Couverture ElectroniqueS n°127

La recherche française est au premier plan mondial pour ce qui concerne ses chercheurs en mathématiques et en intelligence artificielle (IA), mais elle a du mal à transformer ses avancées scientifiques en applications industrielles et économiques. Plus inquiétant encore: la faiblesse de l'Europe dans les technologies de semi-conducteurs avancés freine son essor dans le domaine de l'IA. D ans son rapport pour une stratégie nationale et européenne en intelligence artificielle rendu public en mars 2018, Cédric Villani estime que la France dispose d'atouts pour exister pleinement sur la scène internationale dans ce domaine. Néanmoins, nos entreprises et nos réseaux académiques souffrent d'un véritable manque de visibilité. C'est à la fois vrai à l'étranger et sur le marché domestique : les grandes entreprises préfèrent parfois céder aux sirènes des géants mondiaux de la discipline plutôt que de faire confiance à nos pépites nationales, soit parce qu'elles en ignorent l'existence, soit par excès de prudence. Il proposait ainsi de fédérer les acteurs français de l'intelligence artificielle autour de labels et de prix « d'innovation de terrain » visant à récompenser les solutions d'IA les plus innovantes et à sécuriser de potentiels acheteurs. Ce qui a été chose faite. Nous reviendrons sur les initiatives lancées depuis quelques mois, que ce soit en régions ou au niveau national. Quatre secteurs prioritaires Dans son rapport publié en 2018, Cédric Villani estime que la France dispose d'atouts pour exister pleinement sur la scène internationale de l'IA, mais le manque de leadership en semiconducteurs risque d'être un handicap. Le rapport recommandait d'éviter les logiques de saupoudrage et de concentrer l'effort sur quatre secteurs prioritaires: santé, environnement, transports-mobilités et défense-sécurité. Le deuxième pilier de cette stratégie consiste à mettre en place des plateformes sectorielles de mutualisation. Celles-ci ont été pensées pour offrir un accès différencié et sécurisé aux acteurs de ces différents écosystèmes (chercheurs, entreprises, puissance publique) à des données pertinentes pour le développement d'IA, à des ressources logicielles ainsi qu'à des infrastructures de calcul d'ampleur significative. Le rapport recommande plusieurs mesures qui visent à mettre l'achat public au service du soutien aux industries européennes et à dynamiser l'achat public innovant. La recherche française est au premier plan mondial pour ce qui concerne ses chercheurs en mathématiques et en intelligence artificielle, mais elle a du mal à transformer ses avancées scientifiques en applications industrielles et économiques. Elle pâtit d'une «fuite des cerveaux» vers les géants américains. L'offre de formation se situe par ailleurs bien en deçà des besoins en matière d'IA et science des données. Pour renforcer la place mondiale de notre recherche en IA, quatre Instituts Interdisciplinaires d'Intelligence Artificielle (3IA) autonomes et coordonnés, réunissant chercheurs, ingénieurs et étudiants, ont été créés à Grenoble –«MIAI@ Grenoble-Alpes » avec pour applications privilégiées la santé, l'environnement et l'énergie, à Nice – « 3IA Côte d'Azur» avec pour applications privilégiées la santé et le développement des territoires, à Paris –«Prairie» avec pour applications la santé, les transports et l'environnement, à Toulouse – « Aniti » avec pour applications privilégiées le transport, l'environnement et la santé. Ces instituts devront contribuer à l'augmentation substantielle d'offres de formations en IA attractives et diversifiées. Ils ont été labélisés pour une période initiale de quatre ans, assortie d'un financement minimal au titre du programme prioritaire de recherche du PIA3 qui mobilisera 75Me. En tenant compte des cofinancements représentant un apport au moins équivalent par les partenaires publics et par les partenaires privés, les financements que les 3IA mobiliseront pour conduire leur programme de recherche, de formation et d'innovation seront a minima de 225Me. Une revalorisation des salaires est indispensable Même s'il est illusoire de penser rivaliser financièrement avec les offres des GAFAM, l'écart est actuellement si important qu'il tend à décourager les jeunes diplômés, y compris ceux qui sont le plus attachés à la recherche publique et au bien commun. Un doublement des salaires en début de carrière est un point de départ minimal indispensable, sous peine de voir se tarir définitivement le flux de jeunes prêts à s'investir dans l'enseignement supérieur et la recherche académique. Il est par ailleurs nécessaire de renforcer l'attractivité de la France pour les talents expatriés ou étrangers, notamment avec des inci-tations financières. Le monde du travail est à l'aube de grandes transformations et n'y est encore que peu préparé. Les incertitudes sur les conséquences du développement combiné de l'intelligence artificielle, de l'automatisation et de la robotique sont très importantes, notamment concernant les emplois détruits et créés. Néanmoins, il apparaît de plus en plus certainement que la majorité des métiers et des organisations vont être très largement transformés. Nous entrons donc dans une période de transition technologique importante: l'histoire nous enseigne que les précédentes transitions ne se sont pas faites sans encombre et que les processus de réajustement politiques ont parfois été violents, souvent au détriment des populations déjà les plus fragiles. Il est donc nécessaire de prendre le problème à bras-le-corps et d'agir résolument, sans céder à la panique ni au fatalisme. Un objectif clair doit être fixé: à horizon 2021, multiplier par trois le nombre de personnes formées en intelligence artificielle en France, à la fois en faisant en sorte que l'offre de formation existante s'oriente vers l'IA, mais également en créant de nouveaux cursus et de nouvelles formations à l'IA (doubles cursus droit-IA par exemple, modules généraux…). L'ensemble des niveaux (bac+2, bac+3, master, doctorat) doit faire l'objet d'attention. Donner un sens à l'intelligence artificielle, c'est également penser sa soutenabilité, notamment écologique, estime le rapport. Cela ne se résume pas à lister les usages de l'IA qui pourront aider à la transition écologique. Il s'agit de penser une IA nativement écologique et de l'utiliser pour mieux penser l'impact de l'humain sur son environnement. Il y a urgence: d'ici à 2040, les besoins en espace de stockage au niveau mondial, fondamentalement corrélés au développement du numérique et de l'IA, risquent d'excéder la production disponible globale de silicium. Nous devons penser l'innovation de rupture dans le domaine du semiconducteur, l'une des briques matérielles de l'IA. À ce titre les technologies neuromorphiques peuvent permettre des économies d'énergie considérables – et la France est déjà très avancée dans le domaine. Par ailleurs, les pouvoirs publics doivent agir pour le verdissement de la chaîne de valeur et accompagner l'industrie du cloud européen dans le sens de sa transition écologique. La France, l'Allemagne et l'Italie auraient intérêt à coopérer QU'EST-CE QUE LA TECHNOLOGIE NEUROMORPHIQUE? > Cette technologie s'inspire de l'organisation interne du cerveau, capable de tâches cognitives impressionnantes avec moins de consommation qu'une ampoule électrique. On parle de puces «neuromorphiques». Les systèmes neuromorphiques économisent de l'énergie par rapport aux processeurs et aux cartes graphiques en exploitant deux stratégies. > D'une part, ils rapprochent autant que possible calcul et mémoire, limitant les échanges de données qui sont aujourd'hui la principale source de consommation d'énergie dans les processeurs. D'autre part, ils effectuent les calculs de manière moins précise que les processeurs, mais plus efficace en énergie, soit en utilisant des circuits numériques à faible précision (faible nombre de bits), soit en utilisant les non-linéarités intrinsèques de composants électroniques qui sont un composant essentiel des approches modernes telles que les réseaux de neurones. > Cependant, il convient de préciser que ces technologies neuromorphiques ne répondent pas nécessairement à l'ensemble des problématiques de l'apprentissage. Quelques estimations tentent de quantifier les gains d'énergie obtenus via ces technologies, ainsi la puce neuromorphique TrueNorth d'IBM consomme 20 mW/cm 2 au lieu de 100 W/cm 2 pour les ordinateurs classiques, pour l'exécution de réseaux neuronaux. L'apprentissage est cependant fait hors ligne. L'apprentissage en ligne via ces technologies constitue encore un défi non résolu pour nos chercheurs. L'Europe a largement les moyens de devenir un acteur de premier plan dans la course mondiale à l'IA : il s'agit du premier marché en volume et elle dispose d'avantages majeurs sur les plans académique et industriel. Pour amorcer la construction d'une politique industrielle européenne de l'IA, le rapport recommande d'œuvrer, dans un premier temps, au sein d'un axe franco-allemand. L'Italie (notamment du Nord) doit également être envisagée comme un partenaire sérieux, notamment pour son avance en matière de robotique. De même, malgré sa position particulière vis-à-vis de l'Union Européenne, la Suisse a de nombreuses compétences académiques et industrielles à faire valoir. La robotique et l'IA sont deux domaines liés dans l'imaginaire collectif alors qu'en pratique, la convergence n'a pas encore eu lieu. De nombreuses applications en robotique ne relèvent pas de l'IA et réciproquement. Il y a pourtant un véritable champ d'exploration ouvert sur lequel l'Europe est en mesure d'occuper un rôle majeur, qu'il s'agisse de la robotique industrielle ou de la robotique agricole par exemple. Tout développement en matière d'IA et de numérique repose sur l'existence de composants avancés de différents types (CPU, GPU et autres variantes pour les processeurs ; mémoires embarquées). Ce sont ces composants et la puissance qu'ils apportent qui ont rendu possibles les dernières avancées en matière d'IA. Le domaine du composant est une industrie de très haute technologie et d'importance stratégique pour l'Europe. Il nous faut répondre à trois exigences : développer et maintenir dans la durée des activités de recherche et de développement, conserver des compétences clés ainsi que des moyens de production. On constate néanmoins qu'en Europe, très peu d'acteurs industriels sont en mesure de répondre à ces exigences, en particulier s'agissant des capacités de production. Les conséquences d'une disparition de cette industrie européenne seraient très lourdes : en plus d'une dépendance dramatique à des acteurs du hardware extra-européens, elle découlerait sur une incapacité de l'Europe à comprendre, concevoir et produire des systèmes électroniques. L'une des raisons de l'essor récent du deep learning a été la démocratisation de l'usage des GPU (Graphical processing unit). Elles sont utilisées pour leur capacité à réaliser des opérations mathématiques complexes (essentiellement des multiplications de matrices). < Les processeurs neuromorphiques pourraient permettre de traiter une quantité importante de données, et ce jusqu'à 1000 fois plus rapidement qu'un processeur classique, selon les estimations d'Intel. Initier une dynamique industrielle européenne de l'IA de façon massivement parallèle ainsi que l'accessibilité de leur programmation à cette fin a été déterminante. Quand un CPU contient une dizaine de processeurs indépendants, un GPU en contient des milliers, accélérant ainsi de façon drastique la vitesse des calculs effectués et donc la vitesse d'apprentissage et de traitement des données par des algorithmes d'apprentissage automatique et notamment d'apprentissage profond. Des technologies ont émergé ces dernières années autour de l'utilisation de ces processeurs de façon industrielle. L'Europe a perdu pied en composants pour l'IA L'INSTITUT TOULOUSAIN EN INTELLIGENCE ARTIFICIELLE ANITI MISE SUR L'INDUSTRIE 4.0 > Dirigé par Nicolas Viallet, ancien directeur de programme industriel chez Airbus où il s'occupait d'ingénierie, puis de création d'activités nouvelles, Aniti est l'un des instituts en intelligence artificielle nouvellement créés. Il a la volonté de porter un projet puissant au sein de l'Université fédérale Toulouse Midi-Pyrénées. Cet institut 3IA a pour objectif de développer de manière pérenne une IA responsable au service de l'industrie du futur. Avec un focus sur la mobilité, la richesse de l'écosystème régional. > Au sein du projet scientifique, trois programmes intégratifs ont été définis : l'acceptabilité, la certifiabilité des systèmes autonomes et l'aide à l'optimisation des process industriels. De telles garanties sont requises par le type d'applications ciblées par le projet, comme les véhicules autonomes du futur. Pendant deux ans, l'accent sera mis sur l'aéronautique, le véhicule autonome et les transports du futur, mais aussi l'industrie des satellites. Parmi les acteurs principaux dans ces domaines, des industriels comme Airbus, Thalès, Renault, Continental, des laboratoires de recherche comme le Laas, l'Irit, l'IMT, mais aussi de grandes écoles et universités, comme Toulouse INP ENSEEIHT ou l'université Toulouse III-Paul-Sabatier, qui échange régulièrement autour de différents projets avec le Syndicat interprofessionnel de l'automobile (SIA)… > Aniti est porté par l'université fédérale de Toulouse Midi-Pyrénées dans le cadre du programme d'investissements d'avenir PIA3 avec le soutien de la Région Occitanie (24M€) et Toulouse Métropole (4M€). > Aniti fait partie avec Grenoble, Nice et Paris, des quatre instituts 3IA qui ont été mis en place pour une durée de 4 ans renouvelable dans le cadre du Programme Investissements d'avenir du plan Villani. Ces instituts travailleront en réseau avec pour objectif de faire de la France un des leaders mondiaux en intelligence artificielle. Si les groupes européens parviennent à maintenir une position de force dans certains secteurs tels que les capteurs, en matière de numérique, le constat est alarmant: ils ont abandonné le terrain des semi-conducteurs avancés. En conséquence, ils se focalisent sur les objets et les périphériques, délaissant le cœur des systèmes numériques avancés. De nombreuses initiatives européennes existent pour soutenir l'industrie et sont nécessaires pour le maintien des compétences, mais le constat reste cinglant : l'Europe n'est aujourd'hui ni souveraine, ni autonome sur l'intégralité de la chaîne de production des composants. C'est en particulier le cas sur ceux qui apparaissent les plus importants en premier lieu : les processeurs avancés et la mémoire. Si on inclut la fabrication comme un élément clé d'indépendance, l'Europe ne dispose ni des technologies ni des moyens de production suffisamment avancés (en termes de finesse de gravure par exemple) pour concurrencer l'Asie. Il en est de même en matière de production de mémoires. Les enjeux de souveraineté et l'existence de réglementations extraterritoriales (telles qu'ITAR) imposent à l'Europe de se poser une question difficile : où devons-nous placer le curseur de l'autonomie dans une industrie où le retard semble difficilement rattrapable? Un espoir est encore per-mis: ces dernières années ont marqué la fin de la loi de Moore, qui guidait jusqu'à présent la recherche et le développement de l'industrie des composants. Cet état de fait impose à l'ensemble de l'écosystème de se réinventer et d'innover hors des sentiers historiques. Cette opportunité pourrait être saisie dans le contexte de l'IA pour produire de nouvelles approches, non pas dans une course à la technologie au sens où elle était habituellement entendue, mais plutôt pour produire de nouvelles architectures innovantes, économes en énergie. Parmi les pistes évoquées, on pourra notamment retenir le calcul en mémoire et les approches neuromorphiques ( voir encadré page 43 ). En effet, les performances d'un système tiennent certes à la qualité de ses composants, mais ceci dans une proportion relativement faible en comparaison avec l'architecture du système dans son ensemble (processeurs, mémoire et flux de données dans la machine). Au-delà du soutien général à l'industrie du semi-conducteur, il pourrait être nécessaire de lancer un défi d'innovation, par exemple pour la construction d'un supercalculateur ou de moyens de calcul embarqués adaptés à l'IA ne faisant appel qu'à des technologies européennes. L'objectif d'un tel défi consisterait à penser de nou-velles architectures pour tirer parti d'innovations technologiques euro-péennes, par exemple dans le domaine du calcul en mémoire ou du neuromorphique. La Chine a réussi à produire un supercalculateur à partir de composants uniquement chinois et produits en Chine alors qu'elle ne disposait pas des technologies de production les plus avancées à l'échelle mondiale. Elle s'est donc appuyée sur les générations technologiques précédentes qu'elle a réussi à mettre en œuvre dans une architecture innovante. Le sujet de la sécurité est d'une importance majeure < Un objectif clair doit être fixé: à horizon 2021, multiplier par trois le nombre de personnes formées en intelligence artificielle en France, recommande le rapport Villani. Pour ce qui concerne les infrastructures nécessaires au développe-ment de l'IA, elles sont de plusieurs ordres et couvrent les différentes phases, de la recherche au développement jusqu'à la vie des produits. Dans certains domaines de l'IA, comme l'apprentissage automatique, le cycle de vie comporte deux phases principales: la phase d'apprentissage et la phase d'inférence. La vitesse et la performance de la phase d'apprentissage sont conditionnées par l'ampleur des moyens matériels alloués, notamment en matière de processeurs dédiés (par exemple des GPU). Ainsi, la dimension des infrastructures conditionne la productivité et l'efficacité de la recherche et du développement. La seconde phase est celle de l'inférence, beaucoup plus légère en besoin de ressources matérielles, et peut même être faite à l'intérieur de périphériques embarqués (par exemple une IA dans un smart-phone). Si l'IA permet de faire émerger de nouvelles opportunités, elle fait également apparaître de nouvelles menaces. De récentes publications ont montré qu'il était possible de fausser arbitrairement les résultats produits par certains modèles appris par des réseaux de neurones, ce qui pose un problème de sécurité majeur dans le cas d'applications critiques. L'exemple du véhicule autonome est significatif à ce titre : l'existence de moyens pour fausser sa perception de l'environnement (causer délibérément la mauvaise interprétation d'un panneau Stop par exemple) pourrait provoquer de graves incidents. Le sujet de la sécurité est donc d'importance majeure, en particulier dans le cas des systèmes critiques et des systèmes ayant une composante physique capable de causer des dégâts en cas d'attaque. Parmi les problématiques soulevées, on évoquera notamment les possibilités de fausser arbitrairement les résultats d'un algorithme en manipulant les données d'entrée ; de manipuler les données injectées au cours de l'apprentissage effectué par un algorithme d'IA ; ou encore de créer de nouvelles attaques se basant sur les faiblesses des techniques d'IA actuelles. C'est l'une des raisons pour lesquelles il est utile de s'appuyer sur des acteurs spécialisés qui, par leur expérience et leur expertise, proposent des solutions. Il pourrait être confié à l'Agence Nationale pour la Sécurité des Systèmes d'information (Anssi) une mission de veille, de prospective et d'étude sur la question de la sécurité de l'IA pour laquelle elle mettrait en réseau les compétences existantes au sein de l'État sur les questions de cyberdéfense, de défense, et de systèmes critiques. Des besoins importants en ressources humaines Outre la compétition mondiale qui est en cours autour des données, une autre compétition se joue sur le front de l'IA: elle concerne les ressources humaines. En décembre 2017, selon une étude compilée par le Tencent Research Institute, il n'y avait que 300 000 « chercheurs et praticiens de l'IA » dans le monde, alors que la demande du marché se chiffrerait par millions. Le goulot d'étranglement, pour Tencent, serait précisément la formation. Incidemment, cette étude cite les États-Unis, la Chine, le Japon et la Grande-Bretagne comme les pays les mieux placés dans la course à l'IA, avec mentions spéciales pour le Canada et Israël, en particulier en matière de formation. La France n'était pas citée. Un autre mal endémique dont souffre la recherche française (et pas uniquement en IA) concerne sa faible performance en termes de valorisation et de transfert vers l'industrie, que ce soit vers des start-up ou vers des grands groupes (européens si possible). Si la situation s'est améliorée ces dernières années, avec l'apparition de plusieurs structures visant à favoriser de tels transferts, il n'en existe pas moins une fuite des cerveaux d'entrepreneurs, qui préfèrent aller entreprendre à l'étranger (et principalement hors d'Europe, notamment, le plus souvent, aux États-Unis) du fait des conditions plus propices qu'ils y trouvent, tant au niveau des possibilités de financement disponibles que de l'écosystème entrepreneurial et de la rapidité des circuits de décision. Enfin, l'IA est en train d'impacter l'ensemble des domaines de recherche. Et se heurte à la faiblesse de la recherche française en termes d'interfaces entre disciplines, puisqu'avoir de brillants chercheurs en mathématiques ou en informatique d'un côté et, par exemple, en physique-chimie ou en médecine de l'autre, ne suffit pas à faire prospérer les recherches interdisciplinaires. En réseau d'instituts < L'une des raisons de l'essor récent du deep learning a été la démocratisation de l'usage des GPU (Graphical processing unit). D'où la nécessité de créer un réseau d'Instituts Interdisciplinaires d'Intelligence Artificielle (3IA). Créés sur réponse à un appel d'offres, immergés dans un écosystème scientifique riche de collaborations potentielles, directement impliqués dans l'enseignement supérieur et fortement liés au monde industriel, ces instituts 3IA offrent à l'ensemble e la chaîne allant de la recherche à 'innovation, des lieux de rencontres ropices aux collaborations frucueuses et à la diffusion des savoirs iés à l'IA, permettant à une fraction ignificative des acteurs concernés t motivés (chercheurs, étudiants, ntrepreneurs) un accès direct aux echerches de pointe. Il est proposé e mettre en place un supercalculaeur conçu spécifiquement pour les pplications d'intelligence artifi-ielle (ces architectures diffèrent otablement de celles des supercal-ulateurs HPC classiques), et ce au rofit unique de la recherche fran-aise, à commencer par les membres es instituts 3IA. S'il n'est pas établi que le dévelop-pement de l'intelligence artificielle constitue à proprement parler une quatrième révolution industrielle, il apparaît néanmoins de plus en plus certain qu'elle va modifier la majo-rité des métiers et des organisa-tions. Ce développement va en effet permettre l'automatisation d'un grand nombre de tâches.

Le manque de leadership en semi-conducteurs freine l’essor de l’intelligence artificielle en Europe

Couverture ElectroniqueS n°127

IBM grave les premières puces en 2 nm en abandonnant les FinFET

Zeta, le protocole LPWAN made in China, arrive en Europe

Harting invente le connecteur électronique sur mesure

Le manque de leadership en semi-conducteurs freine l’essor de l’intelligence artificielle en Europe

Dans la même rubrique

Couverture ElectroniqueS n°127

IBM grave les premières puces en 2 nm en abandonnant les FinFET

Zeta, le protocole LPWAN made in China, arrive en Europe

Harting invente le connecteur électronique sur mesure