Visite de musée : comment les chatbots du futur sauront répondre à toutes vos questions

Le Musée d’art moderne de Buenos Aires, la Pinacothèque de Sao Paulo, le Grand Palais de Paris… Grâce à la mise en place de chatbots, de nombreux musées proposent une nouvelle expérience à leurs visiteurs.[1] Ces agents conversationnels leurs permettent d’interagir avec les oeuvres et d’obtenir des réponses à leurs questionnements. Afin de capter l’intérêt du visiteur, des réponses de qualité doivent être apportées pour ainsi fidéliser le visiteur à l’utilisation de ces applications. Toute la difficulté réside alors dans la capacité à mettre en œuvre une technologie permettant de délivrer une information de qualité à la hauteur de l’enjeu.              

Les chatbots : existence de deux technologies très différentes

Le chatbot est une application permettant à son utilisateur de converser directement avec un interlocuteur virtuel. L’utilisateur n’a plus à rechercher les réponses à ses questions, par exemple, sur le site concerné, c’est le chatbot qui à l’aide de ses connaissances, réalise cette recherche et apporte la réponse. 

Le chatbot de « Première génération » se base sur la structure très simple des « arbres de décisions ». Le scénario de la discussion est établi au préalable, la conversation suit un circuit préétabli. [1]

Quant au chatbot de « Deuxième génération », il est basé sur la technologie de reconnaissance du langage naturel : les interactions entre l’utilisateur et la machine sont donc basées sur les questions ouvertes posées par l’utilisateur. Le scénario de la conversation ne peut donc pas être défini à l’avance. L’intelligence artificielle analyse et interprète sémantiquement la question, puis, en fonction de ses connaissances et données fournit une réponse à la question, formulée elle aussi en langage naturel. [1]

Quels sont les cas d’usage pour un musée ?

Facilement accessibles au visiteur depuis un smartphone, les chatbots permettent, de manière classique, un accès facilité à toute information pratique (jours, horaires d’ouverture, dates d’une exposition …) lui permettant de préparer sa visite. [1] De plus, lors de la visite du musée, le chatbot prend la forme d’un guide virtuel, pouvant proposer au visiteur un parcours spécialisé en fonction de sa demande ou encore étant capable de répondre aux questions que l’œuvre consultée inspire au visiteur. [1] 

L’observation (en 2019) de bots implantés dans des musées à travers le monde permet de les référencer en quatre grandes familles [3] :

• Bot simple de questions/réponse (Exemple : National Art Museum of Republic of Belarus),
• Chatbots « arbres de décision », itinéraires de conversations prédéfinis (Exemple : Anne Frank House à Amsterdam),
• Bots de gamification et récompense, basé sur le jeu (Exemple : National Museum of the 21st Century Arts à Rome),
• Des bots stimulants, incitant le visiteur au questionnement (Exemple : Catal Hoyuk Neolithic en Turquie).

Les informations apportées par le chatbot doivent répondre à une exigence de qualité. En effet, les musées transmettent la connaissance dans les domaines de l’art, de l’histoire. Les interactions sous forme de dialogue entre le chatbot et le visiteur doivent être le reflet de cette connaissance et permettre de les informer de manière créative, en apportant un soin particulier à la pertinence et la richesse des réponses fournies. [2]. Comment améliorer les architectures existantes pour atteindre cet objectif ?

Des évolutions technologiques pour répondre aux besoins des musées 

Pour répondre à cette problématique, un groupe de chercheurs grecs élabore une plateforme de développement dédiée à la conception de chatbots spécialisés pour les musées. [2] [3] Ce modèle de technologie est le modèle MuBot (Museum Bot). 

L’objectif de cette plateforme est de permettre de développer des chatbots  [2] :

• simples, informatifs et précis,
• dotés de bonnes compétences conversationnelles,
• délivrant une information pertinente, sous forme de texte ou sous format multimédia,
• capables de stimuler le visiteur et approfondir ses recherches,
• capables d’être sensible à la compréhension des émotions du visiteur.

D’un point de vue technique, les chatbots utiliseront les technologies de [2] :

• Machine Learning (permettant d’enrichir sa base de connaissances au fur et à mesure des conversations), 
• NLP (traitement du langage naturel) afin d’interpréter les questions posées par le visiteur,
• NLG (génération automatique de langage naturel) afin de traduire la réponse du chatbot dans le langage naturel du visiteur.

En complément du dispositif de Machine Learning, MuBot, pour enrichir son architecture, s’appuie sur les technologies du web sémantique, et notamment il utilise les graphes de connaissance (Knowledge Graphs). [2] Il s’agit de représentations graphiques d’entités et de leurs relations sémantiques. [3] 

Museum Bot (MuBot) platform early design architecture. Src : [2]-p7-Fig.1

En s’appuyant sur cette architecture, le système sera capable, dans l’éventualité où une information n’apparaîtrait pas dans son graphe de connaissance, d’aller la rechercher dans un autre graphe de son environnement ou sur le LOD cloud [3] (Linked Open Data Cloud, graphe de connaissance des données ouvertes) . L’accès à la connaissance sera alors fluide et ininterrompu.

Au terme de sa conception, cette plateforme devrait donc permettre d’élaborer des chatbots , qui, grâce à la technologie des Knowledge Graphs, permettront aux visiteurs des musées de vivre une expérience culturelle enrichie grâce à la contribution d’agents virtuels érudits. Un juste équilibre devra être trouvé afin que cette conversation entre le chatbot et le visiteur ne monopolise pas l’attention de celui-ci dans le monde virtuel mais lui permette également de profiter du monde réel qui l’entoure le temps de sa visite du musée.

Sources :

[1] TEXIER, Bruno.Les chatbots s’invitent au musée. Archimag guide pratique, 2020, n°68, p.22-23.

2] VARITIMIADIS, S., KOTIS, K., SKAMAGIS, A., TZORTZAKAKIS, A., TSEKOURAS, G. , SPILIOTOPOULOS, D. Towards implementing an AI chatbot platform for museums. In International Conference on Cultural Informatics, Communication & Media Studies. 1. 13-15 juin 2019, Grèce. Publié en 2020. [En ligne]. [Consulté le 25 février 2021].  <http://dx.doi.org/10.12681/cicms.2732>

[3] VARITIMIADIS, S., KOIS, K., SPILIOTOPOULOS, D., VASSILAKIS, C., MARGARIS, D. “Talking” Triples to Museum Chatbots. In International Conference on Human-Computer Interaction., 19-24 juillet 2020, Danemark, p. 281-299.  [En ligne]. [Consulté le 25 février 2021]. <  https://doi.org/10.1007/978-3-030-50267-6_22 >

Intelligence artificielle et gestion de projet

L’IA occupe une place de plus en plus importante dans notre vie et représente un des enjeux les plus importants de cette époque. Il n’est pas aujourd’hui de domaines d’activités qu’elle ne touche et ne transforme radicalement, y compris des domaines d’activités aussi humains que le management de projet. Dans celui-ci, son impact ne se limite pas seulement à l’automatisation de tâches routinières mais peut couvrir la quasi-totalité des activités de la gestion de projet.

De manière générale, on peut définir l’intelligence artificielle comme un programme informatique qui, en simulant l’intelligence humaine, tente de résoudre un certain nombre de problèmes de façon autonome, en se passant de l’homme ou en minorant sa contribution. Mais quand il s’agit d’une activité aussi complexe que la gestion de projet, qui sollicite massivement la contribution humaine et en laquelle les interactions humaines sont essentielles, on peut se demander si le recours à l’IA ou si une utilisation excessive et intempestive de programmes informatiques dopés à l'IA ne serait pas contreproductif. Gartner révélait, en effet, que le développement de l’IA allait éliminer jusqu’à 80% des tâches de la gestion de projet d’ici 2030 [1]. Loin de se contenter seulement d’automatiser les tâches routinières, l’Intelligence artificielle prendra en charge la gestion des risques, la planification ou la budgétisation entre autres ; elle fluidifiera aussi le processus de prise de décision grâce à ses algorithmes puissants qui permettent l’exploitation de grande quantité de données et font des prédictions très justes.

Même s’il ne fait point de doute que l’IA ne pourra pas s’occuper de la gestion de projet dans son intégralité, les tâches qui resteront hors de son champ d’action seront peu nombreuses. Elle ne pourra pas, par exemple, remplacer le Project Manager comme le reconnaît fort justement Sebastien Guibert, directeur du centre d’excellence en intelligence artificielle chez Capgemini : « L’IA ne pourra pas remplacer intégralement le manager de projet. Elle ne prend pas en compte les interactions humaines, les non-dits, qui ne sont pas modélisables » [2]. Mais elle poussera toutefois le Project Manager à déplacer ses compétences et à mettre l’accent sur des tâches ou activités qui demandent plus d’interactions comme le leadership, la négociation, la communication, le management des parties prenantes, la conduite du changement, etc. L’essentiel, selon, James Dibbs est de faire en sorte que l’efficacité manifeste de l’intelligence artificielle sur certains secteurs de la gestion de projet n’érode pas complètement la confiance dans l’importance de la contribution humaine.

Sources:

[1] Hélène Nogues Brunet, "Chefs de Projet, bienvenue en terre digitale !", publié le 20/11/2019. En ligne, consulté le 01/03/2021, disponible à l'adresse < www.upstep.fr/blog/2019/11/2020/bienvenue-en-terre-digitale/ >

[2] Antoine Crochet-Damais, "Jusqu'où l'IA va-t-elle automatiser la gestion de projet ?", publié le 30/09/2019. En ligne, consulté le 01/03/2021, disponible à l'adresse < https://www.journaldunet.com/solutions/dsi/1446169-jusqu-ou-l-ia-va-t-elle-automatiser-la-gestion-de-projet/ >

[3] Moperto, "L'Intelligence Artificielle a-t-elle une place dans le management de projet et le PMO ?", publié le 02/03/2020. En ligne, consulté le 01/03/2021, disponible à l'adresse <  https://dantotsupm.com/2020/03/02/lintelligence-artificielle-ia-a-t-elle-une-place-dans-le-management-de-projet-et-le-pmo/ >

 

ODEUROPA, un projet européen pour constituer une encyclopédie olfactive

Une Encyclopédie du patrimoine olfactif (Encyclopaedia of Smell Heritage) est en train d'être réalisée par un groupe de chercheurs. Ce projet va employer l'intelligence artificielle pour mener les recherches dans les images et les textes allant du XVI au XX siècle pour créer une histoire olfactive de la culture européenne. Cette phase de recherche devrait être complétée par une phase de création des senteurs retrouvées à l'aide de chimistes et parfumeurs, pour que le grand public puisse en jouir au sein d'expositions muséales à venir. [1] 

Financé par la Commission européenne à la hauteur de 2,8 millions d'euro avec le programme Horizon 2020 [2], qui promeut la recherche et l'innovation, le projet ODEUROPA [3] est constitué par un groupe d'une quarantaine de chercheurs, spécialistes en différentes disciplines comme l'histoire, l'histoire de l'art, la chimie ou l'informatique. La méthodologie envisagée pour aboutir à des résultats probants a été de délimiter la recherche dans les collections de bibliothèques, archives et musées européens en utilisant l'intelligence artificielle pour identifier et tracer les références d'odeurs dans des textes et images allant du XVI au XX siècle. Comme l'explique Marieke van Erp, experte en technologie du langage : 

« Pour rechercher des odeurs dans les textes et les images, nous utiliserons des méthodes d'intelligence artificielle. En apprentissage automatique, nous "apprenons" à un ordinateur à reconnaître les références aux odeurs ».[4]

De cette manière le système d'IA employé analysera un ensemble de données d'environs 250-400K de peintures et gravures, pour sélectionner le contenu iconographique faisant référence à des objets comme des contenants de parfums et des représentations allégoriques.[5] Afin de développer un système de classification du contenu recueilli par l'IA il faudra avoir l'avis des experts, qui comptent sur cette phase de recherche assistée pour « explorer la faisabilité de l'analyse visuelle soutenue par l'IA et le développement d'ensembles de données »[6] comme deuxième objectif du projet. Pour ce qui concerne la littérature, les données seront recherchées dans des textes de sept langues européennes telles que le français, anglais, allemand, italien, néerlandais, slovène et latin. Une fois la phase de recherche achevée il sera question de trouver la manière de présenter les informations recueillies dans un graphique des connaissances dans un modèle de Semantic Web. Le produit se présentera sous forme de catalogue en ligne où il sera possible de relier les données à des ressources du Web, pour donner l'occasion aux visiteurs d'interagir et interroger les vocabulaires présentés, ceci donnant l'occasion de créer des histoires sur l'évolution de l'odorat dans la société européenne. 

Inger Leemans de l'Académie royale des arts et des sciences des Pays-Bas, cheffe du projet Odeuropa explique « L’objectif principal du projet Odeuropa est de montrer que l’odorat et notre patrimoine olfactif sont des moyens importants de promouvoir le patrimoine culturel et immatériel de l’Europe ».[8]

L'Unesco protège des expériences sensibles tel que l'ouïe et la vue, l'odorat quant à lui était resté délaissé jusqu'à présent. L’encyclopédie olfactive devrait être accessible dans différents musées européens dès 2024. Ce programme est voué à reconstituer la mémoire olfactive et actualiser des odeurs perdues, pour saisir l'Histoire à travers d'autres perspectives, répondant à des questions de sauvegarde du patrimoine culturel européen.

Sources:

[1] LOUIS, Nicolas. Les odeurs du passé bientôt ressuscitées grâce à l'intelligence artificielle [En ligne] Publié le 4/12/2020 <https://www.techniques-ingenieur.fr/actualite/articles/les-odeurs-du-passe-bientot-ressuscitees-grace-a-lintelligence-artificielle-86631/> Consulté le 28 décembre 2020

[2] Horizon 2020. Portail français du programme européen pour la recherche et l'innovation<https://www.horizon2020.gouv.fr> Consulté le 28 décembre 2020

[3] LEEMANS, Inger. Odeuropa awarded €2.8M grant for research project on European olfactory heritage and sensory mining [En ligne] Publié le 17/11/2020 <https://odeuropa.eu>  Consulté le 28 décembre 2020

[4] BENMAKHLOUF, Mehdi. Odeuropa: une encyclopédie pour recenser les odeurs du passé [En ligne] Publié le 4/12/2020 <https://www.nationalgeographic.fr/histoire/2020/12/odeuropa-encyclopedie-odeurs-du-passe> Consulté le 28 décembre 2020

[5] Site officiel Odeuropa. Horizon 2020 Methodology <https://odeuropa.eu/horizon-2020/h2020-methodology/ > Consulté le 28 décembre 2020

[6] Ibidem

[7] BENMAKHLOUF, Mehdi. Odeuropa : une encyclopédie pour recenser les odeurs du passé [En ligne] Publié le 4/12/2020 <https://www.nationalgeographic.fr/histoire/2020/12/odeuropa-encyclopedie-odeurs-du-passe> Consulté le 28 décembre 2020

Qu'apporte la plateforme "Microscope" d'OpenAi dans la recherche sur le fonctionnement des réseaux de neurones artificiels ?

En avril 2020, OpenAi présente "Microscope" un ensemble de collections d'images issues de modèles de réseaux de neurones reconnus par la communauté scientifique. L'objectif étant d'aider cette dernière à mieux comprendre comment ces réseaux construisent leurs propres stratégies de compréhension et d'interprétation visuelles.

Le 14 avril 2020,  la compagnie co-fondée par Elon Musk, OpenAi [1], rajoute à son kit d'outils autour de l'intelligence artificielle cette bibliothèque virtuelle qui s'attarde sur l'analyse comparative d'éléments  particuliers apparaissant lors de la prise de décision de ces réseaux.
Ces grands réseaux analysés sont les plus étudiés du moment dans la communauté scientifique : AlexNet, Alexnet Places, Inception v1, Inception v1 (Places), VGG 19, Inception v3, Inception v4 et ResNet v2 50. [2] Pour exemple, AlexNet a été cité jusqu'ici plus de 50 000 fois dans des articles ou études scientifiques.

 

Une vue sur 4 nœuds dans le réseau de neurone Inception v1 avec sa modélisation à droite. Source : OpenAi Microscope, Creative Commons Attribution.

Une modélisation composée de "nœuds", incarnant les couches du réseau  et de liens reliant ces nœuds entre eux,  accompagne les visualisations de ces réseaux. Vous pouvez ainsi vous "promener" au sein de l'architecture du réseau et voir les images générées à toutes les couches du réseau ainsi que celles qui sont le fruit de différentes techniques mentionnées comme le Deep dream entre autres, programme informatique qui, à l'origine, devait aider les scientifiques à comprendre ce qu'un réseau de neurones profond voit au moment même où il cherche dans une image fournie en donnée d'entrée. [3]
Les jeux de données sont également fortement utilisés car ils provoquent une excitation maximale des neurones et les résultats sont souvent surprenants.

Outil collaboratif, les images sont sous Creative Commons Attribution, utilisables à condition de citer Microscope OpenAi.

Cependant, Microscope possède quelques inconvénients du fait de son existence récente : d'une part, il n'est pas utilisable sur des modèles de réseaux personnalisés, et d'autre part, bien qu'efficace sur des techniques comme la visualisation des poids synaptiques (transmission des signaux entre neurones), l'application devient limitée sur des techniques plus complexes comme l'apprentissage par renforcement  [4]

L'avenir lui est cependant ouvert pour s'adapter sur le long terme aux différents besoins des chercheurs.

 

Sources :

[1]  SCHUBERT, Ludwig. PETROV, Michael. CARTER, Shan.  OpenAi Microscope.  In OpenAi Blog [En ligne]. 14 avril 2020. [Consulté le 11 novembre 2020]. < https://openai.com/blog/microscope/ >

[2] Microscope. Models. [En ligne]. 2020. [Consulté le 11 novembre 2020]. < https://microscope.openai.com/models >

[3] MORDVINTSEV, Alexander. Software Engineer. OLAH, Christopher. Software Engineering Intern. TYKA, Mike. Software EngineerGoogle.  Deep Dream - A code example for visualising Neural Network. In Google Ai Blog [en ligne]. 1 juillet 2015  [Consulté le 11 novembre 2020]. <https://ai.googleblog.com/2015/07/deepdream-code-example-for-visualizing.html >

[4] ELIYA, R. HERMANN, J.M. Evolutionary Selective Imitation : Interpretable agents by imitation learning without a demonstrator. [PDF, autres formats]. [En ligne]. 17 septembre 2020. [Consulté le 10 novembre 2020]. Disponible sur : < https://arxiv.org/pdf/2009.08403.pdf >

DataJust, vers une justice prédictive?

La publication du décret 2020-356, portant création d'un traitement automatisé des données à caractère personnel, DataJust, a été accueillie avec étonnement par certains professionnels du droit. Son opportunité en pleine crise pandémique due au Covid-19 leur paraissant injustifiée. Ce décret, qui vise la constitution d'un référentiel d'indemnisation des préjudices corporels en s'appuyant sur l'analyse des données judiciaires, a soulevé de nombreuses réactions allant de l'hostilité à une certaine forme d'attentisme. En quoi consiste-t-il concrètement ? En ouvrant la possibilité de justice prédictive, peut-on y déduire l'inéluctabilité de l'avènement d'une justice avec des juges-robots, et la disparition du métier d'avocat comme semblent le craindre certains ? 

Entré en vigueur en vigueur dès le 30 mars 2020, le lendemain de sa publication dans le JORF, la mise en œuvre du décret s'étalera sur deux ans. Il autorise le Ministère de la Justice, à travers la Direction des Affaires civiles et du Sceau à développer DataJust, un traitement automatisé de données à caractère personnel. Cette opération doit permettre de développer un algorithme servant à:

• La réalisation d'évaluations (...) des politiques publiques en matière de responsabilité civile ou administrative ;
• L'élaboration d'un référentiel indicatif d'indemnisation des préjudices corporels ;
• L'information des parties et l'aide à l'évaluation du montant de l'indemnisation (...) afin de favoriser un règlement amiable des litiges ;
• L'information ou la documentation des juges appelés à statuer sur des demandes d'indemnisation des préjudices corporels.

L'outil analysera des décisions de justice rendues en appel entre le 1er janvier 2017 et le 31 décembre 2019, et extraites des bases de la Cour de Cassation (JuriCA) et du Conseil d'État (Ariane) [1]. Plus précisément, la jurisprudence qui porte sur les préjudices corporels. Les données à caractère personnel enregistré dans le cadre de ce traitement pourront comporter plusieurs éléments dont les noms et prénoms de personnes physiques, à l'exception de celles des parties. Pourront en outre y figurer des données relatives à  l'état civil, à l'adressage, aux avis des médecins, aux infractions et condamnations pénales, aux préjudices subis, à la vie professionnelle, à la situation financière (article 2). Se pose alors la question de la protection des données à caractère personnel. Ainsi, des règles d'accès, de durée de conservation et de traçage des opérations effectuées sur ces données (2 ans à compter de la publication du décret), et de suppression de celles collectées sont définies aux articles  3 à 5. Cependant, l'article 6  stipule des dérogations relatives au périmètre d'application du RGPD dans le cadre de cette mise en œuvre [2]. Saisi par la ministre de la justice au mois de novembre 2019, la CNIL avait, en janvier 2020, émis un avis assorti de remarques de conformité.

Réactions des acteurs du monde judiciaire
 
Même si le projet DataJust [3] avait été annoncé deux ans auparavant, lors du Vendôme Tech 2, le monde des professionnels du droit semble avoir été pris de court avec la publication du décret. Sans doute en raison de la situation créée par la pandémie du SARS-CoV 2. D'ailleurs, un juriste spécialisé dans la défense de victimes de dommages corporels, y voit une anticipation des nombreux recours juridiques des malades du Covid-19, notamment pour satisfaire les assureurs [4]. Dans un communiqué, la Confédération nationale des avocats (CNA) réclame tout simplement l'abrogation du décret. Elle y perçoit un risque de déjudiciarisation au détriment de l'intérêt des victimes, et une réglementation de la justice à travers le prisme de la rentabilité, puisque seules des considérations d'ordre budgétaire seraient à la base de ce projet. De son côté, tout en s'interrogeant sur l'opportunité de cette publication, et pointant le manque de transparence sur la question, le Syndicat de la Magistrature a été plus conciliant. Dans un courrier à la ministre de la Justice, il appelle entre autres à veiller sur la qualité du référentiel qui sera un élément décisif. D'autant qu'il aura des conséquences sur les algorithmes des sociétés privées, et incitera à une déjudiciarisation des contentieux. En rappelant certaines de ses prises de position antérieures relatives à la mise en œuvre de l'ouverture des données judiciaires, le syndicat a exigé d'être associé à l'élaboration du projet. Toutefois, quelques voix ont accueilli favorablement le décret. L'ancien directeur des Affaires civiles et du Sceau, Thomas Andrieu, y voit une manière de faciliter le débat contradictoire en rendant toute l'information accessible à ceux qui n'ont pas les moyens de recourir à des solutions de modélisation de ce type. Ce point de vue est également partagé par le directeur de l'École de formation des barreaux, Pierre Berlioz [5].

Encore la justice des hommes et/ou des femmes

Au-delà des différentes appréciations de DataJust, se pose plus largement la question de l'intelligence artificielle dans le domaine judiciaire. Comme l'a souligné Dominique Cardon, le numérique introduit "une rupture dans la manière dont nos sociétés produisent, partagent, et utilisent les connaissances" [6]. Il modifie certaines formes de médiation. Est-ce sans doute la raison pour laquelle ce projet soulève tant d'inquiétudes parmi les avocats. Si la justice prédictive offre aux justiciables la possibilité de voir leur affaire traitée plus rapidement, doit-on craindre pour autant que les moyens informatiques en viennent à trancher les litiges? Antoine Garapon souligne bien le risque d'un "usage performatif" du big data qui conduirait à un conformisme: "Un juge peut être tenté d’estimer que s’il a les moyens de savoir comment la majorité de ses collègues trancherait l’affaire qui lui est soumise, le moins risqué pour lui est de les suivre" [7]. Bruno Pireyre, président de chambre à la Cour de cassation, qui préfère parler de justice augmentée, n'ignore pas ce risque tout en renouvelant sa confiance en l'intelligence humaine et professionnelle des juges [8]. Aussi prône-t-il une régulation du recours à l'intelligence artificielle qui passerait notamment par l'obligation de transparence des algorithmes, et la mise en œuvre de mécanismes de contrôle par la puissance publique. En suivant Garapon, le meilleur rempart face à ce conformisme serait de garder en tête que le droit recouvre des enjeux éthiques et [que] la justice est une expérience sociale et humaine. Les outils restant des outils, leur place dans la vie sociale ne sera-t-elle pas celle que les acteurs sociaux voudront bien leur accorder?

SOURCES:

[1] DataJust. Construire un référentiel d'indemnisation des préjudices corporels [en ligne]. Paris, s.d [Consulté le 26 avril 2020. <https://entrepreneur-interet-general.etalab.gouv.fr/defis/2019/datajust.html>.

[2] Article 6 du décret: "Compte tenu des efforts disproportionnés que représenterait la fourniture des informations mentionnées aux paragraphes 1 à 4 de l'article 14 du règlement (UE) 2016/679 du 27 avril 2016 susvisé, le droit d'information prévu à ce même article ne s'applique pas au présent traitement.
Afin de garantir l'objectif d'intérêt public général d'accessibilité du droit, le droit d'opposition prévu à l'article 21 du règlement (UE) 2016/679 du 27 avril 2016 susvisé ne s'applique pas au présent traitement en application de l'article 23 du même règlement.
Les droits d'accès, de rectification et à la limitation s'exercent auprès du ministre de la justice dans les conditions prévues respectivement aux articles 15, 16 et 18 du même règlement".<https://www.legifrance.gouv.fr/jo_pdf.do?id=JORFTEXT000041763205>.

[3] Certaines spécificités techniques sont déjà disponibles en ligne. Cliquer ici. 

[4] FOURGEAUD, Gérard. France bleue Isère. [en ligne]. Isère: 8 avril 2020. [consulté le 26 avril 2020]. Le gouvernement aurait-il anticipé des centaines de recours juridiques des malades du Covid-19? Dossier: Coronavirus. <https://www.francebleu.fr/infos/politique/le-gouvernement-aurait-il-anticipe-des-centaines-de-recours-juridiques-des-malades-du-covid-1586372071>.

[5] MARRAUD DES GROTTES, Gaëlle. Wolters Kluwer [en ligne]. Paris: 30 mars 2020. [consulté le 13 avril 2020]. Algorithme d'État: un décret lance DataJust, instrument de modélisation de l'indemnisation des dommages corporels. Actualités du droit. <https://www.actualitesdudroit.fr/browse/tech-droit/intelligence-artificielle/26682/algorithme-d-etat-un-decret-lance-datajust-instrument-de-modelisation-de-l-indemnisation-des-dommages-corporels>.

[6] CARDON, Dominique. Culture numérique. Paris: Les Presses de Sciences Po, 2019, p.5

[7] COUSTET, Thomas. Dalloz Actualités [en ligne]. Paris: 24 avril 2020. [consulté, le 26 avril 2020]. Antoine Garapon: "le numérique est un remède à la lenteur de la justice".  <https://www.dalloz-actualite.fr/interview/antoine-garapon-numerique-est-un-remede-lenteur-de-justice>.

[8] PIREYRE, Bruno. Cour de cassation [en ligne]. Paris: 25 juin 2019. [consulté le 24 avril 2020]. "Un monde judiciaire augmenté par l'intelligence artificielle?". Publications. <https://www.courdecassation.fr/publications_26/prises_parole_2039/discours_2202/president_chambre_8444/augmente_intelligence_42900.html>.

Records Management et Intelligence Artificielle

En 1956, les participants de la Conférence de Dartmouth donnaient son nom à l'Intelligence Artificielle, partant de ce principe : « chaque aspect de l’apprentissage ou toute autre caractéristique de l’intelligence peut être si précisément décrit qu’une machine peut être conçue pour le simuler » Des années ont passé avant de voir Deep Blue l’emporter aux Échecs sur l’intelligence humaine: c’était dans les années 90. L’intelligence Artificielle a ensuite passé le cap des années 2000, tournant dans son essor et, avec l’influence grandissante des GAFAM, l’IA continue son expansion et fait dorénavant partie de notre quotidien. Quid alors des pratiques du Records Management face à l'efficacité toujours plus poussée des technologies de l'IA?

Records Management et Intelligence Artificielle : un avant et un après ?

Le 20 janvier 2020, James Lappin, records manager anglais, a publié un article sur son blog Thinkingrecords.co.uk dans lequel il pose la question de l’avant/après intelligence artificielle pour les pratiques du Records Management. Basé sur son projet de recherche sur la politique d’archivage du courrier électronique, James Lappin retrace l’histoire de la gestion des documents, de l’avant révolution industrielle à la révolution numérique, décrivant ce que cette dernière a eu d’impact sur le records management.[1]

De la fonction de (révolution industrielle) à la fonction de « politique » (révolution numérique), le records management couplé à l’IA deviendrait une data science. Parmi ce qu’annonce James Lappin, voici quelques faits signifiants sur ce que l’après IA induit d’effets sur le Records Management :

• Le Records Management devient une data science qui aura pour pratique de superviser les algorithmes de classification des informations documentées, des règles de conservation et d’accès aux enregistrements.
• Le volume des documents et des données continueront d’augmenter car les algorithmes de l’IA produiront eux-mêmes des informations à gérer.
• Au sein d’un même organisme, la cohabitation des diverses bases de données inter-services sera facilitée par l’IA : les algorithmes pourront utiliser les données d’une base de données pour gérer et alimenter les données d’une autre base de donnée.

IA : un renouveau pour les métiers du records management ?

La révolution de l'IA offre de nouveaux pouvoirs aux gestionnaires de documents / professionnels de la gouvernance de l'information pour intervenir efficacement au sein et entre les systèmes de documents à des fins de gouvernance. Comme tout pouvoir, cela s'accompagne de responsabilités et de la nécessité de l'utiliser judicieusement et en toute sécurité. Telle est l’analyse de James Lappin au sujet de l’impact de l’IA sur les métiers du records management. 

Le fait est que depuis 20 ans déjà, les professionnels de l'information tentent d’appliquer l’IA au Records Management. Sans trop de succès. Ce n’est que depuis 5 ans et grâce à l’essor de la technologie du Machine Learning que l’IA propose des solutions renversant les pratiques (et dépassant parfois les compétences) des professionnels de la gestion documentaire.  Ces tâches en particulier sont en voie d'automatisation : la classification (un des sujets les plus complexes du Records Management), l'élimination des doublons ou des documents obsolètes des systèmes documentaires, ou encore surveillance exhaustive de la conformité des données/documents. 

Où se situent alors les métiers du records management ? 

Percevoir le Machine Learning comme une menace ne constitue pas la meilleure approche : l’IA et ses Machines Learning permettent l’automatisation de certaines tâches au profit du développement de nouvelles compétences pour les professionnels de l'information.[2] Parmi elles, l’éducation de l’IA et des Machines Learning, une expertise visant à détecter des problèmes émergents en matière de gestion documentaire.[3] 

[1] LAPPIN, James. "Records Management, before and after the AI revolution". Thinkingrecords.co.uk. [En ligne]. 30 janvier 2020. [Consulté le 06 février 2020].Disponible sur : <https://thinkingrecords.co.uk/2020/01/30/records-management-before-and-after-the-ai-revolution/>.

[2] GILLIN, Paul. "A fresh look at Artificial Intelligence and Records Management". Infogoto.com. [En ligne]. 27 janvier 2018. [Consulté le 20 février 2020]. Disponible sur : <https://www.infogoto.com/a-fresh-look-at-artificial-intelligence-and-records-management/>.

[3] Conseil National des Archives. "Intelligence Artificielle et impact sur la gestion des documents et des archives". www.ica.org. [En ligne]. 19 mars 2019. [Consulté le 20 février 2020].Disponible sur : <https://www.ica.org/sites/default/files/mef_intelligence_artificielle_dissemination.pdf>.

Un panorama d'applicatifs IA dans la chaîne de valeur des médias

Après l’adaptation à Internet et la numérisation des contenus, les médias sont en première ligne pour tester et déployer les outils basés sur l’intelligence artificielle. Cette nouvelle vague d’innovation impacte tous leurs métiers et tous les maillons de la chaîne production [1]. En effet, cette ruée vers ces applications a modifié considérablement les rôles des professionnels et les canaux d’accès à l’information. Le recours à ces applicatifs pose cependant de nombreuses questions, notamment sur le plan éthique : faut-il imposer une forme de transparence vis-à-vis des lecteurs ? Faut-il généraliser l'usage de ces technologies à l'heure des fake news ?

Les applications de l'IA pour les médias sont vastes : automatisation des process métiers et des relations clients, veille et écoute des réseaux sociaux, vérification de l'information et détection des fake news, analyse prédictive de succès, création de vidéos et post-production, conversation automatique par assistants vocaux, rédaction automatisée, recommandation personnalisée. Loin de se vouloir exhaustif, voici un panorama de quelques applications IA dans la chaîne de valeur des médias.

Veille, identification des tendances :

• NewsWhip est un outil qui permet de détecter des tendances sur Twitter, Facebook, Linkedin. Il est adopté par plusieurs agences de presses comme la BBC, le Guardian, il aide au traitement des données 
• QWAM Text Analytics traite et analyse de grandes masses de données non structurées pour en tirer les éléments essentiels et indicateurs clés. Utilisé par Le Figaro pour la génération des tags, et l'enrichissement sémantique, la recommandation des contenus similaires [2].

 Vérification de l’information :

• FactMata est une plateforme qui utilise l'IA pour détecter les fake news en attribuant des indices de confiance aux contenus, en repérant les discours de haine et les contenus abusifs, la propagande [3].

 Rédaction automatique :

• Quotebot est un programme qui génère automatiquement des textes à partir de données financières pour le quotidien belge L'Echo. Il a été développé avec les journalistes de la rédaction à l'aide de syllabs [4].

Assistants vocaux :

• CallDesk propose un robot intelligent capable de prendre en charge des appels téléphoniques, au côté des téléopérateurs. Ce robot comprend les requêtes en langage naturel et offre une expérience de qualité aux interlocuteurs en leur apportant une réponse pertinente. Il reconnait également et transfère automatiquement les tâches complexes aux téléopérateurs spécialisés [5].

Indexation automatique  :

• Newsbridge est une solution d'indexation automatique et en temps réel des rushs, via la reconnaissance d'images. Elle optimise le process de production d'un sujet  et pérennise les  contenus en facilitant leur réutilisation différée. Une fonctionnalité de traduction est également proposée pour les interviews [6].

IA dans les médias : Quelles limites ?

"S’il est certain que l’IA ne remplacera pas les journalistes, sa mise en place dans les rédactions peut être compliquée. Elle peut déclencher un "clash de cultures" entre les employés aux profils technique et journalistique. Ensuite, elle nécessite un bon management et des workflows définis. L’usage de l’IA ne peut se limiter à un seul service au sein de la rédaction, touchant de nombreuses fonctions différentes. Automatiser des tâches de routine nécessite de bien les délimiter afin d’éviter d’inscrire des erreurs ou des biais dans le processus, qui seraient ensuite invisibilisés par l’automatisation" [7]. 

Sources:

[1]https://larevuedesmedias.ina.fr/ia-et-medias-une-innovation-plus-quune-revolution [consulté le 23/02/2020]

[2]http://www.qwamci.com/qwam-text-analytics/ [consulté le 22/02/2020]

[3]https://factmata.com/technology.html [consulté le 23/02/2020]

[4]https://www.lecho.be/les-marches/homepage/Qui-est-Quotebot/10100844 [consulté le 21/02/2020]

[5]https://calldesk.ai/  [consulté le 22/02/2020]

[6]https://www.newsbridge.io/  [consulté le 22/02/2020]

[7]https://www.samsa.fr/2019/12/02/intelligence-artificielle-ia-dans-les-medias-beaucoup-de-fantasmes-quelques-realites-et-pas-mal-de-questions/  [consulté le 23/02/2020]

Knowledge Management : perspectives pour 2020

Le 17 octobre 2019 se tenait, à l'Institut national des sciences et techniques de la documentation (INTD) la journée d'étude "Comment aborder une démarche Knowledge Management ?" [1] Partant du tournant que constitue pour la gestion des connaissances l'édition de l' ISO 30401, les intervenants y ont proposé à leurs auditeurs retours d'expérience et réflexions sur la mise en oeuvre d'une démarche de Knowledge Management dans une organisation, qu'elle soit publique ou privée. Le rappel de cette journée d'études vient introduire le présent billet, lequel a pour ambition de présenter les perspectives offertes au Knowledge Management pour 2020.  

Bilan de la conférence annuelle "KMWorld" tenue en novembre 2019 à Washington D.C. 

Michael Koening - professeur émérite du département Information et Informatique de l'Université de Long Island - relève trois thèmes notoires abordés lors de cette conférence. Premier thème à retenir :  la pratique de la cartographie des connaissances, présentée comme base solide et essentielle à la construction et la mise en oeuvre de systèmes de gestion des connaissances efficaces. À l'heure des BigData et du Big Content, il faudra ainsi "faire avec" les bases de données relationnelles dont les relations entre chaque "pépite d'information" usent du WOL (Web Ontology Language). Deuxième fait notoire : la mise en place de systèmes de gestion des connaissances garantit aux organisations la faculté à se conformer aux normes et aux exigences qu'il leur faut respecter. La faculté du Knowledge Management à alerter les organisations quant aux éventuels problèmes de non-conformités, connus ou imminents, constitue un véritable atout pour ces dernières et Micheal Koening indique que se pencher sur la DSI ( diffusion sélective de l'information) s’avérerait constituer une stratégie plus que satisfaisante pour les praticiens de la gestion des connaissances. Il note cependant le manque de techniques ou d'exemples spécifiques proposés à ce sujet et espère qu'une amélioration pourra être constatée lors de la conférence KMWorld de 2020. Le troisième thème notable relevé par Micheal Koening n'est pas un sujet  nouveau, mais la conférence annuelle "KMWorld 2019" aura mis l'accent sur le recul notable des techniques et pratiques de capture et de préservation des connaissances du personnel partant à la retraite. [2]

 Knowledge Management en 2020 : quelles perspectives ? 

Toujours plus de données transitent dans les organisations et proviennent de sources toujours plus diversifiées. Ces données, il faudra non seulement les collecter mais aussi les conserver sous des formes utilisables et qui plus est stratégique. Répondre à ces ambitions impliquera, pour les praticiens du Knowledge Management, de prendre en compte  - selon les contributeurs du site KMWorld, deux axes stratégiques pour 2020. [3]

"Alors que le monde se complexifie et que la vitesse du changement continue de s'accélérer, nous avons plus que jamais besoin de l'intelligence artificielle et de l'automatisation" : ces mots d'Art Murray, PDG d'Applied Knowledge Sciences traduisent une des perspectives principales du Knowledge Management pour 2020 : les capacités traditionnelles du KM sont à même de gagner en efficacité à condition qu'elles continuent de se renouveler en recourant aux bénéfices de l'Intelligence Artificielle (IA), qui permet entre autres le traitement naturel du langage. Si aujourd'hui de nombreux consommateurs sont familiarisés à l'IA par le biais de l'utilisation des objets connectés par exemple, les praticiens du Knowledge Management devront mettre à profit l'émergence de ces nouvelles technologies afin de bénéficier, eux aussi, des capacités l'IA - notamment pour assumer plus efficacement les tâches comme le filtrage des sources d'informations. Autre perspective d'avenir : l'expérience client et la transformation des services deviennent des axes de réflexion majeurs. De plus en plus valorisée, l'expérience client est gage de la réussite d'une entreprise. Les utilisateurs s'attendent aujourd'hui à une expérience client, qu'elle que soit la prestation perçue, toujours plus fluide et efficace dans l'accès à l'information cherchée, que ce soit sur les applications ou sites mobiles, l'expérience en magasin ou avec les centres de contact téléphonique.  Tandis que la technologie redéfinit les standards et les attentes des clients, les "services clients" constituent un véritable atout stratégique pour les organismes qui fixent d'ores et déjà leurs priorités et leurs budgets en ce sens - selon le "Rapport sur l'état de service en 2019" de Salesforce. Ce rapport s'emploie à montrer que la quatrième révolution industrielle - alimentée par l'IA, la blockchain, les nouvelles technologies informatiques et la réalité virtuelle - est le moteur de la transformation des services clients, en témoigne l'essor des outils CRM. Cette étude Salesforce révèle également ceci : 82% des décideurs estiment aujourd'hui que le service client de leur entreprise doit se transformer pour rester compétitif et que dans cette optique, l'utilisation de l'IA devrait augmenter de 143% au cours des prochains mois. [4] 

[1] Les Manifestations de l'INTD, "Comment aborder une démarche Knowledge Management". Intd.cnam.fr. [En ligne]. 2019. [Consulté le 24 janvier]. Disponible sur : <http://intd.cnam.fr/les-manifestations-de-l-intd--39348.kjsp?RH=INTDinstitut&RF=INTDseminaire>

[2] KOENING, Michael. "Observations on KMWorld 2019". www.kmworld.com. [En ligne]. Publié le 21 novembre 2019. [Consulté le 14 janvier 2019]. 

Disponible sur : < https://www.kmworld.com/Articles/Editorial/ViewPoints/Observations-on-KMWorld-2019-135404.aspx >

[3] KMWorld Staff Features. "Looking for the future of Knowledge Management: 2020 insight". [En ligne]. Publié le 7 janvier 2020. [Consulté le 21 janvier 2020]. Disponible sur : < https://www.kmworld.com/Articles/Editorial/Features/Looking-to-the-Future-of-Knowledge-Management-2020-Insight-135756.aspx >

[4] PETOUHOFF, Nathalie. "State of Service Report : The Age of the AI, and Agent and Customer Empowerment". [En ligne]. Publié en 2019. [Consulté le 27 janvier 2020]. Disponible sur :  < https://www.salesforce.com/products/service-cloud/resources/state-of-service/ >

L'Intelligence Artificielle peut-elle être une aide à la médecine ?

Google a lancé une série Youtube sur l'intelligence artificielle : The Age of AI avec l'acteur d'Iron Man Robert Downey JR. Depuis le 15 janvier 2020 tous les épisodes sont accessibles. Dans le deuxième épisode de cette série, on nous montre des outils d'IA utilisables dans le domaine de la santé.  

   Pour pouvoir accompagner la médecine l'Intelligence Artificielle (IA) doit pouvoir aider dans la prise de décision et être autonome pour faire gagner du temps aux médecins. Elle doit apprendre par elle-même en se servant d'un grand nombre de données (big data) et en s'entraînant avec ses algorithmes. L'IA enseigne la machine et la machine devient l'IA. En analysant les données recueillies et établissant des statistiques, l'IA peut aider à prédire une maladie. Cet apprentissage autonome est appelé le machine learning. [1]

             L'IA peut-elle aider à la communication en cas de troubles de l'élocution ? [2] 

Des chercheurs de Google mettent en place le Projet Euphonia afin de chercher des manières d'aider des personnes atteinte de troubles de l'élocution à être comprises.  

Ce projet vise à améliorer la reconnaissance vocale de ces personnes et à leur redonner leur timbre de voix, considéré souvent comme faisant partie de leur identité.  

Il est réalisé en collaboration avec ALS Therapy Development Institute, une organisation pour trouver un remède à la sclérose latérale amyotrophique ou SLA, également appelée maladie de Charcot qui est une maladie dégénérative du système nerveux qui entraîne une paralysie progressive. Une grande base de donnée de voix ALS a été produite dans le but de pouvoir comprendre plus facilement un grand nombre de personnes. 

Comment fonctionne le logiciel de reconnaissance vocale ? [2] 

Le patient enregistre dans la machine un grand registre de mots. Le son de la voix est converti sous forme d'onde qui est ensuite adapté et transcrit pour chaque mot. Puis le machine learning prend le relais en utilisant des échantillons de voix et reliant ensemble le mot entendu à son équivalent écrit. Ensuite, l'algorithme utilise des règles telles que la grammaire et la syntaxe pour prédire chaque mot dans une phrase. 

Dimitri Kanevsky, mathématicien et chercheur Google est sourd depuis son plus jeune âge, il travaille sur un prototype de logiciel de transcription du langage afin de pouvoir s'exprimer et être compris en temps réel. Son logiciel peut être une aide à la parole pour des personnes souffrant de troubles de l'élocution. 

              L'IA peut-elle prédire la cécité ou l'empêcher ? [2]   

L'IA permet de dépister pour prévenir avant que les symptômes apparaissent et que ce ne soit plus traitable. Pour la rétinopathie diabétique, qui est due à une complication du diabète qui atteint l'œil et la rétine, il y a des moyens de filtrer et d'anticiper le problème. Le Docteur Kim a appelé une équipe Google de médecins et ingénieurs qui explorent des moyens d'utiliser le machine learning afin de résoudre des problèmes de santé. Ils utilisent la reconnaissance d'images. Pour le projet de rétinopathie, les ophtalmologues ont notés de 1 à 5 de sain à malade plus de 100 000 balayages oculaires pour servir d'algorithme de machine learning. L'IA a appris à prédire les yeux présentant des signes de maladie. 

Des scanners oculaires compatibles avec l'IA ont commencé à être tester à l'Aravind Eye Clinics en Inde. Les images du fond de l'œil des patients sont envoyées en temps réel à l'algorithme, qui envoie le résultat au système. Les personnes peuvent ainsi avoir tout de suite le résultat de l'analyse.  

              L'IA peut-elle détecter un cancer ? [3]

Un système d'intelligence artificielle de Google se révèle efficace pour la détection du cancer du sein. Il est programmé pour identifier les cancers du sein sur des dizaines de milliers de mammographies et sa précision permet de réduire le nombre de faux positifs du cancer. 

             Les bénéfices dus à l'IA en médecine 

• - L'IA commence à démocratiser les soins de santé. Elle permet à des patients de pouvoir se faire dépister sans devoir sortir une grande somme d'argent en consultant des spécialistes.

  - Elle est à la fois prédictive et préventive [2] [4]
• - Elle a le potentiel de « dépasser la capacité humaine à identifier des signaux subtils que l'œil et le cerveau humains ne sont pas en mesure de percevoir », Lehman. [3]
  
  

              Les limites de l'IA en médecine 

  

• - Les outils ne sont pas toujours efficaces : ils ne voient parfois seulement ce que l'humain a pu voir. [3] [2]
• - La grande quantité de données nécessaire au bon fonctionnement de L'IA peut poser des questions de stockage et de puissance de calcul. [4]
• - Il peut y avoir de la vente de données personnelles. [4]  
  
  

   Comment améliorer la santé avec l'Intelligence artificielle ? C'est une question que l'on se pose depuis plusieurs années. Des réponses sont apportées par des chercheurs mais les recherches continuent.  

Un appel à projet est lancée pour le 24 mars 2020 : « L’intelligence artificielle pour une expérience améliorée du système de santé » afin de soutenir les algorithmes d'intelligence artificielle pour améliorer les diagnostics médicaux. Le projet retenu obtiendra une aide financière et un accompagnement opérationnel. [5] 

[1] Le Big Data, "Machine learning et big data", 06/07/2018 [consulté le 24/01/2020]

https://www.lebigdata.fr/machine-learning-et-big-data 

[2] Youtube, L'âge de l'IA Saison 1 Episode 2 : "Guérir grâce à l'IA", 18/12/2019   

Healed through A.I. | The Age of A.I. 

[3] Ouest France, "Un système d'intelligence artificielle de Google pourrait améliorer la détection du cancer du sein, 02/01/2020 [consulté le 24/01/2020] 
https://www.ouest-france.fr/sante/cancer/une-etude-demontre-que-google-pourrait-ameliorer-la-detection-du-cancer-du-sein-6675007  

[4] Crédit Agricole, "L'intelligence artificielle au cœur de la médecine du futur" [consulté le 24/01/2020]

https://webzine.etudes-economiques.credit-agricole.com/Innovation-Sante/Numero-1/Le-billet-TECH-L-IA-au-coeur-de-la-medecine-du-futur 

[5] Actu IA, "L’intelligence artificielle pour une expérience améliorée du système de santé" – Appel à projets ouvert jusqu’au 24 mars 2020, 24/01/2020 [consulté le 24/01/2020] 
https://www.actuia.com/actualite/lintelligence-artificielle-pour-une-experience-amelioree-du-systeme-de-sante-appel-a-projets-ouvert-jusquau-24-mars-2020/