État des lieux et perspectives de l’intelligence artificielle en France

L’intelligence artificielle trouve son point de départ dans les années 50, notamment grâce aux recherches d’Alan Turing, et se définit comme « une discipline mathématique et technique destinée à reproduire l’intelligence humaine »[[« Intelligence artificielle : État de l’art et perspectives pour la France », DGE, Études économiques, Prospective, synthése, février 2019, p.10]]. Deux cycles successifs ont marqué son émergence : dans les années 80, le concept d’apprentissage automatique se développe et permet à une machine de déduire une règle à suivre à partir de l’analyse de données, c’est le véritable lancement des algorithmes apprenants qui ont permis, par exemple, à l’ordinateur deep blue de battre Gary Kasparov aux échecs. A partir des années 2000, l’avènement d’Internet et des grandes infrastructures de calcul permet d’avoir accès à un volume de données croissant et de créer des techniques d’apprentissage profond où les machines commencent à surpasser les meilleurs experts humains dans des domaines variés, tel que la reconnaissance visuelle, l’analyse documentaire ou la traduction.

État d’avancement de l’intelligence artificielle

En 2017, 5 Mds€ ont été investis au niveau mondial dans l’IA, dont les performances reposent sur la disponibilité des données décrivant un grand nombre d’évènements (plusieurs milliers) et la puissance de calcul capable de générer un apprentissage. De son côté, le cerveau humain est bien plus performant et n’a besoin que d’une dizaine d’exemples pour généraliser l’apprentissage de quelque chose à d’autres situations.

L’innovation cherche désormais à reproduire trois grandes tâches cognitives : la perception de l’environnement, la compréhension d’une situation et la prise de décision, selon une graduation illustrée par le tableau suivant[[Ibid, p.13]] :

L’immense majorité des opérations de compréhension et de décision réalisées par les humains restent hors de portée des machines. Même si l’IA demeure associée à une discipline mathématique, elle se déploie au fil de la vie de la donnée : sa génération, son traitement, sa restitution et son utilisation. Si les infrastructures de calcul, et notamment les performances de stockage, progressent peu depuis l’invention des disques à état solide, les infrastructures de diffusion de la donnée, 4G, Fibre, 5G, sont en pleine expansion.
Les principales composantes de l’IA sont illustrées par le tableau suivant[[Ibid, p.14.]] :

Les usages finaux de l’IA sont liés aux tâches statistiques confiées aux algorithmes, telles que trouver un objet sur une image, reconnaître un spam ou un virus dans un flux de données, recommander un achat en fonction de ses goûts, traduire un texte, analyser un sentiment.

Enjeux et positionnement de la France

L’enjeu économique pour les entreprises porte aujourd’hui sur le développement de solutions transverses, comme l’amélioration de la précision d’analyse des images et de solutions sectorielles, comme la détection de la fraude dans les transactions financières par exemple.
3 641 start-ups travaillent dans l’IA au niveau mondial, dont 40 % aux Etats-Unis, 11 % en Chine, 10 % en Israël, 7 % au Royaume-Uni et seulement 3,1 % en France, au même niveau que le Canada, le Japon et l’Allemagne.
Cette suprématie américaine voit San-Francisco (17%) et New-York (5%) occuper la première et la quatrième place des villes concentrant le plus de start-ups, tirées notamment par la croissance exponentielle des GAFA et par les programmes fédéraux de recherche sur l’énergie, la défense (2 Mds $) ou encore par la NASA.
La Chine, grâce à son immense marché intérieur et aux protections qu’elle a mise en œuvre face aux GAFA, a vu éclore 383 start-ups spécialisées dans l’IA, notamment dans le domaine de la reconnaissance faciale. Celles-ci sont majoritairement localisées à Pékin (43 %) et Shenzen (20%).
Talonnant la Chine, Israël bénéficie d’un écosystème de 362 start-ups, dynamisé par la présence de plus de 300 centres de R&D, une forte culture entrepreneuriale et des liens étroits avec l’armée.
La France ne récolte qu’un lot de consolation en devançant l’Allemagne (huitième) avec 109 start-ups, dont 73 à Paris, qui concentre également les centres de R&D en IA de Facebook et Google, ainsi que 45% des laboratoires publics et privés possédant des compétences en IA. Les secteurs impactés par l’IA sont assez disparates en fonction de leur digitalisation. La santé, l’industrie et les transports arrivent en tête du classement quand l’éducation, les télécommunications et les médias sont en bas de tableau.
Le secteur de la santé, par exemple, est le plus dynamique en la matière, en ce qui concerne notamment la médecine préventive, qui bénéficie des données transmises par un nombre croissant d’objets connectés, et l’aide au diagnostic où les données d’imagerie, d’électrocardiogramme ou de publications médicales sont déjà très digitalisées.

La position décevante de la France en terme d’intelligence artificielle, surtout comparée à celle du Royaume-Uni, est essentiellement due à un régime réglementaire et fiscal encore trop contraignant pour les start-ups, contrairement au modèle en vigueur Outre-Manche. Combinée à un financement massif de programmes de défense dédiés, la mise en œuvre d’une réduction d’impôt de 30 %, majorée à 50% pour l’IA et plafonnée à un million d’euros pour tout investissement direct ou indirect dans les start-ups, permettrait sans doute de rejoindre nos voisins britanniques en la matière.