Données massives, vous avez dit données massives ?

Abstract

Le terme de données massives décrit le recueil, la gestion et l’analyse de données de sources hétérogènes, d’un volume important, avec une grande vitesse de génération. À côté des données omiques, les données de capteurs, les smartphones et les réseaux sociaux créent une énorme quantité d’informations utilisables en épidémiologie. Les méthodes statistiques classiques ont des limites dans ce contexte qu’on soit dans la situation où l’on a un grand nombre de sujets et un grand nombre de variables ou dans celle où le nombre de variables est bien plus grand que le nombre de sujets. Les méthodes data-driven ou hypothesis-driven peuvent être utilisées pour réduire l’information et aider à l’interprétation des associations mises en évidence. Nous illustrons les aléas et les succès de quelques approches développées sur les données massives dans le champ des maladies transmissibles. Il faut garder à l’esprit que les données massives ne sont pas une solution magique pour l’interprétation causale des associations, au cœur de la démarche épidémiologique.