TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel : Les mathématiques de l'histoire
Filmed:
Readability: 4.3
1,279,350 views
Qu'est-ce que les mathématiques peuvent nous dire sur l'histoire? Selon Jean-Baptiste Michel, pas mal de choses. Ce TED Fellow démontre comment, de l'évolution des langues au caractère meurtrier des guerres, la numérisation de l'histoire commence à peine à dévoiler de profondes tendances sous-jacentes.
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio
Double-click the English transcript below to play the video.
00:15
So it turns out that mathematics is a very powerful language.
0
0
3671
Il s'avère que les mathématiques sont un langage très efficace.
00:19
It has generated considerable insight in physics,
1
3671
2312
Elles nous ont passablement éclairés en physique,
00:21
in biology and economics,
2
5983
2100
en biologie et en économie.
00:23
but not that much in the humanities and in history.
3
8083
2817
Mais pas autant dans les humanités ni en histoire.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Je crois qu'une croyance voudrait que ce soit tout simplement impossible,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
qu'il soit impossible de quantifier les actions de l'humanité,
00:31
that you cannot measure history.
6
15829
2519
de mesurer l'histoire.
00:34
But I don't think that's right.
7
18348
1527
Mais je ne suis pas de cet avis.
00:35
I want to show you a couple of examples why.
8
19875
2042
Je vais vous expliquer pourquoi à l'aide de quelques exemples.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Erez, mon collaborateur, et moi avons examiné le fait suivant :
00:40
that two kings separated by centuries
10
24875
2729
celui que deux rois, à des siècles d'écart,
00:43
will speak a very different language.
11
27604
1767
parlent des langues très différentes.
00:45
That's a powerful historical force.
12
29371
2304
Il s'agit là d'une puissante force de l'histoire.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Le roi d'Angleterre Alfred le Grand
00:49
will use a vocabulary and grammar
14
33448
1640
employait un vocabulaire et une grammaire
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
qui différaient considérablement de ceux qu'emploie
le roi du hip-hop, Jay-Z.
le roi du hip-hop, Jay-Z.
00:54
(Laughter)
16
38788
1666
(Rires)
00:56
Now it's just the way it is.
17
40454
2171
C'est comme ça.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
La langue évolue avec le temps et cela constitue une force notable.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Erez et moi voulions en savoir plus.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
Nous nous sommes donc penchés sur une règle grammaticale en particulier, la conjugaison au passé.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
En anglais, on n'a qu'à ajouter « ed » à la fin d'un verbe
pour le mettre au passé.
pour le mettre au passé.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
« Today I walk. Yesterday I walked. »
01:11
But some verbs are irregular.
23
56052
1344
Mais certains verbes sont irréguliers.
01:13
"Yesterday I thought."
24
57396
1396
« Yesterday I thought. »
01:14
Now what's interesting about that
25
58792
1666
Et cela est intéressant, car
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
les verbes irréguliers employés par Alfred et Jay-Z se sont régularisés.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Comme le verbe « to wed », illustré ici, qui s'est régularisé.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
Erez et moi avons donc examiné le destin
de plus de 100 verbes irréguliers
de plus de 100 verbes irréguliers
01:26
through 12 centuries of English language,
29
71045
1919
à travers douze siècles de la langue anglaise.
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
Et nous avons constaté qu'un modèle mathématique très simple
01:31
that captures this complex historical change,
31
75875
2542
reflète cette complexe évolution historique,
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
à savoir si un verbe est 100 fois plus fréquent qu'un autre,
01:37
it regularizes 10 times slower.
33
82077
2665
il se régularise 10 fois plus lentement.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
Voilà un morceau d'histoire, dans un emballage mathématique.
01:44
Now in some cases math can even help explain,
35
88677
3654
Dans certains cas, les maths peuvent même expliquer
01:48
or propose explanations for, historical forces.
36
92331
2879
les forces historiques, ou en proposer des explications.
01:51
So here Steve Pinker and I
37
95210
1832
Ici, Steve Pinker et moi
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
étudiions l'ampleur des guerres des deux derniers siècles.
01:56
There's actually a well-known regularity to them
39
100894
2495
En fait, les guerres obéissent à une régularité bien connue,
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
c'est-à-dire que le nombre de guerres qui sont 100 fois plus meurtrières
02:02
is 10 times smaller.
41
106811
1952
est 10 fois plus petit.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Il y a 30 guerres presque aussi meurtrières que la guerre des Six Jours,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
mais seulement quatre guerres sont 100 fois plus meurtrières,
02:10
like World War I.
44
114927
1977
comme la Première Guerre mondiale.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Quel sorte de mécanisme historique pourrait expliquer cela?
02:15
What's the origin of this?
46
119827
2000
Quelle en est l'origine?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Steve et moi, à la lumière d'analyses mathématiques,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
estimons qu'un phénomène très simple est à la base de ceci,
02:24
which lies in our brains.
49
128333
1690
et il se trouve dans notre cerveau.
02:25
This is a very well-known feature
50
130023
2019
Selon cette caractéristique bien connue
02:27
in which we perceive quantities in relative ways --
51
132042
2975
notre perception des quantités est relative,
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
des quantités comme l'intensité de la lumière ou la force d'un son.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Mobiliser 10 000 soldats pour le prochain combat,
par exemple, semble beaucoup.
par exemple, semble beaucoup.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
Ce chiffre est relativement énorme s'il s'ajoute aux 1000 soldats
qui étaient déjà mobilisés.
qui étaient déjà mobilisés.
02:43
But it doesn't sound so much,
55
147486
1827
Mais il ne semble pas si élevé,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
ce n'est pas assez, proportionnellement,
cela ne fera aucune différence,
cela ne fera aucune différence,
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
si 100 000 soldats avaient déjà été mobilisés.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Donc, étant donné notre perception des quantités,
02:54
as the war drags on,
59
158898
1767
et alors que la guerre traîne en longueur,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
le nombre de soldats mobilisés et les pertes
02:59
will increase not linearly --
61
163750
1683
augmenteront non pas de façon linéaire —
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
comme 10 000, 11 000, 12 000 —
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
mais de façon exponentielle : 10 000, ensuite 20 000, ensuite 40 000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
Voilà ce qui explique le modèle que nous avons vu plus tôt.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Donc, les mathématiques arrivent à établir un lien
entre une particularité bien connue de l'esprit humain
entre une particularité bien connue de l'esprit humain
03:16
with a long-term historical pattern
66
180179
2989
et une tendance historique durable
03:19
that unfolds over centuries and across continents.
67
183168
2857
qui se déploie sur des siècles et à travers les continents.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Aujourd'hui, il n'y a que quelques exemples de ce genre,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
mais je crois qu'au cours de la prochaine décennie,
ils deviendront monnaie courante.
ils deviendront monnaie courante.
03:28
The reason for that is that the historical record
70
192731
2392
Parce que les documents historiques
03:31
is becoming digitized at a very fast pace.
71
195123
2460
sont numérisés à un rythme accéléré.
03:33
So there's about 130 million books
72
197583
2610
Environ 130 millions de livres
03:36
that have been written since the dawn of time.
73
200193
2311
ont été écrits depuis l'aube des temps.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Des sociétés comme Google en a numérisé bon nombre,
03:40
above 20 million actually.
75
204958
1584
plus de 20 millions en fait.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
Et quand les données historiques deviendront accessibles
sous forme numérique,
sous forme numérique,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
une analyse mathématique pourra,
03:48
to very quickly and very conveniently
78
212500
2375
très rapidement et facilement,
03:50
review trends in our history and our culture.
79
214875
2725
faire le point sur les tendances de notre histoire et de notre culture.
03:53
So I think in the next decade,
80
217600
2721
Je crois donc qu'au cours des 10 prochaines années,
03:56
the sciences and the humanities will come closer together
81
220321
2750
les sciences et les humanités vont se rapprocher
03:58
to be able to answer deep questions about mankind.
82
223071
3329
afin de trouver des réponses à des questions
fondamentales sur l'humanité.
fondamentales sur l'humanité.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
Et je crois que la puissance du langage mathématique saura relever le défi.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Ce langage saura révéler de nouvelles tendances dans notre histoire,
04:09
sometimes to explain them,
85
233667
1750
les expliquer parfois,
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
et peut-être même, éventuellement, prédire l'avenir.
04:14
Thank you very much.
87
238723
1491
Merci beaucoup.
04:16
(Applause)
88
240214
3678
(Applaudissements)
ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcherJean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.
Why you should listen
Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.
Jean-Baptiste Michel | Speaker | TED.com