L'INTELLIGENCE ARTIFICIELLE DANS LA SOCIETE.

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