99
x Médecine : le domaine est vaste ; on peut distinguer d’un côté l’interprétation de signaux
radiographiques ou électro-physiologiques, la segmentation d’images, et de l’autre le télémonitoring qui mobilise des méthodes d’interprétation de signaux issus de capteurs temps
réel afin d’interpréter à distance le comportement et l’état d’une personne supervisée, voire
de poser un diagnostic. Plus généralement, l’IA va jouer un rôle important pour la médecine
personnalisée, notamment par les méthodes que sous-tend la bioinformatique.
x Gestion des connaissances : c’est le domaine de prédilection des méthodes développées
dans le cadre du web sémantique, utilisées ici pour représenter des connaissances ou des
expertises à sauvegarder, partager, évaluer et parfois automatiser.
c. Technologies mobilisées
Au sein des technologies mobilisées, l’apprentissage se taille une belle part, et en particulier le deep
learning, mais on trouve également les technologies de compréhension et de production du langage,
notamment du Français, et de conduite du Dialogue Naturel, les Ontologies, les technologies du Big
Data, l’Optimisation et la Programmation par Contraintes, l’Analyse d’Images et des flux vidéos,
ainsi que le Calcul Emotionnel et les Règles Métiers, ou encore les technologies d’IA banalisées
depuis une dizaine d’années pour l’automatisation des décisions « de routine ».
d. Mise en œuvre, modalités et freins
Les stades de mises en œuvre sont assez variés. On trouve des applications déployées en exploitation
opérationnelle quotidienne comme par exemple le calcul de prix, mais il apparait qu’un grand nombre
d’entre elles en sont encore au niveau de l’expérimentation. Les entreprises semblent être au stade de
la découverte de l’IA pour une large part d’entre elles ; elles éprouvent des difficultés à aborder la
diversité et la complexité des méthodes et semblent manquer de poissons pilotes pour les aider à
naviguer entre les applications faciles et les expérimentations plus audacieuses. Cet état de faible
compétence des décideurs peut les exposer au risque de staffing inadéquat des équipes internes ou à
adhérer à des discours de communication faisant miroiter des solutions dont les bénéfices pourraient
être décevants. L’IA ayant déjà connu un hiver industriel, il est important de prendre garde à
d’éventuelles désillusions.
Les modalités de mise en œuvre quant à elles recouvrent un spectre très large, allant du
développement en interne à l’appel à des sociétés de conseils spécialisées ou à des intégrateurs, en
passant par des collaborations régulières avec des laboratoires de recherche, parfois soutenues par des
bourses Cifre ou des projets collaboratifs subventionnés. Nous ne notons pas de spécificité IA par
rapport au problème général d’adoption de nouvelles technologies.
Quant aux freins mentionnés, au-delà des classiques difficultés de financement, on trouve
l’indisponibilité d’ensemble de données, fiables, adaptées et prêtes à l’emploi et du savoir-faire
pour en tirer parti, la crainte et la peur de certains utilisateurs, et le manque de confiance dans les
résultats des méthodes d’IA, en particulier en ce qui concerne la justesse, la robustesse et la validité
des résultats. Sans surprise, l’adaptation aux réglementations est perçue comme un handicap
typiquement français, ainsi que la difficulté d’accéder à des compétences opérationnelles, et
l’absence d’infrastructures et de moyens de calcul faciles d’accès et d’usage.
2.2.5 Le point de vue des intégrateurs, sociétés de services et
de conseil
Les intégrateurs, sociétés de services et de conseil sont à l’interface des besoins clients et des
technologies. Leur rôle d’intermédiaires entre, d’une part, les chercheurs et start-ups développant des
technologies et, d’autre part, les clients utilisateurs, est très important dans la chaîne de valeur de
l’intelligence artificielle (IA), et recouvre plusieurs aspects :
x Médecine : le domaine est vaste ; on peut distinguer d’un côté l’interprétation de signaux
radiographiques ou électro-physiologiques, la segmentation d’images, et de l’autre le télémonitoring qui mobilise des méthodes d’interprétation de signaux issus de capteurs temps
réel afin d’interpréter à distance le comportement et l’état d’une personne supervisée, voire
de poser un diagnostic. Plus généralement, l’IA va jouer un rôle important pour la médecine
personnalisée, notamment par les méthodes que sous-tend la bioinformatique.
x Gestion des connaissances : c’est le domaine de prédilection des méthodes développées
dans le cadre du web sémantique, utilisées ici pour représenter des connaissances ou des
expertises à sauvegarder, partager, évaluer et parfois automatiser.
c. Technologies mobilisées
Au sein des technologies mobilisées, l’apprentissage se taille une belle part, et en particulier le deep
learning, mais on trouve également les technologies de compréhension et de production du langage,
notamment du Français, et de conduite du Dialogue Naturel, les Ontologies, les technologies du Big
Data, l’Optimisation et la Programmation par Contraintes, l’Analyse d’Images et des flux vidéos,
ainsi que le Calcul Emotionnel et les Règles Métiers, ou encore les technologies d’IA banalisées
depuis une dizaine d’années pour l’automatisation des décisions « de routine ».
d. Mise en œuvre, modalités et freins
Les stades de mises en œuvre sont assez variés. On trouve des applications déployées en exploitation
opérationnelle quotidienne comme par exemple le calcul de prix, mais il apparait qu’un grand nombre
d’entre elles en sont encore au niveau de l’expérimentation. Les entreprises semblent être au stade de
la découverte de l’IA pour une large part d’entre elles ; elles éprouvent des difficultés à aborder la
diversité et la complexité des méthodes et semblent manquer de poissons pilotes pour les aider à
naviguer entre les applications faciles et les expérimentations plus audacieuses. Cet état de faible
compétence des décideurs peut les exposer au risque de staffing inadéquat des équipes internes ou à
adhérer à des discours de communication faisant miroiter des solutions dont les bénéfices pourraient
être décevants. L’IA ayant déjà connu un hiver industriel, il est important de prendre garde à
d’éventuelles désillusions.
Les modalités de mise en œuvre quant à elles recouvrent un spectre très large, allant du
développement en interne à l’appel à des sociétés de conseils spécialisées ou à des intégrateurs, en
passant par des collaborations régulières avec des laboratoires de recherche, parfois soutenues par des
bourses Cifre ou des projets collaboratifs subventionnés. Nous ne notons pas de spécificité IA par
rapport au problème général d’adoption de nouvelles technologies.
Quant aux freins mentionnés, au-delà des classiques difficultés de financement, on trouve
l’indisponibilité d’ensemble de données, fiables, adaptées et prêtes à l’emploi et du savoir-faire
pour en tirer parti, la crainte et la peur de certains utilisateurs, et le manque de confiance dans les
résultats des méthodes d’IA, en particulier en ce qui concerne la justesse, la robustesse et la validité
des résultats. Sans surprise, l’adaptation aux réglementations est perçue comme un handicap
typiquement français, ainsi que la difficulté d’accéder à des compétences opérationnelles, et
l’absence d’infrastructures et de moyens de calcul faciles d’accès et d’usage.
2.2.5 Le point de vue des intégrateurs, sociétés de services et
de conseil
Les intégrateurs, sociétés de services et de conseil sont à l’interface des besoins clients et des
technologies. Leur rôle d’intermédiaires entre, d’une part, les chercheurs et start-ups développant des
technologies et, d’autre part, les clients utilisateurs, est très important dans la chaîne de valeur de
l’intelligence artificielle (IA), et recouvre plusieurs aspects :