Retour aux ressources
Webzine | 28 mai 2021

Forum stratégique sur l’intelligence artificielle

Contenu réservé aux membres

Bloc 1 – L’IA à Montréal : retour sur le chemin parcouru depuis un an

Le paradoxe montréalais

Voici un paradoxe intéressant : Montréal a une réputation internationale en IA, mais les entreprises du Canada, du Québec et même de Montréal tardent à implanter cette technologie.

La collaboration déjà bien établie entre les chercheurs, les universités et les organismes de soutien doit s’étendre aux entreprises. En effet, tous les joueurs en amont ont beau pousser sur la chaîne, les entreprises doivent tirer dessus si on veut qu’elle soit tendue!

Ce qui nuit partiellement à ce principe est que les entreprises doivent être matures pour intégrer l’IA à leurs processus. Une solution émergente ne pourra être déployée partout dès la première année, surtout pas localement.

Pour ceux qui douteraient du positionnement avantageux du Québec comme précurseur, mentionnons l’existence de la déclaration de Montréal pour un développement responsable de l’IA, la création récente de l’Observatoire international sur les impacts sociétaux de l’intelligence artificielle et du numérique (OIISIAN) à l’Université Laval et le fait que Montréal a accueilli en 2018 la 32e édition du NEURIPS, un événement incontournable sur le sujet.

Attirer les talents… à condition qu’ils restent

Un des enjeux dans un domaine de pointe comme l’IA est la formation, l’attraction et la rétention des talents. Les entreprises ou les gens se contentent-ils de venir faire leurs premiers pas à Montréal avant d’aller ailleurs? Après avoir goûté à l’écosystème de la métropole pendant un an, Facebook a triplé le nombre de chercheurs dans son laboratoire de Montréal. C’est certainement bon signe et de tels « trophées de chasse » sont nombreux.

Penser proximité

On dit que nous ne pourrons pas compétitionner avec des pays comme la Chine ou les États-Unis en termes d’investissements financiers. Il faut donc trouver d’autres façons de se démarquer. Nous sommes plus petits et par conséquent plus proches les uns des autres : profitons au maximum de cette situation!

Et l’enseignement?

Les programmes académiques dans le domaine sont plutôt rares, mais on commence à voir émerger des curriculums d’un an qui permettent à un professionnel possédant déjà une expertise connexe d’apprivoiser le langage de l’IA dans le but de pouvoir faire des avancées dans son organisation.

Des principes directeurs

IBM, pour qui l’IA est l’un des quatre domaines de recherche des laboratoires de R et D, propose trois principes directeurs liés à l’éthique pour encadrer l’IA :

  • la finalité de l’IA est d’augmenter l’intelligence humaine;
  • les données et les connaissances appartiennent à leur créateur;
  • les nouvelles technologies doivent être transparentes et explicables.

Applications sans limites

Dans les utilisations pratiques (loufoques ou non) mentionnées pendant la journée, notons :

  • analyser le discours humain pour améliorer le diagnostic du syndrome post-traumatique;
  • analyser le discours… des poules pour connaître leur niveau de confort;
  • permettre à des autobus de faire un trajet intelligent plutôt que statique;
  • permettre à une minière de prédire où l’or se trouve, un travail qui prenait 100 heures à un géologue et qui en prend maintenant trois. D’ailleurs, les forages amorcés sur la base de ces informations ont permis de confirmer l’algorithme.

Ce qui n’est pas de la recherche appliquée dans le domaine de l’IA, c’est de la recherche « qui n’est pas encore appliquée ». En effet, les exemples ci-haut montrent bien qu’à terme, à peu près toutes les idées vont trouver preneur.

Bloc 2 – La collaboration et la co-innovation au cœur de notre leadership

Se faire accompagner

Parmi les organismes le plus souvent mentionnés qui offrent du soutien, de la formation et de l’accompagnement, mentionnons MILA, IVADO et la supergrappe SCALE AI.

Nécessaire collaboration interentreprises

Les entreprises doivent s’inspirer du fait que les gouvernements ont travaillé ensemble et que les universités ont travaillé ensemble. La même collaboration devra voir le jour dans le secteur privé si on veut accélérer l’adoption de l’IA dans les entreprises. Pour faire des avancées, il faudra regarder au-delà des barrières que sont la propriété intellectuelle et la concurrence. Comme l’a dit Rémi Quirion, scientifique en chef du Québec, le sport de contrats doit devenir un sport de contacts! Parlons-nous!

Les pouvoirs publics : investisseurs… mais aussi employeurs et législateurs

On met souvent le chapeau d’investisseur sur la tête des gouvernements. Mais n’oublions pas aussi que ceux-ci sont de loin les plus gros employeurs et ceux qui produisent la plus grande quantité de données, le carburant de l’IA. Dans un pays comme Singapour, les besoins du gouvernement sont à l’origine de la majorité des débouchés de l’IA. Par ailleurs, le gouvernement porte aussi l’important chapeau de la législation. Des lois rigoureuses, mais qui peuvent être à la fois flexibles et adaptées rapidement vont accorder aux entreprises la latitude nécessaire pour innover.

Voir loin… mais pas trop!

Parlant d’innovations, elles doivent être « socialement acceptées » pour être commercialisées. Toutefois, dans les débats éthiques, rien ne sert de penser à ce qui sera encore de la science-fiction dans 50 ans (oublions pour le moment les images de Skynet dans le film Terminator 2 ou de HAL dans 2001 : Odyssée de l’espace). Centrons les discussions sur les avancées probables des cinq ou dix prochaines années. Loin d’être inutiles, ces discussions sur les enjeux à court terme orientent les entreprises dans leurs investissements et leurs efforts. Par exemple, à partir du moment où on s’entend que l’IA médicale sera une aide à la décision, mais ne posera jamais de diagnostic sans supervision humaine, les possibles fournisseurs de solutions savent à quoi s’en tenir et peuvent développer leurs algorithmes en conséquence. Dans cette optique, l’éthique n’est pas du sable dans l’engrenage, mais bien de l’huile!

Dénominaliser

Une brève présentation par des juristes a servi à introduire le concept de dénominalisation, une nouvelle pratique qui gagne en popularité. Elle consiste à remplacer les informations sensibles par un code qui ne peut être déchiffré que par l’entreprise qui en a besoin. L’information devient inutilisable par une personne malveillante qui mettrait la main sur les données. Bien entendu, tout comme le chiffrement traditionnel, cela doit être fait dans les règles de l’art. En effet, si un pirate informatique a réussi à percer les défenses informatiques de l’entreprise, il se peut fort bien qu’il ait tout ce qu’il lui faut pour contourner la dénominalisation.

Traiter avec transparence les données sensibles

Parlant de données sensibles, ce concept même va évoluer dans les prochaines années. Le quartier dans lequel vous habitez n’est peut-être pas une information qui semble être un enjeu à première vue. Mais qu’en sera-t-il si un jour cette donnée est utilisée dans un algorithme pour déterminer le montant de votre prime d’assurance? Nous revenons à la nécessité de transparence des calculs utilisés.

La roue vertueuse de l’IA

Plus il y a de clients qui utilisent les services ou achètent les produits, plus l’entreprise aura de données et plus elle sera en mesure d’intégrer l’IA à ses processus (rappelons-le une fois de plus, les données sont le carburant de l’IA!).

Capitaliser sur les échecs

Comme dans bien des domaines liés à l’innovation, il est important que les employés qui travaillent à intégrer l’IA puissent avoir « la liberté d’échouer ». Sans cette confiance que les efforts vont éventuellement rapporter des dividendes malgré quelques apprentissages découlant d’échecs, le potentiel restera largement inexploité.

L’IA transformatrice de modèles d’affaires

Le saviez-vous? Plus du tiers – 35 % – des ventes d’Amazon proviennent d’un algorithme générant des recommandations faites aux utilisateurs suite à leurs achats précédents. Quant à Netflix, la raison pour laquelle elle a lancé un service de diffusion en continu était de connaître les intérêts de ses abonnés. Le service en ligne a fini par devenir un produit à part entière. Et la même information sur les goûts des abonnés sert maintenant à déterminer les contenus que Netflix produit elle-même. Comme quoi l’IA peut aller jusqu’à transformer un modèle d’affaires.

Pas de retour en arrière

Les chiffres démontrent que les entreprises qui ont investi dans l’IA augmentent régulièrement le budget qui y est alloué. Comme quoi l’essayer, c’est l’adopter!

Et les PME?

L’IA a-t-elle sa place dans les PME? Cette question n’est pas sans rappeler l’arrivée des ordinateurs qui semblaient destinés uniquement à l’usage des grandes entreprises. Et pourtant, qui s’en passerait aujourd’hui? Pour accommoder les plus petites entreprises, Ivado Labs les regroupe parfois en cohortes de cinq à dix ayant des besoins similaires. Un autre clin d’œil à la collaboration.

Les cinq percées

Pour conclure ce bloc, mentionnons les cinq percées qui font que l’IA prend son envol :

  • une plus grande puissance de calcul;
  • une plus grande quantité de données;
  • de nouvelles architectures;
  • une plus grande accessibilité à la programmation des algorithmes;
  • de meilleurs simulateurs. Alpha Go, l’algorithme de Google qui a battu le champion du monde du jeu de go, s’était d’abord offert le luxe de jouer 200 millions de parties en très peu de temps pour « apprendre » le jeu. L’humain ne peut tout simplement pas rivaliser avec ça…

Bloc 3 – Accélérer l’adoption de l’IA en entreprise

Concentrer les ressources

Plutôt que d’éparpiller les ressources qui vont travailler sur l’IA dans l’entreprise, il est plutôt recommandé de les rassembler dans un centre de compétences multidisciplinaire. Votre analyste d’affaires qui maîtrise son processus devra parler régulièrement avec le scientifique des données, les architectes des TI, etc.

Une chaîne de valeur

La « vie » des données doit être traitée comme une chaîne de valeur – Il faut comprendre comment elles sont créées, où elles sont hébergées, qui les modifie, etc.

Comme le cerveau humain

Notre cerveau est le meilleur exemple d’IA qui existe! Après tout, la définition même de l’IA n’est-elle pas d’imiter le raisonnement humain? Nous ressentons, nous interprétons, nous agissons et nous apprenons. Les machines doivent maintenant faire la même chose! L’IA applique aussi beaucoup le principe du NBA (Next Best Action) utilisé dans certaines approches de marketing.

Les trois utilisateurs de l’IA

On peut catégoriser les employés qui vont interagir avec l’IA en trois niveaux :

  • les citoyens IA, ceux qui vont utiliser une application bonifiée par l’IA (ils seront nombreux!);
  • les citoyens développeurs, ceux qui vont identifier des scénarios d’utilisation et les ensembles de données qui permettent de les bonifier avec l’IA;
  • les spécialistes IA, qui vont créer et gérer des applications bonifiées par l’IA.

Commencer par les besoins!

Les entreprises doivent d’abord identifier leurs besoins critiques, puis trouver une solution qui peut y répondre (et non l’inverse!) En 2019, il faut aussi se méfier des solutions qui coûtent cher – l’implantation de l’IA devrait être itérative et accessible. Un autre drapeau rouge surgit lorsqu’un fournisseur veut s’approprier vos données, menant à leur perte si vous rompez la relation; ce n’est pas une pratique « propre ».

Bloc 4 – Transformer l’économie de demain

Éliminer des tâches, pas des postes

Une question qui commence par « combien » comme dans « combien de caissiers vais-je pouvoir éliminer? » est généralement une mauvaise question. Il faut comprendre et véhiculer qu’on élimine des tâches, pas des postes. Pour illustrer le point, tout le monde fut invité à réfléchir à un poste clé qui définit son entreprise. Pour ce poste (et n’importe quel autre d’ailleurs), les trois questions ci-après peuvent être posées.

  • Quelles sont les tâches répétitives liées à ce poste vs les tâches variables?
  • Quelles sont les tâches liées à ce poste qui peuvent être réalisées sans aucune interaction vs celles qui vont demander l’aide/l’apport d’autres collègues?
  • Quelles sont les tâches physiques liées à ce poste vs les tâches cognitives?

On voit rapidement où ces questions peuvent mener et quelles seront les tâches à être remplacées en priorité par l’IA.

De la solution à la commercialisation

Un panel à quatre a ensuite démontré de brillante façon le parcours d’une start-up œuvrant dans le domaine de l’IA. Techstars AI forme des cohortes de dix entreprises avec une solution ayant dépassé le stade de l’idée et les accompagne pendant trois mois. Real Ventures peut ensuite prendre le relais du financement, suivi d’Inovia et ensuite, de la Caisse de dépôt et placement du Québec. Bref, si le potentiel de la solution se développe, il y a un partenaire à chaque étape du chemin vers la commercialisation.

Évidemment, à mesure que le montant des investissements requis augmente, les prérequis se font plus exigeants. Mais l’équipe qui croit en son idée et qui tire le maximum de ce soutien pourra aller au bout de son rêve!

Notons qu’en fermeture de rideau et dans la continuité de l’esprit de collaboration, des représentants des trois paliers de gouvernements ont été réunis sur la scène :

  • madame Valérie Plante, mairesse de Montréal;
  • monsieur Pierre Fitzgibbon, ministre provincial de l’Économie et de l’Innovation;
  • L’honorable Marc Garneau, ministre fédéral des Transports.

Une belle façon de conclure un événement à grand déploiement où 850 participants ont pu constater les progrès de l’IA dans la dernière année!

Cette ressource est réservée
aux membres seulement

Pour lire la suite, choisissez l’une des deux options suivantes :

Ressources similaires