Olivier EZRATTY

Ingénieur-consultant spécialiste numérique et Intelligence Artificielle

Je vais traiter d’un sous-ensemble que Bertrand vient d’évoquer, la notion de stratégie industrielle. La notion de stratégie industrielle faisait entre le tiers et le quart du rapport Villani et de ce dont Bertrand s’occupe. Il faut dire que c’est un sujet très difficile. Je me suis intéressé, il y a quelques années, à l’histoire des stratégies industrielles de la France dans les technologies. Nous en avons eu de très connues qui ont relativement bien fonctionné dans les années gaulliennes et pompidouliennes autour des transports, de l’énergie et d’autres sujets assez régaliens liés à l’infrastructure. Aujourd’hui, dans le domaine du numérique, dans un secteur d’activité dominé par les entreprises américaines et asiatiques, c’est beaucoup plus difficile que ce n’était il y a trente ou quarante ans, d’avoir notre place. Là où nous sommes très créatifs en France, c’est que nous savons faire des rapports. On produit beaucoup de rapports. Le premier rapport du gouvernement sur l’I.A. est sorti début 2017 à l’initiative d’Axelle Lemaire qui, à l’époque, était secrétaire d’État en charge du numérique. Ensuite, il y a eu le rapport des assemblées, l’Assemblée nationale et Sénat, puis le rapport de la mission Villani, en même temps qu’un rapport très intéressant de France Stratégie que je vous invite à regarder qui fait le lien entre l’I.A. et le travail et qui essaye d’étudier de manière qualitative la manière dont le travail va évoluer du fait de l’I.A. Beaucoup plus récemment, un plan de la région Ile-de-France a été publié il y a à peine quelques semaines. Il visait à déployer un certain nombre d’efforts pour moderniser les PME franciliennes dans les usages de l’I.A. On m’a demandé de faire un point de mon avis sur le rapport Villani, il se trouve que j’ai écrit un papier dessus en mars dernier. Il y a des points très positifs dans ce rapport. Il y a cette dimension éthique de l’I.A. qui est fondamentale, on ne peut pas se passer de cette question, mais vous verrez après que j’ai un avis mitigé sur la question. Il y avait un point très important sur l’enseignement et la recherche. Il est clair que n’importe quel pays ne peut pas devenir un leader dans ce domaine s’il ne forme pas des chercheurs, des ingénieurs, des développeurs de solutions et l’ensemble des collaborateurs des salariés à l’usage des nouvelles technologies qui seront issues de l’I.A. Il faut bien faire la part des choses de ce point de vue-là, entre la création de technologies de l’I.A., qui relèvent de l’industrie du numérique, et l’usage des technologies issues de l’I.A.E., qui relèvent de l’outillage au même titre que les cadres ont été formés à la bureautique il y a trente ans. C’est pertinent et cela fait partie des sujets évoqués dans le rapport Villani.

Il y a un sujet important qui est le rôle des femmes. Il occupe plusieurs pages dans le rapport. J’y suis particulièrement sensible parce que je suis impliqué, d’un point de vue associatif, dans cette question. Il est clair que si nous sommes dans un monde où la majorité des solutions qui intègrent de l’I.A. ou du numérique, sont à la fois décidées et conçue par des hommes, nous irons vers un monde extrêmement inégal. Le fait d’être sensibilisé à cette question, notamment au travers d’initiatives comme la Fondation Femmes@numérique, de faire en sorte qu’il y ait plus de femmes dans les filières du numérique qui décident de la création de ces solutions et qui les développent, nous aurons un monde plus équilibré. D’ailleurs, l’équilibre n’est pas qu’un équilibre de genre, c’est aussi un équilibre social, d’origine, culturel. On a besoin, dans les industries du numérique, parce qu’on n’y est pas du tout aujourd’hui, d’avoir une plus grande diversité des prof ils des gens qui créent ces solutions. Les deux prof ils qui me semblent le plus importants, ce sont les prof ils ingénieurs et développeurs qui créent les solutions, ainsi que les prof ils de cadres dirigeants dans les entreprises et d’entrepreneurs qui décident de ce qu’on va faire, comme les personnes au Crédit Mutuel qui décident de créer un chatbot destiné aux collaborateurs ou aux clients. L’origine de la décision de la création de la solution crée un biais très important dans les solutions technologiques. Un dernier point dont Bertrand s’occupera en particulier, c’est la modernisation de l’État. Il est évident que l’Etat peut se moderniser avec le numérique en général et avec des briques issues de l’I.A. en particulier.

Je vais vous faire, en creux, ce qui manque à ce rapport. Il y a à la fois ce qui manque et le côté un peu brouillon. Il est très difficile, dans un rapport de l’Etat, de traiter correctement à la fois de l’équipement du pays, c’est-à-dire comment moderniser les entreprises, les PME, l’État, et comment faire du pays un leader industriel dans un domaine donné. C’est très diff icile de faire les deux correctement parce que quand vous faites le premier, vous êtes très focalisé sur le marché français. Bertrand citait, tout à l’heure, la base de la CNAM. C’est très bien, la base de la CNAM, mais si un entrepreneur veut créer une solution d’I.A. qui intéressera le monde entier, la base de la CNAM ne sert à rien. Elle ne sert que le marché français. La base de la CNAM n’a pas d’équivalent dans la plupart des autres pays. C’est une de nos forces, mais c’est en même temps une faiblesse, puisque si on s’arc-boute sur les caractéristiques qui font qu’on est unique et que le produit qu’on va développer, ne pourra pas se vendre à l’étranger parce que si ces données n’existent pas à l’étranger, on ne pourra pas exporter. Nous sommes dans une situation difficile à gérer qui est comment être bon chez nous et être bon également à l’étranger, être exportateur. C’est un des biais du rapport Villani. J’avais compté, je crois que plus de 90 % des mesures du rapport Villani étaient très centrées sur le marché français. Si vous êtes centré sur le marché français, vous ne vous exporterez pas ou vous exporterez plus difficilement que si vous ne visez que le marché mondial directement.

Cela se voit particulièrement dans deux domaines précis, le monde des composants électroniques sur lequel je vais revenir et le monde de la robotique. Ce sont presque des caricatures. Le rapport Villani, quand il parle de robotique, dit qu’il faudrait faire un plan franco-allemand. Très bien, les Allemands ne nous attendent pas, mais pourquoi pas. Sauf que dans le rapport Villani, vous avez comme exemple de début de germe de projet de stratégie industrielle, un projet de recherche collaborative en robotique qui implique un chercheur à Toulouse. Ça ne fait pas beaucoup. En nombre de divisions, ce n’est pas énorme. C’est un exemple où on voit le décalage. C’est pareil sur les composants électroniques. Vous avez des choses bizarres qui montrent la difficulté à concilier les points de vue d’acteurs industriels différents. Deux pages, dans le rapport Villani, disent que les composants électroniques sont très importants. Il parle des processeurs neuromorphiques. Ensuite, conclusion, il dit qu’on va construire un supercalculateur. Et là, vous vous demandez quel est le rapport. Le supercalculateur, c’est quelque chose dont on a besoin pour équiper les chercheurs, mais ce n’est pas une stratégie de composants, parce que les supercalculateurs s’appuient sur des composants du marché. Ils vont utiliser des technologies qui viennent des États-Unis, Intel et Nvidia, et pas forcément créer des composants, notamment dans le monde des objets connectés ou le monde de l’embarqué qui est un des marchés où il y a le plus de volumes à faire. Voilà le truc bizarre.

Autre sujet important qui manque dans beaucoup de rapports industriels français, c’est la notion de Moonshot. C’est une terminologie américaine qui rappelle Kennedy et le programme Apollo. Le Moonshot, c’est comment les entreprises privées, les acteurs du privé et les chercheurs peuvent, avec l’Etat, définir des projets très ambitieux. Un Moonshot, c’est la définition d’un objectif scientifique industriel et d’usage qui correspond à l’au-delà de l’état de l’art. Si vous dites que vous allez faire de la recherche en cancérologie dans la santé, mais que tous les pays du monde le font, très bien, mais vous le ferez comme les autres avec moins de moyens. La difficulté d’un point de vue industriel, c’est de formaliser des objectifs qui font rêver la société civile, qui font rêver les industriels, qui les mobilisent et qui font rêver les chercheurs, parce que nous en avons besoin pour aller plus loin que l’état de l’art d’aujourd’hui. Et là, je peux vous dire que l’ensemble des acteurs de l’industrie numérique, quand elle a lu ces différents rapports, elle a dit « Je ne rêve pas, ça ne me fait pas rêver, donc ça ne va pas me tirer vers le haut ». Il y a un dernier point. J’utilise une terminologie américaine, je suis désolé car c’est mon parcours et le domaine où je baigne qui le veut, c’est cette notion de création de produits, le product management. En France, on a eu une sainte croyance dans la beauté de nos chercheurs. On a des organismes de recherche très intéressants et très productifs dans le domaine de l’I.A., que ce soit l’INRIA, le CNRS, le LIST, le CEA. Il y a un nombre de laboratoires extraordinaires dans ce domaine. On a tendance à confondre, d’un point de vue industriel, la différence qui existe entre la recherche et le produit. Entre les deux, il y a des ingénieurs et des marketeurs qui décident de créer des produits qui vont se vendre. Malheureusement, nous sommes dans un environnement capitaliste où il faut vendre des produits avec des clients. Il y a une énorme différence de posture intellectuelle entre faire de la recherche fondamentale et créer un produit. C’est un déficit culturel, mais c’est un déficit de compétences. Cette compétence est dominante aux États-Unis. On la trouve beaucoup dans la Silicon Valley. On la trouve en France, mais pas assez, et on a besoin de la développer. Pour cela, il faut faire quelque chose de complètement contre-intuitif, ce que j’ai moi-même fait il y a plus de vingt ans dans un champ professionnel, c’est d’avoir des gens qui ont à la fois une compétence technologique, notamment des ingénieurs, et en même temps, des compétences business et marketing qui permettent de faire des produits qui se vendront à des clients. Associer ces deux compétences, c’est très difficile à faire. Il n’y a pas beaucoup de cursus d’enseignement qui savent associer les deux. C’est quelque chose dont on aurait besoin pour réussir.

Quelques exemples pas forcément de Moonshot, mais de réflexion sur la question. Première réflexion, quand on veut gagner des batailles industrielles, rappelez-vous la ruée vers l’or qui en était plus ou moins une, il faut gagner la bataille des outils. Si vous voulez gagner la bataille des robots, il faut faire des robots. Il ne faut pas simplement les installer dans ses propres usines. Dans le domaine du logiciel, les batailles sont déjà largement entamées. La plupart des outils, qu’ils soient matériels et logiciels, sont contrôlés par les Américains aujourd’hui. Les Chinois jouent un rôle assez faible du point de vue de l’outillage, notamment logiciel. Malgré tout, je vais donner deux exemples. Nous avons deux outils d’origine française dans le logiciel qui permettent de créer des logiciels d’Intelligence Artificielle. Il y en a un qui s’appelle Scikit-learn, développé à l’INRIA, mais qui malheureusement n’est pas adossé à une entreprise ou adossé à un modèle économique qui permettrait de proliférer dans le monde. Il fait partie du Top 5 ou du Top 10 des outils utilisés dans le monde pour créer des logiciels à base d’I.A. Vous avez un autre outil qui montre le côté bivalent du génie français. Il s’appelle Keras. C’est un outil de développement qui permet de créer à très haut niveau des outils dans le domaine de l’I.A. Il a été créé par un Français qui s’appelle François Chollet. Manque de bol, il bosse chez Google maintenant et c’est Google qui soutient le projet. On a un projet créé par un Français, mais dans le contexte d’une boîte américaine. C’est un peu comme Yann Le Cun qui est notre chercheur le plus connu mais il bosse pour Facebook. Ce n’est pas la situation idéale, c’est bien pour valoriser notre ego et nos talents Français, mais c’est complètement nul du point de vue de la stratégie industrielle. Nous avons besoin d’être présents là-dedans. Nous avons besoin d’inventer de nouveaux outils. Il faut savoir que l’I.A., ça rejoint le propos sur le Crédit Mutuel, est un domaine industriel extrêmement artisanal, à savoir qu’il y a beaucoup d’outillages, mais la quasi-totalité des projets dont vous entendez parler, y compris les projets faits avec ce fameux IBM Watson qui n’est qu’une boîte à outils, ce sont des projets qui nécessitent beaucoup de savoir-faire d’ingénieurs, beaucoup d’intégrations, beaucoup de consultants, beaucoup d’années hommes de travail. Ce qui coûte les 40 millions du projet du Crédit Mutuel, ce sont les coûts en années hommes. L’un des enjeux industriels de ce domaine de l’I.A., c’est comment faire en sorte que ce coût très élevé baisse pour déployer des solutions d’I.A. dans nos entreprises grâce à des outillages plus modernes. Il y a encore de la place à prendre à l’échelle mondiale pour créer des outils plus efficaces que ceux dont nous disposons aujourd’hui pour faire avancer le domaine.

L’I.A. me fait penser à la situation de l’industrie du logiciel dans les années 80, voire 70, une industrie qui dépendait beaucoup des prestataires de services. Beaucoup de projets, mais il n’y avait pas suffisamment de progiciels, de logiciels diffusés en volume. Il y a eu la bureautique dans les années 80. Il y a eu l’arrivée des ERP, ces fameux outils de gestion de la production et de l’informatique des entreprises dans les années 90. L’I.A. n’en est pas encore à ce stade, donc il y a une opportunité. Troisième exemple d’opportunités qui occupe beaucoup nos chercheurs en France, c’est l’explicabilité des algorithmes. On le disait tout à l’heure sur un algorithme à base de deep learning, on ne peut pas prouver qu’il générera le bon résultat. Comment faire pour que ces algorithmes à base de réseaux de neurones et de deep learning puissent être plus prédictibles et avoir des résultats auditables. L’exemple classique, c’est une voiture autonome qui écrase un piéton. Si elle écrase un piéton, il faut être capable de comprendre pourquoi elle a écrasé le piéton, pourquoi elle ne l’a pas reconnu, pourquoi elle ne s’est pas arrêtée. D’où vient le problème ? Est-ce que le problème vient de la caméra et du système de vision artificiel ouest-ce qu’il vient du système de décision ? Il se trouve qu’une voiture autonome a écrasé une dame qui roulait avec son vélo en Arizona en pleine nuit au mois de mai. On a découvert que le problème n’était pas lié à la caméra. Le problème était lié au système de décision de la voiture qui avait dit : « j’avance quand même ». Il avait dit : « oui, il y a un obstacle, mais ce n’est pas grave, j’avance quand même ». Ce n’était pas un problème de vision ou de deep learning, c’était un problème d’arbre de décision dans l’ordinateur de bord.

Un quatrième exemple sur lequel il y a du boulot. Je vous montrerai la cartographie industrielle dans ce domaine, ce sont les processeurs. Le monde des processeurs spécialisés dans l’I.A. est un marché en train d’éclore. Il est en train de démarrer. Il est, à peu près, sédimenté dans le monde des serveurs, mais il ne l’est pas encore forcément dans le monde des objets connectés, des caméras, de tous les objets connectés qu’on peut avoir dans l’industrie ou chez les particuliers. La qualité des données, là aussi, on peut travailler. Comment faire en sorte que les données soient de bonne qualité ? Il y a des choses à faire. Le dernier point qui est le corollaire du premier, c’est qu’aujourd’hui, une très grande partie des start-up de cette industrie sont des start-up qui font des produits, mais en réalité, elles font du service. Elles n’ont pas beaucoup d’économies d’échelle. Quand elles déploient chez un client, elles refont tout le boulot. Elles sont en mode projet. Elles n’ont pas cette notion de volume que nous avons historiquement dans le monde du logiciel. Ça veut dire qu’il y a une opportunité de faire mieux grâce aux outillages, grâce à la conception des produits, grâce à une réflexion marketing, pour exporter. Il ne faut pas oublier que l’I.A., comme toutes les technologies, est un domaine où il faut que nous exportions. Si dans cinq ou dix ans, nous ne sommes que des utilisateurs de l’I.A., mais que nous ne produisons pas, mais que nous ne produisons pas les technologies, les données, le hardware et le software qui permettent d’exporter, on sera, comme dans la situation d’aujourd’hui, un importateur net de technologie des États-Unis, de l’Asie. On n’aura pas utilisé ces technologies comme un moyen d’être plus compétitif du point de vue de l’exportation. C’est fondamental de l’avoir en tête. Le numérique est à la fois une industrie qui doit exporter, mais qui n’exporte pas assez aujourd’hui, et c’est un usage et une consommation de technologie dans l’ensemble du tissu économique du pays.

Voici un exemple. Où en sommes-nous au niveau du matériel ? Voilà une cartographie que j’ai faite à la main de l’ensemble des acteurs des processeurs qui vont des serveurs, qu’on met dans le cloud souvent, jusqu’à une ribambelle de sociétés qui font des processeurs embarqués dans les objets. Il y a des boîtes françaises avec Kalray qui est partenaire du LETI à Grenoble. Il y a Cortex et Prophecy qui font des processeurs dans le domaine de la reconnaissance d’images pour les caméras. Il y a évidemment STMicro qui est plus orientée côté langage, même s’ils peuvent faire un peu de tout en théorie. Il y a Another Brain qui n’apparaît peut-être pas, mais c’est une start-up créée par Bruno Maisonnier qui avait créé Aldebaran à l’origine. Il cherche à révolutionner le domaine des systèmes qui fonctionnent à base d’auto-apprentissage. La grande question qui se pose est : quelle place avoir dans ce domaine-là, comment encourager nos gros acteurs comme STMicro, et derrière le CEA et le LETI qui l’irriguent en recherche fondamentale et en recherche appliquée. Comment nos start-up vont pouvoir jouer un rôle dans ce domaine ? Et là, nous n’avons pris qu’un exemple. Les enjeux industriels sont là et la bataille est rude. Nous ne sommes pas seuls. Il y a des boîtes chinoises, américaines, canadiennes, anglaises parfois. La concurrence est mondiale. Les autres pays ne nous attendent pas.

Pour conclure, une illustration sur le fait qu’on ne nous attend pas. L’éthique qui était positionnée dans le rapport Villani comme étant un sujet très important, les Anglais l’ont récupéré deux semaines après. Les Anglais ont produit un rapport à la Chambre des Lords et qui a été repris par le gouvernement. Ils disaient que le Royaume- Uni sera le champion de l’éthique de l’I.A. Nous sommes en droit de douter parce que les Anglais… En tout cas, ils ont affiché la même volonté que la France pour réussir de ce point de vue-là. Nous ne sommes pas seuls. L’enjeu est industriel. Il dépasse le cadre de la France. C’est un enjeu mondial. Il n’est pas évident, quand on est un pays de taille intermédiaire comme celui de la France, de réussir. C’est un enjeu où on ne peut réussir d’un point de vue industriel que si on ambitionne de vendre nos technologies au monde entier, pas qu’à nous-mêmes, pas qu’à nos voisins. Il faut raisonner Monde. D’ailleurs, il faut souvent aller voir du côté asiatique et du côté des Etats-Unis. Pour réussir dans un monde très compétitif, il faut être différent. Il faut faire des choses que les autres ne font pas. Il faut aller plus loin d’un point de vue scientifique et technologique, mais il faut intégrer la dimension marketing. C’est là tout l’enjeu de toute stratégie industrielle, en particulier de celle de l’I.A. pour la France.