SlideShare a Scribd company logo
1 of 24
Download to read offline
LES ENJEUX ÉTHIQUES DU
BIG DATA
PAUL-OLIVIER GIBERT
9 AVRIL 2014
QU’EST CE QUE LE BIG DATA ?
CE QUE CHANGE LE BIG DATA
LES ENJEUX ÉTHIQUES DU BIG DATA
QU’EST CE QUE LE BIG DATA ?
◦  Le big data est la capacité nouvelle à traiter
des données :
–  Volumineuses
–  Véloces
–  Variées
◦  Le Big data s’appuie sur des innovations
technologiques:
◦  Stockage ( base de données Non SQL)
◦  Traitement des données ( Hadoop)
◦  Exploitation (Visualisation des données)
—  Le big data est un phénomène de fonds déjà en
œuvre
–  Internet
–  Science
–  milipol
—  Il s’étend actuellement vers quasiment tous les
domaines de l’activité humaine
◦  Déplacements
◦  Consommation d’énergie
◦  Santé, assurance….
—  Le big data permet de détecter ce qui avant
passait inaperçu
–  Un effet microscope et télescope
–  Des analyses plus rapides et dynamiques
–  Une capacité prédictive ?
Pour en extraire de
la valeur :
- directement monétarisée
- ou pas
—  Les traitements big data permettent d’extraire
de la valeur des grands volumes de données
disponibles
—  La valorisation des données dont dispose
l’entreprise est une nécessité
◦  Source de nouveaux revenus
◦  Simplement pour conserver ses revenus actuels
—  De nouvelles approches sont rendues possibles
par le big data
—  Plus de données moins d’erreur ?
—  La fin des échantillons et des modèles ?
—  Les approches data driven
À titre d’exemple :
offshore-leaks
LE BIG DATA PORTE DES
CHANGEMENTS PROFONDS QUI
APPELLENT UN
QUESTIONNEMENT ÉTHIQUE
—  Qui maitrise les données ?
—  Quel degré de transparence ?
—  Quelle vie privée à l’heure du big data ?
—  Quel libre arbitre à l’heure des algorithmes ?
Qui maitrise les données ?
—  La production de la donnée peut relever d’un
processus relativement complexe mêlant :
◦  une activité humaine;
◦  des capteurs;
◦  un ou plusieurs traitements;
◦  divers enrichissements par différents acteurs
•  Les différents contributeurs peuvent
revendiquer une participation à la valeur crée
par l’exploitation des données
Quel degré de transparence ?
—  Le big data amplifie la transparence issue de la
digitalisation de l’activité humaine
◦  Pour les individus
◦  Pour les organisations
—  Quelle vie privée à l’heure du big data ?
◦  Une transparence accrue mais aussi largement
recherchée
◦  Une notion morte ?
◦  Le besoin d’intimité
—  Quel libre arbitre à l’heure des algorithmes ?
◦  Accès à l’information
◦  Des décisions trop assistées ?
—  Un retour de l’intuition ?
◦  Une information plus visuelle
◦  Zoomer et dé zoomer très facilement
DES RISQUES RÉELS
POUR LES
ENTREPRISES
—  Un phénomène mondial alors qu’existent de
sensibles différences régionales
◦  Europe continentale;
◦  Monde anglo saxon;
◦  Asie
—  Une perception mitigée des bénéfices pour les
individus des bénéfices de l’ouverture des
données
◦  Les quatre quarts du l’indifférent au récalcitrant
—  Des risques d’incidents éthiques existent
◦  Poubelles intelligentes à Londres
—  Le cas PRISM
◦  Ce qui a été révélé
–  Capacité générale de surveillance
–  Utilisée ponctuellement
◦  Révélateur des risques éthiques
–  Quelle finalité ?
A la croisée des chemins
A la croisée des chemins
MERCI !
PAUL-OLIVIER GIBERT
DIGITAL & ETHICS
06 07 59 31 65
POGIBERT@DIGITAL-ETHICS.COM

More Related Content

Viewers also liked

Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?olivier
 
Éthique des sciences ueh
Éthique des sciences uehÉthique des sciences ueh
Éthique des sciences uehFlorence Piron
 
Jd edward ppt by me
Jd edward ppt by meJd edward ppt by me
Jd edward ppt by meroma bora
 
Internet et réseaux sociaux : mode d'emploi
Internet et réseaux sociaux : mode d'emploiInternet et réseaux sociaux : mode d'emploi
Internet et réseaux sociaux : mode d'emploiolivier
 
Protection du public et diffusion éthique des données géospatiales
Protection du public et diffusion éthique des données géospatialesProtection du public et diffusion éthique des données géospatiales
Protection du public et diffusion éthique des données géospatialesACSG Section Montréal
 
Precentacion power point
Precentacion power pointPrecentacion power point
Precentacion power pointzeguitk
 
Luis miguel vecino querido
Luis miguel vecino queridoLuis miguel vecino querido
Luis miguel vecino queridomiguelemelina
 
Fuuny cat videos
Fuuny cat videosFuuny cat videos
Fuuny cat videoskhanalib829
 
Corrigé wikipédia épisode 1
Corrigé wikipédia épisode 1Corrigé wikipédia épisode 1
Corrigé wikipédia épisode 1Françoise Grave
 
Manual adultos crisis
Manual adultos crisisManual adultos crisis
Manual adultos crisispaupausoler
 
PowerShell Desired State Configuration & Azure
PowerShell Desired State Configuration & AzurePowerShell Desired State Configuration & Azure
PowerShell Desired State Configuration & AzureMicrosoft Décideurs IT
 
Presentacion multimedia
Presentacion multimediaPresentacion multimedia
Presentacion multimediaMarbeli05
 
2do tics trabajo colavorativo por gmail
2do tics trabajo colavorativo por gmail2do tics trabajo colavorativo por gmail
2do tics trabajo colavorativo por gmailmanuelchaparro7
 
03 literatura romántica_erman_alvarado
03 literatura romántica_erman_alvarado03 literatura romántica_erman_alvarado
03 literatura romántica_erman_alvaradoDoris Alonso
 
Batallas a.c.presentation1
Batallas a.c.presentation1Batallas a.c.presentation1
Batallas a.c.presentation1Lozano Abidan
 
Diapositivas ciclo 3. Primera semana
Diapositivas ciclo 3. Primera semanaDiapositivas ciclo 3. Primera semana
Diapositivas ciclo 3. Primera semanaDaissy M Velandia
 

Viewers also liked (20)

Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?
 
Éthique des sciences ueh
Éthique des sciences uehÉthique des sciences ueh
Éthique des sciences ueh
 
Jd edward ppt by me
Jd edward ppt by meJd edward ppt by me
Jd edward ppt by me
 
Internet et réseaux sociaux : mode d'emploi
Internet et réseaux sociaux : mode d'emploiInternet et réseaux sociaux : mode d'emploi
Internet et réseaux sociaux : mode d'emploi
 
Protection du public et diffusion éthique des données géospatiales
Protection du public et diffusion éthique des données géospatialesProtection du public et diffusion éthique des données géospatiales
Protection du public et diffusion éthique des données géospatiales
 
Precentacion power point
Precentacion power pointPrecentacion power point
Precentacion power point
 
Lectores RSS
Lectores RSSLectores RSS
Lectores RSS
 
Luis miguel vecino querido
Luis miguel vecino queridoLuis miguel vecino querido
Luis miguel vecino querido
 
Fuuny cat videos
Fuuny cat videosFuuny cat videos
Fuuny cat videos
 
Danza boliviana no2
Danza boliviana no2Danza boliviana no2
Danza boliviana no2
 
Corrigé wikipédia épisode 1
Corrigé wikipédia épisode 1Corrigé wikipédia épisode 1
Corrigé wikipédia épisode 1
 
Manual adultos crisis
Manual adultos crisisManual adultos crisis
Manual adultos crisis
 
PowerShell Desired State Configuration & Azure
PowerShell Desired State Configuration & AzurePowerShell Desired State Configuration & Azure
PowerShell Desired State Configuration & Azure
 
Presentacion multimedia
Presentacion multimediaPresentacion multimedia
Presentacion multimedia
 
2do tics trabajo colavorativo por gmail
2do tics trabajo colavorativo por gmail2do tics trabajo colavorativo por gmail
2do tics trabajo colavorativo por gmail
 
Gestión de proyectos
Gestión de proyectosGestión de proyectos
Gestión de proyectos
 
03 literatura romántica_erman_alvarado
03 literatura romántica_erman_alvarado03 literatura romántica_erman_alvarado
03 literatura romántica_erman_alvarado
 
Presentación power point
Presentación power pointPresentación power point
Presentación power point
 
Batallas a.c.presentation1
Batallas a.c.presentation1Batallas a.c.presentation1
Batallas a.c.presentation1
 
Diapositivas ciclo 3. Primera semana
Diapositivas ciclo 3. Primera semanaDiapositivas ciclo 3. Primera semana
Diapositivas ciclo 3. Primera semana
 

Similar to Ethique big data - Présentation Paul-Olivier Gibert (Digital & Ethics)

Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel businessMouhsine LAKHDISSI
 
La protection de la vie privée à l'heure du BIG DATA
La protection de la vie privée à l'heure du BIG DATALa protection de la vie privée à l'heure du BIG DATA
La protection de la vie privée à l'heure du BIG DATAISACA Chapitre de Québec
 
Introduction au BigData.pdf
Introduction au BigData.pdfIntroduction au BigData.pdf
Introduction au BigData.pdfZkSadrati
 
Introduction au BigData.pdf
Introduction au BigData.pdfIntroduction au BigData.pdf
Introduction au BigData.pdfZkSadrati
 
Big Data RenaissanceNumerique
Big Data RenaissanceNumeriqueBig Data RenaissanceNumerique
Big Data RenaissanceNumeriqueFanny Despouys
 
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxBigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxExcelerate Systems
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital Hamza Sossey
 
Big data, l'accélération d'innovation
Big data, l'accélération d'innovationBig data, l'accélération d'innovation
Big data, l'accélération d'innovationLionel Martins
 
Communautaire médias sociaux et démocratie directe
Communautaire médias sociaux et démocratie directeCommunautaire médias sociaux et démocratie directe
Communautaire médias sociaux et démocratie directemontrealouvert
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Laetitia Lycke
 
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...RoseMazari1
 
Big data-2-170220212621
Big data-2-170220212621Big data-2-170220212621
Big data-2-170220212621Haifa Akermi
 

Similar to Ethique big data - Présentation Paul-Olivier Gibert (Digital & Ethics) (20)

Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
 
bgi-data-1 (1).pptx
bgi-data-1 (1).pptxbgi-data-1 (1).pptx
bgi-data-1 (1).pptx
 
La protection de la vie privée à l'heure du BIG DATA
La protection de la vie privée à l'heure du BIG DATALa protection de la vie privée à l'heure du BIG DATA
La protection de la vie privée à l'heure du BIG DATA
 
Hadoop et le big data
Hadoop et le big dataHadoop et le big data
Hadoop et le big data
 
Introduction au BigData.pdf
Introduction au BigData.pdfIntroduction au BigData.pdf
Introduction au BigData.pdf
 
Introduction au BigData.pdf
Introduction au BigData.pdfIntroduction au BigData.pdf
Introduction au BigData.pdf
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 
BIG DATA
BIG DATABIG DATA
BIG DATA
 
Big Data RenaissanceNumerique
Big Data RenaissanceNumeriqueBig Data RenaissanceNumerique
Big Data RenaissanceNumerique
 
Introduction au Big data
Introduction au Big data Introduction au Big data
Introduction au Big data
 
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxBigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital
 
2014-12-16-G9plus-LB-Big-Data
2014-12-16-G9plus-LB-Big-Data2014-12-16-G9plus-LB-Big-Data
2014-12-16-G9plus-LB-Big-Data
 
Big data, l'accélération d'innovation
Big data, l'accélération d'innovationBig data, l'accélération d'innovation
Big data, l'accélération d'innovation
 
BigData et Hadoop
BigData et HadoopBigData et Hadoop
BigData et Hadoop
 
Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)
 
Communautaire médias sociaux et démocratie directe
Communautaire médias sociaux et démocratie directeCommunautaire médias sociaux et démocratie directe
Communautaire médias sociaux et démocratie directe
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18
 
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...
Souveraineté numérique - Définition et enjeux pour les entreprises et les dév...
 
Big data-2-170220212621
Big data-2-170220212621Big data-2-170220212621
Big data-2-170220212621
 

More from Kezhan SHI

Big data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-septBig data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-septKezhan SHI
 
Big data fiche data science 15 09 14
Big data fiche data science 15 09 14Big data fiche data science 15 09 14
Big data fiche data science 15 09 14Kezhan SHI
 
Big data ads gouvernance ads v2[
Big data ads   gouvernance ads v2[Big data ads   gouvernance ads v2[
Big data ads gouvernance ads v2[Kezhan SHI
 
Big data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septBig data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septKezhan SHI
 
B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_Kezhan SHI
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_Kezhan SHI
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standardKezhan SHI
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014Kezhan SHI
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilanKezhan SHI
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_Kezhan SHI
 
Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Kezhan SHI
 
Directive solvabilité 2
Directive solvabilité 2Directive solvabilité 2
Directive solvabilité 2Kezhan SHI
 
Directive omnibus 2
Directive omnibus 2Directive omnibus 2
Directive omnibus 2Kezhan SHI
 
Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Kezhan SHI
 
Optimal discretization of hedging strategies rosenbaum
Optimal discretization of hedging strategies   rosenbaumOptimal discretization of hedging strategies   rosenbaum
Optimal discretization of hedging strategies rosenbaumKezhan SHI
 
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Kezhan SHI
 
Détection de profils, application en santé et en économétrie geissler
Détection de profils, application en santé et en économétrie   geisslerDétection de profils, application en santé et en économétrie   geissler
Détection de profils, application en santé et en économétrie geisslerKezhan SHI
 
Loi hamon sébastien bachellier
Loi hamon sébastien bachellierLoi hamon sébastien bachellier
Loi hamon sébastien bachellierKezhan SHI
 
Eurocroissance arnaud cohen
Eurocroissance arnaud cohenEurocroissance arnaud cohen
Eurocroissance arnaud cohenKezhan SHI
 
From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...Kezhan SHI
 

More from Kezhan SHI (20)

Big data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-septBig data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-sept
 
Big data fiche data science 15 09 14
Big data fiche data science 15 09 14Big data fiche data science 15 09 14
Big data fiche data science 15 09 14
 
Big data ads gouvernance ads v2[
Big data ads   gouvernance ads v2[Big data ads   gouvernance ads v2[
Big data ads gouvernance ads v2[
 
Big data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septBig data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-sept
 
B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
 
Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Qis5 technical specifications-20100706
Qis5 technical specifications-20100706
 
Directive solvabilité 2
Directive solvabilité 2Directive solvabilité 2
Directive solvabilité 2
 
Directive omnibus 2
Directive omnibus 2Directive omnibus 2
Directive omnibus 2
 
Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2
 
Optimal discretization of hedging strategies rosenbaum
Optimal discretization of hedging strategies   rosenbaumOptimal discretization of hedging strategies   rosenbaum
Optimal discretization of hedging strategies rosenbaum
 
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
 
Détection de profils, application en santé et en économétrie geissler
Détection de profils, application en santé et en économétrie   geisslerDétection de profils, application en santé et en économétrie   geissler
Détection de profils, application en santé et en économétrie geissler
 
Loi hamon sébastien bachellier
Loi hamon sébastien bachellierLoi hamon sébastien bachellier
Loi hamon sébastien bachellier
 
Eurocroissance arnaud cohen
Eurocroissance arnaud cohenEurocroissance arnaud cohen
Eurocroissance arnaud cohen
 
From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...
 

Ethique big data - Présentation Paul-Olivier Gibert (Digital & Ethics)

  • 1. LES ENJEUX ÉTHIQUES DU BIG DATA PAUL-OLIVIER GIBERT 9 AVRIL 2014
  • 2. QU’EST CE QUE LE BIG DATA ? CE QUE CHANGE LE BIG DATA LES ENJEUX ÉTHIQUES DU BIG DATA
  • 3.
  • 4. QU’EST CE QUE LE BIG DATA ? ◦  Le big data est la capacité nouvelle à traiter des données : –  Volumineuses –  Véloces –  Variées ◦  Le Big data s’appuie sur des innovations technologiques: ◦  Stockage ( base de données Non SQL) ◦  Traitement des données ( Hadoop) ◦  Exploitation (Visualisation des données)
  • 5. —  Le big data est un phénomène de fonds déjà en œuvre –  Internet –  Science –  milipol —  Il s’étend actuellement vers quasiment tous les domaines de l’activité humaine ◦  Déplacements ◦  Consommation d’énergie ◦  Santé, assurance….
  • 6.
  • 7. —  Le big data permet de détecter ce qui avant passait inaperçu –  Un effet microscope et télescope –  Des analyses plus rapides et dynamiques –  Une capacité prédictive ?
  • 8. Pour en extraire de la valeur : - directement monétarisée - ou pas
  • 9. —  Les traitements big data permettent d’extraire de la valeur des grands volumes de données disponibles —  La valorisation des données dont dispose l’entreprise est une nécessité ◦  Source de nouveaux revenus ◦  Simplement pour conserver ses revenus actuels
  • 10. —  De nouvelles approches sont rendues possibles par le big data —  Plus de données moins d’erreur ? —  La fin des échantillons et des modèles ? —  Les approches data driven
  • 11. À titre d’exemple : offshore-leaks
  • 12. LE BIG DATA PORTE DES CHANGEMENTS PROFONDS QUI APPELLENT UN QUESTIONNEMENT ÉTHIQUE
  • 13. —  Qui maitrise les données ? —  Quel degré de transparence ? —  Quelle vie privée à l’heure du big data ? —  Quel libre arbitre à l’heure des algorithmes ?
  • 14. Qui maitrise les données ? —  La production de la donnée peut relever d’un processus relativement complexe mêlant : ◦  une activité humaine; ◦  des capteurs; ◦  un ou plusieurs traitements; ◦  divers enrichissements par différents acteurs •  Les différents contributeurs peuvent revendiquer une participation à la valeur crée par l’exploitation des données
  • 15. Quel degré de transparence ? —  Le big data amplifie la transparence issue de la digitalisation de l’activité humaine ◦  Pour les individus ◦  Pour les organisations —  Quelle vie privée à l’heure du big data ? ◦  Une transparence accrue mais aussi largement recherchée ◦  Une notion morte ? ◦  Le besoin d’intimité
  • 16. —  Quel libre arbitre à l’heure des algorithmes ? ◦  Accès à l’information ◦  Des décisions trop assistées ? —  Un retour de l’intuition ? ◦  Une information plus visuelle ◦  Zoomer et dé zoomer très facilement
  • 17. DES RISQUES RÉELS POUR LES ENTREPRISES
  • 18. —  Un phénomène mondial alors qu’existent de sensibles différences régionales ◦  Europe continentale; ◦  Monde anglo saxon; ◦  Asie —  Une perception mitigée des bénéfices pour les individus des bénéfices de l’ouverture des données ◦  Les quatre quarts du l’indifférent au récalcitrant
  • 19.
  • 20. —  Des risques d’incidents éthiques existent ◦  Poubelles intelligentes à Londres —  Le cas PRISM ◦  Ce qui a été révélé –  Capacité générale de surveillance –  Utilisée ponctuellement ◦  Révélateur des risques éthiques –  Quelle finalité ?
  • 21. A la croisée des chemins
  • 22. A la croisée des chemins
  • 24. PAUL-OLIVIER GIBERT DIGITAL & ETHICS 06 07 59 31 65 POGIBERT@DIGITAL-ETHICS.COM