Paul Duan, fondateur de l’ONG Bayes Impact est venu parler de sa foi en l’algorithme lors de la seconde édition de L’Echappée Volée le 6 juin 2015, un événement organisé par TEDxParis au château de Chambord. Cet événement a permis aux 6 lauréats sélectionnés de venir présenter leur projets mais également à d’autres intervenants de parler de leur « renaissance digitale ».

Paul Duan se demande tout simplement comment 10 personnes peuvent sauver la vie de 10 millions ? Pour lui, la réponse se trouve dans la science des données qu’on appelle souvent big data. Selon lui, la big data ne doit pas seulement permettre aux abonnés Netflix de savoir quel épisode de House of Cards ils doivent regarder. Il serait également dommage que la big data ne serve qu’à l’optimisation des investissements des fonds spéculatifs.

Son ambition est la suivante: utiliser les mêmes techniques qui font la fortune des industries privées pour résoudre des problèmes sociaux.

Optimiser la réparition des ambulances comme le fait Uber avec ses taxis

La société Uber utilise les millions de données recueillies sur chaque passager, ses requêtes et ses trajets pour prédire à l’avance à quel endroit de nouvelles commandes sont le plus susceptibles d’arriver. Ces algorithmes prédictifs permettent ainsi à Uber d’optimiser le dispatch de leurs véhicules et donc de faire des économies substantielles. Paul Duan propose de faire la même chose pour les services ambulanciers alors que des millions de personnes meurent en attendant une ambulance chaque année. Il serait possible d’utiliser les données pour optimiser le dispatch des ambulances et de sauver ainsi des vies tout en faisant des économies.

Optimiser la rencontre employeur/employé comme le fait Meetic

Des algorithmes de matching sont aujourd’hui utilisés par des sites de rencontres comme Meetic ou Tinder. Ils permettent de recommander à des célibataires des personnes avec les plus fortes probabilités de compatibilité. Paul Duan pense que l’utilisation de ce genre d’algorithme de matching pour des agences comme Pôle Emploi pourrait permettre d’optimiser le matching entre employeurs et chercheurs d’emploi. Et si grâce aux algorithmes il était possible de réduire le chômage en France tout en faisant des économies de fonctionnement d’une énorme structure comme Pôle Emploi ? Une promesse alléchante en cette période de chômage et de déficits budgétaires.

Retour à la réalité … et la conduite du changement

Il suffirait donc d’avoir quelques bons analystes pour mettre en place des outils d’optimisation basés sur la big data ? Evidemment les choses ne seront pas aussi simple. Paul Duan rappelle avec beaucoup d’humour qu’il ne suffira pas d’une bande de volontaires à mi-temps et de quelques hackatons pour changer Pôle Emploi. Il rappelle la nécessite de travailler en profondeur et de bien connaître les institutions culturellement différentes pour pouvoir les accompagner de façon efficace vers plus de modernisation.

L’ONG Bayes Impact travaille actuellement sur un logiciel open source de prédiction du risque de réadmission à l’hôpital, qui coûte plus de 40 milliards de dollars par an aux hôpitaux américains. Grâce à leurs algorithmes, ils seront alors capables d’identifier les personnes à risque, de les traiter à l’avance pour éviter une réadmission et sauver ainsi ces malades. Il estime qu’ils pourrait sauver 3 millions d’années de vie humaine par an avec cet algorithme et ce n’est que le début d’après lui.

Pourquoi Paul Duan veut faire tout ça ? Il dit que ça en vaut le coût, tout simplement. J’espère qu’il dit vrai.

Crédit photo : Flickr / Do-Hyun Kim / lego custom IRON MAN

0 réponses

Répondre

Se joindre à la discussion ?
Vous êtes libre de contribuer !

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.