Publication

Intelligence artificielle - État de l’art et perspectives pour la France

Etude du cabinet Atawao, commandée par la Direction générale des entreprises (DGE), le Commissariat général à l’égalité des territoires (CGET) et Tech’in France.

Mis en ligne le

Quatre grandes parties

  • Définitions et état de l’art technologique de l’intelligence artificielle
    • Technologies algorithmiques des systèmes apprenants,
    • Technologies de support comme les infrastructures de calcul, les processeurs, les réseaux de communication et les interfaces homme / machine simples (plateformes) et évoluées (la robotique),
    • Recherche actuelle en intelligence artificielle et les principaux verrous technologiques.
  • Classement sectoriel de l’impact de l’intelligence artificielle
    • Deux classements sectoriels sont proposés, qui diffèrent par l’importance des forces et faiblesses de chaque secteur en France par rapport à d’autres pays : un classement international et un classement national.
  • Analyse des principaux usages de l’intelligence artificielle dans 9 secteurs économiques et des enjeux associés :
    • Agriculture,
    • Commerce de détail,
    • Loisirs et média,
    • Sécurité des biens et des personnes,
    • Services financiers,
    • Services juridiques,
    • Services professionnels,
    • Services Publics,
    • Télécommunications.
  • Analyse approfondie de 4 secteurs économiques, notamment sur la demande, l’offre, les écosystèmes et les cas d’usage les plus significatifs :
    • Santé,
    • Transport et Mobilité,
    • Industrie,
    • Energie et Environnement.

 

Recommandations et propositions d’actions 

Expérimentation

  • Créer des zones d’expérimentation à l’échelle d’un hôpital ou d’un réseau de soins,
  • Créer un cadre légal d’expérimentation à partir de données,
  • Développer les challenges de données en santé,
  • Créer un marché protégé pour les startups en santé,
  • Créer des zones d’expérimentation de véhicules autonomes à l’échelle d’une ville ou d’une situation de transport à risque,
  • Amplifier les zones d’expérimentation à l’échelle d’un écoquartier.

Données

  • Généraliser et normaliser le recueil de données de maintenance,
  • Stimuler la production de données environnementales chez les industriels.

Formation

  • Former rapidement des techniciens, des ingénieurs et des décideurs de l’industrie aux cas d’usages et aux techniques probabilistes de l’IA,     
  • Créer un Datacenter de projets en data science en s’appuyant sur les expertises d’OVH et de TERALAB,
  • Encourager des projets centrés sur les assistants intelligents pour le grand public,
  • Créer des formations en ligne (MOOC) sur l’IA et les produits numériques.