Luis von Ahn : Collaboration en ligne à très grande échelle.

Combien d'entre vous ont déjà eu à remplir un formulaire en ligne dans lequel on vous demande de lire une séquence déformée de caractères telle que ceux-là ? Combien d'entre vous ont trouvé ça vraiment, vraiment enquiquinant ? Ok, c'est clair. Et c'est moi qui l'ai inventé. (rires) Enfin, j'ai participé à son invention.

Cette chose s'appelle un CAPTCHA. Et sa raison d'être est de vérifier que vous, l'entité qui remplit le formulaire, êtes bien un humain et pas un quelconque programme informatique, créé pour soumettre le formulaire des millions et des millions de fois. La raison pour laquelle ça marche est que les humains en tous cas les humains qui ne sont pas mal voyants, n'ont pas de problème pour lire des caractères ondulés et déformés, alors que les programmes informatiques ne peuvent pas encore le faire aussi bien. Par exemple, dans le cas de "Ticketmaster", la raison pour laquelle vous devez taper ces caractères est d'empêcher des revendeurs au marché noir d'écrire un programme qui pourrait acheter des millions de tickets, deux par deux.

Les CAPTCHA sont utilisés partout sur Internet. Et comme on les utilise aussi souvent, de nombreuses fois, la séquence de caractères aléatoires qui est montrée à l'utilisateur n'est pas très heureuse. Voici un exemple tiré de la page d'inscription de Yahoo. Les caractères aléatoires montrés à l'utilisateur étaient A,T,T,E,N,D,R,E (ndlt: WAIT en anglais), qui, bien sûr, forment un mot. Mais le plus drôle c'est le message que l'aide en ligne de Yahoo a reçu environ 20 min plus tard. Texte : "Aidez-moi ! J'attends depuis plus de 20 min, et il ne se passe rien." (rires) La personne pensait devoir attendre. Bien sûr, ce n'est pas aussi terrible que ce qui est arrivé à cette pauvre personne (texte : redémarrez).

(rires)

Nous avons lancé le projet CAPTCHA il y a plus de 10 ans, ici, à Carnegie Mellon, et il est maintenant utilisé partout. Laissez-moi maintenant vous parler d'un projet que nous avons lancé quelques années plus tard, qui est, en quelque sorte, l'étape suivante du CAPTCHA. Il s'agit du projet que nous avons appelé reCAPTCHA, que nous avons commencé ici à Carnegie Mellon, puis que nous avons transformé en start-up. Et il y environ un an et demi, Google l'a en fait rachetée.

Laissez-moi vous raconter les débuts de ce projet. Ce projet est né du constat suivant : il s'avère qu'approximativement 200 millions de CAPTCHA sont tapés par des gens tous les jours dans le monde. La première fois que j'ai entendu ça, j'étais assez fier de moi. Je me suis dit "regarde l'influence que ma recherche a eue". Mais ensuite, j'ai commencé à me sentir mal. En effet, à chaque fois que vous tapez un CAPTCHA, vous perdez en gros 10 secondes de votre temps. Et si vous multipliez ça par 200 millions, vous vous rendez compte que l'humanité perd environ 500 000 heures chaque jours en tapant ces ennuyeux CAPTCHA. Alors, j'ai commencé à me sentir mal.

(rires)

Et puis j'ai commencé à me demander, bon, bien sûr, on ne peut pas simplement se débarrasser des CAPTCHA, car la sécurité du Web en dépend un peu. Mais alors j'ai commencé à me demander s'il y avait moyen d'utiliser cet effort pour quelque chose de bénéfique pour l'humanité ? Alors, voilà. Pendant que vous tapez un CAPTCHA, pendant ces 10 secondes, votre cerveau fait quelque chose d'incroyable. Votre cerveau fait quelque chose que les ordinateurs ne savent pas encore faire. Pouvons-nous alors vous amener à faire un travail utile pendant ces 10 secondes? Autrement dit, y a-t-il un énorme problème que nous ne sachions pas encore résoudre à l'aide d'ordinateurs, mais que nous puissions découper en petits bouts de 10 secondes de façon à ce que chaque fois que quelqu'un résout un CAPTCHA, il résout un petit bout de ce problème ? Et la réponse est "oui", et c'est ce que nous faisons maintenant.

Ce que vous ne savez peut-être pas, c'est que maintenant, quand vous tapez un CAPTCHA, non seulement vous vous authentifiez en tant qu'humain, mais en plus vous contribuez à la numérisation de livres. Laissez-moi vous expliquer comment ça marche. Il y a plein de projets dont le but est de numériser des livres. Google en a un. Internet Archive en a un. Amazon, maintenant avec Kindle, essaye de numériser des livres. Voilà en gros comment ça marche : vous prenez un vieux livre. Vous voyez de quoi je parle, n'est-ce pas ? Genre, un livre ? (rires) Donc, vous prenez un livre et vous le scannez.

Scanner un livre, c'est comme prendre une photo numérique de chaque page du livre. Vous avez alors une image de chaque page du livre. Une image avec du texte pour chaque page du livre. L’étape suivante du processus implique que l'ordinateur sache décrypter tous les mots de l'image. On utilise une technologie appelée ROC, pour Reconnaissance Optique de Caractères, qui prend une image du texte et essaie d'identifier le texte qui s'y trouve. Le problème est que la ROC n'est pas parfaite. Surtout avec les vieux livres, dont l'encre est passée, et les pages jaunies, La ROC ne reconnait pas beaucoup mots. Par exemple, pour des trucs écrits il y a plus de 50 ans, l'ordinateur ne reconnait pas environ 30% des mots. Donc maintenant nous prenons tous les mots que l'ordinateur ne reconnait pas et des gens les lisent pour nous quand ils tapent un CAPTCHA sur Internet.

Alors, la prochaine fois que vous tapez un CAPTCHA, ces mots que vous taperez seront en fait des mots venant de livres en cours de numérisation que l'ordinateur n'a pas su reconnaitre. Et la raison pour laquelle nous avons deux mots, et non pas un seul, est qu'un de ces mots est un mot que le système a tiré d'un livre, sans savoir ce que c'est, et il va vous le montrer. Mais comme il ne connait pas la bonne réponse, il ne peut pas évaluer la vôtre. Donc nous vous en donnons un autre, un pour lequel le système connait la réponse. Nous ne vous disons pas lequel est lequel, et nous vous demandons de taper les deux. Et si vous tapez le bon mot pour celui pour lequel le système connait déjà la réponse, il suppose que vous êtes humain, et il vous fait confiante pour taper l'autre mot correctement. Et si nous répétons ce processus avec environ 10 personnes différentes, et que toutes tombent d'accord sur le nouveau mot, alors nous obtenons un mot de plus numérisé correctement.

Voila comment fonctionne le système. Et en gros, depuis que nous l'avons lancé, il y a 3 ou 4 ans, beaucoup de sites web ont commencé à passer du vieux CAPTCHA avec lequel les gens perdaient leur temps au nouveau CAPTCHA avec lequel les gens contribuent à numériser des livres. Par exemple, Ticketmaster. Alors chaque fois que vous achetez un billet sur Ticketmaster, vous contribuez à numériser un livre. Facebook : Chaque fois que vous ajoutez quelqu'un, ou lui envoyez un poke vous contribuez à numériser un livre. Twitter et environ 350 000 autres sites utilisent reCAPTCHA. Et en fait, le nombre de sites utilisant reCAPTCHA est si grand que le nombre de mots que nous numérisons par jour est très très grand. C'est environ 100 millions par jour, soit l’équivalent d’à peu près 2,5 millions de livres par an. Et tout est fait un mot après l'autre, uniquement par des gens qui tapent des CAPTCHA sur Internet.

(applaudissements)

Bien sûr, puisque nous faisons tellement de mots par jour, il peut se produire de drôles de choses. Et c'est particulièrement vrai car nous proposons aux gens deux mots pris au hasard dans la langue anglaise, l'un à côté de l'autre. Et donc de drôles de choses se produisent. Par exemple, nous avons proposé ce mot. Il s'agit du mot "Chrétiens"; il n'y a rien de mal à ça. Mais si vous le présentez à côté d'un autre mot pris au hasard, de mauvaises choses peuvent se produire. Ainsi, nous avons obtenu ça. (Texte : mauvais chrétiens) Et c'est bien pire, car il se trouve que le site web où cela s'est affiché était en fait appelé Ambassade du Royaume de Dieu. (rires) Oh la gaffe ! (rires) Voici encore un vraiment mauvais coup. JohnEdwards.com (Texte : Maudit libéral) (rires) Ainsi, nous insultons sans cesse des gens ici et là, tous les jours.

Bien sûr, nous ne nous contentons pas de les insulter. Vous voyez, le truc c'est que, puisque nous présentons deux mots pris au hasard, il peut se passer des choses intéressantes. Et ça a donné lieu à un immense mème sur Internet, auquel des dizaines de milliers de personnes ont participé, et qui s'appelle le CAPTCHA art. Je suis sûr que certains d'entre en ont déjà entendu parler. Voici comment ça marche. Imaginez que vous soyez en train d'utiliser Internet et que vous voyiez un CAPTCHA, que vous trouvez quelque peu bizarre, comme ce CAPTCHA (Texte : grille-pain invisible). Ce que vous êtes alors censé faire, c'est une capture d'écran. Bien sûr, ensuite, vous remplissez le CAPTCHA car vous nous aidez à numériser un livre. Mais ensuite, d'abord vous faites une capture d'écran, et ensuite vous dessinez quelque chose qui ait un rapport. (rires) Voilà comment ça marche. Il y en a des dizaines de milliers comme ça. Certains sont vraiment mignons. (Texte : je l'ai serré) (rires) D'autres sont plus drôles. (Texte : fondateurs défoncés) (rires) Et certains, comme bidule paléontologique, font figurer Snoop Dogg.

(rires)

Bon, voilà mon nombre préféré de reCAPTCHA. Et c'est le truc que je préfère dans tout ce projet. C'est le nombre de personnes distinctes qui ont contribué à numériser au moins un mot avec reCAPTCHA : 750 millions de personnes, soit un peu plus de 10% de la population mondiale, nous ont aidés à numériser le savoir humain. Et c'est ce genre de nombre qui me motive à continuer mes recherches. Et la question qui motive mes recherches est la suivante : Si vous observez ce que l'humanité a fait à grande échelle, ces choses vraiment grandes, que l'humanité a faites dans l'histoire, comme par exemple construire les pyramides d’Égypte, ou le Canal de Panama, ou envoyer un homme sur la lune, elles présentent un fait curieux, c'est qu'elles ont toute été réalisées par le même nombre de gens. C'est étrange : elles ont toutes été réalisées par environ 100 000 personnes. Et la raison en est que, avant Internet, coordonner plus de 100 000 personnes, sans parler de les payer, était impossible. Mais maintenant, avec Internet, je viens de vous montrer un projet dans lequel j'ai obtenu que 750 millions de personnes nous aident à numériser le savoir humain. Donc, la question qui motive mes recherches est, si nous pouvons envoyer un homme sur la lune avec 100 000 personnes, que pouvons-nous faire avec 100 millions de personnes?

En partant de cette question, nous avons travaillé sur de nombreux projets différents. Laissez-moi vous parler de celui qui m'enthousiasme le plus. Nous travaillons là-dessus sans en parler trop depuis environ un an et demi. On ne l'a pas encore lancé. Ça s'appelle Duolingo. Comme on ne l'a pas encore lancé, chut! (rires) Oui, je peux vous faire confiance pour ça. Voici donc ce projet. Voilà comment il a commencé. Il a commencé quand j'ai posé une question à mon étudiant en doctorat, Severin Hacker. Voici Severin Hacker. Je lui ai donc posé la question. Au fait, vous m'avez bien entendu ; son nom de famille est Hacker. je lui ai donc posé cette question : Comment faire pour que 100 millions de personnes traduisent gratuitement le Web dans toutes les langues principales ?

Bon, il y a beaucoup à dire là dessus. D'abord, traduire le Web. Pour le moment, le Web est fractionné en de multiples langues. Une grande partie est en anglais. Si vous ne connaissez pas du tout l'anglais, vous ne pouvez pas y accéder. Mais il y en a de grandes parties dans d'autres langues différentes, et si vous ne connaissez pas ces langues, vous ne pouvez pas y accéder. Alors j'aimerais traduire tout l'Internet, ou tout du moins la plus grande partie du Web, dans toutes les langues principales. C'est ce que j'aimerais faire.

Certains d'entre vous me diront, pourquoi ne pouvons-nous pas utiliser les ordinateurs pour faire cette traduction ? Pourquoi ne pouvons-nous pas utiliser la traduction informatisée ? De nos jours, on a commencé à traduire des phrases ici et là avec la traduction informatisée. Pourquoi ne pouvons-nous pas l'utiliser pour traduire tout le Web ? Et bien, le problème est que ce n'est pas encore assez bon et que ça ne le sera pas avant les 15 à 20 prochaines années. Il y a beaucoup d'erreurs. Même quand il n'y a pas d'erreur, elles sont tellement fréquentes que vous ne savez pas si vous pouvez vous y fier ou pas.

Permettez-moi de vous montrer un exemple de traduction faite par ordinateur. En fait, c'est un billet sur un forum. C'est quelqu'un qui essayait de poser une question à propos de JavaScript. Ça a été traduit du japonais à l'anglais. Je vais vous le laisser lire. Cette personne commence par s'excuser pour le fait que c'est une traduction faite par ordinateur. La phrase suivante sera le préambule à la question. Il ne fait donc qu'expliquer quelque chose. Souvenez-vous, c'est une question à propos de JavaScript. (Texte : A souvent, le temps de chèvre installe une erreur est vomi.) (rires) Ensuite vient la première partie de la question. (Texte : Combien de fois comme le vent, un poteau, et le dragon ? ) (rires) Ensuite vient la partie de la question que je préfère. (Texte : Ceci insulte aux pierres du père ? ) (rires) Et puis vient la fin, qui est ce que je préfère dans tout ça. (Texte : S'il vous plait excusez-vous pour votre stupidité. Il y a un beaucoup merci.) (rires) Bon, donc, la traduction par ordinateur, pas encore assez bonne . Revenons à la question de départ.

Nous avons donc besoin de gens pour traduire tout le Web. Maintenant, la question suivante que vous vous posez peut-être, c'est pourquoi ne pouvons-nous pas simplement payer des gens pour le faire ? Nous pourrions payer des traducteurs professionnels pour traduire tout le Web. Nous pourrions le faire. Malheureusement, ce serait extrêmement cher. Par exemple, traduire une minuscule fraction de tout le Web, Wikipedia, dans une seule autre langue, l'espagnol, Wikipedia existe en espagnol, mais c'est très petit comparé à la taille de l'anglais. Ça représente environ 20% de la taille de l'anglais. Si nous voulions traduire les 80 autres pour cent en espagnol, ça coûterait au moins 50 millions de dollars, même en délocalisant dans le pays le plus exploité qui soit. Ce serait donc très cher. Alors ce que nous voulons faire, c'est trouver 100 millions de personnes pour traduire le Web dans toutes les langues principales gratuitement.

Et si c'est ce que vous voulez faire, vous vous rendez très vite compte que vous allez tomber sur deux gros os, deux gros obstacles. Le premier c'est le manque de personnes bilingues. Je ne sais même pas s'il existe 100 millions de gens qui utilisent le Web et qui sont suffisamment bilingues pour nous aider à traduire. C'est un gros problème. L'autre problème que vous allez rencontrer, c'est le manque de motivation. Comment allons-nous motiver les gens à traduire le Web gratuitement ? Normalement, on doit payer les gens pour ça. Alors, comment allons-nous les motiver à le faire gratuitement ? Quand nous avons commencé à y réfléchir, nous étions bloqués par ces deux choses. Mais ensuite nous nous sommes rendus compte qu'en fait il y a un moyen de résoudre ces deux problèmes avec une solution unique. Une manière de faire d'une pierre deux coups. Il s'agit de transformer la traduction en quelque chose que des millions de gens veulent faire, tout en contribuant à résoudre le problème du manque de personnes bilingues : c'est l'apprentissage des langues.

Il s'avère qu'aujourd'hui, il y a plus de 1,2 milliard de gens qui apprennent une langue étrangère. Les gens veulent vraiment apprendre une langue étrangère. Et ce n'est pas seulement parce qu'on les y oblige à l'école. Par exemple, rien qu'aux États-Unis, il y a plus de 5 millions de gens qui ont payé au moins 500 $ des logiciels pour apprendre une nouvelle langue. Les gens veulent donc vraiment apprendre une nouvelle langue. Ce sur quoi nous travaillons depuis un an et demi, c'est un nouveau site web, qui s'appelle Duolingo, où l'idée de départ est que les gens apprennent une nouvelle langue gratuitement tout en traduisant le Web. Et donc en gros ils apprennent en faisant.

Voilà comment ça marche : quand vous n'êtes que débutant, nous vous donnons des phrases très, très simples. Il y a, bien sûr, beaucoup de phrases très simples sur le web. Nous vous donnons des phrases très, très simples en même temps que la signification de chaque mot. Et en les traduisant, et en voyant comment d'autres les traduisent, vous commencez à apprendre la langue. Et au fur et à mesure de votre progression, nous vous donnons des phrases de plus en plus complexes à traduire. Mais à tout moment, vous apprenez en faisant.

Ce qui est dingue, avec cette méthode, c'est que ça marche vraiment. D'abord, les gens apprennent vraiment une langue. Nous avons presque fini de le construire, et nous sommes en train de le tester. Les gens peuvent vraiment apprendre une langue avec ça. Et ils apprennent aussi bien qu'avec le meilleur logiciel d'apprentissage de langue. Les gens apprennent vraiment une langue. Et non seulement ils l'apprennent, mais en fait c'est bien plus intéressant. Parce que vous voyez, avec Duolingo, les gens apprennent avec du contenu authentique. Contrairement à l'apprentissage avec les phrases préfabriquées, les gens apprennent avec du contenu authentique, qui est intéressant par essence. Les gens apprennent donc vraiment une langue.

Mais ce qui est peut-être plus surprenant, c'est que les traductions que nous obtenons des gens qui utilisent ce site, même si ce ne sont que des débutants, les traductions que nous obtenons sont aussi exactes que celles des traducteurs professionnels, ce qui est très surprenant. Permettez-moi de vous montrer un exemple. Voici une phrase qui a été traduite de l'allemand à l'anglais. L'allemand est en haut. Au milieu, c'est la traduction anglaise faite par un traducteur professionnel que nous avons payé 20 cents le mot pour sa traduction. Et en bas, la traduction des utilisateurs de Duolingo, alors qu'aucun d'eux ne connaissait un mot d'allemand avant de commencer à utiliser le site. Vous voyez, c'est parfait. Bien sûr, nous avons triché ici pour que les traductions soient aussi bonnes que celles des professionnels. Nous avons combiné les traductions de nombreux débutants pour obtenir la qualité d'un seul traducteur professionnel.

Même si nous combinons les traductions, le site peut en fait traduire assez vite. Laissez-moi vous montrer, voici nos estimations quant à la vitesse à laquelle nous pourrions traduire Wikipedia d'anglais en espagnol. Rappelez-vous, ça représente une valeur de 50 millions de dollars. Alors si vous voulez traduire Wikipedia en espagnol, cela peut être fait en 5 semaines, avec 100 000 utilisateurs actifs. Et nous pourrions le faire en 80 heures avec un million d'utilisateurs actifs. Puisque tous les projets sur lesquels mon groupe a travaillé jusqu'à présent ont eu des millions d'utilisateurs, nous espérons que nous serons en mesure de traduire très vite avec ce projet-ci.

Ce qui m'enthousiasme le plus avec Duolingo c'est que je pense qu'il apporte un modèle économique équitable pour l'apprentissage des langues. Voilà ce qu'il en est : le modèle économique actuel pour l'apprentissage des langues, c'est que l'élève paie, et en particulier, l'élève paie à Rosetta Stone 500 dollars. (rires) C'est le modèle économique actuel. Le problème avec ce modèle économique, c'est que 95% de la population mondiale n'a pas 500 dollars. C'est donc extrêmement injuste envers les pauvres. C'est totalement en faveur des riches. Vous voyez, dans Duolingo, lorsque vous apprenez, en fait vous créez de la valeur, vous traduisez des trucs, que par exemple nous pourrions facturer à quelqu'un. C'est ainsi que nous pourrions le rentabiliser. Puisque les gens créent de la valeur en apprenant, ils n'ont pas à payer avec leur argent, ils paient avec leur temps. Mais ce qui est magique ici, c'est qu'ils paient avec leur temps, mais que c'est du temps qu'ils auraient passé de toute façon à apprendre la langue. Ce qui est bien avec Duolingo c'est que je crois que ça apporte un modèle économique équitable, qui ne défavorise pas les pauvres.

Voici donc le site. Merci (applaudissements) Donc voici le site. Nous n'avons pas encore fait le lancement, mais si vous allez voir, vous pouvez vous inscrire pour participer à la version bêta privée, qui devrait normalement commencer dans 3 ou 4 semaines. Nous n'avons pas encore lancé Duolingo.

Au fait, c'est moi qui parle ici, mais Duolingo est le travail d'une équipe géniale, dont voici certains. Merci.

(applaudissements)