Décembre
2020
sommairE
ENJEUX
NUMéRIQUES
Ce numéro a été coordonné par
Arnaud de LA FORTELLE
N° 12
Introduction
Par Arnaud de LA FORTELLE
L’IA, un outil efficace pour maîtriser des données trop abondantes et trop complexes
L’intelligence artificielle en milieu industriel, levier de transformation et facteur d’innovation du groupe RATP
Par Côme BERBAIN et Yohan AMSTERDAMER
Le secteur des transports et de la mobilité a innové autour de son appareil industriel depuis des décennies. Après plusieurs vagues d’automatisation successive, c’est au tour de l’intelligence artificielle de dévoiler de nouveaux potentiels pour une meilleure qualité de service et une expérience client plus personnalisée et engageante. Ces capacités nouvelles qui s’ouvrent au groupe RATP sont vectrices de transformation et d’innovation. Elles permettent la modélisation de nouveaux phénomènes et apportent de nouvelles connaissances qu’il convient de rendre concrètes et opérationnelles. L’adéquation subtile entre l’expertise métier, les mathématiques, l’informatique et les données en sont la clé de réussite.
La « cobotique » et l’interaction homme-robot
Par Vincent WEISTROFFER
Grâce aux avancées en matière de conception et de sécurité, les postes industriels offrent désormais la possibilité aux robots et aux opérateurs de partager les mêmes espaces de travail et d’interagir ensemble. Il devient alors nécessaire de repenser l’organisation des postes de travail dans lesquels les opérateurs peuvent collaborer avec des « cobots » (pour robots collaboratifs). Cet article propose quelques exemples afin d’illustrer comment les techniques d’apprentissage artificiel peuvent être utilisées pour faciliter la conception de ces nouveaux postes de travail et pour améliorer l’interaction homme-robot.
La conduite automatisée, intelligences artificielles et humaines, quelles interactions ?
Par Antoine LAFAY et Guillaume DEVAUCHELLE
Le rapport de l’homme à la conduite automobile est complexe et dépasse le simple usage d’un objet technologique. L’introduction de l'intelligence artificielle (IA) ouvre des perspectives sans précédent et pose une nouvelle fois la question de la compréhension et de l’acceptabilité des nouvelles technologies. Les auteurs décrivent le déploiement progressif de la conduite automatisée, l’état de l’art actuel et les technologies mises en oeuvre, puis analysent les perspectives et les défis à relever. Défis technologiques bien sûr, mais il faudra aussi réinventer une nouvelle mobilité. Que fera-t-on du temps, aujourd'hui perçu comme confisqué par des tâches de conduite peu intéressantes dans la circulation actuelle ?
Stratégie et intelligence artificielle
Par Henri ISAAC
Le développement rapide depuis une décennie des méthodes dites d’intelligence artificielle (IA) a contribué à interroger la possibilité que celles-ci puissent participer à la décision stratégique d’une entreprise, voire s’y substituer totalement. Une telle vision méconnaît les particularités de la décision stratégique en entreprise, caractérisée par un haut degré d’incertitude et de nombreuses ambiguïtés. Les limites consubstantielles à la construction de tels outils de décision, reposant massivement sur des jeux de données, obèrent quelque peu la possibilité d’une telle éventualité. S’il est donc peu probable qu’une IA quelconque pilote un jour les décisions stratégiques d’une entreprise, son utilisation dans les stratégies d’entreprise en revanche est déjà une réalité qui modifie l’architecture des ressources et des compétences au sein de l’entreprise. Cette nouvelle architecture de la création de valeur nécessite donc des réorganisations internes pour la déployer au sein des stratégies métiers. Par la nature des décisions que l’IA automatise, il devient impératif pour les entreprises de se doter d’un organe de gouvernance définissant la doctrine d’usage de telles technologies.
Les hommes face aux décisions des IA
A Note on the Interpretability of Machine Learning Algorithms
Par Dominique GUÉGAN
To analyze the concept of interpretability associated with an ML algorithm, a distinction is made between “how” (How does a black box or a very complex algorithm work?) and “why” (Why does an algorithm produce such-and-such a result?). These questions appeal to many actors: users, professionals, regulators, etc. Using a formal, standardized framework, existing solutions are indicated by specifying which elements in the supply chain are impacted when answers are provided to the previous questions. This presentation, by standardizing notations, allows for a comparison of different approaches so as to highlight the specificity of each (their objectives and processes). This study is not exhaustive — the subject is far from closed…
Intelligence artificielle et contrôle de gestion : un rapport aux chiffres revisité et des enjeux organisationnels
Par Christian MOINARD et Nicolas BERLAND
L’arrivée de l’ensemble de technologies qualifiées parfois « d’informatique cognitive », d’IA, de big data … (Shivam et al. , 2018) pourrait bouleverser l’approche de la performance des entreprises. Plus qu’une nouvelle manière d’analyser la performance (à travers l’apparition de nouveaux indicateurs), c’est un nouveau rapport aux données chiffrées que ces technologies induisent. Mais ces approches ne sont pas sans risque. Afin d’éviter les dangers de modèles algorithmiques qui seraient des boites noires et afin de répondre aux enjeux de schémas d’interprétation mis sous tension, c’est une transformation des métiers (et principalement de celui des contrôleurs de gestion) et des organisations qui est attendue. Les chiffres étant des conventions, des construits sociaux, toute transformation des modalités de production des chiffres implique des transformations des systèmes sociaux sur lesquels ils agissent.
Quelle régulation juridique pour l’intelligence artificielle ?
Par Alain BENSOUSSAN
Aujourd’hui omniprésente, l’intelligence artificielle (IA) a un impact, par sa transversalité, sur tous les secteurs, à tel point que rares seront les activités humaines dont elle restera exclue. Levier de croissance de nature à modifier en profondeur les modes de production et les modèles économiques existants, elle préfigure, aux yeux de certains, de nouveaux types de rapports sociaux qui ne seraient pas purement humains. D’où l’importance de concevoir une stratégie de régulation de l’IA par l’éthique, mais aussi par le droit. Et de mettre en place un véritable écosystème juridique propre aux algorithmes. D’autant que l’implication des plus grands acteurs de l’économie numérique mondiale, l’importance des enjeux financiers, l’engouement de la recherche et les questions d’acceptabilité sociale constituent une assise particulièrement solide à l’avènement d’un véritable droit de l’intelligence artificielle.
Intelligence artificielle et sécurité nationale
Par Julien BARNU
L’intelligence artificielle (IA) est susceptible d'être une technologie clé pour les intérêts de la défense et de la sécurité nationale, notamment dans les domaines de la cyberdéfense et du renseignement technique. Le développement de l’IA dans ce secteur nécessite cependant de prendre en compte certains aspects spécifiques, dont le besoin de structurer les données opérationnelles et d’organiser l’accès à ces données en fonction de leur niveau de sensibilité, ainsi que la question cruciale de l’évaluation de la confiance dans les systèmes d’IA.
Les mutations engendrées par les IA : puisque les IA vont nous permettre de faire plus de choses, comment allons-nous nous y adapter (et réciproquement)
Une IA ou des IA ? Représentations et relations avec les IA
Par Arnaud de LA FORTELLE
Cette simple question : « Une ou bien des intelligences artificielles ? » nous introduit dans la complexité de notre relation avec la notion même d’intelligence artificielle (IA). Comme pour l’homme, il n’y a bien entendu pas une seule intelligence et déjà la définition du concept se révèle difficile. Le fameux test de Turing – qui déciderait quand une intelligence artificielle serait du même niveau que l’homme – est de plus en plus contesté et ne donne aucune définition, au mieux il procède par la voie d’une comparaison et d’une analogie. Mais ce n’est pas tant le concept qui nous intéresse ici, que sa représentation qui influe sur notre usage de la technologie et notre relation avec celle-ci.
Intelligence artificielle et travail : le défi organisationnel
Par Salima BENHAMOU
Cet article analyse comment l'intelligence artificielle (IA) peut transformer le travail, en tenant compte à la fois du potentiel de cette technologie et de ses limites. En s’appuyant sur plusieurs illustrations sectorielles, l’article souligne que les tâches qui composent les emplois dans ces secteurs ne peuvent pas toujours être automatisées par l'IA et que, dans de nombreux cas, les dispositifs basés sur l'IA sont utilisés de manière complémentaire à l’intervention humaine. En somme, pour minimiser les risques de substitution entre le travail humain et le travail par une IA, il est essentiel de favoriser la diffusion à grande échelle des organisations du travail apprenantes, mieux adaptées pour favoriser la complémentarité entre la machine et l'humain.
Le futur du travail en présence de formes artificielles d’intelligence
Par Yves CASEAU
Cet article s’intéresse à l’essor de l’automatisation – des robots à l’intelligence artificielle – et son impact sur les emplois. Je propose une vision de l’évolution du travail dans laquelle l’homme est complémentaire de ces nouvelles formes automatisées de production et de création de valeur. Les capacités actuelles d’automatisation et la prise en compte de ce qui est à venir nous invitent à repenser le rôle des humains dans l’organisation du travail. L’idée que nous allons tous vivre de notre créativité tandis que les machines s’occuperont de la production est naïve et probablement fausse. Dans cet univers qui se dessine, tout ce qui s’automatise devient une commodité, la valeur perçue se trouve dans les émotions et les interactions. Cette nouvelle vision du travail modifie l’organisation de l’entreprise, de façon interne, mais également en tant que participante à un réseau.
Algorithmes et droit pénal : quel avenir ?
Par Elise BERLINSKI, Imane BELLO et Arthur GAUDRON
Les algorithmes d’intelligence artificielle (IA) et plus spécifiquement de machine learning (ML) se déploient dans le domaine du droit pénal. Ils permettent la création de sujets numériques comme prismes de perception d’un sujet référent réel. Alors que le lien entre le sujet référent et le sujet numérique n’est pas évident, les informations que ce dernier offre peuvent orienter une enquête ou influencer l’appréciation d’un juge. Il semble donc urgent de comprendre plus précisément le prisme par lequel ces méthodes font percevoir la personne physique au centre de l’enquête ou du jugement. Pour cela, nous décrivons les étapes de construction du sujet numérique, des données utilisées aux algorithmes appliqués, dont les spécificités propres se présentent comme autant de réflexions kaléidoscopiques. Nous considérons enfin les degrés de transformation que l’utilisation d’un sujet numérique créé par des algorithmes de ML pourrait impliquer pour le droit pénal.
Des interfaces traditionnelles hommes-machines aux machines empathiques : vers une coadaptation humain-machine
Par Laurence DEVILLERS
Le domaine de l’" affective computing " est par essence pluridisciplinaire, en regroupant trois technologies : la reconnaissance des émotions des humains, le raisonnement et la prise de décision en utilisant les informations recueillies, et la génération d’expressions émotionnelles. La sphère des émotions que l’on pouvait penser propre à l’humain envahit les machines qui se rapprochent des capacités humaines. Dans le cas de maltraitance d’un robot notamment, l’être humain peut ressentir de l’empathie envers un agent artificiel, alors que ce dernier ne fait que simuler des émotions et ne peut pas souffrir. La machine est programmée, sans intention ni désir propres, mais il faut le rappeler. L’arrivée des robots empathiques soulève depuis peu de nombreuses questions éthiques, juridiques et sociales.