TEDxWinnipeg
Jeff Hancock: The future of lying
Jeff Hancock : 3 types de mensonges (numériques)
Filmed:
Readability: 3.3
1,347,124 views
Qui n'a jamais envoyé un message disant "J'arrive" alors que ce n'était pas vrai, ou modifié la vérité un tout petit peu sur le profil d'un site de rencontre en ligne ?
Mais Jeff Hancock ne pense pas que l'anonymat d'internet encourage au mensonge. En fait, il dit que la permanence de l'information en ligne et le fait de pouvoir la consulter pourraient même nous faire rester honnêtes.
Jeff Hancock - Psychologist
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Double-click the English transcript below to play the video.
00:16
Let me tell you, it has been a fantastic month for deception.
0
381
3713
Laissez-moi vous dire que ça a été
un mois fantastique pour le mensonge.
un mois fantastique pour le mensonge.
00:19
And I'm not even talking about the American presidential race. (Laughter)
1
4094
4253
Et je ne parle même pas
des élections présidentielles américaines. (Rires)
des élections présidentielles américaines. (Rires)
00:24
We have a high-profile journalist caught for plagiarism,
2
8347
4335
Nous avons eu un éminent journaliste
pris en flagrant délit de plagiat,
pris en flagrant délit de plagiat,
00:28
a young superstar writer whose book involves
3
12682
2932
un jeune écrivain vedette
dont les livres comprennent
dont les livres comprennent
00:31
so many made up quotes that they've pulled it from the shelves;
4
15614
3305
tellement de fausses citations
qu'on a dû le retirer des rayons ;
qu'on a dû le retirer des rayons ;
00:34
a New York Times exposé on fake book reviews.
5
18919
2598
les révélations du New York Times
sur les fausses critiques littéraires.
sur les fausses critiques littéraires.
00:37
It's been fantastic.
6
21517
1409
Ça a été fantastique.
00:38
Now, of course, not all deception hits the news.
7
22926
3851
Bon, bien sûr pas toutes les mensonges ne font pas la une.
00:42
Much of the deception is everyday. In fact, a lot of research
8
26777
3679
L'essentiel des mensonges sont quotidiens.
En fait, de nombreuses études
En fait, de nombreuses études
00:46
shows that we all lie once or twice a day, as Dave suggested.
9
30456
4331
montrent que nous mentons une ou deux fois
par jour, comme Dave l'a suggéré.
par jour, comme Dave l'a suggéré.
00:50
So it's about 6:30 now, suggests that most of us should have lied.
10
34787
2933
Il est à peu près 6 heures 30, c'est-à-dire que
la plupart de nous devrait déjà avoir menti.
la plupart de nous devrait déjà avoir menti.
00:53
Let's take a look at Winnipeg. How many of you,
11
37720
1900
Prenons l'exemple de Winnipeg.
Combien d'entre vous,
Combien d'entre vous,
00:55
in the last 24 hours -- think back -- have told a little fib,
12
39620
2927
- souvenez-vous - ont dit un petit mensonge
ou un gros
ou un gros
00:58
or a big one? How many have told a little lie out there?
13
42547
3551
au cours de ces dernières 24 heures ?
Combien d'entre vous ont dit de petits mensonges là-bas ?
Combien d'entre vous ont dit de petits mensonges là-bas ?
01:01
All right, good. These are all the liars.
14
46098
1904
D'accord. Ce sont tous des menteurs.
01:03
Make sure you pay attention to them. (Laughter)
15
48002
3293
Faites bien attention à eux. (Rires)
01:07
No, that looked good, it was about two thirds of you.
16
51295
2146
Mais non, ça allait, c'était environ deux tiers d'entre vous.
01:09
The other third didn't lie, or perhaps forgot,
17
53441
2852
L'autre tiers n'a pas menti, ou a peut-être oublié,
01:12
or you're lying to me about your lying, which is very,
18
56293
2660
ou vous me mentez à propos de
vos mensonges, et ça c'est très,
vos mensonges, et ça c'est très,
01:14
very devious. (Laughter) This fits with a lot of the research,
19
58953
4050
très sournois. (Rires) Ça correspond à
de nombreuses études
de nombreuses études
01:18
which suggests that lying is very pervasive.
20
63003
3354
qui suggèrent qu'il est très courant de mentir.
01:22
It's this pervasiveness, combined with the centrality
21
66357
3961
C'est cette omniprésence, associée à
la prédominance
la prédominance
01:26
to what it means to be a human, the fact that we can
22
70318
2440
de ce qui nous rend humains, le fait de pouvoir
01:28
tell the truth or make something up,
23
72758
1880
dire la vérité ou inventer une histoire,
01:30
that has fascinated people throughout history.
24
74638
2851
qui a fasciné tout au long de l'histoire.
01:33
Here we have Diogenes with his lantern.
25
77489
2629
Voici Diogène avec sa lanterne.
01:36
Does anybody know what he was looking for?
26
80118
2680
Quelqu'un sait ce qu'il cherchait ?
01:38
A single honest man, and he died without finding one
27
82798
3784
Un seul homme sincère, et il mourut sans le trouver,
01:42
back in Greece. And we have Confucius in the East
28
86582
3017
en Grèce. Et il y avait Confucius en Orient,
01:45
who was really concerned with sincerity,
29
89599
2377
qui s'inquiétait beaucoup de la sincérité.
01:47
not only that you walked the walk or talked the talk,
30
91976
3084
pas seulement dans les actions et dans les mots,
01:50
but that you believed in what you were doing.
31
95060
3154
mais dans le fait de croire en ce qu'on fait.
01:54
You believed in your principles.
32
98214
2006
Croire en ses principes.
01:56
Now my first professional encounter with deception
33
100220
2931
Ma première rencontre professionnelle
avec le mensonge
avec le mensonge
01:59
is a little bit later than these guys, a couple thousand years.
34
103151
3463
est un peu plus tardive que ces types-là,
deux mille ans à peu près.
deux mille ans à peu près.
02:02
I was a customs officer for Canada back in the mid-'90s.
35
106614
3799
J'étais douanier au Canada,
au milieu des années 90.
au milieu des années 90.
02:06
Yeah. I was defending Canada's borders.
36
110413
2826
Oui, je défendais la frontière canadienne.
02:09
You may think that's a weapon right there. In fact,
37
113239
3782
Vous croyez que c'est une arme, là. En fait,
02:12
that's a stamp. I used a stamp to defend Canada's borders. (Laughter)
38
117021
5030
c'est un tampon. J'utilisais un tampon
pour défendre la frontière canadienne. (Rires)
pour défendre la frontière canadienne. (Rires)
02:17
Very Canadian of me. I learned a lot about deception
39
122051
3537
Très canadien de ma part.
J'ai beaucoup appris sur le mensonge
J'ai beaucoup appris sur le mensonge
02:21
while doing my duty here in customs,
40
125588
3055
quand je travaillais à la douane,
02:24
one of which was that most of what I thought I knew about deception was wrong,
41
128643
2884
comme le fait que ce que je pensais
savoir du mensonge était presque entièrement faux,
savoir du mensonge était presque entièrement faux,
02:27
and I'll tell you about some of that tonight.
42
131527
1752
et je vous en parlerai un peu ce soir.
02:29
But even since just 1995, '96, the way we communicate
43
133279
4074
Mais depuis 1995, 96,
la façon dont nous communiquons
la façon dont nous communiquons
02:33
has been completely transformed. We email, we text,
44
137353
3297
a été complètement transformée.
On envoie des emails, des textos,
On envoie des emails, des textos,
02:36
we skype, we Facebook. It's insane.
45
140650
2613
on utilise Skype, Facebook. C'est dingue.
02:39
Almost every aspect of human communication's been changed,
46
143263
3261
Presque tous les aspects de la communication
humaine ont changé,
humaine ont changé,
02:42
and of course that's had an impact on deception.
47
146524
2560
et bien sûr tout ça a un impact sur le mensonge.
02:44
Let me tell you a little bit about a couple of new deceptions
48
149084
2583
Laissez-moi vous parler un peu
des nouveaux types de mensonge
des nouveaux types de mensonge
02:47
we've been tracking and documenting.
49
151667
2376
qu'on a récemment repérés et documentés.
02:49
They're called the Butler, the Sock Puppet
50
154043
4244
Ils s'appellent le majordome,
la marionnette chaussette
la marionnette chaussette
02:54
and the Chinese Water Army.
51
158287
2081
et l'internaute fantôme chinois.
02:56
It sounds a little bit like a weird book,
52
160368
1897
On dirait un roman un peu bizarre
02:58
but actually they're all new types of lies.
53
162265
2133
mais en fait ce sont tous
des nouveaux types de mensonges.
des nouveaux types de mensonges.
03:00
Let's start with the Butlers. Here's an example of one:
54
164398
3045
Commençons par le majordome.
En voici un exemple :
En voici un exemple :
03:03
"On my way." Anybody ever written, "On my way?"
55
167443
3113
"J'arrive". Qui a déjà écrit "j'arrive" ?
03:06
Then you've also lied. (Laughter)
56
170556
3763
Donc vous avez menti aussi (Rires)
03:10
We're never on our way. We're thinking about going on our way.
57
174319
4197
On n'est jamais en train d'arriver.
On pense qu'on devrait y aller.
On pense qu'on devrait y aller.
03:14
Here's another one: "Sorry I didn't respond to you earlier.
58
178516
2763
Un autre: " Désolé, je n'ai pas pu répondre plus tôt
03:17
My battery was dead." Your battery wasn't dead.
59
181279
1965
parce que la batterie était déchargée".
Elle n'était pas déchargée.
Elle n'était pas déchargée.
03:19
You weren't in a dead zone.
60
183244
1876
Vous n'étiez pas dans une zone sans couverture réseau.
03:21
You just didn't want to respond to that person that time.
61
185120
1953
Vous ne vouliez simplement pas répondre
à cette personne-là à ce moment-là.
à cette personne-là à ce moment-là.
03:22
Here's the last one: You're talking to somebody,
62
187073
1797
Voici le dernier : vous parlez avec quelqu'un,
03:24
and you say, "Sorry, got work, gotta go."
63
188870
2490
et vous dites, "Désolé, j'ai du travail, je dois y aller"
03:27
But really, you're just bored. You want to talk to somebody else.
64
191360
3797
Mais en fait, c'est juste que vous vous ennuyez.
Vous voulez parler avec quelqu'un d'autre.
Vous voulez parler avec quelqu'un d'autre.
03:31
Each of these is about a relationship,
65
195157
2416
Chacun de ces exemples concerne une relation,
03:33
and this is a 24/7 connected world. Once you get my cell phone number,
66
197573
4405
et on vit dans un monde qui est connecté 24/7.
Une fois que vous avez mon numéro de portable,
Une fois que vous avez mon numéro de portable,
03:37
you can literally be in touch with me 24 hours a day.
67
201978
2965
vous pouvez littéralement être en contact
avec moi 24 heures par jour.
avec moi 24 heures par jour.
03:40
And so these lies are being used by people
68
204943
2369
Les gens se servent donc de ces mensonges
03:43
to create a buffer, like the butler used to do,
69
207312
2826
pour créer un tampon,
comme faisait autrefois le majordome,
comme faisait autrefois le majordome,
03:46
between us and the connections to everybody else.
70
210138
3407
entre nous et les liens avec le reste du monde.
03:49
But they're very special. They use ambiguity
71
213545
1707
Mais ils sont très particuliers. Ils utilisent l'ambiguïté
03:51
that comes from using technology. You don't know
72
215252
2061
qui découle de l'utilisation de la technologie.
Vous ne savez pas
Vous ne savez pas
03:53
where I am or what I'm doing or who I'm with.
73
217313
2948
où je suis ou ce que je fais, ni avec qui.
03:56
And they're aimed at protecting the relationships.
74
220261
2491
Et ils sont destinés à protéger les relations.
03:58
These aren't just people being jerks. These are people
75
222752
2581
Les gens ne veulent pas être désagréables,
04:01
that are saying, look, I don't want to talk to you now,
76
225333
2376
ils disent, "Ecoutez,
je ne veux pas vous parler maintenant,
je ne veux pas vous parler maintenant,
04:03
or I didn't want to talk to you then, but I still care about you.
77
227709
2424
ou, je ne voulais pas vous parler avant,
mais je vous aime bien quand même.
mais je vous aime bien quand même.
04:06
Our relationship is still important.
78
230133
2400
Notre relation est toujours importante.
04:08
Now, the Sock Puppet, on the other hand,
79
232533
1514
Par contre, la marionnette chaussette,
04:09
is a totally different animal. The sock puppet isn't
80
234047
2343
est un animal très différent. Il ne s'agit pas
04:12
about ambiguity, per se. It's about identity.
81
236390
3065
d'ambiguïté en soi. Il s'agit d'identité.
04:15
Let me give you a very recent example,
82
239455
2002
Je vous donne un exemple très récent,
04:17
as in, like, last week.
83
241457
1514
qui date de la semaine dernière.
04:18
Here's R.J. Ellory, best-seller author in Britain.
84
242971
3268
Voilà R.J. Ellory, auteur de romans à succès
en Grande-Bretagne.
en Grande-Bretagne.
04:22
Here's one of his bestselling books.
85
246239
2020
Voici un de ses plus grand succès.
04:24
Here's a reviewer online, on Amazon.
86
248259
3413
Et voilà une critique en ligne, sur Amazon.
04:27
My favorite, by Nicodemus Jones, is,
87
251672
2657
Ma préférée, de Nicodemus Jones est :
04:30
"Whatever else it might do, it will touch your soul."
88
254329
3808
"Peu importe ce que ce roman puisse faire d'autre,
il touchera votre âme."
il touchera votre âme."
04:34
And of course, you might suspect
89
258137
1403
Et bien sûr, vous pourriez soupçonner
04:35
that Nicodemus Jones is R.J. Ellory.
90
259540
2627
que Nicodemus Jones soit R.J.Ellory.
04:38
He wrote very, very positive reviews about himself. Surprise, surprise.
91
262167
4687
Il a écrit des commentaires très positifs
sur lui-même. Quelle surprise.
sur lui-même. Quelle surprise.
04:42
Now this Sock Puppet stuff isn't actually that new.
92
266854
3260
Ce truc de la marionnette n'est pas si nouveau.
04:46
Walt Whitman also did this back in the day,
93
270114
3167
Walt Whitman a fait ça à son époque, lui aussi,
04:49
before there was Internet technology. Sock Puppet
94
273281
3055
avant la technologie informatique.
La marionnette chaussette
La marionnette chaussette
04:52
becomes interesting when we get to scale,
95
276336
2768
devient intéressante à grande échelle,
04:55
which is the domain of the Chinese Water Army.
96
279104
2518
et voici l'internaute fantôme chinois.
04:57
Chinese Water Army refers to thousands of people
97
281622
2436
"Chines water army", l'internaute fantôme chinois,
renvoie aux milliers de personnes
renvoie aux milliers de personnes
04:59
in China that are paid small amounts of money
98
284058
3048
en Chine qui reçoivent de petites sommes d'argent
05:03
to produce content. It could be reviews. It could be
99
287106
3034
pour produire du contenu. Ça peut être des commentaires,
05:06
propaganda. The government hires these people,
100
290140
2559
de la propagande. Le gouvernement embauche ces gens,
05:08
companies hire them, all over the place.
101
292699
2628
des compagnies les embauchent, partout.
05:11
In North America, we call this Astroturfing,
102
295327
3617
Aux États-Unis, on appelle ça Astroturfing,
05:14
and Astroturfing is very common now. There's a lot of concerns about it.
103
298944
3438
et c'est très commun de nos jours,
on s'en inquiète beaucoup.
on s'en inquiète beaucoup.
05:18
We see this especially with product reviews, book reviews,
104
302382
3227
On voit ça surtout avec les critiques de produits, de livres,
05:21
everything from hotels to whether that toaster is a good toaster or not.
105
305609
4795
tout depuis les hôtels au grille-pain qui est bien ou pas.
05:26
Now, looking at these three reviews, or these three types of deception,
106
310404
3918
Donc, prenons ces trois critiques,
ou ces trois types de mensonge,
ou ces trois types de mensonge,
05:30
you might think, wow, the Internet is really making us
107
314322
2737
vous pouvez penser, oh,
l'internet fait vraiment de nous
l'internet fait vraiment de nous
05:32
a deceptive species, especially when you think about
108
317059
3209
une espèce qui ment, surtout quand on pense
05:36
the Astroturfing, where we can see deception brought up to scale.
109
320268
4602
à l'Astroturfing, le bidonnage, où on peut voir
le mensonge à grande échelle
le mensonge à grande échelle
05:40
But actually, what I've been finding is very different from that.
110
324870
4738
Mais en fait, ce que j'ai découvert est très différent de ça.
05:45
Now, let's put aside the online anonymous sex chatrooms,
111
329608
3249
Mettons de côté les salons
de discussion sexuelles anonymes,
de discussion sexuelles anonymes,
05:48
which I'm sure none of you have been in.
112
332857
1899
que sûrement personne parmi vous n'a jamais visité.
05:50
I can assure you there's deception there.
113
334756
2329
Je peux vous assurer qu'on y ment.
05:52
And let's put aside the Nigerian prince who's emailed you
114
337085
2709
Et mettons de côté le prince nigérien
qui vous a envoyé un e-mail
qui vous a envoyé un e-mail
05:55
about getting the 43 million out of the country. (Laughter)
115
339794
3228
qui parle de sortir 43 millions du pays
(Rires)
(Rires)
05:58
Let's forget about that guy, too.
116
343022
1680
Oublions ce gars-là aussi.
06:00
Let's focus on the conversations between our friends
117
344702
2944
Concentrons-nous sur nos conversations entre amis,
06:03
and our family and our coworkers and our loved ones.
118
347646
2147
avec notre famille et notre collègues, notre proches.
06:05
Those are the conversations that really matter.
119
349793
2408
Ce sont les conversations qui importent.
06:08
What does technology do to deception with those folks?
120
352201
4240
Qu'est-ce que la technologie fait pour le mensonge
dans ces cas-là ?
dans ces cas-là ?
06:12
Here's a couple of studies. One of the studies we do
121
356441
3075
Voici quelques études. Une d'entre elles
06:15
are called diary studies, in which we ask people to record
122
359516
3371
s'appelle 'journal intime',
où on demande aux gens d'enregistrer
où on demande aux gens d'enregistrer
06:18
all of their conversations and all of their lies for seven days,
123
362887
3566
toutes leurs conversations et
tous leurs mensonges pendant sept jours,
tous leurs mensonges pendant sept jours,
06:22
and what we can do then is calculate how many lies took place
124
366453
3105
et ensuite nous calculons
combien de mensonges ils ont dit
combien de mensonges ils ont dit
06:25
per conversation within a medium, and the finding
125
369558
2948
dans chaque conversation au sein d'un média,
06:28
that we get that surprises people the most is that email
126
372506
2524
et le résultat qui étonne le plus est que les emails
06:30
is the most honest of those three media.
127
375030
3279
sont le moyen le plus sincère
de ces trois moyens de communication.
de ces trois moyens de communication.
06:34
And it really throws people for a loop because we think,
128
378309
2401
Et c'est vraiment sidérant parce qu'on pense :
06:36
well, there's no nonverbal cues, so why don't you lie more?
129
380710
3736
bon, il n'y a pas d'indices non verbaux,
pourquoi pas ne mentir plus ?
pourquoi pas ne mentir plus ?
06:40
The phone, in contrast, the most lies.
130
384446
4304
Contrairement au téléphone où on ment le plus.
06:44
Again and again and again we see the phone is the device
131
388750
1946
Encore et encore, on voit que
le téléphone est l'appareil
le téléphone est l'appareil
06:46
that people lie on the most, and perhaps because of the Butler Lie ambiguities I was telling you about.
132
390696
4718
par lequel on ment le plus, peut-être à cause des ambigüités du mensonge Majordome dont je vous ai parlé.
06:51
This tends to be very different from what people expect.
133
395414
3975
En général c'est très différent
de ce à quoi on s'attend.
de ce à quoi on s'attend.
06:55
What about résumés? We did a study in which we had
134
399389
3224
Et les CVs alors ? Nous avons fait une étude dans laquelle
06:58
people apply for a job, and they could apply for a job
135
402613
2544
des personnes postulent pour un emploi
07:01
either with a traditional paper résumé, or on LinkedIn,
136
405157
3514
soit avec un résumé classique sur papier,
soit sur Linkedin,
soit sur Linkedin,
07:04
which is a social networking site like Facebook,
137
408671
2822
un réseau social comme Facebook,
07:07
but for professionals -- involves the same information as a résumé.
138
411493
3567
mais pour les professionnels, ce qui implique
les mêmes informations qu'un CV.
les mêmes informations qu'un CV.
07:10
And what we found, to many people's surprise,
139
415060
2614
Et ce que nous avons constaté, à la surprise générale,
07:13
was that those LinkedIn résumés were more honest
140
417674
2795
est que les CVs sur Linkedin étaient plus honnêtes
07:16
on the things that mattered to employers, like your
141
420469
1824
sur les points qui comptent
pour les employeurs, comme
pour les employeurs, comme
07:18
responsibilities or your skills at your previous job.
142
422293
4151
vos responsabilités ou vos compétences
dans votre emploi précédent.
dans votre emploi précédent.
07:22
How about Facebook itself?
143
426444
2296
Et que dire de Facebook ?
07:24
You know, we always think that hey, there are these
144
428740
1882
On pense toujours qu'il y a
ces versions idéalisées des gens,
ces versions idéalisées des gens,
07:26
idealized versions, people are just showing the best things
145
430622
2129
qu'ils montrent seulement les meilleures choses
07:28
that happened in their lives. I've thought that many times.
146
432751
2656
qui leur sont arrivées dans la vie.
Je l'ai pensé bien souvent.
Je l'ai pensé bien souvent.
07:31
My friends, no way they can be that cool and have good of a life.
147
435407
3068
Mes amis, impossible qu'ils soient si cool
et qu'ils aient une vie si fantastique.
et qu'ils aient une vie si fantastique.
07:34
Well, one study tested this by examining people's personalities.
148
438475
3821
Eh bien, un étude a testé ça en examinant
la personnalité des gens.
la personnalité des gens.
07:38
They had four good friends of a person judge their personality.
149
442296
4218
On a demandé à quatre bons amis d'une personne
de juger sa personnalité
de juger sa personnalité
07:42
Then they had strangers, many strangers,
150
446514
1956
Et puis on a demandé à des inconnus,
beaucoup d'inconnus
beaucoup d'inconnus
07:44
judge the person's personality just from Facebook,
151
448470
2528
de juger sa personnalité uniquement à travers Facebook.
07:46
and what they found was those judgments of the personality
152
450998
2429
On a découvert que ces jugements sur la personnalité
07:49
were pretty much identical, highly correlated,
153
453427
2509
étaient presque identiques, très corrélés,
07:51
meaning that Facebook profiles really do reflect our actual personality.
154
455936
4373
c'est-à-dire que les profils Facebook
reflètent vraiment notre personnalité.
reflètent vraiment notre personnalité.
07:56
All right, well, what about online dating?
155
460309
2572
Et les sites de rencontre en ligne, alors ?
07:58
I mean, that's a pretty deceptive space.
156
462881
1500
C'est un espace plutôt trompeur.
08:00
I'm sure you all have "friends" that have used online dating. (Laughter)
157
464381
3535
Je suis sûr que vous avez des "amis"
qui ont utilisé ces sites. (Rires)
qui ont utilisé ces sites. (Rires)
08:03
And they would tell you about that guy that had no hair
158
467916
2058
Et ils vous parlent de ce type qui était chauve
quand il s'est présenté,
quand il s'est présenté,
08:05
when he came, or the woman that didn't look at all like her photo.
159
469974
3030
de cette femme qui ne ressemblait pas
du tout à sa photo...
du tout à sa photo...
08:08
Well, we were really interested in it, and so what we did
160
473004
3136
Nous étions très intéressés par tout ça, alors
08:12
is we brought people, online daters, into the lab,
161
476140
3107
nous avons amené des gens qui utilisaient
les rencontres en ligne dans notre laboratoire
les rencontres en ligne dans notre laboratoire
08:15
and then we measured them. We got their height
162
479247
1480
et nous les avons mesurés. On a mesuré leur taille
08:16
up against the wall, we put them on a scale, got their weight --
163
480727
3881
contre le mur, leur poids sur la balance
08:20
ladies loved that -- and then we actually got their driver's license to get their age.
164
484608
3895
-- les femme ont adoré -- et nous avons pris
leur permis de conduire pour voir leur âge.
leur permis de conduire pour voir leur âge.
08:24
And what we found was very, very interesting.
165
488503
4311
Ce que nous avons trouvé était vraiment
très intéressant.
très intéressant.
08:28
Here's an example of the men and the height.
166
492814
3929
Voici un exemple des hommes et leur taille.
08:32
Along the bottom is how tall they said they were in their profile.
167
496743
2470
En bas il y a la hauteur déclarée sur le profil
08:35
Along the y-axis, the vertical axis, is how tall they actually were.
168
499213
4862
et le long de l'axe y, l'axe vertical, il y a la taille réelle.
08:39
That diagonal line is the truth line. If their dot's on it,
169
504075
3076
La ligne verticale est la ligne de la vérité.
Si le point est sur cette ligne
Si le point est sur cette ligne
08:43
they were telling exactly the truth.
170
507151
1554
ils disaient la vérité.
08:44
Now, as you see, most of the little dots are below the line.
171
508705
3113
Comme vous voyez, la plupart des points
sont en dessous de la ligne,
sont en dessous de la ligne,
08:47
What it means is all the guys were lying about their height.
172
511818
2867
ça veut dire que les hommes mentaient sur leur taille.
08:50
In fact, they lied about their height about nine tenths of an inch,
173
514685
2941
En fait, ils ont menti sur leur taille
d'environ deux centimètres
d'environ deux centimètres
08:53
what we say in the lab as "strong rounding up." (Laughter)
174
517626
6276
Comme on dit au labo "un fort arrondi supérieur". (Rires)
08:59
You get to 5'8" and one tenth, and boom! 5'9".
175
523902
4503
Vous faites 1,73 mètres et 2 centimètres, et boum! 1,75 mètres.
09:04
But what's really important here is, look at all those dots.
176
528405
1998
Mais ce qui est très important ici, regardez tous ces points.
09:06
They are clustering pretty close to the truth. What we found
177
530403
2566
Ils sont tous proches de la réalité. Ce qu'on a découvert
09:08
was 80 percent of our participants did indeed lie
178
532969
2408
c'est que 80% des participants ont en effet menti
09:11
on one of those dimensions, but they always lied by a little bit.
179
535377
3595
sur une de ces dimensions,
mais ils ont toujours menti un tout petit peu.
mais ils ont toujours menti un tout petit peu.
09:14
One of the reasons is pretty simple. If you go to a date,
180
538972
3024
Une des raisons est simple, Si vous avez un rendez-vous,
09:17
a coffee date, and you're completely different than what you said,
181
541996
3601
pour un café, et que vous êtes complètement différent
de la description que vous avez donnée,
de la description que vous avez donnée,
09:21
game over. Right? So people lied frequently, but they lied
182
545597
3619
c'est terminé. Pas vrai?
Donc les gens ont menti souvent, mais ont menti
Donc les gens ont menti souvent, mais ont menti
09:25
subtly, not too much. They were constrained.
183
549216
3469
subtilement, pas trop. Ils y étaient forcés.
09:28
Well, what explains all these studies? What explains the fact
184
552685
2887
Mais, que démontrent ces études?
Qu'est-ce qui explique
Qu'est-ce qui explique
09:31
that despite our intuitions, mine included,
185
555572
4635
qu'en dépit de nos intuitions, y compris les miennes,
09:36
a lot of online communication, technologically-mediated
186
560207
3529
la majeure partie de la communication en ligne,
ou de celle qui a recours aux technologies,
ou de celle qui a recours aux technologies,
09:39
communication, is more honest than face to face?
187
563736
4028
est plus honnête qu'en face à face?
09:43
That really is strange. How do we explain this?
188
567764
2489
C'est très étrange. Comment est-ce qu'on explique ça ?
09:46
Well, to do that, one thing is we can look at the deception-detection literature.
189
570253
3379
Eh bien, pour ce faire, on peut observer la littérature qui traite de détection de la tromperie.
09:49
It's a very old literature by now, it's coming up on 50 years.
190
573632
4345
C'est une littérature très ancienne maintenant,
elle remonte à 50 ans.
elle remonte à 50 ans.
09:53
It's been reviewed many times. There's been thousands of trials,
191
577977
2662
Elle a été commentée bien des fois.
Il y a eu des milliers d'essais,
Il y a eu des milliers d'essais,
09:56
hundreds of studies, and there's some really compelling findings.
192
580639
3981
des centaines d'études,
et des découvertes fascinantes.
et des découvertes fascinantes.
10:00
The first is, we're really bad at detecting deception,
193
584620
3236
La première, on est très mauvais
pour détecter les mensonges,
pour détecter les mensonges,
10:03
really bad. Fifty-four percent accuracy on average when you have to tell
194
587856
4116
très mauvais. 54% d'exactitude en moyenne
quand on doit dire
quand on doit dire
10:07
if somebody that just said a statement is lying or not.
195
591972
3384
si quelqu'un qui vient de faire une déclaration ment ou pas.
10:11
That's really bad. Why is it so bad?
196
595356
3192
C'est mauvais. Pourquoi est-ce si mauvais?
10:14
Well it has to do with Pinocchio's nose.
197
598548
2530
Eh bien c'est en rapport avec le nez de Pinocchio.
10:16
If I were to ask you guys, what do you rely on
198
601078
2359
Si on devait vous demander à quoi vous vous fiez
10:19
when you're looking at somebody and you want to find out
199
603437
2245
quand vous regardez quelqu'un et vous voulez savoir
10:21
if they're lying? What cue do you pay attention to?
200
605682
2930
si il ment ? À quel signe prêtez-vous attention?
10:24
Most of you would say that one of the cues you look at
201
608612
2430
La plupart d'entre vous diraient
qu'un des signes que vous guettez
qu'un des signes que vous guettez
10:26
is the eyes. The eyes are the window to the soul.
202
611042
2728
ce sont les yeux. Les yeux sont les miroirs de l'âme.
10:29
And you're not alone. Around the world, almost every culture,
203
613770
2403
Et vous n'êtes pas les seuls.
Dans le monde entier, dans presque toutes les cultures,
Dans le monde entier, dans presque toutes les cultures,
10:32
one of the top cues is eyes. But the research
204
616173
2863
un des premier signe, ce sont les yeux. Mails les études
10:34
over the last 50 years says there's actually no reliable cue
205
619036
3824
de ces 50 dernières années disent
qu'il n'y a aucun indice fiable
qu'il n'y a aucun indice fiable
10:38
to deception, which blew me away, and it's one of
206
622860
2997
pour détecter un mensonge. Ça m'a épaté, et
10:41
the hard lessons that I learned when I was customs officer.
207
625857
2355
je l'ai appris à mes dépends
quand je travaillais dans les douanes.
quand je travaillais dans les douanes.
10:44
The eyes do not tell us whether somebody's lying or not.
208
628212
2430
Les yeux ne disent pas si quelqu'un ment ou non.
10:46
Some situations, yes -- high stakes, maybe their pupils dilate,
209
630642
3018
Dans certains cas, oui -- de grands enjeux,
peut-être que les pupilles se dilatent,
peut-être que les pupilles se dilatent,
10:49
their pitch goes up, their body movements change a little bit,
210
633660
3504
la voix devient plus aiguë, les mouvements du corps
changent un petit peu,
changent un petit peu,
10:53
but not all the time, not for everybody, it's not reliable.
211
637164
4832
mais pas tout le temps, pas tout le monde,
ce n'est pas fiable.
ce n'est pas fiable.
10:57
Strange. The other thing is that just because you can't see me
212
641996
3378
C'est étrange. L'autre chose,
c'est que si vous ne me voyez pas
c'est que si vous ne me voyez pas
11:01
doesn't mean I'm going to lie. It's common sense,
213
645374
2419
ça ne veut pas dire que je vais mentir. C'est logique,
11:03
but one important finding is that we lie for a reason.
214
647793
2907
mais une découverte importante
est que nous avons une raison de mentir.
est que nous avons une raison de mentir.
11:06
We lie to protect ourselves or for our own gain
215
650700
2367
On ment pour se protéger, ou dans notre propre intérêt.
11:08
or for somebody else's gain.
216
653067
2827
ou celui de quelqu'un d'autre
11:11
So there are some pathological liars, but they make up
217
655894
1930
Il y a des menteurs pathologiques,
mais ils représentent
mais ils représentent
11:13
a tiny portion of the population. We lie for a reason.
218
657824
3513
une infime partie de la population.
On ment pour une raison.
On ment pour une raison.
11:17
Just because people can't see us doesn't mean
219
661337
1631
Ce n'est pas parce qu'on ne nous voit pas
11:18
we're going to necessarily lie.
220
662968
2271
que nous allons forcément mentir.
11:21
But I think there's actually something much more
221
665239
1553
Mais je pense qu'il y a quelque chose de bien plus
11:22
interesting and fundamental going on here. The next big
222
666792
3274
intéressant et fondamental qui se passe ici.
11:25
thing for me, the next big idea, we can find by going
223
670066
3797
L'étape majeure suivante, la prochaine grande idée,
on la trouve en remontant
on la trouve en remontant
11:29
way back in history to the origins of language.
224
673863
3139
très loin dans l'histoire des origines du language.
11:32
Most linguists agree that we started speaking somewhere
225
677002
3887
La plupart des linguistes s'accordent à dire
que le langage est apparu il y a de ça
que le langage est apparu il y a de ça
11:36
between 50,000 and 100,000 years ago. That's a long time ago.
226
680889
3168
entre 50 000 et 100 000 ans. C'était il y a très longtemps.
11:39
A lot of humans have lived since then.
227
684057
2616
Beaucoup d'humains ont vécus entre temps.
11:42
We've been talking, I guess, about fires and caves
228
686673
2423
On a parlé, je pense de feux et de cavernes
11:44
and saber-toothed tigers. I don't know what they talked about,
229
689096
3107
et de tigres à dents de sabre.
Je sais pas de quoi ils parlaient,
Je sais pas de quoi ils parlaient,
11:48
but they were doing a lot of talking, and like I said,
230
692203
2518
mais ils parlaient beaucoup, et comme je l'ai dit
11:50
there's a lot of humans evolving speaking,
231
694721
2545
les humains évoluent beaucoup en parlant
11:53
about 100 billion people in fact.
232
697266
2806
environ 100 milliards de personnes en fait.
11:55
What's important though is that writing only emerged
233
700072
2782
Ce qui est important cependant, c'est que l'écriture
n'est apparue qu'il y a
n'est apparue qu'il y a
11:58
about 5,000 years ago. So what that means is that
234
702854
3587
environ 5 000 ans. Ça signifie que
12:02
all the people before there was any writing,
235
706441
2392
tous les gens, avant qu'il n'y ait la moindre écriture,
12:04
every word that they ever said, every utterance
236
708833
5586
chaque mot jamais prononcé, chaque déclaration
12:10
disappeared. No trace. Evanescent. Gone.
237
714419
4752
a disparu. Aucune trace. Evanoui. Parti.
12:15
So we've been evolving to talk in a way in which
238
719171
4065
Donc on a évolué pour parler d'une manière
12:19
there is no record. In fact, even the next big change
239
723236
5917
qui n'a pas laissé de trace.
En fait, même le prochain grand changement
En fait, même le prochain grand changement
12:25
to writing was only 500 years ago now,
240
729153
2468
de l'écriture ne s'est passé qu'il y a 500 ans,
12:27
with the printing press, which is very recent in our past,
241
731621
2379
avec l'imprimerie, dans un passé très récent,
12:29
and literacy rates remained incredibly low right up until World War II,
242
734000
4242
et le taux d'alphabétisation est resté incroyablement bas
jusqu'à la deuxième guerre mondiale.
jusqu'à la deuxième guerre mondiale.
12:34
so even the people of the last two millennia,
243
738242
3384
Alors même les gens des deux derniers millénaires,
12:37
most of the words they ever said -- poof! -- disappeared.
244
741626
5032
la plupart des mots qu'ils ont pu dire -- pouf ! -- disparus.
12:42
Let's turn to now, the networked age.
245
746658
3591
Revenons à aujourd'hui, l'ère des réseaux.
12:46
How many of you have recorded something today?
246
750249
4712
Combien d'entre vous ont enregistré
quelque chose aujourd'hui ?
quelque chose aujourd'hui ?
12:50
Anybody do any writing today? Did anybody write a word?
247
754961
3177
Quelqu'un a écrit quelque chose aujourd'hui ?
Est-ce que quelqu'un a écrit un mot ?
Est-ce que quelqu'un a écrit un mot ?
12:54
It looks like almost every single person here recorded something.
248
758138
4226
On dirait que presque chacun d'entre vous
a enregistré quelque chose.
a enregistré quelque chose.
12:58
In this room, right now, we've probably recorded more
249
762364
3048
Dans cette salle, là tout de suite,
nous avons surement enregistré plus
nous avons surement enregistré plus
13:01
than almost all of human pre-ancient history.
250
765412
4542
que presque toute la pré-histoire de l'humanité.
13:05
That is crazy. We're entering this amazing period
251
769954
3230
C'est fou. Nous entrons dans une période extraordinaire
13:09
of flux in human evolution where we've evolved to speak
252
773184
4015
de flux dans l'évolution humaine
où nous avons évolué pour parler
où nous avons évolué pour parler
13:13
in a way in which our words disappear, but we're in
253
777199
2701
de telle façon que nos mots disparaissaient,
mais nous sommes dans
mais nous sommes dans
13:15
an environment where we're recording everything.
254
779900
2903
un environnement où l'on enregistre tout.
13:18
In fact, I think in the very near future, it's not just
255
782803
2337
En fait, je pense que dans un futur très proche,
ce n'est pas seulement
ce n'est pas seulement
13:21
what we write that will be recorded, everything we do
256
785140
2349
ce qu'on écrit qui sera enregistré,
tout ce que nous faisons
tout ce que nous faisons
13:23
will be recorded.
257
787489
2333
sera enregistré.
13:25
What does that mean? What's the next big idea from that?
258
789822
4456
Qu'est-ce que ça signifie ?
Quelle est la prochaine grande idée qui va en sortir ?
Quelle est la prochaine grande idée qui va en sortir ?
13:30
Well, as a social scientist, this is the most amazing thing
259
794278
4250
Eh bien, en tant que chercheur en sciences sociales,
c'est la chose la plus incroyable
c'est la chose la plus incroyable
13:34
I have ever even dreamed of. Now, I can look at
260
798528
3547
dont j'ai jamais rêvé. Maintenant, je peux regarder tous
13:37
all those words that used to, for millennia, disappear.
261
802075
3611
ces mots qui, pendant des millénaires, disparaisaient.
13:41
I can look at lies that before were said and then gone.
262
805686
4248
Je peux regarder des mensonges qu'auparavant,
on disait et qui disparaissaient ensuite.
on disait et qui disparaissaient ensuite.
13:45
You remember those Astroturfing reviews that we were
263
809934
3520
Vous vous rappelez ces bidonnages dont on a parlé
13:49
talking about before? Well, when they write a fake review,
264
813454
3503
tout à l'heure ? Et bien lorsqu'on écrit un faux commentaire,
13:52
they have to post it somewhere, and it's left behind for us.
265
816957
2704
on doit le poster quelque part, et il y reste notre disposition.
13:55
So one thing that we did, and I'll give you an example of
266
819661
2435
Alors ce que nous avons fait,
et je vais vous donner un exemple
et je vais vous donner un exemple
13:57
looking at the language, is we paid people
267
822096
2495
tiré de l'observation du langage,
c'est que nous avons payé des gens
c'est que nous avons payé des gens
14:00
to write some fake reviews. One of these reviews is fake.
268
824591
3535
pour écrire des faux commentaires.
Un de ces commentaire est un faux.
Un de ces commentaire est un faux.
14:04
The person never was at the James Hotel.
269
828126
1943
La personne n'a jamais été au James Hotel.
14:05
The other review is real. The person stayed there.
270
830069
2922
L'autre est un vrai commentaire. La personne y a séjourné.
14:08
Now, your task now is to decide
271
832991
3527
Maintenant, vous devez décider
14:12
which review is fake?
272
836518
4073
lequel des deux est le faux commentaire.
14:16
I'll give you a moment to read through them.
273
840591
4186
Je vous donne un moment pour les lire.
14:20
But I want everybody to raise their hand at some point.
274
844777
2287
Mais à la fin je veux que tout le monde lève la main.
14:22
Remember, I study deception. I can tell if you don't raise your hand.
275
847064
4231
Rappelez-vous, j'ai étudié le mensonge.
Je sais si vous ne levez pas la main.
Je sais si vous ne levez pas la main.
14:27
All right, how many of you believe that A is the fake?
276
851295
4570
Ok, combien d'entre vous pensent
que A est le faux commentaire
que A est le faux commentaire
14:33
All right. Very good. About half.
277
857894
2142
Bon, très bien, environ la moitié.
14:35
And how many of you think that B is?
278
860036
3615
Et combien d'entre vous pensent que c'est B ?
14:39
All right. Slightly more for B.
279
863651
2529
Bien, un peu plus.
14:42
Excellent. Here's the answer.
280
866180
2592
Excellent. Voilà la réponse.
14:44
B is a fake. Well done second group. You dominated the first group. (Laughter)
281
868772
6581
B est un faux. Bravo, le deuxième groupe.
Vous l'avez remporté sur le premier groupe. (Rires)
Vous l'avez remporté sur le premier groupe. (Rires)
14:51
You're actually a little bit unusual. Every time we demonstrate this,
282
875353
2846
Vous êtes en fait un peu inhabituels.
À chaque fois qu'on fait cette démonstration,
À chaque fois qu'on fait cette démonstration,
14:54
it's usually about a 50-50 split, which fits
283
878199
2746
c'est souvent autour de 50-50, ce qui correspond
14:56
with the research, 54 percent. Maybe people here
284
880945
2646
aux recherches, et à 54%. Peut-être que les gens ici
14:59
in Winnipeg are more suspicious and better at figuring it out.
285
883591
3770
à Winnipeg sont plus soupçonneux
et meilleurs pour trouver les menteurs.
et meilleurs pour trouver les menteurs.
15:03
Those cold, hard winters, I love it.
286
887361
2688
Ces hivers froids et rigoureux, j'adore ça.
15:05
All right, so why do I care about this?
287
890049
3054
Bon, donc pourquoi ça m'intéresse ?
15:09
Well, what I can do now with my colleagues in computer science
288
893103
3268
Ehbien, maintenant avec mes collègues informaticiens
15:12
is we can create computer algorithms that can analyze
289
896371
3232
nous pouvons créer un algorithme pour analyser
15:15
the linguistic traces of deception.
290
899603
2900
les indices linguistiques du mensonge.
15:18
Let me highlight a couple of things here
291
902503
1833
Permettez-moi de mettre en évidence
deux ou trois choses dans
deux ou trois choses dans
15:20
in the fake review. The first is that liars tend to think
292
904336
3443
ce faux commentaire. La première,
c'est que les menteurs ont tendance à penser
c'est que les menteurs ont tendance à penser
15:23
about narrative. They make up a story:
293
907779
1588
à la forme de leur récit. Ils inventent une histoire :
15:25
Who? And what happened? And that's what happened here.
294
909367
3186
Qui ? Que s'est-il passé ? Et c'est ce qu'on retrouve ici.
15:28
Our fake reviewers talked about who they were with
295
912553
2289
Nos faux commentateurs ont raconté avec qui ils étaient
15:30
and what they were doing. They also used the first person singular, I,
296
914842
4765
et ce qu'ils ont fait. Ils ont aussi utilisé
la première personne du singulier, je,
la première personne du singulier, je,
15:35
way more than the people that actually stayed there.
297
919607
2469
beaucoup plus que les personnes qui ont réellement séjourné là-bas.
15:37
They were inserting themselves into the hotel review,
298
922076
4696
Ils se mettent en scène dans le commentaire sur l'hôtel,
15:42
kind of trying to convince you they were there.
299
926772
1696
en tentant en quelque sorte
de vous convaincre qu'ils y étaient.
de vous convaincre qu'ils y étaient.
15:44
In contrast, the people that wrote the reviews that were actually there,
300
928468
4015
Au contraire, les personnes qui ont écrit
les commentaires et qui étaient vraiment sur place,
les commentaires et qui étaient vraiment sur place,
15:48
their bodies actually entered the physical space,
301
932483
2432
leur corps étaient dans l'espace physique,
15:50
they talked a lot more about spatial information.
302
934915
2899
ils donnaient beaucoup plus d'informations spatiales.
15:53
They said how big the bathroom was, or they said,
303
937814
2517
Ils décrivaient la taille de la salle de bain, ou il disaient,
15:56
you know, here's how far shopping is from the hotel.
304
940331
4520
si les magasins étaient loin de l'hôtel.
16:00
Now, you guys did pretty well. Most people perform at chance at this task.
305
944851
4161
Vous avez été plutôt bons.
La plupart des gens répondent au hasard.
La plupart des gens répondent au hasard.
16:04
Our computer algorithm is very accurate, much more accurate
306
949012
2758
Notre algorithme est très précis, bien plus précis
16:07
than humans can be, and it's not going to be accurate all the time.
307
951770
3291
que les êtres humains, mais il ne le sera pas
à tous les coups.
à tous les coups.
16:10
This isn't a deception-detection machine to tell
308
955061
2030
Ce n'est pas un détecteur de mensonge qui dira
16:12
if your girlfriend's lying to you on text messaging.
309
957091
2501
si votre copine vous ment dans ses textos.
16:15
We believe that every lie now, every type of lie --
310
959592
3564
Nous pensons que tous les mensonges,
tous les types de mensonge --
tous les types de mensonge --
16:19
fake hotel reviews, fake shoe reviews,
311
963156
3787
les faux commentaires d'hôtel,
les faux commentaires pour des chaussures
les faux commentaires pour des chaussures
16:22
your girlfriend cheating on you with text messaging --
312
966943
2914
votre copine qui vous trompe via des textos --
16:25
those are all different lies. They're going to have
313
969857
1505
ce sont des mensonges différents. Ils vont avoir des
16:27
different patterns of language. But because everything's
314
971362
2859
modèles de langage différents.Mais puisque tout
16:30
recorded now, we can look at all of those kinds of lies.
315
974221
4689
est enregistré maintenant, nous pouvons examiner
tous ces types de mensonges.
tous ces types de mensonges.
16:34
Now, as I said, as a social scientist, this is wonderful.
316
978910
3993
Comme je l'ai dit, en tant que chercheur
en sciences sociales, c'est magnifique.
en sciences sociales, c'est magnifique.
16:38
It's transformational. We're going to be able to learn
317
982903
2087
Ça change tout, nous allons être capables d'en apprendre
16:40
so much more about human thought and expression,
318
984990
3802
tellement plus sur la pensée et l'expression humaines,
16:44
about everything from love to attitudes,
319
988792
4398
sur tout, de l'amour aux attitudes,
16:49
because everything is being recorded now, but
320
993190
1960
parce que tout est enregistré maintenant, mais
16:51
what does it mean for the average citizen?
321
995150
2404
qu'est-ce que ça veut dire pour le citoyen ordinaire ?
16:53
What does it mean for us in our lives?
322
997554
2802
Qu'est-ce que ça représente pour nous, dans nos vies ?
16:56
Well, let's forget deception for a bit. One of the big ideas,
323
1000356
3673
Et bien, oublions la tromperie pour un petit moment.
Une des grandes idées,
Une des grandes idées,
16:59
I believe, is that we're leaving these huge traces behind.
324
1004029
3688
selon moi, c'est que nous laissons
ces énormes traces derrière nous.
ces énormes traces derrière nous.
17:03
My outbox for email is massive,
325
1007717
3216
La boîte d'envoi de mes courriels est impressionnante
17:06
and I never look at it. I write all the time,
326
1010933
3337
et je n'y jette jamais un coup d'oeil. J'écris tout le temps,
17:10
but I never look at my record, at my trace.
327
1014270
3438
mais je ne regarde jamais mes traces écrites.
17:13
And I think we're going to see a lot more of that,
328
1017708
1567
Et je pense qu'on va voir ça de plus en plus,
17:15
where we can reflect on who we are by looking at
329
1019275
3161
que nous pouvons réfléchir
à qui nous sommes en regardant
à qui nous sommes en regardant
17:18
what we wrote, what we said, what we did.
330
1022436
3618
ce que nous avons écrit, dit, ou fait.
17:21
Now, if we bring it back to deception, there's a couple
331
1026054
2272
Si on ramène ça au mensonge, on peut
17:24
of take-away things here.
332
1028326
1977
retenir dux ou trois choses ici.
17:26
First, lying online can be very dangerous, right?
333
1030303
4488
Premièrement, mentir en ligne
peut être très dangereux, n'est-ce pas?
peut être très dangereux, n'est-ce pas?
17:30
Not only are you leaving a record for yourself on your machine,
334
1034791
2706
Non seulement vous laissez une trace sur votre machine
17:33
but you're leaving a record on the person that you were lying to,
335
1037497
4275
mais vous laissez une trace sur la personne à qui vous mentez,
17:37
and you're also leaving them around for me to analyze
336
1041772
1760
et vous en laissez aussi pour que je puisse les analyser
17:39
with some computer algorithms.
337
1043532
1454
à l'aide d'algorithmes
17:40
So by all means, go ahead and do that, that's good.
338
1044986
3173
Alors faites donc, faites-le, c'est bien.
17:44
But when it comes to lying and what we want to do
339
1048159
4154
Mais quand il s'agit de mentir
et de ce que nous voulons faire
et de ce que nous voulons faire
17:48
with our lives, I think we can go back to
340
1052313
2553
de nos vies, je pense qque nous pouvons revenir à
17:50
Diogenes and Confucius. And they were less concerned
341
1054866
3749
Diogenes et Confucius. Ils s'inquiétaient moins
17:54
about whether to lie or not to lie, and more concerned about
342
1058615
2832
de mentir ou pas, et se souciaient plus
17:57
being true to the self, and I think this is really important.
343
1061447
3285
d'être honnête avec eux-mêmes,
et je pense que c'est très important.
et je pense que c'est très important.
18:00
Now, when you are about to say or do something,
344
1064732
4183
Quand vous allez dire ou faire quelque chose,
18:04
we can think, do I want this to be part of my legacy,
345
1068915
4560
on peut penser, est-ce que je veux vraiment
laisser ça derrière moi,
laisser ça derrière moi,
18:09
part of my personal record?
346
1073475
2713
que ça fasse partie de mes archives personnelles ?
18:12
Because in the digital age we live in now,
347
1076188
2657
Parce qu'à l'ère numérique dans laquelle nous vivons,
18:14
in the networked age, we are all leaving a record.
348
1078845
4464
à l'ère des réseaux, nous laissons tous des archives.
18:19
Thank you so much for your time,
349
1083309
1695
Merci beaucoup de m'avoir accordé de votre temps,
18:20
and good luck with your record. (Applause)
350
1085004
4447
et bonne chance avec vos archives. (Applaudissements)
ABOUT THE SPEAKER
Jeff Hancock - PsychologistJeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication.
Why you should listen
Jeff Hancock is fascinated by the words we choose when sending text messages, composing emails and writing online profiles. An Associate Professor of Cognitive Science and Communications at Cornell University, his research has focused on how people use deception and irony when communicating through cell phones and online platforms. His idea: that while the impersonality of online interaction can encourage mild fibbing, the fact that it leaves a permanent record of verifiable facts actually keeps us on the straight and narrow.
Hancock has also studied how we form impressions of others online, how we manage others' impressions of ourselves, and how individual personalities interact with online groups.
Jeff Hancock | Speaker | TED.com