Académique Documents
Professionnel Documents
Culture Documents
Mars 2017
Co-pilotes
Rand Hindi (Conseil national du numrique)
Lionel Janin (France Stratgie)
Rapporteurs
Charly Berthet (CNNum), Julia Charri (France Stratgie)
Anne-Charlotte Cornut (CNNum), Francois Levin (CNNum)
MARS 2017
AVANT-PROPOS
En mars 2016, le champion coren de jeu de go Lee Sedol subissait une cuisante
dfaite face au logiciel AlphaGo. Cette victoire symbolique de la machine apprenante
sur lhomme rsonna pour beaucoup comme le coup de cymbale signalant quune
nouvelle tape venait dtre franchie dans llargissement des frontires techniques.
Depuis quelques annes, lintelligence artificielle est devenue un sujet de dbat bien
au-del du seul champ du numrique, sans doute parce quon pressent toute
lampleur de ses consquences conomiques et socitales. Cette technologie de
laboratoire a connu de fait un saut qualitatif avec notamment lapprentissage
machine qui permet son intgration dans nombre de processus qui ncessitaient
hier encore une intervention humaine. La traduction, la reconnaissance de la voix ou
le classement dimages et de vidos font figure de premiers terrains dexpri-
mentation et davance. Dautres suivront, mme si la technologie nest pas infaillible
et si la vitesse de progression reste incertaine.
Pour lheure, ces prouesses nouvelles suscitent des ractions contradictoires. Elles
font resurgir le spectre dune disparition du travail par lautomatisation. Jusquo la
machine peut-elle remplacer lhomme ? Mais cette rvolution peut-elle tre synonyme
de bien-tre accru pour la population, pour les travailleurs ? Laisse-t-elle augurer des
gains de productivit dans les entreprises et une relance de la croissance
conomique en berne depuis plusieurs annes ?
France en matire dintelligence artificielle. Les travaux ont port sur les thmatiques
de la recherche et de la formation, du transfert de la technologie vers les secteurs
conomiques ou des impacts de lintelligence artificielle. Le prsent rapport constitue
ainsi une contribution la stratgie nationale prsente dans son intgralit par le
gouvernement le 21 mars 2017.
Pour croiser les points de vue et les objectifs, mais avec un souci partag dclairer la
dcision publique, chaque groupe de travail tait co-pilot par un membre dune
administration et un reprsentant du secteur priv. Les travaux ont pris des formes
varies : auditions dexperts, ateliers participatifs avec des tudiants sur les mtiers
de demain, sminaires de travail sur les impacts macroconomiques, sous-groupes
indpendants pour examiner les questions dacceptabilit sociale et les enjeux
juridiques.
Au cur de ces trois questions figurent les efforts fournir en matire de formation,
aussi bien dans notre systme ducatif que dans les entreprises. Parce que les
tches vont continuer se transformer, nous avons plus que jamais besoin dune
formation individuelle tout au long de la vie. Faute danticipation, nous pourrions nous
trouver confronts aux suppressions demploi ; faute de mobilisation, nous courons le
risque dun dcrochage conomique et stratgique.
On le voit, ce rapport nest que la premire pierre d'un difice qui reste construire
collectivement. Avec pour objectif global de russir la transition numrique.
Michel Yahiel
Commissaire gnral de France Stratgie
SYNTHSE ................................................................................................................. 9
INTRODUCTION ....................................................................................................... 15
Continuits et discontinuits ...................................................................................... 16
Transformations profondes, incertitudes importantes................................................ 18
Points de vigilance .................................................................................................... 21
Penser la complmentarit humain-machine ............................................................ 21
Lintelligence artificielle (IA) est un sujet chaud : elle bnficie dune dynamique,
dun momentum, qui cristallisent les attentions et les nergies. Il faut donc agir
maintenant pour en tirer parti.
Cette attention rcente est fonde sur les progrs spectaculaires obtenus par la
recherche en la matire. Il en rsulte un accroissement brusque et imprvisible des
tches potentiellement automatisables qui amne sinterroger sur les activits
humaines. On passe dun scnario de polarisation, dans lequel les emplois trs
manuels, dune part, et les emplois bass sur les talents, dautre part, semblaient
prservs de lautomatisation, un scnario de transformation qui touche
potentiellement beaucoup plus de monde. Cest pourquoi la thmatique de la
disparition dun grand nombre demplois tend monopoliser le dbat et occulter
tout raisonnement.
2. Attirer lattention sur lessentiel : les donnes. La valeur nest pas l o lon croit :
elle provient des donnes ncessaires lapprentissage bien plus que de
lalgorithme, dont les dveloppements se font de manire ouverte (en open source).
En consquence, les entreprises ou les administrations (pour la production de
services publics) doivent se concentrer sur lidentification des donnes
susceptibles dtre utilises et sur les modalits concrtes dexploitation (mise
disposition des donnes, ventuellement mutualisation, en conservant le contrle
des exploitations qui en sont faites ou en bnficiant dun juste retour), Par
ailleurs les rflexions sur la libre circulation des donnes, entre espaces gogra-
phiques mais galement entre acteurs conomiques, doivent tre approfondies.
Pour y arriver, un outil essentiel demeure : la formation, qui ne doit pas tre perue
comme un recyclage et un pis-aller. LIA est un chantier de formation professionnelle
essentiel qui peut servir de cas dcole pour les nouvelles visions de lducation et de
la formation qui sont depuis plusieurs annes dbattues dans la socit : importance
des comptences transversales (soft skills), littratie numrique, laquelle il faut
adjoindre une littratie de lIA. Une telle formation passe par une ducation
informatique gnrale et une mobilisation de la socit sur les formations initiales
(entreprises, secteur de lducation populaire) mais aussi une inventivit dans les
formations sur poste, les formations en conception, ce qui implique une forte
mobilisation des entreprises elles-mmes, de la recherche et des partenaires sociaux
pour ouvrir de nouvelles voies.
Il faut sortir des scnarios qui ttanisent toute prospective raliste et plurielle, en
cartant les scnarios irralistes dcrivant lautomatisation de toutes les fonctions
productives. cet gard, le rapport ne se positionne pas sur la question du revenu
universel, mais se concentre sur celle de la transformation des emplois, en vue dune
reconstruction de la valeur sociale des activits humaines.
France Stratgie, pour sa part, entend continuer ses travaux danimation du dbat
public sur lIA, thme central de la rvolution numrique, en donnant la priorit
lemploi et la dimension territoriale. En mthode, ces travaux seront mens en
nouant toutes les collaborations utiles avec les administrations, les collectivits
territoriales, les partenaires sociaux et les acteurs de la socit civile.
Les recommandations
Intitul Description
Un certain nombre dtudes ont attir lattention sur la destruction massive demplois.
Sans se prononcer sur la pertinence des rflexions gnrales sur la redistribution de
valeur, ce rapport se concentre davantage sur la ncessaire transformation des
mtiers, notamment la complmentarit homme-machine.
Si les principes de lintelligence artificielle remontent loin, aux annes 1940 par
exemple pour les rseaux de neurones, un palier significatif a t franchi il y a
quelques annes, sous la triple pousse de laugmentation de la puissance de calcul
(permise en particulier par les cartes graphiques dveloppes au dpart pour le jeu
vido), de la constitution dimmenses bases de donnes dimages, de vidos ou de
sons qualifis (grce la volont de quelques grands acteurs et aussi aux travaux
des chercheurs et aux rseaux sociaux), et des progrs en algorithmique.
LIA a certes fait des progrs spectaculaires, comme en attestent les exemples
prcdemment mentionns et populariss rgulirement dans les mdias. Pour
autant, les logiciels actuels ne ralisent que des tches trs spcifiques et
ncessitent le plus souvent dimmenses volumes de donnes dapprentissage pour
aboutir un rsultat satisfaisant. Nous sommes encore trs loin de lintelligence
artificielle dite gnrale ou forte , susceptible de prendre en compte le
contexte et dapprendre partir de quelques exemples.
Continuits et discontinuits
Le dploiement de lintelligence artificielle dans la socit et lconomie en particulier
sinscrit plutt dans la suite des transformations numriques luvre depuis des
annes. Il inclut aussi les progrs de la robotique, de la ralit virtuelle ou
augmente, et sinscrit dans le prolongement de lconomie des donnes, domine
lchelle mondiale par les plateformes numriques amricaines et asiatiques, avec un
retard de la France et de lEurope plus gnralement.
LIA soulve des questions classiques, qui ont dj fait lobjet de nombreux travaux
par ailleurs. titre dexemple, lIA se nourrit de donnes pour faire des diagnostics
personnaliss ; elle soulve donc des questions de donnes personnelles. Lenjeu
est darriver protger la vie prive tout en tirant parti du potentiel de lIA qui suppose
davoir accs ces donnes.
dispositifs automatiques. Refus dun prt bancaire, accident dun vhicule autonome :
il devra tre possible de demander une explication sur la manire dont ont t prises
les dcisions, voire de dterminer des domaines o il est ncessaire que lhumain
conserve la dcision finale. Cest un sujet de recherche qui doit accompagner le
dploiement de la technologie (voir encart ci-dessous, rsumant lannexe 1
Lintelligence artificielle en qute dacceptabilit et de confiance 1).
1
Les annexes sont tlchargeables sur le site internet de France Stratgie :
www.strategie.gouv.fr/publications/anticiper-impacts-economiques-sociaux-de-lintelligence-artificielle.
Pourquoi lIA suscite-t-elle autant dattention auprs du grand public et des mdias ?
Sagit-il dune simple bulle amene se dgonfler ? Lexpression intelligence
artificielle possde un pouvoir dvocation qui explique sans doute en partie les
fantasmes qui y sont associs.
1
Rapport Delvaux adopt par le Parlement europen le 16 fvrier 2017, Recommandations la
Commission concernant des rgles de droit civil sur la robotique.
LIA permet des gains de productivit au sein des organisations (filtre anti-spam,
traitement automatique de dossier, rponse des questions simples par un agent
conversationnel automatis 1), des amliorations en termes de qualit de traitement
1
Logiciel capable dinteragir avec lhomme en langage naturel (par crit ou par la voix) pour rpondre
des questions simples.
(amlioration de la dtection de tumeur 1), mais elle nchappe pas aux interrogations
existantes sur les effets du numrique sur le bien-tre ou sur la croissance
conomique (voir le dbat entre les tenants dun ralentissement durable des gains de
productivit, la stagnation sculaire The Rise and Fall of American Growth, Robert
Gordon, 2016 et les tenants dune croissance venir The Second Machine Age,
Erik Brynjolfsson et Andrew McAfee, 2014). Pourquoi observe-t-on un ralentissement
de la croissance de la productivit ? Sagit-il dun manque dinvestissement dans les
technologies de linformation et de la communication (TIC), dune insuffisante
appropriation par les organisations, dun dficit de formation ? Le numrique se
contenterait-il de remplacer des processus existants et manquerait-il de nouveaux
produits, comparables ceux qui ont assur la croissance conomique lors des
rvolutions industrielles antrieures (avion, automobile) ? Sommes-nous dans une
situation de croissance lente, durable ou sagit-il dun effet temporaire ? Le dbat
reste ouvert, au-del de la question de lIA 2.
Ce qui est sr, cest que lIA est une technologie gnrique (general purpose
technology en anglais) : ses objets de travail (image, son, vido, texte, langage
naturel) peuvent se retrouver dans de multiples activits, ouvrir des opportunits de
cration de nouveaux produits et accrotre les performances des utilisateurs. Les
techniques dapprentissage peuvent tre diffuses dun secteur un autre,
moyennant des adaptations limites. Investir dans lIA est donc susceptible davoir
des effets dentranement dans de nombreux secteurs, condition de raliser des
investissements complmentaires cette technologie pour en tirer tout le potentiel.
Ces investissements complmentaires sont la fois matriels, en quipement
numrique par exemple, ou immatriels, notamment en donnes, en logiciel, en
savoir-faire et comptence ou en organisation. Les modles conomiques reposant
sur le concept de technologie gnrique montrent en outre que les effets de
substitution de la technologie au travail (les destructions demplois) peuvent tre plus
que compenss par lamlioration de la comptitivit de certains secteurs, qui
augmente leur potentiel lexportation (voir lexemple de lAllemagne, trs robotise
mais avec plus de salaris dans lindustrie que la France), par les gains de pouvoir
dachat, qui stimulent la consommation, et par linnovation de produits, qui crent de
nouveaux marchs, et donc de nouveaux emplois.
1
Lors du Camelyon Grand Challenge for Metastatic Cancer Detection qui sest tenu en 2016, les
meilleurs rsultats ont t obtenus par les quipes faisant cooprer lhumain et lIA : 0,5 % de taux
derreur pour lhomme assist de lIA, 7,5 % pour lIA seule, 3,5 % pour lhomme seul.
2 er
Voir la confrence organise par la Banque de France et France Stratgie sur ce sujet le 1 fvrier
2017, Productivit : une nigme franaise ? .
Points de vigilance
Pour autant, ce scnario rose doit bien entendu tre nuanc. LIA est lune des
pices du dbat sur le lien entre robotisation, automatisation et emplois, qui fait natre
linquitude dune disparition massive et rapide de ces derniers. Sur ce sujet, les
tudes, dont une revue a t faite notamment par le rapport publi en janvier 2017
par le Conseil dorientation pour lemploi (COE) 1, rappellent que les emplois qui sont
automatisables sont en nombre limit (une dizaine de pourcents, que ce soit dans
ltude de lOCDE 2, de France Stratgie 3 ou les travaux du COE). En outre, la
possibilit technique dautomatiser des emplois ne veut pas dire quils le seront,
puisque ce rsultat dpend de lincitation conomique le faire et de choix
dorganisation et sociaux. Les mmes tudes tablissent cependant que nombre de
tches sont susceptibles dtre transformes (prs de la moiti). Cest sans doute la
bonne lecture de ltude dOxford (Frey et Osborne)4 qui a contribu lattention
porte au sujet.
Par ailleurs, lIA est largement dveloppe et commercialise par les grandes
plateformes du numrique (amricaines et asiatiques), ce qui repose la question du
retard franais et europen dans le numrique et du risque de prolonger la
dpendance actuelle. Cest parce quil existe un danger de se trouver nouveau en
retard dans la matrise et le dploiement de ces technologies que la stratgie nationale
de lintelligence artificielle est particulirement bienvenue. Elle devra cependant in fine
nourrir une stratgie europenne sur la question pour tre totalement pertinente,
comme pour nombre de questions numriques (fiscalit, donnes personnelles, etc.).
Face une telle transformation, lenjeu de lIA est donc celui de la diffusion de la
technologie dans les processus de production et de la transformation des emplois.
1
Conseil dorientation pour lemploi (2017), Automatisation, numrisation et emploi, 10 janvier.
2
Arntz M., Gregory T. et Zierahn U. (2016), The risk of automation for jobs in OECD Countries: A
comparative analysis , OECD Social, Employment and Migration Working Papers, n 189, juin.
3
Le Ru N. (2016), Leffet de lautomatisation sur lemploi : ce quon sait et ce quon ignore , La Note
danalyse, n 49, France Stratgie, juillet.
4
Frey C. B. et Osborne M. A. (2017), The future of employment: How susceptible are jobs to
computerisation? , Technological Forecasting and Social Change, vol. 114, janvier, p. 254-280.
entre lhomme et la machine. LIA peut supprimer des tches rptitives, pour
permettre de se concentrer sur les plus intressantes ; elle peut augmenter les
travailleurs, en leur fournissant un outil de diagnostic qui enrichit leur exprience
(ralit augmente, pr-diagnostic en matire mdical amliorant lorientation des
patients). Mais de tels outils comportent aussi le risque de transformer le travailleur
en un simple excutant dqualifi, suivant les prescriptions de la machine. Ces
possibilits dpendent des conditions de dploiement et daccompagnement de la
technologie. Pour viter lalination et la proltarisation, il ne faut pas mettre en place
de dispositif automatique exerant un contrle complet sur lhumain (sinon, autant
lautomatiser jusquau bout) : lhumain doit garder la capacit de reprendre la main.
LIA peut conduire renforcer les ingalits territoriales prime aux mtropoles
qui reprennent des logiques plus gnrales propres lconomie numrique :
concentration de la production dans les centres urbains, etc.
1
Wired, juin 2016 : www.wired.com/2016/05/the-end-of-code/.
2
https://github.com/showcases/machine-learning.
3
http://donnemartin.com/viz/pages/2015.
4
http://scikit-learn.org.
5
www.theverge.com/2016/12/6/13858354/apple-publishing-ai-research-siri-self-driving-cars.
6
Cette large ouverture de la recherche mondiale mrite nanmoins dtre relativise : il semble qu
linverse de la recherche occidentale, la recherche chinoise aujourdhui la plus active au monde !
forme une communaut plus distincte. Des barrires linguistiques dcoule en effet une forme
homologues amricains, les gants chinois du numrique ont eux aussi entrepris
douvrir leurs algorithmes dintelligence artificielle : cest le cas notamment de Baidu 1
qui a mis disposition ses outils dapprentissage profond en open source.
Watson, lintelligence artificielle dveloppe par IBM, est dploy dans certaines
entreprises pour assister les collaborateurs qui peuvent lui poser des questions en
langage naturelle. Dans le cabinet davocat Baker & Hostetler, Ross, la version
spcialise en droit de Watson, est utilise par lquipe charge des dossiers de
faillite. Dans un autre domaine, Alexa, lassistant personnel dAmazon, qui se place
au cur des foyers pourrait devenir une porte dentre vers les clients
incontournables pour de nombreux services et commerces, qui deviendraient ainsi
compltement dpendants de cet intermdiaire.
dasymtrie : les chercheurs chinois, qui parlent gnralement anglais, bnficient dun accs aux
travaux rdigs dans cette langue. linverse, la communaut anglophone accde plus difficilement
aux travaux issus de la recherche sinophone.
1
www.theverge.com/2016/9/1/12725804/baidu-machine-learning-open-source-paddle.
1
Janin L., Nemri M. et Raynard C. (2016), La voiture sans chauffeur, bientt une ralit , La Note
danalyse, n 47, France stratgie, avril.
Il est indniable que les gants du numrique quils soient chinois, russes ou
amricains dont le succs sexplique largement par leur capacit collecter les
donnes, notamment grce une taille de march importante, partent avec un
certain avantage dans la course mondiale lintelligence artificielle. Cela peut
accrotre les risques de dpendance conomique et les ingalits en termes de
rpartition du pouvoir, de manire gnrale, et de la valeur conomique, en
particulier. Les gants du numrique ont alors tout intrt ouvrir les algorithmes de
machine learning, pour capitaliser sur les logiques de linnovation ouverte, tout en
gardant la main sur les actifs qui en constituent la cl. Si ces grandes entreprises
nouent aujourdhui de nombreux partenariats avec des organismes de recherche
pour alimenter en donnes les algorithmes et les amliorer, elles se gardent bien
douvrir toutes leurs donnes. Elles conservent ainsi la main sur leur actif stratgique
dont elles dterminent les conditions daccs ventuel et les modalits dutilisation.
1
On distingue lintelligence artificielle faible, capable de reproduire une tche spcifique (celle qui est
dploye aujourdhui), lIA semi-forte, capable de raliser des tches plus gnrales en comprenant
notamment le contexte (un sujet de recherche) et lIA forte, qui gale, voire dpasse, lintelligence
humaine (et relve toujours, ce jour, de la science-fiction).
1
Lain F. (2017), Dynamique de lemploi et des mtiers : quelle fracture territoriale ? , La Note
danalyse n 53, fvrier, France stratgie.
Le dveloppement de lIA aura galement un impact sur les conditions de travail des
individus et la structure des organisations. Les tudes macroconomiques se
penchent surtout sur la question de la substituabilit de la machine par rapport au
travail humain. Il serait videmment hors de propos de balayer dun revers de main
lhypothse dune diminution irrversible du nombre demplois. Pour autant, et mme
si cela nobre pas des rflexions parallles sur le mode de redistribution de la
valeur, il nous semble ncessaire de rflchir la transformation des mtiers plutt
que dacter cette diminution irrversible. En effet, cette hypothse raisonne tches
constantes. Or, comme nous lapprend le rapport du COE qui prend une approche
par tches et non par mtiers, un certain nombre de tches vont tre automatises
tandis que dautres ne le seront pas, celles o rside lavantage comparatif de ltre
humain. En effet, selon le COE sur la base de cette approche par tches, la moiti
des emplois existants pourrait voir son contenu notablement ou profondment
transform et moins de 10 % des emplois cumulent des vulnrabilits qui pourraient
en menacer lexistence. Cela signifie que lon peut partir du constat que les mtiers
seront en grande partie transforms plutt que dtruits. Ce constat peut sappuyer
sur les enseignements issus des prcdentes rvolutions industrielles, qui ont vu
parfois non sans une transition difficile de nouveaux emplois apparatre en
remplacement de ceux qui taient dtruits. De plus, lefficacit dun algorithme
associ un humain est bien plus importante que celle dun algorithme seul : lIA
prend en charge les tches rptitives, et lhumain peut se concentrer sur les tches
les plus riches. Pour ces deux raisons, il semble ncessaire de rflchir la notion de
complmentarit homme-machine. Comment sorganiser pour mener ces rflexions
de manire collective ?
titre dexemple, cinq chelons pourraient tre dans un premier temps cibls : le
niveau national, le niveau rgional, le bassin demploi, la branche, lentreprise.
chacun de ces niveaux, un travail pralable didentification du rseau des acteurs
pertinents serait men, pour organiser une concertation et la construction
participative de projets adapts.
Une plateforme (numrique et sous forme de concertation nationale) avec tous les
acteurs de lemploi, Ple emploi, AFPA, acteurs rgionaux, nationaux, europens,
syndicats, serait mise en place cet effet.
Plus prcisment, il est urgent de mesurer la substituabilit des tches au regard dun
faisceau de critres, techniques et sociaux, et prenant en compte un contexte cono-
mique allant au-del de la seule organisation de lentreprise ou du secteur dactivit :
la technologie est-elle suffisamment avance pour que cette tche soit automatise ?
la tche ncessite-t-elle des capacits cognitives verticales (orientes sur une
tche trs spcifique) ou horizontales 1 ?
lautomatisation de cette tche est-elle acceptable socialement ?
cette tche sappuie-t-elle recours une intelligence motionnelle ?
cette tche ncessite-t-elle une intervention manuelle complexe ?
1
Cette distinction verticale/horizontale renvoie la distinction entre IA faible et IA forte, dveloppe
page 9
Les comptences non substituables doivent tre dveloppes (voir infra la partie
relative la formation). Nanmoins, ce dveloppement, sil est ncessaire, nest pas
suffisant pour assurer une complmentarit vertueuse entre lhomme et lintelligence
artificielle. De nombreux facteurs influent sur les modalits de cette complmentarit,
au premier titre desquels lorganisation du travail. Lintroduction de lintelligence
artificielle peut avoir des impacts ngatifs aux niveaux individuel et collectif. Certains
risques sont dcrits dans lannexe 1 Lintelligence artificielle en qute daccepta-
bilit et de confiance .
Par ailleurs, au niveau individuel, le travail quotidien avec lIA au-del de ses
nombreux atouts peut galement prsenter des risques sociaux et psychiques. La
concentration des capacits danalyse et dintelligence dans les nouveaux outils dIA
renferme le risque de mener une proltarisation 1 dun nombre encore plus
grand de travailleurs, au sens de la privation de leurs savoirs qui valorisent leurs
comptences. La dlgation dun nombre toujours plus important de tches lIA est
galement susceptible dengendrer un dsengagement, une dresponsabilisation
des travailleurs, du fait de lappauvrissement des relations interpersonnelles ainsi que
dune dlgation accrue de la prise de dcision.
Au niveau des organisations, la diffusion des technologies lies lIA devra tre
apprhende en termes de risques cognitifs, notamment daccroissement potentiel
de la propension la stupidit fonctionnelle . Une introduction massive de lIA
dans les organisations peut favoriser lobissance, la conformit et la prvisibilit des
comportements. En effet, si la diffusion de lIA entrane lautomatisation dun nombre
encore plus lev de tches et dactivits rptitives, elle peut dans le mme temps
contribuer la dlgation de la prise de dcision et favoriser des contextes
organisationnels diminuant la mobilisation des capacits cognitives. Elle pourrait ainsi
favoriser le manque de rflexivit des individus et de lorganisation ainsi que
labsence de justification des dcisions. En optimisant toutes les tches, elle rduirait,
voire annihilerait les capacits innover. De telles situations mneraient alors au
1
Pour reprendre la notion dveloppe par Bernard Stiegler dans son ouvrage La Socit automatique,
Fayard, 2015.
1
Voir travaux du CNNum sur la transformation numrique de lenseignement suprieur et de la
recherche : Rfrentiel de transformation numrique de lEnseignement suprieur et de la Recherche,
19 dcembre 2016.
Co-pilotes
Rand Hindi, prsident de Snips, membre du CNNum
Lionel Janin, adjoint au directeur du Dpartement dveloppement durable
et numrique, France Stratgie
Rapporteurs
Charly Berthet, Secrtariat gnral du CNNum
Julia Charri, cheffe de projet, France Stratgie
Anne-Charlotte Cornut, Secrtariat gnral du CNNum
Franois Levin, Secrtariat gnral du CNNum
Membres
Gilles Babinet, Serial entrepreneur, EU Digital Champion
Alain Bensoussan, fondateur de Lexing Alain Bensoussan Avocats
Yann Bonnet, secrtaire gnral du CNNum
Antonio Casilli, sociologue spcialiste des rseaux sociaux, matre de confrences
en humanits numriques Tlcom ParisTech
Jacques Crmer, professeur dconomie la Toulouse School of Economics,
membre du CNNum
Jean-Michel Dalle, directeur dAgoranov
Laurence Devillers, professeure luniversit Paris-Sorbonne et chercheuse
au Laboratoire dinformatique pour la mcanique et les sciences de lingnieur (Limsi)
du CNRS (prsidente du sous-groupe Acceptabilit et confiance )
Paul Duan, fondateur et prsident de Bayes Impact
Sylviane Gastaldo, directrice de programme valuation des investissements publics
au CGI
www.strategie.gouv.fr
francestrategie
@Strategie_Gouv
France Stratgie, laboratoire dides public, a pour mission d'clairer les choix collectifs. Son action repose sur quatre mtiers : valuer les
politiques publiques ; anticiper les mutations venir dans les domaines conomiques, socitaux ou techniques ; dbattre avec les experts
et les acteurs franais et internationaux ; proposer des recommandations aux pouvoirs publics nationaux, territoriaux et europens. Pour
enrichir ses analyses et aner ses propositions France Stratgie s'attache dialoguer avec les partenaires sociaux et la socit civile.
France Stratgie mise sur la transversalit en animant un rseau de huit organismes aux comptences spcialises.