Big et small Data

Le phénomène qualifié de « Big Data » a un sens courant qui dépasse largement la description du rassemblement d’un grand nombre de données pour évoquer la possibilité d’en extraire des corrélations porteuses de sens dans une perspective scientifique, commerciale, militaire ou autre, corrélations qu’aucun  autre moyen ne permettrait de mettre en évidence aussi aisément.

Cette technique débouche sur des applications extrêmement nombreuses et est considérée par les économistes comme disruptive.

Des métiers nouveaux comme « data scientist » sont apparus pour en tirer parti.

Rien ne permet de mettre en cause le potentiel de cette technique appliquée à une masse de données croissant sans cesse avec l’extension du numérique à des opérations toujours plus nombreuses et à la multiplication des capteurs.

Du fait qu’existe le potentiel, on ne peut toutefois tirer la conclusion qu’il sera exploité  intelligemment: l’exemple des « small data » devrait tempérer les enthousiasmes : quand un émetteur de cartes de crédit -habitué à traiter de grands nombres-, propose à une personne cliente depuis 20 ans de souscrire une carte, il y a un problème : la manipulation de milliards de données serait-elle plus simple  que celle de ses fichiers clients ? Quand, à la suite de l’achat d’une voiture ou d’un matelas, il est assailli de propositions, y compris de son vendeur, comme s’il s’agissait d’un produit se consommant dans l’heure, il y a doute.

Quand une grande société de transport de passagers, après lui avoir vendu un billet à tarif complet pour une destination, assaille l’acquéreur dès le lendemain pour lui vendre la même chose à moitié prix, il y a problème.

L’exploitation des « big data » est certainement porteuse d’opportunités ; mais le support numérique de l’exercice ne doit pas conduire à penser que tout sera automatique. Il faut passer par la case « bon sens », qui parait un détour inacceptable à ceux qui veulent directement se projeter dans un avenir rêvé.