Rendre l’IA accessible à toutes les entreprises en 2019

Cette année, l’intelligence artificielle doit entrer dans les moeurs. C’est la volonté des participants de la première édition de l’AI France Summit. De plus en plus accessibles et souvent open source, les frameworks de machine/deep learning peuvent être utilisés dans des solutions verticales, accessibles à toutes les entreprises, du grand compte à la TPE.

Mathieu Weill, chef du service économie numérique de la DGE, et Pierre-Marie Lehucher, président de Tech In France, ont inauguré la première conférence AI France Summit. (Crédit : Nicolas Certes)

C’est au centre de conférences Pierre-Mendès-France du ministère de l’Economie que s’est tenu le premier AI France Summit. Cet événement autour de l’intelligence artificielle et de ses cas d’usages concrets se déroulait dans le cadre d’un partenariat entre Tech In France, la Direction générale des entreprises (DGE) et la Commission générale à l’égalité des territoires (CGET). Ceci pour faire passer deux messages : il faut que la France soit plus dynamique sur l’IA et inciter toutes les entreprises à s’y mettre. Pour, tout simplement, « prendre son pied avec l’IA », s’est emballé Pierre-Marie Lehucher, président de Tech In France.

Même les TPE. C’est la volonté du secrétaire d’Etat chargé du numérique, Mounir Mahjoubi, qui, bien qu’en déplacement au Japon, s’est adressé à l’assemblée dans une vidéo. En rappelant le plan AI for Humanity lancé par le président de la République, Emmanuel Macron, en mars 2018, M. Majhoubi a insisté sur la nécessité de diffuser les solutions basées sur l’intelligence artificielle dans l’économie pour renforcer la compétitivité des entreprises. « C’est l’enjeu de 2019. L’intelligence artificielle doit être accessible à toutes les entreprises. […] Que vous soyez une start-up, une petite, une moyenne ou une grande entreprise, vous pouvez avoir le réflexe IA. » En somme, cette technologie n’est plus de la science-fiction et doit entrer dans le quotidien des entreprises.

L’IA mature pour les tâches de perception, moins pour la compréhension

C’est pourquoi la journée s’articulait autour des trois grands secteurs où l’intelligence artificielle est la plus utilisée pour le moment : la médecine, l’industrie et les transports. Un quatrième temps, en fin de journée, s’attelait à présenter ces enjeux technologiques dans tous les territoires français et comment leur permettre d’en tirer parti au maximum. Mais cette journée de conférence s’articulait autour d’une étude fleuve sur l’état de l’art et les perspectives de l’IA pour la France. Ce ne sera que la deuxième en un an après celle menée par le député LREM, Cédric Villani en mars dernier.

L’étude sur l’état de l’IA et ses perspectives en France pour le PIPAME a été réalisée par Atawao Consulting et présentée par deux de ses représentants : Demba Diallo (à gauche) et Antoine Dubois. (Crédit : Nicolas Certes)

Le rapport final de cette étude pour le Pôle interministériel de prospective et d’anticipation des mutations économiques (PIPAME), a été présenté par Antoine Dubois et Demba Diallo, d’Atawao Consulting. L’état actuel de la technologie, selon les deux consultants, est qu’elle est parfaitement mature sur les tâches de perception (détection d’une information dans un ensemble de données) mais a encore du chemin à faire avant de pouvoir faire en sorte qu’un algorithme puisse analyser le contexte autour d’une donnée (compréhension). Pour y parvenir, deux perspectives sont possibles. « La méthode à l’américaine », a lâché Antoine Dubois pour décrire le fait d’améliorer les performances des algorithmes avec toujours plus de données et de puissance de calcul. La deuxième méthode, à l’européenne, serait de développer des systèmes d’apprentissage différents, avec des règles préalables.

Les frameworks à la française toujours en retrait

Mais les dominants en la matière sont bien les américains, en la personne morale de Google et de son framework Tensorflow. D’après GitHub, fin 2017, ce dernier était le plus populaire (4192 projets), suivi de Keras (991 projets) et Caffe (810) ou PyTorch (en termes de contributeurs). Dans les 10 premiers de ce classement n’apparaît pas la bibliothèque open source développée en 2007 par l’Inria et Telecom ParisTech, Scikit-Learn. Ce framework est tout de même utilisé par des acteurs privés comme Spotify, Evernote, Data Publica ou Dataiku.

La principale recommandation du cabinet de conseil pour une meilleure intégration de l’IA dans les entreprises est de développer des technologies sectorielles et des zones d’expérimentation à grande échelle. Notamment dans la santé, l’industrie et les transports. Dans les trois cas, Atawao consulting recommande de rendre un hôpital, une usine et une ville totalement accessible aux expérimentations de l’IA autour d’un système de centralisation des données collectées, d’optimisation des processus logistiques ou pour la voiture autonome dans des conditions réelles.

Des freins à desserrer pour mieux intégrer l’IA

Les secteurs les plus impactés par l’IA ont été définis en fonction du poids du secteur dans le PIB national, la contribution du secteur à l’emploi, les atouts spécifiques de la France dans la compétition mondiale, l’existence de plateformes hégémoniques dans le secteur (type Amazon pour l’e-commerce) et les marges de manœuvre de l’action publique pour stimuler les usages IA. (Crédit : Nicolas Certes)

Que ce soit à l’échelle internationale ou nationale, le secteur clé de développement de l’IA est la santé. Ce marché pourrait s’évaluer à 6,6 Md$ en 2021 et présente des cas d’usages dans la médecine préventive, l’aide au diagnostic et au choix des traitements, etc. Par exemple, l’agence américaine du médicament a autorisé, début 2018, un diagnostic de détection des risques de rétinopathie diabétique réalisé sans médecin par une solution développée par IDX. Selon M. Dubois, les principaux freins au développement de ces technologies dans le secteur de la santé sont les problèmes administratifs pour accéder aux données de santé, ainsi que la non-existence d’un modèle économique viable.

Le fait que les acteurs ne veulent pas partager leurs données est finalement le frein principal au développement des solutions basées sur l’IA dans les entreprises. Que ce soit dans l’industrie ou dans les transports, les cas d’usages sont pourtant nombreux. Automatiser les contrôles qualité grâce à des capteurs optiques, favoriser la maintenance prédictive des machines ou la conduite autonome. Dans cette branche, les yeux sont rivés sur Uber ou – une fois encore – Google. Mais Renault a atteint le niveau 4 de conduite autonome l’année dernière et des start-ups comme Easy Mile, à Toulouse ou Navvya à Lyon, ont déjà mis au point un minibus autonome sur des voies dédiées.

Go to Source


bouton-devis