EG 2007
Kevin Kelly: The next 5,000 days of the web
Kevin Kelly sur les 5000 prochains jours du "web"
Filmed:
Readability: 3.3
1,751,618 views
A la conférence EG2007, Kevin Kelly partage une statistique étonnante : internet, tel que nous le connaissons, existe depuis seulement 5.000 jours. Maintenant, se demande Kelly, comment pouvons nous prédire ce qui va arriver dans les 5.000 prochains jours ?
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:16
The Internet, the Web as we know it,
0
0
2000
L'internet, le"web" comme nous le connaissons,
00:18
the kind of Web -- the things we're all talking about --
1
2000
3000
la toile -- ces choses dont on parle tous --
00:21
is already less than 5,000 days old.
2
5000
4000
a déjà près de 5.000 jours d'existence.
00:25
So all of the things that we've seen come about,
3
9000
4000
De ce fait toutes les choses que nous voyons,
00:29
starting, say, with satellite images of the whole Earth,
4
13000
3000
commençant, disons, par les images satellites de la planète entière,
00:32
which we couldn't even imagine happening before,
5
16000
3000
auxquelles nous ne pouvions même pas penser avant --
00:35
all these things rolling into our lives,
6
19000
4000
tout cela entrant dans nos vies,
00:39
just this abundance of things that are right before us,
7
23000
5000
cette abondance de choses qui est juste devant nous,
00:44
sitting in front of our laptop, or our desktop.
8
28000
2000
assis devant notre ordinateur portable, ou notre ordinateur de bureau.
00:46
This kind of cornucopia of stuff
9
30000
2000
Cette sorte de corne d'abondance
00:48
just coming and never ending is amazing, and we're not amazed.
10
32000
6000
arrivant à peine et ne cessant jamais est stupéfiante, et nous ne sommes pas stupéfaits.
00:54
It's really amazing that all this stuff is here.
11
38000
4000
C'est réellement incroyable que toutes ces choses soient là.
00:58
(Laughter)
12
42000
1000
(Rires)
00:59
It's in 5,000 days, all this stuff has come.
13
43000
4000
C'est en 5.000 jours, que tout cela est arrivé.
01:03
And I know that 10 years ago,
14
47000
3000
Et je sais qu'il y a 10 ans,
01:06
if I had told you that this was all coming,
15
50000
2000
si je vous avais dit que tout cela arrivait,
01:08
you would have said that that's impossible.
16
52000
3000
vous auriez dit que c'est impossible.
01:11
There's simply no economic model that that would be possible.
17
55000
5000
Il n'y a tout simplement pas de modèle économique possible.
01:16
And if I told you it was all coming for free,
18
60000
2000
Et si je vous avais dit que tout serait gratuit,
01:18
you would say, this is simply -- you're dreaming.
19
62000
2000
vous m'auriez répondu -- tu rêves.
01:20
You're a Californian utopian. You're a wild-eyed optimist.
20
64000
4000
Tu es un de ces californiens utopistes. Un optimiste forcené.
01:24
And yet it's here.
21
68000
2000
Et pourtant, c'est ici.
01:26
The other thing that we know about it was that 10 years ago,
22
70000
4000
L'autre chose que nous savons à ce sujet est qu'il y a 10 ans,
01:30
as I looked at what even Wired was talking about,
23
74000
3000
comme je le regardais alors que même la revue "wired" en parlait,
01:33
we thought it was going to be TV, but better.
24
77000
3000
nous pensions que cela serait comme la télé, mais en mieux.
01:36
That was the model. That was what everybody was suggesting
25
80000
4000
C'était le modèle; ce que tout le monde prévoyait
01:40
was going to be coming.
26
84000
2000
qui arriverait.
01:42
And it turns out that that's not what it was.
27
86000
3000
Et il apparut que ce ne fut pas cela.
01:45
First of all, it was impossible, and it's not what it was.
28
89000
3000
D'abord, c'était impossible, et ce n'est pas ce que c'était.
01:48
And so one of the things that I think we're learning --
29
92000
1000
Et de ce fait, une des choses que nous apprenons, je pense --
01:49
if you think about, like, Wikipedia,
30
93000
2000
si nous pensons, par exemple, à "Wikipédia",
01:51
it's something that was simply impossible.
31
95000
2000
c'est une chose qui était tout simplement impossible.
01:53
It's impossible in theory, but possible in practice.
32
97000
4000
C'est impossible en théorie, mais possible dans la pratique.
01:57
And if you take all these things that are impossible,
33
101000
1000
Et si vous prenez toutes ces choses qui sont impossibles,
01:58
I think one of the things that we're learning from this era,
34
102000
4000
je pense qu'une des choses que nous apprenons de cette ère,
02:02
from this last decade, is that we have to get good at believing in the impossible,
35
106000
4000
de cette dernière décennie, est que nous devons être bons à croire en l'impossible,
02:06
because we're unprepared for it.
36
110000
3000
parce que nous n'y sommes pas préparés.
02:09
So, I'm curious about what's going to happen in the next 5,000 days.
37
113000
3000
Alors je suis curieux sur ce qu'il se passera dans les 5.000 prochains jours.
02:12
But if that's happened in the last 5,000 days,
38
116000
2000
Mais tout ça s'est passé ces 5.000 derniers jours,
02:14
what's going to happen in the next 5,000 days?
39
118000
3000
que se passera-t-il dans les 5.000 prochains jours ?
02:17
So, I have a kind of a simple story,
40
121000
3000
Alors, j'ai une histoire simple,
02:20
and it suggests that what we want to think about is this thing that we're making,
41
124000
3000
et elle suggère que ce à quoi nous voulons penser est cette chose que nous construisons,
02:23
this thing that has happened in 5,000 days --
42
127000
2000
cette chose qui est arrivée en 5.000 jours.
02:25
that's all these computers, all these handhelds,
43
129000
3000
Ce sont tous ces ordinateurs, tous ces appareils de poche,
02:28
all these cell phones, all these laptops, all these servers --
44
132000
4000
tous ces mobiles, ordinateurs portables , tous les serveurs --
02:32
basically what we're getting out of all these connections
45
136000
4000
fondamentalement, ce que nous obtenons de toutes ces connections
02:36
is we're getting one machine.
46
140000
2000
est que nous obtenons une seule machine.
02:38
If there is only one machine, and our little handhelds and devices
47
142000
4000
S'il n'y a qu'une machine -- et nos petits appareils de poche et dispositifs
02:42
are actually just little windows into those machines,
48
146000
2000
sont en fait juste de petites fenêtres dans ces machines,
02:44
but that we're basically constructing a single, global machine.
49
148000
6000
mais nous sommes fondamentalement en train de construire une seule machine globale.
02:50
And so I began to think about that.
50
154000
2000
De ce fait, j'ai commencé à penser à cela.
02:52
And it turned out that this machine happens to be
51
156000
3000
Et il se trouve que cette machine existe
02:55
the most reliable machine that we've ever made.
52
159000
3000
la machine la plus fiable que nous n'ayons jamais fabriquée.
02:58
It has not crashed; it's running uninterrupted.
53
162000
2000
Elle n'est pas tombée en panne, elle fonctionne sans interruption.
03:00
And there's almost no other machine that we've ever made
54
164000
3000
Et il n'existe presque aucune autre machine que nous ayons jamais fabriquée
03:03
that runs the number of hours, the number of days.
55
167000
4000
qui fonctionne un tel nombre d'heures, de jours.
03:07
5,000 days without interruption -- that's just unbelievable.
56
171000
3000
5.000 jours sans interruption -- c'est tout simplement incroyable.
03:10
And of course, the Internet is longer than just 5,000 days;
57
174000
2000
Evidemment, internet est plus vieux que 5.000 jours --
03:12
the Web is only 5,000 days.
58
176000
2000
c'est le web, la toile qui a 5.000 jours
03:14
So, I was trying to basically make measurements.
59
178000
6000
Donc, j'ai essayé de faire des mesures basiques.
03:20
What are the dimensions of this machine?
60
184000
3000
Quelles sont les dimensions de cette machine ?
03:23
And I started off by calculating how many billions of clicks there are
61
187000
4000
Et j'ai commencé à calculer combien de milliards de clics il y a
03:27
all around the globe on all the computers.
62
191000
3000
tout autour du monde sur tous les ordinateurs.
03:30
And there is a 100 billion clicks per day.
63
194000
2000
Et il y a 100 milliards de clics par jour.
03:32
And there's 55 trillion links between all the Web pages of the world.
64
196000
6000
Et il y a 55 mille milliards de liens entre les pages web à travers le monde.
03:38
And so I began thinking more about other kinds of dimensions,
65
202000
3000
Et alors j'ai commencé à penser un peu plus à d'autres types de dimensions,
03:41
and I made a quick list. Was it Chris Jordan, the photographer,
66
205000
5000
et j'ai fait une liste rapide -- et était-ce Chris Jordan, le photographe,
03:46
talking about numbers being so large that they're meaningless?
67
210000
4000
qui parlait de numéros si grands qu'ils n'avaient plus de signification ?
03:50
Well, here's a list of them. They're hard to tell,
68
214000
2000
Bien, voici une liste d'entre eux. Cela est difficile à dire,
03:52
but there's one billion PC chips on the Internet,
69
216000
4000
mais il y a un milliard de puces d'ordinateurs sur Internet,
03:56
if you count all the chips in all the computers on the Internet.
70
220000
2000
si vous comptez toutes les puces dans tous les ordinateurs présents sur Internet.
03:58
There's two million emails per second.
71
222000
2000
Il y a 2 millions d'emails par seconde.
04:00
So it's a very big number.
72
224000
2000
C'est un nombre très grand.
04:02
It's just a huge machine,
73
226000
2000
C'est juste une énorme machine,
04:04
and it uses five percent of the global electricity on the planet.
74
228000
4000
et elle utilise 5% de l'énergie électrique de la planète.
04:08
So here's the specifications,
75
232000
1000
En voici les spécifications,
04:09
just as if you were to make up a spec sheet for it:
76
233000
2000
comme si vous en faisiez une fiche de spécifications :
04:11
170 quadrillion transistors, 55 trillion links,
77
235000
4000
170 millions de milliards d'émetteurs, 55 mille milliards de liens
04:15
emails running at two megahertz itself,
78
239000
2000
emails se déplaçant à 2 mega hertz,
04:17
31 kilohertz text messaging,
79
241000
3000
31 kilohertz de textes de messagerie,
04:20
246 exabyte storage. That's a big disk.
80
244000
4000
246 hexabyte de stockage. C'est un sacré disque dur.
04:24
That's a lot of storage, memory. Nine exabyte RAM.
81
248000
3000
C'est beaucoup de stockage, mémoire -- 9 hexabyte en RAM.
04:27
And the total traffic on this
82
251000
4000
Et le trafic total
04:31
is running at seven terabytes per second.
83
255000
3000
va à une vitesse de 7 terabytes par seconde.
04:34
Brewster was saying the Library of Congress is about twenty terabytes.
84
258000
3000
Brewster disait que la bibliothèque du congrès fait environ 20 terabytes.
04:37
So every second, half of the Library of Congress
85
261000
3000
Ce qui signifie, que chaque seconde, la moitié de la bibliothèque du congrès
04:40
is swooshing around in this machine. It's a big machine.
86
264000
4000
fuse autour de cette machine. C'est une grosse machine.
04:44
So I did something else. I figured out 100 billion clicks per day,
87
268000
4000
Alors j'ai fait quelque chose d'autre. J'ai remarqué que 100 milliards de clics par jour,
04:48
55 trillion links is almost the same
88
272000
3000
55 mille milliards de liens, c'est presque la même chose
04:51
as the number of synapses in your brain.
89
275000
2000
que le nombre de synapses dans votre cerveau.
04:53
A quadrillion transistors is almost the same
90
277000
2000
Un million de milliards d'émetteurs c'est presque la même chose
04:55
as the number of neurons in your brain.
91
279000
2000
que le nombre de neurones dans votre cerveau.
04:57
So to a first approximation, we have these things --
92
281000
3000
Alors, en une première approximation, nous avons cela --
05:00
twenty petahertz synapse firings.
93
284000
2000
vingt petahetz de connections.
05:02
Of course, the memory is really huge.
94
286000
2000
Evidemment la mémoire est vraiment énorme.
05:04
But to a first approximation, the size of this machine is the size --
95
288000
6000
Mais en une première approximation, la taille de cette machine est la taille --
05:10
and its complexity, kind of -- to your brain.
96
294000
5000
et ses complexités, en quelque sorte -- de votre cerveau.
05:15
Because in fact, that's how your brain works -- in kind of the same way that the Web works.
97
299000
4000
Parce qu'en fait, c'est comme ça que votre cerveau fonctionne -- à peu près de la même façon que la toile fonctionne.
05:19
However, your brain isn't doubling every two years.
98
303000
4000
En revanche, votre cerveau ne double pas de taille tous les 2 ans.
05:23
So if we say this machine right now that we've made
99
307000
5000
De fait, si nous disons qu'à ce jour cette machine que nous avons fabriquée
05:28
is about one HB, one human brain,
100
312000
3000
vaut environ un CH, cerveau humain,
05:31
if we look at the rate that this is increasing,
101
315000
3000
si nous estimons la vitesse à laquelle elle grandit,
05:34
30 years from now, there'll be six billion HBs.
102
318000
5000
dans trente ans, elle sera équivalente à six milliards de CHs.
05:39
So by the year 2040, the total processing of this machine
103
323000
4000
Donc d'ici 2040, la capacité totale de traitement de cette machine
05:43
will exceed a total processing power of humanity,
104
327000
3000
excédera la capacité totale d'analyse de l'humanité,
05:46
in raw bits and stuff. And this is, I think, where
105
330000
3000
sur les informations brutes. Et c'est où, je crois, que
05:49
Ray Kurzweil and others get this little chart saying that we're going to cross.
106
333000
5000
Ray Kurzweil et d'autres ont obtenu ce petit graphique disant ce que nous allons traverser.
05:54
So, what about that? Well, here's a couple of things.
107
338000
6000
Quoi dire de cela ? Bien, voici quelques points.
06:00
I have three kind of general things
108
344000
3000
J'ai trois idées générales
06:03
I would like to say, three consequences of this.
109
347000
4000
Je préférerais dire; trois conséquences de cela.
06:07
First, that basically what this machine is doing is embodying.
110
351000
5000
Premièrement, que basiquement ce que cette machine est en train de faire est de prendre forme --
06:12
We're giving it a body. And that's what we're going to do
111
356000
2000
nous lui donnons un corps. Et c'est ce que nous allons faire
06:14
in the next 5,000 days -- we're going to give this machine a body.
112
358000
3000
dans les 5.000 prochains jours -- nous allons donner un corps à cette machine.
06:17
And the second thing is, we're going to restructure its architecture.
113
361000
3000
Et la deuxième chose est que nous allons restructurer son architecture.
06:20
And thirdly, we're going to become completely codependent upon it.
114
364000
4000
Et troisièmement, nous allons devenir complètement co-dépendants d'elle.
06:24
So let me go through those three things.
115
368000
2000
Laissez moi développer un peu ces trois idées.
06:26
First of all, we have all these things in our hands.
116
370000
3000
Premièrement, nous avons toutes ces choses dans nos mains.
06:29
We think they're all separate devices,
117
373000
2000
Nous pensons qu'il s'agit de dispositifs séparés,
06:31
but in fact, every screen in the world
118
375000
3000
mais en fait, chaque écran dans le monde
06:34
is looking into the one machine.
119
378000
3000
est un regard dans l'unique machine.
06:37
These are all basically portals into that one machine.
120
381000
3000
Ils sont tous basiquement des portails d'accès à l'unique machine.
06:40
The second thing is that -- some people call this the cloud,
121
384000
4000
La seconde chose c'est ça -- quelques personnes appellent ça le nuage,
06:44
and you're kind of touching the cloud with this.
122
388000
2000
et nous sommes en train de toucher le nuage avec ça.
06:46
And so in some ways, all you really need is a cloudbook.
123
390000
4000
Et d'une certaine façon, tout ce dont nous avons besoin est un "cloudbook".
06:50
And the cloudbook doesn't have any storage.
124
394000
3000
Et le "cloudbook" n'a aucune capacité de stockage.
06:53
It's wireless. It's always connected.
125
397000
3000
Il est sans fil. Il est toujours connecté.
06:56
There's many things about it. It becomes very simple,
126
400000
2000
Il y a beaucoup de choses à dire à son sujet. Il devient très simple,
06:58
and basically what you're doing is you're just touching the machine,
127
402000
2000
et fondamentalement ce que vous faites c'est juste toucher la machine,
07:00
you're touching the cloud and you're going to compute that way.
128
404000
3000
vous touchez le nuage et vous allez calculer la voie.
07:03
So the machine is computing.
129
407000
2000
Donc la machine calcule.
07:05
And in some ways, it's sort of back
130
409000
1000
Et d'un certain point de vue, c'est une sorte de retour
07:06
to the kind of old idea of centralized computing.
131
410000
3000
à cette ancienne idée de calculateur centralisé.
07:09
But everything, all the cameras, and the microphones,
132
413000
4000
Mais tout, toutes les caméras, et tous les microphones,
07:13
and the sensors in cars
133
417000
4000
et les capteurs dans les voitures
07:17
and everything is connected to this machine.
134
421000
2000
et tout est connecté à la machine.
07:19
And everything will go through the Web.
135
423000
2000
Et tout passe par le web.
07:21
And we're seeing that already with, say, phones.
136
425000
2000
Et nous voyons déjà cela avec, par exemple, les téléphones.
07:23
Right now, phones don't go through the Web,
137
427000
2000
Au jour d'aujourd'hui, les téléphones ne passent pas par la toile,
07:25
but they are beginning to, and they will.
138
429000
3000
mais ils commencent à le faire, et ils le feront.
07:28
And if you imagine what, say, just as an example, what Google Labs has
139
432000
4000
Et si vous imaginez, par exemple, ce que "Google Labs" possède
07:32
in terms of experiments with Google Docs, Google Spreadsheets, blah, blah, blah --
140
436000
4000
en termes d'expérimentation avec Google docs, Google feuille de calcul, blah, blah, blah --
07:36
all these things are going to become Web based.
141
440000
3000
tout cela sera sur la toile.
07:39
They're going through the machine.
142
443000
2000
Tout passera par la machine.
07:41
And I am suggesting that every bit will be owned by the Web.
143
445000
5000
Et je suggère que chaque octet appartiendra au web.
07:46
Right now, it's not. If you do spreadsheets and things at work,
144
450000
3000
Actuellement, ce n'est pas le cas -- si vous faites une feuille de calcul au travail,
07:49
a Word document, they aren't on the Web,
145
453000
3000
ou un document word, ils ne sont pas sur le web,
07:52
but they are going to be. They're going to be part of this machine.
146
456000
2000
mais ils le seront. Ils feront partie de cette machine.
07:54
They're going to speak the Web language.
147
458000
2000
Ils parleront le langage du "web".
07:56
They're going to talk to the machine.
148
460000
2000
Ils parleront à la machine.
07:58
The Web, in some sense, is kind of like a black hole
149
462000
3000
La toile,en un certain sens, est comme une sorte de trou noir,
08:01
that's sucking up everything into it.
150
465000
3000
qui absorbe tout.
08:04
And so every thing will be part of the Web.
151
468000
4000
De ce fait tout fera partie de la toile.
08:08
So every item, every artifact that we make, will have embedded in it
152
472000
5000
Chaque élément, chaque artefact que nous faisons, embarquera
08:13
some little sliver of Web-ness and connection,
153
477000
3000
une excroissance de toile et une connection,
08:16
and it will be part of this machine,
154
480000
2000
et fera partie de la machine,
08:18
so that our environment -- kind of in that ubiquitous computing sense --
155
482000
3000
tel que notre environnement -- en quelque sorte au sens d'ubiquité-informatique --
08:21
our environment becomes the Web. Everything is connected.
156
485000
5000
notre environnement deviendra le web. Tout sera connecté.
08:26
Now, with RFIDs and other things -- whatever technology it is,
157
490000
3000
Aujourd'hui, avec les RIFD et autres -- quelque soit la technologie,
08:29
it doesn't really matter. The point is that everything
158
493000
3000
ce n'est pas très important, le point est que tout
08:32
will have embedded in it some sensor connecting it to the machine,
159
496000
3000
incluera une façon de se connecter à la machine,
08:35
and so we have, basically, an Internet of things.
160
499000
3000
de ce fait nous avons, logiquement, un internet de choses.
08:38
So you begin to think of a shoe as a chip with heels,
161
502000
4000
Alors vous commencez à penser à une chaussure en tant que puce avec des semelles,
08:42
and a car as a chip with wheels,
162
506000
3000
une auto comme une puce avec des roues.
08:45
because basically most of the cost of manufacturing cars
163
509000
3000
Parce que la plupart des coûts de fabrication d'une voiture
08:48
is the embedded intelligence and electronics in it, and not the materials.
164
512000
6000
sont dans l'intelligence et l'électronique qui y sont embarqués, pas dans les matériaux.
08:54
A lot of people think about the new economy
165
518000
2000
Beaucoup de personnes voient la nouvelle économie
08:56
as something that was going to be a disembodied,
166
520000
2000
comme quelque chose qui va se dématérialiser,
08:58
alternative, virtual existence,
167
522000
3000
une existence virtuelle alternative,
09:01
and that we would have the old economy of atoms.
168
525000
3000
et que nous aurions la vieille économie des atomes.
09:04
But in fact, what the new economy really is
169
528000
3000
Mais en fait, ce que la nouvelle économie est réellement
09:07
is the marriage of those two, where we embed the information,
170
531000
4000
c'est l'union des deux, où nous embarquons l'information,
09:11
and the digital nature of things into the material world.
171
535000
2000
et la nature digitale des choses à l'intérieur du monde matériel.
09:13
That's what we're looking forward to. That is where we're going --
172
537000
4000
C'est ce à quoi nous nous attendons. C'est où nous allons --
09:17
this union, this convergence of the atomic and the digital.
173
541000
7000
cette union, cette convergence entre l'atome et le digital.
09:24
And so one of the consequences of that, I believe,
174
548000
2000
Et l'une des conséquences de cela, je crois,
09:26
is that where we have this sort of spectrum of media right now --
175
550000
4000
est que nous avons cette sorte de spectre de médias --
09:30
TV, film, video -- that basically becomes one media platform.
176
554000
3000
TV, film, vidéo -- qui deviennent une plateforme de média.
09:33
And while there's many differences in some senses,
177
557000
2000
Et bien qu'il y ait énormément de différences dans certains sens,
09:35
they will share more and more in common with each other.
178
559000
3000
ils partagent de plus en plus entre eux.
09:38
So that the laws of media, such as the fact that copies have no value,
179
562000
5000
Alors que la loi des médias, telle que : le fait que les copies n'aient pas de valeur.
09:43
the value's in the uncopiable things,
180
567000
2000
La valeur est dans les choses non copiables.
09:45
the immediacy, the authentication, the personalization.
181
569000
5000
L'immédiateté, l'auhentification, la personnalisation --
09:50
The media wants to be liquid.
182
574000
3000
le média veut être liquide;
09:53
The reason why things are free is so that you can manipulate them,
183
577000
3000
la raison pour laquelle les choses sont gratuites c'est que nous puissions les manipuler,
09:56
not so that they are "free" as in "beer," but "free" as in "freedom."
184
580000
4000
pas dans le but qu'elles soient gratuites comme pour une bière, mais gratuite dans le but de liberté.
10:00
And the network effects rule,
185
584000
2000
Et les effets du réseau font loi --
10:02
meaning that the more you have, the more you get.
186
586000
2000
c'est à dire que plus vous avez, plus vous obtenez.
10:04
The first fax machine -- the person who bought the first fax machine
187
588000
3000
Le premier fax -- la personne qui a acheté le premier fax
10:07
was an idiot, because there was nobody to fax to.
188
591000
5000
était idiote, parce qu'il n'y avait personne à qui faxer un document.
10:12
But here she became an evangelist, recruiting others
189
596000
4000
Mais, elle est devenu évangéliste, recrutant d'autres personnes
10:16
to get the fax machines because it made their purchase more valuable.
190
600000
3000
à avoir un fax parce que cela donnait plus de valeur à leur investissement.
10:19
Those are the effects that we're going to see.
191
603000
2000
Ce sont les effets que nous allons voir.
10:21
Attention is the currency.
192
605000
2000
L'attention est la monnaie.
10:23
So those laws are going to kind of spread throughout all media.
193
607000
5000
Ces règles vont se répandre à travers tous les médias.
10:28
And the other thing about this embodiment
194
612000
2000
Et l' autre point au sujet de cette incarnation
10:30
is that there's kind of what I call the McLuhan reversal.
195
614000
3000
est qu'il se passe ce que j'appelle l'inversion de Mc Luhan.
10:33
McLuhan was saying, "Machines are the extensions of the human senses."
196
617000
2000
Mc Luhan disait, "les Machines sont l'extension des sens de l'homme."
10:35
And I'm saying, "Humans are now going to be
197
619000
2000
Et je dis, "les Humains vont maintenant être
10:37
the extended senses of the machine," in a certain sense.
198
621000
3000
l'extension des sens de la machine" en un certain sens.
10:40
So we have a trillion eyes, and ears, and touches,
199
624000
4000
De ce fait nous avons mille milliards d'yeux et d'oreilles et de touches,
10:44
through all our digital photographs and cameras.
200
628000
3000
par le biais de tous nos appareils photos et caméras.
10:47
And we see that in things like Flickr,
201
631000
5000
Et nous voyons comme sur des sites tel que Flickr,
10:52
or Photosynth, this program from Microsoft
202
636000
3000
ou Photosynth, ce programme de Microsoft
10:55
that will allow you to assemble a view of a touristy place
203
639000
4000
qui permettra d'assembler une vue touristique d'un lieu
10:59
from the thousands of tourist snapshots of it.
204
643000
4000
à partir de milliers de photos de touristes.
11:03
In a certain sense, the machine is seeing through the pixels of individual cameras.
205
647000
6000
Dans un sens, la machine voit à travers les pixels de chacune des caméras.
11:09
Now, the second thing that I want to talk about was this idea of restructuring,
206
653000
4000
Maintenant, la seconde chose dont je souhaiterais parler est l'idée de re-structuration --
11:13
that what the Web is doing is restructuring.
207
657000
2000
ce qu'est en train de faire la toile c'est de se re-structurer.
11:15
And I have to warn you, that what we'll talk about is --
208
659000
2000
Et je dois vous avertir, que ce dont nous allons parler est--
11:17
I'm going to give my explanation of a term you're hearing, which is a "semantic Web."
209
661000
4000
Je vais commencer mon explication par un terme que vous avez déjà entendu,le "web sémentique".
11:21
So first of all, the first stage that we've seen
210
665000
3000
Premièrement, la première étape que nous avons vue
11:24
of the Internet was that it was going to link computers.
211
668000
3000
d'internet était qu'il allait connecter les ordinateurs.
11:27
And that's what we called the Net; that was the Internet of nets.
212
671000
3000
Et c'est ce que nous avons appelé la toile -- l'internet de toiles.
11:30
And we saw that, where you have all the computers of the world.
213
674000
3000
Et nous avons vu que là où nous avons tous les ordinateurs du monde --
11:33
And if you remember, it was a kind of green screen with cursors,
214
677000
4000
et si vous vous rappelez, c'était une sorte d'écran vert avec des curseurs,
11:37
and there was really not much to do, and if you wanted to connect it,
215
681000
2000
et il n'y avait pas grand chose à faire, et si vous vouliez les connecter,
11:39
you connected it from one computer to another computer.
216
683000
3000
vous les connectiez d'un ordinateur à l'autre.
11:42
And what you had to do was -- if you wanted to participate in this,
217
686000
2000
Et ce que vous aviez à faire, si vous vouliez participer à cela,
11:44
you had to share packets of information.
218
688000
4000
était de partager des paquets d'informations.
11:48
So you were forwarding on. You didn't have control.
219
692000
2000
Et alors vous transmettiez. Vous n'aviez pas le contrôle.
11:50
It wasn't like a telephone system where you had control of a line:
220
694000
2000
Ce n'était pas comme un système téléphonique où vous aviez le contrôle d'une ligne --
11:52
you had to share packets.
221
696000
2000
vous deviez partager des paquets.
11:54
The second stage that we're in now is the idea of linking pages.
222
698000
5000
La seconde étape dans laquelle nous sommes maintenant est l'idée de pages connectées.
11:59
So in the old one, if I wanted to go on to an airline Web page,
223
703000
3000
Avant, si nous voulions aller sur la page d'une compagnie aérienne,
12:02
I went from my computer, to an FTP site, to another airline computer.
224
706000
4000
j'allais depuis mon ordinateur, sur un site FTP, vers un autre ordinateur de la compagnie aérienne.
12:06
Now we have pages -- the unit has been resolved into pages,
225
710000
5000
Maintenant nous avons des pages -- que l'unité avait résolu en pages,
12:11
so one page links to another page.
226
715000
2000
donc une page renvoie à une autre page.
12:13
And if I want to go in to book a flight,
227
717000
3000
Et si je veux poursuivre et réserver un vol,
12:16
I go into the airline's flight page, the website of the airline,
228
720000
5000
je vais sur la page du vol de la compagnie, le site web de la compagnie,
12:21
and I'm linking to that page.
229
725000
2000
et cela me connecte à cette page.
12:23
And what we're sharing were links, so you had to be kind of open with links.
230
727000
4000
Et ce que nous partageons ce sont des liens, de ce fait nous devons être ouvert d'esprit envers ces connections.
12:27
You couldn't deny -- if someone wanted to link to you,
231
731000
2000
Vous ne pouviez pas le refuser -- si quelqu'un voulait se connecter à vous,
12:29
you couldn't stop them. You had to participate in this idea
232
733000
4000
vous ne pouviez pas le stopper; vous deviez participer à cette idée
12:33
of opening up your pages to be linked by anybody.
233
737000
3000
de laisser l'accès à votre page pour que chacun puisse y faire référence.
12:36
So that's what we were doing.
234
740000
2000
De ce fait, c'est ce que nous faisons.
12:38
We're now entering to the third stage, which is what I'm talking about,
235
742000
4000
Nous entrons maintenant dans la troisième étape, qui est ce dont je parle,
12:42
and that is where we link the data.
236
746000
2000
et c'est là où nous connectons les données.
12:44
So, I don't know what the name of this thing is.
237
748000
2000
Alors, je ne sais pas comment s'appelle cela.
12:46
I'm calling it the one machine. But we're linking data.
238
750000
2000
Je l'appellerai "La Machine". Mais nous connectons des données.
12:48
So we're going from machine to machine,
239
752000
2000
Nous allons donc depuis le "machine à machine",
12:50
from page to page, and now data to data.
240
754000
2000
vers le "page à page" , et maintenant le "donnée à donnée".
12:52
So the difference is, is that rather than linking from page to page,
241
756000
4000
Alors la différence est, qu'au lieu de connecter une page à une autre page,
12:56
we're actually going to link from one idea on a page
242
760000
4000
nous allons connecter une idée d'une page
13:00
to another idea, rather than to the other page.
243
764000
2000
à une autre idée, au lieu d'une autre page.
13:02
So every idea is basically being supported --
244
766000
3000
Alors toute idée est fondamentalement soutenue --
13:05
or every item, or every noun -- is being supported by the entire Web.
245
769000
3000
ou chaque élément, ou chaque nom -- est soutenu par l'ensemble de la toile.
13:08
It's being resolved at the level of items, or ideas, or words, if you want.
246
772000
6000
Cela se passe au niveau des éléments ou des idées ou des mots, si vous voulez.
13:14
So besides physically coming out again into this idea
247
778000
4000
A coté de cela on rencontre encore le physique dans cette idée
13:18
that it's not just virtual, it's actually going out to things.
248
782000
4000
ce n'est pas seulement virtuel, cela sort réellement des choses matérielles.
13:22
So something will resolve down to the information
249
786000
3000
Donc quelque chose résoudra les liens jusqu'à l'information
13:25
about a particular person, so every person will have a unique ID.
250
789000
4000
sur le sujet d'une personne en particulier, donc nous aurons tous une identification unique.
13:29
Every person, every item will have a something
251
793000
2000
Chaque personne, chaque élément, aura quelque chose
13:31
that will be very specific, and will link
252
795000
2000
qui sera très spécifique, et renverra
13:33
to a specific representation of that idea or item.
253
797000
4000
à une représentation spécifique de cette idée ou élément.
13:37
So now, in this new one, when I link to it,
254
801000
3000
Alors maintenant dans cette nouvelle machine, quand je m'y connecte,
13:40
I would link to my particular flight, my particular seat.
255
804000
6000
je me connecte à mon vol en particulier, à mon siège en particulier.
13:46
And so, giving an example of this thing,
256
810000
3000
Alors -- donnant un exemple --
13:49
I live in Pacifica, rather than -- right now Pacifica
257
813000
2000
je vis à Pacifica, plutôt que -- à l'instant, Pacifica
13:51
is just sort of a name on the Web somewhere.
258
815000
3000
est seulement un nom quelque part sur la toile.
13:54
The Web doesn't know that that is actually a town,
259
818000
2000
La toile ne sait pas que c'est en fait une ville,
13:56
and that it's a specific town that I live in,
260
820000
2000
et que c'est spécifiquement la ville où je vis,
13:58
but that's what we're going to be talking about.
261
822000
3000
mais c'est de cela dont nous allons parler.
14:01
It's going to link directly to --
262
825000
2000
Cela sera connecté directement à --
14:03
it will know, the Web will be able to read itself
263
827000
3000
la toile pourra lire par elle-même
14:06
and know that that actually is a place,
264
830000
2000
et savoir que ceci est réellement un lieu,
14:08
and that whenever it sees that word, "Pacifica,"
265
832000
2000
et que quand il voit le mot, "Pacifica",
14:10
it knows that it actually has a place,
266
834000
1000
il sait que c'est réellement un lieu,
14:11
latitude, longitude, a certain population.
267
835000
3000
latitude, longitude, une certaine population.
14:14
So here are some of the technical terms, all three-letter things,
268
838000
3000
Ici sont quelques-uns des termes techniques, toutes de trois lettres,
14:17
that you'll see a lot more of.
269
841000
2000
que vous verrez de plus en plus.
14:19
All these things are about enabling this idea of linking to the data.
270
843000
5000
Toutes ces choses s'apprettent à permettre l'idée de relier les données.
14:24
So I'll give you one kind of an example.
271
848000
3000
Je vous donnerai un exemple.
14:27
There's like a billion social sites on the Web.
272
851000
4000
Il y a quelque chose comme un milliard de sites sociaux sur la toile.
14:31
Each time you go into there, you have to tell it again who you are
273
855000
3000
Chaque fois que vous y entrez, vous devez préciser qui vous êtes,
14:34
and all your friends are.
274
858000
1000
et qui sont vos amis.
14:35
Why should you be doing that? You should just do that once,
275
859000
2000
Pourquoi devriez-vous faire cela ? Vous devriez faire cela une seule fois,
14:37
and it should know who all your friends are.
276
861000
3000
et il devrait savoir qui sont vos amis.
14:40
So that's what you want, is all your friends are identified,
277
864000
2000
Alors c'est ce que vous voulez, tous les amis identifiés,
14:42
and you should just carry these relationships around.
278
866000
2000
et vous devriez seulement vous occuper de ces relations autour de vous.
14:44
All this data about you should just be conveyed,
279
868000
3000
Toutes ces données devraient juste être transmises,
14:47
and you should do it once and that's all that should happen.
280
871000
3000
et cela devrait se faire seulement une seule fois, et c'est tout ce qui devrait passer.
14:50
And you should have all the networks
281
874000
2000
Et vous devriez avoir tous les réseaux
14:52
of all the relationships between those pieces of data.
282
876000
2000
de toutes les relations entre ces parties d'informations.
14:54
That's what we're moving into -- where it sort of knows these things down to that level.
283
878000
5000
C'est ce vers quoi nous allons -- où il sait en quelque sorte les choses jusqu'à ce niveau de détail.
14:59
A semantic Web, Web 3.0, giant global graph --
284
883000
3000
Une toile sémantique, Web 3.0, graphique géant global --
15:02
we're kind of trying out what we want to call this thing.
285
886000
3000
nous testons en quelque sorte le nom que nous voudrions donner à cette chose.
15:05
But what's it's doing is sharing data.
286
889000
2000
Mais ce que cela fait c'est de partager des données.
15:07
So you have to be open to having your data shared, which is a much bigger step
287
891000
5000
Alors vous devez être ouverts à l'idée de partager vos informations, ce qui est un pas beaucoup plus grand
15:12
than just sharing your Web page, or your computer.
288
896000
2000
que partager votre page web, ou votre ordinateur.
15:14
And all these things that are going to be on this
289
898000
4000
Et tous ces éléments qui seront sur cela
15:18
are not just pages, they are things.
290
902000
3000
ne sont pas seulement des pages, ce sont des choses.
15:21
Everything we've described, every artifact or place,
291
905000
4000
Tout ce que nous décrivons, chaque artefact ou endroit,
15:25
will be a specific representation,
292
909000
2000
sera une représentation spécifique,
15:27
will have a specific character that can be linked to directly.
293
911000
5000
aura un personnage spécifique sur lequel on pourra se connecter directement.
15:32
So we have this database of things.
294
916000
2000
Donc nous avons cette base de données de choses.
15:34
And so there's actually a fourth thing that we have not get to,
295
918000
4000
Finalement il y a une quatrième chose dont nous n'avons pas encore parlé,
15:38
that we won't see in the next 10 years, or 5,000 days,
296
922000
2000
que nous ne verrons pas dans les 10 prochaines années ou 5.000 jours,
15:40
but I think that's where we're going to. And as the Internet of things --
297
924000
5000
mais je pense que c'est à cela où nous allons arriver. Et en tant qu'Internet de choses --
15:45
where I'm linking directly to the particular things of my seat on the plane --
298
929000
4000
où je me connecte directement à la chose représentant en particulier mon siège d'avion --
15:49
that that physical thing becomes part of the Web.
299
933000
3000
que cette chose physique fera partie du web.
15:52
And so we are in the middle of this thing
300
936000
2000
Et alors nous sommes au milieu de cette chose
15:54
that's completely linked, down to every object
301
938000
3000
qui est complètement liée, jusque chaque objet
15:57
in the little sliver of a connection that it has.
302
941000
2000
par la petite mèche de connection qu'il a.
15:59
So, the last thing I want to talk about is this idea
303
943000
2000
La dernière chose dont je voudrais parler est l'idée
16:01
that we're going to be codependent.
304
945000
3000
que nous allons devenir co-dépendant.
16:04
It's always going to be there, and the closer it is, the better.
305
948000
4000
Il sera toujours là, et le plus proche il sera, le mieux cela sera.
16:08
If you allow Google to, it will tell you your search history.
306
952000
3000
Si vous le permettez à Google, il vous dira l'historique de vos recherches.
16:11
And I found out by looking at it
307
955000
2000
Et j'ai remarqué en le regardant
16:13
that I search most at 11 o'clock in the morning.
308
957000
2000
que je fais la plupart de mes recherches à 11h du matin.
16:16
So I am open, and being transparent to that.
309
960000
3000
Je suis ouvert et suis transparent à ça.
16:19
And I think total personalization in this new world will require total transparency.
310
963000
6000
Et je pense que la personnalisation totale dans ce nouveau monde nécessitera une transparence totale.
16:25
That is going to be the price.
311
969000
2000
Cela sera le prix à payer.
16:27
If you want to have total personalization,
312
971000
1000
Si vous voulez une personnalisation totale,
16:28
you have to be totally transparent.
313
972000
2000
vous devez être totalement transparents.
16:30
Google. I can't remember my phone number, I'll just ask Google.
314
974000
3000
Google. Je ne me rappelle plus de mon numéro de téléphone, je demanderai à Google.
16:33
We're so dependent on this that I have now gotten to the point
315
977000
2000
Nous sommes tellement dépendants à cela que je suis arrivé au point
16:35
where I don't even try to remember things --
316
979000
2000
où je n'essaye même plus de me rappeler des choses --
16:37
I'll just Google it. It's easier to do that.
317
981000
2000
Je vais juste le googler. C'est plus facile de faire ça.
16:39
And we kind of object at first, saying, "Oh, that's awful."
318
983000
3000
Et nous pouvons au départ rejeter cela et dire, "oh, c'est horrible."
16:42
But if we think about the dependency that we have on this other technology,
319
986000
3000
Mais si nous pensons à cette dépendance que nous avons à cette autre technologie,
16:45
called the alphabet, and writing,
320
989000
2000
appelée alphabet, et écriture --
16:47
we're totally dependent on it, and it's transformed culture.
321
991000
3000
nous sommes totalement dépendants d'elle, et elle a transformé notre culture.
16:50
We cannot imagine ourselves without the alphabet and writing.
322
994000
4000
Nous ne pouvons pas nous imaginer sans alphabet et sans écriture.
16:54
And so in the same way, we're going to not imagine ourselves
323
998000
3000
Et dans la même voie, nous n'allons pas nous imaginer
16:57
without this other machine being there.
324
1001000
2000
sans cette autre machine qui arrive.
16:59
And what is happening with this is
325
1003000
3000
Et ce qui arrive avec cela est
17:02
some kind of AI, but it's not the AI in conscious AI,
326
1006000
2000
une sorte d'intelligence artificielle IA, mais ce n'est pas une IA consciente,
17:04
as being an expert, Larry Page told me
327
1008000
3000
-- étant un expert, Larry Page m'a dit
17:07
that that's what they're trying to do,
328
1011000
1000
que c'est ce qu'ils essayent de faire,
17:08
and that's what they're trying to do.
329
1012000
2000
et c'est ce qu'ils essayent de faire.
17:10
But when six billion humans are Googling,
330
1014000
3000
Mais quand 6 milliards d'humains googlisent,
17:13
who's searching who? It goes both ways.
331
1017000
2000
qui cherche qui ? Cela va dans les deux sens.
17:15
So we are the Web, that's what this thing is.
332
1019000
4000
Nous sommes le web, c'est ce que cette chose est.
17:19
We are going to be the machine.
333
1023000
2000
Nous allons être la machine.
17:21
So the next 5,000 days, it's not going to be the Web and only better.
334
1025000
5000
Alors les 5.000 prochains jours -- ce ne sera pas le web, et seulement en mieux.
17:26
Just like it wasn't TV and only better.
335
1030000
2000
Comme ce n'était pas la télé, et seulement en mieux.
17:28
The next 5,000 days, it's not just going to be the Web
336
1032000
3000
Les 5.000 prochains jours -- ce ne sera pas juste le web,
17:31
but only better -- it's going to be something different.
337
1035000
2000
mais seulement en mieux; cela sera quelque chose de différent.
17:33
And I think it's going to be smarter.
338
1037000
4000
Et je pense que cela sera plus intelligent.
17:37
It'll have an intelligence in there, that's not, again, conscious.
339
1041000
4000
Il aura une intelligence, qui n'est pas, encore, consciente.
17:41
But it'll anticipate what we're doing, in a good sense.
340
1045000
4000
Mais il va anticiper ce que nous ferons, dans le bon sens.
17:45
Secondly, it's become much more personalized.
341
1049000
3000
Deuxièmement, il devient beaucoup plus personnalisé.
17:48
It will know us, and that's good.
342
1052000
2000
Il nous connaitra, et c'est bon.
17:50
And again, the price of that will be transparency.
343
1054000
4000
Encore un fois, le prix de cela sera la transparence.
17:54
And thirdly, it's going to become more ubiquitous
344
1058000
2000
Et troisièmement, il va devenir plus omniprésent
17:56
in terms of filling your entire environment, and we will be in the middle of it.
345
1060000
5000
dans le sens où il sera partout dans votre environnement, et nous serons au milieu de cela.
18:01
And all these devices will be portals into that.
346
1065000
3000
Tous les dispositifs seront des portails ouvrant dessus.
18:04
So the single idea that I wanted to leave with you
347
1068000
3000
Alors la seule idée que je souhaite vous laisser
18:07
is that we have to begin to think about this as not just "the Web, only better,"
348
1071000
6000
est que nous devons commencer à ne pas seulement penser à ceci comme étant juste "le web, seulement en mieux",
18:13
but a new kind of stage in this development.
349
1077000
3000
mais à une nouvelle étape de développement.
18:16
It looks more global. If you take this whole thing,
350
1080000
3000
Il semble plus global -- si vous prenez tout cela,
18:19
it is a very big machine, very reliable machine,
351
1083000
3000
c'est une très grande machine, une machine très fiable,
18:22
more reliable than its parts.
352
1086000
2000
plus fiable que ces parties.
18:24
But we can also think about it as kind of a large organism.
353
1088000
3000
Mais nous pouvons aussi penser à cela comme une sorte de grand organisme.
18:27
So we might respond to it more as if this was a whole system,
354
1091000
5000
Alors nous devrions y répondre plus comme si c'était un système tout entier,
18:32
more as if this wasn't a large organism
355
1096000
2000
que si ce n'était pas un grand organisme
18:34
that we are going to be interacting with. It's a "One."
356
1098000
4000
avec lequel nous allons interagir. C'est l' "Unique".
18:38
And I don't know what else to call it, than the One.
357
1102000
3000
Et je ne sais pas comment l'appeler autrement que l' "Unique".
18:41
We'll have a better word for it.
358
1105000
1000
Nous aurons un meilleur mot pour lui.
18:42
But there's a unity of some sort that's starting to emerge.
359
1106000
3000
Mais il y a une unité d'une certaine forme qui commence à émerger.
18:45
And again, I don't want to talk about consciousness,
360
1109000
3000
Et de nouveau, je ne veux pas parler de conscience,
18:48
I want to talk about it just as if it was a little bacteria,
361
1112000
2000
je veux en parler juste comme si c'était une petite bactérie,
18:50
or a volvox, which is what that organism is.
362
1114000
3000
ou un volvox, qui est ce qu'est cet organisme.
18:53
So, to do, action, take-away. So, here's what I would say:
363
1117000
6000
Alors, à faire, action, à emporter. Alors c'est ce que je dirais :
18:59
there's only one machine, and the Web is its OS.
364
1123000
4000
il y a seulement une machine, et le web est son système d'exploitation.
19:03
All screens look into the One. No bits will live outside the Web.
365
1127000
4000
Tous les écrans regardent dans l' "Unique". Aucun octet ne vit en dehors du web.
19:07
To share is to gain. Let the One read it.
366
1131000
4000
Partager est gagner. Laissez l' "Unique" le lire.
19:11
It's going to be machine-readable.
367
1135000
1000
Cela sera lisible par la machine;
19:12
You want to make something that the machine can read.
368
1136000
3000
vous voulez faire quelque chose que la machine peut lire.
19:15
And the One is us. We are in the One.
369
1139000
5000
Et l' "Unique" c'est nous - nous sommes dans l' "Unique".
19:20
I appreciate your time.
370
1144000
2000
Je vous remercie de votre temps
19:22
(Applause)
371
1146000
3000
(applaudissements)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com