Vers des "produits de données"

La science des données explique-t-il, est en train de donner naissance à de nouveaux types de produits qu’on n’imaginait pas il y a encore quelques années. En fait, les données sont en train de devenir des produits, que ce soit des produits liés aux données elles-mêmes (des données de transports ou de trafic par exemple qui deviennent des services en tant que tels), ou des produits liés à l’activation des données par les utilisateurs (par exemple les produits liés au Quantified Self). Ce que suggère Mike Loukides, c’est que les produits de demain reposeront avant tout sur l’exploitation originale de données. Les données font naître de nouveaux types de produits.

Nous commençons à nous habituer aux produits virtuels à mesure qu’ils remplacent les produits physiques, explique Mike Loukides. De stockée sur des supports physiques, la musique s’achète désormais de façon numérique. Avec des services comme Spotify, elle est même devenue un produit de données pures. Mais qu’allons-nous vouloir demain ? Des produits qui fournissent des données ? Ou des produits qui offrent des résultats depuis les données ?

L’iPod est pour Mike Loukides le meilleur exemple d’un produit qui livre des données, bien que son application partenaire, iTunes, ne soit rien d’autre qu’un tableur exposant les métadonnées de vos collections. De même la recommandation sociale que l’on trouve sur des sites comme LinkedIn ou Facebook pioche ses recommandations dans les métadonnées de nos relations, en les présentant de manière un peu moins classique qu’une feuille de calcul. Mais ces produits de données demeurent classiques. Ils conservent “l’odeur de données” qui les produisent. Pour Mike Loukides ce sont “des produits de données déclarés”, manifestes, car les données sont clairement visibles dans ce qui nous est délivré.

Pour Mike Loukides, il existe néanmoins d’autres formes de livrables. Des systèmes capables d’analyser des données de trafic pour optimiser votre itinéraire utilisent également des données pour produire un service et des produits. Ford utilise ce type de données couplées à des outils de prédiction de trafic pour optimiser le trajet proposé par des navigateurs GPS expérimentaux qu’il destine à des voitures hybrides. Tous les produits de données ne sont donc pas explicites, beaucoup utilisent des produits de données “secrètes” pour fourbir d’autres services.

En filant l’analogie, la Google Car capable de se déplacer toute seule (et qui utilise une quantité considérable de données y compris les cartes et les images de Google Street View pour calculer l’emplacement des trottoirs, bordures et panneaux… ainsi bien sûr que des données de trafic comme les données que la voiture produit elle-même) est typiquement un produit de données, même si celles-ci ne sont pas visibles dans le résultat final : une voiture qui se déplace toute seule.

Aujourd’hui, une grande chaîne d’hôtel peut voir son métier de nombreuses façons différentes, et se considérer avant tout comme une société de logiciels, qui fournit un produit de données : son système de réservation. C’est un système souvent complexe, qui doit être capable de gérer des milliers de chambres, d’énormes masses de clients, de faire des offres spéciales selon le taux de réservation, etc. Pour l’utilisateur, l’expérience est celle d’un lit confortable, mais la réalité repose sur des masses de données cachées.

“Les produits de données manifestes” ont tendant à dépendre d’une collecte de données ouvertes, avance-t-il encore. LinkedIn ou Facebook ne disposent pas de données qui n’aient été apportées de façons explicites, même s’ils sont en mesure de les combiner de manières inattendues, notamment en les mixant avec d’autres. “Les produits de données secrètes”, non seulement proposent des données invisibles dans les résultats, mais ont également tendance à être collectés de façon invisible. Nous ne pourrions obtenir une voiture qui se conduit toute seule si nous ne devions la nourrir qu’avec nos antécédents de conduite. La Google Car est construite notamment à partir d’un “échappement de données”, c’est-à-dire de données qui proviennent de dispositifs qui recueillent des informations sur nos activités. Ces échappements de données ambiantes, à l’avenir, vont être un réservoir important pour produire de nouveaux “produits de données” : les données sur l’utilisation de l’eau par exemple vont permettre de produire des données sur la localisation des fuites et permettre d’imaginer de nouveaux services.

Lire l'article complet