L’IA générative est omniprésente, mais le secteur public est un des plus grands défis. Nous examinons avec SAS les opportunités, les défis et les risques.
Les administrations et les organisations continuent à adopter le potentiel de l’IA et de l’analyse des données, il est essentiel d’explorer différents outils et technologies. Lors du SAS Innovate on Tour à Rotterdam, nous en parlons avec Michel Philippens, conseiller en analytique et responsable des solutions clients.
Il explique les défis et les opportunités liés à la mise en œuvre de l’IA dans le secteur public. De l’atténuation des risques de l’IA à la modernisation des services, tout est abordé. Pour commencer, il veut partir de l’essentiel.
Opportunités
L’IA générative (GenAI), qui peut apprendre de diverses formes de données telles que le texte, les images, l’audio et les modèles 3D, peut générer de nouveaux résultats tels que des conversations, des vidéos, des graphiques et des systèmes 3D. Selon Philippens, la GenAI offre quatre possibilités dans le secteur public :
- Questions et réponses : améliorez les services clients grâce à des chatbots capables de répondre aux questions et de modifier les services.
- Création de contenu : générer différents types de contenu, y compris des e-mails, des messages sur les médias sociaux, des contrats et des propositions.
- Résumé de contenu et recherche d’informations : extraire des informations pertinentes à partir de vastes collections de connaissances.
- Codage, logiciels et science des données : améliorer la productivité dans le développement de logiciels en automatisant le codage et les tests.
Les organisations adoptent déjà largement ces aspects aujourd’hui. Pour le secteur public, Philippens voit de nombreuses opportunités. « Prenons l’exemple de la réglementation et de la législation : on peut réduire considérablement le temps consacré à l’élaboration et à l’analyse des réglementations. L’amélioration du développement et la mise en œuvre des politiques et des programmes sont aussi des possibilités. »
« C’est une longue liste : des outils pour une meilleure gouvernance et une meilleure gestion, l’amélioration de l’efficacité et de la qualité des services publics, l’harmonisation des processus internes grâce à l’automatisation. »
Règles du jeu
En théorie, Philippens explique bien comment procéder, mais le gouvernement a généralement des règles de base plus strictes pour les données personnelles. Dans sa présentation, il aborde les principaux défis et obstacles. « Le potentiel est énorme, mais il y a des obstacles à la mise en œuvre de la GenAI. »
Voici une liste des principaux défis à relever :
- Confidentialité et sécurité : risques de manipulation des données, de vol et de création de fausses informations.
- Précision : défis à la garantie de l’exactitude des faits et de la pertinence contextuelle des résultats de l’IA.
- Coût et gestion : exigences élevées en matière de calcul, évolution des modèles commerciaux et nécessité de cadres de gestion.
- Considérations juridiques et éthiques : questions telles que les attaques de l’IA par injection d’invites, les responsabilités juridiques et la conformité réglementaire, comme la loi européenne sur l’IA.
SAS soulève quelques questions clés pour implémenter l’IA générative efficacement. Voici les principaux points :
- Définir sa position vis-à-vis des risques : évaluer les risques potentiels et établir une stratégie claire de gestion des risques.
- Identifier et prioriser les cas d’utilisation : se concentrer sur les domaines qui ont un impact élevé et dans lesquels la GenAI peut apporter une valeur ajoutée significative.
- Développer des applications GenAI avec les utilisateurs finaux : impliquer les utilisateurs finaux dans le processus de développement pour que les outils répondent à leurs besoins.
- Garder les gens informés : assurer une supervision humaine afin de maintenir le contrôle et la responsabilité.
- Plan de communication et de formation : développer un plan complet pour éduquer les parties intéressées et les utilisateurs sur la GenAI.
- Sélectionner les LLM appropriés : choisir des modèles adaptés aux besoins et aux limites de l’organisation.
- Moderniser l’infrastructure et les capacités en matière de données : garantir des pratiques appropriées en matière d’infrastructure et de gestion des données.
- Développer de nouvelles compétences et de nouveaux rôles : développer de nouvelles compétences et de nouveaux rôles au sein de l’organisation pour soutenir les initiatives de la GenAI.
- Commencer modestement et intensifier : commencer par des projets pilotes et développer progressivement l’organisation à mesure qu’elle acquiert de l’expérience et de la confiance.
Exemple pratique
C’est une belle théorie, bien sûr, mais heureusement, Philippens a aussi inclus un exemple pratique clair dans sa présentation. « Les experts juridiques au sein du gouvernement doivent souvent fouiller dans une législation de plusieurs milliers de pages pour trouver les paragraphes pertinents. Par ailleurs, ils doivent également se baser sur des interprétations antérieures. »
Dans une démo, SAS intègre le document pdf de la loi européenne sur l’IA dans un LLM. Grâce à une question très détaillée, le modèle répond (en collaboration avec le spécialiste Notilyze). Cette réponse est claire et contient des informations complémentaires. Ainsi, on peut rechercher spécifiquement une confirmation, et gagner beaucoup de temps.
« Les LLM devraient aider les gouvernements à collecter leurs propres données. En les guidant, ils peuvent ensuite approfondir leurs recherches. »
Conclusion
Bien que l’IA générative soit prometteuse pour transformer les opérations du secteur public, la réussite de sa mise en œuvre nécessite un examen minutieux des risques potentiels, un plan stratégique et une surveillance humaine continue.
En suivant les meilleures pratiques décrites, les gouvernements peuvent exploiter la GenAI pour améliorer l’efficacité, renforcer les services et prendre de meilleures décisions.
Cet édito est réalisé en collaboration avec SAS. Cliquez ici pour en savoir plus sur les solutions d’IA de SAS.