Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


Une étude mathématique très sérieuse pour lutter contre le phénomène hipster


Rédigé par le 10 Novembre 2014



Une étude mathématique très sérieuse pour lutter contre le phénomène hipster
Au Collège de France, on travaille de manière extrêmement sérieuse, mais parfois sur des sujets bien légers. Vous connaissez tous le phénomène hipster. Il s’agit d’individus qui tentent “de se démarquer du reste de la société par des marqueurs culturels (musiques, opinions, usages quotidiens, lieux culturels...), vestimentaires (marques de vêtement spécifiques...) et physiques (port de la barbe pour les hommes, tatouages....)”. Mais vous l’aurez constaté comme moi, rien ne ressemble plus à un hipster qu’un autre hipster. Et leur volonté de se démarquer, les conduit donc à être tous identiques…

Au Collège de France donc, le mathématicien et neuroscientifique Jonathan Touboul, a démontré dans sa dernière étude, que ce désir permanent de se démarquer conduit finalement les hipsters à tous se ressembler. Mathématiques et statistiques sont au menu de cette étude pointue que vous pouvez télécharger. Accrochez-vous tout de même car la théorie du chaos n’est pas à la portée d’un mathématicien débutant. Pour un version courte et simplifiée, en français, vous pouvez plutôt lire l’article de Thomas Messias sur Slate.fr qui vous donnera l’impression d’avoir compris le sujet. Le plus intéressant est l’extrapolation du phénomène à d’autres domaines. “Ce modèle mathématique complexe, Jonathan Touboul propose de le transposer au monde de la finance, arguant qu’un bon trader est un trader qui anticipe à la vitesse de la lumière, tandis que ses congénères plus lents prennent tous la même décision géniale au même moment, ce qui a pour effet de désamorcer les résultats de leur démarche.”, explique Thomas Messias.




Commentaires

1.Posté par Eric Heurtain le 11/11/2014 11:33
L'article original fait de nombreuses hypothèses simplificatrices qui reviennent toutes à renforcer la probabilité de la même conclusion : la séparation progressive et auto-accélératrice en deux classes de la population, une caractérisée par du bruit et de la dispersion, l'autre par la concentration de ses paramètres autour de valeurs isolées et peu représentées simultanément (= p.ex. barbe, tatouage, bretelles, grosses chaussures, ...).

Mais ce qu'on observe en pratique, et sans doute ce qu'on obtiendrait avec un vrai travail de modélisation plutôt qu'un petit modèle-jouet, c'est la séparation progressive en un plus grande nombre de classes de la population, avec des tailles de sous-population très variables. La concentration des paramètres chez certaines des classes est difficile à séparer de la capacité même de dire que c'est une classe, par opposition à une masse informe. Le choix des paramètres observés conditionne tant quelle classification on va obtenir que l'on injecte énormément de préjugés. On ne peut parler de méthode ou de progrès scientifique en l'occurence.

Donc les joujoux à la Touboul font un bel écho pour un chroniqueur mondain chez Slate.fr mais rien de substantiel pour un analyste sérieux.

Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store