Communication réalisée pour la conférence internationale DIGITAL POLIS PARIS 2015 - 29,30,31 janvier 2015 - Hôtel de Ville de Paris. On évoque l'effet des algorithmes prédictifs sur les habitants de la ville Ubiquitaire....

1. Effet des algorithmes prédictifs
sur la ville connectée
Conférence DIGITAL POLIS – Paris
29-31 janvier 2015
Olivier Kempf – IRIS – La Vigie
Thierry Berthier – Université Limoges
Chaire de Cybersécurité & Cyberdéfense
Saint-Cyr Sogeti Thales

2. Plan
Effet des algorithmes prédictifs sur la ville
connectée
• I - La ville, lieu de la transformation cyber
• II - Des acteurs urbains fort divers
• III - Boucle de rétroaction, algorithmes
prédictifs et ville ubiquitaire

3. I -La ville, lieu de la transformation cyber

4. I -La ville, lieu de la transformation
cyber
• Selon une définition d’un vieux dictionnaire (Petit
Larousse de 1972), « la ville est une agglomération où
la majorité des habitants sont occupés par le
commerce, l’industrie ou l’administration ».
• La ville est un espace public et concentré qui permet
une utilisation rationnelle et donc économe de
l’espace.
• Aussi, définir la ville par la seule activité des citadins ne
constitue plus un critère suffisant. Il faut adjoindre
d’autres critères comme la densité de l’habitat ou la
relation à un environnement immédiat et dépendant.
Ces deux nouveaux critères suggèrent deux types de
réticulation : une réticulation interne et une
réticulation externe, elle-même double

5. 1-1 Ville intensité et ville relation
• La réticulation interne comprend l’ensemble des
réseaux organisant la ville : rues, transports en
commun, distribution de fluides (eau, énergies,
communications).
• La réticulation externe s’effectue à un double niveau.
– l’ensemble des réseaux liant la ville à son environnement
immédiat : banlieue, agglomération et autres territoires
dépendants : couronne urbaine = une réticulation
satellitaire.
– La réticulation externe comprend également les liaisons
avec les autres villes et système urbains, logiquement non
dépendants.
• La ville est alors une concentration d’habitants qui
facilite à la fois les échanges internes et les échanges
externes.

6. La ville apparaît comme un nœud de réseau

7. Ville, nœud de réseaux
• La taille de ce nœud dépend de plusieurs facteurs.
• Des facteurs propres : le nombre des habitants, la surface occupée
où la densité est élevée.
• D’autres facteurs lui sont extérieurs comme le nombre de
dépendances (réseau satellitaire), le nombre et l’intensité des liens
avec les autres villes, la taille de celles-ci.
• La « taille » d’une ville peut ainsi être mesurée par l’intensité des
réseaux qu’elle met en œuvre.
– La ville permet une utilisation intensive de l’espace par l’accumulation
localisée de réseaux variés (transport, énergie, information, hommes,
finances, biens et services) ;
– elle permet également une utilisation extensive de l’espace par la
relation avec d’autres territoires, qu’il s’agisse de ses dépendances
(avec lesquelles elle va organiser des réseaux pour structurer cette
dépendance) ou des autres systèmes urbains : il ne faut pas
simplement accumuler mais disperser des réseaux avec pertinence.

8. Ville, nœud de réseaux
Villes illuminées de Chine et Corée du Sud – station ISS

9. 1-2 Le cyberespace et la ville réseau
• Le cyberespace = « l’interconnexion des
réseaux informatiques ».
• Il va se superposer à tous les réseaux de la
ville, intérieurs comme extérieurs.
• Le cyber doit être compris comme un outil
augmentant l’intensité d’utilisation des
réseaux.
• Il ajoute de plus de nouveaux services

10. Le cyber augmente
l’intensité intérieure de la ville.
• La gestion des flux de circulation est désormais
automatisée et optimisée, qu’il s’agisse de la
circulation routière (feux de signalisation) ou des
transports en commun.
• Non seulement chaque réseau de bus ou de
tramway est géré par l’informatique, mais des
applications nomades permettent aux usagers de
savoir précisément où se trouve le prochain bus,
quel est le temps de trajet estimé et quelle sera
l’affluence.

11. Le cyber augmente
l’intensité intérieure de la ville.
Les interactions ville-cyber selon Hitachi

12. Le cyber et le réseau satellitaire des
territoires dépendants de la ville
• Le cyber se déploie :
• Autant pour la couronne urbaine (réseau
satellitaire dépendant)
• Que pour le réseau avec les autres systèmes
urbains
• Le cyberespace a recouvert systématiquement
les différents réseaux existant dans la ville.

13. Le cyberespace recouvre les réseaux
de la ville

14. Cyber et nouvelle dynamique urbaine
• Le cyber introduit une dynamique qui dépasse
la simple modernisation des réseaux :
• Il ne s’agit de penser à améliorer l’efficacité
individuelle de chacun des réseaux,
• mais d’appréhender leurs interrelations pour
prévoir encore plus de services (de
ville/intensité) et de liaisons (de ville/relation).

15. II - Des acteurs urbains fort divers

16. II - Des acteurs urbains fort divers
• Il convient de s’interroger sur les acteurs de la
ville.
• On ne peut définir le cyberespace simplement
par ses outils (infrastructures ou logiciels). On
doit le définir aussi par ses usages.
• Le cyberespace n’est pas simplement un
espace technique, c’est d’abord un espace
social.

17. 2-1 L’acteur et sa projection
algorithmique
• La ville est un système complexe associant des
individus et des organisations que l’on désignera
comme des « acteurs »
• La ville associe des individus et des collectivités,
un individu pouvant par ailleurs s’insérer,
durablement ou temporairement, dans une
collectivité
• Tout acteur, individuel ou collectif, est désormais
défini par sa projection algorithmique.

18. La projection algorithmique
Lorsqu’un individu H déclenche l’exécution (volontaire
ou non) d’un algorithme A sur un système S, une partie
de l’information associée à cette exécution est stockée
quelque part dans les archives de S, dans le Cloud ou
ailleurs. C’est la trace numérique de cette interaction.
Cette information est notée PS(H/A),
comme la projection algorithmique de H sur S selon A.
PS(H/A) est un ensemble de mots binaires m qui ont un
sens pour la machine qui exécute A.

19. La projection algorithmique
Cette projection algorithmique peut se décomposer en
composantes ouverte et fermée :
PS(H/A) = POS(H/A) U PFS(H/A)
POS(H/A) est la composante ouverte de la projection, elle
est publique, consultable par tous les utilisateurs sur S.
PFS(H/A) est la composante fermée de la projection, elle est
privée, consultable par les administrateurs de S et
d’autres…

20. La projection algorithmique
Elle peut aussi se décomposer en composantes volontaire et
systémique :
PS(H/A) = PVOL-S(H/A) U PSYST-S(H/A)
PVOL-S(H/A) est la composante volontaire de la projection.
(je rédige un mail et je l’envoie, j’achète un objet en ligne).
PSYST-S(H/A) est la composante systémique de la projection.
(les métadonnées créées lors d’une interaction).

21. La projection algorithmique
Lorsque l’on considère maintenant la réunion de toutes les
projections algorithmiques d’un individu H sur le système S, on
obtient sa S-projection notée PS(H) :
PS(H) = UA PS(H/A)
Puis, on généralise encore en considérant la réunion
de toutes les S-projections de H. On obtient la projection
algorithmique globale de H notée P(H) :
P(H) = US PS(H)

22. 2-2 Les acteurs de la ville
• L’individu
• L’administration
• Les services publics (à statut public ou privé)
• Les entreprises
• Les entreprises TI
• Structures d’intermédiation

23. Le graphe des acteurs de la ville
L’individu
Administration
Services publics
Entreprises
Entreprises TI
Intermédiations

24. III – Boucle de rétroaction et
algorithmes prédictifs

25. III – Boucle de rétroaction et
algorithmes prédictifs
• L'espace urbain ultra connecté devient
l'acteur de la prévision.
• Il participe désormais au mouvement global
qui consiste à repousser l'aléatoire
• Des boucles rétroactives apparaissent entre le
citadin usager de la ville connectée et
l'architecture urbaine
• Objectifs : Efficacité, publicité, sécurité

26. 3-1 La boucle systémique « Data-
prédictif-action »
Une boucle de rétroaction s’installe :
– 1: La ville produit aujourd'hui des données massives
(big data) à partir des projections algorithmiques des
acteurs
– 2: Ces données sont analysées par des système big
data qui fournissent en temps réel prévisions et
tendances
– 3: Les acteurs tiennent compte de ces prévisions,
adaptent leurs comportements et leurs actions puis
produisent de nouvelles projections (données).
Donnée > Calcul > Prévision > Adaptation > Données

28. 3-2 Algorithmes prédictifs et U-City
- L’algorithme prédictif s’inscrit au cœur de la ville Ubiquitaire. Il en
est l’un des « moteurs ».
- Tous les objets, lieux et corps sont les composantes d’une
technologie devenue invisible.
- L’information est accessible à tous, partout et en permanence
(Ubimédia).
- Nos projections algorithmiques interagissent avec les infrastructures
prédictives d’U-City; elles influencent nos actions sur l’espace
physique et se réifient dans le cyberespace.

29. Algorithmes prédictifs et U-City

30. Voici quelques exemples…

31. L’exemple de U Songdo (Corée du Sud)
Au cœur de Songdo, on trouve le U-Media Center (UMC) :
- UMC est contrôlé par les citoyens et la mairie, il analyse en temps
réel le fonctionnement de la ville, anticipe les évènements grâce à ses
algorithmes prédictifs, U-Home, U-Education, U-Security, U-Care.
- Selon ses concepteurs, UMC n’a pas de rôle politique.
- Tous les services sont reliés au UMC ainsi que toutes les habitations,
les rues, les infrastructures urbaines par l’intermédiaire d’une
multitude de capteurs « intelligents ».
- Tous les habitants de Songdo possèdent une connexion à UMC qui les
géolocalise, qui anticipe leurs besoins et qui donne accès à des
prévisions personnalisées (risque d’accident, risque d’infrastructure).
- Privacy ? : Il est possible de se déconnecter à tout moment de l’UMC
- Emergence d’une IA globale au cœur de chaque ville Ubiquitaire ?
- La ville au sein du paradigme transhumaniste ?

32. L’exemple de U Songdo
U Songdo devrait accueillir 400 000 habitants en 2030

33. 3-3 L’architecte de l’algorithme urbain
- La société SNIPS créée par Rand Hindi se positionne comme
l’architecte de l’algorithme urbain.
- Les algorithmes développés par SNIPS permettent de prévenir au
lieu de réagir et d’anticiper les comportements pour comprendre la
ville.
- L’application Tranquilien développée par SNIPS en partenariat
avec la SNCF prédit de manière très précise l’affluence dans les trains
Transiliens et RER. Les algorithmes utilisent un grand nombre de
données en temps réel issues de l’open data et peuvent être déclinés
et adaptés à la mobilité, à la sécurité, à l’énergie ou au management
des déchets.

34. Prédire le crime…
- Le système algorithmique PredPol (Predictive Policing) a été déployé
dans la ville de Santa Cruz (Californie) en 2011, puis à Los Angeles,
Memphis, Charleston et New York en 2012. Il a contribué à faire
chuter de 33 % les agressions et de 21 % les crimes violents.
Le nombre de cambriolages a baissé de 20 % à Santa Cruz en 6 mois…
- A partir de données statistiques, PredPol parvient à prédire ou et
quand les prochains crimes et délits risquent de se produire. Predpol
ne prédit pas qui va commettre de prochain crime.

35. 3-4 Les limites des systèmes prédictifs
Les cygnes noirs de Nassim Nicholas Taleb sont des
évènements :
- A très faible probabilité et imprévisibles,
- A très fort impact sur le système,
- Rétrospectivement prévisibles

36. Hasard sauvage et hasard soft
• Le « hasard sauvage » défini par NN Taleb et
incarné par le concept de cygne noir est par
définition hors d'atteinte des systèmes « big
data » prédictifs. Cette forme de hasard persiste
donc au cœur de la ville.
• Le hasard « soft », celui que l'on qualifie parfois
de « Gaussien » répond quant à lui assez bien aux
systèmes prédictifs et recule sous l'effet de cette
boucle de rétroaction systémique

37. www.chaire-cyber.fr/
echoradar.eu/
Olivier Kempf - www.egeablog.net/
Olivier Kempf - www.lettrevigie.com/
Thierry Berthier - cyberland.centerblog.net/