– Contributeurs au groupe de travail 2.2

1. Structures d’accompagnement a. Pôles de compétitivité

- Image et Réseaux Henri SANSON henri.sanson@orange.com

- Cap Digital Philippe Roy Philippe.roy@capdigital.fr et Françoise Colaitis francoise.colaitis@capdigital.com.

- Systematic Najah Naffah nnaffah@prologue.fr - Aerospace Valley Agnes Paillard agnes.paillard@eads.net

b. French Tech Hub en France

- Directeur French Tech David Monteau david.monteau@finances.gouv.fr - French Tech Toulouse Philippe Costes philippe.coste@epitech.eu

c. SATT

- SATT Lutech : Damien Bretegnier damien.bretegnier@sattlutech.com d. IRT

- SystemX Paris Directeur Général Eric Perrin-Pelletier eric.perrin-pelletier@irt-systemx.fr -

2. Financeurs a. Bpifrance

- Groupe de travail piloté par Laure Reinhart Responsable des partenariats Laure.reinhart@bpifrance.fr

- Anne Darnige, responsable du domaine expertise Numérique anne.darnige@bpifrance.fr - Jean-Christophe Gougeon, responsable sectoriel Numérique jc.gougeon@bpifrance.fr - Youri Jedlinski, responsable du Hub, youri.jedlinski@ext.bpifrance.fr

b. Fonds Equity

- Serena Capital : Amélie Faure afaure@serenacapital.com - Serena Capital : Lea Verdillon lverdillon@serenacapital.com

3. Acteurs

a. Experts – PQ

- François Bourdoncle – Co fondateur Exalead francois.bourdoncle@fbcie.com b. Start ups

- Shift technology : Eric Sibony eric.sibony@shift-technology.com - Heuritech : Tony Pinville pinville@heuritech.com

- DoYouDreamUp : Souad ZARAT s.zarat@doyoudreamup.com - Davi : Pascal Arbault pascal.arbault@davi.ai

- Algolia : Liam Boogar liam@algolia.com 4. Administration

a. DGE Groupe de travail piloté par Matthieu Landon

Matthieu.landon@finances.gouv.fr

b. CGI Laurent Rojey laurent.rojey@pm.gouv.fr

173

Annexe 2 - Recommandations des membres du groupe de travail 2 .2 Recommandations n°0

Titre : Extension au périmètre de l’Intelligence Artificielle de la stratégie autour des données

Résumé : Depuis plusieurs années, la France a développé une stratégie autour de la donnée comprenant :

x Une des 9 solutions de la stratégie Nouvelle France Industrielle

x Des outils comme le Concours Mondial de l’Innovation (Ambition 7), les Challenges Big Data et Numérique, les Grands Défis du Numérique, les différents appels PIAVE (Générique et Boosters notamment)

x La plateforme Teralab

x Des plans d’action Européens (PPP Big Data) ou binationaux (Feuille de route France-UK autour de la donnée, action Franco-Allemande)

x Des formations dédiées

Aujourd’hui, que ce soit pour des données en stock ou en flux, et quelle que soit leur modalité (textuelle, vocale, image, vidéo, vision, etc) ou nature (personnelle, de santé, fournie par des capteurs ou non,…), les traitements algorithmiques sont liés aux données. Nous recommandons d’étendre explicitement à l’intelligence artificielle la stratégie Economie de la Donnée, en accroissant les moyens des différents instruments sans en inventer des nouveaux.

Coût : Cout de mise en œuvre faible (extension du périmètre d’outils existant)

A compléter par une augmentation potentielle des enveloppes de ces outils – principalement en subventions et avance récupérables

Faisabilité/Maturité : 5

Impact : 4 ou 5 à chacun des critères (outils existant)

Commentaire : le rapport de France Stratégie², démontre une trop grande multiplication des outils de financements. Cette proposition vise à contenir cette inflation en rapprochant le soutien de l’Intelligence Artificielle de celui de l’économie de la donnée.

Recommandations n°1

Titre : Plateformes Collaboratives de Partage : Faciliter l’accès aux jeux de données et aux moyens de traitement pour le développement d’Intelligences Artificielles par filière et dans les régions.

(Action PIA3 : AAP collaboratifs ciblés (PSPC), plateformes mutualisées sur une filière)

Résumé : L’accès à des données brutes et annotées de différentes natures ainsi qu’à des moyens de calcul et de stockage pour l’exécution d’algorithmes d’apprentissage, demeure un verrou pour le développement de l’intelligence artificielle. Une solution consiste en la mise en place de Plateformes Collaboratives de Partage basées sur un modèle de Clouds dédiés, disposant des briques essentielles au cycle complet de traitement des données : de la capture à la prise de décision, permettant une

2 Quinze ans de politique d’innovation, France Stratégie, 2016

174

exploitation contrôlée proche de l’endroit où les données sont produites (Edge Computing Haute Performance), éliminer les problèmes de latence et encourager l’innovation par filière professionnelle et par région. Ces plateformes réuniraient par filière professionnelle, détenteurs de données et de problèmes, chercheurs du monde académique et industriels pour lancer des projets d’innovation sur des durées variables (6 à 36 mois), tout en traitant les problèmes légaux et sécuritaires.

Coût :

Le coût de ces plateformes est variable selon la filière choisie. Des plateformes ou projets existants tels que Teralab, filière Science, et projets SDIL - Smart Data Innovation Lab (mécanisme proposé par l’association BDVA) donneront une estimation des investissements nécessaires (voir le lien http://www.sdil.de/en/platform/ qui illustre un exemple de technologies mises en œuvre).

Dans tous les cas, des subventions de service public (sous forme d’Appels à Projets) sont à prévoir pour amorcer la création de 6 plateformes réparties dans les régions, associées à un financement de la part des acteurs (détenteurs de données et de problèmes, et des industriels fournisseurs d’éléments d’infrastructure IT en mode Cloud)

Faisabilité/Maturité : 4

Un travail conséquent a déjà été fait, autour de la Big Data pour lancer des plateformes à usage ouvert.

Citons en particulier Teralab et les SDIL dans le cadre de BBVA… qui pourront être valorisés pour le lancement des premières actions.

Néanmoins, Il demeure plusieurs questions de recherche :

- Répartition des traitements vers les données, grâce aux technologies de virtualisation (ex : containers) et la standardisation d’APIs.

- Garantir que les données privées des organisations les mettant à disposition ne pourront être récupérées que par les acteurs souhaitant les exploiter pour mettre au point leur IA, tout en permettant leur découverte et leur évaluation humaine, impliquant une chaine sécurisée de bout en bout et éventuellement l’application des techniques d’anonymisation.

- Capacité à exploiter conjointement des jeux de données qui restent cloisonnés dans des silos étanches (ex : apprentissage ubiquitaire, combinaison de modèles de connaissances extraits séparément, …).

Priorité : 5

Sans la mise en place de telles plateformes au niveau national et européen, en garantissant une autonomie et une liberté dans la gestion des déploiements et l’exploitation des résultats, nos institutions resteront dépendantes des fournisseurs de Clouds américains, et bientôt chinois. Ceci ne veut pas dire qu’il faudra s’enfermer dans des solutions purement européennes. Les plateformes que nous préconisons devront interopérer avec les services des Clouds étrangers tout en restant vigilant sur les règles de protection de données..

Impact :

- Social : (3) Les plateformes ouvertes et spécialisées dans divers domaines (Industrie 4.0, Smart cities, Banques et Assurance, Santé et bien-être, Mode et beauté, Environnement, Energie...) accompagnées d’une gouvernance agile et de campagnes de communication, aideront à créer une dynamique d’innovation collaborative à tous les niveaux de la société - Économique : (5) Une coopération entre les start-up, les industriels de l’IT traditionnels, et les

grands utilisateurs, aux niveaux national et européen, tout en étant ouvert aux solutions Américaines et Asiatiques, permettra à notre écosystème de prendre une part de ce marché qui va toucher tous les secteurs d’activités où une interaction a lieu, tout en minimisant les dépendances vis-à-vis des géants US du secteur.

175

- Scientifique : (4) En fournissant l’accès gratuit à ces plateformes à la communauté scientifique, et en la mettant en contact avec les problèmes réels posés par les Utilisateurs, ne peut qu’aider à l’innovation Utile et le dopage des industriels (fournisseurs et utilisateurs) par la matière grise formée à ces techniques (recrutement, contrats conseils,….)

Recommandations n°2

Recommandation n°2 : Diffuser les méthodes de l’Intelligence Artificielle grâce à une verticalisation sur des thématiques métiers en créant des Hubs IA (« mini cluster » réunissant la recherche, l’enseignement, l’incubation, l’accompagnement et le financement). (Action PIA3 : AAP Nouveaux écosystèmes d’innovation).

Résumé : L’enjeu est d’entraîner les algorithmes sur des données métiers pour résoudre le vrai cas d’un vrai client (cf proposition sur la mise à disposition par les grands groupes de leurs données) mais aussi de rendre le résultat de ces algorithmes (qu’ils soient prédictifs ou prescriptifs) utilisables par les entreprises. Pour cela, il faut verticaliser l’usage dans des applications métier qui embarquent les algorithmes en question.

La question de l’IA est essentiellement intégrée en Ile de France, la rendant inaccessible à la plupart des entreprises installées en région. La mise en place de « corporate centers » régionaux, sur le modèle allemand et suisse, permettraient de développer l’intelligence collective autour de l’intelligence artificielle. Ces centres favoriseraient les innovations semi-ouvertes et la mise en place d’expertises pointues sur le territoire dans le domaine de l’IA.

Au niveau des financements, et sans changer fondamentalement le paysage de soutien et d’aides, l’Etat pourrait favoriser le financement de projets embarquant de l’IA. Les sociétés proposant des solutions d’IA pourraient être certifiées et répertoriées, pour être éligibles dans ce cadre, à l’échelon régional. Le porteur d’un projet intégrant un prestataire IA, local si possible, pourrait avoir plus de points lors de l’évaluation de son dossier. Au-delà de favoriser l’émergence de projets locaux, valorisés par l’IA, cela permettrait de décentraliser l’IA dans des régions dans lesquelles le tissu actuel n’est pas orienté vers des projets numériques. Un avantage supplémentaire, pour des structures émergentes dans le domaine de l’IA, serait de pouvoir se positionner comme prestataire et donc d’offrir une plus-value sans forcément subir la charge du process de demande d’aides. Cela devrait également permettre de structurer l’IA en filière, idéalement autour d’un ou de champions de l’IA français (acquisition, fusion,…).

Donc pour faire émerger des entreprises qui ont une chance d’être des champions internationaux demain il faut créer des HUBs IA (« mini cluster » réunissant la recherche, l’enseignement, l’incubation, l’accompagnement et le financement) :

¾ Utiliser les filières existantes et structurées en région au sein des pôles de compétitivité et leur donner une dimension IA (comme Mov’eo à Rouen sur Automobile et Mobilité, ou Industrie du Commerce à Lille)

¾ Coupler cette démarche HUB IA/métier/pôles compétitivité par le développement des centres d’expertise déjà existants en pointe sur le sujet (par exemple Paris Saclay, à l’image de Haïfa en Israël, Bangalore en Inde, Stanford, Cambridge) : tout en privatisant l’unité de valorisation de la recherche en question (aujourd’hui beaucoup trop administrative et déconnectée des marchés).

176

¾ Encourager la création (à l’initiative de ces pôles) des équivalents du centre de réalité virtuelle de Laval mais sur chaque métier – rencontre physique entre les grands groupes ou les ETI, les chercheurs et les startups pour travailler ensemble sur des cas concrets. Il est aussi possible de prendre modèle sur le Medialab du MIT au niveau du plateau de Saclay.

¾ Dédier une partie de l’argent des appels à projet vers l’IA (dédier une part du CNI à cet effet) avec validation par ces HUB IA

¾ Installer sur ces hubs une relation avec Business France pour permettre de rapidement tester les débouchés des travaux en question à l’étranger

¾ Associer quelques ETIs ou grands groupes à chaque HUB afin que les données et les besoins/cas d’usage réels soient disponibles et éviter ainsi la répétition des POC (proof of concepts) à faible valeur ajoutée tout en favorisant une forme de R&D collaborative.

¾ Développer des fonds d’amorçage thématique IA privés, abondés par la BPI

Coût : limité car on se base sur des structures déjà existantes, quelques millions d’euros pour un fonds d’amorçage.

- Constitution et maintien des répertoires des sociétés proposant des services d’IA.

- Intégration dans les grilles d’évaluation des projets d’une rubrique IA - Co-financement de « corporate centers »

- Création d’un ou de champions français de l’IA.

Estimation de la faisabilité/maturité de la proposition : 4 (structures déjà en places, peut-être des recrutements dédiés à faire).

Priorité : 5 (La France a une avance en Intelligence Artificielle qu’elle doit maintenir)

Impact (gain espéré) : social (4, favoriser le tissu régional de la France en termes de compétitivité et renforcer nos avantages), économique (5, création d’emplois et d’un nouvel écosystème permettant aux grandes entreprises de trouver des solutions à leurs problèmes), scientifique (5, tester en réalité les algorithmes et technologies développées), attractivité (5, scientifiques étrangers qui vont vouloir profiter de cet écosystème favorables à leurs recherches)

Un commentaire libre : Les AAP Ile de France portés par Cap Digital offrent aussi des formats très intéressants comme INNOV’UP Expérimentations, avec des acteurs locaux désirant être terrain d’expérimentation et des process de demande rapides. En ouvrant ce type d’appel au niveau national, en favorisant l’intégration d’IA, cela pourrait favoriser l’émergence de projets sur le territoire.

Un de nos projets, dans le domaine de la simulation automobile, s’est construit autour de notre réseau, en partie cristallisé autour du « corporate center » du circuit de Nevers Magny-Cours, l’INKUB. Sans contacts et échanges avec ces partenaires, ils n’auraient jamais embarqués d’IA. Le projet en question est viable sans IA mais prend une autre dimension quand on l’envisage avec de l’IA intégrée. L’idée est vraiment d’ouvrir l’esprit à des personnes qui ont des projets IA compatibles mais n’ont même pas conscience des bénéfices que cela pourraient leur apporter.

Recommandations n°3

Recommandation n°3 : Un programme pour détecter, soutenir et accompagner les talents entrepreneuriaux issus du monde étudiant et universitaire, susceptibles de développer un projet de startup IA.

177

Le système français de « transfert technologique » est largement structuré autour de la problématique du transfert d’actifs de propriété intellectuelle développés dans les laboratoires publics : c’est en particulier le cas des SATT, dont le modèle économique repose explicitement sur cet aspect, ou encore, pour une large part, du concours iLab.

Cependant, plus largement, le monde étudiant et de la recherche publique est un gisement potentiel de talents susceptibles de développer des projets entrepreneuriaux qui s’appuient sur un savoir-faire qu’ils ont pu développer, indépendamment de l’identification et du transfert d’actifs de propriété intellectuelle. Pour prendre des exemples: Facebook n’a pas été un projet de transfert technologique de l’Université de Harvard, ni SnapChat de l’Université de Stanford.

Dans l’esprit des programmes « French Tech Ticket » ou « French Tech Diversité », le programme reposerait sur 3 actions :

1. détecter ces talents porteurs d’un projet : par exemple un projet d’étudiant de master, d’un jeune ingénieur contractuel dans un laboratoire de recherche, etc. Ni plan d’affaire ni actif de propriété intellectuelle n’est requis ; par exemple le projet peut même n’avoir aucun lien avec l’activité du laboratoire ou de la formation dans lequel travaille le porteur. Par contre l’enjeu est de détecter et faire accréditer le potentiel entrepreneurial du porteur par des tiers eux-mêmes issus de l’écosystème startup : une idée pourrait être que le porteur fasse valoir un « parrain » à son projet, avec un profil d’entrepreneur ou investisseur, qui pourra attester de l’intérêt du projet et des qualités du porteur, tout en s’engageant lui-même à suivre le projet (même a minima) ;

2. financer par une bourse le porteur pour lui permettre de « se lancer » à plein temps pour développer son premier prototype produit, le tester auprès de premiers utilisateurs ou clients potentiels, développer un réseau de soutien autour du projet, etc.; le financement pourra être de durée relativement courte (6 mois ?) mais donner lieu à un livrable identifié et ambitieux (en application des principes de « l’effectuation ») ;

3. dès que le projet démarre, le porteur devra être « immergé » et accompagné dans un environnement entrepreneurial - et non académique, tout en gardant des liens -, d’une part pour bien orienter effectivement le projet vers un projet de startup et d’autre part pour le développement de réseau : il pourra s’agir d’incubateurs, d’accélérateur, etc.

Recommandation n°4

Titre : Mise à disposition d’un « guide d’identification des tâches professionnelles automatisables ».

Résumé : L’intelligence artificielle ayant démontré son potentiel pour remplacer les êtres humains sur certaines tâches (le véhicule autonome étant sans doute l’exemple le plus probant), il semble clair que de plus en plus de tâches seront automatisées. Les métiers eux-mêmes ne seront sans doute pas remplacés du jour au lendemain, mais plutôt progressivement transformés et/ou « augmentés ». Dans ce contexte :

- Les grandes entreprises françaises ont intérêt à identifier les tâches effectuées par leur collaborateur à forte opportunité d’automatisation, afin de réaliser leur transformation par l’achat de solutions ou même l’achat de start-ups (cf. recommandation [Défiscalisation du rachat des startups en IA])

178

- Les startups françaises en IA ont intérêt à connaître les tâches à forte opportunité d’automatisation des grandes entreprises pour développer des solutions innovantes ou même la création de nouveaux acteurs fondés sur l’automatisation de leurs tâches.

Dans le but d’aider ces acteurs, nous recommandons la création d’un « guide d’identification des tâches professionnelles automatisables ». Celui-ci permettra de faciliter la formalisation des problèmes et catalyser ainsi la mise en place des recommandations [Plateformes Collaboratives de Partage] et [HUBs IA].

Coût : La rédaction du contenue sera réalisée par un groupe d’experts de manière bénévole. Les frais à prévoir concernent la conception graphique, l’impression, la diffusion et la communication, sans doute inférieurs à 100 k€.

Faisabilité / Maturité : 5

La mesure peut être réalisée sans difficulté majeure et dans un délai rapide.

Priorité : 3

Impact : 2 (en accompagnement des autres mesures)

Recommandation n°5

Titre : Etendre au domaine de l’Intelligence Artificielle le Diagnostic Big Data proposé par Bpifrance Résumé : Bpifrance a lancé fin 2015 le diagnostic Big data afin de permettre aux entreprises (PME et ETI) de disposer d’un diagnostic des enjeux, forces et opportunités dans l’usage de leurs données ou de données disponibles aisément.

Bpifrance propose aux entreprises qui le souhaitent (détection au sein du Réseau Commercial de Bpifrance) de bénéficier d’un contact privilégié avec un expert de l’usage des données massives et offre le financement de 50% du coût de la prestation de conseil dans la limite de 700 €.

Ce diagnostic peut être étendu très aisément aux pratiques de l’Intelligence Artificielle. Ceci nécessite d’identifier des experts susceptibles d’accompagner les entreprises demanderesses.

Coût : Le coût de mise en œuvre est très faible car la plateforme de dépôt est déjà en fonctionnement ; Le coût de la prestation devra être prise sur le budget Bpifrance du P192.

A compléter par une augmentation potentielle des enveloppes budgétaires relatives à ces outils – principalement en subventions et avance récupérables

Faisabilité/Maturité : 5

Impact : 4 ou 5 à chacun des critères (outils existant)

Commentaire : le rapport de France Stratégie démontre une trop grande multiplication des outils de financement. Cette proposition vise à contenir cette inflation en rapprochant le soutien de l’Intelligence Artificielle de celui de l’économie de la donnée.

179

Recommandation n°6

Titre : Faire des services publics locaux des terrains d’expérimentations avant d’envisager des déploiements nationaux.

Résumé :

L’idée est de favoriser les expérimentations avec les collectivités locales, territoriales ou nationales.

Autour de cas concrets (open data, relation avec les usagers, …) permettant d’intégrer de l’IA dans les services publics, nous pourrons non seulement offrir une vitrine aux sociétés travaillant dans le domaine de l’IA mais également fournir des services nouvelles générations performants et facilitant la vie des administrés. En cas de succès, les projets pourraient être portés sur l’ensemble du territoire.

Des enveloppes d’accompagnement pourraient être mises en place ou des dispositifs déjà existants pourraient être partiellement réorientés pour financer ce type de projet.

Certains projets à l’échelon local pourraient permettre d’offrir des services à des personnes qui en sont éloignées, agent conversationnel par exemple, pour des raisons de désertification, de manque de personnel ou d’horaires d’ouverture restreints.

L’évaluation d’impact et de coût de la mesure selon un ensemble de critère : Coût :

- Recensement des besoins

- Détection des sociétés d’IA au niveau des territoires

- Réorientation d’enveloppes de financement pour des accompagnement « appel à des prestataires dans le domaine de l’IA »

- Temps homme pour un référant/une équipe du projet dans l’institution publique.

Estimation de la faisabilité/maturité de la proposition : 5 Priorité : 5

Impact : Social 5 ; Economique 3 ; Scientifique 1 ; Attractivité 4.

Commentaire libre (facultatif)

A titre d’exemple Cap Digital a développé un démonstrateur pour les services du cadastre (DGFIP) afin de transformer leur FAQ en point de contact unique interrogeable en langage naturel. L’objectif était de soulager les sollicitations téléphoniques des agents.

Recommandation n°7

Titre : Défiscalisation du rachat de startups en IA

Résumé : Si l’écosystème américain de l’IA contient les GAFAM (Google Apple Facebook Amazon Microsoft), c’est surtout un ensemble dynamique de start-ups dont les GAFAM et autres grands

Résumé : Si l’écosystème américain de l’IA contient les GAFAM (Google Apple Facebook Amazon Microsoft), c’est surtout un ensemble dynamique de start-ups dont les GAFAM et autres grands

Dans le document rapport de synthèse france intelligence artificielle (Page 174-185)