Chris Anderson: You were something of a mathematical phenom. You had already taught at Harvard and MIT at a young age. And then the NSA came calling. What was that about?
Chris Anderson : Vous étiez un genre de génie mathématique. Très jeune, vous avez enseigné à Harvard et au MIT. Puis la NSA a fait appel à vous. C'était à quel sujet ?
Jim Simons: Well the NSA -- that's the National Security Agency -- they didn't exactly come calling. They had an operation at Princeton, where they hired mathematicians to attack secret codes and stuff like that. And I knew that existed. And they had a very good policy, because you could do half your time at your own mathematics, and at least half your time working on their stuff. And they paid a lot. So that was an irresistible pull. So, I went there.
Jim Simons : Eh bien la NSA -- c'est l'Agence Nationale de Sécurité -- ils n'ont pas exactement fait appel à moi. Ils avaient une opération à Princeton pour laquelle ils embauchaient des mathématiciens pour attaquer des codes secrets et ce genre de choses. Et ils connaissaient mon existence. Ils avaient une très bonne politique, car, la moitié du temps, nous faisions nos propres mathématiques, et la moitié du temps nous le passions à travailler sur leurs projets. Et ils nous payaient cher. C'était une proposition à laquelle nous ne pouvions pas résister. Donc j'y suis allé.
CA: You were a code-cracker.
CA : Vous étiez un craqueur de codes.
JS: I was.
JS : Oui.
CA: Until you got fired.
CA : Jusqu'à ce que vous soyez viré.
JS: Well, I did get fired. Yes.
JS : J'ai été viré, oui.
CA: How come?
CA : Pourquoi ?
JS: Well, how come? I got fired because, well, the Vietnam War was on, and the boss of bosses in my organization was a big fan of the war and wrote a New York Times article, a magazine section cover story, about how we would win in Vietnam. And I didn't like that war, I thought it was stupid. And I wrote a letter to the Times, which they published, saying not everyone who works for Maxwell Taylor, if anyone remembers that name, agrees with his views. And I gave my own views ...
JS : Pourquoi ? J'ai été viré car, c'était pendant la guerre du Vietnam, et le grand patron dans mon entreprise était un grand fan de la guerre et a écrit un article pour le New York Times, la une de la partie magazine, sur comment nous gagnerions au Vietnam. Et je n'aimais pas cette guerre, je la trouvais stupide. J'ai écrit une lettre au Times, qui a ensuite été publiée, expliquant que toutes les personnes travaillant pour Maxwell Taylor, si vous vous souvenez de ce nom, n'étaient pas forcément d'accord avec lui. Et j'ai donné mon avis...
CA: Oh, OK. I can see that would --
CA : Je peux voir en quoi cela pourrait...
JS: ... which were different from General Taylor's. But in the end, nobody said anything. But then, I was 29 years old at this time, and some kid came around and said he was a stringer from Newsweek magazine and he wanted to interview me and ask what I was doing about my views. And I told him, "I'm doing mostly mathematics now, and when the war is over, then I'll do mostly their stuff." Then I did the only intelligent thing I'd done that day -- I told my local boss that I gave that interview. And he said, "What'd you say?" And I told him what I said. And then he said, "I've got to call Taylor." He called Taylor; that took 10 minutes. I was fired five minutes after that.
JS : ... qui était différent de celui du Général Taylor. Mais, finalement, personne n'a rien dit. J'avais 29 ans à l'époque et un gamin est venu, il disait être un reporter pour le magazine Newsweek, il voulait m'interviewer et m'a demandé en quoi j'agissais selon mon opinion. Je lui ai dit : « Actuellement, je fais principalement des mathématiques, et quand la guerre sera finie, je travaillerai sur leurs projets. » Ce que j'ai fait ensuite, la seule chose intelligente de la journée, j'ai parlé de l'interview à mon chef direct. Il a dit : « Qu'avez-vous dit ? » Et je lui ai dit. Et il a dit : « Je dois appeler Taylor. » Il a appelé Taylor, cela a pris 10 minutes. Cinq minutes après, j'étais viré.
CA: OK.
CA : OK.
JS: But it wasn't bad.
JS : Mais ce n'était pas mal.
CA: It wasn't bad, because you went on to Stony Brook and stepped up your mathematical career. You started working with this man here. Who is this?
CA : Ce n'était pas mal car vous êtes allé à Stony Brook et avez fait évoluer votre carrière. Vous avez commencé à travailler avec cet homme. Qui est-ce ?
JS: Oh, [Shiing-Shen] Chern. Chern was one of the great mathematicians of the century. I had known him when I was a graduate student at Berkeley. And I had some ideas, and I brought them to him and he liked them. Together, we did this work which you can easily see up there. There it is.
JS : Oh, [Shiing-Shen] Chern. Chern était l'un des meilleurs mathématiciens du siècle. Je l'ai connu quand j'étais étudiant à Berkeley. J'avais quelques idées, je lui en ai parlé et il les a aimées. Ensemble, nous avons fait ce travail que vous voyez facilement là-haut. Voilà.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
CA : Cela vous a amené à publier ensemble ces travaux connus. Pouvez-vous expliquer quels étaient ces travaux ?
JS: No.
JS : Non.
(Laughter)
(Rires)
JS: I mean, I could explain it to somebody.
JS : Je pourrais l'expliquer à quelqu'un.
(Laughter)
(Rires)
CA: How about explaining this?
CA : Et expliquer cela ?
JS: But not many. Not many people.
JS : Mais pas à grand monde.
CA: I think you told me it had something to do with spheres, so let's start here.
CA : Je crois que vous m'avez dit que c'était relatif à des sphères, commençons là.
JS: Well, it did, but I'll say about that work -- it did have something to do with that, but before we get to that -- that work was good mathematics. I was very happy with it; so was Chern. It even started a little sub-field that's now flourishing. But, more interestingly, it happened to apply to physics, something we knew nothing about -- at least I knew nothing about physics, and I don't think Chern knew a heck of a lot. And about 10 years after the paper came out, a guy named Ed Witten in Princeton started applying it to string theory and people in Russia started applying it to what's called "condensed matter." Today, those things in there called Chern-Simons invariants have spread through a lot of physics. And it was amazing. We didn't know any physics. It never occurred to me that it would be applied to physics. But that's the thing about mathematics -- you never know where it's going to go.
JS : En effet, mais je dirais sur ces travaux -- c'était en rapport avec cela, mais avant d'en arriver là -- ces travaux, c'étaient des bonnes mathématiques. J'en étais très content, et Chern aussi. Cela a même lancé un sous-domaine qui prospère aujourd'hui. Mais, plus intéressant, cela s'est appliqué à la physique, un sujet dont nous ne savions rien -- je ne connaissais rien à la physique et je ne pense pas que Chern y connaissait grand chose. Environ 10 ans après la publication des travaux, un gars appelé Ed Witten, à Princeton, a appliqué cela à la théorie des cordes et des gens en Russie l'ont appliqué à ce qu'on appelle « matière condensée ». Aujourd'hui, ces choses appelées les invariants de Chern-Simons se sont répandues en physique. C'était génial. Nous ignorions tout de la physique. Je n'ai jamais pensé que cela s'appliquerait à la physique. C'est le truc avec les mathématiques : vous ne savez jamais où cela va aller.
CA: This is so incredible. So, we've been talking about how evolution shapes human minds that may or may not perceive the truth. Somehow, you come up with a mathematical theory, not knowing any physics, discover two decades later that it's being applied to profoundly describe the actual physical world. How can that happen?
CA : C'est incroyable. Nous avons parlé de la façon dont l'évolution façonne les cerveaux humains qui perçoivent ou non la vérité. D'une certaine manière, vous avez trouvé une théorie mathématique, en ne connaissant rien à la physique, vous découvrez 20 ans plus tard qu'elle est appliquée pour décrire en profondeur le vrai monde physique. Comment est-ce possible ?
JS: God knows.
JS : Dieu seul le sait.
(Laughter)
(Rires)
But there's a famous physicist named [Eugene] Wigner, and he wrote an essay on the unreasonable effectiveness of mathematics. Somehow, this mathematics, which is rooted in the real world in some sense -- we learn to count, measure, everyone would do that -- and then it flourishes on its own. But so often it comes back to save the day. General relativity is an example. [Hermann] Minkowski had this geometry, and Einstein realized, "Hey! It's the very thing in which I can cast general relativity." So, you never know. It is a mystery. It is a mystery.
Mais un célèbre physicien appelé [Eugene] Wigner a écrit un essai sur l'efficacité démesurée des mathématiques. D'une certaine manière, ces mathématiques, qui sont ancrées dans le monde réel en un sens -- nous apprenons à compter, mesurer, tout le monde le fait -- puis elles fleurissent d'elles-mêmes. Mais très souvent, elles reviennent pour sauver le monde. La relativité générale est un exemple. [Hermann] Minkowski avait cette géométrie, et Einstein a réalisé : « C'est là-dedans que je peux mouler la relativité générale. » Donc vous ne savez jamais. C'est un mystère. C'est un mystère.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
CA : Voici un peu d'ingéniosité mathématique. Parlez-nous en.
JS: Well, that's a ball -- it's a sphere, and it has a lattice around it -- you know, those squares. What I'm going to show here was originally observed by [Leonhard] Euler, the great mathematician, in the 1700s. And it gradually grew to be a very important field in mathematics: algebraic topology, geometry. That paper up there had its roots in this. So, here's this thing: it has eight vertices, 12 edges, six faces. And if you look at the difference -- vertices minus edges plus faces -- you get two. OK, well, two. That's a good number. Here's a different way of doing it -- these are triangles covering -- this has 12 vertices and 30 edges and 20 faces, 20 tiles. And vertices minus edges plus faces still equals two. And in fact, you could do this any which way -- cover this thing with all kinds of polygons and triangles and mix them up. And you take vertices minus edges plus faces -- you'll get two. Here's a different shape. This is a torus, or the surface of a doughnut: 16 vertices covered by these rectangles, 32 edges, 16 faces. Vertices minus edges comes out to be zero. It'll always come out to zero. Every time you cover a torus with squares or triangles or anything like that, you're going to get zero. So, this is called the Euler characteristic. And it's what's called a topological invariant. It's pretty amazing. No matter how you do it, you're always get the same answer. So that was the first sort of thrust, from the mid-1700s, into a subject which is now called algebraic topology.
JS : C'est une balle -- c'est une sphère entourée d'un maillage -- vous savez, ces carrés. Ce que je vais vous montrer a été observé la première fois par [Leonard] Euler, le grand mathématicien du XVIIe siècle. C'est progressivement devenu un domaine très important des mathématiques : la topologie algébrique, la géométrie. Les travaux là-haut y prennent racine. Voici le truc : ça a 8 sommets, 12 arêtes, 6 faces. Si vous considérez la différence -- sommets moins arêtes plus faces -- vous obtenez deux. Eh bien, deux. C'est un bon nombre. Voici une autre façon de le faire -- c'est couvert par des triangles -- cela a 12 sommets, 30 arêtes, 20 faces et 20 carreaux. Et sommets moins arêtes plus faces est toujours égal à deux. En fait, vous pourriez le faire de n'importe quelle façon -- recouvrir cela avec toutes sortes de polygones et triangles et les mélanger. Si vous prenez sommets moins arêtes plus faces, vous obtenez deux. Voici une autre forme. C'est un tore, ou la surface d'un donut : 16 sommets couverts par ces rectangles, 32 arêtes, 16 faces. Sommets moins arêtes vaut zéro. Cela sera toujours zéro. Chaque fois que vous couvrez un tore avec des carrés et des triangles ou des choses du genre, vous obtiendrez zéro. Cela s'appelle la caractéristique d'Euler. C'est ce qu'on appelle un invariant topologique. C'est assez génial. Quelle que soit la façon d'agir, vous avez toujours le même résultat. C'était le premier genre d'avancées, datant des années 1700, dans un sujet qu'on appelle aujourd'hui la topologie algébrique.
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
CA : Et votre travail a pris une idée comme celle-ci et l'a amenée vers de la théorie de dimension supérieure, des objets de dimension supérieure, et a trouvé de nouveaux invariants ?
JS: Yes. Well, there were already higher-dimensional invariants: Pontryagin classes -- actually, there were Chern classes. There were a bunch of these types of invariants. I was struggling to work on one of them and model it sort of combinatorially, instead of the way it was typically done, and that led to this work and we uncovered some new things. But if it wasn't for Mr. Euler -- who wrote almost 70 volumes of mathematics and had 13 children, who he apparently would dandle on his knee while he was writing -- if it wasn't for Mr. Euler, there wouldn't perhaps be these invariants.
JS : Il y avait déjà des invariants de dimension supérieure : les classes de Pontryagin -- en fait, c'étaient les classes de Chern. Il y avait quelques invariants de ce type-là. J'avais des difficultés à travailler sur l'un d'eux et l'ai modélisé combinatoirement, plutôt qu'en utilisant la méthode habituelle, cela a mené ces travaux et nous avons découvert de nouvelles choses. Mais sans M. Euler -- qui a écrit près de 70 volumes de mathématiques et avait 13 enfants, qui apparemment gesticulaient sur ses genoux quand il écrivait -- sans M. Euler, il n'y aurait peut-être pas ces invariants.
CA: OK, so that's at least given us a flavor of that amazing mind in there. Let's talk about Renaissance. Because you took that amazing mind and having been a code-cracker at the NSA, you started to become a code-cracker in the financial industry. I think you probably didn't buy efficient market theory. Somehow you found a way of creating astonishing returns over two decades. The way it's been explained to me, what's remarkable about what you did wasn't just the size of the returns, it's that you took them with surprisingly low volatility and risk, compared with other hedge funds. So how on earth did you do this, Jim?
CA : Cela nous a au moins donné un aperçu de ce brillant esprit. Parlons de la Renaissance. Parce qu'avec cet esprit brillant, ayant été craqueur de code à la NSA, vous êtes devenu un craqueur de code dans la finance. Je pense que vous n'étiez pas d'accord avec la théorie de l'efficacité du marché. Vous avez trouvé une façon de créer d'incroyables revenus sur plus de 20 ans. De ce qu'on m'en a expliqué, les revenus n'étaient pas la seule chose remarquable dans ce que vous avez fait, mais que vous les gagniez avec une volatilité, un risque étonnamment bas, comparé aux autres fonds spéculatifs. Comment avez-vous fait cela, Jim ?
JS: I did it by assembling a wonderful group of people. When I started doing trading, I had gotten a little tired of mathematics. I was in my late 30s, I had a little money. I started trading and it went very well. I made quite a lot of money with pure luck. I mean, I think it was pure luck. It certainly wasn't mathematical modeling. But in looking at the data, after a while I realized: it looks like there's some structure here. And I hired a few mathematicians, and we started making some models -- just the kind of thing we did back at IDA [Institute for Defense Analyses]. You design an algorithm, you test it out on a computer. Does it work? Doesn't it work? And so on.
JS : Je l'ai fait en réunissant un formidable groupe de personnes. Quand j'ai commencé dans la bourse, j'en avais un peu marre des mathématiques. J'étais proche de la quarantaine, j'avais peu d'argent. J'ai commencé dans la bourse et cela s'est très bien passé. Par chance, j'ai très rapidement gagné beaucoup d'argent. Je pense que c'était de la chance. Ce n'était certainement pas de la modélisation mathématique. Mais, après un certain temps, en regardant les données, j'ai réalisé : on dirait qu'il y a une structure là-dedans. J'ai engagé quelques mathématiciens, nous avons commencé à modéliser cela -- le genre de choses que nous faisions à l'IDA [Institut d'Analyses de la Défense]. Vous créez des algorithmes, les testez sur un ordinateur. Est-ce que cela marche ou pas ? Ainsi de suite.
CA: Can we take a look at this? Because here's a typical graph of some commodity. I look at that, and I say, "That's just a random, up-and-down walk -- maybe a slight upward trend over that whole period of time." How on earth could you trade looking at that, and see something that wasn't just random?
CA : Jetons un œil à cela. Car voici le graphique typique d'une marchandise. Je le regarde et me dis : « C'est aléatoire, des hauts et des bas -- peut-être une légère tendance à la hausse sur la période entière. » Comment pouvez-vous faire des échanges en regardant cela, en n'y voyant pas de l'aléatoire ?
JS: In the old days -- this is kind of a graph from the old days, commodities or currencies had a tendency to trend. Not necessarily the very light trend you see here, but trending in periods. And if you decided, OK, I'm going to predict today, by the average move in the past 20 days -- maybe that would be a good prediction, and I'd make some money. And in fact, years ago, such a system would work -- not beautifully, but it would work. You'd make money, you'd lose money, you'd make money. But this is a year's worth of days, and you'd make a little money during that period. It's a very vestigial system.
JS : Dans le temps, -- c'est un genre de graphiques qui date, les marchandises et les devises avaient tendance à évoluer. Pas nécessairement la légère hausse qu'on voit ici, mais une évolution en périodes. Si vous décidiez de prédire l'évolution du jour, grâce aux mouvements moyens des 20 derniers jours -- cela pouvait être une bonne prédiction et vous gagniez de l'argent. En fait, il y a quelques années, un tel système fonctionnait -- ce n'était pas génial, mais cela fonctionnait. Vous gagniez de l'argent, vous en perdiez, vous en gagniez. Mais cela correspond à une année entière, et vous auriez fait un peu d'argent sur cette période. C'est un système très rudimentaire.
CA: So you would test a bunch of lengths of trends in time and see whether, for example, a 10-day trend or a 15-day trend was predictive of what happened next.
CA : Donc vous testiez certaines durées d'évolution dans le temps et voyiez si, par exemple, une évolution sur 10 ou 15 jours permettait de prédire la suite.
JS: Sure, you would try all those things and see what worked best. Trend-following would have been great in the '60s, and it was sort of OK in the '70s. By the '80s, it wasn't.
JS : Bien sûr, vous essayiez toutes ces choses et voyiez ce qui fonctionnait le mieux. L'observation des évolutions étaient très bien dans les années 60, c'était bien dans les années 70. Mais dans les années 80, cela ne l'était plus.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
CA : Parce que tout le monde pouvait le voir. Comment avez-vous gardé votre avance ?
JS: We stayed ahead of the pack by finding other approaches -- shorter-term approaches to some extent. The real thing was to gather a tremendous amount of data -- and we had to get it by hand in the early days. We went down to the Federal Reserve and copied interest rate histories and stuff like that, because it didn't exist on computers. We got a lot of data. And very smart people -- that was the key. I didn't really know how to hire people to do fundamental trading. I had hired a few -- some made money, some didn't make money. I couldn't make a business out of that. But I did know how to hire scientists, because I have some taste in that department. So, that's what we did. And gradually these models got better and better, and better and better.
JS : Nous avons conservé notre avance en trouvant de nouvelles approches -- dans une certaine mesure, des approches à court terme. Le vrai objectif était de récolter un volume considérable de données -- et, au début, nous devions le faire manuellement. Nous descendions à la Réserve Fédérale et copiions l'historique des taux d'intérêt et ce genre de choses, parce que cela n'existait pas sur ordinateur. Nous avions beaucoup de données. Et des gens très intelligents -- c'était la clé. Je ne savais pas vraiment comment embaucher des gens pour faire du courtage fondamental. J'en avais embauché quelques uns -- certains gagnaient beaucoup d'argent, d'autres pas. Je ne pouvais pas faire d'affaires. Mais je savais engager des scientifiques, parce que j'ai quelques connaissances dans ce domaine. C'est donc ce que nous avons fait. Et, progressivement, ces modèles sont devenus meilleurs, et meilleurs, et meilleurs.
CA: You're credited with doing something remarkable at Renaissance, which is building this culture, this group of people, who weren't just hired guns who could be lured away by money. Their motivation was doing exciting mathematics and science.
CA : On vous attribue une action remarquable chez Renaissance, qui est de créer cette culture, ce groupe de personnes, qui n'étaient pas juste des mercenaires attirés par l'argent. Leur motivation était de faire des sciences et mathématiques excitantes.
JS: Well, I'd hoped that might be true. But some of it was money.
JS : J'aimerais que cela soit vrai. Mais l'argent jouait aussi un rôle.
CA: They made a lot of money.
CA : Ils ont gagné beaucoup d'argent.
JS: I can't say that no one came because of the money. I think a lot of them came because of the money. But they also came because it would be fun.
JS : Je ne peux pas dire que personne n'est venu pour l'argent. Je pense que beaucoup sont venus pour l'argent. Mais aussi parce que c'était amusant.
CA: What role did machine learning play in all this?
CA : Quel rôle a joué l'apprentissage automatique ?
JS: In a certain sense, what we did was machine learning. You look at a lot of data, and you try to simulate different predictive schemes, until you get better and better at it. It doesn't necessarily feed back on itself the way we did things. But it worked.
JS : D'une certaine façon, nous avons fait de l'apprentissage automatique. Vous regardez beaucoup de données, essayez de simuler des schémas prévisionnels, jusqu'à ce que vous deveniez meilleur Ce que nous faisions n'avait pas nécessairement de répercussions en retour. Mais cela fonctionnait.
CA: So these different predictive schemes can be really quite wild and unexpected. I mean, you looked at everything, right? You looked at the weather, length of dresses, political opinion.
CA : Ces schémas prévisionnels peuvent être assez fous et inattendus. Vous avez tout pris en compte ? Vous regardiez la météo, la longueur des robes, l'opinion politique.
JS: Yes, length of dresses we didn't try.
JS : Nous n'avons pas essayé la longueur des robes.
CA: What sort of things?
CA : Quel genre de choses ?
JS: Well, everything. Everything is grist for the mill -- except hem lengths. Weather, annual reports, quarterly reports, historic data itself, volumes, you name it. Whatever there is. We take in terabytes of data a day. And store it away and massage it and get it ready for analysis. You're looking for anomalies. You're looking for -- like you said, the efficient market hypothesis is not correct.
JS : Tout. Tout apporte de l'eau au moulin -- sauf la longueur des ourlets. La météo, les rapports annuels, les rapports trimestriels, l'historique de données, les volumes. Ce que vous voulez. Tout ce qu'il y a. Nous prenons chaque jour des terabytes de données. Nous les stockons, les manipulons, les préparons pour les analyser. Nous cherchons des anomalies. Nous cherchons -- comme vous le disiez, l'hypothèse de l'efficacité du marché n'est pas correcte.
CA: But any one anomaly might be just a random thing. So, is the secret here to just look at multiple strange anomalies, and see when they align?
CA : Une anomalie pourrait être juste de l'aléatoire. Est-ce que le secret c'est de regarder de nombreuses anomalies et de voir quand elles correspondent ?
JS: Any one anomaly might be a random thing; however, if you have enough data you can tell that it's not. You can see an anomaly that's persistent for a sufficiently long time -- the probability of it being random is not high. But these things fade after a while; anomalies can get washed out. So you have to keep on top of the business.
JS : Une anomalie pourrait être une chose aléatoire : cependant, avec assez de données, vous pouvez distinguer l'aléatoire. Vous pouvez voir une anomalie persistant un temps assez long -- la probabilité que ce soit aléatoire n'est pas élevée. Mais ces choses s'effacent après un temps, les anomalies peuvent disparaître. Il faut garder le contrôle sur les affaires.
CA: A lot of people look at the hedge fund industry now and are sort of ... shocked by it, by how much wealth is created there, and how much talent is going into it. Do you have any worries about that industry, and perhaps the financial industry in general? Kind of being on a runaway train that's -- I don't know -- helping increase inequality? How would you champion what's happening in the hedge fund industry?
CA : Beaucoup de personnes regardent l'industrie des fonds spéculatifs et sont, d'une certaine façon, choqués par cette industrie, par la richesse qui y est créée, par le talent qui y est investi. Êtes-vous inquiet quant à cette industrie, et peut-être l'industrie des finances en général ? C'est comme être dans un train fou qui -- je ne sais pas -- aide à augmenter les inégalités ? Comment défendriez-vous ce qu'il se passe dans l'industrie des fonds spéculatifs ?
JS: I think in the last three or four years, hedge funds have not done especially well. We've done dandy, but the hedge fund industry as a whole has not done so wonderfully. The stock market has been on a roll, going up as everybody knows, and price-earnings ratios have grown. So an awful lot of the wealth that's been created in the last -- let's say, five or six years -- has not been created by hedge funds. People would ask me, "What's a hedge fund?" And I'd say, "One and 20." Which means -- now it's two and 20 -- it's two percent fixed fee and 20 percent of profits. Hedge funds are all different kinds of creatures.
JS : Je pense que durant les 2 ou 3 dernières années, les fonds spéculatifs ne s'en sont pas très bien sortis. Pour nous ça a été, mais l'industrie des fonds spéculatifs en elle-même n'allait pas si bien. La bourse est en bonne marche, en augmentation comme nous le savons tous, et les ratios cours-bénéfices ont augmenté. Une très grande partie de la richesse créée durant les, disons, 5 ou 6 dernières années, n'a pas été créée par les fonds spéculatifs. Les gens me demandent : « Qu'est-ce qu'un fond spéculatif ? » Et je dis : « Un et vingt ». Ce qui veut dire -- maintenant c'est deux et vingt -- c'est 2% de frais fixes et 20% de profit. Les fonds spéculatifs sont tous des créatures différentes.
CA: Rumor has it you charge slightly higher fees than that.
CA : D'après les rumeurs, vos frais sont un peu plus élevés que cela.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
JS : Nos frais ont été les plus élevés du monde. 5 et 44, ce sont nos frais.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
CA : 5 et 44. Donc 5% de frais fixes, 44% de bénéfices. Vous faisiez quand même gagner des sommes spectaculaires à vos investisseurs.
JS: We made good returns, yes. People got very mad: "How can you charge such high fees?" I said, "OK, you can withdraw." But "How can I get more?" was what people were --
JS : Nous avions de bons profits. Les gens s'énervaient car les frais étaient élevés. Je disais : « Vous pouvez vous retirer. » Mais « Comment puis-je avoir plus » était ce que les gens --
(Laughter)
(Rires)
But at a certain point, as I think I told you, we bought out all the investors because there's a capacity to the fund.
Mais à un moment donné, comme je vous l'ai dit, nous avons remboursé les investisseurs parce que le fond a une capacité.
CA: But should we worry about the hedge fund industry attracting too much of the world's great mathematical and other talent to work on that, as opposed to the many other problems in the world?
CA : Devrions-nous nous être inquiets quant à l'industrie des fonds spéculatifs qui attire un trop grand nombre de grands mathématiciens et autres talents pour y travailler, en opposition avec les nombreux autres problèmes du monde ?
JS: Well, it's not just mathematical. We hire astronomers and physicists and things like that. I don't think we should worry about it too much. It's still a pretty small industry. And in fact, bringing science into the investing world has improved that world. It's reduced volatility. It's increased liquidity. Spreads are narrower because people are trading that kind of stuff. So I'm not too worried about Einstein going off and starting a hedge fund.
JS : Ce n'est pas juste mathématique. Nous engageons des astronomes, des physiciens et d'autres. Je ne pense pas que nous devrions trop nous inquiéter à ce sujet. C'est toujours une industrie relativement petite. En fait, amener la science dans le monde des investissements a amélioré ce monde. Cela a réduit la volatilité. Cela a augmenté la liquidité. Les marges sont réduites car les gens négocient ce genre de choses. Donc je ne suis pas trop inquiet quant à Einstein lançant un fond spéculatif.
CA: You're at a phase in your life now where you're actually investing, though, at the other end of the supply chain -- you're actually boosting mathematics across America. This is your wife, Marilyn. You're working on philanthropic issues together. Tell me about that.
CA : Cependant, vous êtes dans une phase de votre vie où vous investissez, à l'autre bout de la chaine logistique -- vous stimulez les mathématiques à travers l'Amérique. Voici votre femme, Marilyn. Vous travaillez ensemble sur des problèmes philanthropiques. Parlez-moi de cela.
JS: Well, Marilyn started -- there she is up there, my beautiful wife -- she started the foundation about 20 years ago. I think '94. I claim it was '93, she says it was '94, but it was one of those two years.
JS : Marilyn a commencé -- là voici, ma fabuleuse femme -- elle a lancé la fondation il y a environ 20 ans. Je crois que c'était en 94. Je dis que c'était en 93, elle dit 94, mais c'était l'un ou l'autre.
(Laughter)
(Rires)
We started the foundation, just as a convenient way to give charity. She kept the books, and so on. We did not have a vision at that time, but gradually a vision emerged -- which was to focus on math and science, to focus on basic research. And that's what we've done. Six years ago or so, I left Renaissance and went to work at the foundation. So that's what we do.
Nous avons lancé la fondation car c'était commode pour donner de l'argent. Elle tenait les comptes, etc. A ce moment-là, nous n'avions pas de perspective, mais, progressivement, une perspective a émergé : se concentrer sur les maths et la science, se concentrer sur de la recherche basique. C'est ce que nous avons fait. il y a environ 6 ans, j'ai quitté Renaissance et je suis parti travailler à la fondation. C'est notre boulot.
CA: And so Math for America is basically investing in math teachers around the country, giving them some extra income, giving them support and coaching. And really trying to make that more effective and make that a calling to which teachers can aspire.
CA : Et donc les Maths pour l'Amérique, c'est simplement investir dans des professeurs de maths à travers le pays, leur offrir un revenu supplémentaire, leur offrir du soutien et du mentorat. Et essayer de rendre cela plus efficace et d'en faire un modèle auquel tous les professeurs peuvent aspirer.
JS: Yeah -- instead of beating up the bad teachers, which has created morale problems all through the educational community, in particular in math and science, we focus on celebrating the good ones and giving them status. Yeah, we give them extra money, 15,000 dollars a year. We have 800 math and science teachers in New York City in public schools today, as part of a core. There's a great morale among them. They're staying in the field. Next year, it'll be 1,000 and that'll be 10 percent of the math and science teachers in New York [City] public schools.
JS : Au lieu de s'en prendre aux mauvais professeurs, ce qui a créé des problèmes moraux au sein de la communauté éducative, particulièrement en maths et en science, nous nous concentrons sur la célébration et la reconnaissance des bons professeurs. Nous leur donnons un revenu supplémentaire de 15 000$ par an. Aujourd'hui, nous avons 800 professeurs de maths et de science dans les écoles publiques de New York, c'est un point fondamental. Parmi eux le moral est très bon. Ils continuent à travailler dans leurs domaines. L'année prochaine, ils seront 1 000 ce qui représente 10% des professeurs de maths et de science dans les écoles publiques de New York.
(Applause)
(Applaudissements)
CA: Jim, here's another project that you've supported philanthropically: Research into origins of life, I guess. What are we looking at here? JS: Well, I'll save that for a second. And then I'll tell you what you're looking at. Origins of life is a fascinating question. How did we get here? Well, there are two questions: One is, what is the route from geology to biology -- how did we get here? And the other question is, what did we start with? What material, if any, did we have to work with on this route? Those are two very, very interesting questions. The first question is a tortuous path from geology up to RNA or something like that -- how did that all work? And the other, what do we have to work with? Well, more than we think. So what's pictured there is a star in formation. Now, every year in our Milky Way, which has 100 billion stars, about two new stars are created. Don't ask me how, but they're created. And it takes them about a million years to settle out. So, in steady state, there are about two million stars in formation at any time. That one is somewhere along this settling-down period. And there's all this crap sort of circling around it, dust and stuff. And it'll form probably a solar system, or whatever it forms. But here's the thing -- in this dust that surrounds a forming star have been found, now, significant organic molecules. Molecules not just like methane, but formaldehyde and cyanide -- things that are the building blocks -- the seeds, if you will -- of life. So, that may be typical. And it may be typical that planets around the universe start off with some of these basic building blocks. Now does that mean there's going to be life all around? Maybe. But it's a question of how tortuous this path is from those frail beginnings, those seeds, all the way to life. And most of those seeds will fall on fallow planets.
CA : Voici un autre projet philanthropique que vous avez soutenu : la recherche sur les origines de la vie. Que voyons-nous ? JS : Je l'expliquerai dans un instant. Et puis je vous dirai ce que nous voyons. La question des origines de la vie est fascinante. Comment en sommes-nous arrivés là ? Il y a deux questions : la première est : quel est le chemin de la géologie vers la biologie -- comment en sommes-nous arrivés là ? Et l'autre question est : avec quoi avons-nous commencé ? Avec quelle matière, s'il y en avait une, devions-nous travailler en chemin ? Ce sont deux questions très intéressantes. La première est un chemin tortueux de la géologie à l'ARN. Comment cela a-t-il fonctionné ? Et l'autre : qu'avions-nous pour travailler ? Plus que ce que nous pensons. Ce qui est représenté ici est une étoile en formation. Chaque année dans notre Voie Lactée, qui a 100 milliards d'étoiles, environ 2 nouvelles étoiles sont créées. Ne me demandez pas comment, mais elles sont créées. Et cela leur prend environ un million d'années pour se former. Il y a constamment environ deux millions d'étoiles en formation. Celle-ci est quelque part dans cette période de formation. Et il y a toute cet amas qui tourne autour, de la poussière et ce genre de choses. Et cela formera probablement un système solaire, ou quelque chose. Voici le point important : dans cette poussière qui entoure un étoile en formation, nous avons trouvé des molécules organiques significatives. Des molécules pas seulement de méthane mais du formaldéhyde et du cyanure -- des choses qui sont les fondations -- les graines si vous voulez -- de la vie. Cela pourrait être une constante. Et ça pourrait être une constante que les planètes dans cet univers commencent avec certaines de ces fondations. Cela veut-il dire qu'il y aura de la vie tout autour ? Peut-être. Mais la question est combien le chemin est tortueux entre ces frêles débuts, ces graines, et la vie. La plupart de ces graines tomberont sur des planètes en jachère.
CA: So for you, personally, finding an answer to this question of where we came from, of how did this thing happen, that is something you would love to see.
CA : Pour vous personnellement, trouver une réponse à cette question d'où nous venons, comment cela s'est passé, est quelque chose que vous aimeriez voir.
JS: Would love to see. And like to know -- if that path is tortuous enough, and so improbable, that no matter what you start with, we could be a singularity. But on the other hand, given all this organic dust that's floating around, we could have lots of friends out there. It'd be great to know.
JS : J'aimerais le voir. Et savoir -- si ce chemin est assez tortueux, et si improbable, que peu importe avec quoi vous commencez, nous pourrions être une singularité. Mais d'un autre côté, étant donné toute cette poussière organique qui flotte tout autour, nous pourrions avoir de nombreux amis là-dehors. Cela serait génial à savoir.
CA: Jim, a couple of years ago, I got the chance to speak with Elon Musk, and I asked him the secret of his success, and he said taking physics seriously was it. Listening to you, what I hear you saying is taking math seriously, that has infused your whole life. It's made you an absolute fortune, and now it's allowing you to invest in the futures of thousands and thousands of kids across America and elsewhere. Could it be that science actually works? That math actually works?
CA : Jim, il y a quelques années, j'ai eu la chance de parler avec Elon Musk et je lui ai demandé le secret de son succès et il a dit que c'était de prendre la physique au sérieux. En vous écoutant, ce que je vous entends dire c'est de prendre les maths au sérieux, cela a impacté toute votre vie. Cela vous a créé une vraie fortune, et vous autorise aujourd'hui à investir dans le futur de milliers d'enfants à travers l'Amérique et ailleurs. Cela pourrait-il être que la science fonctionne ? Que les maths fonctionnent vraiment ?
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
JS : Les maths fonctionnent, c'est certain. Les maths fonctionnent. Mais cela a été amusant. Travailler avec Marilyn et le transmettre était très agréable.
CA: I just find it -- it's an inspirational thought to me, that by taking knowledge seriously, so much more can come from it. So thank you for your amazing life, and for coming here to TED.
CA : Je trouve cela -- c'est une pensée qui m'inspire, en prenant au sérieux les connaissances, nous pouvons en tirer tellement plus. Merci pour votre vie géniale et d'être venu ici pour TED.
Thank you.
Merci.
Jim Simons!
Jim Simons !
(Applause)
(Applaudissements)