La « blockchain », doit-elle faire peur ?

14765884_blog

La « blockchain », c’est la sécurisation de transactions sans tiers de confiance. C’est la décentralisation de la vérification des échanges.

Pourquoi ce mot déclenche-t-il tant de réactions ?

C’est le principe de la « blockchain » qui est à l’origine de monnaies comme le Bitcoin. Ces monnaies n’ont pas besoin qu’un état ou une banque intervienne comme tiers de confiance pour organiser les transactions.
Si ce genre de dispositif parvenait à s’imposer, les états pourraient perdre le contrôle des échanges monétaires, mais plus encore, il n’y aurait plus besoin de notaires pour enregistrer des actes ou d’avocats pour valider un contrat.

Comment un tel système peut-il fonctionner ?

Le principe de la « blockchain » consiste à faire opérer des transactions (tenue de compte, enregistrement d’actes…) sans utiliser de tiers de confiance (la banque, le notaire, l’avocat) mais en chargeant des milliers de personne de réaliser la même opération. La trace de l’information se trouve dans des milliers d’ordinateurs, ce qui lui donne sa valeur « probante ».

Mais comment s’assurer qu’un petit malin ne diffuse pas une fausse information qui serait reprise par tous les ordinateurs.

Se protéger d’un tel risque revient à résoudre le problème des généraux byzantins.
Ce problème se résume ainsi. Des généraux de l’armée byzantine campent autour d’une cité ennemie. Ils ne peuvent communiquer qu’à l’aide de messagers et doivent établir en commun un plan de bataille. Ils savent cependant qu’il y a des traîtres parmi eux et qu’ils doivent se méfier des messages qu’ils reçoivent. Quelle méthode doivent-ils utiliser pour parvenir à construire leur plan de bataille ?

La « blockchain » va repérer les traîtres

La « blockchain » se présente comme un journal de transactions enregistré dans des milliers d’ordinateurs. Il comporte un historique horodaté de toutes les transactions. Ce registre est formé d’une suite de chapitres (blocs) qui s’enchaînent, chacun regroupant les transactions effectuées dans une certaine période.
Chaque bloc de la chaîne contient des informations provenant du bloc précédant. On peut ainsi assurer le respect de la chronologie des blocs. L’ordre chronologique des « blocs » empêche les « traîtres » de modifier un bloc déjà validé car cela affecterait tous les blocs qui lui succèdent.
La chaîne une fois constituée est « inaltérable ».

La « blockchain » n’appartient à personne

Les échanges enregistrés dans le registre constitué par une « blockchain » sont distribués.
Ils n’utilisent pas de tiers de confiance qui valident les transactions. Ils fonctionnent grâce à l’ensemble des individus qui utilisent un logiciel en réseau.
N’importe qui peut participer à la validation des blocs, il n’y a pas d’autorisation à obtenir.
Il suffit d’accéder au réseau et de recevoir des blocs, puis de se charger d’établir la preuve qu’ils sont fiables.  La vérification d’un bloc repose sur un système cryptographique complexe.
Tous les membres du réseau reçoivent des messages contenant des blocs et chacun exécute le décryptage des blocs reçus. Il faut s’assurer qu’ils s’inscrivent bien dans la chronologie (ils comportent des informations sur les blocs qui les précédent), qu’ils ont la bonne syntaxe et qu’ils n’ont pas déjà été décryptés etc.

Le principe consiste à les considérer comme suspects à priori.

Bien entendu, chaque bloc comporte des contrôles qui le protègent des modifications et contribuent à son identification.
Dès qu’un bloc est validé il est accroché à la « blockchain » et le travail continue.
Tous les membres du réseau « accrochent » leurs blocs à la chaîne lorsqu’ils les ont validés.
A un moment ou un autre, un bloc « traître » peut être retenu par un membre du réseau. Mais ceux qui analyseront les blocs suivants n’accrocheront aucun bloc à ce traître, car les blocs suivants comportent des informations sur les blocs précédents qui sont incompatibles avec ce bloc traître.
Les blocs suivants seront ajoutés à la chaîne saine avec laquelle ils sont plus en cohérence et la chaîne « traître » va s’éteindre.
Tous les membres du réseau disposent d’une copie de la « blockchain » et toutes les versions de la « blockchain » doivent être identiques.
Si des versions divergent on choisit celle dont la construction a demandé le plus de travail.
C’est le principe du « proof of work » ou « preuve que le travail été fait ».
Le proof of work revient à retenir le décryptage qui aura nécessité le plus d’itérations. Ainsi, plus un individu du réseau aura de puissance de calcul, plus il pourra faire d’itérations et plus il pourra confirmer des blocs de transactions.
Les participants au réseau sont donc en concurrence pour valider les blocs.
De même qu’il n’y a personne pour diriger Internet, il n’y a pas de maître du « blockchain ». Comme pour internet, les règles de  fonctionnement sont régies par des protocoles techniques.

La transparence comme élément de sécurité

Pour garantir la sécurité, le réseau « blockchain » rend public tous les échanges effectués. Concrètement, chaque ordinateur connecté au réseau héberge une copie de tous les échanges effectués.
Le système le plus connu reposant sur la « blockchain » est certainement la monnaie BitCoin.
Les algorithmes utilisés pour cette monnaie ont été inventés par le mystérieux Satoshi Nakamoto qui a peut-être été imaginé pour dissimuler un groupe de développeurs. Ces algorithmes sont conçus pour décider de la confiance à accorder à une transaction. Cette monnaie révèle aussi les faiblesses de la « blockchain »… les hackers.

Et oui… nous n’avons pas encore trouvé le moyen de nous débarrasser des tiers de confiance.

Publicités

Les avancées dans le domaine de la connaissance des clients

6296398_blog

Les visites sur Internet sont une manne pour connaître les clients

Le site voyage-sncf.com par exemple enregistre 6,9 millions de visiteurs uniques par mois (sources Fevad-Médiamétrie 2è trim 2015). Il dispose de 2 datacenters qui traitent 60 téraoctets de données chaque mois.
L’analyse des données clients passe par la conception d’algorithmes complexes qui établissent un lien entre les observations de différentes natures et des probabilités d’achat.

Plus les données sont riches et variées, plus les algorithmes seront pertinents

la richesse de la donnée permet d’individualiser plus finement la réponse apportée au client. Dans l’exemple du voyage, un client qui s’intéresse à un vol pourra se voir proposer un hébergement correspondant précisément à ses goûts et son budget. Il sera même possible d’associer une promotion adaptée à sa recherche.

Pourquoi n’en sommes nous pas encore au niveau de pertinence attendu.

Il est vrai que les e-mailings, sms ou autres que nous recevons ne sont que rarement pertinents. C’est que le sujet est complexe.
Il ne s’agit pas seulement de constater que vous avez demandé par deux fois un hôtel quatre étoiles pour en déduire qu’il s’agit là de votre préférence.
La grande question est celle dite de la « contextualisation », c’est à dire de l’interprétation de votre demande en intégrant les éléments du contexte de cette demande.

Comment avancer efficacement dans la connaissance client ?

On avance sur ce sujet grâce aux données indiquant le canal utilisé, la localisation et grâce aussi aux informations concernant les déplacements et le temps.
Sur quel canal avez-vous fait votre recherche, dans quel lieu, à quelle heure ? Ces informations vont permettre de donner une « valeur » à cette navigation qui sera enregistrée comme une métadonnée.
Ainsi notre client est-il peut-être celui qui donne les bons tuyaux à ses collègues de bureaux sur les lieux de vacances à l’autre bout du monde, mais ne part jamais hors de France.
Pour renseigner ses collègues il utilise sa tablette aux heures de bureau. Devant son ordinateur à la maison en soirée, il consulte les gîtes de province dans le cadre de sa recherche personnelle. Les données de localisation et de temps vont nous permettre de distinguer ces deux comportements.
Je me rappelle d’une étude que nous avions fait pour une banque et qui nous avait permis de comprendre les usages des DAB (Distributeur automatique de billets) en analysant les lieux de retrait (à proximité du travail, du lieu d’habitation où de lieux de séjours), les montants retirés et le jour du retrait. On pouvait en déduire des modes de « fonctionnement » de nos clients et y associer des styles de vie.

On gagne aussi en hybridant les données

Le croisement de données internes à l’entreprise avec des données issues d’autres sources est un facteur de richesse considérable.
J’ai eu l’occasion, pour une banque, de croiser un fichier de clients supposés à haute capacité d’investissement avec une mégabase de données de consommation (les consommateurs sont invités dans le cadre d’un sondage à enregistrer tous leurs achats semaine par semaine).
Le résultat a été spectaculaire en terme de connaissance. Les modes de consommation nous ont permis de valider notre algorithme de classement des clients dans des groupes à fort pouvoir d’investissement et à retirer certains types de clients de ce segment.
Nous étions dès lors beaucoup plus pertinents dans nos propositions.
Mais ce n’est pas dans la culture française et encore moins dans la culture bancaire d’échanger des données. L’expérience que j’évoque ici n’a pas eu de lendemain.
Il faut que nous apprenions à échanger les données entre intervenants de secteurs différents, en respectant bien entendu la confidentialité des données, ce que l’on est tout à fait en mesure de faire, si nous nous en donnons les moyens.
Les DMP sont dans ce domaine la preuve que les choses avancent aussi dans ce domaine.

Pour faire avancer la connaissance client il faut supprimer les effets de silos

Les équipes chargées de la connaissance des clients doivent-être pluridisciplinaires. Elles doivent compter des compétences en codage informatique, en analyses statistiques, en modélisation mathématiques et marketing.
Il est intéressant de leur associer des experts en communication. Les moyens financiers ne viendront que si des Directions clientes acceptent de s’intéresser à ce potentiel de connaissance et commandent des études.
Si un communicant ne leur « vend » pas le projet, elles préfèreront ronronner sur des pratiques usées et peu productives, mais moins risquées parce que connues et reconnues.

Etes-vous prêts à accueillir le Big Data

Le Big Data occupe une place considérable dans les média et les conférences professionnelles mais pour beaucoup il a encore peu d’applications en entreprises.
Le réflexe consiste encore souvent à attendre que le sujet atteigne sa maturité avant de se l’approprier.
C’est une erreur, car le Big Data est une véritable lame de fond.
La technologie a mis du temps pour se stabiliser. Les infrastructures, les outils d’exploitation et d’analyse associés ont encore besoin d’être apprivoisés.

Les bénéfices du Big Data sont trop considérables pour que sa diffusion soit freinée

Avec le Big Data, une connaissance approfondie des clients et de leurs intentions d’achats devient possible. La connaissance des processus est améliorée et il est plus facile de « décloisonner » les Directions et les Marchés au sein des entreprises.
D’ores et déjà de nombreuses entreprises implémentent ou prévoient d’implémenter des technologies du Big Data. Elles trouvent des applications dans le domaine du marketing, de l’optimisation des réseaux commerciaux, de la finance, de la logistique etc.…
A titre d’exemple, selon le baromètre Accenture-L’Argus (2015), dans le seul secteur de l’assurance, 17% des DSI affirment avoir mis en place des technologies Big Data, mais 23% ont prévu d’en développer dans les 24 mois.
Les cycles de transformation se raccourcissent de plus en plus. Il est certain, qu’à un horizon de cinq ans, il ne sera plus possible d’ignorer les impacts du Big Data sur le fonctionnement des entreprises.

L’un des impacts à envisager concerne la transformation des organisations et des métiers

De nouveaux métiers apparaissent déjà, data scientist, chief data officer, d’autres doivent évoluer.
En ce qui concerne les métiers qui naissent, la rareté des formations et donc des candidats disponibles, peut constituer un frein à l’exploitation des données et donc réduire la valeur produite par les projets de Big Data.
Mais ce n’est pas le seul problème à anticiper. L’intégration de ces experts dans les équipes n’est pas toujours aisée.
Les expériences passées nous ont révélé la difficulté d’intégrer des experts aux salaires plus élevés que ceux de leurs collègues, mais aux parcours de carrière bien difficile à tracer.
Le cas des data scientists pourrait être plus épineux encore, compte tenu de leur importance stratégique.
Beaucoup de métiers d’aujourd’hui subsisteront, mais devront évoluer.
Le Big Data va produire des informations quantifiables et manipulables avec des outils statistiques et mathématiques.
Beaucoup de métiers qui basent leurs décisions sur l’expérience ou l’intuition vont devoir se réformer.
En effet, les prises de décision ne mobilisent plus les mêmes compétences, dès lors que les informations sont transformées en connaissance au travers d’algorithmes.

L’évolution de l’achat d’espace nous en offre une illustration : il y a vingt ans on achetait les espaces publicitaires dans la presse, la radio et la télévision à partir d’informations sommaires. C’était l’expérience, le savoir faire et l’intuition qui permettaient de traiter ces informations pour les transformer en décision.
Avec Internet, l’achat d’expositions (bannières sur les sites) se fait à partir d’algorithmes sophistiqués inspirés des outils des « traders » (30% des achats d’expositions sur Internet se font dans le cadre d’achats programmatiques).
Dès lors que la technologie existe, il est plus rassurant de confier la préparation des décisions aux machines.
Autre exemple, dans les centres commerciaux à la pointe du progrès technologique, des caméras captent l’humeur des clients et pilotent l’affichage des publicités et des messages dans les allées.
Le métier « d’acheteur d’espace » s’en trouve profondément modifié. Son poste de travail, dans un proche avenir, ressemblera au « desk » d’un « trader » bardé de courbes mises à jour en temps réel.
Tous les métiers qui peuvent prendre des décisions sur la base de données quantitatives (mode de décision informationnel) évolueront de cette manière. Ceci concerne les métiers du marketing (banques, assurances, constructeurs automobiles…) mais aussi les métiers de la logistique, de la communication, du contrôle et du pilotage.
Parfois ce ne sont pas les métiers eux-mêmes qui seront transformés, mais plutôt les frontières traditionnelles entre ces métiers.
Les actuaires qui font métier de modéliser le risque dans le secteur des assurances par exemple, seront confrontés à des data scientists qui disposeront de données en temps réel sur le comportement des assurés. Il faudra trouver une nouvelle articulation entre ces métiers.

Il est urgent de prendre la mesure de cette transformation
Tout ceci illustre combien il est important d’anticiper un monde dans lequel les données quantitatives et les algorithmes auront pris une place prépondérante.
C’est dès maintenant qu’il faut envisager les formations adéquates, les organisations adaptées et la manière de gérer l’évolution des postures des managers dont l’autorité est encore bien souvent basée sur l’adaptation à des modes de décisions intuitifs ou basée sur l’expérience.
C’est de tout cela dont nous débattrons lors de notre conférence du 2 octobre 2015 à 9h à la Défense :

Inscription à la conférence : Etes-vous prêts à accueillir le Big Data ?