ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.

Why you should listen

Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.

In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.

In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.

Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.

Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.

More profile about the speaker
Eric Haseltine | Speaker | TED.com
TED Talks Live

Eric Haseltine: What will be the next big scientific breakthrough?

Eric Haseltine: Quelle sera la prochaine grande découverte scientifique ?

Filmed:
1,571,528 views

A travers l'Histoire, des spéculations ont stimulé les belles et révolutionnaires sciences, ouvrant nos yeux sur des univers entièrement nouveaux. « Je ne parle pas de la science qui avance lentement, » dit Eric Haseltine. « Je parle de la science qui avance très rapidement ». Dans son exposé, il nous emmène avec passion dans les tréfonds de la recherche intellectuelle avec deux idées ; l'une d'elle étant déjà rentrée dans l'histoire, l'autre creusant l'un des plus grands questionnements de l'humanité avec une admirable ambition (et une dose saine de scepticisme pour la plupart).
- Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio

Double-click the English transcript below to play the video.

00:12
TonightCe soir, I'm going to sharepartager with you
my passionla passion for sciencescience.
0
920
3616
Ce soir, je vais partager avec vous
ma passion pour la science.
00:16
I'm not talkingparlant about sciencescience
that takes babybébé stepspas.
1
4560
3016
Je ne parle pas de la science
qui avance lentement.
00:19
I'm talkingparlant about sciencescience
that takes enormousénorme leapssauts.
2
7600
4256
Je parle de la science
qui avance très rapidement.
00:23
I'm talkingparlant DarwinDarwin, I'm talkingparlant EinsteinEinstein,
3
11880
3376
Je parle de Darwin, d'Einstein,
00:27
I'm talkingparlant revolutionaryrévolutionnaire sciencescience
that turnsse tourne the worldmonde on its headtête.
4
15280
3600
je parle de la science révolutionnaire
qui change le monde.
00:31
In a momentmoment, I'm going to talk
about two ideasidées that mightpourrait do this.
5
19440
3400
Je vais vous parler de deux idées
qui pourraient avoir cet effet.
00:35
I say "mightpourrait"
6
23800
1216
Je dis « pourraient »
00:37
because, with revolutionaryrévolutionnaire ideasidées,
mostles plus are flatappartement wrongfaux,
7
25040
2776
car la plupart des idées révolutionnaires
sont fausses,
00:39
and even those that are right
seldomrarement have the impactimpact
8
27840
2456
et même celles qui sont justes
ont rarement l'impact
00:42
that we want them to have.
9
30320
1696
que l'on voudrait qu'elles aient.
00:44
To explainExplique why I pickedchoisi
two ideasidées in particularparticulier,
10
32040
2496
Pour expliquer pourquoi
j'ai choisi ces deux idées,
00:46
I'm going to startdébut with a mysterymystère.
11
34560
1680
je vais commencer par un mystère.
00:48
1847, ViennaVienne, AustriaAutriche.
12
36840
3080
1857, Vienne, Autriche.
00:53
IgnazIgnaz SemmelweisSemmelweis was a sombersombre,
compulsivelycompulsivement thoroughapprofondie doctordocteur
13
41080
3616
Ingaz Semmelweis était un docteur sombre
et compulsivement rigoureux
00:56
who rancouru two maternitymaternité clinicscliniques.
14
44720
1856
qui dirigeait deux maternités.
Elles étaient identiques,
sauf pour une chose.
00:58
They were identicalidentique exceptsauf for one thing.
15
46600
2440
Les femmes mouraient de fortes fièvres
peu après avoir accouché
01:01
WomenFemmes were dyingen train de mourir of highhaute feversfièvres
soonbientôt after givingdonnant birthnaissance
16
49720
2656
01:04
threeTrois timesfois more oftensouvent
at one of the clinicscliniques than at the other.
17
52400
3560
trois fois plus dans une clinique
que dans l'autre.
01:08
TryingEssayer to figurefigure out
what the differencedifférence was that causedcausé this,
18
56600
2936
En essayant de comprendre
quelle était la cause de cela,
01:11
SemmelweisSemmelweis lookedregardé at everything he could.
19
59560
2016
Semmelweis compara
tout ce qu'il pouvait.
01:13
SanitationAssainissement? No.
20
61600
1736
L'hygiène ? Non.
01:15
MedicalMedical proceduresprocédures? No.
21
63360
2000
Les procédures médicales ? Non.
01:18
AirAir flowcouler? No.
22
66000
1920
Les flux d'air ? Non.
01:20
The puzzlepuzzle wentest allé unsolvednon résolus
untiljusqu'à he happenedarrivé to autopsyautopsie a doctordocteur
23
68800
3256
Le mystère resta sans réponse
jusqu'à ce qu'il autopsie un docteur
01:24
who dieddécédés of an infectedinfecté scalpelSwann-Morton cutCouper.
24
72080
2000
mort d'une coupure de scalpel infecté.
01:26
The doctor'smédecins symptomssymptômes were identicalidentique
to those of the mothersmères who were dyingen train de mourir.
25
74760
3776
Les symptômes du docteur étaient les mêmes
que ceux des mères qui mouraient.
01:30
How was that possiblepossible?
26
78560
1376
Comment était-ce possible ?
Comment un docteur homme pouvait-il avoir
les mêmes symptômes que des mères ?
01:31
How could a malemâle doctordocteur
get the sameMême thing as newNouveau mothersmères?
27
79960
2880
01:35
SemmelweisSemmelweis reconstructedreconstruit
everything the doctordocteur had doneterminé
28
83560
3256
Semmelweis reconstitua
tout ce que le docteur fit dans la journée
juste avant de tomber malade
01:38
right before he got sickmalade,
29
86840
1256
01:40
and he discovereddécouvert
that he'dil aurait been autopsyingautopsying a corpsecadavre.
30
88120
4296
et il découvrit
qu'il avait autopsié un cadavre.
01:44
Had something gottenobtenu
in his woundblessure that killedtué him?
31
92440
2800
Quelque chose serait-il allé
dans sa blessure et l'aurait tué ?
01:48
With growingcroissance excitementexcitation,
32
96760
1776
Avec une excitation grandissante,
01:50
SemmelweisSemmelweis lookedregardé
for any connectionconnexion he could
33
98560
2816
Semmelweis rechercha
tous les liens possibles
01:53
betweenentre deadmort bodiescorps in the morguemorgue
and deadmort mothersmères in his deliverylivraison roomchambre,
34
101400
5376
entre les corps de la morgue et
les mères mortes en salle d’accouchement,
01:58
and he founda trouvé it.
35
106800
1600
et il trouva le lien.
02:01
It turnedtourné out that at the hospitalhôpital
with the highhaute deathdécès ratetaux,
36
109320
2856
Dans l’hôpital
au taux de mortalité le plus élevé,
02:04
but not the othersautres,
37
112200
1776
mais pas dans les autres,
02:06
doctorsmédecins deliveredlivré babiesbébés immediatelyimmédiatement
after autopsyingautopsying corpsescadavres in the morguemorgue.
38
114000
5136
les docteurs aidaient à l'accouchement
après avoir autopsié des cadavres
à la morgue.
02:11
AhaAHA! CorpsesCadavres were contaminatingcontaminer
the doctors'des médecins handsmains
39
119160
3936
Ahah ! Les cadavres contaminaient
les mains des docteurs
02:15
and killingmeurtre his mothersmères.
40
123120
1240
et tuaient les mères.
02:17
So he orderedcommandé the doctorsmédecins
to sterilizestériliser theirleur handsmains,
41
125240
3055
Du coup, il demanda aux docteurs
de se stériliser les mains
02:20
and the deathsdes morts stoppedarrêté.
42
128320
2280
et les morts s'arrêtèrent.
02:23
DrDr. IgnazIgnaz SemmelweisSemmelweis
had discovereddécouvert infectiousinfectieuses diseasemaladie.
43
131400
4400
Le Dr Ignaz Semmelweis avait découvert
les maladies infectieuses.
02:28
But the doctorsmédecins of the day
thought he was crazyfou,
44
136400
3416
Cependant, les docteurs de l'époque
pensaient qu'il était fou,
02:31
because they knewa connu,
and had for hundredsdes centaines of yearsannées,
45
139840
3496
parce qu’ils pensaient,
et depuis des centaines d'années,
02:35
that odorousodorant vaporsvapeurs
calledappelé miasmasmiasmes causedcausé diseasemaladie,
46
143360
5096
que des vapeurs odorantes, appelées
miasmes, causaient les maladies
02:40
not these hypotheticalhypothétique particlesdes particules
that you couldn'tne pouvait pas see.
47
148480
3400
et non pas ces particules hypothétiques
que l'on ne pouvait pas voir.
02:44
It tooka pris 20 yearsannées
for FrenchmanFrenchman LouisLouis PasteurPasteur
48
152880
4176
Cela prit 20 ans à Louis Pasteur
02:49
to proveprouver that SemmelweisSemmelweis was right.
49
157080
1960
pour prouver que Semmelweis avait raison.
02:51
PasteurPasteur was an agriculturalagricole chemistchimiste
50
159680
2696
Pasteur était un chimiste agricole
02:54
who trieda essayé to figurefigure out
why milkLait and beerBière spoiledl’embarras so oftensouvent.
51
162400
4176
qui essayait de comprendre pourquoi
la bière et le lait tournaient si souvent.
02:58
He founda trouvé that bacteriades bactéries were the culpritscoupables.
52
166600
2440
Il découvrit
que les bactéries étaient les coupables.
03:02
He alsoaussi founda trouvé that bacteriades bactéries
could killtuer people in exactlyexactement the sameMême way
53
170160
3856
Il découvrit également que les bactéries
pouvaient tuer les gens de la même façon
03:06
that Semmelweis'sDe Semmelweis patientsles patients were dyingen train de mourir.
54
174040
2320
que les patients de Semmelweis mouraient.
03:09
We now look at what I want
to talk about tonightce soir, in two ideasidées.
55
177120
4400
Regardons maintenant ce dont
je veux parler ce soir, en deux idées.
03:14
We saw it with SemmelweisSemmelweis,
that he was a revolutionaryrévolutionnaire.
56
182600
2920
Nous avons vu avec Semmelweis,
qu'il était révolutionnaire.
03:18
He did it for two reasonsles raisons.
57
186560
1256
Il l'était pour 2 raisons.
03:19
One, he openedouvert our eyesles yeux
to a completelycomplètement newNouveau worldmonde.
58
187840
3240
Premièrement, il nous a ouvert les yeux
sur un monde totalement neuf.
03:23
We'dNous le ferions knownconnu sincedepuis the 1680s about bacteriades bactéries.
59
191720
2976
On connaissait les bactéries
depuis les années 1680.
03:26
We just didn't know
that bacteriades bactéries killedtué people.
60
194720
2456
Mais on ignorait
que les bactéries tuaient les gens.
03:29
And he alsoaussi demolisheddémoli fondfriand ideasidées
that people keptconservé closeFermer to theirleur heartcœur.
61
197200
5056
Et il a aussi démoli des idées
qui tenaient à cœur.
03:34
MiasmasMiasmes didn't killtuer people.
BacteriaBactéries killedtué people.
62
202280
3320
Les miasmes ne tuaient pas les gens,
c'étaient les bactéries qui les tuaient.
03:38
So this bringsapporte me to the two ideasidées
I want to talk about tonightce soir.
63
206080
3336
Cela m’amène aux deux idées
dont je veux parler ce soir.
03:41
One has openedouvert our eyesles yeux
to a completelycomplètement newNouveau universeunivers,
64
209440
2816
L'une nous ouvrit
les yeux sur un monde nouveau,
03:44
and the other attacksattaques long-heldlongtemps beliefscroyances.
65
212280
3976
et l'autre attaqua de vieilles croyances.
03:48
Let's get startedcommencé with DrDr. EricEric BetzigBetzig.
66
216280
1936
Commençons par le Docteur Eric Betzig.
03:50
He's a physicistphysicien who has openedouvert our eyesles yeux
to an entirelyentièrement newNouveau worldmonde
67
218240
3896
C'est un physicien
qui nous a fait découvrir un monde
03:54
by violatingviolant the lawslois of physicsla physique.
68
222160
1880
en violant les lois de la physique.
03:56
BetzigBetzig is a truevrai rebelrebelle.
69
224720
1280
Betzig est un vrai rebelle.
03:58
He quitquitter a jobemploi at prestigiousprestigieux
BellBell LaboratoryLaboratoire
70
226560
2896
Il quitta son travail
au prestigieux laboratoire Bell
04:01
inventinginventer newNouveau microscopesmicroscopes for biologyla biologie
71
229480
2256
qui créait
de nouveaux microscopes de biologie
04:03
because he thought scientistsscientifiques
were takingprise his brilliantbrillant inventionsinventions
72
231760
4336
parce qu'il pensait que les scientifiques
prenaient ses brillantes inventions
04:08
and doing lousypouilleux work with them.
73
236120
1520
et les utilisaient mal.
04:10
So he becamedevenu a househusbandLJJ,
74
238880
3040
Donc il devint homme au foyer,
04:15
but he never lostperdu his passionla passion
for figuringfigurer out
75
243360
2576
mais il ne perdit jamais son ambition
de créer des microscopes pouvant voir
des détails de plus en plus fins
04:17
how to get microscopesmicroscopes
to see finerplus fine and finerplus fine detailsdétails
76
245960
2896
04:20
than had ever been seenvu before
or ever could be seenvu.
77
248880
2477
qui n’avaient jamais été vus avant,
ou ne le seraient jamais.
04:23
This is crucialcrucial if we're ever
going to understandcomprendre how cellscellules work,
78
251960
4456
C'est crucial si l'on veut comprendre
comment les cellules fonctionnent,
04:28
and how cancercancer workstravaux,
79
256440
1495
comment le cancer fonctionne,
04:29
and how something
150thth the sizeTaille of a headtête of a pinépingle
80
257959
5417
et comment quelque chose de la taille
d'1/150ème d'une tête d'épingle
04:35
can do all these amazingincroyable things,
81
263400
2136
puisse faire
toutes ces choses merveilleuses,
04:37
like make proteinsprotéines
82
265560
1576
comme fabriquer des protéines,
04:39
and movebouge toi chargesdes charges around
83
267160
1896
et faire circuler des charges
04:41
and all of those things.
84
269080
1280
et toutes ces choses.
04:43
There's just one problemproblème.
85
271400
1680
Il y a juste un souci.
04:46
There's this thing
calledappelé the lawloi of physicsla physique,
86
274040
2976
Il y a ces choses appelées
les lois de la physique,
et une partie des lois de la physique
est la limite de diffraction.
04:49
and partpartie of the lawloi of physicsla physique
is the thing calledappelé the diffractiondiffraction limitlimite.
87
277040
3456
La limite de diffraction, c'est un peu
comme quand vous allez chez le docteur
04:52
The diffractiondiffraction limitlimite is kindgentil of like
when you go to a doctor'smédecins officeBureau,
88
280520
3376
vous ne pourrez jamais tout lire,
même avec de très bonnes lunettes.
04:55
you can only see so farloin down,
no mattermatière how good glassesdes lunettes you have.
89
283920
3136
C'était un soi-disant
« problème insoluble ».
04:59
This was a so-calledsoi-disant impossibleimpossible problemproblème.
90
287080
3376
05:02
But one of Betzig'sDe Betzig friendscopains
figuredfiguré out how to take a tinyminuscule moleculemolécule
91
290480
3176
Mais l'un des amis de Betzig comprit
comment une minuscule molécule,
05:05
that was smallerplus petit than
the bestmeilleur microscopemicroscope could see
92
293680
2416
invisible avec le meilleur microscope,
05:08
and get it to lightlumière up and fluoresceréagissant en.
93
296120
2136
pouvait s'éclairer
et devenir fluorescente.
« Ahah » dit Betzig.
05:10
"AhaAHA!" BetzigBetzig said.
94
298280
2496
05:12
"I think maybe the lawslois of physicsla physique
are not so unbreakableincassable after all."
95
300800
4696
« Peut-être que les lois de la physique
ne sont pas si inviolables après tout. »
05:17
So he lashedfouetté togetherensemble a microscopemicroscope
in his friend'sami livingvivant roomchambre.
96
305520
4856
Donc il assembla un microscope
dans le salon de son ami.
05:22
He had no laboratorylaboratoire.
97
310400
1816
Il n'avait pas de laboratoire.
05:24
This revolutionaryrévolutionnaire instrumentinstrument
got differentdifférent proteinprotéine moleculesmolécules
98
312240
3576
Cet instrument révolutionnaire
utilisait divers molécules de protéines
05:27
to lightlumière up in differentdifférent colorscouleurs,
99
315840
1560
pour éclairer de diverses couleurs,
05:30
and with a computerordinateur, he was ablecapable
to turntour very, very fuzzyflou blursapplique un flou
100
318080
4696
et avec un ordinateur, il était capable de
transformer des taches très très floues
05:34
into very sharptranchant dotspoints and produceproduire imagesimages
of unprecedentedsans précédent and startlingsurprenante clarityclarté.
101
322800
6696
en points très nets et de produire des
images d'une clarté inégalée et étonnante.
05:41
For this work, last yearan,
102
329520
2296
Pour ce travail, l'année dernière,
05:43
EricEric BetzigBetzig wona gagné the NobelPrix Nobel PrizePrix.
103
331840
2600
Eric Betzig remporta le prix Nobel.
05:47
Why?
104
335360
1216
Pourquoi ?
05:48
Because now we can see
with unprecedentedsans précédent detaildétail
105
336600
4096
Parce que maintenant nous pouvons voir
avec des détails sans précédent des choses
05:52
things that we never had seenvu before,
106
340720
1816
que nous n'avons jamais vues avant,
05:54
and now doctorsmédecins can get
a better handlemanipuler on things like cancercancer.
107
342560
3840
et maintenant les docteurs peuvent mieux
saisir des choses comme le cancer.
05:59
But do you think
BetzigBetzig was satisfiedsatisfait there?
108
347080
2496
Mais pensez-vous que Betzig
était satisfait de cela ?
06:01
No.
109
349600
1296
Non.
06:02
He wanted moviesfilms.
110
350920
1856
Il voulait des films.
06:04
The problemproblème was
111
352800
1216
Le problème était
06:06
that even the geniusgénie microscopesmicroscopes
that he inventeda inventé were just too slowlent.
112
354040
3976
que même les microscopes de génie qu'il
avait inventés étaient trop lents.
06:10
So what did he do?
113
358040
1256
Donc que fit-il ?
06:11
He camevenu up with a 200-year-old-Age ideaidée
114
359320
3576
Il trouva une solution vieille de 200 ans
06:14
calledappelé moirMoiré patternsmodèles.
115
362920
1696
appelée « effet moiré ».
06:16
So the way that workstravaux is
if you take two very, very fine patternsmodèles
116
364640
3456
Voici le principe :
si vous prenez deux motifs très très fins
06:20
and you movebouge toi them acrossà travers eachchaque other,
117
368120
1776
et les déplacez l'un sur l'autre,
06:21
you will see a grossbrut patternmodèle
118
369920
3016
vous allez voir un motif grossier
06:24
that a microscopemicroscope can see
119
372960
1480
qu'un microscope peut voir
06:27
that otherwiseautrement you would not
be ablecapable to see.
120
375360
2096
et qu'il n'aurait pas pu voir autrement.
06:29
So he appliedappliqué this techniquetechnique
to takingprise a really blurryflou imageimage of a cellcellule
121
377480
3296
Donc il appliqua cette technique à
une image de cellule très floue
06:32
and movingen mouvement lots of structuredstructuré
lightlumière patternsmodèles acrossà travers it
122
380800
2576
et en la balayant avec beaucoup
de motifs de lumière
06:35
untiljusqu'à this cellcellule becamedevenu crystalcristal clearclair.
123
383400
2440
jusqu'à ce que la cellule devienne
parfaitement claire.
06:38
And here is the resultrésultat:
124
386840
2016
Et voici le résultat :
06:40
a mysteriousmystérieux newNouveau worldmonde,
125
388880
2736
un nouveau monde mystérieux,
06:43
fullplein of strangeétrange things zippingzipper around
126
391640
2136
avec plein de choses étranges
qui circulent
06:45
doing things that
we don't know what they're doing.
127
393800
2400
faisant des choses
que nous ne connaissons pas.
06:49
But when we figurefigure it out,
we'llbien have a better handlemanipuler on life itselfse.
128
397600
3976
Mais quand on le découvrira, on aura
une meilleure idée de la vie elle-même.
06:53
For exampleExemple, those
greenvert globsGlobs that you see?
129
401600
2096
Par exemple,
ces globules verts à l'écran ?
06:55
Those things are calledappelé clathrinsclathrins.
130
403720
1680
Ils sont appelés « clathrines ».
06:57
They're moleculesmolécules
that protectprotéger other moleculesmolécules
131
405960
2416
Ce sont des molécules
qui en protègent d'autres
en bougeant dans une cellule.
07:00
as they movebouge toi throughpar a cellcellule.
132
408400
1376
07:01
UnfortunatelyMalheureusement, virusesles virus sometimesparfois
hijackdétourner those to infectinfecter cellscellules.
133
409800
4336
Malheureusement, les virus les détournent
parfois pour infecter les cellules.
07:06
AlsoAussi, you see those little squigglyondulées
wormlikevermiformes things movingen mouvement around?
134
414160
3096
Et vous voyez ces petits gribouillis
en forme de vers de terre ?
07:09
Those are actinactine moleculesmolécules.
135
417280
2296
Ce sont des molécules d'actine.
07:11
UnfortunatelyMalheureusement, virusesles virus
alsoaussi climbmontée down those things
136
419600
2416
Malheureusement,
les virus redescendent ces choses
pour entrer dans le noyau cellulaire
07:14
to get into the cellcellule nucleusnoyau
137
422040
1456
07:15
to replicatereproduire themselvesse and make you sickmalade.
138
423520
2120
pour se répliquer et vous rendre malade.
Maintenant que nous pouvons voir les films
07:18
Now that we can look at moviesfilms
139
426240
1856
07:20
of what's actuallyréellement going on
deepProfond insideà l'intérieur a cellcellule,
140
428120
2856
de ce qu'il se passe dans une cellule,
07:23
we have a much better chancechance
of curingdurcissement viralvirale diseasesmaladies like AIDSSIDA.
141
431000
4080
nous avons des chances accrues de vaincre
des maladies virales comme le SIDA.
Donc quand vous regardez un film comme ça,
07:27
So when you look at a moviefilm like this,
142
435680
1856
07:29
it's very clearclair that BetzigBetzig has openedouvert
our eyesles yeux to a completelycomplètement newNouveau worldmonde.
143
437560
4000
c'est vraiment clair que Betzig a ouvert
nos yeux sur un nouveau monde.
07:34
But he hasn'tn'a pas shatteredShattered
any cherishedchéris beliefscroyances.
144
442560
4120
Mais il n'a pas bouleversé
de convictions.
07:39
That leadspistes us to DrDr. AubreyAubrey dede GreyGris
145
447200
2936
Ce qui nous amène au Dr Aubrey de Grey
07:42
at CambridgeCambridge.
146
450160
1200
à Cambridge.
07:44
DeDe GreyGris definitelyabsolument has scientistsscientifiques
squirmingse tortillant with an interestingintéressant ideaidée:
147
452440
4336
De Grey a crispé les scientifiques
avec une idée intéressante :
07:48
we can be immortalimmortel.
148
456800
1376
nous pouvons être immortels
et vaincre le vieillissement.
07:50
We can beatbattre agingvieillissement.
149
458200
1616
La plupart des scientifiques
pensent que c'est une idée saugrenue.
07:51
Now, mostles plus scientistsscientifiques
think he's a crackpotcinglé.
150
459840
2560
07:55
Any BiologyBiologie 101 studentétudiant knowssait
151
463320
3296
Tout étudiant en sciences naturelles sait
07:58
that agingvieillissement is an inevitableinévitable
consequenceconséquence of livingvivant.
152
466640
4016
que le vieillissement est
une conséquence inévitable de la vie.
08:02
For exampleExemple, when we eatmanger,
153
470680
2096
Par exemple, quand nous mangeons,
08:04
we take in foodaliments and we metabolizemétaboliser it,
154
472800
1856
nous métabolisons la nourriture
08:06
and that throwsjette off
what we call freegratuit radicalsradicaux.
155
474680
2376
et rejetons des radicaux libres.
Vous avez dû en entendre parler.
08:09
You mightpourrait have heardentendu of those.
156
477080
1456
08:10
AlsoAussi knownconnu as oxygenoxygène ionsions,
157
478560
1936
Aussi connus comme des ions oxygènes,
08:12
those bindlier to our DNAADN, causecause it to mutatesubir une mutation,
158
480520
2376
qui s'attachent à notre ADN,
le font muter,
08:14
and causecause us to get oldvieux and loseperdre our haircheveux.
159
482920
2056
nous font vieillir et perdre nos cheveux.
08:17
(LaughterRires)
160
485000
1576
(Rires)
08:18
It's just like, no, it's exactlyexactement like
161
486600
2736
C'est juste comme, non,
c'est exactement comme
08:21
oxygenoxygène bindingliaison to ironle fer and makingfabrication it rustrouille.
162
489360
2176
l'oxygène se liant au fer et le rouillant.
08:23
So you ageâge because you rustrouille out.
163
491560
2456
Donc vous vieillissez
parce que vous rouillez.
08:26
(LaughterRires)
164
494040
2176
(Rires)
08:28
Oh, and scientistsscientifiques alsoaussi know
there is something calledappelé immortalityimmortalité:
165
496240
5096
Oh, et les scientifiques pensent aussi
qu'il y a une chose appelée immortalité
08:33
in cancercancer cellscellules.
166
501360
1976
dans les cellules cancéreuses.
08:35
So if you stop agingvieillissement,
167
503360
2296
Donc, si vous vous arrêtez de vieillir,
08:37
all of you are going to turntour
into giantgéant walkingen marchant malignantmalignes tumorstumeurs.
168
505680
3920
tout votre corps va se transformer
en une tumeur cancéreuse généralisée.
08:42
These are cherishedchéris beliefscroyances,
but could dede GreyGris be on to something?
169
510680
3160
Ce sont des convictions profondes,
mais de Grey pourrait-il avoir raison ?
08:47
I think he deservesmérite a closerplus proche look.
170
515159
1657
Il mérite une étude approfondie.
08:48
First of all, I have a really harddifficile time
seeingvoyant him as a crackpotcinglé.
171
516840
3136
Tout d'abord, j'ai du mal
à le considérer comme un cinglé.
08:52
Yeah, he startedcommencé off life
as a computerordinateur scientistscientifique,
172
520000
2336
Il a commencé sa carrière
comme informaticien,
08:54
not a biologistbiologiste,
173
522360
1496
et non pas comme biologiste,
08:55
but he earnedgagné a PhDPh.d.
in biologyla biologie from CambridgeCambridge,
174
523880
3816
mais il a obtenu un PhD en biologie
à Cambridge
08:59
and he has publishedpublié
some very significantimportant work
175
527720
2376
et il a publié des travaux significatifs
09:02
on mitochondrialmitochondriale DNAADN
and a bunchbouquet of other stuffdes trucs.
176
530120
2456
sur l'ADN mitochondrial
et d'autres choses.
09:04
SecondlyDeuxièmement, he startedcommencé
an antiaginganti-âge foundationfondation
177
532600
3096
Deuxièmement, il a fondé
une fondation anti-vieillissement
09:07
that has identifiedidentifié
sevenSept differentdifférent causescauses of agingvieillissement,
178
535720
2576
qui a identifié 7 causes différentes
du vieillissement,
09:10
to me, that seemsembler very plausibleplausible,
179
538320
2256
qui, selon moi, semblent très plausibles,
09:12
and he is hotchaud in pursuitpoursuite
of fixescorrectifs for everychaque singleunique one of them.
180
540600
4136
et il est motivé pour trouver
des solutions pour chacune d'elles.
09:16
For exampleExemple, one of the reasonsles raisons we ageâge
is that our mitochondrialmitochondriale DNAADN mutatesMUTE,
181
544760
5016
Par exemple, nous vieillissons notamment
parce que notre ADN mitochondrial mute,
09:21
and we get kindgentil of oldvieux
and our cellscellules loseperdre energyénergie.
182
549800
2680
nous devenons vieux
et nos cellules perdent de l'énergie.
09:25
He believescroit, and he's madefabriqué
a convincingconvaincant caseCas,
183
553160
2336
Il croit, et a conçu
un argumentaire convaincant,
qu'avec les virus, on pourrait
faire de la thérapie des gènes,
09:27
that usingen utilisant virusesles virus we can do genegène therapythérapie,
184
555520
2536
09:30
fixréparer that DNAADN
185
558080
1656
qui corrigerait notre ADN
09:31
and rejuvenaterajeunir our cellscellules.
186
559760
1720
et rajeunirait nos cellules.
09:35
One more thing.
187
563400
1336
Une chose encore,
09:36
We have an existentinexistants proofpreuve
188
564760
1856
nous avons une preuve vivante
09:38
that extremeextrême longevitylongévité is possiblepossible.
189
566640
2720
que l’extrême longévité est possible.
09:42
BristleconeBristlecone pinepin treesdes arbres livevivre 5,000 yearsannées,
190
570520
4160
Les pins de Bristlecone vivent 5 000 ans,
09:47
and some lobstershomards don't ageâge at all.
191
575720
3800
et certains homards
ne vieillissent pas du tout.
09:52
Now, this doesn't mean that dede GreyGris
is going to revolutionizerévolutionner our lifespansl'espérance de vie.
192
580640
4336
Maintenant, ça ne signifie pas que de Grey
va révolutionner notre espérance de vie.
09:57
I mean, after all, we're not treesdes arbres,
and mostles plus of us are not lobstershomards.
193
585000
3816
Je veux dire qu'après tout nous ne sommes
ni des arbres, ni des homards.
10:00
(LaughterRires)
194
588840
1216
(Rires)
10:02
But I've got to believe that there are
DarwinsDarwins and EinsteinsEinstein out there,
195
590080
4800
Mais je crois qu'il y a des Darwin
et des Einstein ici-bas,
et je vais vous dire pourquoi.
10:07
and I'll tell you why.
196
595840
1376
10:09
ConsiderEnvisager de this:
197
597240
1200
Considérez ceci :
10:11
there are sevenSept timesfois more people
alivevivant todayaujourd'hui than duringpendant Darwin'sDe Darwin time.
198
599160
5296
Il y a sept fois plus de gens vivent
aujourd'hui qu'à l'époque de Darwin.
10:16
There are fourquatre timesfois as manybeaucoup people
alivevivant todayaujourd'hui as EinsteinEinstein.
199
604480
3456
Quatre fois plus de gens vivent
aujourd'hui qu'à l'époque d'Einstein.
10:19
When you considerconsidérer
200
607960
1216
Quand vous considérez
10:21
that the proportionproportion of scientistsscientifiques
in the populationpopulation has skyrocketedmonté en flèche,
201
609200
3216
que la proportion de scientifiques
a monté en flèche,
10:24
there are now sevenSept millionmillion scientistsscientifiques.
202
612440
2376
il y a actuellement
sept millions de scientifiques.
10:26
I've got to believe, and I do believe,
that there's one of them out there
203
614840
3440
Je crois vraiment qu'il y en a un
10:31
who is workingtravail right now in obscurityobscurité
204
619720
2336
qui travaille maintenant dans l'ombre
10:34
to rockRoche our livesvies,
and I don't know about you,
205
622080
2416
pour changer nos vies,
et je ne sais pas pour vous,
10:36
but I can't wait to be rockedbercé.
206
624520
1816
mais j'ai hâte de voir ça.
10:38
Thank you.
207
626360
1256
Merci.
10:39
(ApplauseApplaudissements)
208
627640
6961
(Applaudissements)
Translated by Amira Bentahar
Reviewed by Thomas P.

▲Back to top

ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.

Why you should listen

Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.

In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.

In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.

Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.

Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.

More profile about the speaker
Eric Haseltine | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee