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
TED@Cannes

Nicholas Christakis: How social networks predict epidemics

Nicholas Christakis : Comment les réseaux sociaux peuvent prédire les épidémies

Filmed:
669,862 views

Après avoir mis en perspective les différents réseaux sociaux compliqués de l'homme, Nicholas Christakis et son collègue James Fowler ont commencé à regarder comment cette information pouvait améliorer nos vies. Il révèle ici ses récentes conclusions : ces réseaux peuvent être utilisés pour détecter des épidémies de manière plus précoce que jamais, depuis la diffusion d'idées innovantes aux comportements à risque en passant par les virus (comme le H1N1).
- 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.

00:15
For the last 10 yearsannées, I've been spendingdépenses my time tryingen essayant to figurefigure out
0
0
3000
Pendant les 10 dernières années, j'ai passé mon temps à essayer de comprendre
00:18
how and why humanHumain beingsêtres
1
3000
2000
comment et pourquoi les êtres humains
00:20
assembleassembler themselvesse into socialsocial networksréseaux.
2
5000
3000
se rassemblent dans des réseaux sociaux.
00:23
And the kindgentil of socialsocial networkréseau I'm talkingparlant about
3
8000
2000
Et le type de réseau social dont je parle
00:25
is not the recentrécent onlineen ligne varietyvariété,
4
10000
2000
n'est pas la nouvelle variété en ligne,
00:27
but ratherplutôt, the kindgentil of socialsocial networksréseaux
5
12000
2000
mais plutôt, le genre de réseaux sociaux
00:29
that humanHumain beingsêtres have been assemblingassembler for hundredsdes centaines of thousandsmilliers of yearsannées,
6
14000
3000
que les êtres humains ont construit depuis des centaines de milliers d'années,
00:32
ever sincedepuis we emergedémergé from the AfricanAfricain savannahsavane.
7
17000
3000
depuis que nous avons émergé [de] la savane africaine.
00:35
So, I formforme friendshipsamitiés and co-workercollègue de travail
8
20000
2000
Donc, je construis un réseau d’amis, de collègues,
00:37
and siblingfrère and relativerelatif relationshipsdes relations with other people
9
22000
3000
fraternel et familial avec d'autres personnes
00:40
who in turntour have similarsimilaire relationshipsdes relations with other people.
10
25000
2000
qui à leur tour ont des relations similaires avec d'autres personnes.
00:42
And this spreadsse propage on out endlesslysans cesse into a distancedistance.
11
27000
3000
Et cela s'étend à l'infini avec la distance.
00:45
And you get a networkréseau that looksregards like this.
12
30000
2000
Et vous obtenez un réseau qui ressemble à ceci.
00:47
EveryChaque dotpoint is a personla personne.
13
32000
2000
Chaque point est une personne.
00:49
EveryChaque lineligne betweenentre them is a relationshiprelation betweenentre two people --
14
34000
2000
Chaque ligne entre elles est une relation entre deux personnes --
00:51
differentdifférent kindssortes of relationshipsdes relations.
15
36000
2000
différents types de relations.
00:53
And you can get this kindgentil of vastvaste fabricen tissu of humanityhumanité,
16
38000
3000
Et vous pouvez obtenir ce genre de vaste tissu de l'humanité,
00:56
in whichlequel we're all embeddedintégré.
17
41000
2000
dans lequel nous sommes tous intégrés.
00:58
And my colleaguecollègue, JamesJames FowlerFowler and I have been studyingen train d'étudier for quiteassez sometimeparfois
18
43000
3000
Et mon collègue, James Fowler, et moi avons étudié pendant quelques temps
01:01
what are the mathematicalmathématique, socialsocial,
19
46000
2000
quelles sont les règles mathématiques, sociales,
01:03
biologicalbiologique and psychologicalpsychologique rulesrègles
20
48000
3000
biologiques et psychologiques
01:06
that governgouverne how these networksréseaux are assembledassemblé
21
51000
2000
qui régissent la façon dont ces réseaux sont assemblés
01:08
and what are the similarsimilaire rulesrègles
22
53000
2000
et quelles sont les règles similaires
01:10
that governgouverne how they operatefonctionner, how they affectaffecter our livesvies.
23
55000
3000
qui régissent la façon dont ils fonctionnent, dont ils affectent nos vies.
01:13
But recentlyrécemment, we'venous avons been wonderingme demandant
24
58000
2000
Et récemment, nous nous sommes demandés
01:15
whetherqu'il s'agisse it mightpourrait be possiblepossible to take advantageavantage of this insightperspicacité,
25
60000
3000
s'il ne serait pas possible de tirer parti de cette idée,
01:18
to actuallyréellement find waysfaçons to improveaméliorer the worldmonde,
26
63000
2000
pour effectivement trouver des moyens d’améliorer le monde,
01:20
to do something better,
27
65000
2000
de faire quelque chose de mieux,
01:22
to actuallyréellement fixréparer things, not just understandcomprendre things.
28
67000
3000
pour en réalité réparer les choses, pas seulement les comprendre.
01:25
So one of the first things we thought we would tackletacle
29
70000
3000
Ainsi, l'une des premières choses que nous pensions aborder
01:28
would be how we go about predictingprédire epidemicsépidémies.
30
73000
3000
serait de savoir comment nous pouvions prévoir des épidémies.
01:31
And the currentactuel stateEtat of the artart in predictingprédire an epidemicépidémie --
31
76000
2000
Et l'état de la situation concernant la prédiction d’une épidémie --
01:33
if you're the CDCCDC or some other nationalnationale bodycorps --
32
78000
3000
si vous êtes le CDC ou un autre organisme national --
01:36
is to sitasseoir in the middlemilieu where you are
33
81000
2000
est de rester dans le milieu où vous vous trouvez
01:38
and collectcollecte dataLes données
34
83000
2000
et recueillir des données
01:40
from physiciansmédecins and laboratorieslaboratoires in the fieldchamp
35
85000
2000
des médecins et des laboratoires sur le terrain
01:42
that reportrapport the prevalenceprévalence or the incidenceincidence of certaincertain conditionsconditions.
36
87000
3000
qui rapportent la prévalence ou l'incidence de certaines conditions.
01:45
So, so and so patientsles patients have been diagnosedun diagnostic with something,
37
90000
3000
Ainsi, tel et tel patients ont été diagnostiqués avec quelque chose [ici],
01:48
or other patientsles patients have been diagnosedun diagnostic,
38
93000
2000
ou d'autres patients ont été diagnostiqués [là-bas],
01:50
and all these dataLes données are fednourris into a centralcentral repositorydépôt, with some delayretard.
39
95000
3000
et toutes ces données sont enregistrées dans un référentiel central, avec un certain retard.
01:53
And if everything goesva smoothlydoucement,
40
98000
2000
Et si tout se passe bien,
01:55
one to two weekssemaines from now
41
100000
2000
dans une à deux semaines à partir de maintenant,
01:57
you'lltu vas know where the epidemicépidémie was todayaujourd'hui.
42
102000
3000
vous saurez où était l'épidémie aujourd'hui.
02:00
And actuallyréellement, about a yearan or so agodepuis,
43
105000
2000
Et en fait, environ un an auparavant,
02:02
there was this promulgationpromulgation
44
107000
2000
il y avait cette promulgation
02:04
of the ideaidée of GoogleGoogle FluGrippe TrendsTendances, with respectle respect to the flugrippe,
45
109000
3000
de l'idée de Google Flu Trends, à l'égard de la grippe,
02:07
where by looking at people'sles gens searchingrecherche behaviorcomportement todayaujourd'hui,
46
112000
3000
où, en regardant le comportement de recherche des gens aujourd'hui,
02:10
we could know where the flugrippe --
47
115000
2000
on pourrait savoir où la grippe ...
02:12
what the statusstatut of the epidemicépidémie was todayaujourd'hui,
48
117000
2000
quel est le statut de l'épidémie aujourd'hui,
02:14
what's the prevalenceprévalence of the epidemicépidémie todayaujourd'hui.
49
119000
3000
quelle est la prévalence de l'épidémie en ce moment.
02:17
But what I'd like to showmontrer you todayaujourd'hui
50
122000
2000
Mais ce que je voudrais vous montrer aujourd'hui
02:19
is a meansveux dire by whichlequel we mightpourrait get
51
124000
2000
est un moyen par lequel nous pourrions obtenir
02:21
not just rapidrapide warningAttention about an epidemicépidémie,
52
126000
3000
pas seulement une alerte rapide sur une épidémie,
02:24
but alsoaussi actuallyréellement
53
129000
2000
mais aussi
02:26
earlyde bonne heure detectiondétection of an epidemicépidémie.
54
131000
2000
la détection précoce d'une épidémie.
02:28
And, in factfait, this ideaidée can be used
55
133000
2000
Et, en fait, cette idée peut être utilisée
02:30
not just to predictprédire epidemicsépidémies of germsgermes,
56
135000
3000
non seulement pour prévoir les épidémies de microbes,
02:33
but alsoaussi to predictprédire epidemicsépidémies of all sortssortes of kindssortes.
57
138000
3000
mais aussi pour prévoir les épidémies en tout genre.
02:37
For exampleExemple, anything that spreadsse propage by a formforme of socialsocial contagioncontagion
58
142000
3000
Par exemple, tout ce qui se propage par une forme de contagion sociale
02:40
could be understoodcompris in this way,
59
145000
2000
pourrait être interprété de cette façon,
02:42
from abstractabstrait ideasidées on the left
60
147000
2000
des idées abstraites sur la gauche
02:44
like patriotismpatriotisme, or altruismaltruisme, or religionreligion
61
149000
3000
comme le patriotisme, ou l'altruisme, ou la religion,
02:47
to practicespratiques
62
152000
2000
aux pratiques
02:49
like dietingsuivre un régime behaviorcomportement, or booklivre purchasingachat,
63
154000
2000
comme le comportement alimentaire, ou l'achat de livres,
02:51
or drinkingen buvant, or bicycle-helmetcasque de vélo [and] other safetysécurité practicespratiques,
64
156000
3000
ou la boisson, ou le port du casque [et] autres pratiques de sécurité,
02:54
or productsdes produits that people mightpourrait buyacheter,
65
159000
2000
ou les produits que les gens peuvent acheter,
02:56
purchasesachats of electronicélectronique goodsdes biens,
66
161000
2000
achats de biens électroniques,
02:58
anything in whichlequel there's kindgentil of an interpersonalinterpersonnelles spreadpropager.
67
163000
3000
tout ce qui a une sorte de propagation interpersonnelle.
03:01
A kindgentil of a diffusionla diffusion of innovationinnovation
68
166000
2000
Une sorte de diffusion de l'innovation
03:03
could be understoodcompris and predictedprédit
69
168000
2000
pourrait être comprise et prédite
03:05
by the mechanismmécanisme I'm going to showmontrer you now.
70
170000
3000
par le mécanisme que je vais vous montrer maintenant.
03:08
So, as all of you probablyProbablement know,
71
173000
2000
Donc, comme vous le savez probablement,
03:10
the classicclassique way of thinkingen pensant about this
72
175000
2000
la façon classique de penser à ça
03:12
is the diffusion-of-innovationdiffusion de l’innovation,
73
177000
2000
est la diffusion de l'innovation,
03:14
or the adoptionadoption curvecourbe.
74
179000
2000
ou la courbe d'adoption.
03:16
So here on the Y-axisAxe y, we have the percentpour cent of the people affectedaffecté,
75
181000
2000
Donc, ici, sur l'axe Y, nous avons le pourcentage de personnes touchées,
03:18
and on the X-axisAxe des abscisses, we have time.
76
183000
2000
et sur l'axe X, nous avons le temps.
03:20
And at the very beginningdébut, not too manybeaucoup people are affectedaffecté,
77
185000
3000
Et dès le début, peu de personnes sont touchées,
03:23
and you get this classicclassique sigmoidalsigmoïde,
78
188000
2000
et vous obtenez ce sigmoïde classique,
03:25
or S-shapedEn forme de S, curvecourbe.
79
190000
2000
ou courbe en S.
03:27
And the reasonraison for this shapeforme is that at the very beginningdébut,
80
192000
2000
Et la raison de cette forme est qu’au début,
03:29
let's say one or two people
81
194000
2000
disons une ou deux personnes
03:31
are infectedinfecté, or affectedaffecté by the thing
82
196000
2000
sont affectés ou infectés, par la chose,
03:33
and then they affectaffecter, or infectinfecter, two people,
83
198000
2000
puis elles affectent, ou infectent, deux personnes,
03:35
who in turntour affectaffecter fourquatre, eighthuit, 16 and so forthavant,
84
200000
3000
qui affectent à leur tour quatre, huit, 16 et ainsi de suite,
03:38
and you get the epidemicépidémie growthcroissance phasephase de of the curvecourbe.
85
203000
3000
et vous obtenez la phase de croissance de la courbe de l'épidémie.
03:41
And eventuallyfinalement, you saturatesaturer the populationpopulation.
86
206000
2000
Et finalement, vous saturez la population.
03:43
There are fewermoins and fewermoins people
87
208000
2000
Il y a de moins en moins de gens
03:45
who are still availabledisponible that you mightpourrait infectinfecter,
88
210000
2000
qui sont encore disponibles que vous pourriez infecter,
03:47
and then you get the plateauplateau of the curvecourbe,
89
212000
2000
et puis vous obtenez le plateau de la courbe,
03:49
and you get this classicclassique sigmoidalsigmoïde curvecourbe.
90
214000
3000
et donc cette courbe sigmoïde classique.
03:52
And this holdstient for germsgermes, ideasidées,
91
217000
2000
Et ceci est vrai pour les germes, les idées,
03:54
productproduit adoptionadoption, behaviorscomportements,
92
219000
2000
l'adoption d’un produit, les comportements,
03:56
and the like.
93
221000
2000
et autres.
03:58
But things don't just diffusediffus in humanHumain populationspopulations at randomau hasard.
94
223000
3000
Mais les choses ne diffusent pas dans les populations humaines au hasard.
04:01
They actuallyréellement diffusediffus throughpar networksréseaux.
95
226000
2000
En fait, ils diffusent à travers les réseaux.
04:03
Because, as I said, we livevivre our livesvies in networksréseaux,
96
228000
3000
Parce que, comme je l'ai dit, nous vivons notre vie dans les réseaux,
04:06
and these networksréseaux have a particularparticulier kindgentil of a structurestructure.
97
231000
3000
et ces réseaux ont une architecture particulière.
04:09
Now if you look at a networkréseau like this --
98
234000
2000
Maintenant, si vous regardez un réseau comme celui-ci ...
04:11
this is 105 people.
99
236000
2000
C'est 105 personnes.
04:13
And the lineslignes representreprésenter -- the dotspoints are the people,
100
238000
2000
Et les lignes représentent ... les points sont les gens,
04:15
and the lineslignes representreprésenter friendshipamitié relationshipsdes relations.
101
240000
2000
et les lignes représentent les relations d'amitié.
04:17
You mightpourrait see that people occupyoccuper
102
242000
2000
Vous pouvez voir que les gens occupent
04:19
differentdifférent locationsEmplacements withindans the networkréseau.
103
244000
2000
différents endroits dans le réseau.
04:21
And there are differentdifférent kindssortes of relationshipsdes relations betweenentre the people.
104
246000
2000
Et il y a différents types de relations entre les personnes.
04:23
You could have friendshipamitié relationshipsdes relations, siblingfrère relationshipsdes relations,
105
248000
3000
Vous pourriez avoir des relations d'amitié, des relations fraternelles,
04:26
spousalviolence conjugale relationshipsdes relations, co-workercollègue de travail relationshipsdes relations,
106
251000
3000
des relations conjugales, des relations professionnelles,
04:29
neighborvoisin relationshipsdes relations and the like.
107
254000
3000
des relations de voisinage, etc.
04:32
And differentdifférent sortssortes of things
108
257000
2000
Et différentes sortes de choses
04:34
spreadpropager acrossà travers differentdifférent sortssortes of tiescravates.
109
259000
2000
diffusent suivant différents types de liens.
04:36
For instanceexemple, sexuallysexuellement transmittedtransmis diseasesmaladies
110
261000
2000
Par exemple, les maladies sexuellement transmissibles
04:38
will spreadpropager acrossà travers sexualsexuel tiescravates.
111
263000
2000
diffuseront sur les liens sexuels.
04:40
Or, for instanceexemple, people'sles gens smokingfumeur behaviorcomportement
112
265000
2000
Ou, par exemple, le comportement tabagique des gens
04:42
mightpourrait be influencedinfluencé by theirleur friendscopains.
113
267000
2000
peut être influencé par leurs amis.
04:44
Or theirleur altruisticaltruiste or theirleur charitablebienfaisance givingdonnant behaviorcomportement
114
269000
2000
Ou leur comportement altruiste ou leurs dons de charité
04:46
mightpourrait be influencedinfluencé by theirleur coworkerscollègues de travail,
115
271000
2000
peuvent être influencés par leurs collègues,
04:48
or by theirleur neighborsvoisins.
116
273000
2000
ou par leurs voisins.
04:50
But not all positionspositions in the networkréseau are the sameMême.
117
275000
3000
Mais tous les nœuds du réseau ne sont pas les mêmes.
04:53
So if you look at this, you mightpourrait immediatelyimmédiatement graspsaisir
118
278000
2000
Donc, si vous regardez cela, vous pouvez saisir immédiatement
04:55
that differentdifférent people have differentdifférent numbersNombres of connectionsles liaisons.
119
280000
3000
que des personnes différentes ont des nombres différents de connexions.
04:58
Some people have one connectionconnexion, some have two,
120
283000
2000
Certaines personnes ont une connexion, certains en ont deux,
05:00
some have sixsix, some have 10 connectionsles liaisons.
121
285000
3000
certains six, certains ont 10 connexions.
05:03
And this is calledappelé the "degreedegré" of a nodenœud,
122
288000
2000
Et c'est ce qu'on appelle le "degré" d'un nœud,
05:05
or the numbernombre of connectionsles liaisons that a nodenœud has.
123
290000
2000
ou le nombre de connexions que le nœud a.
05:07
But in additionune addition, there's something elseautre.
124
292000
2000
Mais, en plus, il y a autre chose.
05:09
So, if you look at nodesnœuds A and B,
125
294000
2000
Donc, si vous regardez les nœuds A et B,
05:11
they bothtous les deux have sixsix connectionsles liaisons.
126
296000
2000
ils ont tous deux six connexions.
05:13
But if you can see this imageimage [of the networkréseau] from a bird'soiseau eyeœil viewvue,
127
298000
3000
Mais si vous pouvez avoir cette image [du réseau] vue de haut,
05:16
you can appreciateapprécier that there's something very differentdifférent
128
301000
2000
vous pouvez le constater qu'il y a quelque chose de très différent
05:18
about nodesnœuds A and B.
129
303000
2000
au sujet des nœuds A et B.
05:20
So, let me askdemander you this -- I can cultivatecultiver this intuitionintuition by askingdemandant a questionquestion --
130
305000
3000
Alors, laissez-moi vous poser cette question -- je peux confirmer cette intuition en posant une question --
05:23
who would you ratherplutôt be
131
308000
2000
qui préféreriez-vous être
05:25
if a deadlymortel germgerme was spreadingdiffusion throughpar the networkréseau, A or B?
132
310000
3000
si un germe mortel se propageait à travers le réseau, A ou B?
05:28
(AudiencePublic: B.) NicholasNicholas ChristakisChristakis: B, it's obviousévident.
133
313000
2000
(Audience: B.) Nicholas Christakis: B, c'est évident.
05:30
B is locatedsitué on the edgebord of the networkréseau.
134
315000
2000
B est situé sur la périphérie du réseau.
05:32
Now, who would you ratherplutôt be
135
317000
2000
Maintenant, qui préféreriez-vous être
05:34
if a juicyjuteuse piecepièce of gossippotins were spreadingdiffusion throughpar the networkréseau?
136
319000
3000
si un morceau juteux de ragots se propageait à travers le réseau?
05:37
A. And you have an immediateimmédiat appreciationappréciation
137
322000
3000
A. Et vous avez une appréciation immédiate :
05:40
that A is going to be more likelyprobable
138
325000
2000
A va être plus susceptible
05:42
to get the thing that's spreadingdiffusion and to get it soonerplus tôt
139
327000
3000
d’obtenir la chose qui se propage et de l'obtenir plus tôt
05:45
by virtuevertu of theirleur structuralde construction locationemplacement withindans the networkréseau.
140
330000
3000
en vertue de sa situation structurelle au sein du réseau.
05:48
A, in factfait, is more centralcentral,
141
333000
2000
A, en fait, est plus central,
05:50
and this can be formalizedofficialisé mathematicallymathématiquement.
142
335000
3000
et cela peut être une formalisation mathématique.
05:53
So, if we want to trackPiste something
143
338000
2000
Donc, si nous voulons suivre quelque chose
05:55
that was spreadingdiffusion throughpar a networkréseau,
144
340000
3000
qui se propageait à travers un réseau,
05:58
what we ideallyidéalement would like to do is to setensemble up sensorscapteurs
145
343000
2000
ce que nous aimerions idéalement faire est de mettre en place des capteurs
06:00
on the centralcentral individualspersonnes withindans the networkréseau,
146
345000
2000
sur les individus centraux du réseau,
06:02
includingcomprenant nodenœud A,
147
347000
2000
y compris le nœud A,
06:04
monitormoniteur those people that are right there in the middlemilieu of the networkréseau,
148
349000
3000
surveiller les personnes qui sont là au milieu du réseau,
06:07
and somehowen quelque sorte get an earlyde bonne heure detectiondétection
149
352000
2000
et en quelque sorte avoir une détection précoce
06:09
of whateverpeu importe it is that is spreadingdiffusion throughpar the networkréseau.
150
354000
3000
de quoi que ce soit qui se répand à travers le réseau.
06:12
So if you saw them contractContrat a germgerme or a piecepièce of informationinformation,
151
357000
3000
Autrement dit, si vous les avez vus contracter une maladie ou un morceau d'information,
06:15
you would know that, soonbientôt enoughassez,
152
360000
2000
vous savez que, assez vite,
06:17
everybodyTout le monde was about to contractContrat this germgerme
153
362000
2000
tout le monde était sur le point de contracter cette maladie
06:19
or this piecepièce of informationinformation.
154
364000
2000
ou cette information.
06:21
And this would be much better
155
366000
2000
Et ce serait beaucoup mieux
06:23
than monitoringsurveillance sixsix randomlyau hasard chosenchoisi people,
156
368000
2000
que de suivre six personnes choisies au hasard,
06:25
withoutsans pour autant referenceréférence to the structurestructure of the populationpopulation.
157
370000
3000
sans référence à la structure de la population.
06:28
And in factfait, if you could do that,
158
373000
2000
Et en fait, si vous pouviez le faire,
06:30
what you would see is something like this.
159
375000
2000
ce que vous voyez est quelque chose comme ça.
06:32
On the left-handmain gauche panelpanneau, again, we have the S-shapedEn forme de S curvecourbe of adoptionadoption.
160
377000
3000
Sur le panneau de gauche, encore une fois, nous avons la courbe en S de l'adoption.
06:35
In the dottedpointillé redrouge lineligne, we showmontrer
161
380000
2000
Dans la ligne pointillée rouge, nous montrons
06:37
what the adoptionadoption would be in the randomau hasard people,
162
382000
2000
ce que l'adoption serait avec des gens choisis au hasard,
06:39
and in the left-handmain gauche lineligne, shifteddécalé to the left,
163
384000
3000
et dans la ligne de gauche, déplacé vers la gauche,
06:42
we showmontrer what the adoptionadoption would be
164
387000
2000
nous montrer ce que l'adoption serait
06:44
in the centralcentral individualspersonnes withindans the networkréseau.
165
389000
2000
avec des individus centraux au sein du réseau.
06:46
On the Y-axisAxe y is the cumulativecumulatif instancesinstances of contagioncontagion,
166
391000
2000
Sur l'axe des Y on a le nombre cumulé de contagions,
06:48
and on the X-axisAxe des abscisses is the time.
167
393000
2000
et sur l'axe X, le temps.
06:50
And on the right-handmain droite sidecôté, we showmontrer the sameMême dataLes données,
168
395000
2000
Et sur le côté droit, nous montrons les mêmes données,
06:52
but here with dailydu quotidien incidenceincidence.
169
397000
2000
mais ici avec une incidence quotidienne.
06:54
And what we showmontrer here is -- like, here --
170
399000
2000
Et ce que nous montrons ici est que -- comme, ici --
06:56
very fewpeu people are affectedaffecté, more and more and more and up to here,
171
401000
2000
très peu de gens sont touchés, puis de plus en plus jusqu'à ici,
06:58
and here'svoici the peakde pointe of the epidemicépidémie.
172
403000
2000
et voici le pic de l'épidémie.
07:00
But shifteddécalé to the left is what's occurringse produire in the centralcentral individualspersonnes.
173
405000
2000
Mais vers la gauche est ce qui se passe chez les individus centraux.
07:02
And this differencedifférence in time betweenentre the two
174
407000
3000
Et cette différence de temps entre les deux
07:05
is the earlyde bonne heure detectiondétection, the earlyde bonne heure warningAttention we can get,
175
410000
3000
est la détection précoce, l'alerte précoce que nous pouvons obtenir,
07:08
about an impendingimminent epidemicépidémie
176
413000
2000
au sujet d'une épidémie imminente
07:10
in the humanHumain populationpopulation.
177
415000
2000
dans la population humaine.
07:12
The problemproblème, howevertoutefois,
178
417000
2000
Le problème, cependant,
07:14
is that mappingcartographie humanHumain socialsocial networksréseaux
179
419000
2000
est que la cartographie des réseaux sociaux humains
07:16
is not always possiblepossible.
180
421000
2000
n'est pas toujours possible.
07:18
It can be expensivecoûteux, not feasibleréalisable,
181
423000
2000
Ca peut être coûteux, [très difficile],
07:20
unethicalcontraire à l’éthique,
182
425000
2000
contraire à l'éthique,
07:22
or, franklyfranchement, just not possiblepossible to do suchtel a thing.
183
427000
3000
ou, franchement, tout simplement impossible de faire une telle chose.
07:25
So, how can we figurefigure out
184
430000
2000
Alors, comment pouvons-nous comprendre
07:27
who the centralcentral people are in a networkréseau
185
432000
2000
qui sont les personnages centraux sont dans un réseau
07:29
withoutsans pour autant actuallyréellement mappingcartographie the networkréseau?
186
434000
3000
sans faire la cartographie du réseau ?
07:32
What we camevenu up with
187
437000
2000
Ce que nous avons mis en place
07:34
was an ideaidée to exploitexploit an oldvieux factfait,
188
439000
2000
est d'exploiter un fait ancien,
07:36
or a knownconnu factfait, about socialsocial networksréseaux,
189
441000
2000
ou un fait connu, sur les réseaux sociaux,
07:38
whichlequel goesva like this:
190
443000
2000
qui est la chose suivante :
07:40
Do you know that your friendscopains
191
445000
2000
Savez-vous que vos amis
07:42
have more friendscopains than you do?
192
447000
3000
ont plus d'amis que vous ?
07:45
Your friendscopains have more friendscopains than you do,
193
450000
3000
Vos amis ont plus d'amis que vous.
07:48
and this is knownconnu as the friendshipamitié paradoxparadoxe.
194
453000
2000
Et c'est ce qu'on appelle le paradoxe de l'amitié.
07:50
ImagineImaginez a very popularpopulaire personla personne in the socialsocial networkréseau --
195
455000
2000
Imaginez une personne très populaire dans le réseau social --
07:52
like a partyfête hosthôte who has hundredsdes centaines of friendscopains --
196
457000
3000
comme un organisateur de soirées qui a des centaines d'amis --
07:55
and a misanthropeMisanthrope who has just one friendami,
197
460000
2000
et un misanthrope qui n'a qu'un seul ami,
07:57
and you pickchoisir someoneQuelqu'un at randomau hasard from the populationpopulation;
198
462000
3000
et vous prenez quelqu'un au hasard dans la population ;
08:00
they were much more likelyprobable to know the partyfête hosthôte.
199
465000
2000
ils sont beaucoup plus susceptibles de connaître l'hôte.
08:02
And if they nominatenommer des the partyfête hosthôte as theirleur friendami,
200
467000
2000
Et s'ils désignent l'hôte comme leur ami,
08:04
that partyfête hosthôte has a hundredcent friendscopains,
201
469000
2000
cette personne a une centaine d'amis,
08:06
thereforedonc, has more friendscopains than they do.
202
471000
3000
par conséquent, a plus d'amis qu’eux.
08:09
And this, in essenceessence, is what's knownconnu as the friendshipamitié paradoxparadoxe.
203
474000
3000
Et ce, en substance, est ce qu'on appelle le paradoxe de l'amitié.
08:12
The friendscopains of randomlyau hasard chosenchoisi people
204
477000
3000
Les amis de personnes choisies au hasard
08:15
have higherplus haute degreedegré, and are more centralcentral
205
480000
2000
ont un plus haut degré, et sont plus centraux,
08:17
than the randomau hasard people themselvesse.
206
482000
2000
que les gens au hasard eux-mêmes.
08:19
And you can get an intuitiveintuitif appreciationappréciation for this
207
484000
2000
Et vous pouvez vous faire une idée intuitive de cela
08:21
if you imagineimaginer just the people at the perimeterpérimètre of the networkréseau.
208
486000
3000
si vous regardez juste les gens de la périphérie du réseau.
08:24
If you pickchoisir this personla personne,
209
489000
2000
Si vous choisissez cette personne,
08:26
the only friendami they have to nominatenommer des is this personla personne,
210
491000
3000
le seul ami qu'ils peuvent nommer est celui-ci,
08:29
who, by constructionconstruction, mustdoit have at leastmoins two
211
494000
2000
qui, par construction, doit avoir au moins deux,
08:31
and typicallytypiquement more friendscopains.
212
496000
2000
et donc plus d’amis.
08:33
And that happensarrive at everychaque peripheralpériphérique nodenœud.
213
498000
2000
Et c’est ce qui se passe à chaque nœud périphérique.
08:35
And in factfait, it happensarrive throughouttout au long de the networkréseau as you movebouge toi in,
214
500000
3000
Et en fait, cela arrive dans tout le réseau à mesure que vous vous déplacez,
08:38
everyonetoutes les personnes you pickchoisir, when they nominatenommer des a randomau hasard --
215
503000
2000
quiconque vous choisissez, quand ils nomment au hasard ...
08:40
when a randomau hasard personla personne nominatesNomine a friendami of theirsleur,
216
505000
3000
quand une personne tirée au sort désigne un de ses amis,
08:43
you movebouge toi closerplus proche to the centercentre of the networkréseau.
217
508000
3000
vous vous rapprochez du centre du réseau.
08:46
So, we thought we would exploitexploit this ideaidée
218
511000
3000
Donc, nous avons pensé à exploiter cette idée
08:49
in ordercommande to studyétude whetherqu'il s'agisse we could predictprédire phenomenaphénomènes withindans networksréseaux.
219
514000
3000
afin de voir si nous pouvions prévoir les phénomènes au sein des réseaux.
08:52
Because now, with this ideaidée
220
517000
2000
Parce que maintenant, avec cette idée,
08:54
we can take a randomau hasard sampleéchantillon of people,
221
519000
2000
nous pouvons prendre un échantillon aléatoire de personnes,
08:56
have them nominatenommer des theirleur friendscopains,
222
521000
2000
les inviter à désigner leurs amis,
08:58
those friendscopains would be more centralcentral,
223
523000
2000
ceux-ci seraient plus centraux,
09:00
and we could do this withoutsans pour autant havingayant to mapcarte the networkréseau.
224
525000
3000
et nous pourrions le faire sans avoir à la carte du réseau.
09:03
And we testedtesté this ideaidée with an outbreakdéclenchement of H1N1 flugrippe
225
528000
3000
Et nous avons testé cette idée avec une épidémie de grippe H1N1
09:06
at HarvardHarvard CollegeCollège
226
531000
2000
au Collège Harvard
09:08
in the falltomber and winterhiver of 2009, just a fewpeu monthsmois agodepuis.
227
533000
3000
à l'automne et l'hiver 2009, il y a quelques mois.
09:11
We tooka pris 1,300 randomlyau hasard selectedchoisi undergraduatesétudiants de premier cycle,
228
536000
3000
Nous avons pris 1 300 étudiants choisis au hasard,
09:14
we had them nominatenommer des theirleur friendscopains,
229
539000
2000
ils ont indiqué leurs amis,
09:16
and we followedsuivi bothtous les deux the randomau hasard studentsélèves and theirleur friendscopains
230
541000
2000
et nous avons suivi à la fois les étudiants tirés au sort et leurs amis
09:18
dailydu quotidien in time
231
543000
2000
tous les jours
09:20
to see whetherqu'il s'agisse or not they had the flugrippe epidemicépidémie.
232
545000
3000
pour voir si ils avaient ou non contracté la grippe.
09:23
And we did this passivelypassivement by looking at whetherqu'il s'agisse or not they'dils auraient gonedisparu to universityUniversité healthsanté servicesprestations de service.
233
548000
3000
Et nous avons fait cela passivement en regardant si oui ou non ils étaient allés aux services de santé universitaires.
09:26
And alsoaussi, we had them [activelyactivement] emailemail us a couplecouple of timesfois a weekla semaine.
234
551000
3000
Et aussi, nous leur avions demandé de nous envoyer un email plusieurs fois par semaine.
09:29
ExactlyExactement what we predictedprédit happenedarrivé.
235
554000
3000
Ce que nous avions exactement prédit est arrivé.
09:32
So the randomau hasard groupgroupe is in the redrouge lineligne.
236
557000
3000
Le groupe aléatoire est cette ligne rouge.
09:35
The epidemicépidémie in the friendscopains groupgroupe has shifteddécalé to the left, over here.
237
560000
3000
L'épidémie dans le groupe d'amis s'est déplacée vers la gauche, par ici.
09:38
And the differencedifférence in the two is 16 daysjournées.
238
563000
3000
Et la différence entre les deux est de 16 jours.
09:41
By monitoringsurveillance the friendscopains groupgroupe,
239
566000
2000
En surveillant le groupe d'amis,
09:43
we could get 16 daysjournées advanceavance warningAttention
240
568000
2000
nous avons pu obtenir une alerte 16 jours à l'avance
09:45
of an impendingimminent epidemicépidémie in this humanHumain populationpopulation.
241
570000
3000
d'une épidémie imminente dans cette population humaine.
09:48
Now, in additionune addition to that,
242
573000
2000
Maintenant, en plus de cela,
09:50
if you were an analystAnalyste who was tryingen essayant to studyétude an epidemicépidémie
243
575000
3000
si vous étiez un analyste qui essaie d'étudier une épidémie
09:53
or to predictprédire the adoptionadoption of a productproduit, for exampleExemple,
244
578000
3000
ou de prévoir l'adoption d'un produit, par exemple,
09:56
what you could do is you could pickchoisir a randomau hasard sampleéchantillon of the populationpopulation,
245
581000
3000
ce que vous pouvez faire est de choisir un échantillon aléatoire de la population,
09:59
alsoaussi have them nominatenommer des theirleur friendscopains and followsuivre the friendscopains
246
584000
3000
leur demander d’indiquer leurs amis et suivre ces amis,
10:02
and followsuivre bothtous les deux the randomsrandoms and the friendscopains.
247
587000
3000
et suivre la population aléatoire et les amis.
10:05
AmongParmi les the friendscopains, the first evidencepreuve you saw of a blipBlip aboveau dessus zerozéro
248
590000
3000
Parmi les amis, la première preuve que vous avez vu d'un top au-dessus de zéro
10:08
in adoptionadoption of the innovationinnovation, for exampleExemple,
249
593000
3000
dans l'adoption de l'innovation, par exemple,
10:11
would be evidencepreuve of an impendingimminent epidemicépidémie.
250
596000
2000
serait la preuve d'une épidémie imminente.
10:13
Or you could see the first time the two curvescourbes divergeddivergé,
251
598000
3000
Ou vous pouvez chercher la première fois que les deux courbes divergent,
10:16
as shownmontré on the left.
252
601000
2000
comme indiqué sur la gauche.
10:18
When did the randomsrandoms -- when did the friendscopains take off
253
603000
3000
Quand les aléatoires... quand les amis ont-ils décollé
10:21
and leavelaisser the randomsrandoms,
254
606000
2000
et laissé les "aléatoires",
10:23
and [when did] theirleur curvecourbe startdébut shiftingdéplacement?
255
608000
2000
et [quand] la courbe a-t-elle commencé à virer ?
10:25
And that, as indicateda indiqué by the whiteblanc lineligne,
256
610000
2000
Et ceci, comme indiqué par la ligne blanche,
10:27
occurredeu lieu 46 daysjournées
257
612000
2000
s’est produit 46 jours
10:29
before the peakde pointe of the epidemicépidémie.
258
614000
2000
avant le pic de l'épidémie.
10:31
So this would be a techniquetechnique
259
616000
2000
Ce serait donc une technique
10:33
wherebypar lequel we could get more than a month-and-a-halfmois-et-un-moitié warningAttention
260
618000
2000
avec laquelle nous pourrions obtenir une alerte plus d'un mois et demi
10:35
about a flugrippe epidemicépidémie in a particularparticulier populationpopulation.
261
620000
3000
avant une épidémie de grippe dans une population donnée.
10:38
I should say that
262
623000
2000
Je dois dire que
10:40
how farloin advancedAvancée a noticeremarquer one mightpourrait get about something
263
625000
2000
l’avance avec laquelle on peut obtenir une information sur quelque chose
10:42
dependsdépend on a hosthôte of factorsfacteurs.
264
627000
2000
dépend d'une multitude de facteurs.
10:44
It could dependdépendre on the naturela nature of the pathogenagent pathogène --
265
629000
2000
Cela peut dépendre de la nature de l'agent pathogène -
10:46
differentdifférent pathogenspathogènes,
266
631000
2000
différents agents pathogènes,
10:48
usingen utilisant this techniquetechnique, you'dtu aurais get differentdifférent warningAttention --
267
633000
2000
avec cette technique, vous obtiendrez des alertes différentes --
10:50
or other phenomenaphénomènes that are spreadingdiffusion,
268
635000
2000
ou d'autres phénomènes qui se répandent,
10:52
or franklyfranchement, on the structurestructure of the humanHumain networkréseau.
269
637000
3000
ou, franchement, de la structure du réseau humain.
10:55
Now in our caseCas, althoughbien que it wasn'tn'était pas necessarynécessaire,
270
640000
3000
Maintenant, dans notre cas, bien que ce n’était pas nécessaire,
10:58
we could alsoaussi actuallyréellement mapcarte the networkréseau of the studentsélèves.
271
643000
2000
nous pourrions également faire la carte du réseau des étudiants.
11:00
So, this is a mapcarte of 714 studentsélèves
272
645000
2000
Donc, voici la carte des 714 étudiants
11:02
and theirleur friendshipamitié tiescravates.
273
647000
2000
et leurs liens d'amitié.
11:04
And in a minuteminute now, I'm going to put this mapcarte into motionmouvement.
274
649000
2000
Et dans une minute, je vais mettre cette carte en mouvement.
11:06
We're going to take dailydu quotidien cutscoupes throughpar the networkréseau
275
651000
2000
Nous allons prendre des photos quotidiennes à travers le réseau
11:08
for 120 daysjournées.
276
653000
2000
pendant 120 jours.
11:10
The redrouge dotspoints are going to be casescas of the flugrippe,
277
655000
3000
Les points rouges vont être les cas de grippe,
11:13
and the yellowjaune dotspoints are going to be friendscopains of the people with the flugrippe.
278
658000
3000
et les points jaunes, les amis des personnes atteintes de la grippe.
11:16
And the sizeTaille of the dotspoints is going to be proportionalproportionnel
279
661000
2000
Et la taille des points va être proportionnelle
11:18
to how manybeaucoup of theirleur friendscopains have the flugrippe.
280
663000
2000
au nombre d’amis qui ont la grippe.
11:20
So biggerplus gros dotspoints mean more of your friendscopains have the flugrippe.
281
665000
3000
Donc, plus les points sont gros, plus de vos amis ont la grippe.
11:23
And if you look at this imageimage -- here we are now in SeptemberSeptembre the 13thth --
282
668000
3000
Et si vous regardez cette image -- nous voici maintenant le 13 Septembre --
11:26
you're going to see a fewpeu casescas lightlumière up.
283
671000
2000
vous allez voir quelques cas se déclarer.
11:28
You're going to see kindgentil of bloomingBlooming of the flugrippe in the middlemilieu.
284
673000
2000
Vous allez voir une sorte d’éclosion de la grippe au milieu.
11:30
Here we are on OctoberOctobre the 19thth.
285
675000
3000
Ici nous sommes le 19 Octobre.
11:33
The slopepente of the epidemicépidémie curvecourbe is approachings’approchant now, in NovemberNovembre.
286
678000
2000
La pente de la courbe de l'épidémie est proche maintenant, en Novembre.
11:35
BangBang, bangcoup, bangcoup, bangcoup, bangcoup -- you're going to see lots of bloomingBlooming in the middlemilieu,
287
680000
3000
Bang, bang, bang, bang, bang, vous allez voir beaucoup d’éclosions au milieu,
11:38
and then you're going to see a sortTrier of levelingmise à niveau off,
288
683000
2000
et puis vous allez voir une sorte de nivellement,
11:40
fewermoins and fewermoins casescas towardsvers the endfin of DecemberDécembre.
289
685000
3000
de moins en moins de cas vers la fin de Décembre.
11:43
And this typetype of a visualizationvisualisation
290
688000
2000
Et ce type de visualisation
11:45
can showmontrer that epidemicsépidémies like this take rootracine
291
690000
2000
peut montrer que les épidémies comme celle-ci prennent racine
11:47
and affectaffecter centralcentral individualspersonnes first,
292
692000
2000
et affectent les individus du centre d'abord,
11:49
before they affectaffecter othersautres.
293
694000
2000
avant qu'ils n'affectent les autres.
11:51
Now, as I've been suggestingsuggérant,
294
696000
2000
Maintenant, comme je l'ai laissé entendre,
11:53
this methodméthode is not restrictedlimité to germsgermes,
295
698000
3000
cette méthode n'est pas limitée aux germes,
11:56
but actuallyréellement to anything that spreadsse propage in populationspopulations.
296
701000
2000
mais en fait, à tout ce qui se propage dans les populations.
11:58
InformationInformations spreadsse propage in populationspopulations,
297
703000
2000
L'information se répand dans les populations.
12:00
normsnormes can spreadpropager in populationspopulations,
298
705000
2000
Des normes peuvent se propager dans les populations.
12:02
behaviorscomportements can spreadpropager in populationspopulations.
299
707000
2000
Des comportements peuvent se propager dans les populations.
12:04
And by behaviorscomportements, I can mean things like criminalcriminel behaviorcomportement,
300
709000
3000
Et par des comportements, je veux dire des choses comme un comportement criminel,
12:07
or votingvote behaviorcomportement, or healthsanté carese soucier behaviorcomportement,
301
712000
3000
ou le comportement de vote, ou le comportement relatif à la santé
12:10
like smokingfumeur, or vaccinationvaccination,
302
715000
2000
comme le tabagisme, ou la vaccination,
12:12
or productproduit adoptionadoption, or other kindssortes of behaviorscomportements
303
717000
2000
l'adoption d'un produit ou, ou d'autres types de comportements
12:14
that relaterapporter to interpersonalinterpersonnelles influenceinfluence.
304
719000
2000
qui ont trait à l'influence interpersonnelle.
12:16
If I'm likelyprobable to do something that affectsaffecte othersautres around me,
305
721000
3000
Si je suis susceptible de faire quelque chose qui affecte les autres autour de moi,
12:19
this techniquetechnique can get earlyde bonne heure warningAttention or earlyde bonne heure detectiondétection
306
724000
3000
cette technique peut donner une alerte précoce, ou une détection précoce,
12:22
about the adoptionadoption withindans the populationpopulation.
307
727000
3000
sur l'adoption au sein de la population.
12:25
The keyclé thing is that for it to work,
308
730000
2000
Le point clé est que, pour que cela fonctionne,
12:27
there has to be interpersonalinterpersonnelles influenceinfluence.
309
732000
2000
il doit y avoir de l'influence interpersonnelle.
12:29
It cannotne peux pas be because of some broadcastdiffusion mechanismmécanisme
310
734000
2000
Cela ne marche pas avec un mécanisme de diffusion
12:31
affectingaffectant everyonetoutes les personnes uniformlyuniformément.
311
736000
3000
qui touche tout le monde de manière uniforme.
12:35
Now the sameMême insightsdes idées
312
740000
2000
Maintenant, les mêmes idées
12:37
can alsoaussi be exploitedexploitées -- with respectle respect to networksréseaux --
313
742000
3000
peuvent également être exploitées - à l'égard de réseaux -
12:40
can alsoaussi be exploitedexploitées in other waysfaçons,
314
745000
3000
peuvent également être exploitées d'autre façons,
12:43
for exampleExemple, in the use of targetingciblage
315
748000
2000
par exemple, dans l'utilisation du ciblage
12:45
specificspécifique people for interventionsinterventions.
316
750000
2000
de personnes en particulier pour les interventions.
12:47
So, for exampleExemple, mostles plus of you are probablyProbablement familiarfamilier
317
752000
2000
Ainsi, par exemple, la plupart d'entre vous sont probablement familiers
12:49
with the notionnotion of herdtroupeau immunityimmunité.
318
754000
2000
avec la notion d'immunité collective.
12:51
So, if we have a populationpopulation of a thousandmille people,
319
756000
3000
Donc, si nous avons une population d'un millier de personnes,
12:54
and we want to make the populationpopulation immuneimmunitaire to a pathogenagent pathogène,
320
759000
3000
et nous voulons en faire une population immunitaire à un agent pathogène,
12:57
we don't have to immunizeimmuniser everychaque singleunique personla personne.
321
762000
2000
nous n'avons pas à immuniser chaque personne.
12:59
If we immunizeimmuniser 960 of them,
322
764000
2000
Si nous immunisons 960 d'entre eux,
13:01
it's as if we had immunizedimmunisés a hundredcent [percentpour cent] of them.
323
766000
3000
c'est comme si nous avions vacciné la population tout entière.
13:04
Because even if one or two of the non-immunenon immunes people getsobtient infectedinfecté,
324
769000
3000
Parce que même si un ou deux des personnes non immunisées sont infectées,
13:07
there's no one for them to infectinfecter.
325
772000
2000
il n'y a personne d’autre à infecter.
13:09
They are surroundedentouré by immunizedimmunisés people.
326
774000
2000
Ils sont entourés par des gens immunisés.
13:11
So 96 percentpour cent is as good as 100 percentpour cent.
327
776000
3000
Ainsi, 96 % est aussi bon que 100 %.
13:14
Well, some other scientistsscientifiques have estimatedestimé
328
779000
2000
Eh bien, d'autres scientifiques ont estimé
13:16
what would happense produire if you tooka pris a 30 percentpour cent randomau hasard sampleéchantillon
329
781000
2000
ce qui arriverait si vous aviez pris un échantillon aléatoire de 30 %
13:18
of these 1000 people, 300 people and immunizedimmunisés them.
330
783000
3000
de ces 1000 personnes, 300 personnes et les faire vacciner.
13:21
Would you get any population-levell’échelle de la population immunityimmunité?
331
786000
2000
Obtiendrez-vous une immunité au niveau de la population ?
13:23
And the answerrépondre is no.
332
788000
3000
Et la réponse est non.
13:26
But if you tooka pris this 30 percentpour cent, these 300 people
333
791000
2000
Mais si vous avez suivi ces 30%, ces 300 personnes,
13:28
and had them nominatenommer des theirleur friendscopains
334
793000
2000
et leur avez fait nommer leurs amis
13:30
and tooka pris the sameMême numbernombre of vaccinevaccin dosesdoses
335
795000
3000
puis pris le même nombre de vaccins
13:33
and vaccinatedvaccinés the friendscopains of the 300 --
336
798000
2000
pour vacciner les amis de ces 300,
13:35
the 300 friendscopains --
337
800000
2000
les 300 amis,
13:37
you can get the sameMême levelniveau of herdtroupeau immunityimmunité
338
802000
2000
vous pouvez obtenir le même niveau d'immunité de groupe
13:39
as if you had vaccinatedvaccinés 96 percentpour cent of the populationpopulation
339
804000
3000
que si vous aviez vaccinés 96 % de la population
13:42
at a much greaterplus grand efficiencyEfficacité, with a strictstrict budgetbudget constraintcontrainte.
340
807000
3000
avec une plus grande efficacité, et une contrainte budgétaire stricte.
13:45
And similarsimilaire ideasidées can be used, for instanceexemple,
341
810000
2000
Et des idées similaires peuvent être utilisés, par exemple,
13:47
to targetcible distributionDistribution of things like bedlit netsfilets
342
812000
2000
pour cibler la distribution de choses comme les moustiquaires
13:49
in the developingdéveloppement worldmonde.
343
814000
2000
dans les pays en voie de développement.
13:51
If we could understandcomprendre the structurestructure of networksréseaux in villagesles villages,
344
816000
3000
Si nous pouvions comprendre la structure des réseaux dans les villages,
13:54
we could targetcible to whomqui to give the interventionsinterventions
345
819000
2000
nous pourrions cibler les interventions
13:56
to fosterfavoriser la these kindssortes of spreadsse propage.
346
821000
2000
pour promouvoir ce type de structure.
13:58
Or, franklyfranchement, for advertisingLa publicité with all kindssortes of productsdes produits.
347
823000
3000
Ou, franchement, pour la publicité de toutes sortes de produits.
14:01
If we could understandcomprendre how to targetcible,
348
826000
2000
Si nous pouvions comprendre comment cibler,
14:03
it could affectaffecter the efficiencyEfficacité
349
828000
2000
cela pourrait influencer l'efficacité
14:05
of what we're tryingen essayant to achieveatteindre.
350
830000
2000
de ce que nous essayons de réaliser.
14:07
And in factfait, we can use dataLes données
351
832000
2000
Et en fait, nous pouvons utiliser les données
14:09
from all kindssortes of sourcessources nowadaysaujourd'hui [to do this].
352
834000
2000
de toutes sortes de sources de nos jours [pour le faire].
14:11
This is a mapcarte of eighthuit millionmillion phonetéléphone usersutilisateurs
353
836000
2000
Ceci est la carte de huit millions d'utilisateurs de téléphone
14:13
in a EuropeanEuropéenne countryPays.
354
838000
2000
dans un pays européen.
14:15
EveryChaque dotpoint is a personla personne, and everychaque lineligne representsreprésente
355
840000
2000
Chaque point est une personne, et chaque ligne représente
14:17
a volumele volume of callsappels betweenentre the people.
356
842000
2000
un volume d'appels entre les personnes.
14:19
And we can use suchtel dataLes données, that's beingétant passivelypassivement obtainedobtenu,
357
844000
3000
Et nous pouvons utiliser ces données, qui sont obtenues de manière passive
14:22
to mapcarte these wholeentier countriesdes pays
358
847000
2000
pour cartographier ces pays entiers
14:24
and understandcomprendre who is locatedsitué where withindans the networkréseau.
359
849000
3000
et comprendre qui est où dans le réseau.
14:27
WithoutSans actuallyréellement havingayant to queryrequête them at all,
360
852000
2000
Sans avoir à les interroger tous,
14:29
we can get this kindgentil of a structuralde construction insightperspicacité.
361
854000
2000
nous pouvons obtenir ce genre d'une vision structurelle.
14:31
And other sourcessources of informationinformation, as you're no doubtdoute awareconscient
362
856000
3000
Et d'autres sources d'information, comme vous le savez sans doute,
14:34
are availabledisponible about suchtel featuresfonctionnalités, from emailemail interactionsinteractions,
363
859000
3000
sont disponibles sur de telles caractéristiques, à partir des interactions e-mail,
14:37
onlineen ligne interactionsinteractions,
364
862000
2000
interactions en ligne,
14:39
onlineen ligne socialsocial networksréseaux and so forthavant.
365
864000
3000
réseaux sociaux en ligne, et ainsi de suite.
14:42
And in factfait, we are in the eraère of what I would call
366
867000
2000
Et en fait, nous sommes à l'ère de ce que j'appellerais
14:44
"massive-passivemassive-passif" dataLes données collectioncollection effortsefforts.
367
869000
3000
les efforts de collecte de données "massives et passives".
14:47
They're all kindssortes of waysfaçons we can use massivelymassivement collectedrecueilli dataLes données
368
872000
3000
Il y a toutes sortes de façons d’utiliser les données recueillies massivement
14:50
to createcréer sensorcapteur networksréseaux
369
875000
3000
de créer des réseaux de capteurs
14:53
to followsuivre the populationpopulation,
370
878000
2000
pour suivre la population,
14:55
understandcomprendre what's happeningévénement in the populationpopulation,
371
880000
2000
comprendre ce qui se passe dans la population,
14:57
and interveneintervenir in the populationpopulation for the better.
372
882000
3000
et d'intervenir dans la population pour le bien.
15:00
Because these newNouveau technologiesles technologies tell us
373
885000
2000
Parce que ces nouvelles technologies nous disent
15:02
not just who is talkingparlant to whomqui,
374
887000
2000
non seulement qui parle à qui,
15:04
but where everyonetoutes les personnes is,
375
889000
2000
mais où chacun se trouve,
15:06
and what they're thinkingen pensant basedbasé on what they're uploadingTéléchargement on the InternetInternet,
376
891000
3000
et ce qu'ils pensent sur ce qu'ils téléchargent sur Internet,
15:09
and what they're buyingachat basedbasé on theirleur purchasesachats.
377
894000
2000
et ce qu'ils achètent en fonction de leurs achats.
15:11
And all this administrativeadministratif dataLes données can be pulledtiré togetherensemble
378
896000
3000
Et toutes ces données administratives peuvent être rassemblées
15:14
and processedtraitées to understandcomprendre humanHumain behaviorcomportement
379
899000
2000
et traitées pour comprendre le comportement humain
15:16
in a way we never could before.
380
901000
3000
d'une manière que nous n'avons jamais pu faire auparavant.
15:19
So, for exampleExemple, we could use truckers'des camionneurs purchasesachats of fuelcarburant.
381
904000
3000
Ainsi, par exemple, nous pourrions utiliser les achats de carburant des camionneurs.
15:22
So the truckerscamionneurs are just going about theirleur businessEntreprise,
382
907000
2000
Donc, les camionneurs ne vaquent qu’à leurs occupations,
15:24
and they're buyingachat fuelcarburant.
383
909000
2000
et ils achètent du carburant.
15:26
And we see a blipBlip up in the truckers'des camionneurs purchasesachats of fuelcarburant,
384
911000
3000
Et nous voyons un soubresaut dans les achats de carburant des camionneurs,
15:29
and we know that a recessionrécession is about to endfin.
385
914000
2000
et nous savons que la récession touche à sa fin.
15:31
Or we can monitormoniteur the velocityrapidité
386
916000
2000
Ou nous pouvons contrôler la vitesse
15:33
with whichlequel people are movingen mouvement with theirleur phonesTéléphones on a highwayAutoroute,
387
918000
3000
avec laquelle les gens se déplacent avec leurs téléphones sur une route,
15:36
and the phonetéléphone companycompagnie can see,
388
921000
2000
et l’opérateur téléphonique peut voir,
15:38
as the velocityrapidité is slowingralentir down,
389
923000
2000
lorsque la vitesse décroit,
15:40
that there's a trafficcirculation jamconfiture.
390
925000
2000
qu'il y a un embouteillage.
15:42
And they can feedalimentation that informationinformation back to theirleur subscribersles abonnés,
391
927000
3000
Et ils peuvent transmettre cette information à leurs abonnés,
15:45
but only to theirleur subscribersles abonnés on the sameMême highwayAutoroute
392
930000
2000
mais seulement à leurs abonnés sur la même route
15:47
locatedsitué behindderrière the trafficcirculation jamconfiture!
393
932000
2000
situés derrière les embouteillages !
15:49
Or we can monitormoniteur doctorsmédecins prescribingprescrire behaviorscomportements, passivelypassivement,
394
934000
3000
Ou nous pouvons surveiller les habitudes de prescription des médecins, passivement,
15:52
and see how the diffusionla diffusion of innovationinnovation with pharmaceuticalsproduits pharmaceutiques
395
937000
3000
et voir comment la diffusion de l'innovation avec des produits pharmaceutiques
15:55
occursse produit withindans [networksréseaux of] doctorsmédecins.
396
940000
2000
se produit dans les [réseaux] de médecins.
15:57
Or again, we can monitormoniteur purchasingachat behaviorcomportement in people
397
942000
2000
Ou encore, nous pouvons surveiller le comportement d'achat des gens,
15:59
and watch how these typesles types of phenomenaphénomènes
398
944000
2000
et voir comment ces types de phénomènes
16:01
can diffusediffus withindans humanHumain populationspopulations.
399
946000
3000
peuvent se diffuser dans les populations humaines.
16:04
And there are threeTrois waysfaçons, I think,
400
949000
2000
Et il y a trois façons, je pense,
16:06
that these massive-passivemassive-passif dataLes données can be used.
401
951000
2000
d’utiliser ces données massives-passives.
16:08
One is fullypleinement passivepassif,
402
953000
2000
L'une est entièrement passive,
16:10
like I just describeddécrit --
403
955000
2000
comme je viens de le décrire --
16:12
as in, for instanceexemple, the truckercamionneur exampleExemple,
404
957000
2000
comme dans l'exemple du camionneur,
16:14
where we don't actuallyréellement interveneintervenir in the populationpopulation in any way.
405
959000
2000
où nous n'intervenons en aucune façon au sein de la population.
16:16
One is quasi-activeactif quasi,
406
961000
2000
L’une est quasi-active,
16:18
like the flugrippe exampleExemple I gavea donné,
407
963000
2000
comme dans l'exemple de grippe que j'ai donné,
16:20
where we get some people to nominatenommer des theirleur friendscopains
408
965000
3000
où nous demandons à des gens de nommer leurs amis
16:23
and then passivelypassivement monitormoniteur theirleur friendscopains --
409
968000
2000
pour suivre passivement ces amis --
16:25
do they have the flugrippe, or not? -- and then get warningAttention.
410
970000
2000
ont-ils la grippe, ou pas? -- Puis obtenir une alerte.
16:27
Or anotherun autre exampleExemple would be,
411
972000
2000
Ou un autre exemple serait,
16:29
if you're a phonetéléphone companycompagnie, you figurefigure out who'squi est centralcentral in the networkréseau
412
974000
3000
si vous êtes chez un opérateur de téléphone, vous déterminez qui est central dans le réseau,
16:32
and you askdemander those people, "Look, will you just texttexte us your feverfièvre everychaque day?
413
977000
3000
et vous demandez à ces gens : "Bon, pouvez-vous nous envoyer un SMS sur votre état de fièvre tous les jours ?
16:35
Just texttexte us your temperaturetempérature."
414
980000
2000
Envoyez-nous juste votre température."
16:37
And collectcollecte vastvaste amountsles montants of informationinformation about people'sles gens temperaturetempérature,
415
982000
3000
Et vous recueillez de grandes quantités d'informations sur la température des gens,
16:40
but from centrallyau centre locatedsitué individualspersonnes.
416
985000
2000
mais toutes d'individus centraux.
16:42
And be ablecapable, on a largegrand scaleéchelle,
417
987000
2000
Et vous êtes capable, à grande échelle,
16:44
to monitormoniteur an impendingimminent epidemicépidémie
418
989000
2000
de surveiller une épidémie imminente
16:46
with very minimalminimal inputcontribution from people.
419
991000
2000
avec une participation très minime de personnes.
16:48
Or, finallyenfin, it can be more fullypleinement activeactif --
420
993000
2000
Ou, enfin, elle peut être complètement active --
16:50
as I know subsequentultérieures speakershaut-parleurs will alsoaussi talk about todayaujourd'hui --
421
995000
2000
Je sais que les orateurs suivants en parleront aussi aujourd'hui --
16:52
where people mightpourrait globallyglobalement participateparticiper in wikiswikis,
422
997000
2000
où les gens peuvent contribuer à l'échelle mondiale sur des wikis ,
16:54
or photographingphotographier, or monitoringsurveillance electionsélections,
423
999000
3000
ou sur la photographie, le suivi des élections,
16:57
and uploadtélécharger informationinformation in a way that allowspermet us to poolpiscine
424
1002000
2000
et télécharger des informations d'une manière qui nous permet de mettre en commun
16:59
informationinformation in ordercommande to understandcomprendre socialsocial processesprocessus
425
1004000
2000
l'information afin de comprendre les processus sociaux
17:01
and socialsocial phenomenaphénomènes.
426
1006000
2000
et les phénomènes sociaux.
17:03
In factfait, the availabilitydisponibilité of these dataLes données, I think,
427
1008000
2000
En fait, la disponibilité de ces données, je crois,
17:05
heraldshérauts a kindgentil of newNouveau eraère
428
1010000
2000
annonce une sorte de nouvelle ère
17:07
of what I and othersautres would like to call
429
1012000
2000
de ce que moi et d'autres aimeraient appeler
17:09
"computationalcalcul socialsocial sciencescience."
430
1014000
2000
"La science sociale numérique."
17:11
It's sortTrier of like when GalileoGalileo inventeda inventé -- or, didn't inventinventer --
431
1016000
3000
C'est un peu comme lorsque Galilée a inventé – non, n’a pas inventé –
17:14
camevenu to use a telescopetélescope
432
1019000
2000
est venu à utiliser un télescope
17:16
and could see the heavenscieux in a newNouveau way,
433
1021000
2000
et pu voir le ciel d'une manière nouvelle,
17:18
or LeeuwenhoekLeeuwenhoek becamedevenu awareconscient of the microscopemicroscope --
434
1023000
2000
ou Leeuwenhoek a pris connaissance du microscope --
17:20
or actuallyréellement inventeda inventé --
435
1025000
2000
ou l’a réellement inventé --
17:22
and could see biologyla biologie in a newNouveau way.
436
1027000
2000
et pu voir la biologie d'une manière nouvelle.
17:24
But now we have accessaccès to these kindssortes of dataLes données
437
1029000
2000
Mais maintenant nous avons accès à ces types de données
17:26
that allowpermettre us to understandcomprendre socialsocial processesprocessus
438
1031000
2000
qui nous permettent de comprendre les processus sociaux
17:28
and socialsocial phenomenaphénomènes
439
1033000
2000
et les phénomènes sociaux
17:30
in an entirelyentièrement newNouveau way that was never before possiblepossible.
440
1035000
3000
d'une manière entièrement nouvelle qui n'a jamais été possible auparavant.
17:33
And with this sciencescience, we can
441
1038000
2000
Et avec cette science, nous pouvons
17:35
understandcomprendre how exactlyexactement
442
1040000
2000
comprendre exactement comment
17:37
the wholeentier comesvient to be greaterplus grand
443
1042000
2000
l'ensemble vient à être plus
17:39
than the sumsomme of its partsles pièces.
444
1044000
2000
que la somme de ses parties.
17:41
And actuallyréellement, we can use these insightsdes idées
445
1046000
2000
Et effectivement, nous pouvons utiliser ces données
17:43
to improveaméliorer societysociété and improveaméliorer humanHumain well-beingbien-être.
446
1048000
3000
pour améliorer la société et améliorer le bien-être.
17:46
Thank you.
447
1051000
2000
Je vous remercie.
Translated by Pradeep Cojandé
Reviewed by Fabienne Der Hagopian

▲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