L’impression 3D, solution à la modélisation du Big Data ?

Avec toutes les données produites chaque jour par les réseaux sociaux notamment, la modélisation des tendances devient un enjeu essentiel, et l’impression 3-D pourrait être une des pistes à exploiter.

Le fil d’actualité twitter génère aujourd’hui 500 millions de tweets par jour, et même si des initiatives sont en cours pour isoler les tendances et extraire des informations utiles de cet énorme amas de données, la modélisation reste encore compliquée.

L’une des solutions les plus courantes pour la modélisation de telles données sont les cartes interactives.

C’est en tout cas ce modèle qu’ont employé des chercheurs de l’université du Colorado Boulder travaillant sur l’utilisation de Twitter pour constater les dégâts d’une catastrophe naturelle via la géolocalisation des photos des dégâts prises par les sinistrés.

Plus abouti encore, l’exemple de l’action menée par l’entreprise Palantir durant l’ouragan Sandy. Pour cela, elle s’est appuyée sur l’analyse des données en temps réel émises par les sinistrés. L’entreprise, fondée en 2004 notamment par le célèbre Peter Thiel et installée à Palo Alto, est connue pour ses relations avec la CIA et la NSA, car sa technologie permettant la modélisation des données est inégalée.

Au Lincoln Laboratory du MIT à Lexington, les chercheurs Zachary Weber et Vijay Gadepally ont pour leur part choisi d’innover dans le domaine de la modélisation de données en s’appuyant sur les techniques d’impression 3D.

En effet, sur le campus du MIT, une imprimante 3D a été utilisé epour créer une maquette du campus, grâce à des lasers analysant les buildings et autres infrastructures. Les chercheurs ont ensuite isolés tous les tweets provenant des étudiant en fonction du lieu où ils sont émis, et sont capables de les retranscrire sur la maquette en 3D. Les étudiants ont alors la possibilité de voir quel type de contenus est généré sur quelle partie du campus. Les chercheurs comptent ensuite modéliser les flux des fils Twitter en fonction du temps et de l’espace, afin d’étudier la vie du campus.

Pour les chercheurs, l’avantage réside dans une modélisation "fixée" des données, et le fait qu’elles soient accessibles par tous sur un support commun et physique. L’idée future est de pouvoir implémenter des données provenant de différentes sources dans un modèle 3D unique, mais la solution est encore très couteuse pour un seul type de données.