125
localement (gestion de trafic) dans les entrepôts et au-delà. Cette question de compétitivité industrielle
va forcer le couplage IA/Robotique.
La robotique (au-delà de l’automate industriel) prend son envol, ce qui va entraîner tout le secteur.
Menaces
Force est de constater un certain « siphonage » des compétences par les grands acteurs (GAFA) :
Google développe un centre de 3000 chercheurs en IA à Zurich. En dépit de ses compétences, la
France ne semble pas suffisamment attractive. Les jeunes formés sont plus attirés par la Californie ou
la Suisse.
Aux Etats-Unis les entreprises recrutent à grande échelle (et à de bons salaires). Il y a accumulation
d'un retard initial qui pourrait devenir irrattrapable.
Recommandations
La richesse est dans les données. Il faudrait que les grands industriels français alimentent des corpus
de données collectées et indexées (image, vidéos, sons, etc.) pour que leur propre R&D ainsi que les
laboratoires de recherche puissent y puiser. Le retard par rapport à des grands acteurs du domaine tels
que Google est tel que si l'industrie française veut espérer ne pas se faire distancer complètement, elle
doit se fédérer pour se donner les moyens d'obtenir des résultats probants. Cela passe peut-être par une
mise en commun des moyens pour collecter et annoter ces données (pas seulement pour les stocker et
les mettre à disposition).
Il est important aussi de tenir compte des normes (p. ex. ISO/TS 15066) et d’y contribuer (en
influençant les orientations), en particulier pour les questions de sécurité.
2.2.2.3 Santé et applications médicales
Thèmes, enjeux et défis
Les équipes académiques et industrielles françaises ont des compétences importantes et reconnues en
mathématiques, en informatique et en intelligence artificielle, mais aussi en ingénierie, en médecine et
en santé. Associées à un système de soins bien structuré (CHU, sécurité sociale) et de grande qualité,
dont les avantages doivent donc être mobilisés, à une bonne dynamique entrepreneuriale et à un bon
système d’enseignement supérieur, elles ont la capacité de créer de véritables “champions”
internationaux.
Elles doivent cependant faire face à des faiblesses, d’une part dans la gestion du temps (cette
dimension devient essentielle pour réduire la durée des phases de maturation et de transfert), d’autre
part lors de l’accès aux données, et enfin dans le financement tant amont (au niveau des chercheurs et
des médecins) qu’aval (dans le soutien des entreprises). Les applications de l’IA dans le domaine de la
médecine et de la santé s’appuient sur la plupart des domaines couverts par l’IA (Cf. rapport du GT
recherche amont) :
- Représentation des connaissances et modélisation des raisonnements
- Apprentissage statistique et modélisation prédictive
- Décision et gestion de l’incertitude
localement (gestion de trafic) dans les entrepôts et au-delà. Cette question de compétitivité industrielle
va forcer le couplage IA/Robotique.
La robotique (au-delà de l’automate industriel) prend son envol, ce qui va entraîner tout le secteur.
Menaces
Force est de constater un certain « siphonage » des compétences par les grands acteurs (GAFA) :
Google développe un centre de 3000 chercheurs en IA à Zurich. En dépit de ses compétences, la
France ne semble pas suffisamment attractive. Les jeunes formés sont plus attirés par la Californie ou
la Suisse.
Aux Etats-Unis les entreprises recrutent à grande échelle (et à de bons salaires). Il y a accumulation
d'un retard initial qui pourrait devenir irrattrapable.
Recommandations
La richesse est dans les données. Il faudrait que les grands industriels français alimentent des corpus
de données collectées et indexées (image, vidéos, sons, etc.) pour que leur propre R&D ainsi que les
laboratoires de recherche puissent y puiser. Le retard par rapport à des grands acteurs du domaine tels
que Google est tel que si l'industrie française veut espérer ne pas se faire distancer complètement, elle
doit se fédérer pour se donner les moyens d'obtenir des résultats probants. Cela passe peut-être par une
mise en commun des moyens pour collecter et annoter ces données (pas seulement pour les stocker et
les mettre à disposition).
Il est important aussi de tenir compte des normes (p. ex. ISO/TS 15066) et d’y contribuer (en
influençant les orientations), en particulier pour les questions de sécurité.
2.2.2.3 Santé et applications médicales
Thèmes, enjeux et défis
Les équipes académiques et industrielles françaises ont des compétences importantes et reconnues en
mathématiques, en informatique et en intelligence artificielle, mais aussi en ingénierie, en médecine et
en santé. Associées à un système de soins bien structuré (CHU, sécurité sociale) et de grande qualité,
dont les avantages doivent donc être mobilisés, à une bonne dynamique entrepreneuriale et à un bon
système d’enseignement supérieur, elles ont la capacité de créer de véritables “champions”
internationaux.
Elles doivent cependant faire face à des faiblesses, d’une part dans la gestion du temps (cette
dimension devient essentielle pour réduire la durée des phases de maturation et de transfert), d’autre
part lors de l’accès aux données, et enfin dans le financement tant amont (au niveau des chercheurs et
des médecins) qu’aval (dans le soutien des entreprises). Les applications de l’IA dans le domaine de la
médecine et de la santé s’appuient sur la plupart des domaines couverts par l’IA (Cf. rapport du GT
recherche amont) :
- Représentation des connaissances et modélisation des raisonnements
- Apprentissage statistique et modélisation prédictive
- Décision et gestion de l’incertitude