Oui, tout à fait, c’est de la pensée humaine formalisée

Mon éditorial

Dans ma dernière mise à jour en anglais (Hammer, stretch, repeat ) je m’étais pas mal avancé dans la conceptualisation du business plan pour un centre expérimental de recherche, orienté sur l’étude behavioriste de l’interaction entre les êtres humains et les technologies intelligentes. L’idée de mettre l’activité de recherche en pair avec un fonds d’investissement semble promettre. A présent, je me concentre sur l’étude du marché scientifique : j’étudie ceux labos behavioristes qui ont pignon sur rue, ou plutôt sur l’Internet, tout en analysant la littérature relativement fraîche, pour connaître la dernière mode en termes de recherche behavioriste.

Je commence avec un petit coup d’œil sur le labo de recherche behavioriste à Peter T. Paul College of Business and Economics, Université de New Hampshire. Le labo en tant que tel est une chambre de classe typique, avec 16 tables, chacune équipée d’un ordinateur portable 17 pouces, deux charriots de rangement, des cloisons portables pour créer des espaces privés, bonne connexion Internet, 2 cameras et 2 microphones de haute qualité, monté sur des supports type pro (possibilité de mouvement tout en gardant la stabilité), un écran de télé 50 pouces. En termes de logiciels, ils déclarent utiliser : MediaLab et DirectRT développés par Empirisoft, MatLab, Qualtrics, ainsi qu’un logiciel gratuit OpenSesame pour le développement d’expériences behavioristes (accessible à l’addresse http://osdoc.cogsci.nl/3.2/ et lui-même développé par Mathôt et al.[1]).

Ma cible suivante est le labo de recherche behavioriste chez London School of Economics et c’est à peu près le même schéma : une chambre type espace semi-ouvert avec des tables et des ordinateurs, une chambre de conférence, le tout sous vidéo-surveillance. Point de vue logiciels, ‘y a du Direct RT, du E-Prime, le HCI Browser, Inquisit Web + Lab, LanSchool, MediaLab, Qualtrics, Shopify et z-Tree. Ils pratiquent ce qu’avant-hier je prenais pour une idée complètement folle, c’est-à-dire ils louent le labo aux expérimentateurs externes, à £170 l’heure. Ils déclarent aussi de payer les participants à £10 l’heure. Ah, il y a aussi un blog de recherche. Cool.

Je vire vers le labo comportemental de Columbia Business School. Comme je survole leur équipement, ça inclut 39 postes-ordinateur, un eye-tracker (vous savez, ce machin d’oculométrie qui surveille le mouvement de nos yeux), un ordinateur de rivalité binoculaire avec les lunettes 3D, deux ordinateurs portables Lenovo, 9 iPads, 5 caméras haute résolution avec supports, de l’équipement pour l’observation physiologique (le pouls, la pression sanguine, la résistance électrique de la peau, ce genre-là), ainsi que des écouteurs type pro. Les logiciels sur place, c’est à peu de choses près le même truc que ce que j’avais déjà remarqué ailleurs, avec quelques logiciels de plus : MediaLab/DirectRT 2014, SPSS, Tobii Studio, Presentation, MAT Lab, E-Prime, zLeaf/zTree, Inquisit, NVivo, Qualtrics. Ils ne disent pas combien ça coûte de louer le labo sur la base horaire, néanmoins il y a un détail intéressant : ils maintiennent un petit fonds de $7000 qu’ils appellent « Petty Cash » pour payer les participants. Ils ont une autre fonctionnalité intéressante en la forme de participation en ligne : les chercheurs peuvent connecter avec le labo via Internet. La fonctionnalité s’appelle SONA.

J’ai aussi trouvé une société américaine, iMotions, qui commercialise des systèmes entiers d’équipement pour des labos d’étude behavioriste.

Alors, je passe à la revue de littérature béhavioriste. Je commence par ce logiciel gratuit OpenSesame, que par ailleurs je viens d’installer. Question : est-ce qu’un logiciel c’est de la littérature ? Réponse : oui, tout à fait, c’est de la pensée humaine formalisée. A la différence d’un article, ça fait quelque chose de concret et c’est même mieux. La logique d’OpenSesame est celle des parts indépendantes : une expérience behavioriste est composée des modules fonctionnels, conceptuellement distincts. Chez les OpenSesame, il y a 10 types des modules : une boucle de répétition, une séquence, le présentation d’un stimulus visuel, feedback fourni au participant, la reproduction d’un son à partir d’un fichier, synthèse du son, enregistrement d’actions sur le clavier d’ordinateur ainsi que celles faites avec la souris, l’enregistrement formel des variables ainsi que de leurs valeurs locales, et finalement l’exécution d’un code Python arbitraire. Comme j’étudie OpenSesame, je tombe sur un autre logiciel expérimental gratuit : PsychoPy. Je télécharge les deux articles publiés par son créateur : Peirce 2007[2], 2009[3]. Les deux articles sont du genre « présentation du logiciel » avec à peu de choses près la même logique que celle d’OpenSesame avec, toutefois, un concept intéressant. L’auteur suggère que le développement des logiciels pour expériences psychologiques va vers la création des grandes librairies de composantes modulaires, attachées à des langues spécifiques de programmation, Python et MatLab, surtout. Le vecteur de développement et comme je le devine, un vecteur important de compétition aussi, consiste dans l’élargissement rapide de ces librairies.

Je tourne vers de la littérature respectable. Le premier article respectable dont je tombe dessus est celui par Michie et al. 2008[4], intitulé « De la théorie à l’intervention : mapper les déterminantes comportementales théoriques en des techniques de modification comportementale ». En gros, comment utiliser la théorie pour faire faire aux gens des choses que nous voulons qu’ils fassent. Une conclusion attire mon attention dans cet article : les déterminantes de changement comportemental ne sont pas tout à fait les mêmes que celle du comportement sujet à la modification. Voilà une piste intéressante, qui, je le sais, peut sembler une contradiction en soi et qui, néanmoins, a du sens. Les facteurs qui nous font modifier notre comportement ne sont pas les mêmes que ceux qui nous font former un schéma plus ou moins permanent de comportement.

En plus, cet article contient un aide-mémoire utile quant aux aspects fonctionnels de comportement. Les voilà : a) rôle social et professionnel, y compris l’expérience d’identité b) savoir c) compétences d) croyances en ce qui concerne les compétences e) croyances en ce qui concerne les conséquences f) motivations et objectifs g) mémoire, attention, prise de décision h) contexte environnemental et ressources i) influences sociales j) émotions k) planification de l’action.

Comme je passe en revue la littérature, la même observation revient encore et encore : la recherche behavioriste semble en être dans la même phase que les logiciels d’assistance expérimentale. C’est la phase de traduction d’un corps de savoir théorique, tout à fait substantiel par ailleurs, en une forme modulaire, possible à appliquer dans des environnements expérimentaux assistés avec des logiciels à structure modulaire. Fascinant. Qu’est-ce que je vous disais ? Notre comportement est formé par nos technologies au moins aussi puissamment que ça se passe dans la direction opposée, donc au moins aussi profondément que notre comportement influence la technologie. Dans ce cas précis c’est d’autant plus fascinant qu’il est question d’influence de la part d’une technologie de recherche sur le contenu de la recherche que cette technologie-même a pour mission d’assister. Je suis même tenté de dire qu’une modification profonde de la technologie d’assistance à la recherche expérimentale pourrait apporter une avancée dramatique de la science du comportement. Cette observation générale me donne même plus de confiance dans cette intuition générale qu’étudier le comportement humain dans la triade « technologie <> utilisateurs <> ingénieurs », donc d’inclure le processus d’innovation technologique dans le champ expérimental, a le potentiel d’apporter du changement profond.

En ce qui concerne l’équipement pour l’étude béhavioriste, tout est là, accessible sur simple commande. Pas besoin d’inventer la poudre de canon pour une seconde fois. En revanche, ces labos universitaires que je viens de passer en revue semblent exploiter seulement une fraction de potentiel offert par les technologies de recherche. Ils semblent fonctionner selon la logique d’une chambre de classe dirigée par un proviseur obsédé de contrôle : les participants se tiennent assis en face d’un ordinateur, ils lisent, ils écoutent, ils tapent, ils cliquent et ils sont observés dans ces actions par de l’équipement additionnel. Pour le moment, je n’ai trouvé aucun labo qui reproduirait un habitat, donc qui exigerait un séjour prolongé des participants et qui, en même temps, donnerait la possibilité d’étudier des comportements vraiment complexes, je veux dire ceux que nous développons sur long-terme. Même s’il y a des labos de ce type, ils sont confinés à l’univers d’entreprises, où je n’ai malheureusement pas accès, au moins pas encore. Ça peut être une question de financement ou bien d’éthique de recherche, mais en tout cas, il y a comme un fossé entre les possibilités technologiques d’expérimentation behavioriste d’une part et ce que font les labos universitaires d’autre part.

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Voici le lien hypertexte de mon compte sur Patreon . Si vous vous sentez prêt à cofinancer mon projet, vous pouvez vous enregistrer comme mon patron. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

[1] Mathôt, S., Schreij, D., & Theeuwes, J. (2012). OpenSesame: An open-source, graphical experiment builder for the social sciences. Behavior Research Methods, 44(2), 314-324.  doi:10.3758/s13428-011-0168-7

[2] Peirce, JW (2007) PsychoPy – Psychophysics software in Python. J Neurosci Methods, 162(1-2):8-13

[3] Peirce JW (2009) Generating stimuli for neuroscience using PsychoPy. Front. Neuroinform. 2:10. doi:10.3389/neuro.11.010.2008

[4] Michie, S., Johnston, M., Francis, J., Hardeman, W. and Eccles, M. (2008), From Theory to Intervention: Mapping Theoretically Derived Behavioural Determinants to Behaviour Change Techniques. Applied Psychology, 57: 660–680. doi:10.1111/j.1464-0597.2008.00341.x

Une boucle de rétroaction qui reviendra relativement pas cher

Mon éditorial

Dans ma mise à jour du 31 Janvier (consultez « Smart cities, or rummaging in the waste heap of culture ») j’ai avancé un peu avec ce business plan pour investir dans les villes intelligentes. Voilà que je construis mon business plan autour de quatre hypothèses de travail. Un, une ville intelligente va avoir besoin de plus de masse monétaire pour financer son fonctionnement qu’une ville « ordinaire », afin de pourvoir à l’incertitude découlant d’une dépréciation accélérée des technologies installées sur place. Deux, la construction et la mise à jour de l’infrastructure d’une ville intelligente va s’associer, au moins périodiquement, à une consommation plus élevée d’énergie par tête d’habitant et ceci, encore une fois, dû à la nécessité de remplacement fréquent des technologies à cycle de vie très court. Trois, le développement des villes intelligentes va entraîner une accumulation des populations locales autour de sources d’énergie. Quatre, dû à la présence de plus de masse monétaire par unité de produit réel, les villes intelligentes vont engendrer des structures sociales plus hiérarchisées que les villes « ordinaires », avec une distance croissante entre la base et le sommet de la pyramide sociale.

Deux remarques s’imposent. Premièrement, pourquoi diable formuler des hypothèses pour construire un business plan ? Après tout, c’est du business, pas de la science, et je pourrais bien être en train de confondre les genres. Ma philosophie est simple sur ce point-là : tout business plan digne de ce nom devrait contenir une analyse poussée de l’environnement et l’analyse en question ne peut que gagner en valeur si on formule des hypothèses bien ciblées. En plus, tout investissement qui implique une course technologique rapide implique aussi beaucoup d’incertitude, que je peux réduire en formulant des scénarios alternatifs d’évènements. Les hypothèses, ça tombe bien lorsque je veux des scénarios : le scenario A implique la véracité desdites hypothèses pendant que le scenario B assume qu’elles sont fausses.

Deuxièmement, je me casse la tête comment appeler des structures urbaines qui ne sont pas des villes intelligentes. Par pure opposition, je pourrais me référer à des villes « bêtes », encore que ça pourrait sonner bête en soi-même. Pour le moment j’utilise donc le terme de ville « ordinaire » mais je serais reconnaissant pour toute suggestion linguistique à ce sujet.

Bon, j’en viens à l’essentiel de cette mise à jour : comment pouvons-nous expérimenter avec les technologies qui font l’ossature d’une ville intelligente ? C’est une question pratique. Si je veux convaincre une entreprise d’investir dans un projet de ville intelligente, c’est un investissement en technologie, qui, à son tour, se caractérise par un certain cycle de vie. C’est une composante tout à fait élémentaire de stratégie pour quiconque s’engage dans un projet à haute cadence d’innovation : si aujourd’hui j’investis 5 millions d’euros dans une technologie de transport urbain intelligent, quand est-ce que viendra le moment de la remplacer et comment dois-je diriger ma recherche pour être prêt à temps avec la nouvelle version ? Si je veux convaincre quelqu’un d’investir dans un tel projet, un sentier d’expérimentation pour développer ces technologies serait certainement attractif.

Une expérience scientifique est un modèle réduit de réalité où je teste des hypothèses que je ne peux pas tester autrement. D’habitude ce sont des hypothèses quant au déroulement exact d’une séquence d’évènements. Ces hypothèses-là sont comme des zooms sur des fragments d’hypothèses générales d’un projet de recherche. Ce que j’essaie de faire, en ce moment précis, consiste à traduire mes hypothèses générales en des lignes d’expérimentation et, en parallèle – à trouver une application pratique de ces expériences pour le développement des technologies de ville intelligente. Ma première hypothèse générale dit que le développement d’une ville intelligente va créer une demande accrue de masse monétaire. J’ai deux associations d’idées, immédiates et pratiques. D’abord, le FinTech : cette hypothèse générale se traduit, au niveau business, comme l’assertion que les projets FinTech vont se développer plus rapidement dans le cadre des villes intelligentes qu’ailleurs. Ensuite, le bilan : la seconde traduction pratique suppose que les entreprises engagées dans les projets de ville intelligente auront des actifs significativement plus liquides que les entreprises qui restent en dehors de tels projets, autres facteurs tenus constants.

Si je m’engage dans cette ligne d’expérimentation, il serait bon d’avoir un modèle réduit de transactions financières qui ont lieu dans un environnement de ville intelligente. J’imagine des environnements sociaux différents : un environnement urbain avec beaucoup de technologies digitales connectées au fonctionnement d’infrastructure urbaine, puis un environnement toujours grand-urbain mais nettement mois infus des solutions type « smart city », et à côté de ces deux un environnement typiquement provincial, par exemple celui d’une petite ville. Dans chacun de ces environnements j’observe le développement des micromarchés locaux de Fintech ainsi que les bilans des entreprises actives dans les mêmes marchés locaux. Question : quelle serait la différence entre l’environnement expérimental d’une part et une simple observation de marché d’autre part ? Je veux dire qu’à la rigueur je peux observer la demande pour des services FinTech à travers cet outil appelé « moteur comportemental » – ou « behavioural engine » en anglais – qui observe le comportement d’utilisateurs d’Internet. De même, simple audit comptable périodique peut me donner des informations requises au sujet des bilans. Dans les deux cas, il n’y a pas de besoin impératif de mettre au point une ligne d’expérimentation.

La différence entre une expérience scientifique et la simple observation peut être de double nature. Premièrement, une expérience peut être plus efficace que l’observation dans la mesure où elle fournit des informations plus rapidement et/ou à moindre coût. Une expérience peut donc être un raccourci précieux par rapport à la vie réelle. Deuxièmement, une expérience peut me permettre d’imposer à mon objet expérimental des conditions plus extrêmes que celles de la vie réelle. Côté efficacité, une expérience au sujet de demande pour des services FinTech pourrait se concentrer sur le mécanisme de choix de la part des consommateurs lorsqu’ils sont confrontés à un moment de décision. Une autre idée est le type d’expérience bien connue, par ailleurs, dans le monde des technologies digitales : confronter un groupe d’utilisateurs avec un groupe d’ingénieurs. Les utilisateurs imposent aux ingénieurs un effort constant d’innovation en effectuant des choix en séquence. Chaque choix fait par chacun des utilisateurs est une pièce d’information pour chacun des ingénieurs. Un ingénieur donné réagit au flux d’information par un flux de travail qui résulte en un choix nouveau présenté aux utilisateurs. Leurs choix individuels se somment en un flux nouveau d’information pour les ingénieurs etc.

Disons qu’un groupe de 100 personnes est confronté avec une situation où ils ont une somme de €1000 à allouer parmi des types d’épargne et/ou investissement plus, par exemple, une option d’acheter à l’avance, à un prix attractif, un voyage de vacances ou un paquet des billets de théâtre. Les consommateurs font leur choix – ils allouent leurs €1000 respectifs parmi les options accessibles – et maintenant les ingénieurs ont pour tâche de mettre au point et proposer à chacun des consommateurs une utilité digitale FinTech la mieux adaptée possible aux besoins déduits des choix antérieurs. Chaque ingénieur propose aux consommateurs sa solution originale et chaque consommateur choisit – entre toutes les solutions présentées – celle ou celles qui lui va (vont) le mieux. Ensuite, ou bien en parallèle, nous observons la façon dont les consommateurs utilisent les solutions proposées : le temps passé en face de l’écran, nombre des clicks, séquence d’actions, nombre des pas ratés suivis des pas en arrière etc. Les ingénieurs ont la possibilité d’observer le comportement des consommateurs ou bien reçoivent des rapports là-dessus. Leur tâche consiste alors à optimiser les solutions sélectionnées et de présenter aux consommateurs des prototypes optimisés de seconde génération et ainsi de suite. Bien sûr, au lieu de mettre en compétition des ingénieurs individuels on peut établir des groupes de travail rivaux.

Ce type d’expérience est, pour autant que je sache, pratiqué souvent dans l’industrie informatique. L’idée originale consiste, cette fois, à ajouter un méta niveau d’expérimentation : observer et documenter l’interaction entre les consommateurs et les ingénieurs pour tirer des conclusions sur le processus-même d’innovation. Une expérience comme celle-là serait une version accélérée d’un marché. L’interaction entre les utilisateurs et les ingénieurs, qui dans les conditions d’un marché réel des produits digitaux peut se dérouler sur des années est accélérée et prend, par exemple, des semaines. La différence pratique entre l’environnement expérimental et le monde réel consiste dans l’absence des barrières dans l’échange d’information, habituellement rencontrés dans la pratique du marché. Si je suis un expérimentateur vraiment tenace (vraiment vache ?), je peux simuler ce qui se passe si j’ajoute ces barrières dans le processus. Je peux, par exemple, ajouter un rapporteur intermédiaire entre les consommateurs et les ingénieurs et tester l’impact de sa présence sur le déroulement du processus d’innovation. Ce rapporteur ne doit même pas être un humain : ça peut être un logiciel qui filtre les informations d’une manière biaisée. Avec un peu d’astuce, je peux utiliser cette expérience pour optimiser des structures sociales pour innovation.

Quand j’y pense, cette philosophie d’expérimentation peut être appliquée partout dans l’informatique et pas seulement dans le FinTech. La question essentielle à laquelle répond ce type d’expérimentation est « Combien de temps avons-nous réellement besoin pour mettre au point des solutions nouvelles et comment ce temps peut être modifié par la présence ou l’absence des facteurs de distorsion ? » Zut, je commence à voir plus large. Ça peut faire presque mal, parfois. Je peux utiliser ce cadre d’expérimentation pour toute technologie où, premièrement, il est possible de mettre les utilisateurs et les ingénieurs en boucle de rétroaction, et deuxièmement, où ladite boucle reviendra relativement pas cher.

Ceux parmi vous qui ont bien voulu suivre mon activité de blogger sur l’année dernière ont probablement vu que mon objectif est de créer de la science de bonne qualité, neuve ou presque. Sur mon chemin vers la création d’un site éducatif payant je passe par le stade de financement participatif. Voici le lien hypertexte de mon compte sur Patreon . Si vous vous sentez prêt à cofinancer mon projet, vous pouvez vous enregistrer comme mon patron. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon projet de création de site éducatif ?