Pete Buttigieg sera-t-il le premier président américain axé sur les données?

Cet article d'opinion est un extrait du livre «Shortest Way Home», écrit par le candidat au président américain, Pete Buttigieg. Pour en savoir plus, consultez notre fil d'actualité gouvernemental sur l'innovation .

Pete Buttigeig, le politicien américain de 37 ans familièrement connu sous le nom de «maire Pete», se présente aux élections présidentielles du Parti démocrate. S'il était élu, il deviendrait le plus jeune président de l'histoire des États-Unis. Comme il tire de ses leçons apprises d'être le maire de South Bend, Indiana (2012-présent), il explique comment les données ne remplacent pas les connaissances humaines.

Ce qui suit est un extrait abrégé de son livre récent, Shortest Way Home.

Les règles d'un gouvernement axé sur les données

Alors, comment un maire axé sur la technologie s'assure-t-il que les données servent l'administration, plutôt que de devenir une fin en soi? Autrement dit, comment un fonctionnaire du gouvernement intéressé par les données peut-il être considéré plus comme Goldsmith ou O'Malley, et moins comme McNamara? Au fil du temps, j'ai appris un certain nombre de règles qui nous ont aidés à nous assurer que l'utilisation des données a du sens et fait du bien.

Tout d'abord, sachez la différence entre signaler un problème et le résoudre. Dans certains cas, les deux vont si étroitement ensemble que vous pouvez perdre la trace de la distinction. Par exemple, lorsque nous avons installé la technologie ShotSpotter à l'aide de microphones pour localiser acoustiquement les coups de feu, nous améliorions notre capacité à faire face à la violence armée. Un officier pourrait être immédiatement envoyé sur les lieux d'une fusillade, qu'il s'agisse d'un combat en plein air ou d'un cas de violence domestique, que quelqu'un l'ait appelé ou non. Et cela, à son tour, aiderait à long terme à dissuader la violence armée. Mais dans d'autres cas, en savoir plus n'aide pas.

Lors d'une conférence technique, j'ai vu une fois une présentation d'une start-up qui détecterait automatiquement les modèles d'utilisation d'opioïdes en recherchant des traces dans les eaux usées. La technologie est brillante et peut faire beaucoup de bien à certains endroits. Mais à South Bend, notre problème n'était pas de savoir quelle quantité d'opioïdes était répandue dans ce quartier par rapport à celui-ci; c'était un manque de ressources en santé mentale et en toxicomanie pour régler le problème où que nous le trouvions. Le financement d'un projet pour nous en dire plus sur le problème pourrait même se faire au détriment des options de traitement, qui sont largement sous-financées dans nos systèmes de santé des comtés et des États. Dans les cas où nous avons suffisamment de moyens pour résoudre un problème, il nous suffit de le trouver. Le reste du temps, signaler un problème est nécessaire, mais pas suffisant, pour le résoudre.

La différence entre les graffitis et les nids de poule

Une deuxième règle que nous avons apprise rapidement était de reconnaître que la réactivité et l'efficacité ne sont pas la même chose; en fait, ils peuvent parfois se tirer l'un contre l'autre. Prenons l'exemple du déneigement. La chose la plus réactive à faire serait de veiller à ce que chaque fois que quelqu'un appelle au sujet d'une rue impraticable, une équipe de charrue soit immédiatement envoyée pour s'occuper de ce bloc. Ce serait une chose attrayante de pouvoir le faire (pensez au crédit politique) - mais ce n'est clairement pas le plus efficace; il vaut beaucoup mieux utiliser un système de zones, couvrant la ville le plus rapidement possible, en commençant par les routes principales, puis en se déplaçant vers les rues résidentielles, avec un apport supplémentaire d'un modèle paramétrique qui tient compte des taux de température et de précipitation. Toute autre approche prendrait plus de temps et signifierait en fin de compte moins de qualité de service et / ou plus de coûts.

Les responsables locaux ressentent souvent la pression de faire face à une roue qui grince tout de suite, lorsqu'ils prennent du recul et envisagent une solution globale qui servirait mieux les gens. Sous un mauvais équilibre entre réactivité et efficacité, les données peuvent en fait nous aggraver dans notre travail. C'est une des raisons pour lesquelles j'ai finalement renoncé à mon enthousiasme pour l'idée de faire connaître une garantie de 24 heures contre les nids-de-poule.

Une personne aidée par les données peut prendre des décisions plus intelligentes et plus justes, mais seule une personne peut sentir quand un facteur inexplicable doit entrer en jeu

Au début, cela semblait être un excellent moyen de montrer à quel point la ville était sensible aux problèmes de route - et faisable, car en pleine saison de rapiéçage, nous arrivons déjà à la plupart des nids-de-poule en un jour ou deux avant d'être appelés. Mais après avoir examiné le concept avec ingénieurs, il est devenu clair pour moi que si je demandais au personnel de s'assurer que chaque trou était pris en charge dès que nous le savions, je pouvais en fait réduire l'efficacité de l'opération. Les équipages du côté ouest pourraient devoir abandonner ce qu'ils faisaient pour traiter un nid-de-poule du côté nord, puis poursuivre un autre ordre de travail au centre-ville, tous venant vers eux par ordre d'apparition. Un véhicule coûteux et une équipe de travail zigzagueraient dans la ville en fonction des données en temps réel sur lesquelles les résidents devaient appeler et se plaindre, sans se soucier de savoir s'il était plus logique de laisser Harter Heights attendre quelques jours pendant que nous nous occupions systématiquement de la région de Keller Park pour la saison.

À d'autres moments, l'inverse est vrai et la réactivité est vraiment plus importante que l'efficacité, comme dans le cas des graffitis. Il pourrait sembler que la chose la plus efficace serait de traiter les graffitis comme de la neige - de prendre toutes les ressources dont nous disposons pour les repeindre et de les faire travailler la ville, rue par rue, systématiquement. Mais si un panneau d'arrêt est étiqueté avec des graffitis, le laisser là même pendant quelques jours peut motiver quelqu'un à étiqueter autre chose à proximité. Qu'il s'agisse d'un signe de gang ou d'un lapin de dessin animé, ce qui apparaît sur Falcon Street peut bientôt être copié sur Walnut, et plus il est long, plus il y a de chances que quelqu'un cherche à l'imiter ou à le surpasser. Donc, l'effacer tout de suite est la chose la plus importante, et l'équipe travaille à réparer tous les graffitis signalés presque immédiatement (sauf sur un mur de graffitis dédié en face du restaurant Emporium, où les artistes sont invités à faire ce qu'ils veulent). Le résultat est que les gens qui pourraient être motivés à dégrader des biens publics trouvent que cela ne vaut pas la peine, et maintenant, il est moins probable que cela se produise en premier lieu.

(...)

Le Big Data fait une grande différence

En fin de compte, l'augmentation du nombre de données et de technologies offre aux villes une formidable opportunité d'être plus intelligentes et plus efficaces dans leurs opérations, et donc de devenir des lieux de vie plus sains, plus sûrs et meilleurs. Mais après avoir pris mes fonctions, tout aussi vite que j'ai appris la puissance des données, j'ai aussi appris à être conscient de ses limites et conscient des problèmes qu'elles ne résoudraient pas. Et j'ai appris à maintenir un certain niveau de respect pour le rôle de l'intuition.

Une bonne intuition, soutenue par des années d'expérience, peut permettre de ressentir des choses - comme si un client poubelle dit la vérité quand il appelle pour dire que vous avez manqué un ramassage chez lui ou s'il a juste oublié de sortir les poubelles - souvent avec une précision remarquable et parfois sans même pouvoir expliquer comment il est ressenti. Il existe une grande puissance dans la reconnaissance des formes humaines, qui ressemble en fait à l'analyse des mégadonnées dans sa caractéristique la plus importante: la capacité de connaître les choses sans savoir exactement comment nous les connaissons.

Souvent, les discussions sur la gestion des performances font oublier cette différence cruciale entre l'analyse des données en général et les «mégadonnées» utilisées avec l'intelligence artificielle. L'utilisation des données en général n'a rien de nouveau; c'est simplement l'application de connaissances factuelles pour prendre des décisions. En tant qu'approche du gouvernement, elle est venue aussi naturellement à Alexandre de Macédoine qu'à Robert McNamara. Aux fins de l'utilisation des données, la seule chose à changer avec l'introduction des ordinateurs est que nous pouvons les collecter et les appliquer plus rapidement et avec précision. Le «big data» est différent. Il a le potentiel de changer le gouvernement, ainsi que le reste de notre société et de notre économie, de manière catégoriquement différente de l'utilisation des données en général. Tout le monde ne partage pas ma définition, mais pour moi, la différence est la suivante: utiliser des données signifie collecter des informations, les comprendre et les appliquer. Utiliser les mégadonnées signifie analyser les informations pour trouver et appliquer des modèles si complexes que nous ne les saisirons peut-être jamais.

Des robots derrière le volant

Les ordinateurs peuvent désormais analyser des ensembles de nombres si vastes que les schémas qui en émergent sont hors de portée de l'esprit humain - et pourtant les schémas peuvent être utilisés. Des services publics tels que nos usines hydrauliques commencent à exploiter des capacités informatiques qui peuvent prédire avec précision les points de défaillance des systèmes d'eau sans que nous comprenions vraiment comment la prévision a été faite, mais seulement que cela fonctionne.

Ironiquement, ce qui rend ce type de technologie prédictive le plus intéressant, c'est qu'il ressemble tellement à l'intuition humaine. Plus souvent que nous ne le pensons, les humains comptent beaucoup sur la connaissance de choses que nous pouvons sentir, mais pas expliquer. L'une des raisons pour lesquelles il était impossible, jusqu'à récemment, de programmer une voiture pour se conduire elle-même est que bon nombre des processus mentaux que nous utilisons pour conduire un véhicule ne peuvent pas être facilement définis ou décrits (et ne peuvent donc pas être programmés).

Comme le superviseur de l'entretien des parcs ou le contremaître routier qui passe par d'innombrables décisions à l'arrière de sa tête, toute personne conduisant un véhicule dépend constamment de la reconnaissance des schémas inconscients. Je ne peux pas vous expliquer comment je connais le moment où une route enneigée est devenue trop glissante pour un freinage normal, ou si je suis à une distance de sécurité de la ligne médiane, ou si je peux battre cette lumière jaune. Je sais juste. Si je voulais qu'une machine gagne cette capacité, je devrais faire deux choses: maîtriser la base précise de cette connaissance pour qu'elle puisse être programmée, ou construire une machine capable de l'apprendre de la même manière que moi.

Ce dernier devient possible, et c'est la véritable fascination de l' intelligence artificielle . Pour le gouvernement, il y a des implications extraordinaires pour un programme qui pourrait anticiper les pannes de route cinq ans à l'avance, ou prédire les crises d'asthme en utilisant des ensembles de données liées sur les hospitalisations, la météo et les émissions des voitures pour détecter des schémas si complexes que nous ne les comprendrons jamais.

Les limites de la raison

Désormais, même de manière explicite, les fonctions sociales, comme évaluer la colère que provoquera une certaine proposition de politique , peuvent de plus en plus être obtenues grâce à l'analyse des médias sociaux qui pourrait éventuellement surpasser même les antennes politiques humaines les plus fines. Le détecteur de mensonge ultime ne sera pas conçu, comme les actuels, en programmant des modèles connus de fréquence cardiaque et de transpiration. Il sera conçu par apprentissage automatique , en balayant des millions d'enregistrements de personnes disant des choses vraies ou fausses, et en les utilisant pour faire des prédictions basées sur des combinaisons d'indicateurs au-delà de notre compréhension.

Les algorithmes avancent chaque année. C'est pourquoi Netflix a une bonne idée des films que vous aimeriez, peut-être même mieux prédire vos préférences que vous, si tout ce que vous avez à faire est une bande-annonce et une description. Mais ces capacités en sont encore à leurs balbutiements. Mon appareil de télévision sur Internet me montre encore parfois des publicités clairement destinées à une femme au foyer d'âge moyen ou à un adolescent passionné de jeux vidéo.

Et quelle que soit la sophistication des programmes, ils n'apprendront jamais pleinement notre sens de la miséricorde - la règle à ne pas appliquer, l'efficacité à ne pas capter. Capables de quelque chose qui ressemble à de l'intuition mais qui n'a rien à voir avec la morale, les ordinateurs et leurs programmes ne peuvent que reproduire imparfaitement la fonction humaine que nous appelons jugement. Savoir quand une revendication valide doit céder la place à une autre, ou quand une règle doit être assouplie pour faire la bonne chose, n'est pas programmable, ne serait-ce que parce qu'elle n'est pas complètement rationnelle. C'est pourquoi, même si la raison a partiellement remplacé l'intervention divine pour expliquer notre monde, elle ne remplacera pas le leadership humain lorsqu'il s'agit de le gérer. Une personne aidée par les données peut prendre des décisions plus intelligentes et plus justes, mais seule une personne peut sentir quand un facteur inexplicable doit entrer en jeu - quand, faute d'une meilleure expression, «quelque chose se passe». Et cela, comme John Voorde pourrait rappelez-moi, a toujours été le travail des élus. - Pete Buttigieg

Il s'agit d'un extrait de Shortest Way Home : One Mayor's Challenge and a Model for America's Future » de Pete Buttigieg, publié le 12 février 2019 par Norton. Copyright (c) 2019 par Pete Buttigieg. Utilisé avec la permission de l'éditeur, Liveright Publishing Corporation, une division de WW Norton & Company, Inc. Tous droits réservés.

«Shortest Way Home: One Mayor's Challenge and a Model for America's Future», 352 pages , publié le 12 février 2019 par Norton. En savoir plus sur le livre ici .

(Crédit photo: Lorie Shaull // Flickr)