Le transhumanisme est une approche interdisciplinaire qui nous amène à comprendre et à évaluer les avenues qui nous permettrons de surmonter nos limites biologiques par les progrès technologiques.
Le 29 mars 2018, au Collège de France, le Président de la République a présenté sa vision et sa stratégie pour faire de la France un pays leader de l’intelligence artificielle.
Les 10 messages clés du rapport
1. Favoriser l’émergence d’un écosystème européen de la donnée
La donnée est le matériau premier de l’intelligence artificielle et tient une place peut-être encore plus importante que celle des algorithmes. Afin de créer un environnement favorable pour les entreprises et chercheurs européens, il est essentiel de mener une politique de la donnée offensive qui vise à favoriser son accès, son partage et sa circulation. Dans cet objectif, la politique d’ouverture des données publiques doit être renforcée et l’État doit contribuer à la constitution de « communs de la donnée », des plateformes de partage de données entre acteurs économiques d’un même secteur. En lien, notamment, avec les réformes européennes en cours, il nous faut également aller plus loin dans l’ouverture des données détenues par les acteurs privés dans certains secteurs particulièrement clés (transport, santé…), à des fins de recherche ou d’intérêt général. Cette politique de la donnée doit enfin s’articuler avec un objectif de souveraineté, d’autonomie stratégique pour la France et l’Europe.
2. Créer un réseau de recherche d’excellence en IA
La recherche est le fer de lance du développement de l’IA et la France tient une place reconnue dans ce domaine, du fait de l’excellence de son école mathématique et informatique. Néanmoins, la recherche française souffre de plusieurs maux : trop faible niveau de rémunération et trop grande rigidité administrative, qui entraînent aujourd’hui une fuite des cerveaux vers l’étranger et les grands acteurs privés, accentuant encore le manque d’enseignants du supérieur alors que l’on manque cruellement d’étudiants formés à l’IA ; manque de recherche et de formation réellement interdisciplinaires ; manque de fluidité dans ses relations avec le monde industriel dans un domaine où la proximité est cruciale… Pour pallier ces manques, un réseau d’instituts interdisciplinaires irriguant le territoire pourrait être mis en place, permettant de regrouper sous un même drapeau l’ensemble des acteurs de l’enseignement-recherche français en IA. Conçus comme de véritables « zones franches de l’IA » (allègement des formalités administratives du quotidien, compléments de salaires, renforcement de la porosité des parcours publics et privés…), ces lieux devront permettre d’attirer les meilleurs chercheurs français et internationaux. Ils devront enfin offrir à ces acteurs des moyens de calcul conséquents dignes de leurs ambitions.
3. Concentrer l’effort économique et industriel sur 4 domaines prioritaires
Face aux géants chinois et américains, la France et l’Europe doivent concentrer leurs efforts sur des secteurs spécifiques où il est encore possible de faire émerger des acteurs d’excellence. La quantité et la qualité des données disponibles, l’importance en termes économique et d’intérêt général, la présence d’un écosystème naissant ainsi que la nécessité d’un rôle actif de l’État sont autant de facteurs ayant permis de déterminer quatre secteurs : santé, transport-mobilités, écologie et défense-sécurité.
4. Structurer le soutien à l’innovation sur de grands défis et expérimenter
Notre mission recommande de structurer le soutien à l’innovation autour de grands défis sectoriels, déterminés au plus près du terrain et répondant à des objectifs d’intérêt général : détection précoce des pathologies, médecine des 4 P (personnelle, prédictive, préventive, participative), disparition des déserts médicaux, mobilité urbaine zéro émission… Cette mobilisation des écosystèmes pourra s’accompagner de la mise en place d’espaces d’expérimentation, permettant aux développeurs d’IA (chercheurs, entreprises) de tester leurs solutions « en situation réelle » et de bénéficier d’un accompagnement dans leurs parcours d’innovation.
5. Créer un Lab public de la transformation du travail
Les incertitudes sont immenses face aux transformations du travail que va occasionner l’intelligence artificielle et l’automatisation : on sait néanmoins qu’elles risquent d’être extrêmement importantes et qu’elles vont toucher la plupart des métiers. Pour y faire face, une structure ad hoc pourrait être créée : elle aurait pour missions d’anticiper, en produisant des travaux de prévision et d’anticipation, pluridisciplinaires, mais également, et surtout, d’expérimenter. Expérimenter des dispositifs d’accompagnement et de formation pour les populations potentiellement les plus touchées par l’automatisation, mais plus largement des modalités nouvelles de production et de répartition de la valeur, au niveau territorial.
6. Expérimenter un dialogue social au niveau de la chaîne de valeur pour financer la formation professionnelle
Le développement de l’intelligence artificielle s’accompagne souvent de transferts massifs de valeur au profit des entreprises qui développent les dispositifs d’IA. Ces entreprises — par exemple une startup développant un logiciel pour la voiture autonome — participent à modifier largement les métiers des salariés des autres entreprises composant la chaîne de valeur — les constructeurs automobiles, dans cet exemple. Or, bien qu’elles captent une partie toujours plus importante de la valeur, elles ne participent pas au financement des dispositifs d’aide à la formation et à la transition professionnelle des salariés des autres entreprises de la chaîne de valeur : en effet le financement de la formation professionnelle est assis sur la masse salariale de chaque entreprise. Il est donc proposé d’expérimenter, via le dialogue social, de nouvelles modalités de financement pour tenir compte des transferts de valeur.
7. Tripler le nombre de personnes formées à l’IA d’ici 2020
Un objectif clair doit être fixé : à horizon trois ans, multiplier par trois le nombre de personnes formées en intelligence artificielle en France, à la fois en faisant en sorte que l’offre de formation existante s’oriente vers l’IA, mais également en créant de nouveaux cursus et de nouvelles formations à l’IA (doubles cursus droit-IA par exemple, modules généraux…). L’ensemble des niveaux (bac +2, bac +3, master, doctorats) doit faire l’objet d’attention.
8. Se donner les moyens de transformer les services publics grâce à l’IA
L’intelligence artificielle doit permettre de transformer les services publics, à la fois pour améliorer l’efficacité du fonctionnement des administrations, mais également pour améliorer l’accès au droit, faciliter les démarches administratives, évoluer vers des services publics plus personnalisés. Pour ce faire le rôle de la direction interministérielle du numérique et du système d’information et de communication de l’État (DINSIC) pourrait notamment être renforcé pour intégrer un pôle de compétences mutualisé en IA, chargé d’accompagner les administrations dans leur transformation. Un coordinateur interministériel pourrait être nommé afin de mettre en œuvre cette stratégie.
9. Intégrer les considérations éthiques à tous les niveaux, de la conception des solutions d’IA jusqu’à leur impact dans la société
Les algorithmes d’intelligence artificielle sont amenés à jouer un rôle toujours plus important dans nos vies (aide à la décision judiciaire, attribution de crédits, appui aux politiques de sécurité et défense…). Or est parfois difficile de comprendre comment sont prises leurs décisions et suivant quels critères. Il apparaît donc nécessaire que les pouvoirs publics se dotent d’une fonction d’audit de ces algorithmes — par exemple un corps d’experts publics assermentés. Dans le cadre d’une procédure judiciaire ou sur saisine du Défenseur des droits, il pourrait être alors possible de mettre au jour le fonctionnement des algorithmes et en révéler les potentiels erreurs ou biais discriminatoires. Il est par ailleurs nécessaire de faire vivre le débat éthique dans la société. À ce titre un Comité d’éthique sur les technologies numériques et l’intelligence artificielle pourrait être constitué. Ses avis et recommandations pourraient servir de standard à l’industrie. Ce comité serait en outre chargé d’animer le débat de société sur l’IA et de mettre en valeur les initiatives spontanées de réflexion sur l’éthique. Les développeurs doivent enfin prendre en compte les conséquences sociales des solutions d’IA qu’ils développent : l’étude d’impact, rendue obligatoire par la législation européenne sur la protection des données s’agissant des algorithmes présentant un risque pour la vie privée des individus, pourrait utilement être complétée par une étude d’impact sur les risques de discrimination des solutions d’IA.
10. Porter une politique audacieuse de féminisation du secteur de l’IA
En 2016, on dénombrait moins de 10 % de femmes dans les écoles d’ingénieur en informatique. Afin d’éviter que les algorithmes d’IA ne contribuent à reproduire des biais de genre du fait du manque de diversité de ceux qui les développent, il est essentiel de mettre en place une politique audacieuse de féminisation du secteur numérique. Ainsi il pourrait être instaurée une politique incitative visant à atteindre un seuil de 40 % d’étudiantes dans les filières du numérique (classes préparatoires et filières des grandes écoles et des universités) d’ici 2020.
L’Intelligence Artificielle au service de l’humain
La stratégie française sur l’Intelligence Artificielle
Diffusé en direct le 29 mars 2018
Définir l’intelligence artificielle (IA) n’est pas chose facile. Le champ est si vaste qu’il est impossible de la restreindre à un domaine de recherche spécifique; c’est plutôt un programme multidisciplinaire. Si son ambition initiale était d’imiter les processus cognitifs de l’être humain, ses objectifs actuels visent plutôt à mettre au point des automates qui résolvent certains problèmes bien mieux que les humains, par tous les moyens disponibles. Ainsi l’IA vient au carrefour de plusieurs disciplines : informatique, mathématique (logique, optimisation, analyse, probabilités, algèbre linéaire), sciences cognitives… sans oublier les connaissances spécialisées des domaines auxquelles on souhaite l’appliquer. Et les algorithmes qui la sous-tendent reposent sur des approches tout aussi variées : analyse sémantique, représentation symbolique, apprentissage statistique ou exploratoire, réseaux de neurones, etc. L’essor récent et foudroyant de l’intelligence artificielle s’explique par les avancées importantes en matière d’apprentissage automatique (machine learning). Les techniques d’apprentissage constituent une révolution par rapport aux approches historiques d’IA : plutôt que de programmer les règles (souvent beaucoup plus complexes qu’on ne l’aurait cru) qui président à la réalisation d’une tâche, il est désormais possible de laisser la machine les découvrir elle-même. Le développement de l’IA se fait également dans un contexte marqué par la ‘mise en données’ du monde, qui touche tous les secteurs et par le décuplement des puissances de calcul et de stockage des informations. Les applications se multiplient et touchent directement notre quotidien : reconnaissance d’images, voiture autonome, détection de maladies, recommandation de contenus, sont quelques-uns des innombrables applications qui sont en cours d’exploration. L’universalité de l’IA et l’infinie variété de ses déclinaisons annoncent une révolution pleine de défis et de rebonds.
Interview d’Emmanuel Macron sur WIRED de la stratégie de l’IA en France