##MT##Le Big Data a le pouvoir de prédire l’heure de votre mort#/MT##
Avez-vous déjà pensé que le Big Data pouvait prédire l’heure de votre décès ? Récemment, j’ai rencontré une application sur Facebook qui me posait certaines questions comme « à quelle fréquence faites-vous du sport (retrouver sa ligne avec MyFitnessPal !) ? Est-ce que vous buvez/fumez ? » et me donnait ensuite l’année de ma mort. Vous êtes nombreux à avoir rencontré des applications similaires. Comment fonctionnent-elles ? Ces applications utilisent certaines équations qui mélangent des tables actuarielles avec des faits spécifiques concernant la santé, l’âge, le mode de vie, les activités dangereuses ou les loisirs d’une personne, voire son casier judiciaire, ses finances ou son permis de conduire, pour calculer une date de décès approximative. Ces applications et autres calculateurs d’heure de décès/mortalité vont évoluer à un tout autre niveau avec l’aide du Big Data.
En fait, les compagnies d’assurance s’appuient depuis longtemps sur une équation pour calculer la probabilité de décès afin de séparer les personnes à risque (c’est-à-dire malades ou susceptibles de le devenir) des personnes désirables (c’est-à-dire en bonne santé et susceptibles de le rester), avant de vendre des polices d’assurance. Les compagnies d’assurance vie appellent ce processus « tarification ». Mais aujourd’hui, avec l’explosion des données et des outils avancés, les calculateurs de mortalité deviennent beaucoup plus performants et sophistiqués.
Les entreprises peuvent analyser toutes sortes de données, depuis les décès naturels, les accidents, les suicides, les morts violentes et les décès résultant d’une catastrophe naturelle jusqu’aux antécédents médicaux, aux activités sur les médias sociaux, à l’utilisation des téléphones portables, aux casiers judiciaires, etc. pour faire une prédiction.
Comment les entreprises sont-elles capables de faire la prédiction de décès ? La plupart des entreprises évaluent le risque de mortalité en utilisant l’analyse prédictive qui dépasse les limites des méthodes actuarielles standard qui ne peuvent évaluer le risque de mortalité qu’à partir d’une poignée de facteurs tels que l’âge, le sexe, les habitudes de consommation de tabac et d’alcool, l’indice de masse corporelle et les perspectives psychologiques. L’analyse prédictive peut inclure un plus grand nombre de facteurs, et les combiner pour chaque individu faisant l’objet d’une prédiction à l’aide de modèles mathématiques plus sophistiqués.
Maintenant, il existe trois raisons assez bien connues de prédire quand la mort d’un individu surviendra.
L’assurance-vie : Les assureurs-vie sont des pionniers dans le domaine de l’analyse personnelle depuis plus de 100 ans et ils prédisent la disparition des individus car les politiques de prix varient en fonction de l’espérance de vie prédite.
Soins de santé : Les soins de santé prédisent la mort pour aider à la prévenir. Les prédictions sont utilisées pour conseiller sur le risque de décès en chirurgie en fonction de l’état actuel, des antécédents médicaux, des prescriptions de médicaments, etc. pour aider à prendre des décisions médicales. Des outils statistiques pourraient détecter les patients diabétiques ayant la plus forte probabilité d’être hospitalisés l’année suivante en fonction de leur âge, des maladies chroniques coexistantes, de l’adhésion aux médicaments et des habitudes de soins antérieures.
Application de la loi et armée : L’armée mène des recherches pour prédire analytiquement les attaques terroristes et évaluer le risque de suicide des soldats après une hospitalisation. De nouveaux éléments issus d’une étude de l’armée suggèrent que l’analyse des données obtenues auprès des soldats hospitalisés pour des problèmes mentaux peut permettre d’améliorer la prédiction des personnes les plus à risque de se suicider.
Il ne s’agit là que d’une petite fraction des façons dont les entreprises/organisations utilisent les données pour prédire le moment de la mort et notre comportement.
