Schedule Objectives Organization

Course Information

• When: Tuesdays from 11h to 12h40

• Where: Room A7 / L28
• Who:
• Dr. Houda Benbrahim
• Dr. Lamia Benhiba
• Dr. Yasser ElAlami
Par: Houda Benbrahim • Contact: houda.benbrahim@ensias.um5.ac.ma , with subject: ENSIAS-

2023 - 2024 •
BI&A: …

2 H. Benbrahim

1 2
 Schedule Objectives Organization Schedule Objectives Organization

Course Objectives Course Outline

P1: Module 1 - Big Data Engineering
• This course aims to introduce you to the concepts behind Big Data, the core Lectures
Introduc on to Big Data
technologies used in managing large-scale data sets, and a range of
Big Data Infrastructure
technologies for developing solu ons to large-scale data analy cs Big Data Landscape
Big Data Integra on & Processing
problems. Big Data Solu ons for Data warehousing
Labs

• The course is focussing on theory and applying some technologies P1: Module 2 - Big Data Analy cs
Lectures
• Theory Introduc on to Big Data Analy cs
• Big Data infrastructure (Hadoop, HDFS, MapReduce …) Scalable Machine Learning Algorithms
Streaming Analy cs
• Analy cs, Advanced Topics Use cases of Big Data Analy cs (Recommenda on systems, Graph Analy cs..)
• Applying technology Labs

• Learning about various state-of-the art technology P2: Module 3 - Big Data Project
Project
3
• Spark H. Benbrahim 4 H. Benbrahim

3 4
ti
ti
ti
ti
ti
ti
ti
ti
ti
ti
ti
ti
ti
 Schedule Objectives Organization

Grading policy

- P1: Module 1:
• Final wri en exam (lectures + labs)
- P1: Module 2:
• Final wri en exam (lectures + labs)
- P2: Module 3:
• Project report Par: Houda Benbrahim
• Project presenta on
2023 - 2024

5 H. Benbrahim

5 6
tt
tt
ti
 Section I: Big Data?
Le plan Chapter I: Introduction to Big Data
Le plan
Section II: Big Data Vs

Chapter II: HADOOP, HDFS, MapReduce & YARN Section III: Big Data issues
Big Data Engineering Chapter I:
Part I Introduction to Big Data

Section IV: Big Data Analytics

Chapter III: Horthonworks Data Platform HDP

Section V: Big Data Applications

Section VI: Conclusion

7 8
H. Benbrahim H. Benbrahim

7 8
 Section I: Big Data?
Le plan
Big Data, buzzword ?
Section II: Big Data Vs

• U lisé pour la première fois par John Mashey, scien que en chef à la retraite chez
Silicon Graphics, au milieu des années 90 pour désigner la manipula on et l'analyse
Section III: Big Data issues d'ensembles de données massives.

Chapter I: • Devenu un buzzword en 2012

Introduction to Big Data

Section IV: Big Data Analytics

Section V: Big Data Applications

Section VI: Conclusion

9 10
H. Benbrahim

9 10
ti
ti
fi
ti
 Big Data Hype, Hype ? Big Data Hype, 2013

• Les cycles du hype fournissent une représenta on graphique :

• de la maturité et de l'adop on des technologies et des applica ons,
• de la per nence de ces technologies et applica on pour résoudre de vrais
problèmes commerciaux et exploiter de nouvelles opportunités

11 12

11 12
ti
ti
ti
ti
ti
Big Data Hype, 2014 Big Data Hype, 2015

13 14

13 14
Big Data Hype, 2017 Data Science and Machine Learning Hype, 2021

15 16

15 16
Big? Data? Ere Big Data
Avancées technologiques
• Les données existent depuis toujours!!

• Puissance de calcul
• Quelles nouveautés dans l’ ère du big
data? • Networking
• Avancées technologiques • Stockage
• Le taux de croissance des données • Commodity hardware

H. Benbrahim H. Benbrahim

17 18
Ere Big Data Ere Big Data
Avancées technologiques: Puissance de calcul Avancées technologiques: Networking

• Les années 40s: • De nos jours:

• Ajouter soustraire 5000 fois/ • Un téléphone portable a plus de
seconde puissance de calcul que toute la
• Mémoire haute vitesse limitée à NASA en 1969
20 mots
• 20 tonnes
H. Benbrahim H. Benbrahim

19 20
Ere Big Data Ere Big Data
Avancées technologiques: Stockage Avancées technologiques: Stockage

• Les Data centres existent depuis les années 70.

• Très chers!
• Baisse des prix de stockage depuis le milieu des années 90!!

H. Benbrahim H. Benbrahim

21 22
Ere Big Data Ere Big Data
Avancées technologiques: Commodity Hardware Le taux de croissance des données

• Passage de super-ordinateurs parallèles propriétaires hautement coûteux/ • Nouvelles sources de données

spécialisés à des clusters d'ordinateurs • Toutes les activités sont suivies:
• Une panne matérielle est attendue et gérée
• Données d’activités
• Architecture de base, standard, abordable, rentable, évolutive et fiable
• les données de conversations
• Cloud :
• Les données vidéos et images
• Prêt à fonctionner avec un nouveau cluster
• Les données des capteurs
• Payez ce que vous utilisez
• Les données de l’internet des objets

H. Benbrahim H. Benbrahim

23 24
Ere Big Data Ere Big Data
Le taux de croissance des données Le taux de croissance des données

• Nouvelles sources de données • Nouvelles sources de données

• Toutes les activités sont suivies: • Toutes les activités sont suivies:
• Données d’activités • les données de conversations
• lecteurs numérique de musique et e-books recueillent les données sur nos • Les conversations sont maintenant enregistrées numériquement.
activités,
• Tout a commencé avec les e-mails, mais de nos jours, la plupart des
• Smartphones recueillent les données sur la façon dont on les utilise, conversations laissent une piste numérique, les conversations sur les médias
sociaux, les conversations téléphoniques, skype …
• navigateur Web recueille de l'information sur ce que l'on cherche,
•…
• les sociétés des cartes de crédit recueillent des données sur l'endroit où on fait
le shopping,
• les magasins recueillent les données sur ce qu’on achète,
•… H. Benbrahim H. Benbrahim

25 26
Ere Big Data Ere Big Data
Le taux de croissance des données Le taux de croissance des données

• Nouvelles sources de données • Nouvelles sources de données

• Toutes les activités sont suivies:
• Les données vidéos et images
• Les photos prises sur les Smartphones ou les appareils photos numériques
sont téléchargées et partagées sur les reseaux sociaux ...
• Le nombre croissant de caméras de vidéosurveillance qui prennent des
images et des centaines d'heures de vidéo et qui sont téléchargées sur
youtube ou d’autres.
• …
• Toutes les activités sont suivies:
• Les données des capteurs
• les capteurs recueillent et partagent les données ...
• Les smartphones contiennent des capteurs de positionnement global pour
suivre exactement où l'on est à chaque seconde de la journée, et aussi pour
suivre la vitesse et la direction à laquelle on se déplace ...
• Il existe des capteurs dans de nombreux dispositifs et produits …
• …

H. Benbrahim H. Benbrahim

27 28
Ere Big Data Ere Big Data
Le taux de croissance des données Le taux de croissance des données, 2020

• Nouvelles sources de données

• Toutes les activités sont suivies:
• Les données de l’internet des objets
• Téléviseurs intelligents, montres intelligentes, réfrigérateurs intelligents,
alarmes intelligentes ...
• L'Internet des objets relie ces dispositifs de sorte que par ex. Les capteurs de
la circulation sur la route envoient des données à votre réveil qui va vous
réveiller plus tôt que prévu car la route est bloquée, et cela signifie que vous
devez partir plus tôt pour faire votre réunion de 9h …
• …

H. Benbrahim H. Benbrahim

29 30
Ere Big Data Big Data
Le taux de croissance des données, 2023 Definition

Informatique Classique Statistique Autres

Data qui dépasse la Données avec un grand Taille d'échantillon non

mémoire principale nombre d’observations traditionnelle. Impossible
et / ou de caractéristiques d'analyser avec les outils
de statistiques (Excel)

H. Benbrahim H. Benbrahim

31 32
Big Data Big Data
Definition Definition

"Big Data refers to the dynamic, large and disparate volumes of data being created by "Collection of data from traditional and digital sources inside and outside a company that
people, tools and machines. It requires new, innovative, and scalable technology to represent a source of ongoing discovery and analysis."
collect, host and analytically process the vast amount of data gathered in order to derive
real-time business insights that relate to consumers, risk, profit, performance,
"Le Big Data est une une collection de données provenant de sources traditionnelles et
productivity management and enhanced shareholder value. "
numériques à l'intérieur et à l'extérieur d'une entreprise qui représentent une source de
découverte et d'analyse. "
"Le Big Data fait référence aux volumes de données dynamiques, volumineux et ~ Lisa Arthur - Forbes
disparates créés par les personnes, les outils et les machines. Il nécessite une
technologie nouvelle, innovante et évolutive pour collecter, héberger et traiter
analytiquement la grande quantité de données collectées afin de tirer des informations
commerciales en temps réel relatives aux consommateurs, aux risques, aux bénéfices,
aux performances, à la gestion de la productivité et à l'amélioration de la valeur
actionnariale."
H. Benbrahim H. Benbrahim
~ Ernst and Young

33 34
 Section I: Big Data?
Le plan
Big Data
Section II: Les Vs du Big Data
Definition

"Big Data is high-volume, high-velocity, and/or high-variety information assets that

demand cost-effective, innovative forms of information processing that enable enhanced Section III: Les défis du Big Data
insight, decision making and process automation."
Introduction au Big Data
"Le Big Data est un actif d'information à haut volume, à grande vitesse et/ou à grande Section IV: Les applications du Big Data
variété qui exige des formes de traitement de l'information innovantes et rentables qui
permettent d'améliorer la compréhension, la prise de décision et l'automatisation des
processus."
~ Gartner Section V: Big Data Stack

36
H. Benbrahim H. Benbrahim

35 36
Caractéristiques du Big Data Caractéristiques du Big Data
Volume

• i.e. La taille des données.

• Il y a beaucoup de données.
• Ce n'est pas Terabyte mais zettabytes ou plus.
• Les données générées dans le monde entre le début
des temps et 2008, seront bientôt générées chaque
minute !! …
• 40ZB des données sont crées en 2020, soit une
augmentation de 300 fois par rapport à 2005
• La plupart des entreprises aux États-Unis ont au moins
100 To de données stockées.
• 6 milliards de téléphones portables (Population
H. Benbrahim mondiale: 7 milliards) H. Benbrahim

37 38
Caractéristiques du Big Data
Vélocité
• i.e. La vitesse de génération de données.
• Données en temps réel provenant de différentes
sources de données telles que les capteurs, les
caméras vidéo, les réseaux sociaux ...
• Big data doit gérer ce type de données …
• La Bourse de New York saisit 1 To d’informations
commerciales lors de chaque séance de négociation.
• Les voitures modernes ont prés de 100 capteurs qui
peuvent surveiller peuvent surveiller des éléments de
la voiture tels que le niveau de carburant et la pression
des pneus.
• Internet des objets (IoT)
H. Benbrahim
39
Caractéristiques du Big Data
Variété
• i.e. Différentes formes de sources de données.
• Données traditionnelles structurées.
• 80% des données sont non structurées, que ce soit du
texte, des images, de la vidéo, la voix, ….
• Big Data rassemble des données de différents types.
• Différentes sources générant différents types de données.
• Santé - en 2011, la taille mondiale des données relatives aux soins de santé était
estimée à 150 ExaB - en 2014, 420 millions de dispositifs mobiles ont été porté
• Données sociales - 30 milliards de contenus sont partagés sur Facebook tous les
mois - 400 millions de tweets / jour pour environ 200 millions d'utilisateurs actifs
par mois
H. Benbrahim
• Plus de 4 milliards d’heures / mois de vidéos sont visionnées sur YouTube
40
Caractéristiques du Big Data Caractéristiques du Big Data
Véracité Valeur

• i.e. L'incertitude des données. • Que pouvons-nous faire avec ces données?
• La plupart des données disponibles, par exemple • Quelle est la vision?
sur Internet, sont générées par les utilisateurs !!!
• i.e. capacité et besoin de transformer les données
• Combien ferons nous confiance à ces données? en valeur.
• Combien sont elles vrai? • La valeur n'est pas seulement le profit. Il peut s'agir
d'avantages médicaux ou sociaux, ou d'un client,
• Il suffit de penser twitter ou facebook? Allons-nous faire confiance aveuglément?
d'un employé ou d’une satisfaction personnelle.
• La qualité et la fiabilité des données sont moins contrôlable ...
• 1 dirigeant d'entreprise sur 3 Ne fait pas confiance aux informations qu’il utilise pour
prendre des décisions
• La mauvaise qualité des données coûte environ 3,1 milliards de dollars par an à
l'économie américaine.
H. Benbrahim H. Benbrahim

41 42
Caractéristiques du Big Data Caractéristiques du Big Data
Autres Vs Autres Vs

• Variabilité? • Viabilité ?
• i.e. Le contexte des données. • les données sont-elles pertinentes pour le cas d'utilisation actuel?
• Les mêmes données peuvent avoir des interprétations différentes dans des
contextes différents ....
• Volatilité ?
• à quelle fréquence les données changent-elles?
• Visualisation?
• i.e. Faire parler les données ...
• Vulnérabilité ?
• raconter l'histoire des données à l'aide des graphiques, des arbres, des
• pouvons-nous sécuriser les données?
cartes ...

H. Benbrahim H. Benbrahim

43 44
 Section I: Big Data?
Le plan
Caractéristiques du Big Data
Autres Vs Section II: Les Vs du Big Data

Section III: Les défis du Big Data

Introduction au Big Data

Section IV: Les applications du Big Data

Section V: Big Data Stack

46
H. Benbrahim H. Benbrahim

45 46
Les défis du Big Data Les défis du Big Data

• Problèmes de stockage et de transport • Problèmes de stockage et de transport

• Problèmes de gestion • La quantité de données disponibles a explosé ...

• Problèmes de traitement • la technologie actuelle du disque a des limites (il est 80 To par disque) ==> donc
1 exabyte nécessitera x disques ???
• Qualité Vs Quantité
• Même si nous pouvons avoir un seul système informatique .. accès à ces
• Propriété des données données va submerger les réseaux de communication actuels ...
• Conformité et sécurité
• … • Problèmes de gestion
• résolution des problèmes d'accès, d'utilisation, de mise à jour, ...

H. Benbrahim H. Benbrahim

47 48
Les défis du Big Data Les défis du Big Data

• Problèmes de traitement • Propriété des données

• supposons qu’un Exabyte de données doit être traitée !!! • qui possède les données?
• ➔ traitement parallèle massif est nécessaire pour obtenir des réponses rapides • Pétaoctets de données des médias sociaux réside dans les serveurs de
… Facebook! Mais est ce que cela veut dire que facebook est propriétaire de ces
données?

• Qualité Vs Quantité
• Conformité et sécurité
• Quelle quantité de données est nécessaire pour extraire une bonne
connaissance de celles-ci? • dans les domaines de la santé et les médias sociaux, les données sont
accumulées sur les individus.
• quantité suffisamment importante de données de qualité ...
• Il y a une crainte que certaines organisations savent trop sur les individus !!!
• la question clé est de savoir combien d'informations ou de données, nous
voulons garder privé ???
H. Benbrahim H. Benbrahim
• …

49 50
 Section I: Big Data?
Le plan Applications de Big Data
Section II: Les Vs du Big Data

Section III: Les défis du Big Data

Introduction au Big Data

Section IV: Les applications du Big Data

Section V: Data Ethics

51
H. Benbrahim H. Benbrahim

51 52
Applications de Big Data Applications de Big Data

• Services Financiers • Services de Santé

• Problème: • Problème:
• Les banques sont confrontées à de nombreux défis alors qu'elles s'efforcent de • Les informations médicales
retrouver les marges bénéficiaires d'avant 2008, notamment la réduction des doublent tous les cinq ans, et la
taux d'intérêt, l'instabilité des marchés financiers, le renforcement des plupart d'entre elles ne sont pas
réglementations et la baisse des actifs performants. structurées.
• Solutions: • 81 % des médecins déclarent consacrer 5 heures ou moins par mois à la
lecture de revues médicales.
• Grace au big data et de l’analytique, les banques peuvent générer de nouvelles
sources de revenus. • "La médecine est devenue trop complexe (et seulement) 20 % environ des
connaissances que les cliniciens utilisent aujourd'hui sont fondées sur des
• https://youtu.be/1RYKgj-QK4I
preuves" - Steven Shapiro, directeur médical et scientifique, UPMC
• "...pour se tenir au courant de l'état de l'art, un médecin devrait consacrer 160
heures par semaine à la pérégrination de documents..." - The Economist, 14
H. Benbrahim H. Benbrahim
février 2013

53 54
Applications de Big Data
• Services de Santé
• Médecine de précision
• Modèle médical qui propose la personnalisation des soins de santé, les
décisions, pratiques et/ou produits médicaux étant adaptés à chaque patient.
• Les tests de diagnostic sont souvent employés pour sélectionner les thérapies
appropriées et optimales en fonction du contexte, du contenu génétique d'un
patient, ou d'autres analyses moléculaires ou cellulaires.
H. Benbrahim
55
Applications de Big Data
• Services de Santé
• Un scenario:
• Linda est une personne diabétique.
• Linda consulte son médecin pour son examen annuel.
• Linda ressent des symptômes tels que la fatigue, le stress et l'irritabilité.
• Dans un monde de big data, le médecin de Linda a une vue à 360° de son historique de santé : régime
alimentaire, rendez-vous, exercice, tests de laboratoire, signes vitaux, ordonnances, traitements et allergies.
• Le médecin enregistre les préoccupations de Linda dans son dossier médical électronique. Ils ont constaté
que les patients comme Linda ont du succès avec un programme de bien-être qui est couvert par son régime
d'assurance maladie.
• Lorsque Linda adhère au programme de bien-être, elle accorde au diététicien et au formateur l'accès à ses
dossiers.
• Le formateur voit les enregistrements précédents.
• Une analyse big data des résultats des autres membres comme Linda suggère au formateur un programme
qui profite à Linda.
• Le formateur recommande à Linda de télécharger une application qui transmet son activité et ses signes
vitaux à son équipe de soins.
• Grâce à un accès sécurisé à son programme de bien-être, Linda suit l'évolution de sa santé.
• Grâce à l'analyse des big data, l'équipe soignante de Linda voit comment elle progresse.
• Grâce à ces informations, le régime de santé ajuste le programme pour en accroître l'efficacité et le propose
à d'autres patients comme Linda.
H. Benbrahim
56
Applications de Big Data Applications de Big Data

• Services de Santé et sciences de la vie • Services Financiers

• Problème: • Problème:
• De grandes quantités d'informations en temps réel commencent à provenir • Gérer plusieurs pétaoctets de données qui croîent à 40-100% par an sous
des dispositifs de surveillance sans fil que les patients postopératoires et les une pression croissante pour prévenir les fraudes.
personnes atteintes de maladies chroniques portent à la maison et dans leur
• Comment le big data analytics peut aider:
vie quotidienne.
• Détection de fraude
• Comment l'analyse des mégadonnées peut vous aider :
• Gestion de risque
• Alerte épidémique précoce
• Vue client à 360°
• Unité de soins intensifs et télésurveillance

H. Benbrahim H. Benbrahim

57 58
Applications de Big Data Applications de Big Data

• Services de Télécommunication • Services de Transport

• Problème: • Problème:
• Les anciens systèmes sont utilisés pour acquérir des connaissances à partir • La congestion du trafic a augmenté dans le monde entier en raison de
de données générées en interne, confrontées aux problèmes de coûts l'augmentation de l'urbanisation et de la croissance de la population, cela a
élevés de stockage, de temps de chargement de données, et long processus réduit l'efficacité des infrastructures de transport et a augmenté le temps de
d'administration. Voyage et la consommation de carburant
• Comment le big data analytics peut aider: • Comment le big data analytics peut aider:
• prédiction du churn • Analyse en temps réel des conditions météorologiques ainsi que les flux de
données de la circulation pour identifier des modèles de trafic réduisant les
• Geomapping / marketing
coûts de transport.
• Surveillance du réseaux

H. Benbrahim H. Benbrahim

59 60
 Applications de Big Data Data: Sources

• Operations: • Les données internes de l’entreprise

• https://youtu.be/2v5AKS9GA1g • Les données externes : Web
• Transportation: • Les données externes : Open Data
• https://youtu.be/kvJy-Iy0Lnc • Les données externes : Les réseaux sociaux
• Retail: • ==> cr er de la valeur en exploitant et/ou en croisant toutes ces donn es
• https://youtu.be/l3oj9qhKbrs
• Industrie
• https://youtu.be/CZdLwq2U4EE

H. Benbrahim H. Benbrahim

61 62
é
é
Data: Aspects Ethiques Data: Aspects Ethiques
Ex.
• Ethiques des données ?
• ce sont les obligations morales liées à la collecte, à la protection et à l'utilisation • Les cartes de fidélité des supermarchés:
d'informations personnellement identifiables et la manière dont elles affectent
• permettre aux clients de réaliser des économies.
les individus.
• Mais: Recueillir des données riches pour essayer de vendre plus de produits.
• ça pose les question suivantes : "Est-ce la bonne chose à faire ?" et "Pouvons-
nous faire mieux ?". • Le prix à payer pour être plus à l'abri des attaques terroristes est une surveillance
invasive pour tous les membres de la société
• L'éthique des données a une grande importance pour toute personne qui manipule
des données, et doit toutefois en connaître les principes de base.
• La compréhension de l'éthique des données permet de protéger la sécurité des
clients et éviter les problèmes juridiques aux entreprises.

H. Benbrahim H. Benbrahim

63 64
Data: Aspects Ethiques, les principes
• Propriété:
• Est ce qu'une personne est propriétaire de ses informations personnelles?
• Tout comme il est considéré comme un vol de prendre un objet qui ne vous
appartient pas, il est illégal et contraire à l'éthique de collecter les données
personnelles d'une personne sans son consentement.
• Moyens courants d'obtenir le consentement:
• les accords écrits signés,
• les politiques de confidentialité numérique qui demandent aux utilisateurs
d'accepter les conditions générales d'une entreprise,
• les fenêtres pop-up avec cases à cocher qui permettent aux sites web de
suivre le comportement en ligne des utilisateurs à l'aide de cookies.
• On ne suppose jamais qu'un client est d'accord pour qu’on collecte ses données
H. Benbrahim
65
Data: Aspects Ethiques, les principes
• Transparence
• les personnes concernées ont le droit de savoir comment leurs données sont
collectées, stockeées et utilisées.
• Ex.
• une entreprise qui a décidé de mettre en œuvre un algorithme pour
personnaliser l'expérience sur le site web en fonction des habitudes
d'achat des individus et de leur comportement sur le site.
• rédiger une politique expliquant que les cookies sont utilisés pour suivre le
comportement des utilisateurs et que les données collectées seront
stockées dans une base de données sécurisée et entraîneront un
algorithme qui fournira une expérience personnalisée du site web.
• L'utilisateur a le droit d'avoir accès à ces informations afin de pouvoir
décider d'accepter les cookies du site ou de les refuser.
H. Benbrahim
66
Data: Aspects Ethiques, les principes Data: Aspects Ethiques, les principes

• Vie privée • Intention

• Il faut garantir la confidentialité des personnes concernées. • Il faut définir le besoin avant de collecter les données. Si l’ intention est de faire
du mal à autrui, de profiter des faiblesses des sujets ou de tout autre objectif
• ex. Même si un client autorise à une entreprise de collecter, stocker et analyser
malveillant, il n'est pas éthique de collecter leurs données.
ses informations personnelles identifiables (IPI), cela ne signifie pas qu'il
souhaite que celles-ci soient accessibles au public. • Ex. est-il nécessaire de demander aux participants s'ils ont des problèmes de
santé mentale ? Ces données peuvent être sensibles, et les collecter alors
• Les IPI sont toutes les informations liées à l'identité d'un individu: le nom
qu'elles ne sont pas nécessaires n'est pas éthique.
complet, date de naissance, adresse postale, le numéro de téléphone, carte de
sécurité sociale, informations sur la carte de crédit, numéro de compte • Règle d’or: collecter la quantité minimale viable de données, afin de prendre le
bancaire, numéro de passeport, … moins possible à vos sujets tout en faisant la différence.
• Pour protéger la vie privée des personnes, if faut sécuriser les données par mot
de passe à double authentification et le cryptage des fichiers.
• Pour analyser les données, on peut les anonymizer. Cela permet de trouver des
relations entre les variables d'intérêt sans associer des points de données
spécifiques à des identités individuelles. H. Benbrahim H. Benbrahim

67 68
Data: Aspects Légaux et Juridiques
Big Data, Avenir?
• La protection des données personnelles
• Les obligations légales des entreprises (anonymisation, droit à l’oubli)
• Big Data et réglementation CNIL

H. Benbrahim H. Benbrahim

69 70