Tag Archives: 2.0

Actuarial science

Networks to reinvent insurance?

2 Comments

The theory of networks, or graphs, was born in 1735, following the work of Leonard Euler, who tried to find a walk – starting from a given point – that would bring us back to that point by passing once and only once through each of the seven bridges in the city of Königsberg. These networks can be compared to metro networks, consisting of stations (nodes), linked between two by rails, or not, or more generally a road network, which can give rise to congestion studies, for example. But today, networks are mainly social, connecting people through friendships, professional, family, or monetary ties. Network analysis makes it possible to create relatively homogeneous communities, accepting to share a risk, recreating a mutualisation.

Network and credit

In genealogy, we will have hierarchical networks, a child being linked to his parents, who are themselves linked to their parents. In sociology, social networks make it possible to analyze the links between individuals (or organizations) within a group. Friendships can be studied in a schoolyard (a link that could be an invitation to a birthday party) or e-mail exchanges in a company (the Enron e-mail database has been widely used, with over 180,000 messages exchanged between 36,000 employees). Figure 1 shows two networks of 20 individuals (A, B, …, T).

 

Figure 1: Random networks, 20 nodes (Watts-Strogatz and Barbasi)

In a Facebook or Linkedin type vision, we will say that E and F are linked, in the sense of “friends”, if there is a segment linking points E and F. A network can be directed, for example if we study the exchange of messages (E wrote to F), or money loans (E lent money to F). If historically only adjacency was studied (existence or not of links), we can now add weights, for example the amount of a financial loan. Babutsidze (2012) thus studies the positions of French and German banks in interbank lending within the European zone (the nodes are then the banks). The study of networks within village communities in developing countries has led to a better understanding of informal finance mechanisms. Banerjee et al (2013) study the dissemination of information in a network, and more particularly microfinance loans.

While networks are useful for better organizing microcredit, CNN noted in 2015 that Facebook allowed credit organizations to use a borrower’s social network to determine whether or not it represents a good credit risk. In particular, if friends’ credit scores were too low, a person could be denied credit. This situation is dangerous because of the particular properties of networks, and more particularly the paradox of friends.

From the very small world to the paradox of friends

In 1929, Frigyes Karinthy hypothesized that any person on earth could be connected to any other person by a succession of individual relationships involving at most 6 links. “We should select anyone from the world’s 1.5 billion people, anyone, anywhere. It seems that, using no more than five individuals, one of whom is a personal acquaintance, he could contact the chosen individuals using nothing other than the network of personal acquaintances. This theory of six handshakes originated in a new literary novel. It will be necessary to wait for the work of Michael Gurevich in the 1960s, then Stanley Milgram ten years later, to see the first attempts to quantify these relationships appear, under the name “Small World Problem”.

While Leskovec & Horvitz (2008) confirmed this order of magnitude, by analyzing several billion messages exchanged using the Windows Live Messenger platform, more recently, Baghat et al (2016) estimated that any two people on Facebook were connected by an average of three and a half people. On the random network on the left, a person has, on average, 2 friends, while a random friend has, on average, 2.25 friends. On the right-hand network, the gap is even greater, because if there too a person has, on average, 2 friends, a random friend will have on average more than 4 friends.

 

Figure 2: Random networks, 500 nodes (Watts-Strogatz and Barbasi)

This paradox, observed in 1991 by sociologist Scott Feld, is very easily demonstrated. Heuristically, we can see a link with the probabilistic property \frac{\mathbb{E}[X^2]}{\mathbb{E}[X]}=\mathbb{E}[X]+\frac{\text{Var}[X]}{\mathbb{E}[X]}>\mathbb{E}[X] where the term on the left is the number of friends of my friends, divided by my number of friends. The difference is all the greater the greater the dispersion of the number of friends. If the left-hand network is very dense, the right-hand network on the other hand has a power law property: the distribution of the number of friends follows a power law (or Zipf law, or Pareto’s law). Figure 3 shows the distribution of the number of friends on a network, in a double logarithmic scale: linearity indicates a distribution according to power. This type of distribution can be found in a very large number of networks, particularly Facebook, as shown by Wohlgemuth & Matache (2014).

 

Figure 3: Distribution of the number of friends on simulated random networks (Watts-Strogatz and Barbasi in red)

The classic interpretation is that some people are central in the network, with a very large number of connections. This property is well known in marketing (we will then speak of a “peer effect“) but it also has impacts in risk management or public health. Chrisakis & Fowler (2010) have shown that influenza epidemics can be detected almost two weeks in advance, by monitoring the infection in a social network. In particular, the analysis of the health of central people in a network is “an ideal way to predict outbreaks, but detailed information doesn’t exist for most groups, and to produce it would be time-consuming and costly”. To return to the example of the credit score, if it is found to be correlated to the number of friends, the friends paradox makes it dangerous to use the friends’ score as an indicator of an individual’s risk!

The importance of homophilia

Another important feature of networks is the notion of homophilia, introduced in 2001 in sociology by two important articles, corresponding to the tendency to be connected to one’s peers. McPherson et al (2001) assumed that similarity generates connection, and therefore people’s personal networks are homogeneous across many socio-demographic, behavioural and intrapersonal characteristics. Moody (2001) studied friendships in elementary school playgrounds in the United States, with a focus on interracial friendships. Easley & Kleinberg (2010) thus presents a number of consequences of homophilia, ranging from the creation of tables at business meals to the granting of credit in the United States. The measurement of homophilia is the same as asking, taking into account pre-existing groups (according to gender, age, socio-professional category, etc.) how the links are distributed, between groups, or within groups.

 

Figure 4: Low homophilia (left) and high homophilia (right)

In an insurance context, an actuary seeks to create tariff classes, groups that are homogeneous in terms of risks, according to explanatory variables (the so-called tariff variables). People who live in the same place, drive the same types of vehicles, and have the same characteristics, are likely to be in the same class. But if homophilia exists in a population, a tariff group could perhaps be observed on a network of friends. Why not then consider creating groups within a network?

Using insurance networks

In this spirit, in 2010, Friendsurance was launched in Germany and has more than 100,000 insured in 2018. In France, a short collaborative insurance experiment was launched in 2015, with Inspeer, offering to share damage insurance deductibles (in car or home insurance) with friends. These types of collaborative insurance, sometimes called peer-to-peer insurance, are based on the formation of small groups by a broker. A portion of the insurance premiums paid is paid to a group fund, the other portion to a third party insurance company. Minor damage suffered by the policyholder is first covered by this group fund. For claims exceeding the deductible, the usual insurer is used. A group can be formed by the insured, forming a social network a bit like Facebook. In this model, the only requirement is that all group members must have the same type of insurance (e. g. liability insurance with legal expenses insurance).

As Schiller (2013) noted, this type of mechanism has many virtues, the first being to reduce costs and the risk of fraud. There is no tendency to cheat on the cost of a claim when the risk is borne by family members or friends. The anonymity of mutuality that exists in the law of large numbers is disappearing. But aren’t we reinventing version 2.0. of the tontine associations, with the strong return of risk sharing within close-knit communities?

References

Joshua Angrist. The perils of peer effects. Labor Economics, 30, 98-108, 2014

Zakaria Babutsidze. Positions of French and German Banks in European interbank lending network. OFCE, Mars 2012.

Abhijit Banerjee, Arun Chandrasekhar, Esther Duflo & Matthew Jackson. Diffusion of Microfinance. Science, 341,

Smriti Bhagat, Moira Burke, Carlos Diuk, Ismail Onur Filiz & Sergey Edunov. Three and a half degrees of separation. Facebook Research, 2016.

Ananya Bhattacharya. Facebook patent: Your friends could help you get a loan – or not. 4 août 2015, CNN,

Nicholas Christakis & James Fowler Social Network Sensors for Early Detection of Contagious Outbreaks. PLoS ONE. 5 (9): e12948. arXiv:1004.4792 2015

David Easley & Jon Kleinberg. Networks, Crowds, and Markets. Cambridge University Press. 2010.

Scott Feld. Why your friends have more friends than you do, American Journal of Sociology, 96 (6): 1464–1477, 1991.

Matthew Jackson. Social and Economic Networks. Princeton University Press, 2010.

Jure Leskovec & Eric Horvitz. Planetary-Scale Views on a Large Instant-Messaging Network. Microsoft Research, 2008.

Miller McPherson, Lynn Smith-Lovin & James Cook. Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology. 27: 415–444, 2001.

James Moody. Race, School Integration, and Friendship Segregation in America. American Journal of Sociology, 107 (3): 679-716, 2001.

Wesley Perkins, Michael Haines & Richard Rice. Misperceiving the college drinking norm and related problems: a nationwide study of exposure to prevention information, perceived norms and student alcohol misuse. Journal of Studies on Alcohol 66 (4) : 470-478, 2005.

Ben Schiller. A Social Network For Insurance That Cuts Costs And Reduces Fraud. Fast Company, October 2013,

Brad Walker. How Peer-to-Peer Companies Are Transforming the Insurance Sector. The Street, Avril 2016,

Jason Wohlgemuth & Mihaela Matache. Small-World Properties of Facebook Group

Networks. Complex Systems, 23 (2014).

[i] Complete data can be downloaded from https://snap.stanford.edu/data/email-Enron.html

[ii] https://www.friendsurance.com/ and https://www.inspeer.me/ respectively

Actuarial science, Publications, Research

Les réseaux pour réinventer l’assurance ?

1 Comment

La théorie des réseaux, ou des graphs, est née en 1735, suite aux travaux de Léonard Euler, qui essayait de trouver une promenade – à partir d’un point donné – qui fasse revenir à ce point en passant une fois et une seule par chacun des sept ponts de la ville de Königsberg. On peut rapprocher ces réseaux des réseaux de métro, constitués de stations (les nœuds), liés entre deux par des rails, ou pas, ou plus généralement un réseau routier, pouvant donner lieu à des études de congestion, par exemple. Mais les réseaux sont aujourd’hui surtout sociaux, reliant les personnes, par des liens d’amitiés, professionnels, familiaux, ou monétaires. L’analyse des réseaux permet de créer des communautés relativement homogène, acceptant de partager un risque, recréant une mutualisation.

Réseau et crédit

En généalogie, on aura des réseaux hiérarchiques, un enfant étant lié à ses parents, eux-mêmes reliés à leurs parents. En sociologie, les réseaux sociaux permettent d’analyser les liens entre des individus (ou des organisations) au sein d’un ensemble. On pourra étudier les amitiés dans une cour d’école (un lien pouvant être une invitation à un anniversaire) ou des échanges de messages électroniques dans une entreprise (la base des courriels d’Enron a ainsi été abondamment utilisée, avec plus de 180 000 messages échangés entre 36 000 employés[i]). La Figure 1 montre ainsi deux réseaux de 20 individus (A, B, …, T).

Figure 1 : réseaux aléatoires, 20 nœuds (Watts-Strogatz et Barbasi),

Dans une vision de type Facebook ou Linkedin, on dira que E et F sont liés, au sens « amis », s’il existe un segment reliant les points E et F. Un réseau peut être dirigé, par exemple si on étudie les échanges de messages (E a écrit à F), ou des prêts d’argent (E a prêté de l’argent à F). Si historiquement seule l’adjacence était étudiée (existence ou non de liens), on peut aujourd’hui rajouter des poids, par exemple le montant d’un prêt financier. Babutsidze (2012) étudie ainsi les positions de banques françaises et allemandes dans les prêts interbancaires au sein de la zone Europe (les nœuds sont alors les banques). L’étude des réseaux au sein de communautés de villages dans les pays en développement a permis de mieux comprendre les mécanismes de finance informelle. Banerjee et al. (2013) étudient ainsi la diffusion de l’information dans un réseau, et plus particulièrement les prêts de microfinance.

Si les réseaux sont utiles pour mieux organiser le microcrédit, CNN notait en 2015 que Facebook permettait à des organismes de crédit d’utiliser le réseau social d’un emprunteur pour déterminer s’il représente un bon risque de crédit, ou pas. En particulier, si le score de crédit des amis était trop faible, une personne pouvait se voir refuser un crédit. Cette situation est dangereuse à cause de propriétés particulières des réseaux, et plus particulièrement le paradoxe des amis.

Du tout petit monde au paradoxe des amis

En 1929, Frigyes Karinthy a émis l’hypothèse que toute personne sur terre pouvait être relliée à n’importe quelle autre par une succession de relations individuelles comprenant au plus 6 maillons. « Nous devrions sélectionner n’importe quelle personne du 1,5 milliard d’habitants de la planète, n’importe qui, n’importe où. Il paraît que, n’utilisant pas plus de cinq individus, l’un d’entre eux étant une connaissance personnelle, il pourrait contacter les individus choisis en n’utilisant rien d’autre que le réseau des connaissances personnelles ». Cette théorie des six poignées de main a vu son origine  dans une nouvelle littéraire. Il faudra attendre les travaux de

Michael Gurevich dans les années 60, puis Stanley Milgram dix ans après, pour voir apparaître les premières tentatives de quantification de ces relations, sous le nom de « Small World Problem ». Si Leskovec & Horvitz (2008) ont confirmé cet ordre de grandeur, via l’analyse de plusieurs milliards de messages échangés à l’aide de la plateforme Windows Live Messenger, plus récemment, Baghat et al. (2016) ont estimé que deux personnes quelconques sur Facebook étaient connectées par une moyenne de trois personnes et demi. Sur le réseau aléatoire de gauche, une personne a, en moyenne, 2 amis, alors qu’un ami pris au hasard a en moyenne 2.25 amis. Sur le réseau de droite, l’écart est encore plus important, car si là aussi une personne a, en moyenne, 2 amis, un ami pris au hasard aura en moyenne plus de 4 amis.

Figure 2 : réseaux aléatoires, 500 nœuds (Watts-Strogatz et Barbasi)

Ce paradoxe, observé en 1991 par le sociologue Scott Feld se démontre très facilement. Heuristiquement, on peut voir un lien avec la propriété probabiliste\frac{\mathbb{E}[X^2]}{\mathbb{E}[X]}=\mathbb{E}[X]+\frac{\text{Var}[X]}{\mathbb{E}[X]}>\mathbb{E}[X]où le terme de gauche est le nombre d’amis de mes amis, divisé par mon nombre d’amis. La différence est d’autant plus grande que la dispersion du nombre d’amis est importante. Si le réseau de gauche est très dense, celui de droite en revanche possède une propriété de loi puissance : la distribution du nombre d’amis suit une loi en fonction puissance (ou loi de Zipf, ou de Pareto). La Figure 3 montre la distribution du nombre d’amis sur un réseau, dans double échelle logarithmique : la linéarité indique une distribution en fonction puissance. On retrouve ce genre de distribution dans un très grand nombre de réseaux, en particulier Facebook, comme l’a montré Wohlgemuth & Matache (2014).

Figure 3 : distribution du nombre d’amis sur des réseaux aléatoires simulés (Watts-Strogatz et Barbasi en rouge)

L’interprétation classique est que certaines personnes sont centrales dans le réseau, avec un très grand nombre de connexions. Cette propriété est très connue en marketing (on parlera alors d’effet de pair, « peer effect ») mais elle a des impacts aussi en gestion des risques, ou en santé publique. Chrisakis & Fowler (2010) ont ainsi montré que les épidémies de grippe peuvent être détectées près de deux semaines en avance, en surveillant l’infection dans un réseau social. En particulier, l’analyse de la santé des personnes centrales dans un réseau est « an ideal way to predict outbreaks, but detailed information doesn’t exist for most groups, and to produce it would be time-consuming and costly ». Pour revenir à l’exemple du score de crédit, si ce dernier se trouve être corrélé aux nombres d’amis, le paradoxe des amis rend dangereuse l’utilisation du score des amis comme indicateur du risque d’un individu !

L’importance de l’homophilie

Un autre trait important des réseaux est la notion d’homophilie, introduite en 2001 en sociologie par deux articles importants, correspondant à la tendance à être connecté à ses semblables. McPherson et al (2001) partait du principe que la similitude engendre la connexion, et par conséquent, les réseaux personnels des gens sont homogènes sur de nombreuses caractéristiques sociodémographiques, comportementales et intrapersonnelles. Moody (2001) étudiait ainsi les amitiés dans les cours de récréations à l’école primaire, aux États-Unis, et plus particulièrement les amitiés interraciales. Easley & Kleinberg (2010) présente ainsi de nombres conséquences de l’homophilie, allant de la constitution des tables lors de repas d’affaire, à l’attribution de crédit aux États-Unis. La mesure de l’homophilie revient à se demander, compte tenu de groupes préexistants (en fonction du genre, de l’âge, de la catégorie socioprofessionnelle, etc) comment se répartissent les liaisons, entre les groupes, ou à intérieur des groupes.

Figure 4 : faible homophilie (en haut) et forte homophilie (en bas).

Dans un contexte d’assurance, un actuaire cherche à créer des classes tarifaires, des groupes homogènes en termes de risques, suivant des variables explicatives (les variables dites tarifaires). Les personnes qui habitent au même endroit, qui conduisent les mêmes types de véhicules, et qui ont les mêmes caractéristiques, auront de fortes chances d’être dans la même classe. Mais si l’homophilie existe dans une population, un groupe tarifaire pourrait peut-être s’observer sur réseau d’amis. Pourquoi ne pas alors envisager de créer des groupes au sein d’un réseau ?

Utiliser les réseaux en assurance

Dans cet esprit, en 2010, Friendsurance a été lancé en Allemagne et compte en 2018 plus de 100000 assurés[i]. En France, une courte expérience d’assurance collaborative avait été lancée en 2015, avec Inspeer, proposant de mutualiser avec ses proches les franchises d’assurance dommage (en assurance auto ou habitation) entre amis. Ces types d’assurances collaboratives, parfois appelés assurance pair à pair – ou « peer-to-peer insurance » –  reposent sur la constitution de petits groupes par un courtier. Une partie des primes d’assurance versées est versée à un fonds collectif, l’autre partie à une compagnie d’assurance tierce. Les dommages mineurs subis par le preneur d’assurance sont d’abord pris en charge par ce fonds de groupe. Pour les sinistres dépassant la franchise, il est fait appel à l’assureur habituel. Un groupe peut être constitué par les assurés, formant un réseau social un peu comme Facebook. Dans ce modèle, la seule exigence est que tous les membres du groupe doivent avoir le même type d’assurance (par exemple une assurance responsabilité civile avec une assurance des frais juridiques).

Comme le notait Schiller (2013), ce type de mécanisme a beaucoup de vertus, la première étant de diminuer les coûts, et le risque de fraude. On n’a en effet pas tendance à tricher sur le coût d’un sinistre lorsque le risque est porté par des membres de la famille, ou des amis. L’anonymat de la mutualité qui existe dans la loi des grands nombres disparait. Mais n’est-on pas en train de réinventer la version 2.0. des associations tontinières, avec le retour en force de la mutualisation des risques au sein de communautés soudées ?

Références

Joshua Angrist. The perils of peer effects. Labor Economics, 30, 98-108, 2014

Zakaria Babutsidze. Positions of French and German Banks in European interbank lending network. OFCE, Mars 2012.

Abhijit Banerjee, Arun Chandrasekhar, Esther Duflo & Matthew Jackson. Diffusion of Microfinance. Science, 341,

Smriti Bhagat, Moira Burke, Carlos Diuk, Ismail Onur Filiz & Sergey Edunov. Three and a half degrees of separation. Facebook Research, 2016.

Ananya Bhattacharya. Facebook patent: Your friends could help you get a loan – or not. 4 août 2015, CNN,

Nicholas Christakis & James Fowler Social Network Sensors for Early Detection of Contagious Outbreaks. PLoS ONE. 5 (9): e12948. arXiv:1004.4792 2015

David Easley & Jon Kleinberg. Networks, Crowds, and Markets. Cambridge University Press. 2010.

Scott Feld. Why your friends have more friends than you do, American Journal of Sociology, 96 (6): 1464–1477, 1991.

Matthew Jackson. Social and Economic Networks. Princeton University Press, 2010.

Jure Leskovec & Eric Horvitz. Planetary-Scale Views on a Large Instant-Messaging Network. Microsoft Research, 2008.

Miller McPherson, Lynn Smith-Lovin & James Cook. Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology. 27: 415–444, 2001.

James Moody. Race, School Integration, and Friendship Segregation in America. American Journal of Sociology, 107 (3): 679-716, 2001.

Wesley Perkins, Michael Haines & Richard Rice. Misperceiving the college drinking norm and related problems: a nationwide study of exposure to prevention information, perceived norms and student alcohol misuse. Journal of Studies on Alcohol 66 (4) : 470-478, 2005.

Ben Schiller. A Social Network For Insurance That Cuts Costs And Reduces Fraud. Fast Company, October 2013,

Brad Walker. How Peer-to-Peer Companies Are Transforming the Insurance Sector. The Street, Avril 2016,

Jason Wohlgemuth & Mihaela Matache. Small-World Properties of Facebook Group

Networks. Complex Systems, 23 (2014).

[i] Les données complètes sont en ligne sur https://snap.stanford.edu/data/email-Enron.html

[ii] https://www.friendsurance.com/ et https://www.inspeer.me/ respectivement

Internet, Miscellaneous, Research

Chercher, et bloguer

4 Comments

Je vais tenter de poursuivre la discussion amorcée dans un précédant billet, intitulé enseigner, et bloguer. Car je suis à la fois enseignant et chercheur. Et comme tous les universitaires, je suis tiraillé entre ces deux activités

(comme je m’en suis expliqué à plusieurs reprises, j’en suis ravi, cela crée une espèce de balance, cf. /1240 par exemple, il y a quelques mois). Mais à ces deux activités s’ajoute l’activité de blogger. Ou peut-être pas, en fait. Car c’est peut-être là l’erreur de raisonnement (qui fait qu’à plusieurs reprises – depuis plusieurs années – on me demande comment j’ai le temps de tout faire): autant enseigner et chercher sont – je pense – deux activités relativement disjointes (j’enseigne finalement assez peu mes thèmes de recherche), autant – comme j’essayais de le montrer dans mon précédant billet – bloguer s’insère dans ces deux activités.

Par exemple, l’autre jour, j’avais besoin d’un test de comparaison de quantiles (sur plusieurs échantillons), alors que je travaillais sur un papier de recherche. Malheureusement, ce n’est pas un problème standard (la plupart des textbook de statistique n’évoquent pas le sujet). J’ai ouvert mon cahier, et j’ai pris des notes, de choses trouvées dans divers papiers (le principal ayant été publié cette année…). Puis quand j’ai commencé à coder (c’était un peu le but), j’ai fermé mon cahier, et j’ai commencé à écrire un billet sur le blog (qui sera bientôt en ligne, sur /4199). Une raison un peu personnelle est que cela me permet de garder une trace de ce code, et de clarifier un peu ce que j’ai pu glaner et lire (j’ai des milliers de fichiers de codes sur mon ordinateur, et j’avoue m’y perdre un peu). Une autre raison est que, quitte à passer une journée, autant rentabiliser ma “journée recherche” (oui, je réserve certaines de mes journées à la recherche, en me coupant un peu des activités administratives, et de la préparation de mes cours) un produisant du contenu publié (sous une forme moins conventionnelle et reconnue qu’une publication, mais en l’occurrence, mon gribouillage ne méritait pas un article académique). Rentabiliser n’est peut-être pas le mot correct toutefois. Mais il présente l’avantage de traduire le fait que mon employeur (et divers organismes subventionnaires) me payent pour produire de la recherche Ce qui signifie que je dois certes chercher, mais aussi transmettre, à un moment ou à un autre. Je n’apporte peut-être pas quelque chose de très novateur (au sens où je me suis contenté d’aller chercher des articles théoriques qui se penchaient sur un problème semblable, je l’ai codé, et j’ai tenté de l”illustrer). Mais… c’est un peu le processus de l’activité de recherche ça, non ?

En fait, à mes yeux, la grande différence entre ce que je publie sur mon blog et ce que je publie (ou que je tente – souvent désespérément – de faire publier) dans des revues académiques, c’est que j’estime que ce que je publie ici n’a pas la prétention d’une publication académique. Au sens où je ne perdrais pas de temps à essayer de faire croire que je vais révolutionner le monde (comme on doit tous essayer de le faire dans un article académique). Pour exprimer le fond de ma pensée, je ne me battrais pas pour qu’un billet de blog soit cité dans une revue académique. Si quelqu’un utilise mes codes dans un article de recherche, je trouve légitime d’avoir un citation (sinon je pense qu’on peut parler de plagiat) mais je ne me battrais pas sur ce terrain car je pense le combat vain. Soyons lucide: si j’ai vraiment l’impression qu’un billet mérite plus, j’en ferais une version que je mettrais en ligne sur arxiv.org.  Cela dit,  dit, arxiv est à peine mieux qu’un blog: on ne peut – malheureusement – pas de contenter de publier en ligne sur arxiv . Souvenez-vous (ça vous est arrivé forcément un jour ou l’autre): comme tout le monde, vous lisez un article sur arxiv  (ou sur n’importe quel site de dépot de preprints, comme hal ou ssrn) et vous le citez, dans un article que vous soumettez. Si l’article est accepté, lors de la relecture, on vous demande “et cet article il n’a pas été publié depuis ?“. Et comme tout le monde, vous mettez à jour la référence, en citant la version publiée. Sans vraiment le lire (à la rigueur, on vérifie que le théorème 2.4 porte toujours le même nom… si on est plus courageux, que les hypothèses mentionnées n’ont pas changé depuis). Oui, sur ce point, le monde des l’édition est d’une hypocrisie infinie. Dans un monde idéal, les blog et les preprints seraient cités, mais on ne vit pas dans le monde des Bisounours (ou Calinours comme on dit à l’ouest de l’océan Atlantique, c’était la minute culturelle du billet)…

Mais je m’égare. La différence fondamentale est qu’un billet n’est qu’une ébauche d’article. Je m’autorise à mettre en ligne des morceaux de réflexions non abouties, sans véritable conclusion. Bref, mon blog est un carnet. Un carnet de recherche, et d’enseignement (c’est probablement pour cela que j’ai été ravi de le publier sur la plateforme hypotheses.org qui propose de publier des carnets de recherche, avec en plus un conseil scientifique). Je renvois aux (nombreux) billets de Mélodie Faury qui a beaucoup écrit – sur son blog infusoir.hypotheses.org sur l’utilité des carnets de recherche, à plusieurs billets de  parus sur reflexivites.hypotheses.org ou de  sur penseedudiscours.hypotheses.org, ou à l’incroyable blog blog.homo-numericus.net tenu par Marin Dacos et Pierre Mounier.

Tous ceux qui m’ont côtoyé ces dernières années le savent: je remplis des carnets. Des carnets à la fois de recherche, et d’enseignement.

http://freakonometrics.hypotheses.org/files/2013/03/Capture-d%E2%80%99e%CC%81cran-2013-03-08-a%CC%80-09.52.30-1024x647.png

(au risque de tuer un mythe, un chercheur 2.0 ça peut être ça: pas de téléphone cellulaire et un cahier pour faire des dessins)

Mais ces cahiers ne permettent de garder des traces que de réflexions, de lectures, de théorèmes, de notes prises pendant des exposés, mais pas de codes informatiques, peu d’algorithmes. Bref, le blog m’apporte un complément important à mes cahiers papiers. L’autre principale différence est que le blog est public, et mes cahiers (relativement) privés. Et le monde de la recherche ayant sa part de secrets et de mystères, j’avoue ne pas publier exactement c de billets exactement sur mes thèmes de recherche. Dans le billet sur les quantiles mentionné auparavant, je prends une illustration sur des séries de température, mais le papier de recherche (sur lequel je travaillais lorsque les questions sont apparus) porte sur un tout autre sujet. Oui, compte tenu de l’esprit de concurrence qui existe dans le milieu de la recherche, il convient de garder une part de secret. Mais on peut rester confidentiel sur ses activités de recherche tout en communiquant…

L’autre intérêt d’un blog est qu’il va plus loin qu’un carnet: si je recopie un article dans mon cahier, c’est une activité de recherche. Si je le recopie sur mon blog, c’est du plagiat. En fait, le blog oblige à restituer avec ses propres mots des choses lues ici ou là. Car il serait temps de l’avouer: si on blogue en tant qu’enseignant, on blogue pour ses élèves; alors que si on blogue en tant que chercheur, on blogue avant tout pour soi. Quand Djalil publie un billet intitulé Euclidean kernel random matrices in high dimension sur son (superbe) blog djalil.chafai.net, il ne blogue pour 100,000 lecteur. Enfin, je pense. Et lorsque je blogue sur des sujets pointus, je blogue pour moi. Pour me forcer à assimiler des notions, et à les réécrire. J’ai presque envie de dire que les lecteurs, je m’en fous: s’il y a des gens intéressés par mes billets, c’est tant mieux, mais si personne ne lit mes billets “de recherche”, ça ne changera pas grand chose…

Maintenant, pour revenir sur la confidentialité, si elle est de mise tant que le papier n’est pas fini, il convient de noter qu’une fois le papier fini, c’est le contraire: il faut le faire savoir, haut et fort. Et là aussi, je dois avouer que le blog a de grandes vertus. Il donne une exposition incroyable,et permet de faire connaître ses travaux. Par exemple, en 6 semaines, 710 ont lu l’article sur la température à Montréal sur  mon blog /2909. Sans compter ceux qui ont lu la version reprise par les agrégateurs, comme r-bloggers.com/… ou architects.dzone.com/… (plus de 1300 personnes l’ont vu sur ce dernier) ou via un flux RSS. Mais en plus des billets sur mon blog, j’ai l’impression que mes articles académiques sont aussi beaucoup consultés (dans un moindre mesure, bien sûr !). Je suis toujours surpris par mon h-index, qui me semble plus élevés que beaucoup de chercheurs biens meilleurs que moi. Et je pense que le blog aide. Je pense que des papiers sont cités par beaucoup de monde parce qu’ils apparaissent tôt dans les recherches sur Google, mes blogs ayant tous été très bien référencés. Une étude (http://arxiv.org/0212043 mentionnée sur http://washingtonmonthly.com/…) disait que les articles cités étaient souvent peu lus, et effectivement, pour être cité, il suffit d’être bien référencé. Aussi, alors que j’ai longtemps cru que tenir un blog actif était contre-productif pour mes activités de recherche (et effectivement, le temps passé à écrire dans le blog se fait parfois au détriment d’autres taches) j’en suis de moins en moins convaincu. Je pense que des papiers ont été cités parce qu’ils sont mentionnés sur le blog. Soit parce j’y mets les textes en ligne (même si je n’en avais pas vraiment le droit), soit parce qu’ils étaient – juste – bien référencés, soit – en étant moins cynique – parce que pour certains papiers, je mets de codes en ligne pour mettre en œuvre les techniques proposées (je pense au papier sur le lissage spatial, /2416, ou tous les billets qui ont entouré celui sur la modélisation de la canicule d’août 2003, tag/heatwave).

Je me suis aussi rendu compte que j’ai gagné du temps dans des papiers car j’aboutissais sur des concepts connexes que j’avais pu aborder sur mon blog (souvent pour m’amuser). Par exemple, dans nos travaux sur les tremblements de terres avec Mathieu, on manipule des shapefiles (/tag/binar). Et je suis très content d’avoir joué un temps sur mon blog sur des problèmes de pistolets à eaux, qui m’ont permis de manipuler certaines fonctions sur les polygones, cf /tag/water. Enfin, plusieurs invitations à des séminaires de rechercher ou des conférences académiques ont été faites parce que le blog donne une relative notoriété, et visibilité.

Histoire de conclure en faisant une boucle, mon billet sur l’enseignement (et l’activité de blogger) venait d’une demande spécifique de Robin. Or Robin avait fait parti d’un projet génial, à savoir le blog statisfaction.wordpress.com lancé il y a quelques années par des doctorants (et post-doctorants) en statistique, sur Paris. L’idée était géniale car elle leur donnait une visibilité incroyable dans la communauté scientifique, avec des informations sur les séminaires, les cours, et leurs activités de recherche. Il n’est pas étonnant de voir autant de blogs scientifiques tenus pas des doctorants – ou lancés alors qu’ils étaient doctorants – je pense par exemple à Corey à Montréal, bayesianbiologist.com ou a plusieurs blogs d’économie, comme le défunt (ou disons resté très longtemps inactif) ecopublix.eu ou mafeco.fr, par Emmeline et  Jean-Edouard, ou encore rationalitelimitee.wordpress.fr lancé par Cyril quand il était encore doctorant. Les doctorants étant les principaux producteurs de recherche, il est logique de les voir apparaître aussi clairement dans la communauté des bloggers tenant des blogs de recherche (pour ne pas dire des carnets de recherche).

Mais bon, il serait temps de clôturer la séries des billets bloguer, c’est génial (surtout que je me rend compte que mon billet part un peu dans tous les sens, et n’a pas la profondeur d’analyse que l’ont peut retrouver dans les blogs d’ hypotheses.org mentionnés auparavant) La prochaine fois, promis, un billet sur bloguer, c’est nul !