Basé sur des concepts comme les jumeaux numériques, l’IA, la blockchain et la réalité étendue (XR), le Citiverse vise à optimiser la prise de décision, l’engagement des citoyens et la durabilité des villes. L’UE se veut pionnière dans ce domaine avec le lancement en Espagne ce 12 décembre de l’EDIC “CitiVerse”, à Valence.

Un EDIC, ou Consortium européen pour une infrastructure numérique (European Digital Infrastructure Consortium), est un mécanisme de mise en œuvre de projets multinationaux. Il facilite la coordination du financement, permet une mise en place rapide et flexible de projets multinationaux qui ne peuvent l’être efficacement par un seul État membre.

Soutenu par le Bureau européen de l’IA et par plus de 80 millions d’euros dans le cadre du programme “Europe numérique”, l’EDIC CitiVerse contribue à la réalisation des objectifs de la “décennie numérique de l’UE”, qui vise à faire de l’Europe un leader mondial des technologies émergentes.

Pour être lancé, un EDIC doit regrouper au minimum trois États membres de l’UE, s’engageant à contribuer financièrement et à participer activement au projet. Le Consortium CitiVerse se développe rapidement et en réunit aujourd’hui 14, avec l’objectif d’intégrer une centaine de villes d’ici deux ans.

Vers le CitiVerse : des jumeaux numériques réseautés

L’EDIC se concentrera sur des solutions basées sur l’IA pour améliorer la durabilité et la planification urbaine des villes européennes. Elles permettront d’optimiser la gestion du trafic, de l’énergie et de l’eau. En outre, le projet explorera des applications immersives visant à favoriser l’interaction citoyenne : l’exploration virtuelle des projets d’aménagement prévus simplifiera leur compréhension par les habitants.

Le consortium fournira aux villes une boîte à outils qui leur permettra de créer leurs “jumeaux numériques”. Ces modèles virtuels de villes réelles, utilisent des données en temps réel pour simuler, analyser et prédire les effets du changement climatique, de la gestion des services publics, de la mise en œuvre de certains projets ou l’impact du déploiement de certaines politiques publiques.

Ces outils aideront ainsi à identifier les conditions permettant de prévenir des événements extrêmes et imprévisibles, comme les récentes inondations dans la région de Valence.

L’EDIC CitiVerse prévoit de connecter les jumeaux numériques, déjà opérationnels dans certaines villes pour tirer parti de leurs retours d’expérience et intégrer ces données dans les nouvelles solutions. Des programmes de formation à l’IA seront d’autre part mis en place pour aider les acteurs urbains à intégrer efficacement l’IA dans leurs processus.

Que ce soit dans le cadre de sa stratégie régionale sur l’intelligence artificielle (IA2021) ou dans celui de son plan en faveur de la santé, la Région Île-de-France entend devenir un pôle d’excellence dans le domaine de l’innovation et de la santé. Dans la continuité de ces initiatives, elle s’est associée à l’Hôpital Fondation Rothschild pour lancer le Challenge IA pour la Santé, doté de 500.000 €. Il ne reste plus que quelques jours aux entreprises intéressées pour se manifester puisque les candidatures ne sont ouvertes que jusqu’au 6 décembre prochain.

Le Challenge vise à initier un partenariat de long terme entre l’HFAR (Hôpital Fondation Rothschild) et une entreprise ayant démontré sa capacité à développer, valider et tester un algorithme d’intérêt pour améliorer la prise en charge des patients atteints de sclérose en plaques (SEP).

La SEP est une maladie neurologique auto-immune chronique qui affecte le système nerveux central, impliquant le cerveau et la moelle épinière. Elle résulte d’une attaque anormale du système immunitaire contre la myéline, une substance qui entoure et protège les fibres nerveuses, jouant un rôle essentiel dans la transmission rapide des signaux nerveux. Elle touche environ 2,8 millions de personnes dans le monde, dont 130.000 en France, et est la principale cause de handicap neurologique non traumatique chez les jeunes adultes.

Si on ne peut guérir la SEP, de nouveaux traitements permettent aujourd’hui de ralentir l’évolution de la maladie et en gérer les symptômes, ils sont d’autant plus efficaces que le diagnostic posé est précoce. Celui-ci repose sur une combinaison de méthodes dont l’imagerie par résonance magnétique (IRM).

Le Challenge IA pour la Santé s’articule autour de deux biomarqueurs de la SEP visibles sur une IRM cérébrale : le signe de la veine centrale qui se manifeste par la présence d’une veine au centre des lésions inflammatoires et le signe du halo qui se caractérise par la présence d’un anneau de signal hyper intense autour des lésions.

Les compétiteurs devront développer un algorithme pour :

• détecter le signe de la veine centrale, avec un haut degré de fiabilité. Si un diagnostic formel de SEP ne peut être établi, le modèle devra estimer la probabilité que la pathologie soit présente ;
• reconnaître le signe du halo, souvent plus subtil et complexe à détecter.

Qui peut candidater ?

Pour être éligible à la subvention, les entreprises candidates devront être :

• Soit 1 TPE ou 1 PE (entreprise de moins de 50 salariés dont le chiffre d’affaires annuel ou le total du bilan annuel n’excède pas 10 M€),
• Soit 1 ME (entreprise de moins de 250 salariés dont le chiffre d’affaires annuel est inférieur à 50 M€ ou dont le total du bilan annuel n’excède pas 43 M€),
• Soit 1 ETI (entreprise de 250 à 4.999 salariés dont le chiffre d’affaires annuel n’excède pas 1,5 Md € ou dont le total de bilan n’excède pas 2 Mds €, et qui n’est pas affiliée à un groupe de dimension supérieure).

Peuvent également candidater les groupements associant :

• Soit 1 laboratoire public et 1 (ou plusieurs) entreprise(s) privée(s),
• Soit plusieurs entreprises de type TPE, PE, ME ou ETI issues de l’UE ou de Suisse ayant un projet d’implantation dans les 6 mois.

Une seule candidature par groupement est attendue. Pour plus d’informations sur le challenge, cliquer ici.

L’IA peut-elle améliorer la précision des diagnostics médicaux ? Des chercheurs d’UVA Health, un réseau de soins de santé affilié à l’Université de Virginie, ont tenté de répondre à cette question. Le résultat de leur étude est surprenant : si l’IA peut effectivement surpasser les performances des médecins dans certaines tâches de diagnostic, son intégration dans leur flux de travail n’a pas significativement amélioré leurs performances globales.

Les grands modèles de langage (LLM) ont montré des résultats prometteurs dans la réussite aux examens de raisonnement médical, qu’il s’agisse de questions à choix multiples ou de questions ouvertes. Cependant, leur impact sur l’amélioration du raisonnement diagnostique des médecins en situation réelle reste à déterminer.

Andrew S. Parsons, qui supervise l’enseignement des compétences cliniques aux étudiants en médecine de la faculté de médecine de l’Université de Virginie et codirige le Clinical Reasoning Research Collaborative, et ses collègues de l’UVA Health ont voulu mettre ChatGPT Plus (GPT-4) à l’épreuve. Leur étude, a été publiée dans la revue scientifique JAMA Network Open et acceptée ce mois-ci par le symposium 2024 de l’American Medical Informatics Association.

Méthodologie de l’étude

Les chercheurs ont recruté 50 médecins exerçant en médecine familiale, en médecine interne et en médecine d’urgence pour lancer un essai clinique randomisé et contrôlé dans trois hôpitaux de pointe : UVA Health, Stanford et le Beth Israel Deaconess Medical Center de Harvard. La moitié d’entre eux ont été assignés aléatoirement à l’utilisation de ChatGPT en plus de méthodes conventionnelles telles que Google ou des sites de référence médicaux comme UpToDate, tandis que l’autre moitié s’est appuyée uniquement sur ces méthodes conventionnelles.

Les participants ont eu 60 minutes pour examiner jusqu’à 6 vignettes cliniques, des outils pédagogiques utilisés dans le domaine médical pour évaluer et améliorer les compétences cliniques des professionnels de santé. Ces vignettes, basées sur des cas réels, comprenaient des détails sur les antécédents des patients, des examens physiques et des résultats d’analyses de laboratoire.

Résultats

L’étude a révélé que les médecins utilisant ChatGPT Plus obtenaient une précision diagnostique médiane de 76,3 %, légèrement supérieure aux 73,7 % des médecins s’appuyant uniquement sur des outils traditionnels. Si l’écart reste modeste, en revanche, Chat GPT Plus, utilisé indépendamment, a atteint une précision impressionnante de 92 %.

Si les participants à l’essai utilisant ChatGPT Plus ont atteint un diagnostic un peu plus rapidement dans l’ensemble (519 secondes contre 565 secondes par cas), paradoxalement, ils ont réduit la précision diagnostique de l’IA.

Pour les chercheurs, cette baisse de la précision pourrait être due aux invites utilisées. Ils soulignent la nécessité de former les cliniciens à l’utilisation optimale de l’IA, notamment en exploitant les prompts de manière plus efficace. Sinon, les organisations de soins de santé pourraient acheter des invites prédéfinies à mettre en œuvre dans le flux de travail et la documentation clinique.

Selon eux, ChatGPT Plus se comporterait probablement moins bien dans la vie réelle, où de nombreux autres aspects du raisonnement clinique entrent en jeu, en particulier pour déterminer les effets en aval des diagnostics et des décisions de traitement. Ils demandent des études supplémentaires pour évaluer les capacités des grands modèles de langage dans ces domaines et mènent une étude similaire sur la prise de décision de gestion.

Conclusions

Les résultats révèlent une nuance essentielle : bien que les LLM soient capables de performances autonomes impressionnantes, leur utilisation en complément des méthodes traditionnelles n’a pas significativement amélioré la précision diagnostique des médecins.

Les chercheurs avertissent que “les résultats de cette étude ne doivent pas être interprétés comme indiquant que les LLM devraient être utilisés pour le diagnostic de manière autonome sans la surveillance d’un médecin” ajoutant que “des développements supplémentaires dans les interactions homme-machine sont nécessaires pour réaliser le potentiel de l’IA dans les systèmes d’aide à la décision clinique”.

Ils ont d’ailleurs lancé un réseau bicôtier d’évaluation de l’IA appelé ARiSE (AI Research and Science Evaluation) afin d’évaluer davantage les résultats de la GenAI dans les soins de santé.

Références de l’article

“Influence d’un grand modèle de langage sur le raisonnement diagnostique. Un essai clinique randomisé” doi :10.1001/jamanetworkopen.2024.40969

Equipe de recherche : Ethan Goh, Robert Gallo, Jason Hom, Eric Strong, Yingjie Weng, Hannah Kerman, Joséphine A. Cool, Zahir Kanjee, Andrew S. Parsons, Neera Ahuja, Eric Horvitz, Daniel Yang, Arnold Milstein, Andrew P.J. Olson, Adam Rodman et Jonathan H. Chen.

Ramdam, startup française fondée en 2023, innove en utilisant l’IA pour automatiser la production de contenus UGC (User-Generated Content), offrant aux annonceurs un moyen d’améliorer l’efficacité de leurs campagnes sur les réseaux sociaux. L’entreprise a récemment levé 3 millions d’euros auprès de The Moon Venture, Paris Region Venture Fund géré par Karista et Data Tech Fund, avec le soutien de la BPI, pour soutenir son expansion en Europe et aux États-Unis, ainsi que pour poursuivre le développement technologique de sa plateforme.

Ramdam a été créée par Xavier de Baillenx, Emmanuel Lemoine et Benjamin Combes, qui avaient précédemment cofondé Pretty Fun Therapy, une startup acquise par The Match Group (Tinder, Meetic). L’idée de Ramdam est née du succès d’une campagne publicitaire sur TikTok, menée avec des créateurs, qui a largement contribué à l’acquisition d’utilisateurs pour l’une de leurs applications mobiles. Cette expérience a inspiré le développement d’une plateforme automatisée qui, grâce à l’IA, connecte les annonceurs avec les créateurs les plus pertinents, optimisant ainsi la performance des campagnes.

La plateforme analyse des milliers de créateurs sur TikTok, Instagram et YouTube pour identifier ceux qui répondent le mieux aux besoins des marques. Les publicités ainsi produites sont adaptées aux différentes plateformes, ce qui maximise la portée et l’impact des campagnes.

En automatisant la génération de briefs créatifs, la gestion des délais, des contrats et de la facturation, Ramdam permet aux annonceurs de réduire les délais et de mieux gérer leurs budgets publicitaires. Ce processus rationalisé améliore non seulement la qualité et la pertinence des contenus, mais réduit également l’incertitude inhérente à la création publicitaire, tout en préservant la créativité.

Aujourd’hui, l’entreprise travaille avec plus de 100 clients (applications mobiles, marques, agences), et collabore avec 20 000 créateurs, produisant plus de 1 000 vidéos chaque mois.

Xavier de Baillenx, co-fondateur et PDG de Ramdam, souligne :

“Nous avons été le premier client de notre solution dans le cadre de la stratégie d’acquisition d’une de nos applications. Ainsi, nous avons conçu le produit optimal, le plus simple et le plus efficient pour allier créativité et performance des vidéos publicitaires sur les réseaux sociaux. Aujourd’hui, Ramdam concerne les contenus UGC, mais la Creative Intelligence pourra être étendue à tout créateur au sens large demain”. 

Ce modèle innovant, à mi-chemin entre la gestion de projet créatif et l’analyse de données, témoigne de l’évolution des pratiques dans le secteur publicitaire, où l’efficacité est de plus en plus associée à la capacité d’exploitation des données et des algorithmes.

Micron Technology, l’un des leaders mondiaux en fabrication de solutions de mémoire et de stockage, a annoncé jeudi dernier le lancement de l’échantillonnage de sa puce de mémoire graphique de nouvelle génération, la GDDR7, prenant en charge les GPU. Grâce à une densité de bits améliorée et une bande passante système de plus de 1,5o/s, elle élargit de manière significative les possibilités de charges de travail dans les domaines de l’IA, des jeux et du calcul haute performance (HPC).

S’appuyant sur la technologie DRAM 1β (1-bêta) et une architecture innovante, la GDDR7 de Micron offre une vitesse de mémoire impressionnante de 32 Gbit/s, tout en optimisant la consommation d’énergie. Comparée à la GDDR6, elle améliore la bande passante système de jusqu’à 60% et introduit quatre canaux indépendants pour une gestion optimale des charges de travail. Ces avancées se traduisent par des temps de réponse plus rapides, un gameplay plus fluide et des temps de traitement réduits, améliorant ainsi l’expérience utilisateur.

En termes d’efficacité énergétique, la GDDR7 surpasse la GDDR6 de plus de 50% et réduit la consommation d’énergie en mode veille jusqu’à 70%, grâce à un nouveau mode veille. De plus, les fonctionnalités avancées de fiabilité, disponibilité et maintenabilité (RAS) de la GDDR7 assurent une meilleure intégrité des données et une plus grande fiabilité des appareils sans compromettre les performances. Ces caractéristiques font de la GDDR7 une solution idéale pour les applications d’IA, de jeux et de HPC.

L’intégration de la GDDR7 dans l’offre de Micron enrichit son portefeuille de produits de pointe pour les applications d’inférence IA avancée, couvrant les composants CPU, NPU et GPU, avec des options de mémoire DDR, LPDDR et GDDR. Pour les applications de jeu, la mémoire GDDR7 de Micron permet d’améliorer le gameplay grâce à l’IA, offrant des paysages, des joueurs et des scénarios adaptables grâce à la mise à l’échelle des performances et à l’optimisation de la mémoire tampon de trame.

Les premiers résultats montrent que la GDDR7 de Micron peut augmenter le débit des tâches d’IA générative jusqu’à 33% et réduire le temps de réponse de jusqu’à 20%. Pour les jeux, les cartes graphiques équipées de GDDR7 offriront une amélioration de plus de 30% des images par seconde (FPS ou IPS) pour le ray tracing et la rastérisation, par rapport à la GDDR6 et la GDDR6X dans les résolutions 1080p, 1440p et 4K.

La transition vers la GDDR7 est soutenue par l’introduction de la signalisation PAM3, qui améliore le rapport signal/bruit (SNR), basée sur le succès de la technologie PAM4 de la GDDR6X, garantissant des performances accrues pour les futures générations de produits.

Plusieurs de ses partenaires utilisent déjà cette nouvelle puce. Parmi eux, AMD pour améliorer les performances de ses cartes graphiques et Cadence pour tester et valider ses sous-systèmes IP de mémoire, notamment l’IP GDDR7 PHY fonctionnant à des vitesses allant jusqu’à 36 Gb/s.

Praveen Vaidyanathan, vice-président et directeur général du Compute Products Group chez Micron, souligne :

“Micron est une fois de plus à la pointe de l’innovation en matière de mémoire en développant des solutions à la plus haute bande passante, construites avec un processus et une technologie d’interface avancée pour maintenir notre leadership en matière de performances graphiques. Les capacités exceptionnelles de la mémoire GDDR7 de Micron permettent d’atteindre de nouveaux niveaux de réalisme et de performance pour les applications les plus exigeantes”.

La puce Micron GDDR7 sera disponible au cours du second semestre 2024.

En mai 2023, le gouvernement annonçait une expérimentation visant à mettre l’IA générative au service des agents et usagers du service public, officialisée en octobre dernier par Stanislas GUERINI, Ministre de la Transformation et de la Fonction publiques. Lors d’une visite récente à l’Urssaf Midi-Pyrénées avec Damien Ientile, Directeur général de l’Urssaf Caisse nationale, Thomas Cazenave, ministre délégué chargé des Comptes publics, a dévoilé les premières réalisations accomplies au sein de l’Urssaf.

L’URSSAF (Union de Recouvrement pour la Sécurité Sociale et les Allocations Familiales), organisme public clé du système de protection sociale français chargé de la collecte et la redistribution des cotisations sociales, a intégré la technologie pour améliorer ses interactions avec les usagers. Actuellement, ce sont deux voicebots, neuf chatbots et trois livechats qui ont été déployés à travers 15 caisses régionales, permettant ainsi une amélioration notable de la rapidité et de la qualité des réponses fournies. Ces agents conversationnels, capables de filtrer les questions et de répondre aux plus simples, redirigent les requêtes plus complexes vers les conseillers métiers, garantissant ainsi des réponses complètes et précises.

La GenAI au service des usagers mais aussi des conseillers

En plus de ces outils, l’Urssaf expérimente un mailbot destiné à orienter les emails et formulaires des usagers vers les équipes compétentes, accélérant ainsi les délais de traitement. Dans un avenir proche, ce mailbot fournira également une aide à la réponse aux conseillers grâce à l’IA, optimisant davantage le service.

Thomas Cazenave a souligné que l’IA, bien qu’elle facilite les interactions et accélère les échanges, ne se substitue pas à l’humain. Au contraire, elle permet aux conseillers de se concentrer sur des échanges à plus forte valeur ajoutée avec les usagers. Le temps dégagé permettra de renforcer ses accueils physiques avec des demi-journées hebdomadaires d’ouverture d’ici 2025 dans toutes ses implantations.

Il a également annoncé que l’Urssaf ferait son entrée cette année dans les Maisons France Services, un réseau de plus de 2600 guichets uniques qui regroupent actuellement onze services publics pour faciliter l’accès aux démarches administratives pour les citoyens, en particulier dans les zones rurales et les quartiers prioritaires.

Gabriel Attal a d’ailleurs présenté en avril dernier “Albert France Services”, une version spécifique du LLM “Albert” développé par la DINUM (Direction Interministérielle du Numérique). Créé par et pour des agents publics, ce modèle d’IA open source souverain, viendra lui aussi en aide aux conseillers de l’Urssaf. Certains d’entre eux se sont portés volontaires et participent à la préparation, l’entrainement et la supervision des données utilisées par les modèles d’IA pour garantir la qualité des réponses apportées aux usagers.

L’acculturation, l’accompagnement et la formation des collaborateurs sont des éléments essentiels du déploiement réussi de la GenAI au sein de l’Urssaf, et ce, dans un cadre transparent, souverain et respectueux de la primauté humaine. Une exposition immersive, Explor’IA, circule déjà dans les organismes du réseau de l’Urssaf pour sensibiliser et former le personnel.

Thomas Cazenave commente :

“Avec l’Urssaf, nous faisons la preuve que l’IA et le numérique sont une chance pour renforcer la proximité entre les Français et les services publics. L’IA permet de gagner en efficacité mais ne remplace pas les agents : elle permet de répondre à tous, plus vite, et mieux, et les chiffres le montrent ! La démarche d’innovation que j’ai fixée à l’Urssaf s’inscrit pleinement dans les objectifs de débureaucratisation et de simplification du Gouvernement et qui ont fait l’objet d’un plan d’actions présenté avec Bruno Le Maire le mois dernier : moins de contrainte et plus de proximité. Ainsi, je félicite l’Urssaf, à la pointe de la technologie et lui fixe un objectif à horizon 2027 : le déploiement de tous ces nouveaux outils pour l’ensemble des publics et sur l’ensemble du territoire”.

Damien Ientile ajoute :

“Les innovations technologiques apportent un bénéfice réel aux usagers et nous sommes très fiers des nouvelles solutions développées par nos équipes digitales pour améliorer les services de l’Urssaf aux usagers. 4,8 millions d’usagers ont interagi avec un chatbot Urssaf en 2023, c’est une prouesse technologique et de relations usagers dont nous sommes fiers. Pour rester un service public de référence responsable et fiable, nous sommes particulièrement vigilants quant à la qualité des technologies que nous utilisons pour préserver la sécurité des données de nos usagers. C’est le sens de notre politique volontariste de déploiement de l’IA”. 

La cigarette électronique ou e-cigarette, apparue en 2007, est souvent présentée comme une aide au sevrage du tabagisme. Les puffs, cigarettes électroniques jetables, contenant ou non de la nicotine, aux arômes sucrés, de fruits, de chocolat ou de barbe à papa, sont particulièrement prisées des jeunes. Une récente étude montre que ces arômes, s’ils ne présentent pas de danger dans l’alimentation, peuvent être nocifs lorsqu’ils sont chauffés lors du vapotage.

Le vapotage, ou inhalation de vapeur produite par le chauffage des e-liquides, a émergé  comme une alternative à la cigarette traditionnelle. Initialement conçus pour contenir principalement de la nicotine, du propane-1,2-diol, du propane-1,2,3-triol et de l’eau, les e-liquides ont rapidement évolué pour inclure une vaste gamme d’arômes chimiques, suscitant des préoccupations quant à leur décomposition thermique et aux risques pour la santé associés. La décomposition par pyrolyse de ces arômes pourrait en effet produire un grand nombre d’entités chimiques secondaires, dont certaines pourraient présenter des risques accrus pour la santé.

Une équipe de chercheurs composée d’Akihiro Kishimoto (IBM Research – Tokyo) et de Dan Wu et Donal F. O’Shea (Département de chimie, Royal College of Surgeons – Irlande) s’est intéressée au sujet. Pour eux, “l’exposition prolongée à ces produits chimiques et à leurs produits de pyrolyse rend plausible que nous soyons sur la ligne de départ d’une nouvelle vague de maladies chroniques qui n’émergera que dans 15 à 20 ans”.

Ils ont étudié 180 produits chimiques utilisés pour créer divers arômes. L’examen détaillé de leurs composés a identifié 66 esters, 46 cétones et aldéhydes, 27 alcools et acétals, 26 composés aromatiques, hétérocycles et carbocycles, ainsi que 15 acides carboxyliques et amides ce qui, selon eux, indique clairement le potentiel d’une large gamme de réactions de pyrolyse.

Méthodologie

Pour évaluer ces risques, une approche combinant apprentissage profond et données expérimentales de spectrométrie de masse (MS) a été utilisée. Un réseau neuronal convolutif (NN) a été entraîné pour prédire la réactivité à la pyrolyse de ces 180 produits. Les résultats ont généré 7307 produits de pyrolyse potentiels. Pour valider ces prédictions, la masse moléculaire des produits a été corrélée avec les données de fragmentation obtenues par MS, permettant d’identifier 1169 correspondances avec une priorité pour une analyse approfondie.

Ils ont ensuite appliqué des classifications du Système général harmonisé de classification et d’étiquetage des produits chimiques (SGH) pour évaluer la toxicité des composés identifiés, en se basant sur des critères tels que la toxicité aiguë, le danger pour la santé et l’irritation.

Résultats

Sur ces 1169 composés, 127 ont été classés comme toxiques aigus, 153 comme dangereux pour la santé et 225 comme irritants.

Les chercheurs soulignent que bien que le vapotage partage certaines caractéristiques avec le tabagisme traditionnel, il présente un ensemble distinct de risques pour la santé en raison de composés potentiellement plus dangereux. Comparer uniquement le vapotage au tabagisme “peut donner un faux sentiment de sécurité, en particulier pour les jeunes non-fumeurs de tabac”. Ils estiment essentiel d’adopter des réglementations qui protègent à la fois les fumeurs cherchant à se sevrer et les jeunes générations. Ils recommandent une limitation stricte des substances chimiques dans les e-liquides pour la sécurité de tous.

Références :

Forecasting vaping health risks through neural network model prediction of flavour pyrolysis reactions”. Sci Rep 14, 9591 (2024).
https://doi.org/10.1038/s41598-024-59619-x.

Auteurs et affiliations

Akihiro Kishimoto, IBM Research – Tokyo, Shin-Kawasaki, Japon
Dan Wu et Donal F. O’Shea, Département de chimie, Royal College of Surgeons in Ireland (RCSI), Dublin 2, Irlande

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d’accroître la puissance des essais cliniques, d’effectuer davantage de tests dans un environnement sécurisé, contribuant ainsi à la mise au point de thérapies innovantes répondant aux besoins des patients. Le livre blanc “Données de santé artificielles : analyse et pistes de réflexion”, publié ce 6 mai, contribue à sensibiliser les acteurs du domaine de la santé aux opportunités offertes par l’IA et aux défis à relever pour assurer son utilisation efficace et éthique dans le développement de nouvelles thérapies.

Face à l’accélération des innovations thérapeutiques et technologiques, l’offre de santé n’a jamais été aussi importante. Cependant, de nombreux patients demeurent sans solution thérapeutique adaptée, surtout dans les cas où les essais cliniques traditionnels sont difficiles à mettre en œuvre.

La création de cohortes de patients artificiels générées à l’aide d’algorithmes implémentant des modélisations mathématiques à partir de données cliniques existantes pourrait être une alternative au recrutement de participants, permettant de conduire ces essais de manière optimale tout en assurant la sécurité et la fiabilité des études. Ces outils de génération de cohorte de patients artificiels sont en cours de validation pour leur usage en recherche clinique, même si la preuve de concept de son utilisation a été faite et précisée dans un chapitre de ce livre blanc.

Coordonné par le Dr. Jean-Louis Fraysse et la Pr. Stéphanie Allassonnière, ce dernier détaille les enjeux et les perspectives qu’offre l’utilisation des cohortes de patients artificiels dans les essais cliniques. Il a été réalisé avec la contribution d’acteurs publics et privés, parmi lesquels AFM-Téléthon, Agence de l’Innovation en Santé (AIS), la CNIL, l’INRIA, BOTdesign, le CNRS, CHU de Toulouse, la Filière Intelligence Artificielle et Cancer, l’Institut Pasteur, la Haute Autorité de Santé (HAS), l’INSERM, l’Institut Prairie pour ne citer qu’eux.

Leur initiative s’inscrit dans les travaux de l’Agence de l’Innovation en Santé menés avec l’infrastructure F-CRIN et globalement dans la démarche du plan Innovation Santé 2030, dont l’un des objectifs est d’innover et d’accélérer dans le domaine de la recherche clinique.

Le livre blanc met en lumière le potentiel des cohortes de patients artificiels pour renforcer la puissance des essais cliniques et accélérer le développement de nouveaux traitements mais également les défis associés en termes de sécurité des données et de confiance dans les produits de santé développés.

Ses auteurs soulignent ainsi la nécessité d’une validation rigoureuse par des experts (professionnels de santé, mathématiciens, patients) pour s’assurer de leur fiabilité, c’est-à-dire de leur capacité à reproduire fidèlement les données réelles.

Pour le Dr Raphaëlle Parker, Principal Scientist en recherche translationnelle chez Janssen Pharmaceutical Companies of Johnson & Johnson :

“L’utilisation de l’IA dans le domaine de la santé présente des challenges particulièrement complexes inhérents aux types de données sur lesquelles elle s’appuie (données sensibles, sparses, hétérogènes, quantités souvent limitées, …). Cependant, les efforts de recherche de ces dernières années qui s’attèlent à répondre à ces défis spécifiques, permettent aujourd’hui d’entrevoir un potentiel vertigineux, entre autres et en particulier, dans le domaine des études cliniques, portant des promesses d’études moins chères mais surtout plus justes, plus inclusives et plus efficaces. Le recours à des données artificielles pour le développement de nouveaux médicaments est une ambition particulièrement audacieuse et sensible qui nécessite un effort commun et soutenu d’acteurs divers et complémentaires afin d’avancer de la manière la plus efficace possible”.

Retrouver le livre blanc ici

L’essor de l’IA, en particulier générative, a ouvert de nouvelles perspectives dans différents secteurs, notamment celui des services publics. Elle peut être une source d’amélioration de la qualité du service rendu avec une réduction des délais de traitement, faciliter le travail des agents publics (gain de temps, aide à la priorisation, valorisation des jeux de données..). Cependant l’opacité des algorithmes, la fameuse “boite noire”, pose la question de l’égalité du contrôle des déclarations lors du traitement des dossiers.

L’IA pour lutter contre la fraude

Si le mois dernier Stanislas GUERINI, alors Ministre de la Transformation et de la Fonction publiques, se félicitait du succès de l’expérimentation de l’IA générative au sein des services publics, le gouvernement n’a pas attendu l’arrivée de cette dernière pour utiliser l’IA au sein de ses services.

Au cours des dix dernières années, la Direction Générale des Finances Publiques (DGFiP), chargée du contrôle fiscal, a ainsi opéré une “révolution technologique” dans sa stratégie de détection des irrégularités fiscales. Initialement axée sur le contrôle triennal des contribuables à revenus et patrimoines élevés, cette stratégie a évolué vers une utilisation intensive de technologies numériques.

Le projet CFVR (ciblage de la fraude et valorisation des requêtes), lancé en 2017, financé par le FTAP (Fonds de Transformation de l’Action Publique) afin d’améliorer “l’efficacité des opérations de contrôle fiscal en rénovant la phase de ciblage des opérations”, lui a permis de poursuivre la modernisation de ses techniques d’analyse grâce à l’IA et d’exploiter les données dont elle dispose avec le data mining, afin d’y repérer les incohérences déclaratives.

Les algorithmes de notation au sein du service public

Près d’un tiers des contrôles fiscaux reposent aujourd’hui sur des analyses de risques alimentées par le traitement massif des données. Au sein de certains organismes publics, comme la Caisse nationale d’allocations familiales (CNAF) qui gère les caisses d’allocations familiales (CAF), ce sont des algorithmes de notation qui vont inciter les agents à effectuer des contrôles.

La Quadrature du Net, une association qui s’oppose au sein du collectif « Stop Contrôles » aux effets de la dématérialisation et de l’utilisation du numérique par les administrations à des fins de contrôle social, a mis en lumière en 2022 l’utilisation d’un algorithme de scoring par la CNAF.

La problématique de cet algorithme est son caractère discriminatoire car il ciblerait en priorité les bénéficiaires les plus fragiles au vu des critères de notation utilisés. L’association qui a obtenu de la Commission d’accès aux documents administratifs (Cada) les codes sources d’une version utilisée entre 2010 et 2014 et ceux de la version suivante utilisée jusqu’en 2018 de l’algorithme et le droit de les publier, révèle les critères qui permettent d’attribuer aux allocataires un score de risque allant de 0 à 1. Plus la note se rapproche de 1, plus la probabilité qu’un individu ait touché des indus augmente, entraînant des contrôles.

Parmi les critères discriminatoires révélés associés à un risque d’abus élevé, on trouve :

• revenus faibles ;
• chômage ou le fait ne pas avoir de travail stable ;
• être un parent isolé ;
• consacrer une part importante de ses revenus au loyer ;
• avoir de nombreux contacts avec la CAF.

Le fait d’être en situation de handicap tout en travaillant ferait augmenter le score de “suspicion”, comme le dénomme l’association, tout comme celui d’habiter dans des quartiers défavorisés.

Des algorithmes de notation devraient être déployés dans d’autres institutions publiques comme les impôts, Pôle emploi, la CNAM et la CNAV.

Lutter contre les pratiques discriminatoires liées aux algorithmes

La discrimination dans les algorithmes est un problème sérieux qui peut affecter les droits et renforcer les inégalités. La réglementation et la surveillance appropriées sont nécessaires pour assurer que les décisions basées sur l’IA sont éthiques et respectent les principes fondamentaux de justice et d’égalité.

En 2020, le Défenseur des Droits et la CNIL alertaient sur le manque de transparence des algorithmes et d’information des usagers, recommandant aux pouvoirs publics de mettre en place des mesures afin de lutter efficacement contre les atteintes aux droits fondamentaux. Contrôler la qualité et la représentativité des données utilisées par les algorithmes, ainsi que leur traitement et leur analyse, était l’une de ces recommandations.

Le rapport “IA, impôts et prestations sociales” confié à Sylvie Vermeillet et Didier Rambaud dans le cadre du programme de travail 2024 de la délégation à la prospective du Sénat dont le thème est “L’intelligence artificielle et l’avenir du service public”, pourrait permettre d’identifier des mesures potentielles pour garantir l’éthique et l’égalité des droits.