Imaginons qu’on ait collecté, pour une personne clairement identifiée, quelques informations sur Paris, via des objets connectés,
- Jeudi 18:30 : achat pour 45€ dans un bar-tabac
- Vendredi 13:15, 1h au dessus de la Porte Saint Martin
- Samedi 14:00, 1h proche de la Place de la République

En essayant de faire parler les données, on hésite entre une première version
- Jeudi 18:30 : achat pour 45€ de cigarettes
- Vendredi 13:15, 1h à la mosquée, à l’heure de la prière
- Samedi 14:00, 1h dans une manifestation qui partait de la Place de la République en début d’après midi
et une seconde version
- Jeudi 18:30 : achat pour 45€ de timbres fiscaux
- Vendredi 13:15, 1h au club de sport
- Samedi 14:00, 1h chez le coiffeur, place de la République
Autrement dit, avec un même signal brut, on a deux histoires parfaitement cohérentes. Ce n’est pas une pirouette artistique à la Sophie Calle, c’est la situation standard dès qu’on manipule des traces (géolocalisation, heures, dépenses, appels, conduite). Les données ne mentent pas forcément. Mais elles sous-déterminent le récit puisqu’elles autorisent plusieurs mondes possibles. En assurance (et plus largement dans l’économie de la prédiction), on a l’habitude de prendre des corrélations pour en faire des décisions. Pas seulement pour “comprendre”, mais pour tarifer, classer, accepter, refuser. Le point n’est pas de dire que c’est illégitime par principe. Le point est de rappeler ce qu’on fait quand on se contente de corréler, et ce qu’on oublie quand on n’a pas de contexte.
Continue reading Corrélation et causalité, circonstance et contexte