Wired est de très loin ma lecture magazine mensuelle favorite. Un aspect néanmoins agaçant est ce petit côté libertarien qui transparaît parfois, surtout dans les interviews de geeks business angels.
On y parle ainsi plus volontiers de Zuckerberg, Jobs ou d’illustres inconnus comme Marc Andreessen, sortes d’archétypes randistes, que des libristes forcenés plus ou moins chevelus comme Linus Torvald ou Richard Stallman.
Un article dans le Wired du mois a fait surgir une connexion inattendue entre cet aspect libertarien très silicon valley et un autre dada de Wired : l’idée que la science « petabyte », à base de données, aboutira mécaniquement à la fin de la théorie comme nous la connaissons (voir ici ce billet et sur le blog des éconoclastes pour plus de détails). Ainsi, un article présente le « A/B testing », un procédé apparemment très utilisé par les compagnies en ligne. Il s’agit, pour des sites webs, d’afficher pour une fraction de leurs lecteurs des pages webs légèrement modifiées et d’observer leurs réactions. L’idée étant que si, sur un site de donations, une page web alternative amène plus de dons, on l’affichera immédiatement pour tous, augmentant ainsi de façon incrémentale l’efficacité des sites pour draîner de l’argent. Le passage suivant m’a particulièrement frappé :
The difference with live testing is not just that there is no time to learn and apply lessons. It’s more radical than that: There are no clear lessons to learn, no rules to extract.
At the gaming network IGN, for example, executives found that crisp, clear prose was outperforming hyped-up buzzwords (like free and exclusive) on certain parts of the homepage. But in previous years, the opposite had been true. Why? They talked and talked about it, but no one could figure it out. Soon they realized that it simply didn’t matter. A/B would guide them at ground level, so there was no need to worry about why users behaved in one way or another.
C’est pour moi le gros problème de ces approches : on sacrifie en quelque sorte la compréhension à l’efficacité, et, au bout du compte, on s’en moque complètement. Je ne suis pas loin de penser que beaucoup de projets scientifiques très focalisés sur les data pourraient aller rapidement dans cette direction : on commence par dire que des data émergeront naturellement la théorie comme Chris Anderson, et on se noie/grise tellement dans la complexité qu’on finit par affirmer qu’il n’y a au bout du compte pas de théorie. Je vois très clairement cette tendance en « systems biology », où l’on privilégie de gros modèles numériques, les fameuses « hairballs », à des explications plus heuristiques et phénoménologiques – sans pour autant gagner à mon sens en pouvoir prédictif.
La conséquence de cela, c’est qu’on laisse les ordinateurs faire tout à notre place, depuis la collecte des données, jusqu’à leur analyse et leur formalisation. C’est là qu’on rejoint le libertarianisme à mon sens : y a-t-il plus rationnel qu’un ordinateur programmé à faire une tâche d’optimisation simple ? Y a-t-il plus libertarien que cette idée d’agents non biaisés qui vont faire émerger la Science, la Vérité de la masse colossale des données librement accessibles ? Des data biologiques jusqu’au nanotrading, du A/B testing à Google nous y sommes déjà : les algorithmes ont le pouvoir, et Wired cherche à nous convaincre que des petits processus d’optimisation locaux émergera le meilleur des mondes.
Cette idée est peut-être exacte et efficace sur le court terme, dans l’échelle de temps des petites fluctuations statistiques. Mais sur le long terme, la Science, comme l’économie, ne sont pas des processus purement mécaniques. Il y a des Cygnes noirs, des renversements de tables, des changements de paradigmes, qui s’imposent dans le sang et les larmes et pas dans l’accumulation incrémentale.
Disclaimer : billet publié à 23h, typos probables …
