## aiinpractice

## Source details

**Canonical URL:** [aiinpractice](https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/aiinpractice.pdf)

## Other formats

- [Markdown version](/-/media/files/publications/fandd/article/2023/december/french/aiinpractice.pdf.md)
- [Structured JSON version](/-/media/files/publications/fandd/article/2023/december/french/aiinpractice.pdf.json)

---

### Introduction — portée et objectifs
- L’intelligence artificielle (IA) a le potentiel de transformer de nombreux pans de la société, notamment l’agriculture, la médecine et la défense.
- Les exemples présentés sont tirés d’expériences pratiques de différents pays et illustrent avantages concrets, questions morales, lacunes de l’action publique et manque de formation.

### Agriculture — produire plus avec moins
- Rôles et applications de l’IA en agriculture :
  - conception de nouvelles variétés de riz résistantes au changement climatique;
  - fourniture de données sur les sols;
  - guidage de pulvérisateurs de précision embarqués dans des drones pour l’application d’engrais et de pesticides;
  - sélection, inspection et classement des produits.
- Exemples et politiques nationales (Thaïlande) :
  - Stratégie Thailand 4.0 programmée sur vingt ans, priorités : alimentation, agriculture et technologies numériques.
  - Programmes gouvernementaux Smart Farmer et Young Smart Farmer visant l’adoption d’agriculture de précision (drones pilotés par l’IA, logiciels de pulvérisation intelligente).
  - Données démographiques et commerciales citées : 70 millions d’habitants; 15e exportateur mondial de denrées alimentaires; valeur des expéditions estimée à 44,3 milliards de dollars "cette année".
- Contexte mondial de l’insécurité alimentaire :
  - Estimation citée : 735 millions de personnes (9,2 % de la population mondiale) étaient sous-alimentées en 2022.
  - Même la Thaïlande a enregistré la première hausse du nombre de personnes souffrant de la faim depuis dix ans.
- Initiatives technologiques et d’écosystème :
  - Lancement de THEOS-2, premier satellite d’observation de la Terre mis au point par des ingénieurs thaïlandais et britanniques, pour collecter des données pour l’agriculture intelligente.
  - Programme One Community, One Drone couvrant les agriculteurs de 500 collectivités partageant des services de drone.
  - Incubateurs et accélérateurs pour favoriser la recherche d’investisseurs privés et aider les jeunes entreprises agritech.
- Exemples d’entreprises et déploiements :
  - Ricult : fondée en 2015; application téléchargée plus de 800 000 fois en Thaïlande; combine fintech et agritech pour fournir informations et outils aux petits agriculteurs (choix de variétés, méthodes de précision, accès au financement).
  - Mitr Phol collabore avec IBM sur des solutions IA pour agriculteurs.
  - Chia Tai utilise les drones autonomes du chinois XAG.
- Obstacles et limites :
  - Microgestion et travail en équipes isolées au sein des organismes gouvernementaux freinent le décollage de l’agriculture intelligente.
  - Réglementations strictes sur les drones (ex. en Afrique) rendent difficiles l’obtention d’autorisations.
  - Persistances d’obstacles en Afrique : connectivité et formation au numérique insuffisantes.
  - Risques liés aux données : "Si les données sont de mauvaise qualité, il en ira de même pour les résultats de l’IA."
  - Risque que l’IA soit programmée pour augmenter les rendements sans tenir compte des effets néfastes sur l’environnement.
- Positions et recommandations implicites :
  - "La tâche des gouvernants devrait consister à imaginer les politiques et faciliter le financement des jeunes pousses, des innovateurs et des agriculteurs. Laisser le marché opérer est bien plus efficace." — Aukrit Unahalekhaka.
  - Nécessité de solutions suffisamment simples à utiliser pour les agriculteurs.

### Médecine — "les pouvoirs curatifs" et les risques
- Exemples d’outils IA en pratique :
  - LumineticsCore (Digital Diagnostics) : système utilisant une caméra et l’IA pour examiner des images des yeux.
    - En 2018, premier appareil fonctionnant avec l’IA à obtenir l’agrément de la Food and Drug Administration (FDA) américaine pour dépister la rétinopathie diabétique.
    - En 2020, Medicare a décidé de financer son utilisation dans les centres de soins primaires.
    - Étude à Rangpur (Bangladesh) : productivité estimée à 1,59 patient par heure en groupe IA contre 1,14 dans le groupe témoin.
- Distinction conceptuelle :
  - "IA à impact" (outils ayant montré qu’ils aident à améliorer la santé) versus "IA glamour" (produits médiatiques n’ayant pas prouvé leurs bienfaits).
- Risques d’équité et biais :
  - Article de Science (2019) : un algorithme massivement utilisé sous-estimait la gravité des pathologies de patients noirs, entraînant des refus de prise en charge.
  - Préoccupation que les outils d’IA basés sur des données présentées biaisent en faveur des personnes aisées (souvent blanches).
  - Importance d’accroître la diversité des patients dont les données servent à former les outils d’IA et la diversité des concepteurs.
- Besoin crucial dans les pays à faibles ressources :
  - Ratios médecins pour 10 000 habitants cités : États-Unis ≈ 36 médecins pour 10 000 habitants; Royaume-Uni ≈ 32; Inde ≈ 7.
  - Défis d’infrastructures : capacités électriques et informatiques insuffisantes; manque de personnel capable de traduire diagnostics IA en traitements efficaces.
- Réglementation et gouvernance :
  - L’OMS a publié un rapport 2021 sur l’éthique et la gouvernance de l’IA en matière de santé; rapport récent (octobre) sur les difficultés de la réglementation de l’IA dans le milieu médical et inquiétudes sur le déploiement rapide des outils issus des grands modèles de langage.
  - Le Parlement européen a signalé des inquiétudes sur manque de transparence, confidentialité et sécurité.
  - La FDA affine sa stratégie de réglementation de l’IA dans les produits médicaux via des recommandations officielles.
- Recherche pharmaceutique et découverte de médicaments :
  - L’IA facilite la compréhension précoce de l’action des composants dans l’organisme, réduisant la probabilité d’effets secondaires survenant tardivement.
  - "Les efficiences générées au stade de la découverte sont exponentielles. Nous allons voir des tas de nouvelles choses arriver bientôt sur le marché." — Tala Fakhouri (FDA).
- Approche de déploiement :
  - Certains contextes nécessiteront un "véritable sprint" pour intégrer l’IA au système de santé, d’autres un "marathon".
  - Acceptation inévitable de l’IA en pratique médicale, avec nécessité d’instaurer des garde-fous pour éviter prédictions et diagnostics inappropriés.

### Défense — mutation des modalités de l’affrontement
- Constat général :
  - La guerre en Ukraine sert de laboratoire pour les nouvelles technologies et montre l’efficacité possible de l’IA ainsi que des failles dans l’adoption, le déploiement et le contrôle par les États et le secteur militaire.
- Domaines d’application observés :
  - Utilisation pour grands choix stratégiques, action en temps réel, derniers renseignements au niveau local, anticipation de soucis logistiques.
  - Utilisation pour la guerre de l’information.

### Drones autonomes et adaptation tactique
- L’IA aide les armées à surveiller les mouvements ennemis et à larguer des explosifs à distance et de façon autonome, et elle a accéléré des mutations dans les modalités de l’affrontement.
- Les armées modifient rapidement leurs tactiques, leurs techniques et leurs procédures pour exploiter les nouvelles technologies ou en atténuer les répercussions.
- Exemples opérationnels :
  - Ukraine : logiciel de traduction et de reconnaissance vocale basé sur l’IA pour surveiller les conversations non cryptées de soldats et pilotes russes et en extraire des renseignements exploitables.
  - Contre-mesures et réponses : lorsque la Russie a introduit le brouillage contre les drones ukrainiens, des programmeurs de Kiev ont utilisé l’IA pour permettre aux drones de déjouer le brouillage et de rester verrouillés sur leurs cibles.
  - Bayraktar TB2 : essentiel au début de l’invasion de 2022, mais a perdu de son utilité lorsque la Russie a perfectionné sa défense aérienne et ses capacités de guerre électronique.
  - Drones Saker Scout : déployés en septembre; développés en Ukraine; capables de détecter des cibles ennemies souvent invisibles à l’œil humain, même sous des camouflages.
- Impact stratégique :
  - L’accent mis sur la rapidité d’évolution a conduit à repenser l’utilité opérationnelle de l’IA — elle n’est plus « une case à cocher », mais soulève des questions sur données, connaissance du camp et de l’adversaire, procédures de test et d’évaluation.

### Données (le « carburant » de l’IA) et acteur privé
- La guerre souligne l’importance des données et soulève des questions pour décideurs et planificateurs quant à la nature, la gestion et le contrôle des données.
- Reconfigurations et sources de données :
  - Ukraine : reconfiguration d’une application publique permettant de déclarer ses revenus pour téléverser photos, vidéos ou autres renseignements sur les troupes russes vers une base de données tenue par l’armée.
  - Sources combinées : images satellites disponibles sur le marché; données confidentielles issues d’alliés; piratage de caméras de surveillance russes; flotte de drones ukrainiens.
- Rôle du privé :
  - Kiev a fait appel à des sociétés privées, notamment Palantir.
  - Alex Karp (directeur général de Palantir) a déclaré que sa société est responsable de la plupart des opérations de ciblage en Ukraine; selon Laura Kahn, « Ils fournissent un service quasi-complet, qui est extrêmement précieux ».
  - Question soulevée par Matthew Ford : une fois développée, "où va-t-elle ensuite ? Comment va-t-elle être contrôlée, façonnée ou dirigée ?".

### Le champ de bataille numérique et la documentation de la guerre
- La guerre a introduit un aspect supplémentaire de l’IA et des données : la documentation massive des événements.
- Andrew Hoskins : « La guerre Ukraine–Russie est la plus documentée de l’histoire ».
- Rôle des réseaux sociaux et des archives :
  - Telegram : utilisé par trois quarts des Ukrainiens et plus d’un tiers des Russes pour partager des témoignages photos et vidéos directs; décrit comme « le front numérique de cette guerre ».
  - Ces informations sont téléversées vers les serveurs de l’armée et des renseignements, mais aussi vers des ONG et des enquêteurs qui les analysent en vue de futurs procès pour crimes de guerre.
  - L’IA améliore ce qui peut être vu et extrait des archives : en appliquant l’IA à ces archives, « on trouve des choses vraiment inattendues ».

### Observations d’experts citées
- Matthew Ford (maître de conférences, école supérieure de la défense nationale suédoise, coauteur de Radical War) :
  - L’IA « façonne la manière dont fonctionne la construction narrative » et interroge le contrôle et la direction de systèmes développés par des sociétés privées.
- Lauren Kahn (analyste de recherche principale, CSET, Université de Georgetown) :
  - L’IA est passée du stade hypothétique à une réalité opérationnelle après l’Ukraine; personne n’aurait imaginé la créativité ukrainienne dans le développement de la technologie des drones.
- Andrew Hoskins (professeur en sécurité mondiale, Université de Glasgow, coauteur de Radical War) :
  - Met en avant la documentation sans précédent de la guerre et le rôle des réseaux sociaux et de l’IA dans l’exploitation de ces archives.
- Jeremy Wagstaff est indiqué comme auteur/consultant à la fin du texte.

*Source: Extraits de la section "L’intelligence artificielle en pratique" (DÉCEMBRE 2023).*

### Section 1

### L’intelligence artificielle en pratique — Section 1

### Introduction — portée et objectifs
- L’intelligence artificielle (IA) a le potentiel de transformer de nombreux pans de la société, notamment l’agriculture, la médecine et la défense.
- Les exemples présentés sont tirés d’expériences pratiques de différents pays et illustrent avantages concrets, questions morales, lacunes de l’action publique et manque de formation.

### Agriculture — produire plus avec moins
- Rôles et applications de l’IA en agriculture :
  - conception de nouvelles variétés de riz résistantes au changement climatique;
  - fourniture de données sur les sols;
  - guidage de pulvérisateurs de précision embarqués dans des drones pour l’application d’engrais et de pesticides;
  - sélection, inspection et classement des produits.
- Exemples et politiques nationales (Thaïlande) :
  - Stratégie Thailand 4.0 programmée sur vingt ans, priorités : alimentation, agriculture et technologies numériques.
  - Programmes gouvernementaux Smart Farmer et Young Smart Farmer visant l’adoption d’agriculture de précision (drones pilotés par l’IA, logiciels de pulvérisation intelligente).
  - Données démographiques et commerciales citées : 70 millions d’habitants; 15e exportateur mondial de denrées alimentaires; valeur des expéditions estimée à 44,3 milliards de dollars "cette année".
- Contexte mondial de l’insécurité alimentaire :
  - Estimation citée : 735 millions de personnes (9,2 % de la population mondiale) étaient sous-alimentées en 2022.
  - Même la Thaïlande a enregistré la première hausse du nombre de personnes souffrant de la faim depuis dix ans.
- Initiatives technologiques et d’écosystème :
  - Lancement de THEOS-2, premier satellite d’observation de la Terre mis au point par des ingénieurs thaïlandais et britanniques, pour collecter des données pour l’agriculture intelligente.
  - Programme One Community, One Drone couvrant les agriculteurs de 500 collectivités partageant des services de drone.
  - Incubateurs et accélérateurs pour favoriser la recherche d’investisseurs privés et aider les jeunes entreprises agritech.
- Exemples d’entreprises et déploiements :
  - Ricult : fondée en 2015; application téléchargée plus de 800 000 fois en Thaïlande; combine fintech et agritech pour fournir informations et outils aux petits agriculteurs (choix de variétés, méthodes de précision, accès au financement).
  - Mitr Phol (premier producteur de sucre en Asie) collabore avec IBM sur des solutions IA pour agriculteurs.
  - Chia Tai utilise les drones autonomes du chinois XAG.
- Obstacles et limites :
  - Microgestion et travail en équipes isolées au sein des organismes gouvernementaux freinent le décollage de l’agriculture intelligente.
  - Réglementations strictes sur les drones (ex. en Afrique) rendent difficiles l’obtention d’autorisations.
  - Persistances d’obstacles en Afrique : connectivité et formation au numérique insuffisantes.
  - Risques liés aux données : "Si les données sont de mauvaise qualité, il en ira de même pour les résultats de l’IA."
  - Risque que l’IA soit programmée pour augmenter les rendements sans tenir compte des effets néfastes sur l’environnement.
- Positions et recommandations implicites :
  - "La tâche des gouvernants devrait consister à imaginer les politiques et faciliter le financement des jeunes pousses, des innovateurs et des agriculteurs. Laisser le marché opérer est bien plus efficace." — citation d’Aukrit Unahalekhaka.
  - Nécessité de solutions suffisamment simples à utiliser pour les agriculteurs.

### Médecine — "les pouvoirs curatifs" et les risques
- Exemples d’outils IA en pratique :
  - LumineticsCore (Digital Diagnostics) : système utilisant une caméra et l’IA pour examiner des images des yeux.
    - En 2018, premier appareil fonctionnant avec l’IA à obtenir l’agrément de la Food and Drug Administration (FDA) américaine pour dépister la rétinopathie diabétique.
    - En 2020, Medicare a décidé de financer son utilisation dans les centres de soins primaires.
    - Étude à Rangpur (Bangladesh) : patients diabétiques répartis aléatoirement entre groupe dépisté avec l’IA et groupe témoin; productivité estimée à 1,59 patient par heure en groupe IA contre 1,14 dans le groupe témoin.
- Distinction conceptuelle :
  - "IA à impact" (outils ayant montré qu’ils aident à améliorer la santé) versus "IA glamour" (produits médiatiques n’ayant pas prouvé leurs bienfaits).
- Risques d’équité et biais :
  - Article de Science (2019) : un algorithme massivement utilisé sous-estimait la gravité des pathologies de patients noirs, entraînant des refus de prise en charge.
  - Préoccupation que les outils d’IA basés sur des données présentées biaisent en faveur des personnes aisées (souvent blanches).
  - Importance d’accroître la diversité des patients dont les données servent à former les outils d’IA et la diversité des concepteurs.
- Besoin crucial dans les pays à faibles ressources :
  - Ratios médecins pour 10 000 habitants cités : États-Unis ≈ 36 médecins pour 10 000 habitants; Royaume-Uni ≈ 32; Inde ≈ 7.
  - Défis d’infrastructures : capacités électriques et informatiques insuffisantes; manque de personnel capable de traduire diagnostics IA en traitements efficaces.
- Réglementation et gouvernance :
  - L’OMS a publié un rapport 2021 sur l’éthique et la gouvernance de l’IA en matière de santé; rapport récent (octobre) sur les difficultés de la réglementation de l’IA dans le milieu médical et inquiétudes sur le déploiement rapide des outils issus des grands modèles de langage.
  - Le Parlement européen a signalé des inquiétudes sur manque de transparence, confidentialité et sécurité.
  - La FDA affine sa stratégie de réglementation de l’IA dans les produits médicaux via des recommandations officielles.
- Recherche pharmaceutique et découverte de médicaments :
  - L’IA facilite la compréhension précoce de l’action des composants dans l’organisme, réduisant la probabilité d’effets secondaires survenant tardivement.
  - "Les efficiences générées au stade de la découverte sont exponentielles. Nous allons voir des tas de nouvelles choses arriver bientôt sur le marché." — citation de Tala Fakhouri (FDA).
- Approche de déploiement :
  - Certains contextes nécessiteront un "véritable sprint" pour intégrer l’IA au système de santé, d’autres un "marathon".
  - Acceptation inévitable de l’IA en pratique médicale, avec nécessité d’instaurer des garde-fous pour éviter prédictions et diagnostics inappropriés.

### Défense — mutation des modalités de l’affrontement
- Constat général :
  - La guerre en Ukraine sert de laboratoire pour les nouvelles technologies et montre l’efficacité possible de l’IA ainsi que des failles dans l’adoption, le déploiement et le contrôle par les États et le secteur militaire.
- Domaines d’application observés :
  - Utilisation pour grands choix stratégiques, action en temps réel, derniers renseignements au niveau local, anticipation de soucis logistiques.
  - Utilisation pour la guerre de l’information.

*Source: Extraits de la section "L’intelligence artificielle en pratique" (DÉCEMBRE 2023).*

### Section 2

### aiinpractice - Section 2

### Drones autonomes et adaptation tactique
- L’IA aide les armées à surveiller les mouvements ennemis et à larguer des explosifs à distance et de façon autonome, et elle a accéléré des mutations dans les modalités de l’affrontement.
- Les armées modifient rapidement leurs tactiques, leurs techniques et leurs procédures pour exploiter les nouvelles technologies ou en atténuer les répercussions.
- Exemple opérationnel : l’Ukraine a développé un logiciel de traduction et de reconnaissance vocale basé sur l’IA pour surveiller les conversations non cryptées de soldats et pilotes russes, puis en extraire des renseignements exploitables.
- Face aux contre-mesures, chaque camp doit repenser et améliorer ses technologies sans délai : lorsque la Russie a introduit le brouillage contre les drones ukrainiens, des programmeurs de Kiev ont utilisé l’IA pour permettre aux drones de déjouer le brouillage et de rester verrouillés sur leurs cibles.
- Les principes des drones n’ont pas fondamentalement changé depuis les années 90, mais en Ukraine l’éventail des appareils et de leurs capacités évolue rapidement grâce à l’intégration des progrès perpétuels de l’IA.
- Le Bayraktar TB2 a été essentiel au début de l’invasion de 2022, mais il a perdu de son utilité lorsque la Russie a perfectionné sa défense aérienne et ses capacités dans la guerre électronique.
- Lorsque les lignes de front se sont figées, l’Ukraine a demandé à ses fabricants de drones de s’adapter, produisant une succession d’appareils modernisés et variés, dont le déploiement approuvé en septembre des drones Saker Scout, développés en Ukraine et capables de détecter des cibles ennemies souvent invisibles à l’œil humain, même sous des camouflages.
- Impact stratégique : l’accent mis sur la rapidité d’évolution a conduit à repenser l’utilité opérationnelle de l’IA — elle n’est plus « une case à cocher », mais soulève des questions sur données, connaissance du camp et de l’adversaire, procédures de test et d’évaluation.

### Données (le « carburant » de l’IA) et acteur privé
- La guerre souligne l’importance des données et soulève des questions pour décideurs et planificateurs quant à la nature, la gestion et le contrôle des données.
- L’Ukraine a reconfiguré rapidement une application publique permettant de déclarer ses revenus pour téléverser photos, vidéos ou autres renseignements sur les troupes russes vers une base de données tenue par l’armée.
- Les sources de données combinées incluent des images satellites disponibles sur le marché, des données confidentielles issues d’alliés, du piratage de caméras de surveillance russes et la propre flotte de drones ukrainiens.
- Pour rendre ces données exploitables, Kiev a fait appel à des sociétés privées, notamment Palantir.
- Alex Karp (directeur général de Palantir) a déclaré que sa société est responsable de la plupart des opérations de ciblage en Ukraine; selon Laura Kahn, « Ils fournissent un service quasi-complet, qui est extrêmement précieux ».
- Interrogations sur le rôle et le contrôle : Matthew Ford souligne que les sociétés privées sont les seules capables de développer une IA exploitable par les forces armées, puis demande « une fois lancée, où va-t-elle ensuite ? Comment va-t-elle être contrôlée, façonnée ou dirigée ? ».

### Le champ de bataille numérique et la documentation de la guerre
- La guerre a introduit un aspect supplémentaire de l’IA et des données : la documentation massive des événements.
- Andrew Hoskins rappelle que « La guerre Ukraine–Russie est la plus documentée de l’histoire ».
- Telegram, réseau social utilisé par trois quarts des Ukrainiens et plus d’un tiers des Russes pour partager des témoignages photos et vidéos directs de la guerre, est décrit comme « le front numérique de cette guerre ».
- Ces informations sont téléversées vers les serveurs de l’armée et des renseignements, mais aussi vers des ONG et des enquêteurs qui les analysent en vue de futurs procès pour crimes de guerre.
- L’IA améliore ce qui peut être vu et extrait des archives : en appliquant l’IA à ces archives, « on trouve des choses vraiment inattendues ».

### Observations d’experts citées
- Matthew Ford (maître de conférences à l’école supérieure de la défense nationale suédoise, coauteur de Radical War) : l’IA « façonne la manière dont fonctionne la construction narrative » et interroge le contrôle et la direction de systèmes développés par des sociétés privées.
- Lauren Kahn (analyste de recherche principale, CSET, Université de Georgetown) : l’IA est passée du stade hypothétique à une réalité opérationnelle après l’Ukraine; personne n’aurait imaginé la créativité ukrainienne dans le développement de la technologie des drones.
- Andrew Hoskins (professeur en sécurité mondiale, Université de Glasgow, coauteur de Radical War) : met en avant la documentation sans précédent de la guerre et le rôle des réseaux sociaux et de l’IA dans l’exploitation de ces archives.
- Jeremy Wagstaff est indiqué comme auteur/consultant à la fin du texte.

*aiinpractice - Section 2*

---


_Source: https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/aiinpractice.pdf_