Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Les SIA doivent satisfaire les critères d’intelligibilité, de justifiabilité et d’accessibilité, et doivent pouvoir être soumis à un examen, un débat et un contrôle démocratiques.

---

1) Le fonctionnement des SIA qui prennent des décisions affectant la vie, la qualité de la vie ou la réputation des personnes doit être intelligible pour leurs concepteurs. 2) Les décisions des SIA affectant la vie, la qualité de la vie ou la réputation des personnes, devraient toujours être justifiables dans un langage compréhensible aux personnes qui les utilisent ou qui subissent les conséquences de leur utilisation. La justification consiste à exposer les facteurs et les paramètres les plus importants de la décision et doit être semblable aux justifications qu’on exigerait d’un être humain prenant le même type de décision. 3) Le code des algorithmes, publics ou privés, doit toujours être accessible aux autorités publiques compétentes et aux parties prenantes concernées à des fins de vérification et de contrôle. 4) La découverte d’erreurs de fonctionnement des SIA, d’effets imprévus ou indésirables, de failles de sécurité et de fuites de données doit être impérativement signalée aux autorités publiques compétentes, aux parties prenantes concernées et aux personnes affectées par la situation. 5) En vertu de l’exigence de transparence des décisions publiques, le code des algorithmes de décision utilisé par les pouvoirs publics doit être accessible à tous, à l’exception des algorithmes présentant, en cas d’usage détourné, un danger sérieux avec une probabilité élevée. 6) Pour les SIA publics ayant un impact important sur la vie des citoyens, ces derniers devraient avoir la possibilité et la compétence de délibérer sur les paramètres sociaux de ces SIA, leurs objectifs et les limites de leur utilisation. 7) On doit pouvoir s’assurer en tout temps que les SIA font ce pour quoi ils ont été programmés et ce pour quoi ils sont utilisés. 8) Tout utilisateur d’un service devrait savoir si une décision le concernant ou l’affectant a été prise par un SIA. 9) Tout utilisateur d’un service qui recourt à des agents conversationnels doit pouvoir identifier facilement s’il interagit avec un SIA ou une personne. 10) La recherche dans le domaine de l’intelligence artificielle devrait rester ouverte et accessible à tous.

---

Définition des termes utilisés dans ce document

---

ACTIVITÉ NUMÉRIQUE : On entend par activité numérique l’ensemble des actions posées par un individu dans un environnement numérique, que ce soit sur un ordinateur, un téléphone ou tout autre objet connecté.

AGENT CONVERSATIONNEL (chatbot) : Un agent conversationnel est un système d’IA qui peut dialoguer avec son utilisateur en langage naturel.

APPRENTISSAGE MACHINE (machine learning) : L’apprentissage machine est la branche de l’intelligence artificielle qui consiste à programmer un algorithme à apprendre par lui-même. Parmi la multitude de techniques, on distingue trois types majeurs d’apprentissage machine : 1) En apprentissage supervisé, le système d’intelligence artificielle (SIA) apprend à prédire une valeur à partir d’une donnée entrée. Cela nécessite d’avoir des couples entrée-valeur annotés lors de l’entrainement. Par exemple, un système peut apprendre à reconnaître l’objet présent sur une photo ; 2) En apprentissage non supervisé, le SIA apprend à trouver des similitudes entre des données qui n’ont pas été annotées, par exemple afin de les diviser en différentes partitions homogènes. Ainsi, un système peut reconnaître des communautés d’utilisateurs de réseaux sociaux ; 3) En apprentissage par renforcement, le SIA apprend à agir sur son environnement de façon à maximiser une récompense qui lui est donnée lors de l’entrainement. C’est la technique avec laquelle des SIA ont pu battre des humains au jeu de Go ou au jeu vidéo Dota2.

APPRENTISSAGE PROFOND (deep learning) : L’apprentissage profond est la branche de l’apprentissage machine qui utilise des réseaux de neurones artificiels à plusieurs niveaux. C’est la technologie qui est derrière les plus récentes avancées en IA.

BIENS COMMUNS NUMÉRIQUES (digital commons) : Les biens communs numériques sont les applications ou les données produites par une communauté. Contrairement aux biens matériels, ils sont facilement partageables et ne se détériorent pas lorsqu’ils sont utilisés. Ainsi, par opposition aux logiciels propriétaires, les logiciels open source – qui résultent souvent d’une collaboration entre programmeurs – constituent des biens communs numériques puisque leur code source est ouvert, c’est-à-dire accessible à tous.

BULLE DE FILTRE (filter bubble) : L’expression bulle de filtre (ou bulle filtrante) désigne l’information « filtrée » qui parvient à un individu lorsqu’il est sur internet. En effet, divers services comme les réseaux sociaux ou les moteurs de recherche offrent des résultats personnalisés à leurs utilisateurs. Ceci peut avoir pour effet d’isoler les individus (dans des « bulles ») puisqu’ils n’accèdent plus à une information commune.

DÉCONNEXION NUMÉRIQUE : On entend par déconnexion numérique l’arrêt temporaire ou permanent par un individu de son activité numérique.

DÉPENDANCE DE SENTIER : Mécanisme social par lequel des décisions technologiques, organisationnelles ou institutionnelles, jugées rationnelles à une époque mais devenues sous-optimales aujourd’hui, continuent malgré tout d’influencer la prise de décision. Un mécanisme maintenu à cause d’un biais cognitif ou parce que son changement conduirait à un coût ou un effort trop élevé. C’est par exemple le cas des infrastructures routières urbaines lorsqu’elles conduisent à des programmes d’optimisation de la circulation, au lieu d’envisager un changement pour organiser une mobilité à très faibles émissions de carbone. Ce mécanisme doit être connu lors de l’utilisation de l’IA pour des projets sociaux, car les données d’entrainement en apprentissage supervisé peuvent parfois renforcer d’anciens paradigmes organisationnels dont la pertinence fait débat aujourd’hui.

DÉVELOPPEMENT SOUTENABLE (sustainable) : Le développement soutenable (ou durable) désigne un développement des sociétés humaines qui est compatible avec la capacité des systèmes naturels à offrir les ressources et les services nécessaires à ces sociétés. Il s’agit d’un développement économique et social qui répond aux besoins des personnes actuelles sans compromettre l’existence des générations futures.

DONNÉES OUVERTES (open data) : Les données ouvertes désignent les données numériques auxquelles les usagers peuvent accéder librement. C’est par exemple le cas pour la plupart des résultats de recherche publiés en IA.

DONNÉES PERSONNELLES : Les données personnelles sont celles qui permettent d’identifier directement ou indirectement un individu.

EFFET REBOND : L’effet rebond est le mécanisme par lequel une plus grande efficacité énergétique ou une meilleure performance environnementale des biens, équipements et services, conduit à une augmentation plus que proportionnelle de leur consommation. Par exemple, la taille des écrans augmente, la quantité des appareils électroniques augmente dans les ménages, et on parcourt de plus grandes distances en voiture ou en avion. Il en résulte globalement une plus grande pression sur les ressources et l’environnement.

ENTRAINEMENT : L’entrainement est le processus de l’apprentissage machine pendant lequel le SIA construit un modèle à partir de données. Les performances du SIA dépendront de la qualité du modèle, lui-même dépendant de la quantité et de la qualité des données utilisées durant l’entrainement.

FIABILITÉ : Un système d’IA est fiable lorsqu’il effectue la tâche pour laquelle il a été conçu de manière attendue. La fiabilité est la probabilité de succès qui varie entre 51% et 100%, c’est-à-dire qui est strictement supérieur au hasard. Plus un système est fiable, plus son comportement est prévisible.

GAN : Acronyme de Generative Adversarial Network, en français Réseaux antagonistes génératifs. Dans un GAN, deux réseaux antagonistes sont en compétition pour générer une image. Ils peuvent être par exemple utilisés pour créer une image, un enregistrement ou une vidéo paraissant quasi réels pour un humain.

INTELLIGENCE ARTIFICIELLE (IA) : L’intelligence artificielle (IA) désigne l’ensemble des techniques qui permettent à une machine de simuler l’intelligence humaine, notamment pour apprendre, prédire, prendre des décisions et percevoir le monde environnant. Dans le cas d’un système informatique, l’intelligence artificielle est appliquée à des données numériques.

INTELLIGIBILITÉ : Un système d’IA est intelligible lorsqu’un être humain doté des connaissances nécessaires peut comprendre son fonctionnement, c’est-à-dire son modèle mathématique et les processus qui le déterminent.

JUSTIFIABILITÉ D'UNE DÉCISION : La décision d’un système d’IA est justifiée lorsqu’il existe des raisons non triviales qui motivent cette décision et que ces raisons sont communicables en langage naturel.

LITTÉRATIE NUMÉRIQUE : La littératie numérique d’un individu désigne son habilité à gérer, à comprendre, à intégrer, à communiquer, à évaluer à créer de l’information et à y accéder de façon sécuritaire et appropriée au moyen des outils numériques et des technologies en réseaux pour participer à la vie économique et sociale.

SOUTENABILITÉ ÉCOLOGIQUE FORTE : La notion de soutenabilité (ou durabilité) écologique forte renvoie à l’idée que pour être soutenable, le rythme de consommation des ressources naturelles et d’émissions de polluants doit être compatible avec les limites environnementales planétaires, le rythme de renouvellement des ressources et des écosystèmes, ainsi que la stabilité du climat. Contrairement à la soutenabilité faible, moins exigeante, la soutenabilité forte n’admet pas qu’on substitue des pertes de ressources naturelles à du capital artificiel.

SYSTÈME D'ACQUISITION ET D'ARCHIVAGE DES DONNÉES (SAAD) : Un SAAD désigne tout système informatique pouvant collecter et enregistrer des données. Celles-ci seront éventuellement utilisées pour l’entrainement d’un système d’IA ou comme paramètres pour une prise de décision.

SYSTÈME D'INTELLIGENCE ARTIFICIELLE (SIA) : Un système d’IA désigne tout système informatique utilisant des algorithmes d’intelligence artificielle, que ce soit un logiciel, un objet connecté ou un robot.

---

Les SIA doivent satisfaire les critères d’intelligibilité, de justifiabilité et d’accessibilité, et doivent pouvoir être soumis à un examen, un débat et un contrôle démocratiques.

---

1) Le fonctionnement des SIA qui prennent des décisions affectant la vie, la qualité de la vie ou la réputation des personnes doit être intelligible pour leurs concepteurs. 2) Les décisions des SIA affectant la vie, la qualité de la vie ou la réputation des personnes, devraient toujours être justifiables dans un langage compréhensible aux personnes qui les utilisent ou qui subissent les conséquences de leur utilisation. La justification consiste à exposer les facteurs et les paramètres les plus importants de la décision et doit être semblable aux justifications qu’on exigerait d’un être humain prenant le même type de décision. 3) Le code des algorithmes, publics ou privés, doit toujours être accessible aux autorités publiques compétentes et aux parties prenantes concernées à des fins de vérification et de contrôle. 4) La découverte d’erreurs de fonctionnement des SIA, d’effets imprévus ou indésirables, de failles de sécurité et de fuites de données doit être impérativement signalée aux autorités publiques compétentes, aux parties prenantes concernées et aux personnes affectées par la situation. 5) En vertu de l’exigence de transparence des décisions publiques, le code des algorithmes de décision utilisé par les pouvoirs publics doit être accessible à tous, à l’exception des algorithmes présentant, en cas d’usage détourné, un danger sérieux avec une probabilité élevée. 6) Pour les SIA publics ayant un impact important sur la vie des citoyens, ces derniers devraient avoir la possibilité et la compétence de délibérer sur les paramètres sociaux de ces SIA, leurs objectifs et les limites de leur utilisation. 7) On doit pouvoir s’assurer en tout temps que les SIA font ce pour quoi ils ont été programmés et ce pour quoi ils sont utilisés. 8) Tout utilisateur d’un service devrait savoir si une décision le concernant ou l’affectant a été prise par un SIA. 9) Tout utilisateur d’un service qui recourt à des agents conversationnels doit pouvoir identifier facilement s’il interagit avec un SIA ou une personne. 10) La recherche dans le domaine de l’intelligence artificielle devrait rester ouverte et accessible à tous.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---

Définition des termes utilisés dans ce document

---

ACTIVITÉ NUMÉRIQUE : On entend par activité numérique l’ensemble des actions posées par un individu dans un environnement numérique, que ce soit sur un ordinateur, un téléphone ou tout autre objet connecté.

AGENT CONVERSATIONNEL (chatbot) : Un agent conversationnel est un système d’IA qui peut dialoguer avec son utilisateur en langage naturel.

APPRENTISSAGE MACHINE (machine learning) : L’apprentissage machine est la branche de l’intelligence artificielle qui consiste à programmer un algorithme à apprendre par lui-même. Parmi la multitude de techniques, on distingue trois types majeurs d’apprentissage machine : 1) En apprentissage supervisé, le système d’intelligence artificielle (SIA) apprend à prédire une valeur à partir d’une donnée entrée. Cela nécessite d’avoir des couples entrée-valeur annotés lors de l’entrainement. Par exemple, un système peut apprendre à reconnaître l’objet présent sur une photo ; 2) En apprentissage non supervisé, le SIA apprend à trouver des similitudes entre des données qui n’ont pas été annotées, par exemple afin de les diviser en différentes partitions homogènes. Ainsi, un système peut reconnaître des communautés d’utilisateurs de réseaux sociaux ; 3) En apprentissage par renforcement, le SIA apprend à agir sur son environnement de façon à maximiser une récompense qui lui est donnée lors de l’entrainement. C’est la technique avec laquelle des SIA ont pu battre des humains au jeu de Go ou au jeu vidéo Dota2.

APPRENTISSAGE PROFOND (deep learning) : L’apprentissage profond est la branche de l’apprentissage machine qui utilise des réseaux de neurones artificiels à plusieurs niveaux. C’est la technologie qui est derrière les plus récentes avancées en IA.

BIENS COMMUNS NUMÉRIQUES (digital commons) : Les biens communs numériques sont les applications ou les données produites par une communauté. Contrairement aux biens matériels, ils sont facilement partageables et ne se détériorent pas lorsqu’ils sont utilisés. Ainsi, par opposition aux logiciels propriétaires, les logiciels open source – qui résultent souvent d’une collaboration entre programmeurs – constituent des biens communs numériques puisque leur code source est ouvert, c’est-à-dire accessible à tous.

BULLE DE FILTRE (filter bubble) : L’expression bulle de filtre (ou bulle filtrante) désigne l’information « filtrée » qui parvient à un individu lorsqu’il est sur internet. En effet, divers services comme les réseaux sociaux ou les moteurs de recherche offrent des résultats personnalisés à leurs utilisateurs. Ceci peut avoir pour effet d’isoler les individus (dans des « bulles ») puisqu’ils n’accèdent plus à une information commune.

DÉCONNEXION NUMÉRIQUE : On entend par déconnexion numérique l’arrêt temporaire ou permanent par un individu de son activité numérique.

DÉPENDANCE DE SENTIER : Mécanisme social par lequel des décisions technologiques, organisationnelles ou institutionnelles, jugées rationnelles à une époque mais devenues sous-optimales aujourd’hui, continuent malgré tout d’influencer la prise de décision. Un mécanisme maintenu à cause d’un biais cognitif ou parce que son changement conduirait à un coût ou un effort trop élevé. C’est par exemple le cas des infrastructures routières urbaines lorsqu’elles conduisent à des programmes d’optimisation de la circulation, au lieu d’envisager un changement pour organiser une mobilité à très faibles émissions de carbone. Ce mécanisme doit être connu lors de l’utilisation de l’IA pour des projets sociaux, car les données d’entrainement en apprentissage supervisé peuvent parfois renforcer d’anciens paradigmes organisationnels dont la pertinence fait débat aujourd’hui.

DÉVELOPPEMENT SOUTENABLE (sustainable) : Le développement soutenable (ou durable) désigne un développement des sociétés humaines qui est compatible avec la capacité des systèmes naturels à offrir les ressources et les services nécessaires à ces sociétés. Il s’agit d’un développement économique et social qui répond aux besoins des personnes actuelles sans compromettre l’existence des générations futures.

DONNÉES OUVERTES (open data) : Les données ouvertes désignent les données numériques auxquelles les usagers peuvent accéder librement. C’est par exemple le cas pour la plupart des résultats de recherche publiés en IA.

DONNÉES PERSONNELLES : Les données personnelles sont celles qui permettent d’identifier directement ou indirectement un individu.

EFFET REBOND : L’effet rebond est le mécanisme par lequel une plus grande efficacité énergétique ou une meilleure performance environnementale des biens, équipements et services, conduit à une augmentation plus que proportionnelle de leur consommation. Par exemple, la taille des écrans augmente, la quantité des appareils électroniques augmente dans les ménages, et on parcourt de plus grandes distances en voiture ou en avion. Il en résulte globalement une plus grande pression sur les ressources et l’environnement.

ENTRAINEMENT : L’entrainement est le processus de l’apprentissage machine pendant lequel le SIA construit un modèle à partir de données. Les performances du SIA dépendront de la qualité du modèle, lui-même dépendant de la quantité et de la qualité des données utilisées durant l’entrainement.

FIABILITÉ : Un système d’IA est fiable lorsqu’il effectue la tâche pour laquelle il a été conçu de manière attendue. La fiabilité est la probabilité de succès qui varie entre 51% et 100%, c’est-à-dire qui est strictement supérieur au hasard. Plus un système est fiable, plus son comportement est prévisible.

GAN : Acronyme de Generative Adversarial Network, en français Réseaux antagonistes génératifs. Dans un GAN, deux réseaux antagonistes sont en compétition pour générer une image. Ils peuvent être par exemple utilisés pour créer une image, un enregistrement ou une vidéo paraissant quasi réels pour un humain.

INTELLIGENCE ARTIFICIELLE (IA) : L’intelligence artificielle (IA) désigne l’ensemble des techniques qui permettent à une machine de simuler l’intelligence humaine, notamment pour apprendre, prédire, prendre des décisions et percevoir le monde environnant. Dans le cas d’un système informatique, l’intelligence artificielle est appliquée à des données numériques.

INTELLIGIBILITÉ : Un système d’IA est intelligible lorsqu’un être humain doté des connaissances nécessaires peut comprendre son fonctionnement, c’est-à-dire son modèle mathématique et les processus qui le déterminent.

JUSTIFIABILITÉ D'UNE DÉCISION : La décision d’un système d’IA est justifiée lorsqu’il existe des raisons non triviales qui motivent cette décision et que ces raisons sont communicables en langage naturel.

LITTÉRATIE NUMÉRIQUE : La littératie numérique d’un individu désigne son habilité à gérer, à comprendre, à intégrer, à communiquer, à évaluer à créer de l’information et à y accéder de façon sécuritaire et appropriée au moyen des outils numériques et des technologies en réseaux pour participer à la vie économique et sociale.

SOUTENABILITÉ ÉCOLOGIQUE FORTE : La notion de soutenabilité (ou durabilité) écologique forte renvoie à l’idée que pour être soutenable, le rythme de consommation des ressources naturelles et d’émissions de polluants doit être compatible avec les limites environnementales planétaires, le rythme de renouvellement des ressources et des écosystèmes, ainsi que la stabilité du climat. Contrairement à la soutenabilité faible, moins exigeante, la soutenabilité forte n’admet pas qu’on substitue des pertes de ressources naturelles à du capital artificiel.

SYSTÈME D'ACQUISITION ET D'ARCHIVAGE DES DONNÉES (SAAD) : Un SAAD désigne tout système informatique pouvant collecter et enregistrer des données. Celles-ci seront éventuellement utilisées pour l’entrainement d’un système d’IA ou comme paramètres pour une prise de décision.

SYSTÈME D'INTELLIGENCE ARTIFICIELLE (SIA) : Un système d’IA désigne tout système informatique utilisant des algorithmes d’intelligence artificielle, que ce soit un logiciel, un objet connecté ou un robot.

---

Définition des termes utilisés dans ce document

---

ACTIVITÉ NUMÉRIQUE : On entend par activité numérique l’ensemble des actions posées par un individu dans un environnement numérique, que ce soit sur un ordinateur, un téléphone ou tout autre objet connecté.

AGENT CONVERSATIONNEL (chatbot) : Un agent conversationnel est un système d’IA qui peut dialoguer avec son utilisateur en langage naturel.

APPRENTISSAGE MACHINE (machine learning) : L’apprentissage machine est la branche de l’intelligence artificielle qui consiste à programmer un algorithme à apprendre par lui-même. Parmi la multitude de techniques, on distingue trois types majeurs d’apprentissage machine : 1) En apprentissage supervisé, le système d’intelligence artificielle (SIA) apprend à prédire une valeur à partir d’une donnée entrée. Cela nécessite d’avoir des couples entrée-valeur annotés lors de l’entrainement. Par exemple, un système peut apprendre à reconnaître l’objet présent sur une photo ; 2) En apprentissage non supervisé, le SIA apprend à trouver des similitudes entre des données qui n’ont pas été annotées, par exemple afin de les diviser en différentes partitions homogènes. Ainsi, un système peut reconnaître des communautés d’utilisateurs de réseaux sociaux ; 3) En apprentissage par renforcement, le SIA apprend à agir sur son environnement de façon à maximiser une récompense qui lui est donnée lors de l’entrainement. C’est la technique avec laquelle des SIA ont pu battre des humains au jeu de Go ou au jeu vidéo Dota2.

APPRENTISSAGE PROFOND (deep learning) : L’apprentissage profond est la branche de l’apprentissage machine qui utilise des réseaux de neurones artificiels à plusieurs niveaux. C’est la technologie qui est derrière les plus récentes avancées en IA.

BIENS COMMUNS NUMÉRIQUES (digital commons) : Les biens communs numériques sont les applications ou les données produites par une communauté. Contrairement aux biens matériels, ils sont facilement partageables et ne se détériorent pas lorsqu’ils sont utilisés. Ainsi, par opposition aux logiciels propriétaires, les logiciels open source – qui résultent souvent d’une collaboration entre programmeurs – constituent des biens communs numériques puisque leur code source est ouvert, c’est-à-dire accessible à tous.

BULLE DE FILTRE (filter bubble) : L’expression bulle de filtre (ou bulle filtrante) désigne l’information « filtrée » qui parvient à un individu lorsqu’il est sur internet. En effet, divers services comme les réseaux sociaux ou les moteurs de recherche offrent des résultats personnalisés à leurs utilisateurs. Ceci peut avoir pour effet d’isoler les individus (dans des « bulles ») puisqu’ils n’accèdent plus à une information commune.

DÉCONNEXION NUMÉRIQUE : On entend par déconnexion numérique l’arrêt temporaire ou permanent par un individu de son activité numérique.

DÉPENDANCE DE SENTIER : Mécanisme social par lequel des décisions technologiques, organisationnelles ou institutionnelles, jugées rationnelles à une époque mais devenues sous-optimales aujourd’hui, continuent malgré tout d’influencer la prise de décision. Un mécanisme maintenu à cause d’un biais cognitif ou parce que son changement conduirait à un coût ou un effort trop élevé. C’est par exemple le cas des infrastructures routières urbaines lorsqu’elles conduisent à des programmes d’optimisation de la circulation, au lieu d’envisager un changement pour organiser une mobilité à très faibles émissions de carbone. Ce mécanisme doit être connu lors de l’utilisation de l’IA pour des projets sociaux, car les données d’entrainement en apprentissage supervisé peuvent parfois renforcer d’anciens paradigmes organisationnels dont la pertinence fait débat aujourd’hui.

DÉVELOPPEMENT SOUTENABLE (sustainable) : Le développement soutenable (ou durable) désigne un développement des sociétés humaines qui est compatible avec la capacité des systèmes naturels à offrir les ressources et les services nécessaires à ces sociétés. Il s’agit d’un développement économique et social qui répond aux besoins des personnes actuelles sans compromettre l’existence des générations futures.

DONNÉES OUVERTES (open data) : Les données ouvertes désignent les données numériques auxquelles les usagers peuvent accéder librement. C’est par exemple le cas pour la plupart des résultats de recherche publiés en IA.

DONNÉES PERSONNELLES : Les données personnelles sont celles qui permettent d’identifier directement ou indirectement un individu.

EFFET REBOND : L’effet rebond est le mécanisme par lequel une plus grande efficacité énergétique ou une meilleure performance environnementale des biens, équipements et services, conduit à une augmentation plus que proportionnelle de leur consommation. Par exemple, la taille des écrans augmente, la quantité des appareils électroniques augmente dans les ménages, et on parcourt de plus grandes distances en voiture ou en avion. Il en résulte globalement une plus grande pression sur les ressources et l’environnement.

ENTRAINEMENT : L’entrainement est le processus de l’apprentissage machine pendant lequel le SIA construit un modèle à partir de données. Les performances du SIA dépendront de la qualité du modèle, lui-même dépendant de la quantité et de la qualité des données utilisées durant l’entrainement.

FIABILITÉ : Un système d’IA est fiable lorsqu’il effectue la tâche pour laquelle il a été conçu de manière attendue. La fiabilité est la probabilité de succès qui varie entre 51% et 100%, c’est-à-dire qui est strictement supérieur au hasard. Plus un système est fiable, plus son comportement est prévisible.

GAN : Acronyme de Generative Adversarial Network, en français Réseaux antagonistes génératifs. Dans un GAN, deux réseaux antagonistes sont en compétition pour générer une image. Ils peuvent être par exemple utilisés pour créer une image, un enregistrement ou une vidéo paraissant quasi réels pour un humain.

INTELLIGENCE ARTIFICIELLE (IA) : L’intelligence artificielle (IA) désigne l’ensemble des techniques qui permettent à une machine de simuler l’intelligence humaine, notamment pour apprendre, prédire, prendre des décisions et percevoir le monde environnant. Dans le cas d’un système informatique, l’intelligence artificielle est appliquée à des données numériques.

INTELLIGIBILITÉ : Un système d’IA est intelligible lorsqu’un être humain doté des connaissances nécessaires peut comprendre son fonctionnement, c’est-à-dire son modèle mathématique et les processus qui le déterminent.

JUSTIFIABILITÉ D'UNE DÉCISION : La décision d’un système d’IA est justifiée lorsqu’il existe des raisons non triviales qui motivent cette décision et que ces raisons sont communicables en langage naturel.

LITTÉRATIE NUMÉRIQUE : La littératie numérique d’un individu désigne son habilité à gérer, à comprendre, à intégrer, à communiquer, à évaluer à créer de l’information et à y accéder de façon sécuritaire et appropriée au moyen des outils numériques et des technologies en réseaux pour participer à la vie économique et sociale.

SOUTENABILITÉ ÉCOLOGIQUE FORTE : La notion de soutenabilité (ou durabilité) écologique forte renvoie à l’idée que pour être soutenable, le rythme de consommation des ressources naturelles et d’émissions de polluants doit être compatible avec les limites environnementales planétaires, le rythme de renouvellement des ressources et des écosystèmes, ainsi que la stabilité du climat. Contrairement à la soutenabilité faible, moins exigeante, la soutenabilité forte n’admet pas qu’on substitue des pertes de ressources naturelles à du capital artificiel.

SYSTÈME D'ACQUISITION ET D'ARCHIVAGE DES DONNÉES (SAAD) : Un SAAD désigne tout système informatique pouvant collecter et enregistrer des données. Celles-ci seront éventuellement utilisées pour l’entrainement d’un système d’IA ou comme paramètres pour une prise de décision.

SYSTÈME D'INTELLIGENCE ARTIFICIELLE (SIA) : Un système d’IA désigne tout système informatique utilisant des algorithmes d’intelligence artificielle, que ce soit un logiciel, un objet connecté ou un robot.

---

Toutes les personnes impliquées dans le développement des SIA doivent faire preuve de prudence en anticipant autant que possible les conséquences néfastes de l’utilisation des SIA et en prenant des mesures appropriées pour les éviter.

---

1) Il est nécessaire de développer des mécanismes qui tiennent compte du potentiel de double-usage (bénéfique et néfaste) de la recherche en IA (qu’elle soit publique ou privée) et du développement des SIA afin d’en limiter les usages néfastes. 2) Lorsque l’utilisation détournée d’un SIA peut représenter un danger sérieux pour la sécurité ou la santé publique, avec une probabilité élevée, il est prudent de restreindre la diffusion publique ou l’accès libre à son algorithme. 3) Avant d’être mis sur le marché, qu’ils soient payants ou gratuits, les SIA doivent satisfaire des critères rigoureux de fiabilité, de sécurité et d’intégrité, et faire l’objet de tests qui ne mettent pas en danger la vie des personnes, ne nuisent pas à leur qualité de vie et ne portent pas atteinte à leur réputation ou leur intégrité psychologique. Ces tests doivent être ouverts aux autorités publiques compétentes et aux parties prenantes concernées. 4) Le développement des SIA doit prévenir les risques d’une utilisation néfaste des données d’utilisateurs et protéger l’intégrité et la confidentialité des données personnelles. 5) Les erreurs et les failles découvertes dans les SIA et SAAD devraient être partagées publiquement par les institutions publiques et les entreprises dans les secteurs qui présentent un danger important pour l’intégrité personnelle et l’organisation sociale, et ce, à l’échelle mondiale.

---