Menu :

Les entreprises de l’IA
– Tableau des entreprises
– Graphique par pays
– Graphique par secteur

DreamQuark ou l’intelligence artificielle expliquée aux entreprises

Les courtiers d’assurances explorent (timidement) l’intelligence artificielle

IA, vers une révolution militaire ?

L’IA existera si nous renonçons à utiliser la nôtre

L’intelligence artificielle reproduit les schémas sexistes

IA : les compétences qui s’arrachent en France

Contrat informatique et intelligence artificielle

Les hedge funds misent sur l’IA

Demain, tomberez-vous amoureux d’une Intelligence artificielle ?

Notre industrie doit utiliser massivement l’IA

Sécuriser l’IA aujourd’hui… pour ne pas le regretter demain

Quatre frameworks pour passer au reinforcement learning

L’IA permet désormais d’imiter votre voix

Les entreprises de l’IA

Le (long) tableau ci-dessous liste les principales sociétés du domaine de l’intelligence artificielle.

Tableau des entreprises (fin 2018)

Dans ce tableau vous remarquerez que les 100 startups les plus prometteuses en matière d’intelligence artificielle, 77 sont américaines démontrant la domination des Etats-Unis dans ce domaine. C’est ce que révèle le cabinet CB Insights qui publie son troisième Top100 des startups en Intelligence Artificielle ; une compilation de 100 entreprises parmi les plus prometteuses (sélectionnées à partir d’un panel de 3 000 sociétés).

Aux côtés des startups américaines, la Chine, le Royaume Uni et Israël en ont fait émerger six chacun auxquelles il faut ajouter une allemande, une indienne, une japonaise et une suédoise. Aucune Française.

Graphique par pays

Les États-Unis représente la part ultra-majoritaire mais remarquons que 3 pays « sortes du lot » : la Chine, Israël et le Royaume Uni. Vu les ambitions chinoise dans le domaine de l’IA ; ce palmarès risque d’évoluer rapidement dans les années à venir …

Graphique par secteur

Les entreprises (ou start-up) du monde de la technologie sont les plus représentées mais depuis quelques années les autres secteurs voient leur nombre augmenté. Comme l’IA sort de plus en plus des laboratoires ce phénomène ne peut que se poursuivre.

DreamQuark ou l’intelligence artificielle expliquée aux entreprises

DreamQuark développe une plateforme logicielle d’intelligence artificielle baptisée Brain, pour les secteurs de la banque et de l’assurance. Son argument : rendre intelligibles pour le commun des mortels les décisions prises par les algorithmes via le « deep learning ».

Il ne s’est pas trompé. Lorsque Nicolas Meric a créé son entreprise en 2014, il avait déjà l’intuition que l’on parlerait de plus en plus d’intelligence artificielle.

« Nous nous sommes d’abord lancés dans le secteur de la santé mais le marché était moins mature, explique le trentenaire, auteur d’une thèse en physique des particules à l’université Paris-Diderot. Commercialiser l’intelligence artificielle à destination d’un médecin demandait des investissements de départ trop conséquents. »

Qu’à cela ne tienne, la startup installée à Calais a commencé à s’intéresser au secteur de l’assurance (automobile et habitation), des mutuelles et des banques. C’est le jackpot : la startup décroche plusieurs gros contrats, notamment avec BNP Paribas, AG2R La Mondiale, GAN Prévoyance ou le Groupement des Cartes Bancaires CB.

Le cœur de notre business, c’est d’utiliser les données, avec une technologie auto-apprenante (fondée sur ce qu’on appelle le « machine learning ») pour permettre aux entreprises de prendre la meilleure des décisions possibles. Et ce, dans les domaines aussi bien du marketing, du risque, de la fraude ou de la conformité.

DreamQuark vise l’international

Le petit plus qui fait la différence, c’est que DreamQuark est accessible à tous les novices en data science et que, en outre, elle permet d’expliquer les algorithmes. Par exemple, dans le secteur financier, lorsqu’une banque doit décider d’accorder ou non un crédit, le régulateur va prendre en compte un certain nombre de règles. « Face à la décision, le client a droit à une explication : l’entreprise doit être en mesure de justifier comment elle en est arrivée à adopter telle ou telle position », résume Nicolas Meric.

DreamQuark travaille aujourd’hui à développer sa plateforme en Suisse, en Grande-Bretagne, au Luxembourg et même aux États-Unis. La startup est d’ailleurs entrée dans le programme d’accélération Impact, initié par Business France et Bpifrance, afin de multiplier par huit cette année le chiffre d’affaires de 2018. La startup DreamQuark a négocié plusieurs gros contrats auprès des géants du secteur, tel BNP Paribas, et vise désormais l’international

Article source : DreamQuark ou l’intelligence artificielle expliquée aux entreprises
Publié le 11 avril 2019 sur La Tribune
par Gaëtane Deljurie

Les courtiers d’assurances explorent (timidement) l’intelligence artificielle

Le courtage s’intéresse aux apports de l’intelligence artificielle pour automatiser certaines tâches. Mais son application n’est pas pour tout de suite.

Après les assureurs, les courtiers d’assurance commencent à s’éveiller doucement mais sûrement aux apports de l’intelligence artificielle (IA). C’est ce que révèlent les conclusions d’un livre blanc intitulé « L’intermédiation en assurance, du numérique à l’intelligence artificielle » (PDF), publié à l’initiative de l’Institut Intermedius. Ce dernier a été créé en 2016 par la Chambre syndicale des courtiers d’assurances (CSCA).

Si cette nouvelle technologie intéresse la profession, sa mise en place ne semble pas pour autant réalisable dans l’immédiat… « Les cabinets de courtage commencent à réfléchir au virage de l’intelligence artificielle, mais ne l’ont pas encore pleinement pris », estiment d’ailleurs les auteurs de ce livre blanc. Les chiffres de cette étude le confirment : sur l’ensemble des adhérents de la CSCA, seuls 61 cabinets de courtage ont répondu. Et parmi ces derniers, uniquement trois disent avoir déjà mis en place des outils faisant appel à l’intelligence artificielle. Pire, 34 % des répondants envisagent de développer des programmes d’IA dans les années à venir. Et encore, il s’agit, chaque fois, d’une intelligence artificielle dite « faible ». Contactés par « L’Argus de l’assurance« , plusieurs courtiers de proximité indiquent d’ailleurs ne pas avoir connaissance d’outils faisant appel à l’intelligence artificielle qui seraient utiles pour leur activité.

Néanmoins, ils soulignent utiliser ceux mis en place par certains de leurs partenaires, courtiers grossistes et assureurs. « L’un des courtiers grossistes avec lesquels je travaille a mis en place un chatbot pour répondre aux questions les plus fréquentes de ses courtiers partenaires », illustre par exemple Jean-François Cousin, le dirigeant d’Assurances Cousin.

Justement, d’une manière générale, l’Institut Intermedius souligne que l’intelligence artificielle représente « une opportunité » pour les intermédiaires en assurances. Elle peut leur permettre de se décharger de certaines tâches répétitives, par exemple en automatisant la gestion, et par ailleurs de mieux cibler les habitudes de leurs clients avant de leur proposer une assurance ou de comparer un grand nombre de tarifs.

En attendant la baisse des prix des technologies

Autrement dit, les outils ayant recours à l’intelligence artificielle devraient devenir incontournables pour eux dans le futur. Et ce, d’autant plus que, selon le livre blanc, le secteur de l’assurance est « particulièrement propice » à cette mutation technologique. « Le secteur se caractérise par un grand nombre de processus répétitifs, d’une part, et par une grande quantité de données disponibles, d’autre part », note cette étude. Ainsi, l’enjeu ne serait pas de savoir si des techniques d’intelligence artificielle seront déployées dans le secteur, mais plutôt par qui, dans quel but et à quelle échéance.

Pour l’instant, les freins qui empêchent les intermédiaires d’assurances français de prendre ce virage restent très importants. Tout d’abord, l’obstacle de l’investissement nécessaire subsiste. L’Institut Intermedius indique que, parmi les 34 % de cabinets qui envisagent de développer l’intelligence artificielle, « certains attendent que les prix des technologies baissent. » Et si les 66 % restants ne sont pas intéressés, l’institut précise que cela s’explique par « leur volonté de se concentrer sur la dimension humaine de leur métier », mais aussi par « la petite taille de leur cabinet » ou bien encore par « leur besoin prioritaire de moderniser les systèmes informatiques… » Autrement dit, avant de relever le chantier de l’intelligence artificielle, la profession doit au préalable régler celui du numérique

Extrait de l’article : Les courtiers d »assurances explorent timidement L’IA
Publié le 11 avril 2019 par Rémi Boulle
Sur L’Usine Nouvelle

IA, vers une révolution militaire ?

L’IA est aussi et sans aucun doute possible, une innovation de rupture pour les militaires. Avec la numérisation en cours du champ de bataille, l’interconnexion des systèmes ; l’emploi de l’IA (même faible) apparait comme une nouvelle opportunité technologique à intégrer.

Sur ce sujet, Défense et Sécurité Internationale publie un numéro hors série complet.

Les principaux points abordés sont :

• IA et robots militairesIA : le champ des possibles
• Vers la prolifération des IA militaires ?
• Forces et faiblesse de l’IA dans un affrontement militaire fututr
• L’IA comme catalyseur du cycle de la décision en opération
• Lorsque l’IA élargit le spectre des menaces cyber
• L’IA au service du combat aéroterrestre
• L’IA : Embarquement à bord de la frégate L’Alsace
• L’IA dans l’armée de l’air
• L’IA au service des stratégies d’influence militaires
• Les biais cognitifs de l’IA
• La responsabilité juridique du militaire face aux enjeux de l’IA

De la même manières consultez l’étude de l’IFRI :
IA : vers une nouvelle révolution militaire ? (PDF)

D&SI ne dispose pas de site web propre ; les publications ordinaires passent par :

Défense 24 News

Aérion 24 News

L’intelligence artificielle existera si nous renonçons à utiliser la nôtre

Comment réfléchir, innover, à l’ère du numérique ? Le vade-mecum du philosophe d’entreprise, Luc de Brabandère.

Luc de Brabandère, expert émérite auprès du Boston consulting Group, est philosophe d’entreprise. Un titre original, comme l’est sa réflexion sur la pensée créative, dont il a fait sa spécialité. Dans son dernier ouvrage, Petite philosophie de la transformation digitale (Manitoba), il explique pourquoi l’intelligence humaine ne doit pas craindre son ersatz numérique

Entretien avec Claire Chartier et Matthieu Scherrer publié sur L’EXPRESS le 11 avril 2019 :
L’IA existera si nous renonçons a utiliser la notre

L’intelligence artificielle reproduit les schémas sexistes (mais ça peut s’arranger)

Isabelle Collet, sociologue de l’éducation et enseignante à l’université de Genève, alerte sur un univers conçu par des « hommes blancs issus de milieux favorisés » qui intègre et répète les inégalités de genre.

Google, Siri, les assistants virtuels ou encore les GPS : ces moteurs ont les mêmes tares que le monde qui les nourrit. L’une d’elles est le sexisme.

Et si ces moteurs d’intelligence artificielle (IA) reproduisent les biais sexistes de la société, c’est tout simplement parce qu’ils ne font pas mieux que les humains qui les ont programmés. Désolé. Et si cette explication ne vous convient pas, en voici une deuxième : les humains qui les ont programmés n’ont pas conscience qu’autant de biais sexistes perdurent dans la société. Et donc les reproduisent inconsciemment. Pas mieux.

Entretient publié sur L’OBS le 12 avril 2019
Par Louis Morice
Article complet :
L’IA reproduit les schémas sexistes

IA : les compétences qui s’arrachent en France

Courtisés de tous côtés, data scientist, data engineer et data architect dictent leur loi sur le marché du travail. Une spécialité dans la reconnaissance d’images ou le traitement du langage naturel les rend incontournables.

A moins d’avoir bouclé quatre fois le tour du monde en solitaire, impossible d’être passé à côté de l’engouement actuel autour de l’intelligence artificielle. Pas un seul jour ne passe sans qu’un media grand public ne fasse sa « Une » sur ce thème vendeur. Les entreprises se sont aussi emparées du sujet, faisant de l’IA un atout hautement concurrentiel. Fini la phase d’évangélisation et des POC (proof of concept), elles multiplient aujourd’hui les applications industrielles en production.

Autant dire que la bataille autour des spécialistes de la data fait rage sur le marché de l’emploi, sur fond de surenchère salariale. Selon une étude 2019 de data recrutement, un data scientist démarre à 40/44 K€ brut pour atteindre 80/100 K€ et plus après dix ans d’expérience. Afin de pallier le manque de compétences, HEC, l’Essec, Polytechnique ou Telecom ParisTech ont adapté leurs cursus ou créé des masters spécialisés en IA.

« Après la banque et l’assurance, l’industrie, les télécoms ou le secteur de la santé ont investi le terrain de la data science »

Pour autant, la tension reste forte, selon Karl Neuberger, associé chez Quantmetry, cabinet de conseil en data science. « Les premières promotions des grandes écoles sont sorties mais dans le même temps, l’IA s’est généralisée. Après la banque et l’assurance, l’industrie, les télécoms ou le secteur de la santé ont investi le terrain de la data science. »

Au niveau mondial, il n’y aurait que 300 000 chercheurs et praticiens de l’IA, alors que la demande se chiffre en millions selon une enquête de Tencent Research Institute datant de décembre 2017. Pour desserrer l’étau, le député Cédric Villani propose dans son rapport, publié en mars 2018, de tripler le nombre de personnes formées à l’IA en trois ans, en étendant notamment le champ des talents aux bac +2 et +3. Avec son Ecole IA, développée en France en partenariat avec Simplon, Microsoft cible, lui, les publics éloignés de l’emploi (personnes en reconversion professionnelle, décrocheurs scolaires…).

La féminisation pourrait être une autre planche de salut. Alors que la proportion des femmes dans le numérique stagne autour de 20%, « l’IA pourrait susciter davantage de vocation chez les jeunes diplômées notamment sur les thèmes de la santé et l’environnement », estime Sophie Monnier, data scientist senior chez Quantmetry. Le cabinet qui l’emploie compte un tiers de femmes dans ses rangs et participe aux meetups Paris Data Ladies. Autre piste : la reconversion des professionnels du chiffre, comme les actuaires en assurance ou les statisticiens, en experts de la data science.

L’excellence française

En attendant cette démocratisation des métiers de l’IA, l’état pénurique fait le bonheur des spécialistes de la donnée, à commencer par le plus connu d’entre eux, le data scientist. Combinant des compétences en mathématiques, en statistiques et en informatique, il conçoit des modèles algorithmiques afin de créer de nouveaux business models ou optimiser des processus existants.

« Le data scientist qui sort d’une grande école a le choix de sa trajectoire, observe Karl Neuberger. Il peut se voir proposer de très belles missions par un grand groupe, ou faire le choix d’une start-up ou d’un cabinet de conseil. Face à la demande, de plus en plus de profils s’orientent vers le freelancing. » « Le recrutement des spécialistes de la data se fait essentiellement par réseau et cooptation, complète Sandrine Delsol, consultante senior à la division IT digital de Robert Half. Et quand des profils apparaissent sur le marché, ils sont captés par les acteurs de la bancassurance et les start-up sexys. Il ne reste plus grand monde pour les autres recruteurs. »

Du coup, explique-t-elle, des recruteurs font du sourcing à l’étranger. « Les pays du Maghreb et de l’Europe de l’Est ont davantage valorisé les filières de l’IA que la France. On y trouve des ingénieurs en grand nombre et notamment des femmes ». A l’inverse, les ingénieurs français peuvent faire le choix de l’étranger où l’excellence française est reconnue, asséchant encore plus le vivier hexagonal. Nos mathématiciens et chercheurs en sciences cognitives s’exportent, en effet, très bien. Des français occupent même des postes clés chez les GAFAM, à commencer par Yann LeCun, directeur du laboratoire de recherche en IA de Facebook ou Emmanuel Mogenet, à la tête de Google Research Europe.

Des hard skills mais aussi des soft skills

En dépit de l’hyper-sollicitation dont ils font l’objet, les data scientists ont su, au fil du temps, ajouter d’autres flèches à leur arc. Certains se sont spécialisés dans une discipline cognitive, comme la reconnaissance d’images, le traitement du langage naturel, l’analyse des données textuelles ou les séries temporelles. D’autres font le choix d’une expertise métier en développant, par exemple, des compétences liées aux données de la santé.

Avec le temps du temps, le degré d’exigence a aussi augmenté côté employeur. « Un data scientist doit non seulement développer un modèle mais être capable d’expliquer en des termes accessibles la manière dont l’IA émet des recommandations ou prend des décisions, poursuit Karl Neuberger. Pourquoi cet outil n’a pas accordé de prêt à Mme Martin ? »

« Un data scientist qui se ferait plaisir techniquement dans son coin ne présenterait pas d’intérêt, complète Marlène Ribeiro, directrice exécutive chez Michael Page. La question « Pourquoi l’IA et à quelles fins ? » doit toujours être constamment présente à son esprit. Le modèle doit servir un usage précis comme la vision par ordinateur dans le domaine de la logistique. »

Cette adaptabilité demandée au data scientist suppose qu’il développe un certain nombre de compétences comportementales comme l’aisance relationnelle ou l’aptitude à travailler en mode collaboratif. « Pas question de travailler en silo dans son coin, le data scientist évolue au sein d’une équipe pluridisciplinaire, constate Marlène Ribeiro. Il collabore avec des développeurs, des experts DevOps, des « créas », des spécialistes de l’expérience utilisateur, des gens du business. Travailler ainsi en mode projet avec des personnes qui ne sont pas de votre monde suppose de faire preuve d’empathie.

Data scientist + data engineer = machine learning engineer

Le data scientist ne doit pas être l’arbre qui cache la forêt des experts en data science. A ses côtés, le data engineer va créer tout l’environnement autour du modèle de machine learning ou de deep learning. Il met en place l’infrastructure, les flux de données, règle les problèmes de sécurité et de conformité.

Le Le RGPD introduit notamment le principe du « privacy by design » pour assurer la protection des données personnelles dès la conception d’un nouveau service. Enfin, le data engineer s’assure de la qualité de code et procède aux tests. Enfin, le data engineer s’assure de la qualité de code et procède aux tests.

« Dans les prochaines années, il y aura convergence entre le data scientist et le data engineer, entre l’algorithmie et la mise en production, prévoit Karl Neuberger. Le premier voulant aller vers l’IT, le second vers la data science. » Le terme de machine learning engineer commence d’ailleurs à émerger. Un article d’O’Reilly, société spécialisée dans la formation professionnelle, évoque ce métier à mi-chemin entre les deux mondes.

Autre profil, le data architect conçoit l’architecture logicielle. Quelles briques assembler pour rendre l’ensemble cohérent et performant ? Ce poste peut être occupé par un data scientist senior ou un expert venu de l’IT. Enfin, le data consultant fait le lien entre le métier et les experts de la donnée pour rendre techniquement possible le cas d’usage retenu. Il doit comprendre les enjeux business pour aider l’équipe à construire le modèle le plus pertinent.

A côté de ces métiers de l’IA, on trouve des gens des métiers qui, ponctuellement ou à temps complet, vont formaliser le besoin puis entraîner le modèle et le tester. Une fois en production, ils participeront au monitoring du modèle afin de corriger les éventuelles dérives. Faute de terminologie arrêtée, ces experts fonctionnels sont appelés par certains « éleveurs de robot » ou « coachs de chatbot »

Compétences rares sur les frameworks de machine learning

Au niveau des langages, les deux les plus recherchés sont, de l’avis de tous les experts interrogés, R et Python. « Ils étaient à égalité il y a quelques années sur les algorithmes de machine learning, se souvient Sophie Monnier. Aujourd’hui, la préférence est donnée à Python qui offre plus de libraires et de packages open source. » Le langage est notamment utilisé en vision par ordinateur (computer vision), en reconnaissance d’images ou en analyse de texte (OCR). Quand on passe à une phase d’industrialisation, Python est généralement associé à Spark, le framework d’analyse de données possédant une API dédiée.

Au niveau des langages, les deux les plus recherchés sont, de l’avis de tous les experts interrogés, R et Python. « Ils étaient à égalité il y a quelques années sur les algorithmes de machine learning, se souvient Sophie Monnier.

Aujourd’hui, la préférence est donnée à Python qui offre plus de libraires et de packages open source. » Le langage est notamment utilisé en vision par ordinateur (computer vision), en reconnaissance d’images ou en analyse de texte (OCR). Quand on passe à une phase d’industrialisation, Python est généralement associé à Spark, le framework d’analyse de données possédant une API dédiée.

Si des demandes de candidats maîtrisant ces langages R et Python sont courantes, celles portant sur des frameworks propres au machine learning de type Tensorflow, Scikit-Learn ou PyTorch sont plus rares. « S’agissant de technologies récentes, les entreprises sont conscientes qu’elles ne trouveront pas ces profils sur le marché, analyse Marlène Ribeiro. Elles font donc le choix de faire monter en compétences des gens en interne. C’est seulement quand les technologies sont arrivées à maturité que les entreprises font appel à des cabinets de recrutement pour trouver des cadres confirmés.

Avec l’émergence des solutions cloud dites d’automatisation du machine learning telles que Google Cloud AutoML, Azure Automated ML et IBM Watson OpenScale, la maîtrise de ces technologies pourrait devenir moins incontournables. « Ces solutions facilitent leur travail quotidien en éliminant les tâches répétitives, tempère Sophie Monnier.

Un data engineer va se concentrer sur la partie analytics et moins sur la configuration et le code. »

En attendant que ces plateformes se généralisent et pour rester toujours à la page dans un domaine où les technologies et les concepts évoluent en permanence, les data scientists et autre data engineers doivent se remettre perpétuellement en question, faire de la veille technologique et s’autoformer en continu. « Dans les métiers de l’IA, si vous vous reposez sur vos acquis, vous êtes rapidement has been, tranche Marlène Ribeiro. C’est dur à accepter quand on a fait des études brillantes. »

Cette obligation de maintenir son employabilité conduit le candidat à sélectionner son employeur (puisque le rapport de force est inversé) sur d’autres critères que le seul salaire. « Il regarde les possibilités d’évolution, le niveau de l’équipe qu’il va intégrer, les technologies utilisées, les sujets traités », poursuit Marlène Ribeiro. En revanche, revers de la médaille, un expert en IA n’hésitera pas à changer d’employeur dès que l’intérêt des missions ou le niveau technique baisse.

Article publié sur Le Journal de Net
Le 15 avril 2019 par Xavier Biseul

Contrat informatique et intelligence artificielle

L’intelligence artificielle est en passe de détrôner la blockchain dans la courbe du hype. L’intelligence artificielle devient le nouvel El Dorado mais tout comme la blockchain, le juriste se doit d’aller au-delà des modes pour saisir la quintessence de ces nouveaux objets juridiques.

Appréhender l’intelligence artificielle dans tous ses aspects relève de la gageure tant son périmètre peut sembler protéiforme ; c’est pourquoi l’objet de cet article a trait à un aspect a priori méconnu : la formalisation des contrats d’utilisation des « modules » d’intelligence artificielle pour lesquels ce sont souvent les prestataires américains qui sont à la pointe (encore !).

Un écosystème friand d’intelligence artificielle

L’Union Européenne, et la France en particulier, possède un écosystème de PME innovantes dans le domaine de l’intelligence artificielle des plus foisonnants : leur représentation au sein du dernier CES en est un exemple. Chacune a développé des applications recourant à différentes manifestations d’intelligence artificielle :

• Le machine learning, entendu comme l’ensemble des algorithmes qui permettent d’apprendre en identifiant des relations entre des données et de produire des modèles prédictifs de manière autonome, avec des Start up comme I’m OK et la gestion des pics d’activité dans la restauration ;
• Le deep learning, domaine particulier du machine learning dont les algorithmes sont particulièrement efficaces dans le traitement des données complexes et non structurées comme les images ou la voix, avec des Start up comme Matterport pour la capture d’images 3D dans le domaine immobilier mais de nombreuses entreprises utilisent des chatbots.

Mais on pourrait aussi parler de traitement automatique du langage naturel (NLP). Le point commun à toutes ces définitions reste l’usage d’algorithmes plus ou moins complexes, des algorithmes qu’il faut bien nourrir de données et qu’il faut bien faire « tourner » de manière efficace.

La puissance de calcul, Graal des algorithme

On le comprend, pour être reconnues comme pertinentes et efficaces, de telles applications nécessitent que les résultats soient rapidement exploitables. La célérité constitue sans nul doute le secret d’un succès à l’heure d’une économie digitale mondialisée. Souvent, les entreprises innovantes françaises sont limitées par les capacités (en termes de puissance de calcul) des Datacenters nationaux pour leurs applications d’Intelligence artificielle et recourent fréquemment à des Datacenters américains à l’offre plus fournie.

Amazon Web Services est leader du marché avec 40% des parts de marché dans le monde. Microsoft (avec Microsoft Azure), IBM (avec Blue Cloud ou Bluemix) ou encore Google (Google Cloud Platform) sont les principaux challengers et détiennent 23% du marché. La gamme de leurs services à valeur ajoutée est très impressionnante : services de surveillance des opérations, d’analyses des données, de gestion de domaine voire des applications/médias services… Autant de services susceptibles d’intégrer de l’intelligence artificielle et d’accentuer de ce fait la dépendance stratégique et technologique des entreprises européennes vis-à-vis des prestataires américains.

Des conditions d’utilisation complexes pour utiliser ces modules d’intelligence artificielle

Or, les différents prestataires précités prévoient des Conditions générales d’utilisation pour pouvoir disposer des différents services à valeur ajoutée dans le domaine de l’Intelligence Artificielle comme pour Google Cloud Platform ou AWS (Amazon Web Services).

Outre le caractère long, complexe façon « poupées russes » de ces contrats d’adhésion et pour lesquels le plus fréquemment des logiciels tiers (et donc encore de nouveaux contrats) doivent être souscrits, les risques de contracter avec des prestataires extra-européens n’apparaissent pas de prime abord aux entreprises désireuses d’utiliser ces outils souvent très performants. Les entreprises qui développent des applications recourant à ces modules doivent avoir à l’esprit que leurs clients sont majoritairement des entreprises européennes, soucieuses du respect des exigences légales locales.

Cloud Act, Règlement Général de Protection des Données et propriété intellectuelle

Les PME innovantes recourant aux modules d’intelligence artificielle d’un Google ou Amazon doivent être vigilantes à l’applicabilité des dispositions contraignantes du CLOUD Act (« Clarifying Overseas Use of Data Act ») adopté par le Congrès des Etats-Unis le 23 mars 2018. Loin des controverses autour de ce texte, le Juriste doit déterminer ses effets juridiques sur son modèle commercial et notamment les risques liés aux données qui sont confiées à ces prestataires. Rappelons que le Cloud Act n’ouvre de voies de recours qu’au prestataire, c’est-à-dire au prestataire de Cloud. Le plus souvent, le client (c’est-à-dire la PME innovante) pourrait ne pas être au courant que ses données sont auscultées par l’Administration américaine.

Or, les PME innovantes doivent également respecter les exigences du RGPD. A ce titre, la maîtrise des données à caractère personnel est essentielle et les conditions contractuelles doivent pouvoir répercuter la responsabilité des prestataires américains en la matière (sous traitant, coresponsable, responsable de traitement).

De plus, il convient de déterminer de manière générale l’étendue de la responsabilité du prestataire dans les autres domaines. Souvent, ces documents contractuels sont assortis d’une clause de non responsabilité à leur profit qui laisse la PME innovante sans recours immédiat en cas de défaillance du prestataire.

Enfin, régulièrement, ces documents donnent compétence aux lois américaines : quoi de plus normal pour un prestataire américain (pour les maisons mères le plus souvent). Mais il est difficile pour une PME de se défendre convenablement aux Etats-Unis. Le droit européen commence toutefois à être pris en compte par les filiales américaines agissant sur le sol européen.

Alors que faire ?

Mais, l’offre européenne en matière de prestataire Cloud est de moins en moins embryonnaire mais encore insuffisante pour répondre aux besoins des PME. Ne sont-elles pas contraintes d’accepter ces conditions contractuelles ? La réponse du Juriste doit être nuancée. Il est toujours possible de négocier avec un prestataire, y compris pour un document aussi standardisé que les CGU si le prestataire US considère que la PME est intéressante. Dès lors, il proposera un Addendum. De plus, selon les circonstances et le modèle commercial, tel prestataire américain sera plus respectueux des intérêts de la PME. Ainsi, un audit préalable des offres contractuelles des prestataires US pourrait permettre de choisir le meilleur candidat et même de prévoir une négociation de ses conditions.

Publié le 04 février 2019 sur L’Usine Digitale

Les hedge funds misent sur l’IA et l’ISR pour se réinventer

L’intelligence artificielle et l’investissement responsable sont au cœur des préoccupations des fonds alternatifs, selon un rapport de l’AIMA et d’Aberdeen Standard Investment.

L’industrie des fonds alternatifs se trouve aujourd’hui à un point d’inflexion, poussant les acteurs à se réinventer. Tel est le constat d’un récent rapport publié par l’AIMA (Alternative Investment Management Association), et réalisé en partenariat avec Aberdeen Standard Investment. «L’évolution des attentes des investisseurs oblige les sociétés de hedge funds à repenser les solutions d’investissement qu’elles proposent. Le rythme des changements technologiques et la montée de l’intelligence artificielle amènent même certains acteurs à se demander si les propositions des hedge funds existeront encore dans quelques années», avance Tom Kehoe, responsable mondial de la recherche de l’AIMA et auteur du rapport qui s’appuie sur des conversations directes avec les 25 plus grands acteurs de l’industrie, représentant collectivement plus de 500 milliards de dollars d’encours

Les nouvelles technologies, dont l’intelligence artificielle (IA) ou le «machine learning», sont aujourd’hui au cœur des préoccupations des fonds spéculatifs du monde entier. «L’intelligence artificielle et autres techniques quantitatives de pointe deviendront très bientôt cruciales pour l’industrie des hedge funds», note le rapport. Les acteurs «ont toujours été proactifs à l’égard du changement», note Jack Inglis, président de l’AIMA.

Reste à savoir si tous auront la capacité de bien appréhender les mégatendances économiques et sociales qui remodèlent actuellement les sociétés et les marchés à travers le monde. «Ces changements sont si importants que certains doutent de la capacité des sociétés de hedge funds à s’adapter assez rapidement», évoque ce rapport.

Publié sur l’AGEFI le 16 avril 2019.

Demain, tomberez-vous amoureux d’une Intelligence artificielle?

Les intelligences artificielles risquent de devenir de plus en plus… attachantes. À un point tel qu’il sera peut-être même possible d’en devenir amoureux. Cependant, la combinaison de la technologie et des émotions pourraient ouvrir la porte à des abus importants.

Les relations humains-robots sont souvent examinées sous l’angle de l’utilité des robots, de la menace potentielle pour notre sécurité ou nos emplois, ou ses répercussions éthiques et juridiques. Même sur le plan psychologique, les liens les plus discutés sont les fonctions d’assistance, le divertissement ou les relations sexuelles.

De ce point de vue, la science-fiction a évidemment une longueur d’avance sur la technologie et plusieurs films ont déjà exploré la question de l’attachement amoureux entre les humains et les robots (Casanova, Blade Runner, AI, Ex Machina, Alita: Battle Angel)

Demain, tomberez vous amoureux d’une IA ?
Publié sur The Conversation

Notre industrie doit utiliser massivement l’IA sous peine de se voir effacée de la carte (Opinion)

Après avoir raté dans les grandes largeurs le rendez-vous de la révolution digitale, le marché du B2C, la robotisation de notre industrie, les entreprises françaises doivent se structurer au plus vite pour ne pas regarder passer le train de la transformation digitale liée à l’IA et perdre en compétitivité.

L’IA est la suite logique de la transformation digitale dédiée à la performance.

La transformation digitale a consisté depuis quelques années à transformer l’expérience client, en s’assurant au moins de la rendre digitale, et à transformer les process internes grâce à des suites logicielles orientées métiers pour s’assurer de l’uniformisation des process plus que de leurs performances. Cette première étape a transformé en profondeur l’entreprise, la faisant entrer de plain-pied dans l’ère numérique à peine abordée à travers la mise en place de son système d’information.

L’arrivée de l’IA vient modifier cette vision « utilitariste » du digital pour laisser véritablement place à la performance. L’humain va bénéficier d’une nouvelle aide dans son travail à travers ces nouveaux systèmes embarquant une forme très primitive d’intelligence, mais avec de beaucoup plus grandes capacités de calcul, de recherche et de stockage.

Notre industrie doit utiliser massivement l’IA sous peine de se voir effacee de la carte
(Article complet réservé aux abonnés)

Publié sur Les Echos (Opinion) le 17 avril 2019

Par Stéphane Roder (CEO AI Builders, The AI consulting company)

Sécuriser l’IA aujourd’hui… pour ne pas le regretter demain

Chronique :Il est essentiel d’avoir conscience que les systèmes d’intelligence seront attaqués, dans un avenir proche, par des cybercriminels. Si leurs premières actions sont déjà visibles, quelques solutions concrètes et utilisables sur le terrain existent.

L’intelligence artificielle (IA) se déploie à grande vitesse dans les entreprises et les administrations. Les initiatives se multiplient, et même les résultats du grand débat sont analysés par ces systèmes. Comme le montre clairement le rapport Villani, les pouvoirs publics ont identifié l’IA comme un relais de croissance potentiel pour notre économie . Mais derrière cette frénésie, il ne faut pas oublier une chose : sécuriser l’IA sera crucial pour notre futur.

Ces systèmes sont, en effet, amenés à prendre des décisions automatiques qui nous concerneront, directement ou indirectement. Et le débat qui fait rage sur la transparence des algorithmes masque le fait que les systèmes d’intelligence artificielle évoluent en continu et peuvent changer leur comportement en fonction des données qu’ils manipulent. Une validation à un instant « t » d’un fonctionnement pourra ne plus être valide quelques jours ou mois après.

Il est essentiel d’avoir conscience que ces systèmes seront attaqués par des cybercriminels . Leurs premières actions sont déjà visibles. Un groupe de pirates a récemment publié des outils dédiés à la fraude au vol d’identité, indiquant qu’ils avaient testé leur solution sur plus d’une quarantaine de systèmes anti-fraude, dont certains reposent sur de l’apprentissage automatique, et que leur protection avait pu être contournée.

Comprendre pour anticiper

Pour évaluer la solidité de ces systèmes face aux nouvelles attaques, il est nécessaire de comprendre leur fonctionnement. On peut alors distinguer trois grandes familles d’attaques visant les systèmes d’intelligence artificielle.

La première, la plus classique, est l’empoisonnement. Elle consiste à « nourrir » l’IA avec de fausses données pour faire changer son comportement. Cela peut être réalisé durant la phase d’apprentissage initial ou lors du fonctionnement normal.

La deuxième, l’inférence, consiste à « jouer » avec un système autonome pour en comprendre le fonctionnement et en détecter les règles internes. Il s’agit, par exemple, de poser de nombreuses questions à un système d’intelligence artificielle –  comme un chatbot  – jusqu’à ce qu’il révèle des données sensibles, ou encore de multiplier les opérations bénignes pour détecter les seuils de réaction des systèmes anti-fraude.

La troisième, « l’illusion d’optique », consiste à tromper un système de reconnaissance automatique en lui faisant voir quelque chose différent de la réalité. L’exemple le plus criant est celui d’un panneau stop qui, après l’ajout de quelques morceaux de Scotch bien placés, se transforme, pour l’intelligence artificielle d’un véhicule en un panneau « route prioritaire ». Loin d’être de la science-fiction, ce scénario a été démontré en conditions réelles par des chercheurs

Penser sécurité

Loin du fatalisme face à ces attaques, il existe déjà des solutions concrètes et utilisables sur le terrain pour anticiper et bloquer ces menaces. Elles vont du plus simple – mise en place de listes blanches ou noires – jusqu’au plus complet – installation de deux moteurs d’intelligence artificielle au fonctionnement différent qui vont comparer leurs résultats pour détecter des tentatives d’attaques.

Malheureusement, ces solutions sont encore peu connues et très rarement prises en compte dans les projets autour de l’intelligence artificielle. Comme cela a été vécu il y a quelques années sur l’IoT, les équipes innovation veulent aller vite et mettent en place des expérimentations censées être temporaires. Mais, bien souvent, ces projets servent de base pour la création de services à plus grande échelle, et si la sécurisation est oubliée au début, elle le sera très probablement par la suite. Il est donc grand temps d’agir et d’intégrer dès la conception de ces systèmes la cybersécurité.

Gérôme Billois est associé en cybersécurité au sein du cabinet Wavestone.

Publié sur Business les Echos

Le 17 avril 2019

Lire également : Les enjeux éthiques des algorithmes.
Il est de l’intérêt de l’entreprise de veiller au développement de solutions éthiques. Face à des systèmes d’intelligence artificielle qui engendrent ou confortent des préjugés racistes ou sexistes, il est essentiel de prendre du recul et d’accentuer la vigilance.
Par Antoine Favier le 17 avril 2019

Quatre frameworks pour passer au reinforcement learning

Afin de démocratiser l’apprentissage par renforcement, Facebook, Google, OpenAI et Keras proposent des boîtes à outils pour créer et former des modèles. Tour d’horizon de leurs avantages respectifs.

Après le deep learning, le reinforcement learning est la branche de l’intelligence artificielle la plus tendance du moment. Elle a été popularisée par les géants du numérique et notamment Amazon, Facebook et Microsoft qui concentrent leurs travaux de R&D sur cet apprentissage par renforcement. AlphaGo de DeepMind, la filiale de Google, s’est également appuyée sur cette méthode pour battre le champion du monde de go.

L’article complet : Quatre frameworks pour passer au reinforcement learning

Pulblié sur Le journal du Net le 12 avril 2019 par Xavier Biseul

L’IA permet désormais d’imiter votre voix

Il faut aujourd’hui seulement 3,7 secondes d’audio afin de cloner votre voix. Cette annonce impressionnante mais aussi quelque peu inquiétante a été émise par le géant chinois de la tech Baidu. Il y a un an, l’outil de cette entreprise appelé Deep Voice nécessitait 30 minutes d’audio afin de pouvoir cloner une voix humaine. Les prouesses de l’intelligence artificielle permettent désormais une évolution technologique de plus en plus réaliste.

Les capacités de l’intelligence artificielle en matière de clonage de voix.

Comme tous les algorithmes de l’intelligence artificielle, plus les outils de clonage comme Deep Voice reçoivent de donnés plus le résultat devient réaliste. Lorsque l’on écoute plusieurs exemples de voix artificielles, on remarque tout ce que la technologie peut mettre à l’œuvre, comme par exemple changer le sexe de la voix, les types d’accents et même les types de langages.

Google a dévoilé Tacotron 2, un système de voix artificielle exploitant deux réseaux de neurones artificiels et la technologie vocale WaveNet. WaveNet divise le texte audio en séquences et transforme chaque séquence en spectrogramme afin de générer une voix. Il est notamment utilisé pour générer la voix de l’Assistant Google. L’itération technologique est tellement performante qu’il devient presque impossible de distinguer une voix artificielle d’une voix humaine. Un algorithme peut désormais assimiler la prononciation de mots et de noms complexes, une avancée qui entraîne une non-différenciation entre un humain et une machine.

Mais quel Impact Pour L’Être Humain ?

Article : L’IA permet désormais d’imiter votre voix
Publié sur Forbes le 15 mai 2019.

Cette Partie est maintenant terminée …

Passer à la dernière partie.

Retour