L'INTELLIGENCE ARTIFICIELLE DANS LA SOCIETE.

✍ Scribed by OECD

• Publisher: ORGANIZATION FOR ECONOMIC
• Year: 2019
• Tongue: English
• Leaves: 181
• Category: Library

✦ Table of Contents

Préface
Avant-propos
Remerciements
Acronymes, abréviations et monnaies
Résumé
L’apprentissage automatique, les données massives et la puissance de calcul ont impulsé les progrès récents de l’IA
Les systèmes d’IA établissent des prévisions, formulent des recommandations ou prennent des décisions influant sur les environnements
L’IA peut contribuer à améliorer la productivité et aider à résoudre des problèmes complexes
L’IA est un domaine où les investissements et le développement des entreprises progressent rapidement
Les applications de l’IA sont légion, des transports à la science, en passant par la santé
La confiance dans l’IA est une condition essentielle pour en tirer le meilleur parti
L’IA est une priorité croissante pour toutes les parties prenantes
1. Paysage technique de l’IA
Genèse de l’intelligence artificielle
Situation actuelle
L’IA, qu’est-ce que c’est ?
Vision conceptuelle d’un système d’IA
Environnement
Système d’IA
Modèle d’IA, construction et interprétation de modèle
Exemples de systèmes d’IA
Système d’évaluation des risques-clients
Assistant pour malvoyants
AlphaGo Zero
Système de conduite automatisée
Cycle de vie d’un système d’IA
Recherche en matière d’IA
Volet 1 : Applications d’apprentissage automatique
Volet 1: Intérêt pour l’action des pouvoirs publics
Volet 2 : Techniques d’apprentissage automatique
Volet 2: Intérêt pour l’action des pouvoirs publics
Volet 3 : Solutions d’amélioration de l’apprentissage automatique/optimisations
Volet 3: Intérêt pour l’action des pouvoirs publics
Volet 4 : Prise en compte du contexte sociétal
Volet 4: Intérêt pour l’action des pouvoirs publics
Références
Notes
2. Paysage économique de l’IA
Caractéristiques économiques de l’intelligence artificielle
L’intelligence artificielle facilite la production de prévisions
La prévision générée par la machine est un substitut de la prévision humaine
Données, actions et jugement complètent les prévisions des machines
La mise en œuvre de l’IA dans les organisations nécessite de réaliser des investissements complémentaires et d’adapter les processus
Capital-investissement dans les startups spécialisées dans l’IA
L’IA représente aujourd’hui plus de 12 % du capital-investissement dans les startups
Les États-Unis et la Chine concentrent la majeure partie des investissements dans des startups spécialisées dans l’IA
Les opérations dans le domaine de l’IA ont augmenté jusqu’en 2017, non seulement en nombre, mais aussi en taille
Les schémas d’investissement varient selon les pays et régions
Les startups spécialisées dans les véhicules autonomes attirent d’importants investissements
Tendances plus larges en matière de développement et de diffusion de l’IA
Références
Note
3. Applications de l’intelligence artificielle
L’IA dans le secteur des transports avec les véhicules autonomes
Impacts économiques et sociaux des véhicules autonomes
Évolution du marché
Évolution de la technologie
Questions pour l’action publique
Sécurité et réglementation
Données
Sécurité et vie privée
Perturbation du marché du travail
Infrastructures
L’IA dans le secteur de l’agriculture
Obstacles à l’adoption de l’IA en agriculture
Moyens envisageables pour encourager l’adoption de l’IA en agriculture
L’IA dans le secteur des services financiers
Systèmes d’évaluation de la solvabilité des emprunteurs
Technologie financière et crédit instantané
Déployer l’IA pour réduire les coûts des services financiers
Conformité juridique
Détection des fraudes
Négociation algorithmique
L’IA dans le secteur du marketing et de la publicité
L’IA dans le secteur de la science
Moteurs récents de l’IA en science
Diversité des applications scientifiques de l’IA
Combiner l’IA à la robotique pour mener des recherches scientifiques en boucle fermée
Considérations pour l’action publique
L’IA dans le secteur de la santé
Contexte
Effets positifs de l’IA sur les soins de santé
Exemples spécifiques
Déployer l’IA dans le secteur de la santé – facteurs de risque et de succès
L’IA dans le secteur de la justice pénale
IA et algorithmes prédictifs pour la justice
Police prédictive
IA pour l’autorité judiciaire
IA pour prédire le résultat des procédures
Autres utilisations de l’IA dans le cadre des procédures juridiques
L’IA dans le secteur de la sécurité
IA et sécurité numérique
L’IA dans le secteur de la surveillance
L’IA dans le secteur public
L’IA en association avec réalité augmentée et réalité virtuelle
L’IA pour des applications de réalité augmentée/virtuelle interactives
Des systèmes de réalité virtuelle pour entraîner l’IA
Références
Notes
4. CONSIDÉRATIONS DE POLITIQUE PUBLIQUE
Une IA centrée sur l’humain
Croissance inclusive et durable et bien-être
L’IA recèle un formidable potentiel à mettre au service des Objectifs de développement durable
Développer une IA équitable et ouverte à tous devient une priorité croissante
Valeurs centrées sur l’humain et équité
Droits de l’homme et codes d’éthique
Le droit international des droits de l’homme consacre des normes éthiques
L’IA promet de faire grandir le respect des droits de l’homme
L’IA pourrait aussi desservir la cause des droits de l’homme
Les codes d’éthique de l’IA complètent les cadres relatifs aux droits de l’homme
Le recours aux cadres relatifs aux droits de l’homme dans le contexte de l’IA offre des avantages
Une approche de l’IA basée sur les droits de l’homme peut aider à identifier les risques, les priorités, les groupes vulnérables et à proposer des solutions
La protection des données personnelles
L’IA défie les notions de « données personnelles » et de consentement
L’IA défie également les principes de protection des données personnelles concernant la limitation en matière de collecte, la limitation de l’utilisation et la spécification des finalités
L’IA peut aussi renforcer la participation et le consentement des individus
Équité et éthique
Les algorithmes d’apprentissage automatique peuvent refléter les biais implicites de leurs données d’entraînement
Les notions philosophiques, juridiques et informatiques de l’équité et d’une IA éthique varient
L’application de l’IA aux ressources humaines donne une illustration des biais qu’elle peut introduire et des problèmes qui en résultent
Plusieurs approches peuvent aider à réduire la discrimination dans les systèmes d’IA
Les efforts visant à atteindre l’équité dans les systèmes d’IA peuvent nécessiter des compromis
Les responsables politiques pourraient réfléchir à un traitement approprié des données sensibles dans le contexte de l’IA
Transparence et explicabilité
La transparence sur l’utilisation de l’IA et le fonctionnement des systèmes d’IA est essentielle
Les approches de la transparence dans les systèmes d’IA
Certains systèmes offrent des garanties théoriques sur leurs contraintes d’exploitation
Des preuves statistiques de la performance globale peuvent être fournies dans certains cas
La transparence de l’optimisation est la transparence des objectifs et des résultats d’un système
L’explication concerne un résultat précis d’un système d’IA
L’explication fait l’objet de recherches actives mais elle entraîne des coûts, et pourrait même nécessiter des compromis
Robustesse, sûreté et sécurité
Ce qu’il faut entendre par robustesse, sûreté et sécurité
La gestion des risques dans les systèmes d’IA
Le niveau de protection requis dépend d’une analyse risques-avantages
Les stratégies de gestion des risques ont leur place tout au long du cycle de vie des systèmes d’IA
Il convient d’apprécier côté à côté l’ampleur du préjudice global et le risque immédiat
La robustesse face aux risques de sécurité numériques associés à l’IA
L’IA permet des attaques plus sophistiquées et d’une envergure potentiellement accrue
La sûreté
Les systèmes d’apprentissage automatique et les systèmes autonomes bousculent les cadres d’action en place en matière de sûreté
Les normes de sécurité au travail demanderont sans doute à être mises à jour
Responsabilité
L’utilisation croissante de l’IA doit s’accompagner d’un effort en matière de responsabilité, garant du bon fonctionnement des systèmes
Le niveau de responsabilité requis dépend du niveau de risque
Cadre d’action applicable à l’IA
Investissement dans la recherche et le développement en matière d’IA
L’investissement à long terme dans la recherche publique peut aider à façonner l’innovation en matière d’IA
Favoriser l’instauration d’un écosystème numérique propice à l’IA
Technologies et infrastructure d’IA
Accessibilité et utilisation des données
L’accessibilité et le partage des données peuvent accélérer ou, selon le cas, freiner les progrès de l’IA
Les politiques publiques peuvent favoriser l’accessibilité et le partage des données à l’appui du développement de l’IA
Des approches techniques voient le jour pour remédier aux contraintes liées aux données
Concurrence
Propriété intellectuelle
Petites et moyennes entreprises
Cadre d’action à l’appui de l’innovation dans l’IA
Se préparer à la transformation des emplois et renforcer les compétences
Emplois
L’IA devrait compléter le travail humain dans certaines tâches, le remplacer dans d’autres, et ouvrir la voie à de nouveaux types d’emplois
L’IA devrait stimuler la productivité
L’IA devrait modifier la physionomie des tâches automatisables – voire accélérer les mutations
Les incidences de l’IA sur les emplois dépendront de sa rapidité de diffusion dans différents secteurs
Les technologies liées à l’IA devraient avoir des incidences sur les tâches exigeant traditionnellement un niveau de qualification plus élevé
L’IA peut compléter l’homme et créer de nouveaux types de travail
Les prévisions quant à l’impact net de l’IA sur la quantité de travail varient sensiblement
L’IA est appelée à modifier la nature du travail
Les paramètres de changement organisationnel devront être définis
L’utilisation de l’IA pour soutenir les fonctions des marchés du travail – avec des garanties – s’avère également prometteuse
Instaurer une gouvernance de l’utilisation des données des travailleurs
Gérer la transition vers l’IA
Des politiques doivent être mises en place pour gérer la transition vers l’IA, notamment dans le domaine de la protection sociale
Compétences requises pour utiliser l’IA
La mutation des emplois s’accompagne d’une évolution des compétences nécessaires aux travailleurs
Des initiatives devront être mises en place pour développer et renforcer les compétences en IA nécessaires pour parer à la pénurie actuelle dans ce domaine
Compétences génériques requises pour exploiter l’IA
Compétences complémentaires
Mesure
Références
Notes
5. Politiques et initiatives dans le domaine de l’IA
Intelligence artificielle et compétitivité économique : stratégies et plans d’action
Principes concernant l’utilisation de l’intelligence artificielle dans la société
Initiatives nationales
Tour d’horizon des politiques nationales en matière d’IA
Allemagne
Argentine
Arabie saoudite
Australie
Brésil
Canada
Chine
Corée
Danemark
Estonie
États-Unis
Fédération de Russie
Finlande
France
Hongrie
Inde
Italie
Japon
Mexique
Norvège
Pays-Bas
République tchèque
Royaume-Uni
Singapour
Suède
Turquie
Initiatives intergouvernementales
G7 et G20
OCDE
Principes de l’OCDE sur la confiance dans l’IA et son adoption
Observatoire des politiques relatives à l’IA
Commission européenne et autres institutions européennes
Région nordique-balte
Nations Unies
Organisation internationale de normalisation
Initiatives d’acteurs privés
Communauté technique et milieux universitaires
Initiatives du secteur privé
Société civile
Syndicats
Références
Notes
Blank Page