Prédisez l'issue des votations du 14 juin!

Combien pèse la vache qui broute sous vos fenêtres? Votre estimation sera peut-être très éloignée de la réalité, mais si vous parvenez à agréger les estimations d’un grand nombre de personnes vous vous rapprocherez de la réalité. Par cette expérience menée en 1907, Francis Galton a démontré la pertinence de ce que l’on a surnommé plus tard: «la sagesse des foules». En clair, pour obtenir une prédiction fiable mieux vaut collecter l’avis d’un grand nombre de personnes plutôt que de lire le marc de café ou la position des planètes!

L’équipe du laboratoire d’intelligence artificielle de l’EPFL a renouvelé l’expérience de Galton, lors du dernier salon des technologies (STIL). Plus facile à transporter qu’un bovidé c’est un bocal rempli de M&M’s qui a été soumis à la sagacité des visiteurs. «En faisant une simple moyenne harmonique des 180 estimations récoltées, nous avons obtenu un résultat d’une précision de 97% quant au nombre de friandises présentes et nous atteignons même les 98.9% avec une moyenne géométrique», rapporte le post-doctorant Florent Garcin, responsable du projet, qu’il développe desormais au sein de la start-up Umanytics.

Un test grandeur nature est réalisé cette semaine : nous vous invitons à donner votre impression quant à l’issue des votations du 14 juin. Vous pouvez participer même si vous n’avez pas le droit de vote en Suisse. Plus il y aura de participants, plus la prédiction sera précise !

Quel algorithme employer?
Le choix du modèle mathématique capable d’agréger de nombreux avis est un enjeu crucial pour Swissnoise.ch. Les gens qui s’y inscrivent sont répartis en deux groupes. Une partie va pouvoir parier selon un modèle mathématique répandu issu d’une recherche menée à Harvard et à la George Mason University et les autres selon un algorithme développé ici à l’EPFL. Cela nous permet ainsi de comparer les deux modèles théoriques.»

Le premier groupe d’utilisateurs a la possibilité de parier des π, une monnaie virtuelle dans des «actions» sur telle ou telle réponse. «Comme dans un système boursier, certaines actions prennent de la valeur selon la popularité de leur réponse. A la fin, les utilisateurs gagnent des points en fonction du résultat réel de l’évènement sur lequel ils pariaient», explique Florent Garcin. «Selon le modèle de l’EPFL, chaque avis fait varier la rétribution donnée pour ce dernier. Un avis minoritaire sera rétribué un peu plus, mais pas trop, car il faut inciter les utilisateurs à choisir ce qu’ils pensent vraiment et non les pousser à prendre des risques par de trop fortes rétributions.»

Des sondages moins chers et plus flexibles
L’un des principaux avantages du modèle de l’EPFL est qu’il n’a pas besoin d’être confronté à un résultat réel. «Par exemple, un constructeur de voiture pourrait faire appel à nous pour savoir quel prototype il doit sortir, car contrairement au modèle concurrent nous n’avons pas besoin à la fin de l’étude de comparer nos résultats avec les chiffres de ventes effectifs.» Mais pour obtenir des résultats pertinents, il est important de formuler les questions de manière neutre. «Même sur les sujets politiques nous ne demandons pas aux gens ce qu’ils vont voter, car d’une part nous ne pouvons pas être sûrs que notre groupe d’utilisateurs sera représentatif de la population et d’autre part ce genre de questions est facilement biaisé. Nous demandons toujours aux utilisateurs à quels résultats ils s’attendent. Par exemple, on peut avoir une opinion de gauche, mais s’attendre à ce que ce soit la droite qui l’emporte.»

Un nouvel outil pour les médias
Les recherches menées au laboratoire d’intelligence artificielle par Florent Garcin et ses étudiants Jérémy Gotteland, Jonathan Link et Michael Hobbs intéressent déjà les médias. «Les sondages d’opinion classiques coutent très chers à réaliser et ne représentent qu’une photographie d’un moment donné. Notre modèle au contraire permet d’obtenir des tendances tout au long d’une campagne politique, par exemple, pour un coût largement inférieur», avance Florent Garcin.