TED2009
Tim Berners-Lee: The next web
Le web à venir par Tim Berners-Lee
Filmed:
Readability: 3.8
1,638,798 views
Il y a 20 ans, Tim Berners-Lee inventait le World Wide Web. Pour son nouveau projet, il construit un web des données, libres et liées, qui pourrait faire aux nombres ce que le web a fait pour les mots, les photos et les vidéos: libérons nos données et redéfinissons la manière dont nous les utilisons.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
Le temps passe vite.
00:20
It's actually almost 20 years ago
1
2000
2000
Il y a maintenant presque 20 ans,
00:22
when I wanted to reframe the way we use information,
2
4000
4000
j'ai voulu restructurer la manière dont nous utilisons l'information,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
la manière dont nous travaillons ensemble -- et j'ai donc inventé la Toile, le World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Et maintenant, 20 ans après, ici à TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
je vous demande votre aide pour une nouvelle restructuration.
00:37
So going back to 1989,
6
19000
4000
Retournons en 1989:
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
j'avais écrit à l'époque un mémo sur la mise en place d'un système d'hypertexte public.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Ça n'avait pas intéressé grand-monde à l'époque.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Mais 18 mois plus tard -- vous savez, les innovations se produisent comme ça --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 mois plus tard, mon patron m'a autorisé à y passer du temps,
00:55
as a sort of a play project,
11
37000
2000
comme un genre de projet expérimental,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
pour tester un nouvel ordinateur que nous avions obtenu.
00:59
And so he gave me the time to code it up.
13
41000
3000
Et il me donna donc le temps de le coder.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Et j'ai donc écrit ce que devait être le langage HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
le procotole hypertexte -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
l'idée des liens URL, ces choses
01:13
which started with HTTP.
17
55000
2000
qui commence par "HTTP".
01:15
I wrote the code and put it out there.
18
57000
2000
J'ai écrit le code et je l'ai publié.
01:17
Why did I do it?
19
59000
2000
Pourquoi j'ai fait ça ?
01:19
Well, it was basically frustration.
20
61000
2000
Et bien parce que j'étais dans un état de frustration.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
J'étais frustré -- Je travaillais comme ingénieur logiciel
01:25
in this huge, very exciting lab,
22
67000
2000
dans cet immense et exitant laboratoire de recherche,
01:27
lots of people coming from all over the world.
23
69000
2000
où beaucoup de gens venait travailler de partout dans le monde.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Ils apportaient chacun des ordinateurs différents.
01:32
They had all sorts of different data formats,
25
74000
3000
Ils utilisaient aussi des formats de données différents.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Toute une palette de systèmes de documentation différents.
01:37
So that, in all that diversity,
27
79000
3000
Donc, avec toute cette diversité,
01:40
if I wanted to figure out how to build something
28
82000
2000
si je voulais y créer quelque chose
01:42
out of a bit of this and a bit of this,
29
84000
2000
en prenant un morceau à droite, un morceau à gauche,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
je devais à chaque fois me connecter à une nouvelle machine,
01:48
I had to learn to run some new program,
31
90000
2000
je devais apprendre à utiliser un nouveau logiciel,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
et l'information que je voulais était dans un nouveau format de données.
01:55
And these were all incompatible.
33
97000
2000
Et ils étaient tous incompatibles.
01:57
It was just very frustrating.
34
99000
2000
C'était donc très frustrant.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Cette frustration provenait de tout ce potentiel enfermé.
02:01
In fact, on all these discs there were documents.
36
103000
3000
En fait sur tous ces disques, il y avait des documents.
02:04
So if you just imagined them all
37
106000
3000
Donc si on pouvait tous les intégrer
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
dans un hypothétique grand système de documentation virtuel,
02:12
say on the Internet,
39
114000
2000
c'est à dire sur internet,
02:14
then life would be so much easier.
40
116000
2000
alors la vie serait beaucoup plus simple.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Et quand vous avez une idée comme ça, elle s'accroche vous,
02:20
and even if people don't read your memo --
42
122000
2000
et même si les gens n'ont pas lu votre mémo --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
En fait il l'a lu, on a retrouvé sa copie après sa mort.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Il avait écrit "vague mais intéressant" au crayon dans un coin.
02:28
(Laughter)
45
130000
2000
(Rires)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Mais d'une façon générale il était très difficile
02:34
what the web was like.
47
136000
2000
d'expliquer ce qu'était le web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Il est difficile d'expliquer aujourd'hui combien c'était difficile à expliquer à ce moment-là.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Mais quand TED a été crée il n'y avait pas de web,
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
des mots comme "cliquer" n'avait pas le même sens.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Je pouvais montrer un bout d'hypertexte,
02:46
a page which has got links,
52
148000
2000
une page avec des liens,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
on peut cliquer dessus, et hop, on se retrouve sur une autre page hypertexte.
02:52
Not impressive.
54
154000
2000
Pas vraiment impressionant.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
On avait déjà vu ça. On avait vu des liens hypertextes sur des CDROM.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Ce qui était difficile était de les faire imaginer...
03:00
so, imagine that that link could have gone
57
162000
4000
Alors imaginez que ce lien peut vous emmener
03:04
to virtually any document you could imagine.
58
166000
2000
sur n'importe quel document que vous puissiez imaginer.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
C'est une barrière qui est très difficile à franchir pour certaines personnes.
03:11
Well, some people did.
60
173000
2000
Et bien quelques personnes ont réussi.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Alors oui. C'était difficile à expliquer mais il existait un mouvement de fond.
03:17
And that is what has made it most fun.
62
179000
4000
Et c'est ça qui aura été le plus sympa.
03:21
That has been the most exciting thing,
63
183000
2000
C'est ça qui aura été le plus existant.
03:23
not the technology, not the things people have done with it,
64
185000
2000
Pas la technologie, pas ce que les gens ont fait avec,
03:25
but actually the community, the spirit of all these people
65
187000
2000
Mais vraiment la communauté, l'esprit de tous ces gens
03:27
getting together, sending the emails.
66
189000
2000
qui se réunissaient, s'envoyaient des emails.
03:29
That's what it was like then.
67
191000
2000
C'était comme ça à cette époque.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Et vous savez quoi... C'est marrant... Mais d'une certaine manière, c'est comme cela à nouveau.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Je demandais à tout le monde plus ou moins de mettre ses documents en ligne.
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
"Pourriez-vous mettre vos documents sur ce web-machin?"
03:39
And you did.
71
201000
3000
Et... vous l'avez fait.
03:42
Thanks.
72
204000
1000
Merci.
03:43
It's been a blast, hasn't it?
73
205000
2000
Ça a été sympa non?
03:45
I mean, it has been quite interesting
74
207000
2000
C'était vraiment intéressant,
03:47
because we've found out that the things that happen with the web
75
209000
2000
car on s'est aperçu que ce qui se passait sur le web
03:49
really sort of blow us away.
76
211000
2000
nous dépassait réellement.
03:51
They're much more than we'd originally imagined
77
213000
2000
Il s'est passé bien plus de choses que ce que nous avions imaginé
03:53
when we put together the little, initial website
78
215000
2000
lorsque nous avions créé
03:55
that we started off with.
79
217000
2000
le premier site web.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Maintenant, je veux que vous mettiez vos données sur le web !
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Ce qui se passe c'est qu'il reste encore un énorme potentiel inexploité.
04:04
There is still a huge frustration
82
226000
2000
Il y a toujours une énorme frustration.
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
Car nous n'avons pas de données sur le web en tant que données.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Qu'est ce que ça veut dire? Quelle est la différence entre document, données...
04:12
Well, documents you read, OK?
85
234000
3000
Et bien les documents vous les lisez, ok?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
En gros vous pouvez les lire, suivre les liens, mais c'est tout.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Avec les données vous pouvez faire plein de trucs sur un ordinateur.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Qui a ici vu la présentation de Hans Rosling ?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Cool. Plein de personnes l'on vu.
04:30
one of the great TED Talks.
90
252000
2000
C'est l'une des meilleurs présentation de TED.
04:32
Hans put up this presentation
91
254000
2000
Hans a fait cette présentation
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
dans laquelle il montre dans différents pays, dans différentes couleurs,
04:39
he showed income levels on one axis
93
261000
3000
le niveau de revenus sur un axe
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
avec les taux de natalité sur un autre, et le tout animé à travers le temps.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Il a donc récupéré ces données et en a fait une présentation
04:49
which just shattered a lot of myths that people had
96
271000
3000
qui démonte les idées préconçues qu'ont les gens
04:52
about the economics in the developing world.
97
274000
4000
sur l'économie des pays émergents.
04:56
He put up a slide a little bit like this.
98
278000
2000
Il a utilisé un slide de ce type.
04:58
It had underground all the data
99
280000
2000
Derrière cette présentation il avait plein de données.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
Les données c'est terne, carré, ennuyeux...
05:03
and that's how we think of it, isn't it?
101
285000
2000
C'est l'image que nous en avons, n'est-ce pas ?
05:05
Because data you can't naturally use by itself
102
287000
3000
Car les données ne peuvent pas être utilisées naturellement tel quel.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Mais en réalité les données influencent en grande partie nos vies.
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
Cela arrive quand quelqu'un prend ces données et crée quelque chose avec.
05:15
In this case, Hans had put the data together
105
297000
2000
Dans notre cas, Hans a rassemblé toutes les données,
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
il les a trouvé auprès des Nations-Unies, sur des sites webs.
05:22
He had put it together,
107
304000
2000
Il les a rassemblées,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
les a combinées pour donner quelque chose de plus intéressant
05:27
and then he'd put it into this software,
109
309000
5000
et alors il les a insérées dans son logiciel,
05:32
which I think his son developed, originally,
110
314000
2000
créé je crois par son fils,
05:34
and produces this wonderful presentation.
111
316000
3000
pour donner cette merveilleuse présentation.
05:37
And Hans made a point
112
319000
2000
Et Hans a mis en avant le fait
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
qu'il était très important d'avoir beaucoup de données.
05:43
And I was happy to see that at the party last night
114
325000
3000
Et je suis heureux de l'avoir vu hier
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
demandant encore avec insistance plus de données.
05:50
So I want us now to think about
116
332000
2000
Et maintenant je voudrais que vous vous imaginiez,
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
pas seulement 2 morceaux de données connectés, ou même 6,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
mais un monde où tout le monde aurait mis ses données sur le web.
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
Virtuellement tout ce que vous pouvez imaginer serait sur le web.
06:03
and then calling that linked data.
120
345000
2000
Et j'ai appelé cela "Linked Data" ("données liées")
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
La technologie s'appelle "Linked Data" et elle est extrêmement simple.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Si vous voulez mettre quelque chose sur le web, il y a 3 règles.
06:11
first thing is that those HTTP names --
123
353000
3000
La première chose est que nous utilisons toujours les adresses HTTP --
06:14
those things that start with "http:" --
124
356000
2000
ces trucs qui commencent par http: --
06:16
we're using them not just for documents now,
125
358000
4000
Mais plus uniquement pour les documents,
06:20
we're using them for things that the documents are about.
126
362000
2000
on va les utiliser pour décrire les documents.
06:22
We're using them for people, we're using them for places,
127
364000
2000
On va les utiliser pour des personnes, on va les utiliser pour des lieux,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
on va les utiliser pour vos produits, pour des événements.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
N'importe quel concept aura un nom commençant par http.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Deuxième règle: Si j'utilise une de ces adresses HTTP
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
le web va me renvoyer des informations,
06:39
using the HTTP protocol from the web,
132
381000
2000
en utilisant le protocole HTTP,
06:41
I will get back some data in a standard format
133
383000
3000
des données dans un format standard
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
Et ce sont des données utiles que quelqu'un aimerait connaitre,
06:49
about that thing, about that event.
135
391000
2000
à propos de cette chose: si c'est un événement,
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
qui s'y rend ? Si c'est un personne,
06:53
where they were born, things like that.
137
395000
2000
où est-elle née ? Ce genre de choses.
06:55
So the second rule is I get important information back.
138
397000
2000
Donc la deuxième règle est qu'on me renvoie des informations importantes.
06:57
Third rule is that when I get back that information
139
399000
4000
La troisième règle est que quand je récupère ces informations,
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
ce ne sera pas uniquement le poids ou la taille ou le lieu de naissance de cette personne,
07:04
it's got relationships.
141
406000
2000
on me fournira également des relations.
07:06
Data is relationships.
142
408000
2000
Les données sont des relations.
07:08
Interestingly, data is relationships.
143
410000
2000
C'est ce qui est intéressant, les données sont des relations.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Vous avez cette personne née à Berlin, Berlin est en Allemagne.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Dès lors qu'il y a une relation,
07:17
then the other thing that it's related to
146
419000
3000
l'élément lié est nommé
07:20
is given one of those names that starts HTTP.
147
422000
4000
avec un nom commençant par http.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Et à partir de son nom HTTP je peux accéder à cette ressource.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Je peux accéder à cette personne, ensuite je peux accéder à la ville ou elle est née,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
à sa région, à sa ville,
07:32
and the population of it, and so on.
151
434000
3000
à la population de sa ville,
07:35
So I can browse this stuff.
152
437000
2000
et ainsi de suite... Je peux parcourir toutes ces choses.
07:37
So that's it, really.
153
439000
2000
Et voilà.
07:39
That is linked data.
154
441000
2000
C'est ça, "Linked Data".
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Il y a quelques années j'ai écrit un article intitulé Linked Data,
07:44
and soon after that, things started to happen.
156
446000
4000
et peu de temps après les choses ont commencé à bouger.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Nous avons eu de plus en plus de ces boites
07:52
of these boxes that Hans had,
158
454000
2000
que Hans décrivait,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
et nous avons vu de plus en plus de choses éclore.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Ce ne sont pas que des plantes.
07:59
It's not just a root supplying a plant,
161
461000
2000
Ce n'est pas seulement une racine qui fait vivre une plante.
08:01
but for each of those plants, whatever it is --
162
463000
3000
Pour chacune de ces plantes, peu importe sa nature,
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
une présentation, une analyse, quelqu'un cherchant des tendances dans les données,
08:07
they get to look at all the data
164
469000
3000
peut interroger toutes ces données.
08:10
and they get it connected together,
165
472000
2000
et toutes ces données sont connectées.
08:12
and the really important thing about data
166
474000
2000
La chose vraiment important sur les données, c'est que
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
plus vous avez de données connectés, plus elles deviennent puissant.
08:16
So, linked data.
168
478000
2000
Linked Data est donc apparu,
08:18
The meme went out there.
169
480000
2000
le concept, le mème a été essaimé.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
et quelques temps après, Chris Spitzer, de l'Université Libre de Berlin,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
qui fut l'un des premiers à publier des données interessantes,
08:26
he noticed that Wikipedia --
172
488000
2000
remarqua que Wikipédia,
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
cette fameuse encyclopédie en ligne,
08:31
with lots and lots of interesting documents in it.
174
493000
2000
qui contient plein de documents intéressants,
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
possédait parfois des encadrés, des sortes de boites d'information.
08:37
And in most information boxes, there's data.
176
499000
3000
Et que dans ces boites d'information, il y a des données.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Il a écrit un programme pour extraire ces données de wikipedia
08:44
and put it into a blob of linked data
178
506000
2000
et les stocker au format Linked Data sur le web.
08:46
on the web, which he called dbpedia.
179
508000
3000
Il a appelé son site DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
DBpedia est représenté au milieu de cette slide par le rond bleu.
08:53
and if you actually go and look up Berlin,
181
515000
2000
et si vous continuez à faire des recherches sur Berlin,
08:55
you'll find that there are other blobs of data
182
517000
2000
vous vous apercevez qu'il y a d'autres zones de données
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
sur Berlin, et elles sont toutes connectées entre elles.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Donc si vous récupérez quelque chose de DBpedia sur Berlin,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
vous vous retrouvez à récupérer les autres données en même temps.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
La chose incroyable est que cela commença à grossir.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
C'est à nouveau un mouvement de fond.
09:10
Let's think about data for a bit.
188
532000
3000
Maintenant examinons ces données.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Les données apparaissent sous différentes formes.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Pensez à la diversité du web. C'est un élément primordial pour le web,
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
de pouvoir y ajouter n'importe quel type d'information.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Il en va de même avec les données. Il existe plein de types de données.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Il y a les données gouvernementales, des données d'entreprises, qui sont vraiment essentielles,
09:29
there's scientific data, there's personal data,
194
551000
3000
les données scientifiques, les données personnelles,
09:32
there's weather data, there's data about events,
195
554000
2000
les données météorologiques, les données concernant les événements,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
les données des discussions, les informations, toutes sortes de données.
09:38
I'm just going to mention a few of them
197
560000
3000
Je vais en mentionner quelques unes
09:41
so that you get the idea of the diversity of it,
198
563000
2000
pour que vous ayez une idée de leur diversité,
09:43
so that you also see how much unlocked potential.
199
565000
4000
et ainsi vous rendre compte de leur potentiel.
09:47
Let's start with government data.
200
569000
2000
Commençons par les données gouvernementales.
09:49
Barack Obama said in a speech,
201
571000
2000
Barak Obama a dit dans un de ses discours que
09:51
that he -- American government data would be available on the Internet
202
573000
5000
les données du gouvernement américain seront disponibles sur internet
09:56
in accessible formats.
203
578000
2000
dans des formats accessibles.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Et j'espère qu'ils utiliseront le format "Linked Data".
10:00
That's important. Why is it important?
205
582000
2000
C'est important. Pourquoi est-ce important?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Pas seulement pour la transparence. Bien sûr la transparence est importante.
10:05
but that data -- this is the data from all the government departments
207
587000
3000
Mais ces données proviennent de tous les départements gouvernementaux.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Alors pensez comment ces données montrent comment nous vivons en amérique.
10:13
It's actual useful. It's got value.
209
595000
2000
C'est très utile, ça a de la valeur,
10:15
I can use it in my company.
210
597000
2000
je peux l'utiliser pour ma société,
10:17
I could use it as a kid to do my homework.
211
599000
2000
En tant qu'enfant, je peux l'utiliser pour faire mes devoirs.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Ce que je dis ici, c'est qu'on peut rendre la gestion du monde meilleure,
10:22
by making this data available.
213
604000
2000
en rendant ces données disponibles.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
En fait, si vous êtes décideur, et vous entendez parler
10:28
in a government department, often you find that
215
610000
2000
de données gouvernementales particulières,
10:30
these people, they're very tempted to keep it --
216
612000
3000
vous verrez que ces gens ont souvent tendance à les garder pour eux.
10:33
Hans calls it database hugging.
217
615000
3000
Hans appelle ça le serrage de base de données.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Vous serrez votre base de données. Vous ne la laissez pas partir
10:38
until you've made a beautiful website for it.
219
620000
2000
tant que vous n'en avez pas fait un joli site web.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Ce que je suggère, c'est qu'avant de ...
10:42
yes, make a beautiful website,
221
624000
2000
... Oui, faites un joli site !
10:44
who am I to say don't make a beautiful website?
222
626000
2000
Je ne peux pas vous empêcher de faire un joli site.
10:46
Make a beautiful website, but first
223
628000
3000
Faites-en donc un joli site. Mais avant cela,
10:49
give us the unadulterated data,
224
631000
3000
donnez-nous accès aux données non altérées.
10:52
we want the data.
225
634000
2000
On veut des données.
10:54
We want unadulterated data.
226
636000
2000
On veut des données non altérées.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Il faut que nous demandions des données brutes maintenant.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Et je vais vous demander de vous entrainer.
11:01
Can you say "raw"?
229
643000
1000
Pouvez vous dire "Raw" ?
11:02
Audience: Raw.
230
644000
1000
Audience: Raw!
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Pouvez vous dire "Data" ?
11:04
Audience: Data.
232
646000
1000
Audience: Data!
11:05
TBL: Can you say "now"?
233
647000
1000
Pouvez vous dire "Now" ?
11:06
Audience: Now!
234
648000
1000
Audience: Now!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
Raw Data Now ! (Des Données Brutes Maintenant !)
11:09
Audience: Raw data now!
236
651000
2000
Audience: Raw Data Now !
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Pratiquez-le, c'est important. Car vous n'imaginez pas les excuses
11:15
people come up with to hang onto their data
238
657000
2000
que trouvent les gens pour retenir leurs données
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
pour vous empêcher d'y accéder, alors même que vous les avez payées avec vos impôts.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Et ce n'est pas qu'en Amérique. C'est la même chose partout dans le monde.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Et ce n'est pas uniquement les gouvernements. Les entreprises également.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Je vais juste vous faire part de quelques idées sur les données...
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Nous sommes ici à TED, et nous sommes particulièrement conscient
11:34
of the huge challenges that human society has right now --
244
676000
5000
des immenses challenges que l'humanité doit relever.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
Eliminer le cancer. Comprendre le cerveau pour traiter l'Alzheimer.
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
Comprendre l'économie, la rendre plus stable.
11:45
understanding how the world works.
247
687000
2000
Comprendre comment le monde fonctionne.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Ceux qui vont résoudre ces problèmes sont des scientifiques,
11:49
they have half-formed ideas in their head,
249
691000
2000
ils ont des tonnes d'idées dans leur tête,
11:51
they try to communicate those over the web.
250
693000
3000
ils essayent de les communiquer à travers le web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Mais beaucoup de connaissances de la race humaine
11:57
is on databases, often sitting in their computers,
252
699000
3000
se trouvent actuellement dans des bases de données
12:00
and actually, currently not shared.
253
702000
3000
qui ne sont pas actuellement partagées.
12:03
In fact, I'll just go into one area --
254
705000
3000
En fait si vous prenez juste un domaine
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
comme Alzheimer, la recherche de médicaments par exemple,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
vous vous apercevez qu'il y a beaucoup de "Linked Data" qui apparaissent
12:11
because scientists in that field realize
257
713000
2000
car les scientifiques de ce domaine se sont aperçu
12:13
this is a great way of getting out of those silos,
258
715000
3000
que c'était une bonne manière de sortir de leurs silos.
12:16
because they had their genomics data in one database
259
718000
4000
Il y avait des données sur le génome dans cette base de données,
12:20
in one building, and they had their protein data in another.
260
722000
3000
dans ce bâtiment, et il y avait des données sur les protéines dans une autre...
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Et maintenant ils les ont réunies comme "Linked Data"
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
et maintenant ils peuvent poser des questions que vous ne vous poseriez pas,
12:29
I wouldn't ask -- they would.
263
731000
2000
moi non plus, mais eux oui...
12:31
What proteins are involved in signal transduction
264
733000
2000
Quelles protéines sont utilisées dans la transduction des signaux
12:33
and also related to pyramidal neurons?
265
735000
2000
et qui sont en rapport avec les neurones pyramidaux?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Et bien vous prenez cette question, vous la mettez dans Google,
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Bien-sûr il n'y a pas de page sur web qui répond à cette question,
12:41
because nobody has asked that question before.
268
743000
2000
car personne ne se l'est déjà posée.
12:43
You get 223,000 hits --
269
745000
2000
Vous récupérez 223,000 réponses,
12:45
no results you can use.
270
747000
2000
mais aucun résultat utilisable !
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Vous interrogez les données cumulées du "Linked Data":
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 réponses, et chacune d'elle est une protéine
12:54
and you can look at.
273
756000
2000
qui a cette propriété.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Et vous voyez la puissance de pouvoir poser ces questions pour un scientifique.
12:59
questions which actually bridge across different disciplines --
275
761000
2000
Des questions qui créent des ponts entre différentes disciplines.
13:01
is really a complete sea change.
276
763000
3000
C'est un changement radical.
13:04
It's very very important.
277
766000
2000
C'est vraiment très important.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Et les scientifiques l'ont très bien compris.
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
Les données que d'autres scientifiques ont collectées sont enfermées
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
et nous devons les délivrer pour pouvoir nous atteler à ces grands problèmes.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Si je continue, vous allez vous dire que toutes les données proviennent des grosses institutions
13:20
and has nothing to do with you.
282
782000
3000
et que cela n'a rien à voir avec vous.
13:23
But, that's not true.
283
785000
2000
Et bien cela est faux.
13:25
In fact, data is about our lives.
284
787000
2000
Les données parlent de nos vies.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Vous vous connectez sur votre réseau social favori.
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
Vous selectionnez un ami,
13:32
Bing! Relationship. Data.
287
794000
3000
et hop, une relation, une donnée.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Vous dites: cette photo représente cette personne, hop, une donnée.
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Données, données, données.
13:41
Every time you do things on the social networking site,
290
803000
2000
A chaque fois que vous faite quelque chose dans un réseau social,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
le site crée des données et les utilise, les retravaille,
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
et rend la vie des autres utilisateurs du site plus intéressante.
13:51
But, when you go to another linked data site --
293
813000
2000
Mais si vous allez dans un autre réseau social,
13:53
and let's say this is one about travel,
294
815000
3000
disons spécialisé dans les voyages,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
et que vous voulez envoyer une photo à toutes les personnes de ce groupe,
13:59
you can't get over the walls.
296
821000
2000
vous ne pourrez pas passer les murs.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
"The Economist" a écrit un article sur le sujet, de nombreux blogueurs en ont parlé.
14:03
tremendous frustration.
298
825000
1000
C'est une énorme frustration
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
de ne pas pouvoir détruire les silos et apporter de l'interopérabilité
14:06
between social networking sites.
300
828000
2000
entre les réseaux sociaux.
14:08
We need to do that with linked data.
301
830000
2000
Nous devons faire ça avec le "Linked Data".
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Un dernier type de données, et peut-être le plus excitant.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Pour venir ici, j'ai utilisé OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap est une carte mais aussi un wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Zoomez, ce truc carré est un théatre, où nous nous trouvons actuellement,
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
le théatre Terrace. Il n'y avait pas de nom dessus.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Alors je suis allé dans le mode édition, j'ai sélectionné le théatre,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
j'ai pu rajouter en bas le nom, puis sauvegarder,
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
et maintenant si vous allez sur openstreetmap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
retrouvez cet endroit, vous verrez que le théatre Terrace a maintenant un nom.
14:36
I did that. Me!
311
858000
2000
J'ai fait ça. Moi !
14:38
I did that to the map. I just did that!
312
860000
2000
J'ai fait ça sur la carte. Je viens de faire ça.
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Et vous savez quoi.
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Street Map n'est constitué que de personnes ayant rajouté leur petite touche.
14:45
and it creates an incredible resource
315
867000
3000
Et cela crée une ressource incroyable
14:48
because everybody else does theirs.
316
870000
3000
car chacun apporte sa ressource.
14:51
And that is what linked data is all about.
317
873000
3000
"Linked Data" c'est exactement ça.
14:54
It's about people doing their bit
318
876000
3000
Ce sont des gens qui produisent peu,
14:57
to produce a little bit, and it all connecting.
319
879000
3000
mais dont le peu est connecté avec tout le reste.
15:00
That's how linked data works.
320
882000
3000
Voilà comment le "Linked Data" fonctionne.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Vous faites votre part, et tout les autres aussi.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Vous n'avez peut-être pas beaucoup de données vous-même,
15:11
but you know to demand it.
323
893000
3000
mais vous pouvez en demander.
15:14
And we've practiced that.
324
896000
2000
On vient de s'y entrainer.
15:16
So, linked data -- it's huge.
325
898000
4000
Voilà. "Linked Data" est énorme.
15:20
I've only told you a very small number of things
326
902000
3000
Je viens de vous en expliquer une petite partie.
15:23
There are data in every aspect of our lives,
327
905000
2000
Il y a des données dans tout les aspects de nos vies,
15:25
every aspect of work and pleasure,
328
907000
3000
dans tout les aspects du travail et des loisirs.
15:28
and it's not just about the number of places where data comes,
329
910000
3000
Et l'important n'est pas uniquement le nombre de sources des données,
15:31
it's about connecting it together.
330
913000
3000
c'est de pouvoir toutes les relier.
15:34
And when you connect data together, you get power
331
916000
3000
Et quand vous connectez les données,
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
vous obtenez une puissance qui n'existe pas avec le web des documents.
15:40
You get this really huge power out of it.
333
922000
4000
Vous en obtenez un pouvoir énorme.
15:44
So, we're at the stage now
334
926000
3000
Nous arrivons à une étape
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
où tous ceux qui pensent que c'est une bonne idée doivent agir.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Et il y a beaucoup de personnes à TED qui font des choses
15:54
even though there's not an immediate return on the investment
337
936000
2000
même s'il n'y a pas un retour immédiat sur investissement,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
car cela payera uniquement lorsque beaucoup de personnes l'auront fait.
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
Ils le feront car c'est le genre de personnes qui font des choses
16:03
which would be good if everybody else did them.
340
945000
3000
qu'ils seraient bon que tout le monde fasse.
16:06
OK, so it's called linked data.
341
948000
2000
Cela s'appelle "Linked Data".
16:08
I want you to make it.
342
950000
2000
Je veux que vous le fassiez,
16:10
I want you to demand it.
343
952000
2000
je veux que vous le demandiez,
16:12
And I think it's an idea worth spreading.
344
954000
2000
et je pense que cette idée mérite d'être partagée.
16:14
Thanks.
345
956000
1000
Merci.
16:15
(Applause)
346
957000
3000
(Applaudissements)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com