La preuve théorique de la capacité des calculateurs quantiques à surpasser leurs homologues classiques n’est plus à faire. Plusieurs dizaines d’algorithmes quantiques ont déjà été découverts présentant une accélération plus ou moins importante sur leurs équivalents classiques. Dans certains cas ce « speedup » peut être exponentiel dans la taille du problème traité, rendant théoriquement possibles des calculs impossibles à effectuer en des temps « humainement acceptables » sur les ordinateurs classiques les plus puissants.

L’étendue des applications qui pourraient bénéficier d’un tel « avantage quantique » est cependant aujourd’hui encore difficile à préciser, ceci d’autant plus que la compétition entre moyens de calcul quantiques et classiques stimule la recherche sur les seconds. Ces dernières années, des techniques sophistiquées d’optimisation algorithmique classique ont ainsi conduit à relativiser plusieurs preuves supposées de la fameuse « suprématie quantique » attendue.

Si la supériorité théorique des calculateurs quantiques pour certaines classes de problèmes est considérée comme acquise, la possibilité de leur mise au point pratique continue en revanche de faire débat. Certains physiciens considèrent qu’il sera extrêmement difficile de maintenir en conditions opérationnelles ces calculateurs car leurs propriétés fondamentales, sur lesquelles repose leur puissance de calcul (superposition d’états, intrication), sont extrêmement sensibles à leur environnement (vibrations, variations de température, champs électromagnétiques…). D’autres sont au contraire plus confiants, s’appuyant sur les progrès constants réalisés ces dernières années dans la réalisation et la manipulation de qubits de plus en plus robustes aux erreurs.

À côté du calcul proprement dit, d’autres applications de la « seconde révolution quantique » sont également attendues. Même si la cryptographie et les télécommunications quantiques nécessiteront encore du temps avant de pouvoir être mises en œuvre en pratique, fondamentalement pour les mêmes raisons que celles évoquées ci-dessus pour ce qui concerne les ordinateurs, ces techniques pourraient, si elles voient le jour, bouleverser profondément les technologies de l’information. Les États et les entreprises s’y préparent déjà en anticipant les futures attaques sur la cybersécurité rendues possibles par la puissance de calcul des ordinateurs quantiques et en s’en protégeant par de nouvelles méthodes de cryptographie classiques dites « post-quantiques », c’est-à-dire capables de résister à ces attaques, à la différence notable du chiffrement RSA. La métrologie quantique, quant à elle, progresse continûment depuis ces dernières années et a déjà atteint un degré de maturité bien supérieur à celui des ordinateurs quantiques, avec de nombreuses applications industrielles à la clé.

Enfin, il se pourrait que l’« avantage quantique » attendu se manifeste également sur le plan énergétique et pas seulement sur celui de la puissance de calcul. Les ordinateurs quantiques sont en effet susceptibles de consommer beaucoup moins d’énergie que leurs homologues classiques, même si beaucoup de travail reste à faire pour maîtriser et évaluer concrètement la consommation énergétique de futurs calculateurs quantiques opérationnels.

Définir une stratégie de R&D et d’investissement dans un contexte aussi incertain n’est pas chose facile, ceci tout d’abord parce que plusieurs technologies sont aujourd’hui en concurrence pour la réalisation des qubits sans qu’il soit possible à cette étape d’identifier avec certitude celles qui finiront par s’imposer (supraconducteurs, atomes froids, photons, silicium…). Sur ce domaine particulier, la France dispose probablement d’une avance remarquable dans certaines de ces technologies (atomes froids et photonique en particulier), en témoigne les nombreuses spin-off issues de nos laboratoires de physique dont l’excellence scientifique dans le domaine est reconnue internationalement.

Une stratégie d’investissement public devrait être conséquente compte tenu des enjeux tout en restant prudente compte tenu des fortes incertitudes techniques qui subsistent, et qui pourraient conduire à un « hiver du quantique » comme l’IA en a connu un à la fin des années 1980, avant de rebondir avec le succès que l’on sait. Elle devra éviter un saupoudrage inefficace pour se concentrer sur les domaines d’excellence français, en particulier sur celui cité ci-dessus des technologies à la base des qubits. Elle devra s’appuyer sur les grands organismes de recherche impliqués dans le domaine (Universités, CNRS, INRIA, CEA) et mobiliser les industriels pour définir les cas d’usage et expérimenter les technologies disponibles. Enfin elle devra bien sûr reposer sur des coopérations internationales, en particulier européennes.

Marc Porcheron

Temps de lecture : 16 minutes

Au début du 20ᵉ siècle, une poignée de physiciens de génie transformèrent notre compréhension du monde en mettant à jour les propriétés étranges de la matière à l’échelle atomique. De cette « première révolution quantique » sont nées de nombreuses applications qui font partie aujourd’hui de notre quotidien : transistors, lasers, IRM… Nous sommes aujourd’hui à l’aube d’une « seconde révolution quantique », rendue possible par les progrès réalisés ces dernières années dans la manipulation d’objet microscopiques uniques et l’exploitation de leurs propriétés, et dont l’une des applications majeures pourrait être l’ordinateur quantique. Quels usages peut-on imaginer pour ces calculateurs ? Quels avantages sur leurs homologues classiques peut-on espérer ? Quelles difficultés devront être surmontées pour les rendre opérationnels ? Quelle stratégie d’investissement public leur consacrer ? Autant de questions complexes sur lesquelles cette note propose un éclairage, sans prétendre épuiser le débat.

La preuve théorique d’un avantage quantique n’est plus à faire

Deux usages principaux des calculateurs quantiques sont envisagés :

1. Comme simulateur, c’est-à-dire comme machine capable de simuler l’évolution d’un système physique selon les lois de la physique quantique ;
2. Comme ordinateur proprement dit, c’est-à-dire comme machine de Turing capable de résoudre n’importe quel problème décidable au sens de la théorie de la calculabilité[i].

Sur ces deux usages, la preuve théorique d’un « avantage » des calculateurs quantiques sur leurs homologues classiques n’est plus à faire.

Sur le premier usage, il paraît difficile de contester l’affirmation de Richard Feynman selon laquelle simuler en toute généralité la réalité physique au niveau quantique en des temps de calcul « raisonnables » est hors de portée d’un ordinateur classique, en raison du caractère intrinsèquement exponentiel dans le nombre de particules de cette simulation. Son célèbre article de 1982 sur le sujet est d’ailleurs considéré comme l’acte de naissance du Quantum Computing[1].

Sur le second usage, l’algorithme quantique de Peter Shor, qui date déjà de 1994, fournit un exemple d’accélération (speedup) exponentielle sur un problème pour lequel on soupçonne qu’il n’existe pas d’algorithme classique polynomial, la factorisation des entiers[2]. La sécurité des communications sur internet dans le monde étant aujourd’hui assurée en grande partie par le chiffrement RSA[3] qui repose précisément sur la difficulté à factoriser des entiers de grande taille sur un ordinateur classique, on comprend que la découverte de cet algorithme ait sorti le Quantum Computing des laboratoires de recherche fondamentale et provoqué le développement impressionnant du domaine qu’on connaît aujourd’hui. Au-delà, il existe déjà plusieurs dizaines d’algorithmes quantiques présentant des speedups prouvés plus ou moins importants par rapport à leurs équivalents classiques[4].

À noter cependant que les classes précises de problèmes sur lesquelles l’algorithmique quantique pourrait fournir des speedups significatifs par rapport à l’algorithmique classique ne sont pas encore complètement établies[ii].

Il est d’ailleurs remarquable de constater que les avancées dans le champ de l’algorithmique quantique stimulent les recherches dans celui de l’algorithmique classique, rendant l’issue de la compétition entre les deux moyens de calcul sur des problèmes spécifiques d’autant plus hasardeuse. Plusieurs annonces de preuves expérimentales d’avantage ou de « suprématie » quantique ‑ c’est-à-dire dire de preuves qu’un calcul réalisé par des moyens quantiques ne pouvait être effectué en des temps « humainement acceptables » par des moyens classiques ‑, ont été ainsi battues en brèche ces dernières années, les speedups annoncés ayant dû finalement être sévèrement revus à la baisse, après que les problèmes adressés ont été résolus par des moyens de calcul classiques spécifiquement optimisés, ou que des algorithmes classiques efficaces « inspirés du quantique » (quantum inspired) aient été découverts pour résoudre les mêmes problèmes[iii].

En résumé, si des calculateurs/simulateurs quantiques voyaient le jour, leur avènement constituerait un « saut » scientifique et technologique sans doute majeur pour certains usages hors de portée des ordinateurs classiques, mais l’étendue de leurs applications reste encore à préciser.

La preuve pratique de la réalisabilité de l’ordinateur quantique reste à faire

La mise au point opérationnelle de tels calculateurs pose des problèmes pratiques et théoriques énormes, à ce stade non résolus.

La puissance attendue des calculateurs quantiques repose fondamentalement sur la propriété de superposition d’états qui permet à un qubit d’être à un instant donné dans une combinaison de l’état « 0 » et l’état « 1 », là où son homologue classique occupe l’un de ces deux états à l’exclusion de l’autre.

Conséquence, une mémoire quantique de n qubits stocke à un instant donné une combinaison des 2ⁿ mots codables sur n bits classiques. De plus, chaque opérateur implémenté par une porte quantique transforme globalement cette superposition d’états, réalisant une forme de parallélisme inaccessible à un calculateur classique[iv].

Exploiter toute la puissance d’un calculateur quantique nécessite donc d’être capable de maintenir un système de qubits dans un tel état de superposition, le temps du calcul ou de la simulation d’intérêt. Or, ces états de superposition, majoritairement intriqués[v], sont extrêmement fragiles et sensibles aux interactions du système avec son environnement (vibrations, variations de température, champs électromagnétiques…). Celles-ci, assimilables à un bruit, sont susceptibles de provoquer l’effondrement de la fonction d’onde du système, projetant celui-ci dans un état classique non désiré en faisant disparaître la superposition (décohérence). Un exemple typique d’une telle interaction est la mesure, mais celle-ci est contrôlée et effectuée en fin de calcul pour observer, avec une certaine probabilité, l’état final déterministe du système censé fournir la solution du problème traité.

En pratique, pour limiter la décohérence, le système doit être isolé au maximum de toute interaction non-contrôlée avec son environnement, un défi majeur à la fois de physique fondamentale et d’ingénierie, qui se pose différemment suivant les technologies de qubits utilisées. Par exemple, toutes les technologies à base de supraconducteurs doivent pour cette raison fonctionner à des températures proches du zéro absolu, ce qui nécessite le développement de système complexes de cryogénie.

Sur un plan plus fondamental, cette question de la limite du nombre de qubits possiblement maintenus dans un état intriqué renvoie à celle, vertigineuse, de la frontière entre le monde quantique et le monde classique (le nôtre) où ces propriétés étranges que l’on cherche ici à exploiter pour le calcul disparaissent.

Sur cette question essentielle de la réalisabilité de ce que Serge Haroche appelle dans sa leçon inaugurale au Collège de France de 2001 un « gigantesque chat de Schrödinger calculateur », deux visions s’opposent chez les physiciens, respectivement incarnées par deux de nos prix Nobel : celle du même Serge Haroche, qui ne croit pas que cela soit possible, en tout cas pas avant des décennies ;  celle d’Alain Aspect, qui pense au contraire qu’on pourra à moyen terme arriver à des calculateurs de taille certes encore limitée (de l’ordre de quelques centaines de qubits) mais déjà utiles, sur la base des indiscutables progrès réalisés ces dernières années dans la maîtrise de certaines technologies à la base des qubits, en particulier celle des atomes froids que promeut son laboratoire, l’Institut d’Optique, via sa spin-off Pasqal.

Il semble impossible de trancher entre ces deux points de vue, à cette étape.

À noter que ce défi théorique et technologique est naturellement mené de pair avec celui visant à développer des techniques de correction d’erreurs permettant de rendre les calculateurs quantiques plus robustes au phénomène de décohérence. Ces techniques nécessitent l’adjonction d’un grand nombre de qubits « physiques » à un qubit « logique » afin de robustifier celui-ci et le rendre exploitable comme unité de calcul. On estimait par exemple en 2019 à 20 millions le nombre de qubits bruités nécessaire pour implémenter l’algorithme de Shor sur un calculateur quantique capable de casser les clés RSA de 2048 bits en 8 heures[5], alors que la même performance serait atteinte avec de l’ordre de 20 000 qubits « parfaits ». Mais des progrès constants sont réalisés dans ce domaine. Par exemple, la start-up française Alice & Bob développe une technique prometteuse pour les qubits supraconducteurs, permettant, selon elle, de réduire d’un facteur 60 le nombre de qubits auxiliaires requis pour fiabiliser un qubit logique.

Des domaines et des applications connexes importants

Au-delà des deux usages fondamentaux mentionnés jusqu’ici, il faut noter d’autres champs applicatifs ou d’intérêts connexes des technologies quantiques, eux aussi très importants.

La cryptographie est un champ sur lequel l’impact des technologies quantiques est déjà, et pourrait-être encore plus à l’avenir, fondamental compte tenu des enjeux économiques et géopolitique de ce domaine. D’une part, des techniques classiques de chiffrement dites « post-quantiques », c’est-à-dire capables de résister à des attaques futures comme celle de l’algorithme de Shor sur le chiffrement RSA, sont déjà mises au point et vont se diffuser dans l’industrie dans les années à venir ; d’autre part, l’utilisation de techniques quantiques pour crypter les communications, en théorie de manière inviolable, pourrait bouleverser ce domaine, même s’il reste encore beaucoup d’incertitudes techniques sur le sujet.

Un autre point, potentiellement crucial, concerne la consommation énergétique des calculateurs[6]. Et sur ce point également il faut distinguer le potentiel théorique du calcul quantique de la réalité pratique. En théorie, en raison de sa réversibilité, le calcul quantique pourrait ne pas consommer d’énergie du tout. Plus pragmatiquement, le simple fait d’accélérer des calculs requérant aujourd’hui des temps très long sur des architectures classiques massivement parallèle pourrait conférer naturellement un avantage énergétique du calcul quantique sur le calcul classique.

En pratique, il parait compliqué de garantir cet avantage compte tenu de la consommation des systèmes auxiliaires requis pour faire fonctionner de manière opérationnelle ces calculateurs. Cette question se pose différemment suivant les technologies mises en œuvre pour implémenter les qubits. Par exemple, comme noté plus haut, toutes les technologies à base de supraconducteurs nécessitent des systèmes auxiliaires énergivores de cryogénie pour maintenir une température proche du zéro absolu ; à l’inverse la technologie des atomes froids requiert en théorie une consommation moindre, essentiellement réduite à celles des lasers utilisés pour manipuler les atomes ; les technologies photoniques, quant à elles, devraient pouvoir fonctionner « quasiment » à température ambiante.

Enfin, il ne faudrait pas négliger le domaine de la métrologie quantique (gravimètres quantiques…), en plein développement et avec de nombreuses applications industrielles, et qui se trouve à un niveau de maturité bien plus avancé que celui des calculateurs.

Quelle stratégie d’investissement en France ?

Quelques éléments pour éclairer cette question délicate :

• La France et l’Europe possèdent des compétences de premier plan dans le domaine quantique, en particulier en physique fondamentale, mais aussi en cryptographie et en métrologie ;
• En témoigne l’émergence de quelques « pépites » remarquables : Pasqal, Quandela, C12, Alice & Bob, Quobly (ex Siquance issue du CEA-Leiti), Welinq (communications quantiques)… ;
• Il est impossible de dire aujourd’hui quelle technologie s’imposera (ou quelles technologies s’imposeront) pour la réalisation des qubits ;
• Il est impossible de prédire précisément à quelle échéance nous sortirons de la période dite des Noizy Intermediate Scale Quantum Computers (NISQ), c’est-à-dire des calculateurs encore bruités et possédant un nombre limité de qubits, pour entrer dans celle dite des Large Scale Quantum Computers (LSQ), c’est-à-dire des calculateurs robustes aux erreurs, possédant un grand nombre de qubits, capables par exemple d’implémenter l’algorithme de Shor ; sachant qu’il existe un risque estimé comme très important par certains physiciens qu’on n’y parvienne jamais ;
• Le quantique n’est pas à l’abri d’un « hiver » comme en a connu l’IA à la fin des années 1980 ; on peut penser qu’il se trouve plus ou moins au sommet de la bosse de la courbe de Gartner, soit au moment critique où les promesses de retour sur investissement tardent à se concrétiser en raison de difficultés techniques non surmontées, et ou les investissements s’effondrent, avant de repartir lentement à la hausse pour se concentrer sur les technologies confirmées. Cette tendance à la baisse semble s’être confirmé en 2022-2023. C’est le cas en particulier aux États-Unis où on peut également noter que les investissements dans le domaine quantique, bien que non-négligeables, restent très inférieurs à ceux effectués dans l’IA ;
• En plus des enjeux sur le hardware quantique, il existe également des enjeux autour du software quantique qui risque lui aussi d’être dominé par des acteurs américains (environnements de développement, OS spécifiques…);
• Dans tous les cas, il paraît difficile pour l’Europe, et à fortiori pour la France, de rivaliser avec la capacité d’investissement des Etats-Unis (GAFAM, IBM, INTEL, NVIDIA…) et de la Chine.

Pour conclure, et tenter de répondre concrètement à la question, les points ci-dessus devraient conduire à une stratégie d’investissement public conséquente compte tenu des enjeux mais prudente compte tenu des incertitudes techniques, et axée sur des cibles précises en bannissant un « saupoudrage » trop large et inefficace.

Une telle stratégie devrait être guidée par les objectifs suivants :

• Ne surtout pas s’engager à cette étape de manière exclusive dans une filière spécifique de réalisation des qubits ;
• Soutenir en priorité et protéger de la concurrence étrangère les domaines où la France et l’Europe sont déjà en pointe, en particulier celui du hardware quantique, via les startups citées plus haut et qui pourraient jouer dans le futur des rôles clés en fonction des technologies finalement dominantes ;
• Mobiliser les industriels dans des projets collaboratifs conséquents avec les laboratoires académiques et les start-ups, afin de spécifier les cas d’usage et d’expérimenter les technologies disponibles ;
• Soutenir des projets de R&D interdisciplinaires sur des questions fondamentales non encore maîtrisées, comme la définition précise de la complexité algorithmique quantique et de ses avantages sur l’algorithmique classique, le génie logiciel quantique, l’estimation la consommation énergétique des calculateurs. Ce soutien devrait évidemment s’appuyer sur des collaborations internationales, en particulier celles financées par les projets européens du Quantum FlagShip;
• À supposer qu’une ou des filières technologiques de fabrication des qubits actuellement développées par les startups françaises s’imposent, la question de structurer une filière industrielle complète du hard jusqu’au soft associée à ces technologies devrait se poser. À côté des collaborations européennes à définir, les grands organismes de recherche impliqués dans le domaine, le CNRS, l’INRIA et le CEA, devraient jouer un rôle clé comme acteurs publics dans une telle filière, même si ce n’est finalement pas les technologies d’implémentation des qubits qu’ils promeuvent aujourd’hui qui s’imposent finalement (silicium pour le CEA).

Marc Porcheron

******

[1]     Feynman, R.P. Simulating physics with computers. Int J Theor Phys 21, 467–488 (1982).

[2]     Peter W. Shor, Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer. quant-ph/9508027

[3]     Du nom de ses concepteurs : Ronald Rivest, Adi Shamir et Leonard Adleman.

[4]     Cf. https://quantumalgorithmzoo.org/

[5]     Craig Gidney, Martin Ekerå,  How to factor 2048 bit RSA integers in 8 hours using 20 million noisy qubits https://arxiv.org/abs/1905.09749v3

[6]     Pour une introduction à la question et aux enjeux associés par une spécialiste française du sujet voir : Alexia Auffèves, Optimiser la consommation énergétique des calculateurs quantiques : un défi interdisciplinaire https://www.refletsdelaphysique.fr/articles/refdp/pdf/2021/02/refdp202169p16.pdf

[i]       La théorie de la complexité et de la calculabilité s’intéresse aux ressources en temps et en espace mémoire nécessaires à la résolution de problèmes et au calcul de fonctions par un processus « mécanisable », typiquement un algorithme. La thèse de Church-Turing, affirme que « toute fonction calculable sur les entiers est calculable par une machine de Turing », ces dernières constituant le modèle le plus utilisé pour formaliser le processus de calcul effectué par un ordinateur, auxquels tous les autres modèles universels sont équivalents (lambda calcul de Church, modèles de Post…). Il importe de garder à l’esprit que, contrairement à ce que la communication et la (mauvaise) vulgarisation scientifique sur les ordinateurs quantiques peuvent parfois laisser croire, ceux-ci, à supposer qu’ils voient le jour, ne permettront pas de résoudre des problèmes impossibles à résoudre sur un ordinateur classique ; et il en existe une infinité : décider si un programme informatique s’arrête ou pas, calculer exactement un nombre omega de Chaitin, déterminer la complexité de Kolmogorov d’une chaîne de caractères… On attend donc « seulement » des ordinateurs quantiques qu’ils permettent de résoudre plus efficacement que leurs homologues classiques certains problèmes, c’est-à-dire en consommant moins de temps de calcul et/ou de mémoire. À noter cependant qu’on peut quand même distinguer entre calculabilités théorique et pratique : un problème décidable ou une fonction calculable par un ordinateur classique disons en un siècle, peut être considéré comme pratiquement insoluble par une telle machine, et sa résolution par un ordinateur quantique en un temps « humainement acceptable » pourrait être considérée comme la résolution pratique d’un problème impossible à résoudre classiquement.

[ii]      La classe NP est la classe des problèmes qu’on ne sait pas résoudre en temps polynomial, mais dont on peut vérifier une solution en temps polynomial. Par exemple, on ne connaît pas d’algorithme polynomial permettant de déterminer si oui ou non un graphe comporte un chemin Hamiltonien, c’est-à-dire passant par tous ses sommets une et une seule fois ; les meilleurs algorithmes connus pour le faire sont exponentiels dans la taille du graphe. Par contre, un chemin étant donné, on peut vérifier en temps polynomial si oui ou non celui-ci est bien un chemin Hamiltonien du graphe en question. En raison de ce caractère polynomial quant à la vérification des solutions, la classe NP apparaît comme intermédiaire entre la classe P des problèmes polynomiaux, considérés « faciles » ou résolubles (tractable) sur un ordinateur, quel qu’il soit, et la classe EXP des problèmes exponentiels, considérés « difficiles » ou insolubles (intractable). On appelle NP-Difficile un problème au moins aussi difficile que tous les problèmes dans NP. En pratique, cela signifie que tout problème dans NP peut lui être réduit en temps polynomial. La classe NP-Complet, est la classe des problèmes qui sont à la fois NP-Difficiles et dans NP. Par exemple, le problème introduit ci-dessus : « Étant donné un graphe, celui-ci possède-t-il un chemin hamiltonien ? » est prouvé NP-Complet. Sa version « optimisation » : « Trouver, s’il existe, le chemin hamiltonien le plus court dans un graphe », à supposer que les arcs portent une valuation, est NP-Difficile. C’est exactement le problème dit du « Voyageur de commerce » (Traveling Salesman Problem, TSP).
À ce stade on soupçonne que les problèmes NP-Complets ne seront pas à la portée des ordinateurs quantiques, et il en va donc de même a fortiori pour les problèmes NP-Difficiles.
On ne sait pas aujourd’hui si P est égal à NP, et c’est là un des grands problèmes mathématiques ouverts. La très grande majorité des chercheurs du domaine pense que P ≠ NP. Si c’est bien le cas, alors on montre qu’il existe une classe de problème dits NP-Intermédiaires, qui sont dans NP sans être ni dans P ni NP-Complets ; c’est-à-dire de problèmes qui, sans être polynomiaux, ne sont pas aussi difficiles que les problèmes les plus difficiles de NP.
Le problème de la factorisation des entiers est soupçonné d’appartenir à cette classe (à supposer donc que P ≠ NP), ceci parce qu’on n’est pas arrivé jusqu’ici à démontrer qu’il soit NP-Complet. Or ce problème est résoluble en temps polynomial quantique par l’algorithme de Peter Shor. C’est ce qui peut laisser penser que cette classe de problèmes NP-Intermédiaires (toujours à supposer que P ≠ NP), soit inclue dans la classe BQP (Bounded-error Quantum Polynomial) des problèmes résolubles en temps polynomial par un ordinateur quantique. Mais il s’agit juste d’une potentialité, sans preuve à cette étape.
Enfin, il faut garder à l’esprit que l’appartenance d’un problème à une classe de complexité est sujette à évolution. Par exemple, on a cru pendant des décennies que le problème PRIME : « Étant donné un entier, celui-ci est-il premier ? » n’était pas dans P, jusqu’à ce qu’en 2002, un algorithme polynomial soit trouvé pour le résoudre (Agrawal Manindra, Neeraj Kayal & Nitin Saxena, PRIMES is in P, Annals of Mathematics 160(2): 781–93).

[iii]     En 2019, Google annonce avoir atteint la suprématie quantique en proposant un circuit de 53 qubits, baptisé Sycamore, capable de produire en quelques centaines de secondes une distribution particulière de nombres aléatoires, dont la génération sur l’ordinateur Summit le plus puissant d’IBM prendrait de l’ordre de 10 000 ans… Quelques semaines plus tard, une équipe d’IBM montrait qu’on pouvait reproduire le même calcul en 2,5 jours, en utilisant des techniques avancées de stockage sur disque des calculs intermédiaires, évitant ainsi l’encombrement de la RAM. (Cf. https://www.technologyreview.com/2019/10/22/132519/quantum-supremacy-from-google-not-so-fast-says-ibm/)
En 2016, Iordanis Kerenidis et Anupam Prakash proposent un algorithme quantique pour traiter le problème dit des « recommandations » ; il s’agit d’inférer les futures préférences d’agents sur la base de leurs choix précédents, un problème au cœur des mécanismes des propositions de produits faites aux clients des plateformes du type Netflix ou Amazon. Ce problème est formalisable en algèbre linéaire et résoluble en temps polynomial dans la dimension de la matrice représentant les préférences. Iordanis Kerenidis et Anupam Prakash adaptent un algorithme quantique de résolution de système linéaire, HHL (du nom de ses auteurs : Adam Harrow, Avinatan Hassidim, et Seth Lloyd), qui, sous certaines conditions, permet de résoudre un système linaire en temps polynomial dans le logarithme du nombre de variables. On a donc bien un speedup exponentiel entre l’approche quantique et l’approche classique, celle-ci, bien que polynomiale, se révélant en pratique intractable pour de très grandes matrices. Mais en 2018, Erwin Tang, une jeune étudiante de Scott Aaronson, un spécialiste américain du calcul quantique, propose un algorithme classique inspiré de l’algorithme quantique résolvant le problème avec la même complexité polylogarithmique. (cf. András Gilyén, Seth Lloyd et Ewin Tang, Quantum-inspired low-rank stochastic regression with logarithmic dependence on the dimensions, https://arxiv.org/abs/1811.04909)
En 2020, un chercheur du CEA et ses collègues, montrent qu’un ordinateur quantique « imparfait » c’est-à-dire bruité et soumis au phénomène de décohérence comme le sont tous les prototypes actuels, peut être efficacement simulé sur un ordinateur classique de la puissance d’un laptop standard. La méthode repose sur une technique de « compression d’états quantiques » qui permet d’accélérer la simulation classique d’un facteur exponentiel au prix d’une perte d’information comparable à celle de toute façon induite par la décohérence. Ces travaux suggèrent qu’en vue d’atteindre la fameuse suprématie quantique, il est sans doute plus important d’améliorer la fidélité des qubits que leur nombre. (Cf. Yiqing Zhou, E. Miles Stoudenmire, and Xavier Waintal, What Limits the Simulation of Quantum Computers? Phys. Rev. X 10, 041038, Nov. 2020)

[iv]    Le parallélisme quantique opère directement sur l’ensemble des paramètres de la superposition des 2ⁿ « états de base » présente en mémoire, chacun d’eux encodant un mot de n bits ; réaliser la même opération en parallélisme classique nécessiterait 2ⁿ processeurs synchronisés.

[v]     Les états intriqués sont des états de superposition particuliers « non-séparables », dans lesquels il existe des corrélations entre les résultats des mesures effectuées sur les composants du système, même si ceux-ci se trouvent à des distances aussi grandes que voulues les uns des autres.
Le fait que ces corrélations ne puissent pas s’expliquer par l’existence de « variables cachées » mais sont bien l’expression d’une forme de dépendance « non-locale » persistant dans l’espace-temps entre particules ayant interagi à un moment donné, a fait l’objet d’une controverse célèbre entre Niels Bohr et Albert Einstein, initiée par ce dernier et ses collègues Boris Podolsky et Nathan Rosen dans l’article de 1935 : « Can Quantum-Mechanical Description of Physical Reality Be Considered Complete ? ».
Ce fait a été définitivement établi par Alain Aspect et son équipe au début des années 1980 par leurs expériences fondées sur les travaux du physicien irlandais John Bell. Ces travaux, donnant finalement raison à Bohr et tort à Einstein sur ce point spécifique, ont valu à Alain Aspect le prix Nobel de physique en 2022.
Des applications importantes de l’intrication dans le cadre des communications quantiques ont déjà été identifiées et expérimentées en laboratoire (téléportation d’états, cryptographie inviolable) ; dans le cadre du calcul quantique proprement dit, la compréhension du rôle de l’intrication dans l’obtention de speedups significatifs sur l’algorithmique classique fait encore l’objet de travaux de recherche fondamentale (Cf. Richard Jozsa, Noah Linden, On the role of entanglement in quantum computational speed-up, https://arxiv.org/abs/quant-ph/0201143v2).
Ce qui est certain, c’est que la majorité des états quantiques étant intriqués, la suprématie quantique qui repose fondamentalement sur la nature exponentielle de la mémoire dans le nombre de qubits, ne pourra être atteinte sans la capacité à exploiter ces états intriqués dans les calculateurs.

La présente note porte un regard critique sur le rapport de la Commission IA intitulé « IA : Notre Ambition pour la France » remis le mercredi 13 mars 2024 au Président de la République.

Portant l’ambition d’éclairer les décisions du Gouvernement sur la stratégie à adopter en matière d’IA et de faire de la France un pays à la pointe du domaine, la Commission IA formule dans son rapport 25 recommandations chiffrées au Gouvernement pour un investissement total de 27.4 milliards d’euros sur 5 ans. Des pilotes (ministères en charge) sont attribués à chaque recommandation pour la mise en œuvre effective d’un plan d’action qui se décline en six axes stratégiques :

1. Le lancement d’un plan national de sensibilisation et de formation,
2. La réorientation structurelle de l’épargne privée vers l’innovation et la création d’un fonds « France & IA » de 10 Md€,
3. L’avènement d’une puissance de calcul française,
4. L’exploitation facilitée de la donnée dans le respect du règlement RGPD et des droits de propriété intellectuelle,
5. Le principe d’une « exception IA » dans la recherche publique,
6. La promotion d’une gouvernance mondiale de l’IA.

En outre, la Commission encourage le déploiement massif de l’IA dans l’économie : l’écosystème français et européen spécialisé dans l’IA doit se développer parallèlement à l’adoption massive des systèmes d’IA par les entreprises qui composent actuellement le tissu productif.

Il convient de rendre hommage au travail remarquable de synthèse et de pédagogie réalisé par la Commission et par les nombreux spécialistes et citoyens mobilisés. Le rapport de synthèse de 130 pages, clair et bien structuré, s’appuie sur des sources sérieuses et aborde avec beaucoup de pédagogie les grandes questions qui se posent sur l’IA. Il pose un diagnostic pertinent sur l’impact de l’IA, sur les opportunités et les risques liés à cette technologie de rupture. Il fait une analyse lucide des capacités de la France et de l’Europe dans la compétition mondiale et assume le principe de l’interdépendance en préconisant des investissements ciblés sur quelques segments clés de la chaîne de valeur à des fins d’autonomie stratégique et de leadership.

Néanmoins les recommandations et les investissements préconisés se placent essentiellement dans le champ national alors que seul l’échelon européen semble crédible pour réunir les moyens financiers nécessaires et fédérer les grands programmes pour nous repositionner dans la compétition mondiale de l’IA. Il en va de même pour la gouvernance mondiale de l’IA encouragée par la Commission pour harmoniser les normes techniques et les modalités d’audit des systèmes : compte tenu du contexte géopolitique, de la tendance à la fragmentation du web mondial en une multitude de sous-espaces régionaux, de l’hégémonie des leaders états-uniens ou chinois, l’Europe est l’échelon le plus pertinent et réaliste pour assurer une telle gouvernance. La Commission reste par ailleurs floue sur la finalité et le projet de société que l’on souhaite bâtir avec l’IA. Ne faudrait-il pas mettre au centre de l’ambition les principes d’une IA sûre, digne de confiance et respectueuse de l’environnement ? A des fins d’équité, d’inclusion et d’impartialité, ne faudrait-il pas faire de la lutte contre les biais de l’IA une priorité réglementaire ? Ne faudrait-il pas orienter les investissements vers des projets bénéfiques pour la société (villes intelligentes, économie circulaire, santé publique, etc.) afin de susciter un véritable engouement et l’adoption par tous de la technologie ? Concernant le sujet épineux de l’accès aux données, la Commission plaide à juste titre pour que celui-ci soit reconnu comme axe prioritaire et pointe les limites de l’application des règles et principes afférents aux données personnelles, face notamment à la puissance de l’IA générative. En revanche, en appelant à une adaptation des pratiques, du droit et de la CNIL, elle se heurte à des problématiques complexes qui invitent à une initiative plus ambitieuse de réflexion et d’expérimentation. Autre point de faiblesse du rapport, l’absence de l’industrie dans le collège d’experts contributeurs alors qu’elle est la pierre angulaire d’une économie numérique européenne forte, innovante et souveraine.

L’équation financière, associée à chaque recommandation formulée, est bien esquissée mais reste à affiner. On peut regretter que sans perspective de soutien européen aux investissements et sans stratégie incitative d’orientation de la commande publique vers des solutions européennes, ce récit utopique de milliards d’un Etat national surendetté pourrait conduire à enterrer de facto le rapport. En outre, la Commission, si elle reconnaît la nécessité de la voie de l’interdépendance, semble poursuivre des chimères en matière d’infrastructure souveraine. Ce serait une erreur de concentrer les moyens de l’Europe sur l’improbable émergence d’un clone des GAFAM ou d’un géant de l’IA générative. L’Europe doit capitaliser sur ses atouts et ses grands acteurs industriels afin de construire un large écosystème « AI-friendly ».

La Commission anticipe un impact positif de l’IA sur la croissance et l’emploi et met, à juste titre, l’accent sur la formation comme condition nécessaire à l’adoption de l’IA. On peut malheureusement douter de cet optimisme : sans politique forte de réduction de la fracture numérique et d’inclusion sociale pour un accès de tous au numérique, sans actions concrètes pour la reconversion professionnelle et la protection sociale des travailleurs affectés par l’automatisation, sans cadres protecteurs pour les travailleurs précaires du numérique et une juste rétribution de leurs tâches, l’effet d’éviction de l’IA évoqué dans le rapport pourrait s’avérer in fine délétère pour la croissance et l’emploi. Enfin, la dilution des responsabilités par pôle ministériel (santé, éducation, enseignement supérieur et recherche, travail, fonction publique, …) soulève des interrogations sur la solidité de la feuille de route proposée et sur les modalités d’exécution. On peut regretter en particulier l’absence de chef d’orchestre pour coordonner l’ensemble du dispositif, et de plan de route effectif pour chacune des recommandations formulées.

Nous espérons que le gouvernement qui sera constitué en réponse à la recomposition de l’Assemblée nationale (juin 2024) poursuivra ses efforts dans le domaine et que la gauche progressiste se saisira pleinement du sujet de l’IA pour accompagner avec optimisme, force et crédibilité les transformations à venir de la société.

Louis Cougouille et Frédéric Tatout

Temps de lecture : 22 minutes

A la lumière des réflexions et des propositions du Groupe de travail IA des « Progressistes pour la social-démocratie », consignées dans le document Intelligences Artificielles (IA), la présente note porte un regard critique sur le rapport de la commission IA intitulé IA : Notre Ambition pour la France remis le mercredi 13 mars 2024 au Président de la République. Elle en présente une synthèse, analyse les points forts et les points faibles à travers le prisme de la sensibilité progressiste social-démocrate.

La synthèse

La Commission IA a été constituée en septembre 2023 par la première ministre Elisabeth Borne avec pour ambition d’éclairer les décisions du Gouvernement sur la stratégie à adopter en matière d’IA et de faire de la France un pays à la pointe du domaine. Sa présidence a été confiée à Anne Bouverot (présidente du conseil d’administration de l’ENS) et à Philippe Aghion (professeur au Collège de France). Elle a mobilisé 13 experts[1] de l’IA appuyés par de nombreux rapporteurs, dont deux généraux[2]. 600 spécialistes et parties-prenantes de l’IA ont été auditionnés et 7000 personnes ont été consultées sur l’Application Agora.

La Commission IA formule dans son rapport 25 recommandations chiffrées au Gouvernement pour un investissement total de 27.4 milliards d’euros sur 5 ans. Des pilotes (ministères en charge) sont attribués à chaque recommandation pour la mise en œuvre effective d’un plan d’action qui se décline en six axes stratégiques :

1. Le lancement d’un plan national de sensibilisation et de formation

L’objectif est de créer les conditions d’une appropriation collective de l’IA par la sensibilisation et la formation de l’ensemble de la population. Les moyens envisagés sont la massification de la formation continue, une structuration de l’offre de formation d’enseignement supérieur, l’acculturation des élèves dans l’enseignement secondaire, l‘animation de débats publics pour une construction partenariale des usages de l’IA et l’intégration de l’IA comme objet et outil du dialogue social et de l’amélioration de la qualité du service public (éducation, santé, administration).

2. La réorientation structurelle de l’épargne privée vers l’innovation et la création d’un fonds « France & IA » de 10 Md€

L’objectif est de financer durablement l’innovation et d’opérer un indispensable changement d’échelle pour exister dans la compétition mondiale. La Commission estime que la France devrait au moins tripler ses investissements dans l’IA. Elle propose pour cela de réorienter une partie de l’épargne privée vers l’innovation par une réforme de la fiscalité de l’assurance vie et des retraites complémentaires, et de créer, pour le court-terme, un fonds « France & IA » susceptible de soutenir l’émergence de l’écosystème d’IA (start-ups spécialisées dans l’IA appliquée) et la transformation du tissu économique des PME et ETI. Ce fonds mobiliserait 7 Md€ de capital investissement d’entreprise et 3 Md€ de soutien public. Afin d’amplifier le financement de l’innovation, la commission plaide en faveur de la mise en place d’une véritable union des marchés de capitaux à l’échelle européenne et le renforcement de l’attractivité des fonds d’investissement étrangers.

3. L’avènement d’une puissance de calcul française

L’objectif est de recouvrer une autonomie stratégique en matière d’infrastructure de calcul pour adresser les cas d’usage sensibles, stimuler la recherche et le développement de jeunes pousses en IA et être en mesure d’entraîner et d’utiliser sur le sol européen les modèles d’IA les plus avancés. La Commission propose d’agir simultanément sur l’offre et sur la demande de calcul. Au niveau de l’offre, elle recommande d’accélérer les travaux d’extension des supercalculateurs français et européens de taille « exascale », de lancer à court terme une opération d’achat groupé pour l’écosystème et de fixer un objectif pour l’implantation de centres de calcul sur le territoire européen. Au niveau de la demande, un crédit d’impôt IA soutiendrait les projets de recherche et de développement dans la location de la puissance de calcul, sous la condition d’utiliser un centre de calcul établi sur le territoire. En outre, la Commission suggère d’investir massivement dans une filière de composants semi-conducteurs optimisés pour l’IA afin de sécuriser l’approvisionnement des briques technologiques critiques de la chaîne de valeur.

4. L’exploitation facilitée de la donnée dans le respect du règlement RGPD et des droits de propriété intellectuelle

L’objectif est de libérer l’accès aux données afin de favoriser l’innovation. La France dispose en effet d’un ensemble hors du commun de corpus numérisés et la mobilisation adaptée de ce patrimoine unique dans le cadre de l’entraînement des systèmes d’IA représente un enjeu de diversité culturelle et de souveraineté. La Commission fait le constat que certaines règles et pratiques françaises sont plus contraignantes que le cadre européen du RGPD. Elle propose de supprimer des procédures d’autorisation préalable d’accès aux données de santé et de réduire les délais de réponse de la CNIL par une réforme de son mandat et de ses moyens de fonctionnement. Elle milite par ailleurs pour une accélération de l’ouverture des données publiques (open data) et pour la mise en place d’entrepôts de données publiques et privées assorties de cartographies des droits et de modèles de rémunération. Sur la question des données soumises au droit de propriété intellectuelle, la commission plaide pour le principe de transparence : l’éditeur d’IA doit rendre public le fait qu’il a utilisé des données protégées par le droit d’auteur et indiquer auprès de quelle entité le titulaire des droits peut obtenir des informations, les produits culturels et l’information issue des IA doivent être clairement labellisés.

5. Le principe d’une « exception IA » dans la recherche publique

L’objectif est d’attirer les talents et de renforcer l’attractivité de la recherche publique française dans le domaine de l’IA. La Commission considère que la France doit attirer entre 10 et 15 % des trois à cinq mille profils internationaux très qualifiés susceptibles d’avoir un impact significatif sur la croissance de l’écosystème de l’IA. Elle propose en outre de libérer les chercheurs des contraintes administratives et de leur offrir des rémunérations attractives.

6. La promotion d’une gouvernance mondiale de l’IA

L’objectif est de bâtir une Organisation mondiale de l’IA qui aurait pour mission d’évaluer et d’encadrer les systèmes d’IA par la définition de normes et de modalités d’audits, de faire un état des connaissances sur l’évolution des systèmes d’IA et de ses impacts, à la manière du GIEC, et de décider des orientations stratégiques pour des projets d’intérêt général mondial, par exemple en matière d’outils d’IA au profit de la transition environnementale. La Commission promeut en outre la création d’un Fonds international pour l’IA (doté d’un budget annuel de 500 M€) au service de projets d’intérêt général (projets d’IA libres et gratuits,  projets de recherche indépendante, innovations dans l’environnement, la science, la santé…) et d’un mécanisme de solidarité internationale « 1 % IA » pour les pays en voie de développement : tous les acteurs investissant significativement dans la puissance de calcul pourraient s’engager à allouer 1 % à ces pays.

Au-delà de ces six axes stratégiques, la Commission encourage le déploiement massif de l’IA dans l’économie.  L’écosystème français et européen spécialisé dans l’IA doit se développer parallèlement à l’adoption massive des systèmes d’IA par les entreprises qui composent actuellement le tissu productif. Pour gagner en productivité et en compétitivité, il faut miser sur l’économie de l’IA, mais aussi sur l’économie avec l’IA.

Les points forts

• Un travail remarquable de synthèse et de pédagogie

En premier lieu, il convient de rendre hommage au travail remarquable réalisé par la Commission et par les nombreux spécialistes et citoyens mobilisés. Le rapport de synthèse de 130 pages est globalement clair et bien structuré. Il s’appuie sur des sources sérieuses et aborde avec beaucoup de pédagogie les grandes questions qui se posent sur l’IA. Il constitue un excellent point de départ pour toute personne désireuse de mieux appréhender le sujet et de se faire une opinion sur la stratégie à adopter dans le domaine.

• Un diagnostic pertinent

Le rapport pose un diagnostic pertinent sur l’impact de l’IA, sur les forces et les faiblesses de la France et de l’Europe dans la compétition mondiale, sur les opportunités et les risques liés à cette technologie de rupture :

• L’IA est une révolution technologique qui affecte tous les domaines d’activité. Elle a des effets sur l’économie, la médecine, l’emploi, les services publics, l’environnement, l’information, le secteur culturel.
• Elle ne doit susciter ni excès de pessimisme, ni excès d’optimisme : il ne faut pas anticiper de chômage de masse, ni d’accélération automatique de la croissance. Dans les prochaines années, l’IA ne remplacera pas l’humain, de même qu’elle ne sera pas la solution à tous les défis de notre temps.
• Alors que les Etats-Unis et la Chine ont fait de l’IA une priorité stratégique, la France et l’Europe accusent du retard avec un risque de déclassement économique et de perte de souveraineté.
• L’Europe et la France ont pourtant des atouts à faire valoir pour prendre part à cette révolution du fait de l’excellence des talents, d’écosystèmes dynamiques, de la qualité de la formation, et de la richesse des données patrimoniales, industrielles, culturelles et personnelles.
• La domination du marché par quelques acteurs et la concentration technologique aggravent les inégalités de répartition des richesses et le développement de l’IA comporte de nombreux risques : impact environnemental, violation des droits de propriété intellectuelle, désinformation, cyberattaques, etc.
• Si le développement de l’IA est encadré et maîtrisé, il pourrait favoriser la prospérité collective, améliorer les conditions de travail, réduire les inégalités, accélérer l’innovation et avoir un effet globalement favorable sur l’emploi malgré la transformation qu’il engendre.
• L’Europe et la France peuvent encore rattraper leur retard, la chaîne de valeur économique n’étant pas encore arrivée à maturité

• De bonnes pistes pour un sursaut français et européen

La Commission fait une analyse lucide des capacités de la France et de l’Europe et assume le principe de l’interdépendance en préconisant des efforts ciblés sur quelques segments clés de la chaîne de valeur à des fins d’autonomie stratégique et de leadership. Elle préconise en particulier des investissements importants (de l’ordre de 12 Mds sur 5 ans) pour améliorer la situation de maîtrise de la filière technologique : soutien à l’émergence d’une filière européenne de composants semi-conducteurs, investissements dans la puissance de calcul installée, renforcement de la capacité technique et de l’infrastructure du numérique public, investissements massifs dans les entreprises du numérique et la transformation des entreprises pour soutenir l’écosystème français de l’IA. En outre, elle préconise des investissements tout aussi importants pour développer l’accès aux outils : facilitation de la circulation des données en particulier dans le domaine de la santé, incitation au recours aux outils d’IA dans l’économie française en favorisant l’usage de solutions européennes, encouragement à l’utilisation de l’IA dans l’éducation. Enfin, elle propose un investissement important (de l’ordre d’1,5 Mds sur 5 ans) dans la formation : généralisation du déploiement de l’IA dans toutes les formations d’enseignement supérieur, acculturation des élèves dans l’enseignement secondaire, investissement dans la formation professionnelle et dans les dispositifs de formation autour de l’IA.

Les points faibles

• Un volontarisme centré sur les capacités de la France qui omet la voie européenne

Les forces, les faiblesses et la place de l’Europe dans le domaine de l’IA sont globalement bien disséquées dans le rapport dont nous avons préalablement loué la pertinence du diagnostic, néanmoins, les recommandations et les investissements préconisés, se placent essentiellement dans le champ de l’action nationale. Si certaines ambitions engagent la volonté et les capacités de l’Europe (promotion d’une union des marchés de capitaux, émergence d’une filière européenne de composants semi-conducteurs adaptés aux systèmes d’IA, soutien à l’extension des infrastructures exascale), les moyens de les atteindre ne sont pas vraiment explicités. Or, la compétitivité dans l’IA est une affaire de taille de marché, de quantité et de qualité de données, de puissance de calcul, de réseaux de talents et seul l’échelon européen semble crédible pour réunir les moyens financiers nécessaires et fédérer les grands programmes susceptibles de repositionner la France dans la compétition mondiale de l’IA. Etant donné l’état de ses finances publiques, le niveau de sa dette et ses capacités budgétaires, la France n’a pas les moyens de lancer un nouveau plan calcul, ce serait assurément un échec. La tectonique du marché de l’IA requiert la force de frappe de l’Europe tout entière, de son tissu industriel, de sa recherche, de ses talents et de ses jeunes pousses innovantes. Quelles stratégies ont adopté les autres pays européens en matière de numérique et d’IA, quels moyens financiers sont-ils prêts à mobiliser, et quel niveau de collaboration entendent-ils développer avec les partenaires européens ? Quels rôles peuvent jouer les banques et les fonds d’investissement européens pour soutenir les ambitions dans l’IA et diluer globalement les risques ? Autant de questions qui ne sont pas traitées dans le rapport et qui donnent à douter du volontarisme affiché de faire de la France un leader du domaine.

Ces problématiques appellent à une réflexion exigeante sur les moyens d’articuler au mieux les dynamiques nationales et la dimension européenne et qui viserait en particulier à :

• Conforter les points forts de la France : talents mondiaux, ressources de calcul d’envergure EU (GENCI, etc.)
• Susciter une dynamique européenne en préparant des accords de coopération entre pays européens sur l’ensemble des briques technologiques auxquelles la France doit pouvoir accéder : filière européenne des composants, schémas d’architecture de calculateurs, formats et méta-formats de traitement de données communs, etc.
• Contribuer au développement de standards européens permettant de faire émerger des marchés à l’échelle européenne et susciter l’émergence d’une IA respectueuse des valeurs et de la société européenne (cf. partie suivante : le flou sur la finalité)

• Le flou sur la finalité

Le rapport dresse un diagnostic pertinent des risques inhérents à l’IA et formule de nombreuses propositions pour les contenir : prise en compte de l’impact environnemental dans la conception et l’utilisation des systèmes d’IA, protection de la propriété intellectuelle, formation de toute la population à la technologie, … Les propositions vont dans le bon sens mais il manque peut-être l’essentiel, à savoir une vision de projet de société : si l’IA conditionne notre avenir, quel avenir souhaitons-nous construire avec l’IA ?

Ces enjeux invitent à donner un sens politique à l’action ! Ne faudrait-il pas en particulier mettre au centre de l’ambition les principes d’une IA sûre, digne de confiance et respectueuse de l’environnement ? Ne faudrait-il pas faire de la lutte contre les biais de l’IA une priorité réglementaire à des fins d’équité, d’inclusion et d’impartialité ? Ne faudrait-il pas privilégier l’orientation des moyens vers des projets différenciants sur le plan international, nourris de la richesse et de la diversité des données européennes, et porteurs d’objectifs bénéfiques pour la société ? De multiples secteurs sont concernés : villes intelligentes, économie circulaire, santé publique, réseaux sociaux de taille humaine, gestion des déchets, applications de lutte contre le réchauffement climatique et les inégalités. Pour combattre les réflexes de repli malthusiens des populations face aux ruptures technologiques, pour susciter un véritable engouement et l’envie d’agir, ne faudrait-il pas, au-delà de la massification de la formation et du nécessaire dialogue social, dessiner les contours d’un projet fédérateur et inspirant qui ne soit pas seulement celui d’un hypothétique leadership technologique et économique ?

• Le sujet épineux de l’accès aux données

La Commission plaide pour que l’accès aux données soit désigné comme axe prioritaire. Aucun tabou ne devra s’opposer à l’accès et au traitement des données de tous ordres (social, culturel, patrimonial, personnels …), du moment qu’ils satisfont à trois conditions : le respect du cadre légal, la compatibilité avec nos valeurs, et la mise en place d’une démarche éthique rigoureuse. L’accès à des données variées, de qualité et en grande quantité, selon ces dispositions, est un levier considérable d’innovation et une condition sine qua non de l’émergence d’une offre d’IA compatible avec les structures socio-politiques de l’Europe. Les données administratives, industrielles et culturelles de l’Europe constituent un patrimoine d’une richesse inouïe : à la fois un bien commun à transmettre aux générations futures et une mine de compétitivité. C’est à ce double titre que la France et l’Europe doivent défendre leur droit légitime à assurer la maîtrise de ces données et des services d’IA qui en exploiteront la richesse. Pour cela, les trois conditions ci-dessus doivent être accompagnées par des mesures d’accompagnement tous azimuts en faveur de projets expérimentaux nombreux et réalisés dans un cadre maîtrisé, d’initiatives de normalisation et de définitions de cadres méthodologiques, du soutien à la recherche fondamentale, terreau de l’innovation en IA, et enfin, de la promotion du financement privé de la recherche appliquée et de l’innovation.

Le rapport de la Commission IA pointe de manière très juste les limites de l’application des règles et principes afférents aux données personnelles, face notamment à la puissance de l’IA générative. Les problématiques, complexes, appellent à une adaptation des pratiques, du droit et de la CNIL, dont certaines lignes sont esquissées dans le rapport. Mais il était très difficile de proposer des recommandations précises dans la durée très courte accordée à la Commission. Les réflexions collectives sur les données de santé donnent une idée de la profondeur du sujet et la Commission aurait pu élargir sa recommandation n°15, prônant l’innovation, d’un appel à une initiative ambitieuse de réflexion et d’expérimentation largement ouverte sur la société civile et à un renforcement de la sensibilisation des populations à ces questions. Une telle initiative pourrait démarrer sur des travaux de commissions indépendantes ou ad hoc, et des projets pour sensibiliser les populations de tout âge.

Le cadre de réflexion proposé sur les données patrimoniales est un peu plus développé que la discussion sur les données personnelles. L’IA générative place les données patrimoniales dans une situation paradoxale. D’un côté, elles portent les spécificités et les richesses de notre société, constituent un maillon très important de notre bien commun et un potentiel de richesse économique considérable. Et par ailleurs, une forme d’intégration de ces données dans les systèmes d’IA générative apparaît nécessaire pour que nos cultures et nos valeurs ne soient pas effacées par la généralisation de ces systèmes. Ce paradoxe ne peut être résolu sans que le développement des systèmes d’IA générative assure certaines formes de respect : inclusivité, équité entre les contenus selon leurs origines, respect de la propriété intellectuelle, notamment littéraire et artistique, rémanence au sein de ces systèmes et non effacement par ces systèmes, un risque à moyen long terme qui ne transparaît pas à la lecture du rapport. Ces formes de respect ne naîtront pas spontanément et il faudra effectivement leur donner un caractère contraignant et incitatif en s’appuyant sur la mise en place de structures d’intermédiation telles que celle évoqué dans la recommandation n°16, et des éléments de transparence (recommandation n°17).

On notera que le rapport n’évoque pas nommément deux réglementations récentes et importantes, le Data Governance Act et le Data Act, qui ont donné corps à la stratégie européenne pour les données, présentée par la Commission européenne en février 2020. Le premier vise à favoriser le partage des données personnelles et non personnelles en mettant en place des structures d’intermédiation, comme évoqué ci-dessus, celles-ci devant être certifiées. Le second, parfois présenté comme complémentaire du précédent, qui vise essentiellement à instaurer des modalités de répartition plus équitable de la valeur issue des données entre les parties concernées (notamment les données provenant de l’utilisation des objets connectés). Il aurait été judicieux de formuler des recommandations rentrant dans le champ d’application de ces deux règlements et de mettre en lumière les formidables opportunités offertes par l’exploitation facilitée des données industrielles et de l’IoT, qui constituent le cœur de cible du Data Act.

• Une stratégie IA bâtie sans le tissu industriel

L’industrie (automobile, transport et logistique, défense, chimie/pharmacie, agroalimentaire, …) est la grande absente du collège d’experts choisis pour contribuer au rapport. … N’est-elle pas pourtant, avec la richesse de ses données et le formidable potentiel de croissance qu’elles recèlent, la pierre angulaire d’une économie numérique européenne forte, innovante et souveraine ? Les cas d’usage de l’IA dans l’industrie sont vertigineux : optimisation des processus métiers, jumeaux numériques, robotique collaborative, gestion de systèmes complexes ; le vivier de données industrielles gigantesque grâce au développement exponentiel de l’IoT ; les technologies de l’IA en effervescence avec l’émergence des Large Action Models[3] … La construction d’une stratégie IA sans la contribution du tissu industriel porteur est une des faiblesses du rapport.

• Une équation financière bien esquissée mais qui reste à affiner

Il faut saluer l’effort d’évaluation, fait par la Commission, des investissements nécessaires à la réalisation de chacune de ses recommandations. Elle propose aussi des mesures, comme réorienter une partie de l’épargne privée vers l’innovation, ce qui paraît nécessaire, en plus de créer un fonds « France et IA », pour répondre au montant massif qu’elle juge nécessaire, au global : 27 milliards sur 5 ans soit plus de 5 milliards par an. Pour ambitieux que ce chiffre puisse paraître, il permettrait effectivement à la France de ne pas figurer parmi les nains en la matière. On peut regretter que sans perspective de soutien aux investissements dans l’offre à l’échelon européen, et sans stratégie incitative d’orientation de la commande publique vers des solutions européennes, ce récit utopique de milliards d’un Etat national surendetté pourrait conduire à enterrer de facto le rapport. Pour preuve, les 800 millions d’euros pour l’IA annoncés par Emmanuel Macron au Salon VivaTech le 17 juin 2024 sont malheureusement bien en deçà des niveaux d’investissement préconisés par la Commission pour la première année d’exécution du plan.

Certes, comme suggéré ci-dessus, l’argent ne fait pas tout : il est également question de méthode. Il apparaît nécessaire de promouvoir des dispositifs d’encadrement et d’accompagnement méthodologique de l’innovation, de mettre en place une démarche cohérente globale dans toutes les dimensions sociales, politiques et économiques. Mais la cohérence globale ne fait pas tout elle non plus : notre recommandation est donc que les travaux de la Commission soient approfondis par les nouveaux responsables des politiques publiques issus des dernières élections législatives et l’équation financière proposée, affinée à la lumière de ces approfondissements et d’un cadrage financier à la fois très volontariste et réaliste.

Est-ce que dans ce contexte, et compte tenu du vivier de talents nationaux, un niveau d’investissement comparable à celui de notre voisin d’outre-Manche ne permettrait pas d’espérer voir la France ne pas devenir, sans retour possible, une colonie numérique ?

• La poursuite de chimères en matière d’infrastructure souveraine

En matière de souveraineté, la Commission reconnaît la nécessité de la voie de l’interdépendance. Concrètement, il s’agit pour la France de se doter d’avantages comparatifs en se positionnant sur quelques briques technologiques et quelques segments bien ciblés de la chaîne de valeur de l’IA. Elle recommande en particulier des investissements importants dans la puissance de calcul mais elle reste évasive sur les services, les segments de marché et les types de plateformes effectivement visés. Etant donné les échecs successifs des projets historiques de cloud souverain en France (CloudWatt, Numergy) et plus récemment de l’initiative européenne GAIA-X globalement noyautée par les GAFAM, on peut se permettre de douter du destin de telles initiatives tellement est conséquent le retard sur les acteurs américains qui continuent d’investir des milliards pour développer leurs solutions de cloud généralistes sur le territoire européen. Si OVHcloud se targue d’être le champion tricolore du domaine, il n’occupe qu’une place de strapontin alors que les hyperscalers américains (Amazon, Microsoft et Google) captent plus de 80% de la croissance du cloud public en France. Ce serait donc une erreur de concentrer les moyens de l’Europe sur l’improbable émergence d’un clone des GAFAM ou d’un géant de l’IA générative. L’Europe doit capitaliser sur ses atouts et ses grands acteurs industriels afin de construire un large écosystème AI-friendly incluant entre autres : les technologies de composants à basse consommation, les architectures électroniques ouvertes, évolutives, modulables et neuronales, l’Edge Computing, l’IA embarquée, les processeurs pour les calculateurs exascale, les supercalculateurs, les calculateurs quantiques et les plateformes de partage et de recherche ouvertes. En matière de conception et fabrication de HPC, la division ATOS/BULL est encore une compétence distinctive française, mais pour combien de temps ? Il est urgent que la douloureuse agonie d’ATOS soit gérée afin de sauver ce qui reste de cette activité stratégique tant qu’il est encore temps. En outre, l’Europe a intérêt à soutenir des initiatives différenciantes en termes de sécurité et de maîtrise de l’impact environnemental et qui visent à répondre à des besoins bien spécifiques, par exemple, les plateformes d’IA en cloud pour les services publics, la recherche ou les acteurs critiques de l’économie qui capitalisent sur les briques de confiance et de sécurité qui ont émergé en France et Europe ces 10 dernières années (cf. projets NumSpot[4], Kyutai[5], …).

La volonté de développer une filière de composants semi-conducteurs optimisés pour l’IA paraît, elle aussi, sous-tendue par une vision extrêmement optimiste. Malgré les enchaînements multiples des plans composants depuis de nombreuses décennies, le seul acteur franco-européen rescapé et encore pertinent dans de nombreux domaines spécialisés est STMicroelectronics. Or, on voit difficilement cet acteur, comme d’autres acteurs européens (Infineon, ASML), relever le gant à court-terme contre NVIDIA, le « roi de l’IA » et première capitalisation boursière mondiale en 2024. Pour asseoir le réalisme d’une telle volonté, et le cas échéant proposer des éléments d’orientation stratégique, il conviendrait de l’étayer d’un état des lieux sur la filière électronique en Europe et d’un développement argumenté sur les pistes de redressement stratégique.

• Le mantra de l’impact positif de l’IA sur la croissance et l’emploi

La Commission anticipe un impact positif de l’IA sur la croissance et l’emploi et met, à juste titre, l’accent sur la formation comme condition nécessaire à l’adoption de l’IA. Elle estime que l’IA peut augmenter la prospérité collective et contribuer à l’amélioration de la qualité du travail comme à la réduction des inégalités par la hausse du PIB et la croissance économique. Ces prévisions optimistes pourraient se heurter à la réalité sans un accompagnement vigoureux portant sur un ensemble de facettes pertinentes représentant une masse critique. Rappelons que la fracture numérique est une réalité sur notre territoire et que 14 millions de français sont actuellement touchés par l’illectronisme[6]. Rappelons également que des milliers de travailleurs, invisibles, précaires et oubliés du droit, annotent, forment et corrigent les systèmes d’IA. Sans politique forte de réduction de la fracture numérique et d’inclusion sociale pour un accès de tous au numérique, sans actions concrètes pour la reconversion professionnelle et la protection sociale des travailleurs affectés par l’automatisation, sans cadres protecteurs pour les travailleurs précaires du numérique et une juste rétribution de leurs tâches, l’effet d’éviction[7] de l’IA évoqué dans le rapport pourrait s’avérer in fine délétère pour la croissance et l’emploi. En outre, une politique ambitieuse ou même une stratégie à l’instar de celle de la Corée en 1990 sur Internet, qui a propulsé Samsung et LG parmi les leaders mondiaux, perdra rapidement son soutien politique si la majorité de la population se perçoit comme laissée pour compte de la vague de l’IA.

• Une gouvernance mondiale utopique

Compte tenu du contexte géopolitique et de la tendance à la fragmentation du web mondial en une multitude de sous-espaces régionaux (effet de splinternet[8]), les perspectives d’une gouvernance mondiale de l’IA, qui aurait pour mission d’harmoniser les normes techniques et les modalités d’audit des systèmes, s’éloignent. Dans l’hypothèse d’une gouvernance intégrant l’Europe et les Etats-Unis, elle se fera sous la houlette des leaders outre-Atlantique, à moins que l’Europe parvienne à poser certaines limites. L’IA Act, qui intègre une dimension opératoire de transparence par le biais du développement d’une expertise, pourrait être un cas d’école de cette capacité, si son succès est au rendez-vous.  En tout état de cause, l’Europe est l’échelon qui paraît le plus pertinent et réaliste. Des travaux d’alignement sur de tels standards peuvent être menés au niveau européen dans la continuité de l’IA Act. En outre, l’Europe a intérêt à nourrir un dialogue et à coopérer sur ces questions comme sur celles de la souveraineté numérique et de l’autonomie stratégique avec les États (Inde, Brésil, …) qui restent partagés à l’idée de se subordonner aux deux leaders mondiaux (Chine et Etats-Unis).

• Un plan d’action de haut niveau sans chef d’orchestre et sans déclinaison opérationnelle

Dans le tableau de synthèse qui conclut le rapport, chacune des 25 recommandations se voit attribuer un pilote (un ministère) en charge de l’exécution. Cette distribution des responsabilités par pôle ministériel (santé, éducation, enseignement supérieur et recherche, travail, fonction publique, …) soulève des interrogations sur la solidité du plan proposé et sur ses modalités d’exécution. On peut regretter en particulier l’absence de chef d’orchestre pour coordonner l’ensemble du dispositif, et de plan de route effectif pour chacune des recommandations formulées. A tout le moins, la crédibilité d’une stratégie suppose la nomination d’un ministère de plein exercice du Numérique, au lieu d’un secrétariat, ou d’une agence sous l’égide du premier ministre.

Les perspectives

Quelles suites donner à ce rapport ?

Nous espérons que le prochain gouvernement[9], quel qu’il soit, poursuivra ses efforts dans le domaine. S’il est probable que les réponses et les propositions qui feront écho au rapport seront en deçà des attentes pour toutes les raisons que nous avons précédemment évoquées, Il est en tout cas de la responsabilité d’une gauche progressiste, de se saisir du sujet et de projeter sa propre vision politique afin d’accompagner avec optimisme, force et crédibilité les transformations à venir de la société.

La note Intelligences Artificielles (IA) réalisée par le groupe des progressistes pour la social-démocratie, dessine les grandes lignes d’une telle politique. Lisez-la ! Lisez également notre autre note plus spécifique IA et santé.

Et Il faut aller plus loin : affirmer avec détermination ce que l’on veut faire de l’IA et avec l’IA pour la France, par la voie de l’Europe, et proposer un plan d’action solide, concret et réaliste, à la hauteur des enjeux. Le temps presse.

Louis Cougouille et Frédéric Tatout

******

[1] Gilles Babinet (président du Conseil national du numérique), Joëlle Barral (directrice scientifique chez Google), Alexandra Bensamoun (professeure de droit), Nozha Boujemaa (co-présidente du groupe d’experts IA de l’OCDE et Digital Trust Officer de Décathlon), Bernard Charlès (président-directeur général de Dassault Systèmes), Luc Julia (expert en intelligence artificielle générative), Yann Le Cun (VP et Chief AI Scientist chez Meta, expert de l’IA générative), Arthur Mensch (fondateur de Mistral), Cédric O (consultant, ancien Secrétaire d’État au Numérique), Isabelle Ryl (directrice du Paris Artificial Intelligence Research Institute – PRAIRIE, INRIA), Franca Salis-Madinier (Secrétaire nationale de la CFDT Cadres en charge de l’Europe, du numérique, de l‘intelligence artificielle et de la protection des lanceurs d’alerte), Martin Tisné (cofondateur de l’OP), Gaël Varoquaux (chercheur en informatique).

[2] Cyprien Canivenc (conseiller référendaire à la Cour des comptes), et Arno Amabile (ingénieur des mines).

[3] Les Large Action Models (LAM) sont des systèmes avancés d’IA capables de comprendre l’intention humaine et de réaliser des actions de manière autonome.

[4] NumSpot : https://numspot.com/

[5] Kyutai : https://kyutai.org/

[6] Illectronisme : l’illettrisme numérique, ou encore l’illettrisme électronique, est la difficulté, voire l’incapacité, que rencontre une personne à utiliser les appareils numériques et les outils informatiques en raison d’un manque ou d’une absence totale de connaissances à propos de leur fonctionnement.

[7] L’automatisation déplace certaines tâches du travail humain vers les machines, ce qui tend à détruire des emplois : c’est l’effet d’éviction.

[8] Splinternet (également appelé cyber-balkanisation ou balkanisation d’Internet) est une notion abstraite d’un éclatement, d’une fragmentation et d’une division d’Internet en raison de divers facteurs, tels que la technologie, le commerce, la politique, le nationalisme, la religion et les intérêts nationaux divergents.

[9] Au moment où nous publions cette note (juillet 2024), l’Assemblée nationale est nouvellement constituée suite à la dissolution du 9 juin 2024 et la tenue d’élections législatives anticipées. Le président de la République n’a pas encore nommé les membres du gouvernement en réponse à la recomposition de l’assemblée.

On utilise le terme d’Intelligence Artificielle (IA) pour désigner tout système pourvu de capacités habituellement associées à l’intelligence humaine et amplifiées par la technologie comme celles de simuler un raisonnement, de traiter de grandes quantités de données, d’interagir avec l’homme, d’apprendre en autonomie et d’améliorer ses performances de manière continue. Anthropomorphiser le phénomène de l’IA est cependant une source de confusions qui ouvre la porte aux craintes de la voir dépasser les humains et même de les exterminer comme aux rêves de la voir résoudre tous les problèmes de la planète. L’IA d’aujourd’hui, dite étroite, est avant tout un processus statistique adaptatif qui reste concentré sur des tâches spécialisées et bornées dans leur contexte d’exécution. Etant donné la diversité des cas d’utilisation, des technologies et des sciences qui nourrissent la discipline, on peut considérer qu’il n’y a pas une mais plusieurs Intelligences Artificielles.

L’IA est née avec l’informatique et se développe depuis lors. En 2023, l’IA est en passe d’intervenir dans toutes les activités de notre vie et aucun secteur économique n’est épargné : une ère de l’ « IA partout » (AI everywhere) vient de s’ouvrir. Elle est en particulier marquée par la popularisation de l’IA générative par ChatGPT d’OpenAI, qui porte une mini-révolution tous azimuts des usages du numérique.

L’IA prend corps dans l’espace numérique sous forme de puissants algorithmes, notamment les algorithmes d’apprentissage automatique (Machine Learning), qui exploitent de grands volumes de données (BigData) et s’exécutent sur d’immenses fermes de calcul équipées de processeurs graphiques GPU et disponibles à la demande (Supercalculateurs combinés au Cloud).

Les IA ne sont pas vraiment intelligentes, ne sont pas vraiment artificielles, et ne sont pas non plus des intelligences augmentées. Il s’agit d’outils numériques qui contribuent, d’une certaine façon, à augmenter notre propre intelligence et dont les potentialités sont vertigineuses : optimisation des processus métiers, gestion des systèmes complexes, robotique collaborative et jumeaux numériques, recherche scientifique, personnalisation d’expérience, outils d’aide à la création artistique…

Les IA ouvrent la voie à une véritable collaboration entre les machines et les êtres humains, permettant à ces derniers de libérer tout leur potentiel de créativité et leur capacité d’innovation. Il faut toutefois prendre garde à certains risques que peuvent introduire ou amplifier les systèmes d’IA dans de multiples domaines : désinformation et manipulation des opinions par les hypertrucages, biais et discriminations, atteinte à la propriété intellectuelle et à la vie privée, impact environnemental, menaces sur l’emploi, effet de plateformisation et de concentration du pouvoir autour d’une poignée d’acteurs, repli malthusien des populations face au progrès … Ces risques posent des défis sociétaux, économiques et réglementaires importants exacerbés par l’émergence récente des grands modèles génératifs et par l’ampleur et la rapidité sans précédent avec lesquelles les outils d’IA sont adoptés pour tout type d’usage.

Aux États-Unis, l’approche réglementaire est celle de la « light touch regulation ». Cette approche, encouragée par les GAFAM, a eu tendance à s’imposer jusqu’à présent. Elle pose un problème à l’Europe qui entend défendre ses valeurs en matière de sécurité et de droits fondamentaux et endiguer la perte de souveraineté qu’elle a subie dans le domaine du numérique. L’Union Européenne a donc adopté une démarche réglementaire plus musclée qui se traduit par de multiples règlementations progressives et coercitives sur le numérique et l’IA, avec pour point d’orgue le projet d’IA Act récemment adopté au Parlement européen qui repose sur l’idée d’une IA de confiance et qui impose des règles à tous les systèmes d’IA avec des contraintes renforcées sur ceux jugés à « haut risque » (infrastructures critiques, éducation, ressources humaines, maintien de l’ordre). Cette stratégie fait débat car elle impose des contraintes potentiellement fortes (financières, procédurales) aux entreprises qui innovent dans le domaine et tentent de pénétrer un marché déjà largement dominé par les géants américains ou chinois.

L’IA comme source de puissance est un enjeu de leadership entre les États-Unis et la Chine ce qui contraint l’Europe à s’engager sur le même chemin même si elle le fait avec des moyens et des visées différents. La dimension européenne est nécessaire à la bonne exécution de la stratégie française en matière d’IA : l’Europe intervient de manière substantielle pour réguler les usages, fixer les règles pour la gestion des données, financer la recherche et favoriser l’émergence de champions industriels. Mais la prise de conscience des enjeux de l’IA a eu lieu avec un certain retard en Europe alors que les Etats-Unis et la Chine ont réalisé des investissements considérables dans la technologie dès 2015. Malgré la qualité de sa recherche et ses talents de niveau mondial, la France et l’Europe sont restées en retrait. L’Europe manque en particulier d’acteurs industriels majeurs du numérique et de l’électronique et les investissements dans les domaines pertinents restent insuffisants pour combler le retard.

L’imprégnation réussie de tous les pans de l’économie par l’IA représente à la fois une fenêtre d’opportunité pour la France et l’Europe, et un risque de déclassement en cas d’échec, à une échelle de temps que l’on peut estimer à ce jour entre 5 et 10 ans. En d’autres termes, on peut considérer qu’en 2035 au plus tard, les jeux seront faits en grande partie.

Nous, progressistes pour la social-démocratie, reconnaissons que la technologie d’IA est un sujet politique et pas seulement par ses implications éthiques ou sociales. Nous prenons position pour une IA sûre et digne de confiance, pour la promotion de l’innovation et le renforcement de la compétitivité européenne, pour le soutien à l’éducation, à la formation et à l’emploi dans un soucis d’excellence, d’équité et d’inclusion, pour le respect des droits fondamentaux et de la vie privée, pour la sobriété d’usage et le respect de l’environnement et enfin, pour une régulation adaptative et une gouvernance d’implémentation efficace susceptibles de hisser la France et l’Europe au rang des leaders mondiaux du domaine sur les plans juridique et économique.

Groupe de Travail IA

Temps de lecture : 55 minutes

Définition et concepts généraux

Définition

La paternité du terme Intelligence Artificielle (IA) est attribuée à John McCarthy du MIT (Massachusetts Institute of Technology) qui a organisé durant l’été 1956 au Dartmouth College à Hanover (New Hampshire, États-Unis) une conférence considérée comme l’acte de naissance de l’IA en tant que discipline de recherche autonome. Cette discipline, jeune d’une soixantaine d’années, est un ensemble de sciences, de théories et de techniques (logique mathématique, statistiques, probabilités, neurobiologie computationnelle, informatique) qui ambitionne d’imiter les capacités cognitives d’un être humain.

De nos jours, on utilise le terme d’Intelligence Artificielle pour désigner tout système pourvu de capacités habituellement associées à l’intelligence humaine et amplifiées par la technologie comme celles de simuler un raisonnement, de traiter de grandes quantités de données, d’interagir avec l’homme, d’apprendre en autonomie et d’améliorer ses performances de manière continue.

Ces capacités demeurent toutefois loin d’une intelligence humaine au sens strict, ce qui rend la dénomination Intelligence Artificielle critiquable. L’IA dite forte, une IA capable de contextualiser des problèmes spécialisés très différents de manière totalement autonome n’existe pas pour l’instant. L’IA d’aujourd’hui, dite étroite, ne raisonne pas et consiste en un processus statistique adaptatif qui, bien qu’extrêmement performant, reste concentré sur des tâches spécialisées et bornées dans leur contexte d’exécution.

L’IA prend corps dans l’espace numérique sous forme de puissants algorithmes, notamment les algorithmes d’apprentissage automatique (Machine Learning), qui exploitent de grands volumes de données (Big Data) et qui sont capables d’accomplir des tâches à la manière des humains.

Etant donné la diversité des cas d’utilisation, des technologies et des sciences qui nourrissent la discipline, on peut considérer qu’il n’y a pas une mais plusieurs Intelligences Artificielles. Dans la suite de cette note, nous utiliserons tout de même le terme Intelligence Artificielle ou IA pour désigner la discipline dans son ensemble et ses différents champs d’application.

Dimension historique

L’IA est née avec l’informatique et se développe depuis lors.

L’engouement récent du grand public pour l’IA est lié à l’essor des plateformes conversationnelles de nouvelle génération (dont la plus connue est ChatGPT d’OpenAI) qui se sont ouvertes à partir de novembre 2022 aux internautes du monde entier désireux de les essayer et d’éprouver leurs surprenantes capacités. L’adoption rapide et massive par le grand public et les entreprises de ces nouvelles solutions, en substitution aux moteurs de recherche classiques, pour la recherche ou la génération d’information, constitue une étape importante dans l’évolution de l’informatique et plus généralement dans la gestion du savoir humain.

Les systèmes experts et les premiers robots dotés d’intelligence

Il y a quelques décennies ce que l’on appelait IA était l’automatisation des raisonnements logiques par des systèmes experts, des programmes informatiques qui s’exécutent selon des règles fixes. Ces programmes ont donné naissance à plusieurs générations de robots, souvent peu convaincants en matière d’intelligence et peu susceptibles de motiver les investissements publics ou privés. Il s’agissait des robots frustes de la décennie 60 dotés d’une autonomie mécanique mais d’une très faible capacité logique, de ceux de la décennie 70, dotés de moyens de perception mais insuffisamment performants et enfin de ceux de la décennie 80, un peu plus performants car ils ont commencé à apprendre c’est-à-dire à modifier de manière autonome un programme inscrit dans un réseau de neurones, une des fondations algorithmiques de l’IA moderne.

La période glaciaire de l’IA et l’avènement du Machine Learning

Dans les années 80, la sécurité des réseaux de neurones a été mise en question, de sorte que les systèmes experts ont été plus largement plébiscités. L’IA est alors entrée dans une période glaciaire, jusque vers 2010, période caractérisée par la disponibilité de volumes de données colossaux au sein des majors d’Internet (GAFAM), et par l’accès facilité et à bon marché à la puissance de calcul extraordinaire des calculateurs haute puissance (HPC) utilisant des processeurs graphiques d’ordinateurs (GPU). Cette période a été propice à l’avènement des machines apprenantes (Machine Learning) qui s’appuient sur des réseaux de neurones pour résoudre des problèmes inaccessibles aux systèmes experts.

En 2011, Watson (IBM) est devenu champion incontesté du jeu Jeopardy. En 2012, AlexNet a changé la donne en reconnaissance d’image, et en 2016 Alphago (Google) est devenu champion du monde de jeu de go. Alphago a marqué un immense saut qualitatif par rapport à Deep Blue, champion d’échec en 1997 et capable de calculer l’ensemble des combinaisons possibles du jeu d’échec à partir d’une position donnée : AlphaGo n’a pas eu besoin du soutien humain pour développer ses compétences, il s’est entraîné contre lui-même et a appris de son expérience. A la manière d’un humain, Alphago n’est pas capable de calculer l’ensemble des combinaisons possibles du jeu de go à partir d’une position de jeu donnée mais il est capable d’évaluer pour chaque position de jeu le mouvement à suivre le plus prometteur.

Internet et l’émergence des GAFAM

Plus que le micro-ordinateur, Internet porte une 3ème révolution technologique qui fait suite à celles de la vapeur et de l’électricité. Tandis que l’électricité a permis de répandre l’énergie et la force motrice, Internet a permis de répandre l’information et la force logique. Il existe toutefois une différence essentielle dans les catalyseurs de propagation de ces deux révolutions technologiques : il aura fallu des instances puissantes, des états en particulier, pour financer et structurer les capacités de création et de distribution de l’énergie électrique, tandis que l’expansion d’Internet et de ses applications s’est réalisée essentiellement à l’initiative d’acteurs privés grâce aux standards d’interopérabilité des systèmes informatiques en réseau. Et ces mêmes acteurs privés (les GAFAM essentiellement), soucieux de tirer pleinement bénéfice de l’économie numérique connectée et dont le leadership s’est renforcé par des effets d’agglomération (services, infrastructures, données), ont pris une place prépondérante dans les développements qui ont suivi, c’est-à-dire celui des objets connectés (smartphones et IoT), et celui de l’IA un peu plus tard.

Le poids économique et industriel de l’informatique s’est donc largement accru au début des années 2000 et s’est largement concentré sur un panorama restreint d’acteurs privés, américains en premier chef, aux dépens des forces étatiques. Nous reviendrons plus tard sur les capacités de la France et de l’Europe dans le domaine de l’IA en comparaison aux deux superpuissances que sont les Etats-Unis et la Chine.

AI everywhere

1995 aura vu l’avènement du Web reposant sur l’infrastructure de réseaux Internet, 2007 aura vu l’apparition de l’Internet mobile et du smartphone. En 2023, l’IA est en passe d’intervenir dans toutes les activités de notre vie et aucun secteur économique n’est épargné : une ère de l’« IA partout » (AI everywhere) vient de s’ouvrir. Elle est en particulier marquée par la popularisation de l’IA générative par ChatGPT d’Open AI, qui porte une mini-révolution tous azimuts des usages du numérique. Bill Gates, le fondateur de Microsoft, écrivait sur le réseau social Twitter les 31 mars 2023 : « Le développement de l’IA est aussi fondamental que la création du microprocesseur, de l’ordinateur personnel, de l’internet et du téléphone portable. Il changera la façon dont les gens travaillent, apprennent, voyagent, se soignent et communiquent entre eux. ».

Dynamique d’évolution

L’IA se développe à une vitesse fulgurante. En 2023, une frénésie d’investissement, en particulier dans la Silicon Valley américaine, soutient une myriade de startups nouvellement créées dans le domaine. Les capacités des infrastructures Big Data et des Supercalculateurs continuent de croître de manière exponentielle, les algorithmes se diversifient, sont optimisés et de nombreux plugins sont proposés pour permettre l’utilisation de l’IA dans des systèmes tiers. En outre, de nombreuses solutions d’IA sont proposées en distribution libre (open source) afin de rendre leur développement plus transparent, plus qualitatif et susceptible de passer à grande échelle.

L’IA opère une colonisation de tout l’existant numérique. Citons pour illustration :

• Le standard ONNX (Open Neural Network Exchange) initié en 2017 par Facebook, sous licence libre Apache, qui permet de développer des applications de Machine Learning destinées aux smartphones,
• La librairie FKB (Fortran-Keras Bridge) qui permet de décupler l’efficacité de recherches en modélisation et simulation en transférant des réseaux de neurones dans les codes de simulation[1], et inversement.

Cette dynamique entropique de l’IA rend les efforts d’appréhension politique du phénomène et la construction de cadres réglementaires particulièrement difficiles, d’autant que peu de décideurs politiques ou institutionnels sont aujourd’hui en réelle capacité de porter un regard clairvoyant sur les enjeux à venir.

Les catégories d’IA

Les chercheurs ont classifié les intelligences Artificielles en trois catégories selon leur capacité à résoudre des problèmes et à effectuer des tâches à la manière des humains :

• L’IA étroite (ANI, Artificial Narrow Intelligence) également appelée IA faible, est une IA entraînée et concentrée pour effectuer des tâches spécifiques. L’intelligence artificielle étroite régit l’essentiel de l’IA actuelle et contribue au fonctionnement de certaines applications très robustes : joueurs virtuels d’échec, assistants vocaux, solutions de reconnaissance d’images.
• L’IA générale (AGI, Artificial General Intelligence) est une forme théorique d’IA forte qui aurait une intelligence égale à celle des humains : elle aurait une conscience d’elle-même, serait capable de résoudre des problèmes, d’apprendre et de planifier l’avenir dans un nombre illimité de domaines ou de situations.
• La super intelligence artificielle (ASI, Artificial Super Intelligence) est une IA forte qui dépasserait l’intelligence et les capacités du cerveau humain.

Seule l’intelligence artificielle étroite est, à date, une réalité.

Les principales fonctions

Les principales fonctions des Intelligences Artificielles sont la prédiction (IA prédictive), la classification (IA discriminative) et la génération de données (IA générative) et les systèmes d’IA actuels utilisent communément une combinaison de ces trois fonctions.

L’IA prédictive est une intelligence artificielle qui recueille et analyse des données afin de prédire des événements futurs. Elle vise à comprendre les modèles et les relations entre les données historiques et à faire des prédictions éclairées sur de nouveaux jeux de données. Citons parmi les cas d’usage de l’IA prédictive la détection des fraudes financières ou les prévisions météorologiques.

L’IA discriminative est une intelligence artificielle qui se concentre sur la classification des données en fonction d’étiquettes spécifiques. L’étiquetage des données consiste à ajouter une ou plusieurs étiquettes (labels) à des données brutes (images, fichiers texte, vidéos) dans l’objectif d’aider les algorithmes d’apprentissage automatique à comprendre et à classer les informations qu’ils traitent. La vision par ordinateur ou encore le traitement automatique du langage naturel (NLP) sont des cas d’usage de l’IA discriminative.

L’IA générative est une intelligence artificielle qui se concentre sur l’estimation d’une distribution de probabilité sur un ensemble de données. Elle utilise des modèles génératifs pour générer de nouvelles instances de données, en utilisant des points de données préexistants et des instructions (prompts) comme point de départ. Ces modèles utilisent un ensemble de règles pour générer de nouvelles données. L’IA générative est depuis moins d’une année largement connue du grand public grâce à la diffusion des solutions de LLM (Large Language Models), des IA entraînées à partir d’une multitude d’articles, d’entrées Wikipédia, de livres, de ressources Internet et d’autres données qui ont la faculté de produire des réponses (textes, images, vidéos, sons) semblables à celles des humains à des requêtes en langage naturel (ChatGPT d’OpenAI, Google Bard, Llama 2 de Meta, MidJourney laboratoire de recherche indépendant, Mistral AI la licorne française dans ce domaine, etc.).

Les technologies sous-jacentes

La progression fulgurante des Intelligences Artificielles est rendue possible par une combinaison de trois facteurs :

• La capacité de collecter, d’acheminer, de stocker et d’organiser de vastes quantités de données
• La capacité d’effectuer des calculs complexes sur les données à des vitesses élevées
• La disponibilité de puissants algorithmes basés sur le Machine Learning

Collecte, acheminement, stockage et organisation des données

Afin d’exceller dans les tâches qui leur sont confiées, les Intelligences Artificielles ont besoin de se nourrir de grandes quantités de données (Volume), de les traiter à grande vitesse (Vitesse), de gérer leurs formes diversifiées et leur hétérogénéité (Variété), de compter sur leur fiabilité et leur qualité (Véracité) et sur leur valeur intrinsèque (Valeur). Les 5 V précédents constituent les piliers des systèmes Big Data qui ont pour mission de collecter, d’acheminer, de stocker et d’organiser les données à des fins d’analyse ou d’exploitation par d’autres systèmes ou programmes, comme les algorithmes d’apprentissage des Intelligences Artificielles.

Avec l’Internet mobile, on peut considérer qu’une fraction importante de l’humanité accède déjà aux services d’Internet via leurs smartphones. Cet usage génère un volume colossal de données stockées dans les datacenters et exploitables par l’IA.

L‘IoT (Internet Of Things) ou en français Internet des Objets (IdO) qui représente l’écosystème des objets et équipements connectés au réseau internet constituera progressivement un formidable gisement de données pour les applications d’Intelligences Artificielles de demain. D’ici 2025, 42 milliards d’appareils seront connectés au réseau Internet et les cas d’usage de l’Intelligence Artificielle appliquée aux données de l’IoT (AIoT : Artificial Intelligence of Things) vont se développer de manière exponentielle : analyse de données et prise de décision en temps réel, prédiction et prévention de pannes, amélioration des processus, personnalisation d’expériences.

Les infrastructures Big Data et celles supports à l’Internet mobile et à l’IoT (nouvelles générations de réseaux mobiles (5G), plateformes de Edge Computing) constituent donc des actifs clés de la chaîne de valeur des solutions d’Intelligences Artificielles.

Calculs complexes et à grande vitesse sur les données

Le calcul est le cœur de la mise en œuvre des algorithmes d’IA. Etant donné la quantité de données à traiter et la complexité des algorithmes, il convient de disposer de puissants microprocesseurs capables de réaliser des tâches complexes en un temps limité. Les Supercalculateurs combinés au Cloud constituent les infrastructures de calcul nécessaires à l’exécutions des applications d’IA.

Également appelé HPC, pour High Performance Computing, un Supercalculateur est constitué de centaines voire de milliers de serveurs de calcul mis en réseau. Chaque serveur représente un nœud et les nœuds fonctionnent en parallèle, ce qui accélère la vitesse de traitement et fournit un calcul dit de haute performance. Les supercalculateurs les plus rapides de l’industrie sont équipés de GPU (Graphics Processing Unit), des processeurs graphiques qui excellent dans le calcul parallèle et matriciel à haute performance.

Le modèle d’hébergement en Cloud (accès via internet aux capacités de calcul, stockage centralisé et traitement Big Data, paiement à l’usage) est un modèle particulièrement adapté à la fourniture de capacités de calcul haute performance aux particuliers, aux entreprises et aux administrations de toute taille

L’IA en Cloud est donc un marché prometteur qui devrait permette à des acteurs souverains en France et en Europe, de proposer des offres de plateformes spécialisées susceptibles de concurrencer, sur le segment de l’IA, celles des hyperscalers américains ou asiatiques.

A un horizon de temps plus lointain, nous pouvons conjecturer que la technologie de calcul quantique, grâce à sa puissance combinatoire et la promesse d’un parallélisme massif, permettra d’augmenter radicalement la puissance de calcul nécessaire aux modèles d’apprentissage automatique et propulsera l’IA dans une nouvelle ère. Au moment où nous écrivons cette note, la création d’un ordinateur quantique pleinement fonctionnel reste toutefois un défi de taille.

De puissants algorithmes

Les Intelligences Artificielles s’appuient sur de puissants algorithmes.

Le Machine Learning, ou l’apprentissage automatique, est le premier sous-domaine algorithmique de l’Intelligence Artificielle. Il s’agit d’un programme ayant la capacité d’apprendre et de résoudre des problèmes par lui-même. Le procédé se déroule en deux phases : celle de l’apprentissage à proprement parler, au cours de laquelle le programme établit un modèle à partir d’un grand volume de données de référence, puis celle de la décision, où le programme se base sur son apprentissage pour définir automatiquement la réponse à apporter à un événement donné.

Le Deep Learning, ou apprentissage profond, est un sous-domaine du Machine Learning. L’apprentissage profond est un apprentissage automatique s’appuyant sur un réseau de neurones qui permet d’affiner l’analyse de manière itérative grâce à un traitement par couches.

Un réseau de neurones désigne l’architecture du Deep Learning qui s’inspire des synapses et des neurones du cerveau humain. En pratique, il s’agit d’une technique de calcul statistique (régression logistique) basée sur l’association d’un grand nombre de cœurs processeurs travaillant en parallèle, chacun sur une partie extrêmement simple d’un ensemble complexe, et disposés en couches successives. Le réseau de neurones est adaptatif. Il se modifie par lui-même au fur et à mesure qu’il apprend pour améliorer en continu les résultats fournis.

Le Machine Learning se décline sous différents types de modèles, qui emploient chacun des techniques algorithmiques différentes. Selon la nature des données et le résultat souhaité, l’un de ces quatre modèles d’apprentissage peut être utilisé : supervisé, non supervisé, semi-supervisé ou par renforcement. Dans chacun de ces modèles, une ou plusieurs techniques algorithmiques peuvent être appliquées. Tout dépend des ensembles de données qui seront utilisés et de l’objectif visé au niveau des résultats. Par nature, les algorithmes de Machine Learning sont conçus pour classifier des éléments, repérer des motifs ou structures (patterns), prévoir des résultats et prendre des décisions fondées sur leur apprentissage. Les algorithmes peuvent être mis en œuvre individuellement ou en groupe dans le but d’atteindre la plus grande précision possible lorsque les données utilisées sont complexes et imprévisibles.

Le panorama des technologies nécessaires à l’IA est vaste et donne une idée de la diversité des filières stratégiques d’investissements de la France et de la Europe en matière d’IA s’il s’agit pour ces dernières de tirer pleinement bénéfice de la révolution en cours et de se faire une place de premier plan dans la compétition mondiale.

Intelligences Artificielles et intelligence humaine

Le scientifique britannique Alan Turing s’est demandé en 1950 si les machines pouvaient penser. Il imagina qu’on puisse en créer une capable de dialoguer avec un humain sans que celui ou celle-ci soit capable de détecter la supercherie. Quand le terme Intelligence Artificielle est apparu en 1956, Turing avait déjà pipé le sujet en fixant comme critère la ressemblance avec notre intelligence. Or, l’IA étroite, la seule forme incarnée de l’IA, n’imite ni ne reproduit l’intelligence humaine, elle se limite à simuler le comportement humain sur la base d’une gamme étroite de paramètres et de contextes.

Anthropomorphiser le phénomène de l’IA est donc une source de confusions qui ouvre la porte aux craintes de la voir dépasser les humains et même de les exterminer comme aux rêves de la voir résoudre tous les problèmes de la planète. Cela altère les discussions sérieuses et la sensibilisation aux potentiels et aux risques posés par les technologies concernées. Les IA d’aujourd’hui ne sont pas vivantes et ne sont pas sur le point de le devenir. Elles sont avant tout des outils et les concepts d’IA générale comme de super intelligence artificielle doivent donc être abordés avec circonspection, prudence et même scepticisme.

Le fonctionnement de ces outils doit pouvoir être compris au moins pour cette raison. Leurs créateurs doivent rendre ces éléments communicables.

On peut évoquer au moins les trois distinctions suivantes entre intelligence humaine et IA :

• Une distinction du point de vue du fonctionnement: l’IA met en œuvre des processus statistiques, donc beaucoup plus simples que le fonctionnement du cerveau humain ;
• Une distinction sur les finalités : les projets d’IA sont conçus pour résoudre des problèmes ou relever des défis, tandis que la finalité ou la « mission » de l’intelligence humaine relève du mystère ;
• Une distinction de nature: les projets d’IA répondent à des spécifications ou des schémas établis, l’intelligence humaine est connue de manière expérientielle.

Ces distinctions amènent à suspecter autant les présentations évoquant une convergence entre l’IA et l’intelligence humaine, que ce soit pour déclencher une sympathie ou une crainte, que les discours autour de la fameuse notion de singularité, le fameux jour où l’IA échappera à l’humanité.

Les IA ne sont pas vraiment intelligentes. Le fait qu’elles peuvent l’emporter sur les humains dans certains affrontements spécifiques (échecs ou go) est la preuve qu’elles sont parfois de très bons outils, mais leurs capacités d’intelligence se réduisent à du pattern matching, la capacité de retrouver les mêmes motifs et donc de les reproduire en étudiant des myriades de données.

Les IA ne sont pas vraiment artificielles. Les informations récupérées et utilisées par des chatbots comme celui de Google ou de OpenAI-Microsoft sont le fruit du travail d’humains, récompensés ou rémunérés pour cela de manière extrêmement inégale. Les micro-tâches indispensables à l’IA (entraîner l’IA, réparer l’IA, vérifier l’IA, imiter l’IA) sont payées en centimes l’unité, voire rendues sans contrepartie financière[2]. Elles consistent à traiter de grandes masses de données en les fragmentant et en les atomisant en petits projets et cela semble impliquer des millions de personnes.

Les IA ne sont pas non plus des intelligences augmentées car elles gardent la référence humaine. Il s’agit d’outils numériques qui, d’une certaine façon, contribuent à augmenter notre propre intelligence.

Toutes ces considérations amènent à porter attention au positionnement de l’IA par rapport à l’humanité et aux humains : même si elle devient un assistant de plus en plus utile, voire indispensable pour de nombreuses d’activités, les humains ne peuvent déléguer complètement la prise de décision à l’IA car cela reviendrait à abandonner leur responsabilité : l’IA doit toujours proposer à l’humain, et le seconder. Pour illustration, l’IA est certainement un outil très efficace de préparation des instructions juridiques, mais ne doit en aucun cas se substituer aux décisions de justice qui sont de la responsabilité des juges dans l’exercice de leur intime conviction. De la même manière, l’interprétation des images médicales par IA doit toujours rester sous le contrôle de personnels médicaux compétents.

L’utilisation de l’IA dans les systèmes autonomes, c’est-à-dire des systèmes capables de fonctionner sans intervention humaine, pose des problèmes spécifiques. Certes, la robotique nous a habitués à des systèmes autonomes pour des applications simples qui ne doivent en aucun cas être confondus avec des systèmes apprenants : le pilotage d’un métro, par exemple, obéit à un code fixe, sans aucune marge de manœuvre et la sûreté repose sur un processus formel très exigeant. Mais de nombreux autres scénarii d’utilisation émergent et posent question : c’est le cas des véhicules autonomes pour lesquels, malgré quelques implémentations locales plus ou moins réussies[3], il est peu probable que l’on atteigne le niveau 5 de la conduite sans intervention humaine selon la classification établie par la Society of Automotive Engineers (SAE) pour des questions éthiques et de responsabilités en cas d’accident dans les environnements complexes comme les villes. C’est le cas également des systèmes militaires létaux autonomes, dont on ne peut que regretter l’existence, pour lesquels un cadre réglementaire international reste à définir.

Domaines d’application et potentialités

Les potentialités de l’IA sont vertigineuses. Les administrations et les entreprises, quels que soient leur taille, leur géographie ou secteur d’activité (industrie, services, agriculture, santé, éducation, armée …) entendent bénéficier de l’IA pour réussir pleinement dans leur mission, se moderniser, saisir de nouvelles opportunités, gagner en compétitivité et en efficacité. En outre, l’IA est le catalyseur d’une transformation profonde des méthodes de travail et des interactions des travailleurs avec leur environnement. Elle ouvre la voie à une véritable collaboration entre les machines et les êtres humains, permettant à ces derniers de libérer tout leur potentiel de créativité et leur capacité d’innovation.

Afin d’entrevoir les potentialités et les grands domaines d’applications de l’IA, tentons de faire un tour d’horizon des cas d’utilisation d’ores et déjà en vigueur ou pressentis de cette technologie de rupture.

Optimisation des processus métiers

L’Intelligence Artificielle est amenée à prendre une part croissante dans l’optimisation des processus métiers :

Processus de production	Meilleure planification, utilisation plus efficace des ressources, prise de décision plus rapide, optimisation des flux de production.
Automatisation des tâches répétitives	Automatisation des tâches de collecte et de saisie de données, automatisation des tâches de génération d’informations répétitives (synthèses documentaires, comptes-rendus, courriels), planification de rendez-vous.
Maintenance prédictive	Détection d’anomalies et de signes précurseurs de pannes sur les systèmes.
Logistique et chaîne d’approvisionnement	Amélioration du contrôle de l’information dans la chaîne d’approvisionnement, gestion des stocks en temps réel, émission de commandes d’approvisionnement instantanées, prédiction des tendances de consommation, automatisation des opérations de stockage, génération d’itinéraires de transport optimisés.
Idéation, conception de produits et ingénierie	Génération d’idées et d’options de conception, formalisation de problèmes, propositions de solutions (architecture, code informatique), chatbots spécialisés dans le développement de systèmes.
Qualité des produits	Détection des défauts de qualité des produits et identification des causes sous-jacentes.
Sécurité et conformité	Détection de comportements dangereux ou non conformes, détection de fraudes ou d’activités malveillantes.
Expérience client	Chatbots, voicebots, assistants virtuels, interactions temps-réels et recommandations.
Marketing produit	Génération de fiches produit et de contenus promotionnels
Communication et publicité	Création de visuels publicitaires, assistance à la rédaction, génération de textes pour le SEO (Search Engine Optimization).
Service client	Catégorisation, synthèse et routage des messages, analyse des humeurs et des sentiments, retranscription des conversations, proposition de réponses personnalisées et contextualisées, synthèse vocale.
Traitement de l’information et génération de contenu	Recherche bibliographique, résumé de documents, analyse de contenus complexes, reformulation, traduction, génération de contrats, de règlements ou de documents juridiques.

Figure 1 – Les cas d’utilisation de l’IA dans les processus métiers de l’entreprise

De nombreux cas d’utilisation ne seront pas développés par l’entreprise elle-même : les éditeurs des suites bureautiques et collaboratives, du développement logiciel ou encore du marketing digital embarquent progressivement des fonctionnalités innovantes basées sur des modèles d’IA générative. En novembre 2023, Microsoft a par exemple annoncé l’intégration de son outil Copilot, un assistant personnel IA, à toutes les applications de sa suite bureautique et à sa plateforme de développement de logiciels GitHub.

Afin d’exploiter toute la valeur de l’IA et d’en tirer des avantages concurrentiels, les entreprises devront toutefois dépasser les cas d’utilisation génériques et créer des modèles et applications sur-mesure à partir de leur propre patrimoine informationnel.

Gestion des systèmes complexes

On qualifie de complexe un système composé d’une multitude d’entités dont les interactions locales font émerger des propriétés globales difficilement prédictibles par la seule connaissance des propriétés de ces entités. Une nuée d’oiseaux, un réseau social, le climat, une ville, Internet sont des exemples de systèmes complexes.

L’un des domaines les plus prometteurs de la recherche en IA est le développement d’algorithmes capables de modéliser et de prédire le comportement de tels systèmes.

L’IA est par exemple utilisée pour modéliser la propagation de maladies infectieuses, telles que le COVID-19. Elle exploite pour cela les données sur les mouvements de population, les interactions sociales et d’autres facteurs. Elle est utilisée pour étudier le comportement des marchés financiers qui se caractérisent par un grand nombre de variables en interaction (cours des actions, taux d’intérêt, indicateurs économiques). Elle est encore utilisée pour optimiser le fonctionnement des réseaux électriques ou de télécommunications à partir de l’exploitation des données de consommation et de production des systèmes.

L’IA est amenée à jouer un rôle de premier plan dans l’étude et la gestion des systèmes complexes, et offre des perspectives nouvelles pour faire face aux défis les plus urgents auxquels notre monde est actuellement confronté comme ceux du réchauffement climatique[4], des pandémies et des inégalités.

Robotique collaborative et jumeaux numériques

La robotique collaborative est un cas d’utilisation de l’IA bénéfique à tous les secteurs où la répétitivité, la précision et la pénibilité des tâches est en jeu.  

Les cobots sont des machines alimentées par l’Intelligence Artificielle créées spécifiquement pour aider les humains. Ils sont conçus pour travailler en toute sécurité aux côtés des humains dans un espace de travail partagé et ont vocation à réaliser des tâches précises, répétitives et pénibles pour l’homme : prélever et placer, contrôler la qualité ou lever de lourdes charges par exemple. À la différence des robots classiques, les cobots sont des outils bon marché, polyvalents, capables de réaliser de nouvelles tâches et de les reproduire autant de fois que nécessaire. Ils constituent une alternative au tout automatique et sont utilisés lorsque les robots seuls ne peuvent pas remplacer l’homme dans son expertise, son savoir-faire, sa sensibilité, sa perception des choses et de son environnement.

Autres cas d’utilisation de l’IA, les jumeaux numériques, des modèles numériques qui reconstituent fidèlement un objet ou un système physique, sont de plus en plus utilisés dans l’industrie pour optimiser le fonctionnement et la maintenance d’actifs physiques, de systèmes ou de processus de production. Le modèle numérique se nourrit de manière continue des données d’observabilité du système et les algorithmes d’IA simulent les résultats des actions susceptibles de l’améliorer, de l’optimiser ou encore d’en assurer la maintenance.

Recherche scientifique

L’IA est le nouveau moteur de la recherche scientifique. Les applications d’IA envahissent à grande vitesse les laboratoires pour améliorer les instruments, accélérer les calculs, aiguiller vers des hypothèses fécondes, et optimiser de manière radicale le traitement et le partage de l’information. Grâce à l’apprentissage automatique, les scientifiques collectent, relient et analysent des données à des échelles sans précédent, ils sont capables d’élaborer des modèles de prédiction approfondis englobant de multiples domaines d’étude, ou encore de simuler des phénomènes physiques complexes. Cette dynamique d’adoption peut s’illustrer par quelques exemples.

Dans le domaine de la physique des particules, l’IA est utilisée pour analyser des résultats produits par les collisionneurs. Ces infrastructures de recherche, représentée par le Grand Collisionneur de Hadrons, produisent des données massives. Les algorithmes d’apprentissage automatique permettent de détecter des particules, de classer les événements et d’identifier des signaux faibles dans le bruit de fond.

Dans le domaine de la recherche médicale, une collaboration entre l’Institut Curie et Ibex Médical Analytics a permis début 2023 de démontrer la performance, la fiabilité et la mise en application clinique d’un algorithme d’IA capable de diagnostiquer les cancers du sein lors de biopsies mammaires. 18 spécialistes ont entraîné un algorithme d’IA sur plus de deux millions d’échantillons d’images afin de garantir un diagnostic robuste et fiable.

Création artistique

L’IA générative offre aux créatifs de nouvelles façons de développer leur art. Les générateurs d’images (Dall-E, MidJourney) donnent vie à des concepts visuels inédits tandis que les générateurs de musique (AIVA), capables de composer des mélodies originales, offrent aux musiciens compositeurs de nouvelles sources d’inspiration. En 2018, le portrait fantomatique Edmond de Belamy, créé par le collectif français Obvious, a été la première œuvre réalisée à l’aide d’une intelligence artificielle vendue aux enchères par la grande maison de vente aux enchères Christie’s.

L’art est et restera le reflet de l’expérience humaine, de nos émotions et de notre vécu. L’IA vient enrichir la palette de l’artiste et la collaboration entre les humains et les IA doit être perçue comme une ouverture vers de nouvelles voies créatives.

Personnalisation d’expérience

Personnalisation du fil d’actualité d’un réseau social en fonction de nos habitudes d’interactions (Instagram, Facebook, LinkedIn, Twitter), recommandations d’œuvres musicales ou de vidéos en fonction de nos goûts (Spotify, Deezer, Youtube), génération de courriels en fonction de nos humeurs ou de nos intentions (Google Bard pour Gmail), l’IA se greffe d’ores et déjà à nos usages numériques quotidiens en proposant une expérience unique et personnalisée qui fidélise et crée une relation émotionnelle durable entre le client et le produit ou service qu’il consomme.

Les outils de personnalisation basés sur l’IA offrent aux entreprises un moyen puissant et efficace de créer une expérience client positive et de se démarquer ainsi de la concurrence.

Education et inclusion

L’IA trouve sa place au sein des systèmes éducatifs par une gamme de cas d’utilisation utiles à l’enseignant/formateur, aux élèves/stagiaires ou aux institutions elles-mêmes.

Au service de l’enseignant/formateur, l’IA pourra s’avérer une aide précieuse pour la détection de plagiat, la curation intelligente du matériel d’apprentissage, l’évaluation sommative automatique ou la création de ressources pédagogiques.

Au service de l’élève/stagiaire, elle permettra par exemple la mise en place de systèmes de tutorat intelligents basés sur le dialogue et d’environnements d’apprentissage exploratoire.

Et enfin au service des institutions, elle peut être utilisée pour faciliter la gestion des admissions ou encore la planification (sites, cours, horaires).

En outre, alors que 12 millions de Français sont en situation de handicap, et que 25 % d’entre eux présentent un niveau d’étude équivalent ou supérieur au bac, l’IA responsable pourra être un vecteur d’inclusion dans l’enseignement, en tant que moyen de facilitation de l’apprentissage pour les personnes porteuses d’un handicap. Pour ces personnes, les problèmes concernant la formation se posent dès le départ avec deux problématiques : l’accès à la formation d’une part, et l’adaptation de la formation à leur contexte particulier. Les outils numériques enrichis d’Intelligence Artificielle (logiciels de transcription instantanée de la parole, logiciels de lecture vocale, logiciels de reconnaissance de caractères, outils d’aide à la rédaction, plateformes d’enseignement à distance inclusives) peuvent apporter une aide significative aux dispositifs de formation et d’inclusion de tous les publics.

Les risques

L’introduction de systèmes basés sur l’IA dans de nombreux domaines présente des risques certains et pose des défis sociétaux, économiques et réglementaires importants exacerbés par l’émergence récente des grands modèles génératifs, en particulier les LLM (Large Language Model) et par l’ampleur et la rapidité sans précédent avec lesquelles les outils d’IA sont adoptés pour tout type d’usage.

Désinformation et manipulation des opinions

Le contenu généré par IA (images, textes, audios, vidéos…) peut être saisissant de réalisme. La création d’un contenu deep fake, ou hypertrucage en français, reposant sur la technologie d’IA est dorénavant à la portée de tous. Il peut être produit à bas coût, diffusé à grande échelle via Internet et les réseaux sociaux, et contribuer efficacement à des stratégies malveillantes de désinformation et de manipulation des opinions.

La théorie du complot ne date pas d’hier et la désinformation n’a attendu ni Internet, ni les réseaux sociaux pour se propager à très grande échelle. Les protocoles des Sages de Sion[5] en témoignent. Néanmoins, les technologies modernes de création et de diffusion massive d’informations boostés à l’IA posent un risque accru impliquant une nécessaire régulation et des moyens pour atténuer le risque comme les mécanismes de marquage (tatouage) des productions créées artificiellement ou l’autorégulation des systèmes par les agrégateurs ou producteurs de contenu. Pour ces derniers, la question des critères d’appréciation de filtrage de l’information reste toutefois une gageure.

Des dispositifs institutionnels de lutte contre la désinformation existent en France (Viginum, Pharos), et de nombreuses structures françaises ou européenne œuvrent pour recenser, comprendre et déconstruire les contenus manipulateurs : EDMO[6], CEDMO[7], Disinfo[8], Invid[9], les organismes de presse[10], des ONG associant des journalistes[11]. Notons par ailleurs que l’IA, désormais au cœur de la désinformation sur les réseaux sociaux, peut aussi contribuer à la juguler. Certains outils de vérification de véracité d’informations reposent en effet sur des modèles d’IA. Citons par exemple le projet VERA[12] ou le Global Disinformation Index[13].

Malgré ces initiatives, le défi de résilience de notre société et de notre économie face aux désordres de l’information sur les réseaux sociaux, qu’ils soient d’origine non intentionnelle ou le fait d’organisations ou de puissances étatiques en confrontation avec nos démocraties et nos valeurs, reste entier. La capacité de la France et de l’Europe à relever ce défi renvoie à celui d’une autonomie technologique. La transparence apportée par le DSA[14] ne sera réellement utile que si des experts indépendants peuvent au minimum caractériser les effets et les risques des réseaux sociaux et des sites de recherche.

La meilleure arme contre le risque de désinformation reste avant tout l’esprit critique. Les dispositifs techniques comme les tatouages numériques ne pourront se substituer à une formation des utilisateurs et une adaptation des contextes d’usage des logiciels. Dans un monde où la frontière entre le vrai et le faux pourra être rendue plus floue, l’importance de savoir identifier les sources d’information fiables devient une exigence incontournable. Cette éducation à l’esprit critique, sans être en soi suffisante, est probablement nécessaire pour accompagner l’usage des IA génératives.

Biais et discriminations

L’IA est une technologie perméable aux biais cognitifs qui peut entraîner des discriminations injustes, en particulier dans les domaines du recrutement, du crédit, de la justice, de la santé et des prestations sociales où l’IA peut amplifier et renforcer les préjugés existants.

Il existe des biais plus récurrents que d’autres dans le domaine de l’IA, notamment :

• Les biais historiques qui se contentent de reproduire les inégalités du monde réel,
• Les biais liés à la sélection ou à l’agrégation des données d’entrainement qui ne reflètent pas toujours la complexité et la variabilité du monde réel,
• Les biais algorithmiques qui reflètent les biais des personnes impliquées dans le développement de l’algorithme et du système de décision,
• Les biais de confirmation qui nous poussent à croire une information lorsqu’elle corrobore nos croyances existantes.

Il convient donc, pour les administrations ou les entreprises responsables du développement de systèmes d’IA, de mettre en place des garde-fous sur l’ensemble de la chaine de production afin :

• D’évaluer les risques liés aux variables d’entrées des algorithmes,
• De maîtriser les risques de biais dans les données d’apprentissage,
• Et de superviser la production de résultats des algorithmes, c’est-à-dire la justesse des prédictions effectuées.

Ces garde-fous impliquent des devoirs (via la régulation) mais aussi des investissements importants dans les moyens de contrôle, un équilibre difficile à trouver pour les jeunes pousses et qui ne doit pas brider l’innovation.

A noter qu’il existe aujourd’hui des outils créés pour lutter contre les biais de l’IA. On peut citer le What-if Tool de Google et l’AI Fairness 360 Open Source Toolkit d’IBM, qui permettent d’examiner et d’inspecter les modèles de Machine Learning pour détecter les biais.

Opacité des algorithmes et propriété intellectuelle

Les modèles de Machine Learning sont souvent considérés comme des boîtes noires. Les réseaux neuronaux utilisés dans l’apprentissage en profondeur sont parmi les plus difficiles à comprendre pour un être humain : une fois la phase d’apprentissage achevée, le raisonnement est distribué sur une multitude de neurones artificiels, chacun en charge d’une infime partie du traitement. Entre les données d’entrée et le résultat, le système est opaque même pour ses concepteurs. Comprendre ces boîtes noires, ou du moins rendre leur fonctionnement plus compréhensible, devient un enjeu majeur, en particulier si on vise à les utiliser pour des applications jugées critiques (santé, défense, …). C’est le défi que se fixe l’IA explicable (eXplainable AI ou XAI), un ensemble de techniques et de méthodes qui visent à garantir que chaque décision prise au cours du processus de traitement peut être retracée et expliquée.

En lien avec l’opacité de ses algorithmes, l’IA soulève de nombreuses questions juridiques en regard des droits de propriété intellectuelle. Les données d’entraînement peuvent inclure des informations, des créations, des signes ou des inventions protégés par des droits de propriété intellectuelle. Se pose alors la question de savoir si les actes de collecte des données, de leur intégration et de leur traitement dans l’outil d’IA constituent des actes de contrefaçon. En outre, l’IA est également en mesure de reproduire des voix et des expressions faciales à partir de quelques images et fichiers audio (hypertrucage). L’utilisation de l’IA peut donc facilement conduire à une violation des droits de propriété intellectuelle et à des dérives allant jusqu’à l’usurpation d’identité, des enjeux juridiques majeurs pour les régulations en cours que nous discuterons dans la partie suivante.

Protection de la vie privée

Les algorithmes et les données personnelles qu’ils utilisent sont déjà régulés en Europe par la réglementation RGPD, mais les technologies d’IA et notamment celles qui reposent sur l’apprentissage automatique sont, par nature, opaques et intrusives, et peuvent porter atteinte aux droits et libertés des individus par la violation de la vie privée et l’utilisation de quantités massives de données d’entraînement sans le consentement ou la compensation de leurs créateurs. Sans garde-fou, l’IA peut générer une société orwellienne susceptible de porter atteinte aux libertés fondamentales. Certaines applications chinoises actuelles peuvent donner un avant-goût de ces risques comme les applications de surveillance de foules et de vérification d’identité ou comme le système de crédit social qui vise à mettre en place un système national de réputation des citoyens et des entreprises à des fins de récompenses ou de pénalités.

Afin de se prémunir de ces risques en France et en Europe, le développement des systèmes d’IA doit prendre en compte les principes fondamentaux du RGPD, dont notamment la licéité, la loyauté et la proportionnalité du traitement.

Impact environnemental

Un des effets délétères les plus immédiatement mesurables des IA telles qu’elles sont développées en ce moment est leur impact environnemental. L’empreinte carbone des grands centres de données et des réseaux neuronaux nécessaires à la construction de ces systèmes d’IA est colossale. Il est essentiel d’en tenir compte et d’encourager autant que possible les solutions alternatives qui utilisent moins de données, moins de puissance de calcul et de promouvoir le développement des technologies qui visent à réduire drastiquement la consommation d’énergie des IA. Il ne faut sûrement pas vouloir mettre de l’IA partout et pour tout, un projet d’IA est justifié avant tout par les cas d’usage et la maîtrise des impacts.

Emploi et précarité du travail

La collaboration avec l’IA inquiète de nombreux travailleurs qui s’interrogent sur la pérennité de leur emploi et sur l’évolution de leurs conditions de travail. Gartner[15] prévoit ainsi que l’IA conversationnelle réduira les coûts de main-d’œuvre des centres de contact de 80 milliards de dollars en 2026. La banque Goldman Sachs estime que 300 millions d’emplois dans le monde seront remplacés par l’IA dans les années à venir.  L’Organisation de coopération et de développement économiques (OCDE) prévoit un impact considérable de l’IA sur l’emploi avec 27 % des professions profondément transformées par l’IA et près de 10 % des métiers menacés de disparition au cours de la prochaine décennie. Selon cet organisme, quasiment tous les secteurs d’activité et toutes les professions seront affectés par l’IA. Les emplois peu et moyennement qualifiés seront les plus menacés tandis que les professions hautement qualifiées, bien que particulièrement exposées aux progrès récents de l’IA, seront a priori plus résilientes.

Ce qui est certain, c’est que nous allons assister, dans tous les secteurs d’activité, à une disparition progressive de nombreuses tâches répétitives ou faisant appel à de la déduction à partir de règles, qu’elles soient manuelles ou intellectuelles, mais en parallèle à l’émergence de nouvelles tâches nécessitant des compétences spécifiques. Si les prévisions de l’impact de l’IA sur l’emploi peuvent être perçues comme alarmistes, il apparaît raisonnable d’adopter une vision schumpétérienne et considérer que l’IA, comme cela a été le cas pour les révolutions précédentes, opérera avant tout un déplacement des professions et des emplois avec un enjeu d’élévation et d’adaptation des qualifications qui impliquera des actions très importantes en matière de gestion du changement, d’éducation et de formation. De nouvelles compétences seront nécessaires, tandis que d’autres deviendront obsolètes. Les gouvernements devront encourager les employeurs à fournir davantage de formation à tous les travailleurs quel que soit leur niveau de qualification, à intégrer les compétences en IA dans l’éducation et à soutenir la diversité de la main-d’œuvre en IA. Luc Julia, l’un des inventeurs du système de commande vocale Siri d’Apple, considère que « toutes ces technologies ont pour but de nous assister dans des tâches ponctuelles, souvent répétitives et fortement codifiées. Elles nous fournissent une aide qui vient amplifier notre humanité, et augmenter nos capacités intellectuelles, mais elles ne peuvent en aucun cas nous remplacer ».

Cette perspective optimiste de transformation du travail doit être relativisée par le développement massif d’une nouvelle forme de travail précaire nécessaire au bon fonctionnement des IA, ce qu’on appelle le digital labor, des millions de travailleurs invisibles et précarisés qui annotent, forment et corrigent les systèmes d’IA. Ils se trouvent en grande majorité dans des pays en développement où les salaires sont dérisoires mais le phénomène est global. La France compterait par exemple plus de 250 000 travailleurs du clic. Offrir un cadre protecteur à tous les travailleurs de l’IA oubliés du droit et en particulier, réinscrire les nouvelles formes de travail dans notre système de protection sociale, sont des impératifs.

Sûreté et sécurité

Les Intelligences Artificielles sont fragiles : elles peuvent se tromper et être trompées. Comme tous les outils, elles peuvent être utilisées à bon ou à mauvais escient mais avec un impact plus important que ce qu’aucun outil nous a permis de faire jusqu’à présent. Citons parmi les risques portant sur la sûreté ou la sécurité :

• Le manque de fiabilité des systèmes à fort impact sur les individus ou sur l’environnement vulnérables aux pannes critiques, aux attaques physiques et aux cyberattaques.
• L’utilisation malveillante susceptible de constituer une menace pour la vie privée des individus ou la sécurité des États : surveillance des populations, menaces nucléaires, biologiques, menaces portant sur les infrastructures critiques ou la sécurité énergétique.
• La perte de contrôle humain ou la confiance excessive envers un système mal configuré avec des conséquences potentiellement désastreuses comme la voiture autonome ou les systèmes d’arme léthale autonome.

Concentration du pouvoir et plateformisation

L’IA est source de pouvoir : elle deviendra vraisemblablement la couche de contrôle de l’ensemble des systèmes numériques de demain et jouera un rôle déterminant dans les questions militaires. Le risque de concentration de ce pouvoir autour d’une poignée d’entreprises et de deux énormes puissances, les Etats-Unis et la Chine, est réel. Si les États européens ne parviennent pas à définir des règles en commun et à déployer leurs propres moyens et compétences en matière d’IA, la domination économique des GAFAM sera inéluctable. Ces derniers continueront d’influencer les organismes de régulation et d’orienter les décisions en leur faveur. Ils fixeront leurs propres règles du jeu et comme le stipule Naomie Klein « s’empareront unilatéralement de la somme totale des connaissances humaines qui existent sous forme numérique, et les enfermeront dans des produits propriétaires ».

Une étude menée par France Stratégie[16] met en garde contre un effet de plateformisation similaire à celui constaté dans le secteur du tourisme ou du transport avec l’émergence d’entreprises comme Booking, Uber ou Airbnb. Cette situation pourrait conduire à une concentration encore plus importante de la valeur économique entre les mains des GAFAM avec pour conséquence de moindres recettes fiscales pour les États et un risque de perte de souveraineté.

Perception culturelle

On parle trop peu des décalages culturels et de leurs effets. Les Japonais, par exemple, font plus confiance à un robot qu’à une personne pour s’occuper des personnes âgées, ce qui nous paraît, en France, inconcevable. Les conséquences sont importantes, pour plusieurs raisons :

• L’idée que l’homme se fait du robot et de l’IA influence les progrès dans ces domaines,
• Si l’opinion publique française ou européenne venait à consommer un divorce avec l’IA (à l’instar de l’Italie qui a banni ChatGPT), elle devrait se passer de nombreux usages, et probablement, à terme, subir des évolutions dictées selon d’autres sensibilités et d’autres valeurs, sans avoir un mot à dire,
• L’impact économique de l’IA dépend fortement de la motivation des utilisateurs à l’adopter.

D’où vient cette méfiance en France ? D’une sensibilité aigüe aux excès du néo-libéralisme, d’un ancrage contre les révolutions technologiques (néo luddisme) ou à des craintes, certaines légitimes, d’autres savamment entretenues par des mouvances idéologiques, complotistes ou même politiques ? Sans doute un peu de tout cela.

Afin d’éviter le risque de tomber dans des comportements de type réflexe ou repli malthusien, Il faut veiller à ce que le dialogue et le débat public sur les questions de l’IA soit vivant et bien nourri. Les médias publics apportent une contribution essentielle, à entretenir et même à développer : mais est-ce suffisant ?

Les enjeux réglementaires

Les risques induits par l’IA soulèvent de nombreuses questions en matière de réglementation. Aux États-Unis, l’approche est celle de la light touch regulation. Cette approche, encouragée par les GAFAM, a eu tendance à s’imposer. Elle pose un problème en Europe, aggravé par la nature extraterritoriale de certaines législations américaines. L’Union Européenne, en perte continue de souveraineté dans le domaine du numérique, a choisi d’adopter une démarche plus musclée qui se traduit par de multiples règlementations progressives et coercitives sur le numérique et l’IA et qui repose sur l’idée d’une IA de confiance. Cette stratégie, guidée par les principes de sécurité et les droits fondamentaux de l’Union Européenne, fait débat car elle tend à imposer de nombreuses contraintes (financières, procédurales) aux entreprises qui innovent dans le domaine et tentent de pénétrer un marché déjà largement dominé par les géants américains ou chinois.

L’IA de confiance

Un groupe d’experts mandaté par la Commission européenne pour la conseiller sur sa stratégie en matière d’IA a publié en 2019 des lignes directrices éthiques pour une IA digne de confiance et dégagé sept exigences qui constituent le socle de toute nouvelle réglementation ou mesure de régulation :

• Action humaine et contrôle humain: en dernier lieu, les décisions importantes doivent être confirmées par des humains,
• Robustesse technique et sécurité: les systèmes d’IA doivent fonctionner de manière fiable et stable,
• Respect des droits fondamentaux: ne pas porter atteinte aux droits fondamentaux tels que la liberté d’expression et la vie privée,
• Diversité, non-discrimination et équité: garantir une équité sociale et économique,
• Transparence (traçabilité, explicabilité, communication) : les décisions doivent être explicables pour les utilisateurs et les parties prenantes,
• Bien-être sociétal et environnemental : respecter les droits des personnes et protéger l’environnement, tout en promouvant le bien-être social,
• Responsabilité et redevabilité: les entreprises et les personnes responsables de la conception et de l’utilisation de systèmes d’IA doivent être tenues responsables de leurs actions et décisions.

La lutte contre l’exterritorialité

L’Union Européenne continue de lutter par la régulation ou la justice contre la doctrine américaine d’exterritorialité ou du moins tente de s’en accommoder.

En 1978, le Congrès américain vote le FISA (Foreign Intelligence Surveillance Act), base légale des surveillances physiques et électroniques des États-Unis, ainsi que de la collecte d’informations sur des puissances étrangères soit directement, soit par l’échange d’informations avec d’autres puissances étrangères. En 2008, un amendement est ajouté à cette loi, le FISA Amendments Act of 2008. Il contient notamment la section 702, qui autorise l’administration américaine à collecter, utiliser et partager des données personnelles étrangères stockées sur des serveurs américains. Seule restriction : les personnes ciblées ne doivent pas être américaines.

Alors que la loi FISA couvre les activités de surveillance à l’intérieur des États-Unis, le gouvernement américain peut également mener des activités de surveillance à l’extérieur des États-Unis en vertu de l’Executive Order 12333, un décret exécutif signé par le président américain Ronald Reagan en 1981. Ce décret énonce les principes généraux qui guident l’activité des services de renseignement, notamment la collecte de données étrangères, la protection de la vie privée et des libertés civiles, ainsi que la conduite d’opérations secrètes à l’étranger.

Le Cloud Act adopté en mars 2018, est une loi extraterritoriale américaine qui permet aux administrations des États-Unis, disposant d’un mandat et de l’autorisation d’un juge, d’accéder aux données hébergées dans les serveurs informatiques situés dans d’autres pays, au nom de la protection de la sécurité publique aux États-Unis et de la lutte contre les infractions les plus graves dont les crimes et le terrorisme.

Le 16 juillet 2020, le Privacy Shield (bouclier de protection des données) qui permet le transfert de données entre l’Union européenne et les opérateurs américains adhérant à ses principes de protection des données sans autre formalité, est invalidé par la Cour de justice de l’Union européenne par l’arrêt Schrems II.

Par une décision du 10 juillet 2023, la Commission européenne constate finalement que les États-Unis assurent un niveau de protection des données personnelles équivalent à celui de l’Union européenne. Les transferts de données personnelles depuis l’Union Européenne vers certains organismes états-uniens peuvent à nouveau s’effectuer librement, sans encadrement spécifique. Selon de nombreux commentateurs, il s’agit d’une concession de l’Union Européenne : le prétendu nouveau cadre transatlantique de protection des données personnelles est en grande partie une copie du Privacy Shield qui a échoué. Malgré les efforts de relations publiques de la Commission européenne, la législation américaine et l’approche adoptée par l’Union Européenne n’ont guère changé. Le problème fondamental de la FISA 702[17] n’a pas été abordé par les États-Unis, qui considèrent toujours que seuls les ressortissants américains peuvent bénéficier de droits constitutionnels.

Les évolutions de la réglementation européenne

Afin de soutenir les stratégies nationales des états membres, L’Europe s’est attachée à définir des règles normatives communes encadrant l’usage du numérique et de l’IA et permettant le développement d’une économie européenne de la donnée, notamment à la faveur du développement du marché des données industrielles. :

• Le règlement RGPD (Règlement Général sur la Protection des Données) encadre le traitement des données de manière égalitaire sur tout le territoire de l’Union Européenne. Il est entré en application le 25 mai 2018.
• Le règlement Data Governance Act (DGA) publié le 25 novembre 2020 tend à favoriser le partage des données personnelles et industrielles par la mise en place de structures d’intermédiation. Le règlement vise également à renforcer la confiance dans le partage des données (relatives à la santé, de mobilité, environnementales, agricoles…) en rendant ce dernier plus sûr, facile et conforme à la législation sur la protection des données.
• Le règlement Data Act, adopté en juillet 2023, tend à maximiser la valeur des données dans l’économie en facilitant la disponibilité et le partage des données entre les entreprises, les consommateurs et les organismes publics. Complétant le DGA, il précise qui peut créer de la valeur à partir des données et dans quelles conditions. Il comporte une obligation de partage des données aux utilisateurs pour les détenteurs de données, à savoir les fabricants de produits connectés et fournisseurs de services connexes.
• Le règlement DMA (Digital Markets Act) entend prévenir les abus de position dominante des géants du numérique, que sont en particulier les GAFAM (Google, Apple, Facebook, Amazon et Microsoft), et offrir un plus grand choix aux consommateurs européens. Il est progressivement applicable depuis le 2 mai 2023.
• Le règlement DSA (Digital Services Act), prévoit de lutter contre les contenus et les produits illégaux en ligne (haine, désinformation, contrefaçons…). L’objectif est de faire de l’Internet un espace plus sûr pour les utilisateurs. Avec ce texte, « ce qui est illégal dans le monde physique le sera aussi en ligne ». Les obligations prévues par ce texte doivent entrer en application le 17 février 2024. Les très grandes plateformes en ligne et les très grands moteurs de recherche sont concernés depuis le 25 août 2023.
• Le Cybersecurity Act, entré en application le 28 juin 2021, instaure un cadre européen de certifications de cybersécurité à l’échelle de l’Union pour les produits, services et processus digitaux. L’une des questions posées pour ce cadre concerne le critère d’immunité aux lois extraterritoriales du schéma européen pour le cloud (European Cybersecurity Certification Scheme for Cloud Services, EUCS).
• La régulation portant sur l’IA, l’IA Act :
  • Les principes et objectifs concernant l’IA ont été définis par la Commission dès 2021.
  • Le Parlement européen a adopté sa position concernant le règlement sur l’IA le 14 juin 2023 avec un objectif d’application du règlement en 2026.
  • Le 8 décembre 2023, après d’intenses négociations entre les États membres, le Parlement européen a voté en faveur d’un premier accord de réglementation, l’IA Act.

L’IA Act

L’IA Act vient compléter les règlements précédents avec un ensemble de règles harmonisées qui concernent la conception, le développement et l’utilisation de certains systèmes d’IA.

L’approche de la proposition de règlement est fondée sur les risques et distingue quatre niveaux pour les systèmes d’IA : risque inacceptable, risque élevé, risque limité, risque minime. La classification des risques repose sur la finalité assignée au système d’IA, conformément à la législation existante de l’UE en matière de sécurité des produits. Ce cadre juridique, récemment adopté au Conseil et au Parlement européen, s’appliquera pour tout système d’IA mis sur le marché dans l’Union ou dont l’utilisation a une incidence sur des personnes situées dans l’Union.

Concernant les systèmes à risque élevé, des normes de qualité et de sécurité s’appliquent, telles que la traçabilité de l’utilisation de la technologie, la transparence vis-à-vis des utilisateurs ainsi que la nécessité d’un contrôle humain. Ils doivent par ailleurs « atteindre un niveau approprié d’exactitude, de robustesse et de cybersécurité ». Des contrôles ex ante et ex post sont également prévus. Le fournisseur devra enregistrer officiellement son système d’intelligence artificielle dans une base de données de l’UE après une évaluation de sa conformité. Parmi les systèmes à risque élevé, on trouve en particulier ceux destinés aux infrastructures critiques, à l’éducation, aux ressources humaines et au maintien de l’ordre.

Les sanctions pourront aller jusqu’à 30 millions d’euros ou 6 % du chiffre d’affaires en cas de non-respect des règles relatives aux pratiques prohibées ou à l’usage des données.

Concernant les applications comportant un risque faible ou minimal d’atteinte aux droits fondamentaux, les fournisseurs sont encouragés à appliquer, sur la base du volontariat, des codes de conduite facultatifs.

Pour une régulation efficace

Comme le souligne Joelle Toledano (économiste, membre du Conseil national du numérique et de l’Académie des technologies) dans un article du Monde de janvier 2023 : « sans régulation efficace, la politique de souveraineté numérique européenne échouera ». Il convient de s’interroger justement sur l’efficacité de la règlementation récemment adoptée par l’UE (IA Act). L’évolution de l’IA est tellement rapide que la règlementation risque d’être toujours en retard, avec en arrière-plan le risque de mettre en opposition la régulation et les capacités d’innovation des entreprises.

Une note d’information du CIGREF[18] de juillet 2023 résume bien le risque de positionner la régulation comme condition préalable à l’innovation : « quel que soit leur positionnement, toutes les organisations sont unanimes pour dire que le plus gros risque est de passer à côté ou d’être en retard sur la transformation induite par les IA génératives. Les risques et la sécurité sont à gérer en parallèle et non en préalable à la réflexion sur les opportunités ».

Un système plus souple de régulation et de contrôle réactif gouverné par des instances adaptatives et agiles mérite donc d’être étudié. Il doit répondre au principe d’agentivité des technologies, dès lors que ces dernières viennent à se diffuser partout auprès de tous les publics. Leurs effets de long terme sont imprévisibles, et nécessitent la mise en place d’instances de surveillance et de réaction si nécessaire.

Il convient enfin de faire preuve de pragmatisme et de capitaliser sur les systèmes de gestion des risques en vigueur. Dans les secteurs sensibles comme celui de la santé par exemple, où les décisions peuvent affecter l’intégrité physique ou les droits humains, des règles éthiques et des protocoles scientifiques rigoureux existent déjà avant d’accepter qu’un nouveau système entre en fonction ou soit commercialisé. Ces règles et protocoles doivent, bien entendu, être renforcées et adaptées aux spécificités de l’IA, notamment quand elle crée des applications entièrement nouvelles comme la conduite autonome ou les systèmes de conversation, afin de garantir que ces applications soient utilisées de manière responsable et sûre.

Vers une convergence des régulations ?

Les positions américaines et européennes restent encore éloignées mais des efforts de convergence se dessinent. La question de l’accès aux données reste un irritant très sensible. Aux États-Unis, le débat sur la responsabilité des plateformes numériques a évolué ces dernières années à la suite de plusieurs affaires à fort retentissement médiatique : l’affaire de la société Cambridge Analytica[19], l’audition au Sénat américain de l’ex-ingénieure de Facebook Mme Frances Haugen[20], et les procès Gonzales versus Google ou Twitter versus Taamneh où les plaignants ont réclamé que Google et Twitter soient tenus responsables des recommandations formulées par leurs algorithmes.

En Europe, la convergence des systèmes nationaux a appelé une intervention forte à l’échelon de l’Union européenne (le Digital Service Act, le Digital Market Act, l’IA Act). Aux Etats-Unis, le président Joe Biden a publié le 30 octobre dernier un document sur les règles que devront suivre les Etats-Unis en matière d’Intelligence Artificielle intitulé : « Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence ». Ce document, pragmatique, orienté vers l’action et le déploiement rapide des directives, appelle en particulier à la coopération internationale pour qu’un consensus se fasse sur une grande partie des idées défendues. En outre, il met en évidence la nécessité pour l’Europe de décliner rapidement et de manière très opérationnelle son processus de régulation.

Certains commentateurs en Europe ont jugé cet Executive Order insuffisant car non coercitif. Mais il s‘agit bien d’une initiative structurante, comme l’indique le volume des référentiels élaborés par le NIST en amont, et les dispositions déjà prises par de multiples départements d’État pour le mettre en œuvre chacun dans son domaine.

Le 1er novembre 2023, Le Royaume-Uni a organisé à Londres (Bletchley Park) le premier évènement international sur les risques de l’IA, qui a réuni vingt-huit pays ainsi que de nombreux acteurs ayant participé à l’essort de l’IA ces dix dernières années. Malgré une atmosphère de coopération positive, ce rassemblement a donné lieu à d’épineux débats entre ceux (les Français) qui craignent de voir l’innovation bridée par la régulation et la constitution de monopoles disqualifiant la concurrence et ceux (les Anglais et les Américains) qui dénoncent les risques de déferlement susceptibles de déstabiliser le monde et les états-nations, tels que dénoncés par Mustafa Suleyman dans son dernier ouvrage[21] sur l’IA.

La France et l’Europe peuvent, et doivent, se montrer pionnières dans l’élaboration d’un cadre juridique de l’IA solide et pertinent tout en faisant preuve de pragmatisme, d’efficacité et d’ouverture aux propositions de convergence transnationales.

Les capacités de mise en œuvre en France et en Europe

L’IA comme source de puissance en fait un facteur de compétition entre les États-Unis et la Chine et contraint l’Europe à s’engager sur le même chemin même si elle le fait avec des moyens et des visées différents. L’action de l’Europe est indispensable pour la bonne exécution de la stratégie française en matière d’IA : l’Europe intervient de manière substantielle pour réguler les usages, fixer les règles pour la gestion des données, financer la recherche et favoriser l’émergence de champions industriels. Dans ce contexte, quelles sont les capacités réelles de développement et de mise en œuvre d’une industrie autour de l’IA en France et en Europe ?

La domination américaine et chinoise

Les acteurs américains dominent dans tous les segments de l’IA (investissement dans les start-ups, financement de la recherche et du développement, …) avec une forte concurrence de la Chine.

Le secteur privé américain est très dynamique et investit massivement dans cette technologie, comme le montre le graphique ci-après.

Figure 2 – Investissement du secteur privé en IA par pays (2020)

Les GAFAM dominent largement le marché avec leurs homologues chinois, les BATX (Baidu, Alibaba, Tencent, Xiaomi) et Huawei.

Concernant les dépôts de brevets en IA, les États-Unis et la Chine sont au même niveau (sept entreprises dans le top 20 pour chaque pays). Néanmoins, si on prend en compte que la plupart des grandes entreprises chinoises sont largement subventionnées et accompagnées par l’État, que les publications de recherche des GAFAM sont davantage citées et qu’ils exportent bien plus leurs solutions dans le reste du monde que leurs homologues chinois, l’écosystème américain de la tech reste le plus dynamique et le plus influent.

Concernant les montants globaux investis, le rapport Private Equity Investment in Artificial Intelligence de l’OCDE donne aussi quelques ordres de grandeur : Les États-Unis investissent 70 fois plus que la France dans les jeunes pousses, ce qui, ramené à l’échelle des PIB respectifs, représente presque sept fois plus d’investissement.

Figure 3 – Total des investissements des start-up, par pays et par secteur, 2012 et 2020, en M$

Le montant des budgets publics de soutien à l’innovation en Europe, relativement faible par rapport à celui des Etats-Unis, n’est certainement pas le seul responsable de cette situation : l’écart gigantesque et qui perdure entre la surface financière des grands fonds d’investissement états-uniens et celle des acteurs européens crée un effet d’aspiration très puissant des startups les plus fructueuses, pendant leur deuxième ou troisième tour d’investissement, et l’Europe est en panne pour endiguer le phénomène.

En France, les racines du problème sont connues et pour certaines profondes : complexité administrative, système d’exonérations et niches fiscales protéiformes et globalement peu lisibles, poids du système de retraite sur la disponibilité de capitaux, instabilités fiscales et juridiques génératrices de risques, système de taxation de plus-values mouvant… Les enjeux de la révolution de l’IA susciteront-ils un sursaut qualitatif ambitieux ?

En tout état de cause, la position dominante américaine, concurrencée par la Chine, est une forte contrainte que les autres pays doivent nécessairement prendre en compte.

Le soutien de l’Europe aux stratégies nationales

Au-delà de définir des règles normatives communes, l’Union Européenne intervient pour soutenir les stratégies nationales, dont celle de la France, en instituant divers programmes budgétaires de soutien à la recherche et en posant de nouvelles règles pour favoriser l’émergence de champions européens industriels. Compte tenu du contexte de domination américaine et chinoise dans l’IA, ce soutien est indispensable.

La Commission a publié en 2021 un nouveau plan coordonné 2021 sur l’IA. Il définit les domaines de coopération et encourage les États membres à développer des plans stratégiques nationaux. Les axes de travail sont déclinés autour de quatre thèmes principaux : poser les conditions permettant le développement de l’IA, faire de l’Europe le lieu de l’excellence du laboratoire au marché, assurer que l’IA est une force positive pour la société, construire des stratégies de leadership dans les secteurs à fort impact.

Les programmes budgétaires de soutien à la recherche

Les deux principaux programmes sont les programmes Horizon Europe et Pour une Europe numérique (Digital Europe). La Commission prévoit d’investir 1 Md€ par an dans l’Intelligence Artificielle par ces deux programmes. Citons également le programme européen pour la santé EU4Health et l’investissement dans le cadre de l’entreprise commune EuroHPC pour un supercalculateur européen. Ce supercalculateur exaflopique haut de gamme sera hébergé par le centre de calcul de la commission française des énergies alternatives et de l’énergie atomique à Bruyères-le-Châtel (France) et exploité par le consortium Jules Verne. Il représente un investissement commun partagé entre la France, les Pays-Bas et l’Union Européenne d’environ 540 millions d’euros. L’Union Européenne contribuera à hauteur de 50 % au total des coûts du programme.

La construction d’un écosystème AI-friendly

Ce serait une erreur de concentrer les moyens de l’Europe sur l’improbable émergence d’un clone des GAFAM ou d’un géant de l’IA générative. L’Europe peut et doit capitaliser sur ses atouts et ses grands acteurs industriels afin de construire un écosystème AI-friendly incluant entre autres : les technologies de composants à très basse consommation, les architectures électroniques ouvertes, évolutives, modulables et neuronales, l’Edge Computing, l’IA embarquée, les processeurs pour les calculateurs exascale, les supercalculateurs, les calculateurs quantiques et les plateformes de partage et de recherche ouvertes.

Le projet de Cloud souverain européen est une illustration des tâtonnements de l’Europe sur la stratégie à adopter en matière d’infrastructure numérique. Faisant suite à plusieurs échecs de mise en place d’un cloud souverain (CloudWatt, Numergy), la France s’est associée à l’Allemagne pour lancer en 2019 le projet d’infrastructure sécurisée de données européennes de nouvelle génération GAIA-X. Influencé par les intérêts d’entreprises extra-européennes, les GAFAM en particulier, ce projet n’a malheureusement abouti pour l’instant à aucune réalisation concrète, il s’est contenté de définir un corpus de normes pour la mise en commun des données d’entreprises européennes. Une déclaration commune des 27 États membres a, en outre, été signée le 15 octobre 2020, afin de lancer une alliance européenne pour les données industrielles et le cloud. Enfin, un projet important d’intérêt européen commun (PIIEC) sur les infrastructures et services cloud de nouvelle génération, initié par la France et l’Allemagne et réunissant 11 États membres, a été pré-notifié en avril 2022. Quel que soit le destin de ces initiatives, la question de savoir si l’Europe pourra un jour gagner son indépendance en matière de Cloud et tourner le dos aux Clouds américains reste ouverte tellement le retard est conséquent. Alors que les enjeux de confiance, de sécurité et de résilience sont plus que jamais d’actualité, les décideurs politiques et les instances de soutien à l’innovation ont intérêt à soutenir des initiatives moins ambitieuses qui visent à répondre à des besoins spécifiques pour les services publics ou les acteurs critiques de l’économie et qui capitalisent sur les briques de confiance qui ont émergé en France et Europe ces 10 dernières années. La création de l’offre Cloud NumSpot[22] par Docapost, avec Dassault Systèmes, Bouygues télécom et la Banque des Territoires, est à ce titre une démarche pertinente.

Le contrôle des acquisitions étrangères dans l’UE

Le cadre européen pour le filtrage des investissements directs étrangers (IDE) est devenu opérationnel le 11 octobre 2020. Le 25 mars 2020, la Commission avait publié des orientations à l’intention des États membres, appelant notamment tous les États membres à mettre en place un mécanisme de filtrage.

La stratégie française

Le Gouvernement français a lancé une stratégie nationale pour l’intelligence artificielle (IA), en 2018 qui s’articule en deux phases.

La première phase (2018-2022) consiste à doter la France de capacités de recherche compétitives. Cette première étape a été financée à hauteur de 1,85 milliard d’euros. Elle a notamment financé la création et le développement d’un réseau d’instituts interdisciplinaires d’intelligence artificielle, la mise en place de chaires d’excellence et de programmes doctoraux, ainsi que le déploiement du supercalculateur Jean Zay[23].

La seconde phase consiste à diffuser des technologies d’intelligence artificielle au sein de l’économie et à soutenir le développement et l’innovation dans des domaines prioritaires comme l’IA embarquée, l’IA de confiance, l’IA frugale et l’IA générative. Cette seconde phase est dotée de 1,5 milliard d’euros dans le cadre de France 2030[24]. Cette nouvelle phase s’articule autour de trois piliers stratégiques : le soutien à l’offre deep tech, la formation et l’attraction des talents, le rapprochement de l’offre et de la demande de solutions en IA.

Faisant suite à la vision apportée par la mission Villani[25], la stratégie nationale pour l’intelligence artificielle a jeté les bases d’une structuration de long terme de l’écosystème d’IA, à tous les stades du développement technologique : recherche, développements et innovations, applicatifs, mise sur le marché et diffusion intersectorielle, soutien et encadrement du déploiement.

Le 19 septembre 2023 le Comité de l’intelligence artificielle générative[26] a été lancé. Ce Comité réunit des acteurs de différents secteurs (culturel, économique, technologique, de recherche), il vise à éclairer les décisions du gouvernement et de faire de la France un pays à la pointe de la révolution de l’IA.

Les capacités de mise en œuvre

La prise de conscience des enjeux de l’IA a eu lieu avec un certain retard en Europe alors que les Etats-Unis et la Chine ont réalisé des investissements considérables dans la technologie dès 2015. Malgré la qualité de sa recherche et ses talents de niveau mondial, la France et l’Europe se retrouvent coincées entre ces deux superpuissances dont les visions de l’IA sont très différentes, chacune déterminée à distancer l’autre.

L’Europe manque d’acteurs industriels majeurs du numérique et de l’électronique et les investissements en IA ne sont pas, à date, suffisants pour rattraper le retard. A l’instar de ce qui s’est passé avec les moteurs de recherche, il est peu probable que l’Europe soit capable de créer des outils généraux compétitifs dans le domaine de l’IA générative. Un des principaux problèmes pour le développement de l’IA de ce type en Europe réside dans sa capacité à disposer, de manière souveraine, de la puissance de calcul nécessaire et des microprocesseurs adaptés (les fameux processeurs graphiques GPU). Les GAFAM ont réalisé des investissements colossaux dans les infrastructures d’IA afin de rester à la pointe et de continuer d’occuper une position hégémonique sur le marché des infrastructures et des services numériques. Ces niveaux d’investissement ne sont pourtant pas forcément inaccessibles à l’échelle européenne, mais ils nécessitent un vrai effort et une volonté politique. L’écosystème numérique français a des capacités financières non négligeables, et si on ajoute celles des autres pays européens, des moyens importants peuvent être mobilisés. Il convient pour cela de réorienter progressivement les dépenses des Européens vers des solutions européennes, parce que les investissements dans l’offre ne suffiront pas. Cela suppose entre autres une révision des modalités de la commande publique au niveau européen. En outre, dans un contexte de fragmentation du web mondial en une multitude de sous-espaces régionaux (effet de splinternet), l’Europe pourrait se retrouver seule avec les Etats-Unis avec le risque de colonisation numérique par ces derniers. Elle a donc intérêt à nourrir un dialogue et à coopérer sur les questions de souveraineté numérique et d’autonomie stratégique avec les États (Inde, Brésil, Malaisie, Nigéria, …) qui restent partagés à l’idée de se subordonner aux deux leaders mondiaux.

Cet état de fait n’exonère pas pour autant les entreprises françaises d’avancer lorsqu’elles le peuvent, d’autant que pas mal d’entre elles disposent déjà aujourd’hui de grosses capacités en termes d’infrastructures et d’importants soutiens financiers. Récemment, Xavier Niel, patron du groupe Iliad (Free, 42, Station F), et Rodolphe Saadé, PDG du transporteur maritime CMA CGM, soutenus par l’ancien patron de Google Eric Schmidt, ont annoncé le lancement d’un laboratoire à but non lucratif dédié à la recherche en intelligence artificielle. Baptisé Kyutai, ce centre basé à Paris aura une approche open source et sera doté d’un premier fonds de 300 millions d’euros. La filiale du groupe La Poste, Docaposte, entend aussi prendre la vague de l’intelligence artificielle générative en lançant une offre d’IA générative souveraine (robot conversationnel) avec trois entreprises françaises : LightOn, Aleia et enfin, NumSpot dont elle est l’une des initiatrices. Enfin, le jeune pousse française Mistral.ai (créée en avril 2023) vient de rejoindre la licorne européenne (allemande) Aleph Alpha. La dynamique est donc en marche.

Au-delà de l’enjeu des infrastructures et de la fourniture des services fondations de l’IA, l’Europe ne doit pas manquer l’opportunité de l’utilisation de l’IA dans tous les secteurs d’activité. De multiples chaires à forte composante en IA ont été créées en France, associant des académiques et des grands donneurs d’ordre. SAP se positionne de manière audacieuse et pertinente pour accompagner des porteurs de projets d’applications de l’IA dans de nombreux domaines. La plupart des grandes sociétés de services (SSII) françaises proposent déjà des services pour les projets d’IA associés au cloud et comptent se développer fortement sur ce marché porteur. En outre, l’Europe n’a pas à rougir en termes de talents, d’idées et de concepts novateurs et peut aussi tirer parti de la taille importante de son marché intérieur. Elle doit continuer de faire course en tête sur la mise au point de systèmes d’IA dignes de confiance afin de mieux répondre aux préoccupations des populations et des entreprises. Il s’agit d’un pari ambitieux, potentiellement porteur sur le long terme mais non exempt de risques car l’IA Act pourrait faire pression sur certaines dynamiques d’innovation et brider les investissements privés.

On peut donc espérer que l’Europe ne subira pas de déclassement dans le domaine de l’IA, mais c’est tout sauf une certitude, pour au moins deux raisons :

• Comme pour Internet, les leaders auront de bonnes chances de remporter la majorité des marchés, et actuellement ils ne sont pas européens, même si le nombre de licornes en IA ou qui y recourent massivement y est en croissance forte,
• Le marché de Etats-Unis est deux fois et-demi plus important que le marché européen, et l’opinion publique européenne est plus réservée, voire méfiante, qu’ailleurs : on peut donc s’attendre à ce que la dynamique d’innovation sur les marchés grand public soit bien plus faible en Europe.

L’imprégnation réussie de tous les pans de l’économie par l’IA représente une fenêtre d’opportunité pour la France et l’Europe, ou au contraire, un ensemble de risques tels qu’elles seront déclassées, à une échelle de temps que l’on peut estimer, au rythme actuel entre 5 et 10 ans. En d’autres termes on peut considérer qu’en 2035 au plus tard, les jeux seront faits en grande partie.

Les mesures à prendre, les orientations stratégiques

Compte tenu des développements précédents, nous, progressistes pour la social-démocratie, reconnaissons que la technologie d’IA est un sujet politique et pas seulement par ses implications éthiques ou sociales. Nous souhaitons promouvoir les développements et les applications de l’IA sûrs et dignes de confiance, respectueux des droits fondamentaux et de la vie privée, bénéfiques à l’innovation, à l’emploi et à l’inclusion, et susceptibles de hisser la France et l’Europe au rang des leaders mondiaux du domaine sur les plans juridique et économique.

Les mesures et les orientations suivantes nous paraissent essentielles :

Pour une IA sûre et digne de confiance

Nous pensons que les humains doivent rester aux postes de contrôle et qu’ils ne doivent jamais laisser les systèmes d’IA les remplacer dans la prise de décision, mais toujours les seconder. En outre, nous souhaitons promouvoir une innovation responsable qui puisse garantir l’avènement d’une IA sûre et digne de confiance.

Afin de ne pas brider l’innovation, le principe de responsabilité doit prévaloir à celui de précaution. En ce sens, les systèmes d’IA doivent pouvoir expliquer leurs résultats, garantir la traçabilité de leurs données et de leurs traitements et doivent faire l’objet d’évaluations robustes, fiables, reproductibles et standardisées avant d’être utilisés. Nous soutenons et encourageons donc le développement des techniques d’eXplainable Artificial Intelligence (XAI), un ensemble de processus et de méthodes qui permettent aux utilisateurs de comprendre et de se fier aux résultats et aux informations générés par les algorithmes de Machine Learning de l’IA. Nous soutenons, en amont de tout développement de système d’IA complexe à forts enjeux, ou destiné à soutenir voire prendre des décisions critiques, la conduite systématique d’une analyse indépendante et impartiale des rôles et responsabilités des parties prenantes. En outre, nous demandons aux systèmes d’IA de faire leur meilleur effort pour rendre possible l’identification, l’authentification et le traçage des données qu’ils utilisent afin de lutter contre les biais notamment de genre, ethniques et culturels encore trop présents ou encore afin de limiter la production de contenu illégal ou potentiellement dangereux (matériel d’abus sexuel sur des enfants, hypertrucage). Nous encourageons, à ce titre, la systématisation des dispositifs techniques comme les tatouages numériques, qui permettent de résoudre le problème de l’authentification et la détection des contenus artificiels.

Nous exigeons des systèmes d’IA qu’ils soient robustes et résilients et préconisons la mise en œuvre de normes et de procédures permettant aux développeurs de tester et d’identifier les failles et vulnérabilités potentielles, en particulier quand les systèmes d’IA sont embarqués dans le contrôle ou la sécurisation d’infrastructures et d’applications critiques. Les risques de cybersécurité spécifiques à l’IA doivent faire l’objet d’une attention particulière.

Nous encourageons les régulations, les standards, les normes ou les systèmes qui visent à lutter contre tout utilisation malveillante de l’IA, contre la perte de contrôle humain ou la confiance excessive. Dans cette perspective, les fournisseurs de services de l’IA en cloud devraient avoir l’obligation d’informer systématiquement les autorités compétentes dès lors qu’une personne, une entreprise ou une organisation effectue une transaction dans le cloud pour former un grand modèle d’IA avec des capacités qui pourraient être utilisées dans des activités malveillantes.

Nous préconisons une évaluation complète des outils d’IA dont les résultats pourraient représenter des menaces nucléaires, chimiques, biologiques, ou porter atteinte aux infrastructures critiques et à la sécurité énergétique.

Pour la promotion de l’innovation

Afin de promouvoir l’innovation, nous soutenons les politiques d’investissements dans l’éducation, la formation, la R&D, et dans les capacités souveraines et encourageons les régulations qui visent à lutter contre la collusion illégale et le monopole de certaines entreprises extra-européennes sur les actifs et technologies clés.

Nous pensons qu’il est nécessaire de disposer d’une politique industrielle européenne ambitieuse dans le domaine de l’IA et plus largement du numérique.

Cette politique portera l’objectif de réorienter progressivement les dépenses des Européens vers des solutions conformes aux spécificités européennes, parce que les investissements dans l’offre technologique ne suffiront pas. L’atteinte de cet objectif passera par les actions suivantes :

• Renoncer à poursuivre des chimères. L’Europe est fortement distancée sur les Clouds généralistes. Elle a intérêt à développer des offres adaptées à des besoins jusque-là moins bien satisfaits, d’ambition réaliste, en agrégeant des acteurs locaux en écosystème. Il n’est pas certain, par ailleurs, qu’elle rattrapera les leaders états-uniens dans l’IA générative. Elle a intérêt à miser sur des capacités complémentaires qui satisferont des acteurs publics ou semi-publics, et sur d’autres formes d’IA, plus légères, déportées, moins énergivores et plus éthiques.
• Réviser les modalités ou adapter l’exécution de la commande publique au niveau européen afin de privilégier les solutions européennes. La commande publique et la régulation doivent agir de concert pour motiver l’hébergement des applications d’IA qui manipulent des données sensibles au sein d’infrastructures souveraines. Il s’agit en premier lieu de répondre à des enjeux évidents de sécurité, mais aussi de donner l’opportunité à des acteurs souverains de se développer sur le marché porteur des plateformes d’IA en cloud. Dans cette logique, il nous apparaît nécessaire de migrer sans tarder les applications de santé publique comme le Health Data Hub, solution actuellement hébergé dans le cloud AZURE de Microsoft, vers des solutions d’hébergement souveraines.
• Intensifier la création de référentiels (normes et standards) permettant de traduire et de structurer les attentes légitimes de l’Europe par la mise en place de projets collaboratifs et l’instauration d’un dialogue de confiance avec les acteurs industriels et de l’innovation.
• Lever tous les obstacles à l’innovation en acceptant, de manière limitée et contrôlée par la puissance publique, la levée temporaire de certaines contraintes réglementaires afin de ne pas brider les créateurs européens dans leurs expérimentations.
• Lutter contre toute forme de collusion illégale ou de monopole sans aucunement tourner le dos à des leaders étrangers parce qu’ils sont étrangers
• Investir massivement dans la R&D et dans les projets d’intérêt commun européens.

La politique industrielle européenne dans le domaine de l’IA devra également favoriser la mise en oeuvre des briques constitutives d’un écosystème AI-friendly. Quelques exemples de briques sont proposés ci-après :

• Le développement de schémas amplifiés de soutien à l’innovation selon des principes HITL (Human In The Loop) / SITL (Society In The Loop)[27] pour répondre aux enjeux de confiance, de performance et d’efficacité des systèmes d’IA.
• L’orientation des moyens vers des projets différenciants qui pourraient tirer parti de la richesse et de la diversité des données des administration et entreprises européennes et qui porteraient des objectifs bénéfiques pour la société : villes intelligentes, économie circulaire, santé publique, réseaux sociaux de taille humaine, gestion des déchets, applications de lutte contre le réchauffement climatique et les inégalités par exemple.
• Le soutien aux développements de solutions de robotique collaborative et de jumeaux numériques dans la médecine, l’industrie et l’agriculture.
• L’attraction, la formation et la rétention des talents en IA européens et étrangers

Pour le soutien à l’éducation, à la formation et à l’emploi dans un soucis d’excellence, d’équité et d’inclusion

Le développement et l’utilisation responsables de l’IA nécessitent un engagement à soutenir les travailleurs grâce à l’éducation et à la formation professionnelle et à comprendre l’impact de l’IA sur la main-d’œuvre et les droits des travailleurs.

Constatant le caractère inéluctable de la diffusion large des systèmes d’IA, constatant, en outre, les risques que cela pose au regard de la cohésion épistémique de nos démocraties, en termes d’accroissement des inégalités et d’exclusion de certaines populations, nous faisons de la formation une de nos exigences les plus importantes. Elle est de la co-responsabilité des entreprises, des autorités publiques, des communautés et des individus. Elle commence à l’école et doit être continue.

Nous préconisons une adaptation rapide du dispositif d’éducation et de formation.

A l’école, la mise en place d‘un rapport exigeant avec les outils d’IA accessibles au grand public doit être stimulé. Cela peut être envisagé dès le plus jeune âge, à la condition que soient mis en place tous les éléments permettant un contrôle strict d’éventuels effets ou risques sur le développement neurologique, psycho-affectif et social des enfants.

Parallèlement les élèves, devront être mis en garde contre les déviances potentielles des outils d’IA (biais cognitifs, plagiats, hypertrucages et désinformation), ceci pouvant aller de pair avec le développement de l’esprit critique individuel.

Afin de lutter contre le risque de déclassement compétitif de la France, Il conviendra par ailleurs de remettre au goût du jour une formation d’excellence dans les disciplines scientifiques et un temps d’apprentissage approprié.

L’enseignement supérieur devra intégrer la composante IA de manière systématique dans quasiment tous les cursus (scientifiques, ingénierie, sciences humaines). Les formations scientifiques françaises, notamment dans les grandes écoles, procurent un très bon niveau en mathématiques et en informatique pour aborder les spécialisations en IA. Le système français n’a aucunement à rougir du nombre de chercheurs reconnus en IA, même si plusieurs d’entre eux continuent de rejoindre les grands groupes américains.

Les cadres et ingénieurs concepteurs de systèmes et d’applications d’IA devront acquérir une connaissance approfondie des bases théoriques et développer de solides compétences sur les outils d’IA et leur manipulation. Le développement de formations en cursus double, sciences dures et sciences sociales, comme pratiquée par Dauphine et certaines écoles d’ingénieurs doit être à ce titre encouragé.

Les utilisateurs professionnels devront, quant à eux, avoir une connaissance suffisante des opportunités et des limites des outils d’IA qu’ils seront amenés à utiliser au quotidien (aide au diagnostic médical par exemple).

Enfin, les enseignants et les formateurs tireront avantageusement parti des outils d’IA pour moderniser et adapter les techniques de formation et d’apprentissage afin d’inclure tous les publics.

Les impacts de l’IA sur la structure et la dynamique du marché du travail devront être précisément évalués afin d’anticiper les reconversions certainement nécessaires des intervenants des secteurs fortement automatisables par l’IA vers d’autres secteurs comme ceux des services à la personne où la composante humaine restera essentielle.

En termes de droits et de protection sociale, il conviendra d’offrir un cadre protecteur aux travailleurs du clic (digital labour) et une juste rétribution des tâches humaines nécessaire à l’IA.

Pour le respect des droits fondamentaux et de la vie privée

Les politiques en matière d’IA doivent être cohérentes avec la promotion de l’équité et des droits civils.

Nous souhaitons la mise en œuvre effective de régulations, d’autorités et de systèmes de contrôles qui puissent garantir que les technologies d’IA ne favorisent pas les préjugés et la discrimination dans un large éventail de domaines : justice pénale (détermination, libération conditionnelle, libération sous caution, gestion des prisons), programmes de prestations sociales, marchés financiers du logement et de la consommation, location immobilière, systèmes d’information de R.H.

Nous demandons l’accès aux données nous concernant, la capacité d’en définir l’usage et des garanties sur le caractère légal et sécurisé de la collecte, l’utilisation et la conservation des données.

Nous estimons que la CNIL est parfaitement indiquée pour assurer la supervision globale de la mise en oeuvre de l’IA Act. Elle sera ainsi en prise directe avec les enjeux de protection des données personnelles et de préservation des libertés individuelles.

Nous reconnaissons que l’utilisation de l’IA peut facilement conduire à une violation des droits de propriété intellectuelle et à des dérives allant jusqu’à l’usurpation d’identité. Nous préconisons la mise en œuvre d’un cadre juridique approprié pour traiter ces risques et la mise en œuvre systématique de techniques pour mieux les gérer (tatouages numériques par exemple).

Nous reconnaissons le potentiel de l’IA pour améliorer l’efficacité d’action des forces de l’ordre à partir du moment où ces dernières agissent dans le respect de la protection de la vie privée, des droits civils et des libertés civiles.

Pour la sobriété d’usage et le respect de l’environnement

Nous souhaitons promouvoir les politiques et les projets qui visent à minimiser l’impact environnemental de l’IA.

Nous encourageons les efforts de recherche dans les solutions qui minimisent les données, la puissance de calcul, la consommation d’énergie des IA.

Nous encourageons la sobriété d’usage, car l’IA n’a pas à être utilisé partout et pour tout, et l’instauration de la primauté du raisonnement humain sur l’IA, non seulement de manière ad hoc pour tous les systèmes d’IA créateurs d’impacts sur les individus, les groupes, le vivant, l’environnement, mais aussi de manière systémique pour assurer la robustesse de cette primauté sur le long terme.

Nous reconnaissons le potentiel de l’IA pour optimiser la consommation énergétique des systèmes complexes (réseaux électriques, réseaux de communication, villes …) et pour aider à la lutte contre le réchauffement climatique, sous réserve que son développement reçoive un encadrement permettant d’assurer une mise en oeuvre proportionnée alignée sur les impératifs planétaires et de justice sociale.

Pour une régulation adaptative et une gouvernance d’implémentation efficace

Demander l’équilibre entre la liberté d’innovation et la protection des humains et de leurs sociétés n’est pas suffisant. Nous souhaitons la mise en place de dispositifs réglementaires adaptés à la vitesse d’évolution des IA et des actions concrètes de mise en œuvre des réglementations par la puissance publique.

Dans cette perspective, nous préconisons une régulation plus souple, évolutive, proactive et réactive :

• Nous partons du principe que même en présence de bacs à sable réglementaires, il faut pouvoir tester dans des conditions réelles, notamment en utilisant spontanément des jeux de données de test.
• Nous proposons la création d’une entité administrative européenne indépendante dotée d’une mission de régulation réactive pour tenir compte de la dynamique technologique afin d’adapter les obligations et contraintes de l’AI Act au contexte du moment.

Nous encourageons les partenariats internationaux pour le développement d’un cadre de gestion global des risques de l’IA et l’établissement de normes techniques mondiales afin de libérer tout le potentiel positif de l’IA et de promouvoir une approche commune face aux défis.

Nous pensons qu’il faut également faire preuve de pragmatisme et capitaliser sur les systèmes de gestion des risques en vigueur dans les secteurs à risque (santé, armée, aviation civile, …).

Enfin, à l’instar de l’Executive Order on Safe, Secure, and Trustworthy Artificial Intelligence signé par le président américain Joe Biden en octobre 2023, nous pensons qu’une déclinaison très opérationnelle et objectivée dans le temps des grandes orientations juridiques et politiques de l’IA (IA Act, stratégie nationale française pour l’IA) au sein de l’ensemble des organismes publiques français et européens de régulation, de normalisation, de financement ou de recherche, est un impératif à court-terme pour rester dans la course à l’innovation et à la compétitivité.

Groupe de Travail IA

Rapporteur : Louis Cougouille (Ingénieur)

Autres rédacteurs et contributeurs : Frédéric Tatout (Ingénieur), Francis Pisani (Auteur, Journaliste), Jean-Claude Laroche (Ingénieur, Président du CIGREF), Philippe Picard (Ingénieur), Xavier Labouze (Auteur, Maître de Conférence en Mathématiques)

Relecteurs : Jacques-Roger Machart, Rémi Thomas

******

[1] https://doi.org/10.1155/2020/8888811 présente une application de la librairie Fortran-Keras Bridge à la simulation météo

[2] C’est le cas par exemple des systèmes de captcha qui permettent un étiquetage gratuit par les utilisateurs du web mondial de grandes masses de données au profit des acteurs du numérique

[3] En août 2023, les autorités californiennes ont autorisé les firmes Waymo (filiale d’Alphabet) et Cruise (propriété de General Motors) à faire circuler leurs taxis autonomes 24h sur 24 et 7 jours sur 7 dans l’ensemble des rues de San Francisco. Impliqués dans plusieurs accidents et présentant des comportements parfois erratiques, les taxis autonomes ne font pas encore l’unanimité au sein de la cité californienne.

[4] https://www.inria.fr/en/ai-climate-change-environment

[5] Les Protocoles des Sages de Sion est un texte inventé de toutes pièces par la police secrète du tsar et publié pour la première fois en Russie en 1903. Ce faux se présente comme un plan de conquête du monde établi par les Juifs et les francs-maçons. Traduit en plusieurs langues et diffusé à l’échelle internationale dès sa parution, il devient un best-seller.

[6] https://edmo.eu

[7] https://cedmohub.eu

[8] https://euvsdisinfo.eu

[9] https://www.invid-project.eu/

[10] https://factuel.afp.com, https://www.lemonde.fr/les-decodeurs/, https://www.bbc.com/news/reality_check

[11] https://maldita.es/

[12] https://www.veraai.eu/home

[13] https://www.disinformationindex.org/

[14] Le règlement européen DSA (Digital Services Act) fixe un ensemble de règles pour responsabiliser les plateformes numériques et lutter contre la diffusion de contenus illicites ou préjudiciables ou de produits illégaux

[15] https://www.gartner.com/en/newsroom/press-releases/2022-08-31-gartner-predicts-conversational-ai-will-reduce-contac

[16] https://www.strategie.gouv.fr/publications/anticiper-impacts-economiques-sociaux-de-lintelligence-artificielle

[17] Foreign Intelligence Surveillance Act de 1978 décrivant les procédures des surveillances physiques et électronique, ainsi que la collecte d’information sur des puissances étrangères soit directement, soit par l’échange d’informations avec d’autres puissances étrangères.

[18] CIGREF : Note d’information et d’actualité – Recommandations au sujet des IA génératives de juillet 2023 https://www.cigref.fr/wp/wp-content/uploads/2023/07/Cigref-Note-dinformation-et-dactualite-Recommandations-au-sujet-des-IA-generatives-Juillet-2023.pdf

[19] La Société Cambridge Analytica aurait utilisé les données personnelles de 87 millions de personnes, données recueillies et exploitées à leurs insu, dans le cadre de la campagne en 2016 de Donald Trump.

[20] En octobre 2021, Mme Frances Haugen, lanceuse d’alerte, a expliqué certaines pratiques internes à la société Facebook posant de graves problèmes éthiques.

[21] https://www.fayard.fr/livre/la-deferlante-9782213726687

[22] https://numspot.com

[23] https://www.cnrs.fr/fr/presse/jean-zay-le-supercalculateur-le-plus-puissant-de-france-pour-la-recherche

[24] https://www.gouvernement.fr/france-2030

[25] https://www.vie-publique.fr/rapport/37225-donner-un-sens-lintelligence-artificielle-pour-une-strategie-nation

[26] https://www.economie.gouv.fr/comite-intelligence-artificielle-generative

[27] https://medium.com/mit-media-lab/society-in-the-loop-54ffd71cd802

Temps de lecture : 14 minutes

L’Europe face à la quatrième révolution industrielle

La révolution numérique ou la quatrième révolution industrielle

Les avancées technologiques majeures dans les domaines de l’Intelligence Artificielle, de l’Internet des objets et de la robotique propulsent le monde dans la quatrième révolution industrielle, également nommée révolution numérique ou révolution industrielle 4.0.

Visant à améliorer de manière significative la productivité et l’efficacité par l’automatisation des tâches, la qualité et la précision par la détection et la correction automatique d’erreurs, la communication et la collaboration par les interactions en temps-réel entre les machines, les systèmes et les individus, ces avancées technologiques vont transformer de manière significative les industries et la société de manière générale et donner lieu à l’émergence de nouveaux modèles économiques, de nouveaux processus de production et de nouvelles organisations du travail.

Il s’agit d’une révolution systémique qui impacte l’ensemble des secteurs d’activité de l’économie y compris les secteurs les plus vitaux : l’énergie, l’éducation, la santé, les transports, les communications, le secteur bancaire, la finance, la police et l’armée.

Gage d’opportunités pour les entreprises françaises et européennes à la recherche de nouveaux leviers de compétitivité et pour les administrations et services publics qui souhaitent se moderniser et gagner en efficacité, la révolution numérique apporte aussi son lot de craintes et de menaces qui méritent un traitement politique approprié par une force de gauche sociale-démocrate. Comment la France et les pays européens peuvent-ils créer les conditions de réussite de leurs entreprises dans une compétition mondiale actuellement archi dominée par des puissances non européennes, Etats-Unis et Chine au premier chef ? Comment l’Europe peut-elle gagner en autonomie, garantir sa souveraineté et protéger son patrimoine informationnel alors que la guerre est de retour sur le continent, que les menaces cyber sont grandissantes et que le traitement des données et l’exécution des services numériques européens reposent massivement sur des infrastructures non européennes ? Comment la France et les pays européens peuvent-ils garantir l’accès à tous leurs citoyens aux services numérique, et permettre à ces derniers de tirer pleinement bénéfice de la révolution en marche dans un contexte de transformation majeure des organisations et des méthodes de travail ? Comment faire en sorte de revitaliser les démocraties européennes et de protéger les citoyens face à la désinformation, au fanatisme, au complotisme qui sévissent en ligne et aux décisions opaques et automatiques des algorithmes ? Enfin, comment l’Europe peut-elle apporter une réponse exemplaire au défi de l’urgence climatique et consommer de manière responsable les ressources colossales nécessaires à la société numérique ?

Le nouvel ordre mondial en matière de numérique

Les plateformes de services numériques constituent le moteur nécessaire à l’économie numérique tandis que les données des individus, des collectivités, des États et des entreprises en sont le carburant, le fameux « or noir » de l’industrie numérique qui, par son exploitation via des algorithmes, crée toute la valeur.

Parce qu’elle n’a pas su apporter un cadre normatif approprié, parce qu’elle n’a pas réussi à fédérer les moyens financiers nécessaires, et surtout parce que ses États constitutifs ont caressé l’illusion de développer par eux-mêmes des plateformes sur des marchés intérieurs de trop petite taille, l’Europe a laissé passer sa chance de développer, il y a vingt ans, les acteurs technologiques capables de rivaliser avec les géants américains ou chinois. A titre d’exemple, les projets français de plateformes de cloud souverain (Andromède, CloudWatt et Numergy) menés ces dix dernières années se sont soldés par des échecs.

L’Europe a donc laissé à des acteurs non européens, les GAFAM[1], les NATU[2] ou autres BATX[3], le soin de concevoir et de réaliser les outils qui façonnent l’univers numérique au sein duquel nous évoluons. Et le leadership de ces acteurs est renforcé par des effets d’agglomération : les services qu’ils offrent, les infrastructures qu’ils possèdent, les données qu’ils contrôlent les rendent incontournables pour les consommateurs et les entreprises. Les parts de marché qu’ils détiennent et leur capitalisation boursière reflètent une position hégémonique préoccupante.

En outre, les pays comme les États-Unis, la Chine, la Russie ou Israël font du numérique, non seulement, un outil moderne de développement économique, mais aussi, un outil de puissance, voire de guerre, et rivalisent d’efforts pour acquérir la maîtrise des nouvelles technologies et accroître leur domination.

Face à ce nouvel ordre mondial et compte tenu des enjeux économiques, sociaux, éthiques, environnementaux et démocratiques sous-tendus par la révolution numérique, l’Europe doit réagir par une réponse politique forte et il appartient à la gauche sociale-démocrate de donner un nouvel élan à cette politique.

Des enjeux vitaux pour la France

Enjeux de compétitivité des entreprises et de modernisation des administrations

Le numérique est un gisement de croissance et de compétitivité unique pour les entreprises françaises mais ces dernières, en particulier les TPE-PME, ne disposent pas forcément des moyens financiers, des compétences et des services d’infrastructure et de sécurité nécessaires à leur transformation. Même si elle a commencé à rattraper son retard en matière d’e-administration, la France peine à moderniser ses administrations qui souffrent d’un manque d’efficacité, de qualité de services, dans un moment crucial où il convient de redynamiser les interactions de vie publique sur tout le territoire et de lutter contre la fracture numérique. Les entreprises et les administrations de toutes tailles doivent donc être soutenues et accompagnées par des politiques publiques susceptibles de leur donner le cadre normatif, les moyens financiers et les services nécessaires à la réussite de leur transformation numérique.

La compétitivité est conditionnée par une juste fiscalité appliquée à tous les acteurs engagés dans la compétition. Les géants du numérique viennent concurrencer les entreprises françaises dans de nombreux secteurs de l’économie mais les bénéfices qu’ils engrangent sur le territoire français sont imposés dans les pays d’Europe à fiscalité avantageuse, pays dans lesquels ils ont implanté leur siège social. Ces dernières années, des progrès ont été réalisés pour lutter contre les pratiques d’évasion fiscale des géants du numériques : en 2019, la France a adopté la « taxe GAFA[4] » qui rapporte aujourd’hui plusieurs centaines de millions d’euros annuels à l’état français, et en décembre dernier, les vingt-sept pays de l’Union Européenne se sont mis d’accord pour transcrire en droit européen le projet de taxation des bénéfices des grandes entreprises à 15% que l’OCDE a élaboré[5] avec un objectif de mise en œuvre effective en 2024. Cependant, de nombreuses analyses montrent que le taux de 15% est trop bas en regard des taux nominaux appliqués aux entreprises qui n’exercent que sur un territoire national, et surtout que le système obsolète en place va perdurer : les multinationales numériques auront toujours intérêt à organiser leurs filiales et à faire des transferts de bénéfices vers des pays à fiscalité avantageuse. L’ambition que doit porter la gauche sociale-démocrate française par la voie de l’Europe est donc celle d’une véritable réforme du système fiscal afin d’imposer les multinationales selon les activités réelles qu’elles ont et la valeur qu’elles créent dans chaque pays de l’union.

Enjeux de souveraineté et de protection du patrimoine informationnel

Dès lors que les données de citoyens, d’entreprises ou d’administrations européennes transitent dans les centres de données d’une entreprise non européenne, elles sont soumises à des juridictions extra-européennes, qui permettent à des agences de renseignement étrangères de les collecter et de les traiter massivement. Il peut s’agir de données à caractère personnel dont le traitement est soumis à la réglementation RGPD[6] ou de données stratégiques voire vitales qui se retrouvent ainsi exposées à un traitement non régulé et potentiellement malveillant. Il n’y a pas de protection ou de confiance possible si les plateformes sur lesquelles transitent ces données ne respectent pas la régulation européenne. En outre, dans un contexte de cyberguerre ouverte, la captation, l’hébergement, la protection, l’exploitation et surtout, la valorisation des données sensibles ne sauraient être confiés à des concurrents économiques ou géopolitiques. La France ne peut pas compter sur des acteurs non-souverains pour garantir la continuité de ses activités, notamment celles de ses services publics, de ses opérateurs d’importance vitale ou de ses fleurons industriels.

Les garanties juridiques apportées par le nouvel arsenal législatif européen Digital Markets Act[7] et Digital Services Act[8], bien que constituant des protections nécessaires, peuvent s’avérer inopérantes face au risque permanent de revirements de jurisprudences, ou de nouveaux décrets pris au gré des changements d’administration.

Malgré son retard, l’Europe doit donc se donner les moyens de construire et d’opérer ses propres plateformes et places de marché logicielles, capables de rivaliser sur le plan des fonctionnalités, des performances, de la sécurité et de la qualité de service avec celles des géants du numérique. Cela prendra nécessairement du temps et cela demandera des moyens conséquents mais les intérêts vitaux des nations européennes sont en jeu.

Enjeux d’inclusion et de responsabilité sociale

Le numérique est devenu indispensable pour les actions du quotidien : communiquer, accéder à l’emploi, à l’éducation, aux services et à la mobilité. Il est aussi un formidable levier pour l’insertion et peut agir en catalyseur de mixité, de diversité et d’innovation sociale. Pour autant, 14 millions de français sont actuellement touchés par l’illectronisme[9] et, contrairement à ce que l’on pourrait penser, les jeunes sont également concernés par ce phénomène. L’illectronisme est un vecteur de fracture sociale entre les individus connectés et les autres et il constitue un facteur de non-recours aux droits sociaux pour les populations vulnérables. La réduction drastique de l’illectronisme sur les territoires doit donc être un objectif politique prioritaire pour la gauche sociale-démocrate.

Sur le plan environnemental, le numérique représente aujourd’hui environ 4 % des émissions de gaz à effet de serre dans le monde et 2,5 % de l’empreinte carbone nationale et cette part augmente chaque année de manière significative comparativement aux autres secteurs. La production des composants numériques représente à elle-seule 75% de l’empreinte environnementale qui va au-delà des émissions de gaz à effet de serre, et intègre les consommations de ressources non renouvelables, les impacts sur la biodiversité, sur l’eau et la consommation d’énergie. Si rien n’est fait pour décarboner le secteur, pour inviter à la sobriété de consommation, pour ralentir les flux de déchets et augmenter la part du recyclage, l’impact environnemental de la société numérique va s’avérer désastreux pour les générations futures. Pour la gauche sociale-démocrate, les défis sont multiples : il s’agit d’élaborer les méthodes et de fournir les moyens d’objectiver par la mesure l’impact réel du numérique afin de mieux cibler les leviers d’actions, il s’agit de soutenir l’émergence d’un numérique plus sobre par l’éco-conception, l’allongement de la durée de vie des équipements et l’incitation à la sobriété d’usage, et enfin, il s’agit de faire du numérique un outil vertueux pour l’environnement en soutenant particulièrement les innovations numériques au service de la transition écologique.

Enjeux d’éthique et de démocratie

Le numérique peut contribuer à revitaliser la vie démocratique comme il peut constituer une arme puissante de manipulation d’opinions. Les réseaux sociaux dopés par les algorithmes incarnent particulièrement cette ambivalence : ils permettent à chacun de contribuer aux débats et aux décisions de la vie publique mais ils peuvent donner lieu à la diffusion massive d’informations et d’opinions émanant de groupes idéologiquement minoritaires et potentiellement malveillants. Les thèses complotistes, les fausses informations, les discours haineux diffusés sur les réseaux sociaux ont démontré ces dernières années leur capacité de nuisance sur les processus démocratiques et sur la confiance des citoyens dans les institutions qui les représentent. En outre, l’asservissement progressif des individus aux outils d’Intelligence Artificielle pour leurs activités de recherche et de diffusion d’information et pour la prise de décision interroge sur la capacité de ces derniers à disposer pleinement de leur libre arbitre et à agir avec éthique. Dans un contexte où de nombreux citoyens aspirent à une participation plus intense et directe à la vie démocratique, la gauche sociale-démocrate doit créer les conditions d’une société numérique au service de la démocratie, soucieuse de valoriser les formes diversifiées de citoyennetés et capable de protéger les libertés fondamentales.

Les atouts de la France et de l’Europe

Plusieurs indicateurs confirment la montée en puissance du secteur numérique en France. En 2022, le numérique représente 6% du produit intérieur brut avec plus de 150 milliards d’euros de dépenses annuelles, il emploie près d’un million de salariés et son marché affiche un fort taux de croissance, laquelle est stimulée par la transformation numérique des organisations. Plus de 25 jeunes pousses françaises (Doctolib, BlaBlaCar, ManoMano, Quonto, etc.) ont atteint le statut de licornes valorisées à plus d’un milliard de dollars chacune. La France se positionne en leader européen dans les domaines du Big Data et de la Cybersécurité grâce en particulier à la qualité de la formation de ses ingénieurs. Enfin, la France joue un rôle déterminant sur le terrain juridique européen par les actions qu’elle mène pour la régulation du marché et des services numériques.

La France possède donc des filières d’excellence en ingénierie et services, des entreprises numériques à fort potentiel mais la taille de son marché intérieur et ses capacités d’investissement intrinsèques ne lui permettent pas de jouer dans la cour des géants américains ou chinois. La France ne peut se constituer en puissance numérique qu’à travers l’Europe.

L’Europe possède la taille et les atouts pour peser dans la compétition mondiale. Elle dispose d’un marché conséquent de consommateurs qualifiés qui tend à s’intégrer dans le cadre du marché unique. Certaines de ses entreprises se distinguent sur le marché des plateformes moyennes où la proximité du client est un atout (Deliveroo, Just-Eat, Trivago, BlaBlaCar, Deezer, etc.). Elle réalise des performances remarquables dans les domaines de la production de composants numériques et les services numériques (SSII). Elle soutient massivement son industrie électronique et la filière des semi-conducteurs (Chip Act, plan français Électronique 2030). Elle montre la voie sur le plan juridique avec les réglementations RGPD, Digital Markets Act, Digital Services Act qui inspirent les puissances internationales par leur impact positif sur les marchés et la prise en compte des enjeux sociétaux. Enfin, elle figure au second rang, derrière la Chine, des producteurs de données industrielles (B2B) qui vont constituer l’essentiel du gisement de données à venir.

Quelle politique sociale-démocrate en matière de numérique ?

Bâtir les institutions et les services publics à la hauteur des enjeux

Il convient de fournir à la France les moyens institutionnels d’une politique forte en matière de numérique et de bâtir des services publics adaptés aux enjeux du numérique sur les territoires.

Sur le plan national, un ministère français du Numérique de plein exercice et doté de tous les moyens et expertises nécessaires permettra de conduire la France et l’Union Européenne vers des ambitions à la hauteur des enjeux. Il aura pour feuille de route les objectifs suivants :

• Œuvrer avec les pays européens pour une meilleure structuration du marché, pour une juste fiscalité et pour un cadre juridique protecteur et efficace,
• Motiver à l’échelle de l’Europe la construction de plateformes souveraines susceptibles de fournir les services d’infrastructure, de sécurité et les places de marché logicielles nécessaires à la transformation numérique des entreprises et des administrations de toute taille sur tout le continent,
• Construire une force européenne de cyber-résilience,
• Stimuler la compétitivité des entreprises françaises sur le marché des services numériques,
• Bâtir une société numérique responsable, inclusive, au service de la démocratie.

Au niveau des territoires, les collectivités territoriales, appuyées par l’État et en collaboration avec les acteurs locaux du numérique, les écoles et les universités, donneront un nouvel élan aux agences numériques des territoires[10] et les transformeront en véritables pôles et campus numériques citoyens dont les principales missions seront de :

• Soutenir l’ensemble des services publics, les associations et les TPE/PME dans leur transformation numérique par l’apport de compétences et la fourniture de solutions technologiques et financières pour leurs projets,
• Lutter contre l’illectronisme et soutenir les citoyens dans leurs démarches dématérialisées,
• Former aux technologies et aux usages du numérique et développer les compétences clés sur les territoires,
• Fournir des solutions d’espace de travail partagé pour le télétravail ou pour le développement des jeunes pousses,
• Construire et mettre à disposition des collectivités les solutions numériques utiles à la vie citoyenne et démocratique.

Ces dispositifs territoriaux, correctement dimensionnés et maillés pour agir au plus près des besoins, placeront l’humain et la responsabilité environnementale au centre de leurs préoccupations.

Structurer le marché pour une juste compétition et une souveraineté recouvrée

Seul un cadre de compétition juste permettra de favoriser l’innovation et la compétitivité des entreprises et d’assurer le développement d’une économie européenne de la donnée. Seule une souveraineté recouvrée, permettra à l’Europe d’acquérir une véritable autonomie stratégique.

Pour atteindre ces objectifs, la France devra mener, en collaboration avec ses partenaires européens, une politique ambitieuse de structuration du marché en utilisant trois leviers principaux : la régulation, la standardisation et la fiscalité. Elle s’attachera particulièrement à :

• Mettre en application les réglementations Digital Markets Act et Digital Services Act en définissant les moyens de contrôle et en veillant à l’application systématique des sanctions,
• Concrétiser le projet de réglementation sur l’Intelligence Artificielle, l’IA Act, pour rendre la technologie d’Intelligence Artificielle digne de confiance, centrée sur l’humain, éthique, durable et inclusive,
• Élaborer et mettre en application une réglementation sur la commande publique, un Buy European Tech Act, qui consistera à encourager les acheteurs publics à privilégier la technologie européenne dès lors qu’un fournisseur européen proposera une offre équivalente en termes de prix, de qualité et de performance à celle d’un fournisseur non européen,
• Définir les standards de souveraineté, de sécurité et d’interopérabilité des plateformes de Cloud Computing et des places de marchés de services logiciels pour limiter fortement les dépendances et garantir la résilience,
• Veiller à la bonne application des directives visant à l’harmonisation des normes de cybersécurité dans les états membres et définir des standards de déploiement des solutions cyber,
• Définir et délivrer les certifications de qualité, de sécurité, de souveraineté et d’éthique aux produits numériques commercialisés sur le marché européen,
• Définir les normes et moyens de mesure de l’impact environnemental du numérique, et créer un label européen d’éco-responsabilité numérique applicable aux plateformes et aux composants numériques,
• Proposer une réforme fiscale ambitieuse qui visera à collecter l’impôt là où le service numérique est effectivement rendu, et donc dans le pays dans lequel réside fiscalement l’utilisateur par les biais de moyens de taxation innovants (taxation à l’acte de paiement par exemple),
• Lutter contre les mesures protectionnistes en allégeant par exemple les coûts de sortie des données des plateformes,
  Influer sur le droit US et son extraterritorialité en travaillant sur un concept de « réciprocité ».

Relocaliser les filières stratégiques et investir massivement dans les plateformes et la cyber-résilience

La politique de résilience européenne en matière de numérique ne doit pas seulement reposer sur la régulation et la standardisation, elle doit également opérer le renversement des rapports de dépendances dans les plateformes et les services en mutualisant les moyens d’exploitation des données et en relocalisant les filières stratégiques. Cette politique industrielle ambitieuse consistera à :

• Œuvrer pour une concentration et pour la collaboration industrielle des acteurs phares européens des centres de données, des plateformes, des services de sécurité et des places de marché logicielles pour permettre la création de géants européens du Cloud Computing susceptibles de fournir les services de traitement et de protection de données adaptés aux entreprises et administration de toute taille quelle que soit leur géographie,
• Utiliser les leviers des technologies de stockage décentralisé et de blockchain pour accélérer le développement de plateformes de nouvelle génération,
• Mutualiser les moyens financiers et activer les dispositifs européens nécessaires pour subventionner la construction de plateformes et de services logiciels interopérables et éco-responsables,
• Faire émerger une industrie européenne de la cybersécurité et créer des dispositifs européens défensifs contre la menace cyber dans une alliance stratégique avec les partenaires de l’OTAN,
• Mener une politique d’incitation forte à l’investissement privé et à la mobilisation directe et indirecte de fonds publics pour financer la Recherche et Développement dans les domaines de l’Intelligence Artificielle, du numérique responsable, du calcul quantique, des technologies de fabrication de composants et des technologies immersives,
• Anticiper les défaillances potentielles des chaînes d’approvisionnement de composants essentiels et œuvrer par le biais de politiques fiscales et d’aide à l’embauche incitatives à la relocalisation au sein de l’espace européen de certaines filières stratégiques,
• Veiller au filtrage des investissements vers les entreprises innovantes et les alimenter en fonds propres européens afin qu’elles ne soient pas systématiquement rachetées par des acteurs non-européens,
• Diversifier les moyens de financement en développant le financement par les fonds de capital-risque,
• Motiver la commande publique vers les entreprises numériques européennes et mener une politique volontaire de rétention des talents.

Vivre dans une société numérique responsable au service de la démocratie

La société numérique que nous appelons de nos vœux est respectueuse de la planète, des individus, des valeurs démocratiques et des libertés individuelles.

La France fera de la lutte contre l’illectronisme un combat politique prioritaire afin de soutenir un impact social du numérique bénéfique et durable.  Elle permettra à chacune et chacun de s’acculturer aux usages numériques, d’être en pleine capacité de poursuivre son apprentissage ou son activité. En capitalisant sur ses filières d’excellence en mathématiques et en informatique, sur ses dispositifs de formation continue et sur les campus numériques citoyens, elle développera une politique ambitieuse de formation des citoyens aux technologies et aux usages numériques. Au collège, l’apprentissage du numérique, présent au sein de la filière technologique, sera renforcé afin que chaque collégien puisse être en mesure de maîtriser les outils fondamentaux, de comprendre les enjeux et de se protéger des menaces.

La France soutiendra les initiatives numériques visant à dynamiser les processus démocratiques dans les territoires. Elle fera en sorte de mettre à disposition des collectivités territoriales des solutions pratiques de type Civic Tech[11] qui auront vocation à replacer le citoyen au cœur du débat public et à lui donner envie d’agir dans la sphère démocratique locale par le biais des outils numériques. L’action publique, orchestrée par une administration qui connaît mieux les besoins de ses usagers, sera de fait plus personnalisée, plus prédictive et plus participative. Ces solutions pourront être étendues à la sphère démocratique nationale dans le cadre de décisions compatibles avec un arbitrage global ou dans le cadre de processus d’idéation autour de l’action publique.

La France encouragera les administrations et les entreprises à viser la neutralité carbone dans un horizon de temps contenu et à adopter les normes et bonnes pratiques pour une consommation raisonnée des ressources numériques nécessaires à leur bon fonctionnement. Elle fournira pour cela des solutions pratiques de mesure et de pilotage de l’impact environnemental.

Enfin, la France protègera ses enfants des dangers du numérique et s’attachera, sans compromis, à protéger les libertés individuelles de ses citoyens en faisant en sorte que le droit qui s’applique à l’espace public soit pleinement transposé à l’espace dématérialisé.

Louis Cougouille

******

[1] GAFAM : Google, Apple, Facebook, Amazon et Microsoft

[2] NATU : Netflix, AirBnB, Tesla et Uber

[3] BATX : Baidu, Alibaba, Tencent et Xiaomi

[4] Taxe GAFA : projet de loi de contribution sur les entreprises numériques adopté par le Parlement français le 11 juillet 2019

[5] Projet OCDE : accord trouvé le 1er juillet 2021 par 136 pays de l’OCDE de taxation des multinationale avec un taux minimum d’au moins 15 %.

[6] RGPD: Règlement Général sur la Protection des Données adopté par le Parlement européen le 27 avril 2016

[7] Digital Markets Act : règlement sur les marchés numériques adopté par le Parlement européen le 1er novembre 2022

[8] Digital Services Act : règlement sur les services numériques adopté par le Parlement européen le 5 juillet 2022

[9] Illectronisme : l’illettrisme numérique, ou encore l’illettrisme électronique, est la difficulté, voire l’incapacité, que rencontre une personne à utiliser les appareils numériques et les outils informatiques en raison d’un manque ou d’une absence totale de connaissances à propos de leur fonctionnement.

[10] ANCT : Agence Nationale de la Cohésion des Territoires. La Direction Générale Déléguée Numérique de l’ANCT a pour mission de résorber les fractures numériques et de tirer parti des opportunités offertes par le numérique pour construire de nouveaux modèles de développement des territoires.

[11] Civic Tech : la technologie civique représente l’ensemble des procédés, outils et technologies qui permettent d’améliorer le fonctionnement démocratique des sociétés et des communautés, en renforçant le rôle joué par les c

La téléphonie mobile cellulaire, démarrée en Europe en 1992 avec le GSM (la 2G) a permis de populariser rapidement l’usage de la téléphonie mobile. C’est l’UMTS (la 3G) lancé vers 2004 qui a apporté l’Internet mobile en déclenchant l’invention du smartphone. La 4G (LTE) démarrée en 2013 a confirmé cette évolution en permettant la diffusion de vidéos avec des performances comparables à celles des réseaux fixes.

Le lancement de la 5G annoncé pour la France en 2018 et effectif en 2020, a été accompagné de la célèbre diatribe « le porno dans l’ascenseur » des écologistes vs « le retour aux Amish » d’Emmanuel Macron. La 5G est maintenant sortie de la une des actualités technologiques et les 4 opérateurs (Bouygues, Free, Orange, SFR) en étendent aujourd’hui le déploiement.

La 5G est un facteur important de l’évolution du paysage numérique. Cependant elle ne semble pas apporter une révolution aussi importante que furent la 2G ou la 3G avec l’initialisation de l’internet mobile et l’effet induit du smartphone. Sa visibilité médiatique est occultée par la phase spectaculaire de l’IA.

La 5G propose à la fois une continuation des services de la 4G avec amélioration de performances et une rupture aussi bien par ses nouveaux usages potentiels que par les technologies de réalisation.

Du point de vue technique, les ruptures importantes portent sur la virtualisation logicielle, l’usage du Cloud et de l’« Edge Computing», les antennes adaptatives dites intelligentes et les outils d’IA pour l’exploitation. Chaque catégorie d’usage utilise sa propre plage de fréquences : le prolongement de la 4G utilise des fréquences dans la bande des 3,6 GHz, l’IoT utilisera une plage à plus basses fréquences (0,7 GHz), les applications à très haut débit seront ultérieurement dans une bande de fréquences très élevées (26 GHz) avec des propriétés non totalement évaluées.

La 5G veut s’adresser à plusieurs catégories de marchés :

• Le prolongement de la 4G actuelle (internet mobile haut débit) avec amélioration des performances d’usage (en débit, en latence et en résilience) et pour les opérateurs, meilleure efficacité spectrale et énergétique et souplesse de gestion
• Les applications de diffusion massive pour l’IOT (internet des objets)
• Et surtout le marché des applications professionnelles (réseaux locaux industriels, industrie dite 4.0, transports et logistique, etc.). La virtualisation logicielle permettra en particulier par le « slicing » la création de réseaux privés virtuels

Du point de vue de la souveraineté industrielle, plusieurs points de vue :

• Le service 5G en France est fourni par 4 opérateurs qui sont français, contrairement à la plupart des services technologiques d’Internet, notamment le Cloud
• Les équipements d’infrastructure de réseau sont d’origine européenne (Nokia et son département français ex Alcatel et Ericsson) après le bannissement de Huawei et avec une forte dépendance aux composants US (Qualcomm). Les terminaux sont essentiellement d’origine américano-asiatique (Apple, Google-Samsung)
• Un effort important, encouragé par l’état sera nécessaire pour développer les applications de l’industrie dite 4.0. et les autres usages sectoriels

Le bilan écologique du développement de la 5G est encore incertain : les progrès de la technologie utilisée (architecture logicielle, antennes « intelligentes) laissent espérer une meilleure efficacité énergétique qui ne permettra pas nécessairement de compenser la croissance du trafic induit par les nouveaux usages.

La 6G est déjà en cours d’étude par les instituts de recherche, les instances de normalisation spécialisées comme le 3GPP. C’est le moment de s’interroger sur l’intérêt collectif d’une telle démarche. Les industriels (infrastructure et terminaux) sont évidemment moteurs devant la perspective de la saturation des marchés de la 5G à la fin de la décennie. Les opérateurs en place tels qu’Orange sont très circonspects vis-à-vis de la 6G : le déploiement de la 5G n’est pas terminé et demande des investissements importants avec un marché très concurrentiel.

Philippe Picard

Temps de lecture : 13 minutes

La 5G qui a été lancée en France en 2020 a été l’objet de plusieurs controverses, avec des considérations écologiques ou de modèle de société. De façon caricaturale, Éric Piolle a proclamé que « La 5G servira à regarder du porno dans l’ascenseur en HD ». En réponse, Emmanuel Macron s’est moqué de ceux qui préconisent « le modèle Amish » et le « retour à la lampe à huile ». La réalité est que la 5G est un phénomène mondial et la que la France a peu d’influence sur son développement. Les grandes questions sur la 5G n’en subsistent pas moins.

Les grandes questions

• Quelles est la véritable utilité de la 5G ? Est-elle le produit d’une machine folle de l’écosystème numérique impossible à arrêter ? Ou au contraire, la 5G est-elle un maillon indispensable pour de nouvelles révolutions économiques à l’instar par exemple de l’IA ?
• Quel sera le bilan énergétique et écologique global de la 5G en prenant en compte la totalité du cycle de vie des éléments du système : fabrication, exploitation, fin de vie et démantèlement ?
• Impact sanitaire de la 5G, notamment des usages dans la future bande des 26 GHz ?
• Comment se situe la souveraineté de l’Europe (dont la France) vis-à-vis des divers facteurs économiques de la 5G (services télécom, industrie) ?
• Quels sont les grandes familles d’intérêts en jeu : opérateurs télécom, fabricants des infrastructures de réseau et de terminaux, normalisateurs, grandes entreprises, GAFAM, etc. ?
• Quel peut et doit être le rôle de l’Etat vis-à-vis de la 5G ?
• Malgré quelques polémiques, la 5G est maintenant une réalité mais, la 6G se profile déjà à l’horizon et c’est le moment de s’interroger sur quelques questions fondamentales de modèle de société : consumérisme acharné et incontrôlé ou nécessité d’une sobriété raisonnable.

Pour comprendre la 5G en très bref

Les réseaux mobiles cellulaires : une évolution rapide depuis 40 ans

Les réseaux mobiles cellulaires ont connu depuis leur début, au seuil des années 1980, une évolution rapide avec une nouvelle génération presque tous les 10 ans.

1G : (AMPS) le premier service de téléphonie mobile cellulaire fut ouvert en 1980 aux USA par A.T.T.

2G : (ou GSM), démarré en France en 1992, fut une conception européenne, apportant de nombreuses innovations (système entièrement numérique, permettant les SMS puis les balbutiements d’internet mobile, accords permettant l’itinérance internationale, sécurité par carte à micro-processeur).

3G : (ou UMTS) démarré vers 2004, a déclenché par ses performances en débit IP la révolution de l’internet mobile, entraîné le développement des smartphones et par conséquent l’explosion des usages associés (ubérisation, réseaux sociaux, etc.).

4G : (ou LTE) démarré vers 2013, sans être révolutionnaire, a largement amélioré les performances de l’internet mobile et permis l’explosion des usages : vidéos de bonne qualité en streaming, appels vidéo, etc.

La 5G

La 5G ambitionne d’apporter une révolution comparable à celles déclenchées en leur temps par le GSM puis l’UMTS, à la fois par les nouveautés technologiques mises en œuvre et surtout par les nouveaux usages induits.

Ses principales caractéristiques :

• Sorte de couteau suisse, la 5G s’adresse à plusieurs catégories d’usages :
  • Le prolongement de la 4G avec des améliorations de performances (débit, latence, efficacité spectrale, sobriété énergétique)
  • Les usages à diffusion massive et à faible consommation énergétique pour les applications de l’IoT, (Internet des objets)
  • Les applications à très haut débit (créneau des réseaux locaux industriels et logistiques) prévue majoritairement dans une nouvelle bande de fréquences (le 26 GHz) dont toutes les conséquences techniques et sanitaires n’ont pas encore été évaluées.
• Chaque catégorie d’usage utilise sa propre plage de fréquences : le prolongement de la 4G utilise des fréquences dans la bande des 3,6 GHz, l’IoT utilisera une plage à plus basses fréquences (0,7 GHz), les applications à très haut débit seront dans une bande de fréquences très élevées (26 GHz).
• La technologie de la 5G inclut beaucoup d’innovations de réalisation : virtualisation logicielle, « cloudification et edge computing », outils d’IA pour l’exploitation des réseaux (déjà présente en 4G), antennes adaptatives dites intelligentes, etc.
• La 5G est une technologie qui n’est pas destinée à être seulement exploitée par les opérateurs de télécom, mais pourra être utilisée par les grandes industries et organisations pour des réseaux privatifs virtuels grâce notamment au « slicing » pour constituer les réseaux professionnels radio (PMR).

On notera que des extensions de la 5G sont en cours de développement pour permettre, dans les territoires isolés, l’accès aux services par satellite en basse orbite.

Quelques données économiques de la 5G

La 5G représente des efforts économiques significatifs mais d’un ordre de grandeur inférieur à par exemple à ceux nécessaires pour le système électrique ou de la transition énergétique Quelques chiffres selon des estimations du ministère des Finances (on remarquera l’importance des investissements applicatifs).

Estimation des dépenses cumulées liées à la 5G pour la période 2020-2027 (en €Mds) :

Les forces en présence et leurs motivations

L’Etat

La préparation du GSM s’était faite dans les années 1980 à l’époque finissante en France du « Colbertisme High Tech ». Le rôle de l’opérateur français de l’époque (la Direction Générale des Télécom) a été majeur.

Le contexte d’aujourd’hui avec la 5G n’a plus rien à voir. L’Etat n’est plus opérateur de télécom (il n’a conservé que 23% du capital d’Orange), le secteur des télécom en France a été libéralisé par étapes à partir de 1987 et est devenu totalement concurrentiel ; depuis 2009 la France compte 4 opérateurs de mobiles (peut-être trop nombreux par comparaison avec d’autres pays ?). Seul Orange dispose encore de moyens de R&D notables lui permettant de contribuer aux travaux de normalisation.

Contrairement aux secteurs électrique ou ferroviaire, les financements d’infrastructures ne sont donc plus à la charge de l’Etat qui intervient seulement aujourd’hui avec divers outils réglementaires ou incitatifs :

• L’ARCEP gère la réglementation générale des télécom, organise des enchères et définit les règles pour l’attribution des autorisations d’utilisation des fréquences (avec l’assistance technique de l’Agence nationale des fréquences l’ANFR)
• Le budget de l’Etat est abondé par la vente des autorisations d’utilisation des fréquences (€2,8 Mds en 2020)
• La Direction générale des Entreprises (DGE) avec la Direction Générale de la recherche et de l’innovation (DGRI) sous l’égide du Secrétariat Général pour l’Investissement (SGPI) animent un ensemble d’actions et de financements pour encourager l’utilisation de la 5G (€ 750 millions d’ici 2025)
• Les services de l’Etat sont déjà utilisateurs de la 4G dans de nombreux domaines régaliens et exploiteront certainement les performances de la 5G. Les réseaux de sécurité actuels (police, sécurité civile, etc..) utilisent depuis les années 1990 une technologie spécifique « TETRAPOL » avec des réseaux séparés. Le développement de RRF (réseau radio du futur) basé sur la technologie 4G/5G est en cours après une décision prise fin 2022 (voir https://www.interieur.gouv.fr/actualites/communiques/lancement-du-projet-reseau-radio-du-futur-rrf-reseau-tres-haut-debit)

L’écosystème et « lobby » des mobiles

Le développement du GSM avait été piloté par les opérateurs de télécom et les institutions télécom spécialisées (ETSI, UIT).

Les travaux de normalisation des télécom mobiles sont canalisés depuis la 3G par le 3GPP (3rd Generation Partnership Project) qui fédère au niveau mondial les divers acteurs concernés par les réseaux mobiles (opérateurs de télécom, industriels d’infrastructures, de terminaux et de composants, institutions de normalisation, grands utilisateurs).

Les opérateurs de télécom (TELCO’s)

Bien entendu, les TELCO’s sont très impliqués puisque opérateurs, mais ne sont plus les seuls moteurs de l’innovation comme à l’époque du bon vieux temps du GSM. Deux familles d’avantages pour eux :

• En prolongement de la 4G, augmentation de la capacité dans les zones denses saturées, meilleures performances énergétiques, outils d’exploitation, etc.
• Accès à de nouveaux marchés potentiels (IoT et applications industrielles et nombreux autres usages à développer).

La 5G implique des investissements importants pour les opérateurs (« achats » des fréquences, nouvelle infrastructure réseau, etc.). L’importance des investissements nécessaires pour le déploiement des réseaux 5G a conduit les opérateurs de télécom à souhaiter normaliser les interfaces entre les divers composants du RAN (réseau radio d’accès) à la 5G avec l’initiative Open Ran. Cela leur permettrait une mise en concurrence pour l’achat des divers composants de réseau sans dépendre d’un seul fournisseur.

D’autre part la technologie 5G pourra être exploitée par d’autres organisations que les opérateurs de télécom (au prix d’achats de fréquences). C’est par exemple ce qui avait été le cas avec le GSM-Rail (technologie GSM adaptée pour compagnies de chemin de fer) mise en oeuvre plus de 15 ans après le début du GSM.

Les industriels fournisseurs : moteur de croissance et souveraineté

Les industriels semblent maintenant être les plus motivés pour imposer le rythme des innovations (infrastructures : NokiGa, Ericsson, terminaux Samsung (et Google) et Apple, composants spécifiques comme Qualcomm, etc.). Par exemple, le marché des smartphones fléchit et il est jugé urgent par ces industriels de trouver une nouvelle croissance, quitte à provoquer l’obsolescence programmée et à accélérer le renouvellement des terminaux.

Souveraineté industrielle

On peut considérer qu’avec la 5G, le verre européen de la souveraineté est presque à moitié plein mais pas plus. La 5G est le seul domaine du numérique non dominé par les USA.

Le GSM, de conception européenne, avait donné naissance à des champions mondiaux :

• pour les infrastructures réseau Ericsson, Nokia dans une certaine mesure, et Alcatel, dans une certaine mesure et dans un premier temps,
• Nokia pour les terminaux,
• Gemplus pour les cartes SIM.

Aujourd’hui les champions mondiaux et détenteurs de brevets, sont :

• pour les infrastructures réseau Nokia (qui avait absorbé et Alcatel-Lucent) et Ericsson, ainsi que les chinois ZTE et Huawei dont les infrastructures mobiles sont partiellement bannies du monde occidental,
• et pour les smartphones, Apple et Samsung.

Il faut aussi souligner l’influence au 3GPP de Qualcomm, en pointe sur les composants spécifiques des terminaux mobiles et en particulier promoteur de la technologie Sidelink (méthode de communication directe entre appareils sans fil à proximité, en contournant les réseaux des opérateurs).

Les grands agents économiques utilisateurs

En plus de l’augmentation des capacités de réseau dans les zones denses, les avantages majeurs attendus pour la 5G sont dans les usages professionnels. On cite en particulier l’industrie 4.0, les réseaux d’infrastructure (énergie, fluides, etc.), les grandes plateformes logistiques (ports, aéroports, etc.), les transports et les premiers niveaux des véhicules autonomes, la télémédecine, les « villes intelligentes », etc.

La 5G est présentée comme une des technologies critiques ouvrant la porte à un éventail très large d’usages nouveaux. Au-delà d’une créativité potentielle sans limite, la décantation des nouveaux usages se fera progressivement selon de multiples contraintes (montant des investissements et viabilité économique, délai de mise en oeuvre, sécurité et éthique). Comme déjà mentionné, l’Etat a prévu des financements pour encourager le développement des applications sectorielles rendues possibles par la 5G.

Deux références éclairent l’action du gouvernement concernant la 5G :

• Rapport de la mission 5G industrielle | entreprises.gouv.fr. Ce rapport au gouvernement, en 2022, a pour objet de formuler des recommandations pour le développement de la « 5G industrielle ».
• 5G/6G : appel à projets pour des solutions innovantes pour les réseaux du futur | entreprises.gouv.fr. Cet appel à projet a été lancé le 09 janvier 2023 et prendra fin le 28 février 2024. « Le Gouvernement lance un dispositif de soutien aux solutions souveraines innovantes pour les réseaux de télécommunications 5G et 6G. Cet appel à projets (AAP) s’inscrit dans le cadre de la stratégie d’accélération ‘’5G et futures technologies de réseaux de télécommunications’’ ».

Considérations politiques

Le grand public citoyen

Pour l’utilisateur ordinaire, les avantages relatifs de la 5G par rapport à la 4G sont essentiellement le meilleur écoulement de trafic dans les zones denses ou les espaces évènementiels, le débit important pour les téléchargements, etc. Il est encore trop tôt pour identifier une éventuelle « killer application » comme l’a été le smartphone, dans une certaine mesure avec la 3G puis beaucoup plus nettement avec la 4G. Aujourd’hui, la motivation pour passer à la 5G est encore faible sauf pour les « geeks » et autres « gamers » qui exploiteront les gains en performance tels que la latence (temps de réponse) ou le débit. La 5G aura un effet certain sur l’obsolescence programmée et le renouvellement plus ou moins forcé du parc des terminaux ; néanmoins les réseaux 4G étant toujours là, on peut choisir de ne pas acquérir des terminaux 5G.

L’écologie

La 5G coexistera avec la 4G mais les réseaux 2G et 3G seront progressivement démontées avec l’impact sur le parc résiduel des téléphones GSM et UMTS qui devront être renouvelés.
Le bilan environnemental devra être fait sur l’ensemble du cycle de vie de la 5G (fabrication et installation des équipements, exploitation, démantèlement et gestion des déchets, notamment des terminaux).
Principaux considérants environnementaux[1] :

En faveur de la 5G :

• La technologie et l’architecture de la 5G (les antennes intelligentes, l’edge computing) permettent d’espérer des progrès énergétiques par rapport à la 4G.
• La 5G pourra être un facteur d’amélioration de la gestion écologique de nombreux processus environnementaux

Contre la 5G :

• On peut craindre l’effet rebond de la 5G, encourageant les usages très consommateurs (jeux, streaming haute qualité, etc..) et surtout l’augmentation importante des objets connectés (IOT).
• Conséquence de l’augmentation des usages et du trafic, la 5G augmentera le nombre d’antennes, notamment en zones denses, ainsi qu’avec le développement de l’IoT.
• À partir de 2025, les réseaux 2G et 3G vont peu à peu être supprimés. De quoi provoquer un énorme gaspillage, de nombreux équipements étant concernés : téléphones, voitures et même les ascenseurs : la 5G accélèrera l’obsolescence des postes mobiles 2G et 3G (souhaitée par les constructeurs pour faire « tourner la machine ») dont la fabrication et la gestion de fin de vie pèsent lourd dans le bilan carbone global de des TIC.

L’étude de l’ADEME et de l’ARCEP menée en 2023 montre que sans action pour la réduire, l’empreinte carbone du numérique en France pourrait tripler en 2050 et la consommation d’énergie doubler. Pour rappel, le numérique dans son ensemble serait plus émetteur de CO2 que le secteur aérien.

Les opinions politiques

Les milieux économiques, le MEDEF et le gouvernement actuel sont très partisans de la 5G compte tenu des progrès économiques potentiels attendus : croissance et création de nouveaux marchés, productivité industrielle.

Les controverses de 2020 ont déjà été évoquées. L’impact écologique de la 5G reste un objet de désaccords. Reporterre et le Shift Project, qui sont deux organisations « écolo modérées » sont très critiques. Selon Reporterre, la 5G est « un gouffre sans futur ». Le think tank Shift appelle à un « encadrement du déploiement de la 5G et de ses usages pour éviter une explosion de l’empreinte carbone du numérique ».

En 2020, près de 70 élus de gauche et écologistes, parmi lesquels Jean-Luc Mélenchon, Yannick Jadot ou la maire de Marseille Michèle Rubirola, ont demandé au gouvernement un moratoire sur le déploiement de la 5G dans une tribune publiée dimanche 13 septembre 2020. Cela n’a évidemment pas eu d’effet.

En dehors des nombreuses protestations contre l’installation d’antennes, le débat sur la 5G ne semble plus être au premier plan de l’actualité. Il réapparaîtra sans doute au fur et à mesure de l’installation des antennes à 26 GHz ou des applications nouvelles développées grâce à la 5G. (notamment au 3GPP).

En fait ce débat est à replacer dans l’ensemble du problème de la croissance du poids écologique et bilan carbone du numérique, avec par exemple le cycle des terminaux, les data centers… ou le « minage » pour les cryptomonnaies.

Les travaux sur la définition de la 6G sont déjà en cours. C’est le moment d’élargir le débat au-delà des acteurs directement concernés.

En résumé

• La mise en oeuvre de la 5G est un phénomène mondial dont le lancement opérationnel a démarré, dans ses premières versions, en 2020.
• La 5G, en tant que prolongation de la 4G, est maintenant largement déployée en France par les 4 opérateurs qui doivent investir massivement (fréquences, infrastructure de réseau).
• La technologie de réalisation de la 5G est très innovante (virtualisation) mais la maîtrise complète des promesses de la 5G n’est que partiellement prouvée (ensemble des performances, résilience, résistance à la cybercriminalité, etc.).
• Les principales innovations d’usage apportées par la 5G seront dans les domaines professionnels, au prix de développements applicatifs importants restant à faire.
• L’Etat, qui considère certaines de ces innovations comme stratégiques, contribuera au financement de leur développement. Le secteur industriel, la logistique et les transports devraient être les plus concernés.
• La souveraineté industrielle française pour la 5G n’est pas très bonne (réseaux, terminaux), mais un effort important est entrepris par l’Etat pour aider le développement des solutions d’utilisation.
• L’extension de la 5G dans les fréquences hautes (26 GHz) n’est pas encore effective et certains problèmes techniques et sanitaires sont encore en cours de traitement.
• Le bilan écologique de la 5G est encore très controversé et doit être replacé dans le débat plus global de l’impact du numérique.
• La 5G pose moins de problèmes fondamentaux de société que par exemple le développement de l’IA mais la 6G est déjà à l’étude : progrès inévitable ou machine folle et incontrôlée de l’écosystème ? C’est le moment d’ouvrir un débat le plus large sans laisser le pilotage de l’évolution des télécom mobiles au seul écosystème économique et industriel.

Philippe Picard

******

[1] Une étude toute récente de l’ARCEP évalue l’impact carbone de l’extinction de ces réseaux 2G et 3G et de la migration vers la 4G ou la 5G et conclut à un bilan positif, malgré les problèmes cités ci-après (voir https://www.arcep.fr/uploads/tx_gspublication/impact-extinction-2G-3G_resume_sept2023.pdf)