IA et PME, accompagner les PME françaises dans l’appropriation de l’intelligence artificielle

D’après le baromètre France Num publié en septembre 2023, les PME ne seraient que 5 % à utiliser des solutions d’intelligence artificielle (IA). Pourtant, cette technologie est de plus en plus accessible. Encourager les PME à se saisir de ces nouvelles technologies est une ambition des pouvoirs publics, qu’ils soient européens ou nationaux, que CCI France partage. Le réseau formule, dans ce premier document, un ensemble de recommandations pour que les décideurs, publics comme privés, puissent contribuer à cette nécessaire appropriation de l’IA par les petites et moyennes entreprises qui constituent l’essentiel de notre tissu économique. Un premier axe vise à mettre l’IA à la portée des PME. Le second envisage, plus largement, les leviers d’action pour encourager le développement d’un écosystème favorable à la diffusion de l’IA.

Mettre l’IA à la portée des PME

Accentuer les efforts de sensibilisation à destination des PME

Beaucoup de PME-TPE ne savent pas ce que peut leur apporter l’IA ni, a fortiori, vers qui se tourner pour développer une ou des applications qui pourraient répondre à leurs besoins. Il importe donc non seulement de renforcer les efforts de sensibilisation, notamment à destination TPE, mais aussi de mettre l’accent sur l’intérêt que peuvent présenter les systèmes d’IA, métier par métier.

Les PME n’ont que rarement la surface financière suffisante pour embaucher un expert capable de déployer un système d’IA dans l’entreprise. Cette difficulté peut être surmontée en se tournant vers des fournisseurs de services et des éditeurs de solutions d’IA. Pour assurer les chefs d’entreprise que le prestataire ou fournisseur choisi a bien développé ses produits ou services de façon éthique, transparente et sûre, il faut encourager la labellisation et l’élaboration de listes de prestataires de confiance.

Élargir les programmes de soutien et d’accompagnement

Des programmes ont déjà été lancés, notamment dans le cadre de France 2030, pour faciliter l’adoption de l’IA par les PME. Le réseau des CCI estime cependant que les conditions d’accès sont souvent trop restrictives, notamment à l’égard des TPE, et que leur durée est trop brève.

Renforcer la visibilité des start-ups qui développent des solutions d’IA auprès des PME

Les start-ups jouent un rôle clé dans la diffusion de l’IA, en particulier auprès des PME. Elles peuvent proposer des solutions adaptées à des cas d’usage particuliers. Pour autant, les mises en relation entre fournisseurs de solutions d’IA et demandeurs pourraient être fluidifiées, notamment par la mise en place, au plus près des PME, des plateformes dédiées.

Privilégier une approche sectorielle

Pour inciter les PME à s’intéresser aux potentialités des solutions d’IA, le réseau des CCI considère qu’il faut privilégier une approche sectorielle. Encourager le développement de partenariats entre entreprises industrielles et entreprises technologiques peut conduire à faire émerger une expression des besoins. Par ailleurs, les PME seront plus à même de bien comprendre les gains qu’elles peuvent attendre d’un recours à des solutions d’IA sectorielles si on porte à leur connaissance des cas d’usage concluants.

Parallèlement aux actions directement ciblées sur les PME, il est important de développer, plus largement, un écosystème favorable à la diffusion de l’intelligence artificielle dans la Société.

Développer un écosystème favorable à la diffusion de l’IA

CCI France considère qu’il faut promouvoir l’appropriation collective de l’intelligence artificielle si l’on veut que la « culture » de l’IA se diffuse auprès de tous les acteurs économiques.

Encourager le développement des compétences

Les évolutions technologiques interviennent à un rythme nettement plus soutenu que l’offre de formations correspondantes. Il est donc essentiel d’encourager le développement de compétences techniques qui correspondent aux besoins des entreprises à échéance la plus brève possible.
Le réseau des CCI considère qu’il faut impérativement développer l’appétence pour les études scientifiques très tôt et renforcer les collaborations entre centres universitaires de recherche et entreprises.

L’usage de l’IA générative étant appelé à fortement se développer en entreprise, un effort particulier pourrait aussi être fait en direction des demandeurs d’emploi.

Renforcer l’expertise numérique en entreprise

Au sein même des entreprises, la résistance au changement constitue un frein à l’adoption de l’IA qu’une formation appropriée pourrait tempérer. Il apparaît, en outre, souhaitable de former le plus largement possible au « bon usage » des IA génératives qui sont appelées à intégrer à très court terme les outils numériques disponibles en entreprise : d’une part pour faire monter les collaborateurs en compétence, et d’autre part pour éviter des comportements à risque (fuite de données, révélation de secret des affaires, etc.). Les petites entreprises n’auront cependant pas toujours les moyens de mettre en place des programmes de formation en interne. Des dispositifs de soutien existent, mais ils sont limités soit dans le temps soit dans leur objet. Le réseau des CCI estime qu’il est nécessaire de les pérenniser et de les élargir.

L’utilisation du compte personnel de formation (CPF) est une autre voie à envisager pour accompagner la transition numérique.

Parallèlement, la gestion des données doit monter en puissance dans les entreprises. Ces dernières sous-estiment souvent l’intérêt que présente, pour leur activité, le partage de données avec d’autres organisations évoluant dans le même secteur d’activité ainsi que l’utilisation de données émanant d’organismes ou d’entreprises publiques pour développer des systèmes d’IA performants adaptés à leurs besoins spécifiques.

Encourager la recherche et l’innovation en matière d’IA

Les start-ups innovantes sont très souvent confrontées à des problèmes de financement et il est important de prendre des mesures afin d’éviter qu’elles ne quittent le territoire national pour s’installer là où l’écosystème est plus favorable. Dans certains secteurs, les délais d’obtention des certifications nécessaires à la mise sur le marché systèmes d’IA sont très longs. Il en découle des difficultés de financement qui ont pu conduire à l’abandon d’un certain nombre de projets pourtant très prometteurs. CCI France considère qu’il est nécessaire de veiller à ce que les procédures de certification soient raccourcies.

Soutenir les investissements dans des solutions d’IA frugale ou dans des projets d’IA favorisant la transition écologique

Le réseau des CCI considère qu’il convient d’accompagner plus spécifiquement les entreprises qui mettent en oeuvre ou développent des projets favorisant la transition écologique.

Privilégier un cadre réglementaire équilibré et sécurisant

Le principe des bacs à sable réglementaire permet de mettre en place un cadre propice à l’innovation des PME. CCI France invite à développer largement ces dispositifs en accordant un accès prioritaire aux PME et start-ups.

Introduction de l'étude

Alors que les instances européennes finalisent l’AI Act, que ChatGPT fait une entrée fracassante dans l’univers des personnes connectées et que les fictions dystopiques autour de l’intelligence artificielle (IA) foisonnent, il est légitime de s’interroger sur les atouts que présentent ces nouvelles technologies pour l’économie, en général, et pour les PME, en particulier. En effet, d’après le baromètre France Num publié en septembre 2023, les PME ne seraient que 5 % à utiliser des solutions d’IA. Or les PME ont beaucoup à gagner à utiliser ces nouvelles technologies.

C’est la raison pour laquelle les CCI de France ont souhaité, dans ce document, dresser un rapide tableau des enjeux que soulève cette technologie, des potentialités qu’elle offre aux entreprises, et faire de premières recommandations pour que les PME puissent, chacune dans son secteur, appréhender l’intelligence artificielle comme un outil au service de leur développement.

Qu’est-ce que l’intelligence artificielle ?

Parler d’intelligence artificielle (IA) nécessite, au préalable, d’en définir les contours. Car si, jusqu’à très récemment, c’est l’image d’un robot à forme humanoïde qui était mobilisée, désormais, c’est plutôt à ChatGPT que l’on pense. Alors qu’est-ce que l’IA ?

Une première difficulté réside dans le fait qu’il n’existe pas de définition clairement arrêtée et unanimement admise.

Le rapport Villani, prévient, d’ailleurs, que l’intelligence artificielle désigne « moins un champ de recherches bien défini qu’un programme, fondé autour d’un objectif ambitieux : comprendre comment fonctionne la cognition humaine et la reproduire ; créer des processus cognitifs comparables à ceux de l’être humain ».

La Commission d’enrichissement de la langue française la définit, au journal officiel, comme un « champ interdisciplinaire théorique et pratique qui a pour objet la compréhension de mécanismes de la cognition et de la réflexion, et leur imitation par un dispositif matériel et logiciel, à des fins d'assistance ou de substitution à des activités humaines ».

Quant à la Commission Nationale consultative des droits de l’homme, elle préconise, pour sa part, d’utiliser l’expression « système algorithmique d’aide à la décision » plutôt que celle d’ « intelligence artificielle », afin de contrer la tendance à « anthropomorphiser » les termes s’y référant. L’IA n’est pas un agent moral. C’est un système qui génère de l’information grâce à des traitements statistiques massifs.

Et ce n’est que lors des discussions finales que les législateurs européens se sont accordés sur une acception assez proche de celle retenue par l’OCDE, en définissant un système d’intelligence artificielle comme « un système automatisé qui est conçu pour fonctionner à différents niveaux d’autonomie et qui peut, pour des objectifs explicites ou implicites, générer des résultats tels que des prédictions, des recommandations ou des décisions qui influencent les environnements physiques ou virtuels » ( art. 3).

Dans la pratique, l’intelligence artificielle fait référence aux systèmes qui utilisent des technologies telles que l’extraction de texte, la vision par ordinateur, la reconnaissance vocale, la génération de langage naturel, l’apprentissage automatique, l’apprentissage profond pour recueillir et/ou utiliser des données afin de prédire, recommander ou décider, avec différents niveaux d’autonomie, la meilleure action pour atteindre des objectifs spécifiques.

Les systèmes d’IA peuvent être intégrés dans des logiciels (logiciels de reconnaissance d’images, assistants virtuels, systèmes de reconnaissance vocale et faciale) ou intégrés dans des dispositifs physiques autonomes ; on parle alors de systèmes d’IA embarquée (robots, véhicules, drones, dispositifs médicaux). L'IA embarquée est conçue pour fonctionner localement sur un dispositif donné : elle peut prendre des décisions en temps réel sans qu’une connexion constante à un serveur distant soit nécessaire. Tandis que l'IA utilisée pour améliorer les fonctionnalités d'un logiciel spécifique peut nécessiter une connexion à un serveur distant pour traiter certaines tâches complexes, qui demandent plus de puissance de calcul ou des modèles plus importants.

On peut aussi distinguer les IA génériques (ou généralistes), conçues pour traiter un large éventail de tâches dans un champ relativement étendu, des IA spécialisées, entraînées pour un usage plus spécifique ou pour opérer dans un contexte particulier. Les modèles de langage tels que GPT-3 (Generative Pre-trained Transformer 3), développé par OpenAI et utilisé dans ChatGPT, sont des exemples d'IA générique. Ces types d’IA peuvent être utilisés pour des tâches variées telles que la génération de texte, la traduction, la compréhension du langage naturel, etc. Les IA spécialisées, quant à elles, peuvent être développées pour des domaines tels que la vision par ordinateur (reconnaissance d'images), la détection de fraudes, la recommandation de produits, la planification de trajets, etc.

Il n’existe donc pas une intelligence artificielle, mais des systèmes d’intelligence artificielle.

Une seconde difficulté réside dans le fait que l’intelligence artificielle se nourrit de données : de données privées, de données publiques, de données techniques, de données personnelles, d’images, de sons, de textes, etc. Ces différentes sources d’approvisionnement, qui permettent à la machine d’« apprendre », sont extrêmement variées : certaines sont encadrées, d’autres protégées, d’autres, encore, sont librement accessibles. L’IA est donc tributaire des données disponibles. Le développement des usages dépend, en conséquence, étroitement du degré de numérisation des secteurs d’activité concernés.

L’état des lieux

Des travaux d’Alan Turing dans les années 1950 à l’avènement de l’IA générative grand public en 2022, l’intelligence artificielle a changé de dimension et de registre.

Les recherches sur l’IA sont relativement anciennes : les architectures et les techniques d’apprentissage existent depuis plusieurs décennies et le déploiement de systèmes d’IA, notamment dans l’industrie, ne date pas d’hier. Mais on assiste à une accélération très rapide du leur développement grâce aux progrès réalisés dans le traitement des données, notamment avec la montée en puissance des capacités de calcul. La diffusion de systèmes d’IA dite générative est, en revanche, plus récente, avec l’arrivée de ChatGPT d’Open AI (novembre 2022), Bard de Google (mars 2023) ou encore Anthropic, pour ne citer que les systèmes ayant bénéficié de la puissance de frappe des GAFAM qui les portent. Bien d’autres projets concurrents sont en cours de développement, y compris en Europe (Bloom développé à Saclay ou Mistral IA, une licorne française). Et il ne se passe pas une semaine sans qu’une nouvelle annonce ne vienne bouleverser le paysage de l’IA générative…

Des données plus nombreuses et plus disponibles

Les modèles d’IA sont entraînés sur des données. Plus les données seront nombreuses, disponibles et de qualité, plus l’IA pourra répondre à des besoins sectoriels précis. Certains domaines sont, de ce fait, plus « IA compatibles » que d’autres.

Ainsi, le secteur de la santé est, aujourd’hui, l’un des plus dynamiques en termes d’utilisation de l’IA. La disponibilité d’un grand nombre de données (notamment grâce aux objets connectés) permet le développement d’outils de médecine préventive très utiles. Le traitement de ces données et les efforts consentis en matière de recherche et développement (R&D) ont également permis d’affiner l’aide au diagnostic et au soin. Et les espoirs placés dans ces nouvelles approches technologiques sont immenses.

Le secteur des transports est aussi un exemple intéressant. On pense, bien sûr, au véhicule autonome, innovation sur laquelle les grands constructeurs automobiles rivalisent. Mais pour le grand public et les usagers des transports en commun ou multimodaux, des applications largement utilisées comme WAZE ou CITYMAPPER sont, aussi, des cas concrets d’utilisation de calculateurs prédictifs. Quant à GOOGLE MAPS, l’une des applications de cartographie les plus anciennes, ses dirigeants ont annoncé, en novembre 2023, avoir introduit une « immersive view », nouvelle fonctionnalité utilisant la vision par ordinateur et l’IA pour fusionner des milliards d’images de Street View et des images aériennes, afin de proposer une représentation en haute définition d’un lieu, que les utilisateurs pourront découvrir avant de s’y rendre.

L’IA au service d’une gestion plus efficace de l’espace urbain est aussi en plein essor. Dans les « smart cities », de supercalculateurs et des capteurs disséminés dans la ville permettent, par un pilotage quasi instantané, une gestion plus efficace et adaptative, de contribuer à l’amélioration de la qualité de vie des habitants.

Les politiques d’open data ont également permis le développement de nouveaux outils et conduit à des avancées significatives dans le domaine de l’IA. En rendant certaines données disponibles, gratuitement et sans restriction d’accès, elles visent à favoriser la transparence mais aussi à encourager l’innovation et le développement de nouvelles applications pour le bénéfice du plus grand nombre. La loi du 7 octobre 2016 pour une République numérique a élargi le champ des données publiques devant être mises à disposition du public. Leur réutilisation est, sauf exceptions, gratuite et ne peut être restreinte que pour des motifs d’intérêt général. Les jeux de données sont centralisés sur la plateforme data.gouv.fr.

La Directive 2019/1024/UE concernant les données ouvertes et la réutilisation des informations du secteur public prévoit que les données des entreprises investies d’une mission de service public soient également intégrées dans le champ de l’open data. Le règlement d’exécution pris pour son application établit une liste des ensembles de données de forte valeur — comprendre à fort potentiel pour la société, l’environnement et l’économie — qui devront être mis à disposition en vue de leur réutilisation d’ici juin 2024, dans des formats ouverts et lisibles par machine.

Toutes ces données sont essentielles pour entraîner les algorithmes.

Les algorithmes d’intelligence artificielle

Un algorithme est un ensemble ordonné et fini d’opérations qui doivent être menées dans l’ordre pour résoudre un problème. La CNIL le définit sur son site comme « la description d’une suite d’étapes permettant d’obtenir un résultat à partir d’éléments fournis en entrée. Par exemple, une recette de cuisine est un algorithme permettant d’obtenir un plat à partir de ses ingrédients ! ».

Les algorithmes sont essentiels pour le fonctionnement des systèmes d’intelligence artificielle. Ils leur permettent d’apprendre, de s’adapter et de réaliser des tâches complexes, de manière autonome.

L’un des principaux facteurs de l’accélération du développement de l’IA est l’évolution des algorithmes d’apprentissage automatique (Machine Learning ou ML). Ces technologies sont de plus en plus accessibles. De nombreux algorithmes sont disponibles gratuitement en open source et peuvent être utilement intégrés dans des solutions d’IA adaptées aux besoins des PME. Or, si plus de 8 entreprises sur 10 utilisent des logiciels open source, les PME ont moins recours à ces technologies que les grandes entreprises9. Il est certes plus à la portée des grandes organisations, dotées de services informatiques, de s’en emparer. Mais les PME peuvent externaliser et faire appel à des experts, pour autant qu’elles soient sensibilisées aux gains que peut procurer l’IA (car il est nécessaire d’établir, préalablement, pourquoi l’on veut recourir à l’IA). Un projet d’IA c’est une réponse technique à un besoin stratégique, qui doit être adaptée à chaque cas de figure.

L’avènement de l’IA générative

L’OCDE définit l’IA générative comme « un type de modèle d’IA spécialement conçu pour produire de nouveaux éléments de contenu numérique (texte, image, audio, vidéo, code logiciel, entre autres), notamment lorsque ce genre de modèle est utilisé dans des applications et les interfaces utilisateur correspondantes. Les systèmes d’IA générative sont généralement construits comme des systèmes d’apprentissage automatique entraînés à l’aide de vastes ensembles de données. Leur fonctionnement consiste à prédire les mots, pixels, formes d’ondes, points de données, etc. qui ressembleraient au modèle ayant servi à leur entraînement, souvent en réponse à des invites (ou prompts) ».

Dans un contexte de mutation technologique rapide, la présentation par Open AI de la version grand public de ChatGPT en 2022 a fait l’effet d’une petite déflagration. Le déploiement de l’interface grand public avait pour but d’améliorer l’apprentissage du système ; les utilisateurs sont amenés de la sorte à participer au développement de l’outil. L’entreprise a lancé, fin 2023, OpenAI Data Partnerships, des partenariats avec des entreprises et des acteurs publics afin d’améliorer la compréhension de son outil en élargissant encore l’ensemble des données d’entraînement.

L’intelligence artificielle, si elle n’est pas nouvelle dans ses fondements, évolue extrêmement rapidement. On peut parler d’une technologie de rupture ; elle aura des impacts qu’on peut encore difficilement mesurer sur l’économie mondiale (1ère partie). Mais l’IA ne peut rester l’apanage des grandes organisations. Les CCI de France considèrent qu’il est nécessaire d’accompagner les PME à relever les défis que représente le déploiement de solutions d’IA au service du développement de leurs activités (2ème partie).

Retrouvez l'étude complète

Au sommaire :

Partie 1 — L’IA, une technologie de rupture qui impacte(ra) l’économie mondiale

• Une technologie aux enjeux considérables
  • Les enjeux scientifiques : améliorer la technologie
  • Les enjeux économiques : développer les usages sectoriels et encourager l’émergence de start-ups innovantes
  • Les enjeux sociaux : accompagner les transformations de l’emploi
  • Les enjeux environnementaux : faciliter la transition écologique tout en privilégiant un espace numérique sobre
  • Les enjeux éthiques : s’interroger sur la place de l’ia et les risques liés à son utilisation
  • Les enjeux juridiques : poser des principes de transparence, responsabilité et propriété intellectuelle
• Un secteur caractérisé par une croissance exponentielle… et une réglementation balbutiante
  • Un secteur en très forte croissance
  • Une réglementation en construction

Partie 2 — L’IA et les PME, des défis à relever

• Des potentialités d’utilisation nombreuses et variées
  • L’IA et le processus de production
  • L’IA et le processus de vente
  • L’IA et la logistique
  • L’IA et les ressources humaines
  • L’IA et la gestion administrative et financière
  • L’IA et la transition écologique
• Mettre l’IA à la portée des pme
• Développer un écosystème favorable à la diffusion de l’IA
  • Encourager le développement des compétences
  • Renforcer l’expertise numérique en entreprise
  • Encourager la recherche et l’innovation en matière d’IA
  • Soutenir les investissements dans des solutions d’IA frugale ou dans des projets d’IA favorisant la transition écologique
  • Privilégier un cadre réglementaire équilibré et sécurisant