Anticiper Les Impacts Économiques Et Sociaux de L'intelligence Artificielle

Contribution la Stratgie nationale en intelligence articielle
Mars 2017
Anticiper les impacts

conomiques et sociaux
de lintelligence artificielle
Rapport du groupe de travail co-pilot par

Rand Hindi, Conseil national du numrique
Lionel Janin, France Stratgie
STRATGIE NATIONALE EN INTELLIGENCE ARTIFICIELLE
RAPPORT DU GROUPE DE TRAVAIL 3.2
ANTICIPER LES IMPACTS

CONOMIQUES ET SOCIAUX
DE LINTELLIGENCE ARTIFICIELLE
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 ?
Inquites ou optimistes, les interrogations sont nombreuses. Do lutilit de

commencer sans tarder poser les jalons dune stratgie nationale moyen et long
terme. Il faut prendre la vague en cours, alors que les grands acteurs mondiaux,
amricains ou asiatiques, ont dj dploy des moyens considrables sur le sujet.
Lintelligence artificielle a dabord besoin dintelligence collective. Sollicits par la

secrtaire dtat charge de lInnovation et du Numrique et par le secrtaire dtat
charg de lEnseignement suprieur et de la Recherche, des acteurs institutionnels,
des chercheurs, des entreprises tablies et des start-up, runis au sein de diffrents
groupes de travail, ont consacr deux mois dfinir les grandes orientations de la
FRANCE STRATGIE 3 CNNum

www.strategie.gouv.fr https://cnnumerique.fr
Anticiper les impacts conomiques et sociaux de lintelligence artificielle
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.
Trois points du rapport peuvent tre mis en avant.
Le premier, cest limportance de la donne. Ce point est au fondement de la

transition numrique luvre depuis quelques dcennies. Lintelligence artificielle
ouvre cependant une nouvelle tape, dans la mesure o les donnes sont
ncessaires lapprentissage des algorithmes. Du contrle de la donne dpend non
seulement la protection de la vie prive mais aussi la puissance conomique, pour
ceux qui parviennent en tirer profit.
Le deuxime est de veiller ce que la machine demeure au service de lhumain : les

dispositifs techniques doivent amliorer les capacits ou les conditions de travail, et
non augmenter la dpendance ou la mcanisation du travail. Si lhumain intervient
dans un processus, il doit conserver un pouvoir de dcision ; et si la machine prend
une dcision, les lments sur lesquels elle sest fonde doivent tre explicables.
Mais parce que certaines tches rptitives sont ou seront automatises, il convient
dadapter les formations pour que les travailleurs sachent tirer parti de la machine au
lieu dentrer en concurrence avec elle.
Enfin, troisime point, la mthode. La nouvelle technologie suppose un diagnostic

partag et des changes entre les parties prenantes, tous niveaux, depuis lindividu
jusquaux structures nationales, dans les entreprises, les branches, avec les
organisations syndicales. Cest pourquoi le rapport appelle une large concertation
sur lintelligence artificielle et sur les transformations de lemploi qui en dcoulent.
Lobjectif est de permettre aux organisations de sapproprier le potentiel comme les
limites de la technologie. Rien ne serait pire que de considrer ces transformations
comme inluctables, alors quelles relvent de choix collectifs soumis dbat.

Avant-propos
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.
Je tiens remercier tout particulirement Lionel Janin (France Stratgie) et Rand

Hindi (fondateur et PDG de SNIPS, membre du Conseil national du numrique) qui
ont pilot le groupe de travail charg danticiper les impacts conomiques et sociaux
de lintelligence artificielle, ainsi que Charly Berthet (CNNum), Julia Charri (France
Stratgie), Anne-Charlotte Cornut (CNNum) et Francois Levin (CNNum), qui en ont
t les rapporteurs.
Michel Yahiel
Commissaire gnral de France Stratgie

SOMMAIRE
SYNTHSE ................................................................................................................. 9
INTRODUCTION ....................................................................................................... 15
Continuits et discontinuits ...................................................................................... 16
Transformations profondes, incertitudes importantes................................................ 18
Points de vigilance .................................................................................................... 21
Penser la complmentarit humain-machine ............................................................ 21
IMPACTS CONOMIQUES ET DISTRIBUTION DE VALEURS .............................. 23

Enjeu de comptitivit internationale ......................................................................... 24
Des rseaux de neurones en open source ................................................................ 25
Risques de dpendance et de plateformisation......................................................... 26
Laccs aux donnes devient un avantage comparatif .............................................. 28
La France et lEurope doivent prendre conscience de leurs atouts ........................... 29
Ingalits territoriales au niveau national .................................................................. 30
PENSER LA COMPLMENTARIT HUMAIN-MACHINE........................................ 33

Organiser une gouvernance en vue danticiper ces transformations ......................... 34
Quelles comptences substituables ? ....................................................................... 35
Penser une bonne complmentarit humain-machine .............................................. 36
Se former dans un monde dintelligence artificielle ................................................... 37
COMPOSITION DU GROUPE DE TRAVAIL ............................................................ 41
PERSONNES AUDITIONNES ................................................................................ 43

SYNTHSE
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.
Le but de ce rapport est de sortir dune vision simpliste (comprhension magique

de lIA, focalisation sur la disparition massive demplois, ide que lIA nous tombe
dessus quoi que lon fasse induisant une passivit devant le choc annonc). Une telle
analyse a jusqu prsent empch de mettre en avant les perspectives positives
relles (gains de productivit dans les entreprises, amlioration de la qualit des
services) comme les alertes essentielles : risque de perte dindpendance
conomique, absence de gouvernance des transformations, sous-estimation des
impacts sur la vie quotidienne, en particulier dans le monde du travail, et ncessaire
inventivit dans les accompagnements, en particulier par lappareil de formation.
Ce document a une triple ambition.
1. Clarifier lacception de lintelligence artificielle et son intgration dans la

production. Il sagit principalement dapprentissage machine la capacit dun
logiciel informatique reproduire avec une trs bonne qualit certaines aptitudes
humaines ds lors que des donnes dentranement en quantit suffisante sont
disponibles. Ces dispositifs sont utiliss pour la reconnaissance de la voix, le

classement dimages, de sons, de vidos, le traitement de texte, par exemple la

traduction automatique.
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.
3. Souligner quil sagira de transformations du travail beaucoup plus que de

suppressions demplois : lamnagement de ces transformations va demander
une construction de la dcision aussi anticipatrice que possible, incluant les
acteurs pertinents, au premier chef les professionnels concerns. Le but
atteindre est de crer de la valeur dans le travail pour tous, de donner plus de
pouvoir et dintelligence grce lIA et non de mcaniser les humains. Les
politiques publiques, nationales et rgionales, doivent tre mobilises pour
construire une vision positive de lIA, qui ncessite des plateformes plurielles
dvaluation et de co-conception des transformations.
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.
Si lon ne fait rien, que se passera-t-il ?

au plan conomique et diplomatique, il existe un risque de dcrochage
conomique et de perte dindpendance, si le phnomne de concentration de
lactivit numrique autour de quelques grandes plateformes se prolonge ;

Synthse
au plan social : labsence danticipation, la pauvret des solutions daccompa-

gnement, des approches en silo et un pilotage assis sur la seule rduction des
cots auraient les effets dramatiques de destruction demploi que nous annoncent
les cassandres.
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.
Quel peut tre le chemin ? Il est crucial dorganiser ds prsent un dispositif de

concertation permettant danticiper ces impacts. Une grande plateforme numrique,
alimente par des dbats dans les territoires, pourrait tre envisage avec tous les
acteurs de lemploi : Ple emploi, lAFPA, les acteurs rgionaux, nationaux,
europens, les syndicats. Elle pourrait ensuite tre dcline diffrentes chelles :
par branche, dans des rseaux thmatiques pertinents, au niveau rgional.
Pour ce qui concerne une politique inventive de formation mobilisation de la

formation initiale, des entreprises, de lconomie sociale et solidaire , cest un
objectif qui suppose dexaminer les secteurs dapplication de lIA, en particulier
daffiner les modles conomiques pour les secteurs non industriels, comme
lducation, la sant ou les politiques de la ville (smart city, en relation avec des
politiques cologiques).
Le CNNum et France Stratgie soutiennent le besoin dune telle concertation : il est

dans leurs attributions respectives daider les politiques publiques anticiper les
impacts des transformations numriques et en analyser les aspects combins,
conomiques, juridiques et sociaux. Ce rapport vise prendre date. Le calendrier
restreint dans lequel se sont inscrits ces travaux ne permet, lheure actuelle, que de
donner quelques clairages.
Au-del de cette sensibilisation, le CNNum entreprend de dvelopper ses analyses

sur la transition des emplois et dapprofondir ses propositions. Pour le CNNum, le
chemin qui souvre doit avoir pour but de prserver et daugmenter la valeur du travail
humain, et de concilier de faon innovante une conomie comptitive et une
amlioration du bien-tre dans une socit inclusive.
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
La rflexion sur les impacts conomiques et sociaux de lIA

ne peut se faire de manire descendante au regard de
lampleur des transformations quelle est susceptible
dengager. Il sagit de penser, tous les niveaux, la
gouvernance permettant dorganiser un dialogue et des
Organiser une
prises de dcision mme de transformer nos socits et
concertation pour
nos conomies pour anticiper les impacts de lIA. Une
anticiper les
1 grande plateforme (numrique et sous forme de
impacts
concertation nationale) avec tous les acteurs de lemploi,
conomiques et
Ple emploi, AFPA, acteurs rgionaux, nationaux,
sociaux de lIA
europens, syndicats serait mise en place cet effet.
La mise en place de cette plateforme pourrait servir
rpondre aux objectifs des recommandations 3 (penser la
complmentarit humain-machine), 4 (sensibiliser la
valeur des donnes) et 5 (intgrer lIA dans les entreprises).
Viser une transformation denvergure de la formation tout au

Transformer la
long de la vie, en termes de ratio temps de travail/temps de
2 formation tout au
formation, de contenus et de modes de formation ainsi que
long de la vie
de structures porteuses.
Mesurer la substituabilit des tches au regard dun

faisceau de critres, techniques et sociaux, et prenant en
compte un contexte conomique 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 ?
Penser la
la tche ncessite-t-elle des capacits cognitives verticales
3 complmentarit
(orientes sur une tche trs spcifique) ou horizontales ?
humain-machine
lautomatisation de cette tche est-elle acceptable
socialement ?
cette tche ncessite-t-elle le recours une intelligence
motionnelle ?
cette tche ncessite-t-elle une intervention manuelle
complexe ?

Synthse
Sensibiliser la Sensibiliser les organisations la valeur des donnes en

4 valeur des donnes tant que ressources essentielles lentranement des
pour entraner lIA algorithmes dintelligence artificielle.
Inciter les entreprises, grandes ou petites, dvelopper et

intgrer des briques dintelligence artificielle, notamment en
Intgrer lIA dans fdrant les acteurs des diffrents cosystmes autour dun
5
les entreprises rseau thmatique ; celui-ci mettrait disposition, de faon
contrle, les donnes ncessaires et faciliterait laccs
lexprimentation (comme pour le vhicule autonome).
Donner accs aux Poursuivre et accentuer leffort en matire daccs aux

6
donnes publiques donnes publiques et parapubliques.
Approfondir la question de la libre circulation des donnes,

Faire circuler les
7 entre espaces gographiques mais galement entre acteurs
donnes
conomiques et en dfinir les conditions.

INTRODUCTION
Historique de lintelligence artificielle et des ruptures rcentes (deep

learning) ; malgr des applications nouvelles fort impact, nous sommes
loin dune IA gnrale : les logiciels actuels ne sont capables de
raliser que des tches trs spcifiques.
Le dploiement actuel de lIA sinscrit dans la continuit des
transformations numriques luvre depuis des annes ; nombre
des questions que celles-ci posent font dj lobjet dtudes par ailleurs
(vie prive et gestion des donnes, thique, acceptabilit et respon-
sabilit, impacts cologiques tant en termes de flux et de stockage des
donnes quen termes dpuisement des ressources).
Les transformations venir sont profondes, les incertitudes aussi. Il
sagit dune technologie au potentiel trs significatif, capable dtendre
fortement le champ des possibles.
Tout nest pas rose. Il faut avoir lesprit certains points de vigilance :
risques de perte de comptitivit, de dpendance et de renforcement de
la concentration de la valeur sur certains segments de la chane de
production.
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.
Reconnaissance dimages, filtre anti-spam lefficacit remarquable, systme de

recommandation de film ou de musique, traduction automatique, jeux vido aux
personnages de plus en plus riches, effets spciaux psychdliques, victoire de la
machine sur lhomme au jeu de Go, au poker il y a quelques semaines, agent

conversationnel sur Internet ou domicile et demain, logiciel de conduite

automatique ouvrant la voie la voiture sans chauffeur. Telles sont les ralisations
permises par les progrs rcents et spectaculaires de lintelligence artificielle (IA),
notamment les dispositifs dapprentissage machine ou dapprentissage statistique.
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.
LIA pose galement des nouvelles questions dthique et dacceptabilit. Il y a une

responsabilit du concepteur de lalgorithme mais galement un impact des donnes
utilises pour raliser lapprentissage. Enfin, lIA pose la question de la transparence
des interactions humain-machine et de lexplicabilit des dcisions que prennent les

Introduction
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).
Enjeux dacceptabilit et de confiance dans lintelligence artificielle

Sous-groupe Acceptabilit et confiance
Le dveloppement de lIA est de nature transformer considrablement la
sphre de lemploi et du travail, avec notamment pour consquence la
multiplication des systmes dIA dans lenvironnement de travail,
lintensification des collaborations entre humains et machines ainsi que
lautomatisation de la fonction de prdiction travers les secteurs industriels
et la dlgation croissante des machines de tches et dactivits autrefois
ralises par les humains. Ces collaborations entre humains et machines vont
revtir toutes sortes de formes. Certains mtiers pourront tre entirement
remplacs par des machines autonomes (exemple : conducteurs) tout en
crant des nouvelles tches de supervision. Dautres resteront entirement le
propre de lhomme car le remplacement de lhomme par lIA sera considr
inacceptable, inefficace ou non bnfique pour la socit. Dans dautres cas
encore, sans doute plus nombreux, des formes de coopration homme-
machine verront le jour dans des environnements de travail o les IA seront
des partenaires, des assistants plutt que des remplaants. Des agents
autonomes participent dj diffrents types de ngociations, de transactions
(exemple : transactions boursires), dinteractions avec les clients, les
usagers, les entreprises et organisations. court terme vont tre affects de
manire encore plus large les mtiers du calcul et ceux qui suivent une
procdure formellement tablie. De nouveaux mtiers vont galement
apparatre comme ceux de concepteur, dentraneur ou de gestionnaire
(exemple : cogniticien) de donnes et dinformations, de surveillant ou encore
de rparateur dIA, etc.
Les membres du sous-groupe Acceptabilit et confiance ont men une
rflexion sur les concepts cls dont la signification est susceptible dvoluer
1
Les annexes sont tlchargeables sur le site internet de France Stratgie :
www.strategie.gouv.fr/publications/anticiper-impacts-economiques-sociaux-de-lintelligence-artificielle.

sous leffet de lIA (responsabilit, mrite et valeur, crativit) et les risques de

lutilisation de lIA dans certaines dimensions (affective, corporelle, mimtique,
tlologique, crative) des mtiers. Les effets positifs tant rels, gain de
temps, prise en charge de tches trs rptitives ou des routines
procdurales sans intrt, il est nanmoins ncessaire denvisager les
risques, notamment ceux de dsengagement, de dresponsabilisation,
daccroissement des disparits sociales, etc. Le rsultat est un ensemble de
recommandations qui concernent en particulier la ncessit dexprimen-
tations sur le terrain et dtudes pluridisciplinaires. Un effort dducation et de
communication sera crucial.
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.
Transformations profondes, incertitudes importantes

Deux points mettre en avant pour justifier lattention particulire que mrite ce sujet
de la part des pouvoirs publics, des entreprises et plus gnralement de la socit
civile :
dune part, il sagit bien dune technologie au potentiel trs significatif, capable
dtendre fortement le champ des possibles (jusquau vhicule sans chauffeur ou
la cration automatique de scnarios, voire de films) ;
dautre part, il subsiste de fortes incertitudes sur son dploiement effectif et la
manire dont elle sera approprie, notamment dans le monde du travail, ainsi que
sur la vitesse des progrs venir. Le risque de destruction massive demplois
crase trop souvent toute considration sur lintgration pratique de cette
technologie.
Les questions du revenu universel, de la personnalit juridique des robots ou dune

ventuelle taxe sur les robots sont poses dans le dbat politique 1. Ce rapport ne se
positionne pas sur leur pertinence mais prcise le diagnostic, identifie des points de
vigilance et formule quelques recommandations en envisageant plutt des
transformations du travail que sa disparition irrversible.
1
Rapport Delvaux adopt par le Parlement europen le 16 fvrier 2017, Recommandations la
Commission concernant des rgles de droit civil sur la robotique.

Introduction
Enjeux juridiques de lintelligence artificielle

LIA et les bouleversements quelle est susceptible dentraner conduisent
une rflexion sur les enjeux juridiques sagissant notamment de la protection
de lIA ou encore de la pertinence des mcanismes de responsabilit actuels.
Fort de ce constat, le sous-groupe Enjeux juridiques et rglementaires de
lIA a men des rflexions et organis des auditions sur le droit de lIA afin
de recueillir les observations des acteurs de lIA, de la PME au groupe
international, quant aux difficults potentielles rencontres en la matire ou au
contraire, les solutions juridiques dores et dj pratiques de manire
oprationnelle.
Les membres de ce sous-groupe saccordent sur le fait qu ce stade de
lvolution de lIA, il nexiste pas de ncessit imprieuse de repenser le
dispositif lgislatif et rglementaire en vigueur. Les mcanismes et rgimes
juridiques actuels coupls la souplesse contractuelle permettent aujourdhui
de faire face aux volutions technologiques en apportant, sauf cas
particuliers, un niveau de scurit juridique satisfaisant. En outre, il ressort
des rflexions menes que, comme sur dautres sujets dinnovation de pointe,
le droit ne doit pas devenir un frein linnovation. Aussi, la France et surtout
lUnion europenne, qui apparat dans tous les cas le niveau dintervention
adquat pour viter tout dsavantage comptitif, doivent laisser le temps aux
technologies et aux modles conomiques lis lIA de parvenir une
certaine maturit avant dentreprendre le cas chant un travail de compltion
lgislative.
Le sous-groupe a rflchi spcifiquement aux enjeux lis aux algorithmes, aux

donnes, la responsabilit des robots et la protection des crations issues dune
IA. Ses rflexions sur ces thmatiques sont annexes au prsent rapport (voir
annexe 2).
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 ? .

Introduction
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.
Penser la complmentarit humain-machine

Une bonne intgration de lIA passe par lidentification des apports de cette
technologie pour amliorer une organisation de travail, offrir de nouveaux services ou
crer de nouveaux emplois, en assurant la mise en place dune complmentarit
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.

IMPACTS CONOMIQUES
ET DISTRIBUTION DE VALEURS
Lintgration de lIA au sein de nos conomies est porteuse de gains de

productivit importants et permet de crer davantage de valeur.
Dans des conomies ouvertes comme les ntres, il y a un fort enjeu de
comptitivit et donc une urgence intgrer rapidement ces innovations.
Les ruptures rcentes de lintelligence artificielle rsultent de la
conjugaison de trois facteurs : un accs des donnes massives, une
puissance de calcul importante et des algorithmes sophistiqus. La
recherche et le dveloppement des algorithmes de machine learning et
de deep learning se font trs largement sur un mode open source : les
algorithmes sont disponibles. Lenjeu se situe dans laccs aux
donnes et la puissance de calcul.
Risque de dpendance sur le long terme et de perte de souverainet :
les entreprises franaises et europennes pourraient terme ntre
que des consommatrices de logiciels et de solutions dveloppes
lextrieur.
Dans ce contexte de recherche ouverte, laccs aux donnes
ncessaires aux algorithmes devient donc un avantage comptitif.
Les plateformes disposent dune position favorable. Risque de
concentration de la valeur.
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.

Lintgration de lintelligence artificielle au sein de nos conomies est vectrice de

gains de productivit importants. En tant quinnovation technique, elle constitue un
intrant pour les entreprises la fois dans leurs processus internes (management,
logistique, service client, assistant, etc.) et dans leurs productions, quil sagisse de
biens de consommation (objets intelligents, vhicules autonomes, etc.) ou de
services (banque, assurance, juridique, mdical, etc.). Ne pas intgrer ces
technologies reprsenterait un risque de perte de comptitivit majeur.
Trois risques paraissent nanmoins devoir tre pris en compte, en termes de

dpendance conomique, de souverainet et de possible renforcement des
ingalits. Dans la configuration actuelle de lconomie numrique, le risque que les
entreprises franaises ne soient que des consommatrices de solutions dveloppes
ltranger est important. Le dveloppement de lintelligence artificielle pourrait alors
renforcer largement les effets de plateformisation et de captation de la valeur qui sont
dj caractristiques de lconomie numrique : en effet, ce dveloppement
ncessite des moyens, en termes de donnes et de capacits de calcul, dont peu
dacteurs disposent. De plus, ces technologies pouvant servir doutils daide la
dcision, voire de prise de dcision, il est ncessaire de prserver la capacit en
dterminer le sens et le contenu. Enfin, la diffusion de ces technologies peut avoir un
effet important sur laugmentation des ingalits territoriales et sociales, du fait
notamment de la concentration de la valeur dans certains lieux.
Enjeu de comptitivit internationale

Lintelligence artificielle pourra apporter des gains de productivit (voir annexe 3
Lintelligence artificielle et lenseignement des technologies gnriques ) et un
surcrot de valeur la production. Dans une conomie ouverte, comme celle de la
France, la production nationale se devra dintgrer rapidement cette innovation pour
rester comptitive autant en termes de prix (gains de productivit) que de qualit.
Comme dautres innovations de lre numrique, lintelligence artificielle est porteuse

de changements radicaux dans les secteurs conomiques. La France risque de se
trouver confronte un conflit de transition, avec de grandes entreprises qui nont
pas les moyens (stratgiques, logistiques, organisationnels) dintgrer efficacement
les innovations et qui utilisent des verrous institutionnels pour ralentir le
dveloppement de nouvelles entreprises plus innovantes. In fine, ce sont les
entreprises qui ont pu se dvelopper dans un cadre propice qui, en entrant sur le
march franais, apportent les innovations et la disruption. La transition peut alors
tre assez brutale avec une conqute massive de la part des clients grce des
dmarches dmatrialises peu contraignantes, comme ce fut le cas avec Uber.

Impacts conomiques et distribution de valeurs
Recommandation : inciter les entreprises, grandes ou petites, dvelopper et

intgrer des briques dintelligence artificielle, notamment en fdrant les acteurs
des diffrents cosystmes autour dun rseau thmatique ; celui-ci mettrait
disposition, de faon contrle, les donnes ncessaires et faciliterait laccs
lexprimentation (comme pour le vhicule autonome).
Des rseaux de neurones en open source

En juin 2016, le magazine Wired prophtisait la fin du code en expliquant qu
lavenir, nous ne programmerons plus des ordinateurs : nous les dresserons la
manire dont nous pouvons dresser un chien 1. De ce point de vue, lapprentissage
machine (machine learning) en particulier les techniques dapprentissage profond,
bases sur des rseaux de neurones a donn des rsultats remarquables, en
rupture majeure par rapport lexistant, au cours des dernires annes. Pour y
parvenir, les algorithmes dapprentissage profond ncessitent dallier des moyens de
calcul puissants un accs des donnes massives (big data).
La recherche et le dveloppement des algorithmes de machine learning et de deep

learning se font trs largement sur un mode open source. Sur GitHub, une plateforme
de mise disposition de programmes, les projets en apprentissage machine figurent
parmi les plus actifs 2. Parmi ces projets, TensorFlow, qui regroupe les projets
logiciels en apprentissage machine des quipes de Google, est rapidement devenu
le rpertoire le plus populaire sur la plateforme 3. La France nest pas en reste
puisque la bibliothque Scikit-learn 4, regroupant des outils dIA dvelopps en open
source et galement trs utiliss, y a t largement dveloppe. De la mme
manire, Facebook, Microsoft, IBM et Amazon ont opt pour un modle open source,
mettant ainsi gratuitement leurs travaux la disposition de tous. Mme Apple,
dordinaire rput pour son extrme discrtion, a annonc en dcembre dernier
louverture de ses recherches en intelligence artificielle 5. Ces entreprises partagent
rgulirement lavance de leur recherche avec la communaut scientifique. Leurs
chercheurs 6 sexpriment galement lors de confrences. limage de leurs
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.
Risques de dpendance et de plateformisation

Louverture des algorithmes permet la communaut des dveloppeurs de
progresser sur une technologie complexe qui demande une mobilisation collective.
Nanmoins, seuls certains acteurs (Google, Amazon, IBM, etc.), disposant dune
capacit de calcul suffisante, sont en mesure de proposer aux entreprises des
services dintelligence artificielle notamment hberges dans le cloud.
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.
Ces entreprises ont donc la capacit de se placer au cur dune activit et en

interface entre une entreprise et ses clients. Elles peuvent ainsi reproduire le modle
des plateformes numriques comme Booking, Airbnb ou Uber qui ont su capter une
part significative de la valeur dun march en se positionnant comme intermdiaire
incontournable. Ce phnomne de plateformisation, typique du dveloppement de
lconomie numrique, induit donc des risques majeurs en termes de dpendance
des acteurs conomiques. Lavnement de lintelligence artificielle dboucherait ainsi
sur une concentration encore plus importante de la valeur conomique qui
saccompagnerait de consquences sociales ngatives (par exemple, moindres
recettes fiscales). La dpendance de lconomie des solutions dintelligence
artificielle dveloppes ltranger peut galement conduire une perte de
souverainet, ds lors que les rgles rgissant les avances technologiques
chappent largement au contrle national. Une fois les innovations tablies et
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.

dployes ltranger, il devient trs difficile den inflchir le fonctionnement ou de

dterminer dautres rgles pour les rgir.
Impact industriel de lintelligence artificielle :

exemple du vhicule autonome
La mdiatisation partir de 2010 de projets de vhicule autonome ports par
des entreprises du numrique comme Google, Apple, Tesla ou encore Uber a
mis en lumire les avances technologiques lies lintelligence artificielle
dans le secteur de la production automobile. Lhorizon du dploiement de
vhicules autonomes se rapproche avec des premiers usages non
exprimentaux prvus ds 2020 et une diffusion grande chelle envisage
partir de 2030.
Lquipement des vhicules en intelligence artificielle de conduite autonome
pose la question du partage de la valeur avec les constructeurs automobiles.
De 40 % de la valeur ajoute dun vhicule, lquipement logiciel pourrait
passer 70 % dici dix ans. Les constructeurs automobiles qui comptent sur
leur savoir-faire en termes de design et de moteur pour maintenir leur image
de marque sauront-ils dvelopper des intelligences artificielles suffisamment
performantes ou devront-ils intgrer des logiciels extrieurs qui pourraient se
placer en nouvel intermdiaire avec leurs clients ? Au-del de leur capacit
dvelopper une intelligence artificielle, les consommateurs seront-ils plus
enclins acheter un vhicule quip dun logiciel du constructeur ou de celui
dune entreprise numrique ?
En fonction du rapport de force qui sinstallera, cest--dire de la marque qui
simposera comme celle du vhicule, le partage de la valeur se fera en faveur
soit du constructeur automobile soit du fournisseur dintelligence artificielle.
Au-del de cette bataille dans les vhicules, cest une remise en cause de
toute lorganisation conomique des transports routiers quil faut se prparer :
impact sur les assurances, le permis de conduire, les garagistes et les
socits de transport, transition potentielle dun systme o les mnages sont
propritaires de leur vhicule vers un systme de location de vhicule la
carte , complmentarit entre les transports en commun actuels et les
vhicules autonomes 1
1
Janin L., Nemri M. et Raynard C. (2016), La voiture sans chauffeur, bientt une ralit , La Note
danalyse, n 47, France stratgie, avril.

Laccs aux donnes devient un avantage comparatif

Dans le contexte dune recherche et dun dveloppement de lintelligence artificielle
largement ouverts, la question pose est moins celle de laccs aux algorithmes que
celle de laccs aux donnes pour les entraner. Celles-ci sont alors un lment
crucial du dveloppement de ces machines auto-apprenantes : sans une masse
suffisante de donnes, les algorithmes dapprentissage profond ne pourraient pas
atteindre des taux derreur satisfaisants. En matire de deep learning, plus une
machine est entrane, plus elle est pertinente. Un algorithme de mdiocre qualit
pourrait ainsi tre suprieur un bon algorithme sil est mieux entran.
Au sein des organisations, entreprises et administrations, les enjeux et limportance

des mgadonnes (big data) semblent de plus en plus compris et assimils. Ce qui
lest beaucoup moins, cest limportance cruciale des donnes brutes en matire
dintelligence artificielle. Prises en grand nombre, ces donnes, mme non raffines,
peuvent servir entraner des machines dtecter des corrlations pour, moyen et
long termes, prendre des dcisions sur la base de celles-ci. De fait, les organisations
qui ont accs de larges bases de donnes sont en possession dun actif crucial.
Recommandation : sensibiliser les organisations la valeur des donnes en

tant que ressources essentielles lentranement des algorithmes dintelligence
artificielle.
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.

Consquences du dveloppement de lIA sur le march

de lexternalisation
Lintgration de lIA dans les processus de production conduit modifier les
chanes de valeur. Diffrents effets peuvent tre relevs. lchelle
internationale, il est possible que des processus qui avaient t externaliss
vers des pays bas cot de main-duvre soient nouveau internaliss, ds
quils peuvent tre raliss par une IA. Ce processus ne met pas en danger
lemploi dans les pays dvelopps, puisquil tait dj externalis. En
revanche, il peut constituer une menace pour certains pays qui se fondent
uniquement sur une main-duvre peu qualifie spcialise dans des tches
cognitives rptitives. Ce processus est clairement luvre pour certaines
activits bancaires ou dans les centres dappel.
Un autre processus est galement luvre avec le dveloppement des
plateformes de micro-tches, telles quAmazon Mechanical Turk ou Foule
Factory. Sur ces plateformes, les dveloppeurs dintelligence artificielle ont
recours des travailleurs pour entraner les algorithmes, via des tches de
labellisation, de nettoyage de bases de donnes, de reconnaissance
dimages, etc.
La France et lEurope doivent prendre conscience

de leurs atouts
La question de laccs aux donnes risque de se faire encore plus pressante
mesure de lmergence dune intelligence artificielle de moins en moins cantonne
des tches spcifiques (ce que lon dsigne par intelligence artificielle faible), i.e. une
intelligence artificielle capable dapprendre de nouvelles tches ou dacqurir de
nouvelles capacits par transfert, voire par capillarit . Par exemple, DQN, un
algorithme dvelopp par DeepMind (Google) parvient comprendre par lui-mme
les rgles de diffrents jeux auxquels il na jamais t entran partir de son
entranement sur un jeu spcifique. Si lmergence dune vritable intelligence semi-
forte 1 nest pas attendue avant plusieurs dcennies, les capacits de lintelligence
artificielle actuelle tendent donc bien shorizontaliser et, de ce point de vue, les
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).

grandes plateformes bnficient dune position favorable. La diversification de leur

activit, le dynamisme des acquisitions et des partenariats quelles concluent
conduisent les plateformes amasser des informations dans de nombreux secteurs,
ce qui est propice lhorizontalit, cest--dire la capacit deffectuer diffrentes
tches. La richesse dune donne tient en effet pour beaucoup son potentiel de
croisement avec dautres.
Dans cette comptition mondiale, en France et en Europe les atouts ne manquent

pas. En France, par exemple, les bases mdico-administratives de sant sont
alimentes chaque anne par 1,2 milliard de feuilles de soin, 500 millions dactes
mdicaux et 11 millions dhospitalisations. Dautres donnes, comme les donnes
juridiques, pourraient gagner tre ouvertes de manire plus large.
Recommandation : poursuivre et accentuer leffort en matire daccs aux

donnes publiques et parapubliques.
Nanmoins, il ne sagit pas de se focaliser uniquement sur les donnes publiques ou

parapubliques, mais galement, plus long terme, dengager une rflexion sur les
modes de partage de la valeur entre acteurs privs. En ce sens, le CNNum sest saisi
de la question de la libre circulation des donnes aux niveaux international et
europen, dun point de vue de transfert entre les territoires mais galement entre
acteurs conomiques.
Recommandation : approfondir la question de la libre circulation des donnes,

entre espaces gographiques mais galement entre acteurs conomiques et en
dfinir les conditions.
Ingalits territoriales au niveau national

lchelle du territoire national, lIA pose les mmes questions de prime aux
mtropoles et dingalits territoriales que celles poses par le dveloppement
conomique des dernires annes 1. La numrisation fait courir le risque que les
activits de production se concentrent dans des centres urbains de taille suffisante
pour bnficier des externalits de rseau, notamment pour la production dIA car
celle-ci suppose de runir des facteurs de production localiss principalement dans
1
Lain F. (2017), Dynamique de lemploi et des mtiers : quelle fracture territoriale ? , La Note
danalyse n 53, fvrier, France stratgie.

les mtropoles (capital humain, R & D, capital physique, cosystme). En revanche,

en ce qui concerne lutilisation des services permis par une IA, les gains escompts
peuvent tre rpartis sur tout le territoire. Pour ce faire, ses services doivent tre
diffuss dans les territoires, en veillant ce quils soient accessibles au plus grand
nombre.

PENSER LA COMPLMENTARIT
HUMAIN-MACHINE
Rflchir en termes de tches plutt que de mtiers permet de se

pencher sur la transformation plutt que sur la destruction demplois.
Afin dapprhender ces transformations, il est urgent de dfinir la
gouvernance permettant danticiper ces impacts, notamment sur trois
points cls :
mesurer la destruction comme la transformation des emplois, et donc
valuer les comptences substituables au regard dun faisceau de
critres :
- 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 ?
- lautomatisation de cette tche est-elle acceptable socialement ?
- cette tche ncessite-t-elle le recours une intelligence motionnelle ?
- cette tche ncessite-t-elle une intervention manuelle complexe ?
dterminer les comptences qui demeurent lavantage de lhumain
peut ne pas suffire, il est ncessaire de rflchir la complmentarit
humain-machine au niveau de lindividu et de lorganisation.
partir de la dtermination des comptences non substituables, une
rforme en profondeur de la formation tout au long de la vie doit tre
effectue, en termes de temporalit, de contenu et de structures.

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 ?
Organiser une gouvernance en vue danticiper

ces transformations
La rflexion sur les impacts conomiques et sociaux de lIA ne peut se faire de
manire descendante au regard de lampleur des transformations quelle est suscep-
tible dengager. Il sagit, tous les niveaux, de dfinir la gouvernance qui structure un
dialogue et des prises de dcision ncessaires pour anticiper les impacts de lIA, et
de rflchir la rpartition des gains de productivit permis par le numrique.
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.
Trois sujets prioritaires feraient lobjet de cette concertation nationale :

rflchir la complmentarit entre les comptences automatisables et celles non
automatisables, afin de dterminer les comptences humaines substituables et de
matriser la transition ;
de manire corrlative, identifier des modes de complmentarit vertueux qui
puissent tre prennes et qui ne soient pas crateurs dalination supplmentaire
au niveau individuel et collectif ;
enfin, repenser de fond en comble les modes de formation tout au long de la vie,
du fait de la complmentarit voque ci-dessus.
Quelles comptences substituables ?

De nombreuses tudes se sont attaches dfinir les comptences humaines qui,
ce jour napparaissent pas substituables par lIA (voir annexe 1 Lintelligence
artificielle en qute dacceptabilit et de confiance ). Les comptences englobant
une dimension affective et relationnelle, certaines comptences physiques de prcision
et surtout, les capacits danalyse gnrale (flexibilit, capacit dadaptation, capacit
rsoudre les problmes, crativit), semblent a priori demeurer accomplies de
manire plus efficace par lhomme.
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 .
Penser une bonne complmentarit humain-machine

Dfinir des principes de complmentarit permettant de garantir lacceptabilit et
lappropriation de lIA, une diffusion prenne de ses apports, une protection contre les
risques systmiques quelle peut contenir en germe, simpose aussi.
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.

dveloppement de risques systmiques, qui menaceraient, au-del de lorganisation,

les structures conomiques et sociales.
Cas pratique : lexemple du centre dappel
Le cas du mtier doprateur de centre dappel est intressant car il montre

lambivalence de lautomatisation au sein des organisations.
a. Scnario o le travailleur est augment par lIA
Automatisation des appels les plus simples : 80 % des appels sont
automatiss.
Concentration de loprateur sur les 20 % dappels restants, les plus
complexes et qui permettent de dvelopper des comptences commerciales
et relationnelles.
Sur les 20 % dappels restants, loprateur est aid par lIA : il peut utiliser
des moteurs de recherche smantiques permettant de retrouver trs
rapidement linformation et, nouveau, de se concentrer sur la relation
client.
b. Scnario o le travailleur est subordonn lIA
Une intelligence artificielle analyse les appels clients et propose un script
dinteractions loprateur, qui se contente de lire haute voix les rponses
proposes par la machine. Ces rponses sont optimises au regard de
lanalyse de lensemble des autres interactions passes.
Loprateur devient donc un support vocal et motionnel en rponse quasi
automatique lintelligence artificielle.
Se former dans un monde dintelligence artificielle

Au regard de lobjectif dune complmentarit vertueuse entre lIA et le travailleur, la
formation joue un rle incontournable : en effet, dvelopper des comptences
transversales de crativit, dadaptabilit et de capacit rsoudre des problmes
rend ncessaire une rforme importante de la formation tout au long de la vie, mme
si celle-ci nest pas uniquement lie aux modifications du march du travail induites
par lintelligence artificielle. La formation professionnelle fait rgulirement lobjet de
nombre de critiques concernant ses modes de fonctionnement et son efficacit. De
plus, lexigence dun dcloisonnement entre formation initiale et formation continue,
au regard de la difficult danticiper les activits et les mtiers de demain, a dj t

dfendue dans un certain nombre de travaux, notamment ceux du CNNum sur la

transformation numrique de lenseignement suprieur et la recherche 1. Nanmoins,
les bouleversements massifs que va connatre le march du travail du fait du
dveloppement de lIA pose la question de la formation tout au long de la vie avec
une acuit nouvelle. En effet, en acclrant lobsolescence des comptences
acquises lors de la formation initiale, lintelligence artificielle pose la question
de laccroissement du temps de formation continue et de la modification de ses
contenus et de ses structures. Le lien entre le fait davoir suivi une formation initiale
et celui dexercer le mtier correspondant toute sa vie est clairement remettre en
cause : do lobjectif dune formation tout au long de la vie qui puisse vritablement
accompagner les transitions, lintrieur dun mme mtier mais galement vers les
mtiers et les secteurs davenir.
Or le ratio actuel entre temps de travail et temps de formation pourrait ne pas

tre la hauteur de lexigence de renouvellement constant des comptences.
Cest pourquoi il faut rflchir lextension des temps de formation continue, pour
donner chacun la possibilit dacqurir les nouvelles capacits techniques et non
techniques dont auront besoin les individus dans un monde dintelligence artificielle.
Cette extension des temps de formation continue devra aller de pair avec la mise en
place dune continuit plus importante entre formation initiale et formation continue.
Les professions potentiellement les plus touches par lautomatisation
pourraient tre la cible prioritaire dune politique de formation prventive.
La modification des contenus de formation simpose ensuite. Le dfi de la formation

initiale et continue consiste trouver lquilibre entre lacquisition de savoirs et
comptences en phase avec les besoins actuels de la socit et la ncessit de
prparer un avenir dont on sait au moins quil exige de tous un esprit critique, une
capacit dapprendre apprendre. Le dveloppement de lintelligence artificielle
renforce cet tat de fait. Il ncessite la fois de permettre lacquisition des comp-
tences techniques qui lui sont spcifiques afin que les besoins en main-duvre du
secteur puissent tre satisfaits, mais galement de dvelopper les qualits gnrales
dadaptabilit, de crativit et desprit critique. terme, ces comptences peuvent
seules permettre aux individus de dvelopper leur complmentarit avec la machine.
Cela signifie quoutre les formations spcifiques lintelligence artificielle, la question
de la rorientation de la formation continue vers des formations gnralistes,
permettant de dvelopper des comptences transversales dadaptabilit et de
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.

crativit, devra tre pose. Le dveloppement de ces comptences ncessite de

rinventer les modes de formation (formation en contexte, sur poste, en conception)
et le rapport au savoir lui-mme, autour de pratiques de partage, de mise en rseau,
dexprimentation, de projets, etc.
La transformation des structures de la formation tout au long de la vie est enfin

invitable. Au regard de la ncessit accrue, pour chaque travailleur, de pouvoir se
former selon ces exigences, les entits existantes ne sont ni suffisantes ni adaptes.
Le rle de lUniversit dans la dlivrance de la formation tout au long de la vie
pourrait tre ainsi davantage affirm, pour assurer tous une formation de qualit.
Ple emploi voluerait pour sinscrire dans une logique prventive. Enfin, les
dispositifs de formation informels (tiers-lieux, fablabs, makerspaces, etc.) et
dexprimentation de pratiques pdagogiques nouvelles doivent tre intgrs
pleinement lvolution des structures de formation tout au long de la vie.
Recommandation : viser une transformation denvergure de la formation tout au

long de la vie, en termes de ratio temps de travail/temps de formation, de
contenus et de modes de formation ainsi que de structures porteuses.

COMPOSITION DU GROUPE DE TRAVAIL
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

Ghislaine Hierso, prsidente de lAssociation franaise des Petits Dbrouillards,

membre du CNNum
Boris Le Hir, chef de projet, France Stratgie
Franoise Mercadal-Delasalles, directrice des ressources et de linnovation du
groupe Socit Gnrale, membre du CNNum
Laurent Michel, directeur adjoint du programme conomie numrique , CGI
Pierre Nougu, fondateur dEcosys Groupe et Reporters d'espoirs
Marion Panfili, charge de mission conomie du numrique , DGE
Antoine Petit, PDG dInria, professeur dinformatique lENS Cachan, membre
du CNNum
Sophie Pne, membre du CNNum
Gregory Renard, Chief AI Officer, CTO, TEDx & Stanford Speaker, Deep Learning
Faculty & AI Community Activist
Jean-Charles Samuelian, PDG dAlan.eu
Olivier Savrimoutoo, France Stratgie
Eric Scherer, directeur de la prospective, France Tlvision
Marie Soulez, cabinet Lexing - Alain Bensoussan
Bernard Stiegler, philosophe, directeur de lInstitut de recherche et dinnovation
Clia Zolynski, professeur de droit luniversit de Versailles-Saint-Quentin-en-
Yvelines, membre du CNNum

PERSONNES AUDITIONNES
Laurent Alexandre, co-fondateur de Doctissimo

Gilles Babinet, Digital Champion
Daniel Benoilid, Foule Factory
Alain Bensoussan, cabinet Lexing Alain Bensoussan Avocats
Raphalle Bertholon, CFE-CGC
Pierre Blanc, Athling
Alexandre Cadain, Hyperloop
Marie-Claire Carrre-Ge, Conseil dorientation pour lemploi
Igor Carron, LightOn
Antonio Casilli, Telecom ParisTech
Corentin Chron, Airinov
Mady Delvaux, Parlement europen
Romain Drosne, RefundMyTicket
Paul Duan, Bayes Impact
Diane Dufoix, IBM
Franck Escoubes, Bluenove
Bernard Georges, Socit gnrale
Yannig Goude, EDF
Dominique Guellec, OCDE
Hubert Guillaud, InternetActu
Olivier Guillaume, O Quant
ric Humphrey, Spotify
Tim Hwang, Google

Frdric Kaplan, cole polytechnique fdrale de Lausanne

Eric Keller, FO
Gisle Legionnet, School of Creative Leadership
Rose Luckin, UCL Knowledge Lab
Grard Mardin, CFE-CGC
Alexis Mass, CFDT
Jean-Luc Molins, UGICT-CGT
Louis Monier, Qwiki/Kiron
Dennis Mortensen, X.ai
Yann Moulier-Boutang, UTC Compigne
Pierre Nougue, Ecosys
Grgory Renard, X Brain
Jean-Charles Samuelian, Alan
ric Scherer, France TV
Bernard Stiegler, Institut de recherche et dinnovation
Daniel Susskind, universit dOxford
Joseph Thouvenel, CFTC
Jolle Toledano, CentraleSuplec
Dominique Turcq, Boostzone
Jrme Vivenza, CGT
Michel Volle, Institut de liconomie
Clment Wolf, Google

Directeur de la publication
Michel Yahiel, commissaire gnral
Directeur de la rdaction
Fabrice Lenglart, commissaire gnral adjoint
Secrtaire de rdaction
Sylvie Chasseloup
Contact presse
Jean-Michel Roull, directeur du service dition/Communication/vnements
01 42 75 61 37, jean-michel.roulle@strategie.gouv.fr
RETROUVEZ
LES DERNIRES ACTUALITS
DE FRANCE STRATGIE SUR :
www.strategie.gouv.fr
francestrategie
@Strategie_Gouv
Ce rapport est issu des travaux communs de France Stratgie

et du CNNum. Les opinions exprimes engagent leurs auteurs
et nont pas vocation reter la position du gouvernement.
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.
FRANCE STRATGIE - 18, RUE DE MARTIGNAC - 75700 PARIS SP 07 - TL. 01 42 75 60 00

Anticiper Les Impacts Économiques Et Sociaux de L'intelligence Artificielle

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Anticiper Les Impacts Économiques Et Sociaux de L'intelligence Artificielle

Transféré par

Droits d'auteur :

Formats disponibles

Contribution la Stratgie nationale en intelligence articielle

Anticiper les impacts

Rapport du groupe de travail co-pilot par

ANTICIPER LES IMPACTS

Inquites ou optimistes, les interrogations sont nombreuses. Do lutilit de

Lintelligence artificielle a dabord besoin dintelligence collective. Sollicits par la

FRANCE STRATGIE 3 CNNum

Trois points du rapport peuvent tre mis en avant.

Le premier, cest limportance de la donne. Ce point est au fondement de la

Le deuxime est de veiller ce que la machine demeure au service de lhumain : les

Enfin, troisime point, la mthode. La nouvelle technologie suppose un diagnostic

FRANCE STRATGIE 4 CNNum

Je tiens remercier tout particulirement Lionel Janin (France Stratgie) et Rand

FRANCE STRATGIE 5 CNNum

IMPACTS CONOMIQUES ET DISTRIBUTION DE VALEURS .............................. 23

PENSER LA COMPLMENTARIT HUMAIN-MACHINE........................................ 33

COMPOSITION DU GROUPE DE TRAVAIL ............................................................ 41

PERSONNES AUDITIONNES ................................................................................ 43

FRANCE STRATGIE 7 CNNum

Le but de ce rapport est de sortir dune vision simpliste (comprhension magique

Ce document a une triple ambition.

1. Clarifier lacception de lintelligence artificielle et son intgration dans la

FRANCE STRATGIE 9 CNNum

classement dimages, de sons, de vidos, le traitement de texte, par exemple la

3. Souligner quil sagira de transformations du travail beaucoup plus que de

Si lon ne fait rien, que se passera-t-il ?

FRANCE STRATGIE 10 CNNum

au plan social : labsence danticipation, la pauvret des solutions daccompa-

Quel peut tre le chemin ? Il est crucial dorganiser ds prsent un dispositif de

Pour ce qui concerne une politique inventive de formation mobilisation de la

Le CNNum et France Stratgie soutiennent le besoin dune telle concertation : il est

Au-del de cette sensibilisation, le CNNum entreprend de dvelopper ses analyses

FRANCE STRATGIE 11 CNNum

La rflexion sur les impacts conomiques et sociaux de lIA

Viser une transformation denvergure de la formation tout au

Mesurer la substituabilit des tches au regard dun

FRANCE STRATGIE 12 CNNum

Sensibiliser la Sensibiliser les organisations la valeur des donnes en

Inciter les entreprises, grandes ou petites, dvelopper et

Donner accs aux Poursuivre et accentuer leffort en matire daccs aux

Approfondir la question de la libre circulation des donnes,

FRANCE STRATGIE 13 CNNum

Historique de lintelligence artificielle et des ruptures rcentes (deep

Reconnaissance dimages, filtre anti-spam lefficacit remarquable, systme de

FRANCE STRATGIE 15 CNNum

conversationnel sur Internet ou domicile et demain, logiciel de conduite

LIA pose galement des nouvelles questions dthique et dacceptabilit. Il y a une

FRANCE STRATGIE 16 CNNum

Enjeux dacceptabilit et de confiance dans lintelligence artificielle

FRANCE STRATGIE 17 CNNum

sous leffet de lIA (responsabilit, mrite et valeur, crativit) et les risques de

Transformations profondes, incertitudes importantes

Les questions du revenu universel, de la personnalit juridique des robots ou dune

FRANCE STRATGIE 18 CNNum

Enjeux juridiques de lintelligence artificielle

Le sous-groupe a rflchi spcifiquement aux enjeux lis aux algorithmes, aux

FRANCE STRATGIE 19 CNNum

FRANCE STRATGIE 20 CNNum

Penser la complmentarit humain-machine

FRANCE STRATGIE 21 CNNum

FRANCE STRATGIE 22 CNNum

Lintgration de lIA au sein de nos conomies est porteuse de gains de

FRANCE STRATGIE 23 CNNum