- SYNTHÈSE
- I. COMPRENDRE LES TECHNOLOGIES D'INTELLIGENCE
ARTIFICIELLE
- A. UNE BRÈVE HISTOIRE DE L'INTELLIGENCE
ARTIFICIELLE
- B. LES PROGRÈS DE L'APPRENTISSAGE PROFOND
DANS LES ANNÉES 2010 ET L'ARCHITECTURE TRANSFORMER
- C. LES QUESTIONS TECHNOLOGIQUES ET LES PERSPECTIVES
D'AVENIR
- D. LA CONJUGAISON ENTRE LA LOGIQUE DE L'IA
SYMBOLIQUE ET L'EFFICACITÉ DE L'IA CONNEXIONNISTE
- E. LA LONGUE ET COMPLEXE CHAÎNE DE VALEUR DE
L'IA
- A. UNE BRÈVE HISTOIRE DE L'INTELLIGENCE
ARTIFICIELLE
- II. LES ENJEUX POLITIQUES, ÉCONOMIQUES,
SOCIÉTAUX, CULTURELS ET SCIENTIFIQUES
- III. LA GOUVERNANCE ET LA RÉGULATION DE
L'INTELLIGENCE ARTIFICIELLE
- IV. LES PROPOSITIONS DE L'OFFICE
- I. COMPRENDRE LES TECHNOLOGIES D'INTELLIGENCE
ARTIFICIELLE
- AVANT-PROPOS
- PREMIÈRE PARTIE
COMPRENDRE LES TECHNOLOGIES D'INTELLIGENCE ARTIFICIELLE
- I. HISTOIRE DE LA NOTION D'INTELLIGENCE
ARTIFICIELLE
- A. LA PRÉHISTOIRE DE L'INTELLIGENCE
ARTIFICIELLE ET SES REPRÉSENTATIONS CULTURELLES
- B. LES AVANCÉES DEPUIS UN
SIÈCLE : DU BAPTÊME DE 1956 À LA CONFIRMATION DE
2017
- C. LA SUMMA DIVISIO DE L'IA : INTELLIGENCE
ARTIFICIELLE SYMBOLIQUE ET INTELLIGENCE ARTIFICIELLE CONNEXIONNISTE
- 1. L'intelligence artificielle symbolique
- 2. L'intelligence artificielle
connexionniste
- a) Cadre et définition de ces
« superstatistiques »
- (1) À l'origine de tous ces
systèmes : les classifieurs linéaires
- (2) La pierre angulaire théorique : le
théorème d'approximation universelle
- b) Les réseaux de neurones
artificiels : aux origines de l'apprentissage profond ou Deep
Learning
- (1) Les premières théories dans les
années 1940
- (2) Les premiers perceptrons
- (a) Les perceptrons monocouches
- (b) Les perceptrons multicouches (MLP) et les
réseaux de neurones à propagation avant (FNN)
- (3) La rétropropagation du gradient
(Back-propagation)
- (4) Les réseaux de neurones convolutifs
(CNN)
- (5) Les réseaux de neurones
récurrents (RNN)
- (6) Les réseaux de neurones à
mémoire court et long terme (LSTM)
- c) Les autres systèmes
d'apprentissage
- (1) Les machines à vecteurs de support
(SVM)
- (2) Les modèles markoviens ou
« chaînes de Markov »
- (3) La contribution des réseaux
bayésiens à l'IA
- (4) L'apport de la
« régularisation statistique » de Vapnik
- a) Cadre et définition de ces
« superstatistiques »
- 1. L'intelligence artificielle symbolique
- A. LA PRÉHISTOIRE DE L'INTELLIGENCE
ARTIFICIELLE ET SES REPRÉSENTATIONS CULTURELLES
- II. LES IA GÉNÉRATIVES :
PRINCIPALE INNOVATION TECHNOLOGIQUE EN INTELLIGENCE ARTIFICIELLE DEPUIS
2017
- A. LES PRINCIPALES AVANCÉES EN
MATIÈRE DE GÉNÉRATION DE CONTENU CES DERNIÈRES
ANNÉES
- 1. « Attention is all you
need » : la technologie Transformer inventée en
2017
- 2. Distinguer les « modèles de
fondation » des systèmes d'intelligence artificielle
- 3. D'autres innovations récentes que la
technologie Transformer en matière d'IA générative
- a) La Génération par
diffusion : une innovation de pointe pour la création de contenus
visuels
- b) Générer du contenu avec des
réseaux de neurones convolutifs : les auto-encodeurs variationnels
(VAE)
- c) Les réseaux génératifs
antagonistes (GAN)
- d) La dernière innovation de 2024 :
l'architecture Mamba et son association avec un Transformer dans le
modèle Jamba
- a) La Génération par
diffusion : une innovation de pointe pour la création de contenus
visuels
- 1. « Attention is all you
need » : la technologie Transformer inventée en
2017
- B. LES GRANDES QUESTIONS TECHNOLOGIQUES ET LES
POSSIBLES ÉVOLUTIONS À VENIR
- 1. Les problématiques technologiques de
l'intelligence artificielle
- 2. Les tendances de la recherche et les
principales perspectives technologiques
- a) Moins halluciner : la
« Retrieval Augmented Generation » (RAG) par les
« Retrieval Augmented Transformers » (RAT)
- b) Manipuler en entrée et en sortie des
données de nature variée : les IA génératives
multimodales
- c) Faire des systèmes d'IA des interfaces
devenant la principale plateforme d'accès aux services
numériques
- d) Aller vers plus d'autonomie : le
défi de l'agentivité
- e) Faire plus avec moins : vers une IA
frugale et efficace
- f) L'exemple de la méthode
« Mixture of Experts » (MoE)
- a) Moins halluciner : la
« Retrieval Augmented Generation » (RAG) par les
« Retrieval Augmented Transformers » (RAT)
- 3. Synthèse et articulations entre les
modèles d'IA
- a) Des technologies enchâssées et
souvent conjuguées
- b) Les Arbres de pensées ou Trees of
Thought (ToT) : l'IA
« symboliconnexionniste »
- c) La fécondité des hybridations IA
symboliques/IA connexionnistes, notamment pour doter ces systèmes d'une
représentation du monde réel
- d) La variété des domaines de
l'intelligence artificielle
- a) Des technologies enchâssées et
souvent conjuguées
- 1. Les problématiques technologiques de
l'intelligence artificielle
- A. LES PRINCIPALES AVANCÉES EN
MATIÈRE DE GÉNÉRATION DE CONTENU CES DERNIÈRES
ANNÉES
- III. LE GRAND MARCHÉ DE L'IA : UNE
CHAÎNE DE VALEUR ÉTENDUE DES MATIÈRES PREMIÈRES AUX
CONSOMMATEURS
- I. HISTOIRE DE LA NOTION D'INTELLIGENCE
ARTIFICIELLE
- DEUXIÈME PARTIE
LES ENJEUX DE L'INTELLIGENCE ARTIFICIELLE
- I. DES PROBLÉMATIQUES POLITIQUES
PRÉOCCUPANTES, SURTOUT À L'HEURE DE L'IA
GÉNÉRATIVE
- A. UNE SOUVERAINETÉ DE PLUS EN PLUS
MENACÉE : LES ENJEUX GÉOPOLITIQUES DE LA CHAÎNE DE
VALEUR DE L'IA
- B. DES RISQUES DE MANIPULATIONS POLITIQUES VOIRE
DE DÉSTABILISATION
- C. LA SINGULARITÉ ET LE RISQUE
EXISTENTIEL : DE L'IAG AUX SCÉNARIOS À LA TERMINATOR
- 1. Que sont l'intelligence artificielle
générale (IAG) et la Singularité ?
- a) La perspective possible mais pas certaine de
l'intelligence artificielle générale rend la singularité
et le risque existentiel encore moins probables
- b) L'hypothèse des lois d'échelle ou
scaling laws
- c) Quelques jalons sur les évolutions en
cours : des capacités croissantes et la probabilité de
plateaux
- a) La perspective possible mais pas certaine de
l'intelligence artificielle générale rend la singularité
et le risque existentiel encore moins probables
- 2. L'espace des positions face à
l'intelligence artificielle générale et au risque
existentiel
- a) Les techno-pessimistes : l'IA est un
risque existentiel et l'alternative un moratoire ou le transhumanisme
- b) Les pessimistes modérés :
l'IA est une menace, les mesures de prévention une solution
- c) Les techno-optimistes : l'absence de
menace, la poursuite du développement tranquille de l'IA avec un
encadrement pragmatique
- a) Les techno-pessimistes : l'IA est un
risque existentiel et l'alternative un moratoire ou le transhumanisme
- 1. Que sont l'intelligence artificielle
générale (IAG) et la Singularité ?
- A. UNE SOUVERAINETÉ DE PLUS EN PLUS
MENACÉE : LES ENJEUX GÉOPOLITIQUES DE LA CHAÎNE DE
VALEUR DE L'IA
- II. DES EFFETS GLOBALEMENT POSITIFS POUR LA
SOCIÉTÉ MALGRÉ DES IMPACTS ÉCONOMIQUES
CONTRASTÉS
- III. DES DÉFIS SANS PRÉCÉDENT
POUR LA SPHÈRE CULTURELLE ET LE MONDE SCIENTIFIQUE
- A. DE LA DOMINATION CULTURELLE ANGLO-SAXONNE
À L'UNIFORMISATION COGNITIVE
- B. LA CRÉATION AU DÉFI DE L'IMPACT
DE L'INTELLIGENCE ARTIFICIELLE SUR LA PROPRIÉTÉ INTELLECTUELLE ET
LES DROITS D'AUTEUR
- C. DES BÉNÉFICES
CONSIDÉRABLES POUR LA RECHERCHE
- 1. La fertilisation des autres disciplines
scientifiques par l'IA
- 2. Les cas emblématiques de l'analyse du
repliement des protéines en 2018 et de la génomique
en 2024
- 3. Les jumeaux numériques et le
perfectionnement des simulations
- 4. Adapter nos politiques de recherche aux
perspectives ouvertes par l'IA
- 1. La fertilisation des autres disciplines
scientifiques par l'IA
- A. DE LA DOMINATION CULTURELLE ANGLO-SAXONNE
À L'UNIFORMISATION COGNITIVE
- I. DES PROBLÉMATIQUES POLITIQUES
PRÉOCCUPANTES, SURTOUT À L'HEURE DE L'IA
GÉNÉRATIVE
- TROISIÈME PARTIE
LA GOUVERNANCE ET LA RÉGULATION DE L'INTELLIGENCE ARTIFICIELLE
- I. LES DISPOSITIFS NATIONAUX OU
RÉGIONAUX
- A. UNE POLITIQUE FRANÇAISE DE
L'INTELLIGENCE ARTIFICIELLE EN DEMI-TEINTE
- B. D'AUTRES DISPOSITIFS NATIONAUX DANS L'UNION
EUROPÉENNE
- 1. L'Allemagne : le pays le plus proche du
nôtre
- 2. L'Italie : une stratégie de soutien
et de vigilance
- 3. L'Espagne : un cadre complet avec un riche
volet culturel
- 4. Les Pays-Bas : une coalition
public-privé efficace et une régulation précoce
- 5. L'Estonie : un État
numérique préoccupé par la sécurité de
l'IA
- 6. La Finlande : une stratégie
tournée vers l'appropriation de l'IA et l'éducation
- 1. L'Allemagne : le pays le plus proche du
nôtre
- C. LA GOUVERNANCE EUROPÉENNE DE
L'INTELLIGENCE ARTIFICIELLE
- 1. Le travail préparatoire conduit par les
institutions européennes entre 2018 et 2020
- 2. De la proposition de règlement du
21 avril 2021 à la juxtaposition de deux dispositifs à la
suite des amendements adoptés
- a) Le volet issu du projet initial d'AI Act en
2021 : une régulation des usages selon leurs risques plutôt
qu'une régulation de la technologie elle-même
- b) Le volet ajouté par les
co-législateurs : la régulation des modèles de
fondation assortie d'un régime spécifique pour les modèles
les plus puissants, dits « à risque
systémique »
- c) Les autres aspects de l'AI Act : une
polysynodie institutionnelle, une portée extraterritoriale, un
calendrier très complexe et une normalisation désinvestie
- a) Le volet issu du projet initial d'AI Act en
2021 : une régulation des usages selon leurs risques plutôt
qu'une régulation de la technologie elle-même
- 3. Une gouvernance européenne de l'IA
à compléter
- a) Mobiliser les entreprises et élaborer de
la Soft Law : l'AI Pact et les bonnes pratiques
- b) Deux projets de directive
complémentaires à l'AI Act : l'intelligence artificielle
comme produit sur le marché unique
- c) Le soutien européen à la
recherche et à l'innovation en IA au-delà du dispositif
EuroHPC
- a) Mobiliser les entreprises et élaborer de
la Soft Law : l'AI Pact et les bonnes pratiques
- 1. Le travail préparatoire conduit par les
institutions européennes entre 2018 et 2020
- D. PANORAMA D'AUTRES RÉGULATIONS NATIONALES
DANS LE RESTE DU MONDE
- A. UNE POLITIQUE FRANÇAISE DE
L'INTELLIGENCE ARTIFICIELLE EN DEMI-TEINTE
- II. UNE DIZAINE DE PROJETS DE GOUVERNANCE
INTERNATIONALE NON COORDONNÉS
- A. LA RÉFLEXION TECHNIQUE LA PLUS
ABOUTIE : LES PRINCIPES, RECOMMANDATIONS ET MÉTRIQUES DE
L'OCDE
- B. LE CADRE MULTILATÉRAL EN
CONSTRUCTION
- C. LES FORUMS FERMÉS DU G7, DU PARTENARIAT
MONDIAL SUR L'INTELLIGENCE ARTIFICIELLE ET DU CONSEIL DU COMMERCE ET
DES TECHNOLOGIES UE-ÉTATS-UNIS
- D. LES INITIATIVES NON OCCIDENTALES
- E. LES AUTRES PROJETS DE GOUVERNANCE
MONDIALE : CONSEIL DE L'EUROPE, FORUM ÉCONOMIQUE MONDIAL,
INITIATIVES ÉMANANT DU SECTEUR PRIVÉ...
- 1. La Convention-cadre sur l'IA du Conseil de
l'Europe
- 2. L'Alliance pour la gouvernance de l'IA
proposée par le Forum économique mondial
- 3. Des principes et bonnes pratiques
proposés par les entreprises au Partnership on AI lancé en 2016
par sept géants de l'IA
- 4. Le Forum sur les modèles de pointe ou
Frontier Model Forum et les autres initiatives
- 1. La Convention-cadre sur l'IA du Conseil de
l'Europe
- F. LE CADRE EN CONSTRUCTION DES SOMMETS POUR LA
SÉCURITÉ DE L'INTELLIGENCE ARTIFICIELLE ET DES INSTITUTS DE
SÉCURITÉ DE L'IA
- A. LA RÉFLEXION TECHNIQUE LA PLUS
ABOUTIE : LES PRINCIPES, RECOMMANDATIONS ET MÉTRIQUES DE
L'OCDE
- III. LES PROPOSITIONS DE L'OFFICE
- A. LES PROPOSITIONS À SOUTENIR DANS LE
CADRE DU FUTUR SOMMET DE L'IA
- 1. Faire reconnaître le principe d'une
approche transversale de l'IA et renoncer à l'approche exclusivement
tournée vers les risques
- 2. Proposer de placer la gouvernance mondiale de
l'IA sous l'égide d'une seule organisation internationale
- 3. Initier le cadre d'une régulation
globale et multidimensionnelle de l'IA en s'inspirant des travaux de l'OCDE et
de l'UE
- 4. Annoncer un programme européen de
coopération en IA, associant plusieurs pays dont au moins la France,
l'Allemagne, les Pays-Bas, l'Italie et l'Espagne
- 5. Associer le Parlement à l'organisation
du sommet
- 1. Faire reconnaître le principe d'une
approche transversale de l'IA et renoncer à l'approche exclusivement
tournée vers les risques
- B. LES PROPOSITIONS VISANT À FONDER UNE
VÉRITABLE POLITIQUE NATIONALE DE L'IA
- 6. Développer une filière
française ou européenne autonome sur l'ensemble de la
chaîne de valeur de l'intelligence artificielle
- 7. Mettre en place une politique publique de l'IA
avec des objectifs, des moyens et des outils de suivi et
d'évaluation
- 8. Organiser le pilotage stratégique de la
politique publique de l'intelligence artificielle au plus haut niveau
- 9. Former les élèves de
l'école à l'Université, former les actifs et former le
grand public à l'IA
- 10. Accompagner le déploiement de ces
technologies dans le monde du travail et la société, notamment
par la formation permanente
- 11. Lancer un grand dialogue social autour de
l'intelligence artificielle et de ses enjeux
- 12. Mobiliser et animer l'écosystème
français de l'IA
- 13. Reconduire le programme
« Confiance.ai » ou mettre en place un projet
équivalent
- 14. Soutenir la recherche publique en intelligence
artificielle selon des critères de transversalité et de
diversification des technologies
- 15. Relever le défi de la normalisation en
matière d'intelligence artificielle
- 16. S'assurer du contrôle souverain des
données issues de la culture française et des cultures
francophones et créer des jeux de données autour des cultures
francophones
- 17. Préparer une réforme des droits
de propriété intellectuelle dont le droit d'auteur pour les
adapter aux usages de l'IA générative
- 18. Confier à l'OPECST le suivi et
l'évaluation régulière de la politique publique conduite
par le Gouvernement en la matière
- 6. Développer une filière
française ou européenne autonome sur l'ensemble de la
chaîne de valeur de l'intelligence artificielle
- A. LES PROPOSITIONS À SOUTENIR DANS LE
CADRE DU FUTUR SOMMET DE L'IA
- I. LES DISPOSITIFS NATIONAUX OU
RÉGIONAUX
- EXAMEN DU RAPPORT PAR L'OFFICE
- LISTE DES PERSONNES ENTENDUES
- ANNEXES
ChatGPT, et après ? Bilan et perspectives de l'intelligence artificielle
Rapports d'office parlementaire
Rapport n° 170 (2024-2025), déposé le