Deprecated: Return type of YDataTable::getIterator() should either be compatible with IteratorAggregate::getIterator(): Traversable, or the #[\ReturnTypeWillChange] attribute should be used to temporarily suppress the notice in /home/bdavid/prod/georef/yamldoc/ydclasses/ydata.inc.php on line 428

Deprecated: Return type of YamlDataTable::getIterator() should either be compatible with IteratorAggregate::getIterator(): Traversable, or the #[\ReturnTypeWillChange] attribute should be used to temporarily suppress the notice in /home/bdavid/prod/georef/yamldoc/ydclasses/yamldata.inc.php on line 295
ue/livre-blanc-ia2020 (pub)
Menu : html yaml json edit check reindex dump unset
* 

title 3. Saisir les opportunités futures: prendre la nouvelle vague de données
content

Actuellement, l’Europe affiche certes une relative faiblesse dans le domaine des applications pour consommateurs et des plateformes en ligne, ce qui constitue un désavantage concurrentiel pour l’accès aux données, mais d’importants changements se préparent en ce qui concerne la valeur des données et leur réutilisation transsectorielle. Le volume des données produites dans le monde augmente rapidement et devrait passer de 33 zettaoctets en 2018 à 175 zettaoctets en 2025 12 . Chaque nouvelle vague de données représente, pour l’Europe, une occasion de prendre la première place mondiale dans l’économie tirant parti des données. En outre, les modes de stockage et de traitement des données vont connaître des bouleversements radicaux au cours des cinq prochaines années. À l’heure actuelle, 80 % des opérations de traitement et d’analyse des données qui ont lieu dans le nuage se déroulent dans des centres de données et des installations informatiques centralisées, et 20 % dans des objets connectés intelligents, tels que des voitures, des appareils domestiques ou des robots industriels, ainsi que dans des installations informatiques proches de l’utilisateur (edge computing ou traitement des données à la périphérie). D’ici à 2025, ces proportions sont appelées à changer dans une mesure considérable 13.

L’Europe occupe le premier rang mondial dans le domaine de l’électronique de faible puissance, une technique essentielle pour la prochaine génération de processeurs spécialisés pour l’IA. Or, ce dernier marché est actuellement dominé par des acteurs extérieurs à l’UE. Des projets tels que l’initiative relative à un processeur européen, qui porte sur le développement de systèmes informatiques de faible puissance tant pour le calcul à haute performance de nouvelle génération que pour le traitement des données à la périphérie, et l’entreprise commune pour la technologie numérique, qui devrait commencer ses travaux en 2021, pourraient changer la donne. L’Europe est également aux avant-postes en ce qui concerne les solutions neuromorphiques14 qui conviennent parfaitement à l’automatisation des processus industriels (industrie 4.0) et des modes de transport. Elles peuvent permettre d’accroître de plusieurs ordres de grandeur l’efficacité énergétique.

Les récents progrès accomplis dans le domaine de l’informatique quantique vont entraîner des augmentations exponentielles des capacités de traitement15. L’Europe peut être à l’avant-garde de cette technologie grâce au niveau élevé de sa recherche universitaire en informatique quantique, ainsi qu’au très bon positionnement de l’industrie européenne dans le domaine des simulateurs quantiques et des environnements de programmation pour l’informatique quantique. Les initiatives européennes visant à accroître la disponibilité d’installations d’essai et d’expérimentation quantique rendront possible l’application de ces nouvelles solutions quantiques dans un certain nombre de secteurs industriels et universitaires.

En parallèle, l’Europe continuera à jouer un rôle de premier plan dans les fondations algorithmiques de l’IA, en s’appuyant sur sa propre excellence scientifique. Il faut jeter des ponts entre les disciplines qui, aujourd’hui, progressent séparément, telles que l’apprentissage automatique et l’apprentissage profond (caractérisées par une explicabilité limitée, la nécessité de disposer d’un volume important de données pour entraîner les modèles et apprendre par l’intermédiaire de corrélations) et les approches symboliques (dans le cadre desquelles les règles sont créées par l’intervention humaine). Le fait de combiner un raisonnement symbolique avec des réseaux neuronaux profonds peut aider à améliorer l’explicabilité des résultats de l’IA.