Les développements se succèdent à un rythme impressionnant dans l’IA.
Mettre l’IA en œuvre dans les environnements contraints du secteur public
Les petits modèles linguistiques spécialement conçus offrent aux organismes publics une plateforme pratique pour mettre en œuvre l’IA tout en garantissant la sécurité, la confiance et le contrôle dont ils ont besoin.
L’essor de l’IA touche tous les secteurs, et les organismes du secteur public subissent des pressions pour accélérer son adoption. Parallèlement, les institutions gouvernementales sont confrontées à des contraintes spécifiques en matière de sécurité, de gouvernance et d’exploitation qui les distinguent de leurs homologues du secteur privé. C’est pourquoi les petits modèles linguistiques (SLM) spécialement conçus à cet effet constituent une piste prometteuse pour mettre en œuvre l’IA dans ces environnements.
C’est pourquoi les petits modèles linguistiques (SLM) spécialement conçus à cet effet constituent une piste prometteuse pour mettre en œuvre l’IA dans ces environnements.
Par ailleurs, une étude de Capgemini a révélé que 79 % des dirigeants du secteur public à l’échelle mondiale se montrent méfiants quant à la sécurité des données dans le cadre de l’IA, un chiffre compréhensible compte tenu de la nature particulièrement sensible des données gouvernementales et des obligations légales liées à leur utilisation. Comme l’explique Han Xiao, vice-président chargé de l’IA chez Elastic : « Les organismes publics doivent faire preuve d’une grande prudence quant au type de données qu’ils transmettent au réseau. » « Cela impose de nombreuses contraintes quant à la manière dont ils appréhendent et gèrent leurs données. »
La nécessité fondamentale de contrôler les informations sensibles est l’un des nombreux facteurs qui compliquent le déploiement de l’IA, en particulier par rapport aux principes opérationnels habituels du secteur privé.
Lorsque les structures du domaine privé développent l’intelligence artificielle, elles partent généralement du principe que certaines conditions seront réunies, notamment une connectivité permanente au cloud, le recours à une infrastructure centralisée, l’acceptation d’une transparence partielle des modèles et des restrictions limitées en matière de circulation des données. Pour de nombreuses institutions publiques, cependant, accepter ces conditions pourrait s’avérer dangereux, voire impossible.
Les organismes publics doivent veiller à ce que leurs données restent sous leur contrôle, à ce que les informations puissent être vérifiées et validées, et à ce que les perturbations opérationnelles soient réduites au strict minimum. Parallèlement, ils doivent souvent faire fonctionner leurs systèmes dans des environnements où la connexion Internet est limitée, peu fiable ou indisponible. Ces complexités empêchent de nombreux projets pilotes prometteurs d’IA dans le secteur public de dépasser le stade de l’expérimentation. « Beaucoup de gens sous-estiment les défis opérationnels liés à l’IA », explique Xiao. « Le secteur public a besoin que l’IA fonctionne de manière fiable avec toutes sortes de informations, puis qu’elle puisse évoluer sans rencontrer de défaillances. » « La continuité des opérations est souvent sous-estimée. » Une enquête menée par Elastic auprès de responsables du segment public a révélé que 65 % d’entre eux ont du mal à exploiter les informations de manière continue, en temps réel et à grande échelle.
Les retombées concrètes se feront sentir dans les mois qui viennent.
Pour aller plus loin :
D’après MIT Technology Review : MIT Technology Review