Faut-il suivre la mode « big data » ?

La numérisation du monde entraîne une augmentation considérable des données provenant des réseaux sociaux ou des sciences participatives (données collectées par des citoyens). De grands besoins en informatique pour la sécurité ou le stockage apparaissent, mais aussi en mathématiques ! Si aux Etats-Unis des laboratoires, tels que le MIT's Human Dynamics Lab, regroupent mathématiciens, sociologues et informaticiens autour d’une «  Computational Social Science », la France n’a pas d’équivalent. Pourtant, il est nécessaire de développer de nouvelles théories, dans les domaines des statistiques ou en optimisation mais aussi en géométrie (voir le texte de Stéphane Mallat). Ces théories pourraient servir également dans des domaines comme la géophysique où le nombre de données à analyser (modèles et observations) est de plus en plus important.

Cependant, le « big data », comparable aux approches statistiques (individus-centrés, microscopiques, multi-agents) n’est rien sans le « small data ». Le « small data », désignant alors les approches macroscopiques et déterministes, permet de comprendre les phénomènes et de formaliser l’essentiel. C’est le rôle important de la recherche fondamentale.

Les mathématiques à développer se trouvent également entre les deux, dans le mélange micro-macro ou déterministe-stochastique. Les approches des physiciens travaillant sur ces thématiques (voir Mathématiques du monde réel) doivent mobiliser les mathématiques.