ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Kevin Kelly | Speaker | TED.com
EG 2007

Kevin Kelly: The next 5,000 days of the web

Kevin Kelly sur les 5000 prochains jours du "web"

Filmed:
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 ?
- 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

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

00:16
The InternetInternet, the WebWeb as we know it,
0
0
2000
L'internet, le"web" comme nous le connaissons,
00:18
the kindgentil of WebWeb -- the things we're all talkingparlant about --
1
2000
3000
la toile -- ces choses dont on parle tous --
00:21
is alreadydéjà lessMoins than 5,000 daysjournées oldvieux.
2
5000
4000
a déjà près de 5.000 jours d'existence.
00:25
So all of the things that we'venous avons seenvu come about,
3
9000
4000
De ce fait toutes les choses que nous voyons,
00:29
startingdépart, say, with satelliteSatellite imagesimages of the wholeentier EarthTerre,
4
13000
3000
commençant, disons, par les images satellites de la planète entière,
00:32
whichlequel we couldn'tne pouvait pas even imagineimaginer happeningévénement before,
5
16000
3000
auxquelles nous ne pouvions même pas penser avant --
00:35
all these things rollingroulant into our livesvies,
6
19000
4000
tout cela entrant dans nos vies,
00:39
just this abundanceabondance of things that are right before us,
7
23000
5000
cette abondance de choses qui est juste devant nous,
00:44
sittingséance in frontde face of our laptopportable, or our desktopordinateur de bureau.
8
28000
2000
assis devant notre ordinateur portable, ou notre ordinateur de bureau.
00:46
This kindgentil of cornucopiaCorne d’abondance of stuffdes trucs
9
30000
2000
Cette sorte de corne d'abondance
00:48
just comingvenir and never endingfin is amazingincroyable, and we're not amazedétonné.
10
32000
6000
arrivant à peine et ne cessant jamais est stupéfiante, et nous ne sommes pas stupéfaits.
00:54
It's really amazingincroyable that all this stuffdes trucs is here.
11
38000
4000
C'est réellement incroyable que toutes ces choses soient là.
00:58
(LaughterRires)
12
42000
1000
(Rires)
00:59
It's in 5,000 daysjournées, all this stuffdes trucs has come.
13
43000
4000
C'est en 5.000 jours, que tout cela est arrivé.
01:03
And I know that 10 yearsannées agodepuis,
14
47000
3000
Et je sais qu'il y a 10 ans,
01:06
if I had told you that this was all comingvenir,
15
50000
2000
si je vous avais dit que tout cela arrivait,
01:08
you would have said that that's impossibleimpossible.
16
52000
3000
vous auriez dit que c'est impossible.
01:11
There's simplysimplement no economicéconomique modelmaquette that that would be possiblepossible.
17
55000
5000
Il n'y a tout simplement pas de modèle économique possible.
01:16
And if I told you it was all comingvenir for freegratuit,
18
60000
2000
Et si je vous avais dit que tout serait gratuit,
01:18
you would say, this is simplysimplement -- you're dreamingrêver.
19
62000
2000
vous m'auriez répondu -- tu rêves.
01:20
You're a CalifornianCalifornien utopianutopique. You're a wild-eyedyeux hagards optimistoptimiste.
20
64000
4000
Tu es un de ces californiens utopistes. Un optimiste forcené.
01:24
And yetencore it's here.
21
68000
2000
Et pourtant, c'est ici.
01:26
The other thing that we know about it was that 10 yearsannées agodepuis,
22
70000
4000
L'autre chose que nous savons à ce sujet est qu'il y a 10 ans,
01:30
as I lookedregardé at what even WiredWired was talkingparlant 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 TVTV, but better.
24
77000
3000
nous pensions que cela serait comme la télé, mais en mieux.
01:36
That was the modelmaquette. That was what everybodyTout le monde was suggestingsuggérant
25
80000
4000
C'était le modèle; ce que tout le monde prévoyait
01:40
was going to be comingvenir.
26
84000
2000
qui arriverait.
01:42
And it turnsse tourne 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 impossibleimpossible, 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 learningapprentissage --
29
92000
1000
Et de ce fait, une des choses que nous apprenons, je pense --
01:49
if you think about, like, WikipediaWikipedia,
30
93000
2000
si nous pensons, par exemple, à "Wikipédia",
01:51
it's something that was simplysimplement impossibleimpossible.
31
95000
2000
c'est une chose qui était tout simplement impossible.
01:53
It's impossibleimpossible in theorythéorie, but possiblepossible in practiceentraine toi.
32
97000
4000
C'est impossible en théorie, mais possible dans la pratique.
01:57
And if you take all these things that are impossibleimpossible,
33
101000
1000
Et si vous prenez toutes ces choses qui sont impossibles,
01:58
I think one of the things that we're learningapprentissage from this eraère,
34
102000
4000
je pense qu'une des choses que nous apprenons de cette ère,
02:02
from this last decadedécennie, is that we have to get good at believingcroire in the impossibleimpossible,
35
106000
4000
de cette dernière décennie, est que nous devons être bons à croire en l'impossible,
02:06
because we're unpreparedmal préparés for it.
36
110000
3000
parce que nous n'y sommes pas préparés.
02:09
So, I'm curiouscurieuse about what's going to happense produire in the nextprochain 5,000 daysjournées.
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 happenedarrivé in the last 5,000 daysjournées,
38
116000
2000
Mais tout ça s'est passé ces 5.000 derniers jours,
02:14
what's going to happense produire in the nextprochain 5,000 daysjournées?
39
118000
3000
que se passera-t-il dans les 5.000 prochains jours ?
02:17
So, I have a kindgentil of a simplesimple storyrécit,
40
121000
3000
Alors, j'ai une histoire simple,
02:20
and it suggestssuggère that what we want to think about is this thing that we're makingfabrication,
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 happenedarrivé in 5,000 daysjournées --
42
127000
2000
cette chose qui est arrivée en 5.000 jours.
02:25
that's all these computersdes ordinateurs, all these handheldsordinateurs de poche,
43
129000
3000
Ce sont tous ces ordinateurs, tous ces appareils de poche,
02:28
all these cellcellule phonesTéléphones, all these laptopsordinateurs portables, all these serversles serveurs --
44
132000
4000
tous ces mobiles, ordinateurs portables , tous les serveurs --
02:32
basicallyen gros what we're gettingobtenir out of all these connectionsles liaisons
45
136000
4000
fondamentalement, ce que nous obtenons de toutes ces connections
02:36
is we're gettingobtenir one machinemachine.
46
140000
2000
est que nous obtenons une seule machine.
02:38
If there is only one machinemachine, and our little handheldsordinateurs de poche and devicesdispositifs
47
142000
4000
S'il n'y a qu'une machine -- et nos petits appareils de poche et dispositifs
02:42
are actuallyréellement just little windowsles fenêtres into those machinesmachines,
48
146000
2000
sont en fait juste de petites fenêtres dans ces machines,
02:44
but that we're basicallyen gros constructingconstruire a singleunique, globalglobal machinemachine.
49
148000
6000
mais nous sommes fondamentalement en train de construire une seule machine globale.
02:50
And so I begana commencé to think about that.
50
154000
2000
De ce fait, j'ai commencé à penser à cela.
02:52
And it turnedtourné out that this machinemachine happensarrive to be
51
156000
3000
Et il se trouve que cette machine existe
02:55
the mostles plus reliablefiable machinemachine that we'venous avons ever madefabriqué.
52
159000
3000
la machine la plus fiable que nous n'ayons jamais fabriquée.
02:58
It has not crashedécrasé; it's runningfonctionnement uninterruptedininterrompu.
53
162000
2000
Elle n'est pas tombée en panne, elle fonctionne sans interruption.
03:00
And there's almostpresque no other machinemachine that we'venous avons ever madefabriqué
54
164000
3000
Et il n'existe presque aucune autre machine que nous ayons jamais fabriquée
03:03
that runsfonctionne the numbernombre of hoursheures, the numbernombre of daysjournées.
55
167000
4000
qui fonctionne un tel nombre d'heures, de jours.
03:07
5,000 daysjournées withoutsans pour autant interruptioninterruption -- that's just unbelievableincroyable.
56
171000
3000
5.000 jours sans interruption -- c'est tout simplement incroyable.
03:10
And of coursecours, the InternetInternet is longerplus long than just 5,000 daysjournées;
57
174000
2000
Evidemment, internet est plus vieux que 5.000 jours --
03:12
the WebWeb is only 5,000 daysjournées.
58
176000
2000
c'est le web, la toile qui a 5.000 jours
03:14
So, I was tryingen essayant to basicallyen gros make measurementsdes mesures.
59
178000
6000
Donc, j'ai essayé de faire des mesures basiques.
03:20
What are the dimensionsdimensions of this machinemachine?
60
184000
3000
Quelles sont les dimensions de cette machine ?
03:23
And I startedcommencé off by calculatingcalcul how manybeaucoup billionsdes milliards of clicksclics there are
61
187000
4000
Et j'ai commencé à calculer combien de milliards de clics il y a
03:27
all around the globeglobe on all the computersdes ordinateurs.
62
191000
3000
tout autour du monde sur tous les ordinateurs.
03:30
And there is a 100 billionmilliard clicksclics perpar day.
63
194000
2000
Et il y a 100 milliards de clics par jour.
03:32
And there's 55 trillionbillion linksdes liens betweenentre all the WebWeb pagespages of the worldmonde.
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 begana commencé thinkingen pensant more about other kindssortes of dimensionsdimensions,
65
202000
3000
Et alors j'ai commencé à penser un peu plus à d'autres types de dimensions,
03:41
and I madefabriqué a quickrapide listliste. Was it ChrisChris JordanJordanie, the photographerphotographe,
66
205000
5000
et j'ai fait une liste rapide -- et était-ce Chris Jordan, le photographe,
03:46
talkingparlant about numbersNombres beingétant so largegrand that they're meaninglesssans signification?
67
210000
4000
qui parlait de numéros si grands qu'ils n'avaient plus de signification ?
03:50
Well, here'svoici a listliste of them. They're harddifficile to tell,
68
214000
2000
Bien, voici une liste d'entre eux. Cela est difficile à dire,
03:52
but there's one billionmilliard PCPC chipschips on the InternetInternet,
69
216000
4000
mais il y a un milliard de puces d'ordinateurs sur Internet,
03:56
if you countcompter all the chipschips in all the computersdes ordinateurs on the InternetInternet.
70
220000
2000
si vous comptez toutes les puces dans tous les ordinateurs présents sur Internet.
03:58
There's two millionmillion emailsemails perpar secondseconde.
71
222000
2000
Il y a 2 millions d'emails par seconde.
04:00
So it's a very biggros numbernombre.
72
224000
2000
C'est un nombre très grand.
04:02
It's just a hugeénorme machinemachine,
73
226000
2000
C'est juste une énorme machine,
04:04
and it usesles usages fivecinq percentpour cent of the globalglobal electricityélectricité on the planetplanète.
74
228000
4000
et elle utilise 5% de l'énergie électrique de la planète.
04:08
So here'svoici the specificationsSpécifications,
75
232000
1000
En voici les spécifications,
04:09
just as if you were to make up a specspec sheetdrap for it:
76
233000
2000
comme si vous en faisiez une fiche de spécifications :
04:11
170 quadrillionquadrillion transistorstransistors, 55 trillionbillion linksdes liens,
77
235000
4000
170 millions de milliards d'émetteurs, 55 mille milliards de liens
04:15
emailsemails runningfonctionnement at two megahertzmégahertz itselfse,
78
239000
2000
emails se déplaçant à 2 mega hertz,
04:17
31 kilohertzkilohertz texttexte messagingMessagerie,
79
241000
3000
31 kilohertz de textes de messagerie,
04:20
246 exabyteExabyte storageespace de rangement. That's a biggros diskdisque.
80
244000
4000
246 hexabyte de stockage. C'est un sacré disque dur.
04:24
That's a lot of storageespace de rangement, memoryMémoire. NineNeuf exabyteExabyte RAMRAM.
81
248000
3000
C'est beaucoup de stockage, mémoire -- 9 hexabyte en RAM.
04:27
And the totaltotal trafficcirculation on this
82
251000
4000
Et le trafic total
04:31
is runningfonctionnement at sevenSept terabytestéra-octets perpar secondseconde.
83
255000
3000
va à une vitesse de 7 terabytes par seconde.
04:34
BrewsterBrewster was sayingen disant the LibraryBibliothèque of CongressCongress is about twentyvingt terabytestéra-octets.
84
258000
3000
Brewster disait que la bibliothèque du congrès fait environ 20 terabytes.
04:37
So everychaque secondseconde, halfmoitié of the LibraryBibliothèque of CongressCongress
85
261000
3000
Ce qui signifie, que chaque seconde, la moitié de la bibliothèque du congrès
04:40
is swooshingbruissements around in this machinemachine. It's a biggros machinemachine.
86
264000
4000
fuse autour de cette machine. C'est une grosse machine.
04:44
So I did something elseautre. I figuredfiguré out 100 billionmilliard clicksclics perpar 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 trillionbillion linksdes liens is almostpresque the sameMême
88
272000
3000
55 mille milliards de liens, c'est presque la même chose
04:51
as the numbernombre of synapsessynapses in your braincerveau.
89
275000
2000
que le nombre de synapses dans votre cerveau.
04:53
A quadrillionquadrillion transistorstransistors is almostpresque the sameMême
90
277000
2000
Un million de milliards d'émetteurs c'est presque la même chose
04:55
as the numbernombre of neuronsneurones in your braincerveau.
91
279000
2000
que le nombre de neurones dans votre cerveau.
04:57
So to a first approximationrapprochement, we have these things --
92
281000
3000
Alors, en une première approximation, nous avons cela --
05:00
twentyvingt petahertzpetahertz synapseSynapse firingscuissons.
93
284000
2000
vingt petahetz de connections.
05:02
Of coursecours, the memoryMémoire is really hugeénorme.
94
286000
2000
Evidemment la mémoire est vraiment énorme.
05:04
But to a first approximationrapprochement, the sizeTaille of this machinemachine is the sizeTaille --
95
288000
6000
Mais en une première approximation, la taille de cette machine est la taille --
05:10
and its complexitycomplexité, kindgentil of -- to your braincerveau.
96
294000
5000
et ses complexités, en quelque sorte -- de votre cerveau.
05:15
Because in factfait, that's how your braincerveau workstravaux -- in kindgentil of the sameMême way that the WebWeb workstravaux.
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
HoweverCependant, your braincerveau isn't doublingdoubler everychaque two yearsannées.
98
303000
4000
En revanche, votre cerveau ne double pas de taille tous les 2 ans.
05:23
So if we say this machinemachine right now that we'venous avons madefabriqué
99
307000
5000
De fait, si nous disons qu'à ce jour cette machine que nous avons fabriquée
05:28
is about one HBHB, one humanHumain braincerveau,
100
312000
3000
vaut environ un CH, cerveau humain,
05:31
if we look at the ratetaux that this is increasingen augmentant,
101
315000
3000
si nous estimons la vitesse à laquelle elle grandit,
05:34
30 yearsannées from now, there'llil y aura be sixsix billionmilliard HBsHBs.
102
318000
5000
dans trente ans, elle sera équivalente à six milliards de CHs.
05:39
So by the yearan 2040, the totaltotal processingEn traitement of this machinemachine
103
323000
4000
Donc d'ici 2040, la capacité totale de traitement de cette machine
05:43
will exceeddépasser a totaltotal processingEn traitement powerPuissance of humanityhumanité,
104
327000
3000
excédera la capacité totale d'analyse de l'humanité,
05:46
in rawbrut bitsmorceaux and stuffdes trucs. And this is, I think, where
105
330000
3000
sur les informations brutes. Et c'est où, je crois, que
05:49
RayRay KurzweilKurzweil and othersautres get this little chartgraphique sayingen disant that we're going to crosstraverser.
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'svoici a couplecouple of things.
107
338000
6000
Quoi dire de cela ? Bien, voici quelques points.
06:00
I have threeTrois kindgentil of generalgénéral things
108
344000
3000
J'ai trois idées générales
06:03
I would like to say, threeTrois consequencesconséquences of this.
109
347000
4000
Je préférerais dire; trois conséquences de cela.
06:07
First, that basicallyen gros what this machinemachine is doing is embodyingincorporant.
110
351000
5000
Premièrement, que basiquement ce que cette machine est en train de faire est de prendre forme --
06:12
We're givingdonnant it a bodycorps. 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 nextprochain 5,000 daysjournées -- we're going to give this machinemachine a bodycorps.
112
358000
3000
dans les 5.000 prochains jours -- nous allons donner un corps à cette machine.
06:17
And the secondseconde thing is, we're going to restructurerestructuration de la its architecturearchitecture.
113
361000
3000
Et la deuxième chose est que nous allons restructurer son architecture.
06:20
And thirdlytroisièmement, we're going to becomedevenir completelycomplètement codependentcodépendance uponsur it.
114
364000
4000
Et troisièmement, nous allons devenir complètement co-dépendants d'elle.
06:24
So let me go throughpar those threeTrois things.
115
368000
2000
Laissez moi développer un peu ces trois idées.
06:26
First of all, we have all these things in our handsmains.
116
370000
3000
Premièrement, nous avons toutes ces choses dans nos mains.
06:29
We think they're all separateséparé devicesdispositifs,
117
373000
2000
Nous pensons qu'il s'agit de dispositifs séparés,
06:31
but in factfait, everychaque screenécran in the worldmonde
118
375000
3000
mais en fait, chaque écran dans le monde
06:34
is looking into the one machinemachine.
119
378000
3000
est un regard dans l'unique machine.
06:37
These are all basicallyen gros portalsportails into that one machinemachine.
120
381000
3000
Ils sont tous basiquement des portails d'accès à l'unique machine.
06:40
The secondseconde thing is that -- some people call this the cloudnuage,
121
384000
4000
La seconde chose c'est ça -- quelques personnes appellent ça le nuage,
06:44
and you're kindgentil of touchingémouvant the cloudnuage with this.
122
388000
2000
et nous sommes en train de toucher le nuage avec ça.
06:46
And so in some waysfaçons, all you really need is a cloudbookCloudBook.
123
390000
4000
Et d'une certaine façon, tout ce dont nous avons besoin est un "cloudbook".
06:50
And the cloudbookCloudBook doesn't have any storageespace de rangement.
124
394000
3000
Et le "cloudbook" n'a aucune capacité de stockage.
06:53
It's wirelesssans fil. It's always connectedconnecté.
125
397000
3000
Il est sans fil. Il est toujours connecté.
06:56
There's manybeaucoup things about it. It becomesdevient very simplesimple,
126
400000
2000
Il y a beaucoup de choses à dire à son sujet. Il devient très simple,
06:58
and basicallyen gros what you're doing is you're just touchingémouvant the machinemachine,
127
402000
2000
et fondamentalement ce que vous faites c'est juste toucher la machine,
07:00
you're touchingémouvant the cloudnuage and you're going to computecalculer that way.
128
404000
3000
vous touchez le nuage et vous allez calculer la voie.
07:03
So the machinemachine is computingl'informatique.
129
407000
2000
Donc la machine calcule.
07:05
And in some waysfaçons, it's sortTrier of back
130
409000
1000
Et d'un certain point de vue, c'est une sorte de retour
07:06
to the kindgentil of oldvieux ideaidée of centralizedcentralisé computingl'informatique.
131
410000
3000
à cette ancienne idée de calculateur centralisé.
07:09
But everything, all the camerasappareils photo, and the microphonesmicrophones,
132
413000
4000
Mais tout, toutes les caméras, et tous les microphones,
07:13
and the sensorscapteurs in carsdes voitures
133
417000
4000
et les capteurs dans les voitures
07:17
and everything is connectedconnecté to this machinemachine.
134
421000
2000
et tout est connecté à la machine.
07:19
And everything will go throughpar the WebWeb.
135
423000
2000
Et tout passe par le web.
07:21
And we're seeingvoyant that alreadydéjà with, say, phonesTéléphones.
136
425000
2000
Et nous voyons déjà cela avec, par exemple, les téléphones.
07:23
Right now, phonesTéléphones don't go throughpar the WebWeb,
137
427000
2000
Au jour d'aujourd'hui, les téléphones ne passent pas par la toile,
07:25
but they are beginningdébut to, and they will.
138
429000
3000
mais ils commencent à le faire, et ils le feront.
07:28
And if you imagineimaginer what, say, just as an exampleExemple, what GoogleGoogle LabsLabs has
139
432000
4000
Et si vous imaginez, par exemple, ce que "Google Labs" possède
07:32
in termstermes of experimentsexpériences with GoogleGoogle DocsDocs, GoogleGoogle SpreadsheetsFeuilles de calcul, blahblabla, blahblabla, blahblabla --
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 becomedevenir WebWeb basedbasé.
141
440000
3000
tout cela sera sur la toile.
07:39
They're going throughpar the machinemachine.
142
443000
2000
Tout passera par la machine.
07:41
And I am suggestingsuggérant that everychaque bitbit will be owneddétenue by the WebWeb.
143
445000
5000
Et je suggère que chaque octet appartiendra au web.
07:46
Right now, it's not. If you do spreadsheetsfeuilles de calcul 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 WordWord documentdocument, they aren'tne sont pas on the WebWeb,
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 partpartie of this machinemachine.
146
456000
2000
mais ils le seront. Ils feront partie de cette machine.
07:54
They're going to speakparler the WebWeb languagela langue.
147
458000
2000
Ils parleront le langage du "web".
07:56
They're going to talk to the machinemachine.
148
460000
2000
Ils parleront à la machine.
07:58
The WebWeb, in some sensesens, is kindgentil of like a blacknoir holetrou
149
462000
3000
La toile,en un certain sens, est comme une sorte de trou noir,
08:01
that's suckingsucer up everything into it.
150
465000
3000
qui absorbe tout.
08:04
And so everychaque thing will be partpartie of the WebWeb.
151
468000
4000
De ce fait tout fera partie de la toile.
08:08
So everychaque itemarticle, everychaque artifactartefact that we make, will have embeddedintégré in it
152
472000
5000
Chaque élément, chaque artefact que nous faisons, embarquera
08:13
some little slivermèche of Web-nessWeb-ness and connectionconnexion,
153
477000
3000
une excroissance de toile et une connection,
08:16
and it will be partpartie of this machinemachine,
154
480000
2000
et fera partie de la machine,
08:18
so that our environmentenvironnement -- kindgentil of in that ubiquitousomniprésent computingl'informatique sensesens --
155
482000
3000
tel que notre environnement -- en quelque sorte au sens d'ubiquité-informatique --
08:21
our environmentenvironnement becomesdevient the WebWeb. Everything is connectedconnecté.
156
485000
5000
notre environnement deviendra le web. Tout sera connecté.
08:26
Now, with RFIDsIdentification par radiofréquence and other things -- whateverpeu importe technologyLa technologie it is,
157
490000
3000
Aujourd'hui, avec les RIFD et autres -- quelque soit la technologie,
08:29
it doesn't really mattermatière. The pointpoint is that everything
158
493000
3000
ce n'est pas très important, le point est que tout
08:32
will have embeddedintégré in it some sensorcapteur connectingde liaison it to the machinemachine,
159
496000
3000
incluera une façon de se connecter à la machine,
08:35
and so we have, basicallyen gros, an InternetInternet of things.
160
499000
3000
de ce fait nous avons, logiquement, un internet de choses.
08:38
So you begincommencer to think of a shoechaussure as a chippuce with heelstalons,
161
502000
4000
Alors vous commencez à penser à une chaussure en tant que puce avec des semelles,
08:42
and a carvoiture as a chippuce with wheelsroues,
162
506000
3000
une auto comme une puce avec des roues.
08:45
because basicallyen gros mostles plus of the costCoût of manufacturingfabrication carsdes voitures
163
509000
3000
Parce que la plupart des coûts de fabrication d'une voiture
08:48
is the embeddedintégré intelligenceintelligence and electronicsélectronique in it, and not the materialsmatériaux.
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 newNouveau economyéconomie
165
518000
2000
Beaucoup de personnes voient la nouvelle économie
08:56
as something that was going to be a disembodieddésincarné,
166
520000
2000
comme quelque chose qui va se dématérialiser,
08:58
alternativealternative, virtualvirtuel existenceexistence,
167
522000
3000
une existence virtuelle alternative,
09:01
and that we would have the oldvieux economyéconomie of atomsatomes.
168
525000
3000
et que nous aurions la vieille économie des atomes.
09:04
But in factfait, what the newNouveau economyéconomie really is
169
528000
3000
Mais en fait, ce que la nouvelle économie est réellement
09:07
is the marriagemariage of those two, where we embedintégrer the informationinformation,
170
531000
4000
c'est l'union des deux, où nous embarquons l'information,
09:11
and the digitalnumérique naturela nature of things into the materialMatériel worldmonde.
171
535000
2000
et la nature digitale des choses à l'intérieur du monde matériel.
09:13
That's what we're looking forwardvers l'avant 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 unionsyndicat, this convergenceconvergence of the atomicatomique and the digitalnumérique.
173
541000
7000
cette union, cette convergence entre l'atome et le digital.
09:24
And so one of the consequencesconséquences of that, I believe,
174
548000
2000
Et l'une des conséquences de cela, je crois,
09:26
is that where we have this sortTrier of spectrumspectre of mediamédias right now --
175
550000
4000
est que nous avons cette sorte de spectre de médias --
09:30
TVTV, filmfilm, videovidéo -- that basicallyen gros becomesdevient one mediamédias platformPlate-forme.
176
554000
3000
TV, film, vidéo -- qui deviennent une plateforme de média.
09:33
And while there's manybeaucoup differencesdifférences in some sensessens,
177
557000
2000
Et bien qu'il y ait énormément de différences dans certains sens,
09:35
they will sharepartager more and more in commoncommun with eachchaque other.
178
559000
3000
ils partagent de plus en plus entre eux.
09:38
So that the lawslois of mediamédias, suchtel as the factfait that copiescopies have no valuevaleur,
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'sde valeur in the uncopiableuncopiable things,
180
567000
2000
La valeur est dans les choses non copiables.
09:45
the immediacyimmédiateté, the authenticationauthentification, the personalizationpersonnalisation.
181
569000
5000
L'immédiateté, l'auhentification, la personnalisation --
09:50
The mediamédias wants to be liquidliquide.
182
574000
3000
le média veut être liquide;
09:53
The reasonraison why things are freegratuit is so that you can manipulatemanipuler 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 "freegratuit" as in "beerBière," but "freegratuit" as in "freedomliberté."
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 networkréseau effectseffets ruleRègle,
185
584000
2000
Et les effets du réseau font loi --
10:02
meaningsens 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 faxTélécopieur machinemachine -- the personla personne who boughtacheté the first faxTélécopieur machinemachine
187
588000
3000
Le premier fax -- la personne qui a acheté le premier fax
10:07
was an idiotidiot, because there was nobodypersonne to faxTélécopieur to.
188
591000
5000
était idiote, parce qu'il n'y avait personne à qui faxer un document.
10:12
But here she becamedevenu an evangelistévangéliste, recruitingrecrutement othersautres
189
596000
4000
Mais, elle est devenu évangéliste, recrutant d'autres personnes
10:16
to get the faxTélécopieur machinesmachines because it madefabriqué theirleur purchaseachat more valuablede valeur.
190
600000
3000
à avoir un fax parce que cela donnait plus de valeur à leur investissement.
10:19
Those are the effectseffets that we're going to see.
191
603000
2000
Ce sont les effets que nous allons voir.
10:21
AttentionAttention is the currencydevise.
192
605000
2000
L'attention est la monnaie.
10:23
So those lawslois are going to kindgentil of spreadpropager throughouttout au long de all mediamédias.
193
607000
5000
Ces règles vont se répandre à travers tous les médias.
10:28
And the other thing about this embodimentréalisation
194
612000
2000
Et l' autre point au sujet de cette incarnation
10:30
is that there's kindgentil of what I call the McLuhanMcLuhan reversalrenversement.
195
614000
3000
est qu'il se passe ce que j'appelle l'inversion de Mc Luhan.
10:33
McLuhanMcLuhan was sayingen disant, "MachinesMachines are the extensionsextensions of the humanHumain sensessens."
196
617000
2000
Mc Luhan disait, "les Machines sont l'extension des sens de l'homme."
10:35
And I'm sayingen disant, "HumansÊtres humains are now going to be
197
619000
2000
Et je dis, "les Humains vont maintenant être
10:37
the extendedélargi sensessens of the machinemachine," in a certaincertain sensesens.
198
621000
3000
l'extension des sens de la machine" en un certain sens.
10:40
So we have a trillionbillion eyesles yeux, and earsoreilles, and touchestouche,
199
624000
4000
De ce fait nous avons mille milliards d'yeux et d'oreilles et de touches,
10:44
throughpar all our digitalnumérique photographsphotographies and camerasappareils photo.
200
628000
3000
par le biais de tous nos appareils photos et caméras.
10:47
And we see that in things like FlickrFlickr,
201
631000
5000
Et nous voyons comme sur des sites tel que Flickr,
10:52
or PhotosynthPhotosynth, this programprogramme from MicrosoftMicrosoft
202
636000
3000
ou Photosynth, ce programme de Microsoft
10:55
that will allowpermettre you to assembleassembler a viewvue of a touristytouristique placeendroit
203
639000
4000
qui permettra d'assembler une vue touristique d'un lieu
10:59
from the thousandsmilliers of touristtouristique snapshotscaptures instantanées of it.
204
643000
4000
à partir de milliers de photos de touristes.
11:03
In a certaincertain sensesens, the machinemachine is seeingvoyant throughpar the pixelspixels of individualindividuel camerasappareils photo.
205
647000
6000
Dans un sens, la machine voit à travers les pixels de chacune des caméras.
11:09
Now, the secondseconde thing that I want to talk about was this ideaidée of restructuringla restructuration,
206
653000
4000
Maintenant, la seconde chose dont je souhaiterais parler est l'idée de re-structuration --
11:13
that what the WebWeb is doing is restructuringla restructuration.
207
657000
2000
ce qu'est en train de faire la toile c'est de se re-structurer.
11:15
And I have to warnprévenir you, that what we'llbien 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 explanationexplication of a termterme you're hearingaudition, whichlequel is a "semanticsémantique WebWeb."
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 stageétape that we'venous avons seenvu
210
665000
3000
Premièrement, la première étape que nous avons vue
11:24
of the InternetInternet was that it was going to linklien computersdes ordinateurs.
211
668000
3000
d'internet était qu'il allait connecter les ordinateurs.
11:27
And that's what we calledappelé the NetNET; that was the InternetInternet of netsfilets.
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 computersdes ordinateurs of the worldmonde.
213
674000
3000
Et nous avons vu que là où nous avons tous les ordinateurs du monde --
11:33
And if you rememberrappelles toi, it was a kindgentil of greenvert screenécran with cursorscurseurs,
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 connectrelier it,
215
681000
2000
et il n'y avait pas grand chose à faire, et si vous vouliez les connecter,
11:39
you connectedconnecté it from one computerordinateur to anotherun autre computerordinateur.
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 participateparticiper in this,
217
686000
2000
Et ce que vous aviez à faire, si vous vouliez participer à cela,
11:44
you had to sharepartager packetsPaquets of informationinformation.
218
688000
4000
était de partager des paquets d'informations.
11:48
So you were forwardingtransfert on. You didn't have controlcontrôle.
219
692000
2000
Et alors vous transmettiez. Vous n'aviez pas le contrôle.
11:50
It wasn'tn'était pas like a telephoneTéléphone systemsystème where you had controlcontrôle of a lineligne:
220
694000
2000
Ce n'était pas comme un système téléphonique où vous aviez le contrôle d'une ligne --
11:52
you had to sharepartager packetsPaquets.
221
696000
2000
vous deviez partager des paquets.
11:54
The secondseconde stageétape that we're in now is the ideaidée of linkingmise en relation pagespages.
222
698000
5000
La seconde étape dans laquelle nous sommes maintenant est l'idée de pages connectées.
11:59
So in the oldvieux one, if I wanted to go on to an airlineCompagnie aérienne WebWeb pagepage,
223
703000
3000
Avant, si nous voulions aller sur la page d'une compagnie aérienne,
12:02
I wentest allé from my computerordinateur, to an FTPAT· sitesite, to anotherun autre airlineCompagnie aérienne computerordinateur.
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 pagespages -- the unitunité has been resolvedrésolu into pagespages,
225
710000
5000
Maintenant nous avons des pages -- que l'unité avait résolu en pages,
12:11
so one pagepage linksdes liens to anotherun autre pagepage.
226
715000
2000
donc une page renvoie à une autre page.
12:13
And if I want to go in to booklivre a flightvol,
227
717000
3000
Et si je veux poursuivre et réserver un vol,
12:16
I go into the airline'scompagnie aérienne flightvol pagepage, the websitesite Internet of the airlineCompagnie aérienne,
228
720000
5000
je vais sur la page du vol de la compagnie, le site web de la compagnie,
12:21
and I'm linkingmise en relation to that pagepage.
229
725000
2000
et cela me connecte à cette page.
12:23
And what we're sharingpartage were linksdes liens, so you had to be kindgentil of openouvrir with linksdes liens.
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'tne pouvait pas denyNier -- if someoneQuelqu'un wanted to linklien to you,
231
731000
2000
Vous ne pouviez pas le refuser -- si quelqu'un voulait se connecter à vous,
12:29
you couldn'tne pouvait pas stop them. You had to participateparticiper in this ideaidée
232
733000
4000
vous ne pouviez pas le stopper; vous deviez participer à cette idée
12:33
of openingouverture up your pagespages to be linkedlié by anybodyn'importe qui.
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 enteringentrer to the thirdtroisième stageétape, whichlequel is what I'm talkingparlant about,
235
742000
4000
Nous entrons maintenant dans la troisième étape, qui est ce dont je parle,
12:42
and that is where we linklien the dataLes données.
236
746000
2000
et c'est là où nous connectons les données.
12:44
So, I don't know what the nameprénom of this thing is.
237
748000
2000
Alors, je ne sais pas comment s'appelle cela.
12:46
I'm callingappel it the one machinemachine. But we're linkingmise en relation dataLes données.
238
750000
2000
Je l'appellerai "La Machine". Mais nous connectons des données.
12:48
So we're going from machinemachine to machinemachine,
239
752000
2000
Nous allons donc depuis le "machine à machine",
12:50
from pagepage to pagepage, and now dataLes données to dataLes données.
240
754000
2000
vers le "page à page" , et maintenant le "donnée à donnée".
12:52
So the differencedifférence is, is that ratherplutôt than linkingmise en relation from pagepage to pagepage,
241
756000
4000
Alors la différence est, qu'au lieu de connecter une page à une autre page,
12:56
we're actuallyréellement going to linklien from one ideaidée on a pagepage
242
760000
4000
nous allons connecter une idée d'une page
13:00
to anotherun autre ideaidée, ratherplutôt than to the other pagepage.
243
764000
2000
à une autre idée, au lieu d'une autre page.
13:02
So everychaque ideaidée is basicallyen gros beingétant supportedprise en charge --
244
766000
3000
Alors toute idée est fondamentalement soutenue --
13:05
or everychaque itemarticle, or everychaque nounsubstantif -- is beingétant supportedprise en charge by the entiretout WebWeb.
245
769000
3000
ou chaque élément, ou chaque nom -- est soutenu par l'ensemble de la toile.
13:08
It's beingétant resolvedrésolu at the levelniveau of itemsarticles, or ideasidées, or wordsmots, 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 besidesoutre physicallyphysiquement comingvenir out again into this ideaidée
247
778000
4000
A coté de cela on rencontre encore le physique dans cette idée
13:18
that it's not just virtualvirtuel, it's actuallyréellement going out to things.
248
782000
4000
ce n'est pas seulement virtuel, cela sort réellement des choses matérielles.
13:22
So something will resolverésoudre down to the informationinformation
249
786000
3000
Donc quelque chose résoudra les liens jusqu'à l'information
13:25
about a particularparticulier personla personne, so everychaque personla personne will have a uniqueunique IDID.
250
789000
4000
sur le sujet d'une personne en particulier, donc nous aurons tous une identification unique.
13:29
EveryChaque personla personne, everychaque itemarticle will have a something
251
793000
2000
Chaque personne, chaque élément, aura quelque chose
13:31
that will be very specificspécifique, and will linklien
252
795000
2000
qui sera très spécifique, et renverra
13:33
to a specificspécifique representationreprésentation of that ideaidée or itemarticle.
253
797000
4000
à une représentation spécifique de cette idée ou élément.
13:37
So now, in this newNouveau one, when I linklien to it,
254
801000
3000
Alors maintenant dans cette nouvelle machine, quand je m'y connecte,
13:40
I would linklien to my particularparticulier flightvol, my particularparticulier seatsiège.
255
804000
6000
je me connecte à mon vol en particulier, à mon siège en particulier.
13:46
And so, givingdonnant an exampleExemple of this thing,
256
810000
3000
Alors -- donnant un exemple --
13:49
I livevivre in PacificaPacifica, ratherplutôt than -- right now PacificaPacifica
257
813000
2000
je vis à Pacifica, plutôt que -- à l'instant, Pacifica
13:51
is just sortTrier of a nameprénom on the WebWeb somewherequelque part.
258
815000
3000
est seulement un nom quelque part sur la toile.
13:54
The WebWeb doesn't know that that is actuallyréellement a townville,
259
818000
2000
La toile ne sait pas que c'est en fait une ville,
13:56
and that it's a specificspécifique townville that I livevivre 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 talkingparlant about.
261
822000
3000
mais c'est de cela dont nous allons parler.
14:01
It's going to linklien directlydirectement to --
262
825000
2000
Cela sera connecté directement à --
14:03
it will know, the WebWeb will be ablecapable to readlis itselfse
263
827000
3000
la toile pourra lire par elle-même
14:06
and know that that actuallyréellement is a placeendroit,
264
830000
2000
et savoir que ceci est réellement un lieu,
14:08
and that whenevern'importe quand it seesvoit that wordmot, "PacificaPacifica,"
265
832000
2000
et que quand il voit le mot, "Pacifica",
14:10
it knowssait that it actuallyréellement has a placeendroit,
266
834000
1000
il sait que c'est réellement un lieu,
14:11
latitudeLatitude, longitudeLongitude, a certaincertain populationpopulation.
267
835000
3000
latitude, longitude, une certaine population.
14:14
So here are some of the technicaltechnique termstermes, all three-lettertrois lettres things,
268
838000
3000
Ici sont quelques-uns des termes techniques, toutes de trois lettres,
14:17
that you'lltu vas see a lot more of.
269
841000
2000
que vous verrez de plus en plus.
14:19
All these things are about enablingpermettant this ideaidée of linkingmise en relation to the dataLes données.
270
843000
5000
Toutes ces choses s'apprettent à permettre l'idée de relier les données.
14:24
So I'll give you one kindgentil of an exampleExemple.
271
848000
3000
Je vous donnerai un exemple.
14:27
There's like a billionmilliard socialsocial sitesdes sites on the WebWeb.
272
851000
4000
Il y a quelque chose comme un milliard de sites sociaux sur la toile.
14:31
EachChaque 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 friendscopains are.
274
858000
1000
et qui sont vos amis.
14:35
Why should you be doing that? You should just do that onceune fois que,
275
859000
2000
Pourquoi devriez-vous faire cela ? Vous devriez faire cela une seule fois,
14:37
and it should know who all your friendscopains are.
276
861000
3000
et il devrait savoir qui sont vos amis.
14:40
So that's what you want, is all your friendscopains are identifiedidentifié,
277
864000
2000
Alors c'est ce que vous voulez, tous les amis identifiés,
14:42
and you should just carryporter these relationshipsdes relations around.
278
866000
2000
et vous devriez seulement vous occuper de ces relations autour de vous.
14:44
All this dataLes données about you should just be conveyedayant été transféré,
279
868000
3000
Toutes ces données devraient juste être transmises,
14:47
and you should do it onceune fois que and that's all that should happense produire.
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 networksréseaux
281
874000
2000
Et vous devriez avoir tous les réseaux
14:52
of all the relationshipsdes relations betweenentre those piecesdes morceaux of dataLes données.
282
876000
2000
de toutes les relations entre ces parties d'informations.
14:54
That's what we're movingen mouvement into -- where it sortTrier of knowssait these things down to that levelniveau.
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 semanticsémantique WebWeb, WebWeb 3.0, giantgéant globalglobal graphgraphique --
284
883000
3000
Une toile sémantique, Web 3.0, graphique géant global --
15:02
we're kindgentil of tryingen essayant 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 sharingpartage dataLes données.
286
889000
2000
Mais ce que cela fait c'est de partager des données.
15:07
So you have to be openouvrir to havingayant your dataLes données sharedpartagé, whichlequel is a much biggerplus gros stepétape
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 sharingpartage your WebWeb pagepage, or your computerordinateur.
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 pagespages, they are things.
290
902000
3000
ne sont pas seulement des pages, ce sont des choses.
15:21
Everything we'venous avons describeddécrit, everychaque artifactartefact or placeendroit,
291
905000
4000
Tout ce que nous décrivons, chaque artefact ou endroit,
15:25
will be a specificspécifique representationreprésentation,
292
909000
2000
sera une représentation spécifique,
15:27
will have a specificspécifique characterpersonnage that can be linkedlié to directlydirectement.
293
911000
5000
aura un personnage spécifique sur lequel on pourra se connecter directement.
15:32
So we have this databasebase de données of things.
294
916000
2000
Donc nous avons cette base de données de choses.
15:34
And so there's actuallyréellement a fourthQuatrième 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'thabitude see in the nextprochain 10 yearsannées, or 5,000 daysjournées,
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 InternetInternet 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 linkingmise en relation directlydirectement to the particularparticulier things of my seatsiège on the planeavion --
298
929000
4000
où je me connecte directement à la chose représentant en particulier mon siège d'avion --
15:49
that that physicalphysique thing becomesdevient partpartie of the WebWeb.
299
933000
3000
que cette chose physique fera partie du web.
15:52
And so we are in the middlemilieu of this thing
300
936000
2000
Et alors nous sommes au milieu de cette chose
15:54
that's completelycomplètement linkedlié, down to everychaque objectobjet
301
938000
3000
qui est complètement liée, jusque chaque objet
15:57
in the little slivermèche of a connectionconnexion 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 ideaidée
303
943000
2000
La dernière chose dont je voudrais parler est l'idée
16:01
that we're going to be codependentcodépendance.
304
945000
3000
que nous allons devenir co-dépendant.
16:04
It's always going to be there, and the closerplus proche 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 allowpermettre GoogleGoogle to, it will tell you your searchchercher historyhistoire.
306
952000
3000
Si vous le permettez à Google, il vous dira l'historique de vos recherches.
16:11
And I founda trouvé out by looking at it
307
955000
2000
Et j'ai remarqué en le regardant
16:13
that I searchchercher mostles plus at 11 o'clockheure in the morningMatin.
308
957000
2000
que je fais la plupart de mes recherches à 11h du matin.
16:16
So I am openouvrir, and beingétant transparenttransparent to that.
309
960000
3000
Je suis ouvert et suis transparent à ça.
16:19
And I think totaltotal personalizationpersonnalisation in this newNouveau worldmonde will requireexiger totaltotal transparencytransparence.
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 priceprix.
311
969000
2000
Cela sera le prix à payer.
16:27
If you want to have totaltotal personalizationpersonnalisation,
312
971000
1000
Si vous voulez une personnalisation totale,
16:28
you have to be totallytotalement transparenttransparent.
313
972000
2000
vous devez être totalement transparents.
16:30
GoogleGoogle. I can't rememberrappelles toi my phonetéléphone numbernombre, I'll just askdemander GoogleGoogle.
314
974000
3000
Google. Je ne me rappelle plus de mon numéro de téléphone, je demanderai à Google.
16:33
We're so dependentdépendant on this that I have now gottenobtenu to the pointpoint
315
977000
2000
Nous sommes tellement dépendants à cela que je suis arrivé au point
16:35
where I don't even try to rememberrappelles toi things --
316
979000
2000
où je n'essaye même plus de me rappeler des choses --
16:37
I'll just GoogleGoogle it. It's easierPlus facile to do that.
317
981000
2000
Je vais juste le googler. C'est plus facile de faire ça.
16:39
And we kindgentil of objectobjet at first, sayingen disant, "Oh, that's awfulterrible."
318
983000
3000
Et nous pouvons au départ rejeter cela et dire, "oh, c'est horrible."
16:42
But if we think about the dependencydépendance that we have on this other technologyLa technologie,
319
986000
3000
Mais si nous pensons à cette dépendance que nous avons à cette autre technologie,
16:45
calledappelé the alphabetalphabet, and writingl'écriture,
320
989000
2000
appelée alphabet, et écriture --
16:47
we're totallytotalement dependentdépendant on it, and it's transformedtransformé cultureCulture.
321
991000
3000
nous sommes totalement dépendants d'elle, et elle a transformé notre culture.
16:50
We cannotne peux pas imagineimaginer ourselvesnous-mêmes withoutsans pour autant the alphabetalphabet and writingl'écriture.
322
994000
4000
Nous ne pouvons pas nous imaginer sans alphabet et sans écriture.
16:54
And so in the sameMême way, we're going to not imagineimaginer ourselvesnous-mêmes
323
998000
3000
Et dans la même voie, nous n'allons pas nous imaginer
16:57
withoutsans pour autant this other machinemachine beingétant there.
324
1001000
2000
sans cette autre machine qui arrive.
16:59
And what is happeningévénement with this is
325
1003000
3000
Et ce qui arrive avec cela est
17:02
some kindgentil of AIAI, but it's not the AIAI in consciousconscient AIAI,
326
1006000
2000
une sorte d'intelligence artificielle IA, mais ce n'est pas une IA consciente,
17:04
as beingétant an expertexpert, LarryLarry PagePage told me
327
1008000
3000
-- étant un expert, Larry Page m'a dit
17:07
that that's what they're tryingen essayant to do,
328
1011000
1000
que c'est ce qu'ils essayent de faire,
17:08
and that's what they're tryingen essayant to do.
329
1012000
2000
et c'est ce qu'ils essayent de faire.
17:10
But when sixsix billionmilliard humanshumains are GooglingGoogler,
330
1014000
3000
Mais quand 6 milliards d'humains googlisent,
17:13
who'squi est searchingrecherche who? It goesva bothtous les deux waysfaçons.
331
1017000
2000
qui cherche qui ? Cela va dans les deux sens.
17:15
So we are the WebWeb, 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 machinemachine.
333
1023000
2000
Nous allons être la machine.
17:21
So the nextprochain 5,000 daysjournées, it's not going to be the WebWeb 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'tn'était pas TVTV and only better.
335
1030000
2000
Comme ce n'était pas la télé, et seulement en mieux.
17:28
The nextprochain 5,000 daysjournées, it's not just going to be the WebWeb
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 differentdifférent.
337
1035000
2000
mais seulement en mieux; cela sera quelque chose de différent.
17:33
And I think it's going to be smarterplus intelligent.
338
1037000
4000
Et je pense que cela sera plus intelligent.
17:37
It'llÇa va have an intelligenceintelligence in there, that's not, again, consciousconscient.
339
1041000
4000
Il aura une intelligence, qui n'est pas, encore, consciente.
17:41
But it'llça va anticipateanticiper what we're doing, in a good sensesens.
340
1045000
4000
Mais il va anticiper ce que nous ferons, dans le bon sens.
17:45
SecondlyDeuxièmement, it's becomedevenir much more personalizedpersonnalisé.
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 priceprix of that will be transparencytransparence.
343
1054000
4000
Encore un fois, le prix de cela sera la transparence.
17:54
And thirdlytroisièmement, it's going to becomedevenir more ubiquitousomniprésent
344
1058000
2000
Et troisièmement, il va devenir plus omniprésent
17:56
in termstermes of fillingremplissage your entiretout environmentenvironnement, and we will be in the middlemilieu 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 devicesdispositifs will be portalsportails into that.
346
1065000
3000
Tous les dispositifs seront des portails ouvrant dessus.
18:04
So the singleunique ideaidée that I wanted to leavelaisser with you
347
1068000
3000
Alors la seule idée que je souhaite vous laisser
18:07
is that we have to begincommencer to think about this as not just "the WebWeb, 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 newNouveau kindgentil of stageétape in this developmentdéveloppement.
349
1077000
3000
mais à une nouvelle étape de développement.
18:16
It looksregards more globalglobal. If you take this wholeentier thing,
350
1080000
3000
Il semble plus global -- si vous prenez tout cela,
18:19
it is a very biggros machinemachine, very reliablefiable machinemachine,
351
1083000
3000
c'est une très grande machine, une machine très fiable,
18:22
more reliablefiable than its partsles pièces.
352
1086000
2000
plus fiable que ces parties.
18:24
But we can alsoaussi think about it as kindgentil of a largegrand organismorganisme.
353
1088000
3000
Mais nous pouvons aussi penser à cela comme une sorte de grand organisme.
18:27
So we mightpourrait respondrépondre to it more as if this was a wholeentier systemsystème,
354
1091000
5000
Alors nous devrions y répondre plus comme si c'était un système tout entier,
18:32
more as if this wasn'tn'était pas a largegrand organismorganisme
355
1096000
2000
que si ce n'était pas un grand organisme
18:34
that we are going to be interactinginteragir 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 elseautre to call it, than the One.
357
1102000
3000
Et je ne sais pas comment l'appeler autrement que l' "Unique".
18:41
We'llNous allons have a better wordmot for it.
358
1105000
1000
Nous aurons un meilleur mot pour lui.
18:42
But there's a unityunité of some sortTrier that's startingdépart to emergeémerger.
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 consciousnessconscience,
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 bacteriades bactéries,
361
1112000
2000
je veux en parler juste comme si c'était une petite bactérie,
18:50
or a volvoxVolvox, whichlequel is what that organismorganisme is.
362
1114000
3000
ou un volvox, qui est ce qu'est cet organisme.
18:53
So, to do, actionaction, take-awayplats à emporter. So, here'svoici 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 machinemachine, and the WebWeb is its OSSYSTÈME D’EXPLOITATION.
364
1123000
4000
il y a seulement une machine, et le web est son système d'exploitation.
19:03
All screensécrans look into the One. No bitsmorceaux will livevivre outsideà l'extérieur the WebWeb.
365
1127000
4000
Tous les écrans regardent dans l' "Unique". Aucun octet ne vit en dehors du web.
19:07
To sharepartager is to gainGain. Let the One readlis it.
366
1131000
4000
Partager est gagner. Laissez l' "Unique" le lire.
19:11
It's going to be machine-readablelisible par machine.
367
1135000
1000
Cela sera lisible par la machine;
19:12
You want to make something that the machinemachine can readlis.
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 appreciateapprécier your time.
370
1144000
2000
Je vous remercie de votre temps
19:22
(ApplauseApplaudissements)
371
1146000
3000
(applaudissements)
Translated by verwaerde pascal
Reviewed by Nicolas BISPO

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Kevin Kelly | Speaker | TED.com