• Aucun résultat trouvé

Rapport du groupe de travail

des résultats de la recherche par les entreprises

1. Rapport du groupe de travail

1.1 Périmètre d’étude du groupe de travail

La mission confiée au groupe visait à :

1. Identifier les principaux domaines et sous domaines de la recherche en Intelligence artificielle dans lesquels un transfert à court terme (moins de trois ans) est envisageable vers les entreprises, en tenant compte autant que possible de l'effort d'industrialisation et du potentiel économique ;

2. Proposer des actions (notamment appels à projets) permettant de susciter et de soutenir les coopérations entre entreprises et laboratoires favorisant les transferts de technologies ;

3. Caractériser, au regard des sujets de recherche identifiés dans le sous-groupe 1, les phases de tests et d’essais qui seraient à réaliser, en identifiant autant que possible les risques réglementaires éventuels ;

4. Identifier ou proposer des dispositifs et moyens (plateformes matérielles et logicielles) possiblement mutualisés permettant aux entreprises de tester les technologies issues de travaux de recherche ;

5. Et toute autre action faisant sens sur le sujet de l’industrialisation des résultats de la recherche en IA.

Le groupe est composé de représentants du monde académique et d’entreprises (start-ups, PME et grands groupes), ainsi que de trois représentants de l’Etat (Direction Générale des Entreprises, Commissariat Général à l’Investissement et Secrétariat Général pour la Modernisation de l’Action Publique) et d’un membre du Laboratoire National d’Essais. Nous avons constitué un groupe principal ainsi que des sous-groupes thématiques dont l’animateur est membre du groupe principal.

1.2 Résumé exécutif

La France dispose d’une recherche de tout premier plan en intelligence artificielle (IA), notamment grâce à la qualité de son enseignement dans les disciplines de base indispensables à la maîtrise des technologies sous-jacentes : informatique, mathématiques pures et mathématiques appliquées, logique, formalisation des raisonnements et des connaissances. Ces disciplines sont essentielles pour l’ensemble des domaines de l’IA tels que l’apprentissage automatique, la perception, l’optimisation combinatoire, le raisonnement et l’aide à la décision, le traitement de la langue naturelle, l’interaction humain-machine, et le web sémantique.

Notre pays dispose également d’un tissu industriel susceptible de bénéficier des technologies d’intelligence artificielle dans de nombreux secteurs : énergie, santé, transport, défense, finance, numérique, pour n’en citer que quelques-uns.

La qualité de notre enseignement et de notre recherche en IA est reconnue internationalement, à tel point que de nombreuses entreprises internationales investissent dans notre pays pour y être

90

confrontées et pour y recruter des jeunes diplômés. Il est essentiel que les entreprises françaises puissent également bénéficier de cet atout, ce qui n’est pas encore suffisamment le cas.

Telle était donc la mission confiée au groupe « Industrialisation et appropriation des résultats de la recherche par les entreprises », détaillée comme suit :

1. Identifier les principaux domaines et sous domaines de la recherche en Intelligence artificielle dans lesquels un transfert à court terme (moins de trois ans) est envisageable vers les entreprises, en tenant compte autant que possible de l'effort d'industrialisation et du potentiel économique ;

2. Proposer des actions (notamment appels à projets) permettant de susciter et de soutenir les coopérations entre entreprises et laboratoires favorisant les transferts de technologies ;

3. Caractériser, au regard des sujets de recherche identifiés, les phases de tests et d’essais qui seraient à réaliser, en identifiant autant que possible les risques réglementaires éventuels ;

4. Identifier ou proposer des dispositifs et moyens (plateformes matérielles et logicielles) possiblement mutualisés permettant aux entreprises de tester les technologies issues de travaux de recherche ;

5. Et toute autre action faisant sens sur le sujet de l’industrialisation des résultats de la recherche en IA.

Le groupe, composé à parts égales de membres de la communauté académique et de représentants du monde des industries et services, a questionné les équipes de recherche et les entreprises sur le potentiel de transfert, les enjeux et les freins à lever pour augmenter la bande passante entre ces deux communautés dans le domaine de l’intelligence artificielle et dans ses sous-domaines. Plus d’une centaine de technologies développées dans les laboratoires de recherche ont été jugées transférables à court et moyen terme vers les entreprises, essentiellement dans les sous-domaines de l’apprentissage automatique, de l’optimisation et de la prise de décision, du traitement de la langue naturelle, de la représentation des connaissances, de l’évolution artificielle et des systèmes multi-agents. En résonance avec ces résultats, pour la cinquantaine d’entreprises qui ont répondu au questionnaire, les bénéfices attendus des technologies d’IA sont qualifiés comme importants voire critiques.

Pour ce faire, les principaux enjeux identifiés par les chercheurs et les entreprises, qui correspondent également à des freins à lever, sont les suivants :

x Disposer d’ensembles de données nettoyées et fiables prêtes à l’emploi, notamment données publiques ou ouvertes. Elles sont nécessaires aux algorithmes d’apprentissage et plus largement pour tous les domaines qui font appel à des données, qu’elles soient expérimentales, acquises en ligne, traces de transactions, etc. L’application des méthodes d’IA sur des données représentatives des problèmes à traiter est une condition sine qua non de leur adoption par le monde économique.

x Etre capable de garantir ou de certifier certaines méthodes (besoin de fondements théoriques pour prouver les algorithmes). Cette garantie/certification est indispensable pour les systèmes critiques et importante pour les autres, faute de quoi les entreprises seront réticentes à déployer des systèmes auxquels elles ne font pas totalement confiance.

91

x Pouvoir accéder à des compétences humaines opérationnelles pour les entreprises dans l’écosystème de recherche et d’enseignement supérieur :

o en recrutant des étudiants formés à l’IA (notamment via des bourses CIFRE) ; o en assurant la formation continue en IA des collaborateurs ;

o en s’appuyant sur des intégrateurs de technologies ;

o en offrant des conditions attractives pour enrayer la fuite des cerveaux.

x Disposer d’infrastructures IA (données, plateformes) et de moyens de calcul au niveau des défis, accessibles en France, qui sont également des enjeux de souveraineté nationale.

Les moyens actuels ne sont pas adaptés aux besoins des systèmes d’IA. Il faut disposer de plateformes correspondant aux exigences des applications IA et capables de se positionner dans la compétition internationale.

x Le besoin de maturation des technologies issues de la recherche à un niveau de qualité et de performance exigé par les entreprises. Il n’est pas attendu des chercheurs qu’ils produisent des résultats directement exploitables par les entreprises, mais plutôt des démonstrateurs, preuves de concept, prototypes. Il est donc important de disposer de ressources capables de faire « maturer » les technologies pour assurer leur appropriation.

x Pouvoir répondre aux exigences de régulation, de responsabilité et de confiance envers les décisions prises par les systèmes d’IA, en s’appuyant notamment sur la possibilité d’expliquer ces décisions. Nous pouvons innover et nous approprier le créneau des technologies non investi par les acteurs des pays à faible réglementation : explication, validation, certification, etc.

Pour traiter ces enjeux, le groupe de travail a formulé sept recommandations principales déclinées par ordre de priorité décroissant :

1. Organiser des challenges ouverts et des bourses aux technologies d’IA répondant à des besoins des entreprises et de la société, en complément des actions de fond de montage de projets collaboratifs, de laboratoires communs et de structures agiles d’échange et de transfert pour soutenir la rencontre entre recherche et entreprises ; parmi les appels à projets, on inclura un volet sur l’explication, condition importante pour l’appropriation et le transfert des systèmes d’IA ;

2. Lancer un grand projet public fédérateur en IA comprenant notamment la réalisation d’un assistant conversationnel intelligent en soutien à la modernisation de l’action publique, mis en ligne sur les sites et les applications du service public ;

3. Soutenir la création de plateformes communautaires, matérielles et logicielles, dans quelques domaines prioritaires décrits ci-dessous ;

4. Confier au Laboratoire National de métrologie et d’Essais (LNE) la mission et les moyens de fédérer le développement des méthodes de mesures, de tests et de certification pour les systèmes d’intelligence artificielle, en partenariat avec les communautés de recherche correspondantes ;

5. Dédier un fonds d’investissement en capital (supérieur à 25M € par action) pour soutenir la transformation des start-ups dans le domaine en futurs champions ;

6. Accélérer la mise à disposition de données publiques ouvertes pour les domaines stratégiques de la santé et de l’énergie, afin de permettre le développement de solutions IA

92

qui ont particulièrement besoin d’être alimentées en données réelles pour être efficaces et pour leur adoption par les principaux acteurs économiques ;

7. Créer une Fondation de l’IA, dont les modalités sont à définir, afin d’incarner et fédérer