226
640000
2000
le pouvoir qu'ils ont,
11:00
how much they care about this issue, and what do they say they want,
227
642000
3000
si le problème est capital pour eux, et ceux qu'ils disent vouloir,
11:03
are they experts? That's what it means to be an expert,
228
645000
3000
sont-ils alors des experts ? C'est le sens même du mot expert.
11:06
that's the basic stuff an expert needs to know.
229
648000
4000
C'est la base de ce qu'un expert doit savoir.
11:10
Alright, lets turn to Iran.
230
652000
2000
Enfin, intéressons-nous à l'Iran.
11:12
Let me make three important predictions --
231
654000
3000
Faisons trois prédictions importantes --
11:15
you can check this out, time will tell.
232
657000
3000
vous pourrez vérifier, le temps me jugera.
11:18
What is Iran going to do about its nuclear weapons program?
233
660000
8000
Que va faire l'Iran a propos de son programme d'armement nucléaire ?
11:26
How secure is the theocratic regime in Iran?
234
668000
3000
Le régime théocratique Iranien est-il en sécurité ?
11:29
What's its future?
235
671000
2000
Quel est son futur ?
11:31
And everybody's best friend,
236
673000
3000
Et le meilleur ami de tout le monde ici :
11:34
Ahmadinejad. How are things going for him?
237
676000
3000
Ahmadinejad. Comment les choses vont-elles aller pour lui ?
11:37
How are things going to be working out for him in the next year or two?
238
679000
6000
Que va-t-il lui arriver dans les deux prochaines années ?
11:43
You take a look at this, this is not based on statistics.
239
685000
3000
Regardez donc, ceci n'est pas basé sur des statistiques.
11:46
I want to be very clear here. I'm not projecting some past data into the future.
240
688000
5000
Laissez moi être très clair. Je ne projette pas des données passées dans le futur.
11:51
I've taken inputs on positions and so forth,
241
693000
3000
J'ai pris comme entrées les positions de chacun, etc,
11:54
run it through a computer model
242
696000
2000
traiter les données dans un modèle informatique
11:56
that had simulated the dynamics of interaction,
243
698000
3000
qui a simulé les dynamiques d'interaction,
11:59
and these are the simulated dynamics,
244
701000
2000
et voici les dynamiques simulées,
12:01
the predictions about the path of policy.
245
703000
3000
les prédictions sur l'évolution du programme nucléaire
12:04
So you can see here on the vertical axis,
246
706000
3000
Vous pouvez voir, sur l'axe vertical,
12:07
I haven't shown it all the way down to zero,
247
709000
2000
Je ne l'ai pas mis jusqu'à zéro,
12:09
there are lots of other options, but here I'm just showing you the prediction,
248
711000
3000
il y a beaucoup d'autres options, mais je ne vous montre ici que la prédiction,
12:12
so I've narrowed the scale.
249
714000
2000
donc j'ai réduit l'échelle,
12:14
Up at the top of the axis, "Build the Bomb."
250
716000
3000
tout en haut de l'axe, "Construire la bombe."
12:17
At 130, we start somewhere above 130,
251
719000
4000
à 130, nous commençons quelquepart au-dessus de 130,
12:21
between building a bomb, and making enough weapons-grade fuel
252
723000
3000
entre "construire la bombe", et faire suffisamment de carburant atomique
12:24
so that you could build a bomb.
253
726000
2000
pour pouvoir construire la bombe
12:26
That's where, according to my analyses,
254
728000
3000
C'est ici, selon mes analyses,
12:29
the Iranians were at the beginning of this year.
255
731000
3000
que les Iraniens étaient au début de cette année.
12:32
And then the model makes predictions down the road.
256
734000
3000
Et ensuite, le modèle déroule les prédictions,
12:35
At 115 they would only produce enough weapons grade fuel
257
737000
4000
à 115, ils produiraient seulement suffisamment de carburant atomique
12:39
to show that they know how, but they wouldn't build a weapon:
258
741000
2000
pour prouver qu'ils savent comment faire, mais ne produiraient pas de bombe,
12:41
they would build a research quantity.
259
743000
2000
ils en construiraient en quantité suffisante pour la recherche
12:43
It would achieve some national pride,
260
745000
2000
Cela suffirait à la fierté nationale,
12:45
but not go ahead and build a weapon.
261
747000
3000
mais ils n'iraient pas plus loin, et ne construiraient pas de bombe.
12:48
And down at 100 they would build civilian nuclear energy,
262
750000
2000
Et en dessous de 100, ils construiraient de l'énergie nucléaire civile,
12:50
which is what they say is their objective.
263
752000
4000
ce qui, selon eux, est leur objectif.
12:54
The yellow line shows us the most likely path.
264
756000
3000
La ligne jaune nous montre l'évolution la plus probable.
12:57
The yellow line includes an analysis
265
759000
1000
Cette ligne inclus une analyse
12:58
of 87 decision makers in Iran,
266
760000
3000
de 87 décideurs en Iran,
13:01
and a vast number of outside influencers
267
763000
3000
et d'un grand nombre d'influences extérieures
13:04
trying to pressure Iran into changing its behavior,
268
766000
3000
qui tentent de faire pression sur l'Iran pour modifier son comportement,
13:07
various players in the United States, and Egypt,
269
769000
3000
un nombre important de joueurs aux U.S. en Egypte,
13:10
and Saudi Arabia, and Russia, European Union,
270
772000
2000
en Arabie Saoudite, en Russie, de l'Union Européenne,
13:12
Japan, so on and so forth.
271
774000
2000
au Japon, etc...
13:14
The white line reproduces the analysis
272
776000
4000
La ligne blanche reproduit l'analyse
13:18
if the international environment
273
780000
2000
si l'environnement international
13:20
just left Iran to make its own internal decisions,
274
782000
3000
laissait l'Iran prendre ses propres décisions internes
13:23
under its own domestic political pressures.
275
785000
2000
soumises à ses propres pressions politiques
13:25
That's not going to be happening,
276
787000
2000
-- cela n'arrivent certainement pas --
13:27
but you can see that the line comes down faster
277
789000
4000
mais vous pouvez constater que la ligne descend plus vite
13:31
if they're not put under international pressure,
278
793000
3000
s'ils ne sont pas soumis à une pression internationale,
13:34
if they're allowed to pursue their own devices.
279
796000
2000
s'ils sont autorisés à construire leurs propres engins.
13:36
But in any event, by the end of this year,
280
798000
3000
Dans tous les cas, à la fin de cette année,
13:39
beginning of next year, we get to a stable equilibrium outcome.
281
801000
3000
ou au début de l'année prochaine, nous aurons atteint une position d'équilibre.
13:42
And that equilibrium is not what the United States would like,
282
804000
4000
Et cet équilibre n'est pas ce que les Etats-Unis voudraient,
13:46
but it's probably an equilibrium that the United States can live with,
283
808000
3000
mais c'est probablement un équilibre avec lequel les U.S peuvent vivre,
13:49
and that a lot of others can live with.
284
811000
2000
et dont la plupart des pays s'arrangeront.
13:51
And that is that Iran will achieve that nationalist pride
285
813000
4000
L'Iran satisfera cette fierté nationaliste
13:55
by making enough weapons-grade fuel, through research,
286
817000
4000
en construisant suffisament de carburant atomique, pour la recherche
13:59
so that they could show that they know how to make weapons-grade fuel,
287
821000
4000
pour pouvoir démontrer qu'ils savent comment le faire,
14:03
but not enough to actually build a bomb.
288
825000
5000
mais ne construira, de fait, pas de bombe avec.
14:08
How is this happening?
289
830000
2000
Comment cela se fait-il ?
14:10
Over here you can see this is the distribution
290
832000
4000
Ici, vous pouvez voir la distribution
14:14
of power in favor of civilian nuclear energy today,
291
836000
5000
de pouvoir, soutenant le programme d'energie atomique civil aujourd'hui,
14:19
this is what that power block is predicted to be like
292
841000
3000
et l'évolution de cette distribution
14:22
by the late parts of 2010, early parts of 2011.
293
844000
6000
vers fin 2010, début 2011
14:28
Just about nobody supports research on weapons-grade fuel today,
294
850000
4000
Personne ne supporte les carburants atomiques aujourd'hui,
14:32
but by 2011 that gets to be a big block,
295
854000
3000
mais en 2011, cela représentera un bloc important
14:35
and you put these two together, that's the controlling influence in Iran.
296
857000
4000
vous réunissez ces deux blocks, vous obtenez l'influence majoritaire en Iran.
14:39
Out here today, there are a bunch of people --
297
861000
3000
Aujourd'hui, il y a pas mal de gens --
14:42
Ahmadinejad for example --
298
864000
2000
Ahmadinejad, par exemple --
14:44
who would like not only to build a bomb,
299
866000
2000
qui voudrait, non seulement construire une bombe,
14:46
but test a bomb.
300
868000
2000
mais aussi la tester.
14:48
That power disappears completely;
301
870000
2000
Ce pouvoir disparait complètement,
14:50
nobody supports that by 2011.
302
872000
3000
plus personne ne supporte cela en 2011.
14:53
These guys are all shrinking,
303
875000
2000
ceux-la diminuent tous,
14:55
the power is all drifting out here,
304
877000
3000
le pouvoir se déplace vers là
14:58
so the outcome is going to be the weapons-grade fuel.
305
880000
3000
le résultat va donc être les carburants atomiques
15:01
Who are the winners and who are the losers in Iran?
306
883000
3000
Quels sont les gagnants, et qui sont les perdants en Iran ?
15:04
Take a look at these guys, they're growing in power,
307
886000
3000
Prenons ceux-là, leur pouvoir grandit,
15:07
and by the way, this was done a while ago
308
889000
3000
et, au passage, ceci a été réalisé il y a un certain temps
15:10
before the current economic crisis,
309
892000
2000
avant la crise économique actuelle
15:12
and that's probably going to get steeper.
310
894000
2000
et l'augmentation va probablement s'accélérer.
15:14
These folks are the moneyed interests in Iran,
311
896000
2000
Ces types sont les intérêts financiers en Iran,
15:16
the bankers, the oil people, the bazaaries.
312
898000
4000
les banquiers, les groupes pétroliers, les Bazaaries,
15:20
They are growing in political clout,
313
902000
3000
leur pouvoir politique grandit,
15:23
as the mullahs are isolating themselves --
314
905000
3000
alors que les mullahs sont en train de s'isoler --
15:26
with the exception of one group of mullahs,
315
908000
2000
à l'exception d'un certain groupe de mullahs,
15:28
who are not well known to Americans.
316
910000
2000
peu connu des Américains.
15:30
That's this line here, growing in power,
317
912000
2000
Cette ligne, ici, dont le pouvoir grandit,
15:32
these are what the Iranians call the quietists.
318
914000
4000
ce sont les Iraniens appelés les Quiétistes.
15:36
These are the Ayatollahs, mostly based in Qom,
319
918000
3000
Ce sont les Ayatollahs, la plupart près de Qom,
15:39
who have great clout in the religious community,
320
921000
4000
qui ont un grand pouvoir dans la communauté religieuse,
15:43
have been quiet on politics and are going to be getting louder,
321
925000
3000
qui ont été calmes en politiques, mais qui vont se faire entendre,
15:46
because they see Iran going in an unhealthy direction,
322
928000
2000
parce qu'ils voient l'Iran partir dans une mauvaise direction
15:48
a direction contrary
323
930000
2000
une direction contraire
15:50
to what Khomeini had in mind.
324
932000
4000
à ce que Khomeini avait en tête.
15:54
Here is Mr. Ahmadinejad.
325
936000
2000
Voici M. Ahmadinejad.
15:56
Two things to notice: he's getting weaker,
326
938000
3000
Deux choses à constater : il est de plus en plus faible,
15:59
and while he gets a lot of attention in the United States,
327
941000
2000
et alors qu'il reçoit beaucoup d'attention de la part des US
16:01
he is not a major player in Iran.
328
943000
2000
il n'est pas un joueur de premier plan en Iran,
16:03
He is on the way down.
329
945000
2000
il est déjà sur la pente raide.
16:05
OK, so I'd like you to take a little away from this.
330
947000
4000
OK, j'aimerais que vous preniez un peu de recul sur tout cela.
16:09
Everything is not predictable: the stock market
331
951000
2000
Tout n'est pas prévisible, les marchés financiers
16:11
is, at least for me, not predictable,
332
953000
3000
sont, au moins pour moi, imprévisibles,
16:14
but most complicated negotiations are predictable.
333
956000
5000
mais les négociations les plus hardues, elles, le sont.
16:19
Again, whether we're talking health policy, education,
334
961000
4000
Une fois de plus, que nous parlions de programme de santé, d'éducation,
16:23
environment, energy,
335
965000
3000
d'environnement, d'énergie,
16:26
litigation, mergers,
336
968000
2000
de litiges, de fusion-acquisitions,
16:28
all of these are complicated problems
337
970000
2000
tout ces problèmes compliqués
16:30
that are predictable,
338
972000
2000
sont prévisibles,
16:32
that this sort of technology can be applied to.
339
974000
4000
et ce genre de technologie est applicable.
16:36
And the reason that being able to predict those things is important,
340
978000
5000
Et la raison pour laquelle pouvoir prévoir toutes ces choses est important,
16:41
is not just because you might run a hedge fund and make money off of it,
341
983000
3000
ce n'est pas seulement parce que vous pouvez vous retrouver à la tête d'un Hedge Fund, et vouloir en tirer de l'argent,
16:44
but because if you can predict what people will do,
342
986000
3000
mais c'est parce que si vous pouvez prévoir comment les gens vont agir,
16:47
you can engineer what they will do.
343
989000
3000
vous pouvez transformer leurs actions.
16:50
And if you engineer what they do you can change the world,
344
992000
2000
Et si vous transformer ce qu'ils font, vous pouvez changer le monde.
16:52
you can get a better result.
345
994000
2000
vous pouvez avoir un meilleur résultat.
16:54
I would like to leave you with one thought, which is
346
996000
3000
J'aimerais vous laisser sur une pensée :
16:57
for me, the dominant theme of this gathering,
347
999000
5000
pour moi, l'idée dominante derrière cette réunion
17:02
and is the dominant theme of this way of thinking about the world.
348
1004000
3000
et c'est l'idée dominante derrière cette manière de penser le monde.
17:05
When people say to you,
349
1007000
3000
Quand les gens vous disent,
17:08
"That's impossible,"
350
1010000
2000
"C'est impossible,"
17:10
you say back to them,
351
1012000
2000
vous pouvez leur répondre,
17:12
"When you say 'That's impossible,'
352
1014000
2000
"Quand tu dis : "C'est impossible"
17:14
you're confused with,
353
1016000
2000
tu veux dire :
17:16
'I don't know how to do it.'"
354
1018000
3000
"Je ne sais pas comment le faire"
17:19
Thank you.
355
1021000
2000
Merci
17:21
(Applause)
356
1023000
4000
(Applaudissement)
17:25
Chris Anderson: One question for you.
357
1027000
2000
Chris Anderson: Une question pour vous.
17:27
That was fascinating.
358
1029000
3000
C'était fascinant.
17:30
I love that you put it out there.
359
1032000
3000
J'adore tout ce que vous mettez dans cette présentation.
17:33
I got very nervous halfway through the talk though,
360
1035000
2000
Cependant je me suis inquiété, au milieu de votre présentation
17:35
just panicking whether you'd included in your model, the possibility that
361
1037000
3000
me demandant si vous incluiez dans votre modèle la possibilité
17:38
putting this prediction out there might change the result.
362
1040000
4000
que révéler cette prédiction puisse changer le résultat.
17:42
We've got 800 people in Tehran who watch TEDTalks.
363
1044000
3000
Nous avons 800 personnes à Téheran qui suivent les TEDTalks.
17:45
Bruce Bueno de Mesquita: I've thought about that,
364
1047000
2000
Bruce Bueno de Mesquita: J'y ai pensé,
17:47
and since I've done a lot of work for the intelligence community,
365
1049000
4000
j'ai fait pas mal de travail pour les services de renseignements,
17:51
they've also pondered that.
366
1053000
2000
ils ont aussi pris cela en compte.
17:53
It would be a good thing if
367
1055000
3000
Cela sera une bonne chose si
17:56
people paid more attention, took seriously,
368
1058000
3000
les gens payaient plus attention, prenaient ceci sérieusement
17:59
and engaged in the same sorts of calculations,
369
1061000
2000
et demarraient le même genre de calculs,
18:01
because it would change things. But it would change things in two beneficial ways.
370
1063000
4000
parce que cela changeraient les choses. Mais les choses changeraient de deux manières bénéfiques :
18:05
It would hasten how quickly people arrive at an agreement,
371
1067000
6000
Cela réduirait le temps que passent les gens à trouver un accord,
18:11
and so it would save everybody a lot of grief and time.
372
1073000
3000
et tout le monde s'épargnerait des chagrins et du temps.
18:14
And, it would arrive at an agreement that everybody was happy with,
373
1076000
4000
Et, nous arriverions à un accord qui contenterait tout le monde,
18:18
without having to manipulate them so much --
374
1080000
3000
sans avoir à trop manipuler les gens --
18:21
which is basically what I do, I manipulate them.
375
1083000
3000
ce qui est finalement ce que je fais, je les manipule.
18:24
So it would be a good thing.
376
1086000
2000
Donc cela serait une bonne chose.
18:26
CA: So you're kind of trying to say, "People of Iran, this is your destiny, lets go there."
377
1088000
4000
CA: Donc vous êtes plus ou moins en train de dire : "Peuple d'Iran, voici votre destinée, allons-y."
18:30
BBM: Well, people of Iran, this is what many of you are going to evolve to want,
378
1092000
6000
BBM: En fait, peuple d'Iran, ceci est ce que la majorité d'entre vous va finir par vouloir,
18:36
and we could get there a lot sooner,
379
1098000
2000
et nous pourrions y être beaucoup plus rapidement,
18:38
and you would suffer a lot less trouble from economic sanctions,
380
1100000
3000
et vous souffririez beaucoup moins des sanctions économiques,
18:41
and we would suffer a lot less fear of the use of military force on our end,
381
1103000
6000
et nous souffririons beaucoup moins de la peur d'avoir à utiliser, au final, notre force militaire,
18:47
and the world would be a better place.
382
1109000
2000
et le monde pourrait être meilleur.
18:49
CA: Here's hoping they hear it that way. Thank you very much Bruce.
383
1111000
3000
CA: En espérant qu'ils l'entendent de cette manière. Merci beaucoup Bruce.
18:52
BBM: Thank you.
384
1114000
2000
BBM: Merci.
18:54
(Applause)
385
1116000
5000
(Applaudissement)
ABOUT THE SPEAKER
Bruce Bueno de Mesquita - Political scientistA consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy.
Why you should listen
Every motive has a number, says Bruce Bueno de Mesquita. A specialist in foreign policy, international relations and state building, he is also a leading -- if controversial -- scholar of rational choice theory, which says math underlies the nation-scale consequences of individuals acting for personal benefit. He created forecasting technology that has, time and again, exceeded the accuracy of old-school analysis, even with thorny quarrels charged by obscure contenders, and often against odds. (One example: He called the second Intifada two years in advance.)
Bueno de Mesquita's company, Mesquita & Roundell, sells his system's predictions and analysis to influential government and private institutions that need heads-ups on policy. He teaches at NYU and is a senior fellow at the Hoover Institution.
Bruce Bueno de Mesquita | Speaker | TED.com