Ca veut rien dire en fait car admettons que la recherche que tu mènes ait pour but de tester l'influence de tel produit sur le cycle de reproduction de tel animal et qu'au final tu ne mettes en évidence aucune corrélation. C'est tout de même un résultat, tu as mis en évidence que ce produit n'impactait pas le cycle de cet animal.
Un résultat "négatif" est donc tout de même un résultat.
En fait ça dépend surtout du domaine de recherche.
Un résultat négatif alors qu'on s'attendait à un positif peut faire avancer le schmilblick de façon importante.
Ouais ça dépend vraiment parce que de nos jours plein de journaux n'acceptent plus de papiers qui étudient des corrélations sans explication mécanistique. Bref un résultat négatif est souvent largement insuffisant sans une explication détaillée du pourquoi du comment.
Le truc c'est qu'aujourd'hui il est très aisé de générer des petabytes de résultats et de le traiter statistiquement pour en dériver des corrélations. Mais tu sais tout comme moi que corrélation n'équivaut pas causalité. Pour certains trucs c'est évident (on connait tous les courbes de corrélation entre les actes de piraterie maritime et la température moyenne) pour d'autres trucs pointus moins. Bref c'est facile de noyer le poisson dans des masses de stats, d'ou les exigences a la hausse dans pas mal de journaux.
Ce n'est pas la taille qui compte mais la manière dont tu l'utilises. Il y a et il y aura beaucoup de déception avec le Big data. Ce n'est qu'un outil pas une formule magique pour tout resoudre.