TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield : 7 manières pour les jeux de récompenser le cerveau
Filmed:
Readability: 3.8
1,288,061 views
Nous amenons le jeu dans plus d'aspects de nos vies, en passant des heures et des heures -- et de l'argent bien réel -- à explorer des mondes virtuels pour trouver des trésors imaginaires. Pourquoi? Comme Tom Chatfield le montre, les jeux sont parfaitement réglés pour distribuer des récompenses qui séduisent le cerveau et nous poussent à en redemander.
Tom Chatfield - Gaming theorist
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Double-click the English transcript below to play the video.
00:15
I love video games.
0
0
3000
J'adore les jeux vidéo.
00:18
I'm also slightly in awe of them.
1
3000
3000
J'en ai aussi un peu peur.
00:21
I'm in awe of their power
2
6000
2000
J'ai peur de leur pouvoir
00:23
in terms of imagination, in terms of technology,
3
8000
2000
en termes d'imagination, en termes de technologie,
00:25
in terms of concept.
4
10000
2000
en termes de concept.
00:27
But I think, above all,
5
12000
2000
Mais je pense, surtout,
00:29
I'm in awe at their power
6
14000
2000
j'ai peur de leur pouvoir
00:31
to motivate, to compel us,
7
16000
3000
de nous motiver, de nous contraindre,
00:34
to transfix us,
8
19000
2000
de nous fasciner,
00:36
like really nothing else we've ever invented
9
21000
3000
comme rien de ce que nous avons
00:39
has quite done before.
10
24000
2000
inventé avant ne l'a vraiment fait.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Et je pense que nous pouvons apprendre des choses plutôt étonnantes
00:44
by looking at how we do this.
12
29000
2000
en regardant comment nous faisons ça.
00:46
And in particular, I think we can learn things
13
31000
2000
Et en particulier, je pense que nous pouvons apprendre des choses
00:48
about learning.
14
33000
3000
sur l'apprentissage.
00:51
Now the video games industry
15
36000
2000
Maintenant l'industrie des jeux vidéo
00:53
is far and away the fastest growing
16
38000
2000
est de loin celui des médias modernes
00:55
of all modern media.
17
40000
2000
qui connaît la plus grande croissance.
00:57
From about 10 billion in 1990,
18
42000
2000
D'environ 10 milliards en 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
elle représente 50 milliards de dollars pour le monde entier aujourd'hui,
01:02
and it shows no sign of slowing down.
20
47000
3000
et elle ne montre aucun signe de ralentissement.
01:05
In four years' time,
21
50000
2000
Dans 4 ans,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
on estime qu'elle vaudra plus de 80 milliards de dollars.
01:10
That's about three times the recorded music industry.
23
55000
3000
C'est environ trois fois l'industrie de la musique enregistrée.
01:13
This is pretty stunning,
24
58000
2000
C'est assez stupéfiant,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
mais je ne pense pas que ce soit la statistique la plus parlante de toutes.
01:18
The thing that really amazes me
26
63000
2000
La chose qui m'étonne vraiment
01:20
is that, today,
27
65000
2000
est qu'aujourd'hui,
01:22
people spend about
28
67000
2000
les gens dépensent
01:24
eight billion real dollars a year
29
69000
3000
environ 8 milliards de dollars par an
01:27
buying virtual items
30
72000
2000
pour acheter des articles virtuels
01:29
that only exist
31
74000
2000
qui n'existent
01:31
inside video games.
32
76000
3000
qu'à l'intérieur des jeux vidéo.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Voici une capture d'écran du monde d'un jeu vidéo, Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Plus tôt cette année,
01:39
a virtual asteroid in it
35
84000
2000
un astéroïde virtuel
01:41
sold for 330,000 real dollars.
36
86000
4000
s'y est vendu pour 330 000 vrai dollars.
01:45
And this
37
90000
2000
Et ceci
01:47
is a Titan class ship
38
92000
3000
est un vaisseau de classe Titan
01:50
in the space game, EVE Online.
39
95000
2000
dans le jeu de l'espace, EVE online.
01:52
And this virtual object
40
97000
2000
Et cet objet virtuel
01:54
takes 200 real people
41
99000
2000
prend à 200 vraies personnes
01:56
about 56 days of real time to build,
42
101000
3000
environ 56 jours de temps réel à construire,
01:59
plus countless thousands of hours
43
104000
3000
plus des milliers heures et des heures
02:02
of effort before that.
44
107000
2000
d'efforts avant ça.
02:04
And yet, many of these get built.
45
109000
3000
Et pourtant il s'en construit beaucoup.
02:07
At the other end of the scale,
46
112000
2000
Et à l'autre bout de l'échelle,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
le jeu, Farmville, dont vous avez peut-être entendu parler,
02:12
has 70 million players
48
117000
2000
compte 70 millions de joueurs
02:14
around the world
49
119000
2000
dans le monde,
02:16
and most of these players
50
121000
2000
et la plupart de ces joueurs
02:18
are playing it almost every day.
51
123000
2000
y jouent presque tous les jours.
02:20
This may all sound
52
125000
2000
Cela peut sembler
02:22
really quite alarming to some people,
53
127000
2000
inquiétant pour certains,
02:24
an index of something worrying
54
129000
2000
un indicateur de ce qui est inquiétant
02:26
or wrong in society.
55
131000
2000
ou qui ne va pas dans la société.
02:28
But we're here for the good news,
56
133000
2000
Mais nous sommes ici pour les bonnes nouvelles,
02:30
and the good news is
57
135000
2000
et la bonne nouvelle est que
02:32
that I think we can explore
58
137000
2000
je crois que nous pouvons explorer
02:34
why this very real human effort,
59
139000
3000
pourquoi cet effort humain bien réel,
02:37
this very intense generation of value, is occurring.
60
142000
4000
cette production très intense de valeur a lieu.
02:41
And by answering that question,
61
146000
2000
Et en répondant à cette question
02:43
I think we can take something
62
148000
2000
je pense que nous pouvons
02:45
extremely powerful away.
63
150000
2000
enlever quelque chose de très puissant.
02:47
And I think the most interesting way
64
152000
2000
Et je crois que la manière la plus intéressante
02:49
to think about how all this is going on
65
154000
2000
d'envisager la façon dont tout ça se passe
02:51
is in terms of rewards.
66
156000
2000
c'est en termes de récompense.
02:53
And specifically, it's in terms
67
158000
3000
Et en particulier, c'est en termes
02:56
of the very intense emotional rewards
68
161000
2000
de récompenses émotionnelles très intenses
02:58
that playing games offers to people
69
163000
2000
que jouer à des jeux offre aux gens,
03:00
both individually
70
165000
2000
à la fois sur le plan individuel
03:02
and collectively.
71
167000
2000
et le plan collectif.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Et si on regarde ce qui se passe dans la tête de quelqu'un
03:06
when they are being engaged,
73
171000
2000
quand on les défie,
03:08
two quite different processes are occurring.
74
173000
3000
deux processus tout à fait différents se déroulent.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
D'une part il y a les processus de désir.
03:14
This is a bit like ambition and drive -- I'm going to do that. I'm going to work hard.
76
179000
3000
C'est une peu de l'ambition et de la motivation -- je vais faire ça, je vais travailler dur.
03:17
On the other hand, there's the liking processes,
77
182000
2000
D'autre part, ce sont les processus d'appréciation,
03:19
fun and affection
78
184000
2000
d'amusement et d'attirance
03:21
and delight
79
186000
2000
et de plaisir --
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
et une bête énorme qui vole avec un orc sur le dos.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
C'est une super image. C'est vraiment cool.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Elle est tirée du jeu World of Warcraft qui compte plus de 10 millions de joueurs dans le monde,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
j'en suis un, ma femme en est un autre.
03:33
And this kind of a world,
84
198000
2000
Et ce genre de monde,
03:35
this vast flying beast you can ride around,
85
200000
2000
cette bête volante que vous pouvez chevaucher
03:37
shows why games are so very good
86
202000
2000
montre pourquoi les jeux
03:39
at doing both the wanting and the liking.
87
204000
3000
fonctionnent si bien sur ce que l'on veut et ce que l'on aime.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Parce que c'est très puissant. C'est fabuleux.
03:44
It gives you great powers.
89
209000
2000
Ça vous donne de grands pouvoirs.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Votre ambition est satisfaite, mais c'est très beau.
03:49
It's a very great pleasure to fly around.
91
214000
3000
C'est un très grand plaisir de voler.
03:52
And so these combine to form
92
217000
2000
Et donc tout ça se combine pour former
03:54
a very intense emotional engagement.
93
219000
2000
une implication émotionnelle très intense.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Mais ce n'est pas le plus intéressant.
03:59
The really interesting stuff about virtuality
95
224000
2000
Le plus intéressant dans la virtualité
04:01
is what you can measure with it.
96
226000
2000
c'est qu'on peut s'y mesurer.
04:03
Because what you can measure in virtuality
97
228000
3000
Parce que ce qu'on peut mesurer dans la virtualité
04:06
is everything.
98
231000
2000
c'est tout.
04:08
Every single thing that every single person
99
233000
2000
Chaque chose que chaque personne
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
qui a jamais joué à un jeu a jamais fait peut être mesurée.
04:13
The biggest games in the world today
101
238000
2000
Les plus grands jeux dans le monde aujourd'hui
04:15
are measuring more than one billion points of data
102
240000
4000
mesurent plus d'un million de points de données
04:19
about their players, about what everybody does --
103
244000
2000
pour leurs joueurs, pour tout ce que tout le monde fait --
04:21
far more detail than you'd ever get from any website.
104
246000
3000
bien plus détaillé que ne pourrait le faire n'importe quel site web.
04:24
And this allows something very special
105
249000
3000
Et cela permet qu'il se passe quelque chose de très spécial
04:27
to happen in games.
106
252000
2000
dans les jeux.
04:29
It's something called the reward schedule.
107
254000
3000
C'est quelque chose qu'on appelle la planification de récompenses.
04:32
And by this, I mean looking
108
257000
2000
Et par là je veux dire regarder
04:34
at what millions upon millions of people have done
109
259000
2000
ce que des millions et des millions de joueurs ont fait
04:36
and carefully calibrating the rate,
110
261000
2000
et de calibrer soigneusement le taux,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
la nature, le type, l'intensité des récompenses dans un jeu
04:41
to keep them engaged
112
266000
2000
pour qu'ils restent impliqués
04:43
over staggering amounts of time and effort.
113
268000
3000
pendant des périodes et des efforts impressionnants.
04:46
Now, to try and explain this
114
271000
2000
Et pour essayer d'expliquer ça
04:48
in sort of real terms,
115
273000
3000
en termes concrets,
04:51
I want to talk about a kind of task
116
276000
2000
je veux vous parler d'un genre de tâche
04:53
that might fall to you in so many games.
117
278000
2000
qui pourrait vous échoir dans tant de ces jeux.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Allez chercher une certaine quantité d'un certain article du jeu.
04:58
Let's say, for the sake of argument,
119
283000
2000
Disons, pour faire simple,
05:00
my mission is to get 15 pies
120
285000
3000
ma mission est de récupérer 15 tartes,
05:03
and I can get 15 pies
121
288000
3000
et je peux récupérer 15 tartes
05:06
by killing these cute, little monsters.
122
291000
2000
en tuant ces petits montres mignons.
05:08
Simple game quest.
123
293000
2000
Un simple jeu de quête.
05:10
Now you can think about this, if you like,
124
295000
2000
Et vous pouvez penser, si vous voulez,
05:12
as a problem about boxes.
125
297000
2000
que c'est un problème de boîtes.
05:14
I've got to keep opening boxes.
126
299000
2000
Je dois ouvrir ces boîtes
05:16
I don't know what's inside them until I open them.
127
301000
3000
et je ne sais pas ce qu'elles contiennent tant que je ne les ai pas ouvertes.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
Et je vais ouvrir une boîte après l'autre jusqu'à ce que j'aie 15 tartes.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Et si vous prenez un jeu comme Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
vous pouvez penser, si vous voulez,
05:26
as a great box-opening effort.
131
311000
3000
à un grand effort d'ouverture de boîtes.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Le jeu consiste simplement à faire ouvrir aux gens des millions de boîtes,
05:32
getting better and better stuff in them.
133
317000
2000
en obtenant des trucs de plus en plus chouettes dedans.
05:34
This sounds immensely boring
134
319000
3000
Ça a l'air absolument ennuyeux,
05:37
but games are able
135
322000
2000
mais les jeux sont capables
05:39
to make this process
136
324000
2000
de rendre ce processus
05:41
incredibly compelling.
137
326000
2000
incroyablement captivant.
05:43
And the way they do this
138
328000
2000
Et la façon dont ils font ça
05:45
is through a combination of probability and data.
139
330000
3000
c'est par le biais d'une combinaison de probabilités et de données.
05:48
Let's think about probability.
140
333000
2000
Réfléchissons à la probabilité.
05:50
If we want to engage someone
141
335000
2000
Si nous voulons impliquer quelqu'un
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
dans le processus d'ouvertures de boîtes pour trouver des tartes,
05:55
we want to make sure it's neither too easy,
143
340000
2000
nous voulons nous assurer que ce n'est ni trop facile,
05:57
nor too difficult, to find a pie.
144
342000
2000
ni trop difficile de trouver une tarte.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Alors qu'est-ce qu'on fait? Et bien on prend un million de gens --
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
non, 100 millions de gens, 100 millions d'ouvreurs de boîtes --
06:04
and you work out, if you make the pie rate
147
349000
3000
et on calcule, si vous mettez le taux de tartes
06:07
about 25 percent --
148
352000
2000
à environ 25 % --
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
ce n'est ni trop frustrant, ni trop facile ;
06:12
It keeps people engaged.
150
357000
2000
ça garde la motivation des gens --
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
mais bien sûr, vous ne faites pas que ça -- il y a 15 tartes.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
ET je pourrais faire un jeu appelé TarteCraft,
06:19
where all you had to do was get a million pies
153
364000
2000
ou tout ce que vous ayez à faire serait d'obtenir un million de tartes,
06:21
or a thousand pies.
154
366000
2000
ou 1000 tartes.
06:23
That would be very boring.
155
368000
2000
Ce serait très ennuyeux.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 est un chiffre plutôt optimal.
06:27
You find that -- you know, between five and 20
157
372000
2000
Vous trouvez que -- vous savez, le bon nombre
06:29
is about the right number for keeping people going.
158
374000
2000
pour pousser les gens à continuer c'est entre 5 et 20.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Mais nous n'avons pas que des tartes dans les boîtes.
06:33
There's 100 percent up here.
160
378000
2000
Il y a 100% ici.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Ce que nous faisons c'est de nous assurer que chaque fois qu'une boîte est ouverte
06:38
there's something in it, some little reward
162
383000
2000
il y a quelque chose dedans, une petite récompense,
06:40
that keeps people progressing and engaged.
163
385000
2000
qui pousse les gens à progresser et à s'impliquer.
06:42
In most adventure games,
164
387000
2000
Dans la plupart des jeux d'aventure,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
il y a un peu d'argent virtuel, un peu d'expérience,
06:47
But we don't just do that either.
166
392000
2000
mais nous ne faisons pas que ça non plus.
06:49
We also say there's going to be loads of other items
167
394000
2000
Nous disons aussi qu'il va y avoir des tas d'autres articles
06:51
of varying qualities and levels of excitement.
168
396000
2000
de qualités et de niveaux d'intérêts divers.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Il y aura 10 % de chances que vous ayez un très bon article.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Il y aura à 0,1 % de chances
06:58
you get an absolutely awesome item.
171
403000
3000
que vous ayez un article absolument génial.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Et chacune de ces récompenses est soigneusement calibrée pour l'article.
07:04
And also, we say,
173
409000
2000
Et nous disons également:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Combien de monstres ? Est-ce que je dois remplir le monde entier d'un milliard de monstres ?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Non, nous voulons un ou deux monstres à l'écran à un moment donné.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Et donc ça m'attire. Ce n'est pas trop facile, pas trop difficile.
07:15
So all this is very powerful.
177
420000
2000
Donc tout ceci est très puissant.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Mais nous sommes dans le virtuel ; ce ne sont pas de vraies boîtes.
07:20
So we can do
179
425000
2000
Alors nous pouvons faire
07:22
some rather amazing things.
180
427000
2000
des choses plutôt étonnantes.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Nous remarquons, en regardant tous ces gens ouvrir des boîtes,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
que quand les gens arrivent à 13 tartes sur 15
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
leur perception bascule, ils commencent à s'ennuyer un peu.
07:34
They're not rational about probability.
184
439000
2000
Ils ne voient pas la probabilité d'une façon rationnelle.
07:36
They think this game is unfair.
185
441000
2000
Ils pensent que le jeu est injuste.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Il ne veut pas me donner les deux dernières tartes. Je vais laisser tomber.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Si ce sont de vraies boîtes, je ne peux pas faire grand-chose,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
mais dans un jeu, nous pouvons simplement dire "bon, très bien."
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Quand vous arrivez à 13 cartes, vous avez 75 % de chances d'obtenir une tarte à présent.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Continuez. Regardez ce que les gens font --
07:50
adjust the world to match their expectation.
191
455000
2000
Ils ajustent le monde pour l'aligner sur leurs attentes.
07:52
Our games don't always do this.
192
457000
2000
Nos jeunes font pas toujours cela.
07:54
And one thing they certainly do at the moment
193
459000
2000
Une chose qu'ils font certainement en ce moment
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
c'est, si vous avez un article génial qui fait parti des 0,1 %,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
ils s'assurent qu'un autre ne va pas apparaître avant un certain laps de temps
08:02
to keep the value, to keep it special.
196
467000
2000
pour lui garder sa valeur, pour qu'il reste spécial.
08:04
And the point is really
197
469000
2000
Le fait est vraiment
08:06
that we evolved to be satisfied by the world
198
471000
2000
que nous avons évolué pour être satisfaits par le monde
08:08
in particular ways.
199
473000
2000
de manière particulière.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Pendant des dizaines et des centaines de milliers d'années
08:13
we evolved to find certain things stimulating,
201
478000
2000
nous avons évolué pour trouver certaines choses stimulantes
08:15
and as very intelligent, civilized beings,
202
480000
2000
et en tant qu'êtres intelligents et civilisés
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
nous sommes énormément stimulés par la résolution des problèmes et l'apprentissage.
08:20
But now, we can reverse engineer that
204
485000
2000
Mais maintenant nous pouvons nous servir de cela à l'envers
08:22
and build worlds
205
487000
2000
et construire des mondes
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
qui déclenchent expressément nos boîtes d'évolution.
08:27
So what does all this mean in practice?
207
492000
2000
Et donc que cela veut-il dire en pratique?
08:29
Well, I've come up
208
494000
2000
Et bien, je vais citer
08:31
with seven things
209
496000
2000
sept choses
08:33
that, I think, show
210
498000
2000
qui, je pense, montrent
08:35
how you can take these lessons from games
211
500000
2000
comment vous pouvez tirer ces leçons des jeux
08:37
and use them outside of games.
212
502000
3000
et les utiliser en dehors des jeux.
08:40
The first one is very simple:
213
505000
2000
La première est très simple:
08:42
experience bars measuring progress --
214
507000
2000
des barres d'expérience qui mesurent la progression --
08:44
something that's been talked about brilliantly
215
509000
2000
quelque chose qui a été exposé brillamment
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
par des gens comme Jesse Schell plus tôt dans l'année.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Ça a déjà été fait à l'université de l'Indiana aux États-Unis, entre autres.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
C'est simplement l'idée que, au lieu de noter les gens de façon incrémentielle,
08:55
in little bits and pieces,
219
520000
2000
avec des petits trucs,
08:57
you give them one profile character avatar
220
522000
2000
on leur donne un profil avec un avatar
08:59
which is constantly progressing
221
524000
2000
qui progresse constamment
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
par toutes petites incrémentations, qui donnent l'impression de leur appartenir.
09:04
And everything comes towards that,
223
529000
2000
Et tout converge vers cela,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
et ils le voient venir petit à petit, et c'est à eux tant qu'ils continuent.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Deuxièmement, des objectifs multiples longs et à court terme --
09:11
5,000 pies, boring,
226
536000
2000
5000 tartes, c'est ennuyeux,
09:13
15 pies, interesting.
227
538000
2000
15 tartes, c'est intéressant.
09:15
So, you give people
228
540000
2000
Donc vous donnez aux gens
09:17
lots and lots of different tasks.
229
542000
2000
tout un tas de tâches différentes.
09:19
You say, it's about
230
544000
2000
Vous dites, il s'agit
09:21
doing 10 of these questions,
231
546000
2000
de faire 10 de ces questions,
09:23
but another task
232
548000
2000
mais une autre tâche
09:25
is turning up to 20 classes on time,
233
550000
2000
est d'arriver à 20 classes en temps voulu,
09:27
but another task is collaborating with other people,
234
552000
3000
mais une autre tâche est de collaborer avec d'autres personnes,
09:30
another task is showing you're working five times,
235
555000
3000
une autre tâche est de montrer votre travail 5 fois,
09:33
another task is hitting this particular target.
236
558000
2000
une autre tâche de frapper cette cible particulière.
09:35
You break things down into these calibrated slices
237
560000
3000
On divise les choses en petites tranches calibrées
09:38
that people can choose and do in parallel
238
563000
2000
que les gens peuvent choisir et faire en parallèle
09:40
to keep them engaged
239
565000
2000
pour qu'ils continuent à jouer
09:42
and that you can use to point them
240
567000
2000
et que vous puissiez utiliser pour les orienter
09:44
towards individually beneficial activities.
241
569000
3000
vers des activités qui apportent un bénéfice individuel.
09:48
Third, you reward effort.
242
573000
2000
Troisièmement, vous récompensez l'effort.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
C'est votre facteur 100 %. Les jeux font ça merveilleusement.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Chaque fois que vous faites quelque chose, vous recevez du crédit, pour avoir essayé.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
On ne punit pas l'échec ; on récompense chaque petit effort --
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
un peu d'or, un peu de crédit -- vous avez fait 20 questions -- on coche.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Tout ça est minutieusement enregistré.
10:05
Fourth, feedback.
248
590000
2000
Quatrièmement, le retour.
10:07
This is absolutely crucial,
249
592000
2000
C'est absolument crucial,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
et le virtuel le fournit d'une façon époustouflante.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Si vous considérez certains des problèmes les plus intraitables au monde aujourd'hui
10:14
that we've been hearing amazing things about,
252
599000
2000
et dont nous avons entendu dire des choses stupéfiantes,
10:16
it's very, very hard for people to learn
253
601000
3000
il est très très difficile pour les gens d'apprendre
10:19
if they cannot link consequences to actions.
254
604000
3000
s'ils ne peuvent pas relier les conséquences aux actions.
10:22
Pollution, global warming, these things --
255
607000
2000
La pollution, le réchauffement planétaire, ces trucs-là,
10:24
the consequences are distant in time and space.
256
609000
2000
les conséquences en sont distantes en temps et en espace.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Il est très difficile d'apprendre à ressentir une leçon,
10:28
But if you can model things for people,
258
613000
2000
mais si vous pouvez modéliser les choses pour les gens,
10:30
if you can give things to people that they can manipulate
259
615000
2000
si vous donnez aux gens des choses qu'ils peuvent manipuler
10:32
and play with and where the feedback comes,
260
617000
2000
et avec lesquels ils peuvent jouer et ils ont un retour,
10:34
then they can learn a lesson, they can see,
261
619000
2000
alors ils peuvent apprendre une leçon, ils peuvent voir,
10:36
they can move on, they can understand.
262
621000
3000
ils peuvent avancer, ils peuvent comprendre.
10:39
And fifth,
263
624000
2000
Et cinquièmement
10:41
the element of uncertainty.
264
626000
2000
l'élément d'incertitude.
10:43
Now this is the neurological goldmine,
265
628000
3000
Maintenant ceci est une mine d'or neurologique,
10:46
if you like,
266
631000
2000
si vous voulez,
10:48
because a known reward
267
633000
2000
parce qu'une récompense connue
10:50
excites people,
268
635000
2000
excite les gens,
10:52
but what really gets them going
269
637000
2000
mais ce qui les motive vraiment
10:54
is the uncertain reward,
270
639000
2000
c'est la récompense incertaine,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
la récompense placée au juste niveau d'incertitude,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
dont ils ne savaient pas vraiment si oui ou non ils allaient l'obtenir.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Les 25 %. Ceci active le cerveau.
11:04
And if you think about
274
649000
2000
Et si vous pensez
11:06
using this in testing,
275
651000
2000
à utiliser ça pour des tests,
11:08
in just introducing control elements of randomness
276
653000
2000
en introduisant simplement des éléments contrôleurs aléatoires
11:10
in all forms of testing and training,
277
655000
2000
dans toutes les formes de tests et de formation,
11:12
you can transform the levels of people's engagement
278
657000
2000
vous pouvez transformer les niveaux d'implication des gens
11:14
by tapping into this very powerful
279
659000
2000
en puisant dans ce très puissant
11:16
evolutionary mechanism.
280
661000
2000
mécanisme d'évolution
11:18
When we don't quite predict something perfectly,
281
663000
2000
Le fait que quand on ne peut pas prédire tout à fait une chose,
11:20
we get really excited about it.
282
665000
2000
cela nous excite vraiment.
11:22
We just want to go back and find out more.
283
667000
2000
Nous voulons juste revenir et trouver plus.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Comme vous le savez sans doute, le neurotransmetteur
11:26
associated with learning is called dopamine.
285
671000
2000
associé à l'apprentissage s'appelle la dopamine.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Il est associé avec le comportement de recherche de récompense.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Et quelque chose de très excitant commence à se passer
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
dans des endroits comme l'université de Bristol Royaume-Uni,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
où nous commençons à être en mesure de modéliser mathématiquement
11:40
dopamine levels in the brain.
290
685000
2000
les niveaux de dopamine dans le cerveau.
11:42
And what this means is we can predict learning,
291
687000
2000
Et ce que ça signifie, c'est que nous pouvons prédire l'apprentissage,
11:44
we can predict enhanced engagement,
292
689000
3000
nous pouvons prédire l'implication augmentée,
11:47
these windows, these windows of time,
293
692000
2000
ces fenêtres, ces fenêtres de temps,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
dans lesquelles l'apprentissage a lieu à un niveau augmenté.
11:52
And two things really flow from this.
295
697000
2000
Et deux choses découlent vraiment de cela.
11:54
The first has to do with memory,
296
699000
2000
La première a à voir avec la mémoire,
11:56
that we can find these moments.
297
701000
2000
le fait que nous puissions trouver ces moments.
11:58
When someone is more likely to remember,
298
703000
2000
Quand quelqu'un est plus susceptible de se souvenir,
12:00
we can give them a nugget in a window.
299
705000
2000
nous pouvons lui donner une pépite dans une fenêtre.
12:02
And the second thing is confidence,
300
707000
2000
Et la deuxième chose est la confiance,
12:04
that we can see how game-playing and reward structures
301
709000
2000
le fait que nous puissions voir comment les structures de jeux et de récompenses
12:06
make people braver, make them more willing to take risks,
302
711000
3000
rendent les gens plus courageux, plus prêts à prendre des risques,
12:09
more willing to take on difficulty,
303
714000
2000
plus prêts à affronter les difficultés,
12:11
harder to discourage.
304
716000
2000
plus difficiles à décourager
12:13
This can all seem very sinister.
305
718000
2000
Tout cela peut sembler très sinistre.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Mais vous savez, dans le genre "on manipule nos cerveaux, nous sommes tous accros."
12:17
The word "addiction" is thrown around.
307
722000
2000
On lance le mot addiction.
12:19
There are real concerns there.
308
724000
2000
Il y a de réelles inquiétudes ici.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Mais le plus grand attrait neurologique pour les gens
12:23
is other people.
310
728000
2000
ce sont d'autres gens.
12:25
This is what really excites us.
311
730000
3000
C'est ça qui nous excite vraiment.
12:28
In reward terms, it's not money;
312
733000
2000
En termes de récompenses, ce n'est pas l'argent,
12:30
it's not being given cash -- that's nice --
313
735000
3000
le fait de recevoir du liquide -- c'est bien --
12:33
it's doing stuff with our peers,
314
738000
2000
c'est de faire des trucs avec nos pairs,
12:35
watching us, collaborating with us.
315
740000
2000
qui nous regardent, qui collaborent avec nous.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Et je veux vous raconter une brève histoire qui se passe en 1999 --
12:39
a video game called EverQuest.
317
744000
2000
un jeu vidéo appelé Everquest.
12:41
And in this video game,
318
746000
2000
Et dans ce jeu vidéo,
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
il y avait de très gros dragons, et vous deviez faire équipe pour les tuer --
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 personnes -- jusqu'à 42 personnes pour tuer ces gros dragon.
12:49
That's a problem
321
754000
2000
C'est un problème,
12:51
because they dropped two or three decent items.
322
756000
3000
parce qu'ils ont laissé tomber deux ou trois articles décents.
12:54
So players addressed this problem
323
759000
3000
Alors les joueurs ont contourné ce problème
12:57
by spontaneously coming up with a system
324
762000
2000
en inventant spontanément un système
12:59
to motivate each other,
325
764000
2000
pour se motiver mutuellement,
13:01
fairly and transparently.
326
766000
2000
équitablement et de façon transparente.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Ce qui s'est passé, ils se payaient mutuellement en argent virtuel
13:06
they called "dragon kill points."
328
771000
3000
qu'ils appelaient des points de tueurs de Dragon.
13:09
And every time you turned up to go on a mission,
329
774000
2000
Et chaque fois que c'était votre tour d'aller en mission,
13:11
you got paid in dragon kill points.
330
776000
2000
on vous payait en points de tueurs de Dragon.
13:13
They tracked these on a separate website.
331
778000
2000
Ils les comptabilisaient sur un site Web indépendant.
13:15
So they tracked their own private currency,
332
780000
2000
Donc ils comptabilisaient leur propre monnaie privée,
13:17
and then players could bid afterwards
333
782000
2000
et ensuite les joueurs pouvaient enchérir
13:19
for cool items they wanted --
334
784000
2000
pour les articles sympas qu'ils voulaient --
13:21
all organized by the players themselves.
335
786000
2000
le tout organisé par les joueurs eux-mêmes.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Maintenant le système époustouflant n'est pas que ça a marché dans Everquest,
13:26
but that today, a decade on,
337
791000
2000
mais qu'aujourd'hui, 10 ans plus tard,
13:28
every single video game in the world with this kind of task
338
793000
3000
chaque jeu vidéo dans le monde qui a ce genre de tâches
13:31
uses a version of this system --
339
796000
2000
utilise une version de ce système --
13:33
tens of millions of people.
340
798000
2000
des dizaines de millions de gens.
13:35
And the success rate
341
800000
2000
Et le taux de réussite
13:37
is at close to 100 percent.
342
802000
2000
approche les 100 %.
13:39
This is a player-developed,
343
804000
2000
C'est une monnaie volontaire, qui s'impose
13:41
self-enforcing, voluntary currency,
344
806000
3000
développé par les joueurs,
13:44
and it's incredibly sophisticated
345
809000
2000
et c'est un comportement de joueurs
13:46
player behavior.
346
811000
2000
incroyablement sophistiqué.
13:50
And I just want to end by suggesting
347
815000
2000
Et je veux juste terminer en suggérant
13:52
a few ways in which these principles
348
817000
2000
quelques manières dont ce principe
13:54
could fan out into the world.
349
819000
2000
pourrait se transposer dans le monde.
13:56
Let's start with business.
350
821000
2000
Je commencerai par les affaires.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Je veux dire, nous commençons à voir certains des gros problèmes
14:00
around something like business are
352
825000
2000
dans des domaines comme les affaires,
14:02
recycling and energy conservation.
353
827000
2000
le recyclage et l'économie d'énergie.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Nous commençons à voir l'émergence de merveilleuses technologies
14:06
like real-time energy meters.
355
831000
2000
comme les compteurs d'énergie en temps réel.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Et et quand je vois ça, je me dis oui,
14:10
we could take that so much further
357
835000
3000
nous pourrions aller aussi loin que ça
14:13
by allowing people to set targets
358
838000
2000
en permettant aux gens de fixer des objectifs
14:15
by setting calibrated targets,
359
840000
2000
en fixant des objectifs calibrés,
14:17
by using elements of uncertainty,
360
842000
3000
en utilisant des éléments d'incertitude,
14:20
by using these multiple targets,
361
845000
2000
en utilisant ses cibles multiples,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
en utilisant un système génial de motivation et de récompenses sous-jacentes
14:25
by setting people up
363
850000
2000
en poussant les gens
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
à collaborer en termes de groupe, en termes de rues,
14:29
to collaborate and compete,
365
854000
2000
à collaborer et à se mettre en compétition
14:31
to use these very sophisticated
366
856000
2000
pour utiliser ces groupes très sophistiqués
14:33
group and motivational mechanics we see.
367
858000
2000
et ses mécanismes de motivation que nous voyons.
14:35
In terms of education,
368
860000
2000
En termes d'éducation,
14:37
perhaps most obviously of all,
369
862000
2000
peut-être le domaine le plus évident de tous,
14:39
we can transform how we engage people.
370
864000
3000
nous pouvons transformer la façon dont nous impliquons les gens.
14:42
We can offer people the grand continuity
371
867000
2000
Nous nous pouvons offrir aux gens une excellente continuité
14:44
of experience and personal investment.
372
869000
3000
d'expérience et d'investissement personnel.
14:47
We can break things down
373
872000
2000
Nous nous pouvons diviser les choses
14:49
into highly calibrated small tasks.
374
874000
2000
en de petites taches hautement calibrées.
14:51
We can use calculated randomness.
375
876000
2000
Nous pouvons utiliser l'entropie calculée.
14:53
We can reward effort consistently
376
878000
2000
Nous pouvons récompenser l'effort de façon consistante
14:55
as everything fields together.
377
880000
3000
puisque tout joue ensemble.
14:58
And we can use the kind of group behaviors
378
883000
2000
Et nous pouvons utiliser les comportements de groupe
15:00
that we see evolving when people are at play together,
379
885000
3000
que nous voyons évoluer quand les gens jouent ensemble,
15:03
these really quite unprecedentedly complex
380
888000
3000
ce sont des mécanismes coopératifs plus complexes
15:06
cooperative mechanisms.
381
891000
2000
que tout ce qu'on a vu auparavant.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Quant au gouvernement, une chose qui vient à l'esprit
15:10
is the U.S. government, among others,
383
895000
3000
c'est que le gouvernement des États-Unis, entre autres,
15:13
is literally starting to pay people
384
898000
2000
commence littéralement à payer les gens
15:15
to lose weight.
385
900000
2000
pour qu'ils perdent du poids.
15:17
So we're seeing financial reward being used
386
902000
2000
Alors nous disons que la récompense financière est utilisée
15:19
to tackle the great issue of obesity.
387
904000
2000
pour s'attaquer au vaste problème de l'obésité.
15:21
But again, those rewards
388
906000
2000
Mais là encore, ces récompenses
15:23
could be calibrated so precisely
389
908000
3000
pourraient être calibrées si précisément
15:26
if we were able to use the vast expertise
390
911000
3000
si nous étions capables d'utiliser la très grande expertise
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
des systèmes de jeu, rien que pour faire un effet de levier sur cet appel,
15:32
to take the data, to take the observations,
392
917000
2000
pour prendre les données, pour prendre les observations
15:34
of millions of human hours
393
919000
2000
de millions d'heures humaines
15:36
and plow that feedback
394
921000
2000
et d'exploiter ce retour
15:38
into increasing engagement.
395
923000
2000
pour en tirer une implication croissante.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Et au final, c'est ce mot implication
15:43
that I want to leave you with.
397
928000
2000
sur lequel je veux vous laisser.
15:45
It's about how individual engagement
398
930000
2000
C'est comment l'implication individuelle
15:47
can be transformed
399
932000
2000
peut-être transformée
15:49
by the psychological and the neurological lessons
400
934000
3000
par les leçons psychologiques et neurologiques
15:52
we can learn from watching people that are playing games.
401
937000
3000
que nous pouvons apprendre en regardant les gens qui jouent.
15:55
But it's also about collective engagement
402
940000
3000
Mais c'est aussi l'implication collective
15:58
and about the unprecedented laboratory
403
943000
3000
et le laboratoire sans précédent
16:01
for observing what makes people tick
404
946000
2000
pour observer ce qui motive les gens
16:03
and work and play and engage
405
948000
2000
à travailler, à jouer, à s'impliquer
16:05
on a grand scale in games.
406
950000
3000
à grande échelle dans des jeux.
16:08
And if we can look at these things and learn from them
407
953000
3000
Et si nous pouvons examiner ces choses et en tirer des leçons
16:11
and see how to turn them outwards,
408
956000
2000
et voir comment les appliquer à d'autres domaines,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
alors je crois vraiment que nous avons dans nos mains quelque chose de révolutionnaire.
16:16
Thank you very much.
410
961000
2000
Merci beaucoup.
16:18
(Applause)
411
963000
4000
(Applaudissements)
ABOUT THE SPEAKER
Tom Chatfield - Gaming theoristTom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn.
Why you should listen
It can be difficult to wrap one's mind around the size and the reach of modern video- and online-game culture. But gaming is not only outstripping more-traditional media in revenue (it overtook music in 2008), it's become a powerful lens to re-examine our culture at large. Tom Chatfield, a longtime gamer, is the arts and books editor at the UK current-affairs magazine Prospect. In his book Fun Inc., he argues that games, with their immersive quests and deeply satisfying (and carefully designed) virtual rewards, are a great place to test new approaches to real-world systems that need a reboot.
More than a game journalist, Chatfield is a game theorist, looking at neurological research on how games engage our pleasure centers -- and then looking at a world where millions of videogame-veteran Generation Z'ers are entering the workforce and the voters' rolls. They're good with complex rule sets; they're used to forming ad hoc groups to reach a goal; and they love to tweak and mod existing systems. What if society harnessed that energy to redefine learning? Or voting? Understanding the psychology of the videogame reward schedule, Chatfield believes, is not only important for understanding the world of our children -- it's a stepping stone to improving our world right now.
Tom Chatfield | Speaker | TED.com