TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: Pivot est-il un tournant pour l'exploration du web ?
Filmed:
Readability: 3.8
751,479 views
Gary Flake présente Pivot, une nouvelle manière de parcourir et manipuler d'énormes quantités d'images et de données en ligne. Basé sur la technologie révolutionnaire Seadragon, Pivot permet d'effectuer de spectaculaires zooms sur les bases de données en ligne, et de découvrir des tendances et des relations invisibles lors d'une navigation standard.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
Si je peux vous transmettre une grande idée aujourd'hui,
00:18
it's that the whole of the data
1
3000
2000
c'est que l'ensemble des données
00:20
in which we consume
2
5000
2000
que nous consommons
00:22
is greater that the sum of the parts,
3
7000
2000
est plus grand que la somme des parties,
00:24
and instead of thinking about information overload,
4
9000
3000
et, plutôt que de penser à la saturation d'information,
00:27
what I'd like you to think about is how
5
12000
2000
ce que j'aimerai vous montrer c'est comment
00:29
we can use information so that patterns pop
6
14000
3000
nous pouvons utiliser l'information de sorte que les structures ressortent
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
et nous pouvons voir émerger des tendances qui sans cela seraient invisibles.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Donc ce que nous avons là est un tableau de mortalité classique
00:38
organized by age.
9
23000
2000
organisé par âge.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
L'outil que j'utilise ici est une petite expérience.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Il s'appelle Pivot, et avec Pivot je peux
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
choisir de focaliser sur une cause de décès en particulier, disons les accidents.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
Et, immédiatement, je vois une tendance différente qui émerge.
00:52
This is because, in the mid-area here,
14
37000
2000
C'est parce que, dans la zone du milieu,
00:54
people are at their most active,
15
39000
2000
les gens sont les plus actifs,
00:56
and over here they're at their most frail.
16
41000
2000
et ici ils sont les plus fragiles.
00:58
We can step back out again
17
43000
2000
On peut s'éloigner à nouveau
01:00
and then reorganize the data by cause of death,
18
45000
2000
et réorganiser les données par causes de décès,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
on voit que les maladies cardio-vasculaires et le cancer
01:05
are the usual suspects, but not for everyone.
20
50000
3000
sont les suspects habituels, mais pas pour tout le monde.
01:08
If we go ahead and we filter by age --
21
53000
3000
Si on continue et qu'on filtre par âge,
01:11
say 40 years or less --
22
56000
2000
disons 40 ans ou moins,
01:13
we see that accidents are actually
23
58000
2000
on voit que les accidents sont en fait
01:15
the greatest cause that people have to be worried about.
24
60000
3000
la plus grande cause dont les gens devraient se soucier.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Et si on creuse encore un peu, c'est particulièrement vrai pour les hommes.
01:21
So you get the idea
26
66000
2000
Bref, vous comprenez l'idée
01:23
that viewing information, viewing data in this way,
27
68000
3000
que voir l'information, voir les données de cette façon,
01:26
is a lot like swimming
28
71000
2000
ressemble beaucoup à nager
01:28
in a living information info-graphic.
29
73000
3000
dans un bain vivant de données graphiques.
01:31
And if we can do this for raw data,
30
76000
2000
Et si nous pouvons faire cela avec des données brutes,
01:33
why not do it for content as well?
31
78000
3000
pourquoi ne pas le faire avec du contenu aussi ?
01:36
So what we have right here
32
81000
2000
Donc ce que nous avons ici,
01:38
is the cover of every single Sports Illustrated
33
83000
3000
c'est la couverture de chaque numéro de Sports Illustrated
01:41
ever produced.
34
86000
2000
jamais paru.
01:43
It's all here; it's all on the web.
35
88000
2000
Tout est là. Tout est en ligne.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Vous pouvez rentrer chez vous et essayer après ma présentation.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Avec Pivot, vous pouvez zoomer sur une décennie.
01:51
You can drill into a particular year.
38
96000
2000
Vous pouvez zoomer sur une année particulière.
01:53
You can jump right into a specific issue.
39
98000
3000
Vous pouvez vous rendre directement sur un numéro spécifique.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Donc je regarde ça; je vois les athlètes
01:58
that have appeared in this issue, the sports.
41
103000
2000
qui sont apparus dans ce numéro, les sports.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Je suis un fan de Lance Armstrong, donc je vais cliquer là-dessus,
02:03
which reveals, for me, all the issues
43
108000
2000
ce qui me révèle tous les numéros
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
dans lesquels Lance Armstrong est mentionné.
02:07
(Applause)
45
112000
3000
(Applaudissements)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
A présent, si je veux juste y jeter un coup d'oeil,
02:13
I might think,
47
118000
2000
je pourrais me dire,
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Bien, et si on regardait tout ce qui parle de cyclisme ?"
02:17
So I can step back, and expand on that.
49
122000
2000
Donc je peux prendre un peu de recul, et explorer cette idée.
02:19
And I see Greg LeMond now.
50
124000
2000
Et je vois Greg Lemond maintenant.
02:21
And so you get the idea that when you
51
126000
2000
Et vous commencez à comprendre l'idée que quand vous
02:23
navigate over information this way --
52
128000
2000
naviguez dans l'information de cette façon,
02:25
going narrower, broader,
53
130000
2000
en affinant, en élargissant
02:27
backing in, backing out --
54
132000
2000
en vous approchant, vous éloignant
02:29
you're not searching, you're not browsing.
55
134000
2000
vous ne cherchez pas, vous ne naviguez pas.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Vous faites quelque chose qui est en réalité un peu différent.
02:33
It's in between, and we think it changes
57
138000
3000
C'est entre les deux, et nous pensons que cela change
02:36
the way information can be used.
58
141000
2000
la façon dont l'information peut être utilisée.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Et je voudrais extrapoler sur cette idée un peu
02:40
with something that's a little bit crazy.
60
145000
2000
avec quelque chose qui est légèrement fou.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Ce que nous avons fait ici c'est que nous avons pris chaque page de Wikipédia
02:45
and we reduced it down to a little summary.
62
150000
3000
et les avons réduite à un petit résumé.
02:48
So the summary consists of just a little synopsis
63
153000
3000
Donc le résumé est juste constitué de petits synopsis
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
et d'une icône pour indiquer le thème dont il provient.
02:54
I'm only showing the top 500
65
159000
3000
Je ne montre ici que les 500 premières pages
02:57
most popular Wikipedia pages right here.
66
162000
2000
les plus populaires de Wikipédia.
02:59
But even in this limited view,
67
164000
2000
Mais même dans cette vue limitée,
03:01
we can do a lot of things.
68
166000
2000
on peut faire un tas de choses.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Immédiatement, on a une idée des domaines thématiques
03:05
that are most popular on Wikipedia.
70
170000
2000
qui sont les plus populaires sur Wikipédia.
03:07
I'm going to go ahead and select government.
71
172000
2000
Je vais me lancer et choisir gouvernement.
03:09
Now, having selected government,
72
174000
3000
Maintenant, ayant selectionné gouvernement,
03:12
I can now see that the Wikipedia categories
73
177000
2000
je peux désormais voir que les catégories de Wikipédia
03:14
that most frequently correspond to that
74
179000
2000
qui correspondent le plus fréquement à cela
03:16
are Time magazine People of the Year.
75
181000
3000
sont les Personnalités de l'Année du magazine Time.
03:19
So this is really important because this is an insight
76
184000
3000
Et c'est important car c'est une infromation
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
qui n'était contenue dans aucune des pages de Wikipédia.
03:25
It's only possible to see that insight
78
190000
2000
Il n'est possible de faire cette observation
03:27
when you step back and look at all of them.
79
192000
3000
qu'en prenant du recul et en les regardant toutes.
03:30
Looking at one of these particular summaries,
80
195000
2000
En regardant l'un de ces résumés en particulier,
03:32
I can then drill into the concept of
81
197000
3000
je peux maintenant creuser le concept de
03:35
Time magazine Person of the Year,
82
200000
2000
Personnalité de l'Année du magazine Time,
03:37
bringing up all of them.
83
202000
2000
en les affichant toutes.
03:39
So looking at these people,
84
204000
2000
En regardant ces personnes,
03:41
I can see that the majority come from government;
85
206000
3000
je vois que la majorité viennent du gouvernement.
03:45
some have come from natural sciences;
86
210000
3000
Certains viennent des sciences naturelles.
03:49
some, fewer still, have come from business --
87
214000
3000
D'autres, moins nombreux encore, viennent du monde des affaires.
03:53
there's my boss --
88
218000
2000
Voilà mon patron.
03:55
and one has come from music.
89
220000
5000
Et un vient du monde de la musique.
04:00
And interestingly enough,
90
225000
2000
Et de façon interessante,
04:02
Bono is also a TED Prize winner.
91
227000
3000
Bono est également un lauréat du Prix TED.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Ainsi on peut continuer, passer, et jeter un oeil à tous les lauréats du Prix TED.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Et vous voyez, nous parcourons le réseau pour la première fois
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
comme si c'était effectivement un réseau, pas de page en page,
04:14
but at a higher level of abstraction.
95
239000
2000
mais à un plus haut degré d'abstraction.
04:16
And so I want to show you one other thing
96
241000
2000
Et aussi je voudrais vous montrer une autre chose
04:18
that may catch you a little bit by surprise.
97
243000
3000
qui pourrait bien vous prendre un peu par surprise.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Je vous montre juste le site web du New York Times là.
04:24
So Pivot, this application --
99
249000
2000
Donc Pivot, cette application --
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
je ne veux pas l'appeler un navigateur; ce n'est vraiment pas un navigateur,
04:28
but you can view web pages with it --
101
253000
3000
mais vous pouvez visiter des pages web avec --
04:31
and we bring that zoomable technology
102
256000
2000
et nous introduisons cette technologie de zoom
04:33
to every single web page like this.
103
258000
3000
pour chaque page web comme ceci.
04:36
So I can step back,
104
261000
3000
Donc je peux m'éloigner,
04:39
pop right back into a specific section.
105
264000
2000
revenir directement à une section particulière.
04:41
Now the reason why this is important is because,
106
266000
2000
Et la raison pour laquelle c'est important c'est que,
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
étant capable de consulter des pages web de cette façon
04:46
I can look at my entire browsing history
108
271000
2000
je peux regarder tout l'historique de ma navigation
04:48
in the exact same way.
109
273000
2000
exactement de la même manière.
04:50
So I can drill into what I've done
110
275000
2000
Donc je peux creuser dans ce que j'ai fait
04:52
over specific time frames.
111
277000
2000
au cours de certains laps de temps.
04:54
Here, in fact, is the state
112
279000
2000
La, en fait, c'est l'état
04:56
of all the demo that I just gave.
113
281000
2000
de toute la démo que je viens de donner.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Et je peux rejouer certains trucs que j'ai consulté plus tôt aujourd'hui.
05:01
And, if I want to step back and look at everything,
115
286000
3000
Et, si je veux m'éloigner et tout regarder
05:04
I can slice and dice my history,
116
289000
2000
je peux décortiquer mon historique
05:06
perhaps by my search history --
117
291000
2000
peut-être mon historique de recherche.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Là, je faisais des recherches népotiques,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
faisant des recherches pour Bing, ici pour le Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
298000
2000
Et à partir de ça, je peux plonger dans la page web
05:15
and just launch them again.
121
300000
2000
et simplement les lancer à nouveau.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
C'est une métaphore réutilisée de multiples fois,
05:20
and in each case it makes the whole greater
123
305000
2000
et à chaque fois ça rend le tout plus grand
05:22
than the sum of the parts with the data.
124
307000
2000
que la somme des parties avec les données.
05:24
So right now, in this world,
125
309000
3000
Et à cet instant, dans ce monde,
05:27
we think about data as being this curse.
126
312000
3000
on pense que les données sont cette malédiction.
05:30
We talk about the curse of information overload.
127
315000
3000
On parle du problème de la surcharge d'information.
05:33
We talk about drowning in data.
128
318000
3000
On parle d'être noyé sous les données.
05:36
What if we can actually turn that upside down
129
321000
2000
Et si on pouvait en fait retourner la situation
05:38
and turn the web upside down,
130
323000
2000
et renverser le web,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
de sorte que au lieu d'une chose à l'autre,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
on prenne l'habitude d'aller d'un ensemble de choses à un autre ensemble de choses,
05:46
and then being able to see the patterns
133
331000
2000
et ce faisant d'être capable de discerner les tendances
05:48
that were otherwise hidden?
134
333000
2000
qui sans cela auraient été cachées?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Si nous pouvons faire ça, alors, plutôt que d'être prisonnier des données,
05:55
we might actually extract information.
136
340000
3000
nous pourrions en fait extraire de l'information.
05:58
And, instead of dealing just with information,
137
343000
2000
Et, plutôt que seulement gérer l'information,
06:00
we can tease out knowledge.
138
345000
2000
nous pouvons en extraire de la connaissance.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
Et si nous avons la connaissance, alors il y a peut-être même de la sagesse à en tirer.
06:05
So with that, I thank you.
140
350000
2000
Et avec ça, je vous remercie.
06:07
(Applause)
141
352000
8000
(Applaudissements)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com