TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson : La solution pour la croissance ? Faire la course avec les machines.
Filmed:
Readability: 4.6
1,321,770 views
Alors que les machines s'approprient davantage de travail, beaucoup se retrouvent sans emploi ou voient leurs augmentations de salaire sans cesse repoussées. Est-ce la fin de la croissance ? Non, selon Erik Brynjolfsson -- ce sont simplement les difficultés grandissantes d'une économie radicalement réorganisée. Un cas fascinant qui expose pourquoi les grandes innovations sont devant nous… si nous considérons les ordinateurs comme faisant partie de notre équipe. Ne manquez pas la vidéo du point de vue opposé de Robert Gordon.
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Double-click the English transcript below to play the video.
00:12
Growth is not dead.
0
605
2272
La croissance n'est pas morte.
00:14
(Applause)
1
2877
1386
(Applaudissements)
00:16
Let's start the story 120 years ago,
2
4263
3963
Notre histoire commence
il y a 120 ans,
il y a 120 ans,
00:20
when American factories began to electrify their operations,
3
8226
3632
quand les usines américaines ont commencé
à fonctionner à l'électricité,
à fonctionner à l'électricité,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
initiant ainsi la Deuxième Révolution Industrielle.
00:27
The amazing thing is
5
15202
1111
Ce qui est incroyable c'est
00:28
that productivity did not increase in those factories
6
16313
2777
que la productivité de ces usines
n'a pas augmenté
n'a pas augmenté
00:31
for 30 years. Thirty years.
7
19090
3256
pendant 30 ans. Trente ans.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
C'est assez long pour qu'une génération entière
de directeurs parte en retraite.
de directeurs parte en retraite.
00:37
You see, the first wave of managers
9
25820
2222
En fait, la première vague de directeurs
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
s'est contentée de remplacer les machines à vapeur
par des moteurs électriques,
par des moteurs électriques,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
mais elle n'a pas repensé
les usines pour profiter
les usines pour profiter
00:46
of electricity's flexibility.
12
34469
2341
de la flexibilité que procure l'électricité.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
C'est la génération suivante qui a inventé
de nouveaux processus de travail,
de nouveaux processus de travail,
00:52
and then productivity soared,
14
40794
2727
et alors la productivité a explosé,
00:55
often doubling or even tripling in those factories.
15
43521
3665
elle a souvent doublé
ou même triplé dans ces usines.
ou même triplé dans ces usines.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
L'électricité est un exemple
de technologie à usage général,
de technologie à usage général,
01:03
like the steam engine before it.
17
51909
2230
comme la machine à vapeur
l'avait été auparavant.
l'avait été auparavant.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Les technologies à usage général
créent l'essentiel de la croissance économique,
créent l'essentiel de la croissance économique,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
parce qu'elles créent en cascade
des innovations complémentaires
des innovations complémentaires
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
comme les ampoules électriques
et, oui, la conception des usines.
et, oui, la conception des usines.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Y a-t-il une technologie
à usage général de notre époque ?
à usage général de notre époque ?
01:20
Sure. It's the computer.
22
68251
2508
Bien sûr. C'est l'ordinateur.
01:22
But technology alone is not enough.
23
70759
2659
Mais la technologie seule ne suffit pas.
01:25
Technology is not destiny.
24
73418
2766
La technologie n'est pas notre destin.
01:28
We shape our destiny,
25
76184
1580
Nous façonnons notre destin,
01:29
and just as the earlier generations of managers
26
77764
2516
et tout comme
les anciennes générations de directeurs
les anciennes générations de directeurs
01:32
needed to redesign their factories,
27
80280
2298
ont dû repenser leurs usines,
01:34
we're going to need to reinvent our organizations
28
82578
2229
il va nous falloir réinventer
nos organisations
nos organisations
01:36
and even our whole economic system.
29
84807
2555
et même notre système économique
dans son ensemble.
dans son ensemble.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Et on ne se débrouille pas
aussi bien qu'on le devrait.
aussi bien qu'on le devrait.
01:42
As we'll see in a moment,
31
90964
1230
Comme nous allons le voir
dans un moment,
dans un moment,
01:44
productivity is actually doing all right,
32
92194
2722
en fait la productivité se porte plutôt bien,
01:46
but it has become decoupled from jobs,
33
94916
3862
mais elle est devenue
déconnectée des emplois,
déconnectée des emplois,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
et le revenu moyen stagne.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Ces problèmes sont parfois
considérés à tort
considérés à tort
01:57
as the end of innovation,
36
105716
3712
comme une conséquence
de la fin de l'innovation,
de la fin de l'innovation,
02:01
but they are actually the growing pains
37
109428
2129
mais ils sont en fait
les difficultés croissantes
les difficultés croissantes
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
de ce que Andrew McAfee et moi-même
appelons le nouvel âge de la machine.
appelons le nouvel âge de la machine.
02:09
Let's look at some data.
39
117147
1882
Examinons quelques données.
02:11
So here's GDP per person in America.
40
119029
2902
Voici le PIB par tête aux États-Unis.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Le chemin est quelque peu accidenté,
mais en gros
mais en gros
02:16
is you could practically fit a ruler to it.
42
124697
2715
on pourrait presque apposer
une règle sur la tendance.
une règle sur la tendance.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
L'échelle est logarithmique, donc
ce qui semble être une croissance soutenue
ce qui semble être une croissance soutenue
02:22
is actually an acceleration in real terms.
44
130688
3043
est en fait une accélération
en termes réels.
en termes réels.
02:25
And here's productivity.
45
133731
2160
Et voici la productivité.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
On voit un léger ralentissement
au milieu des années 70,
au milieu des années 70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
mais ça correspond plutôt bien
à la Deuxième Révolution Industrielle,
à la Deuxième Révolution Industrielle,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
quand les usines apprenaient
à fonctionner à l'électricité.
à fonctionner à l'électricité.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Après un ralentissement,
la productivité a accéléré de nouveau.
la productivité a accéléré de nouveau.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Alors peut-être que « l'histoire ne se répète pas,
02:43
but sometimes it rhymes."
51
151691
2568
mais parfois, elle rime. »
02:46
Today, productivity is at an all-time high,
52
154259
3136
Aujourd'hui, la productivité
est à son plus haut niveau,
est à son plus haut niveau,
02:49
and despite the Great Recession,
53
157395
1977
et malgré la Grande Récession,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
elle a augmenté plus rapidement
dans les années 2000 que dans les années 90,
dans les années 2000 que dans les années 90,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
dont J. Stiglitz a dit que « le capitalisme perd
la tête», où elle a augmenté plus rapidement
que dans les années 70 ou 80.
la tête», où elle a augmenté plus rapidement
que dans les années 70 ou 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Elle augmente plus rapidement
que pendant la Deuxième Révolution Industrielle.
que pendant la Deuxième Révolution Industrielle.
03:03
And that's just the United States.
57
171434
1743
Et je ne parle que des États-Unis.
03:05
The global news is even better.
58
173177
3248
Au niveau mondial,
les nouvelles sont encore meilleures.
les nouvelles sont encore meilleures.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
À l'échelle du monde, les revenus
ont augmenté plus rapidement
ont augmenté plus rapidement
03:10
in the past decade than ever in history.
60
178785
2496
au cours de la dernière décennie
que jamais auparavant.
que jamais auparavant.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Tout au contraire, toutes ces données
minimisent en fait notre progrès,
minimisent en fait notre progrès,
03:18
because the new machine age
62
186332
1912
parce que le nouvel âge de la machine
03:20
is more about knowledge creation
63
188244
1664
relève davantage
de la création de connaissance
de la création de connaissance
03:21
than just physical production.
64
189908
2331
que de la seule production physique.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
C'est l'esprit plutôt que la matière,
le cerveau plutôt que les muscles,
le cerveau plutôt que les muscles,
03:27
ideas not things.
66
195177
2062
les idées plutôt que les objets.
03:29
That creates a problem for standard metrics,
67
197239
2570
Ça pose un problème
pour les mesures standard,
pour les mesures standard,
03:31
because we're getting more and more stuff for free,
68
199809
3502
parce qu'on obtient
de plus en plus de choses gratuitement,
de plus en plus de choses gratuitement,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
comme Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
ou aussi quand on met du contenu sur internet,
comme cette présentation TED.
comme cette présentation TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Obtenir des choses
à titre gratuit, c'est bien non ?
à titre gratuit, c'est bien non ?
03:44
Sure, of course it is.
72
212318
1765
Bien sûr.
03:46
But that's not how economists measure GDP.
73
214083
3868
Mais ça n'est pas comme ça
que les économistes mesurent le PIB.
que les économistes mesurent le PIB.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Un prix de zéro n'a aucun poids
dans les statistiques du PIB.
dans les statistiques du PIB.
03:55
According to the numbers, the music industry
75
223543
2112
Selon les chiffres, la taille
de l'industrie de la musique
de l'industrie de la musique
03:57
is half the size that it was 10 years ago,
76
225655
3000
est la moitié de ce qu'elle était
il y a 10 ans,
il y a 10 ans,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
mais je n'ai jamais écouté
autant de musique d'une telle qualité.
autant de musique d'une telle qualité.
04:04
You know, I bet you are too.
78
232311
2192
Et je suis sûr que
c'est pareil pour vous.
c'est pareil pour vous.
04:06
In total, my research estimates
79
234503
2723
Au total, sur la base de ma recherche,
j'estime que
j'estime que
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
les chiffres du PIB omettent plus
de 300 milliards de dollars par an
de 300 milliards de dollars par an
04:13
in free goods and services on the Internet.
81
241980
3346
en produits et services gratuits
offerts sur internet.
offerts sur internet.
04:17
Now let's look to the future.
82
245326
1789
Maintenant regardons vers le futur.
04:19
There are some super smart people
83
247115
2263
Il y a des gens super intelligents
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
qui prétendent que nous avons
atteint la fin de la croissance,
atteint la fin de la croissance,
04:26
but to understand the future of growth,
85
254397
3558
mais pour comprendre
le futur de la croissance
le futur de la croissance
04:29
we need to make predictions
86
257955
2683
on doit faire des prédictions
04:32
about the underlying drivers of growth.
87
260638
3290
sur les facteurs sous-jacents
de la croissance.
de la croissance.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Je suis optimiste, parce que
le nouvel âge de la machine
le nouvel âge de la machine
04:39
is digital, exponential and combinatorial.
89
267734
5030
est numérique, exponentiel
et combinatoire.
et combinatoire.
04:44
When goods are digital, they can be replicated
90
272764
2264
Quand les biens sont numériques,
ils peuvent être répliqués
ils peuvent être répliqués
04:47
with perfect quality at nearly zero cost,
91
275028
4509
avec une qualité parfaite
à un coût proche de zéro,
à un coût proche de zéro,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
et ils peuvent être livrés
quasiment instantanément.
quasiment instantanément.
04:55
Welcome to the economics of abundance.
93
283555
2800
Bienvenue à l'économie de l'abondance.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Mais il y a un avantage plus subtil
à la numérisation du monde.
à la numérisation du monde.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
La capacité de mesurer est l´élément vital
de la science et du progrès.
de la science et du progrès.
05:06
In the age of big data,
96
294645
2148
À l'ère des données massives,
05:08
we can measure the world in ways we never could before.
97
296793
4286
on peut mesurer le monde comme
on n'aurait jamais pu auparavant.
on n'aurait jamais pu auparavant.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Deuxièmement,
le nouvel âge de la machine est exponentiel.
le nouvel âge de la machine est exponentiel.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Les ordinateurs s'améliorent et sont de plus en plus
rapides, comme rien d'autre auparavant.
rapides, comme rien d'autre auparavant.
05:23
A child's Playstation today is more powerful
100
311109
3568
Aujourd'hui, la Playstation
d'un enfant est plus puissante
d'un enfant est plus puissante
05:26
than a military supercomputer from 1996.
101
314677
4056
qu'un super ordinateur de l'armée en 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Mais nos cerveaux sont habitués
à un monde linéaire.
à un monde linéaire.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Par conséquent, les tendances exponentielles
nous prennent par surprise.
nous prennent par surprise.
05:37
I used to teach my students that there are some things,
104
325828
2602
J'enseignais à mes étudiants
qu'il y a certaines choses,
qu'il y a certaines choses,
05:40
you know, computers just aren't good at,
105
328430
1934
pour lesquelles les ordinateurs
ne sont pas adaptés,
ne sont pas adaptés,
05:42
like driving a car through traffic.
106
330364
2385
comme conduire une voiture
dans la circulation.
dans la circulation.
05:44
(Laughter)
107
332749
2013
(Rires)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
En effet, voici Andy et moi
souriant comme des fous
souriant comme des fous
05:50
because we just rode down Route 101
109
338253
2384
parce qu'on venait de voyager
sur la Route 101,
sur la Route 101,
05:52
in, yes, a driverless car.
110
340637
3669
eh bien oui, dans une voiture
sans conducteur.
sans conducteur.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Troisièmement, le nouvel âge de la machine
est combinatoire.
est combinatoire.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Selon ceux qui croient à la stagnation économique,
les idées s'épuisent,
les idées s'épuisent,
06:02
like low-hanging fruit,
113
350937
1856
comme les fruits des arbres
qui sont à portée de mains,
qui sont à portée de mains,
06:04
but the reality is that each innovation
114
352793
3163
mais en réalité chaque innovation
06:07
creates building blocks for even more innovations.
115
355956
3256
constitue le point de départ
de nombreuses autres innovations.
de nombreuses autres innovations.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Voici un exemple.
En seulement quelques semaines,
En seulement quelques semaines,
06:14
an undergraduate student of mine
117
362557
2072
un de mes étudiants de premier cycle
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
a développé une application qui
a finalement conquis 1,3 million d'utilisateurs.
a finalement conquis 1,3 million d'utilisateurs.
06:20
He was able to do that so easily
119
368740
1699
Il a pu le faire aussi facilement
06:22
because he built it on top of Facebook,
120
370439
1827
parce qu'il l'a développée
depuis Facebook,
depuis Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
et Facebook a été développé
sur la base du web,
sur la base du web,
06:26
and that was built on top of the Internet,
122
374199
1698
qui avait été développé
à partir d'Internet,
à partir d'Internet,
06:27
and so on and so forth.
123
375897
2418
etc..
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Pris individuellement, le numérique,
l'exponentiel et le combinatoire,
l'exponentiel et le combinatoire,
06:35
would each be game-changers.
125
383080
2350
chacun d'entre eux changerait la donne.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Si on les associe,
alors on observe une vague
alors on observe une vague
06:39
of astonishing breakthroughs,
127
387620
1393
d'avancées étonnantes,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
comme les robots qui effectuent les tâches
en usine, courent aussi vite qu'un guépard
en usine, courent aussi vite qu'un guépard
06:44
or leap tall buildings in a single bound.
129
392073
2796
ou sautent par dessus
de grands immeubles en un seul bond.
de grands immeubles en un seul bond.
06:46
You know, robots are even revolutionizing
130
394869
2232
Vous savez que les robots
révolutionnent même
révolutionnent même
06:49
cat transportation.
131
397101
1829
le transport des chats.
06:50
(Laughter)
132
398930
2270
(Rires)
06:53
But perhaps the most important invention,
133
401200
2732
Mais l'invention la plus importante
06:55
the most important invention is machine learning.
134
403932
5065
est peut-être l'apprentissage automatique.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Prenons un projet : Watson d'IBM.
07:04
These little dots here,
136
412373
1589
Ces petits points ici,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
ce sont tous les champions
du jeu télévisé « Jeopardy ».
du jeu télévisé « Jeopardy ».
07:10
At first, Watson wasn't very good,
138
418822
2544
Au début, Watson n'était pas très bon,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
mais il a fait des progrès à un rythme plus rapide
qu'aucun être humain,
qu'aucun être humain,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
et juste après que Dave Ferrucci
a montré ce graphique
a montré ce graphique
07:21
to my class at MIT,
141
429675
1652
à ma classe au MIT
[NDT : Massachusetts Institute of Technology],
[NDT : Massachusetts Institute of Technology],
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson a battu
le champion du monde de « Jeopardy ».
le champion du monde de « Jeopardy ».
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
À l'âge de sept ans, Watson en est encore
un peu au stade de l'enfance.
un peu au stade de l'enfance.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Récemment, ses professeurs l'ont laissé
surfer sur internet sans supervision.
surfer sur internet sans supervision.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Le lendemain, il a commencé à répondre
aux questions avec des jurons.
aux questions avec des jurons.
07:42
Damn. (Laughter)
146
450122
2274
Mince. (Rires)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Mais vous savez, Watson grandit vite.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Il passe des tests pour des emplois
en centre d'appel, et il les réussit.
en centre d'appel, et il les réussit.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Il postule à des emplois dans les domaines
du droit, de la banque et de la médecine,
du droit, de la banque et de la médecine,
07:54
and getting some of them.
150
462612
1950
et il est engagé pour certains d'entre eux.
07:56
Isn't it ironic that at the very moment
151
464562
1889
N'est-ce pas ironique
qu'au moment même où
qu'au moment même où
07:58
we are building intelligent machines,
152
466451
2234
on développe des machines intelligentes,
08:00
perhaps the most important invention in human history,
153
468685
3449
peut-être l'invention la plus importante
dans l'histoire de l'humanité,
dans l'histoire de l'humanité,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
certains prétendent que l'innovation stagne ?
08:08
Like the first two industrial revolutions,
155
476109
2419
Comme pour les deux premières
révolutions industrielles,
révolutions industrielles,
08:10
the full implications of the new machine age
156
478528
3134
toutes les implications
du nouvel âge de la machine
du nouvel âge de la machine
08:13
are going to take at least a century to fully play out,
157
481662
2682
vont prendre au moins un siècle
pour se matérialiser pleinement
pour se matérialiser pleinement
08:16
but they are staggering.
158
484344
3032
mais elles sont impressionnantes.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Alors, est-ce que ça veut dire que
nous n'avons aucune raison de nous inquiéter ?
nous n'avons aucune raison de nous inquiéter ?
08:22
No. Technology is not destiny.
160
490712
3680
Non. Technologie et destin
sont deux choses différentes.
sont deux choses différentes.
08:26
Productivity is at an all time high,
161
494392
2569
La productivité est à son plus haut,
08:28
but fewer people now have jobs.
162
496961
2983
mais il y a de plus en plus de chômage.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Nous avons créé plus de richesse au cours de
la décennie passée que jamais auparavant,
la décennie passée que jamais auparavant,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
mais le revenu
d'une majorité d'Américains a chuté.
d'une majorité d'Américains a chuté.
08:38
This is the great decoupling
165
506968
2312
C'est ce qui constitue la grande dissociation
08:41
of productivity from employment,
166
509280
2976
entre la productivité et l'emploi,
08:44
of wealth from work.
167
512256
3104
entre la richesse et le travail.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Il n'est pas surprenant
que des millions de personnes
que des millions de personnes
08:49
have become disillusioned by the great decoupling,
169
517706
2846
soient désabusées
par la grande dissociation,
par la grande dissociation,
08:52
but like too many others,
170
520552
1747
mais comme beaucoup trop d'autres,
08:54
they misunderstand its basic causes.
171
522299
3097
ils n'en comprennent pas
les causes fondamentales.
les causes fondamentales.
08:57
Technology is racing ahead,
172
525396
2610
La technologie fait la course en tête,
09:00
but it's leaving more and more people behind.
173
528006
3550
mais elle laisse de plus en plus
de personnes derrière elle.
de personnes derrière elle.
09:03
Today, we can take a routine job,
174
531556
3519
Aujourd'hui, on peut prendre
un emploi routinier,
un emploi routinier,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
le coder en un ensemble d'instructions
qu'une machine peut déchiffrer,
qu'une machine peut déchiffrer,
09:10
and then replicate it a million times.
176
538166
2827
puis le répliquer un million de fois.
09:12
You know, I recently overheard a conversation
177
540993
2279
J'ai récemment entendu une conversation
09:15
that epitomizes these new economics.
178
543272
1952
qui illustre parfaitement
ces nouvelles données économiques.
ces nouvelles données économiques.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Ce type dit : « Non, je n'utilise plus
H&R. [NdT : service d'impôts]
H&R. [NdT : service d'impôts]
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
Turbo Tax fait tout ce que
mon comptable faisait,
mon comptable faisait,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
mais c'est plus rapide,
moins cher et plus précis. »
moins cher et plus précis. »
09:28
How can a skilled worker
182
556427
1799
Comment un travailleur qualifié peut-il
09:30
compete with a $39 piece of software?
183
558226
3009
concurrencer un logiciel à 39 dollars ?
09:33
She can't.
184
561235
1967
Il ne peut pas.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Aujourd'hui,
des millions d'Américains bénéficient
des millions d'Américains bénéficient
09:37
cheaper, more accurate tax preparation,
186
565982
2387
d'une préparation de leurs impôts plus rapide,
moins chère et plus précise,
moins chère et plus précise,
09:40
and the founders of Intuit
187
568369
1486
et les fondateurs d'Intuit
09:41
have done very well for themselves.
188
569855
2493
ont très bien réussi.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Mais 17 % des comptables
sont désormais sans emploi.
sont désormais sans emploi.
09:48
That is a microcosm of what's happening,
190
576562
2078
C'est un microcosme
de ce qui se passe
de ce qui se passe
09:50
not just in software and services, but in media and music,
191
578640
4677
non seulement dans les logiciels et les services,
mais aussi dans les médias et la musique,
mais aussi dans les médias et la musique,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
dans la finance et la production,
dans le commerce de détail et le négoce --
dans le commerce de détail et le négoce --
09:59
in short, in every industry.
193
587003
3895
en bref, dans tous les secteurs d'activité.
10:02
People are racing against the machine,
194
590898
3095
Les gens font la course
contre la machine,
contre la machine,
10:05
and many of them are losing that race.
195
593993
3090
et beaucoup perdent cette course.
10:09
What can we do to create shared prosperity?
196
597083
3886
Que peut-on faire pour créer
une prospérité partagée ?
une prospérité partagée ?
10:12
The answer is not to try to slow down technology.
197
600969
3017
La réponse n'est pas d'essayer
de ralentir la technologie.
de ralentir la technologie.
10:15
Instead of racing against the machine,
198
603986
2557
Au lieu de faire la course
contre la machine,
contre la machine,
10:18
we need to learn to race with the machine.
199
606543
3677
on doit apprendre
à faire la course avec la machine.
à faire la course avec la machine.
10:22
That is our grand challenge.
200
610220
3129
C'est notre grand défi.
10:25
The new machine age
201
613349
2324
Le nouvel âge de la machine
10:27
can be dated to a day 15 years ago
202
615673
3113
a commencé il y a 15 ans,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
quand Gary Kasparov,
le champion du monde d'échecs,
le champion du monde d'échecs,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
a joué contre Deep Blue,
un super ordinateur.
un super ordinateur.
10:37
The machine won that day,
205
625370
2012
La machine a gagné ce jour-là,
10:39
and today, a chess program running on a cell phone
206
627382
2968
et aujourd'hui, un programme d'échecs
sur un téléphone portable
sur un téléphone portable
10:42
can beat a human grandmaster.
207
630350
2296
arrive à battre un grand joueur humain.
10:44
It got so bad that, when he was asked
208
632646
3365
On en est arrivé à un tel point
que quand on lui a demandé
que quand on lui a demandé
10:48
what strategy he would use against a computer,
209
636011
2563
quelle stratégie
il utiliserait contre un ordinateur,
il utiliserait contre un ordinateur,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Jan Donner, le grand joueur hollandais,
a répondu :
a répondu :
10:54
"I'd bring a hammer."
211
642590
1771
« J'apporterais un marteau. »
10:56
(Laughter)
212
644361
3680
(Rires)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Mais aujourd'hui, le champion du monde d'échecs
n'est plus un ordinateur.
n'est plus un ordinateur.
11:04
Neither is a human,
214
652585
2654
Ni un humain,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
parce que Kasparov a organisé
un tournoi libre,
un tournoi libre,
11:10
where teams of humans and computers
216
658818
1916
dans lequel des équipes composées
d'ordinateurs et d'humains
d'ordinateurs et d'humains
11:12
could work together,
217
660734
2099
peuvent travailler ensemble,
11:14
and the winning team had no grandmaster,
218
662833
3157
et l'équipe gagnante n'avait ni grand joueur,
11:17
and it had no supercomputer.
219
665990
2465
ni super ordinateur.
11:20
What they had was better teamwork,
220
668455
4175
Ce qu'elle avait,
c'était un meilleur travail d'équipe,
c'était un meilleur travail d'équipe,
11:24
and they showed that a team of humans and computers,
221
672630
5016
et elle a démontré
qu'une équipe d'humains et d'ordinateurs
qu'une équipe d'humains et d'ordinateurs
11:29
working together, could beat any computer
222
677646
3048
travaillant ensemble,
arrivait à battre n'importe quel ordinateur
arrivait à battre n'importe quel ordinateur
11:32
or any human working alone.
223
680694
3520
ou n'importe quel humain travaillant seul.
11:36
Racing with the machine
224
684214
1664
La course avec la machine,
11:37
beats racing against the machine.
225
685878
2343
surpasse la course contre la machine.
11:40
Technology is not destiny.
226
688221
2564
Technologie et destin
sont deux choses différentes.
sont deux choses différentes.
11:42
We shape our destiny.
227
690785
1742
Nous façonnons notre destin.
11:44
Thank you.
228
692527
1447
Merci.
11:45
(Applause)
229
693974
5016
(Applaudissements)
ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcherErik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.
Why you should listen
The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.
His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).
Erik Brynjolfsson | Speaker | TED.com