DesBons.com

Après sa présentation officielle le 7 avril 2010 au congrès Heath 2.0, DesBons a suscité de nombreuses réactions. Elles sont tantôt encourageantes, tantôt dubitatives, et parfois hostiles.

Les réactions négatives touchent au concept de recommandation qui fonde DesBons.  Du groupe de pairs, il n’y aurait qu’un pas au réseau de copains, voire au réseau de coquins…

De  nombreux réseaux jouent un rôle fondamental dans la vie professionnelle, sociale ou politique. Leur image n’est pas toujours positive. Le réseau est souvent regardé comme une source de passe-droits, de favoritisme, d’influences occultes. Reconnaissons que cette vision n’est  pas toujours dénuée de fondement.

Nous avons été alerté très tôt de ce risque. Lors de notre réflexion préalable, nous avons analysé l’existant et notamment les pratiques nord-américaines. Une étude a été commandée en 2008 à Denise Silber, spécialiste du système de santé américain. Il y apparaissait clairement que les médecins n’accordent que peu de crédit à des systèmes fondés sur le recueil d’informations par des enquêteurs. C’est pourquoi nous avons beaucoup réfléchi aux mécanismes permettant de nous assurer de la sincérité des recommandations.

Nous n’avions pas souhaité initialement divulguer les mécanismes que nous avons imaginés pour contrer les déviances potentielles d’un réseau de recommandations. En effet, ces garde-fous concentrent l’essentiel de la valeur ajoutée de DesBons. Mais il apparaît clairement que nous devrons être un peu plus diserts sur nos outils pour éviter les procès d’intention.

A ce stade de la réflexion, nous souhaitons néanmoins faire remarquer que nous disposons d’un modèle concret et éprouvé : Google. Le célèbre moteur de recherche est fondé sur l’analyse systémique et subjective de l’information, des réseaux de liens qui unissent les documents, plutôt que sur l’analyse objective du contenu des pages.  Une des meilleures garanties contre la manipulation de son index est le secret volontaire qui entoure son algorithme de classement. Google n’a pas eu besoin de convaincre du bien fondé de son principe révolutionnaire : les résultats obtenus ont balayé les réserves. Même ceux qui critiquent la subjectivité de son classement l’utilisent au quotidien, tout simplement parce qu’il fonctionne mieux que les autres et en fait le preuve au quotidien.

Google a introduit une mesure subjective de la pertinence de l’information, en rupture avec la mesure objective qui prévalait dans les anciens moteurs de recherche. En effet, les anciens moteurs de recherche analysaient les pages pour y détecter les titres, les mots-clés, le nombre d’occurrences des mots cherchés. Le gros défaut de la mesure objective, c’est qu’elle est paradoxalement la plus facile à falsifier. Une fois la méthode connue, certains optimisent leurs pages pour obtenir un bon classement.

Or ce qui existait avec les moteurs de recherche « prégoogleliens » est la règle actuelle dans le monde de la santé : sous prétexte d’une évaluation objective, nous évaluons mal. Nous constatons tous le résultat de cette dérive dans les palmarès publiés régulièrement par l’Express ou Le Point.

Avec la mesure subjective, la manipulation des résultats est devenue paradoxalement beaucoup plus complexe car il est plus difficile d’influencer de nombreux auteurs que d’optimiser une page. La subjectivité (ou pairjectivité) qui est au coeur de DesBons représente donc un avantage et non un handicap. Cette puissance de la subjectivité est souvent difficile à accepter pour des esprits cartésiens.

Contrairement à Google, nous n’avons pas la possibilité d’utiliser des liens existants, et nous devons donc motiver des médecins pour créer ces liens et ce réseau.

Mais contrairement à Google, nous avons fait le choix de faire participer des acteurs clairement identifiés, ce qui diminue le danger de manipulation de l’index.

Comme Google, nous allons introduire de la rétroaction : les recommandations d’un médecin qui fait de bonnes recommandations auront un poids plus fort. Celles d’un médecin qui fait des recommandations suspectes auront peu d’impact. Reste bien sûr à définir le concept de « bonne recommandation » mais nous en reparlerons.

Comme Google, nous allons introduire de la récursivité : un médecin souvent recommandé aura plus de poids dans ses propres recommandations.

Comme commence à le faire Google et comme le fait Amazon depuis longtemps, nous allons tenir compte des recommandations d’un médecin pour lui proposer des confrères : Vous avez acheté ce livre, d’autres personnes qui ont acheté ce livre ont aussi acheté…

La synthèse accessible à chaque utilisateur lors d’une requête sera fortement personnalisée. Outre l’intérêt évident de trouver des correspondants avec lesquels ont est susceptible d’être en phase, cette personnalisation encourage la sincérité  : en falsifiant ses recommandations, le médecin utilisateur falsifierait le résultat de ses propres recherches.

Notre pari est qu’en intégrant des pondérations subtiles et en partie secrètes dans notre algorithme, nous allons faciliter un équilibre qui permettra l’expression d’un sociogramme riche en renseignements.

Une chose nous paraît néanmoins certaine : il n’y a rien, absolument rien de pire que l’évaluation du travail humain fondé sur l’analyse objective d’indicateurs prédéterminés. Prenez-vous donc au jeu : faites avec nous le pari de Desbons. Il n’y a rien à perdre et énormément à gagner en terme de repositionnement de l’Humain dans le soin et son évaluation.

Pour réagir à cet article, rendez-vous sur le forum.

La détection de la fraude par l’analyse des données ? L’exemple du Jeu en ligne

Les sites de Poker en ligne connaissent un grand succès. Il est tentant de tricher en se groupant à plusieurs à la même table et en manipulant les autres joueurs par des bluffs concertés. En pratique, c’est devenu quasiment impossible. En effet, des algorithmes mathématiques évaluent en permanence le comportement des joueurs. Un joueur qui fait preuve d’une réussite anormale lorsqu’il joue avec d’autres joueurs sera immanquablement détecté.

De même, un joueur qui aurait accès au jeu des autres est vite démasqué. C’est arrivé récemment : un ancien administrateur d’un site de Poker avait gardé des accès lui permettant de voir les cartes des autres joueurs.  Des aberrations inexplicables dans sa courbe de gains (en fonction de ses cartes et de celles des autres) ont permis de le démasquer. En pratique, il existe des outils puissants qui permettent de détecter les anomalies de comportement. Du fait de leur intérêt pour démasquer la fraude, ils sont peu médiatisés…