ABOUT THE SPEAKER
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact.

Why you should listen

People aren't merely social animals in the usual sense, for we don't just live in groups. We live in networks -- and we have done so ever since we emerged from the African savannah. Via intricately branching paths tracing out cascading family connections, friendship ties, and work relationships, we are interconnected to hundreds or even thousands of specific people, most of whom we do not know. We affect them and they affect us.

Nicholas Christakis' work examines the biological, psychological, sociological, and mathematical rules that govern how we form these social networks, and the rules that govern how they shape our lives. His work shows how phenomena as diverse as obesity, smoking, emotions, ideas, germs, and altruism can spread through our social ties, and how genes can partially underlie our creation of social ties to begin with. His work also sheds light on how we might take advantage of an understanding of social networks to make the world a better place.

At Yale, Christakis is a Professor of Social and Natural Science, and he directs a diverse research group in the field of biosocial science, primarily investigating social networks. His popular undergraduate course "Health of the Public" is available as a podcast. His book, Connected, co-authored with James H. Fowler, appeared in 2009, and has been translated into 20 languages. In 2009, he was named by Time magazine to its annual list of the 100 most influential people in the world, and also, in 2009 and 2010, by Foreign Policy magazine to its list of 100 top global thinkers

More profile about the speaker
Nicholas Christakis | Speaker | TED.com
TED2010

Nicholas Christakis: The hidden influence of social networks

Nicholas Christakis : L'influence cachée des réseaux sociaux

Filmed:
1,674,218 views

Nous sommes tous intégrés dans de vastes réseaux sociaux d'amis, de famille, de collègues, et autres. Nicolas Christakis étudie la façon dont un large éventail de caractéristiques - du bonheur à l'obésité - peut se propager d'une personne à une autre, montrant comment notre emplacement dans le réseau peut avoir un impact sur notre vie d'une manière qu'on ne réalise pas.
- Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio

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

00:16
For me, this storyrécit beginscommence about 15 yearsannées agodepuis,
0
1000
3000
Pour moi, cette histoire a commencé il y a 15 ans,
00:19
when I was a hospicesoins palliatifs doctordocteur at the UniversityUniversité of ChicagoChicago.
1
4000
3000
quand j'étais médecin en soins palliatifs à l'Université de Chicago.
00:22
And I was takingprise carese soucier of people who were dyingen train de mourir and theirleur familiesdes familles
2
7000
3000
Je m'occupais des gens qui mouraient, et de leurs familles,
00:25
in the SouthSud SideCôté of ChicagoChicago.
3
10000
2000
dans la banlieue sud de Chicago.
00:27
And I was observingobserver what happenedarrivé to people and theirleur familiesdes familles
4
12000
3000
Et j'observais ce qui se passait pour ces gens et leurs familles
00:30
over the coursecours of theirleur terminalTerminal Server illnessmaladie.
5
15000
3000
tout au long de leur fin de vie.
00:33
And in my lablaboratoire, I was studyingen train d'étudier the widowerveuf effecteffet,
6
18000
2000
Dans mon labo, j'étudiais l'effet de veuvage,
00:35
whichlequel is a very oldvieux ideaidée in the socialsocial sciencesles sciences,
7
20000
2000
qui est une très ancienne idée pour les sciences sociales,
00:37
going back 150 yearsannées,
8
22000
2000
remontant à 150 ans,
00:39
knownconnu as "dyingen train de mourir of a brokencassé heartcœur."
9
24000
2000
connue sous le nom de "mort par coeur brisé".
00:41
So, when I diemourir, my wife'sfemme riskrisque of deathdécès can doubledouble,
10
26000
3000
Ainsi, quand je mourrai, le risque de décès de ma femme est doublé
00:44
for instanceexemple, in the first yearan.
11
29000
2000
par exemple, pendant la première année.
00:46
And I had gonedisparu to take carese soucier of one particularparticulier patientpatient,
12
31000
3000
Ce qui m'est arrivé, c'est que je m'occupais d'une patiente,
00:49
a womanfemme who was dyingen train de mourir of dementiadémence.
13
34000
2000
une femme qui mourait de démence.
00:51
And in this caseCas, unlikecontrairement à this couplecouple,
14
36000
2000
Et dans ce cas, contrairement à ce couple,
00:53
she was beingétant caredsoigné for
15
38000
2000
c'est sa fille
00:55
by her daughterfille.
16
40000
2000
qui prenait soin d'elle.
00:57
And the daughterfille was exhaustedépuisé from caringsoins for her mothermère.
17
42000
3000
Et la fille était épuisée par les soins qu'elle apportait à sa mère.
01:00
And the daughter'sfille husbandmari,
18
45000
2000
Et le mari de la fille,
01:02
he alsoaussi was sickmalade
19
47000
3000
lui aussi était malade,
01:05
from his wife'sfemme exhaustionépuisement.
20
50000
2000
à cause de l'épuisement de sa femme.
01:07
And I was drivingau volant home one day,
21
52000
2000
Comme je rentrais chez moi, un jour,
01:09
and I get a phonetéléphone call from the husband'sle mari friendami,
22
54000
3000
je reçois un coup de fil d'un ami du mari,
01:12
callingappel me because he was depresseddéprimé
23
57000
2000
qui m'appelait parce qu'il était déprimé
01:14
about what was happeningévénement to his friendami.
24
59000
2000
par ce qui arrivait à son ami.
01:16
So here I get this call from this randomau hasard guy
25
61000
2000
J'ai donc cet appel de ce type inconnu
01:18
that's havingayant an experienceexpérience
26
63000
2000
qui est en train de vivre une expérience,
01:20
that's beingétant influencedinfluencé by people
27
65000
2000
qui est influencée par des gens
01:22
at some socialsocial distancedistance.
28
67000
2000
à une certaine distance sociale.
01:24
And so I suddenlysoudainement realizedréalisé two very simplesimple things:
29
69000
3000
Alors, j'ai soudain réalisé deux choses très simples.
01:27
First, the widowhoodveuvage effecteffet
30
72000
2000
Premièrement, que l'effet de veuvage
01:29
was not restrictedlimité to husbandsMaris and wivesépouses.
31
74000
3000
ne se limitait pas aux maris et aux femmes.
01:32
And secondseconde, it was not restrictedlimité to pairspaires of people.
32
77000
3000
Et deuxièmement, qu'il ne se limitait pas à des paires de gens.
01:35
And I startedcommencé to see the worldmonde
33
80000
2000
Et j'ai commencé à voir le monde
01:37
in a wholeentier newNouveau way,
34
82000
2000
d'une toute nouvelle façon,
01:39
like pairspaires of people connectedconnecté to eachchaque other.
35
84000
3000
comme des paires de personnes connectées les unes aux autres.
01:42
And then I realizedréalisé that these individualspersonnes
36
87000
2000
Et puis j'ai réalisé que ces individus
01:44
would be connectedconnecté into foursomesfoursomes with other pairspaires of people nearbyproche.
37
89000
3000
devraient être connectés en quartets avec d'autres paires de gens.
01:47
And then, in factfait, these people
38
92000
2000
Et puis qu'en fait, ces personnes
01:49
were embeddedintégré in other sortssortes of relationshipsdes relations:
39
94000
2000
intégraient d'autres types de relations,
01:51
marriagemariage and spousalviolence conjugale
40
96000
2000
de mariage et de vie conjugale,
01:53
and friendshipamitié and other sortssortes of tiescravates.
41
98000
2000
et d'amitié, et d'autres sortes de liens.
01:55
And that, in factfait, these connectionsles liaisons were vastvaste
42
100000
3000
Et qu'en fait, ces connexions étaient très nombreuses,
01:58
and that we were all embeddedintégré in this
43
103000
2000
et que nous étions tous intriqués dans ce large
02:00
broadvaste setensemble of connectionsles liaisons with eachchaque other.
44
105000
3000
éventail de connexions les uns avec les autres.
02:03
So I startedcommencé to see the worldmonde in a completelycomplètement newNouveau way
45
108000
3000
Alors j'ai commencé à voir le monde d'une manière complètement nouvelle,
02:06
and I becamedevenu obsessedobsédé with this.
46
111000
2000
et ça a commencé à m'obséder.
02:08
I becamedevenu obsessedobsédé with how it mightpourrait be
47
113000
2000
J'ai été obsédé par la façon dont
02:10
that we're embeddedintégré in these socialsocial networksréseaux,
48
115000
2000
nous nous intégrons dans ces réseaux sociaux,
02:12
and how they affectaffecter our livesvies.
49
117000
2000
et comment ils impactent notre vie.
02:14
So, socialsocial networksréseaux are these intricatecomplexe things of beautybeauté,
50
119000
3000
Ici, les réseaux sociaux sont représentés par ces magnifiques choses entrelacées,
02:17
and they're so elaborateélaborer and so complexcomplexe
51
122000
2000
ils sont si élaborés et complexes,
02:19
and so ubiquitousomniprésent, in factfait,
52
124000
2000
et si omniprésents, en fait,
02:21
that one has to askdemander what purposeobjectif they serveservir.
53
126000
3000
qu'il faut se demander à quoi ils servent.
02:24
Why are we embeddedintégré in socialsocial networksréseaux?
54
129000
2000
Pourquoi sommes-nous intégrés dans ces réseaux sociaux ?
02:26
I mean, how do they formforme? How do they operatefonctionner?
55
131000
2000
Je veux dire, comment se créent-ils ? Comment fonctionnent-ils ?
02:28
And how do they effecteffet us?
56
133000
2000
Et comment nous influencent-ils ?
02:30
So my first topicsujet with respectle respect to this,
57
135000
3000
Et mon premier sujet d'étude, par rapport à tout ça,
02:33
was not deathdécès, but obesityobésité.
58
138000
3000
n'était pas la mort, mais l'obésité.
02:36
It had becomedevenir trendytrendy
59
141000
2000
Et tout d'un coup, c'était devenu à la mode
02:38
to speakparler about the "obesityobésité epidemicépidémie."
60
143000
2000
de parler de l'épidémie d'obésité.
02:40
And, alongle long de with my collaboratorcollaborateur, JamesJames FowlerFowler,
61
145000
3000
Avec james Fowler, mon collaborateur,
02:43
we begana commencé to wondermerveille whetherqu'il s'agisse obesityobésité really was epidemicépidémie
62
148000
3000
nous avons commencé à nous demander si l'obésité était vraiment de nature épidémique,
02:46
and could it spreadpropager from personla personne to personla personne
63
151000
2000
et si elle pourrait se propager d'une personne à l'autre
02:48
like the fourquatre people I discusseddiscuté earlierplus tôt.
64
153000
3000
comme les quatre personnes dont je parlais tout à l'heure.
02:51
So this is a slidefaire glisser of some of our initialinitiale resultsrésultats.
65
156000
3000
Voici une diapo de nos premiers résultats.
02:54
It's 2,200 people in the yearan 2000.
66
159000
3000
Il s'agit de 2 200 personnes, en l'an 2000.
02:57
EveryChaque dotpoint is a personla personne. We make the dotpoint sizeTaille
67
162000
2000
Chaque point représente une personne. La grosseur du point
02:59
proportionalproportionnel to people'sles gens bodycorps sizeTaille;
68
164000
2000
est proportionnelle au poids de la personne.
03:01
so biggerplus gros dotspoints are biggerplus gros people.
69
166000
3000
Donc les plus gros points pour les personnes les plus grosses.
03:04
In additionune addition, if your bodycorps sizeTaille,
70
169000
2000
De plus, si votre poids,
03:06
if your BMIIMC, your bodycorps massMasse indexindice, is aboveau dessus 30 --
71
171000
2000
votre IMC, votre Indice de Masse Graisseuse, est supérieur à 30,
03:08
if you're clinicallysur le plan clinique obeseobèse --
72
173000
2000
si vous êtes obèse au sens clinique,
03:10
we alsoaussi coloredcoloré the dotspoints yellowjaune.
73
175000
2000
le point est également coloré en jaune.
03:12
So, if you look at this imageimage, right away you mightpourrait be ablecapable to see
74
177000
2000
Donc, en regardant l'image, vous voyez bien
03:14
that there are clustersgrappes of obeseobèse and
75
179000
2000
qu'il y a des groupes de personnes obèses et d'autres
03:16
non-obesenon obèses people in the imageimage.
76
181000
2000
de personnes non-obèses sur cette vue.
03:18
But the visualvisuel complexitycomplexité is still very highhaute.
77
183000
3000
Mais la complexité visuelle est encore très élevée.
03:21
It's not obviousévident exactlyexactement what's going on.
78
186000
3000
Ce qui se passe n'est pas vraiment évident.
03:24
In additionune addition, some questionsdes questions are immediatelyimmédiatement raisedélevé:
79
189000
2000
En outre, ça soulève immédiatement certaines questions.
03:26
How much clusteringmise en cluster is there?
80
191000
2000
Quel est ici le degré de regroupement ?
03:28
Is there more clusteringmise en cluster than would be due to chancechance aloneseul?
81
193000
3000
Y-a-t-il plus de regroupement que n'en aurait déterminé le hasard ?
03:31
How biggros are the clustersgrappes? How farloin do they reachatteindre?
82
196000
2000
Quel est la taille des groupes ? Jusqu'où vont-ils ?
03:33
And, mostles plus importantlyimportant,
83
198000
2000
Et, surtout,
03:35
what causescauses the clustersgrappes?
84
200000
2000
qu'est-ce qui provoque ces regroupements ?
03:37
So we did some mathematicsmathématiques to studyétude the sizeTaille of these clustersgrappes.
85
202000
3000
On a donc fait des calculs pour étudier la taille de ces groupes.
03:40
This here showsmontre, on the Y-axisAxe y,
86
205000
2000
Ici, sur l'axe vertical, on voit
03:42
the increaseaugmenter in the probabilityprobabilité that a personla personne is obeseobèse
87
207000
3000
l'augmentation de la probabilité qu'une personne soit obèse,
03:45
givendonné that a socialsocial contactcontact of theirsleur is obeseobèse
88
210000
2000
en fonction qu'un de ses contacts sociaux soit obèse.
03:47
and, on the X-axisAxe des abscisses, the degreesdegrés of separationséparation betweenentre the two people.
89
212000
3000
Et sur l'axe horizontal, le degré de séparation de ces personnes.
03:50
On the farloin left, you see the purpleviolet lineligne.
90
215000
2000
A l'extrême gauche, vous voyez une ligne violette.
03:52
It saysdit that, if your friendscopains are obeseobèse,
91
217000
2000
Elle dit que, si vos amis sont obèses,
03:54
your riskrisque of obesityobésité is 45 percentpour cent higherplus haute.
92
219000
3000
votre risque d'obésité est plus élevé de 45 %.
03:57
And the nextprochain barbar over, the [redrouge] lineligne,
93
222000
2000
Et la barre d'à côté, la ligne orange,
03:59
saysdit if your friend'sami friendscopains are obeseobèse,
94
224000
2000
dit que, si les amis de vos amis sont obèses,
04:01
your riskrisque of obesityobésité is 25 percentpour cent higherplus haute.
95
226000
2000
votre risque d'obésité est plus élevé de 25% supérieur.
04:03
And then the nextprochain lineligne over saysdit
96
228000
2000
Et la ligne suivante dit que
04:05
if your friend'sami friend'sami friendami, someoneQuelqu'un you probablyProbablement don't even know, is obeseobèse,
97
230000
3000
si l'ami de l'ami de votre ami, que vous ne connaissez probablement pas, est obèse,
04:08
your riskrisque of obesityobésité is 10 percentpour cent higherplus haute.
98
233000
3000
votre risque d'obésité est plus élevé de 10%.
04:11
And it's only when you get to your friend'sami friend'sami friend'sami friendscopains
99
236000
3000
Et ce n'est que quand on arrivez aux amis des amis des amis de vos amis,
04:14
that there's no longerplus long a relationshiprelation
100
239000
2000
qu'il n'existe plus de lien de relation
04:16
betweenentre that person'spersonne bodycorps sizeTaille and your ownposséder bodycorps sizeTaille.
101
241000
3000
entre le poids de cette personne et le vôtre.
04:20
Well, what mightpourrait be causingprovoquant this clusteringmise en cluster?
102
245000
3000
Alors, qu'est-ce qui pourrait provoquer ces regroupements ?
04:23
There are at leastmoins threeTrois possibilitiespossibilités:
103
248000
2000
Il y a au moins 3 possibilités.
04:25
One possibilitypossibilité is that, as I gainGain weightpoids,
104
250000
2000
Primo, la possibilité que le fait que je prenne du poids
04:27
it causescauses you to gainGain weightpoids.
105
252000
2000
vous fasse prendre du poids,
04:29
A kindgentil of inductioninduction, a kindgentil of spreadpropager from personla personne to personla personne.
106
254000
3000
une sorte d'induction, de propagation d'un individu à l'autre.
04:32
AnotherUn autre possibilitypossibilité, very obviousévident, is homophilyhomophilie,
107
257000
2000
Une autre possibilité, évidente, est l'homophilie,
04:34
or, birdsdes oiseaux of a featherplume flocktroupeau togetherensemble;
108
259000
2000
le principe du "qui se ressemble s'assemble".
04:36
here, I formforme my tieattacher to you
109
261000
2000
Ici, je crée un lien entre moi et vous
04:38
because you and I sharepartager a similarsimilaire bodycorps sizeTaille.
110
263000
3000
parce que vous et moi partageons un poids similaire.
04:41
And the last possibilitypossibilité is what is knownconnu as confoundingconfondant,
111
266000
2000
Et la dernière possibilité est ce que qu'on appelle "parasite",
04:43
because it confoundsconfond our abilitycapacité to figurefigure out what's going on.
112
268000
3000
parce qu'elle parasite notre capacité à comprendre ce qu'il se passe.
04:46
And here, the ideaidée is not that my weightpoids gainGain
113
271000
2000
Et ici, l'idée n'est pas que vous preniez du poids
04:48
is causingprovoquant your weightpoids gainGain,
114
273000
2000
parce que j'en prends,
04:50
norni that I preferentiallypréférentiellement formforme a tieattacher with you
115
275000
2000
pas plus que je choisisse de créer un lien avec vous
04:52
because you and I sharepartager the sameMême bodycorps sizeTaille,
116
277000
2000
parce que vous et moi partageons le même poids,
04:54
but ratherplutôt that we sharepartager a commoncommun exposureexposition
117
279000
2000
mais plutôt que nous partagions un paramètre commun,
04:56
to something, like a healthsanté clubclub
118
281000
3000
comme appartenir au même club de gym,
04:59
that makesfait du us bothtous les deux loseperdre weightpoids at the sameMême time.
119
284000
3000
qui nous fasse perdre du poids en même temps.
05:02
When we studiedétudié these dataLes données, we founda trouvé evidencepreuve for all of these things,
120
287000
3000
Et lorsque nous avons étudié ces données, nous avons trouvé des preuves de tout ça,
05:05
includingcomprenant for inductioninduction.
121
290000
2000
y compris de l'induction.
05:07
And we founda trouvé that if your friendami becomesdevient obeseobèse,
122
292000
2000
Et nous avons constaté que, si votre ami devient obèse,
05:09
it increasesaugmente your riskrisque of obesityobésité by about 57 percentpour cent
123
294000
3000
cela augmente votre risque d'obésité d'environ 57 pour cent
05:12
in the sameMême givendonné time periodpériode.
124
297000
2000
dans la même période de temps.
05:14
There can be manybeaucoup mechanismsmécanismes for this effecteffet:
125
299000
3000
Et il peut y avoir de nombreux mécanismes expliquant cet effet.
05:17
One possibilitypossibilité is that your friendscopains say to you something like --
126
302000
2000
Une possibilité est que vos amis vous disent quelque chose comme--
05:19
you know, they adoptadopter a behaviorcomportement that spreadsse propage to you --
127
304000
3000
vous voyez, le genre de comportement qui se répand--
05:22
like, they say, "Let's go have muffinsmuffins and beerBière,"
128
307000
3000
comme "Allons boire des bières et manger des brioches",
05:25
whichlequel is a terribleterrible combinationcombinaison. (LaughterRires)
129
310000
3000
une horrible combinaison,
05:28
But you adoptadopter that combinationcombinaison,
130
313000
2000
mais vous l'adoptez,
05:30
and then you startdébut gaininggagner weightpoids like them.
131
315000
3000
et alors vous prenez du poids comme eux.
05:33
AnotherUn autre more subtlesubtil possibilitypossibilité
132
318000
2000
Une autre possibilité, plus subtile,
05:35
is that they startdébut gaininggagner weightpoids, and it changeschangements your ideasidées
133
320000
3000
est qu'ils prennent du poids, et que cela change votre opinion
05:38
of what an acceptableacceptable bodycorps sizeTaille is.
134
323000
2000
de ce qu'est un poids acceptable.
05:40
Here, what's spreadingdiffusion from personla personne to personla personne
135
325000
2000
Et là, ce qui se propage d'une personne à l'autre,
05:42
is not a behaviorcomportement, but ratherplutôt a normnorme:
136
327000
2000
ce n'est pas un comportement, mais plutôt une norme.
05:44
An ideaidée is spreadingdiffusion.
137
329000
2000
Une idée se propage.
05:46
Now, headlinegros titre writersécrivains
138
331000
2000
Et puis les chroniqueurs
05:48
had a fieldchamp day with our studiesétudes.
139
333000
2000
se sont bien amusés avec notre étude.
05:50
I think the headlinegros titre in The NewNouveau YorkYork TimesFois was,
140
335000
2000
Je crois que le titre dans le New York Times était
05:52
"Are you packingd’emballage it on?
141
337000
2000
"Vous vous empâtez ?
05:54
BlameBlâme your fatgraisse friendscopains." (LaughterRires)
142
339000
3000
La faute à vos amis gros !"
05:57
What was interestingintéressant to us is that the EuropeanEuropéenne headlinegros titre writersécrivains
143
342000
2000
Ce qu'on a trouvé intéressant, c'est que les chroniqueurs européens
05:59
had a differentdifférent take: They said,
144
344000
2000
avaient une attaque différente, ils écrivaient
06:01
"Are your friendscopains gaininggagner weightpoids? PerhapsPeut-être you are to blamefaire des reproches."
145
346000
3000
"Vos amis prennent du poids ? C'est peut-être votre faute."
06:04
(LaughterRires)
146
349000
5000
(Rires)
06:09
And we thought this was a very interestingintéressant commentcommentaire on AmericaL’Amérique,
147
354000
3000
On a trouvé que c'était un commentaire très intéressant sur les USA,
06:12
and a kindgentil of self-servingauto-service,
148
357000
2000
une attitude un peu égoïste,
06:14
"not my responsibilityresponsabilité" kindgentil of phenomenonphénomène.
149
359000
2000
un peu du genre "c'est pas de ma faute".
06:16
Now, I want to be very clearclair: We do not think our work
150
361000
2000
Mais bon, je veux être clair là-dessus, on ne pense pas que notre travail
06:18
should or could justifyjustifier prejudicepréjudice
151
363000
2000
devrait, ou pourrait, justifier le moindre préjugé
06:20
againstcontre people of one or anotherun autre bodycorps sizeTaille at all.
152
365000
3000
envers les gens de tel ou tel poids.
06:24
Our nextprochain questionsdes questions was:
153
369000
2000
Et notre question suivante était :
06:26
Could we actuallyréellement visualizevisualiser this spreadpropager?
154
371000
3000
Pourrait-on visualiser la façon dont cela se répand ?
06:29
Was weightpoids gainGain in one personla personne actuallyréellement spreadingdiffusion
155
374000
2000
La prise de poids chez l'un résultait-elle vraiment
06:31
to weightpoids gainGain in anotherun autre personla personne?
156
376000
2000
en prise de poids chez l'autre ?
06:33
And this was complicatedcompliqué because
157
378000
2000
Et c'était compliqué par le fait que
06:35
we needednécessaire to take into accountCompte the factfait that the networkréseau structurestructure,
158
380000
3000
nous devions prendre en compte l'évolution dans le temps
06:38
the architecturearchitecture of the tiescravates, was changingen changeant acrossà travers time.
159
383000
3000
de la structure du réseau, et de l'architecture des liens.
06:41
In additionune addition, because obesityobésité is not a unicentricrétrospective epidemicépidémie,
160
386000
3000
Et en plus, parce que l'obésité n'est pas une épidémie unicentrique,
06:44
there's not a PatientPatient ZeroZéro of the obesityobésité epidemicépidémie --
161
389000
3000
il n'y a pas de "patient zéro" de l'épidémie d'obésité --
06:47
if we find that guy, there was a spreadpropager of obesityobésité out from him --
162
392000
3000
si on trouve ce gars, l'obésité se propage à partir de lui --
06:50
it's a multicentricmulticentrique epidemicépidémie.
163
395000
2000
C'est une épidémie multicentrique.
06:52
Lots of people are doing things at the sameMême time.
164
397000
2000
Plein de gens font plein de choses au même instant.
06:54
And I'm about to showmontrer you a 30 secondseconde videovidéo animationanimation
165
399000
3000
Je vais vous montrer une animation vidéo de 30 secondes
06:57
that tooka pris me and JamesJames fivecinq yearsannées of our livesvies to do.
166
402000
3000
qui a pris, à James et moi, plusieurs années à réaliser.
07:00
So, again, everychaque dotpoint is a personla personne.
167
405000
2000
Comme tout à l'heure, chaque point représente une personne.
07:02
EveryChaque tieattacher betweenentre them is a relationshiprelation.
168
407000
2000
Chaque lien entre eux est une relation.
07:04
We're going to put this into motionmouvement now,
169
409000
2000
On va l'animer maintenant,
07:06
takingprise dailydu quotidien cutscoupes throughpar the networkréseau for about 30 yearsannées.
170
411000
3000
en visualisant le réseau sur environ 30 ans.
07:09
The dotpoint sizestailles are going to growcroître,
171
414000
2000
La taille des points va augmenter.
07:11
you're going to see a seamer of yellowjaune take over.
172
416000
3000
Vous allez voir un océan de jaune arriver.
07:14
You're going to see people be bornnée and diemourir --
173
419000
2000
Vous allez voir les gens naître et mourir;
07:16
dotspoints will appearapparaître and disappeardisparaître --
174
421000
2000
des points apparaître et disparaitre.
07:18
tiescravates will formforme and breakPause, marriagesles mariages and divorcesdivorces,
175
423000
3000
Des liens se former et se briser. Mariages et divorces,
07:21
friendingsfriendings and defriendingsdefriendings.
176
426000
2000
amitiés et ruptures,
07:23
A lot of complexitycomplexité, a lot is happeningévénement
177
428000
2000
beaucoup de complexité, plein de choses arrivent
07:25
just in this 30-year-an periodpériode
178
430000
2000
juste pendant cette période de 30 ans,
07:27
that includesinclut the obesityobésité epidemicépidémie.
179
432000
2000
qui inclut cette épidémie d'obésité.
07:29
And, by the endfin, you're going to see clustersgrappes
180
434000
2000
Et, à la fin, vous allez visualiser
07:31
of obeseobèse and non-obesenon obèses individualspersonnes
181
436000
2000
les groupes d'obèses et de non obèses
07:33
withindans the networkréseau.
182
438000
2000
dans le réseau.
07:35
Now, when lookedregardé at this,
183
440000
3000
D'avoir vu cela
07:38
it changedmodifié the way I see things,
184
443000
3000
a changé ma façon de voir les choses,
07:41
because this thing, this networkréseau
185
446000
2000
parce que cette chose, ce réseau,
07:43
that's changingen changeant acrossà travers time,
186
448000
2000
qui change dans le temps,
07:45
it has a memoryMémoire, it movesse déplace,
187
450000
3000
possède une mémoire, il se déplace,
07:48
things flowcouler withindans it,
188
453000
2000
il y a des mouvements qui s'y répandent,
07:50
it has a kindgentil of consistencycohérence --
189
455000
2000
il a une sorte de consistance;
07:52
people can diemourir, but it doesn't diemourir;
190
457000
2000
les gens peuvent mourir, mais il ne meurt pas;
07:54
it still persistspersiste --
191
459000
2000
il continue à exister.
07:56
and it has a kindgentil of resiliencerésistance
192
461000
2000
Il possède une sorte de résilience
07:58
that allowspermet it to persistpersistent acrossà travers time.
193
463000
2000
qui lui permet de persister dans le temps.
08:00
And so, I camevenu to see these kindssortes of socialsocial networksréseaux
194
465000
3000
Alors, j'en suis venu à voir ces signaux des réseaux sociaux
08:03
as livingvivant things,
195
468000
2000
comme des êtres vivants,
08:05
as livingvivant things that we could put underen dessous de a kindgentil of microscopemicroscope
196
470000
3000
que l'on pourrait mettre sous une espèce de microscope
08:08
to studyétude and analyzeanalyser and understandcomprendre.
197
473000
3000
pour les étudier, les analyser et les comprendre.
08:11
And we used a varietyvariété of techniquestechniques to do this.
198
476000
2000
Et on peut utiliser de nombreuses techniques pour cela.
08:13
And we startedcommencé exploringexplorant all kindssortes of other phenomenaphénomènes.
199
478000
3000
Et puis nous avons commencé à explorer toutes sortes d'autres phénomènes.
08:16
We lookedregardé at smokingfumeur and drinkingen buvant behaviorcomportement,
200
481000
2000
Alors nous nous sommes penchés sur le tabagisme et la consommation d'alcool,
08:18
and votingvote behaviorcomportement,
201
483000
2000
l'expression des suffrages,
08:20
and divorcedivorce -- whichlequel can spreadpropager --
202
485000
2000
et le divorce, qui peut se répandre,
08:22
and altruismaltruisme.
203
487000
2000
et l'altruisme.
08:24
And, eventuallyfinalement, we becamedevenu interestedintéressé in emotionsémotions.
204
489000
3000
Et, finalement, on s'est intéressé aux émotions.
08:28
Now, when we have emotionsémotions,
205
493000
2000
Quand nous avons des émotions,
08:30
we showmontrer them.
206
495000
2000
Nous les montrons.
08:32
Why do we showmontrer our emotionsémotions?
207
497000
2000
Pourquoi montrons-nous nos émotions?
08:34
I mean, there would be an advantageavantage to experiencingéprouver
208
499000
2000
Je veux dire, il y aurait un avantage à vivre
08:36
our emotionsémotions insideà l'intérieur, you know, angercolère or happinessbonheur.
209
501000
3000
nos émotions à l'intérieur, vous savez, la colère ou le bonheur,
08:39
But we don't just experienceexpérience them, we showmontrer them.
210
504000
2000
mais nous ne faisons pas que les vivre, nous les montrons.
08:41
And not only do we showmontrer them, but othersautres can readlis them.
211
506000
3000
Et non seulement nous les montrons, mais d'autres peuvent les lire.
08:44
And, not only can they readlis them, but they copycopie them.
212
509000
2000
Et, non seulement ils peuvent les lire, mais ils les copient.
08:46
There's emotionalémotif contagioncontagion
213
511000
2000
Il y a une contagion émotionnelle
08:48
that takes placeendroit in humanHumain populationspopulations.
214
513000
3000
parmi les populations humaines.
08:51
And so this functionfonction of emotionsémotions
215
516000
2000
Et ainsi cette fonction des émotions
08:53
suggestssuggère that, in additionune addition to any other purposeobjectif they serveservir,
216
518000
2000
suggère qu'en plus de toute autre fin qu'elles servent,
08:55
they're a kindgentil of primitiveprimitif formforme of communicationla communication.
217
520000
3000
elles sont une sorte de forme primitive de communication.
08:58
And that, in factfait, if we really want to understandcomprendre humanHumain emotionsémotions,
218
523000
3000
Et qu'en fait, si nous voulons vraiment comprendre les émotions humaines,
09:01
we need to think about them in this way.
219
526000
2000
c'est comme ça qu'il faut y penser.
09:03
Now, we're accustomedhabitué to thinkingen pensant about emotionsémotions in this way,
220
528000
3000
Or, nous sommes habitués à penser aux émotions comme à
09:06
in simplesimple, sortTrier of, briefbref periodspériodes of time.
221
531000
3000
de simples, disons, moments dans le temps.
09:09
So, for exampleExemple,
222
534000
2000
Ainsi, par exemple,
09:11
I was givingdonnant this talk recentlyrécemment in NewNouveau YorkYork CityVille,
223
536000
2000
je présentais cet exposé récemment à New York,
09:13
and I said, "You know when you're on the subwaymétro
224
538000
2000
et j'ai dit: «Vous savez, comme quand vous êtes dans le métro,
09:15
and the other personla personne acrossà travers the subwaymétro carvoiture
225
540000
2000
et qu'une autre personne dans le wagon
09:17
smilesdes sourires at you,
226
542000
2000
vous sourit,
09:19
and you just instinctivelyinstinctivement smilesourire back?"
227
544000
2000
et instinctivement vous lui répondez en souriant. "
09:21
And they lookedregardé at me and said, "We don't do that in NewNouveau YorkYork CityVille." (LaughterRires)
228
546000
3000
Là, ils m'ont regardé, et ont répondu : «Nous ne faisons pas cela à New York."
09:24
And I said, "EverywhereDans le monde elseautre in the worldmonde,
229
549000
2000
Et j'ai dit: «Partout ailleurs dans le monde,
09:26
that's normalnormal humanHumain behaviorcomportement."
230
551000
2000
C'est le comportement normal pour les humains."
09:28
And so there's a very instinctiveinstinctif way
231
553000
2000
Il y a donc une façon très instinctive
09:30
in whichlequel we brieflybrièvement transmittransmettre emotionsémotions to eachchaque other.
232
555000
3000
de transmettre rapidement des émotions les uns aux autres.
09:33
And, in factfait, emotionalémotif contagioncontagion can be broaderplus large still.
233
558000
3000
Et, en effet, la contagion émotionnelle peut être encore plus large,
09:36
Like we could have punctuatedponctué expressionsexpressions of angercolère,
234
561000
3000
comme les expressions de colère,
09:39
as in riotsémeutes.
235
564000
2000
par exemple dans les émeutes.
09:41
The questionquestion that we wanted to askdemander was:
236
566000
2000
La question que nous voulions poser est :
09:43
Could emotionémotion spreadpropager,
237
568000
2000
Une émotion pourrait-elle se propager,
09:45
in a more sustainedsoutenu way than riotsémeutes, acrossà travers time
238
570000
3000
de façon plus durable dans le temps que pour les émeutes,
09:48
and involveimpliquer largegrand numbersNombres of people,
239
573000
2000
et impliquer un grand nombre de personnes,
09:50
not just this pairpaire of individualspersonnes smilingsouriant at eachchaque other in the subwaymétro carvoiture?
240
575000
3000
plus que cette paire d'individus se souriant dans le métro ?
09:53
Maybe there's a kindgentil of belowau dessous de the surfacesurface, quietsilencieux riotémeute
241
578000
3000
Peut-être y-a-t-il une sorte d'émeute tranquille sous-jacente
09:56
that animatesanime us all the time.
242
581000
2000
qui nous anime en permanence.
09:58
Maybe there are emotionalémotif stampedesbousculades
243
583000
2000
Peut-être y-a-t-il des bousculades émotionnelles
10:00
that rippleRipple throughpar socialsocial networksréseaux.
244
585000
2000
qui se propagent par le biais des réseaux sociaux.
10:02
Maybe, in factfait, emotionsémotions have a collectivecollectif existenceexistence,
245
587000
3000
Peut-être, finalement, les émotions ont-elles une existence collective,
10:05
not just an individualindividuel existenceexistence.
246
590000
2000
pas seulement une existence individuelle.
10:07
And this is one of the first imagesimages we madefabriqué to studyétude this phenomenonphénomène.
247
592000
3000
Et voici l'une des premières images que nous avons faites pour étudier ce phénomène.
10:10
Again, a socialsocial networkréseau,
248
595000
2000
Encore une fois, un réseau social,
10:12
but now we colorCouleur the people yellowjaune if they're happycontent
249
597000
3000
mais maintenant, nous colorons les gens en jaune s'ils sont heureux,
10:15
and bluebleu if they're sadtriste and greenvert in betweenentre.
250
600000
3000
en bleu s'ils sont tristes et en vert entre les deux.
10:18
And if you look at this imageimage, you can right away see
251
603000
2000
Et si vous regardez cette image, vous voyez immédiatement
10:20
clustersgrappes of happycontent and unhappymalheureux people,
252
605000
2000
des groupes de gens heureux et de gens malheureux,
10:22
again, spreadingdiffusion to threeTrois degreesdegrés of separationséparation.
253
607000
2000
s'étendant, ici encore, à trois degrés de séparation.
10:24
And you mightpourrait formforme the intuitionintuition
254
609000
2000
Et vous avez peut-être l'intuition
10:26
that the unhappymalheureux people
255
611000
2000
que les gens malheureux
10:28
occupyoccuper a differentdifférent structuralde construction locationemplacement withindans the networkréseau.
256
613000
3000
occupent un emplacement structurel différent au sein du réseau.
10:31
There's a middlemilieu and an edgebord to this networkréseau,
257
616000
2000
Ce réseau possède donc un milieu et un bord,
10:33
and the unhappymalheureux people seemsembler to be
258
618000
2000
et les malheureux semblent être
10:35
locatedsitué at the edgesbords.
259
620000
2000
situés sur les bords.
10:37
So to invokeinvoquer anotherun autre metaphormétaphore,
260
622000
2000
Donc, en invoquant une autre métaphore,
10:39
if you imagineimaginer socialsocial networksréseaux as a kindgentil of
261
624000
2000
si vous imaginez les réseaux sociaux comme une sorte de
10:41
vastvaste fabricen tissu of humanityhumanité --
262
626000
2000
vaste tissu de l'humanité -
10:43
I'm connectedconnecté to you and you to her, on out endlesslysans cesse into the distancedistance --
263
628000
3000
Je suis connecté à vous et vous à un autre, à l'infini -
10:46
this fabricen tissu is actuallyréellement like
264
631000
2000
ce tissu est fait comme
10:48
an old-fashionedancienne AmericanAméricain quiltcourtepointe,
265
633000
2000
une couverture traditionnelle américaine en patchwork,
10:50
and it has patchescorrectifs on it: happycontent and unhappymalheureux patchescorrectifs.
266
635000
3000
fait de différentes pièces, des pièces heureuses et des pièces malheureuses.
10:53
And whetherqu'il s'agisse you becomedevenir happycontent or not
267
638000
2000
Et que vous soyez heureux ou pas
10:55
dependsdépend in partpartie on whetherqu'il s'agisse you occupyoccuper a happycontent patchpièce.
268
640000
3000
dépend en partie du fait que vous occupiez une "pièce heureuse".
10:58
(LaughterRires)
269
643000
2000
(Rires)
11:00
So, this work with emotionsémotions,
270
645000
3000
Ainsi, ce travail avec les émotions,
11:03
whichlequel are so fundamentalfondamental,
271
648000
2000
qui sont fondamentales,
11:05
then got us to thinkingen pensant about: Maybe
272
650000
2000
nous a ensuite amenés à penser que, peut-être,
11:07
the fundamentalfondamental causescauses of humanHumain socialsocial networksréseaux
273
652000
2000
les raisons fondamentales des réseaux sociaux humains
11:09
are somehowen quelque sorte encodedcodé in our genesgènes.
274
654000
2000
sont en quelque sorte codées dans nos gènes.
11:11
Because humanHumain socialsocial networksréseaux, whenevern'importe quand they are mappedmappé,
275
656000
3000
Parce que les réseaux sociaux humains, quand ils sont mappés,
11:14
always kindgentil of look like this:
276
659000
2000
ressemblent toujours à ceci,
11:16
the picturephoto of the networkréseau.
277
661000
2000
l'image du réseau,
11:18
But they never look like this.
278
663000
2000
mais ils ne ressemblent jamais à ceci.
11:20
Why do they not look like this?
279
665000
2000
Pourquoi ne ressemblent-ils pas à ça ?
11:22
Why don't we formforme humanHumain socialsocial networksréseaux
280
667000
2000
Pourquoi ne formons-nous pas de réseaux sociaux humains
11:24
that look like a regularordinaire latticetreillis?
281
669000
2000
qui ressemblent à un treillis régulier ?
11:26
Well, the strikingfrappant patternsmodèles of humanHumain socialsocial networksréseaux,
282
671000
3000
Bon, hé bien, les modèles spécifiques des réseau sociaux humains,
11:29
theirleur ubiquityubiquité and theirleur apparentapparent purposeobjectif
283
674000
3000
leur ubiquité, leur finalité apparente,
11:32
begmendier questionsdes questions about whetherqu'il s'agisse we evolvedévolué to have
284
677000
2000
cela pose la question de savoir si, au départ,
11:34
humanHumain socialsocial networksréseaux in the first placeendroit,
285
679000
2000
nous avons évolué pour avoir ces réseaux sociaux,
11:36
and whetherqu'il s'agisse we evolvedévolué to formforme networksréseaux
286
681000
2000
et si nous avons évolué pour former des réseaux
11:38
with a particularparticulier structurestructure.
287
683000
2000
avec une structure particulière.
11:40
And noticeremarquer first of all -- so, to understandcomprendre this, thoughbien que,
288
685000
2000
Et remarquez tout d'abord ... Mais, pour comprendre ça,
11:42
we need to dissectdisséquer networkréseau structurestructure a little bitbit first --
289
687000
3000
il faut d'abord que nous disséquions un peu la struceture du réseau.
11:45
and noticeremarquer that everychaque personla personne in this networkréseau
290
690000
2000
Et remarquez que chaque personne dans ce réseau
11:47
has exactlyexactement the sameMême structuralde construction locationemplacement as everychaque other personla personne.
291
692000
3000
a exactement le même emplacement structurel que n'importe quelle autre.
11:50
But that's not the caseCas with realréal networksréseaux.
292
695000
3000
Mais ce n'est pas comme ça dans les réseaux réels.
11:53
So, for exampleExemple, here is a realréal networkréseau of collegeUniversité studentsélèves
293
698000
2000
Voici par exemple un véritable réseau d'étudiants
11:55
at an eliteélite northeasternnord-est universityUniversité.
294
700000
3000
dans une université d'élite du nord-est.
11:58
And now I'm highlightingmise en évidence a fewpeu dotspoints.
295
703000
2000
Là, je mets en lumière quelques points.
12:00
If you look here at the dotspoints,
296
705000
2000
Et si vous regardez les points ici,
12:02
comparecomparer nodenœud B in the upperplus haut left
297
707000
2000
comparez l'ensemble B, en haut à gauche,
12:04
to nodenœud D in the farloin right;
298
709000
2000
avec l'ensemble D tout en bas.
12:06
B has fourquatre friendscopains comingvenir out from him
299
711000
2000
B a 4 amis qui lui sont rattachés.
12:08
and D has sixsix friendscopains comingvenir out from him.
300
713000
3000
Et D a 6 amis qui lui sont rattachés.
12:11
And so, those two individualspersonnes have differentdifférent numbersNombres of friendscopains.
301
716000
3000
Ces deux individus ont un nombre différent d'amis --
12:14
That's very obviousévident, we all know that.
302
719000
2000
c'est évident, nous le voyons bien--
12:16
But certaincertain other aspectsaspects
303
721000
2000
Mais certains autres aspects
12:18
of socialsocial networkréseau structurestructure are not so obviousévident.
304
723000
2000
de la structure de réseau social ne sont pas si évidents.
12:20
CompareComparer nodenœud B in the upperplus haut left to nodenœud A in the lowerinférieur left.
305
725000
3000
Comparez l'ensemble B en haut à gauche à l'ensemble A en bas à gauche.
12:23
Now, those people bothtous les deux have fourquatre friendscopains,
306
728000
3000
Là, ces deux personnes ont toutes deux quatre amis,
12:26
but A'sA. friendscopains all know eachchaque other,
307
731000
2000
mais les amis de A se connaissent les uns les autres,
12:28
and B'sB friendscopains do not.
308
733000
2000
et pas les amis de B.
12:30
So the friendami of a friendami of A'sA.
309
735000
2000
Ainsi, l'ami d'un ami de A,
12:32
is, back again, a friendami of A'sA.,
310
737000
2000
est de nouveau un ami de A,
12:34
whereastandis que the friendami of a friendami of B'sB is not a friendami of B'sB,
311
739000
2000
alors que l'ami d'un ami de B n'est pas un ami de B,
12:36
but is fartherplus loin away in the networkréseau.
312
741000
2000
il est plus loin dans le réseau.
12:38
This is knownconnu as transitivitytransitivité in networksréseaux.
313
743000
3000
Ceci est connu comme la transitivité dans les réseaux.
12:41
And, finallyenfin, comparecomparer nodesnœuds C and D:
314
746000
2000
Et, enfin, comparez les ensembles C et D.
12:43
C and D bothtous les deux have sixsix friendscopains.
315
748000
3000
C et D ont tous deux 6 amis.
12:46
If you talk to them, and you said, "What is your socialsocial life like?"
316
751000
3000
Si vous leur demandez "Qu'est-ce que votre vie sociale?"
12:49
they would say, "I've got sixsix friendscopains.
317
754000
2000
ils diraient: «J'ai six amis.
12:51
That's my socialsocial experienceexpérience."
318
756000
2000
C'est mon expérience sociale. "
12:53
But now we, with a bird'soiseau eyeœil viewvue looking at this networkréseau,
319
758000
3000
Mais nous, en regardant le réseau de haut,
12:56
can see that they occupyoccuper very differentdifférent socialsocial worldsmondes.
320
761000
3000
nous pouvons voir qu'ils occupent des mondes sociaux totalement différents,
12:59
And I can cultivatecultiver that intuitionintuition in you by just askingdemandant you:
321
764000
2000
et je peux attiser cette intuition en vous demandant :
13:01
Who would you ratherplutôt be
322
766000
2000
Qui préféreriez-vous être,
13:03
if a deadlymortel germgerme was spreadingdiffusion throughpar the networkréseau?
323
768000
2000
si un virus mortel se propageait dans le réseau ?
13:05
Would you ratherplutôt be C or D?
324
770000
3000
Préfériez-vous être C ou D ?
13:08
You'dVous le feriez ratherplutôt be D, on the edgebord of the networkréseau.
325
773000
2000
Vous préfèreriez être D, sur la périphérie du réseau.
13:10
And now who would you ratherplutôt be
326
775000
2000
Et maintenant, qui préféreriez-vous être
13:12
if a juicyjuteuse piecepièce of gossippotins -- not about you --
327
777000
3000
si un potin croustillant, pas à votre sujet,
13:15
was spreadingdiffusion throughpar the networkréseau? (LaughterRires)
328
780000
2000
se répandait à travers le réseau ?
13:17
Now, you would ratherplutôt be C.
329
782000
2000
Maintenant, vous préfèreriez plutôt être C.
13:19
So differentdifférent structuralde construction locationsEmplacements
330
784000
2000
Des emplacements structurels différents
13:21
have differentdifférent implicationsimplications for your life.
331
786000
2000
auront donc des implications différentes dans votre vie.
13:23
And, in factfait, when we did some experimentsexpériences looking at this,
332
788000
3000
En fait, quand nous avons fait quelques expériences là-dessus,
13:26
what we founda trouvé is that 46 percentpour cent of the variationvariation
333
791000
3000
nous avons découvert que 46 % de la variation
13:29
in how manybeaucoup friendscopains you have
334
794000
2000
dans le nombre d'amis que vous avez
13:31
is explainedexpliqué by your genesgènes.
335
796000
2000
s'explique par vos gènes.
13:33
And this is not surprisingsurprenant. We know that some people are bornnée shytimide
336
798000
3000
Et ce n'est pas surprenant. Nous le savons, certaines personnes sont nées timides,
13:36
and some are bornnée gregariousgrégaire. That's obviousévident.
337
801000
3000
et certaines sont nés grégaires. C'est une évidence.
13:39
But we alsoaussi founda trouvé some non-obviousnon évidentes things.
338
804000
2000
Mais nous avons aussi trouvé des choses moins évidentes.
13:41
For instanceexemple, 47 percentpour cent in the variationvariation
339
806000
3000
Par exemple, 47% de la variation
13:44
in whetherqu'il s'agisse your friendscopains know eachchaque other
340
809000
2000
du fait que vos amis se connaissent entre eux ou pas
13:46
is attributableattribuable to your genesgènes.
341
811000
2000
est attribuable à vos gènes.
13:48
WhetherQue ce soit your friendscopains know eachchaque other
342
813000
2000
Que vos amis se connaissent n'a simplement
13:50
has not just to do with theirleur genesgènes, but with yoursle tiens.
343
815000
3000
rien à voir avec leurs gènes, mais avec les vôtres.
13:53
And we think the reasonraison for this is that some people
344
818000
2000
Et nous pensons que la raison en est que certaines personnes
13:55
like to introduceprésenter theirleur friendscopains to eachchaque other -- you know who you are --
345
820000
3000
aiment présenter leurs amis les uns aux autres -- vous vous reconnaitrez --
13:58
and othersautres of you keep them apartune part and don't introduceprésenter your friendscopains to eachchaque other.
346
823000
3000
et d'autres préfèrent les garder à l'écart et ne pas les présenter les uns aux autres.
14:01
And so some people knittricoter togetherensemble the networksréseaux around them,
347
826000
3000
Certaines personnes tissent les différents réseaux autour d'elles,
14:04
creatingcréer a kindgentil of densedense webweb of tiescravates
348
829000
2000
créant ainsi une sorte de toile dense de liens,
14:06
in whichlequel they're comfortablyconfortablement embeddedintégré.
349
831000
2000
dans laquelle ils sont confortablement intégrés.
14:08
And finallyenfin, we even founda trouvé that
350
833000
2000
Et enfin, nous avons même constaté que
14:10
30 percentpour cent of the variationvariation
351
835000
2000
30% de la variation
14:12
in whetherqu'il s'agisse or not people are in the middlemilieu or on the edgebord of the networkréseau
352
837000
3000
du fait que les gens soient au milieu ou à la périphérie du réseau
14:15
can alsoaussi be attributedattribué to theirleur genesgènes.
353
840000
2000
peut également être attribuée à leurs gènes.
14:17
So whetherqu'il s'agisse you find yourselftoi même in the middlemilieu or on the edgebord
354
842000
2000
Que vous vous retrouviez au milieu ou sur les bords
14:19
is alsoaussi partiallypartiellement heritablehéréditaires.
355
844000
3000
est aussi en partie héréditaire.
14:22
Now, what is the pointpoint of this?
356
847000
3000
Bon, où cela nous mène-t-il ?
14:25
How does this help us understandcomprendre?
357
850000
2000
Comment cela nous aide-t-il à comprendre?
14:27
How does this help us
358
852000
2000
Comment cela nous aide-t-il à
14:29
figurefigure out some of the problemsproblèmes that are affectingaffectant us these daysjournées?
359
854000
3000
comprendre certains des problèmes qui nous touchent de nos jours ?
14:33
Well, the argumentargument I'd like to make is that networksréseaux have valuevaleur.
360
858000
3000
Hé bien, la raison que je voudrais avancer, c'est que les réseaux ont une valeur.
14:36
They are a kindgentil of socialsocial capitalCapitale.
361
861000
3000
Ils sont une sorte de capital social.
14:39
NewNouveau propertiesPropriétés emergeémerger
362
864000
2000
De nouvelles propriétés apparaissent
14:41
because of our embeddednessenchâssement in socialsocial networksréseaux,
363
866000
2000
en raison de notre enracinement dans les réseaux sociaux,
14:43
and these propertiesPropriétés inhereinhérents
364
868000
3000
et ces propriétés ici,
14:46
in the structurestructure of the networksréseaux,
365
871000
2000
dans la structure même des réseaux,
14:48
not just in the individualspersonnes withindans them.
366
873000
2000
pas seulement chez les individus qui en font partie.
14:50
So think about these two commoncommun objectsobjets.
367
875000
2000
Réfléchissez à ces deux objets courants.
14:52
They're bothtous les deux madefabriqué of carboncarbone,
368
877000
2000
Ils sont tous deux constitués de carbone,
14:54
and yetencore one of them has carboncarbone atomsatomes in it
369
879000
3000
et pourtant, les atomes de carbone de l'un
14:57
that are arrangedarrangé in one particularparticulier way -- on the left --
370
882000
3000
sont arrangés d'une certaine manière, à gauche,
15:00
and you get graphitegraphite, whichlequel is softdoux and darkfoncé.
371
885000
3000
et on a du graphite, qui est tendre et foncé.
15:03
But if you take the sameMême carboncarbone atomsatomes
372
888000
2000
Mais si vous prenez les mêmes atomes de carbone
15:05
and interconnectinterconnecter them a differentdifférent way,
373
890000
2000
et que vous les interconnectez d'une façon différente,
15:07
you get diamonddiamant, whichlequel is clearclair and harddifficile.
374
892000
3000
vous aurez un diamant, qui est dur et clair.
15:10
And those propertiesPropriétés of softnessdouceur and hardnessdureté and darknessobscurité and clearnessclarté
375
895000
3000
Et ces propriétés de douceur et de dureté, d'obscurité et de clarté,
15:13
do not residerésident in the carboncarbone atomsatomes;
376
898000
2000
ne résident pas dans les atomes de carbone.
15:15
they residerésident in the interconnectionsinterconnexions betweenentre the carboncarbone atomsatomes,
377
900000
3000
Elles résident dans les interconnexions entre les atomes de carbone,
15:18
or at leastmoins arisesurvenir because of the
378
903000
2000
ou, du moins, naissent en raison des
15:20
interconnectionsinterconnexions betweenentre the carboncarbone atomsatomes.
379
905000
2000
interconnexions entre les atomes de carbone.
15:22
So, similarlyDe même, the patternmodèle of connectionsles liaisons amongparmi people
380
907000
3000
De la même manière, la configuration des liens entre les gens
15:25
confersconfère uponsur the groupsgroupes of people
381
910000
3000
confère aux groupes de personnes
15:28
differentdifférent propertiesPropriétés.
382
913000
2000
des propriétés différentes.
15:30
It is the tiescravates betweenentre people
383
915000
2000
Ce sont les liens entre les personnes
15:32
that makesfait du the wholeentier greaterplus grand than the sumsomme of its partsles pièces.
384
917000
3000
qui rendent le tout plus grand que la somme de ses parties.
15:35
And so it is not just what's happeningévénement to these people --
385
920000
3000
Et ce n'est pas seulement ce qui arrive à ces gens,
15:38
whetherqu'il s'agisse they're losingperdant weightpoids or gaininggagner weightpoids, or becomingdevenir richriches or becomingdevenir poorpauvre,
386
923000
3000
qu'ils perdent du poids ou qu'ils en prennent, qu'ils deviennent riches ou pauvres,
15:41
or becomingdevenir happycontent or not becomingdevenir happycontent -- that affectsaffecte us;
387
926000
3000
qu'ils soient heureux ou non, qui a des conséquences sur nous.
15:44
it's alsoaussi the actualréel architecturearchitecture
388
929000
2000
C'est également l'architecture même
15:46
of the tiescravates around us.
389
931000
2000
des liens autour de nous.
15:48
Our experienceexpérience of the worldmonde
390
933000
2000
Notre expérience du monde
15:50
dependsdépend on the actualréel structurestructure
391
935000
2000
dépend de la structure même
15:52
of the networksréseaux in whichlequel we're residingrésidant
392
937000
2000
des réseaux dont nous faisons partie,
15:54
and on all the kindssortes of things that rippleRipple and flowcouler
393
939000
3000
et du genre de choses qui circulent et se propagent
15:57
throughpar the networkréseau.
394
942000
2000
à travers ces réseaux.
16:00
Now, the reasonraison, I think, that this is the caseCas
395
945000
3000
Je crois que la raison pour laquelle c'est le cas,
16:03
is that humanHumain beingsêtres assembleassembler themselvesse
396
948000
2000
c'est que les êtres humains s'assemblent d'eux-mêmes
16:05
and formforme a kindgentil of superorganismsuperorganisme.
397
950000
3000
pour former une sorte de super-organisme.
16:09
Now, a superorganismsuperorganisme is a collectioncollection of individualspersonnes
398
954000
3000
Un super-organisme est une sorte d'ensemble d'individus
16:12
whichlequel showmontrer or evinceEvince behaviorscomportements or phenomenaphénomènes
399
957000
3000
qui adoptent ou évitent des comportements ou des phénomènes,
16:15
that are not reducibleréductible to the studyétude of individualspersonnes
400
960000
3000
qui n'est sont pas réductible à l'étude des individus
16:18
and that mustdoit be understoodcompris by referenceréférence to,
401
963000
2000
et doit être interprété par référence au collectif,
16:20
and by studyingen train d'étudier, the collectivecollectif.
402
965000
2000
et en l'étudiant,
16:22
Like, for exampleExemple, a hiveruche of beesabeilles
403
967000
3000
comme, par exemple, une ruche d'abeilles
16:25
that's findingdécouverte a newNouveau nestingla nidification sitesite,
404
970000
3000
qui trouve un nouveau site de nidification,
16:28
or a flocktroupeau of birdsdes oiseaux that's evadingse soustraire a predatorPredator,
405
973000
2000
ou une volée d'oiseaux se soustrayant à un prédateur,
16:30
or a flocktroupeau of birdsdes oiseaux that's ablecapable to poolpiscine its wisdomsagesse
406
975000
3000
ou un vol d'oiseaux capables de mettre en commun leur sagesse
16:33
and navigatenaviguer and find a tinyminuscule speckSpeck
407
978000
2000
pour naviguer et de trouver un point minuscule,
16:35
of an islandîle in the middlemilieu of the PacificDu Pacifique,
408
980000
2000
une île au milieu du Pacifique,
16:37
or a packpack of wolvesloups that's ablecapable
409
982000
2000
ou encore une meute de loups capable
16:39
to bringapporter down largerplus grand preyproie.
410
984000
3000
d'abattre de grosses proies.
16:42
SuperorganismsSuperorganisms have propertiesPropriétés
411
987000
2000
Les super-organismes ont des propriétés
16:44
that cannotne peux pas be understoodcompris just by studyingen train d'étudier the individualspersonnes.
412
989000
3000
qui ne peuvent pas être comprises seulement en étudiant les individus.
16:47
I think understandingcompréhension socialsocial networksréseaux
413
992000
2000
Je pense que la compréhension des réseaux sociaux,
16:49
and how they formforme and operatefonctionner
414
994000
2000
comment ils se forment et fonctionnent,
16:51
can help us understandcomprendre not just healthsanté and emotionsémotions
415
996000
3000
peut nous aider à comprendre, non seulement la santé et les émotions,
16:54
but all kindssortes of other phenomenaphénomènes --
416
999000
2000
mais toutes sortes de phénomènes
16:56
like crimela criminalité, and warfareguerre,
417
1001000
2000
comme la criminalité et la guerre
16:58
and economicéconomique phenomenaphénomènes like bankbanque runsfonctionne
418
1003000
2000
et les phénomènes économiques comme les faillites bancaires,
17:00
and marketmarché crashesdes accidents
419
1005000
2000
les écroulements du marché
17:02
and the adoptionadoption of innovationinnovation
420
1007000
2000
et l'adoption de l'innovation
17:04
and the spreadpropager of productproduit adoptionadoption.
421
1009000
2000
et la propagation de l'adoption des produits.
17:06
Now, look at this.
422
1011000
2000
Maintenant, regardez ceci.
17:09
I think we formforme socialsocial networksréseaux
423
1014000
2000
Je crois que nous formons des réseaux sociaux
17:11
because the benefitsavantages of a connectedconnecté life
424
1016000
2000
parce que les avantages d'une vie connectée
17:13
outweighemporter sur the costsfrais.
425
1018000
3000
l'emportent sur les coûts.
17:16
If I was always violentviolent towardsvers you
426
1021000
2000
Si j'étais toujours violent envers vous,
17:18
or gavea donné you misinformationdésinformation
427
1023000
2000
ou si je vous induisais en erreur,
17:20
or madefabriqué you sadtriste or infectedinfecté you with deadlymortel germsgermes,
428
1025000
3000
si je vous rendais triste, ou si je vous infectais avec des germes mortels,
17:23
you would cutCouper the tiescravates to me,
429
1028000
2000
vous couperiez les liens avec moi,
17:25
and the networkréseau would disintegratese désintégrer.
430
1030000
2000
et le réseau se désintégrerait.
17:27
So the spreadpropager of good and valuablede valeur things
431
1032000
3000
Propager des choses positives et de valeur
17:30
is requiredChamps obligatoires to sustainsoutenir and nourishnourrir socialsocial networksréseaux.
432
1035000
3000
est nécessaire pour soutenir et nourrir les réseaux sociaux.
17:34
SimilarlyDe la même façon, socialsocial networksréseaux are requiredChamps obligatoires
433
1039000
2000
De même, les réseaux sociaux sont nécessaires
17:36
for the spreadpropager of good and valuablede valeur things,
434
1041000
3000
pour la diffusion de choses bonnes et précieuses,
17:39
like love and kindnessbonté
435
1044000
2000
comme l'amour et la bonté,
17:41
and happinessbonheur and altruismaltruisme
436
1046000
2000
le bonheur et l'altruisme,
17:43
and ideasidées.
437
1048000
2000
et les idées.
17:45
I think, in factfait, that if we realizedréalisé
438
1050000
2000
Je pense, en effet, que si nous réalisions
17:47
how valuablede valeur socialsocial networksréseaux are,
439
1052000
2000
à quel point les réseaux sociaux sont précieux,
17:49
we'dmer spenddépenser a lot more time nourishingnourrissant them and sustainingsoutenir them,
440
1054000
3000
on passerait beaucoup plus de temps à les nourrir et les maintenir,
17:52
because I think socialsocial networksréseaux
441
1057000
2000
car je pense que les réseaux sociaux
17:54
are fundamentallyfondamentalement relateden relation to goodnessla bonté.
442
1059000
3000
sont fondamentalement liées à la bonté,
17:57
And what I think the worldmonde needsBesoins now
443
1062000
2000
et ce que je pense, c'est que ce dont le monde a besoin aujourd'hui,
17:59
is more connectionsles liaisons.
444
1064000
2000
c'est de plus de connections.
18:01
Thank you.
445
1066000
2000
Merci.
18:03
(ApplauseApplaudissements)
446
1068000
3000
(Applaudissements)
Translated by Pascal Delamaire
Reviewed by Salome Jack

▲Back to top

ABOUT THE SPEAKER
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact.

Why you should listen

People aren't merely social animals in the usual sense, for we don't just live in groups. We live in networks -- and we have done so ever since we emerged from the African savannah. Via intricately branching paths tracing out cascading family connections, friendship ties, and work relationships, we are interconnected to hundreds or even thousands of specific people, most of whom we do not know. We affect them and they affect us.

Nicholas Christakis' work examines the biological, psychological, sociological, and mathematical rules that govern how we form these social networks, and the rules that govern how they shape our lives. His work shows how phenomena as diverse as obesity, smoking, emotions, ideas, germs, and altruism can spread through our social ties, and how genes can partially underlie our creation of social ties to begin with. His work also sheds light on how we might take advantage of an understanding of social networks to make the world a better place.

At Yale, Christakis is a Professor of Social and Natural Science, and he directs a diverse research group in the field of biosocial science, primarily investigating social networks. His popular undergraduate course "Health of the Public" is available as a podcast. His book, Connected, co-authored with James H. Fowler, appeared in 2009, and has been translated into 20 languages. In 2009, he was named by Time magazine to its annual list of the 100 most influential people in the world, and also, in 2009 and 2010, by Foreign Policy magazine to its list of 100 top global thinkers

More profile about the speaker
Nicholas Christakis | Speaker | TED.com