If I can leave you with one big idea today, it's that the whole of the data in which we consume is greater that the sum of the parts, and instead of thinking about information overload, what I'd like you to think about is how we can use information so that patterns pop and we can see trends that would otherwise be invisible.
Si je peux vous transmettre une grande idée aujourd'hui, c'est que l'ensemble des données que nous consommons est plus grand que la somme des parties, et, plutôt que de penser à la saturation d'information, ce que j'aimerai vous montrer c'est comment nous pouvons utiliser l'information de sorte que les structures ressortent et nous pouvons voir émerger des tendances qui sans cela seraient invisibles.
So what we're looking at right here is a typical mortality chart organized by age. This tool that I'm using here is a little experiment. It's called Pivot, and with Pivot what I can do is I can choose to filter in one particular cause of deaths -- say, accidents. And, right away, I see there's a different pattern that emerges. This is because, in the mid-area here, people are at their most active, and over here they're at their most frail. We can step back out again and then reorganize the data by cause of death, seeing that circulatory diseases and cancer are the usual suspects, but not for everyone. If we go ahead and we filter by age -- say 40 years or less -- we see that accidents are actually the greatest cause that people have to be worried about. And if you drill into that, it's especially the case for men.
Donc ce que nous avons là est un tableau de mortalité classique organisé par âge. L'outil que j'utilise ici est une petite expérience. Il s'appelle Pivot, et avec Pivot je peux choisir de focaliser sur une cause de décès en particulier, disons les accidents. Et, immédiatement, je vois une tendance différente qui émerge. C'est parce que, dans la zone du milieu, les gens sont les plus actifs, et ici ils sont les plus fragiles. On peut s'éloigner à nouveau et réorganiser les données par causes de décès, on voit que les maladies cardio-vasculaires et le cancer sont les suspects habituels, mais pas pour tout le monde. Si on continue et qu'on filtre par âge, disons 40 ans ou moins, on voit que les accidents sont en fait la plus grande cause dont les gens devraient se soucier. Et si on creuse encore un peu, c'est particulièrement vrai pour les hommes.
So you get the idea that viewing information, viewing data in this way, is a lot like swimming in a living information info-graphic. And if we can do this for raw data, why not do it for content as well? So what we have right here is the cover of every single Sports Illustrated ever produced. It's all here; it's all on the web. You can go back to your rooms and try this after my talk. With Pivot, you can drill into a decade. You can drill into a particular year. You can jump right into a specific issue. So I'm looking at this; I see the athletes that have appeared in this issue, the sports. I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that, which reveals, for me, all the issues in which Lance Armstrong's been a part of.
Bref, vous comprenez l'idée que voir l'information, voir les données de cette façon, ressemble beaucoup à nager dans un bain vivant de données graphiques. Et si nous pouvons faire cela avec des données brutes, pourquoi ne pas le faire avec du contenu aussi ? Donc ce que nous avons ici, c'est la couverture de chaque numéro de Sports Illustrated jamais paru. Tout est là. Tout est en ligne. Vous pouvez rentrer chez vous et essayer après ma présentation. Avec Pivot, vous pouvez zoomer sur une décennie. Vous pouvez zoomer sur une année particulière. Vous pouvez vous rendre directement sur un numéro spécifique. Donc je regarde ça; je vois les athlètes qui sont apparus dans ce numéro, les sports. Je suis un fan de Lance Armstrong, donc je vais cliquer là-dessus, ce qui me révèle tous les numéros dans lesquels Lance Armstrong est mentionné.
(Applause)
(Applaudissements)
Now, if I want to just kind of take a peek at these, I might think, "Well, what about taking a look at all of cycling?" So I can step back, and expand on that. And I see Greg LeMond now. And so you get the idea that when you navigate over information this way -- going narrower, broader, backing in, backing out -- you're not searching, you're not browsing. You're doing something that's actually a little bit different. It's in between, and we think it changes the way information can be used.
A présent, si je veux juste y jeter un coup d'oeil, je pourrais me dire, "Bien, et si on regardait tout ce qui parle de cyclisme ?" Donc je peux prendre un peu de recul, et explorer cette idée. Et je vois Greg Lemond maintenant. Et vous commencez à comprendre l'idée que quand vous naviguez dans l'information de cette façon, en affinant, en élargissant en vous approchant, vous éloignant vous ne cherchez pas, vous ne naviguez pas. Vous faites quelque chose qui est en réalité un peu différent. C'est entre les deux, et nous pensons que cela change la façon dont l'information peut être utilisée.
So I want to extrapolate on this idea a bit with something that's a little bit crazy. What we're done here is we've taken every single Wikipedia page and we reduced it down to a little summary. So the summary consists of just a little synopsis and an icon to indicate the topical area that it comes from. I'm only showing the top 500 most popular Wikipedia pages right here. But even in this limited view, we can do a lot of things. Right away, we get a sense of what are the topical domains that are most popular on Wikipedia. I'm going to go ahead and select government. Now, having selected government, I can now see that the Wikipedia categories that most frequently correspond to that are Time magazine People of the Year. So this is really important because this is an insight that was not contained within any one Wikipedia page. It's only possible to see that insight when you step back and look at all of them.
Et je voudrais extrapoler sur cette idée un peu avec quelque chose qui est légèrement fou. Ce que nous avons fait ici c'est que nous avons pris chaque page de Wikipédia et les avons réduite à un petit résumé. Donc le résumé est juste constitué de petits synopsis et d'une icône pour indiquer le thème dont il provient. Je ne montre ici que les 500 premières pages les plus populaires de Wikipédia. Mais même dans cette vue limitée, on peut faire un tas de choses. Immédiatement, on a une idée des domaines thématiques qui sont les plus populaires sur Wikipédia. Je vais me lancer et choisir gouvernement. Maintenant, ayant selectionné gouvernement, je peux désormais voir que les catégories de Wikipédia qui correspondent le plus fréquement à cela sont les Personnalités de l'Année du magazine Time. Et c'est important car c'est une infromation qui n'était contenue dans aucune des pages de Wikipédia. Il n'est possible de faire cette observation qu'en prenant du recul et en les regardant toutes.
Looking at one of these particular summaries, I can then drill into the concept of Time magazine Person of the Year, bringing up all of them. So looking at these people, I can see that the majority come from government; some have come from natural sciences; some, fewer still, have come from business -- there's my boss -- and one has come from music. And interestingly enough, Bono is also a TED Prize winner. So we can go, jump, and take a look at all the TED Prize winners. So you see, we're navigating the web for the first time as if it's actually a web, not from page-to-page, but at a higher level of abstraction.
En regardant l'un de ces résumés en particulier, je peux maintenant creuser le concept de Personnalité de l'Année du magazine Time, en les affichant toutes. En regardant ces personnes, je vois que la majorité viennent du gouvernement. Certains viennent des sciences naturelles. D'autres, moins nombreux encore, viennent du monde des affaires. Voilà mon patron. Et un vient du monde de la musique. Et de façon interessante, Bono est également un lauréat du Prix TED. Ainsi on peut continuer, passer, et jeter un oeil à tous les lauréats du Prix TED. Et vous voyez, nous parcourons le réseau pour la première fois comme si c'était effectivement un réseau, pas de page en page, mais à un plus haut degré d'abstraction.
And so I want to show you one other thing that may catch you a little bit by surprise. I'm just showing the New York Times website here. So Pivot, this application -- I don't want to call it a browser; it's really not a browser, but you can view web pages with it -- and we bring that zoomable technology to every single web page like this. So I can step back, pop right back into a specific section. Now the reason why this is important is because, by virtue of just viewing web pages in this way, I can look at my entire browsing history in the exact same way. So I can drill into what I've done over specific time frames. Here, in fact, is the state of all the demo that I just gave. And I can sort of replay some stuff that I was looking at earlier today. And, if I want to step back and look at everything, I can slice and dice my history, perhaps by my search history -- here, I was doing some nepotistic searching, looking for Bing, over here for Live Labs Pivot. And from these, I can drill into the web page and just launch them again. It's one metaphor repurposed multiple times, and in each case it makes the whole greater than the sum of the parts with the data.
Et aussi je voudrais vous montrer une autre chose qui pourrait bien vous prendre un peu par surprise. Je vous montre juste le site web du New York Times là. Donc Pivot, cette application -- je ne veux pas l'appeler un navigateur; ce n'est vraiment pas un navigateur, mais vous pouvez visiter des pages web avec -- et nous introduisons cette technologie de zoom pour chaque page web comme ceci. Donc je peux m'éloigner, revenir directement à une section particulière. Et la raison pour laquelle c'est important c'est que, étant capable de consulter des pages web de cette façon je peux regarder tout l'historique de ma navigation exactement de la même manière. Donc je peux creuser dans ce que j'ai fait au cours de certains laps de temps. La, en fait, c'est l'état de toute la démo que je viens de donner. Et je peux rejouer certains trucs que j'ai consulté plus tôt aujourd'hui. Et, si je veux m'éloigner et tout regarder je peux décortiquer mon historique peut-être mon historique de recherche. Là, je faisais des recherches népotiques, faisant des recherches pour Bing, ici pour le Live Labs Pivot. Et à partir de ça, je peux plonger dans la page web et simplement les lancer à nouveau. C'est une métaphore réutilisée de multiples fois, et à chaque fois ça rend le tout plus grand que la somme des parties avec les données.
So right now, in this world, we think about data as being this curse. We talk about the curse of information overload. We talk about drowning in data. What if we can actually turn that upside down and turn the web upside down, so that instead of navigating from one thing to the next, we get used to the habit of being able to go from many things to many things, and then being able to see the patterns that were otherwise hidden? If we can do that, then instead of being trapped in data, we might actually extract information. And, instead of dealing just with information, we can tease out knowledge. And if we get the knowledge, then maybe even there's wisdom to be found.
Et à cet instant, dans ce monde, on pense que les données sont cette malédiction. On parle du problème de la surcharge d'information. On parle d'être noyé sous les données. Et si on pouvait en fait retourner la situation et renverser le web, de sorte que au lieu d'une chose à l'autre, on prenne l'habitude d'aller d'un ensemble de choses à un autre ensemble de choses, et ce faisant d'être capable de discerner les tendances qui sans cela auraient été cachées? Si nous pouvons faire ça, alors, plutôt que d'être prisonnier des données, nous pourrions en fait extraire de l'information. Et, plutôt que seulement gérer l'information, nous pouvons en extraire de la connaissance. Et si nous avons la connaissance, alors il y a peut-être même de la sagesse à en tirer.
So with that, I thank you.
Et avec ça, je vous remercie.
(Applause)
(Applaudissements)