Les généralités

[Fugace]

@Pascalita a mis le doigt sur quelque chose que je pense être d'importance, une clef majeure du monde actuel

Mais poser la question et y répondre, surtout par une réponse uniforme et englobante, sont deux choses différentes. Sans être naïve ni innocente, il me semble que mettre tout le monde dans le même sac n'est jamais la réponse. Et bien sûr, la complexité et les multiples intrications du monde actuel rendent la tâche ardue.

Sur la fin possible et souhaitée dans cette période de pouvoir raisonner sur des ensembles statistiques et c'est une caractéristique que j'ai relevée plusieurs fois dans plusieurs débats, je profite de l'occasion ici pour la mettre en lumière — et pour le plaisir aussi de pouvoir débattre avec toi, Pascalita. Il ne s'agit pas de mettre tout le monde dans le même sac et cela n'a jamais été le sujet cependant, la courbe normale nous permet d'appréhender des moyennes selon les groupes. Il va de soi qu'il existe des exceptions des deux côtés de cette courbe.

Pourquoi dans la sphère du débat, dans un domaine touchant aux sciences sociales, devrions-nous renoncer volontairement à l'usage de la courbe de Gauss.

[lady space]

Je n'ai pas vraiment le temps de développer (et je ne suis pas mathématicienne pour un rond), mais il me semble que le souci des observations d'ordre statistique est qu'ils ne permettent pas d'affirmer quoi que ce soit au sujet d'un cas ou d'une situation en particulier. On a juste une information quant à la fréquence à laquelle on observe tel ou tel élément mais rien ne nous dit que, dans un cas en particulier, nous sommes bien en présence de la configuration la plus probable statistiquement. Je comprends les courbes de Gauss plutôt comme un outil descriptif, comme un modèle, permettant de catégoriser un certain nombre d'observations et, à partir de là, on peut tenter d'extrapoler pour faire des prédictions. Mais il faut toujours garder en tête que la réalité peut se trouver ailleurs.

Et je pense que, plus une problématique est multifactorielle, moins l'approche statistique a de sens.

Après, je ne suis pas sûre non plus que tous les sujets abordés en sciences sociales suivent une distribution normale sous forme de cloche. Et il y a une grande part d'incertitude dans les sciences touchant à l'humain et au vivant parce qu'on risque d'influencer le résultat rien qu'en posant une question (bien le bonjour de Monsieur Heisenberg, même en dehors de la physique ).

[InMedio]

Il y a des cas généraux où la courbe de Gauss ne convient pas. Pour détecter des fraudes on utilise la courbe de la loi de Benford
https://fr.m.wikipedia.org/wiki/Loi_de_Benford

Je peux aussi citer Pareto/Zipf sans trop m'y connaitre pour dire que les cas où les courbes caractéristiques issues de ces lois ne correspondent pas du tout avec la répartition normale de Gauss. Il y a tellement d'exemples où la loi de Pareto s'applique que je ne sais pas lesquels donner.

[Jahroo]

En effet, je n'ai pas tellement croisé de courbes de Gauss durant mes études en Sciences Sociales.

Une norme sociale ne suivant pas forcément la courbe, la loi normale semble bien plus adaptée aux phénomènes naturelles qu'aux phénomènes sociaux.

[Fugace]

mais il me semble que le souci des observations d'ordre statistique est qu'ils ne permettent pas d'affirmer quoi que ce soit au sujet d'un cas ou d'une situation en particulier. On a juste une information quant à la fréquence à laquelle on observe tel ou tel élément mais rien ne nous dit que, dans un cas en particulier, nous sommes bien en présence de la configuration la plus probable statistiquement.

Je pense que c'est précisément à cela que je voulais faire référence ladyspace, en parlant de clef majeure de notre époque (ne faîtes pas attention au lyrisme extraverti c'est compris dans le lot). Il va de soi que des cas particuliers et qu'une situation précise ne peuvent se résoudre de façon statistique, mais il va également de soi que sur un grand nombre d'occurrences la loi statistique prévaut. Après que ce soit celle de Gauss ou de Pareto, ou une autre peu importe dans l'absolu mais des lois statistiques s'appliquent sur les phénomènes humains dès qu'ils sont envisagés à grande échelle. Et un contre-exemple local ne peut pas contredire cela.

La clef fonctionne à double sens : d'une part cette idée que les cas particuliers puissent réfuter toute capacité de généraliser à propos d'une situation humaine ou d'un groupe humain est certes fausse mais elle est ancrée dans l'époque récente, elle se retrouve d'une façon très prégnante dans d'innombrables discours et débats, d'autre part cette idée que l'on puisse généraliser de façon absolue à propos des deux mêmes situations est aussi fausse mais elle est à la base du big data et les statisticiens en ce moment-même en usent et en abusent, principalement à des fins commerciales mais pas seulement. ll me semble qu'il existe actuellement une dichotomie très forte entre la pensée profonde de la population qui se refuse à l'idée même de toute généralisation, et la superstructure technico-logistique qui exploite à la corde le phénomène opposé.

Et Jahroo, je veux bien croire que les sciences sociales réfutent ou récusent l'usage de la courbe de Gauss mais de ce que l'on sait de la datascience et du big data, les informaticiens ne s'en privent pas et cela fonctionne. La loi normale est littéralement la brique fondatrice de la datascience. Il existe une tension actuellement entre ces deux phénomènes qui pourrait être à l'origine de ce message et sujet de réflexion.

---

Et cela m'évoque les Carnets du Sous-sol de Dostoïevsky, avait-il déjà pressenti la question :

Je reviens donc paisiblement aux gens doués d’un bon système nerveux et qui ne comprennent pas les plaisirs d’une certaine acuité. Ces gens-là, si on les offense, beuglent comme des taureaux, à leur grand honneur, mais s’apaisent immédiatement devant l’impossibilité, ― vous savez, le mur. Quel mur ? mais cela va sans dire, les lois de la nature, les conclusions des sciences naturelles, la mathématique. Qu’on vous démontre que l’homme descend du singe, il faut vous rendre à l’évidence, « il n’y a pas à tortiller ». Qu’on vous prouve qu’une parcelle de votre propre peau est plus précieuse que des centaines de milliers de vos proches, et qu’au bout du compte toutes les vertus, tous les devoirs et autres rêveries ou préjugés doivent s’effacer devant cela ; eh bien ! qu’y faire ? Il faut encore se rendre, car deux fois deux… c’est la mathématique ! Essayez donc de trouver une objection.

« Mais permettez, dira-t-on, il n’y a en effet rien à dire : deux fois deux font quatre. La nature ne demande pas votre autorisation. Elle n’a pas à tenir compte de vos préférences, il faut la prendre comme elle est. Un mur ? C’est un mur ! Et ainsi de suite… et ainsi de suite… »

Mon Dieu ! que m’importe la nature ? que m’importe l’arithmétique ? etc., s’il ne me plaît pas que deux et deux fassent quatre ?…

La tirade commence ici : https://fr.wikisource.org/wiki/L%E2%80% ... rrain/2/07

Et son apogée :

► Afficher le texte

L’homme aime à construire, c’est certain : mais pourquoi aime-t-il aussi à détruire ? Ne serait-ce pas qu’il a une horreur instinctive d’atteindre le but, d’achever ses constructions ? Peut-être n’arrive-t-il à construire que de loin, en projet ; peut-être aussi se plaît-il à faire des maisons pour ne pas les habiter, les abandonnant ensuite aux fourmis et aux bêtes familières. Les fourmis ont d’autres goûts que les hommes. Elles bâtissent pour l’éternité leurs fourmilières, c’est le but de toute leur existence et leur unique idéal, ce qui fait grand honneur à leur constance comme à leur esprit positif. L’homme, au contraire, esprit léger, est un perpétuel joueur d’échecs : il aime les moyens plus que le but, et, qui sait ? n’est-ce pas le but, les moyens ? La vie humaine ne consiste-t-elle pas plutôt en un certain mouvement vers un certain but ; qu’est ce but lui-même ? et ce but, il va sans dire, ne peut être qu’une formule, 2 fois 2 font 4, et ce 2 fois 2 font 4 n’est déjà plus la vie, messieurs, c’est le commencement de la mort. Supposons que l’homme consacre toute sa vie à chercher cette formule ; il traverse des océans, il s’expose à tous les dangers, il sacrifie sa vie à cette recherche : mais y parvenir, y réellement parvenir, je vous assure qu’il en a horreur. Il sent bien que quand il aura trouvé, il n’aura plus rien à chercher. Les ouvriers, quand ils ont achevé leur travail, reçoivent leur argent, s’en vont au cabaret et de là au violon : voilà de l’occupation pour toute la semaine. Mais l’homme, où ira-t-il ? Atteindre à la formule, quelle dérision ! En un mot, l’homme est une risible machine ; il transpire le calembour. Je conviens que 2 fois 2 font 4 est une bien jolie chose ; mais, au fond, 2 fois 2 font 5 n’est pas mal non plus…

Radiohead en a fait une chanson (2+2=5) :
https://www.youtube.com/watch?v=2w6kHS_ ... w6kHS_IRrE

[Jahroo]

J'ai fait de la sociologie et anthropologie à une époque où on ne parlait pas encore de datascience et big data. Il est donc possible qu'une certaine mise à jour s'impose.

J'imagine qu'aujourd'hui tout cela doit trouver sa place dans les sciences sociales. Et même très certainement dans les sciences sociales appliquées, comme par exemple l'ingénierie sociale ou la recherche de modèles prédictifs.
Là oui, il doit sans doute être commode de simplifier en écartant les nuances pour gagner en efficacité. Mais, à mon avis, on rentre plus dans une démarche politique que scientifique.

[Brunehilde]

Merci d'avoir lancé ce fil, je n'ai pu y répondre jusque là, mais je me faire un plaisir de faire un pavé

Le point le plus important me semble être ceci :

...
Pourquoi dans la sphère du débat, dans un domaine touchant aux sciences sociales, devrions-nous renoncer volontairement à l'usage de la courbe de Gauss.

@InMedio et @lady space ont raison, il existe en fait pléthore de distributions pour décrire des données. La distribution normale/gaussienne est certes la plus connue mais il n'y a pas de raisons de penser que la plupart des phénomènes naturels sont décrits par une distribution normale.

En fait ça me rappelle mes études de graphismes (oui là vous voyez pas le rapport, mais attendez deux secondes).
Pendant mes études j'ai appris un certain nombres de "règles" concernant la construction graphique, et notamment les proportions qui permettent de capter l'attention visuelle pour mieux transmettre le message de l'image.
Pas mal de gens pensent que le nombre d'or est LA proportion qu'on retrouve partout (dans la nature : spirales de certaines coquilles, disposition des graines de tournesol, croissance des feuilles autour d’une tige, et dans les création humaines : architecture, art...), c'est très souvent cité dans les milieux ésotériques, et ça a assez transpiré dans les médias pour qu'on croie que c'est partout.
Mais en fait non.
Le nombre d'or c'est UNE proportion qui marche. Il en existe des tas d'autres (loi des tiers, des demis, des quarts...), donc il n'est pas utile en tant que graphiste de tout faire selon le nombre d'or, il y a d'autres proportions efficaces et faciles à mettre en place.

Et bien c'est pareil avec la loi normale. C'est une loi remarquable, qui décrit un certain nombre de répartitions de données connues (taille, QI, erreurs de mesure...), mais s'en est une parmi d'autres.

Dans le monde réel, beaucoup de phénomènes suivent plutôt des lois asymétriques ou à queues lourdes :

- Revenus et patrimoines = lois de Pareto
- Temps d’attente = lois exponentielles ou gamma
- Risques extrêmes (crises financières, catastrophes naturelles) = distributions avec queues beaucoup plus lourdes que la normale.

Il est vrai que la loi normale, grâce au théorème central limite est beaucoup utilisée mais c'est surtout car c'est mathématiquement très pratique : symétrique, définie par seulement deux paramètres (moyenne, écart-type), avec des tables et outils bien établis. Ça permet une description optimisée des données et des facilités de calculs.

Le hic c'est que vouloir à tout prix une distribution normale peu mener à de lourdes erreurs.
Si on force une loi normale là où ce n’est pas adapté, on peut sous-estimer les événements rares et extrêmes (la sous-estimation des crises financières par certains modèles des années 2000 est un bon exemple)

Un petit aparté : méfiez-vous des mathématiciens qui parlent de stats. Si si. Car si un statisticien a forcément des bases mathématiques solides propres à sa discipline mais n'est pas mathématicien (dans le sens où généralement il ne pond pas de nouvelles lois mathématiques), les mathématiciens ne sont souvent pas statisticiens du tout et se plantent dans les interprétations de problèmes statistiques.
Pour les plus curieux voici un exemple célèbre, l'affaire Janet Collins :
https://www.studocu.com/fr/document/lyc ... /126933604
Les stats sont bien plus qu'une affaire de calculs ou de représentations statistiques, mais j'y reviendrai après.

Autre point : le big data

Et Jahroo, je veux bien croire que les sciences sociales réfutent ou récusent l'usage de la courbe de Gauss mais de ce que l'on sait de la datascience et du big data, les informaticiens ne s'en privent pas et cela fonctionne. La loi normale est littéralement la brique fondatrice de la datascience...

Alors ce serait intéressant que tu précises ta pensée vu que le sujet est vaste, car très franchement pour le coup la généralisation me semble abusive (oui je dénonce la généralisation dans un sujet sur la généralisation ^^)
Concernant le big data dans les LLM utilisés par les différentes IA, on utilise certes la loi normale pour initialiser les poids des réseaux de neurones, pour le côté pratique et l'optimisation.
Mais ensuite, quand l'entraînement est réalisé, la répartition des poids n'a plus rien à voir avec une loi normale.
Pendant l’inférence (c'est à dire la génération du texte), la distribution de probabilité sur le vocabulaire n'est pas une distribution normale (généralement avec une distribution catégorielle discrète, un "softmax"), et les mots suivants sont choisis via différents sampling dans cette distribution catégorielle.
Ainsi la loi normale n'intervient qu'à l'initialisation de l'entraînement et n'est donc pas majoritairement utilisée dans la génération de texte par LLM.
Donc le "les informaticiens ne s'en privent pas et cela marche" me paraît franchement exagéré.

Au-delà de tout ça, le fait qu'on modélise des données avec telle ou telle loi statistique n'est que la première partie du problème que les statisticiens doivent résoudre face à une question complexe.
Car la modélisation ne fait que donner une vue d'ensemble, une première vision. Une distribution décrit comment les données sont réparties, mais pas pourquoi. Et en sciences sociales, comprendre les comportements et les choix est aussi essentiel.

On peut prendre l'exemple de la répartition du QI qu'on connaît tous assez bien ici. Le fait de voir que le QI se répartit en cloche ne nous indique rien sur les origines de cette répartition et les facteurs qui jouent sur le QI de la population. Pour cela il y a nécessité de faire des études parallèles pour différencier les facteurs en cause, et c'est en fait là que la partie compliquée commence.
D'ailleurs on se penche souvent sur les chiffres en se demandant ce qu'ils nous apprennent, mais on pense plus rarement aux facteurs cachés auxquels on ne pense pas. À ce que les données peuvent cacher, au fait que la qualité des données est souvent imparfaite. Mettre en lumière les manques est souvent tout aussi intéressant que les premières idées dégagées par les données.
Dans la répartition du QI par pays, fréquemment utilisée (hélas) pour établir une "hiérarchie", certains voient souvent le facteur génétique (ce à quoi ils pensent en premier), mais il y a aussi des tas de facteurs environnementaux impliqués (l'accès à l'éducation - qui est évident - l'accès aux soins, moins évident) et il y a les biais statistiques engendrés par les méthodes de comparaison (ce qu'on ne voit pas au départ).
Il faut penser à tout ce qui peut influencer les chiffres et tester chaque possibilité. Je vous laisse imaginer la complexité de ce travail, mais ce sont bien des statisticiens qui s'en chargent (au sein d'équipes scientifiques).

En fait le grand public s'imagine que les statistiques, c'est juste les chiffres dans les graphiques. Mais c'est loin de s'arrêter à ça.
Cette image de ne voir le métier que par "tel truc marche sur 80% de la population donc c'est ok pour tout le monde" est une simplification et une romantisation véhiculée par les médias.

Le problème que tout cela pose dans les débats, c'est que brandir les chiffres, qu'ils soient normalisés ou pas, avec telle répartition ou pas, mène généralement à tous les camps qui interprètent ces chiffres à leur propre sauce. Sans vraiment essayer de démêler le vrai du faux.
Dans le domaine des sciences sociales, isoler tous les facteurs est particulièrement complexe, et la simplification dans les débats est délétère. On en arrive souvent à des décisions simplistes et peu efficaces.
Comme dans l'exemple de l'affaire Janet Collins citée plus haut. On fait une réflexion simpliste et on croit avoir la vérité sans se rendre compte que les facteurs étaient interdépendants et les données de base faussées.

Donc se dire qu'on va se contenter de courbes de Gauss pour interpréter des données en sociologie, très franchement, j'ai du mal à voir l'intérêt.

Après je suis curieuse : où voulais-tu en venir @Fugace ? De quels champs de la sociologie voulais-tu parler ?
Cela aiderait grandement à affiner le débat.

[Niamor]

Merci pour ce beau message @Brunehilde !

Je n'écrirai pas un pavé pour laisser la visibilité que mérite ton message.

J'ai adoré ce passage :

(oui là vous voyez pas le rapport, mais attendez deux secondes)

Sinon je ne connaissais pas l'affaire Collins, merci du partage. Les paradoxes en probabilités ont leur propre page wikipédia, j'adore ça !

Pour l'explication de la jolie cloche qui représente la densité de répartition du QI, j'aime cet échange souvent utilisé mais non officiel :
"Que mesure votre test ?
- Le quotient intellectuel."
Souvent suivi par :
"Qu'est-ce que le quotient intellectuel ?
- Ce que mesure mon test."

Sinon, il me semble que la version actuelle du test est littéralement éditée chaque année de façon à ce que les résultats suivent une loi normale avec des paramètres définis à priori.

EDIT: J'apprécie tous vos points de vue, j'ai juste voulu remercier un post bien ficelé (et y rajouter un grain de sel).

EDIT2:
Juste aussi pour répondre à @lady space :

Et je pense que, plus une problématique est multifactorielle, moins l'approche statistique a de sens.

J'ai un autre point de vue : pour les fonctions très complexes (trop pour nos modèles mathématiques actuels), une approche statistique est bien souvent la "meilleure" (celle qui donne les meilleurs résultats dans le plus grand nombre de cas).

[Fugace]

Coucou Brunehilde, merci pour ton pavé! Je vais tenter d'y répondre convenablement.

Il est vrai que la loi normale, grâce au théorème central limite est beaucoup utilisée mais c'est surtout car c'est mathématiquement très pratique : symétrique, définie par seulement deux paramètres (moyenne, écart-type), avec des tables et outils bien établis. Ça permet une description optimisée des données et des facilités de calculs.

C'était le sens de l'idée, la loi normale est pratique et efficace si elle est bien utilisée. Et en parlant de "brique fondatrice de la datascience" je ne voulais pas dire qu'il s'agissait de la seule façon d'appréhender les données, seulement signifier sa prévalence et son importance. Il s'agit littéralement de la première méthode enseignée en ce domaine et son usage est versatile. Il existe par exemple des méthodes mathématiques permettant de ramener des datasets à des courbes gaussiennes (transformée de Cox-Box pour la plus connue) afin de se simplifier la vie parce qu'en effet, il est très facile de travailler avec.


Source : https://datascientest.com/courbe-gaussienne

Quand tu dis :

Concernant le big data dans les LLM utilisés par les différentes IA, on utilise certes la loi normale pour initialiser les poids des réseaux de neurones, pour le côté pratique et l'optimisation.
Mais ensuite, quand l'entraînement est réalisé, la répartition des poids n'a plus rien à voir avec une loi normale..

C'est moi qui souligne le passage concerné, car est-ce pour moi la définition même de "brique fondatrice". Cependant, j'ai été imprécis et j'ai généralisé (un comble ou un clin d'oeil, au vu du sujet)

Pourquoi dans la sphère du débat, dans un domaine touchant aux sciences sociales, devrions-nous renoncer volontairement à l'usage de la courbe de Gauss.

Je reformule donc, de façon plus précise : pourquoi dans la sphère du débat, dans un domaine touchant aux sciences sociales, devrions-nous renoncer volontairement à l'usage de la courbe de Gauss ou d'autres outils statistiques permettant de généraliser convenablement une caractéristique à un groupe. Et lorsque je dis "les informaticiens ne s'en privent pas et cela marche" je voulais parler de l'ensemble des techniques statistiques, pas de la gaussienne à elle seule, même si elle a un rôle central. Et c'est un fait : le big data fonctionne. Les comportements humains sont prédictibles dès l'instant où la masse de données est suffisante pour l'analyser et nous parlons pour un bon résultat de 95% à 99% de succès dans les prédictions. D'où la référence ensuite dans mon précédent message à Dostoïevsky, parce que l'être humain ne rentre pas parfaitement dans les équations. Il reste toujours ce dernier petit pourcent qui nous donne à tous de l'espoir, celui de ne pas être de pures machines biologiques, ce petit moment de grâce où quelqu'un se lève un jour et dit : aujourd'hui, pour moi, 2+2=5. Je conseille vraiment la lecture des Carnets du Sous-Sol, je crois que c'est un petit chef d'œuvre, quasiment de la philosophie déguisée en narration.

En attendant, 99% de succès dans les prédictions permettent tout à fait de généraliser et je réitère : les informaticiens ne s'en privent pas (ou leurs commanditaires, plutôt). Et je constate de nouveau cet autre état de fait... d'un côté nous vivons dans une superstructure technique qui utilise les statistiques pour généraliser à outrance tous nos comportements, tandis que dans la population occidentale nous avons appris à refuser toute forme de généralité dans nos réflexions, au nom sans doute de l'individualisme et des cas particuliers. Cette dichotomie soulève à mes yeux quelques questions légitimes.

D'ailleurs on se penche souvent sur les chiffres en se demandant ce qu'ils nous apprennent, mais on pense plus rarement aux facteurs cachés auxquels on ne pense pas. À ce que les données peuvent cacher, au fait que la qualité des données est souvent imparfaite. Mettre en lumière les manques est souvent tout aussi intéressant que les premières idées dégagées par les données.
Dans la répartition du QI par pays, fréquemment utilisée (hélas) pour établir une "hiérarchie", certains voient souvent le facteur génétique (ce à quoi ils pensent en premier), mais il y a aussi des tas de facteurs environnementaux impliqués (l'accès à l'éducation - qui est évident - l'accès aux soins, moins évident) et il y a les biais statistiques engendrés par les méthodes de comparaison (ce qu'on ne voit pas au départ).
Il faut penser à tout ce qui peut influencer les chiffres et tester chaque possibilité. Je vous laisse imaginer la complexité de ce travail, mais ce sont bien des statisticiens qui s'en chargent (au sein d'équipes scientifiques).

Tout à fait d'accord, les constats ne donnent pas les causes et le plus problématique souvent est l'existence de facteurs de confusion, c'est-à-dire des variables cachées qui sont plus déterminantes que celles analysées. Un exemple emblématique pour moi est tiré d'une expérience personnelle. Vous avez sans doute déjà entendu dire que "les Français sont sales" (généralité) et une des justifications avancées est le fait que les Allemands achètent en moyenne 50% de gel douche en plus que nous, ce qui semble pousser très fortement dans le sens de la thèse. Sauf que j'ai vécu un temps en Allemagne et j'ai eu l'occasion de prendre des douches collectives avec des Allemands (oui désolé pour la trivialité de l'exemple) et ces derniers n'utilisent ni gant de toilette, ni fleur de douche. Ils se lavent directement à main nue ce qui est moins efficace et en moyenne, un Allemand utilisait 50% de plus de savon par douche que moi, pour le même résultat. Facteur de confusion : usage d'un accessoire de douche.

Il est donc nécessaire de réfléchir toujours à cela avant d'utiliser une statistique. Quelles sont les variables cachées, existe-t-il des facteurs de confusion.

Je fais un petit bond en arrière, je n'ai pas réussi à placer l'idée à temps :

Le hic c'est que vouloir à tout prix une distribution normale peut mener à de lourdes erreurs.
Si on force une loi normale là où ce n’est pas adapté, on peut sous-estimer les événements rares et extrêmes (la sous-estimation des crises financières par certains modèles des années 2000 est un bon exemple)

Pour la faillite des modèles bancaires en 2008, de mémoire et si je ne m'abuse ce n'est pas une question de courbe normale (je doute qu'un outil aussi simpliste ait été utilisé) mais une question de coût des prédictions. Plus un modèle va monter haut dans le pourcentage de réussite, plus le coût va être élevé et passer de 98% à 99% de prédiction pour un modèle bancaire coûte littéralement des millions d'euros. Je n'ai plus la source, je cite un reportage de l'époque qui m'avait marqué. Et de vouloir passer de 99% à 99,9% est d'un prix astronomique, irréalisable ou en tout les cas, non-rentable. Donc toutes les banques sont restées sur du 98% / 99%. Le problème est venu du fait que l'apparition d'un seul cygne noir tape en même temps dans le 1% d'erreur de tous les modèles de prédictions à la fois. Et c'est cela qui aurait transformé l'évènement en crise systémique. La chute simultanée de tous les modèles de prédictions.

Donc se dire qu'on va se contenter de courbes de Gauss pour interpréter des données en sociologie, très franchement, j'ai du mal à voir l'intérêt.

Cf. plus haut, je me suis mal exprimé. Peu importe le modèle statistique utilisé, l'idée était de savoir pourquoi et très souvent dans les débats, l'idée même de "généralisation" sur une population quelconque est refusée. Oui il existe des exceptions, oui l'être humain ne rentre pas dans une case mathématique absolue et normalement, tout le monde le sait bien. Cependant, il existe des moyennes de comportements, des moyennes de faits culturels, des moyennes de pas mal de caractéristiques et qui varient selon les groupes étudiés. Donc je ne voulais pas parler d'un champ spécifique de la sociologie en particulier, je m'interrogeais sur la prévalence dans les débats du réflexe interdisant toute généralisation au nom des cas particuliers, c'était cela qui m'intéressait.

[Brunehilde]

Désolée pour le (gros) retard, la rentrée tout ça tout ça...

Pour la faillite des modèles bancaires en 2008, de mémoire et si je ne m'abuse ce n'est pas une question de courbe normale (je doute qu'un outil aussi simpliste ait été utilisé) mais une question de coût des prédictions. Plus un modèle va monter haut dans le pourcentage de réussite, plus le coût va être élevé et passer de 98% à 99% de prédiction pour un modèle bancaire coûte littéralement des millions d'euros. Je n'ai plus la source, je cite un reportage de l'époque qui m'avait marqué. Et de vouloir passer de 99% à 99,9% est d'un prix astronomique, irréalisable ou en tout les cas, non-rentable. Donc toutes les banques sont restées sur du 98% / 99%. Le problème est venu du fait que l'apparition d'un seul cygne noir tape en même temps dans le 1% d'erreur de tous les modèles de prédictions à la fois. Et c'est cela qui aurait transformé l'évènement en crise systémique. La chute simultanée de tous les modèles de prédictions.

Tu devrais sur ce point consulter la source suivante :
https://www.institutionalinvestor.com/a ... hatgpt.com
L'outil VaR (Value at risk) a manifestement joué un rôle prépondérant dans l'amplification de la crise, et, oui, les banques ont utilisé des outils inadaptés à l'époque.
La question n'est pas de savoir combien coûte un modèle, la question est - encore une fois - de savoir l'utiliser à bon escient.

... Et c'est un fait : le big data fonctionne. Les comportements humains sont prédictibles dès l'instant où la masse de données est suffisante pour l'analyser et nous parlons pour un bon résultat de 95% à 99% de succès dans les prédictions.

Alors, désolée, mais non.
Les seules prédictions de "comportements humains" qui atteignent un score de 90% c'est quand on essaye de prédire où les clients vont cliquer dans un tunnel de vente (ou quand Netflix prédit ce qu'on va vouloir regarder par ex). Le comportement est tellement dirigé et cadré dans ce cas que les prédictions sont précises. Et encore je n'ai jamais vu du 99%.

Je suppose que certains comportements simples sont grosso-modo prédictibles (comme les déplacements de foule dans les villes par ex).
Mais quand il s'agit de comportements humain complexes au sens large, là... ça marche moyennement. Les comportements psychologiques sont durs à escompter sur une population donnée, de mémoire on est sur du 50-60% de prédiction, pas plus.
(Et si vous trouvez que c'est quand même beaucoup, il faut savoir que le hasard fait des prédictions de environ 30 à 50% selon les sujets)

Et pour ce point je vais me permettre de ne pas donner de sources, car très honnêtement je pense avoir déjà beaucoup donné à ce niveau alors que tu en apportes peu.

Et franchement ça m'intéresserait de savoir d'où sortent tes affirmations car ça semble sous-tendre beaucoup de tes réflexions dernièrement.
Je précise que je suis premier degré, je pense que ça sera plus utile à la conversation et que ça enrichira le débat.
La balle est dans ton camp

[Fugace]

Alors, désolée, mais non.
Les seules prédictions de "comportements humains" qui atteignent un score de 90% c'est quand on essaye de prédire où les clients vont cliquer dans un tunnel de vente (ou quand Netflix prédit ce qu'on va vouloir regarder par ex). Le comportement est tellement dirigé et cadré dans ce cas que les prédictions sont précises. Et encore je n'ai jamais vu du 99%.

C'est à cela que je faisais allusion, et aux mouvements de foule aussi. J'ai effectivement choisi les cas extrêmes pour appuyer mon propos mais pour une seule raison, parce que les cas modérés ne le sont que parce que la technologie n'est pas encore assez avancée. Ce que j'ai fait est d'extrapoler les "cas complexes" à l'instant où nous aurons assez de données pour les modéliser et un jour, nous y parviendrons mais ce jour-là restera malgré tout le dernier pourcent irréductible d'Humanité.

Je précise que je suis premier degré, je pense que ça sera plus utile à la conversation et que ça enrichira le débat.
La balle est dans ton camp

Premier degré également, j'ai suivi la formation et j'ai un master dans la spécialité. Je simplifie l'existant parce que j'extrapole la capacité théorique apprise. J'ai fait un rejet mental frontal de cet apprentissage. Il s'agit de l'inverse exact du chemin que devrait suivre l'Humanité. Le Big Data est la réponse d'un monde qui refuse l'existence de l'âme et qui veut réduire l'Humain à des équations. Et ça fonctionne, sur une base statistique. C'est une réponse technique et quasiment technocratique à une erreur philosophique fondamentale. Je ne pense pas pouvoir l'exprimer mieux

Bref, j'ai sans doute été un peu maladroit et hors de propos, ce n'est pas grave. Tu as bien fait de rectifier cela.

Trouvé cela néanmoins dans l'article que tu proposes, ce qui correspondait à mon propos (assorti de l'effet domino de l'ensemble des modèles qui subissent le même outlier d'un seul coup) :

VaR is a mathematical and analytical method that tries to estimate future losses for a trading portfolio with a statistical degree of confidence. It forecasts, for example, that a bank will lose a maximum of X amount with 95 percent or 99 percent probability. Of course, as we now know, in 2008 an event outside the so-called statistical “fat tail” in the other 1 percent took place and caused huge losses in the trading portfolios of banks that were leveraged up to 1000 percent on subprime bonds.

[Brunehilde]

Je répond encore trente ans après, désolée.

Je comprends mieux ton raisonnement maintenant que tu l'as détaillé, si j'ai bien compris tu es sorti désenchanté de ta formation car ce que tu y as vu t'a donné l'impression d'algorithmes surpuissants qui pourront (pas tout de suite, mais à long terme) calculer la quasi totalité de nos comportements.

J'avoue être très surprise, car, comme tu le sais, j'ai suivi une formation similaire quasi en même temps que toi (même niveau de formation et même domaine).
Et pendant cette formation, la plupart des enseignants ont tous mis un point d'honneur à bien préciser les limites tant de la technologie que de son utilisation.
Et il ne s'agit pas juste d'exprimer les limites techniques des systèmes actuels mais aussi leurs limites logiques et théoriques.

Commençons par la collecte de données : les collecter ne relève pas juste de "problèmes techniques", mais bien aussi de limitations des principes de bases et de limitations humaines.
Pour prédire les comportements psychologiques humains il faudrait récolter toutes les données... de nos cerveaux, où au pire une majorité de celles-ci.
Non seulement on ne sait pas encore lire dans les pensées complexes (tout au plus on comprend certains mots simples), mais on ne sait absolument pas lire les émotions ou les impressions, tout simplement car ce qu'on qualifie "d'intelligence artificielle" ne mime qu'une petite partie de notre raisonnement : l'apprentissage par répétition.
C'est un pan très intéressant de notre psyché, mais seulement une petite part. Résultat : ça marche bien pour certains domaines mais franchement moins bien pour d'autres. Sans surprise ça marche mal pour le côté émotionnel. Et idem pour le côté créatif.
Je vois donc mal comment des systèmes incapables de comprendre ce pan là de nos cerveaux pourraient prédire 90% de nos actions.

En plus de ça il y a l'aversion des êtres humains pour tout ça, et j'espère que tu regardes aussi tout ce qui se passe en terme de législation dans le domaine car ça fait déjà quelques années que des luttes judiciaires sont en cours pour contrer la récupération des données à tort et à travers.
En réaction à la génération d'images on voit fleurir les indignations des artistes par exemple. Le RGPD est un autre exemple du phénomène. On assiste aussi au retrait des données concernant des propriétés privées (comme des logiciels propriétaires dont les vendeurs veulent garder l'exclusivité, essayez pour voir si ChatGPT vous donne de bons conseils dans ce cas).

Et enfin le plus gros souci : ça coûte très cher de récolter des données de manière qualitative, tant en argent qu'en temps.
Et là je peux invoquer mon expérience personnelle : pour pouvoir faire des analyses et des prédictions, il faut déjà avoir les données d'origine. C'est à dire y compris les données qui datent d'un temps où il n'y avait pas de système informatique.
Je vous laisse imaginer ce que ça donne quand il faut ressortir les données bancaires du XIXème siècle du fin fond des archives, et le temps humain nécessaire pour les numériser... quand on y arrive car - surprise - numériser des écritures de l'époque en texte c'est ultra galère.

Et très franchement après avoir vu comment les humains ont du mal à ne serait-ce que saisir les données actuelles dans un système sans se planter une fois sur deux (et je ne travaille pas pour une petite entreprise sans moyen), très franchement le système qui calculera tout et pourra faire des prédictions à 90%, ça me semble juste une parfaite utopie.
J'ai du coup beaucoup moins peur des prédictions qui taperaient justes dans tous les domaines.

Je pourrais continuer mais pour résumer, mon point de vue penche du côté pragmatique : la pratique confirme ce que j'ai appris en théorie il y a trois ans : une technologie avec de grandes possibilités, mais loin de la puissance absolue qu'on lui prête ici et là.

Et tu as raison nos points de vue se rejoignent sur l'extrait que tu as cité : on pense avoir un outil avec une précision suffisante, mais une mauvaise application et une croyance accrue qu'on maîtrise le risque mène à la catastrophe.

Je suppose qu'on pourrait continuer longtemps mais je te laisse voir si tu veux rebondir ou pas.
Si tu souhaites en parler en privé mes mp sont ouverts

[Fugace]

Je sais que tu as suivie une formation similaire en parallèle et sans doute est-ce pour cela que l'échange est intéressant, nous avons eu des réactions différentes. Je développe plus tard

[Brunehilde]

Pas de souci prend ton temps

[Fugace]

Commençons par la collecte de données : les collecter ne relève pas juste de "problèmes techniques", mais bien aussi de limitations des principes de bases et de limitations humaines.
Pour prédire les comportements psychologiques humains il faudrait récolter toutes les données... de nos cerveaux, où au pire une majorité de celles-ci.
Non seulement on ne sait pas encore lire dans les pensées complexes (tout au plus on comprend certains mots simples), mais on ne sait absolument pas lire les émotions ou les impressions, tout simplement car ce qu'on qualifie "d'intelligence artificielle" ne mime qu'une petite partie de notre raisonnement : l'apprentissage par répétition.
C'est un pan très intéressant de notre psyché, mais seulement une petite part. Résultat : ça marche bien pour certains domaines mais franchement moins bien pour d'autres. Sans surprise ça marche mal pour le côté émotionnel. Et idem pour le côté créatif.
Je vois donc mal comment des systèmes incapables de comprendre ce pan là de nos cerveaux pourraient prédire 90% de nos actions.

Le dur commence ici, Brunehilde. Certes, j'ai toujours quelque part l'envie et la flamme d'écrire de la SF donc j'extrapole très facilement n'importe quel évènement anodin en ligne de force et c'est ça que j'aime au fond, parcourir la chaîne de causalité. Sauf que dans ce cas précis je n'ai pas besoin d'aller loin, les points s'alignent tous seuls devant nous et il n'y a pas vraiment de doute sur la façon de les prolonger.

Une puce informatique cérébrale peut lire dans vos pensées avec une précision allant jusqu'à 74 %

une-puce-informatique-cerebrale-peut-lire-dans-vos-pensees

Stanford a démontré un résultat de 74% dans la lecture des pensées "silencieuses" d'un individu à l'aide d'un implant cérébral. Autrement dit, une puce implantée dans le cerveau appuyée par une IA de décodage permet de transcrire l'activité cérébrale en mots sur un écran. Si vous pensez à une phrase, l'implant capte puis traduit l'influx électrique et affiche ensuite à l'écran noir sur blanc la phrase à laquelle vous pensiez. 74% parce que la technologie est balbutiante, aucun doute que nous arriverons rapidement à du 99%. Et dès lors, si la technologie se généralise un jour l'afflux de données sera suffisant pour améliorer drastiquement tous les modèles de big data.

Mais si l'on ne croit pas à la méthode invasive des puces dans le cerveau, alors une version alternative existe avec un simple casque bardé d'électrodes et tout ce qu'il y a de plus classique
L'IA qui lit dans les pensées, ce n'est (déjà) plus de la science-fiction

Cela se passe dans une équipe de recherche à Sydney cette fois et l'équipe annonce du 75% de réussite aussi, à voir et vérifier. En soi l'idée est similaire : capter les influx électriques du cerveau pour deviner par IA la sortie standard d'un système complexe. Il existe donc déjà deux pistes sérieuses pour parvenir à produire suffisamment de données pour approximer mathématiquement les pensées de surface du cerveau humain et si cela se produit à grande échelle alors les données devraient suivre rapidement et l'on parle ici d'une décennie de délai pas plus, deux au max. Si les données intimes et internes affluent, les modèles vont tendre rapidement vers le 99% dont je parlais plus haut.

Je n'extrapolais pas pour le plaisir ni dans le vide. D'après ces deux éléments la trajectoire que nous prenons est assez claire. Ou plutôt... non. Rien n'est clair parce qu'en parallèle de nos progrès scientifiques nous avons des débats médiévaux sur des sujets touchant au tiers-monde et nous vivons actuellement dans une sorte de grand écart permanent entre un génie technico-scientifique qui n'enthousiasme plus personne ou quasiment et une gestion au quotidien de la régression du cartésianisme dans la société. Là aussi se trouve une dichotomie structurante et d'une assez intrigante portée.

Concernant la lecture des émotions :

C'est un pan très intéressant de notre psyché, mais seulement une petite part. Résultat : ça marche bien pour certains domaines mais franchement moins bien pour d'autres. Sans surprise ça marche mal pour le côté émotionnel.

Je ne sais plus exactement si ce lien est la bonne source mais il y ressemble : ChatGPT surpasse les humains dans la compréhension des émotions

De ce que j'avais lu il y a quelques semaines, les chercheurs ont détecté un effet de bord inattendu dans ChatGPT. On lui demandait d'identifier les émotions humaines à partir des expressions faciales des visages que l'on lui présentait et, après analyse, ils se sont aperçus que l'IA ne faisait pas un lien "direct" entre mimiques faciales et émotions. L'IA passait par le cerveau et les zones cérébrales concernées. Ce n'était pas juste "cette moue dans les lèvres et l'étincelle du regard disent que" — mais bien "cette configuration du visage indique telle configuration électrique dans le cerveau et telle configuration électrique du cerveau signifie telle émotion".

De nouveau, il n'y aura pas très long à attendre pour que les données affluent et que les modèles prédictifs s'améliorent.

Partant de là ou des environs j'étais obligé de prolonger les courbes et je reste très circonspect sur l'utilité réelle du Big data. Mon drame personnel est d'avoir constaté de visu et de mes propres mains que cela fonctionnait : les IA et le Big data fonctionnent. Reste à savoir ce que nous voulons en faire, comment et pourquoi // et ça tombe bien, personne mais alors absolument personne ne se pose publiquement la question. Et dans le fond est-ce pour cela que je me réoriente professionnellement parlant vers la philo, parce qu'on peut pas laisser n'importe quel monde advenir. Il existe beaucoup trop de zones grises et floues ou néfastes sous le sujet pour ne pas vouloir les explorer

[InMedio]

Ce serait bien d'avoir un point de comparaison entre ces chiffres de 74-75% de réussite versus le hasard. Bêtement je me disais qu'il était à 50% de réussite (soit j'ai bon soit j'ai faux), mais en fait il s'agit de deviner un mot de passe, donc si j'ai bien compris ce n'est pas une réponse binaire similaire à un lancer de pièce.
Ma première réponse était plutôt de l'ordre de "75% de réussite c'est se tromper une fois sur quatre, je trouve pas ça fantastique du tout" puisque dans ma tête, au hasard on se serait trompé une fois sur deux. Mais là il s'agit de deviner quelque chose qui n'est pas binaire (il doit y avoir un mot pour ça genre "discret" mais à cette heure là je ne suis pas sûr), alors je suis perdu.
Quelqu'un peut m'expliquer ?

[Niamor]

Je me permets une sobre intervention : corrigez moi si je me trompe.

Si j'ai bien compris dans l'étude citée Inner speech in motor cortex and implications for speech neuroprostheses, ils prédisent le prochain mot parmi une sélection de 7 mots (ban, day, kite, choice, feel, though, were). Donc le hasard réussirait 1/7 ≈ 14% du temps.