TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel : Les mathématiques de l'histoire
Filmed:
Readability: 4.3
1,279,350 views
Qu'est-ce que les mathématiques peuvent nous dire de l'histoire ? Selon Jean-Baptiste Michel, beaucoup de choses. De l'évolution des langues au caractère meurtrier des guerres,
il montre comment la numérisation de l'histoire commence à peine à révéler de profondes tendances sous-jacentes.
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio
Double-click the English transcript below to play the video.
00:15
So it turns out that mathematics is a very powerful language.
0
0
3671
Les mathématiques s'avèrent être un langage très puissant.
00:19
It has generated considerable insight in physics,
1
3671
2312
Elles ont engendré des idées fortes en physique,
00:21
in biology and economics,
2
5983
2100
en biologie, en économie,
00:23
but not that much in the humanities and in history.
3
8083
2817
mais pas tant en lettres et en histoire.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Je pense qu'on croit que c'est impossible,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
qu'on ne peut pas quantifier les actions de l'humanité,
00:31
that you cannot measure history.
6
15829
2519
ou mesurer l'histoire.
00:34
But I don't think that's right.
7
18348
1527
Mais je ne pense pas que cela soit vrai.
00:35
I want to show you a couple of examples why.
8
19875
2042
Je veux vous montrer quelques exemples.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Mon collaborateur Erez et moi-même considérions le fait
00:40
that two kings separated by centuries
10
24875
2729
que deux rois séparés par plusieurs siècles
00:43
will speak a very different language.
11
27604
1767
parleront une langue très différente.
00:45
That's a powerful historical force.
12
29371
2304
C'est une force historique très puissante.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Prenons le roi d'Angleterre, Alfred le Grand,
00:49
will use a vocabulary and grammar
14
33448
1640
qui utilise un vocabulaire et une grammaire
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
assez différents du Roi du hip hop, Jay-Z.
00:54
(Laughter)
16
38788
1666
(Rires)
00:56
Now it's just the way it is.
17
40454
2171
C'est comme ça.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
La langue change avec le temps et c'est une force puissante.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Ainsi Erez et moi voulions en savoir plus à ce sujet.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
Nous nous sommes donc intéressés à une règle de grammaire en particulier, la conjugaison au passé.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
Vous ajoutez par exemple « ed » à la fin d'un verbe pour signifier le passé.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
« Today I walk. Yesterday I walked. »
01:11
But some verbs are irregular.
23
56052
1344
Mais certains verbes sont irréguliers.
01:13
"Yesterday I thought."
24
57396
1396
« Yesterday I thought. »
01:14
Now what's interesting about that
25
58792
1666
Ce qui est intéressant ici
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
c'est que les verbes irréguliers entre Alfred et Jay-Z sont devenus plus réguliers.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Comme le verbe « to wed » qui est maintenant devenu régulier.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
Erez et moi avons donc suivi l'évolution de plus de 100 verbes irréguliers
01:26
through 12 centuries of English language,
29
71045
1919
à travers 12 siècles de langue anglaise
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
et nous avons remarqué qu'il y a en fait un schéma mathématique très simple
01:31
that captures this complex historical change,
31
75875
2542
qui capture ce changement historique complexe,
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
à savoir si un verbe est 100 fois plus fréquent qu'un autre,
01:37
it regularizes 10 times slower.
33
82077
2665
il se régularise 10 fois plus lentement.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
C'est de l'histoire, mais présentée de façon mathématique.
01:44
Now in some cases math can even help explain,
35
88677
3654
Dans certains cas les maths peuvent même aider à expliquer
01:48
or propose explanations for, historical forces.
36
92331
2879
ou proposer des explications pour des forces historiques.
01:51
So here Steve Pinker and I
37
95210
1832
Steve Pinker et moi
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
avons donc observé la magnitude des guerres au cours des deux derniers siècles.
01:56
There's actually a well-known regularity to them
39
100894
2495
On y voit en fait une régularité bien connue
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
où le nombre des guerres qui sont 100 fois plus meurtrières
02:02
is 10 times smaller.
41
106811
1952
est 10 fois plus petit.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Ainsi il y a 30 guerres qui sont presque aussi meurtrières que la Guerre de Six Jours,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
mais il n'y a que 4 guerres qui sont 100 fois plus meurtrières,
02:10
like World War I.
44
114927
1977
comme la Première Guerre Mondiale.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Quelle sorte de mécanisme historique peut produire ça ?
02:15
What's the origin of this?
46
119827
2000
Quelle en est l'origine ?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Steve et moi, par une analyse mathématique,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
proposons qu'il y a en fait un phénomène très simple à l'origine de ça,
02:24
which lies in our brains.
49
128333
1690
qui se trouve dans nos cerveaux.
02:25
This is a very well-known feature
50
130023
2019
C'est une caractéristique bien connue
02:27
in which we perceive quantities in relative ways --
51
132042
2975
qui fait que nous percevons les quantités de manière relative,
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
des quantités comme l'intensité de la lumière ou du son.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Par exemple, engager 10 000 soldats pour la prochaine bataille parait beaucoup.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
C'est relativement énorme si vous avez déjà engagé 1000 soldats précédemment.
02:43
But it doesn't sound so much,
55
147486
1827
Mais ça ne paraît pas tant,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
ce n'est pas relativement assez, cela ne fera aucune différence,
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
si par le passé vous aviez engagé 100 000 soldats.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Vous voyez donc qu'à cause de la manière dont on perçoit les quantités,
02:54
as the war drags on,
59
158898
1767
quand la guerre dure,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
le nombre de soldats engagés et les blessés
02:59
will increase not linearly --
61
163750
1683
vont croitre non pas de manière linéaire,
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
comme 10 00, 11 000, 12 000,
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
mais exponentielle ,10 000, puis 20 000, puis 40 000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
Et cela explique ce schéma que nous avons déjà observé.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Les mathématiques nous permettent donc de faire le lien entre une caractéristique bien connue de l'esprit
03:16
with a long-term historical pattern
66
180179
2989
et le schéma historique à long terme
03:19
that unfolds over centuries and across continents.
67
183168
2857
qui se déroule au fil des siècles et à travers les continents.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Ce genre d'exemples, aujourd'hui il n'y en a que quelques uns,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
mais je pense que dans la prochaine décennie ils deviendront monnaie courante.
03:28
The reason for that is that the historical record
70
192731
2392
La raison en est que les documents historiques
03:31
is becoming digitized at a very fast pace.
71
195123
2460
sont numérisés très rapidement.
03:33
So there's about 130 million books
72
197583
2610
Il y a donc à peu près 130 millions de livres
03:36
that have been written since the dawn of time.
73
200193
2311
qui ont été écrits depuis l'aube des temps.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Des compagnies comme Google en ont numérisé beaucoup,
03:40
above 20 million actually.
75
204958
1584
plus de 20 millions en fait.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
Et quand l'histoire sera disponible numériquement,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
il sera alors possible, en utilisant l'analyse mathématique
03:48
to very quickly and very conveniently
78
212500
2375
de très rapidement et très facilement
03:50
review trends in our history and our culture.
79
214875
2725
revoir les schémas dans notre histoire et notre culture.
03:53
So I think in the next decade,
80
217600
2721
Je pense donc que dans la prochaine décennie,
03:56
the sciences and the humanities will come closer together
81
220321
2750
les sciences et les lettres se rapprocheront
03:58
to be able to answer deep questions about mankind.
82
223071
3329
afin de répondre à des questions profondes sur l'humanité.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
Et je pense que les mathématiques seront un langage très puissant pour faire ça.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Il sera possible de révéler les nouvelles tendances de notre histoire,
04:09
sometimes to explain them,
85
233667
1750
parfois de les expliquer,
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
et peut-être même dans le futur de prédire ce qui arrivera.
04:14
Thank you very much.
87
238723
1491
Merci beaucoup.
04:16
(Applause)
88
240214
3678
(Applaudissements)
ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcherJean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.
Why you should listen
Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.
Jean-Baptiste Michel | Speaker | TED.com