Il y a 1 an était publié le livre blanc du pôle de compétitivité Finance Innovation sur l’IA, la BlockChain et l’informatique Quantique. Vous trouverez le lien pour le consulter ici.

Il est toujours intéressant de le relire à l’aune des événements du COVID et je le recommande fortement. Il met à plat les réalités, des succès, des expérimentations, des limites, des avantages et inconvénients. Il scanne les travaux en cours, l’enseignement et l’acculturation à la donnée et à l’IA. Il parle pour la gestion des risques, revoit et rassure et met en garde déjà sur les points cruciaux de la législation, internationale et européenne.

Ce document s’est construit autour de 28 Domaines d’Innovation Prioritaires (appelé DIP) dont 18 sur l’IA et le reste pour la Block Chain et l’informatique Quantique. Les DIP mettent en face les enjeux et les initiatives et des recommandations.

Le DIP numéro 1 était on ne peut plus prémonitoire : « développer et augmenter la capacité décisionnelle en avenir incertain ». Tout un programme ! Il résonne en cette période de déconfinement sur l’incertain.  « L’intelligence se mesure à la capacité à prendre en compte l’incertitude » disait Kant. Pouvons nous et devons nous accepter l’incertitude ? Le sujet est traité sous l’aspect de la complexité de notre monde avec le concept de « data complexité » qui m’est si cher. Se pose la question de la robustesse des IA lors d’événement improbable. Il est clair que suite au COVID, on peut dire que les IA faibles ne sont pas robustes aux signaux faibles et son incapable de mesurer de ses conséquences. Pour combien de temps ?

Les 17 autres DIP font un ensemble complet des atouts, des dangers de l’IA : les activités humaines sont revues en détail sur les atouts des IA et leurs applications : chatbot, assistants virtuels, etc sont au menu pour tout type de métier, de la fraude, à la vente en passant par la gestion des risques, en l’occurrence des risques réglementaires. Depuis, la guerre entre les solutions opensource de langage conversationnel des GAFAM (les suites BERT par Emmanuel Chauvin) fait rage et sur lesquelles, les solutions du marché s’appuient.

Au vue du niveau de complexité de notre monde, puisse les IA résoudre les petits tracas et soulager nos activités des forts mouvements de houle ! On parle de mutation, de nouveau rapport au travail : le numérique est un accélérateur. L’IA pousse cette mutation, elle est le fait de l’homme par et pour l’homme.

Trois grands domaines apparaissent communs à l’ensemble des DIP (et plutôt ceux du DIP11 au DIP 18), semblent être les axes de travail des progrès technologiques et sociétaux à pourvoir :

1. Algorithmes : sont traités des sujets techniques (DIP15 : « expliquer et auditer les IA »), les algorithmes, les manières de faire, l’histoire, et des expérimentations technologiques. Le perfectionnement se dirige vers les algorithmes de type Generative Adversory Nerwork (GAN – voir sur le même principe un travail que nous avions fait pour le jeu d’Othello). Ces algorithmes apprennent dans l’adversité pour prévoir des cas rares et imaginent des stratégies nouvelles. Ce sont des enchevêtrements d’apprentissage par couche. A noter que les algorithmes à base de règle sont prometteurs.
2. Les données : le DIP17, « Comment intégrer l’IA dans un SI (Système d’Information) ? ». Ici, les coûts financiers et énergétiques de l’informatiques sont considérés élevés. Une cartographie doit s’imposer comme celle ci (cartographie des consommateurs de donnée) pour simplifier et maitriser non plus le patrimoine des données mais les processus de transformation de la donnée (les meta processus). La valeur de la donnée est là, le ROI de la data se trouve ici.
3. Juridique (DIP13 : « mettre en oeuvre les grands principes éthiques ») : bien entendu, les données personnelles sont rarement voire jamais utilisées pour faire apprendre une machine. Mais les cadres juridiques couvrant lales droits par la RGPD, impose que les IA entrent dans le cadre du propriétaire, du gestionnaire, du consommateur et du producteur. En outre, la législation interpelle sur la nécessité d’opter sur les solutions dites explicables et auditables. En un autre sens, c’est l’homme qui doit alimenter et contrôler la pertinence des IA.

Ce qui est remarquable ce sont les transformations qu’induit l’IA : les métiers (DIP11), le management des connaissances partagées et partageables pour augmenter la valeur d’un patrimoine et les collaborateurs acteurs. Le Chef Data Officer doit être le moteur de cette transformation. La solution MyDataBall porte les éléments de « Outsourcing de la connaissance » pour mettre les acteurs de la performance au cœur de la production des IA. Robuste et rapide à mettre en place, la technologie répond aux enjeux éthiques (auditables et explicables).

Un an après la publication de ce livre blanc, on entrevoit les prochaines étapes. Elles portent sur la gestion des IA dites faibles. L’avenir serait celui des IA pour le knowledge management et du Risk Management. Le marché actuel semble le confirmer. Les initiatives pour manager la connaissance et être proactif au risques se feront selon ces principes de transformation, assurément.

Stéphane Chauvin